CN110688913B

CN110688913B - 一种基于智能设备的障碍物检测方法及装置

Info

Publication number: CN110688913B
Application number: CN201910849422.9A
Authority: CN
Inventors: 不公告发明人
Original assignee: Suzhou Zhendi Intelligent Technology Co Ltd
Current assignee: Suzhou Zhendi Intelligent Technology Co Ltd
Priority date: 2019-09-09
Filing date: 2019-09-09
Publication date: 2022-11-11
Anticipated expiration: 2039-09-09
Also published as: CN110688913A

Abstract

本申请实施例提供一种基于智能设备的障碍物检测方法及装置，涉及智能设备技术领域，该方法包括计算拍摄图像的景深信息；拍摄图像为智能设备获取的图像；根据预设的图像过滤标准和景深信息对拍摄图像进行图像过滤，得到过滤图像；判断过滤图像是否符合预设的检测标准；当过滤图像符合检测标准时，根据预设的障碍物检测模型对过滤图像进行障碍物检测，得到障碍物信息。实施这种实施方式，能够避免智能设备的飞行过程中存在的人为识别误差，从而保证障碍的信息的检测精准度，进而降低外在因素对智能设备使用的影响。

Description

一种基于智能设备的障碍物检测方法及装置

技术领域

本申请涉及智能设备领域，具体而言，涉及一种基于智能设备的障碍物检测方法及装置。

背景技术

随着科技的不断发展，智能设备的使用也越来越普及，相应的，智能设备的控制方式也变得越来越多。然而，在实践中发现，目前的智能设备控制方式通常是人为的控制方式，即根据智能设备获取到的图像进行远程遥控，以使智能设备进行运动调整的方式，其中，无人机的控制便是一个典型。由此可见，上述的这种人为的智能设备控制方式需要人为的对图像进行获取与识别，进而进行操作，这就使得智能设备的使用过程存在人为的识别误差，从而影响了智能设备的使用。

发明内容

本申请实施例的目的在于提供一种基于智能设备的障碍物检测方法及装置，能够避免智能设备的使用过程中存在的人为识别误差，从而保证障碍的信息的检测精准度，进而降低外在因素对智能设备使用的影响。

本申请实施例提供了一种基于智能设备的障碍物检测方法，所述基于智能设备的障碍物检测方法包括：

计算拍摄图像的景深信息；所述拍摄图像为所述智能设备获取的图像；

根据预设的图像过滤标准和所述景深信息对所述拍摄图像进行图像过滤，得到过滤图像；

判断所述过滤图像是否符合预设的检测标准；

当所述过滤图像符合所述检测标准时，根据预设的障碍物检测模型对所述过滤图像进行障碍物检测，得到障碍物信息。

在上述实现过程中，该方法可以预先获取到拍摄图像，并以拍摄图像为依据，计算拍摄图像中包括的所有物体的景深信息，其中，该景深信息包括拍摄图像中所有的物体图像以及物体与镜头之间的位置信息；在获取到上述的景深信息之后根据预设的过滤标准，对景深信息进行过滤处理，得到满足过滤标准的物体图像，并在拍摄图像中删除上述的物体图像，从而实现过滤的操作；在根据景深信息进行初步过滤之后，该方法还可以根据预设的检测标准来确定过滤图像中是否存在山川河流等明显非障碍物信息，如果不存在上述明显非障碍物信息是，确定过滤图像符合检测标准，此时再通过预设的障碍物检测模型对过滤图像进行障碍物检测，得到障碍物信息。可见，实施这种实施方式，能够通过拍摄图像的景深信息来完成第一次的非障碍物的过滤，同时再通过预设的检测标准，剔除存在山川河流等信息的过滤图像，从而保证过滤图像中的物体不确定是障碍物，以使障碍物检测模型可以进一步对障碍物进行检测，得到最终的障碍物信息，从而可以通过过滤验证两个步骤来进行障碍物信息的粗检查，以使障碍物检测模型可以进一步进行障碍物的细检，进而保证障碍物信息的准确性；另外，该方法的障碍物检测是通过检测装置进行的自动检测，并不需要相应人员进行辅助检测，因此，实施这种实施方式还能够进一步避免智能设备的使用过程中存在的人为识别误差，从而保证障碍的信息的检测精准度，进而降低外在因素对智能设备使用的影响。

