CN110135278B - 一种障碍物检测方法、装置及电子设备 - Google Patents
一种障碍物检测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN110135278B CN110135278B CN201910329663.0A CN201910329663A CN110135278B CN 110135278 B CN110135278 B CN 110135278B CN 201910329663 A CN201910329663 A CN 201910329663A CN 110135278 B CN110135278 B CN 110135278B
- Authority
- CN
- China
- Prior art keywords
- preset
- grid
- target
- obstacle
- points
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Abstract
本发明公开了一种障碍物检测方法、装置及电子设备,其中障碍物检测方法包括:基于目标区域的深度数据确定所述目标区域的三维空间点集;将所述三维空间点集映射到所述目标区域对应的目标平面区域,得到所述目标平面区域的平面点集;所述目标平面区域包括多个预设网格;根据每个预设网格包括的平面点集中的平面点,确定所述多个预设网格的网格类型;根据所述网格类型为第一网格类型的预设网格中的平面点生成障碍物点集,得到障碍物信息。本发明降低了由于深度数据中的噪声带来的障碍物的误检概率,提高了对障碍物检测的准确性。
Description
技术领域
本发明涉及智能设备技术领域,特别涉及一种障碍物检测方法、装置及电子设备。
背景技术
对于可自行移动的智能设备如机器人来说,准确的感知障碍物以躲避障碍物是保证其不发生意外碰撞的重要功能。
目前,机器人检测障碍物的一种方法是通过安装在机器人上的深度摄像头采集待检测区域的深度图像,分析处理该深度图像以得到待检测区域中的障碍物信息。由于深度摄像头采集的深度图像中常常包含较多的噪声,现有技术在根据深度图像确定障碍物时容易在没有障碍物的区域标记障碍物,导致障碍物的误检,使得机器人感知障碍物的准确性低。
发明内容
为了解决现有技术的问题,本发明实施例提供了一种障碍物检测方法、装置及电子设备。所述技术方案如下:
一方面,提供了一种障碍物检测方法,所述方法包括:
基于目标区域的深度数据确定所述目标区域的三维空间点集;
将所述三维空间点集映射到所述目标区域对应的目标平面区域,得到所述目标平面区域的平面点集;所述目标平面区域包括多个预设网格;
根据每个预设网格包括的平面点集中的平面点,确定所述多个预设网格的网格类型;
根据所述网格类型为第一网格类型的预设网格中的平面点生成障碍物点集,得到障碍物信息。
另一方面,提供了一种障碍物检测装置,所述装置包括:
第一确定模块,用于基于目标区域的深度数据确定所述目标区域的三维空间点集;
映射模块,用于将所述三维空间点集映射到所述目标区域对应的目标平面区域,得到所述目标平面区域的平面点集;所述目标平面区域包括多个预设网格;
第二确定模块,用于根据每个预设网格包括的平面点集中的平面点,确定所述多个预设网格的网格类型;
生成模块,用于根据所述网格类型为第一网格类型的预设网格中的平面点生成障碍物点集,得到障碍物信息。
可选的,所述生成模块包括:
均值点确定模块,用于根据每个第一网格类型的预设网格中平面点的坐标,确定对应第一网格类型的预设网格的均值点;
生成子模块,用于根据所述第一网格类型的预设网格的均值点生成障碍物点集,得到障碍物信息。
可选的,所述第二确定模块包括:
第一获取模块,用于获取每个预设网格包括的平面点集中平面点的点数量;
网格类型确定模块,用于根据所述点数量,确定所述多个预设网格的网格类型。
可选的,所述网格类型确定模块包括:
第一网格类型确定模块,用于将所述点数量超过第一数量阈值的预设网格,确定为第一网格类型;
第二网格类型确定模块,用于将所述点数量超过第二数量阈值且不超过所述第一数量阈值的预设网格,确定为第二网格类型;
第三网格类型确定模块,用于将所述点数量不超过所述第二数量阈值的预设网格,确定为第三网格类型;
其中,所述第一数量阈值大于所述第二数量阈值。
在一些实施例中,所述装置还包括:
第三确定模块,用于确定所述目标平面区域中位于探测范围内的探测预设网格;
第四确定模块,用于确定所述探测预设网格中,网格类型为第一网格类型和第二网格类型的目标预设网格;
第五确定模块,用于根据探测点和所述目标预设网格,确定所述探测预设网格中的遮挡预设网格;
第六确定模块,用于将所述探测预设网格中除所述目标预设网格和遮挡预设网格之外的预设网格确定为无障碍物区域;
删除模块,用于确定所述无障碍物区域中的历史障碍物信息,并删除所述历史障碍物信息。
可选的,所述第五确定模块包括:
第七确定模块,用于确定从所述探测点出发且经过所述目标预设网格边缘的连接线;
第八确定模块,用于确定所述探测预设网格中位于所述连接线范围内的子探测预设网格;
