CN110857859A - 障碍物检测方法及装置 - Google Patents
障碍物检测方法及装置 Download PDFInfo
- Publication number
- CN110857859A CN110857859A CN201810967374.9A CN201810967374A CN110857859A CN 110857859 A CN110857859 A CN 110857859A CN 201810967374 A CN201810967374 A CN 201810967374A CN 110857859 A CN110857859 A CN 110857859A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- suspicious
- shelf
- suspicious obstacle
- point
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Automation & Control Theory (AREA)
- Multimedia (AREA)
- Acoustics & Sound (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本申请公开了一种障碍物检测方法及装置,属于机器人领域。该方法包括:获取移动机器人的行驶环境中存在的至少一个可疑障碍物的位置信息;当确定所述移动机器人处于载货状态时,基于所述位置信息,将第一可疑障碍物与样本物进行匹配,所述第一可疑障碍物为所述至少一个可疑障碍物中的任一个;当所述第一可疑障碍物与所述样本物匹配时,确定所述第一可疑障碍物不是障碍物。本发明提高了障碍物检测的准确性。本发明用于移动机器人的障碍物检测。
Description
技术领域
本申请涉及机器人领域,特别涉及一种障碍物检测方法及装置。
背景技术
在移动机器人的行驶过程中,检测其行驶环境中存在的障碍物,并根据检测到的障碍物进行避障,是保障移动机器人安全行驶的重要措施。
相关技术中,通常采用激光雷达传感器、超声波传感器和深度摄像头等传感器,检测移动机器人周围的物体的位置,并根据该位置判断移动机器人和该物体之间的距离是否小于预设阈值,且当该距离小于预设阈值时,确定该物体为影响移动机器人行驶的障碍物。
但是,在该障碍物检测方法中,判断移动机器人周围的物体是否为障碍物的判断条件较单一,导致该障碍物检测的准确性较低。
发明内容
本申请提供了一种障碍物检测方法及装置,可以解决相关技术中障碍物检测的准确性较低的问题。所述技术方案如下:
第一方面,提供了一种障碍物检测方法,所述方法包括:
获取移动机器人的行驶环境中存在的至少一个可疑障碍物的位置信息;
当确定所述移动机器人处于载货状态时,基于所述位置信息,将第一可疑障碍物与样本物进行匹配,所述第一可疑障碍物为所述至少一个可疑障碍物中的任一个;
当所述第一可疑障碍物与所述样本物匹配时,确定所述第一可疑障碍物不是障碍物。
可选地,所述基于所述位置信息,将第一可疑障碍物与样本物进行匹配,包括:
基于所述位置信息,获取所述第一可疑障碍物的第一配置信息;
基于所述第一配置信息与所述样本物的第二配置信息,将所述第一可疑障碍物与所述样本物进行匹配。
可选地,所述第一配置信息和所述第二配置信息均包括N个参数,所述N为正整数,所述基于所述第一配置信息与所述样本物的第二配置信息,将所述第一可疑障碍物与所述样本物进行匹配,包括:
将所述第一配置信息中的参数与所述第二配置信息中对应的参数进行一一对比;
当所述第一配置信息中存在至少一个参数与所述第二配置信息中对应的参数匹配时,确定所述第一可疑障碍物与所述样本物匹配。
可选地,所述样本物包括:货架,所述货架包括:多个货架腿,所述第二配置信息包括以下一个或多个参数:货架腿的尺寸、货架腿的第一间距和货架腿所处的区域;
所述第一配置信息包括以下一个或多个参数:所述第一可疑障碍物的尺寸、所述第一可疑障碍物与任一其他可疑障碍物的第二间距、及所述第一可疑障碍物所处的区域。
可选地,所述将所述第一配置信息中的参数与所述第二配置信息中对应的参数进行一一对比,包括:
将所述第一可疑障碍物的横截面的尺寸与多个所述货架腿的横截面的尺寸进行对比;
当所述第一可疑障碍物的横截面的尺寸与任一货架腿的横截面的尺寸匹配时,确定所述第一可疑障碍物的尺寸与所述货架腿的尺寸匹配,所述横截面平行于所述移动机器人的行驶路面。
可选地,所述第一可疑障碍物的横截面与多个所述货架腿的横截面均呈矩形,所述当所述第一可疑障碍物的横截面的尺寸与任一货架腿的横截面的尺寸匹配时,确定所述第一可疑障碍物的尺寸与所述货架腿的尺寸匹配,包括:
当所述第一可疑障碍物对应的矩形的长与所述货架腿对应的矩形的长匹配,且所述第一可疑障碍物对应的矩形的宽与所述货架腿对应的矩形的宽匹配时,确定所述第一可疑障碍物的尺寸与所述货架腿的尺寸匹配。
可选地,所述第一可疑障碍物对应的矩形的长与所述货架腿对应的矩形的长匹配,包括:
当所述第一可疑障碍物对应的矩形的长h1与所述货架腿对应的矩形的长h0满足:a1×h0≤h1≤a2×h0时,确定所述第一可疑障碍物对应的矩形的长与所述货架腿对应的矩形的长匹配;
所述第一可疑障碍物对应的矩形的宽与所述货架腿对应的矩形的宽匹配,包括:
当所述第一可疑障碍物对应的矩形的宽w1和所述货架腿对应的矩形的宽w0满足:b1×w0≤w1≤b2×w0时,确定所述第一可疑障碍物对应的矩形的宽与所述货架腿对应的矩形的宽匹配;
其中,所述a1、所述a2、所述b1和所述b2为尺寸误差系数。
可选地,所述将所述第一配置信息中的参数与所述第二配置信息中对应的参数进行一一对比,包括:
将所述第一可疑障碍物和任一其他可疑障碍物的第二间距与任意两个货架腿的第一间距进行对比;
当所述第一可疑障碍物和任一其他可疑障碍物的第二间距d1、及任意两个货架腿的第一间距d2满足:d2-dt≤d1≤d2+dt时,确定所述第一可疑障碍物对应的第二间距与所述两个货架腿的第一间距匹配,所述dt为间距误差系数。
可选地,所述将所述第一配置信息中的参数与所述第二配置信息中对应的参数进行一一对比,包括:
判断所述第一可疑障碍物所处的区域是否与任一货架腿所处的区域存在重叠区域;
当所述第一可疑障碍物所处的区域与任一货架腿所处的区域存在重叠区域时,确定所述第一可疑障碍物所处的区域与所述货架腿所处的区域匹配。
可选地,所述将所述第一配置信息中的参数与所述第二配置信息中对应的参数进行一一对比,包括:
判断所述第一可疑障碍物的几何中心是否处于任一货架腿所处的区域内;
当所述第一可疑障碍物的几何中心处于所述货架腿所处的区域内时,确定所述第一可疑障碍物所处的区域与所述货架腿所处的区域匹配。
可选地,在所述将所述第一配置信息中的参数与所述第二配置信息中对应的参数进行一一对比之前,所述方法还包括:
获取所述货架与所述移动机器人的相对位置;
基于所述相对位置和所述货架的尺寸,获取所述多个货架腿所处的区域。
可选地,所述获取所述货架与所述移动机器人的相对位置,包括:
获取所述货架上的标记物相对于所述移动机器人上的标记物的位置偏差和角度偏差。
可选地,所述基于所述相对位置和所述货架的尺寸,获取所述多个货架腿所处的区域,包括:
基于所述相对位置和所述货架的尺寸,获取所述货架的目标外接多边形的顶点坐标,所述目标外接多边形为所述货架的横截面的外接多边形,所述横截面平行于所述移动机器人的行驶路面;
基于所述目标外接多边形的顶点坐标,以及,所述移动机器人的尺寸,获取所述多个货架腿所处的区域。
可选地,所述目标外接多边形为矩形,所述相对位置由所述货架上的标记物相对于所述移动机器人上的标记物的位置偏差(x,y)和角度偏差θ表征,所述货架的尺寸为W×P;
所述矩形的顶点坐标(x1,y1)、(x2,y2)、(x3,y3)和(x4,y4)分别满足:
x1=W/2×cosθ-H/2×sinθ+x,y1=W/2×sinθ+H/2×cosθ+y;
x2=-W/2×cosθ-H/2×sinθ+x,y2=-W/2×sinθ+H/2×cosθ+y;
x3=-W/2×cosθ+H/2×sinθ+x,y3=-W/2×sinθ-H/2×cosθ+y;
x4=W/2×cosθ+H/2×sinθ+x,y4=W/2×sinθ-H/2×cosθ+y。
可选地,所述目标外接多边形为矩形,所述矩形的顶点坐标分别为(x1,y1)、(x2,y2)、(x3,y3)和(x4,y4),所述移动机器人的尺寸为M×N,
位于所述矩形四个顶点处的货架腿所处的第一区域、第二区域、第三区域和第四区域分别满足:
第一区域:x∈[M/2,Xmax],y∈[N/2,Ymax];
第二区域:x∈[Xmin,-M/2],y∈[N/2,Ymax];
第三区域:x∈[Xmin,-M/2],y∈[Ymin,-N/2];
第四区域:x∈[M/2,Xmax],y∈[Ymin,-N/2];
其中,所述Xmax为所述x1、所述x2、所述x3和所述x4中的最大值;
所述Xmin为所述x1、所述x2、所述x3和所述x4中的最小值;
所述Ymax为所述y1、所述y2、所述y3和所述y4中的最大值;
所述Ymin为所述y1、所述y2、所述y3和所述y4中的最小值。
可选地,在所述获取移动机器人的行驶环境中存在的至少一个可疑障碍物的位置信息之后,所述方法还包括:
当确定所述移动机器人处于非载货状态时,确定所述至少一个可疑障碍物均为障碍物。
可选地,所述获取移动机器人的行驶环境中存在的至少一个可疑障碍物的位置信息,包括:
获取所述行驶环境中存在的至少一个可疑障碍点的位置信息;
基于所述至少一个可疑障碍点的位置信息,将所述至少一个可疑障碍点划分至至少一个点集合,每个点集合包括至少一个可疑障碍点;
对于每个点集合,基于所述点集合中至少一个可疑障碍点的位置信息,确定所述点集合的位置信息;
将每个点集合的位置信息确定为一个可疑障碍物的位置信息,以得到所述至少一个可疑障碍物的位置信息,且所述至少一个点集合与至少一个可疑障碍物一一对应。
可选地,所述基于所述点集合中至少一个可疑障碍点的位置信息,确定所述点集合的位置信息,包括:
基于所述点集合中至少一个可疑障碍点的位置信息,获取所述点集合的外接多边形的位置信息;
将所述点集合的外接多边形的位置信息确定为所述点集合的位置信息。
可选地,所述基于所述至少一个可疑障碍点的位置信息,将所述至少一个可疑障碍点划分至至少一个点集合,包括:
基于所述至少一个可疑障碍点的位置信息,对所述至少一个可疑障碍点执行点云分割处理,使得所述至少一个可疑障碍点被划分至至少一个区域;
对于每个区域,将所述区域中的至少一个可疑障碍点划分至至少一个点集合。
第二方面,提供了一种障碍物检测装置,所述装置包括:
获取模块,用于获取移动机器人的行驶环境中存在的至少一个可疑障碍物的位置信息;
匹配模块,用于当确定所述移动机器人处于载货状态时,基于所述位置信息,将第一可疑障碍物与样本物进行匹配,所述第一可疑障碍物为所述至少一个可疑障碍物中的任一个;
第一确定模块,用于当所述第一可疑障碍物与所述样本物匹配时,确定所述第一可疑障碍物不是障碍物。
可选地,所述匹配模块,包括:
第一获取子模块,用于基于所述位置信息,获取所述第一可疑障碍物的第一配置信息;
匹配子模块,用于基于所述第一配置信息与所述样本物的第二配置信息,将所述第一可疑障碍物与所述样本物进行匹配。
可选地,所述第一配置信息和所述第二配置信息均包括N个参数,所述N为正整数,所述匹配子模块,用于:
将所述第一配置信息中的参数与所述第二配置信息中对应的参数进行一一对比;
当所述第一配置信息中存在至少一个参数与所述第二配置信息中对应的参数匹配时,确定所述第一可疑障碍物与所述样本物匹配。
可选地,所述样本物包括:货架,所述货架包括:多个货架腿,所述第二配置信息包括以下一个或多个参数:货架腿的尺寸、货架腿的第一间距和货架腿所处的区域;
所述第一配置信息包括以下一个或多个参数:所述第一可疑障碍物的尺寸、所述第一可疑障碍物与任一其他可疑障碍物的第二间距、及所述第一可疑障碍物所处的区域。
