CN107831484A - 一种基于激光雷达的阶梯数据获取方法及装置 - Google Patents
一种基于激光雷达的阶梯数据获取方法及装置 Download PDFInfo
- Publication number
- CN107831484A CN107831484A CN201710910624.0A CN201710910624A CN107831484A CN 107831484 A CN107831484 A CN 107831484A CN 201710910624 A CN201710910624 A CN 201710910624A CN 107831484 A CN107831484 A CN 107831484A
- Authority
- CN
- China
- Prior art keywords
- sampled point
- laser radar
- data
- sampled
- class
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4808—Evaluating distance, position or velocity data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/08—Systems determining position data of a target for measuring distance only
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明实施例公开了一种基于激光雷达的阶梯数据获取方法及装置,应用于双足机器人,所述双足机器人上安装有激光雷达,其中,方法包括:获取激光雷达采集的若干帧采样数据并存储,其中每一帧采样数据中包含有N个激光雷达的采样点,其中N为自然数;对所述采样点进行分类,提取出有效采样点;根据所述有效的采样点对应的采样数据计算出阶梯数据。本发明实施例降低了双足机器人的成本,避免了多雷达系统的构建、避免使用昂贵的3D雷达、避免复杂的雷达安装机械结构的搭建;再解决方案硬件搭建简单易懂、所用算法简洁高效可控,简化了控制工艺。
Description
技术领域
本发明涉及激光雷达技术领域,尤其涉及一种基于激光雷达的阶梯数据获取方法及装置。
背景技术
现有的2D雷达多用来进行机器人的路径规划与建图,以此来达到对障碍物的检测与避障,但是在对机器人进行的上下楼梯实验中,这种方法仅可以识别楼梯,但是不能在机器人上下楼梯时,对阶梯高度与阶梯纵长进行识别。而且由于2D雷达只能扫到一个平面的360度的距离角度数据,要完成对3维实际环境的感知和测距,需要采用多个2D雷达,而且数据处理和雷达安装位置比较繁琐,若采用3D雷达,则造价太贵且雷达太大不适合安装在双足机器人上。
现有技术中,对于双足机器人上下楼梯问题,存在2D雷达安装结构繁琐,且大多数双足机器人对于上下楼梯实验,都是事先直接已知并输入阶梯高度与纵长,然后在其上下楼梯中对步态进行控制,而没有一个直接实时测量阶梯高度和纵长的方案。
发明内容
针对上述技术问题,本发明实施例提供了一种基于激光雷达的阶梯数据获取方法及装置,能够解决现有技术中的无法实时测量阶梯数据的技术问题。
本发明实施例的第一方面提供一种基于激光雷达的阶梯数据获取方法,应用于双足机器人,所述双足机器人上安装有激光雷达,包括:
获取激光雷达采集的若干帧采样数据并存储,其中每一帧采样数据中包含有N个激光雷达的采样点,其中N为自然数;
对所述采样点进行分类,提取出有效采样点;
根据所述有效的采样点对应的采样数据计算出阶梯数据。
可选地,所述采样点还包括采样数据,采样数据为采样点与激光雷达的夹角,以及采样点与激光雷达的距离。
可选地,所述对所述采样点进行分类,提取出有效采样点,包括:
将所述采样点投影在所述激光雷达所在竖直平面,获取投影后的水平距离;
根据所述水平距离对采样点进行分类,根据分类后的采样点过滤无效的采样点,提取有效采样点。
可选地,所述待测台阶包括第一台阶和第二台阶,所述机器人位于水平面上,所述第一台阶包括与水平面平行的第一平面以及与水平面垂直的第二平面,所述第二台阶包括与水平面垂直的第三平面,所述激光雷达在所述第三平面上的采样点记为第一类采样点,所述激光雷达在所述第二平面的采样点上记为第二类采样点,所述激光雷达在所述第一平面上的采样点记为第三类采样点,所述激光雷达在所述水平面上的采样点记为第四类采样点;
所述无效的采样点是指采样点与激光雷达的距离为0或是第四类采样点。
可选地,所述根据所述有效的采样点对应的采样数据计算出阶梯数据,包括:
将获取的有效采样点与激光雷达的距离、有效采样点与激光雷达的夹角以及所述夹角对应的三角函数值并分别进行存储在三个数组;
