CN112045654A - 一种无人密闭空间的检测方法、装置和机器人 - Google Patents

Abstract

本发明公开了一种无人密闭空间的检测方法、装置和机器人，检测过程中机器人持续原地旋转以确保激光能够360°覆盖目标空间，然后将目标空间划分为多个待检测区域，通过激光连续性检测方法识别出当前帧激光数据的所有分割点，再结合机器人底盘上的轮式编码器数据确定每个分割点对应的待检测区域，并根据待检测区域是否包含分割点判断每个待检测区域的密闭状态，最后将所有待检测区域的状态按逻辑与的方式进行合并以判断目标空间的状态是否为无人密闭，整个检测过程快速、准确，保证了采用机器人进行消杀的及时性和安全性，提高了用户体验。

Description

一种无人密闭空间的检测方法、装置和机器人

技术领域

本发明涉及智能机器人领域，尤其涉及一种无人密闭空间的检测方法、装置和机器人。

背景技术

受新型冠状病毒的影响，医院、写字楼、酒店等场景的日常消毒已成为防疫攻坚战中不可或缺的措施。由于近些年国内在服务机器人行业的技术积累，涌现出一批公司推出的智能消毒机器人产品，以解决疫情下传统人工消毒面临的人力短缺和人身安全等问题。然而，像医院、写字楼、酒店等场景通常都是含有垂直电梯工具的，由于垂直电梯空间的密闭性、人员频繁接触等因素导致垂直电梯成为室内环境消杀中的重点区域。为避免消毒机器人在垂直电梯中消杀时喷洒的消毒药品和照射紫外光时对周围的行人产生影响，需要对电梯的运行状态进行判断，当检测出电梯为无人且关门密闭时，才可以采用消毒药品或紫外线光对电梯空间进行消杀。

发明内容

本发明提供了一种无人密闭空间的检测方法、装置和机器人，解决了现有技术中难以快速、准确地对电梯等空间进行密闭无人检测的技术问题。

本发明解决上述技术问题的技术方案如下：一种无人密闭空间的检测方法，包括以下步骤：

S1，将目标空间分割为多个待检测区域；

S2，控制目标机器人在所述目标空间持续原地旋转，获取连续的多帧激光点云数据；

S3，对每帧激光点云数据中的分割点进行识别，并确定每个分割点所属的待检测区域，所述分割点为每帧激光点云数据中距离大于预设值的两个相邻激光点；

S4，判断每个待检测区域是否存在分割点，若存在任一分割点，则标记所述待检测区域为非密闭状态，否则，标记所述待检测区域为密闭状态；

S5，当所有待检测区域均为密闭状态时，判断所述目标空间为密闭空间，否则，判断所述目标空间为非密闭空间。

在一个优选实施方式中，所述将目标空间分割为多个待检测区域，具体为：采用四象限法将目标空间分割为直角坐标系下的四个待检测区域，并将所述目标机器人的位置作为所述直角坐标系的原点。

在一个优选实施方式中，所述对每帧激光点云数据中的分割点进行识别，具体包括以下步骤：

S301，采用预设聚类算法对每帧激光点云数据中的所有激光点进行聚类，生成N个表示不同识别目标的簇；

S302，计算相邻两簇的端点之间的距离，若所述距离大于所述预设值，则将两端点标记为所述分割点。

在一个优选实施方式中，所述确定每个分割点对应的待检测区域，具体为：

根据目标机器人的轮式编码器数据获取所述分割点相对激光坐标系的方位角；

将所述方位角投影到所述直角坐标系，根据投影结果确定所述分割点所属的待检测区域。

在一个优选实施方式中，当判断所述目标空间为非密闭空间时，还包括行人识别步骤，具体为：

获取所述分割点所在的目标激光点云数据，对所述目标激光点云数据进行滤波处理，并采用局部最小化算法去除相似对象，然后将处理后的目标激光点云数据与预设人腿模板进行聚类匹配，生成多个用于表示不同人腿的激光点簇，所述预设人腿模板包括两条腿平行时的单腿宽度和两腿间距、两条腿并拢时的两腿宽度之和以及两条腿交错时的单腿宽度。

本发明实施例的第二方面提供了一种无人密闭空间的检测装置，包括分割模块、数据获取模块、分析模块和判断模块，

所述分割模块用于将目标空间分割为多个待检测区域；

所述数据获取模块用于控制目标机器人在所述目标空间持续原地旋转，获取连续的多帧激光点云数据；

所述分析模块用于对每帧激光点云数据中的分割点进行识别，并确定每个分割点所属的待检测区域，所述分割点为每帧激光点云数据中距离大于预设值的两个相邻激光点；

所述判断模块用于判断每个待检测区域是否存在分割点，若存在任一分割点，则标记所述待检测区域为非密闭状态，否则，标记所述待检测区域为密闭状态；以及用于当所有待检测区域均为密闭状态时，判断所述目标空间为密闭空间，否则，判断所述目标空间为非密闭空间。

在一个优选实施方式中，所述分割模块具体用于采用四象限法将目标空间分割为直角坐标系下的四个待检测区域，并将所述目标机器人的位置作为所述直角坐标系的原点。

在一个优选实施方式中，所述分析模块具体包括：

聚类单元，用于采用预设聚类算法对每帧激光点云数据中的所有激光点进行聚类，生成N个表示不同识别目标的簇；

识别单元，用于计算相邻两簇的端点之间的距离，若所述距离大于所述预设值，则将两端点标记为所述分割点；

获取单元，用于根据目标机器人的轮式编码器数据获取所述分割点相对激光坐标系的方位角；

投影单元，用于将所述方位角投影到所述直角坐标系，根据投影结果确定所述分割点所属的待检测区域。

在一个优选实施方式中，所述检测装置还包括行人识别模块，所述行人识别模块用于获取所述分割点所在的目标激光点云数据，对所述目标激光点云数据进行滤波处理，并采用局部最小化算法去除相似对象，然后将处理后的目标激光点云数据与预设人腿模板进行聚类匹配，生成多个用于表示不同人腿的激光点簇，所述预设人腿模板包括两条腿平行时的单腿宽度和两腿间距、两条腿并拢时的两腿宽度之和以及两条腿交错时的单腿宽度。

本发明实施例的第三方面提供了一种机器人，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以上所述无人密闭空间的检测方法的步骤。

本发明实施例的第四方面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以上所述无人密闭空间的检测方法的步骤。

本发明的有益效果：本发明提供了一种基于激光传感器的无人密闭空间检测方法、装置和机器人，首先检测过程中机器人持续原地旋转以确保激光能够360°覆盖目标空间，然后将目标空间划分为多个待检测区域，通过激光连续性检测方法识别出当前帧激光数据的所有分割点，再结合机器人底盘上的轮式编码器数据确定每个分割点对应的待检测区域，并根据待检测区域是否包含分割点判断每个待检测区域的密闭状态，最后将所有待检测区域的状态按逻辑与的方式进行合并以判断目标空间的状态是否为无人密闭，整个检测过程快速、准确，从而保证了采用机器人进行消杀的及时性和安全性，提高了用户体验。

为使发明的上述目的、特征和优点能更明显易懂，下文特举本发明较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1是实施例1提供的无人密闭空间的检测方法的流程示意图；

图2是实施例2提供的无人密闭空间的检测装置的结构示意图；

图3是实施例3提供的一种控制器的电路结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，如果不冲突，本发明实施例中的各个特征可以相互结合，均在本发明的保护范围之内。另外，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。再者，本发明所采用的“第一”、“第二”、“第三”等字样并不对数据和执行次序进行限定，仅是对功能和作用基本相同的相同项或相似项进行区分。

本发明实施例的机器人可以被构造成任何合适形状，以便实现特定业务功能操作，例如，本发明实施例机器人可以为清洁机器人、宠物机器人、搬运机器人、看护机器人等等。其中，清洁机器人包括且不限于扫地机器人、吸尘机器人、拖地机器人或洗地机器人等等。

所述机器人一般包括壳体、传感器单元、驱动轮部件、存储部件及控制器。壳体的外形大体上呈圆形，在一些实施例中，壳体的外形可以大体上呈椭圆形、三角形、D形、柱形或其他形状。

传感器单元用于采集机器人的一些运动参数及环境空间各类数据。在一些实施例中，传感器单元包括激光雷达,激光雷达安装于壳体上方，其安装高度高于所述壳体的顶部面壳高度，激光雷达用于检测机器人与障碍物之间的障碍物距离。在一些实施例中，传感器单元还可以包括惯性测量单元(Inertial measurement unit，IMU)、陀螺仪、磁场计、加速度计或速度计、光学摄像头等等。

驱动轮部件安装于壳体并驱动机器人在各种空间上移动，在一些实施例中，驱动轮部件包括左驱动轮、右驱动轮及全向轮，左驱动轮和右驱动轮分别安装于壳体的相对两侧。左驱动轮和右驱动轮被配置为至少部分可伸出及缩回壳体的底部。全向轮安装于壳体的底部的靠前位置，全向轮为活动脚轮，可以水平360度旋转，以使得机器人可以灵活转向。左驱动轮、右驱动轮及全向轮的安装构成三角形，以提高机器人行走的平稳性。当然，在一些实施例中，驱动轮部件还可以采用其他结构，比如全向轮可被省略，只留左驱动轮与右驱动轮亦可以驱动机器人正常行走。

在一些实施例中，机器人还配置有清洁部件和/或存储部件，存储部件安装于收容槽内，从而完成清洁任务、递送任务等等。

控制器分别与左驱动轮、右驱动轮、全向轮及激光雷达电连接。控制器作为机器人的控制核心，用于控制机器人行走、后退以及一些业务逻辑处理。

在一些实施例中，控制器可以为通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、单片机、AR(Acorn RISCMachine)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。还有，控制器还可以是任何传统处理器、控制器、微控制器或状态机。控制器也可以被实现为计算设备的组合，例如，DSP和微处理器的组合、多个微处理器、一个或多个微处理器结合DSP和/或任何其它这种配置。

在一些实施例中，上述机器人在活动的过程中，控制器采用SLAM(simultaneouslocalization and mapping，即时定位与建图技术)技术，根据环境数据构建地图和定位。控制器基于被建立好的地图以及机器人的位置，通过全覆盖路径规划算法指示机器人完全遍历一个环境空间。例如，在机器人遍历时，传感器单元获取遍历区域的图像，其中，该遍历区域的图像可以为整片遍历区域的图像，亦可以为整片遍历区域中局部遍历区域的图像。控制器根据遍历区域的图像生成地图，该地图已指示机器人需要遍历的区域以及位于遍历区域中的障碍物所在的坐标位置。当机器人每遍历完一个位置或区域后，机器人基于该地图，标记该位置或区域已被遍历。并且，由于障碍物在地图中是以坐标方式被标记，机器人遍历时，可以根据当前位置对应的坐标点与障碍物涉及的坐标点，判断与障碍物之间的距离，从而实现环绕障碍物作遍历工作。同理，位置或区域已遍历而被标记后，当机器人下一个位置将会移动至该位置或该区域时，机器人基于该地图以及该位置或该区域的标记，作出转弯调头或者停止遍历的策略。

可以理解的是，控制器还可以根据多种方式识别已遍历位置或区域，或者，识别障碍物，从而作出满足产品需求的控制策略。

请参阅图1，为本发明实施例1提供一种无人密闭空间的检测方法的流程示意图，如图1所示，方法包括以下步骤：

S1，将目标空间分割为多个待检测区域。为了提高检测速度，可以采用四象限法将目标空间分割为直角坐标系下的四个象限，象限以原点为中心，x，y轴为分界线，每个象限对应一个待检测区域，即将目标空间分割为互相垂直的四个待检测区域，此时，目标机器人的位置为所述直角坐标系的原点。具体根据实际消杀需要，目标空间可以为电梯空间以及各个房间，比如教室、办公室等等。

S2，控制目标机器人在所述目标空间持续原地旋转，获取连续的多帧激光点云数据，从而使获取的激光点云数据能够360度覆盖所述目标空间。

S3，对每帧激光点云数据中的分割点进行识别，并确定每个分割点所属的待检测区域，所述分割点为每帧激光点云数据中距离大于预设值的两个相邻激光点。点云数据指的是当一束激光照射在物体表面，所返回的数据信息中包括该物体表面各个点在二维空间或三维空间中的坐标信息，这些点的组合就是激光点云，所得到的数据就是点云数据。一个连续的物体被激光器扫射后，激光点对应的测距值应该都是连续的，即得到的点云数据是连续的，若存在距离大于预设值的两个相邻激光点，说明此时物体分开了，可能是出现了障碍物或者是电梯开门了，这两个相邻激光点即是本发明中的所称的分割点。具体实施例中，对每帧激光点云数据中的分割点进行识别具体包括以下步骤：

S301，采用预设聚类算法对每帧激光点云数据中的所有激光点进行聚类，生成N个表示不同识别目标的簇，簇内数据相似度高，簇间数据相似度低。若所述激光点云数据为三维激光点云数据，则优选的可以先提取并去除地面点云数据后，采用欧式聚类算法对剩余点云数据进行聚类，欧式聚类算法基于欧式距离区分邻里关系远近，从而对所有点云进行分割。具体使用相邻激光点的距离作为判定标准，对于空间某点P，通过KD-Tree近邻搜索算法找到K个离P点最近的点，若这些点的距离小于设定阈值，便聚类到集合Q中，如果Q中元素的数目不再增加，则整个聚类过程结束，否则须在集合Q中选取P点以外的点，重复上述过程，直到Q中元素的数目不再增加，聚类完成，从而形成N个表示不同识别目标的簇或者不同间距的簇。

S302，计算相邻两簇的端点之间的距离，若所述距离大于所述预设值，则将两端点标记为所述分割点。具体实施例中，采用相邻两簇的最近激光点作为相邻两簇的端点，并通过计算最近激光点的距离来衡量相邻两簇的距离，若所述距离大于预设值，比如50mm，则将两端点标记为所述分割点。另一实施例中，针对聚类完成以后的一个个点云簇，计算其形心作为该点云簇的中心，同时计算点云簇的长宽，从而确定一个能够将点云簇包裹的矩形包围盒，通过计算相邻矩形包围盒的距离来衡量相邻两簇的距离，若所述距离大于预设值，则将最靠近矩形包围盒的计算边界的激光点作为该包围盒对应的分割点。然后确定每个分割点对应的待检测区域，具体包括以下步骤：

S303，根据目标机器人的轮式编码器数据获取所述分割点相对激光坐标系的方位角。编码器是一种角位移传感器，它通过检测机器人轮子在一定时间内转过的弧度数来确定机器人位姿的变化，即可计算出所述分割点相对激光坐标系的方位角，具体可以采用光电式编码器、接触式编码器或电磁式编码器三种，本发明优选采用光电编码器。

S304，将所述方位角投影到所述直角坐标系，根据投影结果确定所述分割点所属的待检测区域。

然后执行步骤S4和S5，判断每个待检测区域是否存在分割点，若存在任一分割点，则标记所述待检测区域为非密闭状态，否则，标记所述待检测区域为密闭状态。

S5，当所有待检测区域均为密闭状态时，判断所述目标空间为密闭空间，否则，判断所述目标空间为非密闭空间。

上述实施例提供了一种基于激光传感器的无人密闭空间检测方法，首先检测过程中机器人持续原地旋转以确保激光能够360°覆盖目标空间，然后将目标空间划分为多个待检测区域，通过激光连续性检测方法识别出当前帧激光数据的所有分割点，再结合机器人底盘上的轮式编码器数据确定每个分割点对应的待检测区域，并根据待检测区域是否包含分割点判断每个待检测区域的密闭状态，最后将所有待检测区域的状态按逻辑与的方式进行合并以判断目标空间的状态是否为无人密闭，整个检测过程快速、准确，从而保证了采用机器人进行消杀的及时性和安全性，提高了用户体验。

优选实施例中，当判断出目标空间为空密闭空间时，还可以继续进行行人识别步骤，具体为：获取所述分割点所在的目标激光点云数据，对所述目标激光点云数据进行滤波处理，从而消除环境噪声以及动态因素的影响，并且采用局部最小化算法去除像桌腿一样细的相似对象，然后将处理后的目标激光点云数据与预设人腿模板进行聚类匹配，从而生成多个用于表示不同人腿的激光点簇，所述预设人腿模板包括两条腿平行时的单腿宽度和两腿间距、两条腿并拢时的两腿宽度之和以及两条腿交错时的单腿宽度。优选地，采用的聚类方法为Mean-shift方法，Mean-shift方法能够对二维点集进行自适应聚类，或者使用基于块计算的快速算法提升效率。这样，对于某些只需要没有行人，但是可以存在其他障碍物(比如书桌等)或者非密闭的消杀空间，比如教师或者办公室等等，也可以采用本发明的方向进行检测，然后进行后续的消杀工作，提高机器人的应用范围和工作效率。

需要说明的是，在上述各个实施例中，上述各步骤之间并不必然存在一定的先后顺序，本领域普通技术人员，根据本发明实施例的描述可以理解，不同实施例中，上述各步骤可以有不同的执行顺序，亦即，可以并行执行，亦可以交换执行等等。

作为本发明实施例的另一方面，本发明实施例还提供一种无人密闭空间的检测装置。其中，检测装置可以为软件模块，所述软件模块包括若干指令，其存储在电调中的存储器内，处理器可以访问该存储器，调用指令进行执行，以完成上述各个实施例所阐述的无人密闭空间的检测方法。

在一些实施例中，检测装置亦可以由硬件器件搭建成的，例如，检测装置可以由一个或两个以上的芯片搭建而成，各个芯片可以互相协调工作，以完成上述各个实施例所阐述的无人密闭空间的检测方法。再例如，检测装置还可以由各类逻辑器件搭建而成，诸如由通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、单片机、ARM(Acorn RISC Machine)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合而搭建成。

图2是本发明实施例2提供一种无人密闭空间的检测装置的结构示意图，该检测装置包括分割模块100、数据获取模块200、分析模块300和判断模块400，

所述分割模块100用于将目标空间分割为多个待检测区域；

所述数据获取模块200用于控制目标机器人在所述目标空间持续原地旋转，获取连续的多帧激光点云数据；

所述分析模块300用于对每帧激光点云数据中的分割点进行识别，并确定每个分割点所属的待检测区域，所述分割点为每帧激光点云数据中距离大于预设值的两个相邻激光点；

所述判断模块400用于判断每个待检测区域是否存在分割点，若存在任一分割点，则标记所述待检测区域为非密闭状态，否则，标记所述待检测区域为密闭状态；以及用于当所有待检测区域均为密闭状态时，判断所述目标空间为密闭空间，否则，判断所述目标空间为非密闭空间。

在一个优选实施方式中，所述分割模块100具体用于采用四象限法将目标空间分割为直角坐标系下的四个待检测区域，并将所述目标机器人的位置作为所述直角坐标系的原点。

在一个优选实施方式中，所述分析模块300具体包括：

聚类单元301，用于采用预设聚类算法对每帧激光点云数据中的所有激光点进行聚类，生成N个表示不同识别目标的簇；

识别单元302，用于计算相邻两簇的端点之间的距离，若所述距离大于所述预设值，则将两端点标记为所述分割点；

获取单元303，用于根据目标机器人的激光编码器数据获取所述分割点相对激光坐标系的方位角；

投影单元304，用于将所述方位角投影到所述直角坐标系，根据投影结果确定所述分割点所属的待检测区域。

在一个优选实施方式中，所述检测装置还包括行人识别模块500，所述行人识别模块500用于获取所述分割点所在的目标激光点云数据，对所述目标激光点云数据进行滤波处理，并采用局部最小化算法去除相似对象，然后将处理后的目标激光点云数据与预设人腿模板进行聚类匹配，生成多个用于表示不同人腿的激光点簇，所述预设人腿模板包括两条腿平行时的单腿宽度和两腿间距、两条腿并拢时的两腿宽度之和以及两条腿交错时的单腿宽度。

需要说明的是，上述检测装置可执行本发明实施例所提供的机器人路径规划方法，具备执行方法相应的功能模块和有益效果。未在检测装置实施例中详尽描述的技术细节，可参见本发明实施例所提供的机器人路径规划方法。

图3是本发明实施例提供的一种控制器的电路结构示意图。如图3所示，该控制器600包括一个或多个处理器61以及存储器62。其中，图3中以一个处理器61为例。

处理器61和存储器62可以通过总线或者其他方式连接，图3中以通过总线连接为例。

存储器62作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本发明实施例中的机器人路径规划方法对应的程序指令/模块。处理器61通过运行存储在存储器62中的非易失性软件程序、指令以及模块，从而执行检测装置的各种功能应用以及数据处理，即实现上述方法实施例提供的机器人路径规划方法以及上述装置实施例的各个模块或单元的功能。

存储器62可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器62可选包括相对于处理器61远程设置的存储器，这些远程存储器可以通过网络连接至处理器61。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

所述程序指令/模块存储在所述存储器62中，当被所述一个或者多个处理器61执行时，执行上述任意方法实施例中的机器人路径规划方法。

本发明实施例还提供了一种非易失性计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行，例如图3中的一个处理器61，可使得上述一个或多个处理器可执行上述任意方法实施例中的机器人路径规划方法。

本发明实施例还提供了一种计算机程序产品，所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被电子设备执行时，使所述电子设备执行任一项所述的机器人路径规划方法。

以上所描述的装置或设备实施例仅仅是示意性的，其中所述作为分离部件说明的单元模块可以是或者也可以不是物理上分开的，作为模块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模块单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明，它们没有在细节中提供；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的范围。

Claims (10)

1.一种无人密闭空间的检测方法，其特征在于，包括以下步骤：

S1，将目标空间分割为多个待检测区域；

S2，控制目标机器人在所述目标空间持续原地旋转，获取连续的多帧激光点云数据；

S3，对每帧激光点云数据中的分割点进行识别，并确定每个分割点所属的待检测区域，所述分割点为每帧激光点云数据中距离大于预设值的两个相邻激光点；

S4，判断每个待检测区域是否存在分割点，若存在任一分割点，则标记所述待检测区域为非密闭状态，否则，标记所述待检测区域为密闭状态；

S5，当所有待检测区域均为密闭状态时，判断所述目标空间为密闭空间，否则，判断所述目标空间为非密闭空间。

2.根据权利要求1所述的无人密闭空间的检测方法，其特征在于，所述将目标空间分割为多个待检测区域，具体为：采用四象限法将目标空间分割为直角坐标系下的四个待检测区域，并将所述目标机器人的位置作为所述直角坐标系的原点。

3.根据权利要求1或2所述的无人密闭空间的检测方法，其特征在于，所述对每帧激光点云数据中的分割点进行识别，具体包括以下步骤：

S301，采用预设聚类算法对每帧激光点云数据中的所有激光点进行聚类，生成N个表示不同识别目标的簇；

S302，计算相邻两簇的端点之间的距离，若所述距离大于所述预设值，则将两端点标记为所述分割点。

4.根据权利要求3所述的无人密闭空间的检测方法，其特征在于，所述确定每个分割点对应的待检测区域，具体为：

根据目标机器人的轮式编码器数据获取所述分割点相对激光坐标系的方位角；

将所述方位角投影到所述直角坐标系，根据投影结果确定所述分割点所属的待检测区域。

5.根据权利要求4所述的无人密闭空间的检测方法，其特征在于，当判断所述目标空间为非密闭空间时，还包括行人识别步骤，具体为：

获取所述分割点所在的目标激光点云数据，对所述目标激光点云数据进行滤波处理，并采用局部最小化算法去除相似对象，然后将处理后的目标激光点云数据与预设人腿模板进行聚类匹配，生成多个用于表示不同人腿的激光点簇，所述预设人腿模板包括两条腿平行时的单腿宽度和两腿间距、两条腿并拢时的两腿宽度之和以及两条腿交错时的单腿宽度。

6.一种无人密闭空间的检测装置，其特征在于，包括分割模块、数据获取模块、分析模块和判断模块，

所述分割模块用于将目标空间分割为多个待检测区域；

所述数据获取模块用于控制目标机器人在所述目标空间持续原地旋转，获取连续的多帧激光点云数据；

所述分析模块用于对每帧激光点云数据中的分割点进行识别，并确定每个分割点所属的待检测区域，所述分割点为每帧激光点云数据中距离大于预设值的两个相邻激光点；

所述判断模块用于判断每个待检测区域是否存在分割点，若存在任一分割点，则标记所述待检测区域为非密闭状态，否则，标记所述待检测区域为密闭状态；以及用于当所有待检测区域均为密闭状态时，判断所述目标空间为密闭空间，否则，判断所述目标空间为非密闭空间。

7.根据权利要求6所述的无人密闭空间的检测装置，其特征在于，所述分割模块具体用于采用四象限法将目标空间分割为直角坐标系下的四个待检测区域，并将所述目标机器人的位置作为所述直角坐标系的原点。

8.根据权利要求6或7所述的无人密闭空间的检测装置，其特征在于，所述分析模块具体包括：

聚类单元，用于采用预设聚类算法对每帧激光点云数据中的所有激光点进行聚类，生成N个表示不同识别目标的簇；

识别单元，用于计算相邻两簇的端点之间的距离，若所述距离大于所述预设值，则将两端点标记为所述分割点；

获取单元，用于根据目标机器人的轮式编码器数据获取所述分割点相对激光坐标系的方位角；

投影单元，用于将所述方位角投影到所述直角坐标系，根据投影结果确定所述分割点所属的待检测区域。

9.一种机器人，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5任一项所述方法的步骤。

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5任一项所述方法的步骤。

Images