可选地,所述匹配子模块,用于:
将所述第一可疑障碍物的横截面的尺寸与多个所述货架腿的横截面的尺寸进行对比;
当所述第一可疑障碍物的横截面的尺寸与任一货架腿的横截面的尺寸匹配时,确定所述第一可疑障碍物的尺寸与所述货架腿的尺寸匹配,所述横截面平行于所述移动机器人的行驶路面。
可选地,所述第一可疑障碍物的横截面与多个所述货架腿的横截面均呈矩形,所述匹配子模块,用于:
当所述第一可疑障碍物对应的矩形的长与所述货架腿对应的矩形的长匹配,且所述第一可疑障碍物对应的矩形的宽与所述货架腿对应的矩形的宽匹配时,确定所述第一可疑障碍物的尺寸与所述货架腿的尺寸匹配。
可选地,所述第一可疑障碍物对应的矩形的长与所述货架腿对应的矩形的长匹配,包括:
当所述第一可疑障碍物对应的矩形的长h1与所述货架腿对应的矩形的长h0满足:a1×h0≤h1≤a2×h0时,确定所述第一可疑障碍物对应的矩形的长与所述货架腿对应的矩形的长匹配;
所述第一可疑障碍物对应的矩形的宽与所述货架腿对应的矩形的宽匹配,包括:
当所述第一可疑障碍物对应的矩形的宽w1和所述货架腿对应的矩形的宽w0满足:b1×w0≤w1≤b2×w0时,确定所述第一可疑障碍物对应的矩形的宽与所述货架腿对应的矩形的宽匹配;
其中,所述a1、所述a2、所述b1和所述b2为尺寸误差系数。
可选地,所述匹配子模块,用于:
将所述第一可疑障碍物和任一其他可疑障碍物的第二间距与任意两个货架腿的第一间距进行对比;
当所述第一可疑障碍物和任一其他可疑障碍物的第二间距d1、及任意两个货架腿的第一间距d2满足:d2-dt≤d1≤d2+dt时,确定所述第一可疑障碍物对应的第二间距与所述两个货架腿的第一间距匹配,所述dt为间距误差系数。
可选地,所述匹配子模块,用于:
判断所述第一可疑障碍物所处的区域是否与任一货架腿所处的区域存在重叠区域;
当所述第一可疑障碍物所处的区域与任一货架腿所处的区域存在重叠区域时,确定所述第一可疑障碍物所处的区域与所述货架腿所处的区域匹配。
可选地,所述匹配子模块,用于:
判断所述第一可疑障碍物的几何中心是否处于任一货架腿所处的区域内;
当所述第一可疑障碍物的几何中心处于所述货架腿所处的区域内时,确定所述第一可疑障碍物所处的区域与所述货架腿所处的区域匹配。
可选地,所述匹配模块还包括:
第二获取子模块,用于获取所述货架与所述移动机器人的相对位置;
第三获取子模块,用于基于所述相对位置和所述货架的尺寸,获取所述多个货架腿所处的区域。
可选地,所述第二获取子模块,用于:
获取所述货架上的标记物相对于所述移动机器人上的标记物的位置偏差和角度偏差。
可选地,所述第三获取子模块,用于:
基于所述相对位置和所述货架的尺寸,获取所述货架的目标外接多边形的顶点坐标,所述目标外接多边形为所述货架的横截面的外接多边形,所述横截面平行于所述移动机器人的行驶路面;
基于所述目标外接多边形的顶点坐标,以及,所述移动机器人的尺寸,获取所述多个货架腿所处的区域。
可选地,所述目标外接多边形为矩形,所述相对位置由所述货架上的标记物相对于所述移动机器人上的标记物的位置偏差(x,y)和角度偏差θ表征,所述货架的尺寸为W×P;
所述矩形的顶点坐标(x1,y1)、(x2,y2)、(x3,y3)和(x4,y4)分别满足:
x1=W/2×cosθ-H/2×sinθ+x,y1=W/2×sinθ+H/2×cosθ+y;
x2=-W/2×cosθ-H/2×sinθ+x,y2=-W/2×sinθ+H/2×cosθ+y;
x3=-W/2×cosθ+H/2×sinθ+x,y3=-W/2×sinθ-H/2×cosθ+y;
x4=W/2×cosθ+H/2×sinθ+x,y4=W/2×sinθ-H/2×cosθ+y。
可选地,所述目标外接多边形为矩形,所述矩形的顶点坐标分别为(x1,y1)、(x2,y2)、(x3,y3)和(x4,y4),所述移动机器人的尺寸为M×N,
位于所述矩形四个顶点处的货架腿所处的第一区域、第二区域、第三区域和第四区域分别满足:
第一区域:x∈[M/2,Xmax],y∈[N/2,Ymax];
第二区域:x∈[Xmin,-M/2],y∈[N/2,Ymax];
第三区域:x∈[Xmin,-M/2],y∈[Ymin,-N/2];
第四区域:x∈[M/2,Xmax],y∈[Ymin,-N/2];
其中,所述Xmax为所述x1、所述x2、所述x3和所述x4中的最大值;
所述Xmin为所述x1、所述x2、所述x3和所述x4中的最小值;
所述Ymax为所述y1、所述y2、所述y3和所述y4中的最大值;
所述Ymin为所述y1、所述y2、所述y3和所述y4中的最小值。
可选地,所述装置还包括:
第二确定模块,用于当确定所述移动机器人处于非载货状态时,确定所述至少一个可疑障碍物均为障碍物。
可选地,所述获取模块,用于:
获取所述行驶环境中存在的至少一个可疑障碍点的位置信息;
基于所述至少一个可疑障碍点的位置信息,将所述至少一个可疑障碍点划分至至少一个点集合,每个点集合包括至少一个可疑障碍点;
对于每个点集合,基于所述点集合中至少一个可疑障碍点的位置信息,确定所述点集合的位置信息;
将每个点集合的位置信息确定为一个可疑障碍物的位置信息,以得到所述至少一个可疑障碍物的位置信息,且所述至少一个点集合与至少一个可疑障碍物一一对应。
可选地,所述获取模块,用于:
基于所述点集合中至少一个可疑障碍点的位置信息,获取所述点集合的外接多边形的位置信息;
将所述点集合的外接多边形的位置信息确定为所述点集合的位置信息。
可选地,所述获取模块,用于:
基于所述至少一个可疑障碍点的位置信息,对所述至少一个可疑障碍点执行点云分割处理,使得所述至少一个可疑障碍点被划分至至少一个区域;
对于每个区域,将所述区域中的至少一个可疑障碍点划分至至少一个点集合。
第三方面,提供了一种移动机器人,所述移动机器人包括:第二方面任一所述的障碍物检测装置。
第四方面,提供了一种终端,包括处理器和存储器,
其中,
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述存储器上所存放的程序,以实现第一方面任一所述的障碍物检测方法。
第五方面,提供了一种存储介质,所述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第一方面任一所述的障碍物检测方法。
本申请提供的技术方案带来的有益效果是:
本发明实施例提供的障碍物检测方法及装置,通过在移动机器人处于载货状态时,基于可疑障碍物的位置信息,将第一可疑障碍物与样本物进行匹配,且在第一可疑障碍物与样本物匹配时,确定第一可疑障碍物不是障碍物,相较于相关技术,能够进一步地根据移动机器人的载货状态对可疑障碍物进行检测,细化了对障碍物进行检测时的判断条件,进而降低了将移动机器人因载货所负载的货架等物体误判为障碍物的几率,有效地提高了障碍物检测的准确率,进而保证移动机器人能够根据检测到的障碍物进行合理避障。
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为本发明实施例提供的一种移动机器人与货架的设置方式的示意图;
图2为本发明实施例提供的一种障碍物检测方法的流程图;
图3为本发明实施例提供的另一种障碍物检测方法的流程图;
图4为本发明实施例提供的一种移动机器人的俯视示意图;
图5为本发明实施例提供的一种至少一个可疑障碍点的分布示意图;
图6为本发明实施例提供的一种基于点集合中至少一个可疑障碍点的位置信息,确定点集合的位置信息的方法流程图;
图7为本发明实施例提供的一种获取点集合的凸外接多边形的示意图;
图8为本发明实施例提供的一种将第一可疑障碍物与样本物进行匹配的方法流程图;
图9为本发明实施例提供的另一种将第一可疑障碍物与样本物进行匹配的方法流程图;
图10为本发明实施例提供的一种基于至少一个可疑障碍物的位置信息,获取该第一可疑障碍物与其他可疑障碍物的第二间距的方法流程图;
图11为本发明实施例提供的又一种将第一可疑障碍物与样本物进行匹配的方法流程图;
图12为本发明实施例提供的一种基于相对位置和货架的尺寸,获取多个货架腿所处的区域的方法流程图;
图13为本发明实施例提供的一种多个货架腿所处的区域的示意图;
图14为本发明实施例提供的一种基于目标外接多边形的顶点坐标,以及,移动机器人的尺寸,获取多个货架腿所处的区域的方法流程图;
图15为本发明实施例提供的一种将第一可疑障碍物所处的区域与多个货架腿所处的区域进行对比的方法流程图;
图16为本发明实施例提供的另一种将第一可疑障碍物所处的区域与多个货架腿所处的区域进行对比的方法流程图;
图17为本发明实施例提供的一种根据图5所示的可疑障碍点确定可疑障碍物的示意图;
图18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;
图19为本发明实施例提供的一种匹配模块的结构示意图;
图20为本发明实施例提供的另一种匹配模块的结构示意图;
图21为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。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
随着科技的快速发展,移动机器人的应用越来越广泛,例如:仓储机器人和泊车机器人的应用。在移动机器人的工作过程中,该移动机器人可以负载货架行驶,以带动该货架上放置的待移动的物体(例如:仓库中的商品,或者,待泊车辆)移动。并且,在该移动机器人的行驶过程中,该移动机器人可以检测其行驶环境中存在的障碍物,并根据检测到的障碍物进行避障,以保证该移动机器人能够安全行驶。其中,请参考图1,在移动机器人S负载货架H时,该货架H通常放置于该移动机器人S的顶部。
相关技术中,可以采用激光雷达传感器、超声波传感器和深度摄像头等传感器,检测移动机器人周围区域中物体的位置,并根据该位置判断移动机器人和该物体之间的距离是否小于预设阈值,且当该距离小于预设阈值时,确定该物体为影响移动机器人行驶的障碍物。
但是,该根据距离检测到的障碍物可能会影响移动机器人行驶,也可能不会影响移动机器人行驶。例如:请参考图1,对于移动机器人S因载货而负载的货架H(也称托盘或支撑盘等),在根据距离检测障碍物时,该货架H通常会被误判为会影响移动机器人行驶的物体。在该情况下,移动机器人在行驶过程中会一直检测到该由货架充当的障碍物,且移动机器人根据该货架进行避障时,会导致移动机器人无法正常行驶。因此,相关技术中障碍物检测的准确性较低。
为此,本发明实施例提出一种障碍检测方法,图2为该障碍物检测方法的流程图,如图2所示,该方法可以包括:
步骤101、获取移动机器人的行驶环境中存在的至少一个可疑障碍物的位置信息。
其中,位置信息可以包括坐标。例如:可疑障碍物的位置信息可以为可疑障碍物在移动机器人的本体坐标系内的坐标。
步骤102、当确定移动机器人处于载货状态时,基于位置信息,将第一可疑障碍物与样本物进行匹配。
其中,第一可疑障碍物为至少一个可疑障碍物中的任一个。
可选的,样本物可以为在移动机器人的行驶环境中不会影响移动机器人行驶的物体。例如,该样本物可以为:移动机器人处于载货状态时,该移动机器人因载货所负载的货架等物体。
步骤103、当第一可疑障碍物与样本物匹配时,确定第一可疑障碍物不是障碍物。
其中,在移动机器人的行驶过程中,障碍物是会影响其行驶的物体,是在行驶过程中需要避让的物体。由于样本物为在移动机器人的行驶环境中不会影响移动机器人行驶的物体,因此,当该第一可疑障碍物与样本物匹配时,可以确定该第一可疑障碍物不会影响移动机器人行驶,即可以确定该第一可疑障碍物不是障碍物。
综上所述,本发明实施例提供的障碍物检测方法,通过在移动机器人处于载货状态时,基于可疑障碍物的位置信息,将第一可疑障碍物与样本物进行匹配,且在第一可疑障碍物与样本物匹配时,确定第一可疑障碍物不是障碍物,相较于相关技术,能够进一步地根据移动机器人的载货状态对可疑障碍物进行检测,细化了对障碍物进行检测时的判断条件,进而降低了将移动机器人因载货所负载的货架等物体误判为障碍物的几率,有效地提高了障碍物检测的准确率。
图3为本发明实施例提供的另一种障碍物检测方法的流程图,如图3所示,该方法可以包括:
步骤201、获取移动机器人的行驶环境中存在的至少一个可疑障碍点的位置信息。
可选地,可以采用设置在移动机器人上的激光雷达传感器、超声波传感器和深度摄像头等传感器,获取移动机器人的行驶环境中存在的至少一个可疑障碍点的位置信息。本发明实施例中以采用激光雷达传感器获取该至少一个可疑障碍点的位置信息为例,对该障碍物检测方法进行说明。且为便于描述,下文中将激光雷达传感器简称为激光雷达。
在一种可实现方式中,移动机器人上可以设置有激光雷达,且可以通过该激光雷达采集可疑障碍点的位置信息,并在激光雷达采集到该可疑障碍点的位置信息后,将其发送至移动机器人,使得该移动机器人获取该至少一个可疑障碍点的位置信息。
其中,激光雷达采集可疑障碍点的位置信息的过程可以包括:激光雷达通过发射激光束,并接收激光束遇到阻碍激光束传播的物体时所反射的激光束,然后将该反射的激光束与发射的激光束比较,以得到接收该反射的激光束的时延和方向等信息,并通过该时延和方向等信息,获取该可疑障碍点的位置信息,其中,该可疑障碍点为发射的激光束照射在该阻碍激光束传播的物体上的点。
可选地,激光雷达可以是二维激光雷达,也可以是三维激光雷达。当激光雷达为二维激光雷达时,该激光雷达采集到的可疑障碍点均位于该激光雷达检测面(也称激光束扫描面)内。并且,激光雷达可以设置在移动机器人的前侧。进一步地,移动机器人的后侧、左侧和右侧中的至少一侧上也可以设置有激光雷达。其中,该前侧、后侧、左侧和右侧根据移动机器人的行驶方向确定。该激光雷达可以设置在移动机器人各侧的中心位置处或其他任意位置处,且也可以根据实际需要,在移动机器人的每侧上设置多个激光雷达,本发明实施例对其不做具体限定。需要说明的是,在本发明实施例中,以移动机器人的前侧、后侧、左侧和右侧均设置有激光雷达,且激光雷达为二维激光雷达为例对该障碍物检测方法进行说明,当激光雷达按照其他方式设置,和/或,激光雷达为三维激光雷达时,其实现方式请相应参考本发明实施例的实现过程。
示例地,图4为移动机器人的俯视示意图,请参考图4,移动机器人S的前侧、后侧、左侧和右侧上均设置有激光雷达L,且该激光雷达L均为二维激光雷达,该激光雷达L的检测面平行于移动机器人S的行驶路面,此时,移动机器人S可以通过设置在该前侧、后侧、左侧和右侧上的激光雷达L,获取该移动机器人周围360度范围内的可疑障碍物信息。
需要说明的是,每个激光雷达采集的可疑障碍点的位置信息通常为以该激光雷达为中心的极坐标数据,因此,移动机器人接收激光雷达发送的至少一个可疑障碍点的位置信息之后,或者,激光雷达将至少一个可疑障碍点的位置信息发送至移动机器人之前,还需要对该极坐标数据进行数据转换,以得到以移动机器人自身为标准的数据。例如,将该极坐标数据转换为以该激光雷达自身坐标系为标准的笛卡尔坐标数据,然后将该激光雷达坐标系的笛卡尔坐标数据转换为移动机器人的本体坐标系(请参考图4所示的XY坐标系)的笛卡尔坐标数据。
其中,将该极坐标数据(ρ,θ)转换为该激光雷达坐标系下的笛卡尔坐标数据(m1,n1)的公式为:m1=ρ×cosθ;n1=ρ×sinθ,该θ为激光束的发射角度,ρ为激光雷达检测到的可疑障碍点到该激光雷达的距离。
将该激光雷达坐标系下的笛卡尔坐标数据(m1,n1)转换为移动机器人的本体坐标系的笛卡尔坐标数据(m2,n2)的公式为:m2=m1×cosφ-n1×sinφ+m0;n2=m1×sinφ+n1×cosφ+n0,该(m0,n0)为激光雷达在移动机器人的本体坐标系内的坐标,φ为激光雷达在移动机器人的本体坐标系中的朝向角度。
步骤202、基于至少一个可疑障碍点的位置信息,对至少一个可疑障碍点执行点云分割处理,使得至少一个可疑障碍点被划分至至少一个区域。
点云分割处理是根据空间位置、几何特征和纹理特征等特征对点云进行划分,使得同一划分区域内的点云具有相似特征的分割方法。在本发明实施例中,可以根据至少一个可疑障碍点的位置信息对该至少一个可疑障碍点进行点云分割处理。对该至少一个可疑障碍点进行点云分割处理的过程可以包括:
步骤2021、根据至少一个可疑障碍点的位置信息,在该至少一个可疑障碍点中,分别在移动机器人的前侧、后侧、左侧和右侧,获取到该移动机器人距离最近的目标可疑障碍点。
步骤2022、对于移动机器人的每一侧,将与移动机器人该侧的表面平行且过该侧对应的目标可疑障碍点的直线,确定为分割线。
分别针对移动机器人的每一侧确定分割线后,该移动机器人所在的区域和该移动机器人周围的区域即被划分为9个区域,相应的,步骤201中获取的至少一个可疑障碍点被划分至至少一个区域中。
示例地,请参考图5,假设步骤201中获取的至少一个可疑障碍点分别为:点P1至点P10,到该移动机器人S前侧、后侧、左侧和右侧距离最近的目标可疑障碍点分别为点P3、点P8、点P9和点P5,过点P3且与该移动机器人S前侧的表面平行的直线为直线A3,过点P8且与该移动机器人S后侧的表面平行的直线为直线A4,过点P9且与该移动机器人S左侧的表面平行的直线为直线A1,过点P5且与该移动机器人S右侧的表面平行的直线为直线A2。由图5可知,该直线A1、直线A2、直线A3和直线A4将该移动机器人S所在的区域和该移动机器人S周围的区域划分为9个区域,且点P1至点P10被划分至6个区域中,其中,点P1和点P2位于移动机器人S左前方的区域中,点P3位于移动机器人S前方的区域中,点P4位于移动机器人S右前方的区域中,点P9和点P10位于移动机器人S左方的区域中,点P5和点P6位于移动机器人S右方的区域中,点P7和点P8位于移动机器人S后方的区域中。
需要说明的是,该图5中每个区域所包括的点的位置和数量均用于示意性的说明,并不用于限定,实际检测到的障碍点的数量通常较多。
步骤203、对于每个区域,将区域中的至少一个可疑障碍点划分至至少一个点集合。
在一种可实现方式中,可以按照预设划分规则,对每个区域中的至少一个可疑障碍点进行聚类,以将每个区域中的至少一个可疑障碍点划分至至少一个点集合。其中,每个点集合包括至少一个可疑障碍点,且该每个点集合中的至少一个可疑障碍点可视为属于同一物体的点,即该每个点集合中的至少一个可疑障碍点属于同一阻碍激光束传播的物体。
可选地,该对每个区域中的至少一个可疑障碍点进行聚类的过程可以包括:
步骤2031、以每个区域中的任一可疑障碍点为初始搜索起点,以预设搜索半径在对应区域中进行搜索,然后执行步骤2032。
步骤2032、分别以步骤2031中搜索到的每个邻域点为搜索起点,继续以预设搜索半径在对应区域中进行搜索,并重复以搜索到的邻域点为搜索起点进行搜索的过程,直至在预设搜索半径内无法搜索到邻域点为止,然后执行步骤2033。
步骤2033、检测每个区域中是否存在未被搜索到的可疑障碍点,当任一区域中存在未被搜索到的可疑障碍点时,将该区域中的任一未被搜索到的可疑障碍点确定为初始搜索起点,继续执行步骤2031和步骤2032,直至所有可疑障碍点均被搜索到为止。
其中,搜索半径的取值可以根据实际需要进行设置,本发明实施例对其不做具体限定。例如:可以根据激光雷达的分辨率f,以及,在移动机器人避障过程中需要检测的距离q,确定该搜索半径r,且该搜索半径r可以满足:r=2×f×q。
并且,在该聚类过程中,每一轮搜索过程中的搜索半径的取值可以相同或者不同,例如:步骤2031中搜索半径的取值和步骤2032中搜索半径的取值可以不同或相同,或者,步骤2031中以不同可疑障碍点为搜索起点进行搜索时,每个搜索起点对应的搜索半径的取值可以不同或相同。
示例地,请继续参考图5,对点P1至点P10执行该步骤203后,可以得到7个点集合,其中,点P1和点P2被划分至一个点集合,点P3被划分至一个点集合,点P4被划分至一个点集合,点P5被划分至一个点集合,点P6被划分至一个点集合,点P7和点P8被划分至一个点集合,点P9和点P10被划分至一个点集合。
需要说明的是,在执行步骤203之前,可以根据实际需要选择是否执行该步骤202。并且,通过对至少一个可疑障碍点进行点云分割处理,并对分割后的区域中的可疑障碍点分别进行聚类,可以提高对至少一个可疑障碍点进行聚类的准确性,进而提高根据该点集合对可疑障碍物进行描述的准确性。例如:对于图5中的点P3、点P4和点P5,若不对其执行点云分割处理,在聚类过程中该三个点可能被划分至同一点集合,当通过该点集合中可疑障碍点的外接矩形描述可疑障碍物时,该通过外界矩形描述的可疑障碍物所在的区域与移动机器人所在的区域会存在交叠区域,导致对该可疑障碍物的描述出现问题。且对于具有非凸形状的可疑障碍物(例如墙角),该问题表现的尤其明显。
步骤204、对于每个点集合,基于点集合中至少一个可疑障碍点的位置信息,确定点集合的位置信息。
可选地,由于每个点集合可以包括至少一个可疑障碍点,且该每个点集合中的至少一个可疑障碍点可视为属于同一物体的点,因此,可以采用该至少一个可疑障碍点的外接多边形表示该点集合,相应的,请参考图6,该步骤204的实现过程可以包括:
步骤2041、基于点集合中至少一个可疑障碍点的位置信息,获取点集合的外接多边形的位置信息。
可选地,可以根据点集合中的至少一个可疑障碍点的位置信息,连接每两个可疑障碍点,以得到该点集合的外接多边形。然后,根据该点集合中至少一个可疑障碍点的位置信息,确定该外接多边形的位置信息。例如:当点集合的外接多边形为矩形时,则可以通过位于该矩形的顶点的可疑障碍点的位置信息表示该外接多边形的位置信息。
示例地,当位置信息由坐标表征时,假设图5中可疑障碍点P1的坐标为(100,130),可疑障碍点P2的坐标为(90,100),且点集合包括该可疑障碍点P1和可疑障碍点P2,可以确定该点集合的外接矩形的四个顶点的坐标分别为(100,130)、(100,100)、(90,100)和(90,130),则可以确定该外接矩形处于坐标分别为(100,130)、(100,100)、(90,100)和(90,130)的点围成的区域内部。
需要说明的是,通过连接点集合中每两个可疑障碍点得到的外接多边形可以为凸多边形,或者,该外接多边形也可以为凹多边形。并且,当该外接多边形为凹多边形时,为了减小数据处理的复杂度,可以根据该凹多边形,进一步获取该点集合对应的凸多边形。示例地,请参考图7,假设通过连接点集合中每两个可疑障碍点得到的外接多边形为图7所示的凹多边形,此时,可以继续根据该凹多边形获取该多边形的外接矩形,以得到凸多边形。
步骤2042、将点集合的外接多边形的位置信息确定为点集合的位置信息。
当采用点集合中的至少一个可疑障碍点的外接多边形表示该点集合时,该点集合的外接多边形的位置信息即为该点集合的位置信息,因此,可将点集合的外接多边形的位置信息确定为点集合的位置信息。
示例地,假设某点集合的外接矩形处于坐标分别为(100,130)、(100,100)、(90,100)和(90,130)的点围成的区域内部时,则可以确定该点集合的位置信息用于指示该点集合的位置处于坐标分别为(100,130)、(100,100)、(90,100)和(90,130)的点围成的区域内部。
需要说明的是,为了提高障碍物检测的准确性,还可以为点集合中包括的可疑障碍点的数量设置阈值,也即是,当点集合中的可疑障碍点的数量小于预设阈值时,可以认为该点集合中包括的可疑障碍点为噪声点,此时无需确定该点集合的位置信息,当点集合中的可疑障碍点的数量不小于该预设阈值时,才根据该点集合中的可疑障碍点的位置信息确定该点集合的位置信息。例如:可以假设该预设阈值为3,当点集合中可疑障碍点的数量小于3时,可认为该点集合中的可疑障碍点为噪声点,此时,无需确定该点集合的位置信息。
步骤205、将每个点集合的位置信息确定为一个可疑障碍物的位置信息,以得到至少一个可疑障碍物的位置信息。
由于每个点集合中的至少一个可疑障碍点可视为属于同一物体的点,因此,可以使用一个点集合的位置信息表示一个可疑障碍物的位置信息,并将每个点集合的位置信息确定为一个可疑障碍物的位置信息,以得到至少一个可疑障碍物的位置信息。其中,至少一个点集合与至少一个可疑障碍物一一对应。
示例地,假设根据步骤204确定了三个点集合的位置信息,其中,第一个点集合的位置信息用于指示该点集合的位置处于坐标分别为(100,130)、(100,100)、(90,100)和(90,130)的点围成的区域内部,第二个点集合的位置信息用于指示该点集合的位置处于坐标分别为(0,80)、(10,80)、(10,100)和(0,100)的点围成的区域内部,第三个点集合的位置信息用于指示该点集合的位置为(80,-10),则可以将该第一个点集合的位置信息确定为一个可疑障碍物的位置信息,将第二个点集合的位置信息确定为另一个可疑障碍物的位置信息,将第三个点集合的位置信息确定为再一个可疑障碍物的位置信息。
步骤206、判断移动机器人是否处于载货状态。
通常的,当移动机器人处于载货状态时,由于激光雷达检测到的可疑障碍物可能是障碍物,也可能是货架等不会影响移动机器人行驶的物体。此时,可以根据可疑障碍物的位置信息,进一步判断可疑障碍物是否为障碍物,即执行步骤207。当移动机器人处于非载货状态时,由于移动机器人不会负载货架等不会影响移动机器人行驶的物体,此时,可以确定激光雷达检测到的至少一个可疑障碍物均为障碍物,并根据该障碍物的位置信息进行避障,以保证移动机器人的行驶安全性,即执行步骤209。
在该步骤206的一种可实现方式中,由于移动机器人执行操作时,该移动机器人会记载该执行的操作的名称和执行该操作的时间。例如:在移动机器人执行载货操作或卸货操作时,移动机器人会记载货操作或卸货操作的名称,并记载执行该载货操作或卸货操作操作的起始时间。因此,在执行该步骤206时,可以根据执行该步骤206的当前时刻,查询移动机器人的记录,并根据该记录确定移动机器人当前时刻是否处于载货状态。
在该步骤206的另一种可实现方式中,移动机器人上可以设置有载货状态传感器,通过该载货状态传感器可以检测移动机器人的载货状态。例如:移动机器人上可设置有举升机构,该举升机构用于支撑货架,当移动机器人处于载货状态时,该举升机构处于举升状态,当移动机器人处于非载货状态时,该举升机构处于非举升状态,因此,当该载货状态传感器检测到举升机构处于举升状态时,可以确定该移动机器人处于载货状态。
步骤207、当确定移动机器人处于载货状态时,基于可疑障碍物的位置信息,将第一可疑障碍物与样本物进行匹配。
其中,该第一可疑障碍物可以为至少一个可疑障碍物中的任一个。样本物可以为在移动机器人的行驶环境中不会影响移动机器人行驶的物体,例如,该样本物可以为:移动机器人处于载货状态时,该移动机器人因载货所负载的货架等物体。
可选地,作为该步骤207的一种可实现方式,可以根据第一可疑障碍物的第一配置信息和样本物的第二配置信息,将第一可疑障碍物与样本物进行匹配。例如:可以先基于可疑障碍物的位置信息获取第一可疑障碍物的第一配置信息,然后,基于该第一配置信息与样本物的第二配置信息,将第一可疑障碍物与样本物进行匹配。并且,由于第一配置信息和第二配置信息均可以包括N个参数(该N为正整数),因此,在将第一可疑障碍物与样本物进行匹配时,可以将第一配置信息中的参数与第二配置信息中对应的参数进行一一对比,并在第一配置信息中存在至少一个参数与第二配置信息中对应的参数匹配时,确定第一可疑障碍物与样本物匹配。
可选的,样本物可以包括:货架,该货架可以包括:多个货架腿,该第二配置信息至少可以包括以下一个或多个参数:货架腿的尺寸、货架腿的第一间距和货架腿所处的区域。类似的,第一配置信息至少包括以下一个或多个参数:第一可疑障碍物的尺寸、第一可疑障碍物与任一其他可疑障碍物的第二间距、及第一可疑障碍物所处的区域。其中,该货架腿也可称为托盘腿和支撑柱等。
当第一配置信息中包括的参数不同时,该将第一可疑障碍物与样本物进行匹配的实现方式不同,本发明实施例以该样本物为移动机器人负载的货架,分别对以下几种可实现方式为例对其进行说明:
在第一种可实现方式中,当第二配置信息包括货架腿的尺寸,第一配置信息包括第一可疑障碍物的尺寸时,请参考图8,该将第一可疑障碍物与样本物进行匹配的实现过程,可以包括:
步骤2071a、基于第一可疑障碍物的位置信息,获取第一可疑障碍物的尺寸。
可以根据该第一可疑障碍物的位置信息,并基于几何知识,确定该可疑障碍物的尺寸。示例地,当可疑障碍物的位置信息由可疑障碍物的横截面的位置信息表征时,该第一可疑障碍物的横截面的尺寸可以根据该第一可疑障碍物的位置信息,并基于几何知识确定得到。例如,当第一可疑障碍物的位置信息由第一可疑障碍物的横截面的位置信息表征,且该截面呈矩形时,根据第一可疑障碍物的位置信息可知该矩形的顶点坐标分别为(x1,y1)、(x1,y2)、(x2,y2)和(x2,y1),则根据几何知识可以确定该第一可疑障碍物的横截面的宽为|y1-y2|,该第一可疑障碍物的横截面的长为|x1-x2|。
其中,当通过激光雷达采集可疑障碍点时,由于该可疑障碍点均位于该激光雷达检测面内,因此,该第一可疑障碍物的横截面通常位于该激光雷达检测面内。例如:当激光雷达检测面平行于移动机器人的行驶路面时,该第一可疑障碍物的横截面可以平行于该行驶路面。或者,当激光雷达检测面与该行驶路面之间存在小角度的夹角时,该第一可疑障碍物的横截面与该行驶路面之间也存在小角度的夹角。
步骤2072a、将第一可疑障碍物的尺寸与多个货架腿的尺寸进行对比。
一般地,货架可以包括:多个货架腿。该货架的配置信息可以包括:每个货架腿的尺寸。在判断第一可疑障碍物是否为障碍物时,可以将该第一可疑障碍物的尺寸与该多个货架腿的尺寸进行一一对比。
在一种可实现方式中,第一可疑障碍物的位置信息可以为二维空间内的位置信息,例如,该第一可疑障碍物的尺寸可由第一可疑障碍物的横截面的尺寸表征。相应的,货架腿的尺寸也可由货架腿的横截面的尺寸表征。因此,可以通过将第一可疑障碍物的横截面的尺寸与任一货架腿的横截面的尺寸进行对比,以确定第一可疑障碍物的尺寸与货架腿的尺寸是否匹配。并在第一可疑障碍物的横截面的尺寸与任一货架腿的横截面的尺寸匹配时,确定该第一可疑障碍物的尺寸与该货架腿的尺寸匹配。其中,该货架腿的横截面的设置方式请参考前述第一可疑障碍物的横截面的设置方式,此处不再赘述。
示例的,当采用二维激光雷达获取可疑障碍点的位置信息时,第一可疑障碍物的位置信息可以为在激光雷达的检测面内的二维位置信息,此时,该第一可疑障碍物的尺寸可由该第一可疑障碍物在该检测面上的截面的尺寸表征,货架腿的尺寸也可由货架腿在该检测面上的截面的尺寸表征。当该第一可疑障碍物在该检测面上的截面的尺寸与任一货架腿在该检测面上的截面的尺寸匹配时,可以确定该第一可疑障碍物的尺寸与该货架腿的尺寸匹配。
进一步地,在进行障碍物检测时,可以假设第一可疑障碍物的横截面与每个货架腿的横截面可以均呈矩形。此时,当第一可疑障碍物对应的矩形的长与任一货架腿对应的矩形的长匹配,且第一可疑障碍物对应的矩形的宽与该货架腿对应的矩形的宽匹配时,可以确定该第一可疑障碍物的横截面的尺寸与该货架腿的横截面的尺寸匹配。
并且,对于第一可疑障碍物对应的矩形的长和宽,货架腿对应的矩形的长和宽,可以设置尺寸误差系数。此时,当第一可疑障碍物对应的矩形的长在该尺寸误差系数允许的范围内与货架腿对应的矩形的长相等时,可以认为第一可疑障碍物对应的矩形的长与货架腿对应的矩形的长匹配。以及,当第一可疑障碍物对应的矩形的宽在该尺寸误差系数允许的范围内与货架腿对应的矩形的宽相等时,可以认为第一可疑障碍物对应的矩形的宽与货架腿对应的矩形的宽匹配。示例地,可以假设第一可疑障碍物对应的矩形的长为h1,货架腿对应的矩形的长为h0,第一可疑障碍物对应的矩形的宽为w1,该货架腿对应的矩形的宽为w0,则当第一可疑障碍物对应的矩形的长h1和该货架腿对应的矩形的长h0满足:a1×h0≤h1≤a2×h0时,可以确定该第一可疑障碍物对应的矩形的长与该货架腿对应的矩形的长匹配。以及,当第一可疑障碍物对应的矩形的宽w1和该货架腿对应的矩形的宽w0满足:b1×w0≤w1≤b2×w0时,可以确定该第一可疑障碍物对应的矩形的宽与该货架腿对应的矩形的宽匹配。其中,a1、a2、b1和b2为尺寸误差系数,且该a1、该a2、该b1和该b2的取值可以根据实际需要进行设置,例如:根据障碍物检测的敏感度,可以设置a1=b1=0.8,b2=a2=1.2。
需要说明的是,将第一可疑障碍物的尺寸与多个货架腿的尺寸进行对比还可以有其他可实现方式,例如:当采用三维激光雷达获取可疑障碍点的位置信息时,第一可疑障碍物的位置信息可以为在激光雷达的检测空间内的三维位置信息,此时,该第一可疑障碍物的尺寸可由该第一可疑障碍物在该检测空间内的三维位置信息表征,货架腿的尺寸也可由货架腿在该检测空间内的尺寸表征,在将第一可疑障碍物的尺寸与多个货架腿的尺寸进行对比时,可以将第一可疑障碍物在该检测空间内的尺寸与任一货架腿在该检测空间内的尺寸进行对比,并在第一可疑障碍物在该检测空间内的尺寸与任一货架腿在该检测空间内的尺寸匹配时,确定该第一可疑障碍物的尺寸与该货架腿的尺寸匹配,本发明实施例对其不做具体限定。
步骤2073a、当第一可疑障碍物的尺寸与多个货架腿的尺寸匹配时,确定第一可疑障碍物与样本物匹配。
在第二种可实现方式中,当第二配置信息包括货架腿的第一间距,第一配置信息包括第一可疑障碍物和任一其他可疑障碍物的第二间距时,请参考图9,该将第一可疑障碍物与样本物进行匹配的实现过程可以包括:
步骤2071b、基于至少一个可疑障碍物的位置信息,获取该第一可疑障碍物与其他可疑障碍物的第二间距。
其中,两个可疑障碍物的第二间距可以通过该两个可疑障碍物的几何中心的间距表征,相应的,请参考图10,该步骤2071b的实现过程可以包括:
步骤b1、基于每个可疑障碍物的位置信息,获取对应可疑障碍物的几何中心的坐标。
当已知可疑障碍物的位置信息时,可以根据该位置信息和几何知识确定该可疑障碍物的几何中心的坐标。例如:当可疑障碍物的位置信息由该可疑障碍物的横截面的位置信息表征,且该横截面呈矩形时,假设该矩形的顶点坐标分别为(x1,y1)、(x1,y2)、(x2,y2)和(x2,y1),可以确定该可疑障碍物的几何中心的坐标为((x1+x2)/2,(y1+y2)/2)。
步骤b2、基于每个可疑障碍物的几何中心的坐标,确定每两个可疑障碍物的第二间距。
当已知每个可疑障碍物的几何中心的坐标时,可以根据几何知识确定每两个可疑障碍物的第二间距。例如:假设某第一可疑障碍物的几何中心的坐标为(x1,y1),另一可疑障碍物的几何中心的坐标为(x2,y2),则可以确定该两个可疑障碍物的第二间距
步骤2072b、将第一可疑障碍物和任一其他可疑障碍物的第二间距与任意两个货架腿的第一间距进行对比。
可选地,当第一可疑障碍物和任一其他可疑障碍物的第二间距,与任意两个货架腿的第一间距相等时,可以确定该第一可疑障碍物和任一其他可疑障碍物的第二间距,与该两个货架腿的第一间距匹配。或者,在判断第一可疑障碍物和任一其他可疑障碍物的第二间距,与任意两个货架腿的第一间距是否匹配时,可以设置间距误差系数,当第一可疑障碍物和任一其他可疑障碍物的第二间距,与任意两个货架腿的第一间距在该间距误差系数允许的误差范围内相等时,可以确定该第一可疑障碍物对应的第二间距与该两个货架腿的第一间距匹配。
例如:对于每个第一可疑障碍物,当该第一可疑障碍物和任一其他可疑障碍物的第二间距d1,以及,任意两个货架腿的第一间距d2满足:d2-dt≤d1≤d2+dt时,可以确定该第一可疑障碍物对应的第二间距与该两个货架腿的第一间距匹配。其中,dt为间距误差系数。该dt的取值可以根据实际需要进行设置,例如:该dt的取值可以为100毫米。
步骤2073b、当第一可疑障碍物和任一其他可疑障碍物的第二间距与任意两个货架腿的第一间距匹配时,确定第一可疑障碍物与样本物匹配。
在第三种可实现方式中,当第二配置信息包括移动机器人负载的货架的货架腿所处的区域,第一配置信息包括第一可疑障碍物所处的区域时,请参考图11,该将第一可疑障碍物与样本物进行匹配的实现过程可以包括:
步骤2071c、获取货架与移动机器人的相对位置。