将三个数组中每个数组中的数据按从小到大排序后,提取出采样点中的第一类采样点、第二类采样点;
获取第一类采样点、第二类采样点以及第二类采样点与激光雷达的夹角后,将三类数据按照从小到大的顺序进行排序;
对排序后的最终数据进行中值滤波后求出所述第一台阶的阶梯数据,所述第一台阶的阶梯数据包括所述机器人与第一台阶的距离,所述第一台阶的高度以及第一台阶的纵长。
本发明实施例第二方面提供了一种基于激光雷达的阶梯数据获取装置,应用于双足机器人,所述双足机器人上安装有激光雷达,所述装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现以下步骤::
获取激光雷达采集的若干帧采样数据并存储,其中每一帧采样数据中包含有N个激光雷达的采样点,其中N为自然数;
对所述采样点进行分类,提取出有效采样点;
根据所述有效的采样点对应的采样数据计算出阶梯数据。
可选地,采样点还包括采样数据,采样数据为采样点与激光雷达的夹角,以及采样点与激光雷达的距离,所述计算机程序被所述处理器执行时还实现以下步骤:
将所述采样点投影在所述激光雷达所在竖直平面,获取投影后的水平距离;
根据所述水平距离对采样点进行分类,根据分类后的采样点过滤无效的采样点,提取有效采样点。
可选地,所述待测台阶包括第一台阶和第二台阶,所述机器人位于水平面上,所述第一台阶包括与水平面平行的第一平面以及与水平面垂直的第二平面,所述第二台阶包括与水平面垂直的第三平面,所述激光雷达在所述第三平面上的采样点记为第一类采样点,所述激光雷达在所述第二平面的采样点上记为第二类采样点,所述激光雷达在所述第一平面上的采样点记为第三类采样点,所述激光雷达在所述水平面上的采样点记为第四类采样点,所述计算机程序被所述处理器执行时还实现以下步骤:
所述无效的采样点是指采样点与激光雷达的距离为0或是第四类采样点。。
可选地,所述计算机程序被所述处理器执行时还实现以下步骤:
将获取的有效采样点与激光雷达的距离、有效采样点与激光雷达的夹角以及所述夹角对应的三角函数值并分别进行存储在三个数组;
将三个数组中每个数组中的数据按从小到大排序后,提取出采样点中的第一类采样点、第二类采样点;
获取第一类采样点、第二类采样点以及第二类采样点与激光雷达的夹角后,将三类数据按照从小到大的顺序进行排序;
对排序后的最终数据进行中值滤波后求出所述第一台阶的阶梯数据,所述第一台阶的阶梯数据包括所述机器人与第一台阶的距离,所述第一台阶的高度以及第一台阶的纵长。
本发明实施例第三方面提供了一种非易失性计算机可读存储介质,其特征在于,所述非易失性计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行时,可使得所述一个或多个处理器执行上述的基于激光雷达的阶梯数据获取方法。
本发明实施例提供的技术方案中,通过获取激光雷达采集的若干帧采样数据并存储,其中每一帧采样数据中包含有N个激光雷达的采样点,;对所述采样点进行分类,提取出有效采样点;根据所述有效的采样点对应的采样数据计算出阶梯数据。因此相对于现有技术,本发明实施例降低了双足机器人的成本,避免了多雷达系统的构建、避免使用昂贵的3D雷达、避免复杂的雷达安装机械结构的搭建;再解决方案硬件搭建简单易懂、所用算法简洁高效可控,简化了控制工艺。
附图说明
图1为本发明实施例中一种基于激光雷达的阶梯数据获取方法的一实施例的流程示意图;
图2为本发明实施例中一种基于激光雷达的阶梯数据获取方法的一实施例的原理示意图;
图3为本发明实施例中一种基于激光雷达的阶梯数据获取装置的另一实施例结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,图1为本发明实施例中一种基于激光雷达的阶梯数据获取方法的一个实施例的流程示意图。如图1所示,包括:
步骤S100、获取激光雷达采集的若干帧采样数据并存储,其中每一帧采样数据中包含有N个激光雷达的采样点;
步骤S200、对所述采样点进行分类,提取出有效采样点;
步骤S300、根据所述有效的采样点对应的采样数据计算出阶梯数据。
具体实施时,本发明实施例中的激光雷达是思岚科技的rplidar a2,双足机器人的硬件开发平台为友晶Altera FPGA开发板SoC DE0-Nano-SoC,控制端为Windows上的Quartus Prime 16.1Standard Edition,采用的是rs232的串口数据采集方式,采用FIFO数据存储器。雷达为顺时针旋转,把雷达竖直安装在双足机器人前方(保证机器人行走的方向在雷达扫描的平面上),这样就能采集到从机器人雷达安放高度所在的角度到机器人的腿所在水平地面所在角度之间的数据,现在要解决的就是对这两个角度之间的数据进行算法方面的处理,首先雷达的角度有个具体标定值,上文所示雷达的安放位置角度区间大小是90°,本实施例中安放的位置刚好取得是0°到90°,其中可通过旋转雷达来调整自定义角度区间,但是区间大小是90°。
