【技术实现步骤摘要】
本专利技术涉及机器人姿态控制领域，尤其涉及一种基于智能识别的机器人姿态控制方法及系统。
技术介绍
1、随着工业自动化程度的不断提高，机器人在生产、仓储、物流等领域得到了广泛应用，作为一种创新性的娱乐应用，基于智能识别的沙盒场景机器人已经引起了广泛关注，机器人被置于一个虚拟的大型沙盘场景之中，通过与实景沙盘互动，实现复杂环境下的自主移动控制，同时，沙盒场景还融合了塔防游戏元素，机器人需要在各种障碍物、敌人的干扰下，完成自主寻路、防御等任务，体验一种全新的娱乐互动模式，然而，要实现机器人在如此复杂的沙盒场景中的自主高效移动，传统的基于定点导航的姿态控制方法已经无法满足要求，往往存在着姿态调整响应不及时，移动位置不准确的问题，而智能沙盒场景机器人需要具备对环境的全面感知、智能识别和自适应决策等能力，才能应对各种未知障碍物、敌对机器人等复杂因素的干扰，因此，迫切需要开发一种基于智能识别的沙盒场景机器人姿态控制方法，以满足现代化沙盒对战机器人创新性应用的需求。
技术实现思路
1、本专利技术为解决上述技术问题，提出了一种基于智能识别的机器人姿态控制方法及系统，以解决至少一个上述技术问题。
2、为实现上述目的，本专利技术提供一种基于智能识别的机器人姿态控制方法，所述机器人嵌有高清摄像头，包括以下步骤：
3、步骤s1：基于高清摄像头持续获取实时沙盒场景视频流；对实时沙盒场景视频流进行全局对比度增强处理，从而得到全局对比度优化图像序列；
4、步骤s2：对全局对比度
5、步骤s3：基于动态物体光流变化轨迹构建动态场景孪生模型；
6、步骤s4：识别机器人位置姿态参数及用户操作指令；对用户操作指令进行动态规避路径规划，从而生成目标移动规避路径；
7、步骤s5：基于机器人位置姿态参数进行动态姿态执行控制，以构建姿态平滑控制序列；
8、步骤s6：基于目标移动规避路径及姿态平滑控制序列对动态场景孪生模型进行姿态倾斜逆向补偿计算，构建智能姿态控制策略。
9、本专利技术通过高清摄像头获取实时视频流，为后续处理提供实时数据支持，对视频流进行全局对比度增强处理，提高图像质量，使后续处理更加准确，通过光流运动追踪，能够实现对动态物体的准确识别和跟踪，生成的光流变化轨迹理解场景中物体的运动情况，为后续的路径规划提供重要信息，从图像序列中提取场景地面和障碍物数据，为机器人导航提供基础信息，通过动态轨迹渲染，构建动态场景孪生模型，模拟真实场景，提高机器人的感知能力，分析用户操作指令，识别目标点，并进行路径规划，以实现机器人的目标移动和规避障碍物，动态规避路径的生成机器人安全、高效地完成任务，基于机器人位置姿态参数，实现动态姿态的执行控制，使机器人动作更加流畅和精准，构建姿态平滑控制序列提高机器人运动的稳定性和可控性，基于目标移动规避路径和姿态平滑控制序列，进行机器人移动模拟计算和姿态倾斜逆向补偿计算，构建智能姿态控制策略，提高机器人的运动效率和安全性。
10、优选地，步骤s1包括以下步骤：
11、步骤s11：基于高清摄像头持续获取实时沙盒场景视频流；
12、步骤s12：对实时沙盒场景视频流进行时序帧分割，以提取沙盒场景图像帧序列；
13、步骤s13：对沙盒场景图像帧序列进行逐帧低通滤波降噪，以得到滤波降噪图像帧序列；
14、步骤s14：对滤波降噪图像帧序列进行全局对比度增强处理，从而得到全局对比度优化图像序列。
15、本专利技术通过使用高清摄像头持续获取实时沙盒场景视频流，系统获得高质量的视频输入，从而提供清晰的视觉信息用于后续处理。通过对实时沙盒场景视频流进行时序帧分割，将视频流分割成单独的图像帧序列，为后续处理提供单独的帧数据，方便对每一帧进行独立处理。逐帧低通滤波降噪有效地减少图像中的噪声，提高图像质量，使得后续处理更加准确和可靠。通过对滤波降噪图像帧序列进行全局对比度增强处理，增强图像的对比度，改善图像的视觉效果，使得图像更加清晰和易于分析，后续的机器人姿态控制。
16、优选地，步骤s14具体步骤为：
17、基于滤波降噪图像帧序列提取第一帧图像；
18、对所述第一帧图像进行平均亮度计算，以生成图像平均亮度值；
19、对所述第一帧图像进行亮度分布分析，以生成图像亮度分布数据；
20、基于图像亮度分布数据进行亮度区域划分处理，提取当前帧图像暗部区域图像及亮部区域图像；