进一步地，所述计算拍摄图像的景深信息的步骤包括：

获取拍摄图像以及与所述拍摄图像相关的至少一幅附属图像；

根据所述拍摄图像和所述至少一幅附属图像进行计算，得到景深信息。

在上述实现过程中，该方法还可以获取到与拍摄图像相关的至少一幅附属图像，然后再根据拍摄图像和至少一幅附属图像进行景深计算，得到景深信息。可见，实施这种实施方式，能够通过多幅图像的综合计算，得到更加准确的景深信息。

进一步地，所述预设的图像过滤标准包括剔除面积阈值，其中，所述根据预设的图像过滤标准和所述景深信息对所述拍摄图像进行图像过滤，得到过滤图像的步骤包括：

根据所述景深信息在所述拍摄图像中获取至少一个物体图像以及与至少一个物体图像一一对应的物体面积；

在所述拍摄图像中滤除物体面积小于所述剔除面积阈值的物体图像，得到过滤图像。

在上述实现过程中，该方法所采用的过滤标准为面积标准，具体的，该方法在实践的过程中可以先根据景深信息计算拍摄图像中所有物体的面积，以及相应的物体图像信息，然后再使用物体的面积与剔除面积阈值进行比较，当物体面积小于剔除面积阈值时，该方法认为对应的物体足够小，并不构成障碍物，因此在拍摄图像中滤除相应的物体图像，从而得到过滤图像。可见，实施这种实施方式，可以根据景深信息计算得到物体的实际面积信息，然后再根据实际的面积信息和预设面积阈值进行比对，提出不满足障碍物面积阈值的物体，以使拍摄图像中的物体可以减少一部分，降低了后续工作的难度，从而避免了后续精检的无用工作，节约了时间提高了检测效率，同时还可以避免精检的误检情况增加了障碍物检测的精度。

进一步地，所述判断所述过滤图像是否符合预设的检测标准的步骤包括：

判断所述过滤图像中是否包括预设的检测标准包括的非障碍物图像；

当所述过滤图像中不包括所述非障碍物图像时，确定所述过滤图像符合所述检测标准。

在上述实现过程中，该方法可以通过判断过滤图像是否满足预设的检测标准，其中，该检测标准是图像参与精检的检测标准；具体的，该检测标准中包括预设的非障碍物图像，在过滤图像中包括上述的非障碍物图像时，确定该过滤图像不符合检测标准，从而进行其他处理；当过滤图像中不包括检测标准中预设的非障碍物图像时，则可以确定过滤图像符合检测标准，以使过滤图像被障碍物检测模型所检测。可见，实施这种实施方式，可以通过对过滤图像的二次筛选，进行图像过滤，从而保证参与障碍物检测模型检测过程的图像皆是存在疑议的图像，以使障碍物检测模型的使用价值最大化，提高障碍物检测的质量。

进一步地，在所述得到过滤图像的步骤之后，所述判断所述过滤图像是否符合预设的检测标准的步骤之前，所述方法还包括：

获取与所述拍摄图像相关的至少一幅对比图像；

根据所述至少一幅对比图像对所述过滤图像进行误检信息过滤，得到处理图像；

确定所述处理图像为所述过滤图像。

在上述实现过程中，该方法可以通过多幅对比文件进行图像的比对，从而去除过滤图像中存在，但是其他图像并不存在的误检图像信息，从而进一步提高过滤图像中包括的内容皆是实际存在的物体，而非因为光影或其他因素形成的误检图像。可见，实施这种实施方式，可以避免误检信息参与障碍物的检测，从而避免了无谓的检测过程，提高的障碍物检测质量和障碍物检测效率。

本申请实施例第二方面提供了一种基于智能设备的障碍物检测装置，所述基于智能设备的障碍物检测装置包括：

计算单元，用于计算拍摄图像的景深信息；所述拍摄图像为所述智能设备获取的图像；

过滤单元，用于根据预设的图像过滤标准和所述景深信息对所述拍摄图像进行图像过滤，得到过滤图像；

判断单元，用于判断所述过滤图像是否符合预设的检测标准；

检测单元，用于在所述过滤图像符合所述检测标准时，根据预设的障碍物检测模型对所述过滤图像进行障碍物检测，得到障碍物信息。

在上述实现过程中，基于智能设备的障碍物检测装置可以通过计算单元计算出拍摄图像的景深信息，再通过过滤单元对景深信息和拍摄图像进行综合处理，得到过滤掉细小物体的过滤图像，然后再通过判断单元来判断过滤图像是否为山川河海等背景或地貌图像，如果判断单元判断出过滤图像不为山川河海等背景或地貌图像时，该装置中的检测单元获取过滤图像，并通过预设的障碍物检测模型对过滤图像进行障碍物检测，得到障碍物信息。可见，使用该种基于智能设备的障碍物检测装置可以通过两次粗检一次精检，来提高障碍物的检测精度，同时该种基于智能设备的障碍物检测装置可以由智能设备自行携带使用，避免了人为的干预。

进一步地，所述计算单元包括：

获取子单元，用于获取拍摄图像以及与所述拍摄图像相关的至少一幅附属图像；

计算子单元，用于根据所述拍摄图像和所述至少一幅附属图像进行计算，得到景深信息。

在上述实现过程中，计算单元可以通过获取子单元额外获取相关的附属图像，并通过计算子弹元来根据附属图像和拍摄图像共同计算触拍摄图像中包括的景深信息，从而实现的景深信息获取的准确性，进而提高了障碍物检测的准确性。

进一步地，所述预设的图像过滤标准包括剔除面积阈值，其中，所述过滤单元包括：

提取子单元，用于根据所述景深信息在所述拍摄图像中获取至少一个物体图像以及与至少一个物体图像一一对应的物体面积；

过滤子单元，用于在所述拍摄图像中滤除物体面积小于所述剔除面积阈值的物体图像，得到过滤图像。

在上述实现过程中，过滤单元可以通过提取子单元提取出拍摄图像中所有的物体图像、物体图像的景深信息以及物体图像的面积信息，然后通过过滤子单元来过滤掉物体面积小于剔除面积阈值的物体图像，得到过滤图像。可见，过滤单元包括的子单元可以提高过滤图像的获取精度，从而提高障碍物检测的精度。

本申请实施例第三方面提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据本申请实施例第一方面中任一项所述的基于智能设备的障碍物检测方法。

本申请实施例第四方面提供了一种计算机可读存储介质，其存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行本申请实施例第一方面中任一项所述的基于智能设备的障碍物检测方法。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本申请实施例提供的一种基于智能设备的障碍物检测方法的流程示意图；

图2为本申请实施例提供的另一种基于智能设备的障碍物检测方法的流程示意图；

图3为本申请实施例提供的一种基于智能设备的障碍物检测装置的结构示意图；

图4为本申请实施例提供的另一种基于智能设备的障碍物检测装置的结构示意图。

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描述。

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，在本申请的描述中，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。

同时应理解，本申请中的智能设备可以是任何一种具有计算处理能力的设备、器械或者机器。本申请中的智能设备可以设置有通信模块，通过通信模块可以与用户终端或者另一智能设备通信。

本申请中的智能设备包括但不限于：无人机、无人车、无人船、手持DV、监控设备等。本申请中的用户终端包括但不限于：手机(mobile phone)、平板电脑(pad)、带无线收发功能的电脑、虚拟现实(virtual reality，VR)终端设备、增强现实(augmented reality，AR)终端设备等。

本申请实施例针对智能设备控制方法及装置的描述，仅以无人机控制方法及装置作为示例进行说明，但不限于无人机，为避免过多的重复，本申请实施例不再赘述。

实施例1

请参看图1，图1为本申请实施例提供了一种基于智能设备的障碍物检测方法的流程示意图。该基于智能设备的障碍物检测方法应用于无人机上或者某些需要显示无人机画面的监控器上，其中，当基于智能设备的障碍物检测方法应用于无人机上时，无人机可以根据获取到的结果进行规避控制；而该基于智能设备的障碍物检测方法应用于某些需要显示无人机画面的监控器上时，可以提示无人机的运行现状，以使操作人员可以进行操作规避。其中，该基于智能设备的障碍物检测方法包括：

S101、计算拍摄图像的景深信息；拍摄图像为无人机获取的图像。

本实施例中，拍摄图像为无人机获取到的图像。

在本实施例中，拍摄图像可以为无人机获取的实时图像，以使该方法应用于实时场景。

在本实施例中，拍摄图像虽为无人机获取到的图像，但是也可以通过通讯手段传输到该方法的执行主体，对此本实施例中不作任何限定。

本实施例中，拍摄图像为无人机获取到的图像，进一步的，拍摄图像可以是无人机拍摄得到的图像。

在本实施例中，拍摄图像为无人机运动路线上的图像。

本实施例中，拍摄图像的景深信息可以通过计算得到，具体的，障碍物检测装置可以获取到图像中每个像素值代表的物体到无人机拍摄装置的拍摄平面的距离(存在复数个)，以上述的距离集合可以计算得到景深信息。

本实施例中，景深信息是指拍摄图像中物体与拍摄镜头平面的距离，具体的，可以为拍摄图像中的像素点对应物体与相机平面像素点位置之间的距离。

S102、根据预设的图像过滤标准和景深信息对拍摄图像进行图像过滤，得到过滤图像。

本实施例中，图像过滤标准为对拍摄图像进行过滤的标准。

在本实施例中，图像过滤标准可以包括面积过滤标准、类型过滤标准等等，对此本实施例中不作任何限定。

本实施例中，该方法可以根据景深信息计算出物体的实际面积、物体的距离远近，这里描述的可以根据景深信息计算得到的信息都可以具有相应的图像过滤标准。

在本实施例中，距离过远的物体可以直接过滤掉，不进行障碍物的检测。

本实施例中，过滤图像为一次过滤图像，其中该过滤图像可以包括的图像内容为宏观物体和不明物体(不确定是否为障碍物的物体)。

S103、判断过滤图像是否符合预设的检测标准，若是，则执行该步骤S104；若否，则结束本流程。

本实施例中，检测标准为参与障碍物检测模型检测的标准，即满足该检测标准才可以被障碍物检测模型检测。

本实施例中，检测标准为预设的。

在本实施例中，检测标准可以为过滤图像中只包括不明物体(不确定是否为障碍物的物体)，而不具有其他物体。

在本实施例中，检测标准可以与过滤图像中的检测背景有关，当检测背景能够对障碍物检测模型的检测过程产生影响时，认定该过滤图像不符合检测标准。

S104、根据预设的障碍物检测模型对过滤图像进行障碍物检测，得到障碍物信息。

本实施例中，障碍物检测模型可以为人工智能模型，对与人工智能模型的构造本实施例中不作任何限定。

本实施例中，障碍物信息包括近距离飞行动物、飞沙走石以及电线杆等等，对此本实施例中不作任何限定。

作为一种可选的实施方式，当过滤图像符合检测标准时，根据预设的障碍物检测模型对过滤图像进行障碍物检测，得到障碍物信息的步骤包括：

当过滤图像符合检测标准时，获取无人机的运动姿态信息和导航信息；

根据预设的障碍物检测模型对过滤图像、无人机的运动姿态信息以及导航信息进行障碍物检测，得到障碍物信息。

实施这种实施方式，能够根据无人机的运动状态进行动态障碍物的检测，从而提高障碍物的检测精度。

本实施例中，导航信息可以为无人机的未来飞行轨迹信息，也可以为无人机规划的飞行路线，对此本实施例中不作任何限定。

在本实施例中，当导航信息为无人机的未来飞行轨迹信息时，该方法可以在拍摄图像中确定飞行轨迹的位置，从而缩小障碍物的检测范围，从而避免不必要的障碍物检测，进而提高障碍物检测效率。

在本实施例中，当导航信息为无人机规划的飞行路线时，将飞行路线显示在拍摄图像中，以该方法可以根据显示内容进行辅助检测，从而提高检测的针对性，避免不必要的检测，提高障碍物检测效率。

本实施例中，该方法的执行主体可以为无人机，可以为无人机的监控装置，还可以为任何可以执行该过程的电子设备，对此本实施例中不作任何限定。

可见，实施图1所描述的基于智能设备的障碍物检测方法，能够通过拍摄图像的景深信息来完成第一次的非障碍物的过滤，同时再通过预设的检测标准，剔除存在山川河流等信息的过滤图像，从而保证过滤图像中的物体不确定是障碍物，以使障碍物检测模型可以进一步对障碍物进行检测，得到最终的障碍物信息，从而可以通过过滤验证两个步骤来进行障碍物信息的粗检查，以使障碍物检测模型可以进一步进行障碍物的细检，进而保证障碍物信息的准确性；另外，该方法的障碍物检测是通过检测装置进行的自动检测，并不需要相应人员进行辅助检测，因此，实施这种实施方式还能够进一步避免无人机的飞行过程中存在的人为识别误差，从而保证障碍的信息的检测精准度，进而降低外在因素对无人机飞行的影响。

实施例2

请参看图2，图2为本申请实施例提供的另一种基于智能设备的障碍物检测方法的流程示意图。图2所描述的基于智能设备的障碍物检测方法的流程示意图是根据图1所描述的基于智能设备的障碍物检测方法的流程示意图进行改进得到的。其中，预设的图像过滤标准包括剔除面积阈值，该基于智能设备的障碍物检测方法包括：

S201、获取拍摄图像以及与拍摄图像相关的至少一幅附属图像；拍摄图像为无人机获取的图像。

本实施例中，该方法的执行主体可以为具有双目摄像机的无人机，其中，双目摄像机获取的一幅图像为拍摄图像，另一幅为附属图像。

本实施例中，附属图像可以为同一场景的其他图像。

在本实施例中，对于附属图像的获取方式不作任何限定。

S202、根据拍摄图像和至少一幅附属图像进行计算，得到景深信息。

本实施例中，景深信息可以根据多幅同场景图像进行综合计算。

在本实施例中，附属图像和拍摄图像之间的差别可以仅在角度。

在本实施例中，当执行主体为双目摄像头时，拍摄图像可以为左图像，而附属图像为右图像。

S203、根据景深信息在拍摄图像中获取至少一个物体图像以及与至少一个物体图像一一对应的物体面积。

本实施例中，该方法可以根据景深信息逐一计算出拍摄图像中所有的物体信息，其中该物体信息就包括拍摄面对应的物体面积。

在本实施例中，该方法还可以获取到物体图像对应的物体的物体体积，以使后续的过滤操作可以根据物体体积进行更细致的过滤，从而使得无人机可以获取到无人机可以不闪避的障碍物信息，以使无人机在自主控制的时候直飞过去。

S204、在拍摄图像中滤除物体面积小于剔除面积阈值的物体图像，得到过滤图像。

本实施例中，物体面积小于剔除面积阈值的物体图像时，认为对应的物体为细小物体，并不是障碍物，不足以对无人机飞行产生影响。

S205、获取与拍摄图像相关的至少一幅对比图像。

本实施例中，对比图像可以为拍摄图像的前几毫秒获取到的图像，也可以为拍摄图像的后几毫秒获取到的图像。

在本实施例中，对比图像可以为与拍摄图像时间相近的同空间图像。

S206、根据至少一幅对比图像对过滤图像进行误检信息过滤，得到处理图像。

本实施例中，该方法可以综合多幅图像进行误检信息的过滤，其中误检信息包括快速飞过的飞蝇、瞬时光影造成的阴影等等。

本实施例中，处理图像中已经滤除了相应的误检信息。

S207、确定处理图像为过滤图像。

本实施例中，将处理信息确定过滤图像并执行后续步骤。

S208、判断过滤图像中是否包括预设的检测标准包括的非障碍物图像，若是，则结束本流程；若否，则执行步骤S209。

作为一种可选的实施方式，当过滤图像中包括非障碍物图像时，删除过滤图像中包括的非障碍物图像，得到中间图像；

确定中间图像为过滤图像，并触发执行S208。

实施这种实施方式，可以提取山川河海等明显非障碍物信息，从而保证过滤图像中不包括山川河海等明显非障碍物信息，进而辅助障碍物的检测，提高检测数量，从而在多幅图像进行检测的过程中可以进一步提高整体的检测精度。