待测台阶包括第一台阶和第二台阶,所述机器人位于水平面上,所述第一台阶包括与水平面平行的第一平面以及与水平面垂直的第二平面,所述第二台阶包括与水平面垂直的第三平面,所述激光雷达在所述第三平面上的采样点记为第一类采样点,所述激光雷达在所述第二平面的采样点上记为第二类采样点,所述激光雷达在所述第一平面上的采样点记为第三类采样点,所述激光雷达在所述水平面上的采样点记为第四类采样点。
所述无效的采样点是指采样点与激光雷达的距离为0或是第四类采样点。
参阅图2,图2是本发明实施例中一种基于激光雷达的阶梯数据获取方法的一个实施例的原理示意图。图2中h1为双足机器人的激光雷达安装高度,激光雷达10,激光雷达安装高度为已知量,h2、h3、h4分别为台阶高度、纵长、机器人离台阶距离,为需要求出的量。双足机器人在知道这3个量之后,能对什么时候停止准备提腿跨台阶、跨多高、跨多远有个长度参数参考,以便进行后续步态调整。
以本方案已解决双足机器人为例:调试双足机器人,雷达放在其60公分(0.614m)处,双足步长0.20m到0.40m,测试用台阶共两阶t1和t2。
采样点还包括采样数据,采样数据为采样点与激光雷达的夹角,以及采样点与激光雷达的距离。夹角是指与激光雷达的正方向夹角。
步骤S200具体为:将所述采样点投影在所述激光雷达所在竖直平面,获取投影后的水平距离;
根据所述水平距离对采样点进行分类,根据分类后的采样点过滤无效的采样点,提取有效采样点。
具体地,验取得是t1与t2两级阶梯,雷达的采样点在阶梯上会有a、b、c、d四种分布情况,这一步工作将把第一类采样点a、第二类采样点b、第三类采样点c、第四类采样点d四类点按照投影在h1上的水平距离来进行分类。实际角度值需要除以64,实际距离值单位为毫米,这里先取出每一帧雷达所有在0°到90°的点。滤掉d类打在地面上的点,并滤掉所有距离值为0的无效点,注意实际由于系统误差,这里取的h1通常比实际值略小。
可选地,步骤S300包括:
将获取的有效采样点与激光雷达的距离、有效采样点与激光雷达的夹角以及所述夹角对应的三角函数值并分别进行存储在三个数组;
将三个数组中每个数组中的数据按从小到大排序后,提取出采样点中的第一类采样点、第二类采样点;
获取第一类采样点、第二类采样点以及第二类采样点与激光雷达的夹角后,将三类数据按照从小到大的顺序进行排序;
对排序后的最终数据进行中值滤波后求出所述第一台阶的阶梯数据,所述第一台阶的阶梯数据包括所述机器人与第一台阶的距离,所述第一台阶的高度以及第一台阶的纵长。
具体地,把有效采集点的距离对应cosθ值、以及距离对应cosθ值的两位有效数字值、角度值θ存进三个数组,上述三组数组每一个都从小到大排序,并由上述第二个数组的关系来区分出a与c类点,取出a类的点,和Cod的点,将取出的a与c类点以及c类点对应的角度θ进行从小到大排序,并对最终数据类进行中值滤波以提高数据了可靠性,其中由a和c类点可以求出h3和h4,由角度θ的最小值与此类点可以求出h2。θ为采集点与激光雷达的连线与水平面的夹角。
理论上,只要台阶数量累计高度不超过雷达安放高度,可以测出任一台阶的高度与纵长距离参数,但是由于实际应用场景,我们只需要测出两级台阶即可,当双足机器人获取h2、h3、h4的值并作出步态调整登上台阶后,可以继续实时得到下一级台阶的这3个数据,并再一次作出步态调整,如此可实现上楼梯,精度可达到厘米级别。
本发明还提供了一种基于激光雷达的阶梯数据获取方法的代码示例,代码如下:
实验取得是t1与t2两级阶梯,雷达的采样点在阶梯上会有a、b、c、d四种分布情况,这一步工作将把a、b、c、d四类点按照投影在h1上的水平距离来进行分类,雷达的数据是距离对应角度,然后角度由0°到360°循环,因为可能由于是开发板的原因,解析出来的原始角度数据的分辨率在0°到10°的范围内变化,因此一周0°到360°的采集点个数不定会分布在2或者3帧数据里,也就是说每一帧的数据不一定都会打到abcd,需要多取数据,确保会有一定量数据打在abcd四个区域,当然这个t1值是可以设定的,代码如下:
把上述三组数组每一个都从小到大排序,并由上述第二个数组的关系来区分出a与c类点,其中t1、t2、t3三个参数可按实际需要达的最终监测数据精确度和实时性来自由调控,具体地,用tmp[j]这个数组来区分的,这个数组取得是第二个数组的两位有效小数,取得两位小数之后,把tmp[j]按从小到大排序,排序的同时把第二个数组也进行排序,然后在tmp[j]数组里所有相同的数归为一类,因为b区域的点不会成为一个集合,当然如果我的t1值取得够大,数据够多,b区域的点会有集合,但是这个集合和a和c区域的点的集合比起来可以忽略,这样的话从头和尾分别取一个较大的的数组,即是a和c点对的tmp值,然后我再对应取出第二个数组的值即可求出a与c类点的集合,然后我的t2和t3值就是为了忽略那些b区域的那些小集合,当然如果t1值取得大,为了保证最终准确度,t2和t3值也要跟着调大。代码如下;