第九确定模块,用于将所述目标预设网格背离所述探测点一侧的子探测预设网格确定为遮挡预设网格。
可选的,所述第一确定模块包括:
第二获取模块,用于获取所述目标区域的深度数据;
预处理模块,用于对所述深度数据进行预处理;
第一确定子模块,用于基于预处理后的深度数据确定所述目标区域的三维空间点集。
可选的,所述映射模块包括:
变换模块,用于将所述三维空间点集从对应的相机坐标系变换为世界坐标系,得到变换后的三维空间点集;
映射子模块,用于将变换后的所述三维空间点集映射到所述目标平面区域,得到所述目标平面区域的平面点集。
另一方面,提供了一种电子设备,包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述障碍物检测方法。
本发明实施例提供的技术方案带来的有益效果是:
本发明实施例通过目标区域的深度数据确定该目标区域的三维空间点集,并将该三维空间点集映射到目标区域对应的、包括多个预设网格的目标平面区域,得到该目标平面区域的平面点集,然后根据每个预设网格包括的平面点集中的平面点,确定多个预设网格的网格类型,并根据网格类型为第一网格类型的预设网格中的平面点生成障碍物点集,得到障碍物信息,从而对平面点集进行了较严格的滤波,降低了由于深度数据中的噪声带来的障碍物的误检概率,提高了对障碍物检测的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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是本发明实施例提供的一种应用场景的示意图;
图2是本发明实施例提供的一种障碍物检测方法的流程示意图;
图3a是本发明实施例提供的目标平面区域的一种示意图;
图3b是本发明实施例提供的映射有平面点集的目标平面区域的一种示意图;
图4是本发明实施例提供的另一种障碍物检测方法的流程示意图;
图5是本发明实施例提供的映射有平面点集的目标平面区域的俯视示意图;
图6是本发明实施例提供的根据探测点和所述目标预设网格确定所述探测预设网格中的遮挡预设网格的一种方法流程示意图;
图7是本发明实施例提供的一种障碍物检测装置的结构示意图;
图8是本发明实施例提供的生成模块的一种结构示意图;
图9是本发明实施例提供的第二确定模块的一种结构示意图;
图10是本发明实施例提供的另一种障碍物检测装置的结构示意图;
图11是本发明实施例提供的第五确定模块的一种结构示意图;
图12是本发明实施例提供的第一确定模块的一种结构示意图;
图13是本发明实施例提供的映射模块的一种结构示意图;
图14是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
请参阅图1,其所示为本发明实施例提供的一种应用场景的示意图,该应用场景中机器人100能够对周围环境中的障碍物进行检测。如图1中所示,机器人100上可以安装具有深度检测功能的传感器110,如深度相机,该深度相机可以但不限于安装在机器人100的前方,以用于采集其前进方向上的深度图像。机器人100还可以包括控制器120、本发明实施例的障碍物检测装置130以及电机和转动轮140,通过本发明实施例的障碍物检测装置130准确获取障碍物信息后,控制器120可以根据该障碍物信息来对电机进行运动控制,以控制各转动轮140的转动,从而实现避开障碍物。需要说明的是,本发明实施例的障碍物检测装置可以如图1所示安装于机器人100上,也可以是一个独立的设备,能够与机器人100进行通信。
其中,机器人100可以是但不限于室内移动机器人,例如会议室的自动座椅、配送机器人等。一个具体的应用场景可以是当自动座椅的位置错乱后,自动座椅可以自动进行归位整理。另一个具体的应用场景可以是酒店的配送机器人从仓库取货之后再配送到客房。
请参阅图2,其所示为本发明实施例提供的一种障碍物检测方法的流程示意图,需要说明的是,本说明书提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的系统或产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的,如图2所示,所述方法包括:
S201,基于目标区域的深度数据确定所述目标区域的三维空间点集。
在本说明书实施例中,可以在机器人上安装深度传感器,通过深度传感器采集目标区域的深度数据,该深度数据包括深度传感器到目标区域中点的距离/深度。其中,深度传感器可以包括但不限于TOF或结构光等深度相机、双目摄像头、单目摄像头、激光雷达等。其中,目标区域可以是室内区域。
应理解的,目标区域的深度数据可以是单个深度传感器采集的数据,也可以是多个深度传感器共同采集的数据,该多个深度传感器可以设置在机器人的不同方位,从而可以获取到目标区域中多个方位的深度数据。
具体的,在基于目标区域的深度数据确定所述目标区域的三维空间点集时,可以获取目标区域的深度数据,对该深度数据进行预处理,然后基于预处理后的深度数据确定目标区域的三维空间点集。其中,预处理可以包括但不限于滤波处理、补洞处理等。通过预处理提高了三维空间点集中三维空间点的准确性,进而有利于提高最终障碍物检测的准确性。
