CN109839628A - 一种障碍物确定方法及移动机器人 - Google Patents
一种障碍物确定方法及移动机器人 Download PDFInfo
- Publication number
- CN109839628A CN109839628A CN201711230494.2A CN201711230494A CN109839628A CN 109839628 A CN109839628 A CN 109839628A CN 201711230494 A CN201711230494 A CN 201711230494A CN 109839628 A CN109839628 A CN 109839628A
- Authority
- CN
- China
- Prior art keywords
- structured light
- ground
- mobile robot
- preset
- moving direction
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000003287 optical effect Effects 0.000 claims description 85
- 238000001514 detection method Methods 0.000 claims description 32
- 230000033001 locomotion Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 6
- 230000004888 barrier function Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 16
- 239000011159 matrix material Substances 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000010408 sweeping Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本申请实施例提供了一种障碍物确定方法及移动机器人。移动机器人包括结构光模组和摄像头模组。该障碍物确定方法包括：获取摄像头模组采集的移动机器人运动方向的地面图像，根据预设的结构光像素特征，检测地面图像中的第一结构光区域，根据结构光模组的结构光参数、预设高度阈值以及第一结构光区域，确定移动机器人运动方向地面上是否存在障碍物；其中，预设高度阈值为：移动机器人的底盘与地面之间的高度。应用本申请实施例提供的方案，能够提高确定障碍物时的全面性和准确性。
Description
技术领域
本申请涉及移动机器人技术领域，特别是涉及一种障碍物确定方法及移动机器人。
背景技术
移动机器人是一种能够按照既定程序执行工作的机器装置。移动机器人具有移动功能，在移动过程中能够执行多种类型的任务。例如，扫地机器人可以在移动过程中清洁路面，护理机器人可以运送医疗器械或病人等。
移动机器人在移动时可以探测前方地面上的障碍物，以便达到避障以及路径规划效果。移动机器人可以通过激光雷达发射的信息与接收的信息之间的关系来确定前方是否存在障碍物，以执行避障任务。但是，激光雷达通常只能在某个水平面上检测障碍物，无法探测低于这个水平面的障碍物。如图1所示，激光雷达可以探测到扫地机器人前方的障碍物1，但是无法探测到障碍物2。因此，相关技术中的障碍物确定方法不够全面和准确。
发明内容
本申请实施例的目的在于提供了一种障碍物确定方法及移动机器人，以提高确定障碍物时的全面性和准确性。具体的技术方案如下。
第一方面，本申请实施例提供了一种障碍物确定方法，应用于移动机器人，所述移动机器人包括结构光模组和摄像头模组；所述结构光模组发射的结构光在所述移动机器人运动方向地面上的照射区处于所述摄像头模组的图像采集范围内；所述方法包括：
获取所述摄像头模组采集的所述移动机器人运动方向的地面图像；
根据预设的结构光像素特征，检测所述地面图像中的第一结构光区域；
根据所述结构光模组的结构光参数、预设高度阈值以及所述第一结构光区域，确定所述移动机器人运动方向地面上是否存在障碍物；
其中，所述预设高度阈值为：所述移动机器人的底盘与地面之间的高度。
可选的，所述根据所述结构光模组的结构光参数、预设高度阈值以及所述第一结构光区域，确定所述移动机器人运动方向地面上是否存在障碍物的步骤，包括：
根据所述第一结构光区域和预先确定的警戒线，确定所述移动机器人运动方向地面上是否存在障碍物；其中，所述警戒线为：根据所述结构光模组的结构光参数和预设高度阈值确定。
可选的，所述根据所述第一结构光区域和预先确定的警戒线，确定所述移动机器人运动方向地面上是否存在障碍物的步骤，包括：
当所述摄像头模组位于所述结构光模组上方时，判断所述第一结构光区域是否位于预先确定的警戒线下方，如果是，则确定所述移动机器人运动方向地面上存在障碍物；
当所述摄像头模组位于所述结构光模组上方时，判断所述第一结构光区域是否位于预先确定的警戒线上方，如果是，则确定所述移动机器人运动方向地面上存在障碍物。
可选的，采用以下方式确定所述警戒线：
联立求解以下方程的解(u,v)，将解(u,v)中的v确定为所述警戒线在地面图像中的纵坐标：
tanθxw+zw-(d1tanθ+h1)＝0
zw＝h0
其中，所述xw,yw,zw为世界坐标系中的三个坐标轴，所述世界坐标系的原点为所述移动机器人的中心在地面上的投影点，所述h0为所述预设高度阈值，所述fu和fv分别为所述感光元件在地面图像的u轴和v轴方向上的等效焦距，所述cu和cv是所述摄像头模组的感光元件的光轴在地面图像中的投影中心的坐标，所述d1和h1分别为所述结构光模组的结构光发射点在世界坐标系下的xw轴坐标和zw轴坐标，所述θ为所述结构光模组的光轴与地面的夹角，所述为所述感光元件的光轴与地面的夹角，所述结构光模组的光轴和所述感光元件的光轴均位于世界坐标系的平面yw＝0内。
可选的，所述根据所述结构光模组的结构光参数、预设高度阈值以及所述第一结构光区域，确定所述移动机器人运动方向地面上是否存在障碍物的步骤，包括：
根据所述结构光模组的结构光参数，确定所述第一结构光区域中像素点对应的地面高度，所述地面高度为像素点对应的空间物体上的点距离地面的高度；
根据确定的所述第一结构光区域中像素点对应的地面高度，确定所述第一结构光区域对应的地面高度；
判断所述地面高度是否大于预设高度阈值；
如果是，则确定所述移动机器人运动方向地面上存在障碍物。
可选的，所述根据所述结构光模组的结构光参数，确定所述第一结构光区域中像素点对应的地面高度的步骤，包括：
联立求解以下方程的解(xw,yw,zw)，将解(xw,yw,zw)中的zw确定为所述第一结构光区域中像素点(u，v)对应的地面高度：
tanθxw+zw-(d1tanθ+h1)＝0
其中，所述xw,yw,zw为世界坐标系中的三个坐标轴，所述世界坐标系的原点为所述移动机器人的中心在地面上的投影点，所述fu和fv分别为所述感光元件在地面图像的u轴和v轴方向上的等效焦距，所述cu和cv是所述摄像头模组的感光元件的光轴在地面图像中的投影中心的坐标，所述d1和h1分别为所述结构光模组的结构光发射点在世界坐标系下的xw轴坐标和zw轴坐标，所述θ为所述结构光模组的光轴与地面的夹角，所述为所述感光元件的光轴与地面的夹角，所述结构光模组的光轴和所述感光元件的光轴均位于世界坐标系的平面yw＝0内。
可选的，所述根据所述结构光模组的结构光参数，确定所述第一结构光区域中像素点对应的地面高度的步骤，包括：
根据预先确定的像素点与地面高度的对应关系，确定所述第一结构光区域中像素点对应的地面高度；所述对应关系为：根据所述结构光模组的结构光参数确定。
可选的，所述根据预设的结构光像素特征，检测所述地面图像中的第一结构光区域的步骤，包括：
检测所述地面图像中具有预设的结构光像素特征的像素点；
将左右连续的所述像素点连成线段，将上下相邻的所述线段连成区域，作为第一结构光区域。
可选的，所述根据预设的结构光像素特征，检测所述地面图像中的第一结构光区域的步骤，包括：
根据预设的结构光像素特征，在所述地面图像中的预设检测范围内检测第一结构光区域；所述预设检测范围为：以所述移动机器人运动方向上的预设距离为高度，以所述移动机器人的宽度为宽度所构成的地面区域；或者，
所述根据所述结构光模组的结构光参数、预设高度阈值以及所述第一结构光区域，确定所述移动机器人运动方向地面上是否存在障碍物的步骤，包括：
根据所述结构光模组的结构光参数、预设高度阈值以及预设检测范围内的所述第一结构光区域，确定所述移动机器人运动方向地面上是否存在障碍物。
可选的，在确定所述移动机器人运动方向地面上是否存在障碍物之前，所述方法还包括：
判断所述第一结构光区域与预设结构光区域的位置是否相同，如果是，则确定所述移动机器人运动方向地面上不存在障碍物；如果否，则执行所述确定所述移动机器人运动方向地面上是否存在障碍物的步骤；所述预设结构光区域为：当所述移动机器人运动方向地面上不存在障碍物时所述结构光在地面图像中的位置。
第二方面，本申请实施例提供了一种移动机器人，包括：处理器、存储器以及结构光模组和摄像头模组；所述结构光模组发射的结构光在所述移动机器人运动方向地面上的照射区处于所述摄像头模组的图像采集范围内；
所述摄像头模组，用于采集所述移动机器人运动方向的地面图像，并将所述地面图像存储至所述存储器；
所述处理器，用于获取所述存储器中的地面图像；根据预设的结构光像素特征，检测所述地面图像中的第一结构光区域；根据所述结构光模组的结构光参数、预设高度阈值以及所述第一结构光区域，确定所述移动机器人运动方向地面上是否存在障碍物；其中，所述预设高度阈值为：所述移动机器人的底盘与地面之间的高度。
可选的，所述处理器，具体用于：
根据所述第一结构光区域和预先确定的警戒线，确定所述移动机器人运动方向地面上是否存在障碍物；其中，所述警戒线为：根据所述结构光模组的结构光参数和预设高度阈值确定。
可选的，所述处理器，具体用于：
当所述摄像头模组位于所述结构光模组上方时，判断所述第一结构光区域是否位于预先确定的警戒线下方，如果是，则确定所述移动机器人运动方向地面上存在障碍物；
当所述摄像头模组位于所述结构光模组上方时，判断所述第一结构光区域是否位于预先确定的警戒线上方，如果是，则确定所述移动机器人运动方向地面上存在障碍物。
可选的，所述处理器，还用于联立求解以下方程的解(u,v)，将解(u,v)中的v确定为所述警戒线在地面图像中的纵坐标：
tanθxw+zw-(d1tanθ+h1)＝0
zw＝h0
其中，所述xw,yw,zw为世界坐标系中的三个坐标轴，所述世界坐标系的原点为所述移动机器人的中心在地面上的投影点，所述h0为所述预设高度阈值，所述fu和fv分别为所述感光元件在地面图像的u轴和v轴方向上的等效焦距，所述cu和cv是所述摄像头模组的感光元件的光轴在地面图像中的投影中心的坐标，所述d1和h1分别为所述结构光模组的结构光发射点在世界坐标系下的xw轴坐标和zw轴坐标，所述θ为所述结构光模组的光轴与地面的夹角，所述为所述感光元件的光轴与地面的夹角，所述结构光模组的光轴和所述感光元件的光轴均位于世界坐标系的平面yw＝0内。
可选的，所述处理器，具体用于：
根据所述结构光模组的结构光参数，确定所述第一结构光区域中像素点对应的地面高度，所述地面高度为像素点对应的空间物体上的点距离地面的高度；
根据确定的所述第一结构光区域中像素点对应的地面高度，确定所述第一结构光区域对应的地面高度；
判断所述地面高度是否大于预设高度阈值；
如果是，则确定所述移动机器人运动方向地面上存在障碍物。
可选的，所述处理器，具体用于：
联立求解以下方程的解(xw,yw,zw)，将解(xw,yw,zw)中的zw确定为所述第一结构光区域中像素点(u，v)对应的地面高度：
tanθxw+zw-(d1tanθ+h1)＝0
其中，所述xw,yw,zw为世界坐标系中的三个坐标轴，所述世界坐标系的原点为所述移动机器人的中心在地面上的投影点，所述fu和fv分别为所述感光元件在地面图像的u轴和v轴方向上的等效焦距，所述cu和cv是所述摄像头模组的感光元件的光轴在地面图像中的投影中心的坐标，所述d1和h1分别为所述结构光模组的结构光发射点在世界坐标系下的xw轴坐标和zw轴坐标，所述θ为所述结构光模组的光轴与地面的夹角，所述为所述感光元件的光轴与地面的夹角，所述结构光模组的光轴和所述感光元件的光轴均位于世界坐标系的平面yw＝0内。
可选的，所述处理器，具体用于：
根据预先确定的像素点与地面高度的对应关系，确定所述第一结构光区域中像素点对应的地面高度；所述对应关系为：根据所述结构光模组的结构光参数确定。
可选的，所述处理器，具体用于：
检测所述地面图像中具有预设的结构光像素特征的像素点；将左右连续的所述像素点连成线段，将上下相邻的所述线段连成区域，作为第一结构光区域。
可选的，所述处理器，具体用于：
根据预设的结构光像素特征，在所述地面图像中的预设检测范围内检测第一结构光区域；所述预设检测范围为：以所述移动机器人运动方向上的预设距离为高度，以所述移动机器人的宽度为宽度所构成的地面区域；或者，
所述处理器，具体用于：
根据所述结构光模组的结构光参数、预设高度阈值以及预设检测范围内的所述第一结构光区域，确定所述移动机器人运动方向地面上是否存在障碍物。
可选的，所述处理器，还用于：
在确定所述移动机器人运动方向地面上是否存在障碍物之前，判断所述第一结构光区域与预设结构光区域的位置是否相同，如果是，则确定所述移动机器人运动方向地面上不存在障碍物；如果否，则确定所述移动机器人运动方向地面上是否存在障碍物；所述预设结构光区域为：当所述移动机器人运动方向地面上不存在障碍物时所述结构光在地面图像中的位置。
第三方面，本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现本申请实施例提供的障碍物确定方法。该方法包括：
获取所述摄像头模组采集的所述移动机器人运动方向的地面图像；
根据预设的结构光像素特征，检测所述地面图像中的第一结构光区域；
根据所述结构光模组的结构光参数、预设高度阈值以及所述第一结构光区域，确定所述移动机器人运动方向地面上是否存在障碍物；
其中，所述预设高度阈值为：所述移动机器人的底盘与地面之间的高度。
本申请实施例提供的障碍物确定方法及移动机器人，可以获取移动机器人运动方向的地面图像，根据预设的结构光像素特征检测地面图像中的第一结构光区域，根据结构光模组的结构光参数、预设高度阈值以及第一结构光区域，确定移动机器人运动方向地面上是否存在障碍物。由于结构光模组发射的结构光能够投射在移动机器人运动方向地面上，当移动机器人运动方向地面上存在障碍物时，地面上的结构光会发生变化，因此可以根据地面图像中的结构光区域确定是否存在障碍物。并且，由于结构光模组发射的结构光是倾斜地投射在地面上的，可以检测较低位置处的障碍物，因此本申请实施例能够提高确定障碍物时的全面性和准确性。当然，实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为采用激光雷达探测障碍物时的一种场景示意图；
图2为本申请实施例提供的障碍物确定方法的一种流程示意图；
图3a为本申请实施例提供的摄像头模组的光轴与结构光模组的光轴的一种结构示意图；
图3b和图3c分别为不存在障碍物时和存在障碍物时结构光位置示意图；
图4为本申请实施例提供的障碍物确定方法的另一种流程示意图；
图5a～图5d分别为几种结构光的偏移情况示意图；
图6a为本申请实施例提供的确定障碍物时的线面模型示意图；
图6b和图6c分别为不存在障碍物时和存在障碍物时结构光的位置变化示意图；
图6d为结构光模组的结构光参数在世界坐标系中的示意图；
图6e为摄像头模组的安装参数在世界坐标系中的示意图；
图7为本申请实施例提供的障碍物确定方法的又一种流程示意图；
图8为本申请实施例提供的地面图像中预设检测范围的一种示意图；
图9为本申请实施例提供的移动机器人的一种结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
在相关技术中，移动机器人可以装载超声波测距模组或红外测距模组来探测前进方向上的障碍物，但这两种技术本身存在以下局限性：(1)红外测距需要发射红外光束，存在与激光雷达同样的问题，只能探测某一水平面内的障碍物；而且红外光在强光下及透明介质下无法工作。(2)超声波测距存在盲区，而且被探测的物体需要是平面，否则效果较差。对于图1中的小型障碍物2，上述技术和产品基本无法探测到。
为了检测较低位置处的障碍物，提高确定障碍物时的准确性，本申请实施例提供了一种障碍物确定方法及移动机器人。下面通过具体实施例，对本申请进行详细说明。
图2为本申请实施例提供的障碍物确定方法的一种流程示意图。该方法应用于移动机器人，该移动机器人包括结构光模组和摄像头模组。具体的，结构光模组和摄像头模组可以均位于移动机器人前部。其中，结构光模组的光轴与摄像头模组的光轴不平行，结构光模组发射的结构光在移动机器人运动方向地面上的照射区处于摄像头模组的图像采集范围内。本申请中所提及的地面均指水平地面。
移动机器人可包括扫地机器人、医疗机器人、服务机器人等可移动机器人。
结构光模组为可以将激光照射到被测物体上的投影器件，例如可以为生成激光束的激光器。结构光为激光，该结构光具有单色性好、方向性好、能量集中等特征，这些特征能够保证结构光的稳定性更好，在确定障碍物时准确性更高。照射到被测物体上的结构光可以为线、点、面、网格、斑纹等形状，例如一字形结构光，本申请对结构光的形式不做限定。
摄像头模组可以为具有摄像、拍照功能的器件。例如，可以为相机、摄像头等器件。
结构光模组的光轴可以理解为结构光模组发射的结构光的中心线。摄像头模组的光轴可以理解为摄像头模组中感光元件的光轴。结构光模组的光轴与摄像头模组的光轴可以相交于一点，并位于同一竖直平面内。
如图3a所示，提供了扫地机器人中摄像头模组的光轴与结构光模组的光轴之间的一种结构示意图。该图3a中摄像头模组的光轴与结构光模组的光轴相交于一点，结构光在扫地机器人运动方向地面上的照射区处于摄像头模组的图像采集范围内。在图3a中还列出了激光雷达的激光光束，激光光束是水平地射向前方的，能检测激光光束所在水平面内的障碍物，无法检测低于该水平面的障碍物。而低于该水平面的障碍物可以通过本实施例的方法进行检测。
本实施例的方法包括如下步骤S201～步骤S203：
步骤S201：获取摄像头模组采集的移动机器人运动方向的地面图像。
在本实施例中，摄像头模组可以按照预设周期拍摄移动机器人运动方向的地面图像。在获取地面图像时，可以按照预设周期获取。预设周期可以为根据经验预先确定的周期，例如可以为0.5～10秒之间的值，或者其他值，本申请对此不做具体限定。
步骤S202：根据预设的结构光像素特征，检测地面图像中的第一结构光区域。
其中，预设的结构光像素特征可以为从样本地面图像中确定的。结构光像素特征可以为[a，b]的像素值范围，a为最小像素值，b为最大像素值。
本步骤中，具体可以检测地面图像中具有预设的结构光像素特征的像素点，将左右连续的上述像素点连成线段，将上下相邻的上述线段连成区域，作为第一结构光区域。
将上下相邻的上述线段连成区域，具体可以为，将上下相邻的线段中满足以下特征的线段连成区域：两线段的左端点之间的距离小于预设距离阈值，两线段的右端点之间的距离小于预设距离阈值。其中，预设距离阈值可以为根据经验预先确定的值。
预设的结构光像素特征也可以为，具有预设形状的像素分布区域。例如，当结构光为一字形时，预设的结构光像素特征可以为预设的一字形像素分布区域特征。本步骤可以为，对地面图像进行边缘提取，获得边缘图像，从边缘图像中确定一字形边缘区域，根据确定的一字形边缘区域确定地面图像中的第一结构光区域。
从地面图像中检测到的第一结构光区域可以为一个，也可以为多个。
如图3b为移动机器人运动方向地面上不存在障碍物时地面图像中的结构光位置，图3c为移动机器人运动方向地面上存在障碍物时地面图像中的结构光位置。从两图的比较中可以看出，图3c中物体上的结构光发生了偏移。图3c中的第一结构光区域可以包括三个，一个是障碍物左侧的结构光区域，一个是障碍物上的结构光区域，一个是障碍物右侧的结构光区域。
检测地面图像中的第一结构光区域，可以理解为检测地面图像中的第一结构光区域的位置。该第一结构光区域的位置可以以矩形范围的对角点坐标表示，也可以采用第一结构光区域的横向中心线的位置表示，或采用第一结构光区域的中心像素点所在的像素行表示，本申请对此不做具体限定。
步骤S203：根据结构光模组的结构光参数、预设高度阈值以及第一结构光区域，确定移动机器人运动方向地面上是否存在障碍物。
其中，预设高度阈值为：移动机器人的底盘与地面之间的高度。当移动机器人运动方向上物体的高度大于预设高度阈值时，该物体会阻碍移动机器人的通行，该物体可以认为是障碍物。当移动机器人运动方向上物体的高度不大于预设高度阈值时，该物体不会阻碍移动机器人的通行，该物体可以不认为是障碍物。
结构光模组的结构光参数可以包括：结构光模组的光轴与地面的夹角，结构光模组的结构光发射点的位置。其中，结构光模组的光轴与地面的夹角可以理解为结构光的中心线与地面的夹角。
根据结构光参数可以确定结构光所在平面。在移动机器人移动过程中，结构光所在平面相对于移动机器人的位置不变。当移动机器人运动方向地面上存在物体时，地面图像中结构光在物体上的投影位置与在地面上的投影位置不同。因此可以根据结构光投影位置的变化，并参考预设高度阈值，确定该物体是否为障碍物。
从图3b和图3c所示示意图可以看出，具有一定高度的物体会导致结构光发生一定量的偏移。因此，可以根据该偏移量确定物体的高度，进而根据物体的高度是否大于预设高度阈值，确定该物体是否为障碍物。
本步骤中，当第一结构光区域包括两个以上时，可以根据所有第一结构光区域，确定移动机器人运动方向地面上是否存在障碍物。
由上述内容可知，本实施例可以获取移动机器人运动方向的地面图像，根据预设的结构光像素特征检测地面图像中的第一结构光区域，根据结构光模组的结构光参数、预设高度阈值以及第一结构光区域，确定移动机器人运动方向地面上是否存在障碍物。由于结构光模组发射的结构光能够投射在移动机器人运动方向地面上，当移动机器人运动方向地面上存在障碍物时，地面上的结构光会发生变化，因此可以根据地面图像中的结构光区域确定是否存在障碍物。并且，由于结构光模组发射的结构光是倾斜地投射在地面上的，可以检测较低位置处的障碍物，因此本实施例能够提高确定障碍物时的全面性和准确性。本实施例也弥补了激光雷达、超声波和红外探测无法探测较低障碍物的缺点，提高了确定障碍物时的全面性和准确性。
在相关技术中，也可以采用双目摄像头检测移动机器人运动方向地面上的障碍物。但是，双目摄像头的成本较高，确定障碍物时的算法相对比较复杂，运算芯片的成本也较高。而本实施例采用的结构光模组和摄像头模组的成本较低，并且根据地面图像中的结构光确定是否存在障碍物的算法复杂度相对较低，运算芯片的成本也较低。因此，本实施例能够降低成本。
在本申请的另一实施例中，在图2所示实施例中，为了既能检测较低位置处的障碍物，也能检测较高位置处的障碍物，提高确定障碍物时的全面性和准确性，移动机器人除了采用本实施例的方法确定障碍物之外，还可以同时采用激光光束或超声波或红外线确定较高位置处的障碍物。
在本申请的另一实施例中，对图2所示实施例进行改进，可以得到图4所示实施例，该实施例包括以下步骤S401～步骤S403：
步骤S401：获取摄像头模组采集的移动机器人运动方向的地面图像。
步骤S402：根据预设的结构光像素特征，检测地面图像中的第一结构光区域。
其中，上述步骤S401和步骤S402分别与图2所示实施例中的步骤S201和步骤S202相同，详细内容不再赘述，可参见图2所示实施例的内容。
步骤S403：根据第一结构光区域和预先确定的警戒线，确定移动机器人运动方向地面上是否存在障碍物。其中，警戒线为：根据结构光模组的结构光参数和预设高度阈值确定。
在本步骤中，当摄像头模组位于结构光模组上方时，可以判断第一结构光区域是否位于预先确定的警戒线下方，如果是，则确定移动机器人运动方向地面上存在障碍物；如果否，则确定移动机器人运动方向地面上不存在障碍物。当移动机器人运动方向地面上不存在障碍物时，移动机器人运动方向地面上可能存在物体，也可以不存在物体。当移动机器人运动方向地面上存在物体时，该物体与地面的高度较低，移动机器人可以跨越该物体通行。
当摄像头模组的光轴位于结构光模组的光轴上方时，如果第一结构光区域包括两个以上，则可以判断所有第一结构光区域是否均不位于预先确定的警戒线下方，如果是，则确定移动机器人运动方向地面上不存在障碍物。
当摄像头模组位于结构光模组上方时，判断第一结构光区域是否位于预先确定的警戒线上方，如果是，则确定移动机器人运动方向地面上存在障碍物；如果否，则确定移动机器人运动方向地面上不存在障碍物。
当摄像头模组位于结构光模组下方时，如果第一结构光区域包括两个以上，则可以判断所有第一结构光区域是否均不位于预先确定的警戒线上方，如果是，则确定移动机器人运动方向地面上不存在障碍物。
图5a和图5b，为摄像头模组位于结构光模组上方时，机器人运动方向地面上存在不同高度的物体时结构光的偏移情况。两图中物体上的结构光均向下偏移。图5a中的物体高于图5b中的物体，相应的图5a中结构光的偏移也比图5b中结构光的偏移更大。
图5c和图5d，为摄像头模组位于结构光模组下方时，机器人运动方向地面上存在不同高度的物体时结构光的偏移情况。两图中物体上的结构光均向上偏移。图5c中的物体高于图5d中的物体，相应的图5c中结构光的偏移也比图5d中结构光的偏移更大。
因此，本实施例可以预先确定警戒线位置，当地面图像中结构光的偏移位置超过警戒线时，认为存在障碍物，当地面图像中结构光的偏移位置不超过警戒线时，认为不存在障碍物。