将取出的a与c类点以及c类点对应的角度θ进行从小到大排序,并对最终数据类进行中值滤波以提高数据了可靠性,其中由a和c类点可以求出h3和h4,由角度θ的最小值与此类点可以求出h2;
//对a与c类点以及c类点对应的角度θ分别进行排序
上面对本发明实施例中的基于激光雷达的阶梯数据获取方法进行了描述,下面对本发明实施例中的基于激光雷达的阶梯数据获取装置进行描述,请参阅图3,图3是本发明实施例中一种基于激光雷达的阶梯数据获取装置的另一实施例程序模块示意图,包括:
装置10包括:存储器101、处理器102及存储在存储器上并可在处理器上运行的计算机程序,计算机程序被处理器101执行时实现以下步骤:
获取激光雷达采集的若干帧采样数据并存储,其中每一帧采样数据中包含有N个激光雷达的采样点,其中N为自然数;
对所述采样点进行分类,提取出有效采样点;
根据所述有效的采样点对应的采样数据计算出阶梯数据。
具体地,本发明实施例中的激光雷达是思岚科技的rplidar a2,双足机器人的硬件开发平台为友晶Altera FPGA开发板SoC DE0-Nano-SoC,控制端为Windows上的QuartusPrime 16.1Standard Edition,采用的是rs232的串口数据采集方式,采用FIFO数据存储器。雷达为顺时针旋转,把雷达竖直安装在双足机器人前方(保证机器人行走的方向在雷达扫描的平面上),这样就能采集到从机器人雷达安放高度所在的角度到机器人的腿所在水平地面所在角度之间的数据,现在要解决的就是对这两个角度之间的数据进行算法方面的处理,首先雷达的角度有个具体标定值,上文所示雷达的安放位置角度区间大小是90°,本实施例中安放的位置刚好取得是0°到90°,其中可通过旋转雷达来调整自定义角度区间,但是区间大小是90°。
待测台阶包括第一台阶和第二台阶,所述机器人位于水平面上,所述第一台阶包括与水平面平行的第一平面以及与水平面垂直的第二平面,所述第二台阶包括与水平面垂直的第三平面,所述激光雷达在所述第三平面上的采样点记为第一类采样点,所述激光雷达在所述第二平面的采样点上记为第二类采样点,所述激光雷达在所述第一平面上的采样点记为第三类采样点,所述激光雷达在所述水平面上的采样点记为第四类采样点。
所述无效的采样点是指采样点与激光雷达的距离为0或是第四类采样点。
参阅图2,图2是本发明实施例中一种基于激光雷达的阶梯数据获取方法的一个实施例的原理示意图。图2中h1为双足机器人的雷达安装高度,圆为激光雷达,激光雷达安装高度为已知量,h2、h3、h4分别为台阶高度、纵长、机器人离台阶距离,为需要求出的量。双足机器人在知道这3个量之后,能对什么时候停止准备提腿跨台阶、跨多高、跨多远有个长度参数参考,以便进行后续步态调整。
以本方案已解决双足机器人为例:调试双足机器人,雷达放在其60公分(0.614m)处,双足步长0.20m到0.40m,测试用台阶共两阶t1和t2。
可选地,所述采样点还包括采样数据,采样数据为采样点与激光雷达的夹角,以及采样点与激光雷达的距离,计算机程序被处理器101执行时还实现以下步骤:
将所述采样点投影在所述激光雷达所在竖直平面,获取投影后的水平距离;
根据所述水平距离对采样点进行分类,根据分类后的采样点过滤无效的采样点,提取有效采样点。
具体地,采样点还包括采样数据,采样数据为采样点与激光雷达的夹角,以及采样点与激光雷达的距离。夹角是指与激光雷达的正方向夹角。
实验取得是t1与t2两级阶梯,雷达的采样点在阶梯上会有a、b、c、d四种分布情况,这一步工作将把第一类采样点a、第二类采样点b、第三类采样点c、第四类采样点d四类点按照投影在h1上的水平距离来进行分类。实际角度值需要除以64,实际距离值单位为毫米,这里先取出每一帧雷达所有在0°到90°的点。滤掉d类打在地面上的点,并滤掉所有距离值为0的无效点,注意实际由于系统误差,这里取的h1通常比实际值略小。
可选地,计算机程序被处理器101执行时还实现以下步骤:
将获取的有效采样点与激光雷达的距离、有效采样点与激光雷达的夹角以及所述夹角对应的三角函数值并分别进行存储在三个数组;
将三个数组中每个数组中的数据按从小到大排序后,提取出采样点中的第一类采样点、第二类采样点;
获取第一类采样点、第二类采样点以及第二类采样点与激光雷达的夹角后,将三类数据按照从小到大的顺序进行排序;