21、基于图像平均亮度值对所述暗部区域图像进行亮度补偿增强，以生成亮度增强暗部图像；
22、基于亮度增强暗部图像对所述第一帧图像进行全局对比度偏差识别，以生成对比度偏差值；
23、基于对比度偏差值对亮度增强暗部图像及所述亮部区域图像进行对比度优化调整，从而构建全局对比度优化图像；
24、基于沙盒场景图像帧序列提取每一帧图像，对每一帧图像迭代上述对比度优化调整处理，从而得到全局对比度优化图像序列。
25、本专利技术通过计算平均亮度，了解图像的整体亮度水平，为后续的亮度处理提供基准，平均亮度值可用于规范化亮度处理过程，确保处理结果在合适的亮度范围内，分析亮度分布了解图像的亮度分布情况，识别主要的亮度区域和特征，为后续处理提供依据，根据亮度分布数据，有针对性地调整图像的亮度，增强暗部或亮部细节，改善图像质量，将图像划分为暗部和亮部区域分别处理不同亮度范围内的细节，使得亮度调整更加精确，突出暗部区域的细节提高图像的视觉效果，使得图像更具立体感和清晰度，通过亮度补偿增强暗部区域图像，使整体图像的亮度更加均衡，增强图像的视觉效果，增强暗部的亮度突出细节信息，提高图像的质量和识别性能，识别对比度偏差值帮助评估图像的对比度情况，确定是否需要进一步优化调整，对比度偏差值可作为调整图像对比度的依据，确保图像的视觉效果更加平衡和清晰，通过对比度优化调整，改善图像的整体对比度，使得图像更具有冲击力和清晰度，优化对比度突出图像中的细节和特征，提高图像的视觉吸引力和识别准确性。
26、优选地，步骤s2具体步骤为：
27、步骤s21：对全局对比度优化图像序列进行动态物体识别，标记动态物体；
28、步骤s22：对动态物体进行图像框分割，从而得到动态物体图像框；
29、步骤s23：对动态物体图像框进行物体空间位置计算，生成动态物体空间位置坐标；
30、步骤s24：对动态物体空间位置坐标进行连续帧物体运动变化率计算，以生成物体位置坐标变化率；
31、步骤s25：基于物体位置坐标变化率对全局对比度优化图像序列进行连续帧光流运动追踪，以生成动态物体光流变化轨迹。
32、本专利技术通过对全局对比度优化图像序列进行动态物体识别，标记动态物体，使得机器人能够识别出场景中的运动物体。识别动态物体机器人预测物体的行为和路径，提高智能决本文档来自技高网...
【技术保护点】
1.一种基于智能识别的机器人姿态控制方法，其特征在于，所述机器人嵌有高清摄像头，包括以下步骤：
2.根据权利要求1所述的基于智能识别的机器人姿态控制方法，其特征在于，步骤S1具体步骤为：
3.根据权利要求2所述的基于智能识别的机器人姿态控制方法，其特征在于，步骤S14具体步骤为：
4.根据权利要求1所述的基于智能识别的机器人姿态控制方法，其特征在于，步骤S2具体步骤为：
5.根据权利要求1所述的基于智能识别的机器人姿态控制方法，其特征在于，步骤S3具体步骤为：
6.根据权利要求5所述的基于智能识别的机器人姿态控制方法，其特征在于，步骤S34具体步骤为：
7.根据权利要求1所述的基于智能识别的机器人姿态控制方法，其特征在于，步骤S4的具体步骤为：
8.根据权利要求1所述的基于智能识别的机器人姿态控制方法，其特征在于，步骤S5的具体步骤为：
9.根据权利要求1所述的基于智能识别的机器人姿态控制方法，其特征在于，步骤S6的具体步骤为：
10.一种基于智能识别的机器人姿态控制系统，
...【技术特征摘要】
1.一种基于智能识别的机器人姿态控制方法，其特征在于，所述机器人嵌有高清摄像头，包括以下步骤：
2.根据权利要求1所述的基于智能识别的机器人姿态控制方法，其特征在于，步骤s1具体步骤为：
3.根据权利要求2所述的基于智能识别的机器人姿态控制方法，其特征在于，步骤s14具体步骤为：
4.根据权利要求1所述的基于智能识别的机器人姿态控制方法，其特征在于，步骤s2具体步骤为：
5.根据权利要求1所述的基于智能识别的机器人姿态控制方法，其特征在于，步骤s3具体步骤为：
6.根据权...
【专利技术属性】
技术研发人员：招俊健，罗庆昌，何家祥，关健泳，廖建华，张金龙，
申请(专利权)人：深圳市工匠社科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。