发明内容
本发明的主要目的为提供一种视觉扫地机器人及障碍物检测方法,检测出障碍物的坐标位置,以辅助预判障碍物。
本发明提出一种障碍物检测方法,包括以下步骤:
采集图像信息;
提取所述图像信息中的特征点,所述特征点包括必要特征点;
构建所述特征点所在的空间三维坐标以形成空间特征点集;
根据所述空间特征点集,按指定条件提取必要特征点以形成空间障碍物点集;
将所述空间障碍物点集投影至二维平面上,以得到所述空间障碍物点集在二维平面上的坐标点。
进一步地,所述将所述空间障碍物点集投影至二维平面上,以得到所述空间障碍物点集在二维平面上的坐标点的步骤之后,包括:
根据所述空间障碍物点集在二维平面上的坐标点将所述坐标点标记在清扫区域的二维地图对应的位置上。
进一步地,所述将所述空间障碍物点集投影至二维平面上,以得到所述空间障碍物点集在二维平面上的坐标点的步骤之后,包括:
获取当前定位坐标;
分析当前定位坐标与所述坐标点的位置关系;
根据所述位置关系选择对应的预设方式进行处理。
进一步地,预设方式包括减速运行,所述根据所述位置关系选择对应的预设方式进行处理的步骤,包括:
判断所述位置关系是否小于预设值;
若是,则控制减速运行。
进一步地,所述控制减速运行的步骤之后,包括:
分析所述空间障碍物点集的特征属性;
分析所述特征属性是否大于预设属性;
若大于,则控制避开所述空间障碍物点集。
本发明还提供了一种扫地机器人,包括:
采集单元,用于采集图像信息,
提取单元,用于提取所述图像信息中的特征点,所述特征点包括必要特征点;
构建单元,用于构建所述特征点所在的空间三维坐标以形成空间特征点集;
特征单元,用于根据所述空间特征点集,按指定条件提取必要特征点以形成空间障碍物点集;
投影单元,用于将所述空间障碍物点集投影至二维平面上,以得到所述空间障碍物点集在二维平面上的坐标点。
进一步地,还包括:
标记单元,根据所述空间障碍物点集在二维平面上的坐标点将所述坐标点标记在清扫区域的二维地图对应的位置上。
进一步地,还包括:
获取单元,用于获取当前定位坐标;
分析单元,用于分析当前定位坐标与所述坐标点的位置关系;
处理单元,用于根据所述位置关系选择对应的预设方式进行处理。
进一步地,预设方式包括减速运行,所述处理单元包括:
判断子单元,用于判断所述位置关系是否小于预设值;
减速子单元,用于所述位置关系小于预设值时,则控制减速运行。
进一步地,所述处理单元还包括:
第一分析子单元,用于分析所述空间障碍物点集的特征属性;
第二分析子单元,用于分析所述特征属性是否大于预设属性;
避让子单元,用于若所述特征属性大于预设属性,则控制避开所述空间障碍物点集。
本发明中提供的视觉扫地机器人及障碍物检测方法,具有以下有益效果:
本发明中提供的视觉扫地机器人及障碍物检测方法,通过采集图像信息;提取所述图像信息中的特征点,所述特征点包括必要特征点;构建所述特征点所在的空间三维坐标以形成空间特征点集;根据所述空间特征点集,按指定条件提取必要特征点以形成空间障碍物点集;将所述空间障碍物点集投影至二维平面上,以得到所述空间障碍物点集在二维平面上的坐标点;以此检测出障碍物的坐标位置,以辅助预判障碍物。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”“上述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件、单元、模块和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、单元、模块、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