对排序后的最终数据进行中值滤波后求出所述第一台阶的阶梯数据,所述第一台阶的阶梯数据包括所述机器人与第一台阶的距离,所述第一台阶的高度以及第一台阶的纵长。
具体实施时,把有效采集点的距离对应cosθ值、以及距离对应cosθ值的两位有效数字值、角度值θ存进三个数组,上述三组数组每一个都从小到大排序,并由上述第二个数组的关系来区分出a与c类点,取出a类的点,和Cod的点,将取出的a与c类点以及c类点对应的角度θ进行从小到大排序,并对最终数据类进行中值滤波以提高数据了可靠性,其中由a和c类点可以求出h3和h4,由角度θ的最小值与此类点可以求出h2。
理论上,只要台阶数量累计高度不超过雷达安放高度,可以测出任一台阶的高度与纵长距离参数,但是由于实际应用场景,我们只需要测出两级台阶即可,当双足机器人获取h2、h3、h4的值并作出步态调整登上台阶后,可以继续实时得到下一级台阶的这3个数据,并再一次作出步态调整,如此可实现上楼梯,精度可达到厘米级别。
本发明实施例提供了一种非易失性计算机可读存储介质,计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行,例如,执行以上描述的图1中的方法步骤S100至步骤S300。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于激光雷达的阶梯数据获取方法,应用于双足机器人,所述双足机器人上安装有激光雷达,其特征在于,包括:
获取激光雷达采集的若干帧采样数据并存储,其中每一帧采样数据中包含有N个激光雷达的采样点,其中N为自然数;
对所述采样点进行分类,提取出有效采样点;
根据所述有效的采样点对应的采样数据计算出阶梯数据。
2.根据权利要求1所述的基于激光雷达的阶梯数据获取方法,其特征在于,所述采样点还包括采样数据,采样数据为采样点与激光雷达的夹角,以及采样点与激光雷达的距离。
3.根据权利要求2所述的基于激光雷达的阶梯数据获取方法,其特征在于,所述对所述采样点进行分类,提取出有效采样点,包括:
将所述采样点投影在所述激光雷达所在竖直平面,获取投影后的水平距离;
根据所述水平距离对采样点进行分类,根据分类后的采样点过滤无效的采样点,提取有效采样点。
4.根据权利要求3所述的基于激光雷达的阶梯数据获取方法,其特征在于,所述待测台阶包括第一台阶和第二台阶,所述机器人位于水平面上,所述第一台阶包括与水平面平行的第一平面以及与水平面垂直的第二平面,所述第二台阶包括与水平面垂直的第三平面,所述激光雷达在所述第三平面上的采样点记为第一类采样点,所述激光雷达在所述第二平面的采样点上记为第二类采样点,所述激光雷达在所述第一平面上的采样点记为第三类采样点,所述激光雷达在所述水平面上的采样点记为第四类采样点;
所述无效的采样点是指采样点与激光雷达的距离为0或是第四类采样点。
5.根据权利要求4所述的基于激光雷达的阶梯数据获取方法,其特征在于,所述根据所述有效的采样点对应的采样数据计算出阶梯数据,包括:
将获取的有效采样点与激光雷达的距离、有效采样点与激光雷达的夹角以及所述夹角对应的三角函数值并分别进行存储在三个数组;
将三个数组中每个数组中的数据按从小到大排序后,提取出采样点中的第一类采样点、第二类采样点;
获取第一类采样点、第二类采样点以及第二类采样点与激光雷达的夹角后,将三类数据按照从小到大的顺序进行排序;
对排序后的最终数据进行中值滤波后求出所述第一台阶的阶梯数据,所述第一台阶的阶梯数据包括所述机器人与第一台阶的距离,所述第一台阶的高度以及第一台阶的纵长。
6.一种基于激光雷达的阶梯数据获取装置,其特征在于,应用于双足机器人,所述双足机器人上安装有激光雷达,所述装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现以下步骤:
获取激光雷达采集的若干帧采样数据并存储,其中每一帧采样数据中包含有N个激光雷达的采样点,其中N为自然数;
对所述采样点进行分类,提取出有效采样点;
根据所述有效的采样点对应的采样数据计算出阶梯数据。
7.根据权利要求6所述的基于激光雷达的阶梯数据获取装置,其特征在于,所述采样点还包括采样数据,采样数据为采样点与激光雷达的夹角,以及采样点与激光雷达的距离,所述计算机程序被所述处理器执行时还实现以下步骤:
将所述采样点投影在所述激光雷达所在竖直平面,获取投影后的水平距离;
根据所述水平距离对采样点进行分类,根据分类后的采样点过滤无效的采样点,提取有效采样点。
8.根据权利要求7所述的基于激光雷达的阶梯数据获取装置,其特征在于,所述待测台阶包括第一台阶和第二台阶,所述机器人位于水平面上,所述第一台阶包括与水平面平行的第一平面以及与水平面垂直的第二平面,所述第二台阶包括与水平面垂直的第三平面,所述激光雷达在所述第三平面上的采样点记为第一类采样点,所述激光雷达在所述第二平面的采样点上记为第二类采样点,所述激光雷达在所述第一平面上的采样点记为第三类采样点,所述激光雷达在所述水平面上的采样点记为第四类采样点,所述计算机程序被所述处理器执行时还实现以下步骤:
所述无效的采样点是指采样点与激光雷达的距离为0或是第四类采样点。
9.根据权利要求8所述的基于激光雷达的阶梯数据获取装置,其特征在于,所述计算机程序被所述处理器执行时还实现以下步骤:
将获取的有效采样点与激光雷达的距离、有效采样点与激光雷达的夹角以及所述夹角对应的三角函数值并分别进行存储在三个数组;
将三个数组中每个数组中的数据按从小到大排序后,提取出采样点中的第一类采样点、第二类采样点;
获取第一类采样点、第二类采样点以及第二类采样点与激光雷达的夹角后,将三类数据按照从小到大的顺序进行排序;
对排序后的最终数据进行中值滤波后求出所述第一台阶的阶梯数据,所述第一台阶的阶梯数据包括所述机器人与第一台阶的距离,所述第一台阶的高度以及第一台阶的纵长。
10.一种非易失性计算机可读存储介质,其特征在于,所述非易失性计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行时,可使得所述一个或多个处理器执行权利要求1-5任一项所述的基于激光雷达的阶梯数据获取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710910624.0A CN107831484B (zh) | 2017-09-29 | 2017-09-29 | 一种基于激光雷达的阶梯数据获取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710910624.0A CN107831484B (zh) | 2017-09-29 | 2017-09-29 | 一种基于激光雷达的阶梯数据获取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107831484A true CN107831484A (zh) | 2018-03-23 |
CN107831484B CN107831484B (zh) | 2021-11-19 |
Family
ID=61647588
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710910624.0A Active CN107831484B (zh) | 2017-09-29 | 2017-09-29 | 一种基于激光雷达的阶梯数据获取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107831484B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108732590A (zh) * | 2018-05-16 | 2018-11-02 | 重庆邮电大学 | 一种双足机器人及一种斜坡角度测量方法 |
CN112070814A (zh) * | 2020-08-31 | 2020-12-11 | 杭州迅蚁网络科技有限公司 | 一种靶标角度识别方法、装置 |
CN112099494A (zh) * | 2020-09-02 | 2020-12-18 | 西安交通大学 | 一种面向全地形车及其自动检测楼梯与攀爬方法 |
CN112464801A (zh) * | 2020-11-26 | 2021-03-09 | 配天机器人技术有限公司 | 一种数据滤波方法和装置 |
CN113791400A (zh) * | 2021-09-07 | 2021-12-14 | 大连理工大学 | 一种基于激光雷达的楼梯参数自主检测方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101903229A (zh) * | 2007-12-19 | 2010-12-01 | 罗伯特·博世有限公司 | 用于匹配车辆导向的方法与装置 |
CN103048654A (zh) * | 2011-10-14 | 2013-04-17 | 三星泰科威株式会社 | 雷达传感器和使用所述雷达传感器检测对象的方法 |
US20140274205A1 (en) * | 2011-07-20 | 2014-09-18 | Kurt A. Goszyk | Laser obstacle detector |
CN105242279A (zh) * | 2015-07-30 | 2016-01-13 | 王植 | 一种基于激光雷达技术的滑坡体变化检测方法 |
