CN111862182B - ToF相机及其地面障碍物检测方法、地面导航设备 - Google Patents

ToF相机及其地面障碍物检测方法、地面导航设备 Download PDF

Info

Publication number
CN111862182B
CN111862182B CN202010679917.4A CN202010679917A CN111862182B CN 111862182 B CN111862182 B CN 111862182B CN 202010679917 A CN202010679917 A CN 202010679917A CN 111862182 B CN111862182 B CN 111862182B
Authority
CN
China
Prior art keywords
depth value
ground
plane
standard
tof camera
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010679917.4A
Other languages
English (en)
Other versions
CN111862182A (zh
Inventor
梅健
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Opnous Smart Sensing & Ai Technology
Original Assignee
Opnous Smart Sensing & Ai Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Opnous Smart Sensing & Ai Technology filed Critical Opnous Smart Sensing & Ai Technology
Priority to CN202010679917.4A priority Critical patent/CN111862182B/zh
Priority to US17/637,898 priority patent/US20220276386A1/en
Priority to PCT/CN2020/116171 priority patent/WO2022011826A1/zh
Publication of CN111862182A publication Critical patent/CN111862182A/zh
Application granted granted Critical
Publication of CN111862182B publication Critical patent/CN111862182B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • 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
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G01S17/894—3D imaging with simultaneous measurement of time-of-flight at a 2D array of receiver pixels, e.g. time-of-flight cameras or flash lidar
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/22—Measuring arrangements characterised by the use of optical techniques for measuring depth
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Optics & Photonics (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Measurement Of Optical Distance (AREA)

Abstract

本申请公开一种ToF相机及其地面障碍物检测方法、一种地面导航设备，所述ToF相机的地面障碍物检测方法包括以一参考平面的深度数据作为参考深度值；进行距离检测，将被测位置处的实测深度值与对应的参考深度值进行比较；若实测深度值大于或等于所述参考深度值，则以一特征值替代所述实测深度值，将对应位置标记为可通行区域；若实测深度值小于所述参考深度值，则以该位置处的实测深度值作为测量深度值。所述地面障碍物检测方法能够提高障碍物检测的准确性。

