本技术实施例涉及人工智能，特别涉及一种机器人的状态识别方法和装置。
背景技术：
1、随着人工智能技术的发展，机器人的应用场景越来越多，机器人是能够执行诸如作业或移动等任务的智能设备。例如，一些机器人配置有抓握部件，可以通过抓握部件来实现对物体进行抓取、移动、放下等操作，从而实现替代人来参与作业。又如，一些机器人配置有移动部件，通过控制移动部件来实现控制机器人移动。通常情况下，需要识别机器人的状态，以更好地控制机器人。
技术实现思路
1、本技术提供了一种机器人的状态识别方法和装置，可以实现基于磁场变化数据识别检测部位与物体的接触状态，所述技术方案包括如下内容。
2、一方面，提供了一种机器人的状态识别方法，所述方法包括：
3、获取对机器人的检测部位的磁场强度进行采集得到的磁场检测数据，所述检测部位包括磁性材料；
4、获取磁场参考数据，所述磁场参考数据用于表征在所述检测部位处于未与物体接触的状态的情况下，所述检测部位的磁场强度；
5、基于所述磁场检测数据和所述磁场参考数据，确定磁场变化数据；
6、基于所述磁场变化数据，确定所述检测部位的接触状态信息，所述接触状态信息用于表征所述检测部位与所述物体接触的状态。
7、另一方面，提供了一种机器人的状态识别装置，所述装置包括：
8、获取模块，用于获取对机器人的检测部位的磁场强度进行采集得到的磁场检测数据，所述检测部位包括磁性材料；
9、所述获取模块，还用于获取磁场参考数据，所述磁场参考数据用于表征在所述检测部位处于未与物体接触的状态的情况下，所述检测部位的磁场强度；
10、确定模块，用于基于所述磁场检测数据和所述磁场参考数据，确定磁场变化数据；
11、所述确定模块，还用于基于所述磁场变化数据，确定所述检测部位的接触状态信息，所述接触状态信息用于表征所述检测部位与所述物体接触的状态。
12、在一种可能的实现方式中，所述确定模块，用于对所述磁场变化数据进行滤波，得到目标滤波结果；基于所述目标滤波结果，确定所述接触状态信息。
13、在一种可能的实现方式中，所述确定模块，用于基于高斯分布函数对所述磁场变化数据进行高斯滤波，得到目标滤波结果。
14、在一种可能的实现方式中，所述确定模块，用于通过用于表征滤波窗口大小的第一大小参数，对所述磁场变化数据进行多次滤波，得到各次滤波对应的第一滤波结果；将所述各次滤波对应的第一滤波结果的中间值确定为目标滤波结果。
15、在一种可能的实现方式中，所述确定模块，用于通过用于表征滤波窗口大小的第二大小参数，对所述磁场变化数据进行多次滤波，得到各次滤波对应的第二滤波结果；将所述各次滤波对应的第二滤波结果的平均值确定为目标滤波结果。
16、在一种可能的实现方式中，所述确定模块，用于通过用于表征滤波窗口大小的第三大小参数，对所述磁场变化数据进行移动平均滤波，得到目标滤波结果。
17、在一种可能的实现方式中，所述确定模块，用于基于平移参数和尺度参数，对所述磁场变化数据进行小波滤波，得到目标滤波结果；其中，所述平移参数用于控制小波基函数在坐标轴上的平移位置，所述尺度参数用于控制所述小波基函数的尺度。
18、在一种可能的实现方式中，所述确定模块，用于基于至少两种滤波方式对所述磁场变化数据进行滤波，得到各种滤波方式对应的第三滤波结果；基于目标滤波方式对应的第三滤波结果，确定目标滤波结果，所述目标滤波方式是满足指标条件的滤波质量指标所对应的滤波方式，任一种滤波方式的滤波质量指标基于所述任一种滤波方式对应的第三滤波结果和所述磁场变化数据确定。
19、在一种可能的实现方式中，所述确定模块，用于获取随机森林分类模型，所述随机森林分类模型包括多个决策树；对于任一个决策树，基于所述任一个决策树对所述目标滤波结果进行分类，得到所述任一个决策树的分类结果，所述任一个决策树的分类结果用于表征通过所述任一个决策树确定的所述检测部位是否处于与所述物体接触的状态；基于各个决策树的分类结果，确定所述接触状态信息。
20、在一种可能的实现方式中，所述获取模块，还用于获取对所述检测部位进行图像采集得到的图像数据，所述图像数据用于描述所述检测部位的外观；
21、所述确定模块，还用于基于所述图像数据，确定第一关键点的位置信息和第二关键点的位置信息，所述第一关键点的位置信息用于表征所述检测部位中仿生关节所在的位置，所述第二关键点的位置信息用于表征所述检测部位中仿生骨骼所在的位置；
22、所述确定模块，还用于基于所述第一关键点的位置信息和所述第二关键点的位置信息，确定所述检测部位的姿态信息。
23、在一种可能的实现方式中，所述第一关键点和所述第二关键点为多个，所述姿态信息包括多个仿生关节的角度数据；
24、所述确定模块，用于对于任一个第一关键点，基于所述任一个第一关键点的位置信息和位于所述任一个第一关键点两侧的第二关键点的位置信息，确定所述任一个第一关键点对应的仿生关节的角度数据。
25、在一种可能的实现方式中，所述装置还包括：
26、输入模块，用于在所述接触状态信息表征所述检测部位处于与所述物体接触的状态的情况下，将所述磁场变化数据输入目标回归模型，得到所述检测部位与所述物体接触时的接触法向力；
27、其中，所述目标回归模型用于描述所述检测部位接触所述物体时的接触强度与所述检测部位的磁场强度变化之间的关系。
28、另一方面，提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条计算机程序，所述至少一条计算机程序由所述处理器加载并执行，以使所述电子设备实现上述任一所述的机器人的状态识别方法。
29、另一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条计算机程序，所述至少一条计算机程序由处理器加载并执行，以使电子设备实现上述任一所述的机器人的状态识别方法。
30、另一方面，还提供了一种计算机程序，所述计算机程序为至少一条，至少一条计算机程序由处理器加载并执行，以使电子设备实现上述任一种机器人的状态识别方法。
31、另一方面，还提供了一种计算机程序产品，所述计算机程序产品中存储有至少一条计算机程序，所述至少一条计算机程序由处理器加载并执行，以使电子设备实现上述任一种机器人的状态识别方法。
32、本技术提供的技术方案至少带来如下有益效果：
33、本技术提供的技术方案中，机器人的检测部位包括用于产生磁场的磁性材料，通过对检测部位进行磁场采集得到磁场检测数据，并确定磁场检测数据相对于磁场参考数据的磁场变化数据。其中，磁场参考数据表征在检测部位处于未与物体接触的状态的情况下，磁性材料产生的磁场强度，因此，磁场变化数据可以反映与检测部位处于未与物体接触的状态相比，检测部位的状态变化情况，从而可以基于磁场变化数据确定检测部位是否处于与物体接触的状态，实现对机器人的状态进行识别，有利于更好地控制机器人。
1.一种机器人的状态识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述磁场变化数据，确定所述检测部位的接触状态信息，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述磁场变化数据进行滤波，得到目标滤波结果，包括：
4.根据权利要求2所述的方法，其特征在于，所述对所述磁场变化数据进行滤波，得到目标滤波结果，包括：
5.根据权利要求2所述的方法，其特征在于，所述对所述磁场变化数据进行滤波，得到目标滤波结果，包括：
6.根据权利要求2所述的方法，其特征在于，所述对所述磁场变化数据进行滤波，得到目标滤波结果，包括：
7.根据权利要求2所述的方法，其特征在于，所述对所述磁场变化数据进行滤波，得到目标滤波结果，包括：
8.根据权利要求2所述的方法，其特征在于，所述对所述磁场变化数据进行滤波，得到目标滤波结果，包括：
9.根据权利要求2所述的方法，其特征在于，所述基于所述目标滤波结果，确定所述接触状态信息，包括：
10.根据权利要求1至9任一项所述的方法，其特征在于，所述方法还包括：
11.根据权利要求10所述的方法，其特征在于，所述第一关键点和所述第二关键点为多个，所述姿态信息包括多个仿生关节的角度数据；
12.根据权利要求1至9任一项所述的方法，其特征在于，所述方法还包括：
13.一种机器人的状态识别装置，其特征在于，所述装置包括：
14.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条计算机程序，所述至少一条计算机程序由所述处理器加载并执行，以使所述电子设备实现如权利要求1至12任一所述的机器人的状态识别方法。
15.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一条计算机程序，所述至少一条计算机程序由处理器加载并执行，以使电子设备实现如权利要求1至12任一所述的机器人的状态识别方法。
16.一种计算机程序产品，其特征在于，所述计算机程序产品中存储有至少一条计算机程序，所述至少一条计算机程序由处理器加载并执行，以使电子设备实现如权利要求1至12任一所述的机器人的状态识别方法。