CN105740798A (zh) * | 2016-01-27 | 2016-07-06 | 西安理工大学 | 一种基于结构分析的点云场景物体识别方法 |
CN105857437A (zh) * | 2016-05-11 | 2016-08-17 | 重庆足步科技有限公司 | 双足半被动行走器及其行走控制方法 |
CN106019257A (zh) * | 2016-08-05 | 2016-10-12 | 中国船舶重工集团公司第七〇九研究所 | 基于高频地波雷达海流观测结果空时特征的插值方法 |
US20170067987A1 (en) * | 2015-09-04 | 2017-03-09 | Bin Lu | System and method for remotely measuring distances between two points |
CN106980321A (zh) * | 2017-05-18 | 2017-07-25 | 中国科学院合肥物质科学研究院 | 一种六足履式无人地面车辆的上台阶步态规划系统及其方法 |
CN107024934A (zh) * | 2017-04-21 | 2017-08-08 | 山东大学 | 一种基于云平台的医院服务机器人及方法 |
-
2017
- 2017-09-29 CN CN201710910624.0A patent/CN107831484B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101903229A (zh) * | 2007-12-19 | 2010-12-01 | 罗伯特·博世有限公司 | 用于匹配车辆导向的方法与装置 |
US20140274205A1 (en) * | 2011-07-20 | 2014-09-18 | Kurt A. Goszyk | Laser obstacle detector |
CN103048654A (zh) * | 2011-10-14 | 2013-04-17 | 三星泰科威株式会社 | 雷达传感器和使用所述雷达传感器检测对象的方法 |
CN105242279A (zh) * | 2015-07-30 | 2016-01-13 | 王植 | 一种基于激光雷达技术的滑坡体变化检测方法 |
US20170067987A1 (en) * | 2015-09-04 | 2017-03-09 | Bin Lu | System and method for remotely measuring distances between two points |
CN105740798A (zh) * | 2016-01-27 | 2016-07-06 | 西安理工大学 | 一种基于结构分析的点云场景物体识别方法 |
CN105857437A (zh) * | 2016-05-11 | 2016-08-17 | 重庆足步科技有限公司 | 双足半被动行走器及其行走控制方法 |
CN106019257A (zh) * | 2016-08-05 | 2016-10-12 | 中国船舶重工集团公司第七〇九研究所 | 基于高频地波雷达海流观测结果空时特征的插值方法 |
CN107024934A (zh) * | 2017-04-21 | 2017-08-08 | 山东大学 | 一种基于云平台的医院服务机器人及方法 |
CN106980321A (zh) * | 2017-05-18 | 2017-07-25 | 中国科学院合肥物质科学研究院 | 一种六足履式无人地面车辆的上台阶步态规划系统及其方法 |
Non-Patent Citations (1)
Title |
---|
STEFAN OSSWALD ETC.: ""From 3D Point Clouds to Climbing Stairs:A Comparison of Plane Segmentation Approaches for Humanoids"", 《THE 11TH IEEE/RAS INTERNATIONAL CONFERENCE ON HUMANOID ROBOTS》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108732590A (zh) * | 2018-05-16 | 2018-11-02 | 重庆邮电大学 | 一种双足机器人及一种斜坡角度测量方法 |
CN112070814A (zh) * | 2020-08-31 | 2020-12-11 | 杭州迅蚁网络科技有限公司 | 一种靶标角度识别方法、装置 |
CN112099494A (zh) * | 2020-09-02 | 2020-12-18 | 西安交通大学 | 一种面向全地形车及其自动检测楼梯与攀爬方法 |