其中,该相对位置可以通过位置偏差和角度偏差表征。在一种可实现方式中,可以在货架和移动机器人上均预设标记物,并通过获取货架上的标记物相对于移动机器人上的标记物的位置偏差和角度偏差,以得到货架相对于移动机器人的相对位置。
例如,该货架上的标记物可以为粘贴在货架预设位置处的二维码等标记图形,移动机器人上的标记物可以为设置在移动机器人的预设位置上的相机,在获取货架相对于移动机器人的相对位置时,可以使用该相机采集该二维码等标记图形的图像,并根据该拍摄的图像、该设置相机的位置和设置标记图形的位置,确定该货架相对于移动机器人的位置偏差和角度偏差。
步骤2072c、基于相对位置和货架的尺寸,获取多个货架腿所处的区域。
可选地,请参考图12,该步骤2072c的实现过程可以包括:
步骤c1、基于相对位置和货架的尺寸,获取货架的目标外接多边形的顶点坐标。
其中,目标外接多边形可以为货架的横截面的外接多边形。当已知货架相对于移动机器人的相对位置,货架的尺寸,以及该货架的目标外接多边形的形状时,可以根据几何知识确定该货架的目标外接多边形的顶点坐标。
在一种可实现方式中,请参考图13,货架H的横截面的外接多边形可以为矩形,此时,当货架H相对于移动机器人S的相对位置由货架H上的标记物相对于移动机器人S上的标记物的位置偏差(x,y)和角度偏差θ表征,且货架H的尺寸为W×P时,该矩形的顶点坐标(x1,y1)、(x2,y2)、(x3,y3)和(x4,y4)可以满足:
x1=W/2×cosθ-H/2×sinθ+x,y1=W/2×sinθ+H/2×cosθ+y。
x2=-W/2×cosθ-H/2×sinθ+x,y2=-W/2×sinθ+H/2×cosθ+y。
x3=-W/2×cosθ+H/2×sinθ+x,y3=-W/2×sinθ-H/2×cosθ+y。
x4=W/2×cosθ+H/2×sinθ+x,y4=W/2×sinθ-H/2×cosθ+y。
步骤c2、基于目标外接多边形的顶点坐标,以及,移动机器人的尺寸,获取多个货架腿所处的区域。
请参考图14,该步骤c2的实现过程可以包括,
步骤c21、在外接多边形的顶点的横坐标中,获取最大横坐标值和最小横坐标值。
步骤c22、在外接多边形的顶点的纵坐标中,获取最大纵坐标值和最小纵坐标值。
步骤c23、基于该最大横坐标值、最小横坐标值、最大纵坐标值和最小纵坐标值,以及,移动机器人的尺寸,获取多个货架腿所处的区域。
请继续参考图13,当货架H的横截面的外接多边形为矩形,且矩形的顶点坐标分别为(x1,y1)、(x2,y2)、(x3,y3)和(x4,y4),移动机器人S的尺寸为W×P,最大横坐标值为Xmax,最小横坐标值Xmin,最大纵坐标值Ymax,最小纵坐标值Ymin时,分别位于矩形四个顶点处的货架腿所处的第一区域、第二区域、第三区域和第四区域分别满足:
第一区域:x∈[W/2,Xmax],y∈[H/2,Ymax];第二区域:x∈[Xmin,-W/2],y∈[H/2,Ymax];第三区域:x∈[Xmin,-W/2],y∈[Ymin,-H/2];第四区域:x∈[W/2,Xmax],y∈[Ymin,-H/2]。
步骤2073c、将第一可疑障碍物所处的区域与多个货架腿所处的区域进行对比。
在步骤2073c的一种可实现方式中,第一可疑障碍物所处的区域可以通过第一可疑障碍物的几何中心的位置表征。相应的,请参考图15,该步骤2073c的实现过程可以包括:
步骤c3、基于第一可疑障碍物的位置信息,获取第一可疑障碍物的几何中心的坐标。
其中,该步骤c3的实现过程请相应参考步骤b1的实现过程,此处不再赘述。
步骤c4、判断第一可疑障碍物的几何中心是否处于任一货架腿所处的区域内。
步骤c5、当第一可疑障碍物的几何中心处于该货架腿所处的区域内时,确定第一可疑障碍物所处的区域与该货架腿所处的区域匹配。
第一可疑障碍物的几何中心为最能表示第一可疑障碍物位置的参数,因此,可以根据第一可疑障碍物的几何中心的坐标与多个货架腿所处的区域的位置信息进行比较,且在根据比较结果确定第一可疑障碍物的几何中心处于任一货架腿所处的区域内时,可以确定第一可疑障碍物所处的区域与该货架腿所处的区域匹配。
在步骤2073c的另一种可实现方式中,可以直接将该第一可疑障碍物所处的区域与任一货架腿所处的区域进行比较,并根据比较结果确定第一可疑障碍物所处的区域与该货架腿所处的区域是否匹配。相应的,请参考图16,该实现过程可以包括:
步骤c6、判断第一可疑障碍物所处的区域是否与任一货架腿所处的区域存在重叠区域。
步骤c7、当第一可疑障碍物所处的区域与任一货架腿所处的区域存在重叠区域时,确定第一可疑障碍物所处的区域与货架腿所处的区域匹配。
通常情况下,在获取第一可疑障碍物所处的区域和任一货架腿所处的区域的过程中,以及,在获取可疑障碍物的位置信息的过程中,均可能出现误差,因此,当第一可疑障碍物所处的区域与任一货架腿所处的区域存在重叠区域时,可以认为该第一可疑障碍物确实处于该货架腿应该所处的位置处,此时,可以确定第一可疑障碍物所处的区域与货架腿所处的区域匹配。
步骤2074c、当第一可疑障碍物所处的区域与多个货架腿所处的区域匹配时,确定第一可疑障碍物与样本物匹配。
需要说明的是,在将第一可疑障碍物与样本物进行匹配时,可以将图8、图9和图11所示的上述三种将第一配置信息中的参数与第二配置信息中对应的参数进行一一对比的可实现方式中的多种进行组合。且在对多种可实现方式进行组合时,对其中的每个参数进行对比时的实现过程可以相应参考上述三种可实现方式的实现过程,此处不再赘述。例如:可以在第一可疑障碍物的尺寸与任一货架腿的尺寸匹配,且第一可疑障碍物和任一其他可疑障碍物的第二间距,与任意两个货架腿的第一间距匹配时,确定该第一可疑障碍物与样本物匹配。或者,可以在第一可疑障碍物的尺寸与任一货架腿的尺寸匹配,该第一可疑障碍物和任一其他可疑障碍物的第二间距,与任意两个货架腿的第一间距匹配,且该第一可疑障碍物所处的区域处于任一货架腿所处的区域内时,确定该第一可疑障碍物与样本物匹配。
步骤208、当第一可疑障碍物与样本物匹配时,确定第一可疑障碍物不是障碍物。
当第一可疑障碍物与样本物匹配时,可以确定该第一可疑障碍物为移动机器人所负载的货架,即可以确定该第一可疑障碍物不是障碍物,进而排除将移动机器人因载货所负载的货架等物体误判为障碍物的可能性,可以提高障碍物检测的准确率。
分别将至少一个可疑障碍物中的每个可疑障碍物与样本物进行匹配后,可以将该至少一个可疑障碍物中不是障碍物的可疑障碍物排除,未被排除的可疑障碍物即为障碍物,此时,移动机器人可以根据该障碍物进行避障。
步骤209、当确定移动机器人处于非载货状态时,确定至少一个第一可疑障碍物均为障碍物。
当移动机器人处于非载货状态时,由于移动机器人不会负载货架等不会影响移动机器人行驶的物体,此时,可以确定激光雷达检测到的至少一个可疑障碍物均为障碍物。
步骤210、根据检测到的障碍物进行避障。
为了保证移动机器人的行驶安全性,在移动机器人的行驶过程中需要检测障碍物,并根据检测到的障碍物执行停车或避让操作。
示例地,请参考图17,对图5中的各个点集合分别执行步骤204和步骤205后,根据包括点P1和点P2的点集合确定了可疑障碍物W1,根据包括点P3的点集合确定了可疑障碍物W2,根据包括点P4的点集合确定了可疑障碍物W3(即货架H的货架腿),在确定移动机器人处于载货状态后,分别根据可疑障碍物W1、可疑障碍物W2和可疑障碍物W3的位置信息,对该可疑障碍物W1、可疑障碍物W2和可疑障碍物W3执行步骤207后可得:可疑障碍物W1的尺寸与多个货架腿的尺寸均不匹配,可疑障碍物W1和任一其他可疑障碍物的第二间距,与任意两个货架腿的第一间距均不匹配,且可疑障碍物W1的几何中心均未处于多个货架腿所处的区域内,因此,可以确定该可疑障碍物W1为障碍物。可疑障碍物W2的尺寸与货架腿的尺寸匹配,但可疑障碍物W2和任一其他可疑障碍物的第二间距,与任意两个货架腿的第一间距均不匹配,且可疑障碍物W2的几何中心均未处于多个货架腿所处的区域内,因此,可以确定该可疑障碍物W2为障碍物。可疑障碍物W3的尺寸与货架腿的尺寸匹配,可疑障碍物W3和一个其他可疑障碍物的第二间距,与两个货架腿的第一间距匹配,且可疑障碍物W3的几何中心处于一个货架腿所处的区域内,因此,可以确定该可疑障碍物W3不是障碍物。相应的,在步骤210中,移动机器人可以根据该可疑障碍物W1和可疑障碍物W2的位置信息进行避障,以保证移动机器人能够安全行驶。而移动机器人无需对该可疑障碍物W3进行避障,进而保证移动机器人的正常行驶。
综上所述,本发明实施例提供的障碍物检测方法,通过在移动机器人处于载货状态时,基于可疑障碍物的位置信息,将第一可疑障碍物与样本物进行匹配,且在第一可疑障碍物与样本物匹配时,确定第一可疑障碍物不是障碍物,相较于相关技术,能够进一步地根据移动机器人的载货状态对可疑障碍物进行检测,细化了对障碍物进行检测时的判断条件,进而降低了将移动机器人因载货所负载的货架等物体误判为障碍物的几率,有效地提高了障碍物检测的准确率,进而保证移动机器人能够根据检测到的障碍物进行合理避障。
需要说明的是,本发明实施例提供的障碍物检测方法步骤的先后顺序可以进行适当调整,步骤也可以根据情况进行相应增减,例如:可以不执行步骤202,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化的方法,都应涵盖在本发明的保护范围之内,因此不再赘述。
图18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18所示,该障碍物检测装置500可以包括:
获取模块501,用于获取移动机器人的行驶环境中存在的至少一个可疑障碍物的位置信息。
匹配模块502,用于当确定移动机器人处于载货状态时,基于位置信息,将第一可疑障碍物与样本物进行匹配,第一可疑障碍物为至少一个可疑障碍物中的任一个。
第一确定模块503,用于当第一可疑障碍物与样本物匹配时,确定第一可疑障碍物不是障碍物。
综上所述,本发明实施例提供的障碍物检测装置,通过匹配模块在移动机器人处于载货状态时,基于可疑障碍物的位置信息,将第一可疑障碍物与样本物进行匹配,第一确定模块在第一可疑障碍物与样本物匹配时,确定第一可疑障碍物不是障碍物,相较于相关技术,能够进一步地根据移动机器人的载货状态对可疑障碍物进行检测,细化了对障碍物进行检测时的判断条件,进而降低了将移动机器人因载货所负载的货架等物体误判为障碍物的几率,有效地提高了障碍物检测的准确率,进而保证移动机器人能够根据检测到的障碍物进行合理避障。
可选地,如图19所示,匹配模块502,可以包括:
第一获取子模块5021,用于基于位置信息,获取第一可疑障碍物的第一配置信息。
匹配子模块5022,用于基于第一配置信息与样本物的第二配置信息,将第一可疑障碍物与样本物进行匹配。
可选地,第一配置信息和第二配置信息均可以包括N个参数,N为正整数,匹配子模块5022,用于:
将第一配置信息中的参数与第二配置信息中对应的参数进行一一对比。
当第一配置信息中存在至少一个参数与第二配置信息中对应的参数匹配时,确定第一可疑障碍物与样本物匹配。
可选地,样本物可以包括:货架,货架可以包括:多个货架腿,第二配置信息可以包括以下一个或多个参数:货架腿的尺寸、货架腿的第一间距和货架腿所处的区域。
第一配置信息可以包括以下一个或多个参数:第一可疑障碍物的尺寸、第一可疑障碍物与任一其他可疑障碍物的第二间距、及第一可疑障碍物所处的区域。
可选地,样本物可以包括:移动机器人负载的货架。
可选地,匹配子模块5022,用于:
将第一可疑障碍物的横截面的尺寸与多个货架腿的横截面的尺寸进行对比。
当第一可疑障碍物的横截面的尺寸与任一货架腿的横截面的尺寸匹配时,确定第一可疑障碍物的尺寸与货架腿的尺寸匹配,横截面平行于移动机器人的行驶路面。
可选地,第一可疑障碍物的横截面与多个货架腿的横截面均呈矩形,匹配子模块5022,用于:
当第一可疑障碍物对应的矩形的长与货架腿对应的矩形的长匹配,且第一可疑障碍物对应的矩形的宽与货架腿对应的矩形的宽匹配时,确定第一可疑障碍物的尺寸与货架腿的尺寸匹配。
可选地,第一可疑障碍物对应的矩形的长与货架腿对应的矩形的长匹配,可以包括:
当第一可疑障碍物对应的矩形的长h1与货架腿对应的矩形的长h0满足:a1×h0≤h1≤a2×h0时,确定第一可疑障碍物对应的矩形的长与货架腿对应的矩形的长匹配。
第一可疑障碍物对应的矩形的宽与货架腿对应的矩形的宽匹配,可以包括:
当第一可疑障碍物对应的矩形的宽w1和货架腿对应的矩形的宽w0满足:b1×w0≤w1≤b2×w0时,确定第一可疑障碍物对应的矩形的宽与货架腿对应的矩形的宽匹配。
其中,a1、a2、b1和b2为尺寸误差系数。
可选地,匹配子模块5022,用于:
将第一可疑障碍物和任一其他可疑障碍物的第二间距与任意两个货架腿的第一间距进行对比。
当第一可疑障碍物和任一其他可疑障碍物的第二间距d1、及任意两个货架腿的第一间距d2满足:d2-dt≤d1≤d2+dt时,确定第一可疑障碍物对应的第二间距与两个货架腿的第一间距匹配,dt为间距误差系数。
可选地,匹配子模块5022,用于:
判断第一可疑障碍物所处的区域是否与任一货架腿所处的区域存在重叠区域。
当第一可疑障碍物所处的区域与任一货架腿所处的区域存在重叠区域时,确定第一可疑障碍物所处的区域与货架腿所处的区域匹配。
可选地,匹配子模块5022,用于:
判断第一可疑障碍物的几何中心是否处于任一货架腿所处的区域内。
当第一可疑障碍物的几何中心处于货架腿所处的区域内时,确定第一可疑障碍物所处的区域与货架腿所处的区域匹配。
可选地,如图20所示,匹配模块502,还可以包括:
第二获取子模块5023,用于获取货架与移动机器人的相对位置。
第三获取子模块5024,用于基于相对位置和货架的尺寸,获取多个货架腿所处的区域。
可选地,第二获取子模块5023,用于:获取货架上的标记物相对于移动机器人上的标记物的位置偏差和角度偏差。
可选地,第三获取子模块5024,用于:
基于相对位置和货架的尺寸,获取货架的目标外接多边形的顶点坐标,目标外接多边形为货架的横截面的外接多边形,横截面平行于移动机器人的行驶路面。
基于目标外接多边形的顶点坐标,以及,移动机器人的尺寸,获取多个货架腿所处的区域。
可选地,目标外接多边形为矩形,相对位置由货架上的标记物相对于移动机器人上的标记物的位置偏差(x,y)和角度偏差θ表征,货架的尺寸为W×P。
矩形的顶点坐标(x1,y1)、(x2,y2)、(x3,y3)和(x4,y4)分别满足:
x1=W/2×cosθ-H/2×sinθ+x,y1=W/2×sinθ+H/2×cosθ+y。
x2=-W/2×cosθ-H/2×sinθ+x,y2=-W/2×sinθ+H/2×cosθ+y。
x3=-W/2×cosθ+H/2×sinθ+x,y3=-W/2×sinθ-H/2×cosθ+y。
x4=W/2×cosθ+H/2×sinθ+x,y4=W/2×sinθ-H/2×cosθ+y。
可选地,目标外接多边形为矩形,矩形的顶点坐标分别为(x1,y1)、(x2,y2)、(x3,y3)和(x4,y4),移动机器人的尺寸为M×N,位于矩形四个顶点处的货架腿所处的第一区域、第二区域、第三区域和第四区域分别满足:
第一区域:x∈[M/2,Xmax],y∈[N/2,Ymax]。
第二区域:x∈[Xmin,-M/2],y∈[N/2,Ymax]。
第三区域:x∈[Xmin,-M/2],y∈[Ymin,-N/2]。
第四区域:x∈[M/2,Xmax],y∈[Ymin,-N/2]。
其中,Xmax为x1、x2、x3和x4中的最大值。
Xmin为x1、x2、x3和x4中的最小值。
Ymax为y1、y2、y3和y4中的最大值。
Ymin为y1、y2、y3和y4中的最小值。
可选地,如图21所示,装置500还可以包括:
第二确定模块504,用于当确定移动机器人处于非载货状态时,确定至少一个可疑障碍物均为障碍物。
可选地,获取模块501,用于:
获取行驶环境中存在的至少一个可疑障碍点的位置信息。
基于至少一个可疑障碍点的位置信息,将至少一个可疑障碍点划分至至少一个点集合,每个点集合可以包括至少一个可疑障碍点。
对于每个点集合,基于点集合中至少一个可疑障碍点的位置信息,确定点集合的位置信息。
将每个点集合的位置信息确定为一个可疑障碍物的位置信息,以得到至少一个可疑障碍物的位置信息,且至少一个点集合与至少一个可疑障碍物一一对应。
可选地,获取模块501,用于:
基于点集合中至少一个可疑障碍点的位置信息,获取点集合的外接多边形的位置信息。
将点集合的外接多边形的位置信息确定为点集合的位置信息。
可选地,获取模块501,用于:
基于至少一个可疑障碍点的位置信息,对至少一个可疑障碍点执行点云分割处理,使得至少一个可疑障碍点被划分至至少一个区域。
对于每个区域,将区域中的至少一个可疑障碍点划分至至少一个点集合。
综上所述,本发明实施例提供的障碍物检测装置,通过匹配模块在移动机器人处于载货状态时,基于可疑障碍物的位置信息,将第一可疑障碍物与样本物进行匹配,第一确定模块在第一可疑障碍物与样本物匹配时,确定第一可疑障碍物不是障碍物,相较于相关技术,能够进一步地根据移动机器人的载货状态对可疑障碍物进行检测,细化了对障碍物进行检测时的判断条件,进而降低了将移动机器人因载货所负载的货架等物体误判为障碍物的几率,有效地提高了障碍物检测的准确率,进而保证移动机器人能够根据检测到的障碍物进行合理避障。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置、模块和子模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本发明实施例还提供了一种移动机器人,该移动机器人可以包括:上述实施例提供的障碍物检测装置。示例地,该移动机器人可以为泊车机器人或仓储机器人。
本发明实施例还提供了一种终端,该终端可以部署在该移动机器人上,该终端可以包括处理器和存储器,
其中,
存储器,用于存放计算机程序。
处理器,用于执行存储器上所存放的程序,以实现上述实施例提供的障碍物检测方法。
可选的,上述处理器可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central Processing Unit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器还可以包括AI(ArtificialIntelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
上述存储器可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器所执行以实现本申请中方法实施例提供的障碍物检测方法。
本发明实施例还提供了一种存储介质,该存储介质可以为非易失性计算机可读存储介质,存储介质内存储有计算机程序,计算机程序被处理器执行时实现上述实施例提供的障碍物检测方法。
本发明实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例提供的障碍物检测方法。
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。
以上所述仅为本申请的可选实施例,并不用以限制本申请,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。
Claims (38)
1.一种障碍物检测方法,其特征在于,所述方法包括:
获取移动机器人的行驶环境中存在的至少一个可疑障碍物的位置信息;
当确定所述移动机器人处于载货状态时,基于所述位置信息,将第一可疑障碍物与样本物进行匹配,所述第一可疑障碍物为所述至少一个可疑障碍物中的任一个;
当所述第一可疑障碍物与所述样本物匹配时,确定所述第一可疑障碍物不是障碍物。
2.根据权利要求1所述的方法,其特征在于,所述基于所述位置信息,将第一可疑障碍物与样本物进行匹配,包括:
基于所述位置信息,获取所述第一可疑障碍物的第一配置信息;
基于所述第一配置信息与所述样本物的第二配置信息,将所述第一可疑障碍物与所述样本物进行匹配。
3.根据权利要求2所述的方法,其特征在于,所述第一配置信息和所述第二配置信息均包括N个参数,所述N为正整数,所述基于所述第一配置信息与所述样本物的第二配置信息,将所述第一可疑障碍物与所述样本物进行匹配,包括:
将所述第一配置信息中的参数与所述第二配置信息中对应的参数进行一一对比;
当所述第一配置信息中存在至少一个参数与所述第二配置信息中对应的参数匹配时,确定所述第一可疑障碍物与所述样本物匹配。
4.根据权利要求3所述的方法,其特征在于,所述样本物包括:货架,所述货架包括:多个货架腿,所述第二配置信息包括以下一个或多个参数:货架腿的尺寸、货架腿的第一间距和货架腿所处的区域;
所述第一配置信息包括以下一个或多个参数:所述第一可疑障碍物的尺寸、所述第一可疑障碍物与任一其他可疑障碍物的第二间距、及所述第一可疑障碍物所处的区域。
5.根据权利要求4所述的方法,其特征在于,所述将所述第一配置信息中的参数与所述第二配置信息中对应的参数进行一一对比,包括:
将所述第一可疑障碍物的横截面的尺寸与多个所述货架腿的横截面的尺寸进行对比;
当所述第一可疑障碍物的横截面的尺寸与任一货架腿的横截面的尺寸匹配时,确定所述第一可疑障碍物的尺寸与所述货架腿的尺寸匹配,所述横截面平行于所述移动机器人的行驶路面。
6.根据权利要求5所述的方法,其特征在于,所述第一可疑障碍物的横截面与多个所述货架腿的横截面均呈矩形,所述当所述第一可疑障碍物的横截面的尺寸与任一货架腿的横截面的尺寸匹配时,确定所述第一可疑障碍物的尺寸与所述货架腿的尺寸匹配,包括:
当所述第一可疑障碍物对应的矩形的长与所述货架腿对应的矩形的长匹配,且所述第一可疑障碍物对应的矩形的宽与所述货架腿对应的矩形的宽匹配时,确定所述第一可疑障碍物的尺寸与所述货架腿的尺寸匹配。
7.根据权利要求6所述的方法,其特征在于,
所述第一可疑障碍物对应的矩形的长与所述货架腿对应的矩形的长匹配,包括:
当所述第一可疑障碍物对应的矩形的长h1与所述货架腿对应的矩形的长h0满足:a1×h0≤h1≤a2×h0时,确定所述第一可疑障碍物对应的矩形的长与所述货架腿对应的矩形的长匹配;
所述第一可疑障碍物对应的矩形的宽与所述货架腿对应的矩形的宽匹配,包括:
当所述第一可疑障碍物对应的矩形的宽w1和所述货架腿对应的矩形的宽w0满足:b1×w0≤w1≤b2×w0时,确定所述第一可疑障碍物对应的矩形的宽与所述货架腿对应的矩形的宽匹配;
其中,所述a1、所述a2、所述b1和所述b2为尺寸误差系数。
8.根据权利要求4至7任一所述的方法,其特征在于,所述将所述第一配置信息中的参数与所述第二配置信息中对应的参数进行一一对比,包括:
将所述第一可疑障碍物和任一其他可疑障碍物的第二间距与任意两个货架腿的第一间距进行对比;
当所述第一可疑障碍物和任一其他可疑障碍物的第二间距d1、及任意两个货架腿的第一间距d2满足:d2-dt≤d1≤d2+dt时,确定所述第一可疑障碍物对应的第二间距与所述两个货架腿的第一间距匹配,所述dt为间距误差系数。
9.根据权利要求4至7任一所述的方法,其特征在于,所述将所述第一配置信息中的参数与所述第二配置信息中对应的参数进行一一对比,包括:
判断所述第一可疑障碍物所处的区域是否与任一货架腿所处的区域存在重叠区域;
当所述第一可疑障碍物所处的区域与任一货架腿所处的区域存在重叠区域时,确定所述第一可疑障碍物所处的区域与所述货架腿所处的区域匹配。
10.根据权利要求4至7任一所述的方法,其特征在于,所述将所述第一配置信息中的参数与所述第二配置信息中对应的参数进行一一对比,包括:
判断所述第一可疑障碍物的几何中心是否处于任一货架腿所处的区域内;
当所述第一可疑障碍物的几何中心处于所述货架腿所处的区域内时,确定所述第一可疑障碍物所处的区域与所述货架腿所处的区域匹配。
11.根据权利要求9所述的方法,其特征在于,在所述将所述第一配置信息中的参数与所述第二配置信息中对应的参数进行一一对比之前,所述方法还包括:
获取所述货架与所述移动机器人的相对位置;
基于所述相对位置和所述货架的尺寸,获取所述多个货架腿所处的区域。
12.根据权利要求11所述的方法,其特征在于,所述获取所述货架与所述移动机器人的相对位置,包括:
获取所述货架上的标记物相对于所述移动机器人上的标记物的位置偏差和角度偏差。
13.根据权利要求11所述的方法,其特征在于,所述基于所述相对位置和所述货架的尺寸,获取所述多个货架腿所处的区域,包括:
基于所述相对位置和所述货架的尺寸,获取所述货架的目标外接多边形的顶点坐标,所述目标外接多边形为所述货架的横截面的外接多边形,所述横截面平行于所述移动机器人的行驶路面;
基于所述目标外接多边形的顶点坐标,以及,所述移动机器人的尺寸,获取所述多个货架腿所处的区域。
14.根据权利要求13所述的方法,其特征在于,所述目标外接多边形为矩形,所述相对位置由所述货架上的标记物相对于所述移动机器人上的标记物的位置偏差(x,y)和角度偏差θ表征,所述货架的尺寸为W×P;
所述矩形的顶点坐标(x1,y1)、(x2,y2)、(x3,y3)和(x4,y4)分别满足:
x1=W/2×cosθ-H/2×sinθ+x,y1=W/2×sinθ+H/2×cosθ+y;
x2=-W/2×cosθ-H/2×sinθ+x,y2=-W/2×sinθ+H/2×cosθ+y;
x3=-W/2×cosθ+H/2×sinθ+x,y3=-W/2×sinθ-H/2×cosθ+y;
x4=W/2×cosθ+H/2×sinθ+x,y4=W/2×sinθ-H/2×cosθ+y。
15.根据权利要求13或14所述的方法,其特征在于,所述目标外接多边形为矩形,所述矩形的顶点坐标分别为(x1,y1)、(x2,y2)、(x3,y3)和(x4,y4),所述移动机器人的尺寸为M×N,
位于所述矩形四个顶点处的货架腿所处的第一区域、第二区域、第三区域和第四区域分别满足:
第一区域:x∈[M/2,Xmax],y∈[N/2,Ymax];
第二区域:x∈[Xmin,-M/2],y∈[N/2,Ymax];
第三区域:x∈[Xmin,-M/2],y∈[Ymin,-N/2];
第四区域:x∈[M/2,Xmax],y∈[Ymin,-N/2];
其中,所述Xmax为所述x1、所述x2、所述x3和所述x4中的最大值;
所述Xmin为所述x1、所述x2、所述x3和所述x4中的最小值;
所述Ymax为所述y1、所述y2、所述y3和所述y4中的最大值;
所述Ymin为所述y1、所述y2、所述y3和所述y4中的最小值。
16.根据权利要求1至7任一所述的方法,其特征在于,在所述获取移动机器人的行驶环境中存在的至少一个可疑障碍物的位置信息之后,所述方法还包括:
当确定所述移动机器人处于非载货状态时,确定所述至少一个可疑障碍物均为障碍物。
17.根据权利要求1至7任一所述的方法,其特征在于,所述获取移动机器人的行驶环境中存在的至少一个可疑障碍物的位置信息,包括:
获取所述行驶环境中存在的至少一个可疑障碍点的位置信息;
基于所述至少一个可疑障碍点的位置信息,将所述至少一个可疑障碍点划分至至少一个点集合,每个点集合包括至少一个可疑障碍点;
对于每个点集合,基于所述点集合中至少一个可疑障碍点的位置信息,确定所述点集合的位置信息;
将每个点集合的位置信息确定为一个可疑障碍物的位置信息,以得到所述至少一个可疑障碍物的位置信息,且所述至少一个点集合与至少一个可疑障碍物一一对应。
18.根据权利要求17所述的方法,其特征在于,所述基于所述点集合中至少一个可疑障碍点的位置信息,确定所述点集合的位置信息,包括:
基于所述点集合中至少一个可疑障碍点的位置信息,获取所述点集合的外接多边形的位置信息;
将所述点集合的外接多边形的位置信息确定为所述点集合的位置信息。
19.根据权利要求17所述的方法,其特征在于,所述基于所述至少一个可疑障碍点的位置信息,将所述至少一个可疑障碍点划分至至少一个点集合,包括:
基于所述至少一个可疑障碍点的位置信息,对所述至少一个可疑障碍点执行点云分割处理,使得所述至少一个可疑障碍点被划分至至少一个区域;
对于每个区域,将所述区域中的至少一个可疑障碍点划分至至少一个点集合。
20.一种障碍物检测装置,其特征在于,所述装置包括:
获取模块,用于获取移动机器人的行驶环境中存在的至少一个可疑障碍物的位置信息;
匹配模块,用于当确定所述移动机器人处于载货状态时,基于所述位置信息,将第一可疑障碍物与样本物进行匹配,所述第一可疑障碍物为所述至少一个可疑障碍物中的任一个;
第一确定模块,用于当所述第一可疑障碍物与所述样本物匹配时,确定所述第一可疑障碍物不是障碍物。
21.根据权利要求20所述的装置,其特征在于,所述匹配模块,包括:
第一获取子模块,用于基于所述位置信息,获取所述第一可疑障碍物的第一配置信息;
匹配子模块,用于基于所述第一配置信息与所述样本物的第二配置信息,将所述第一可疑障碍物与所述样本物进行匹配。
22.根据权利要求21所述的装置,其特征在于,所述第一配置信息和所述第二配置信息均包括N个参数,所述N为正整数,所述匹配子模块,用于:
将所述第一配置信息中的参数与所述第二配置信息中对应的参数进行一一对比;
当所述第一配置信息中存在至少一个参数与所述第二配置信息中对应的参数匹配时,确定所述第一可疑障碍物与所述样本物匹配。
23.根据权利要求22所述的装置,其特征在于,所述样本物包括:货架,所述货架包括:多个货架腿,所述第二配置信息包括以下一个或多个参数:货架腿的尺寸、货架腿的第一间距和货架腿所处的区域;
所述第一配置信息包括以下一个或多个参数:所述第一可疑障碍物的尺寸、所述第一可疑障碍物与任一其他可疑障碍物的第二间距、及所述第一可疑障碍物所处的区域。
24.根据权利要求23所述的装置,其特征在于,所述匹配子模块,用于:
将所述第一可疑障碍物的横截面的尺寸与多个所述货架腿的横截面的尺寸进行对比;
当所述第一可疑障碍物的横截面的尺寸与任一货架腿的横截面的尺寸匹配时,确定所述第一可疑障碍物的尺寸与所述货架腿的尺寸匹配,所述横截面平行于所述移动机器人的行驶路面。
25.根据权利要求24所述的装置,其特征在于,所述第一可疑障碍物的横截面与多个所述货架腿的横截面均呈矩形,所述匹配子模块,用于:
当所述第一可疑障碍物对应的矩形的长与所述货架腿对应的矩形的长匹配,且所述第一可疑障碍物对应的矩形的宽与所述货架腿对应的矩形的宽匹配时,确定所述第一可疑障碍物的尺寸与所述货架腿的尺寸匹配。
26.根据权利要求25所述的装置,其特征在于,
所述第一可疑障碍物对应的矩形的长与所述货架腿对应的矩形的长匹配,包括:
当所述第一可疑障碍物对应的矩形的长h1与所述货架腿对应的矩形的长h0满足:a1×h0≤h1≤a2×h0时,确定所述第一可疑障碍物对应的矩形的长与所述货架腿对应的矩形的长匹配;
所述第一可疑障碍物对应的矩形的宽与所述货架腿对应的矩形的宽匹配,包括:
当所述第一可疑障碍物对应的矩形的宽w1和所述货架腿对应的矩形的宽w0满足:b1×w0≤w1≤b2×w0时,确定所述第一可疑障碍物对应的矩形的宽与所述货架腿对应的矩形的宽匹配;
其中,所述a1、所述a2、所述b1和所述b2为尺寸误差系数。
27.根据权利要求23至26任一所述的装置,其特征在于,所述匹配子模块,用于:
将所述第一可疑障碍物和任一其他可疑障碍物的第二间距与任意两个货架腿的第一间距进行对比;
当所述第一可疑障碍物和任一其他可疑障碍物的第二间距d1、及任意两个货架腿的第一间距d2满足:d2-dt≤d1≤d2+dt时,确定所述第一可疑障碍物对应的第二间距与所述两个货架腿的第一间距匹配,所述dt为间距误差系数。
28.根据权利要求23至26任一所述的装置,其特征在于,所述匹配子模块,用于:
判断所述第一可疑障碍物所处的区域是否与任一货架腿所处的区域存在重叠区域;
当所述第一可疑障碍物所处的区域与任一货架腿所处的区域存在重叠区域时,确定所述第一可疑障碍物所处的区域与所述货架腿所处的区域匹配。
29.根据权利要求23至26任一所述的装置,其特征在于,所述匹配子模块,用于:
判断所述第一可疑障碍物的几何中心是否处于任一货架腿所处的区域内;
当所述第一可疑障碍物的几何中心处于所述货架腿所处的区域内时,确定所述第一可疑障碍物所处的区域与所述货架腿所处的区域匹配。
30.根据权利要求28所述的装置,其特征在于,所述匹配模块还包括:
第二获取子模块,用于获取所述货架与所述移动机器人的相对位置;
第三获取子模块,用于基于所述相对位置和所述货架的尺寸,获取所述多个货架腿所处的区域。
31.根据权利要求30所述的装置,其特征在于,所述第二获取子模块,用于:
获取所述货架上的标记物相对于所述移动机器人上的标记物的位置偏差和角度偏差。
32.根据权利要求30所述的装置,其特征在于,所述第三获取子模块,用于:
基于所述相对位置和所述货架的尺寸,获取所述货架的目标外接多边形的顶点坐标,所述目标外接多边形为所述货架的横截面的外接多边形,所述横截面平行于所述移动机器人的行驶路面;
基于所述目标外接多边形的顶点坐标,以及,所述移动机器人的尺寸,获取所述多个货架腿所处的区域。
33.根据权利要求32所述的装置,其特征在于,所述目标外接多边形为矩形,所述相对位置由所述货架上的标记物相对于所述移动机器人上的标记物的位置偏差(x,y)和角度偏差θ表征,所述货架的尺寸为W×P;
所述矩形的顶点坐标(x1,y1)、(x2,y2)、(x3,y3)和(x4,y4)分别满足:
x1=W/2×cosθ-H/2×sinθ+x,y1=W/2×sinθ+H/2×cosθ+y;
x2=-W/2×cosθ-H/2×sinθ+x,y2=-W/2×sinθ+H/2×cosθ+y;
x3=-W/2×cosθ+H/2×sinθ+x,y3=-W/2×sinθ-H/2×cosθ+y;
x4=W/2×cosθ+H/2×sinθ+x,y4=W/2×sinθ-H/2×cosθ+y。
34.根据权利要求32或33所述的装置,其特征在于,所述目标外接多边形为矩形,所述矩形的顶点坐标分别为(x1,y1)、(x2,y2)、(x3,y3)和(x4,y4),所述移动机器人的尺寸为M×N,
位于所述矩形四个顶点处的货架腿所处的第一区域、第二区域、第三区域和第四区域分别满足:
第一区域:x∈[M/2,Xmax],y∈[N/2,Ymax];
第二区域:x∈[Xmin,-M/2],y∈[N/2,Ymax];
第三区域:x∈[Xmin,-M/2],y∈[Ymin,-N/2];
第四区域:x∈[M/2,Xmax],y∈[Ymin,-N/2];
其中,所述Xmax为所述x1、所述x2、所述x3和所述x4中的最大值;
所述Xmin为所述x1、所述x2、所述x3和所述x4中的最小值;
所述Ymax为所述y1、所述y2、所述y3和所述y4中的最大值;
所述Ymin为所述y1、所述y2、所述y3和所述y4中的最小值。
35.根据权利要求20至26任一所述的装置,其特征在于,所述装置还包括:
第二确定模块,用于当确定所述移动机器人处于非载货状态时,确定所述至少一个可疑障碍物均为障碍物。
36.根据权利要求20至26任一所述的装置,其特征在于,所述获取模块,用于:
获取所述行驶环境中存在的至少一个可疑障碍点的位置信息;
基于所述至少一个可疑障碍点的位置信息,将所述至少一个可疑障碍点划分至至少一个点集合,每个点集合包括至少一个可疑障碍点;
对于每个点集合,基于所述点集合中至少一个可疑障碍点的位置信息,确定所述点集合的位置信息;
将每个点集合的位置信息确定为一个可疑障碍物的位置信息,以得到所述至少一个可疑障碍物的位置信息,且所述至少一个点集合与至少一个可疑障碍物一一对应。
37.根据权利要求36所述的装置,其特征在于,所述获取模块,用于:
基于所述点集合中至少一个可疑障碍点的位置信息,获取所述点集合的外接多边形的位置信息;
将所述点集合的外接多边形的位置信息确定为所述点集合的位置信息。
38.根据权利要求36所述的装置,其特征在于,所述获取模块,用于:
基于所述至少一个可疑障碍点的位置信息,对所述至少一个可疑障碍点执行点云分割处理,使得所述至少一个可疑障碍点被划分至至少一个区域;
对于每个区域,将所述区域中的至少一个可疑障碍点划分至至少一个点集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810967374.9A CN110857859B (zh) | 2018-08-23 | 2018-08-23 | 障碍物检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810967374.9A CN110857859B (zh) | 2018-08-23 | 2018-08-23 | 障碍物检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110857859A true CN110857859A (zh) | 2020-03-03 |
CN110857859B CN110857859B (zh) | 2022-02-08 |
Family
ID=69636088
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810967374.9A Active CN110857859B (zh) | 2018-08-23 | 2018-08-23 | 障碍物检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110857859B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112015178A (zh) * | 2020-08-20 | 2020-12-01 | 中国第一汽车股份有限公司 | 一种控制方法、装置、设备及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010026710A1 (ja) * | 2008-09-03 | 2010-03-11 | 村田機械株式会社 | 経路計画方法、経路計画装置、及び自律移動装置 |
CN204177378U (zh) * | 2014-09-29 | 2015-02-25 | 优迪亚电子(深圳)有限公司 | 一种图像测距系统 |
CN104914860A (zh) * | 2014-03-10 | 2015-09-16 | 株式会社日立制作所 | 叉车型无人运输车、其控制方法以及控制装置 |
CN106200637A (zh) * | 2016-07-06 | 2016-12-07 | 尚艳燕 | 一种利用平衡车载物的方法和平衡车 |
CN106774296A (zh) * | 2016-10-24 | 2017-05-31 | 中国兵器装备集团自动化研究所 | 一种基于激光雷达和ccd摄像机信息融合的障碍检测方法 |
CN107064955A (zh) * | 2017-04-19 | 2017-08-18 | 北京汽车集团有限公司 | 障碍物聚类方法及装置 |
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 |
CN107450554A (zh) * | 2017-08-30 | 2017-12-08 | 上海艾逻思智能设备有限公司 | 一种潜伏式agv以及运行系统 |
CN108152831A (zh) * | 2017-12-06 | 2018-06-12 | 中国农业大学 | 一种激光雷达障碍物识别方法及系统 |
CN108230392A (zh) * | 2018-01-23 | 2018-06-29 | 北京易智能科技有限公司 | 一种基于imu的视觉障碍物检测虚警剔除方法 |
CN108431714A (zh) * | 2016-01-28 | 2018-08-21 | 德国福维克控股公司 | 用于建立用于可自动行走的处理设备的环境地图的方法 |
-
2018
- 2018-08-23 CN CN201810967374.9A patent/CN110857859B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010026710A1 (ja) * | 2008-09-03 | 2010-03-11 | 村田機械株式会社 | 経路計画方法、経路計画装置、及び自律移動装置 |
CN104914860A (zh) * | 2014-03-10 | 2015-09-16 | 株式会社日立制作所 | 叉车型无人运输车、其控制方法以及控制装置 |
CN204177378U (zh) * | 2014-09-29 | 2015-02-25 | 优迪亚电子(深圳)有限公司 | 一种图像测距系统 |
CN108431714A (zh) * | 2016-01-28 | 2018-08-21 | 德国福维克控股公司 | 用于建立用于可自动行走的处理设备的环境地图的方法 |
CN106200637A (zh) * | 2016-07-06 | 2016-12-07 | 尚艳燕 | 一种利用平衡车载物的方法和平衡车 |
CN106774296A (zh) * | 2016-10-24 | 2017-05-31 | 中国兵器装备集团自动化研究所 | 一种基于激光雷达和ccd摄像机信息融合的障碍检测方法 |
CN107064955A (zh) * | 2017-04-19 | 2017-08-18 | 北京汽车集团有限公司 | 障碍物聚类方法及装置 |
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 |
CN107450554A (zh) * | 2017-08-30 | 2017-12-08 | 上海艾逻思智能设备有限公司 | 一种潜伏式agv以及运行系统 |
CN108152831A (zh) * | 2017-12-06 | 2018-06-12 | 中国农业大学 | 一种激光雷达障碍物识别方法及系统 |
CN108230392A (zh) * | 2018-01-23 | 2018-06-29 | 北京易智能科技有限公司 | 一种基于imu的视觉障碍物检测虚警剔除方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112015178A (zh) * | 2020-08-20 | 2020-12-01 | 中国第一汽车股份有限公司 | 一种控制方法、装置、设备及存储介质 |
CN112015178B (zh) * | 2020-08-20 | 2022-10-21 | 中国第一汽车股份有限公司 | 一种控制方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110857859B (zh) | 2022-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110815202B (zh) | 障碍物检测方法及装置 | |
US10776651B2 (en) | Material handling method, apparatus, and system for identification of a region-of-interest | |
EP3293670B1 (en) | Lidar object detection system for automated vehicles | |
EP3063598B1 (en) | Systems, methods, and industrial vehicles for determining the visibility of features | |
CN111712731A (zh) | 目标检测方法、系统及可移动平台 | |
CN112513679B (zh) | 一种目标识别的方法和装置 | |
US20210080590A1 (en) | Conflict resolver for a lidar data segmentation system of an autonomous vehicle | |
CN110927742A (zh) | 障碍物跟踪方法、装置、设备及存储介质 | |
CN114663526A (zh) | 障碍物检测方法、装置、机器人及计算机可读存储介质 | |
CN110857859B (zh) | 障碍物检测方法及装置 | |
US10731970B2 (en) | Method, system and apparatus for support structure detection | |
US20230034208A1 (en) | Processing Apparatus and Point Cloud Elimination Method | |
US11449067B1 (en) | Conflict resolver for a lidar data segmentation system of an autonomous vehicle | |
JP7230787B2 (ja) | 障害物検出装置 | |
CN114941990A (zh) | 传感器自检方法、装置、电子设备及机器可读存储介质 | |
EP4099060A1 (en) | Object recognition method and object recognition device | |
US20200111228A1 (en) | Method, system and apparatus for object detection in point clouds | |
US20240219915A1 (en) | Shelf positioning method of a transporting device and transporting device capable of positioning a shelf | |
US20230375697A1 (en) | System and Method for Support Structure Detection | |
WO2023157443A1 (ja) | 物体姿勢算出装置および物体姿勢算出方法 | |
CN116188541A (zh) | 基于点云的集装箱姿态检测方法、系统、设备及存储介质 | |
CN115953374A (zh) | 地面滤除及障碍物检测方法、装置、电子设备和存储介质 | |
CN117789155A (zh) | 一种黑色障碍物检测方法及装置、相关产品 | |
CN116794629A (zh) | 位姿获取方法、设备以及存储介质 | |
CN117474892A (zh) | 货架识别方法、移动机器人及存储介质 |
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 | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 310051 room 304, B / F, building 2, 399 Danfeng Road, Binjiang District, Hangzhou City, Zhejiang Province Patentee after: Hangzhou Hikvision Robot Co.,Ltd. Address before: 310051 5th floor, building 1, building 2, no.700 Dongliu Road, Binjiang District, Hangzhou City, Zhejiang Province Patentee before: HANGZHOU HIKROBOT TECHNOLOGY Co.,Ltd. |