CN112462389A

CN112462389A - 一种移动机器人障碍物检测系统、方法、装置及电子设备

Info

Publication number: CN112462389A
Application number: CN202011257639.XA
Authority: CN
Inventors: 徐永奎; 刘志冬; 孙乐韵; 王蓉
Original assignee: Hangzhou Lanxin Technology Co ltd
Current assignee: Hangzhou Lanxin Technology Co ltd
Priority date: 2020-11-11
Filing date: 2020-11-11
Publication date: 2021-03-09

Abstract

本发明公开了一种移动机器人障碍物检测系统、方法、装置及电子设备，该系统包括：线激光发射器，用于发射线激光；检测相机，用于获取经障碍物反射的线激光，并对线激光进行成像，形成图像数据；计算控制模块，用于获取图像数据，提取图像数据上的激光线数据，结合检测相机和激光线的外参，计算障碍物的空间位置以判定是否避障。该方法通过相机拍摄经障碍物反射回来的线激光的光源，实现更安全、更廉价的障碍物检测。这种检测方法，避免了光飞行时间和散斑三维避障相机的高昂成本和双目避障的不准确性，单点红外和超声波避障的空间局限性，以及激光雷达检测速度的限制，是一种探测速度快，成本低的低矮障碍物检测方法。

Description

一种移动机器人障碍物检测系统、方法、装置及电子设备

技术领域

本发明涉及移动机器人避障技术领域，尤其涉及一种移动机器人障碍物检测系统、方法、装置及电子设备。

背景技术

近年来，移动机器人已经逐渐进入大众的生活，给人们提供丰富多彩的娱乐和保障项目。自动驾驶和辅助驾驶技术也逐渐普及，给人们带来了全新的驾驶体验。机器人的安全技术，也随着各种机器人和自动驾驶事故的发生，如鲠在喉，成为机器人技术大范围普及的障碍。

目前绝大多数避障方法采用的是基于超声和红外测距的单点或多点避障，这种避障方法成本很低，准确度在特定的方向上较高，但是除此以外的方向上则无法做到有效避障。随着大气风场监测、三维视觉成像、成像制导和目标跟踪等领域的需求，激光雷达和毫米波雷达技术逐渐进入人们的视野。部分公司开发了基于激光雷达、毫米波雷达等新技术的避障方法，这些避障方法目前也面临着成本高昂，反馈帧率较低的问题。

因此，一种低成本、高覆盖率的机器人特别是移动机器人和自动驾驶的避障技术，对于推动机器人技术向着更安全更高效的方向发展具有重要意义。

发明内容

本发明实施例的目的是提供一种移动机器人障碍物检测系统、方法、装置及电子设备，以解决现有避障方法成本高昂，反馈帧率较低的问题。

为了达到上述目的，本发明实施例所采用的技术方案如下：

第一方面，本发明实施例提供一种移动机器人障碍物检测系统，其特征在于，包括：

线激光发射器，用于发射线激光；

检测相机，用于获取经障碍物反射的线激光，并对线激光进行成像，形成图像数据；

计算控制模块，用于获取图像数据，提取图像数据上的激光线数据，结合检测相机和线激光发射器的外参，计算障碍物的空间位置以判定是否避障。

第二方面，本发明实施例提供一种移动机器人障碍物检测方法，包括：

通过线激光发射器发射线激光；

通过检测相机获取经障碍物反射的线激光，并对线激光进行成像，形成图像数据；

计算控制模块获取图像数据，提取图像数据上的激光线数据，结合检测相机和线激光发射器的外参，计算障碍物的空间位置以判定是否避障。

第三方面，本发明实施例提供一种移动机器人障碍物检测方法，包括：

获取检测相机采集的图像数据，其中所述图像数据由检测相机获取经障碍物反射的线激光并对线激光进行成像而得，所述线激光由线激光发射器发射；

提取所述图像数据上的激光线数据；

根据所述激光线数据，结合检测相机和线激光发射器的外参，计算障碍物的空间位置以判定是否避障。

第四方面，本发明实施例提供一种移动机器人障碍物检测装置，包括：

获取单元，用于获取检测相机采集的图像数据，其中所述图像数据由检测相机获取经障碍物反射的线激光并对线激光进行成像而得，所述线激光由线激光发射器发射；

提取单元，用于提取图像数据上的激光线数据；

计算单元，用于根据所述激光线数据，结合检测相机和线激光发射器的外参，计算障碍物的空间位置以判定是否避障。

第五方面，本发明实施例提供一种电子设备，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第三方面所述的方法。

根据以上技术方案，本实施例采用普通的二维检测相机结合线激光发射器实现水平方向稠密的空间避障，落地成本较低。实际实施时可以在不同高度安装线激光发射器实现不同高度的空间立体避障，对于凸起的和悬空的障碍物也可以进行有效的甄辨；本实施例还可以将多组检测相机和线激光发射器平行使用，多组检测相机和线激光发射器相互弥补视野盲区又互不干扰，以实现全方位障碍物检测。