本实施例中，该方法可以判断出过滤图像是否包括河水、水面、地面、天空等影响图像，当滤图像中不存在这些影响图像，根据预设的障碍物检测模型对过滤图像进行障碍物检测。

在本实施例中，该方法还可以进一步过滤到上述的影响图像，得到新的过滤图像，以使障碍物检测模型可以对新的过滤图像进行检测。

S209、根据预设的障碍物检测模型对过滤图像进行障碍物检测，得到障碍物信息。

本实施例中，障碍物信息包括障碍物的种类、面积、体积等等，对此本实施例中不作任何限定。

可见，实施图2所描述的基于智能设备的障碍物检测方法，能够进一步避免无人机的飞行过程中存在的人为识别误差，从而保证障碍的信息的检测精准度，进而降低外在因素对无人机飞行的影响；还能够通过多幅图像的综合计算，得到更加准确的景深信息；还能够根据景深信息计算得到物体的实际面积信息，然后再根据实际的面积信息和预设面积阈值进行比对，提出不满足障碍物面积阈值的物体，以使拍摄图像中的物体可以减少一部分，降低了后续工作的难度，从而避免了后续精检的无用工作，节约了时间提高了检测效率，同时还可以避免精检的误检情况增加了障碍物检测的精度；还能够通过对过滤图像的二次筛选，进行图像过滤，从而保证参与障碍物检测模型检测过程的图像皆是存在疑议的图像，以使障碍物检测模型的使用价值最大化，提高障碍物检测的质量；还能够避免误检信息参与障碍物的检测，从而避免了无谓的检测过程，提高的障碍物检测质量和障碍物检测效率。

实施例3

请参看图3，图3为本申请实施例提供的一种基于智能设备的障碍物检测装置的结构示意图。其中，该基于智能设备的障碍物检测装置包括：

计算单元310，用于计算拍摄图像的景深信息；拍摄图像为无人机获取的图像；

过滤单元320，用于根据预设的图像过滤标准和景深信息对拍摄图像进行图像过滤，得到过滤图像；

判断单元330，用于判断过滤图像是否符合预设的检测标准；

检测单元340，用于在过滤图像符合检测标准时，根据预设的障碍物检测模型对过滤图像进行障碍物检测，得到障碍物信息。

可见，实施图3所描述的基于智能设备的障碍物检测装置，能够使用该种基于智能设备的障碍物检测装置可以通过两次粗检一次精检，来提高障碍物的检测精度，同时该种基于智能设备的障碍物检测装置可以由无人机自行携带使用，避免了人为的干预。

实施例4

请参看图4，图4为本申请实施例提供的另一种基于智能设备的障碍物检测装置的结构示意图。图4所描述的基于智能设备的障碍物检测装置的结构示意图是根据图3所描述的基于智能设备的障碍物检测装置的结构示意图进行改进得到的。其中，计算单元310包括：

获取子单元311，用于获取拍摄图像以及与拍摄图像相关的至少一幅附属图像；

计算子单元312，用于根据拍摄图像和至少一幅附属图像进行计算，得到景深信息。

实施这种实施方式，计算单元310可以通过获取子单元311额外获取相关的附属图像，并通过计算子弹元来根据附属图像和拍摄图像共同计算触拍摄图像中包括的景深信息，从而实现的景深信息获取的准确性，进而提高了障碍物检测的准确性。

作为一种可选的实施方式，过滤单元320包括：

提取子单元321，用于根据景深信息在拍摄图像中获取至少一个物体图像以及与至少一个物体图像一一对应的物体面积；

过滤子单元322，用于在拍摄图像中滤除物体面积小于剔除面积阈值的物体图像，得到过滤图像。

实施这种实施方式，过滤单元320可以通过提取子单元321提取出拍摄图像中所有的物体图像、物体图像的景深信息以及物体图像的面积信息，然后通过过滤子单元322来过滤掉物体面积小于剔除面积阈值的物体图像，得到过滤图像。可见，过滤单元320包括的子单元可以提高过滤图像的获取精度，从而提高障碍物检测的精度。

作为一种可选的实施方式，判断单元330包括：

判断子单元331，用于判断过滤图像中是否包括预设的检测标准包括的非障碍物图像；

确定子单元332，用于当过滤图像中不包括非障碍物图像时，确定过滤图像符合检测标准。

作为一种可选的实施方式，基于智能设备的障碍物检测装置还可以包括：

获取单元350，用于获取与拍摄图像相关的至少一幅对比图像；

过滤单元320，还用于根据至少一幅对比图像对过滤图像进行误检信息过滤，得到处理图像；

过滤单元320，用于确定处理图像为过滤图像。

可见，实施图4所描述的基于智能设备的障碍物检测装置，能够使用该种基于智能设备的障碍物检测装置可以通过两次粗检一次精检，来提高障碍物的检测精度，同时该种基于智能设备的障碍物检测装置可以由无人机自行携带使用，避免了人为的干预。

本申请实施例提供了一种电子设备，包括存储器以及处理器，存储器用于存储计算机程序，处理器运行计算机程序以使电子设备执行根据本申请实施例1或实施例2中任一项基于智能设备的障碍物检测方法。

本申请实施例提供了一种计算机可读存储介质，其存储有计算机程序指令，计算机程序指令被一处理器读取并运行时，执行本申请实施例1或实施例2中任一项基于智能设备的障碍物检测方法。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。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。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

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。

Claims

1.一种基于智能设备的障碍物检测方法，其特征在于，所述基于智能设备的障碍物检测方法包括：

判断所述过滤图像是否符合预设的检测标准；

当所述过滤图像符合所述检测标准时，根据预设的障碍物检测模型对所述过滤图像进行障碍物检测，得到障碍物信息；

所述判断所述过滤图像是否符合预设的检测标准的步骤包括：

2.根据权利要求1所述的基于智能设备的障碍物检测方法，其特征在于，所述计算拍摄图像的景深信息的步骤包括：

3.根据权利要求1所述的基于智能设备的障碍物检测方法，其特征在于，所述预设的图像过滤标准包括剔除面积阈值，其中，所述根据预设的图像过滤标准和所述景深信息对所述拍摄图像进行图像过滤，得到过滤图像的步骤包括：

4.根据权利要求1所述的基于智能设备的障碍物检测方法，其特征在于，在所述得到过滤图像的步骤之后，所述判断所述过滤图像是否符合预设的检测标准的步骤之前，所述方法还包括：

获取与所述拍摄图像相关的至少一幅对比图像；

确定所述处理图像为所述过滤图像。

5.根据权利要求1至4中任一项所述的基于智能设备的障碍物检测方法，其特征在于，所述智能设备包括无人机。

6.一种基于智能设备的障碍物检测装置，其特征在于，所述基于智能设备的障碍物检测装置包括：

检测单元，用于在所述过滤图像符合所述检测标准时，根据预设的障碍物检测模型对所述过滤图像进行障碍物检测，得到障碍物信息；

所述判断单元包括：

判断子单元，用于判断过滤图像中是否包括预设的检测标准包括的非障碍物图像；

确定子单元，用于当过滤图像中不包括非障碍物图像时，确定过滤图像符合检测标准。

7.根据权利要求6所述的基于智能设备的障碍物检测装置，其特征在于，所述计算单元包括：

8.根据权利要求6所述的基于智能设备的障碍物检测装置，其特征在于，所述预设的图像过滤标准包括剔除面积阈值，其中，所述过滤单元包括：

9.根据权利要求6-8任一项所述的基于智能设备的障碍物检测装置，其特征在于，所述智能设备包括无人机。

10.一种电子设备，其特征在于，所述电子设备包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据权利要求1至5中任一项所述的基于智能设备的障碍物检测方法。

11.一种可读存储介质，其特征在于，可读取存储介质中存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行权利要求1至5任一项所述的基于智能设备的障碍物检测方法。