参照图1,为本发明一实施例中障碍物检测方法步骤示意图。
本发明一实施例中提出一种障碍物检测方法,应用于视觉扫地机器人,该方法包括以下步骤:
步骤S1,采集图像信息;
步骤S2,提取所述图像信息中的特征点,所述特征点包括必要特征点;
步骤S3,构建所述特征点所在的空间三维坐标以形成空间特征点集;
步骤S4,根据所述空间特征点集,按指定条件提取得到必要特征点以形成空间障碍物点集;
步骤S5,将所述空间障碍物点集投影至二维平面上,以得到所述空间障碍物点集在二维平面上的坐标点。
在本实施例中,视觉扫地机器人清扫过程中,进行小范围的移动,并通过自带的摄像头不断采集视觉范围内的图像信息,图像信息为包含有天花板、地面、墙面的图像信息;特征点为像素点,可以是亮度较高或者颜色较深的像素点;也可以是变化较大的像素点。
具体地,参照图2,提取所述图像信息中的特征点步骤S2包括:
S01:将多个采集的图片或多帧视频中按时间先后顺序依次排列;
S02:分析按时间先后顺序排列的多个图片或多帧视频中的图像信息里在相同方向或相同路线的是否有像素点发生变化;
S03:分析该像素点的变化是否大于预设值;
本步骤,可以分析相邻两张图片或两帧视频中的图像信息里相同方向或相同路线像素点变化的大小是否大于预设值,预设值可以是3mm,例如,比较后一张图片中的像素点的直径与前一张图片中的像素点的直径相差是否大于3mm,若大于则执行步骤S04。
S04:若大于,则提取该像素点。
在提取到视觉范围内图像信息的特征点之后,利用视觉SLAM(实时定位与地图构建,实现机器人的自主定位和导航)的方法重建清扫环境的空间点信息,以构建所述特征点所在的空间三维坐标。上述特征点中必然包括天花板位置的非必要特征点,由于天花板等不可能成为视觉扫地机器人的障碍物。因此,使用平面拟合的方法分析出天花板的位置,并将天花板及其附近(如1m距离范围内)的非必要特征点全部剔除,得到必要特征点,该必要特征点在空间三维坐标里形成空间障碍物点集。
最后,将空间三维坐标上的必要特征点投影在二维平面上,便得到空间障碍物点集在二维平面上的坐标点。本实施例中的障碍物检测方法,具有适用性高,检测准确率高,低成本,且运算量少等优点。
参照图3,在一实施例中,所述将所述空间障碍物点集投影至二维平面上,以得到所述空间障碍物点集在二维平面上的坐标点的步骤S5之后,包括:
步骤S6,根据所述空间障碍物点集在二维平面上的坐标点将所述坐标点标记在清扫区域的二维地图对应的位置上。
本实施例中,二维平面的坐标原点与二维地图的原点相同,方便快速将坐标点标记在二维地图对应的位置,本实施例中的方案方便扫地机器人在按清扫区域的地图上行走时可控制绕开该坐标点。该清扫区域的地图可以是预先建立并存储在视觉扫地机器人中的,也可以是视觉扫地机器人清扫时建立的地图。
参照图4,在一实施例中,所述将所述空间障碍物点集投影至二维平面上,以得到所述空间障碍物点集在二维平面上的坐标点的步骤S5之后,包括:
步骤S7,获取当前定位坐标;
步骤S8,分析当前定位坐标与所述坐标点的位置关系;
步骤S9,根据所述位置关系选择对应的预设方式进行处理。
在获取到空间障碍物点集在二维平面上的坐标点之后,视觉扫地机器人时时获取当前定位,并将该当前定位标记在二维平面上,以得到在二维平面上当前定位坐标,视觉扫地机器人可以根据自身的当前定位坐标与空间障碍物点集的坐标点之间的位置关系,对应进行处理,例如避开障碍物,探索清扫区域内的所有障碍物等。
具体地,参照图5,在一实施例中,所述根据所述位置关系选择对应的预设方式进行处理的步骤S9,包括:
步骤S91,判断所述位置关系是否小于预设值;
步骤S92,若是,则控制减速运行。
位置关系为当前定位坐标与空间障碍物点集的坐标点在二维平面上的距离,预设值为0.5米。
在另一实施例中,所述控制减速运行的步骤S92之后,包括:
步骤S93,分析所述空间障碍物点集的特征属性;
特征属性为空间障碍物点集的长宽高的尺寸。
步骤S94,分析所述特征属性是否大于预设属性;预设属性为预设的长宽高的尺寸。
步骤S95,若大于,则控制避开所述空间障碍物点集。
优选地,本实施例中,还可以将空间障碍物点集按特征属性标记在清扫区域的地图上。
参照图6,在又一实施例中,所述空间障碍物点集为多个,对应地,所述位置关系为多个,且所述位置关系为位置距离,所述根据所述位置关系选择对应的预设方式进行处理的步骤S9,包括:
步骤S901,从多个所述位置距离中选择最短的位置距离;
步骤S902,控制朝所述最短的位置距离所对应的空间障碍物点集运动。
步骤S902之后包括:
步骤S903,分析最短的位置距离是否小于预定值;
步骤S904,若小于,启动超声波感应器发射超声波信号;
步骤S905,接收超声波信号遇到障碍物时反馈的反馈信号;
步骤S906,根据反馈信号分析障碍物的位置信息以及特征属性;
步骤S907,分析所述特征属性是否大于预设属性;
步骤S908,若大于,清除二维地图上空间障碍物点集对应坐标点的标记,并将障碍物的位置信息形标记于清扫区域的二维地图相应位置;
步骤S910,存储标记有障碍物的位置信息的二维地图,以便设计清扫路径规划时避开上述障碍物。
进一步地,根据所述空间障碍物点集在二维平面上的坐标点将所述坐标点标记在清扫区域的二维地图对应的位置上的步骤S6之后,包括:
根据所述坐标点在二维地图上的标记,将清扫区域进行区域划分。
在检测出清扫区域内的所有空间障碍物点集之后,则可以按照检测到清扫区域内的所有空间障碍物点集的坐标点位置,对清扫区域进行区域划分。优选地,还可以对区域划分之后的子区域进行地图覆盖。
参照图7,特征点还包括非必要特征点,所述根据所述空间特征点集,按指定条件提取必要特征点以形成空间障碍物点集的步骤S4,包括:
步骤S41,分析所述特征点在所述空间特征点集里的位置关系;
步骤S42,根据所述位置关系区分所述非必要特征点和所述必要特征点;
步骤S43,按所述指定条件剔除所述非必要特征点;
步骤S44,将所述必要特征点形成空间障碍物点集。
本实施例中指定条件为保留必要特征点,由于天花板等不可能成为视觉扫地机器人的障碍物。因此,本实施例的视觉扫地机器人使用平面拟合的方法分析出天花板的位置,并将天花板及其预设范围(如1m距离范围内)的非必要特征点全部剔除,得到必要特征点,该必要特征点在空间三维坐标里形成空间障碍物点集。
综上所述,为本发明实施例中提供的障碍物检测方法,通过采集图像信息;提取所述图像信息中的特征点,所述特征点包括非必要特征点和必要特征点;构建所述特征点所在的空间三维坐标以形成空间特征点集;根据所述空间特征点集,按指定条件剔除非必要特征点,得到必要特征点以形成空间障碍物点集;将所述空间障碍物点集投影至二维平面上,以得到所述空间障碍物点集在二维平面上的坐标点;以此检测出障碍物的坐标位置,以辅助预判障碍物。且可以对未知环境进行探测,以及对清扫区域进行区域划分。
参照图8,本发明一实施例中还提供了一种视觉扫地机器人,包括:
采集单元10,用于采集视觉范围内的图像信息;
提取单元20,用于提取所述图像信息中的特征点,所述特征点包括必要特征点;
构建单元30,用于构建所述特征点所在的空间三维坐标以形成空间特征点集;
特征单元40,用于根据所述空间特征点集,按指定条件提取必要特征点以形成空间障碍物点集;
投影单元50,用于将所述空间障碍物点集投影至二维平面上,以得到所述空间障碍物点集在二维平面上的坐标点。
在本实施例中,视觉扫地机器人清扫过程中,进行小范围的移动,采集单元10通过自带的摄像头不断采集视觉范围内的图像信息,图像信息为包含有天花板、地面、墙面的图像信息。特征点为像素点,可以是亮度较高或者颜色较深的像素点。
参照图9,本发明的提取单元20包括:
排列单元201:用于将多个采集的图片或多帧视频中按时间先后顺序依次排列;
第一分析单元202:用于分析按时间先后顺序排列的多个图片或多帧视频中的图像信息里在相同方向或相同路线的是否有像素点发生变化;
第二分析单元203:用于分析该像素点的变化是否大于预设值;
第二分析单元203可以分析相邻两张图片或两帧视频中的图像信息里相同方向或相同路线像素点变化的大小是否大于预设值,预设值可以是3mm,例如,第二分析单元203比较后一张图片中的像素点的直径与前一张图片中的像素点的直径相差是否大于3mm。
提取单元204:若像素点的变化大于预设值,则提取该像素点。
在提取到视觉范围内图像信息的特征点之后,构建单元30利用视觉SLAM(实时定位与地图构建,实现机器人的自主定位和导航)的方法重建清扫环境的空间点信息,以构建所述特征点所在的空间三维坐标。上述特征点中必然包括天花板的非必要特征点,由于天花板等不可能成为视觉扫地机器人的障碍物。因此,特征单元40使用平面拟合的方法分析估算出天花板的位置,并将天花板及其附近(如1m距离范围内)的等非必要特征点全部剔除,得到必要特征点,该必要特征点在空间三维坐标里形成空间障碍物点集。
最后,投影单元50将上述空间障碍物点集中的必要特征点的三维坐标投影在二维平面上,便得到障碍物在二维平面上的坐标点。本实施例中的视觉扫地机器人,具有适用性高,检测准确率高,低成本,且运算量少等优点。
在一实施例中,上述视觉扫地机器人还包括:
标记单元51,用于根据所述空间障碍物点集在二维平面上的坐标点将所述坐标点标记在清扫区域的二维地图对应的位置上。
本实施例中,二维平面的坐标原点与二维地图的原点相同,方便标记单元51快速将坐标点标记在二维地图对应的位置,该清扫区域的地图可以是预先建立并存储在视觉扫地机器人中的,也可以是视觉扫地机器人清扫时建立的地图。
参照图10,在一实施例中,上述视觉扫地机器人还包括:
获取单元60,用于获取当前定位坐标;
分析单元70,用于分析当前定位坐标与所述坐标点的位置关系;
处理单元80,用于根据所述位置关系选择对应的预设方式进行处理。
获取单元60时时获取当前定位,并将该当前定位标记在二维平面上,以得到在二维平面上当前定位坐标,分析单元70在二维平面上分析当前定位坐标与所述坐标点的位置关系,处理单元80可以根据视觉扫地机器人自身的当前定位坐标与空间障碍物点集的坐标点之间的位置关系,对应进行处理,例如避开障碍物,探索清扫区域内的所有障碍物等。
具体地,参照图11,在一实施例中,所述处理单元80包括:
判断子单元801,用于判断所述位置关系是否小于预设值;
减速子单元802,用于所述位置关系小于预设值时,则控制减速运行。
位置关系为当前定位坐标与空间障碍物点集的坐标点在二维平面上的距离,预设值为0.5米。
在另一实施例中,参照图12,所述处理单元80还包括:
第一分析子单元803,用于分析所述空间障碍物点集的特征属性;
特征属性为空间障碍物点集的长宽高的尺寸。
第二分析子单元804,用于分析所述特征属性是否大于预设属性;预设属性为预设的长宽高的尺寸。
避让子单元805,用于若所述特征属性大于预设属性,则控制避开所述空间障碍物点集。
优选地,本实施例中,还可以将空间障碍物点集的按特征属性标记在清扫区域的地图上。
参照图13,在又一实施例中,所述空间障碍物点集为多个,对应地,所述位置关系为多个,且所述位置关系为位置距离,所述处理单元80包括:
选择子单元810,用于从多个所述位置距离中选择最短的位置距离;
控制子单元820,用于控制朝所述最短的位置距离所对应的空间障碍物点集运动。
所述处理单元80还包括:
距离分析单元821,用于分析最短的位置距离是否小于预定值;
启动单元822,用于若最短的位置距离小于预定值,启动超声波感应器发射超声波信号;
信号接收单元823,用于接收超声波信号遇到障碍物时反馈的反馈信号;
信息分析单元824、用于根据反馈信号分析障碍物的位置信息以及特征属性;
属性分析单元825,用于分析所述特征属性是否大于预设属性;
障碍标记单元826,用于若特征属性大于预设属性,清除二维地图上空间障碍物点集对应坐标点的标记,并将障碍物的位置信息形标记于清扫区域的二维地图相应位置;
位置存储单元827,用于存储标记有障碍物的位置信息的二维地图,以便住以设计清扫路径规划时避开上述障碍物。
进一步地,参照图14,坐标点为多个,所述视觉扫地机器人还包括:
划分单元61,用于根据多个坐标点在地图上的标记,将清扫区域进行区域划分。
在检测出清扫区域内的所有空间障碍物点集之后,则可以按照检测到清扫区域内的所有空间障碍物点集对应的坐标点位置,对清扫区域进行区域划分。优选地,还可以对区域划分之后的子区域进行地图覆盖。
进一步,特征点还包括非必要特征点。
参照图15,所述特征单元40包括:
第三分析子单元401,用于分析所述特征点在所述空间特征点集里的位置关系;
区分子单元402,用于根据所述位置关系区分所述非必要特征点和所述必要特征点;
剔除子单元403,用于按所述指定条件剔除所述非必要特征点;
形成子单元404,用于将所述必要特征点形成空间障碍物点集。
本实施例中指定条件为保留必要特征点,由于天花板等不可能成为视觉扫地机器人的障碍物。因此,区分子单元402使用平面拟合的方法从特征点中分析出天花板的位置等非不要特征点,剔除子单元403将天花板及其预设范围(如1m距离范围内)的非必要特征点全部剔除,得到必要特征点,形成子单元404将该必要特征点在空间三维坐标里形成空间障碍物点集。
综上所述,为本发明实施例中提供的视觉扫地机器人及障碍物检测方法,通过采集图像信息;提取所述图像信息中的特征点,所述特征点包括必要特征点;构建所述特征点所在的空间三维坐标以形成空间特征点集;根据所述空间特征点集,按指定条件剔除非必要特征点,得到必要特征点以形成空间障碍物点集;将所述空间障碍物点集投影至二维平面上,以得到所述空间障碍物点集在二维平面上的坐标点;以此检测出障碍物的坐标位置,以辅助预判障碍物;且可以对未知环境进行探测,以及对清扫区域进行区域划分。
本技术领域技术人员可以理解,可以用计算机程序指令来实现这些结构图和/或框图和/或流图中的每个框以及这些结构图和/或框图和/或流图中的框的组合。本技术领域技术人员可以理解,可以将这些计算机程序指令提供给通用计算机、专业计算机或其他可编程数据处理方法的处理器来实现,从而通过计算机或其他可编程数据处理方法的处理器来执行本发明公开的结构图和/或框图和/或流图的框或多个框中指定的方案。
本技术领域技术人员可以理解,本发明中已经讨论过的各种操作、方法、流程中的步骤、措施、方案可以被交替、更改、组合或删除。进一步地,具有本发明中已经讨论过的各种操作、方法、流程中的其他步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。进一步地,现有技术中的具有与本发明中公开的各种操作、方法、流程中的步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。