CN111198378A - 基于边界的自主探索方法和装置 - Google Patents

Abstract

本申请实施例公开了一种基于边界的自主探索方法、装置、移动机器人及计算机可读存储介质，方法包括：获取三维环境点云信息和二维激光雷达信息；从三维环境点云信息中提取出地面边缘信息；将地面边缘信息转化为伪二维激光雷达信息；将二维激光雷达信息和伪二维激光雷达信息进行融合，得到融合激光信息；使用融合激光信息进行基于边界的自主探索。本申请实施例通过从三维环境点云信息中提取出地面点云的边缘信息，将地面边缘信息转化为伪二维激光信息，以将二维激光雷达识别不出的断崖式道路通过伪二维激光信息进行识别，从而解决了移动机器人自主探索时，因二维激光雷达识别不出断崖式道路而出现跌落楼梯等安全事故的问题。

Description

基于边界的自主探索方法和装置

技术领域

本申请属于机器人技术领域，尤其涉及一种基于边界的自主探索方法、装置、移动机器人及计算机可读存储介质。

背景技术

移动机器人在未知环境下的自主探索，需要机器人能动态的选择目标点并能运动到所选目标点。机器人在未知环境下的自主探索以及建图是检验机器人是否智能的关键性问题，特别是在人不能进入的恶劣环境中尤其重要。所以，自主探索已经成为机器人领域需要解决的关键问题。

移动机器人自主探索算法主要分为三类：基于未探索区域的探索算法，例如，基于边界(frontier)的探索策略；基于下一步最佳视野(Next Best View)的探索算法，例如，基于信息熵栅格地图的算法；基于路径规划的探索算法，例如，RRT算法、A*算法和D*算法等。

目前研究最多的通常是基于边界的自主探索方法。然而，传统的基于边界的探索策略有如下不足：该算法最初提出时是基于二位激光传感器的信息，而二维激光雷达信息识别不出断崖式道路，例如，电扶梯和台阶等，移动机器人在三维环境中自主探索，遇到断崖式道路时会认为前方没有障碍而继续往前走，从而产生安全事故。

发明内容

本申请实施例提供一种基于边界的自主探索方法、装置、移动机器人及计算机可读存储介质，以解决现有基于边界的自主探索方案中二维激光雷达识别不出断崖式道路，从而产生安全事故的问题。

第一方面，本申请实施例提供一种基于边界的自主探索方法，应用于移动机器人，所述方法包括：

获取三维环境点云信息和二维激光雷达信息；

从所述三维环境点云信息中提取出地面边缘信息；

将所述地面边缘信息转化为伪二维激光雷达信息；

将所述二维激光雷达信息和所述伪二维激光雷达信息进行融合，得到融合激光信息；

使用所述融合激光信息进行基于边界的自主探索。

可以看出，本申请实施例通过从三维环境点云信息中提取出地面点云的边缘信息，将地面边缘信息转化为伪二维激光信息，以将二维激光雷达识别不出的断崖式道路通过伪二维激光信息进行识别，再将伪二维激光信息和真实的二维激光信息进行融合，生成融合后的激光信息，最后使用融合激光信息进行探索，从而避免了移动机器人出现跌落楼梯等安全事故。

在第一方面的一种可能的实现方式中，将所述地面边缘信息转化为伪二维激光雷达信息，包括：

计算所述地面边缘信息中每个边缘点与三维环境点云信息采集装置的垂直轴的距离，所述垂直轴为垂直于水平面的中心轴；

根据所述距离生成伪障碍物信息，将所述伪障碍物信息作为所述伪二维激光雷达信息。

在第一方面的一种可能的实现方式中，将所述二维激光雷达信息和所述伪二维激光雷达信息进行融合，得到融合激光信息，包括：

分别比对每一个角度下的所述二维激光雷达信息表征的障碍物距离值和所述伪二维激光雷达信息表征的伪障碍物距离值之间的大小；

将同一个角度下所述障碍物距离值和所述伪障碍物距离值中的最小值对应的激光信息作为对应角度的激光信息；

根据各个角度的激光信息得到所述融合激光信息。

在第一方面的一种可能的实现方式中，从所述三维环境点云信息中提取出地面边缘信息，包括：

从所述三维环境点云信息中提取出地面点云信息；

从所述地面点云信息中提取出所述地面边缘信息。

在第一方面的一种可能的实现方式中，从所述三维环境点云信息中提取出地面点云信息，包括：

将所述三维环境点云信息分割成点云平面；

从所述点云平面中确定地面点云平面，所述地面点云平面为所述地面点云信息。

在第一方面的一种可能的实现方式中，从所述点云平面中确定地面点云平面，包括：

根据三维环境点云信息采集装置的位姿信息，将所述点云平面中符合预设条件的点云平面作为所述地面点云平面。

在第一方面的一种可能的实现方式中，获取三维环境点云信息和二维激光雷达信息，包括：

通过RGB-D相机采集所述三维环境点云信息，通过二维激光雷达采集所述二维激光雷达信息。

第二方面，本申请实施例提供一种基于边界的自主探索装置，应用于移动机器人，所述装置包括：

获取模块，用于获取三维环境点云信息和二维激光雷达信息；

地面边缘提取模块，用于从所述三维环境点云信息中提取出地面边缘信息；

转化模块，用于将所述地面边缘信息转化为伪二维激光雷达信息；

融合模块，用于将所述二维激光雷达信息和所述伪二维激光雷达信息进行融合，得到融合激光信息；

探索模块，用于使用所述融合激光信息进行基于边界的自主探索。

第三方面，本申请实施例提供一种移动机器人，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，所述处理器执行所述计算机程序时实现如上述第一方面任一项所述的方法。

第四方面，本申请实施例提供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，所述计算机程序被处理器执行时实现如上述第一方面任一项所述的方法。

第五方面，本申请实施例提供一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的方法。

可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。

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性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种基于边界的自主探索方法的流程示意框图；

图2为本申请实施例提供的步骤S103的具体流程示意框图；

图3为本申请实施例提供的步骤S104的具体流程示意框图；

图4为本申请实施例提供的基于边界的自主探索方法的另一种流程示意框图；

图5为本申请实施例提供的基于边界的自主探索装置的结构示意框图；

图6为本申请实施例提供的终端设备的结构示意图。

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。

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。

现有技术中，移动机器人使用基于边界的探索策略进行自主探索时，二维激光雷达只能识别出周围环境中的障碍物，不能识别出断崖式道路，例如，电扶梯和台阶等。如果遇到断崖式道路，移动机器人会认为前方没有障碍而继续往前走，从而出现跌落楼梯等安全事故。

本申请实施例中，通过采集三维环境点云信息，再从三维环境点云信息中提取出地面点云的地面边缘信息，将地面边缘信息转化为伪激光雷达信息，即通过地面边缘信息将断崖式道路转化为伪障碍，再将伪障碍信息和真实的激光雷达信息进行融合，生成融合激光信息。融合激光信息中不仅包括真实二维激光雷达信息中显示的真实障碍物，还包括伪二维激光雷达信息表征的伪障碍物信息。将断崖式道路转化为伪障碍物，移动机器人如果遇到断崖式道路，则会认为前方存在障碍物，不会继续往前走，从而避免了机器人跌落等安全事故的发生。

换句话说，通过将地面边缘信息转化为伪二维激光雷达信息，即将断崖式道路转化为伪障碍物，这样可以将二维激光雷达识别不出的断崖式道路识别出来。

举例来说，移动机器人使用本申请实施例提供的技术方案进行室内探索时，需要探索的室内场景中包括台阶和电扶梯，移动机器人通过本申请实施例提供的方案将台阶和电扶梯转化为伪障碍物，这样移动机器人在行驶至台阶和电扶梯前方时，会认为前方存在障碍物，就不会继续往前走。

需要说明的是，本申请实施例提供的基于边界的自主探索方法可以具体应用室内探索场景，也可以应用于室外探索场景。

下面将通过具体实施例对本申请实施例提供的技术方案进行介绍。

请参见图1，为本申请实施例提供的一种基于边界的自主探索方法的流程示意框图，该方法可以应用于移动机器人，移动机器人的具体类型可以是任意的。该方法可以包括以下步骤：

步骤S101、获取三维环境点云信息和二维激光雷达信息。

需要说明的是，二维环境点云信息和二维激光雷达信息可以是同时采集的，可以是不同时采集的。具体应用中，三维环境点云信息可以通过移动机器人上搭载的采集装置进行采集，该采集装置可以为但不限于RGB-D相机或者双目深度相机。而二维激光雷达信息可以通过移动机器人上搭载的二维激光雷达进行采集。

步骤S102、从三维环境点云信息中提取出地面边缘信息。

需要说明的是，三维环境点云信息中包括多个点云平面，而地面边缘信息可以从地面点云中提取，通过地面点云平面可以有效地识别出断崖式道路。具体来说，可以先从三维环境点云信息中提取出地面点云平面，再从地面点云平面中提取出边缘点，从而获得上述地面边缘信息。

步骤S103、将地面边缘信息转化为伪二维激光雷达信息。

具体应用中，可以根据地面边缘信息生成伪障碍物信息，将该障碍物信息作为伪二维激光雷达信息。也就是说，将断崖式道路作为伪障碍物，根据地面边缘点与机器人的相对位置，得到伪障碍物与移动机器人的距离和相对方位，以使得移动机器人了解障碍物的距离和方位，即了解断崖式道路的距离和方位。

在一些实施例中，参见图2示出的步骤S103的具体流程示意框图，上述将地面边缘信息转化为伪二维激光雷达信息的具体过程可以包括：

步骤S201、计算地面边缘信息中每个边缘点与三维环境点云信息采集装置的垂直轴的距离。垂直轴为垂直于水平面的中心轴。

需要说明的是，上述三维环境点云信息采集装置可以为RGB-D相机，也可以为双目深度相机。三维环境点云信息采集装置的垂直轴是指垂直与地面(即水平面)的轴。分别计算边缘点和垂直轴的距离，即可得知边缘点和移动机器人的距离。

步骤S202、根据距离生成伪障碍物信息，将伪障碍物信息作为伪二维激光雷达信息。

具体地，基于距离，以及边缘点与垂直轴的相对方位，生成伪障碍物信息，该伪障碍物信息可以包括但不限于伪障碍物与移动机器人之间的距离信息和方位信息。该伪障碍物信息作为伪二维激光信息，即将断崖式道路转化为伪障碍物，从而识别出断崖式道路。

在将地面边缘信息转化为伪二维激光雷达信息之后，可以将其和真实的二维激光雷达信息进行融合。

步骤S104、将二维激光雷达信息和伪二维激光雷达信息进行融合，得到融合激光信息。

需要说明的是，融合激光信息中包括真实二维激光雷达信息识别的真实障碍物信息，以及伪二维激光雷达信息识别的伪障碍物信息，即断崖式道路信息。

具体应用中，可以取相同角度下两种激光信息的最小值，作为该角度下的激光信息，依次分别得出各个角度下的激光信息，从而得出上述融合激光信息。

在一些实施例中，参见图3示出的步骤S104的具体流程示意框图，上述将二维激光雷达信息和伪二维激光雷达信息进行融合，得到融合激光信息的具体过程可以包括：

步骤S301、分别比对每一个角度下的二维激光雷达信息表征的障碍物距离值和伪二维激光雷达信息表征的伪障碍物距离值之间的大小。

可以理解的是，二维激光雷达每一帧的角度跟分辨率有关，假设分辨率为360，每一度对应一个值。二维激光雷达信息是一圈一圈地获取的。二维激光雷达信息是指探测到的障碍物距离信息，即二维激光雷达信息可以表征障碍物的距离值。

真实的二维激光雷达信息扫描到的是真实的障碍物，其可以表征真实障碍物的距离。而伪二维激光雷达信息是将断崖式道路作为伪障碍物，机器人到断崖式道路(即地面边缘点)的距离即为到伪障碍物的距离，故伪二维激光雷达信息表征的是伪障碍物的距离值。

步骤S302、将同一个角度下障碍物距离值和伪障碍物距离值中的最小值对应的激光信息作为对应角度的激光信息。

具体地，分别比较每个一个角度下，二维激光雷达信息和伪二维激光雷达信息探测到的障碍物距离，将距离最小值对应的激光雷达信息作为该角度下的激光雷达信息。

比如，在45°下，真实二维激光雷达信息探测的障碍物距离为10m，而伪二维激光雷达信息探测到的伪障碍物距离为5m，5m小于10m，故取伪二维激光雷达信息作为45°的激光信息。依次类推，每一个角度均如此，得到各个角度对应的激光信息，再将各个角度的激光信息组合，即可得到融合激光信息。

步骤S302、根据各个角度的激光信息得到融合激光信息。

需要说明的是，只有在同一个角度下同时存在真实二维激光雷达信息和伪二维激光雷达信息时，才取两者中的最小值作为该角度下的激光信息。而如果某一个角度下只有一个激光信息，则将该激光信息作为该角度下的激光信息，不再是取两者中的最小者。例如，在30°下，只有真实的二维激光雷达信息，则将该真实的二维激光雷达信息作为30°的激光信息。

通过取相同角度下两种激光信息的最小值作为该角度下的激光信息，从而限制机器人的运动范围，进一步提高移动机器人自主探索过程中的安全性。

在得到融合激光信息之后，移动机器人可以使用该激光信息进行自主探索。

步骤S105、使用融合激光信息进行基于边界的自主探索。

具体应用中，移动机器人可以使用融合的激光雷达信息和基于边界的自主探索策略，选出目标点，并导航到该目标点。然后，判断是否探索完毕，如果没有探索完毕，则可以返回步骤S101，重新执行步骤S101～S105，选出下一个目标点，并导航到下一个目标点，再判断是否探索完毕。依次类推，直到探索完毕为止。

可以理解的是，在基于边界的探索策略中，将以探索区域和未探索区域的交界定义为边界(frontier)。由于障碍物的阻隔，可以由很多个不连续的边界。根据一定的规则选取出其中一个边界，并求这个边界的所有点的质心作为移动机器人要移动到的下一个位置，之后不断重复该步骤，直到没有边界，或者所有剩余边界都不能到达为止。

可以看出，本申请实施例通过从三维环境点云信息中提取出地面点云的边缘信息，将地面边缘信息转化为伪二维激光信息，以将二维激光雷达识别不出的断崖式道路通过伪二维激光信息进行识别，再将伪二维激光信息和真实的二维激光信息进行融合，生成融合后的激光信息，最后使用融合激光信息进行探索，从而避免了移动机器人出现跌落楼梯等安全事故。

参见图4，为本申请实施例提供的基于边界的自主探索方法的另一种流程示意框图，该方法可以应用于移动机器人，该方法可以包括以下步骤：

步骤S401、通过三维环境点云信息采集装置采集三维环境点云信息。

需要说明的是，该三维环境点云信息采集装置可以为但不限于RGB-D相机。

步骤S402、通过二维激光雷达采集真实的二维激光雷达信息。

可以理解的是，步骤S401和S402的执行顺序可以是任意的。

步骤S403、从三维环境点云信息中提取出地面点云信息。

在一些实施例中，可以先将三维环境点云信息分割成点云平面；再从点云平面中确定地面点云平面，地面点云平面为地面点云信息。

具体应用中，可以使用区域生长算法将三维环境点云信息分割成多个点云平面。即使用区域生长算法将满足平滑约束的相邻像素点进行合并，得到多个点云平面。

当然，也可以使用其它的区域分割算法将三维环境点云信息分割成不同的平面。

在分割得到不同的点云平面之后，需要从多个点云平面中确定哪个点云平面是地面的点云平面。具体应用中，可以根据三维环境点云信息采集装置的位姿信息，将点云平面中符合预设条件的点云平面作为地面点云平面。

例如，三维环境点云信息采集装置为RGB-D相机时，根据相机的倾角和相机距离机器人人地面的高度，确定出满足预设条件的点云平面，该点云平面即为地面的点云信息。上述预设条件可以为相机的倾角±5°和高度±5cm。

步骤S404、从地面点云信息中提取出地面边缘信息。

步骤S405、基于地面边缘信息，计算地面点云的每个边缘点与三维环境点云信息采集装置的垂直轴的距离。

步骤S406、根据距离生成伪障碍物信息，将伪障碍物信息作为伪二维激光雷达信息。

步骤S407、分别取每一个角度下二维激光雷达信息和伪二维激光雷达信息中的最小值作为对应角度的激光信息。

步骤S408、根据各个角度的激光信息得到融合激光信息。

步骤S409、根据融合激光信息选取目标点，并导航到目标点。

步骤S410、判断是否探索完毕，如果是，则结束，如果否，则返回开始。

需要说明的是，本实施例与上文的相同部分，可以参见上文的相应内容，在此不再赘述。

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。

对应于上文实施例所述的基于边界的自主探索方法，图5示出了本申请实施例提供的基于边界的自主探索装置的结构示意框图，为了便于说明，仅示出了与本申请实施例相关的部分。

参照图5，该装置可以应用于移动机器人，该装置可以包括：

获取模块51，用于获取三维环境点云信息和二维激光雷达信息；

地面边缘提取模块52，用于从三维环境点云信息中提取出地面边缘信息；

转化模块53，用于将地面边缘信息转化为伪二维激光雷达信息；

融合模块54，用于将二维激光雷达信息和伪二维激光雷达信息进行融合，得到融合激光信息；

探索模块55，用于使用融合激光信息进行基于边界的自主探索。

在一种可能的实现方式中，上述转化模块具体用于：

计算地面边缘信息中每个边缘点与三维环境点云信息采集装置的垂直轴的距离，该垂直轴为垂直于水平面的中心轴；

根据距离生成伪障碍物信息，将伪障碍物信息作为伪二维激光雷达信息。

在一种可能的实现方式中，上述融合模块具体用于：

分别比对每一个角度下的二维激光雷达信息表征的障碍物距离值和伪二维激光雷达信息表征的伪障碍物距离值之间的大小；

将同一个角度下障碍物距离值和伪障碍物距离值中的最小值对应的激光信息作为对应角度的激光信息；

根据各个角度的激光信息得到所述融合激光信息。

在一种可能的实现方式中，上述地面边缘提取模块具体用于：

从三维环境点云信息中提取出地面点云信息；

从地面点云信息中提取出地面边缘信息。

在一种可能的实现方式中，上述地面边缘提取模块具体用于：

将三维环境点云信息分割成点云平面；

从点云平面中确定地面点云平面，地面点云平面为地面点云信息。

在一种可能的实现方式中，上述地面边缘提取模块具体用于：

根据三维环境点云信息采集装置的位姿信息，将点云平面中符合预设条件的点云平面作为地面点云平面。

在一种可能的实现方式中，上述获取模块具体用于：

通过RGB-D相机采集三维环境点云信息，通过二维激光雷达采集二维激光雷达信息。

上述基于边界的自主探索装置具有实现上述基于边界的自主探索方法的功能，该功能可以通过硬件实现，也可以通过硬件执行相应的软件实现，硬件或软件包括一个或多个与上述功能相对应的模块，模块可以是软件和/或硬件。

需要说明的是，上述装置/模块之间的信息交互、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。

图6为本申请一实施例提供的移动机器人的结构示意图。如图6所示，该实施例的移动机器人6包括：至少一个处理器60、存储器61以及存储在所述存储器61中并可在所述至少一个处理器60上运行的计算机程序62，所述处理器60执行所述计算机程序62时实现上述任意各个方法实施例中的步骤。

该移动机器人可包括，但不仅限于，处理器60、存储器61。本领域技术人员可以理解，图6仅仅是移动机器人6的举例，并不构成对移动机器人6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、移动机构等。

所称处理器60可以是中央处理单元(Central Processing Unit，CPU)，该处理器60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。

所述存储器61在一些实施例中可以是所述移动机器人6的内部存储单元，例如移动机器人6的硬盘或内存。所述存储器61在另一些实施例中也可以是所述移动机器人6的外部存储设备，例如所述移动机器人6上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器61还可以既包括所述移动机器人6的内部存储单元也包括外部存储设备。所述存储器61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，例如所述计算机程序的程序代码等。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。

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，即将所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，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可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时实现可实现上述各个方法实施例中的步骤。

所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，所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，所述计算机程序包括计算机程序代码，所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。所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拍照装置/终端设备的任何实体或装置、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，RandomAccess Memory)、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，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所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。

所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。

以上所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 (10)

1.一种基于边界的自主探索方法，应用于移动机器人，其特征在于，所述方法包括：

获取三维环境点云信息和二维激光雷达信息；

从所述三维环境点云信息中提取出地面边缘信息；

将所述地面边缘信息转化为伪二维激光雷达信息；

将所述二维激光雷达信息和所述伪二维激光雷达信息进行融合，得到融合激光信息；

使用所述融合激光信息进行基于边界的自主探索。

2.如权利要求1所述的方法，其特征在于，将所述地面边缘信息转化为伪二维激光雷达信息，包括：

计算所述地面边缘信息中每个边缘点与三维环境点云信息采集装置的垂直轴的距离，所述垂直轴为垂直于水平面的中心轴；

根据所述距离生成伪障碍物信息，将所述伪障碍物信息作为所述伪二维激光雷达信息。

3.如权利要求1所述的方法，其特征在于，将所述二维激光雷达信息和所述伪二维激光雷达信息进行融合，得到融合激光信息，包括：

分别比对每一个角度下的所述二维激光雷达信息表征的障碍物距离值和所述伪二维激光雷达信息表征的伪障碍物距离值之间的大小；

将同一个角度下所述障碍物距离值和所述伪障碍物距离值中的最小值对应的激光信息作为对应角度的激光信息；

根据各个角度的激光信息得到所述融合激光信息。

4.如权利要求1至3任一项所述的方法，其特征在于，从所述三维环境点云信息中提取出地面边缘信息，包括：

从所述三维环境点云信息中提取出地面点云信息；

从所述地面点云信息中提取出所述地面边缘信息。

5.如权利要求4所述的方法，其特征在于，从所述三维环境点云信息中提取出地面点云信息，包括：

将所述三维环境点云信息分割成点云平面；

从所述点云平面中确定地面点云平面，所述地面点云平面为所述地面点云信息。

6.如权利要求5所述的方法，其特征在于，从所述点云平面中确定地面点云平面，包括：

根据三维环境点云信息采集装置的位姿信息，将所述点云平面中符合预设条件的点云平面作为所述地面点云平面。

7.如权利要求1所述的方法，其特征在于，获取三维环境点云信息和二维激光雷达信息，包括：

通过RGB-D相机采集所述三维环境点云信息，通过二维激光雷达采集所述二维激光雷达信息。

8.一种基于边界的自主探索装置，应用于移动机器人，其特征在于，所述装置包括：

获取模块，用于获取三维环境点云信息和二维激光雷达信息；

地面边缘提取模块，用于从所述三维环境点云信息中提取出地面边缘信息；

转化模块，用于将所述地面边缘信息转化为伪二维激光雷达信息；

融合模块，用于将所述二维激光雷达信息和所述伪二维激光雷达信息进行融合，得到融合激光信息；

探索模块，用于使用所述融合激光信息进行基于边界的自主探索。

9.一种移动机器人，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7任一项所述的方法。

10.一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7任一项所述的方法。

Images