实际应用中,可以根据深度相机的相机内参和深度数据计算深度图像中所有像素点在相机坐标系中的实际位置(xc,yc,zc)以得到三维空间点集,其中,xc表示像素点对应实际物体点到相机中心的横向距离,yc表示像素点对应实际物体点到相机中心的纵向距离,zc表示像素点对应实际物体点到相机中心的深度距离。
S203,将所述三维空间点集映射到所述目标区域对应的目标平面区域,得到所述目标平面区域的平面点集;所述目标平面区域包括多个预设网格。
在一些实施例中,步骤S201得到的三维空间点集中各点的信息是基于相机坐标系的,因此,在将所述三维空间点集映射到所述目标区域对应的目标平面区域,得到所述目标平面区域的平面点集时,需要将三维空间点集从对应的相机坐标系变为世界坐标系,从而得到变换后的三维空间点集,然后将变换后的三维空间点集映射到目标平面区域,以得到目标平面区域的平面点集。
在本说明书实施例中,所述目标平面区域包括多个预设网格,其中,目标平面区域包括机器人当前所在平面上的指定区域,例如,机器人当前在地面上,则目标平面区域可以是地面上的指定区域。其中,指定区域包括深度传感器的探测范围。实际应用中,目标平面区域的形状和大小可以结合深度传感器的探测范围以及实际需求进行设定,例如,目标平面区域可以为3mx3m的矩形区域。
在一些实施例中,在将所述三维空间点集映射到目标区域对应的目标平面区域得到该目标平面区域的平面点集时,可以先确定目标区域对应的目标平面区域,将三维空间点集映射到该目标平面区域,然后将映射后的目标平面区域划分为多个预设网格,从而得到该目标平面区域的平面点集。
在另一些实施例中,在将所述三维空间点集映射到目标区域对应的目标平面区域得到该目标平面区域的平面点集时,可以先确定目标区域对应的目标平面区域,将该目标平面区域划分为多个预设网格,然后将三维空间点集映射到包括多个预设网格的目标平面区域,从而得到该目标平面区域的平面点集。
以机器人上安装的深度传感器为用于采集前进方向上的深度图像的深度相机为例,目标平面区域可以是机器人前进方向的前方地面上指定的一个矩形区域,如图3a所示的地面上的矩形区域310,深度相机在该矩形区域内的探测范围为深度相机水平探测范围所包括的区域。该矩形区域可以划分为多个预设网格,每个预设网格的尺寸可以相同也可以不同,优选的,可以按照预设尺寸将该矩形区域划分为多个相同尺寸的预设网格,其中,预设尺寸可以根据实际需要进行设定,例如,预设尺寸设定为0.02mx0.02m,即划分后每个预设网格的尺寸大小均为0.02mx0.02m。在本说明书实施例中,将目标平面区域的平面点集中落在各个预设网格内的点归属到相应的预设网格,如图3b所示的平面点集320。
S205,根据每个预设网格包括的平面点集中的平面点,确定所述多个预设网格的网格类型。
本说明书实施例中,在根据每个预设网格包括的平面点集中的平面点确定所述多个预设网格的网格类型时,可以获取每个预设网格包括的平面点集中平面点的点数量,根据该点数量确定所述多个预设网格的网格类型。
具体的,可以将点数量超过第一数量阈值的预设网格确定为第一网格类型;将点数量超过第二数量阈值且不超过第一数量阈值的预设网格确定为第二网格类型;将点数量不超过第二数量阈值的预设网格,确定为第三网格类型,其中,第一数量阈值大于第二数量阈值,如以下公式(1)所示。
其中,nij表示目标平面区域中第i行,第j列的预设网格所包括的平面点集中平面点的点数量;Lij表示目标平面区域中第i行,第j列的预设网格的网格类型;NO表示第一数量阈值,NG表示第二数量阈值。
可见,第一网格类型的预设网格为包括较多平面点的网格,即其该类网格中的平面点是障碍物的可能性很大,可以称之为显著障碍物网格。第二网格类型的预设网格包括的平面点的数量相对于第一网格类型的预设网格来说较少,即该类网格中的平面点是障碍物的可能性相对小一点,可以称之为一般障碍物网格。第三网格类型的预设网格中的平面点的数量最少,即这些平面点为噪声所产生的可能性很大。
其中,NO可以通过历史真实障碍物对应的网格中点数量的最小值或者平均值来确定。NG可以通过历史真实无障碍物的网格中点数量的最大值或者平均值来确定。当然,实际应用中,第一数量阈值NO和第二数量阈值NG还可以结合实际应用中的效果进行微调。
S207,根据所述网格类型为第一网格类型的预设网格中的平面点生成障碍物点集,得到障碍物信息。
由于深度数据中噪声所产生的nij通常较小,远小于第一数量阈值NO,因此,根据第一网格类型的预设网格中的平面点生成障碍物点集,从而得到障碍物信息,可以有效的去除深度数据中噪声所带来的错误点,进而提高了对障碍物检测的准确性。
具体的,在根据所述网格类型为第一网格类型的预设网格中的平面点生成障碍物点集时,可以根据每个第一网格类型的预设网格中平面点的坐标,确定对应第一网格类型的预设网格的均值点,并根据第一网格类型的预设网格的均值点生成障碍物点集,以得到障碍物信息。
本发明实施例通过第一网格类型的预设网格的均值点生成障碍物点集可以去除处于同一平面但高度不一致的重复点,使得障碍物点集稀疏,有利于减少后续对障碍物点集处理的计算量,使得机器人能够更加快速的完成障碍物的检测,加快响应速度。
由本发明实施例的上述技术方案可见,本发明实施例通过目标区域的深度数据确定该目标区域的三维空间点集,并将该三维空间点集映射到目标区域对应的、包括多个预设网格的目标平面区域,得到该目标平面区域的平面点集,然后根据每个预设网格包括的平面点集中的平面点,确定多个预设网格的网格类型,并根据网格类型为第一网格类型的预设网格中的平面点生成障碍物点集,得到障碍物信息,从而对平面点集进行了较严格的滤波,减小了由于深度数据中的噪声带来的障碍物的误检概率,提高了对障碍物检测的准确性。
实际应用中,机器人在障碍物检测过程中还会对当前确定为无障碍物区域中的历史障碍物信息进行清除,以更新对于障碍物的标记,现有技术中在进行障碍物清除时由于确定的无障碍物区域不准确,常常存在将不该清除的历史障碍物错误的清除掉的问题。
鉴于此,本说明书实施例在根据所述网格类型为第一网格类型的预设网格中的平面点生成障碍物点集,得到障碍物信息之后,还可以包括如图4所示的步骤。
S401,确定所述目标平面区域中位于探测范围内的探测预设网格。
其中,目标平面区域中的探测范围为深度传感器水平探测范围所包括的区域。如图5所示的俯视图中,由线段1、线段2、线段3、线段4、线段5和线段6围成的区域中的预设网格即为目标平面区域中位于探测范围内的探测预设网格。其中,图5中的X轴为机器人的前进方向,Y轴垂直于前进方向,X轴和Y轴与目标平面区域位于同一平面。
需要说明的是,对于探测范围边界上的预设网格即该预设网格的一部分位于探测范围内,另一部分位于探测范围之外,在确定这类预设网格是否为探测预设网格时,可以分别获取预设网格位于探测范围内的部分的第一面积,以及位于探测范围外的部分的第二面积,若第一面积与第二面积的比值超过预设阈值,则将该预设网格确定为探测预设网格。其中,预设阈值可以根据实际需要进行设定,例如,可以将预设阈值设定为0.5或者0.7等。
S403,确定所述探测预设网格中,网格类型为第一网格类型和第二网格类型的目标预设网格。
S405,根据探测点和所述目标预设网格,确定所述探测预设网格中的遮挡预设网格。
其中,探测点为深度传感器原点在目标平面的投影点。具体的,所述根据探测点和所述目标预设网格,确定所述探测预设网格中的遮挡预设网格可以采用图6所示的方法,该方法可以包括:
S601,确定从所述探测点出发且经过所述目标预设网格边缘的连接线。
在本说明书实施例中,可以从探测点出发绘制经过目标预设网格边缘的连接线,该连接线延伸至目标平面区域的边。如图5中所示的连接线a和连接线b。
S603,确定所述探测预设网格中位于所述连接线范围内的子探测预设网格。
如图5所示,子探测预设网格包括两部分,分别为探测点与目标预设网格之间的子探测预设网格A和目标预设网格背离探测点一侧的子探测预设网格B。
需要说明的是,对于位于连接线范围边界的探测预设网格的处理方式可以采取如前述位于探测范围边界的预设网格的类似处理方式,即可以分别获取边界上探测预设网格位于连接线范围内的部分的第三面积,以及位于连接线范围外的部分的第四面积,若第三面积与第四面积的比值超过预设阈值,则将该预设网格确定为子探测预设网格。其中,预设阈值可以根据实际需要进行设定,例如,可以将预设阈值设定为0.5或者0.7等。
S605,将所述目标预设网格背离所述探测点一侧的子探测预设网格确定为遮挡预设网格。
如图5所示,将目标预设网格背离探测点一侧的子探测预设网格B确定为遮挡预设网格。
S407,将所述探测预设网格中除所述目标预设网格和遮挡预设网格之外的预设网格确定为无障碍物区域。
本说明书实施例中,将探测预设网格中除目标预设网格和遮挡预设网格之外的预设网格构成的区域确定为无障碍区域。
S409,确定所述无障碍物区域中的历史障碍物信息,并删除所述历史障碍物信息。
其中,历史障碍物信息为在当前障碍物检测之前确定的障碍物信息。具体的,可以将当前无障碍物区域与该无障碍物区域的历史状态进行比对,若该无障碍区域的历史状态中包括历史障碍物信息,则可以删除该历史障碍物信息。
由于第一网格类型的预设网格为显著障碍物网格,而第二网格类型的预设网格为一般障碍物网格,本发明实施例在确定无障碍物区域时,将第一网格类型和第二网格类型的预设网格同时考虑在内,有效的避免了对无障碍物区域的确定错误,进而避免了对历史障碍物的错误清除。
与上述几种实施例提供的障碍物检测方法相对应,本发明实施例还提供一种障碍物检测装置,由于本发明实施例提供的障碍物检测装置与上述几种实施例提供的障碍物检测方法相对应,因此前述障碍物检测方法的实施方式也适用于本实施例提供的障碍物检测装置,在本实施例中不再详细描述。
请参阅图7,其所示为本发明实施例提供的一种障碍物检测装置的结构示意图,如图7所示,该装置可以包括:第一确定模块710、映射模块720、第二确定模块730和生成模块740,其中,
第一确定模块710,用于基于目标区域的深度数据确定所述目标区域的三维空间点集;
映射模块720,用于将所述三维空间点集映射到所述目标区域对应的目标平面区域,得到所述目标平面区域的平面点集;所述目标平面区域包括多个预设网格;
第二确定模块730,用于根据每个预设网格包括的平面点集中的平面点,确定所述多个预设网格的网格类型;
生成模块740,用于根据所述网格类型为第一网格类型的预设网格中的平面点生成障碍物点集,得到障碍物信息。
可选的,如图8所示,所述生成模块740可以包括:
均值点确定模块7410,用于根据每个第一网格类型的预设网格中平面点的坐标,确定对应第一网格类型的预设网格的均值点;
生成子模块7420,用于根据所述第一网格类型的预设网格的均值点生成障碍物点集,得到障碍物信息。
可选的,如图9所示,所述第二确定模块730可以包括:
第一获取模块7310,用于获取每个预设网格包括的平面点集中平面点的点数量;
网格类型确定模块7320,用于根据所述点数量,确定所述多个预设网格的网格类型。
在一些实施例中,如图9所示,网格类型确定模块7320可以包括:
第一网格类型确定模块7321,用于将所述点数量超过第一数量阈值的预设网格,确定为第一网格类型;
第二网格类型确定模块7322,用于将所述点数量超过第二数量阈值且不超过所述第一数量阈值的预设网格,确定为第二网格类型;
第三网格类型确定模块7323,用于将所述点数量不超过所述第二数量阈值的预设网格,确定为第三网格类型;其中,所述第一数量阈值大于所述第二数量阈值。
在一些实施例中,如图10提供的另一种障碍物检测装置的结构示意图,该装置还可以包括:
第三确定模块750,用于确定所述目标平面区域中位于探测范围内的探测预设网格;
第四确定模块760,用于确定所述探测预设网格中,网格类型为第一网格类型和第二网格类型的目标预设网格;
第五确定模块770,用于根据探测点和所述目标预设网格,确定所述探测预设网格中的遮挡预设网格;
第六确定模块780,用于将所述探测预设网格中除所述目标预设网格和遮挡预设网格之外的预设网格确定为无障碍物区域;
删除模块790,用于确定所述无障碍物区域中的历史障碍物信息,并删除所述历史障碍物信息。
可选的,如图11所示,所述第五确定模块770可以包括:
第七确定模块7710,用于确定从所述探测点出发且经过所述目标预设网格边缘的连接线;
第八确定模块7720,用于确定所述探测预设网格中位于所述连接线范围内的子探测预设网格;
第九确定模块7730,用于将所述目标预设网格背离所述探测点一侧的子探测预设网格确定为遮挡预设网格。
可选的,如图12所示,第一确定模块710可以包括:
第二获取模块7110,用于获取所述目标区域的深度数据;
预处理模块7120,用于对所述深度数据进行预处理;
第一确定子模块7130,用于基于预处理后的深度数据确定所述目标区域的三维空间点集。
可选的,如图13所示,映射模块720可以包括:
变换模块7210,用于将所述三维空间点集从对应的相机坐标系变换为世界坐标系,得到变换后的三维空间点集;
映射子模块7220,用于将变换后的所述三维空间点集映射到所述目标平面区域,得到所述目标平面区域的平面点集。
需要说明的是,上述实施例提供的装置,在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
本发明实施例的障碍物检测装置对三维空间点集对应的平面点集进行了较严格的滤波,减小了由于深度数据中的噪声带来的障碍物的误检概率,提高了对障碍物检测的准确性。
此外,本发明实施例在确定无障碍物区域时,将第一网格类型和第二网格类型的预设网格同时考虑在内,有效的避免了对无障碍物区域的确定错误,进而避免了对历史障碍物的错误清除。
请参阅图14,其所示为本发明实施例提供的一种电子设备的结构示意图,该电子设备用于实施上述实施例中提供的障碍物检测方法。该电子设备可以是诸如PC(PersonalComputer,个人计算机)、手机、PDA(平板电脑)、机器人等终端设备,也可以是诸如应用服务器、集群服务器等服务设备。请参见图14,该电子设备的内部结构可包括但不限于:处理器、网络接口及存储器。其中,电子设备内的处理器、网络接口及存储器可通过总线或其他方式连接,在本说明书实施例所示图14中以通过总线连接为例。
其中,处理器(或称CPU(Central Processing Unit,中央处理器))是电子设备的计算核心以及控制核心。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI、移动通信接口等)。存储器(Memory)是电子设备中的记忆设备,用于存放程序和数据。可以理解的是,此处的存储器可以是高速RAM存储设备,也可以是非不稳定的存储设备(non-volatile memory),例如至少一个磁盘存储设备;可选的还可以是至少一个位于远离前述处理器的存储装置。存储器提供存储空间,该存储空间存储了电子设备的操作系统,可包括但不限于:Windows系统(一种操作系统),Linux(一种操作系统),Android(安卓,一种移动操作系统)系统、IOS(一种移动操作系统)系统等等,本发明对此并不作限定;并且,在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令,这些指令可以是一个或一个以上的计算机程序(包括程序代码)。在本说明书实施例中,处理器加载并执行存储器中存放的一条或一条以上指令,以实现上述方法实施例提供的障碍物检测方法。
本发明的实施例还提供了一种存储介质,所述存储介质可设置于电子设备之中以保存用于实现方法实施例中一种障碍物检测方法相关的至少一条指令、至少一段程序、代码集或指令集,该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现上述方法实施例提供的障碍物检测方法。
可选地,在本实施例中,上述存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
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”或者其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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。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、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
本说明书中的各个实施例均采用递进的方式描述,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。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,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 (9)
1.一种障碍物检测方法,其特征在于,所述方法包括:
基于目标区域的深度数据确定所述目标区域的三维空间点集;
将所述三维空间点集映射到所述目标区域对应的目标平面区域,得到所述目标平面区域的平面点集;所述目标平面区域包括多个预设网格;
获取每个预设网格包括的平面点集中平面点的点数量;
将所述点数量超过第一数量阈值的预设网格,确定为第一网格类型;将所述点数量超过第二数量阈值且不超过所述第一数量阈值的预设网格,确定为第二网格类型;将所述点数量不超过所述第二数量阈值的预设网格,确定为第三网格类型;其中,所述第一数量阈值大于所述第二数量阈值,所述第一数量阈值通过历史真实障碍物对应的网格中点数量的最小值或者平均值确定,所述第二数量阈值通过历史真实无障碍物的网格中点数量的最大值或者平均值确定;
根据所述网格类型为第一网格类型的预设网格中的平面点生成障碍物点集,得到障碍物信息。
2.根据权利要求1所述的障碍物检测方法,其特征在于,所述根据所述网格类型为第一网格类型的预设网格中的平面点生成障碍物点集,得到障碍物信息包括:
根据每个第一网格类型的预设网格中平面点的坐标,确定对应第一网格类型的预设网格的均值点;
根据所述第一网格类型的预设网格的均值点生成障碍物点集,得到障碍物信息。
3.根据权利要求1所述的障碍物检测方法,其特征在于,在根据所述网格类型为第一网格类型的预设网格中的平面点生成障碍物点集,得到障碍物信息之后,所述方法还包括:
确定所述目标平面区域中位于探测范围内的探测预设网格;
确定所述探测预设网格中,网格类型为第一网格类型和第二网格类型的目标预设网格;
根据探测点和所述目标预设网格,确定所述探测预设网格中的遮挡预设网格;
将所述探测预设网格中除所述目标预设网格和遮挡预设网格之外的预设网格确定为无障碍物区域;
确定所述无障碍物区域中的历史障碍物信息,并删除所述历史障碍物信息。
4.根据权利要求3所述的障碍物检测方法,其特征在于,所述根据探测点和所述目标预设网格,确定所述探测预设网格中的遮挡预设网格包括:
确定从所述探测点出发且经过所述目标预设网格边缘的连接线;
确定所述探测预设网格中位于所述连接线范围内的子探测预设网格;
将所述目标预设网格背离所述探测点一侧的子探测预设网格确定为遮挡预设网格。
5.根据权利要求1所述的障碍物检测方法,其特征在于,所述基于目标区域的深度数据确定所述目标区域的三维空间点集包括:
获取所述目标区域的深度数据;
对所述深度数据进行预处理;
基于预处理后的深度数据确定所述目标区域的三维空间点集。
6.根据权利要求1所述的障碍物检测方法,其特征在于,所述将所述三维空间点集映射到所述目标区域对应的目标平面区域,得到所述目标平面区域的平面点集包括:
将所述三维空间点集从对应的相机坐标系变换为世界坐标系,得到变换后的三维空间点集;
将变换后的所述三维空间点集映射到所述目标平面区域,得到所述目标平面区域的平面点集。
7.一种障碍物检测装置,其特征在于,所述装置包括:
第一确定模块,用于基于目标区域的深度数据确定所述目标区域的三维空间点集;
映射模块,用于将所述三维空间点集映射到所述目标区域对应的目标平面区域,得到所述目标平面区域的平面点集;所述目标平面区域包括多个预设网格;
第二确定模块,用于获取每个预设网格包括的平面点集中平面点的点数量;将所述点数量超过第一数量阈值的预设网格,确定为第一网格类型;将所述点数量超过第二数量阈值且不超过所述第一数量阈值的预设网格,确定为第二网格类型;将所述点数量不超过所述第二数量阈值的预设网格,确定为第三网格类型;其中,所述第一数量阈值大于所述第二数量阈值,所述第一数量阈值通过历史真实障碍物对应的网格中点数量的最小值或者平均值确定,所述第二数量阈值通过历史真实无障碍物的网格中点数量的最大值或者平均值确定;
生成模块,用于根据所述网格类型为第一网格类型的预设网格中的平面点生成障碍物点集,得到障碍物信息。
8.一种电子设备,其特征在于,处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1-6任一项所述的障碍物检测方法。
9.一种存储介质,其特征在于,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1-6任一项所述的障碍物检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910329663.0A CN110135278B (zh) | 2019-04-23 | 2019-04-23 | 一种障碍物检测方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910329663.0A CN110135278B (zh) | 2019-04-23 | 2019-04-23 | 一种障碍物检测方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110135278A CN110135278A (zh) | 2019-08-16 |
CN110135278B true CN110135278B (zh) | 2023-05-12 |
Family
ID=67570886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910329663.0A Active CN110135278B (zh) | 2019-04-23 | 2019-04-23 | 一种障碍物检测方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110135278B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111220988B (zh) * | 2020-01-07 | 2023-07-14 | 上海钛米机器人科技有限公司 | 一种地图数据处理方法、装置、设备和介质 |
US11741620B1 (en) * | 2020-01-24 | 2023-08-29 | Apple Inc. | Plane detection using depth sensor and semantic information |
CN112084854B (zh) * | 2020-08-04 | 2023-12-01 | 深圳市优必选科技股份有限公司 | 一种障碍物检测方法、障碍物检测装置及机器人 |
CN112052847B (zh) * | 2020-08-17 | 2024-03-26 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
CN112605999B (zh) * | 2020-12-22 | 2022-01-18 | 杭州北冥星眸科技有限公司 | 基于红外线深度摄像头技术的机器人障碍检测方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101419667A (zh) * | 2008-12-15 | 2009-04-29 | 东软集团股份有限公司 | 识别图像中障碍物的方法和装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4233723B2 (ja) * | 2000-02-28 | 2009-03-04 | 本田技研工業株式会社 | 障害物検出装置、障害物検出方法、及び障害物検出プログラムを記録した記録媒体 |
US8918209B2 (en) * | 2010-05-20 | 2014-12-23 | Irobot Corporation | Mobile human interface robot |
US9910442B2 (en) * | 2016-06-28 | 2018-03-06 | Toyota Motor Engineering & Manufacturing North America, Inc. | Occluded area detection with static obstacle maps |
CN106951847B (zh) * | 2017-03-13 | 2020-09-29 | 百度在线网络技术(北京)有限公司 | 障碍物检测方法、装置、设备及存储介质 |
CN108629231B (zh) * | 2017-03-16 | 2021-01-22 | 百度在线网络技术(北京)有限公司 | 障碍物检测方法、装置、设备及存储介质 |
CN109141364B (zh) * | 2018-08-01 | 2020-11-03 | 北京进化者机器人科技有限公司 | 障碍物检测方法、系统及机器人 |
-
2019
- 2019-04-23 CN CN201910329663.0A patent/CN110135278B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101419667A (zh) * | 2008-12-15 | 2009-04-29 | 东软集团股份有限公司 | 识别图像中障碍物的方法和装置 |
Non-Patent Citations (2)
Title |
---|
Petru Radu ; Cezar Valeriu Regep.Algorithm Fusion for Windscreen Obstruction Detection in Autonomous Driving.2017 19th International Symposium on Symbolic and Numeric Algorithms for Scientific Computing.2017,385-388. * |
薛彦涛,吕洪波,孙启国.基于Kinect深度数据的移动机器人障碍检测方法研究.计算机测量与控制.2017,61-63. * |
Also Published As
Publication number | Publication date |
---|---|
CN110135278A (zh) | 2019-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110135278B (zh) | 一种障碍物检测方法、装置及电子设备 | |
CN111536964B (zh) | 机器人定位方法及装置、存储介质 | |
RU2768997C1 (ru) | Способ, устройство и оборудование для распознавания препятствий или земли и управления полетом, и носитель данных | |
CN108732582B (zh) | 车辆定位方法和装置 | |
CN107831765B (zh) | 定位方法、装置、设备及存储介质 | |
CN111862214B (zh) | 计算机设备定位方法、装置、计算机设备和存储介质 | |
CN110470333B (zh) | 传感器参数的标定方法及装置、存储介质和电子装置 | |
CN111179274A (zh) | 地图地面分割方法、装置、计算机设备和存储介质 | |
WO2022217988A1 (zh) | 传感器配置方案确定方法、装置、计算机设备、存储介质及程序 | |
CN111383261A (zh) | 移动机器人、及其位姿估计方法和位姿估计装置 | |
CN110736456A (zh) | 稀疏环境下基于特征提取的二维激光实时定位方法 | |
CN114897669A (zh) | 一种标注方法、装置及电子设备 | |
CN111829531A (zh) | 二维地图构建方法、装置、机器人定位系统和存储介质 | |
CN113673288A (zh) | 空闲车位检测方法、装置、计算机设备及存储介质 | |
CN111742242A (zh) | 点云处理方法、系统、设备及存储介质 | |
CN114862953A (zh) | 一种基于视觉特征和3d激光的移动机器人重定位方法及装置 | |
CN114694106A (zh) | 道路检测区域的提取方法、装置、计算机设备和存储介质 | |
CN114463717A (zh) | 一种障碍物位置判断方法、系统、电子设备及存储介质 | |
CN114638947A (zh) | 数据标注方法、装置、电子设备及存储介质 | |
CN113497897A (zh) | 车路协同路侧相机安装参数调整方法、装置和电子设备 | |
CN112508970A (zh) | 一种点云数据分割方法及装置 | |
CN114494396B (zh) | 作业对象高度确定方法、装置、设备和存储介质 | |
CN111780744A (zh) | 移动机器人混合导航方法、设备及存储装置 | |
CN113465614B (zh) | 无人机及其导航地图的生成方法和装置 | |
CN113689391A (zh) | ToF设备的安装参数获取方法、系统和ToF设备 |
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 |