申请/专利权人:香港理工大学深圳研究院;科博智能有限公司
申请日:2024-01-18
公开(公告)日:2024-04-26
公开(公告)号:CN117935358A
主分类号:G06V40/20
分类号:G06V40/20;G06V10/42;G06F30/20;G06V10/764;G06V10/80;G06V20/40
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本发明提供的人机协作方法、装置、智能终端及存储介质,具体涉及人机协作技术领域,方案包括:采用人体数字孪生模型中的三维姿态参数化网络对目标深度图像进行三维姿态参数化,构建人体姿态;基于人体姿态,提取出人体关节点序列并进行特征提取,获得全局关节点特征;采用人体数字孪生模型中的风险评估网络对全局关节点特征进行风险评估,获得人机工程学风险指数;采用人体数字孪生模型中的行为意图识别网络对全局关节点特征和目标视频流进行识别和分类,获得行为意图的分类结果,从而做出行为决策并规划运动轨迹。该方案能够实现对人体状态的实时全面理解和响应,确保机器人高效且安全地执行任务,从而实现更为顺畅的人机协作。
主权项:1.基于人体数字孪生模型的人机协作方法,其特征在于,方法包括:获取人机共融场景下的目标深度图像和目标视频流;采用人体数字孪生模型中的三维姿态参数化网络对所述目标深度图像进行三维姿态参数化,获得三维姿态参数,并基于所述三维姿态参数,构建人体姿态;基于所述人体姿态,提取出人体关节点序列,并采用预设的时空图卷积网络对所述人体关节点序列进行特征提取,获得全局关节点特征;采用人体数字孪生模型中的风险评估网络对所述全局关节点特征进行风险评估,获得人机工程学风险指数;采用人体数字孪生模型中的行为意图识别网络对所述全局关节点特征和所述目标视频流进行识别和分类,获得行为意图的分类结果;基于所述人体姿态、所述人机工程学风险指数和所述行为意图的分类结果,做出行为决策并规划运动轨迹。
全文数据:
权利要求:
百度查询: 香港理工大学深圳研究院;科博智能有限公司 人机协作方法、装置、智能终端及存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。