CN113393423A - 一种基于点云的悬崖检测方法、装置及移动机器人 - Google Patents
一种基于点云的悬崖检测方法、装置及移动机器人 Download PDFInfo
- Publication number
- CN113393423A CN113393423A CN202110539009.XA CN202110539009A CN113393423A CN 113393423 A CN113393423 A CN 113393423A CN 202110539009 A CN202110539009 A CN 202110539009A CN 113393423 A CN113393423 A CN 113393423A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cliff
- clustering
- point
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 claims abstract description 33
- 230000000007 visual effect Effects 0.000 claims abstract description 27
- 238000001914 filtration Methods 0.000 claims description 38
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 230000000903 blocking effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Graphics (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于点云的悬崖检测方法、装置及移动机器人。该方法包括下述步骤:S11、获取摄像头采集的点云,建立摄像头对应采集区域的第一局部地图;S12、将第一局部地图栅格化,点云按坐标填充到对应栅格中;S13、将剩余未填充栅格进行聚类,所得聚类区域为悬崖区域。本发明通过点云填充算法得到摄像头视觉盲区的准确位置信息,实现悬崖的视觉识别,为移动机器人提供导航参考。
Description
技术领域
本发明涉及移动机器人导航领域,更具体地说,涉及一种基于点云的悬崖检测方法、装置及移动机器人。
背景技术
视觉导航是移动机器人常用的一种导航方式,视觉导航依靠摄像头获取周围环境信息,为机器人移动提供参考。参考图1和图2,现有技术中摄像头一般倾斜安装在移动机器人上,因存在倾斜角度会导致摄像头获取前方地面信息时存在视觉盲区,图1为视觉盲区侧视图,图2为视觉盲区俯视图,因视觉盲区的存在导致摄像头无法直接看到悬崖的准确位置,导致移动机器人存在跌落风险。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种基于点云的悬崖检测方法、装置及移动机器人。
本发明解决其技术问题所采用的技术方案是:构造一种基于点云的悬崖检测方法,包括下述步骤:
S11、获取摄像头采集的点云,建立所述摄像头对应采集区域的第一局部地图;
S12、将所述第一局部地图栅格化,所述点云按坐标填充到对应栅格中;
S13、将剩余未填充栅格进行聚类,所得聚类区域为悬崖区域。
进一步,在本发明所述的基于点云的悬崖检测方法中,在所述步骤S12中将所述第一局部地图栅格化之后还包括:若所述第一局部地图大于所述摄像头的探测视角,则删除不在所述摄像头的探测视角范围内的栅格。
进一步,在本发明所述的基于点云的悬崖检测方法中,在所述步骤S11中获取摄像头采集的点云之后还包括:过滤并保存所述点云中的地面上点云,所述地面上点云指高于地平面的点云;
所述步骤S13中所得聚类区域为悬崖区域包括:根据所述地面上点云过滤所述聚类区域,过滤后所剩聚类区域为悬崖区域。
进一步,在本发明所述的基于点云的悬崖检测方法中,所述根据所述地面上点云过滤所述聚类区域包括:计算所述地面上点云的第一质心点,计算所述聚类区域的第二质心点,根据所述第一质心点和所述第二质心点的位置关系过滤所述聚类区域。
进一步,在本发明所述的基于点云的悬崖检测方法中,所述步骤S11中获取摄像头采集的点云包括:获取至少两个摄像头采集的所有点云。
另外,本发明还提供一种基于点云的悬崖检测装置,包括:
第一获取单元,用于获取摄像头采集的点云,建立所述摄像头对应采集区域的第一局部地图;
