CN111077541A - 一种障碍物识别方法、障碍物识别装置及移动机器人 - Google Patents
一种障碍物识别方法、障碍物识别装置及移动机器人 Download PDFInfo
- Publication number
- CN111077541A CN111077541A CN201911400074.3A CN201911400074A CN111077541A CN 111077541 A CN111077541 A CN 111077541A CN 201911400074 A CN201911400074 A CN 201911400074A CN 111077541 A CN111077541 A CN 111077541A
- Authority
- CN
- China
- Prior art keywords
- point
- target
- dimensional point
- judgment
- cloud data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000001514 detection method Methods 0.000 claims abstract description 59
- 230000011218 segmentation Effects 0.000 claims description 95
- 238000004590 computer program Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000005192 partition Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请适用于机器人技术领域,提供了一种障碍物识别方法、障碍物识别装置、移动机器人及计算机可读存储介质,所述方法包括:获取所述传感器采集到的探测平面上的传感数据;将所述传感数据转换为基于第一坐标系的第一二维点云数据,其中,所述第一坐标系位于所述探测平面;从所述第一二维点云数据中提取高度低于所述地平面的目标二维点云数据,其中,所述目标二维点云数据用于表征目标物体;根据所述目标二维点云数据识别所述目标物体是否为阶梯。通过上述方法,可以使移动机器人精确地识别出阶梯环境和坡道环境。
Description
技术领域
本申请属于机器人技术领域,尤其涉及一种障碍物识别方法、障碍物识别装置、移动机器人及计算机可读存储介质。
背景技术
针对阶梯、断崖等跌落环境的识别技术,是保障移动机器人安全的重要手段。目前,移动机器人通常采用单点测距传感器(又叫悬崖传感器)进行跌落环境的识别,即通过单点测距传感器向地面发射测距信号,若检测到的地面距离与实际地面距离存在较大偏差,则判定存在跌落环境。
然而,由于坡道与地面的高度差,基于单点测距传感器的识别技术在应对坡道环境时,很容易造成误检。
发明内容
有鉴于此,本申请提供了一种障碍物识别方法、障碍物识别装置、移动机器人及计算机可读存储介质,可以精确地识别出阶梯环境和坡道环境。
第一方面,本申请提供了一种障碍物识别方法,应用于移动机器人,上述移动机器人上设置有传感器,上述传感器位于探测平面,用于对上述探测平面进行探测,上述探测平面与上述移动机器人所在的地平面垂直且与上述移动机器人的行进方向平行,上述障碍物识别方法包括:
获取上述传感器采集到的上述探测平面上的传感数据;
将上述传感数据转换为基于第一坐标系的第一二维点云数据,其中,上述第一坐标系位于上述探测平面;
从上述第一二维点云数据中提取高度低于上述地平面的目标二维点云数据,其中,上述目标二维点云数据用于表征目标物体;
根据上述目标二维点云数据识别上述目标物体是否为阶梯。
第二方面,本申请提供了一种障碍物识别装置,应用于移动机器人,上述移动机器人上设置有传感器,上述传感器位于探测平面,用于对上述探测平面进行探测,上述探测平面与上述移动机器人所在的地平面垂直且与上述移动机器人的行进方向平行,上述障碍物识别装置包括:
获取单元,用于获取上述传感器采集到的上述探测平面上的传感数据;
转换单元,用于将上述传感数据转换为基于第一坐标系的第一二维点云数据,其中,上述第一坐标系位于上述探测平面;
目标提取单元,用于从上述第一二维点云数据中提取高度低于上述移动机器人所在的地平面的目标二维点云数据,其中,上述目标二维点云数据用于表征目标物体;
识别单元,用于根据上述目标二维点云数据识别上述目标物体是否为阶梯。
第三方面,本申请提供了一种移动机器人,包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序,上述处理器执行上述计算机程序时实现如上述第一方面所提供的方法。
第四方面,本申请提供了一种计算机可读存储介质,上述计算机可读存储介质存储有计算机程序,上述计算机程序被处理器执行时实现如第一方面所提供的方法。
第五方面,本申请提供了一种计算机程序产品,当计算机程序产品在移动机器人上运行时,使得移动机器人执行上述第一方面所提供的方法。
由上可见,本申请方案中获取上述传感器采集到的上述探测平面上的传感数据;将上述传感数据转换为基于第一坐标系的第一二维点云数据,其中,上述第一坐标系位于上述探测平面;从上述第一二维点云数据中提取高度低于上述移动机器人所在的地平面的目标二维点云数据,其中,上述目标二维点云数据用于表征目标物体;根据上述目标二维点云数据识别上述目标物体是否为阶梯。本申请方案将传感器采集的传感数据转换为点云数据,并从点云数据中获取处于移动机器人所在的地平面以下的目标点云数据,可以根据目标点云数据精确地识别出阶梯环境和坡道环境。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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是本申请实施例提供的移动机器人工作示意图;
图2是本申请实施例提供的障碍物识别方法的流程示意图;
图3是本申请实施例提供的第一二维点云数据分布示例图;
图4是本申请实施例提供的分割点分布示例图;
图5是本申请实施例提供的拟合直线示例图;
图6是本申请实施例提供的断崖盲区示例图;
图7是本申请实施例提供的斜坡障碍物摆置示例图;
图8是本申请实施例提供的禁行区示意图;
图9是本申请实施例提供的双传感器安装示例图;
图10是本申请实施例提供的障碍物识别装置的结构示意图;
图11是本申请实施例提供的移动机器人的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
本申请实施例提供的一种障碍物识别方法应用于移动机器人,上述移动机器人身上设置有传感器,为了便于阐述,本申请实施例中以上述传感器为二维单线激光雷达为例进行解释及说明。通过传感器自身的旋转形成一探测平面,传感器随即可对上述探测平面进行多角度(如0-360度)探测,以采集上述移动机器人所处环境中不同位置的传感数据。上述探测平面与上述移动机器人所在的地平面垂直,且上述探测平面与上述移动机器人的行进方向平行。如图1所示,上述移动机器人的侧面一定高度处(如0.5m以上)安装有传感器,图1中的箭头表示上述移动机器人的行进方向,上述传感器在上述探测平面内每旋转一定角度则发射一条光束,各条光束在触碰到障碍物时返回传感数据,可使得移动机器人获知各条光束路径下的障碍物与上述传感器之间的距离。
图2示出了本申请实施例提供的一种障碍物识别方法的流程图,详述如下:
步骤201,获取上述传感器采集到的上述探测平面上的传感数据;
在本申请实施例中,上述传感器对上述探测平面进行多角度的探测,采集到上述移动机器人所处环境中不同位置的传感数据,上述传感数据中包括所采集的位置到上述传感器的距离和上述传感器的采集角度。上述采集角度可以是上述传感器发射的光束与上述移动机器人的行进方向之间的夹角。
步骤202,将上述传感数据转换为基于第一坐标系的第一二维点云数据,其中,上述第一坐标系位于上述探测平面;
在本申请实施例中,在上述探测平面上建立以上述传感器的中心为原点的第一坐标系。将上述传感数据转换为基于上述第一坐标系的第一二维点云数据。上述第一二维点云数据即为上述传感数据以点的形式记录的数据,上述点具体为二维点,其中,每一个第一二维点云数据至少包括二维点的坐标;并且,根据上述传感器的类型,每一个第一二维点云数据中还可以包括二维点的属性信息,如光束的反射强度信息。同时,还可以为上述第一二维点云数据添加采集角度的标签。请参阅图3,图3给出了上述第一二维点云数据中的各个二维点分布在上述第一坐标系上的一个示例。
步骤203,从上述第一二维点云数据中提取高度低于上述地平面的目标二维点云数据;
在本申请实施例中,以上述地平面为参照面,将上述第一二维点云数据划分为高度高于上述地平面的二维点云数据和高度低于上述地平面的二维点云数据(目标二维点云数据)。
举例来说,在上述移动机器人所处的环境中,高度高于上述地平面的物体可能有在上述地平面上的桌子、椅子及墙壁等;高度低于上述地平面的物体(即目标物体)可能有阶梯和斜坡。通过以地平面为参照面对上述第一二维点云数据进行划分,就可以得到表征目标物体的目标二维点云数据。
步骤204,根据上述目标二维点云数据识别上述目标物体是否为阶梯。
在本申请实施例中,可以根据上述目标二维点云数据在上述第一坐标系上的空间分布特征与阶梯的特征进行比较,若上述目标二维点云数据在上述第一坐标系上的空间分布特征符合阶梯的特征,则可以确定上述目标物体为阶梯;若不符合,则确定上述目标物体不为阶梯。
可选地,上述第一坐标系的x轴正方向为上述移动机器人的行进方向,y轴正方向为垂直于x轴沿上述移动机器人的竖直高度向上的方向,上述步骤204具体包括:
A1、沿x轴正方向依次从上述目标二维点云数据中提取各个二维点;
A2、检测当前二维点是否为最终二维点;
A3、若当前二维点为最终二维点,则将当前二维点确定为分割点;
A4、若当前二维点不为最终二维点,则检测当前二维点与相邻下一个二维点之间的距离是否大于预设距离阈值;
A5、若当前二维点与相邻下一个二维点之间的距离大于预设距离阈值,则将当前二维点确定为分割点;
A6、根据各个分割点识别上述目标物体是否为阶梯。
其中,请参阅图4,图4示出了x轴及y轴,并以箭头表示上述x轴的正方向及y轴的正方向,图4中的各个白色点为目标二维点云数据中的各二维点。其中,上述最终二维点为上述目标二维点云数据中x坐标最大的二维点,如图4中最左边的点。沿x轴的正方向,依次提取上述目标二维点云数据中的各个二维点。检测提取的当前二维点是否为最终二维点,如果提取的当前二维点为最终二维点,则直接将当前二维点确定为分割点;如果提取的当前二维点不为最终二维点,则检测当前二维点与沿x轴正方向的相邻下一个二维点之间的距离是否大于预设距离阈值。上述预设距离阈值根据一级阶梯的高度设置,例如一级阶梯的高度为10cm,则可以将上述预设距离阈值设置为10cm。如果检测到当前二维点与沿x轴正方向的相邻下一个二维点之间的距离大于预设距离阈值,则将当前二维点确定为一个分割点。如图4中所示的直径较大的圆点即为分割点。将各个分割点在上述第一坐标系上的空间分布特征与阶梯的特征进行比较,如果各个分割点在上述第一坐标系上的空间分布特征符合阶梯的特征,则确定上述目标物体为阶梯;如果不符合阶梯的特征,则确定上述目标物体不为阶梯。
进一步地,如果目标物体是斜坡,根据上述步骤A4,会检测到上述目标二维点云数据中的各相邻两个二维点之间的距离均相等,此时,则可直接确定上述目标物体不为阶梯。
进一步地,由于阶梯上可能存在摆置物品,或者阶梯的前方存在墙壁,导致上述目标二维点云中出现x坐标相同的二维点,影响分割点的确定。因此,在确定分割点之前,可以先剔除x坐标相同的二维点。例如,图3中最左边一列的二维点的即可被剔除。
可选地,若存在至少三个分割点,则上述步骤A6具体包括:
B1、将所确定的分割点中任意三个相邻的分割点划分至一个第一判断点集中,得到至少一个第一判断点集;
B2、根据分割点的x坐标由小至大的顺序,确定目标第一判断点集中的第一分割点、第二分割点及第三分割点;
B3、判断上述目标第一判断点集是否满足预设的第一判断条件;
B4、若存在至少一个第一判断点集满足上述第一判断条件,则将上述目标物体确定为阶梯。
具体地,在得到的至少三个分割点中,每任意三个相邻的分割点即作为一个第一判断点集,例如,若存在分割点o1、o2、o3及o4,则将o1、o2及o3作为一个第一判断点集,o2、o3及o4作为一个第一判断点集。由于存在至少一个第一判断点集,且对每一个第一判断点集作相同或相似的处理,为了便于描述,选定任一第一判断点集作为目标第一判断点集,并基于该目标第一判断点集对步骤B2和B3进行说明。在上述目标第一判断点集中,根据分割点的x坐标由小至大的顺序,确定目标第一判断点集中的第一分割点、第二分割点及第三分割点,其中,第一分割点的x坐标小于第二分割点的x坐标,第二分割点的x坐标小于第三分割点的x坐标。上述第一判断条件为(x1-x2)-(x2-x3)<m且(y1-y2)-(y2-y3)<n,其中,x1为上述第一分割点的x坐标,y1为上述第一分割点的y坐标,x2为上述第二分割点的x坐标,y2为上述第二分割点的y坐标,x3为上述第三分割点的x坐标,y3为上述第三分割点的y坐标,m为预设的第一等差阈值,n为预设的第二等差阈值。如果目标第一判断点集满足上述第一判断条件,则可以认为第一分割点的x坐标、第二分割点的x坐标及第三分割点的x坐标近似为依次递增,并且第一分割点的y坐标、第二分割点的y坐标及第三分割点的y坐标近似为依次递减,这与阶梯的特征是相符合的。若存在至少一个第一判断点集满足上述第一判断条件,则将上述目标物体确定为阶梯。同时,上述第一等差阈值和第二等差阈值的大小根据各级阶梯的尺寸误差而定,例如可以设置上述第一等差阈值和第二等差阈值均为1cm。
可选地,上述步骤A6具体包括:
C1、若沿x轴正方向各个分割点的y坐标依次减小,则基于各个分割点将上述目标二维点云数据分割为两个以上子点云数据;
C2、分别对各个子点云数据进行直线拟合得到拟合直线;
C3、根据各拟合直线识别上述目标物体是否为阶梯。
具体地,由于阶梯的特征为每一级阶梯的高度依次下降,所以需先判断沿x轴正方向,各个分割点的y坐标是否依次减小,如果各个分割点的y坐标不是依次减小,则表示上述目标物体不为阶梯;如果各个分割点的y坐标是依次减小的,则基于各个分割点将上述目标二维点云数据分割为两个以上子点云数据。如图4所示,在沿x轴正方向上,每两个分割点之间存在一些非分割点的二维点。因此,按照欧式距离相近原则,可以基于各分割点将距离相近的二维点聚类,得到两个以上子点云数据,其中,每个子点云数据中包括一个分割点。也即是说,将相邻两个分割点之间的二维点,与相邻两个分割点中x坐标较大的分割点聚类至一个子点云数据中。分别对各个子点云数据进行直线拟合,如图5所示,每个子点云数据对应得到一条拟合直线。将各拟合直线在上述第一坐标系上的空间分布特征与阶梯的特征进行比较,如果各拟合直线在上述第一坐标系上的空间分布特征符合阶梯的特征,则确定上述目标物体为阶梯,如果不符合阶梯的特征,则认为上述目标物体不为阶梯。
可选地,上述步骤C3具体包括:
D1、将所确定的分割点中任意两个相邻的分割点划分至一个第二判断点集中,得到至少一个第二判断点集;
D2、根据分割点的x坐标由小至大的顺序,确定目标第二判断点集中的第四分割点及第五分割点,其中,上述目标第二判断点集为任一第二判断点集;
D3、判断上述目标第二判断点集是否满足预设的第二判断条件;
D4、若存在两个以上第二判断点集满足上述第二判断条件,则将上述目标物体确定为阶梯。
具体地,在所确定的多个分割点中,每任意两个相邻的分割点即作为一个第二判断点集。例如,若存在三个分割点o1、o2及o3,则将o1和o2作为一个第二判断点集,将o2和o3作为一个第二判断点集。由于存在至少一个第二判断点集,且对每一个第二判断点集作相同或相似的处理,为了便于描述,选定任一第二判断点集作为目标第二判断点集,并基于该目标第二判断点集对步骤D2和D3进行说明。在上述目标第二判断点集中,根据分割点的x坐标由小至大的顺序,确定目标第二判断点集中的第四分割点及第五分割点,其中,第四分割点的x坐标小于第五分割点的x坐标。上述第二判断条件为a1-a2<q,其中,a1为上述第四分割点对应的拟合直线的斜率,a2为上述第五分割点对应的拟合直线的斜率,q为预设的平行阈值。如果目标第二判断点集满足上述第二判断条件,则可以认为第四分割点对应的拟合直线和第五分割点对应的拟合直线近似平行,这与阶梯的特征是相符合的。若存在两个以上第二判断点集满足上述第二判断条件,则将上述目标物体确定为阶梯。同时,上述平行阈值的大小根据各级阶梯的尺寸误差而定,例如可以设置上述平行阈值为0.2。
可选地,上述步骤C3具体包括:
E1、将所确定的分割点中任意两个相邻的分割点划分至一个第三判断点集中,得到至少一个第三判断点集;
E2、根据分割点的x坐标由小至大的顺序,确定目标第三判断点集中的第六分割点及第七分割点;
E3、计算上述目标第三判断点集的点线距离,以及计算上述目标第三判断点集的高度差;
E4、判断上述目标第三判断点集是否满足预设的第三判断条件,上述第三判断条件为d1-d2<p,其中,d1为点线距离,d2为高度差,p为预设的垂直阈值;
E5、若存在两个以上第三判断点集满足上述第三判断条件,则将上述目标物体确定为阶梯。
具体地,在所确定的多个分割点中,每任意两个相邻的分割点即作为一个第三判断点集。例如,若存在三个分割点o1、o2及o3,则将o1和o2作为一个第三判断点集,将o2和o3作为一个第三判断点集。由于存在至少一个第三判断点集,且对每一个第三判断点集作相同或相似的处理,为了便于描述,选定任一第三判断点集作为目标第三判断点集,并基于该目标第三判断点集对步骤E2、E3及E4进行说明。在上述目标第三判断点集中,根据分割点的x坐标由小至大的顺序,确定目标第三判断点集中的第六分割点及第七分割点,其中,第六分割点的x坐标小于第七分割点的x坐标。计算上述目标第三判断点集的点线距离,上述点线距离为上述第六分割点与第七拟合直线之间的距离,上述第七拟合直线为上述第七分割点对应的拟合直线。以及计算上述目标第三判断点集的高度差,上述高度差为上述第六分割点的y坐标与上述第七分割点的y坐标之差。
其中,上述第三判断条件为d1-d2<p,其中,d1为点线距离,d2为高度差,p为预设的垂直阈值。如果目标第三判断点集满足上述第三判断条件,则可以认为第六分割点和第七分割点之间存在一个直角特征,这与阶梯的特征是相符合的。若存在两个以上第三判断点集满足上述第三判断条件,则将上述目标物体确定为阶梯。同时,上述垂直阈值的大小根据各级阶梯的尺寸误差而定,例如可以设置上述垂直阈值为1cm。
可选地,上述传感数据为上述传感器在预设的角度区间内所采集到的上述探测平面上的传感数据,在上述步骤E4之后还包括:
F1、若仅存在一个第三判断点集满足上述第三判断条件,则将目标第六分割点的x坐标与预设的阶梯距离阈值进行比较;
F2、若上述目标第六分割点的x坐标小于或等于上述阶梯距离阈值,则控制上述移动机器人停止运动;
F3、若上述目标第六分割点的x坐标大于上述阶梯距离阈值,则获取初始分割点、次二维点以及终止二维点;
F4、根据预设的计算公式计算盲区判断差值,上述计算公式为L=S3-(S1+S2),其中,S1=xlast-xnext,S3=xlast-xfirst,xfirst为初始分割点的x坐标,yfirst为初始分割点的y坐标,xnext为次二维点的x坐标,ynext为次二维点的y坐标,xlast为终止二维点的x坐标,L为盲区判断差值;
F5、将上述盲区判断差值与预设的盲区判断阈值进行比较;
F6、若上述盲区判断差值小于或等于上述盲区判断阈值,则确定上述目标物体不为阶梯;
F7、若上述盲区判断差值大于上述盲区判断阈值,则确定上述目标物体为阶梯。
具体地,上述传感数据为上述传感器在预设的角度区间内所采集到的上述探测平面上的传感数据。上述角度区间根据上述传感器在上述移动机器人身上的安装高度设置,例如,上述传感器的安装高度为1m,希望探测上述移动机器人的前方1m范围内,则以上述y轴的负方向为0度,顺时针方向为角度增大的方向,上述角度区间为0-45度。
如图6所示,当上述移动机器人所处的环境中存在断崖(即只有一级的阶梯)时,往往只能检测到一个第三判断点集满足上述第三判断条件。而如果斜坡上存在障碍物摆置(如图7所示),同样会使上述移动机器人检测到一个第三判断点集满足上述第三判断条件,导致将斜坡识别为断崖。因此,本申请实施例中若仅存在一个第三判断点集满足上述第三判断条件,则将目标第六分割点的x坐标与预设的阶梯距离阈值(如0.5m)进行比较,其中,上述目标第六分割点为满足上述第三判断条件的第三判断点集中的第六分割点。如果上述目标第六分割点的x坐标小于或等于上述阶梯距离阈值,则控制上述移动机器人停止运动,避免上述移动机器人跌落。
如果上述目标第六分割点的x坐标大于上述阶梯距离阈值,则需要进一步判断上述目标物体是属于断崖还是属于摆置有障碍物的斜坡。由于上述传感器发射光束对断崖和斜坡进行探测时,有一个很明显的区别,即上述传感器对断崖探测时会存在一个探测盲区,具体如图6中的箭头段,而上述传感器对斜坡探测时则不存在探测盲区。基于此,获取初始分割点、次二维点以及终止二维点,其中,上述初始分割点为上述目标二维点云数据中x坐标最小的分割点,上述次二维点为上述目标二维点云数据中,与上述初始分割点相邻且x坐标大于上述初始分割点的x坐标的二维点,上述终止二维点为上述第一二维点云数据中x坐标最大的二维点。
根据预设的计算公式计算盲区判断差值,上述盲区判断差值指示了上述传感器对上述目标物体探测时是否存在探测盲区。上述计算公式为L=S3-(S1+S2),其中,S1=xlast-xnext,S3=xlast-xfirst,xfirst为初始分割点的x坐标,yfirst为初始分割点的y坐标,xnext为次二维点的x坐标,ynext为次二维点的y坐标,xlast为终止二维点的x坐标,L为盲区判断差值。将上述盲区判断差值与预设的盲区判断阈值进行比较;若上述盲区判断差值小于或等于上述盲区判断阈值,表示上述传感器对上述目标物体探测时不存在探测盲区,则确定上述目标物体不为阶梯;若上述盲区判断差值大于上述盲区判断阈值,表示上述传感器对上述目标物体探测时存在探测盲区,则确定上述目标物体为阶梯。
可选地,在步骤204之后还包括:
G1、若识别出上述目标物体为阶梯,则根据上述移动机器人的中心与上述传感器的中心之间的距离,将上述目标二维点云数据转换到机器人坐标系下得到第二二维点云数据;
G2、将上述第二二维点云数据投影到机器人地图中得到第三二维点云数据;
G3、根据上述第三二维点云数据,在上述机器人地图中生成禁行区,以指示上述移动机器人避开上述禁行区。
具体地,在识别出上述目标物体为阶梯时,可根据上述移动机器人的中心与上述传感器的中心之间的距离,将上述目标二维点云数据转换到机器人坐标系下得到第二二维点云数据。例如,上述目标二维点云数据中的二维点的坐标为(Xlaser,Ylaser),将该二维点的坐标转换到上述机器人坐标系下的坐标为(Xrobot,Yrobot),两者之间存在如下关系:Xrobot=Xlaser+Dis1,Yrobot=Dis2;其中,Dis1为上述移动机器人的中心在x轴上离上述传感器的中心的距离,Dis2为上述移动机器人的中心在y轴上离上述传感器的中心的距离。再将上述第二二维点云数据投影到机器人地图(COSTMAP)中得到第三二维点云数据。投影到该机器人地图上的第三二维点云数据可拟合成一条代表障碍物的第一直线。同时,基于上述移动机器人的中心,在上述机器人地图中相对于上述第一直线对称生成一条第二直线。如图8所示,在对称的上述第一直线和第二直线的两侧扩宽预设的扩宽距离,在上述机器人地图中生成禁行区,以指示上述移动机器人避开上述禁行区。
可选地,如图9所示,可以在上述移动机器人的两侧对称设置两个传感器。分别对两个传感器采集到的传感数据执行本申请实施例中的障碍物识别方法。综合两个传感器对应的障碍物识别结果,确定是否生成上述禁行区。例如,当存在至少一个传感器对应的障碍物识别结果为上述目标物体为阶梯时,则生成上述禁行区。
可选地,若上述移动机器人所在的环境中存在断崖(相当于一级高度大于上述传感器探测距离的阶梯),当上述传感器对断崖进行探测时,采集到的传感数据中会有百分之五十的数据指示探测位置为超出上述传感器的探测距离的位置,此时,可直接根据传感数据生成禁行区,以指示上述移动机器人避开上述禁行区。
由上可见,本申请方案中获取上述传感器采集到的上述探测平面上的传感数据,并将上述传感数据转换为基于第一坐标系的第一二维点云数据,其中,上述第一坐标系位于上述探测平面;再通过上述移动机器人所在的地平面从上述第一二维点云数据中划分出高度低于所述地平面的目标二维点云数据;进而可以根据上述目标二维点云数据在上述第一坐标系中的空间分布特征,识别出上述目标二维点云数据代表的目标物体是否为阶梯。本申请方案将传感器采集的传感数据转换为点云数据,并从点云数据中获取地面以下的目标点云数据,可以根据目标点云数据精确地识别出阶梯环境和坡道环境。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
图10示出了本申请实施例提供的一种障碍物识别装置的结构示意图,为了便于说明,仅示出了与本申请实施例相关的部分。
该障碍物识别装置1000包括:
获取单元1001,用于获取上述传感器采集到的上述探测平面上的传感数据;
转换单元1002,用于将上述传感数据转换为基于第一坐标系的第一二维点云数据,其中,上述第一坐标系位于上述探测平面;
目标提取单元1003,用于从上述第一二维点云数据中提取高度低于上述移动机器人所在的地平面的目标二维点云数据,其中,上述目标二维点云数据用于表征目标物体;
识别单元1004,用于根据上述目标二维点云数据识别上述目标物体是否为阶梯。
可选地,上述第一坐标系的x轴正方向为上述移动机器人的行进方向,y轴正方向为垂直于x轴沿上述移动机器人的竖直高度向上的方向,上述识别单元1004还包括:
目标二维点提取子单元,用于沿x轴正方向依次从上述目标二维点云数据中提取各个二维点;
最终二维点检测子单元,用于检测当前二维点是否为最终二维点,其中,上述最终二维点为上述目标二维点云数据中x坐标最大的二维点;
最终二维点判定子单元,用于若当前二维点为最终二维点,则将当前二维点确定为分割点;
二维点距离判断子单元,用于若当前二维点不为最终二维点,则检测当前二维点与相邻下一个二维点之间的距离是否大于预设距离阈值;
当前二维点判定子单元,用于若当前二维点与相邻下一个二维点之间的距离大于预设距离阈值,则将当前二维点确定为分割点;
分割点识别物体子单元,用于根据各个分割点识别上述目标物体是否为阶梯。
可选地,存在至少三个分割点,上述分割点识别物体子单元还包括:
第一判断点集划分子单元,用于将所确定的分割点中任意三个相邻的分割点划分至一个第一判断点集中,得到至少一个第一判断点集;
第一判断点集排序子单元,用于根据分割点的x坐标由小至大的顺序,确定目标第一判断点集中的第一分割点、第二分割点及第三分割点,其中,上述目标第一判断点集为任一第一判断点集;
第一判断条件判断子单元,用于判断上述目标第一判断点集是否满足预设的第一判断条件,上述第一判断条件为(x1-x2)-(x2-x3)<m且(y1-y2)-(y2-y3)<n,其中,x1为上述第一分割点的x坐标,y1为上述第一分割点的y坐标,x2为上述第二分割点的x坐标,y2为上述第二分割点的y坐标,x3为上述第三分割点的x坐标,y3为上述第三分割点的y坐标,m为预设的第一等差阈值,n为预设的第二等差阈值;
第一判断点集目标确定子单元,用于若存在至少一个第一判断点集满足上述第一判断条件,则将上述目标物体确定为阶梯。
可选地,上述分割点识别物体子单元还包括:
下降判断子单元,用于若沿x轴正方向各个分割点的y坐标依次减小,则基于各个分割点将上述目标二维点云数据分割为两个以上子点云数据,其中,每个子点云数据中包括一个分割点;
直线拟合子单元,用于分别对各个子点云数据进行直线拟合得到拟合直线;
拟合直线目标确定子单元,用于根据各拟合直线识别上述目标物体是否为阶梯。
可选地,上述拟合直线目标确定子单元还包括:
第二判断点集划分子单元,用于将所确定的分割点中任意两个相邻的分割点划分至一个第二判断点集中,得到至少一个第二判断点集;
第二判断点集排序子单元,用于根据分割点的x坐标由小至大的顺序,确定目标第二判断点集中的第四分割点及第五分割点,其中,上述目标第二判断点集为任一第二判断点集;
第二判断条件判断子单元,用于判断上述目标第二判断点集是否满足预设的第二判断条件,上述第二判断条件为a1-a2<q,其中,a1为上述第四分割点对应的拟合直线的斜率,a2为上述第五分割点对应的拟合直线的斜率,q为预设的平行阈值;
第二判断点集目标确定子单元,用于若存在两个以上第二判断点集满足上述第二判断条件,则将上述目标物体确定为阶梯。
可选地,上述拟合直线目标确定子单元还包括:
第三判断点集划分子单元,用于将所确定的分割点中任意两个相邻的分割点划分至一个第三判断点集中,得到至少一个第三判断点集;
第三判断点集排序子单元,用于根据分割点的x坐标由小至大的顺序,确定目标第三判断点集中的第六分割点及第七分割点,其中,上述目标第三判断点集为任一第三判断点集;
距离高度计算子单元,用于计算上述目标第三判断点集的点线距离,以及计算上述目标第三判断点集的高度差,其中,上述点线距离为上述第六分割点与第七拟合直线之间的距离,上述第七拟合直线为上述第七分割点对应的拟合直线,上述高度差为上述第六分割点的y坐标与上述第七分割点的y坐标之差;
第三判断条件判断子单元,用于判断上述目标第三判断点集是否满足预设的第三判断条件,上述第三判断条件为d1-d2<p,其中,d1为点线距离,d2为高度差,p为预设的垂直阈值;
第三判断点集目标确定子单元,用于若存在两个以上第三判断点集满足上述第三判断条件,则将上述目标物体确定为阶梯。
可选地,上述传感数据为上述传感器在预设的角度区间内所采集到的上述探测平面上的传感数据;上述拟合直线目标确定子单元还包括:
目标第六分割点比较子单元,用于若仅存在一个第三判断点集满足上述第三判断条件,则将目标第六分割点的x坐标与预设的阶梯距离阈值进行比较,其中,上述目标第六分割点为满足上述第三判断条件的第三判断点集中的第六分割点;
机器人运动停止子单元,用于若上述目标第六分割点的x坐标小于或等于上述阶梯距离阈值,则控制上述移动机器人停止运动;
三二维点获取子单元,用于若上述目标第六分割点的x坐标大于上述阶梯距离阈值,则获取初始分割点、次二维点以及终止二维点,其中,上述初始分割点为上述目标二维点云数据中x坐标最小的分割点,上述次二维点为上述目标二维点云数据中,与上述初始分割点相邻且x坐标大于上述初始分割点的x坐标的二维点,上述终止二维点为上述第一二维点云数据中x坐标最大的二维点;
盲区判断差值计算子单元,用于根据预设的计算公式计算盲区判断差值,上述计算公式为L=S3-(S1+S2),其中,S1=xlast-xnext,S3=xlast-xfirst,xfirst为初始分割点的x坐标,yfirst为初始分割点的y坐标,xnext为次二维点的x坐标,ynext为次二维点的y坐标,xlast为终止二维点的x坐标,L为盲区判断差值;
盲区判断差值比较子单元,用于将上述盲区判断差值与预设的盲区判断阈值进行比较;
阶梯盲区确定子单元,用于若上述盲区判断差值小于或等于上述盲区判断阈值,则确定上述目标物体不为阶梯;若上述盲区判断差值大于上述盲区判断阈值,则确定上述目标物体为阶梯。
可选地,上述障碍物识别装置1000还包括:
机器人坐标系转换单元,用于若识别出上述目标物体为阶梯,则根据上述移动机器人的中心与上述传感器的中心之间的距离,将上述目标二维点云数据转换到机器人坐标系下得到第二二维点云数据;
机器人地图转换单元,用于将上述第二二维点云数据投影到机器人地图中得到第三二维点云数据;
禁行区生成单元,用于根据上述第三二维点云数据,在上述机器人地图中生成禁行区,以指示上述移动机器人避开上述禁行区。
由上可见,本申请方案中获取上述传感器采集到的上述探测平面上的传感数据,并将上述传感数据转换为基于第一坐标系的第一二维点云数据,其中,上述第一坐标系位于上述探测平面;再通过上述移动机器人所在的地平面从上述第一二维点云数据中划分出高度低于所述地平面的目标二维点云数据;进而可以根据上述目标二维点云数据在上述第一坐标系中的空间分布特征,识别出上述目标二维点云数据代表的目标物体是否为阶梯。本申请方案将传感器采集的传感数据转换为点云数据,并从点云数据中获取地面以下的目标点云数据,可以根据目标点云数据精确地识别出阶梯环境和坡道环境。
图11为本申请一实施例提供的移动机器人的结构示意图。如图11所示,该实施例的移动机器人11包括:至少一个处理器110(图11中仅示出一个)、存储器111以及存储在上述存储器111中并可在上述至少一个处理器110上运行的计算机程序112,上述处理器110执行上述计算机程序112时实现以下步骤:
获取上述传感器采集到的上述探测平面上的传感数据;
将上述传感数据转换为基于第一坐标系的第一二维点云数据,其中,上述第一坐标系位于上述探测平面;
从上述第一二维点云数据中提取高度低于上述地平面的目标二维点云数据,其中,上述目标二维点云数据用于表征目标物体;
根据上述目标二维点云数据识别上述目标物体是否为阶梯。
假设上述为第一种可能的实施方式,则在第一种可能的实施方式作为基础而提供的第二种可能的实施方式中,上述第一坐标系的x轴正方向为上述移动机器人的行进方向,y轴正方向为垂直于x轴沿上述移动机器人的竖直高度向上的方向,上述根据上述目标二维点云数据识别上述目标物体是否为阶梯,包括:
沿x轴正方向依次从上述目标二维点云数据中提取各个二维点;
检测当前二维点是否为最终二维点,其中,上述最终二维点为上述目标二维点云数据中x坐标最大的二维点;
若当前二维点为最终二维点,则将当前二维点确定为分割点;
若当前二维点不为最终二维点,则检测当前二维点与相邻下一个二维点之间的距离是否大于预设距离阈值;
若当前二维点与相邻下一个二维点之间的距离大于预设距离阈值,则将当前二维点确定为分割点;
根据各个分割点识别上述目标物体是否为阶梯。
在上述第二种可能的实施方式作为基础而提供的第三种可能的实施方式中,若存在至少三个分割点,则上述根据各个分割点识别上述目标物体是否为阶梯,包括:
将所确定的分割点中任意三个相邻的分割点划分至一个第一判断点集中,得到至少一个第一判断点集;
根据分割点的x坐标由小至大的顺序,确定目标第一判断点集中的第一分割点、第二分割点及第三分割点,其中,上述目标第一判断点集为任一第一判断点集;
判断上述目标第一判断点集是否满足预设的第一判断条件,上述第一判断条件为(x1-x2)-(x2-x3)<m且(y1-y2)-(y2-y3)<n,其中,x1为上述第一分割点的x坐标,y1为上述第一分割点的y坐标,x2为上述第二分割点的x坐标,y2为上述第二分割点的y坐标,x3为上述第三分割点的x坐标,y3为上述第三分割点的y坐标,m为预设的第一等差阈值,n为预设的第二等差阈值;
若存在至少一个第一判断点集满足上述第一判断条件,则将上述目标物体确定为阶梯。
在上述第二种可能的实施方式作为基础而提供的第四种可能的实施方式中,上述根据各个分割点识别上述目标物体是否为阶梯,包括:
若沿x轴正方向各个分割点的y坐标依次减小,则基于各个分割点将上述目标二维点云数据分割为两个以上子点云数据,其中,每个子点云数据中包括一个分割点;
分别对各个子点云数据进行直线拟合得到拟合直线;
根据各拟合直线识别上述目标物体是否为阶梯。
在上述第四种可能的实施方式作为基础而提供的第五种可能的实施方式中,上述根据各拟合直线识别上述目标物体是否为阶梯,包括:
将所确定的分割点中任意两个相邻的分割点划分至一个第二判断点集中,得到至少一个第二判断点集;
根据分割点的x坐标由小至大的顺序,确定目标第二判断点集中的第四分割点及第五分割点,其中,上述目标第二判断点集为任一第二判断点集;
判断上述目标第二判断点集是否满足预设的第二判断条件,上述第二判断条件为a1-a2<q,其中,a1为上述第四分割点对应的拟合直线的斜率,a2为上述第五分割点对应的拟合直线的斜率,q为预设的平行阈值;
若存在两个以上第二判断点集满足上述第二判断条件,则将上述目标物体确定为阶梯。
在上述第四种可能的实施方式作为基础而提供的第六种可能的实施方式中,上述根据各拟合直线识别上述目标物体是否为阶梯,包括:
将所确定的分割点中任意两个相邻的分割点划分至一个第三判断点集中,得到至少一个第三判断点集;
根据分割点的x坐标由小至大的顺序,确定目标第三判断点集中的第六分割点及第七分割点,其中,上述目标第三判断点集为任一第三判断点集;
计算上述目标第三判断点集的点线距离,以及计算上述目标第三判断点集的高度差,其中,上述点线距离为上述第六分割点与第七拟合直线之间的距离,上述第七拟合直线为上述第七分割点对应的拟合直线,上述高度差为上述第六分割点的y坐标与上述第七分割点的y坐标之差;
判断上述目标第三判断点集是否满足预设的第三判断条件,上述第三判断条件为d1-d2<p,其中,d1为点线距离,d2为高度差,p为预设的垂直阈值;
若存在两个以上第三判断点集满足上述第三判断条件,则将上述目标物体确定为阶梯。
在上述第六种可能的实施方式作为基础而提供的第七种可能的实施方式中,上述传感数据为上述传感器在预设的角度区间内所采集到的上述探测平面上的传感数据;在上述判断上述目标第三判断点集是否满足预设的第三判断条件之后,上述处理器110执行上述计算机程序112时还实现以下步骤:
若仅存在一个第三判断点集满足上述第三判断条件,则将目标第六分割点的x坐标与预设的阶梯距离阈值进行比较,其中,上述目标第六分割点为满足上述第三判断条件的第三判断点集中的第六分割点;
若上述目标第六分割点的x坐标小于或等于上述阶梯距离阈值,则控制上述移动机器人停止运动;
若上述目标第六分割点的x坐标大于上述阶梯距离阈值,则获取初始分割点、次二维点以及终止二维点,其中,上述初始分割点为上述目标二维点云数据中x坐标最小的分割点,上述次二维点为上述目标二维点云数据中,与上述初始分割点相邻且x坐标大于上述初始分割点的x坐标的二维点,上述终止二维点为上述第一二维点云数据中x坐标最大的二维点;
根据预设的计算公式计算盲区判断差值,上述计算公式为L=S3-(S1+S2),其中,S1=xlast-xnext,S3=xlast-xfirst,xfirst为初始分割点的x坐标,yfirst为初始分割点的y坐标,xnext为次二维点的x坐标,ynext为次二维点的y坐标,xlast为终止二维点的x坐标,L为盲区判断差值;
将上述盲区判断差值与预设的盲区判断阈值进行比较;
若上述盲区判断差值小于或等于上述盲区判断阈值,则确定上述目标物体不为阶梯;
若上述盲区判断差值大于上述盲区判断阈值,则确定上述目标物体为阶梯。
在上述第一种可能的实施方式作为基础,或者上述第二种可能的实施方式作为基础,或者上述第三种可能的实施方式作为基础,或者上述第四种可能的实施方式作为基础,或者上述第五种可能的实施方式作为基础,或者上述第六种可能的实施方式作为基础,或者上述第七种可能的实施方式作为基础而提供的第八种可能的实施方式中,在上述根据上述目标二维点云数据识别上述目标物体是否为阶梯之后,上述处理器110执行上述计算机程序112时实现以下步骤:
若识别出上述目标物体为阶梯,则根据上述移动机器人的中心与上述传感器的中心之间的距离,将上述目标二维点云数据转换到机器人坐标系下得到第二二维点云数据;
将上述第二二维点云数据投影到机器人地图中得到第三二维点云数据;
根据上述第三二维点云数据,在上述机器人地图中生成禁行区,以指示上述移动机器人避开上述禁行区。
该移动机器人可包括,但不仅限于,处理器110、存储器111。本领域技术人员可以理解,图11仅仅是移动机器人11的举例,并不构成对移动机器人11的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备、网络接入设备等。
所称处理器110可以是中央处理单元(Central Processing Unit,CPU),该处理器110还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(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、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
上述存储器111在一些实施例中可以是上述移动机器人11的内部存储单元,例如移动机器人11的硬盘或内存。上述存储器111在另一些实施例中也可以是上述移动机器人11的外部存储设备,例如上述移动机器人11上配备的插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,上述存储器111还可以既包括上述移动机器人11的内部存储单元也包括外部存储设备。上述存储器111用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,例如上述计算机程序的程序代码等。上述存储器111还可以用于暂时地存储已经输出或者将要输出的数据。
由上可见,本申请方案中获取上述传感器采集到的上述探测平面上的传感数据,并将上述传感数据转换为基于第一坐标系的第一二维点云数据,其中,上述第一坐标系位于上述探测平面;再通过上述移动机器人所在的地平面从上述第一二维点云数据中划分出高度低于所述地平面的目标二维点云数据;进而可以根据上述目标二维点云数据在上述第一坐标系中的空间分布特征,识别出上述目标二维点云数据代表的目标物体是否为阶梯。本申请方案将传感器采集的传感数据转换为点云数据,并从点云数据中获取地面以下的目标点云数据,可以根据目标点云数据精确地识别出阶梯环境和坡道环境。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、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单元、模块完成,即将上述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、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。
本申请实施例还提供了一种计算机可读存储介质,上述计算机可读存储介质存储有计算机程序,上述计算机程序被处理器执行时实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在移动机器人上运行时,使得移动机器人执行上述各个方法实施例中的步骤。
上述集成的单元如果以软件功能单元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,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,上述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,上述计算机程序包括计算机程序代码,上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读介质至少可以包括:能够将计算机程序代码携带到移动机器人的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施例仅仅是示意性的,例如,上述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上上述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (11)
1.一种障碍物识别方法,其特征在于,应用于移动机器人,所述移动机器人上设置有传感器,所述传感器位于探测平面,用于对所述探测平面进行探测,所述探测平面与所述移动机器人所在的地平面垂直且与所述移动机器人的行进方向平行,所述障碍物识别方法包括:
获取所述传感器采集到的所述探测平面上的传感数据;
将所述传感数据转换为基于第一坐标系的第一二维点云数据,其中,所述第一坐标系位于所述探测平面;
从所述第一二维点云数据中提取高度低于所述地平面的目标二维点云数据,其中,所述目标二维点云数据用于表征目标物体;
根据所述目标二维点云数据识别所述目标物体是否为阶梯。
2.根据权利要求1所述的障碍物识别方法,其特征在于,所述第一坐标系的x轴正方向为所述移动机器人的行进方向,y轴正方向为垂直于x轴沿所述移动机器人的竖直高度向上的方向,所述根据所述目标二维点云数据识别所述目标物体是否为阶梯,包括:
沿x轴正方向依次从所述目标二维点云数据中提取各个二维点;
检测当前二维点是否为最终二维点,其中,所述最终二维点为所述目标二维点云数据中x坐标最大的二维点;
若当前二维点为最终二维点,则将当前二维点确定为分割点;
若当前二维点不为最终二维点,则检测当前二维点与相邻下一个二维点之间的距离是否大于预设距离阈值;
若当前二维点与相邻下一个二维点之间的距离大于预设距离阈值,则将当前二维点确定为分割点;
根据各个分割点识别所述目标物体是否为阶梯。
3.根据权利要求2所述的障碍物识别方法,其特征在于,若存在至少三个分割点,则所述根据各个分割点识别所述目标物体是否为阶梯,包括:
将所确定的分割点中任意三个相邻的分割点划分至一个第一判断点集中,得到至少一个第一判断点集;
根据分割点的x坐标由小至大的顺序,确定目标第一判断点集中的第一分割点、第二分割点及第三分割点,其中,所述目标第一判断点集为任一第一判断点集;
判断所述目标第一判断点集是否满足预设的第一判断条件,所述第一判断条件为(x1-x2)-(x2-x3)<m且(y1-y2)-(y2-y3)<n,其中,x1为所述第一分割点的x坐标,y1为所述第一分割点的y坐标,x2为所述第二分割点的x坐标,y2为所述第二分割点的y坐标,x3为所述第三分割点的x坐标,y3为所述第三分割点的y坐标,m为预设的第一等差阈值,n为预设的第二等差阈值;
若存在至少一个第一判断点集满足所述第一判断条件,则将所述目标物体确定为阶梯。
4.根据权利要求2所述的障碍物识别方法,其特征在于,所述根据各个分割点识别所述目标物体是否为阶梯,包括:
若沿x轴正方向各个分割点的y坐标依次减小,则基于各个分割点将所述目标二维点云数据分割为两个以上子点云数据,其中,每个子点云数据中包括一个分割点;
分别对各个子点云数据进行直线拟合得到拟合直线;
根据各拟合直线识别所述目标物体是否为阶梯。
5.根据权利要求4所述的障碍物识别方法,其特征在于,所述根据各拟合直线识别所述目标物体是否为阶梯,包括:
将所确定的分割点中任意两个相邻的分割点划分至一个第二判断点集中,得到至少一个第二判断点集;
根据分割点的x坐标由小至大的顺序,确定目标第二判断点集中的第四分割点及第五分割点,其中,所述目标第二判断点集为任一第二判断点集;
判断所述目标第二判断点集是否满足预设的第二判断条件,所述第二判断条件为a1-a2<q,其中,a1为所述第四分割点对应的拟合直线的斜率,a2为所述第五分割点对应的拟合直线的斜率,q为预设的平行阈值;
若存在两个以上第二判断点集满足所述第二判断条件,则将所述目标物体确定为阶梯。
6.根据权利要求4所述的障碍物识别方法,其特征在于,所述根据各拟合直线识别所述目标物体是否为阶梯,包括:
将所确定的分割点中任意两个相邻的分割点划分至一个第三判断点集中,得到至少一个第三判断点集;
根据分割点的x坐标由小至大的顺序,确定目标第三判断点集中的第六分割点及第七分割点,其中,所述目标第三判断点集为任一第三判断点集;
计算所述目标第三判断点集的点线距离,以及计算所述目标第三判断点集的高度差,其中,所述点线距离为所述第六分割点与第七拟合直线之间的距离,所述第七拟合直线为所述第七分割点对应的拟合直线,所述高度差为所述第六分割点的y坐标与所述第七分割点的y坐标之差;
判断所述目标第三判断点集是否满足预设的第三判断条件,所述第三判断条件为d1-d2<p,其中,d1为点线距离,d2为高度差,p为预设的垂直阈值;
若存在两个以上第三判断点集满足所述第三判断条件,则将所述目标物体确定为阶梯。
7.根据权利要求6所述的障碍物识别方法,其特征在于,所述传感数据为所述传感器在预设的角度区间内所采集到的所述探测平面上的传感数据;在所述判断所述目标第三判断点集是否满足预设的第三判断条件之后,所述障碍物识别方法还包括:
若仅存在一个第三判断点集满足所述第三判断条件,则将目标第六分割点的x坐标与预设的阶梯距离阈值进行比较,其中,所述目标第六分割点为满足所述第三判断条件的第三判断点集中的第六分割点;
若所述目标第六分割点的x坐标小于或等于所述阶梯距离阈值,则控制所述移动机器人停止运动;
若所述目标第六分割点的x坐标大于所述阶梯距离阈值,则获取初始分割点、次二维点以及终止二维点,其中,所述初始分割点为所述目标二维点云数据中x坐标最小的分割点,所述次二维点为所述目标二维点云数据中,与所述初始分割点相邻且x坐标大于所述初始分割点的x坐标的二维点,所述终止二维点为所述第一二维点云数据中x坐标最大的二维点;
根据预设的计算公式计算盲区判断差值,所述计算公式为L=S3-(S1+S2),其中,S1=xlast-xnext,S3=xlast-xfirst,xfirst为初始分割点的x坐标,yfirst为初始分割点的y坐标,xnext为次二维点的x坐标,ynext为次二维点的y坐标,xlast为终止二维点的x坐标,L为盲区判断差值;
将所述盲区判断差值与预设的盲区判断阈值进行比较;
若所述盲区判断差值小于或等于所述盲区判断阈值,则确定所述目标物体不为阶梯;
若所述盲区判断差值大于所述盲区判断阈值,则确定所述目标物体为阶梯。
8.根据权利要求1-7任一项所述的障碍物识别方法,其特征在于,在所述根据所述目标二维点云数据识别所述目标物体是否为阶梯之后,还包括:
若识别出所述目标物体为阶梯,则根据所述移动机器人的中心与所述传感器的中心之间的距离,将所述目标二维点云数据转换到机器人坐标系下得到第二二维点云数据;
将所述第二二维点云数据投影到机器人地图中得到第三二维点云数据;
根据所述第三二维点云数据,在所述机器人地图中生成禁行区,以指示所述移动机器人避开所述禁行区。
9.一种障碍物识别装置,其特征在于,应用于移动机器人,所述移动机器人上设置有传感器,所述传感器位于探测平面,用于对所述探测平面进行探测,所述探测平面与所述移动机器人所在的地平面垂直且与所述移动机器人的行进方向平行,所述障碍物识别装置包括:
获取单元,用于获取所述传感器采集到的所述探测平面上的传感数据;
转换单元,用于将所述传感数据转换为基于第一坐标系的第一二维点云数据,其中,所述第一坐标系位于所述探测平面;
目标提取单元,用于从所述第一二维点云数据中提取高度低于所述移动机器人所在的地平面的目标二维点云数据,其中,所述目标二维点云数据用于表征目标物体;
识别单元,用于根据所述目标二维点云数据识别所述目标物体是否为阶梯。
10.一种移动机器人,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的方法。
11.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911400074.3A CN111077541B (zh) | 2019-12-30 | 2019-12-30 | 一种障碍物识别方法、障碍物识别装置及移动机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911400074.3A CN111077541B (zh) | 2019-12-30 | 2019-12-30 | 一种障碍物识别方法、障碍物识别装置及移动机器人 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111077541A true CN111077541A (zh) | 2020-04-28 |
CN111077541B CN111077541B (zh) | 2022-03-22 |
Family
ID=70319991
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911400074.3A Active CN111077541B (zh) | 2019-12-30 | 2019-12-30 | 一种障碍物识别方法、障碍物识别装置及移动机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111077541B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111950420A (zh) * | 2020-08-04 | 2020-11-17 | 国以贤智能科技(上海)股份有限公司 | 一种避障方法、装置、设备和存储介质 |
CN112099494A (zh) * | 2020-09-02 | 2020-12-18 | 西安交通大学 | 一种面向全地形车及其自动检测楼梯与攀爬方法 |
CN112255633A (zh) * | 2020-09-25 | 2021-01-22 | 中国矿业大学 | 一种无人自卸车在垃圾填埋场自动卸载的方法 |
CN112529963A (zh) * | 2020-12-11 | 2021-03-19 | 深圳一清创新科技有限公司 | 一种楼梯检测方法、装置及移动机器人 |
CN112987734A (zh) * | 2021-02-23 | 2021-06-18 | 京东数科海益信息科技有限公司 | 机器人行驶方法、装置及电子设备、存储介质及程序产品 |
CN113110426A (zh) * | 2021-03-29 | 2021-07-13 | 深圳市优必选科技股份有限公司 | 边缘检测方法、装置、机器人及存储介质 |
CN113420698A (zh) * | 2021-06-18 | 2021-09-21 | 北京盈迪曼德科技有限公司 | 一种基于机器人的环境识别方法及装置 |
CN113791400A (zh) * | 2021-09-07 | 2021-12-14 | 大连理工大学 | 一种基于激光雷达的楼梯参数自主检测方法 |
CN113878582A (zh) * | 2021-10-29 | 2022-01-04 | 上海擎朗智能科技有限公司 | 机器人行驶控制方法、装置、机器人和存储介质 |
CN113970295A (zh) * | 2021-09-28 | 2022-01-25 | 湖南三一中益机械有限公司 | 一种摊铺厚度测量方法、装置及摊铺机 |
CN114326711A (zh) * | 2021-12-03 | 2022-04-12 | 云鲸智能(深圳)有限公司 | 窄道通行方法、装置、机器人及计算机可读存储介质 |
WO2022152263A1 (zh) * | 2021-01-18 | 2022-07-21 | 深圳市普渡科技有限公司 | 斜坡感知方法、装置、机器人和存储介质 |
CN113110426B (zh) * | 2021-03-29 | 2024-06-21 | 深圳市优必选科技股份有限公司 | 边缘检测方法、装置、机器人及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104374376A (zh) * | 2014-11-05 | 2015-02-25 | 北京大学 | 一种车载三维测量系统装置及其应用 |
CN108399424A (zh) * | 2018-02-06 | 2018-08-14 | 深圳市建设综合勘察设计院有限公司 | 一种点云分类方法、智能终端及存储介质 |
CN109144097A (zh) * | 2018-08-15 | 2019-01-04 | 广州极飞科技有限公司 | 障碍物或地面识别及飞行控制方法、装置、设备及介质 |
CN109725331A (zh) * | 2019-03-18 | 2019-05-07 | 燕山大学 | 一种基于激光雷达的无人艇避障方法 |
WO2019195593A1 (en) * | 2018-04-05 | 2019-10-10 | Apex.AI, Inc. | Efficient and scalable three-dimensional point cloud segmentation for navigation in autonomous vehicles |
-
2019
- 2019-12-30 CN CN201911400074.3A patent/CN111077541B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104374376A (zh) * | 2014-11-05 | 2015-02-25 | 北京大学 | 一种车载三维测量系统装置及其应用 |
CN108399424A (zh) * | 2018-02-06 | 2018-08-14 | 深圳市建设综合勘察设计院有限公司 | 一种点云分类方法、智能终端及存储介质 |
WO2019195593A1 (en) * | 2018-04-05 | 2019-10-10 | Apex.AI, Inc. | Efficient and scalable three-dimensional point cloud segmentation for navigation in autonomous vehicles |
CN109144097A (zh) * | 2018-08-15 | 2019-01-04 | 广州极飞科技有限公司 | 障碍物或地面识别及飞行控制方法、装置、设备及介质 |
CN109725331A (zh) * | 2019-03-18 | 2019-05-07 | 燕山大学 | 一种基于激光雷达的无人艇避障方法 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111950420A (zh) * | 2020-08-04 | 2020-11-17 | 国以贤智能科技(上海)股份有限公司 | 一种避障方法、装置、设备和存储介质 |
CN112099494A (zh) * | 2020-09-02 | 2020-12-18 | 西安交通大学 | 一种面向全地形车及其自动检测楼梯与攀爬方法 |
CN112255633B (zh) * | 2020-09-25 | 2022-03-01 | 中国矿业大学 | 一种无人自卸车在垃圾填埋场自动卸载的方法 |
CN112255633A (zh) * | 2020-09-25 | 2021-01-22 | 中国矿业大学 | 一种无人自卸车在垃圾填埋场自动卸载的方法 |
CN112529963A (zh) * | 2020-12-11 | 2021-03-19 | 深圳一清创新科技有限公司 | 一种楼梯检测方法、装置及移动机器人 |
WO2022152263A1 (zh) * | 2021-01-18 | 2022-07-21 | 深圳市普渡科技有限公司 | 斜坡感知方法、装置、机器人和存储介质 |
CN112987734A (zh) * | 2021-02-23 | 2021-06-18 | 京东数科海益信息科技有限公司 | 机器人行驶方法、装置及电子设备、存储介质及程序产品 |
CN113110426A (zh) * | 2021-03-29 | 2021-07-13 | 深圳市优必选科技股份有限公司 | 边缘检测方法、装置、机器人及存储介质 |
CN113110426B (zh) * | 2021-03-29 | 2024-06-21 | 深圳市优必选科技股份有限公司 | 边缘检测方法、装置、机器人及存储介质 |
CN113420698A (zh) * | 2021-06-18 | 2021-09-21 | 北京盈迪曼德科技有限公司 | 一种基于机器人的环境识别方法及装置 |
CN113791400A (zh) * | 2021-09-07 | 2021-12-14 | 大连理工大学 | 一种基于激光雷达的楼梯参数自主检测方法 |
CN113791400B (zh) * | 2021-09-07 | 2023-10-13 | 大连理工大学 | 一种基于激光雷达的楼梯参数自主检测方法 |
CN113970295A (zh) * | 2021-09-28 | 2022-01-25 | 湖南三一中益机械有限公司 | 一种摊铺厚度测量方法、装置及摊铺机 |
CN113970295B (zh) * | 2021-09-28 | 2024-04-16 | 湖南三一中益机械有限公司 | 一种摊铺厚度测量方法、装置及摊铺机 |
CN113878582A (zh) * | 2021-10-29 | 2022-01-04 | 上海擎朗智能科技有限公司 | 机器人行驶控制方法、装置、机器人和存储介质 |
CN114326711A (zh) * | 2021-12-03 | 2022-04-12 | 云鲸智能(深圳)有限公司 | 窄道通行方法、装置、机器人及计算机可读存储介质 |
CN114326711B (zh) * | 2021-12-03 | 2023-08-08 | 云鲸智能(深圳)有限公司 | 窄道通行方法、装置、机器人及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111077541B (zh) | 2022-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111077541B (zh) | 一种障碍物识别方法、障碍物识别装置及移动机器人 | |
EP3349041B1 (en) | Object detection system | |
CN110807350B (zh) | 用于面向扫描匹配的视觉slam的系统和方法 | |
KR102452550B1 (ko) | 라이다 데이터 기반 객체 검출 장치, 그를 포함한 시스템 및 그 방법 | |
US20140177915A1 (en) | Method and apparatus for detecting object | |
Wojke et al. | Moving vehicle detection and tracking in unstructured environments | |
CN109001757B (zh) | 一种基于2d激光雷达的车位智能检测方法 | |
CN111136648B (zh) | 一种移动机器人的定位方法、定位装置及移动机器人 | |
US20060115113A1 (en) | Method for the recognition and tracking of objects | |
EP2458528A2 (en) | Image processing apparatus and method, and program | |
JP2000357233A (ja) | 物体認識装置 | |
CN110216661B (zh) | 跌落区域识别的方法及装置 | |
KR101097182B1 (ko) | 3차원 거리정보에서 고도지도와의 정합에 유리한 정보를 추출하는 방법 | |
CN114241448A (zh) | 障碍物航向角的获取方法、装置、电子设备及车辆 | |
US11450024B2 (en) | Mixed depth object detection | |
CN111932617B (zh) | 一种对规则物体实现实时检测定位方法和系统 | |
US11861914B2 (en) | Object recognition method and object recognition device | |
JP6657934B2 (ja) | 物体検出装置 | |
CN110542422A (zh) | 机器人定位方法、装置、机器人及存储介质 | |
JP5655038B2 (ja) | 移動体認識システム、移動体認識プログラム、及び移動体認識方法 | |
Miyakawa et al. | Automatic estimation of the position and orientation of stairs to be reached and climbed by a disaster response robot by analyzing 2D image and 3D point cloud | |
CN113496199B (zh) | 对目标对象的基于直方图的l形检测 | |
CN117677862A (zh) | 一种伪像点识别方法、终端设备及计算机可读存储介质 | |
US20220297292A1 (en) | Information processing device and information processing method | |
Bhowmick et al. | A novel floor segmentation algorithm for mobile robot navigation |
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 |