本发明通过检测相机拍摄经障碍物反射回来的线激光的光源，实现更安全、更廉价的障碍物检测。这种检测方法，避免了光飞行时间和散斑三维避障相机的高昂成本和双目避障的不准确性，单点红外和超声波避障的空间局限性，以及激光雷达检测速度的限制，是一种探测速度快，成本低的低矮障碍物检测方法。

附图说明

为了更好的理解，在以下的描述中将参照附图更详细地解释本发明。应理解，本发明不限于此示范性实施例，指定的特征也可以被方便地结合和/或修改，而不背离本发明的由权利要求书所限定的范围。在附图中：

图1为实施例1中一种移动机器人障碍物检测系统的空间布局示意图；

图2为实施例1中一种移动机器人障碍物检测系统的传输示意图；

图3为实施例2中一种移动机器人障碍物检测方法的流程示意图；

图4为实施例2中基于线激光的障碍物位置计算图示；

图5为实施例2中线激光安装位置对障碍物甄别的影响；

图6为实施例3中一种移动机器人障碍物检测方法的流程示意图；

图7为实施例4中一种移动机器人障碍物检测装置的流程示意图。

图中的附图标记有：

1：地面，2：移动机器人，3：线激光发射器，4：检测相机，5：相机视场角，6：线激光辐射光，7：经障碍物反射的线激光，8：障碍物；9：图像传感芯片，10：窄带滤光片，11：镜头，12：线激光驱动器，13：激光器，14：准直透镜，15：柱透镜，16：线激光，17：计算控制模块。

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。应该理解，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。

相反，本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步，为了使公众对本发明有更好的了解，在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。

实施例1：

本实施例提供一种移动机器人障碍物检测系统，包括：

线激光发射器3，用于发射线激光16；

检测相机4，用于获取经障碍物反射的线激光7，并对线激光16进行成像，形成图像数据；

计算控制模块，用于获取图像数据，提取图像数据上的激光线数据，结合检测相机4和线激光发射器3的外参，计算障碍物8的空间位置以判定是否避障。

根据以上技术方案，本实施例采用普通的二维的检测相机4结合线激光发射器3实现水平方向稠密的空间避障，落地成本较低。实际实施时可以在不同高度安装线激光发射器3实现不同高度的空间立体避障，对于凸起的和悬空的障碍物8也可以进行有效的甄辨；

需要说明的是，本实施例还可以将多组检测相机4和线激光发射器3平行使用，多组检测相机4和线激光发射器3相互弥补视野盲区又互不干扰，以实现全方位障碍物8检测。

本实施例中，如图1所示，线激光发射器3安装在底盘底部并与地面1平行，这样激光所辐射到的物体高度至少高于底盘高度，这样的障碍物8需要机器人2进行避障，而对于那些低于底盘的障碍物8，发生碰撞的概率较低。

本实施例中，如图2所示，线激光发射器3主要由给激光器13供电和驱动并保护激光器13辐射光源的线激光驱动器12、特定波长的激光器13、对激光进行初级平行度校准的准直透镜14以及将点激光转成线激光16的柱透镜15或者鲍威尔棱镜等光学元件组成。本发明的实施例所使用线激光发射器3是一种850nm 500mW的半导体激光器13。

检测相机4主要由感知线激光16的图像传感芯片9，能够对激光进行成像的镜头11，在激光波段透过率较高而在其它波段透过率较低的滤光片组成。本发明的实施例所使用的图像感知芯片是一种全局曝光CMOS芯片，相比于卷帘曝光CMOS芯片，其优势在于曝光过程中的畸变可控。

计算控制模块17主要负责对各个模块进行配置，以驱动模块之间协同工作，并采集和处理来自传感芯片的数据。所述计算控制模块17以现场可编程逻辑门阵列(FPGA)为主控芯片，搭载USB3.0控制芯片和DDR2芯片。

本实施例中，所述线激光发射器3实现线激光辐射光6的驱动信号从检测相机4中产生，以保证检测相机4芯片曝光时线激光16向外辐射光，或者线激光发射器3设置为处于持续工作状态。

本实施例中，所述线激光发射器3在移动机器人2运动方向上辐射一条或者多条线激光16，以满足机器人2不同高度的避障需求。

本实施例中，所述线激光16的波长可以为850nm，带宽2nm。

本实施例中，所述检测相机4能够感知到经障碍物8反射的由线激光16辐射出的线激光16，一方面需要面阵传感器能够在激光辐射波段有所响应，也需要激光能够穿过镜头11进行成像，通常为了避免环境光的干扰，需要在检测相机4的镜头11上安装窄带滤光片10，窄带滤光片10的中心波长为850nm，带宽20nm，所述镜头11上的窄带滤光片10可以让激光尽可能多的穿过，并尽可能少的让环境光通过，即只在激光对应的波长上透过率较高。

本实施例中，所述线激光16器13的水平发散角与相机的镜头11视场角相同或者比相机镜头11要大线激光16器13的水平发散角与相机的镜头11视场角接近或者比相机镜头11大，以充分利用镜头11的有效视场角进行障碍物8甄别。