Description

ToF相机及其地面障碍物检测方法、地面导航设备
技术领域
本申请涉及距离传感技术领域，具体涉及一种ToF相机及其地面障碍物检测方法、一种地面导航设备。
背景技术
飞行时间(ToF，Time of Flight)相机通过传感器发出的脉冲信号从发射到接收的时间间隔或激光往返被测物体一次所产生的相位来实现对被测物体的距离、三维结构或三维轮廓的测量。TOF传感器可同时获得灰度图像和距离图像，广泛应用在体感控制、行为分析、监控、自动驾驶、人工智能、机器视觉和自动3D建模等诸多领域。
ToF相机被广泛使用在AGV(Automated Guided Vehicle)地面导航领域，例如应用于扫地机器人等。在进行地面导航时，会面临地面环境复杂的情况，例如地面不同区域的材质、场景不同，不同区域的反射率差异较大，使得多路径反射光等因素对测距的准确性造成较大的影响，从而无法准确识别地面位置，进而造成对障碍物的判断发生误差。
如何提高地面导航过程中，提高对障碍物检测的准确性，是目前亟待解决的问题。
发明内容
鉴于此，本申请提供一种ToF相机及其地面障碍物检测方法、地面导航，以解决现有技术中由于地面环境差异导致的地面障碍物检测不准确的问题。
本申请提供的一种ToF相机的地面障碍物检测方法，包括：以一参考平面的深度数据作为参考深度值；进行距离检测，将被测位置处的实测深度值与对应的参考深度值进行比较；若实测深度值大于或等于所述参考深度值，则以一特征值替代所述实测深度值，将对应位置标记为可通行区域；若实测深度值小于所述参考深度值，则以该位置处的实测深度值作为测量深度值。
可选的，所述参考深度值的获取方法包括：选定一标准平面，固定深度相机位置，检测所述标准平面各位置处的标准深度数据，所述标准平面与ToF相机之间的高度差为H，且表面平整，所述标准深度数据不受外部环境干扰；根据实际地面特征，确定参考平面与标准平面之间的高度差，根据所述标准平面的标准深度数据，计算得到参考平面的深度数据作为参考深度值。
可选的，当实际地面平整，且与ToF相机高度差与标准平面和ToF相机高度差一致时，以所述标准平面作为所述参考平面。
可选的，当实际地面平整，且与ToF相机高度差为H’，设置参考平面与标准平面之间的高度差为H-H’。
可选的，当实际地面具有凹陷或凸起时，设置参考平面高于所述标准平面，且与所述标准平面之间具有高度差D。
可选的，所述高度差D大于或等于实际地面的凹陷或凸起的高度。
本发明的技术方案还提供一种ToF相机，包括：存储模块，用于存储参考深度值和特征值，所述参考深度值为参考平面的深度数据，所述特征值用于标记可通行区域；检测模块，用于获取被测位置处的实测深度值；处理器，所述处理器被配置为：将被测位置处的实测深度值与对应的参考深度值进行比较；若实测深度值大于或等于所述参考深度值，则以一特征值替代所述实测深度值，将对应位置标记为可通行区域；若实测深度值小于所述参考深度值，则保留该位置处的实测深度值，作为测量深度值。
可选的，所述参考深度值的获取方法包括：选定一标准平面，固定深度相机位置，检测所述标准平面各位置处的标准深度数据，所述标准平面与ToF相机之间距离固定的平整平面且所述标准深度数据不受外部环境干扰；根据实际地面特征，确定参考平面与标准平面之间的高度差，根据所述标准平面的标准深度数据，计算得到参考平面的深度数据作为参考深度值。
可选的，当实际地面与ToF相机高度差与标准平面和ToF相机高度差一致时，以所述标准平面作为所述参考平面；当实际地面平整，且与ToF相机高度差为H’，设置参考平面与标准平面之间的高度差为H-H’；当实际地面具有凹陷或凸起时，设置参考平面与标准平面之间具有高度差D。
可选的，所述高度差D大于或等于实际地面的凹陷或凸起的高度。
本发明的技术方案还提供一种地面导航设备，包括如上述任一项所述的ToF相机。
本申请上述ToF相机的障碍物检测方法，通过与ToF相机具有固定高度差的参考平面的参考深度值的标定，为实际测量场景设定一标定的参考地面，从而避免测量环境对地面辨识的影响，进而提高对于障碍物检测的准确性，并且通过参数的标定，算法简单，易于实现。
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1a和图1b为本申请一实施例的ToF相机测距的示意图；
图2为本申请一实施例的ToF相机的地面障碍物检测方法的流程示意图；
图3为本发明一实施例的检测标准平面的标准深度数据的示意图；
图4为本发明一实施例的ToF相机进行地面障碍物检测的示意图；