CN112464801A (zh) * | 2020-11-26 | 2021-03-09 | 配天机器人技术有限公司 | 一种数据滤波方法和装置 |
CN112464801B (zh) * | 2020-11-26 | 2023-04-18 | 配天机器人技术有限公司 | 一种机器人数据处理方法和装置 |
CN113791400A (zh) * | 2021-09-07 | 2021-12-14 | 大连理工大学 | 一种基于激光雷达的楼梯参数自主检测方法 |
CN113791400B (zh) * | 2021-09-07 | 2023-10-13 | 大连理工大学 | 一种基于激光雷达的楼梯参数自主检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107831484B (zh) | 2021-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107831484A (zh) | 一种基于激光雷达的阶梯数据获取方法及装置 | |
CN107179768A (zh) | 一种障碍物识别方法及装置 | |
CN105160702B (zh) | 基于LiDAR点云辅助的立体影像密集匹配方法及系统 | |
EP3028464B1 (en) | System and method for detecting features in aerial images using disparity mapping and segmentation techniques | |
CN103033132B (zh) | 基于单目视觉的平面测量方法及装置 | |
CN103743352B (zh) | 一种基于多相机匹配的三维变形测量方法 | |
CN107564069A (zh) | 标定参数的确定方法、装置及计算机可读存储介质 | |
CN105783878A (zh) | 一种基于小型无人机遥感的边坡变形检测及量算方法 | |
CN104776832B (zh) | 一种空间内物体的定位方法、机顶盒和系统 | |
CN110503080A (zh) | 基于无人机倾斜摄影辅助排污口的调查方法 | |
CN107861113A (zh) | 标定方法及装置 | |
CN102073990A (zh) | 一种遥感图像自动几何纠正的系统框架和方法 | |
Kim et al. | Semiautomatic reconstruction of building height and footprints from single satellite images | |
CN107607090A (zh) | 建筑物投影纠正方法及装置 | |
CN105758308A (zh) | 一种激光盘煤装置及盘煤方法 | |
Jichen et al. | Development of real-time laser-scanning system to detect tree canopy characteristics for variable-rate pesticide application | |
CN102608620A (zh) | 一种依据反射强度与地形形态的激光扫描点云植被过滤方法 | |
CN108919319A (zh) | 海岛礁卫星影像无地面控制点定位方法及系统 | |
Lee et al. | A study on scan data matching for reverse engineering of pipes in plant construction | |
Xiao et al. | High-throughput calculation of organ-scale traits with reconstructed accurate 3D canopy structures using a UAV RGB camera with an advanced cross-circling oblique route | |
CN103698767B (zh) | 获取空间目标与观测站距离的方法及装置 | |
CN102865814A (zh) | 植物群体三维重建误差测量方法 | |
KR100965838B1 (ko) | 항공용 라이다로부터 추출된 빌딩폴리곤의 내재적기하정규화 방법 | |
CN104180794A (zh) | 数字正射影像拉花区域的处理方法 | |
CN107167088A (zh) | 玻璃变形量的测量方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |