CN109214348A - 一种障碍物检测方法、装置、设备及存储介质 - Google Patents
一种障碍物检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN109214348A CN109214348A CN201811094856.4A CN201811094856A CN109214348A CN 109214348 A CN109214348 A CN 109214348A CN 201811094856 A CN201811094856 A CN 201811094856A CN 109214348 A CN109214348 A CN 109214348A
- Authority
- CN
- China
- Prior art keywords
- pixel
- foreground picture
- depth image
- horizontal surface
- robot
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
- B25J9/1676—Avoiding collision or forbidden zones
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
Abstract
本发明实施例公开了一种障碍物检测方法、装置、设备及存储介质。其中,该方法包括:通过深度相机按照预设周期采集指定方位的深度图像;获取深度图像对应的前景图;确定前景图中的至少一个障碍物。本发明实施例提供的技术方案,通过采用深度相机能够对机器人前方空间范围内的物体进行全方位检测,使得规格较小的货物也能被深度相机正确识别,解决了现有的避障传感器无法检测到机器人行进方向上地面存在的低矮障碍物的问题,保证了机器人能够在行驶路径上安全行驶。
Description
技术领域
本申请涉及物流仓储技术领域,尤其涉及一种障碍物检测方法、装置、设备及存储介质。
背景技术
智能AGV(Automated Guided Vehicle,自动导引运输车)机器人在复杂的仓库环境中穿行时,要完成既定路线的调度任务,需要实时对行驶路径上前方障碍物进行检测,以保证其安全性。其中,智能AGV机器人对前方障碍物的正确检测尤为重要。一般前方障碍物可以包括前方机器人、货架、行人和遗落的货物等。
目前,进行障碍物检测所采用的避障传感器主要是激光扫描器,激光扫描器能够实现点对点的直线检测,或者是以传感器为发射源的平面扇形区域范围内的物体进行检测,但是未在此平面中的障碍物则不能被激光检测到。因此,采用现有的障碍物检测方法,无法准确地检测到机器人前方存在的具有一定体积的障碍物。
发明内容
本发明实施例提供一种障碍物检测方法、装置、设备及存储介质,可以准确地检测到机器人前方存在的障碍物。
第一方面,本发明实施例提供了一种障碍物检测方法,该方法包括:
通过深度相机按照预设周期采集指定方位的深度图像;
获取所述深度图像对应的前景图;
确定所述前景图中的至少一个障碍物。
进一步的,获取所述深度图像对应的前景图,包括:
采用随机抽样一致性算法获取所述深度图像对应的水平面函数;
根据所述水平面函数和预先确定的第一距离阈值获取所述深度图像对应的前景图。
进一步的,所述采用随机抽样一致性算法获取所述深度图像对应的水平面函数,包括:
以预设大小的图像块内的像素点作为原始数据集,对预设平面函数进行初始化得到初始化水平面函数及计算满足容错条件的像素点个数,其中,所述容错条件是所述图像块中像素点与初始化水平面函数所确定的平面间的距离小于预先确定的第二距离阈值;
若所述像素点个数小于预设点数值,则将所述像素点作为原始数据集,返回执行对预设平面函数进行初始化得到初始化水平面函数及计算满足容错条件的像素点个数的操作,直至所述像素点个数大于或等于预设点数值;
将满足像素点个数大于或等于预设点数值对应的、且调整后的水平面函数,确定为所述深度图像对应的水平面函数。
进一步的,所述根据所述水平面函数和预先确定的第一距离阈值获取所述深度图像对应的前景图,包括:
计算所述深度图像内像素点到所述水平面函数所确定的平面间的距离;
根据所述深度图像内像素点到所述水平面函数所确定的平面间的距离,以及根据所述第一距离阈值,获取所述深度图像对应的前景图。
进一步的,所述确定所述前景图中的至少一个障碍物,包括:
采用区域增长规则确定所述前景图对应的至少一个感兴趣区域;
计算所述至少一个感兴趣区域中的目标像素点的个数;
若所述至少一个感兴趣区域中存在目标像素点的个数大于或等于设定数值的感兴趣区域,则将所述感兴趣区域确定为一个障碍物。
进一步的,所述确定所述前景图中的至少一个障碍物之后,所述方法还包括:
在所述至少一个障碍物中确定一个目标障碍物;
根据所述目标障碍物与机器人的相对位置制定所述机器人的避障策略,以使所述机器人依据所述避障策略从当前位置运行到目标位置。
第二方面,本发明实施例还提供了一种障碍物检测装置,该装置包括:
图像采集模块,用于通过深度相机按照预设周期采集指定方位的深度图像;
前景图获取模块,用于获取所述深度图像对应的前景图;
障碍物确定模块,用于确定所述前景图中的至少一个障碍物。
进一步的,所述前景图获取模块包括:
函数获取单元,用于采用随机抽样一致性算法获取所述深度图像对应的水平面函数;
前景图确定单元,用于根据所述水平面函数和预先确定的第一距离阈值获取所述深度图像对应的前景图。
进一步的,所述函数获取单元具体用于:
以预设大小的图像块内的像素点作为原始数据集,对预设平面函数进行初始化得到初始化水平面函数及计算满足容错条件的像素点个数,其中,所述容错条件是所述图像块中像素点与初始化水平面函数所确定的平面间的距离小于预先确定的第二距离阈值;
若所述像素点个数小于预设点数值,则将所述像素点作为原始数据集,返回执行对预设平面函数进行初始化得到初始化水平面函数及计算满足容错条件的像素点个数的操作,直至所述像素点个数大于或等于预设点数值;
将满足像素点个数大于或等于预设点数值对应的、且调整后的水平面函数,确定为所述深度图像对应的水平面函数。
进一步的,所述前景图确定单元具体用于:
计算所述深度图像内像素点到所述水平面函数所确定的平面间的距离;
根据所述深度图像内像素点到所述水平面函数所确定的平面间的距离,以及根据所述第一距离阈值,获取所述深度图像对应的前景图。
进一步的,所述障碍物确定模块还用于:
采用区域增长规则确定所述前景图对应的至少一个感兴趣区域;
计算所述至少一个感兴趣区域中的目标像素点的个数;
若所述至少一个感兴趣区域中存在目标像素点的个数大于或等于设定数值的感兴趣区域,则将所述感兴趣区域确定为一个障碍物。
进一步的,该装置还可以包括:
目标障碍物确定模块,用于在所述确定前景图中的至少一个障碍物之后,在所述至少一个障碍物中确定一个目标障碍物;
避障策略确定模块,用于根据所述目标障碍物与机器人的相对位置制定所述机器人的避障策略,以使所述机器人依据所述避障策略从当前位置运行到目标位置。
第三方面,本发明实施例还提供了一种设备,该设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现第一方面中任一所述的障碍物检测方法。
第四方面,本发明实施例还提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现第一方面中任一所述的障碍物检测方法。
本发明实施例提供的障碍物检测方法、装置、设备及存储介质,通过采用深度相机获取机器人前方的深度图像,对该深度图像进行地面背景去除后,得到前景图,并采用区域增长规则能够准确的检测出前景图中包含的各个障碍物。该方案通过采用深度相机能够对机器人前方空间范围内的物体进行全方位检测,使得规格较小的货物也能被深度相机正确识别,解决了现有的避障传感器无法准确地检测到机器人前方存在的障碍物的问题,保证了机器人能够在行驶路径上安全行驶。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1是现有技术提供的一种智能AGV机器人采用激光雷达进行障碍物检测的示意图;
图2是本发明实施例一中提供的一种障碍物检测方法的流程图;
图3是本发明实施例二中提供的一种障碍物检测方法的流程图;
图4A是本发明实施例三中提供的一种障碍物检测方法的流程图;
图4B是本发明实施例三中提供的机器人前方最近的三个障碍物在三维坐标系中的示意图;
图5是本发明实施例四中提供的一种障碍物检测装置的结构框图;
图6是本发明实施例五中提供的一种设备的结构示意图。
具体实施方式
在介绍本发明各实施例之前,先对本发明实施例的应用场景进行说明,本发明实施例的障碍物检测方法、装置、设备及存储介质可以适用于仓储物流、搬运施工等涉及到的障碍物检测的场景中,如智能AGV机器人在复杂的仓库环境运行过程等。如图1所示,将型号为OS3101的激光扫描器安装于智能AGV机器人的正前方,以激光扫描器为发射源的平面扇形区域范围内的物体能够被检测。具体的,在图1中的保护区中,智能AGV机器人在检测到障碍物后会采取制动措施,如减速刹车;在警报区中,虽然可以检测到障碍物,但只是会发出警报,不会采取制动。但是未在此平面中的障碍物则不能被激光检测到,由此可见采用激光扫描器进行障碍物检测无法保证机器人的安全性。
因此,为了准确检测到机器人前方存在的障碍物,保证机器人的安全,本实施例,基于深度相机较大的视场角能够对目标区域进行全方位检测的特性,使用深度相机作为传感器进行避障,即选用深度相机取代激光传感器安装在AGV机器人的正前方处。基于此,以下对本发明实施例的技术方案进行介绍,以解决该问题。
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部内容。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例一
图2为本发明实施例一提供的一种障碍物检测方法的流程图,本实施例适用于如何准确检测到机器人前方存在的障碍物的情况。该方法可以由本发明实施例提供的障碍物检测装置来执行,该装置可采用软件和/或硬件的方式实现,其中,该装置可配置于机器人上;也可以是一个独立的设备,能够与机器人进行通信。参见图2,该方法具体包括:
S110,通过深度相机按照预设周期采集指定方位的深度图像。
其中,深度图像指将从图像采集器到场景中各点的距离/深度作为像素值的图像,它直接反映了景物可见表面的几何形状;可采用TOF或结构光等深度相机获取。可选的,本实施例采用TOF深度相机采集指定方位的深度图像,以深度相机所在空间的水平面和垂直平面为基准,该深度相机视场角可达到为水平118°,垂直20°。本申请是实施例中涉及到的视场角,是衡量一台相机能够“看到”的最大视野范围的标度,通常以角度作为单位。预设周期是指预先设定的深度相机的采集频率,可根据实际曝光量和光线情况等进行修正。可选的,采用该深度相机所获取的深度图像的尺寸为500×75,规格为1×UIN16,深度图像上每个像素点的像素值代表以毫米为单位的深度值。
具体的,可将深度相机水平安装于机器人的正前方处,以该深度相机为发射源,所检测的区域是锥形空间区域,能够对机器人前方空间范围的物体进行全方位检测,使得规格较小的货物也能被深度相机正确识别。即通过深度相机可以获取机器人前方场景的深度图像,该深度图像中可以包括机器人前方行驶路径上拍摄到的大小不一的障碍物。
S120,获取深度图像对应的前景图。
其中,前景图是指相邻两帧图像中发生变化的部分,对应的未发生变化的部分即为背景。本例中,背景图是指地面,前景图指将深度图像中的地面去除之后,地面上的障碍物所组成的图。示例性的,可以采用前景和背景分割方法实时提取深度图像对应的前景图,如高斯混合背景模型;由于相同距离的地面在深度图像上的像素值一致或差值较小,因此还可以采用随机抽样一致性算法通过建模的方式来获取深度图像对应的前景图。由于高斯混合背景模型适合于在深度相机固定的情况下,通过对背景建模,从图像序列中分离出背景和前景,算法较为复杂,实时性较差。因此本实施例优选采用随机抽样一致性算法获取深度图像对应的前景图。
示例性的,获取深度图像对应的前景图可以包括如下步骤:
步骤A、采用随机抽样一致性算法获取深度图像对应的水平面函数;
其中,随机抽样一致性算法是指采用迭代的方式从一组包含离群的被观测数据中估算出数学模型的参数,其主要用于在大量噪声的情况下,提取物体中特定的成分;水平面函数是指机器人前方的水平地面对应的函数。
具体的,假设一平面方程,如y=ax2+bx+c,并从深度图像中随机选取N个像素点作为原始数据点,对该平面方程进行拟合得到初始化水平面函数;由于不是严格线性,数据点存在一定的波动,可认为初始化水平面函数所确定的平面容错范围内的像素点均满足该初始化水平面函数;重复多次上述的操作过程,迭代结束后,将初始化水平面函数所确定的平面容错范围内像素点最多的初始化水平面函数确定为该深度图像对应的水平面函数。
步骤B、根据水平面函数和预先确定的第一距离阈值获取深度图像对应的前景图。
其中,第一距离阈值是指预先确定的数值,其值越小精度越高,可根据实际情况进行修正。
具体的,可将深度图像内各像素点到水平面函数所确定的水平面之间的距离小于或等于第一距离阈值的像素点视为水平面函数所确定的面内的点,并将该像素点对应的像素值赋值为0,剩余的非零像素点即为深度图像对应的前景图。需要说明的是,前景图中各像素点是水平面函数所确定的平面之上的点,其像素值大于0。
由于深度相机视场角较大,容易导致所拍摄的深度图像中存在机器人行进道路以外的物体,因此为了能够准确识别出机器人行驶路径前方的障碍物,需对原始深度图像进行预处理。示例性的,获取深度图像对应的前景图之前,还可以包括:依据机器人行驶路径的道路宽度对深度图像进行预处理。其中,预处理是指对深度图像进行切割,选取出机器人行驶路径前方的深度图像。
S130,确定前景图中的至少一个障碍物。
可选的,可以采用区域增长规则来确定前景图中的至少一个障碍物,也可以采用其他能够准确确定前景图中所包含的障碍物的方式,本实施例对此不做限定。其中,区域增长规则是指将具有相似性质的像素集合起来构成一个区域,实质是将具有相似特性的像素元素连接成联通域。
具体的,由于同一障碍物正对深度相机一侧像素值具有一致的特性,因此可以利用该特性对前景图进行区域增长,即可准确的获得前景图中包含的各个障碍物。
本发明实施例提供的技术方案,通过采用深度相机获取机器人前方的深度图像,对该深度图像进行前景提取得到前景图,并采用区域增长规则能够准确的检测出前景图中包含的各个障碍物。该方案通过采用深度相机能够对机器人前方空间范围内的物体进行全方位检测,使得规格较小的货物也能被深度相机正确识别,解决了现有的避障传感器无法准确地检测到机器人前方存在的障碍物的问题,保证了机器人能够在行驶路径上安全行驶。
实施例二
图3为本发明实施例二提供的一种障碍物检测方法的流程图,本实施例在上述实施例的基础上,进一步的对获取深度图像对应的前景图进行解释说明。参见图3,该方法具体包括:
S210,通过深度相机按照预设周期采集指定方位的深度图像。
S220,以预设大小的图像块内的像素点作为原始数据集,对预设平面函数进行初始化得到初始化水平面函数及计算满足容错条件的像素点个数,其中,容错条件是图像块中像素点与初始化水平面函数所确定的平面间的距离小于预先确定的第二距离阈值。
其中,图像块的大小可以根据深度图像的特性来确定,例如可以根据深度图像中机器人前方水平地面占据深度图像的大小来确定,示例性的,图像块中的像素点将包含机器人前方水平地面对应的像素点;预设平面函数是预先确定的平面方程,例如,可以表述为:y=ax2+bx+c;第二距离阈值是指预先确定的数值,其值越小精度越高,可根据实际情况进行修正。
具体的,由于深度图像中地面的梯形特性,可以从深度图像的底部开始,以深度图像1/2宽中心处为起点,左右各20像素内,向上到达图像高度0.4倍处构成一个图像块,以该图像块内的像素点作为原始数据集,对预设平面函数进行初始化拟合得到初始化水平面函数。例如,以预设大小的图像块内的像素点作为原始数据集,计算预设平面函数y=ax2+bx+c中的参数a、b和c,得到初始化水平面函数。
在确定了初始化水平面函数之后,统计图像块中各像素点与该水平面函数所确定的平面间距离小于第二距离阈值如12的像素点的个数。
S230,若像素点个数小于预设点数值,则将所述像素点作为原始数据集,返回执行对预设平面函数进行初始化得到初始化水平面函数及计算满足容错条件的像素点个数的操作,直至像素点个数大于或等于预设点数值。
其中,预设点数值是指预先确定的数值,该预设点数值可根据实际情况进行修正。例如可以是300。
具体的,若图像块中各像素点与该初始化水平面函数所确定的平面间距离小于第二距离阈值的像素点的个数大于或等于预设点数值,则将该初始化水平面函数确定为深度图像对应的水平面函数即地面所在的平面函数。
若图像块中各像素点与该初始化水平面函数所确定的平面间距离小于第二距离阈值的像素点的个数小于预设点数值,则照梯度递减的方向重新调整预设平面函数的参数。具体的,利用符合本次水平面函数的所有像素点,重新进行水平面函数参数计算,即对参数a、b和c中的至少一个参数进行调整,并统计图像块内满足容错条件的像素点个数,若满足容错条件的像素点的个数小于预设点数值,则重述上述操作过程,直至像素点个数大于或等于预设点数值。
S240,将满足像素点个数大于或等于预设点数值对应的、且调整后的初始化水平面函数,确定为深度图像对应的水平面函数。
具体的,将步骤S230中确定的满足像素点个数大于或等于预设点数值对应的、且调整后的初始化水平面函数,确定为深度图像对应的水平面函数。
需要说明的是,本实施例选取预设图像块来确定深度图像对应的水平面函数,提高了计算速度。
S250,计算深度图像内像素点到水平面函数所确定的平面间的距离。
具体的,计算深度图像内各个像素点到水平面函数所确定的平面之间的距离,即确定点到平面的距离。
S260,根据深度图像内像素点到水平面函数所确定的平面间的距离,以及根据第一距离阈值,获取深度图像对应的前景图。
其中,第一距离阈值是指预先确定的数值,其值越小精度越高,可根据实际情况进行修正,例如可以是20。
具体的,计算深度图像内像素点到水平面函数所确定的平面间的距离,当深度图像内的像素点到水平面函数所确定的平面间距离大于或等于第一距离阈值时,认为该像素点不属于地面,归为前景像素,保留该像素。当深度图像内的像素点到水平面函数所确定的平面间距离小于第一距离阈值时,认为该像素点属于地面,将深度图中该点赋值为零,即去除该点。最终得到前景图。
例如,若该距离大于或等于20,则认为该像素点是水平面函数所确定的平面之上的点,即机器人前方地面之上的点;若该距离小于20,则认为该像素点是水平面函数所确定的面内的点,即构成机器人前方地面的点,将该像素点对应的像素值赋值为0,剔除像素值为0的像素点即可得到深度图像对应的前景图。
S270,确定前景图中的至少一个障碍物。
本发明实施例提供的技术方案,通过采用深度相机获取机器人前方的深度图像之后,依据深度图像的特点,采用随机抽样一致性算法对该深度图像建模,得到深度图像对应的水平面函数,依据该水平面函数去除地面所在点得到前景图,能够准确的提取到深度图像对应的前景图,为后续采用区域增长规则准确的检测出前景图中包含的各个障碍物奠定了基础。该方案通过采用深度相机能够对机器人前方空间范围内的物体进行全方位检测,使得规格较小的货物也能被深度相机正确识别,解决了现有的避障传感器无法准确地检测到机器人前方存在的障碍物的问题,保证了机器人能够在行驶路径上安全行驶。
实施例三
图4A为本发明实施例三提供的一种障碍物检测方法的流程图,本实施例在上述实施例的基础上,进一步的对采用区域增长规则确定前景图中的至少一个障碍物进行解释说明。参见图4A,该方法具体包括:
S310,通过深度相机按照预设周期采集指定方位的深度图像。
S320,获取深度图像对应的前景图。
S330,采用区域增长规则确定前景图对应的至少一个感兴趣区域。
其中,感兴趣区域是指从前景图中框选(或分割)出的可能包含目标的封闭区域。区域增长规则是指将具有相似性质的像素集合起来构成一个区域,实质是将具有相似特性的像素元素连接成区域。
由于同一障碍物正对深度相机的一侧像素值特性一致,因此利用该原理进行区域增长即对前景图分割可得到不同的感兴趣区域。具体的,对于某一感兴趣区域的确定的过程可以是:从某个像素出发,按照一定的准则,逐步加入邻近像素,当满足一定的条件时,区域生长终止。
需要说明的是,由于拍摄环境的因素,所提取的前景图中也可能包含感兴趣区域之外的区域,也可能只包含不同的感兴趣区域。