其中，确定警戒线可以理解为确定警戒线的位置。警戒线为：移动机器人运动方向地面上存在高度为预设高度阈值的物体时地面图像中结构光的位置。
在本实施例中，可以采用以下方式确定上述警戒线：
联立求解以下方程的解(u,v)，将解(u,v)中的v确定为警戒线在地面图像中的纵坐标：
tanθxw+zw-(d1tanθ+h1)＝0
zw＝h0 (1)
其中，
xw,yw,zw为世界坐标系中的三个坐标轴，世界坐标系的原点为移动机器人的中心在地面上的投影点。h0为预设高度阈值。fu和fv分别为感光元件在地面图像的u轴和v轴方向上的等效焦距。cu和cv是摄像头模组的感光元件的光轴在地面图像中的投影中心的坐标。d1和h1分别为结构光模组的结构光发射点在世界坐标系下的xw轴坐标和zw轴坐标。θ为结构光模组的光轴与地面的夹角，为感光元件的光轴与地面的夹角。结构光模组的光轴和感光元件的光轴均位于世界坐标系的平面yw＝0内。
在世界坐标系中，世界坐标系的原点为移动机器人的中心在地面上的投影点，世界坐标系的原点为移动机器人的中心在地面上的投影点，移动机器人的正前方为xw轴正方向,移动机器人的左侧为yw轴正方向，竖直向上为zw轴正方向。移动机器人的正前方为运动方向。
参见图6a，图6a为确定障碍物时的线面模型示意图。其中，u轴和v轴分别为图像平面的横坐标轴和纵坐标轴。oc-xcyczc是相机坐标系，其中oc是感光元件的光心，zc轴与感光元件的光轴重合，xc和yc垂直于感光元件的光轴。地面上结构光光条L上任意一点P在图像平面中的投影为p。结构光模组发射的结构光所在的平面为结构光平面。
图6b和图6c分别为不存在障碍物时和存在障碍物时结构光的位置变化示意图。可见，不管是否存在障碍物，结构光平面的位置均是不变的，只是投影在障碍物上时结构光的位置发生了变化。相应的，有障碍物时障碍物上的结构光在图像平面中的成像位置发生了变化。
图6d为结构光模组的结构光参数在世界坐标系中的示意图。其中，在世界坐标系ow-xwywzw中，结构光发射点在世界坐标系下的坐标为(d1,0,h1)，结构光模组的光轴与地面的夹角θ，也就是结构光平面与地面的夹角为θ。结构光平面在世界坐标系下的方程为
tanθxw+zw-(d1tanθ+h1)＝0 (2)
图6e为摄像头模组的安装参数在世界坐标系中的示意图。其中，摄像头模组的光心在世界坐标系ow-xwywzw中的坐标为(d2,0,h2)，且摄像头模组的光轴与地面的夹角为图像平面中的点p(u，v)与该点在相机坐标系中的位置关系为
其中，为摄像头模组的内参矩阵，为常矩阵。将式(3)展开可以得到将这两个平面方程联立可以得到一条直线，即图像平面内一点对应在相机坐标下为一条直线。同理，在世界坐标系下也是一条直线，该直线方程为
式(4)中，R和t分别为将世界坐标系转换到相机坐标系的旋转矩阵和平移矩阵(均为常矩阵)，矩阵大小分别为3×3及3×1。式(4)所示的直线与式(2)所示的结构光平面的交点即为图像平面上点p(u,v)在世界坐标系下的坐标值。
根据图6e所示的参数，可以得到旋转矩阵R和平移矩阵t分别为
可见，在图4所示实施例中，根据第一结构光区域和预先确定的警戒线，确定移动机器人运动方向地面上是否存在障碍物，警戒线为根据结构光模组的结构光参数和预设高度阈值确定。随着移动机器人运动方向地面上物体高度的增加，地面图像中结构光的偏移量也会增加。当地面图像中结构光的偏移位置超过警戒线时，可以确定存在障碍物，当偏移位置不超过障碍物时，可以确定不存在障碍物。这种确定障碍物的方式简单易行，处理效率高。
在本申请的另一实施例中，对图2所示实施例进行改进，可以得到图7所示实施例，该实施例包括以下步骤S701～步骤S706：
步骤S701：获取摄像头模组采集的移动机器人运动方向的地面图像。
步骤S702：根据预设的结构光像素特征，检测地面图像中的第一结构光区域。
其中，上述步骤S701和步骤S702分别与图2所示实施例中的步骤S201和步骤S202相同，详细内容不再赘述，可参见图2所示实施例的内容。
步骤S703：根据结构光模组的结构光参数，确定第一结构光区域中像素点对应的地面高度。其中，地面高度为像素点对应的空间物体上的点距离地面的高度。
其中，结构光模组的结构光参数可以包括：结构光模组的光轴与地面的夹角，结构光模组的结构光发射点的位置。其中，结构光模组的光轴与地面的夹角可以理解为结构光的中心线与地面的夹角。
在本步骤中，当确定的第一结构光区域的位置为第一结构光区域中所有像素点的位置，则可以根据结构光模组的结构光参数，确定第一结构光区域中所有像素点对应的地面高度。
当确定的第一结构光区域的位置为第一结构光区域的中心点所在的像素行的位置，则可以根据结构光模组的结构光参数，确定第一结构光区域中中心像素点所在像素行对应的地面高度。
当第一结构光区域包括两个以上时，可以根据结构光模组的结构光参数，确定每个第一结构光区域中像素点对应的地面高度。
步骤S704：根据确定的第一结构光区域中像素点对应的地面高度，确定第一结构光区域对应的地面高度。
在本步骤中，当确定第一结构光区域中所有像素点对应的地面高度时，可以将所确定的所有像素点对应的地面高度的平均值确定为第一结构光区域对应的地面高度；或者，将所确定的所有像素点对应的地面高度中的最大值确定为第一结构光区域对应的地面高度。
例如，第一结构光区域为对角点(a，b)和(c，d)定义的区域。该第一结构光区域包含100个像素点，这100个像素点对应的地面高度为H0，H2，H3，…，H99。可以将这100个地面高度的平均值(H0+H2+H3+…+H99)/100确定为第一结构光区域对应的地面高度。或者，将地面高度H0，H2，H3，…，H99中的最大值确定为第一结构光区域对应的地面高度。
当确定第一结构光区域中中心像素点所在像素行对应的地面高度时，可以直接将该像素行对应的地面高度作为第一结构光区域对应的地面高度。由于同一像素行中的像素点对应的地面高度是相同的，因此可以将第一结构光区域中中心像素行对应的地面高度作为第一结构光区域对应的地面高度。
例如，第一结构光区域为对角点(a，b)和(c，d)定义的区域。该第一结构光区域包含100个像素点，这100个像素点中中心像素点所在像素行对应的地面高度为Hx，则可以将Hx确定为第一结构光区域对应的地面高度。
当第一结构光区域包括两个以上时，可以根据确定的每个第一结构光区域中像素点对应的地面高度，确定每个第一结构光区域对应的地面高度。
步骤S705：判断上述地面高度是否大于预设高度阈值，如果是，则执行步骤S706；如果否，则确定移动机器人运动方向地面上不存在障碍物。
其中，预设高度阈值为：移动机器人的底盘与地面之间的高度。
当第一结构光区域包括两个以上时，可以判断是否存在大于预设高度阈值的地面高度，如果存在，则确定移动机器人运动方向地面上存在障碍物；如果不存在，则确定移动机器人运动方向地面上不存在障碍物。
步骤S706：确定移动机器人运动方向地面上存在障碍物。
可见，在图7所示实施例中，可以根据结构光模组的结构光参数，确定第一结构光区域中像素点对应的地面高度，根据确定的地面高度，确定第一结构光区域对应的地面高度，当该地面高度大于预设高度阈值时，确定移动机器人运动方向地面上存在障碍物。本实施例可以根据确定的第一结构光区域对应的地面高度判断是否存在障碍物，其准确性更高。
在图7所示实施例的另一实施例中，步骤S703，根据结构光模组的结构光参数，确定第一结构光区域中像素点对应的地面高度的步骤，可以包括：
联立求解以下方程的解(xw,yw,zw)，将解(xw,yw,zw)中的zw确定为第一结构光区域中像素点(u，v)对应的地面高度：
tanθxw+zw-(d1tanθ+h1)＝0(6)
其中，xw,yw,zw为世界坐标系中的三个坐标轴，世界坐标系的原点为所述移动机器人的中心在地面上的投影点。fu和fv分别为所述感光元件在地面图像的u轴和v轴方向上的等效焦距。cu和cv是摄像头模组的感光元件的光轴在地面图像中的投影中心的坐标。d1和h1分别为结构光模组的结构光发射点在世界坐标系下的xw轴坐标和zw轴坐标。θ为结构光模组的光轴与地面的夹角，为所述感光元件的光轴与地面的夹角。结构光模组的光轴和感光元件的光轴均位于世界坐标系的平面yw＝0内。
在世界坐标系中，移动机器人的正前方为xw轴正方向,移动机器人的左侧为yw轴正方向，竖直向上为zw轴正方向。移动机器人的正前方即为运动方向。
本实施例中对公式部分的说明可以参见图4所示实施例，此处不再赘述。
在确定障碍物时，可以确定第一结构光区域中心线上所有像素点的世界坐标，并提取M＝{p1 p2 ... pi}作为障碍物数据，如果满足且其中zth为移动机器人底盘与地面之间的距离，也就是移动机器人底盘的最小离地间隙。当M不为空时，则视野内存在障碍物，且能够获取障碍物相对移动机器人的位置信息。机器人可以通过来重新计算通行路径。
为了提高处理效率，在图7所示实施例的另一实施例中，步骤S703，根据结构光模组的结构光参数，确定第一结构光区域中像素点对应的地面高度的步骤，具体可以包括：
根据预先确定的像素点与地面高度的对应关系，确定第一结构光区域中像素点对应的地面高度。该对应关系为：根据结构光模组的结构光参数确定。
由于设备安装之后，摄像头模组的位置和结构光模组的位置相对不变，可以预先建立像素点与世界坐标(xw,yw,zw)之间的对应关系。当需要确定第一结构光区域中像素点对应的地面高度时，可以直接查表得到像素点对应的地面高度zw。
可见，本实施例可以根据预先确定的对应关系确定第一结构光中像素点对应的地面高度，无需每次都计算像素点的地面高度，因此能够减少计算量，提高处理效率。
在本申请的另一实施例中，当确定移动机器人运动方向地面上存在障碍物时，还可以根据确定的第一结构光区域中像素点的世界坐标(xw,yw,zw)中yw，确定第一结构光区域对应的障碍物相对于移动机器人的相对位置，根据该相对位置，采用路径规划算法调整移动机器人的移动路径。
例如，根据确定的第一结构光区域中像素点的yw坐标，可以确定障碍物在移动机器人正前方、左前方处或右前方处。当障碍物在移动机器人正前方处时，可以调整移动机器人向左方或右方移动；当障碍物在移动机器人左前方处时，可以调整移动机器人向右前方移动；当障碍物在移动机器人右前方处时，可以调整移动机器人向左前方移动，以避开障碍物。
由于摄像头模块所采集的地面图像的宽度可能大于移动机器人移动的宽度范围，为了提高确定障碍物时的全面性和准确性，在本申请的另一实施例中，在上述图2或图4或图7所示实施例的基础上，根据预设的结构光像素特征，检测地面图像中的第一结构光区域的步骤，具体可以包括：
根据预设的结构光像素特征，在地面图像中的预设检测范围内检测第一结构光区域。其中，预设检测范围为：以移动机器人运动方向上的预设距离为高度，以移动机器人的宽度为宽度所构成的地面区域。预设距离为预先设置的长度值。具体的，在空间地面上，预设检测范围可以为以移动机器人运动方向上的预设距离为高度，以移动机器人的宽度为宽度所构成的矩形地面区域。
预设检测范围可以根据样本地面图像预先确定。当图像在横向上存在梯形畸变时，预设检测范围可以为梯形区域范围。如图8所示，为地面图像中的预设检测范围的一种示意图。在图8中，两条黑线所定义的区域范围即为预设检测范围。
当移动机器人向运动方向移动时，移动机器人在预设检测范围内移动。在该预设检测范围内存在的物体有可能为障碍物，在该预设检测范围外存在的物体不可能为障碍物。在移动机器人移动的过程中，预设检测范围相对于移动机器人的位置是不变的。
可见，本实施例可以从地面图像中的预设检测范围内检测第一结构光区域，减少不必要的冗余计算，能够提高处理效率。
在本申请的另一实施例中，在图2所示实施例的基础上，根据结构光模组的结构光参数、预设高度阈值以及第一结构光区域，确定移动机器人运动方向地面上是否存在障碍物的步骤，包括：
根据结构光模组的结构光参数、预设高度阈值以及预设检测范围内的第一结构光区域，确定移动机器人运动方向地面上是否存在障碍物。其中，预设检测范围为：以移动机器人运动方向上的预设距离为高度，以移动机器人的宽度为宽度所构成的地面区域。
本实施例可以在确定是否存在障碍物时，考虑预设检测范围内的第一结构光区域，该预设检测范围内存在的物体才有可能是移动机器人的障碍物，这种方式能够提高确定障碍物时的准确性。
在本申请的另一实施例中，在图2所示实施例的基础上，在确定移动机器人运动方向地面上是否存在障碍物之前，还可以判断第一结构光区域与预设结构光区域的位置是否相同，如果是，则确定移动机器人运动方向地面上不存在障碍物；如果否，则执行确定移动机器人运动方向地面上是否存在障碍物的步骤。
其中，预设结构光区域为：当移动机器人运动方向地面上不存在障碍物时结构光在地面图像中的位置。
例如，预设机构光区域中心线的位置为第42像素行，当确定的第一结构光区域的位置也为第42像素行，或者为第41～第43像素行之间时，均可以认为移动机器人运动方向地面上不存在物体，进而确定移动机器人运动方向地面上不存在障碍物。
可见，本实施例可以在第一结构光区域与预设结构光区域的位置不同时执行确定移动机器人运动方向地面上是否存在障碍物的步骤，能够提高处理效率。
图9为本申请实施例提供的移动机器人的一种结构示意图，与图2所示方法实施例相对应。该移动机器人包括：处理器901、存储器902以及结构光模组903和摄像头模组904，结构光模组904发射的结构光在移动机器人运动方向地面上的照射区处于摄像头模组903的图像采集范围内。具体的，结构光模组和摄像头模组可以位于移动机器人的前部。结构光模组的光轴与摄像头模组的光轴可以不平行。
摄像头模组903，用于采集移动机器人运动方向的地面图像，并将地面图像存储至存储器902；
处理器901，用于获取存储器902中的地面图像；根据预设的结构光像素特征，检测地面图像中的第一结构光区域；根据结构光模组的结构光参数、预设高度阈值以及第一结构光区域，确定移动机器人运动方向地面上是否存在障碍物；其中，预设高度阈值为：移动机器人的底盘与地面之间的高度。
上述处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本申请的另一实施例中，在图9所示实施例的基础上，处理器901，具体用于：
根据第一结构光区域和预先确定的警戒线，确定移动机器人运动方向地面上是否存在障碍物；其中，警戒线为：根据结构光模组的结构光参数和预设高度阈值确定。
在本申请的另一实施例中，在图9所示实施例的基础上，处理器901，具体用于：
当摄像头模组位于结构光模组上方时，判断第一结构光区域是否位于预先确定的警戒线下方，如果是，则确定移动机器人运动方向地面上存在障碍物；
当摄像头模组位于结构光模组上方时，判断第一结构光区域是否位于预先确定的警戒线上方，如果是，则确定移动机器人运动方向地面上存在障碍物。
在本申请的另一实施例中，在图9所示实施例的基础上，处理器901，还用于联立求解以下方程的解(u,v)，将解(u,v)中的v确定为警戒线在地面图像中的纵坐标：
tanθxw+zw-(d1tanθ+h1)＝0
zw＝h0
其中，xw,yw,zw为世界坐标系中的三个坐标轴，世界坐标系的原点为移动机器人的中心在地面上的投影点，h0为预设高度阈值，fu和fv分别为感光元件在地面图像的u轴和v轴方向上的等效焦距，cu和cv是摄像头模组的感光元件的光轴在地面图像中的投影中心的坐标，d1和h1分别为结构光模组的结构光发射点在世界坐标系下的xw轴坐标和zw轴坐标，θ为结构光模组的光轴与地面的夹角，为感光元件的光轴与地面的夹角，结构光模组的光轴和感光元件的光轴均位于世界坐标系的平面yw＝0内。
在本申请的另一实施例中，在图9所示实施例的基础上，处理器901，具体用于：
根据结构光模组的结构光参数，确定第一结构光区域中像素点对应的地面高度，地面高度为像素点对应的空间物体上的点距离地面的高度；
根据确定的第一结构光区域中像素点对应的地面高度，确定第一结构光区域对应的地面高度；
判断上述地面高度是否大于预设高度阈值；
如果是，则确定移动机器人运动方向地面上存在障碍物。
在本申请的另一实施例中，在图9所示实施例的基础上，处理器901，具体用于：
联立求解以下方程的解(xw,yw,zw)，将解(xw,yw,zw)中的zw确定为第一结构光区域中像素点(u，v)对应的地面高度：
tanθxw+zw-(d1tanθ+h1)＝0
其中，xw,yw,zw为世界坐标系中的三个坐标轴，世界坐标系的原点为移动机器人的中心在地面上的投影点，fu和fv分别为感光元件在地面图像的u轴和v轴方向上的等效焦距，cu和cv是摄像头模组的感光元件的光轴在地面图像中的投影中心的坐标，d1和h1分别为结构光模组的结构光发射点在世界坐标系下的xw轴坐标和zw轴坐标，θ为结构光模组的光轴与地面的夹角，为感光元件的光轴与地面的夹角，结构光模组的光轴和感光元件的光轴均位于世界坐标系的平面yw＝0内。
在本申请的另一实施例中，在图9所示实施例的基础上，处理器901，具体用于：
根据预先确定的像素点与地面高度的对应关系，确定第一结构光区域中像素点对应的地面高度；对应关系为：根据结构光模组的结构光参数确定。
在本申请的另一实施例中，在图9所示实施例的基础上，处理器901，具体用于：
检测地面图像中具有预设的结构光像素特征的像素点；将左右连续的像素点连成线段，将上下相邻的线段连成区域，作为第一结构光区域。