第一转换单元,用于将所述第一局部地图栅格化,所述点云按坐标填充到对应栅格中;
第一筛选单元,用于将剩余未填充栅格进行聚类,所得聚类区域为悬崖区域。
另外,本发明还提供一种移动机器人,包括存储器和处理器,所述存储器用于存储计算机程序,所述处理器用于执行所述存储器中存储的计算机程序以实现如上述的基于点云的悬崖检测方法;或
所述移动机器人包括如上述的基于点云的悬崖检测装置。
另外,本发明还提供一种基于点云的悬崖检测方法,应用于移动机器人,所述移动机器人上安装有至少一个摄像头;所述方法包括下述步骤:
S21、获取所有所述摄像头采集的点云,建立所述移动机器人周围环境对应的第二局部地图;
S22、将所述第二局部地图栅格化,所述点云按坐标填充到对应栅格中;
S23、将剩余未填充栅格进行聚类,所得聚类区域为悬崖区域。
进一步,在本发明所述的基于点云的悬崖检测方法中,在所述步骤S22中将所述第二局部地图栅格化之后还包括:删除不在所有所述摄像头的探测视角范围内的栅格。
进一步,在本发明所述的基于点云的悬崖检测方法中,在所述步骤S21中获取所有所述摄像头采集的点云之后还包括:过滤并保存所述点云中的地面上点云,所述地面上点云指高于地平面的点云;
所述步骤S23中所得聚类区域为悬崖区域包括:根据所述地面上点云过滤所述聚类区域,过滤后所剩聚类区域为悬崖区域。
进一步,在本发明所述的基于点云的悬崖检测方法中,所述根据所述地面上点云过滤所述聚类区域包括:计算所述地面上点云的第一质心点,计算所述聚类区域的第二质心点,根据所述第一质心点和所述第二质心点的位置关系过滤所述聚类区域。
另外,本发明还提供一种基于点云的悬崖检测装置,应用于移动机器人,所述移动机器人上安装有至少一个所述摄像头;所述装置包括:
第二获取单元,用于获取所有所述摄像头采集的点云,建立所述移动机器人周围环境对应的第二局部地图;
第二转换单元,用于将所述第二局部地图栅格化,所述点云按坐标填充到对应栅格中;
第二筛选单元,用于将剩余未填充栅格进行聚类,所得聚类区域为悬崖区域。
实施本发明的一种基于点云的悬崖检测方法、装置及移动机器人,具有以下有益效果:本发明通过点云填充算法得到摄像头视觉盲区的准确位置信息,实现悬崖的视觉识别,为移动机器人提供导航参考。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1和图2是摄像头视觉盲区的结构示意图;
图3是本发明一实施例提供的一种基于点云的悬崖检测方法的流程图;
图4是本发明一实施例提供的单摄像头点云填充示意图;
图5是本发明一实施例提供的一种基于点云的悬崖检测方法的流程图;
图6是本发明一实施例提供的双摄像头点云填充示意图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明本发明的具体实施方式。
在一优选实施例中,参考图3和图4,本实施例的基于点云的悬崖检测方法包括下述步骤:
S11、获取摄像头采集的点云,建立摄像头对应采集区域的第一局部地图。具体的,本实施例的摄像头使用现有技术中能够获取点云的摄像头,即摄像头获取的图像为点云,使用该摄像头获取采集区域的点云。若摄像头处于移动状态,则摄像头持续获取采集区域的点云。获取点云后建立采集区域的第一局部地图,作为选择,第一局部地图可大于采集区域,或第一局部地图与采集区域一致。本实施例以第一局部地图与采集区域一致进行说明,即第一局部地图与采集区域的形状和大小一致。
作为选择,若至少两个摄像头同时采集点云,则获取至少两个摄像头采集的所有点云,并建立所有摄像头对应采集区域的第一局部地图。
S12、将第一局部地图栅格化,点云按坐标填充到对应栅格中。具体的,将第一局部地图栅格化是指将第一局部地图棋盘化,即将第一布局地图划分为多个栅格,所有栅格大小相同且整齐排列。将第一局部地图栅格化后,若某一栅格有对应的点云中的点,则将该点填充到该栅格中。重复执行该填充动作,将点云中所有点均填充到对应栅格中。
S13、将剩余未填充栅格进行聚类,所得聚类区域为悬崖区域。具体的,填充结束后将剩余未填充栅格进行聚类,即将没有被填充的连续栅格作为一个聚类区域,所得聚类区域为悬崖区域。
本实施例通过点云填充算法得到摄像头视觉盲区的准确位置信息,实现悬崖的视觉识别,为移动机器人提供导航参考。
在一些实施例的基于点云的悬崖检测方法中,在步骤S12中将第一局部地图栅格化之后还包括:若第一局部地图大于摄像头的探测视角,则删除不在摄像头的探测视角范围内的栅格。因点云是摄像头视角范围内所得,摄像头的视角范围外自然没有点云,因本实施例后续认为没有被填充的栅格连续区域为悬崖,为避免将摄像头视角范围外的区域误认为是悬崖区域,所以需要首先将摄像头视角范围外的区域删除。
在一些实施例的基于点云的悬崖检测方法中,在步骤S11中获取摄像头采集的点云之后还包括:过滤并保存点云中的地面上点云,地面上点云指高于地平面的点云。具体的,在一些场景中可能存在地面上障碍物的情况,而地面障碍物也能阻挡摄像头视线,从而导致视觉盲区,可能被误认为悬崖区域。为排除因地面上障碍物引起的误判,需要过滤并保存点云中的地面上点云,然后根据地面上点云过滤聚类区域,过滤后所剩聚类区域为悬崖区域;其中地面上点云指高于地平面的点云。作为选择,本实施例提供一种地面上点云过滤聚类区域方法:计算地面上点云的第一质心点,计算聚类区域的第二质心点,根据第一质心点和第二质心点的位置关系过滤聚类区域;例如,若第一质心点和第二质心点之间的距离小于预设距离,则认为第二质心点对应的聚类区域为地面上障碍物的遮挡区域,不是悬崖。如图4所示,其中聚类区域101为悬崖,聚类区域102为地面上点云103对应的遮挡区域,并非悬崖。本实施例利用地面上点云过滤聚类区域,从而排除地面上障碍物对应的聚类区域,避免悬崖误判。
在一优选实施例中,本实施例的移动机器人包括存储器和处理器,存储器用于存储计算机程序,处理器用于执行存储器中存储的计算机程序以实现如上述实施例的基于点云的悬崖检测方法。
在一优选实施例中,本实施例的基于点云的悬崖检测装置包括:
第一获取单元,用于获取摄像头采集的点云,建立摄像头对应采集区域的第一局部地图。具体的,本实施例的摄像头使用现有技术中能够获取点云的摄像头,即摄像头获取的图像为点云,使用该摄像头获取采集区域的点云。若摄像头处于移动状态,则摄像头持续获取采集区域的点云。获取点云后建立采集区域的第一局部地图,作为选择,第一局部地图可大于采集区域,或第一局部地图与采集区域一致。本实施例以第一局部地图与采集区域一致进行说明,即第一局部地图与采集区域的形状和大小一致。作为选择,若至少两个摄像头同时采集点云,则获取至少两个摄像头采集的所有点云,并建立所有摄像头对应采集区域的第一局部地图。
第一转换单元,用于将第一局部地图栅格化,点云按坐标填充到对应栅格中。具体的,将第一局部地图栅格化是指将第一局部地图棋盘化,即将第一布局地图划分为多个栅格,所有栅格大小相同且整齐排列。将第一局部地图栅格化后,若某一栅格有对应的点云中的点,则将该点填充到该栅格中。重复执行该填充动作,将点云中所有点均填充到对应栅格中。
第一筛选单元,用于将剩余未填充栅格进行聚类,所得聚类区域为悬崖区域。具体的,填充结束后将剩余未填充栅格进行聚类,即将没有被填充的连续栅格作为一个聚类区域,所得聚类区域为悬崖区域。
本实施例通过点云填充算法得到摄像头视觉盲区的准确位置信息,实现悬崖的视觉识别,为移动机器人提供导航参考。
在一优选实施例中,本实施例的移动机器人包括如上述实施例的基于点云的悬崖检测装置。
在一优选实施例中,参考图5和图6,本实施例的基于点云的悬崖检测方法应用于移动机器人,移动机器人上安装有至少一个摄像头。具体的,该基于点云的悬崖检测方法包括下述步骤:
S21、获取所有摄像头采集的点云,建立移动机器人周围环境对应的第二局部地图。具体的,本实施例的摄像头使用现有技术中能够获取点云的摄像头,即摄像头获取的图像为点云,使用该摄像头获取采集区域的点云。若摄像头处于移动状态,则摄像头持续获取采集区域的点云。获取点云后建立移动机器人周围环境对应的第二局部地图,作为选择,第二局部地图可大于采集区域,或第二局部地图与采集区域一致。本实施例以第二局部地图与采集区域一致进行说明,即第二局部地图与采集区域的形状和大小一致。
S22、将第二局部地图栅格化,点云按坐标填充到对应栅格中。具体的,将第二局部地图栅格化是指将第二局部地图棋盘化,即将第二布局地图划分为多个栅格,所有栅格大小相同且整齐排列。将第二局部地图栅格化后,若某一栅格有对应的点云中的点,则将该点填充到该栅格中。重复执行该填充动作,将点云中所有点均填充到对应栅格中。
S23、将剩余未填充栅格进行聚类,所得聚类区域为悬崖区域。具体的,填充结束后将剩余未填充栅格进行聚类,即将没有被填充的连续栅格作为一个聚类区域,所得聚类区域为悬崖区域。
本实施例通过点云填充算法得到摄像头视觉盲区的准确位置信息,实现悬崖的视觉识别,为移动机器人提供导航参考。
在一些实施例的基于点云的悬崖检测方法中,在步骤S22中将第二局部地图栅格化之后还包括:若第二局部地图大于摄像头的探测视角,则删除不在摄像头的探测视角范围内的栅格。因点云是摄像头视角范围内所得,摄像头的视角范围外自然没有点云,因本实施例后续认为没有被填充的栅格连续区域为悬崖,为避免将摄像头视角范围外的区域误认为是悬崖区域,所以需要首先将摄像头视角范围外的区域删除。
在一些实施例的基于点云的悬崖检测方法中,在步骤S21中获取所有摄像头采集的点云之后还包括:过滤并保存点云中的地面上点云,地面上点云指高于地平面的点云。具体的,在一些场景中可能存在地面上障碍物的情况,而地面障碍物也能阻挡摄像头视线,从而导致视觉盲区,可能被误认为悬崖区域。为排除因地面上障碍物引起的误判,需要过滤并保存点云中的地面上点云,然后根据地面上点云过滤聚类区域,过滤后所剩聚类区域为悬崖区域;其中地面上点云指高于地平面的点云。作为选择,本实施例提供一种地面上点云过滤聚类区域方法:计算地面上点云的第一质心点,计算聚类区域的第二质心点,根据第一质心点和第二质心点的位置关系过滤聚类区域;例如,若第一质心点和第二质心点之间的距离小于预设距离,则认为第二质心点对应的聚类区域为地面上障碍物的遮挡区域,不是悬崖。如图6所示,其中聚类区域201为悬崖,聚类区域202为地面上点云203对应的遮挡区域,并非悬崖。本实施例利用地面上点云过滤聚类区域,从而排除地面上障碍物对应的聚类区域,避免悬崖误判。
在一优选实施例中,本实施例的基于点云的悬崖检测装置应用于移动机器人,移动机器人上安装有至少一个摄像头。具体的,该基于点云的悬崖检测装置包括:
第二获取单元,用于获取所有摄像头采集的点云,建立移动机器人周围环境对应的第二局部地图。具体的,本实施例的摄像头使用现有技术中能够获取点云的摄像头,即摄像头获取的图像为点云,使用该摄像头获取采集区域的点云。若摄像头处于移动状态,则摄像头持续获取采集区域的点云。获取点云后建立移动机器人周围环境对应的第二局部地图,作为选择,第二局部地图可大于采集区域,或第二局部地图与采集区域一致。本实施例以第二局部地图与采集区域一致进行说明,即第二局部地图与采集区域的形状和大小一致。
第二转换单元,用于将第二局部地图栅格化,点云按坐标填充到对应栅格中。具体的,将第二局部地图栅格化是指将第二局部地图棋盘化,即将第二布局地图划分为多个栅格,所有栅格大小相同且整齐排列。将第二局部地图栅格化后,若某一栅格有对应的点云中的点,则将该点填充到该栅格中。重复执行该填充动作,将点云中所有点均填充到对应栅格中。
第二筛选单元,用于将剩余未填充栅格进行聚类,所得聚类区域为悬崖区域。具体的,填充结束后将剩余未填充栅格进行聚类,即将没有被填充的连续栅格作为一个聚类区域,所得聚类区域为悬崖区域。
本实施例通过点云填充算法得到摄像头视觉盲区的准确位置信息,实现悬崖的视觉识别,为移动机器人提供导航参考。
在一些实施例的基于点云的悬崖检测装置中,第二转换单元还包括:若第二局部地图大于摄像头的探测视角,则删除不在摄像头的探测视角范围内的栅格。因点云是摄像头视角范围内所得,摄像头的视角范围外自然没有点云,因本实施例后续认为没有被填充的栅格连续区域为悬崖,为避免将摄像头视角范围外的区域误认为是悬崖区域,所以需要首先将摄像头视角范围外的区域删除。
在一些实施例的基于点云的悬崖检测装置中,第二获取单元还包括:过滤并保存点云中的地面上点云,地面上点云指高于地平面的点云。具体的,在一些场景中可能存在地面上障碍物的情况,而地面障碍物也能阻挡摄像头视线,从而导致视觉盲区,可能被误认为悬崖区域。为排除因地面上障碍物引起的误判,需要过滤并保存点云中的地面上点云,然后根据地面上点云过滤聚类区域,过滤后所剩聚类区域为悬崖区域;其中地面上点云指高于地平面的点云。作为选择,本实施例提供一种地面上点云过滤聚类区域方法:计算地面上点云的第一质心点,计算聚类区域的第二质心点,根据第一质心点和第二质心点的位置关系过滤聚类区域;例如,若第一质心点和第二质心点之间的距离小于预设距离,则认为第二质心点对应的聚类区域为地面上障碍物的遮挡区域,不是悬崖。如图6所示,其中聚类区域201为悬崖,聚类区域202为地面上点云203对应的遮挡区域,并非悬崖。本实施例利用地面上点云过滤聚类区域,从而排除地面上障碍物对应的聚类区域,避免悬崖误判。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,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、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上实施例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人士能够了解本发明的内容并据此实施,并不能限制本发明的保护范围。凡跟本发明权利要求范围所做的均等变化与修饰,均应属于本发明权利要求的涵盖范围。