为了快速的从前景图中找出感兴趣区域,每当一个像素点归入一个感兴趣区域后,就对该像素点的位置进行标记,这样可以避免将同一像素点归入不同的感兴趣区域。示例性的,采用区域增长规则确定前景图中第一个感兴趣区域的可以包括:从前景图中随机选取一像素点作为种子点;以该点为中心,遍历前景图,将前景图中满足生长条件的像素点组合为一个感兴趣区域,并对归入该感兴趣区域的像素点位置进行标记。其中,生长条件是前景图中像素点的像素值与种子点的像素值之差的绝对值小于或等于预先确定的第三距离阈值。第三距离阈值是指预先确定的数值,该数值在误差允许的范围,越小精度越高,可根据实际情况进行修正,例如可以是10。
当确定了第一个感兴趣区域后,第二个感兴趣区域的确定的过程如下:从前景图中随机选取一未标记的像素点作为种子点,以该点为中心,遍历前景图,将前景图中满足生长条件的未标记的像素点组合为一个感兴趣区域,并对归入该感兴趣区域的像素点位置进行标记。重复上述的操作过程,即可将前景图中所有感兴趣区域查找到。
S340,计算至少一个感兴趣区域中的目标像素点的个数。
其中,目标像素点是指每个感兴趣区域所围成的区域内部和边缘的像素点,也可以是已标记的像素点。一个感兴趣区域所包含的目标像素点的个数也可以用于表征该感兴趣区域的大小。具体的,可同步或依次统计每个感兴趣区域所包含的像素点的个数。示例性的,不同大小的感兴趣区域所包含的像素点的个数不同,相同大小的感兴趣区域所包含的像素点的个数几乎相同。
S350,若至少一个感兴趣区域中存在目标像素点的个数大于或等于设定数值的感兴趣区域,则将感兴趣区域确定为一个障碍物。
由于实际中存在深度相机不稳定或外界因素等情况,导致前景图中除了包含不同的障碍物之外,还可能存在噪点,而由噪点所围成的感兴趣区域的大小一般小于实际障碍物所围成的感兴趣区域的大小。因此,为了保证所确定障碍物的准确性,可以设置一个设定数值作为临界值,从所确定的多个感兴趣区域中剔除噪点所对应的感兴趣区域。其中,设定数值是指预先设置的用于区分前景图中噪声和障碍物的临界值,可根据实际情况进行修正,例如可以是50。
具体的,针对每一感兴趣区域,若该感兴趣区域所包含的目标像素点的个数等于或大于设定数值,则将该感兴趣区域视为一个障碍物,并进行标记;若该感兴趣区域所包含的目标像素点的个数小于设定数值,则将该感兴趣区域视为无效障碍物,不进行标记或不做处理。
S360,在至少一个障碍物中确定一个目标障碍物。
其中,目标障碍物是指在机器人的行驶路径上距离机器人最近的障碍物,可依据每个障碍物距离机器人的距离来确定。
具体的,针对每一障碍物,获取该障碍物中距离机器人最近的像素点;将该像素点对应的像素值确定为该障碍物到机器人的距离,将距离最近的障碍物确定为目标障碍物。例如,图4B中给出了距离机器人前方最近的三个障碍物在三维坐标系中的示意图,其中Z轴代表深度图像的深度值或像素值;X和Y用于表示像素值所在的位置。由于深度相机安装在机器人上的正前方,因此深度相机所处的位置可视为机器人所在位置,可知障碍物1距离机器人最近,因此将障碍物1确定为目标障碍物。
为了保证机器人安全行驶,示例性的,还可以依据每个障碍物距离机器人的距离和每个障碍物与机器人行驶路径的道路关系确定目标障碍物。其中,道路关系是指障碍物是否在机器人的行驶路径上,若是,道路关系对应为遮挡关系;若否,道路关系对应于隔离关系。具体的,依据每个障碍物与机器人行驶路径的道路关系,从至少一个障碍物中剔除隔离关系的障碍物;依据障碍物距离机器人的距离从剩余障碍物中确定一目标障碍物。
需要说明的是,若得到前景图之前预先依据机器人行驶路径的道路宽度对深度图像进行预处理过,则可依据障碍物距离机器人的距离来确定目标障碍物;若没有,则需要依据每个障碍物距离机器人的距离和每个障碍物与机器人行驶路径的道路关系确定目标障碍物;还可以依据其他能够准确确定目标障碍物的方式来确定目标障碍物,本实施例对此不做限定。
S370,根据目标障碍物与机器人的相对位置制定机器人的避障策略,以使机器人依据避障策略从当前位置运行到目标位置。
其中,相对位置可以包括机器人与目标障碍物的距离,避障策略用于指示机器人遇到障碍物后执行相应的操作。如可以是停止前行;还可以是选取另外一条路径从当前位置行驶至目标位置。当前位置是目标障碍物的位置,还可以与目标障碍物距离较近的位置;目标位置是指机器人所要达到的终点位置,例如,可以是拣选站的拣选区。
具体的,当在至少一个障碍物中确定一个目标障碍物之后,可依据目标障碍物与机器人的距离为该机器人制定避障策略,以使该机器人依据该避障策略停止到当前位置,等待另一机器人将前方障碍物移走之后,依据原先的行驶路径行驶至目标位置;还可以是用于指示机器人依据该避障策略转移至另外一条路径,从当前位置行驶至目标位置。
本发明实施例提供的技术方案,通过采用深度相机获取机器人前方的深度图像,对该深度图像进行前景提取得到前景图之后,为了准确识别出前景图中包含的障碍物,利用同一障碍物正对深度相机的一侧像素值特性一致这一原理,采用区域增长规则先确定前景图对应的多个感兴趣区域,而后依据感兴趣区域的大小确定障碍物,降低了外界环境或深度相机本身等因素的影响,提高了障碍物检测的准确性。此外,该方案通过采用深度相机能够对机器人前方空间范围内的物体进行全方位体测,使得规格较小的货物也能被深度相机正确识别,解决了现有的避障传感器无法准确地检测到机器人前方地面上低矮障碍物的问题,保证了机器人能够在行驶路径上安全行驶。
实施例四
图5为本发明实施例四提供的一种障碍物检测装置的结构框图,该装置可执行本发明任意实施例所提供的障碍物检测方法,具备执行方法相应的功能模块和有益效果。如图5所示,该装置可以包括:
图像采集模块410,用于通过深度相机按照预设周期采集指定方位的深度图像;
前景图获取模块420,用于获取所述深度图像对应的前景图;
障碍物确定模块430,用于确定所述前景图中的至少一个障碍物。
本发明实施例提供的技术方案,通过采用深度相机获取机器人前方的深度图像,对该深度图像进行前景提取得到前景图,并采用区域增长规则能够准确的检测出前景图中包含的各个障碍物。该方案通过采用深度相机能够对机器人前方空间范围内的物体进行全方位检测,使得规格较小的货物也能被深度相机正确识别,解决了现有的避障传感器无法准确地检测到机器人前方地面低矮障碍物的问题,保证了机器人能够在行驶路径上安全行驶。
示例性的,前景图获取模块420包括:
函数获取单元,用于采用随机抽样一致性算法获取深度图像对应的水平面函数;
前景图确定单元,用于根据水平面函数和预先确定的第一距离阈值获取深度图像对应的前景图。
示例性的,函数获取单元具体用于:
以预设大小的图像块内的像素点作为原始数据集,对预设平面函数进行初始化得到初始化水平面函数及计算满足容错条件的像素点个数,其中,容错条件是图像块中像素点与初始化水平面函数所确定的平面间的距离小于预先确定的第二距离阈值;