在本申请的另一实施例中，在图9所示实施例的基础上，处理器901，具体用于：
根据预设的结构光像素特征，在地面图像中的预设检测范围内检测第一结构光区域；预设检测范围为：以移动机器人运动方向上的预设距离为高度，以移动机器人的宽度为宽度所构成的地面区域；或者，
处理器901，具体用于：
根据结构光模组的结构光参数、预设高度阈值以及预设检测范围内的第一结构光区域，确定移动机器人运动方向地面上是否存在障碍物。
在本申请的另一实施例中，在图9所示实施例的基础上，处理器901，还用于：
在确定移动机器人运动方向地面上是否存在障碍物之前，判断第一结构光区域与预设结构光区域的位置是否相同，如果是，则确定移动机器人运动方向地面上不存在障碍物；如果否，则确定移动机器人运动方向地面上是否存在障碍物；预设结构光区域为：当移动机器人运动方向地面上不存在障碍物时结构光在地面图像中的位置。
在本申请的另一实施例中，在图9所示实施例的基础上，移动机器人还可以包括激光雷达、超声波测距模组、红外测距模组中的至少一个。
由于上述移动机器人实施例是基于方法实施例得到的，与该方法具有相同的技术效果，因此移动机器人实施例的技术效果在此不再赘述。对于移动机器人实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。
本申请实施例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内存储有计算机程序，所述计算机程序被处理器执行时实现本申请实施例提供的障碍物确定方法。该方法包括：
获取所述摄像头模组采集的所述移动机器人运动方向的地面图像；
根据预设的结构光像素特征，检测所述地面图像中的第一结构光区域；
根据所述结构光模组的结构光参数、预设高度阈值以及所述第一结构光区域，确定所述移动机器人运动方向地面上是否存在障碍物；
其中，所述预设高度阈值为：所述移动机器人的底盘与地面之间的高度。
综上，本实施例可以获取移动机器人运动方向的地面图像，根据预设的结构光像素特征检测地面图像中的第一结构光区域，根据结构光模组的结构光参数、预设高度阈值以及第一结构光区域，确定移动机器人运动方向地面上是否存在障碍物。由于结构光模组发射的结构光能够投射在移动机器人运动方向地面上，当移动机器人运动方向地面上存在障碍物时，地面上的结构光会发生变化，因此可以根据地面图像中的结构光区域确定是否存在障碍物。并且，由于结构光模组发射的结构光是倾斜地投射在地面上的，可以检测较低位置处的障碍物，因此本实施例能够提高确定障碍物时的全面性和准确性。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本申请的较佳实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所做的任何修改、等同替换、改进等，均包含在本申请的保护范围内。
Claims (21)
1.一种障碍物确定方法，其特征在于，应用于移动机器人，所述移动机器人包括结构光模组和摄像头模组；所述结构光模组发射的结构光在所述移动机器人运动方向地面上的照射区处于所述摄像头模组的图像采集范围内；所述方法包括：
获取所述摄像头模组采集的所述移动机器人运动方向的地面图像；
根据预设的结构光像素特征，检测所述地面图像中的第一结构光区域；
根据所述结构光模组的结构光参数、预设高度阈值以及所述第一结构光区域，确定所述移动机器人运动方向地面上是否存在障碍物；
其中，所述预设高度阈值为：所述移动机器人的底盘与地面之间的高度。
2.根据权利要求1所述的方法，其特征在于，所述根据所述结构光模组的结构光参数、预设高度阈值以及所述第一结构光区域，确定所述移动机器人运动方向地面上是否存在障碍物的步骤，包括：
根据所述第一结构光区域和预先确定的警戒线，确定所述移动机器人运动方向地面上是否存在障碍物；其中，所述警戒线为：根据所述结构光模组的结构光参数和预设高度阈值确定。
3.根据权利要求2所述的方法，其特征在于，所述根据所述第一结构光区域和预先确定的警戒线，确定所述移动机器人运动方向地面上是否存在障碍物的步骤，包括：
当所述摄像头模组位于所述结构光模组上方时，判断所述第一结构光区域是否位于预先确定的警戒线下方，如果是，则确定所述移动机器人运动方向地面上存在障碍物；
当所述摄像头模组位于所述结构光模组上方时，判断所述第一结构光区域是否位于预先确定的警戒线上方，如果是，则确定所述移动机器人运动方向地面上存在障碍物。
4.根据权利要求2所述的方法，其特征在于，采用以下方式确定所述警戒线：
联立求解以下方程的解(u,v)，将解(u,v)中的v确定为所述警戒线在地面图像中的纵坐标：
zw＝h0
其中，
所述xw,yw,zw为世界坐标系中的三个坐标轴，所述世界坐标系的原点为所述移动机器人的中心在地面上的投影点，所述h0为所述预设高度阈值，所述fu和fv分别为所述感光元件在地面图像的u轴和v轴方向上的等效焦距，所述cu和cv是所述摄像头模组的感光元件的光轴在地面图像中的投影中心的坐标，所述d1和h1分别为所述结构光模组的结构光发射点在世界坐标系下的xw轴坐标和zw轴坐标，所述θ为所述结构光模组的光轴与地面的夹角，所述为所述感光元件的光轴与地面的夹角，所述结构光模组的光轴和所述感光元件的光轴均位于世界坐标系的平面yw＝0内。
5.根据权利要求1所述的方法，其特征在于，所述根据所述结构光模组的结构光参数、预设高度阈值以及所述第一结构光区域，确定所述移动机器人运动方向地面上是否存在障碍物的步骤，包括：
根据所述结构光模组的结构光参数，确定所述第一结构光区域中像素点对应的地面高度，所述地面高度为像素点对应的空间物体上的点距离地面的高度；
根据确定的所述第一结构光区域中像素点对应的地面高度，确定所述第一结构光区域对应的地面高度；
判断所述地面高度是否大于预设高度阈值；
如果是，则确定所述移动机器人运动方向地面上存在障碍物。
6.根据权利要求5所述的方法，其特征在于，所述根据所述结构光模组的结构光参数，确定所述第一结构光区域中像素点对应的地面高度的步骤，包括：
联立求解以下方程的解(xw,yw,zw)，将解(xw,yw,zw)中的zw确定为所述第一结构光区域中像素点(u，v)对应的地面高度：
tanθxw+zw-(d1 tanθ+h1)＝0
其中，
所述xw,yw,zw为世界坐标系中的三个坐标轴，所述世界坐标系的原点为所述移动机器人的中心在地面上的投影点，所述fu和fv分别为所述感光元件在地面图像的u轴和v轴方向上的等效焦距，所述cu和cv是所述摄像头模组的感光元件的光轴在地面图像中的投影中心的坐标，所述d1和h1分别为所述结构光模组的结构光发射点在世界坐标系下的xw轴坐标和zw轴坐标，所述θ为所述结构光模组的光轴与地面的夹角，所述为所述感光元件的光轴与地面的夹角，所述结构光模组的光轴和所述感光元件的光轴均位于世界坐标系的平面yw＝0内。
7.根据权利要求5所述的方法，其特征在于，所述根据所述结构光模组的结构光参数，确定所述第一结构光区域中像素点对应的地面高度的步骤，包括：
根据预先确定的像素点与地面高度的对应关系，确定所述第一结构光区域中像素点对应的地面高度；所述对应关系为：根据所述结构光模组的结构光参数确定。
8.根据权利要求1所述的方法，其特征在于，所述根据预设的结构光像素特征，检测所述地面图像中的第一结构光区域的步骤，包括：
检测所述地面图像中具有预设的结构光像素特征的像素点；
将左右连续的所述像素点连成线段，将上下相邻的所述线段连成区域，作为第一结构光区域。
9.根据权利要求1所述的方法，其特征在于，所述根据预设的结构光像素特征，检测所述地面图像中的第一结构光区域的步骤，包括：
根据预设的结构光像素特征，在所述地面图像中的预设检测范围内检测第一结构光区域；所述预设检测范围为：以所述移动机器人运动方向上的预设距离为高度，以所述移动机器人的宽度为宽度所构成的地面区域；或者，
所述根据所述结构光模组的结构光参数、预设高度阈值以及所述第一结构光区域，确定所述移动机器人运动方向地面上是否存在障碍物的步骤，包括：
根据所述结构光模组的结构光参数、预设高度阈值以及预设检测范围内的所述第一结构光区域，确定所述移动机器人运动方向地面上是否存在障碍物。
10.根据权利要求1～9任一项所述的方法，其特征在于，在确定所述移动机器人运动方向地面上是否存在障碍物之前，所述方法还包括：
判断所述第一结构光区域与预设结构光区域的位置是否相同，如果是，则确定所述移动机器人运动方向地面上不存在障碍物；如果否，则执行所述确定所述移动机器人运动方向地面上是否存在障碍物的步骤；所述预设结构光区域为：当所述移动机器人运动方向地面上不存在障碍物时所述结构光在地面图像中的位置。
11.一种移动机器人，其特征在于，包括：处理器、存储器以及结构光模组和摄像头模组；所述结构光模组发射的结构光在所述移动机器人运动方向地面上的照射区处于所述摄像头模组的图像采集范围内；
所述摄像头模组，用于采集所述移动机器人运动方向的地面图像，并将所述地面图像存储至所述存储器；
所述处理器，用于获取所述存储器中的地面图像；根据预设的结构光像素特征，检测所述地面图像中的第一结构光区域；根据所述结构光模组的结构光参数、预设高度阈值以及所述第一结构光区域，确定所述移动机器人运动方向地面上是否存在障碍物；其中，所述预设高度阈值为：所述移动机器人的底盘与地面之间的高度。
12.根据权利要求11所述的移动机器人，其特征在于，所述处理器，具体用于：
根据所述第一结构光区域和预先确定的警戒线，确定所述移动机器人运动方向地面上是否存在障碍物；其中，所述警戒线为：根据所述结构光模组的结构光参数和预设高度阈值确定。
13.根据权利要求12所述的移动机器人，其特征在于，所述处理器，具体用于：
当所述摄像头模组位于所述结构光模组上方时，判断所述第一结构光区域是否位于预先确定的警戒线下方，如果是，则确定所述移动机器人运动方向地面上存在障碍物；
当所述摄像头模组位于所述结构光模组上方时，判断所述第一结构光区域是否位于预先确定的警戒线上方，如果是，则确定所述移动机器人运动方向地面上存在障碍物。
14.根据权利要求12所述的移动机器人，其特征在于，所述处理器，还用于联立求解以下方程的解(u,v)，将解(u,v)中的v确定为所述警戒线在地面图像中的纵坐标：
zw＝h0
其中，
所述xw,yw,zw为世界坐标系中的三个坐标轴，所述世界坐标系的原点为所述移动机器人的中心在地面上的投影点，所述h0为所述预设高度阈值，所述fu和fv分别为所述感光元件在地面图像的u轴和v轴方向上的等效焦距，所述cu和cv是所述摄像头模组的感光元件的光轴在地面图像中的投影中心的坐标，所述d1和h1分别为所述结构光模组的结构光发射点在世界坐标系下的xw轴坐标和zw轴坐标，所述θ为所述结构光模组的光轴与地面的夹角，所述为所述感光元件的光轴与地面的夹角，所述结构光模组的光轴和所述感光元件的光轴均位于世界坐标系的平面yw＝0内。
15.根据权利要求11所述的移动机器人，其特征在于，所述处理器，具体用于：
根据所述结构光模组的结构光参数，确定所述第一结构光区域中像素点对应的地面高度，所述地面高度为像素点对应的空间物体上的点距离地面的高度；
根据确定的所述第一结构光区域中像素点对应的地面高度，确定所述第一结构光区域对应的地面高度；
判断所述地面高度是否大于预设高度阈值；
如果是，则确定所述移动机器人运动方向地面上存在障碍物。
16.根据权利要求15所述的移动机器人，其特征在于，所述处理器，具体用于：
联立求解以下方程的解(xw,yw,zw)，将解(xw,yw,zw)中的zw确定为所述第一结构光区域中像素点(u，v)对应的地面高度：
其中，
所述xw,yw,zw为世界坐标系中的三个坐标轴，所述世界坐标系的原点为所述移动机器人的中心在地面上的投影点，所述fu和fv分别为所述感光元件在地面图像的u轴和v轴方向上的等效焦距，所述cu和cv是所述摄像头模组的感光元件的光轴在地面图像中的投影中心的坐标，所述d1和h1分别为所述结构光模组的结构光发射点在世界坐标系下的xw轴坐标和zw轴坐标，所述θ为所述结构光模组的光轴与地面的夹角，所述为所述感光元件的光轴与地面的夹角，所述结构光模组的光轴和所述感光元件的光轴均位于世界坐标系的平面yw＝0内。
17.根据权利要求15所述的移动机器人，其特征在于，所述处理器，具体用于：
根据预先确定的像素点与地面高度的对应关系，确定所述第一结构光区域中像素点对应的地面高度；所述对应关系为：根据所述结构光模组的结构光参数确定。
18.根据权利要求11所述的移动机器人，其特征在于，所述处理器，具体用于：
检测所述地面图像中具有预设的结构光像素特征的像素点；将左右连续的所述像素点连成线段，将上下相邻的所述线段连成区域，作为第一结构光区域。
19.根据权利要求11所述的移动机器人，其特征在于，所述处理器，具体用于：
根据预设的结构光像素特征，在所述地面图像中的预设检测范围内检测第一结构光区域；所述预设检测范围为：以所述移动机器人运动方向上的预设距离为高度，以所述移动机器人的宽度为宽度所构成的地面区域；或者，
所述处理器，具体用于：
根据所述结构光模组的结构光参数、预设高度阈值以及预设检测范围内的所述第一结构光区域，确定所述移动机器人运动方向地面上是否存在障碍物。
20.根据权利要求11～19任一项所述的移动机器人，其特征在于，所述处理器，还用于：
在确定所述移动机器人运动方向地面上是否存在障碍物之前，判断所述第一结构光区域与预设结构光区域的位置是否相同，如果是，则确定所述移动机器人运动方向地面上不存在障碍物；如果否，则确定所述移动机器人运动方向地面上是否存在障碍物；所述预设结构光区域为：当所述移动机器人运动方向地面上不存在障碍物时所述结构光在地面图像中的位置。
21.一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内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-10任一所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711230494.2A CN109839628A (zh) | 2017-11-29 | 2017-11-29 | 一种障碍物确定方法及移动机器人 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711230494.2A CN109839628A (zh) | 2017-11-29 | 2017-11-29 | 一种障碍物确定方法及移动机器人 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109839628A true CN109839628A (zh) | 2019-06-04 |
Family
ID=66882439
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711230494.2A Pending CN109839628A (zh) | 2017-11-29 | 2017-11-29 | 一种障碍物确定方法及移动机器人 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109839628A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110960138A (zh) * | 2019-12-30 | 2020-04-07 | 科沃斯机器人股份有限公司 | 结构光模组及自主移动设备 |
| CN111489362A (zh) * | 2020-04-03 | 2020-08-04 | 小狗电器互联网科技（北京）股份有限公司 | 一种空间划分方法、装置、可读介质及电子设备 |
| CN111562567A (zh) * | 2020-05-11 | 2020-08-21 | 北京驭光科技发展有限公司 | 移动装置的障碍物侦测系统、移动装置及扫地机器人 |
| CN111666876A (zh) * | 2020-06-05 | 2020-09-15 | 北京百度网讯科技有限公司 | 用于检测障碍物的方法、装置、电子设备和路侧设备 |
| CN117032237A (zh) * | 2023-08-16 | 2023-11-10 | 淮安永道智能科技有限公司 | 一种全向底盘通用运动控制方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102636152A (zh) * | 2012-04-19 | 2012-08-15 | 刘瑜 | 可移动平台的主动视觉测距系统 |
| JP2014106200A (ja) * | 2012-11-29 | 2014-06-09 | Toyota Motor Corp | 周辺監視装置及び駐車支援装置 |
| CN104570147A (zh) * | 2014-12-26 | 2015-04-29 | 北京控制工程研究所 | 一种基于单目相机和主动结构光的障碍探测方法 |
| CN104964672A (zh) * | 2015-06-29 | 2015-10-07 | 济南大学 | 一种基于线结构光的远距离障碍感知传感器 |
| CN105286729A (zh) * | 2015-09-25 | 2016-02-03 | 江苏美的清洁电器股份有限公司 | 扫地机器人 |
| CN106828304A (zh) * | 2015-12-07 | 2017-06-13 | 财团法人金属工业研究发展中心 | 运用结构光感测障碍的倒车警示方法 |
-
2017
- 2017-11-29 CN CN201711230494.2A patent/CN109839628A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102636152A (zh) * | 2012-04-19 | 2012-08-15 | 刘瑜 | 可移动平台的主动视觉测距系统 |
| JP2014106200A (ja) * | 2012-11-29 | 2014-06-09 | Toyota Motor Corp | 周辺監視装置及び駐車支援装置 |
| CN104570147A (zh) * | 2014-12-26 | 2015-04-29 | 北京控制工程研究所 | 一种基于单目相机和主动结构光的障碍探测方法 |
| CN104964672A (zh) * | 2015-06-29 | 2015-10-07 | 济南大学 | 一种基于线结构光的远距离障碍感知传感器 |
| CN105286729A (zh) * | 2015-09-25 | 2016-02-03 | 江苏美的清洁电器股份有限公司 | 扫地机器人 |
| CN106828304A (zh) * | 2015-12-07 | 2017-06-13 | 财团法人金属工业研究发展中心 | 运用结构光感测障碍的倒车警示方法 |
Non-Patent Citations (1)
| Title |
|---|
| BOYU WEI等: "Indoor Mobile Robot Obstacle Detection Based on Linear Structured Light Vision System", 《2008 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND BIOMIMETICS》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110960138A (zh) * | 2019-12-30 | 2020-04-07 | 科沃斯机器人股份有限公司 | 结构光模组及自主移动设备 |
| CN111489362A (zh) * | 2020-04-03 | 2020-08-04 | 小狗电器互联网科技（北京）股份有限公司 | 一种空间划分方法、装置、可读介质及电子设备 |
| CN111489362B (zh) * | 2020-04-03 | 2023-12-05 | 北京小狗吸尘器集团股份有限公司 | 一种空间划分方法、装置、可读介质及电子设备 |
| CN111562567A (zh) * | 2020-05-11 | 2020-08-21 | 北京驭光科技发展有限公司 | 移动装置的障碍物侦测系统、移动装置及扫地机器人 |
| WO2021228048A1 (zh) * | 2020-05-11 | 2021-11-18 | 北京驭光科技发展有限公司 | 移动装置的障碍物侦测系统、移动装置及扫地机器人 |
| US11776152B2 (en) | 2020-05-11 | 2023-10-03 | Jiaxing Uphoton Optoelectronics Technology Co., Ltd. | Mobile apparatus obstacle detection system, mobile apparatus, and ground-sweeping robot |
| CN111666876A (zh) * | 2020-06-05 | 2020-09-15 | 北京百度网讯科技有限公司 | 用于检测障碍物的方法、装置、电子设备和路侧设备 |
| CN111666876B (zh) * | 2020-06-05 | 2023-06-09 | 阿波罗智联(北京)科技有限公司 | 用于检测障碍物的方法、装置、电子设备和路侧设备 |
| CN117032237A (zh) * | 2023-08-16 | 2023-11-10 | 淮安永道智能科技有限公司 | 一种全向底盘通用运动控制方法 |
| CN117032237B (zh) * | 2023-08-16 | 2024-04-12 | 淮安永道智能科技有限公司 | 一种全向底盘通用运动控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109839628A (zh) | 一种障碍物确定方法及移动机器人 | |
| US11367276B2 (en) | Target detection method and apparatus | |
| US9529087B2 (en) | Curb detection using lidar with sparse measurements | |
| JP6528447B2 (ja) | 視差演算システム及び距離測定装置 | |
| US20230270309A1 (en) | Linear laser beam-based method and device for obstacle avoidance | |
| US20060115113A1 (en) | Method for the recognition and tracking of objects | |
| US10346995B1 (en) | Remote distance estimation system and method | |
| CN110069990B (zh) | 一种限高杆检测方法、装置以及自动驾驶系统 | |
| CN113110451B (zh) | 一种深度相机与单线激光雷达融合的移动机器人避障方法 | |
| JP7273956B2 (ja) | 車両の周囲でのオブジェクトに関する情報を算出する方法及び処理ユニット | |
| US11776152B2 (en) | Mobile apparatus obstacle detection system, mobile apparatus, and ground-sweeping robot | |
| Nienaber et al. | A comparison of low-cost monocular vision techniques for pothole distance estimation | |
| Perrollaz et al. | Using the disparity space to compute occupancy grids from stereo-vision | |
| CN109143167B (zh) | 一种障碍信息获取装置及方法 | |
| CN111699410A (zh) | 点云的处理方法、设备和计算机可读存储介质 | |
| CN109886064A (zh) | 确定可驾驶空间的边界的方法 | |
| JP2006012178A (ja) | 駐車車両検知方法及び駐車車両検知システム | |
| CN115047471A (zh) | 确定激光雷达点云分层的方法、装置、设备及存储介质 | |
| KR20220146617A (ko) | 라이다 측정에서 블루밍을 검출하는 방법 및 장치 | |
| JP7226565B2 (ja) | 物体認識方法、及び、物体認識装置 | |
| CN117148832A (zh) | 一种基于多深度相机的移动机器人避障方法 | |
| WO2017022079A1 (ja) | 段差検出装置及び段差検出方法 | |
| US20230009071A1 (en) | Control method for light sources of vision machine, and vision machine | |
| CN113925389A (zh) | 目标物体的识别方法、装置及机器人 | |
| CN113393423A (zh) | 一种基于点云的悬崖检测方法、装置及移动机器人 |
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: 20190604 |