Claims (12)
1.一种基于点云的悬崖检测方法,其特征在于,包括下述步骤:
S11、获取摄像头采集的点云,建立所述摄像头对应采集区域的第一局部地图;
S12、将所述第一局部地图栅格化,所述点云按坐标填充到对应栅格中;
S13、将剩余未填充栅格进行聚类,所得聚类区域为悬崖区域。
2.根据权利要求1所述的基于点云的悬崖检测方法,其特征在于,在所述步骤S12中将所述第一局部地图栅格化之后还包括:若所述第一局部地图大于所述摄像头的探测视角,则删除不在所述摄像头的探测视角范围内的栅格。
3.根据权利要求1所述的基于点云的悬崖检测方法,其特征在于,在所述步骤S11中获取摄像头采集的点云之后还包括:过滤并保存所述点云中的地面上点云,所述地面上点云指高于地平面的点云;
所述步骤S13中所得聚类区域为悬崖区域包括:根据所述地面上点云过滤所述聚类区域,过滤后所剩聚类区域为悬崖区域。
4.根据权利要求3所述的基于点云的悬崖检测方法,其特征在于,所述根据所述地面上点云过滤所述聚类区域包括:计算所述地面上点云的第一质心点,计算所述聚类区域的第二质心点,根据所述第一质心点和所述第二质心点的位置关系过滤所述聚类区域。
5.根据权利要求1所述的基于点云的悬崖检测方法,其特征在于,所述步骤S11中获取摄像头采集的点云包括:获取至少两个摄像头采集的所有点云。
6.一种基于点云的悬崖检测装置,其特征在于,包括:
第一获取单元,用于获取摄像头采集的点云,建立所述摄像头对应采集区域的第一局部地图;
第一转换单元,用于将所述第一局部地图栅格化,所述点云按坐标填充到对应栅格中;
第一筛选单元,用于将剩余未填充栅格进行聚类,所得聚类区域为悬崖区域。
7.一种移动机器人,其特征在于,包括存储器和处理器,所述存储器用于存储计算机程序,所述处理器用于执行所述存储器中存储的计算机程序以实现如权利要求1至5任一项所述的基于点云的悬崖检测方法;或
所述移动机器人包括如权利要求6所述的基于点云的悬崖检测装置。
8.一种基于点云的悬崖检测方法,其特征在于,应用于移动机器人,所述移动机器人上安装有至少一个摄像头;所述方法包括下述步骤:
S21、获取所有所述摄像头采集的点云,建立所述移动机器人周围环境对应的第二局部地图;
S22、将所述第二局部地图栅格化,所述点云按坐标填充到对应栅格中;
S23、将剩余未填充栅格进行聚类,所得聚类区域为悬崖区域。
9.根据权利要求8所述的基于点云的悬崖检测方法,其特征在于,在所述步骤S22中将所述第二局部地图栅格化之后还包括:删除不在所有所述摄像头的探测视角范围内的栅格。
10.根据权利要求8所述的基于点云的悬崖检测方法,其特征在于,在所述步骤S21中获取所有所述摄像头采集的点云之后还包括:过滤并保存所述点云中的地面上点云,所述地面上点云指高于地平面的点云;
所述步骤S23中所得聚类区域为悬崖区域包括:根据所述地面上点云过滤所述聚类区域,过滤后所剩聚类区域为悬崖区域。
11.根据权利要求10所述的基于点云的悬崖检测方法,其特征在于,所述根据所述地面上点云过滤所述聚类区域包括:计算所述地面上点云的第一质心点,计算所述聚类区域的第二质心点,根据所述第一质心点和所述第二质心点的位置关系过滤所述聚类区域。
12.一种基于点云的悬崖检测装置,其特征在于,应用于移动机器人,所述移动机器人上安装有至少一个所述摄像头;所述装置包括:
第二获取单元,用于获取所有所述摄像头采集的点云,建立所述移动机器人周围环境对应的第二局部地图;
第二转换单元,用于将所述第二局部地图栅格化,所述点云按坐标填充到对应栅格中;
第二筛选单元,用于将剩余未填充栅格进行聚类,所得聚类区域为悬崖区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110539009.XA CN113393423A (zh) | 2021-05-18 | 2021-05-18 | 一种基于点云的悬崖检测方法、装置及移动机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110539009.XA CN113393423A (zh) | 2021-05-18 | 2021-05-18 | 一种基于点云的悬崖检测方法、装置及移动机器人 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113393423A true CN113393423A (zh) | 2021-09-14 |
Family
ID=77617183
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110539009.XA Pending CN113393423A (zh) | 2021-05-18 | 2021-05-18 | 一种基于点云的悬崖检测方法、装置及移动机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113393423A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114355894A (zh) * | 2021-12-08 | 2022-04-15 | 上海擎朗智能科技有限公司 | 数据处理方法、机器人以及机器人系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650640A (zh) * | 2016-12-05 | 2017-05-10 | 浙江大学 | 一种基于激光雷达点云局部结构特征的负障碍物检测方法 |
CN111144228A (zh) * | 2019-12-05 | 2020-05-12 | 山东超越数控电子股份有限公司 | 基于3d点云数据的障碍物识别方法和计算机设备 |
CN111429520A (zh) * | 2020-03-02 | 2020-07-17 | 广州视源电子科技股份有限公司 | 负障碍物检测方法、装置、终端设备和存储介质 |
CN111624622A (zh) * | 2020-04-24 | 2020-09-04 | 库卡机器人(广东)有限公司 | 障碍物检测方法、装置 |
CN112070770A (zh) * | 2020-07-16 | 2020-12-11 | 国网安徽省电力有限公司检修分公司 | 一种高精度三维地图与二维栅格地图同步构建方法 |
CN112102151A (zh) * | 2020-07-27 | 2020-12-18 | 广州视源电子科技股份有限公司 | 栅格地图的生成方法、装置、移动智慧设备和存储介质 |
US20200401823A1 (en) * | 2019-06-19 | 2020-12-24 | DeepMap Inc. | Lidar-based detection of traffic signs for navigation of autonomous vehicles |
CN112561941A (zh) * | 2020-12-07 | 2021-03-26 | 深圳市银星智能科技股份有限公司 | 一种悬崖检测方法、装置和机器人 |
CN112801022A (zh) * | 2021-02-09 | 2021-05-14 | 青岛慧拓智能机器有限公司 | 一种无人驾驶矿卡作业区道路边界快速检测更新的方法 |
-
2021
- 2021-05-18 CN CN202110539009.XA patent/CN113393423A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650640A (zh) * | 2016-12-05 | 2017-05-10 | 浙江大学 | 一种基于激光雷达点云局部结构特征的负障碍物检测方法 |
US20200401823A1 (en) * | 2019-06-19 | 2020-12-24 | DeepMap Inc. | Lidar-based detection of traffic signs for navigation of autonomous vehicles |
CN111144228A (zh) * | 2019-12-05 | 2020-05-12 | 山东超越数控电子股份有限公司 | 基于3d点云数据的障碍物识别方法和计算机设备 |
CN111429520A (zh) * | 2020-03-02 | 2020-07-17 | 广州视源电子科技股份有限公司 | 负障碍物检测方法、装置、终端设备和存储介质 |
CN111624622A (zh) * | 2020-04-24 | 2020-09-04 | 库卡机器人(广东)有限公司 | 障碍物检测方法、装置 |
CN112070770A (zh) * | 2020-07-16 | 2020-12-11 | 国网安徽省电力有限公司检修分公司 | 一种高精度三维地图与二维栅格地图同步构建方法 |
CN112102151A (zh) * | 2020-07-27 | 2020-12-18 | 广州视源电子科技股份有限公司 | 栅格地图的生成方法、装置、移动智慧设备和存储介质 |
CN112561941A (zh) * | 2020-12-07 | 2021-03-26 | 深圳市银星智能科技股份有限公司 | 一种悬崖检测方法、装置和机器人 |
CN112801022A (zh) * | 2021-02-09 | 2021-05-14 | 青岛慧拓智能机器有限公司 | 一种无人驾驶矿卡作业区道路边界快速检测更新的方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114355894A (zh) * | 2021-12-08 | 2022-04-15 | 上海擎朗智能科技有限公司 | 数据处理方法、机器人以及机器人系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10198632B2 (en) | Survey data processing device, survey data processing method, and survey data processing program | |
EP3876141A1 (en) | Object detection method, related device and computer storage medium | |
CN110084116B (zh) | 路面检测方法、装置、计算机设备和存储介质 | |
CN111160302A (zh) | 基于自动驾驶环境的障碍物信息识别方法和装置 | |
CN110799989A (zh) | 一种障碍物检测方法、设备、可移动平台及存储介质 | |
US8204278B2 (en) | Image recognition method | |
CN111815707B (zh) | 点云确定方法、点云筛选方法、装置、计算机设备 | |
CN110264495B (zh) | 一种目标跟踪方法及装置 | |
JP6736931B2 (ja) | 立体物検出方法及び立体物検出装置 | |
CN111213153A (zh) | 目标物体运动状态检测方法、设备及存储介质 | |
JP6534296B2 (ja) | 3次元モデル生成装置、3次元モデル生成方法、及びプログラム | |
CN112381026A (zh) | 航道岸线检测方法、系统、装置和存储介质 | |
CN113093746B (zh) | 作业机械环境感知方法、装置、系统及作业机械 | |
JP2006012178A (ja) | 駐車車両検知方法及び駐車車両検知システム | |
CN115240094A (zh) | 一种垃圾检测方法和装置 | |
CN113838125A (zh) | 目标位置确定方法、装置、电子设备以及存储介质 | |
CN109839628A (zh) | 一种障碍物确定方法及移动机器人 | |
CN113393423A (zh) | 一种基于点云的悬崖检测方法、装置及移动机器人 | |
CN114219770A (zh) | 地面检测方法、装置、电子设备及存储介质 | |
CN112101134B (zh) | 物体的检测方法及装置、电子设备和存储介质 | |
CN110826364A (zh) | 一种库位识别方法及装置 | |
CN109242900B (zh) | 焦平面定位方法、处理装置、焦平面定位系统及存储介质 | |
CN114943954A (zh) | 一种车位检测方法、装置和系统 | |
CN113516703A (zh) | 摄像头覆盖范围检测方法、装置、设备和存储介质 | |
CN113516685A (zh) | 目标跟踪方法、装置、设备及存储介质 |
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 |