若像素点个数小于预设点数值,则将像素点作为原始数据集,返回执行对预设平面函数进行初始化得到初始化水平面函数及计算满足容错条件的像素点个数的操作,直至像素点个数大于或等于预设点数值;
将满足像素点个数大于或等于预设点数值对应的、且调整后的水平面函数,确定为深度图像对应的水平面函数。
示例性的,前景图确定单元具体用于:
计算深度图像内像素点到水平面函数所确定的平面间的距离;
根据深度图像内像素点到水平面函数所确定的平面间的距离,以及根据第一距离阈值,获取深度图像对应的前景图。
示例性的,障碍物确定模块430还用于:
采用区域增长规则确定前景图对应的至少一个感兴趣区域;
计算至少一个感兴趣区域中的目标像素点的个数;
若至少一个感兴趣区域中存在目标像素点的个数大于或等于设定数值的感兴趣区域,则将感兴趣区域确定为一个障碍物。
示例性的,上述装置还可以包括:
目标障碍物确定模块,用于在确定前景图中的至少一个障碍物之后,在至少一个障碍物中确定一个目标障碍物;
避障策略确定模块,用于根据目标障碍物与机器人的相对位置制定机器人的避障策略,以使机器人依据避障策略从当前位置运行到目标位置。
实施例五
图6为本发明实施例五提供的一种设备的结构示意图。图6示出了适于用来实现本发明实施方式的示例性设备512的框图。图6显示的设备512仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,该设备512以通用计算设备的形式表现。该设备512的组件可以包括但不限于:一个或者多个处理器或者处理单元516,系统存储器528,连接不同系统组件(包括系统存储器528和处理单元516)的总线518。
总线518表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
设备512典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备512访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器528可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)530和/或高速缓存存储器532。设备512可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图6未显示,通常称为“硬盘驱动器”)。尽管图6中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线518相连。系统存储器528可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块542的程序/实用工具540,可以存储在例如系统存储器528中,这样的程序模块542包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块542通常执行本发明所描述的实施例中的功能和/或方法。
设备512也可以与一个或多个外部设备514(例如键盘、指向设备、显示器524等)通信,还可与一个或者多个使得用户能与该设备交互的设备通信,和/或与使得该设备512能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口522进行。并且,设备512还可以通过网络适配器520与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器520通过总线518与设备512的其它模块通信。应当明白,尽管图中未示出,可以结合设备512使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元516通过运行存储在系统存储器528中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的障碍物检测方法。
实施例六
本发明实施例六还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时可实现上述实施例中任一的障碍物检测方法。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于:电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
上述实施例序号仅仅为了描述,不代表实施例的优劣。
本领域普通技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个计算装置上,或者分布在多个计算装置所组成的网络上,可选地,他们可以用计算机装置可执行的程序代码来实现,从而可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件的结合。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间的相同或相似的部分互相参见即可。
以上所述仅为本发明的优选实施例,并不用于限制本发明,对于本领域技术人员而言,本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种障碍物检测方法,其特征在于,包括:
通过深度相机按照预设周期采集指定方位的深度图像;
获取所述深度图像对应的前景图;
确定所述前景图中的至少一个障碍物。
2.根据权利要求1所述的方法,其特征在于,获取所述深度图像对应的前景图,包括:
采用随机抽样一致性算法获取所述深度图像对应的水平面函数;
根据所述水平面函数和预先确定的第一距离阈值获取所述深度图像对应的前景图。
3.根据权利要求2所述的方法,其特征在于,所述采用随机抽样一致性算法获取所述深度图像对应的水平面函数,包括:
以预设大小的图像块内的像素点作为原始数据集,对预设平面函数进行初始化得到初始化水平面函数及计算满足容错条件的像素点个数,其中,所述容错条件是所述图像块中像素点与初始化水平面函数所确定的平面间的距离小于预先确定的第二距离阈值;
若所述像素点个数小于预设点数值,则将所述像素点作为原始数据集,返回执行对预设平面函数进行初始化得到初始化水平面函数及计算满足容错条件的像素点个数的操作,直至所述像素点个数大于或等于预设点数值;
将满足像素点个数大于或等于预设点数值对应的、且调整后的水平面函数,确定为所述深度图像对应的水平面函数。
4.根据权利要求2所述的方法,其特征在于,所述根据所述水平面函数和预先确定的第一距离阈值获取所述深度图像对应的前景图,包括:
计算所述深度图像内像素点到所述水平面函数所确定的平面间的距离;
根据所述深度图像内像素点到所述水平面函数所确定的平面间的距离,以及根据所述第一距离阈值,获取所述深度图像对应的前景图。
5.根据权利要求1所述的方法,其特征在于,所述确定所述前景图中的至少一个障碍物,包括:
采用区域增长规则确定所述前景图对应的至少一个感兴趣区域;
计算所述至少一个感兴趣区域中的目标像素点的个数;
若所述至少一个感兴趣区域中存在目标像素点的个数大于或等于设定数值的感兴趣区域,则将所述感兴趣区域确定为一个障碍物。
6.根据权利要求1所述的方法,其特征在于,所述确定所述前景图中的至少一个障碍物之后,所述方法还包括:
在所述至少一个障碍物中确定一个目标障碍物;
根据所述目标障碍物与机器人的相对位置制定所述机器人的避障策略,以使所述机器人依据所述避障策略从当前位置运行到目标位置。
7.一种障碍物检测装置,其特征在于,包括:
图像采集模块,用于通过深度相机按照预设周期采集指定方位的深度图像;
前景图获取模块,用于获取所述深度图像对应的前景图;
障碍物确定模块,用于确定所述前景图中的至少一个障碍物。
8.根据权利要求7所述的装置,其特征在于,所述前景图获取模块包括:
函数获取单元,用于采用随机抽样一致性算法获取所述深度图像对应的水平面函数;
前景图确定单元,用于根据所述水平面函数和预先确定的第一距离阈值获取所述深度图像对应的前景图。
9.一种设备,其特征在于,所述设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的障碍物检测方法。
10.一种存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-6中任一所述的障碍物检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811094856.4A CN109214348A (zh) | 2018-09-19 | 2018-09-19 | 一种障碍物检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811094856.4A CN109214348A (zh) | 2018-09-19 | 2018-09-19 | 一种障碍物检测方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109214348A true CN109214348A (zh) | 2019-01-15 |
Family
ID=64984803
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811094856.4A Pending CN109214348A (zh) | 2018-09-19 | 2018-09-19 | 一种障碍物检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109214348A (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109814564A (zh) * | 2019-01-29 | 2019-05-28 | 炬星科技(深圳)有限公司 | 目标对象的检测、避障方法、电子设备及存储介质 |
CN109993060A (zh) * | 2019-03-01 | 2019-07-09 | 长安大学 | 深度摄像头的车辆全向障碍物检测方法 |
CN110182528A (zh) * | 2019-04-11 | 2019-08-30 | 上海快仓智能科技有限公司 | 用于货架阵列的出入库控制方法和搬运系统 |
CN110765970A (zh) * | 2019-10-31 | 2020-02-07 | 北京地平线机器人技术研发有限公司 | 最近障碍物的确定方法和装置、存储介质、电子设备 |
CN111310706A (zh) * | 2020-02-28 | 2020-06-19 | 创新奇智(上海)科技有限公司 | 一种商品价签识别方法及装置、电子设备、存储介质 |
CN111487956A (zh) * | 2019-01-25 | 2020-08-04 | 深圳市神州云海智能科技有限公司 | 一种机器人避障的方法及机器人 |
CN111538342A (zh) * | 2020-06-04 | 2020-08-14 | 中国工商银行股份有限公司 | 机器人行进路线调整方法、装置、机器人和存储介质 |
CN111880525A (zh) * | 2020-06-15 | 2020-11-03 | 北京旷视机器人技术有限公司 | 机器人避障方法、装置、电子设备及可读存储介质 |
CN111973410A (zh) * | 2020-06-30 | 2020-11-24 | 北京迈格威科技有限公司 | 障碍物检测方法、装置、避障设备及计算机可读存储介质 |
CN112445208A (zh) * | 2019-08-15 | 2021-03-05 | 纳恩博(北京)科技有限公司 | 机器人、行驶路径的确定方法、装置及存储介质 |
CN112466111A (zh) * | 2019-09-09 | 2021-03-09 | 北京京东乾石科技有限公司 | 一种车辆行驶控制方法、装置、存储介质及电子设备 |
CN112686077A (zh) * | 2019-10-17 | 2021-04-20 | 北京极智嘉科技有限公司 | 一种自驱动机器人和障碍物识别的方法 |
CN112914727A (zh) * | 2021-03-19 | 2021-06-08 | 联仁健康医疗大数据科技股份有限公司 | 非目标障碍物分离方法、系统、医疗机器人及存储介质 |
WO2021249406A1 (zh) * | 2020-06-12 | 2021-12-16 | 深圳市海柔创新科技有限公司 | 货箱的提取方法、装置、系统、机器人和存储介质 |
CN113822260A (zh) * | 2021-11-24 | 2021-12-21 | 杭州蓝芯科技有限公司 | 基于深度图像的障碍物检测方法及装置、电子设备、介质 |
WO2022011826A1 (zh) * | 2020-07-15 | 2022-01-20 | 上海炬佑智能科技有限公司 | ToF相机及其地面障碍物检测方法、地面导航设备 |
CN114521849A (zh) * | 2020-11-20 | 2022-05-24 | 余姚舜宇智能光学技术有限公司 | 用于扫地机器人的tof光学系统和扫地机器人 |
CN112686077B (zh) * | 2019-10-17 | 2024-04-26 | 北京极智嘉科技股份有限公司 | 一种自驱动机器人和障碍物识别的方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110123135A1 (en) * | 2009-11-24 | 2011-05-26 | Industrial Technology Research Institute | Method and device of mapping and localization method using the same |
CN102509089A (zh) * | 2011-11-29 | 2012-06-20 | 青岛科技大学 | 逐行扫描识别斑马线及测量斑马线距离的方法 |
CN104408445A (zh) * | 2014-12-19 | 2015-03-11 | 吉林纪元时空动漫游戏科技股份有限公司 | 实时人体自动检测方法 |
CN105359187A (zh) * | 2013-06-11 | 2016-02-24 | 微软技术许可有限责任公司 | 使用深度相机数据的高性能平面检测 |
CN105652873A (zh) * | 2016-03-04 | 2016-06-08 | 中山大学 | 一种基于Kinect的移动机器人避障方法 |
CN105718853A (zh) * | 2014-12-22 | 2016-06-29 | 现代摩比斯株式会社 | 障碍物探测装置和障碍物探测方法 |
CN106650708A (zh) * | 2017-01-19 | 2017-05-10 | 南京航空航天大学 | 一种自动驾驶障碍物视觉检测方法与系统 |
CN107169986A (zh) * | 2017-05-23 | 2017-09-15 | 北京理工大学 | 一种障碍物检测方法及系统 |
CN107247926A (zh) * | 2017-05-19 | 2017-10-13 | 浙江大华技术股份有限公司 | 一种人体检测方法及装置 |
CN107341819A (zh) * | 2017-05-09 | 2017-11-10 | 深圳市速腾聚创科技有限公司 | 目标跟踪方法及存储介质 |
CN107610174A (zh) * | 2017-09-22 | 2018-01-19 | 深圳大学 | 一种鲁棒的基于深度信息的平面检测方法及系统 |
CN108197571A (zh) * | 2018-01-02 | 2018-06-22 | 联想(北京)有限公司 | 一种面罩遮挡检测方法及电子设备 |
-
2018
- 2018-09-19 CN CN201811094856.4A patent/CN109214348A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110123135A1 (en) * | 2009-11-24 | 2011-05-26 | Industrial Technology Research Institute | Method and device of mapping and localization method using the same |
CN102509089A (zh) * | 2011-11-29 | 2012-06-20 | 青岛科技大学 | 逐行扫描识别斑马线及测量斑马线距离的方法 |
CN105359187A (zh) * | 2013-06-11 | 2016-02-24 | 微软技术许可有限责任公司 | 使用深度相机数据的高性能平面检测 |
CN104408445A (zh) * | 2014-12-19 | 2015-03-11 | 吉林纪元时空动漫游戏科技股份有限公司 | 实时人体自动检测方法 |
CN105718853A (zh) * | 2014-12-22 | 2016-06-29 | 现代摩比斯株式会社 | 障碍物探测装置和障碍物探测方法 |
CN105652873A (zh) * | 2016-03-04 | 2016-06-08 | 中山大学 | 一种基于Kinect的移动机器人避障方法 |
CN106650708A (zh) * | 2017-01-19 | 2017-05-10 | 南京航空航天大学 | 一种自动驾驶障碍物视觉检测方法与系统 |
CN107341819A (zh) * | 2017-05-09 | 2017-11-10 | 深圳市速腾聚创科技有限公司 | 目标跟踪方法及存储介质 |
CN107247926A (zh) * | 2017-05-19 | 2017-10-13 | 浙江大华技术股份有限公司 | 一种人体检测方法及装置 |
CN107169986A (zh) * | 2017-05-23 | 2017-09-15 | 北京理工大学 | 一种障碍物检测方法及系统 |
CN107610174A (zh) * | 2017-09-22 | 2018-01-19 | 深圳大学 | 一种鲁棒的基于深度信息的平面检测方法及系统 |
CN108197571A (zh) * | 2018-01-02 | 2018-06-22 | 联想(北京)有限公司 | 一种面罩遮挡检测方法及电子设备 |
Non-Patent Citations (1)
Title |
---|
张凯欣 等: "车道偏离实时预警系统的目标检测和识别", 《西安工业大学学报》 * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111487956B (zh) * | 2019-01-25 | 2024-03-15 | 深圳市神州云海智能科技有限公司 | 一种机器人避障的方法及机器人 |
CN111487956A (zh) * | 2019-01-25 | 2020-08-04 | 深圳市神州云海智能科技有限公司 | 一种机器人避障的方法及机器人 |
CN109814564A (zh) * | 2019-01-29 | 2019-05-28 | 炬星科技(深圳)有限公司 | 目标对象的检测、避障方法、电子设备及存储介质 |
CN109993060A (zh) * | 2019-03-01 | 2019-07-09 | 长安大学 | 深度摄像头的车辆全向障碍物检测方法 |
CN109993060B (zh) * | 2019-03-01 | 2022-11-22 | 长安大学 | 深度摄像头的车辆全向障碍物检测方法 |
CN110182528A (zh) * | 2019-04-11 | 2019-08-30 | 上海快仓智能科技有限公司 | 用于货架阵列的出入库控制方法和搬运系统 |
CN112445208A (zh) * | 2019-08-15 | 2021-03-05 | 纳恩博(北京)科技有限公司 | 机器人、行驶路径的确定方法、装置及存储介质 |
CN112466111A (zh) * | 2019-09-09 | 2021-03-09 | 北京京东乾石科技有限公司 | 一种车辆行驶控制方法、装置、存储介质及电子设备 |
CN112686077A (zh) * | 2019-10-17 | 2021-04-20 | 北京极智嘉科技有限公司 | 一种自驱动机器人和障碍物识别的方法 |
CN112686077B (zh) * | 2019-10-17 | 2024-04-26 | 北京极智嘉科技股份有限公司 | 一种自驱动机器人和障碍物识别的方法 |
CN110765970B (zh) * | 2019-10-31 | 2022-08-09 | 北京地平线机器人技术研发有限公司 | 最近障碍物的确定方法和装置、存储介质、电子设备 |
CN110765970A (zh) * | 2019-10-31 | 2020-02-07 | 北京地平线机器人技术研发有限公司 | 最近障碍物的确定方法和装置、存储介质、电子设备 |
CN111310706B (zh) * | 2020-02-28 | 2022-10-21 | 创新奇智(上海)科技有限公司 | 一种商品价签识别方法及装置、电子设备、存储介质 |
CN111310706A (zh) * | 2020-02-28 | 2020-06-19 | 创新奇智(上海)科技有限公司 | 一种商品价签识别方法及装置、电子设备、存储介质 |
CN111538342A (zh) * | 2020-06-04 | 2020-08-14 | 中国工商银行股份有限公司 | 机器人行进路线调整方法、装置、机器人和存储介质 |
CN111538342B (zh) * | 2020-06-04 | 2023-05-23 | 中国工商银行股份有限公司 | 机器人行进路线调整方法、装置、机器人和存储介质 |
WO2021249406A1 (zh) * | 2020-06-12 | 2021-12-16 | 深圳市海柔创新科技有限公司 | 货箱的提取方法、装置、系统、机器人和存储介质 |
CN111880525A (zh) * | 2020-06-15 | 2020-11-03 | 北京旷视机器人技术有限公司 | 机器人避障方法、装置、电子设备及可读存储介质 |
CN111973410A (zh) * | 2020-06-30 | 2020-11-24 | 北京迈格威科技有限公司 | 障碍物检测方法、装置、避障设备及计算机可读存储介质 |
WO2022011826A1 (zh) * | 2020-07-15 | 2022-01-20 | 上海炬佑智能科技有限公司 | ToF相机及其地面障碍物检测方法、地面导航设备 |
CN114521849A (zh) * | 2020-11-20 | 2022-05-24 | 余姚舜宇智能光学技术有限公司 | 用于扫地机器人的tof光学系统和扫地机器人 |
CN112914727A (zh) * | 2021-03-19 | 2021-06-08 | 联仁健康医疗大数据科技股份有限公司 | 非目标障碍物分离方法、系统、医疗机器人及存储介质 |
CN113822260A (zh) * | 2021-11-24 | 2021-12-21 | 杭州蓝芯科技有限公司 | 基于深度图像的障碍物检测方法及装置、电子设备、介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109214348A (zh) | 一种障碍物检测方法、装置、设备及存储介质 | |
US9933264B2 (en) | System and method for achieving fast and reliable time-to-contact estimation using vision and range sensor data for autonomous navigation | |
CN112292711B (zh) | 关联lidar数据和图像数据 | |
US9905032B2 (en) | Object removal using lidar-based classification | |
CN110349250B (zh) | 一种基于rgbd相机的室内动态场景的三维重建方法 | |
US11798173B1 (en) | Moving point detection | |
CN110263652B (zh) | 激光点云数据识别方法及装置 | |
KR101829556B1 (ko) | 객체 움직임의 라이더 기반 분류 기법 | |
EP3414641B1 (en) | System and method for achieving fast and reliable time-to-contact estimation using vision and range sensor data for autonomous navigation | |
Vatavu et al. | Stereovision-based multiple object tracking in traffic scenarios using free-form obstacle delimiters and particle filters | |
CN110675307A (zh) | 基于vslam的3d稀疏点云到2d栅格图的实现方法 | |
CN109345510A (zh) | 物体检测方法、装置、设备、存储介质及车辆 | |
US11703334B2 (en) | Mobile robots to generate reference maps for localization | |
CN109116374A (zh) | 确定障碍物距离的方法、装置、设备及存储介质 | |
CN108027877A (zh) | 用于非障碍区检测的系统和方法 | |
CN113378760A (zh) | 训练目标检测模型和检测目标的方法及装置 | |
CN110674705A (zh) | 基于多线激光雷达的小型障碍物检测方法及装置 | |
CN104021538A (zh) | 物体定位方法和装置 | |
McManus et al. | Distraction suppression for vision-based pose estimation at city scales | |
KR101864127B1 (ko) | 무인 차량을 위한 주변 환경 매핑 방법 및 장치 | |
CN116597122A (zh) | 数据标注方法、装置、电子设备及存储介质 | |
WO2022237210A1 (zh) | 障碍物信息生成 | |
Kovacs et al. | Edge detection in discretized range images | |
CN112766100A (zh) | 一种基于关键点的3d目标检测方法 | |
CN114384486A (zh) | 一种数据处理方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190115 |