图5为本发明一实施例的ToF相机进行地面障碍物检测的示意图；
图6为本发明一实施例的ToF相机进行地面障碍物检测的示意图；
图7a和图7b为本发明一实施例中的实际测距效果示意图；
图8为本发明一实施例中的ToF相机的结构示意图。
具体实施方式
如背景技术中所述，现有技术中，由于地面材质及地面场景的复杂性，相应的地面辨识算法开发难度较大，特别是靠近地面的位置处，多路径反射等因素，会导致很大的测量误差，使得地面位置以及障碍物高度测量发生误差。
请参考图1a和图1b，ToF相机包括光源模块11和传感模块12，光源模块11用于向被测物体M发出检测光，传感模块12用于接收检测光到达被测物体M表面后的反射光，根据检测光发出并被反射后被接收的时间，可以计算被测物体与深度相机之间的距离。
图1a为检测光直接到达被测物体M被反射后被传感模块12接收，光线传播的时间与深度相机和被测物体M之间的距离对应。而图1a中，在被测物体M周围存在其他物体，例如存在物体N时，部分检测光到达物体N表面被反射后，再到达被测物体M表面，经反射后被传感模块12接收。此时，传感模块12接收到的光线中，部分经过了多个路径的反射，导致测量结果偏大。这种情况通常发生在物体N表面反射率大于物体M反射率时，多路径反射的光强较大，对测量结果影响较大。
而地面辨识的准确性，决定了对地面上的障碍物判断的准确性，面对地面场景复杂的情况，地面辨识算法面临较大的开发难度。为了解决上述问题，本发明提供一种新的ToF相机的障碍物识别方法，通过外参标定的参考深度值与实测深度值比较，通过特征值标定将地面与障碍物进行分离，从而使得障碍物识别不受地面场景的影响，提高障碍物识别的准确性。
下面结合附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而非全部实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。在不冲突的情况下，下述各个实施例及其技术特征可以相互组合。
请参考图2，为本发明一具体实施方式的ToF相机的地面障碍物检测方法的流程示意图。
该实施例中，所述ToF相机的地面障碍物检测方法包括如下步骤：
步骤S201:以一参考平面的深度数据作为参考深度值。
所述参考深度值的获取方法包括：选定一标准平面，固定深度相机位置，检测所述标准平面各位置处的标准深度数据；根据实际地面特征，确定参考平面与标准平面之间的高度差，根据所述标准平面各位置处的标准深度数据，计算得到参考平面的深度数据作为参考深度值。
所述标准平面为平整的平面且检测得到的标准深度数据不受外部环境干扰。请参考图3，本发明一实施例的检测标准平面的标准深度数据的示意图。所述标准平面R为一平整地面，表面各位置处反射率均一致，且所述标准平面R的被测区域内无其他物体或发射面存在，以消除外部环境对测量得到的标准深度数据的影响。
固定ToF相机，作为ToF相机可以是一相机模组，也可以装配于一电子设备上。ToF相机301与所述标准平面R之间的高度差为H。
ToF相机301的传感模块包括像素阵列，每个像素阵列对应于标准平面R的一个位置，在像素位置固定，ToF相机301高度H固定的情况下，标准平面R上各位置处于对应像素之间的距离为一确定值。通过所述ToF相机301获取所述标准平面R各位置处的深度数据，进行保存。
根据实际地面特征，确定参考平面与标准平面之间的高度差，根据所述标准平面各位置处的深度数据，计算得到参考平面的深度数据作为参考深度值。实际地面的形貌特征，包括实际地面与Tof相机之间的高度差，以及表面的凹陷或凸起形貌。
例如，当实测场景内实际地面平整，且ToF相机距离实际地面的高度为H时，可以直接将所述标准平面R作为参考平面,以所述参考深度值作为实际地面的深度值。
当ToF相机距离实际地面高度为H’时，参考平面与标准平面R之间的高度差D＝H-H’，所述参考平面与ToF相机之间的高度差为H’，可以根据标准平面R与参考平面的高度差D，以及标准平面的标准深度数据，计算得到参考平面各位置出的深度数据，作为参考深度值。
在其他实施例中，也可以根据实际地面的形貌特征，例如具有凹陷、凸起等情况，设置参考平面与标准平面的高度差D，以消除地面形貌变化对于地面辨识的影响。所述高度差D可以为一可调参数，根据地面实际情况进行动态调整。例如在地面造成较大(平整度较差)的情况下，可设置所述高度差D＝10mm，将参考平面抬高10mm，获得参考深度值后，再进行后续的障碍物检测；在地面平整度较高的区域，适当降低所述高度差，例如设置高度差D＝5mm。在其他实施例中，也可以是与标准平面相比，降低参考平面，本领域技术人员可以根据实际需求，抬高或降低参考平面，以及调整所述高度差D的具体数值。
步骤S202:进行距离检测。
利用ToF相机在实际测量场景中进行距离检测，以获取检测视场内各位置处的被测物的实测深度值。
步骤S203:将被测位置处的实测深度值与对应的参考深度值进行比较。
由于所述参考深度值对应于参考平面，所述参考平面相当于外部标定的排除了环境干扰的参考地面，将实测深度值与参考深度值比较，即将被测物体距离与参考地面进行比较，将被测物体中的实际障碍物与参考地面进行区分。
步骤S204:判断实测深度值是否小于参考深度值。
若否，则执行步骤S205:以一特征值替代所述实测深度值，将对应位置标记为可通行区域。
当实测深度值等于参考深度值时，表面该位置高度与参考平面高度一致，为地面；实测深度值大于参考深度值时，对应的情况可能包括：该位置处为地面，但是由于受到多路径反射光或其他因素干扰，使得实测深度值大于地面的实际深度值，因此，实测深度值偏大，导致检测出的地面发生凹陷误差。为了解决这个问题，以一特征值替代所述实测深度值，使得整个实际地面均对应于一相同的特征值，通过所述特征值将检测到的实际地面标记为可通行区域。在根据测量深度值进行的灰度或色彩渲染获得的距离检测图中，由于实际地面处的测量深度值均由特征值替代，灰度或颜色同一，而其他区域与特征值不同的测量深度，显示不同的灰度或色彩，即为障碍物，因此，能够将障碍物与实际地面进行明显的区分。整个距离检测图中，仅显示出障碍物，而实际地面则作为背景。在一个实施例中，所述特征值为0，测量深度值大于0的位置即为障碍物，能够提高障碍物识别的准确性。在其他实施例中，所述特征值也可以设置为其他值，在此不作限定。
若实测深度值小于参考深度值，则执行步骤S206:以该位置处的实测深度值作为测量深度值。当实测深度值小于参考深度值时，表示该位置处存在障碍物，阻挡了检测光的飞行，从而导致实测深度值较小。因此，若实测深度值小于参考深度值时，可以将实测深度值作为测量深度值。
上述方案通过参考平面的参考深度值的标定，为实际测量场景设定一标定的参考地面，从而避免测量环境对地面辨识的影响，进而提高对于障碍物检测的准确性，并且通过参数的标定，算法简单，易于实现。
请参考图4，为本发明一实施例的地面障碍物检测的示意图。
该实施例中，实际地面M为一平整平面，且与ToF相机301之间的数值距离为H，因此以标准平面R作为参考平面，以所述标准平面R标定的参考深度值，作为实际地面M的测量深度值。
由于实际地面M上存在多个物体，例如包括物体A以及物体N，各个物体导致的多路径反射，会导致对实际地面的测量深度值偏大，使得测量地面P出现低于实际地面M的情况。
而该实施例中，当实测深度值大于或等于对应的参考深度值时，以特征值替代所述实测深度值，消除了外部环境对检测结构的干扰。以参考平面的参考深度值作为实际地面M的测量深度值，可以排除外界对于地面检测的干扰。
当检测到障碍物，例如物体A时，原本对应的地面位置为点C，当物体A存在时，由于物体A对检测光的阻挡，使得对应像素获得的实测深度值，小于点C对应的参考深度值。因此，当实测深度值小于参考深度值时，保留该实测深度值作为测量深度值。
通过上述方法，可以实现障碍物与地面的分离，不受复杂地面材质以及周边环境的影响，从而实现对障碍物的准确识别。
当被测区域的地面具有一定高度的凸起，或凹陷的情况下，在实际的地面导航应用中，这些地面的凹陷或凸起需要被忽略。例如，在扫地机器人的应用场景内，地面通常会存在地毯、地砖缝隙、门框等较小高度的地面凸起，这些区域需要扫地机器人正常通过，不能被识别为障碍物。可以通过调整参考平面的高度，避免将所述凸起或凹陷识别为障碍物。
请参考图5，为本发明另一实施例的地面障碍物检测的示意图。
该实施例中，实际地面M具有凸起401，凸起高度为D1。设置参考平面M’，实际地面M与标准平面R的高度一致，因此所述参考平面M’与标准平面R之间具有高度差D1，以作为参考平面M’作为参考地面，相当于将地面抬高了D1。
在实际测量过程中，仅有高度高于参考平面M’的物体被认为是障碍物。由于参考平面M’高于实际地面M，因此，物体A的测量高度为实际高度减去高度差D1。由于障碍物通常高度较大，虽然测量高度偏小，但是并不会对障碍物的判断造成影响。
在其他实施例中，在地面具有多个凸起的情况下，可以将高度差D1设置为与最高凸起高度一致，或略大于所述最高凸起高度。
请参考图6，为本发明另一实施例的地面障碍物检测的示意图。
该实施例中，实际地面M，具有一凹陷501，凹陷的深度为D2。将ToF的参考平面相对于标准平面R抬高D2，形成参考平面M’。
当ToF相机301位于实际地面M的平坦位置处时，ToF相机301的参考平面M’高于实际地面，能够屏蔽整个实际地面，包括所述凹陷501。
当ToF相机301移动至凹陷501内时，例如移动至所述凹陷501的最低处时。此时，参考平面M’跟随ToF相机下降至实际地面M处，能够将实际地面M屏蔽掉，避免将凹陷501外部的实际地面M检测为障碍物。
在其他具体实施方式中，为了能够将ToF相机301进入凹陷501内时，能够将实际地面完全屏蔽，可以将ToF相机301的参考平面M’相对于标准平面R’抬高D2以上的距离。
在其他实施例中，所述参考平面M’相对于标准平面R的高度差D，可以根据安装有ToF相机的导航设备能够通过的凸起或凹陷的高度差阈值F进行设置，所述高度差D≤F。
本发明的其他实施例中，可以在ToF相机301移动过程中，根据实际地面的形貌情况，动态调整参考平面M’与标准平面R之间的高度差D。
请参考图7a和图7b，为本发明一实施例中的实际测距效果示意图。
该实施例，对于一采用不同颜色的瓷砖地面的棋盘格地面环境，采用常规的测距方法测量得到的测量深度值经过灰度渲染之后得到的深度图如图7a所示，地面上由于不同颜色的瓷砖反射率的差异，以及瓷砖缝隙位置处，由于多路径反射等因素，导致地面各位置处测量距离随瓷砖颜色发生周期变化，且由于瓷砖对于地面电线的反射投影，使得地面上出现电线的投影。
请参考图7b，采用本发明的方法，通过ToF相机的参考平面的参考深度值的标定，在测量过程中，屏蔽了地面的材质、反射率等因素的影响，消除了电线的倒影，能够将电线从实际地面分离开，准确识别出地面上的电线。
本发明的实施例，还提供一种ToF相机。
请参考图8，为本发明一实施例的ToF相机的结构示意图。
所述ToF相机包括：存储模块701、检测模块702以及处理器703。
所述存储模块701，用于存储参考深度值以及特征值，所述参考深度值为参考平面的深度数据，所述特征值用于标记可通行区域。
所述参考平面基于一标准平面的标准深度数据形成。所述标准平面与ToF相机之间具有固定高度差H，为平整的平面且测量得到的标准深度数据不受外部环境干扰。可以根据实际地面特征，设置参考平面，通过参考平面与标准平面之间的高度差，根据标准深度数据计算得到参考平面对应的参考深度值。
当实际地面平整，且与ToF相机高度差与标准平面和ToF相机高度差一致时，以所述标准平面作为所述参考平面；当实际地面平整，且与ToF相机高度差为H’，设置参考平面与标准平面之间的高度差为H-H’；当实际地面具有凹陷或凸起时，设置参考平面高于所述标准平面，且与所述标准平面之间具有高度差D，所述高度差D大于或等于实际地面的凹陷或凸起的高度。
所述检测模块702，用于获取被测位置处的实测深度值。
所述检测模块702包括发光单元和传感单元，发光单元用于发射检测光，传感单元用于接收检测光的反射光。通过检测光的飞行时间，获得被测位置的实测深度值。
所述处理器703，被配置为：将被测位置处的实测深度值与对应的参考深度值进行比较；若实测深度值大于或等于所述参考深度值，则以所述参考深度值替代所述实测深度值，作为测量深度值；若实测深度值小于所述参考深度值，则以该位置处的实测深度值，作为测量深度值。
当实测深度值等于参考深度值时，表面该位置高度与参考平面高度一致，为地面。实测深度值大于参考深度值时，对应的情况可能包括：该位置处为地面，但是由于受到多路径反射光或其他因素干扰，使得实测深度值大于地面的实际深度值，因此，实测深度值偏大，导致检测出的地面发生凹陷误差。为了解决这个问题，利用参考深度值，替代所述实测深度值，以消除该误差。
若实测深度值小于参考深度值，则以该位置处的实测深度值，作为测量深度值。当实测深度值小于参考深度值时，表面该位置处存在障碍物，阻挡了检测光的飞行，从而导致实测深度值较小。因此，若实测深度值小于或等于参考深度值时，可以将实测深度值作为测量深度值。
上述ToF相机能够准确分离障碍物和地面，提高障碍物识别的准确性。
本发明的实施例还提供一种地面导航设备，包括如上述实施例所述的ToF相机，能够在地面导航过程中，准确识别障碍物，应用于复杂的地面场景。
即，以上所述仅为本申请的实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，例如各实施例之间技术特征的相互结合，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (11)

1.一种ToF相机的地面障碍物检测方法，其特征在于，包括：
以一参考平面的深度数据作为参考深度值；所述参考深度值的获取方法包括：选定一标准平面，固定深度相机位置，检测所述标准平面各位置处的标准深度数据；根据实际地面特征，确定参考平面与标准平面之间的高度差，根据所述标准平面各位置处的标准深度数据，计算得到参考平面的深度数据作为参考深度值；
进行距离检测，利用ToF相机在实际测量场景中进行距离检测，以获取检测视场内各位置处的被测物的实测深度值，将被测位置处的实测深度值与对应的参考深度值进行比较；
若实测深度值大于或等于所述参考深度值，则以一特征值替代所述实测深度值，将对应位置标记为可通行区域；
若实测深度值小于所述参考深度值，则以该位置处的实测深度值作为测量深度值，其中当实测深度值小于所述参考深度值时，表示对应位置处存在障碍物，阻挡了检测光的飞行，从而导致实测深度值较小。
2.根据权利要求1所述的地面障碍物检测方法，其特征在于，所述标准平面与ToF相机之间的高度差为H，且表面平整，所述标准深度数据不受外部环境干扰。
3.根据权利要求2所述的地面障碍物检测方法，其特征在于，当实际地面平整，且与ToF相机高度差与标准平面和ToF相机高度差一致时，以所述标准平面作为所述参考平面。
4.根据权利要求2所述的地面障碍物检测方法，其特征在于，当实际地面平整，且与ToF相机高度差为H’，设置参考平面与标准平面之间的高度差为H-H’。
5.根据权利要求3所述的地面障碍物检测方法，其特征在于，当实际地面具有凹陷或凸起时，设置参考平面高于所述标准平面，且与所述标准平面之间具有高度差D。
6.根据权利要求5所述的地面障碍物检测方法，其特征在于，所述高度差D大于或等于实际地面的凹陷或凸起的高度。
7.一种ToF相机，其特征在于，包括：
存储模块，用于存储参考深度值和特征值，所述参考深度值为参考平面的深度数据，所述特征值用于标记可通行区域；所述参考深度值的获取方法包括：选定一标准平面，固定深度相机位置，检测所述标准平面各位置处的标准深度数据；根据实际地面特征，确定参考平面与标准平面之间的高度差，根据所述标准平面各位置处的标准深度数据，计算得到参考平面的深度数据作为参考深度值；
检测模块，用于获取被测位置处的实测深度值；具体用于利用ToF相机在实际测量场景中进行距离检测，以获取检测视场内各位置处的被测物的实测深度值；
处理器，所述处理器被配置为：将被测位置处的实测深度值与对应的参考深度值进行比较；若实测深度值大于或等于所述参考深度值，则以特征值替代所述实测深度值，将对应位置标记为可通行区域；若实测深度值小于所述参考深度值，则保留该位置处的实测深度值，作为测量深度值，其中当实测深度值小于所述参考深度值时，表示对应位置处存在障碍物，阻挡了检测光的飞行，从而导致实测深度值较小。
8.根据权利要求7所述的ToF相机，其特征在于，所述标准平面与ToF相机之间的高度差为H，且表面平整，所述标准深度数据不受外部环境干扰。
9.根据权利要求8所述的ToF相机，其特征在于，当实际地面与ToF相机高度差与标准平面和ToF相机高度差一致时，以所述标准平面作为所述参考平面；当实际地面平整，且与ToF相机高度差为H’，设置参考平面与标准平面之间的高度差为H-H’；当实际地面具有凹陷或凸起时，设置参考平面与标准平面之间具有高度差D。
10.根据权利要求9所述的ToF相机，其特征在于，所述高度差D大于或等于实际地面的凹陷或凸起的高度。
11.一种地面导航设备，其特征在于，包括如权利要求7至10所述的ToF相机。
CN202010679917.4A 2020-07-15 2020-07-15 ToF相机及其地面障碍物检测方法、地面导航设备 Active CN111862182B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010679917.4A CN111862182B (zh) 2020-07-15 2020-07-15 ToF相机及其地面障碍物检测方法、地面导航设备
US17/637,898 US20220276386A1 (en) 2020-07-15 2020-09-18 Tof camera, ground obstacle detection method thereof, and ground navigation device
PCT/CN2020/116171 WO2022011826A1 (zh) 2020-07-15 2020-09-18 ToF相机及其地面障碍物检测方法、地面导航设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010679917.4A CN111862182B (zh) 2020-07-15 2020-07-15 ToF相机及其地面障碍物检测方法、地面导航设备

Publications (2)

Publication Number Publication Date
CN111862182A CN111862182A (zh) 2020-10-30
CN111862182B true CN111862182B (zh) 2022-04-29

Family

ID=72983455

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010679917.4A Active CN111862182B (zh) 2020-07-15 2020-07-15 ToF相机及其地面障碍物检测方法、地面导航设备

Country Status (3)

Country Link
US (1) US20220276386A1 (zh)
CN (1) CN111862182B (zh)
WO (1) WO2022011826A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112415532B (zh) * 2020-11-30 2022-10-21 上海炬佑智能科技有限公司 灰尘检测方法、距离检测装置以及电子设备
CN113050073B (zh) * 2021-03-08 2023-02-28 上海炬佑智能科技有限公司 参考平面标定方法、障碍物检测方法以及距离检测装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104933708A (zh) * 2015-06-07 2015-09-23 浙江大学 一种基于多谱三维特征融合的植被环境中障碍物检测方法
CN105091884A (zh) * 2014-05-08 2015-11-25 东北大学 基于传感器网络动态环境监测的室内移动机器人路径规划方法
CN107388967A (zh) * 2017-08-14 2017-11-24 上海汽车集团股份有限公司 一种车载三维激光传感器的外参数补偿方法及装置
CN107990902A (zh) * 2017-12-29 2018-05-04 达闼科技（北京）有限公司 基于云端的导航方法、导航系统、电子设备和程序产品
CN109213137A (zh) * 2017-07-05 2019-01-15 广东宝乐机器人股份有限公司 扫地机器人、扫地机器人系统及其工作方法
EP3517997A1 (en) * 2018-01-30 2019-07-31 Wipro Limited Method and system for detecting obstacles by autonomous vehicles in real-time