本实施例中，所述计算控制模块获取图像数据后，还对图像数据进行去畸变处理。如图3所述，本实施例中所涉及的镜头11为焦距2.8mm光圈2.0的镜头11，其TV畸变达到了14％，因此有必要先对图像数据进行去畸变处理再进行激光线数据提取，通常激光线数据表现出较强的亮度与较为稠密的集中度。

为了充分利用光源能量，尽可能少的避免环境光干扰，线激光发射器3工作在脉冲驱动模式下，线激光辐射光6的驱动信号是从检测相机4中产生。线激光16辐射的光经障碍物8反射进检测相机4。

本实施例中，所述计算控制模块获取图像数据后，对于图像中采集到超过阈值的图像像素点判定为障碍物8点，根据相机和线激光发射器3的外参计算障碍物8点的位置信息，并发送给机器人2。

实施例2：

如图3所示，本实施例提供一种移动机器人2障碍物8检测方法，该方法基于实施例1所述的系统，该方法包括以下步骤：

步骤S101，线激光发射器3发射线激光16；

步骤S102，检测相机4获取经障碍物反射的线激光7，并对线激光16进行成像，形成图像数据；

步骤S103，计算控制模块获取图像数据，提取图像数据上的激光线数据，根据检测相机4和线激光发射器3的外参，计算障碍物8的空间位置以判定是否避障。

如图4，图像中线激光16中心的具体位置计算按照几何关系进行。线激光16水平辐射特定波长的激光，检测相机4光轴与竖直方向的夹角为

镜头11焦距为f，检测相机4光心与线激光发射器3的竖直高度差为H，那么根据几何关系：

其中，θ为相机中心法线与线激光16平面的夹角的余角，

为相机中心法线与具体光线的夹角，a为线激光16激光数据与光心的距离，其数值可以由像素坐标位置和像素尺寸计算出来。于是可以得到l的值，即障碍物8相对机器人2的空间位置。

如图5所示，线激光16安装可以选择机器人2前方中心位置，或者机器人2侧边位置，从图中可以判别出来，线激光16安装在机器人2侧边位置可以保证近处盲区足够小，方便避障策略制定。另外提取到线激光16之后便要计算出障碍物8A和B的空间位置，对于处于行驶路径之上的障碍物8需要进行避障处理，对于路径之外的物体B，则可以选择忽略。

实施例3：

如图6所示，本发明实施例提供一种移动机器人2障碍物8检测方法，包括：

步骤S201，获取检测相机4采集的图像数据，其中所述图像数据由检测相机4获取经障碍物8反射的线激光16并对线激光16进行成像而得，所述线激光16由线激光发射器3发射；

步骤S201，提取所述图像数据上的激光线数据；

步骤S201，根据所述激光线数据，结合检测相机4和线激光发射器3的外参，计算障碍物8的空间位置以判定是否避障。

步骤中详细的内容可参考实施例2，这里不做赘述。

实施例4：

如图7所示，本发明实施例提供一种移动机器人2障碍物8检测装置，该装置可以执行任意本发明任意实施例所提供的一种移动机器人2障碍物8检测方法，具备执行该方法相应的功能模块和有益效果。该装置包括：

获取单元41，用于获取检测相机4采集的图像数据，其中所述图像数据由检测相机4获取经障碍物8反射的线激光16并对线激光16进行成像而得，所述线激光16由线激光发射器3发射；

提取单元42，用于提取图像数据上的激光线数据；

计算单元43，用于根据所述激光线数据，结合检测相机4和线激光发射器3的外参，计算障碍物8的空间位置以判定是否避障。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以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信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

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。

另外，在本发明各个实施例中的各功能单元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。

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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims

1.一种移动机器人障碍物检测系统，其特征在于，包括：

线激光发射器，用于发射线激光；

2.根据权利要求1所述的系统，其特征在于，所述线激光发射器实现线激光辐射光的驱动信号从检测相机中产生，或者线激光发射器设置为处于持续工作状态。

3.根据权利要求1所述的系统，其特征在于，所述线激光发射器在移动机器人运动方向上辐射一条或者多条线激光。

4.根据权利要求1所述的系统，其特征在于，所述检测相机的镜头上安装有与激光波长相匹配的窄带滤光片，最大程度地让激光成像在检测相机上同时最少地采集环境光。

5.根据权利要求1所述的系统，其特征在于，所述线激光器的水平发散角与相机的镜头视场角相匹配，实现最大的测量范围，同时最充分地利用激光能量。

6.根据权利要求1所述的系统，其特征在于，所述计算控制模块获取图像数据后，还需要对图像数据进行去畸变处理。

7.根据权利要求1所述的一种移动机器人障碍物检测方法，其特征在于，包括：

通过线激光发射器发射线激光；

8.一种移动机器人障碍物检测方法，其特征在于，包括：

提取所述图像数据上的激光线数据；

9.一种移动机器人障碍物检测装置，其特征在于，包括：

提取单元，用于提取图像数据上的激光线数据；

10.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求8所述的方法。