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5959073B2 (ja) * 2014-09-30 2016-08-02 インターナショナル・ビジネス・マシーンズ・コーポレーションＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ Ｃｏｒｐｏｒａｔｉｏｎ 検出装置、検出方法、及び、プログラム
US10459445B2 (en) * 2017-09-28 2019-10-29 Intel IP Corporation Unmanned aerial vehicle and method for operating an unmanned aerial vehicle
CN109214348A (zh) * 2018-09-19 2019-01-15 北京极智嘉科技有限公司 一种障碍物检测方法、装置、设备及存储介质
CN111368607B (zh) * 2018-12-26 2023-06-02 北京欣奕华科技有限公司 一种机器人、障碍物的检测方法及检测装置
CN109814564A (zh) * 2019-01-29 2019-05-28 炬星科技（深圳）有限公司 目标对象的检测、避障方法、电子设备及存储介质
CN109872324A (zh) * 2019-03-20 2019-06-11 苏州博众机器人有限公司 地面障碍物检测方法、装置、设备和存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105091884A (zh) * 2014-05-08 2015-11-25 东北大学 基于传感器网络动态环境监测的室内移动机器人路径规划方法
CN104933708A (zh) * 2015-06-07 2015-09-23 浙江大学 一种基于多谱三维特征融合的植被环境中障碍物检测方法
CN109213137A (zh) * 2017-07-05 2019-01-15 广东宝乐机器人股份有限公司 扫地机器人、扫地机器人系统及其工作方法
CN107388967A (zh) * 2017-08-14 2017-11-24 上海汽车集团股份有限公司 一种车载三维激光传感器的外参数补偿方法及装置
CN107990902A (zh) * 2017-12-29 2018-05-04 达闼科技（北京）有限公司 基于云端的导航方法、导航系统、电子设备和程序产品
EP3517997A1 (en) * 2018-01-30 2019-07-31 Wipro Limited Method and system for detecting obstacles by autonomous vehicles in real-time

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
室外无人车自主导航方法研究;张高明;《中国优秀硕士学位论文全文数据库 (信息科技辑)》;20170815(第8期);第58、89页 *
针对复杂环境的模块化栅格地图构建算法;秦玉鑫;《控制工程》;20161031;第23卷(第10期);第1628-1632页 *

Also Published As

Publication number Publication date
CN111862182A (zh) 2020-10-30
US20220276386A1 (en) 2022-09-01
WO2022011826A1 (zh) 2022-01-20

Similar Documents

Publication Publication Date Title
CN112198526A (zh) 参考平面调整及障碍物检测方法、深度相机、导航设备
US11602850B2 (en) Method for identifying moving object in three-dimensional space and robot for implementing same
CN111862182B (zh) ToF相机及其地面障碍物检测方法、地面导航设备
CN104932502B (zh) 基于三维深度摄像机的近距离避障方法及近距离避障系统
JP2018526748A (ja) 自律移動ロボットと自律移動ロボットの基地局とを有するシステム、自律移動ロボットの基地局、自律移動ロボットのための方法、自律移動ロボットの基地局への自動ドッキング方法
Gschwandtner et al. Infrared camera calibration for dense depth map construction
CN114035584B (zh) 机器人检测障碍物的方法、机器人以及机器人系统
CN114252414A (zh) 检验胶路状态的装置及其检验方法
CN112198527B (zh) 参考平面调整及障碍物检测方法、深度相机、导航设备
KR20180112623A (ko) 주행 지면의 장애물을 식별하는 방법 및 이를 구현하는 로봇
CN110471086B (zh) 一种雷达测障系统及方法
CN113406655B (zh) 测距装置的测量值修正方法和测距装置
CN113658241B (zh) 单目结构光的深度恢复方法、电子设备及存储介质
US10346995B1 (en) Remote distance estimation system and method
US10733740B2 (en) Recognition of changes in a detection zone
CN108845332B (zh) 基于tof模组的深度信息测量方法及装置
CN110827361B (zh) 基于全局标定架的相机组标定方法及装置
CN112198529B (zh) 参考平面调整及障碍物检测方法、深度相机、导航设备
US11673567B2 (en) Integrated fiducial marker for simultaneously calibrating sensors of different types
JP2001052171A (ja) 周囲環境認識装置
CN114494075A (zh) 基于三维点云的障碍物识别方法、电子设备和存储介质
US11635313B2 (en) System and method for simultaneously multiple sensor calibration and transformation matrix computation
CN112198528A (zh) 参考平面调整及障碍物检测方法、深度相机、导航设备
CN102401901B (zh) 测距系统及测距方法
CN112415532B (zh) 灰尘检测方法、距离检测装置以及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant