CN113420698A - 一种基于机器人的环境识别方法及装置 - Google Patents
一种基于机器人的环境识别方法及装置 Download PDFInfo
- Publication number
- CN113420698A CN113420698A CN202110751251.3A CN202110751251A CN113420698A CN 113420698 A CN113420698 A CN 113420698A CN 202110751251 A CN202110751251 A CN 202110751251A CN 113420698 A CN113420698 A CN 113420698A
- Authority
- CN
- China
- Prior art keywords
- point
- area
- data
- preset
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000004888 barrier function Effects 0.000 claims description 17
- 230000007613 environmental effect Effects 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 6
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 14
- 238000004590 computer program Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 206010044565 Tremor Diseases 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 241001417527 Pempheridae Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 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
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请公开了一种基于机器人的环境识别方法及装置。其中,该方法包括:获取机器人对当前环境进行检测得到的点云数据集合;从所述点云数据集合中获取满足预设条件的目标点云数据;确定所述目标点云数据中每个数据点对应的特征信息;根据所述特征信息识别所述当前环境中的障碍物区域以及跌落区域,并基于所述障碍物区域以及所述跌落区域生成环境图像。本申请公开的识别方法能够根据数据点的特征信息,对当前环境中的障碍物区域以及跌落区域进行识别,同时根据障碍物区域以及跌落区域生成环境图像。生成的环境图像后续可以作为机器人安全运行的依据,并有利于提升运行效率以及减少故障发生的概率。
Description
技术领域
本申请涉及机器人技术领域,尤其涉及一种基于机器人的环境识别方法及装置。
背景技术
随着机器人技术的发展,智能移动机器人也获得了长足的进步,切实地应用在了人们的日常生活中,如智能扫地机,智能上菜机器人等,针对智能移动机器人的研究和应用仍然还在如火如荼的进行中,研发更加智能,稳定,适应性强的机器人吸引着无数人的目光。
智能移动机器人的顺利移动,离不开对环境的判断,来准确地识别面前的障碍物和跌落信息,以躲避障碍和避免跌落,适应不同的工作场景和环境。但现有的技术中着重关心地面的大型障碍物,对跌落和地面低矮障碍物难以及时识别,大大地减少了机器人的应用场景,对机器人的实时运行影响巨大。
在现有的技术中,常在机器人上选择性安装碰撞传感器,跌落传感器,线激光雷达,3DTOF,双目中的一个或几个设备来实时检测路况,其目前对地面以上的较大物体的检测已经相对成熟,可以相对轻松地避开大部分较大型的障碍物;而对较小物体和跌落的检测还相对薄弱,小型障碍物往往无法探测,而对于跌落则依赖安装于机器人底部的跌落传感器来探测,这使得跌落检测时间上过于落后,对即使制动提出了更高的要求,同时限制了移动机器人的速度提升。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题,本申请提供了一种基于机器人的环境识别方法及装置。
根据本申请实施例的一个方面,提供了一种基于机器人的环境识别方法,包括:
获取机器人对当前环境进行检测得到的点云数据集合;
从所述点云数据集合中获取满足预设条件的目标点云数据;
确定所述目标点云数据中每个数据点对应的特征信息;
根据所述特征信息识别所述当前环境中的障碍物区域以及跌落区域,并基于所述障碍物区域以及所述跌落区域生成环境图像。
进一步地,所述从所述点云数据集合中获取满足预设条件的目标点云数据,包括:
获取所述点云数据集合中携带的数据点集合;
从所述数据点集合中获取精度值大于预设精度值的初始数据点;
将所述初始数据点中距离地面高度属于预设范围内的数据点,确定为目标数据点;
将所述目标数据点以及所述目标数据点对应的参数确定为所述目标点云数据。
进一步地,所述确定所述目标点云数据中每个数据点对应的特征信息,包括:
根据所述数据点对应的参数计算所述数据点在深度距离上的特征距离差,以及根据所述数据点对应的参数计算所述数据点相对于地面的斜率值;
将距离地面的高度、所述特征距离差和所述斜率值确定为所述特征信息。
进一步地,所述根据所述特征信息识别所述当前环境中的障碍物区域以及跌落区域,并基于所述障碍物区域以及所述跌落区域生成环境图像,包括:
正向搜索目标数据点,获取高度小于第一预设高度值、特征距离差大于第一预设距离值,斜率值大于第一预设斜率值,且斜率方向为向下的点作为第一起点,从所述第一起点开始继续搜索,将高度连续小于第一预设高度值的第一数据点,并根据所述第一数据点确定当前环境中的跌落区域块,循环执行该步骤,直至遍历完所有目标数据点,得到跌落区域;
正向搜索目标数据点,获取高度大于第二预设高度值、特征距离差大于第二预设距离值,斜率值大于第二预设斜率值,且斜率方向为向上的点作为第二起点,从所述第二起点开始继续搜索,将高度连续大于第二预设高度值的第二数据点,并根据所述第二数据点确定当前环境中的障碍物区域块,循环执行该步骤,直至遍历完所有目标数据点,得到障碍物区域;
根据目标数据点中除所述第一数据点、第二数据点、无数值点之外的第三数据点,确定当前环境中的通行区域;
根据所述跌落区域、障碍物区域以及通行区域生成所述环境图像。
进一步地,在基于所述障碍物区域以及所述跌落区域生成环境图像之后,所述方法还包括:
确定所述环境图像中的障碍物区域的第一位置信息,以及跌落区域的第二位置信息;
获取所述机器人的当前运行轨迹;
在所述当前运行轨迹与所述第一位置信息和/或所述第二位置信息存在运行冲突的情况下,获取所述环境图像中的通行区域,以及所述通行区域的第三位置信息;
根据所述第三位置信息更新所述当前运行轨迹。
进一步地,在基于所述障碍物区域以及所述跌落区域生成环境图像之后,所述方法还包括:
对所述环境地图中的跌落区域进行膨胀;
或,获取所述跌落区域、障碍物区域以及通行区域对应的标签信息,将所述标签信息携带在所述环境地图,并将携带所述标签信息的环境地图发送至客户端,以使所述客户端将根据所述环境地图中的标签信息更新所述机器人的运行轨迹。
根据本申请实施例的另一方面,还提供了一种基于机器人的环境识别装置,包括:
获取模块,用于获取机器人对当前环境进行检测得到的点云数据集合;
筛选模块,用于从所述点云数据集合中获取满足预设条件的目标点云数据;
确定模块,用于确定所述目标点云数据中每个数据点对应的特征信息;
生成模块,用于根据所述特征信息识别所述当前环境中的障碍物区域以及跌落区域,并基于所述障碍物区域以及所述跌落区域生成环境图像。
进一步地,筛选模块,用于获取所述点云数据集合中携带的数据点集合;从所述数据点集合中获取精度值大于预设精度值的初始数据点;将所述初始数据点中距离地面高度属于预设范围内的数据点,确定为目标数据点;将所述目标数据点以及所述目标数据点对应的参数确定为所述目标点云数据。
进一步地,所述确定模块,用于根据所述数据点对应的参数计算所述数据点在深度距离上的特征距离差,以及根据所述数据点对应的参数计算所述数据点相对于地面的斜率值;将距离地面的高度、所述特征距离差和所述斜率值确定为所述特征信息。
进一步地,所述生成模块,用于正向搜索目标数据点,获取高度小于第一预设高度值、特征距离差大于第一预设距离值,斜率值大于第一预设斜率值,且斜率方向为向下的点作为第一起点,从所述第一起点开始继续搜索,将高度连续小于第一预设高度值的第一数据点,并根据所述第一数据点确定当前环境中的跌落区域块,循环执行该步骤,直至遍历完所有目标数据点,得到跌落区域;正向搜索目标数据点,获取高度大于第二预设高度值、特征距离差大于第二预设距离值,斜率值大于第二预设斜率值,且斜率方向为向上的点作为第二起点,从所述第二起点开始继续搜索,将高度连续大于第二预设高度值的第二数据点,并根据所述第二数据点确定当前环境中的障碍物区域块,循环执行该步骤,直至遍历完所有目标数据点,得到障碍物区域;根据目标数据点中除所述第一数据点、第二数据点、无数值点之外的第三数据点,确定当前环境中的通行区域;根据所述跌落区域、障碍物区域以及通行区域生成所述环境图像。
进一步地,所述装置还包括:路径规划模块,用于确定所述环境图像中的障碍物区域的第一位置信息,以及跌落区域的第二位置信息;获取所述机器人的当前运行轨迹;在所述当前运行轨迹与所述第一位置信息和/或所述第二位置信息存在运行冲突的情况下,获取所述环境图像中的通行区域,以及所述通行区域的第三位置信息;根据所述第三位置信息更新所述当前运行轨迹。
进一步地,所述装置还包括:处理模块,用于对所述环境地图中的跌落区域进行膨胀;
或,所述处理模块,用于获取所述跌落区域、障碍物区域以及通行区域对应的标签信息,将所述标签信息携带在所述环境地图,并将携带所述标签信息的环境地图发送至客户端,以使所述客户端将根据所述环境地图中的标签信息更新所述机器人的运行轨迹。
根据本申请实施例的另一方面,还提供了一种存储介质,该存储介质包括存储的程序,程序运行时执行上述的步骤。
根据本申请实施例的另一方面,还提供了一种电子装置,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;其中:存储器,用于存放计算机程序;处理器,用于通过运行存储器上所存放的程序来执行上述方法中的步骤。
本申请实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述方法中的步骤。
本申请实施例提供的上述技术方案与现有技术相比具有如下优点:本申请公开的识别方法能够根据数据点的特征信息,对当前环境中的障碍物区域以及跌落区域进行识别,同时根据障碍物区域以及跌落区域生成环境图像。生成的环境图像后续可以作为机器人安全运行的依据,并有利于提升运行效率以及减少故障发生的概率。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或现有技术中的技术方案,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,对于本领域普通技术人员而言,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机器人的环境识别方法的流程图;
图2为本申请实施例提供的一种基于机器人的环境识别装置的框图;
图3为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的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。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个类似的实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本申请实施例提供了一种基于机器人的环境识别方法及装置。本发明实施例所提供的方法可以应用于任意需要的电子设备,例如,可以为服务器、终端等电子设备,在此不做具体限定,为描述方便,后续简称为电子设备。
根据本申请实施例的一方面,提供了一种基于机器人的环境识别方法的方法实施例,图1为本申请实施例提供的一种基于机器人的环境识别方法的流程图,如图1所示,该方法包括:
步骤S11,获取机器人对当前环境进行检测得到的点云数据集合。
在本申请实施例中,机器人利用安装的3DTOF设备、双目立体视觉设备或单目结构光设备,在移动过程中获取当前环境的3D点云数据集合。
步骤S12,从点云数据集合中获取满足预设条件的目标点云数据。
在本申请实施例中,需要对3D点云数据集合进行过滤,去除远距离精度差的点云,去除随机噪点,边缘噪点等。并对过滤后的点云数据进行平滑处理,得到所需的点云数据集合。具体包括以下步骤A1-A4:
步骤A1,获取点云数据集合中携带的数据点集合;
步骤A2,从数据点集合中获取精度值大于预设精度值的初始数据点;
步骤A3,将初始数据点中距离地面高度属于预设范围内的数据点,确定为目标数据点;
步骤A4,将目标数据点以及目标数据点对应的参数确定为目标点云数据。其中,目标数据点对应的参数包括:坐标、颜色、反射强度等等。
步骤S13,确定目标点云数据中每个数据点对应的特征信息;
在本申请实施例中,需要对点云数据集合中的数据点进行坐标系的变换,依据坐标转换关系,由原设备系转换到机器人的底盘坐标系,并基于底盘坐标系,转换关系如下:
确定每个数据点的特征信息,具体包括以下步骤B1-B2:
步骤B1,根据数据点对应的参数计算数据点在深度距离上的特征距离差,以及根据数据点对应的参数计算数据点相对于地面的斜率值;
步骤B2,将距离地面的高度、特征距离差和斜率值确定为特征信息。
在本申请实施例中,为了能够更准确的识别障碍物区域以及跌落区域,将斜率值的平方确定为特征信息,斜率值的平方计算公式如下:
式中,k为斜率值,z为高度值,x为底盘坐标系的横坐标,y为底盘坐标系的纵坐标。
步骤S14,根据特征信息识别当前环境中的障碍物区域以及跌落区域,并基于障碍物区域以及跌落区域生成环境图像。
在本申请实施例中,步骤S14,根据特征信息识别当前环境中的障碍物区域以及跌落区域,并基于障碍物区域以及跌落区域生成环境图像,包括以下步骤C1-C4:
步骤C1,正向搜索目标数据点,获取高度小于第一预设高度值、特征距离差大于第一预设距离值,斜率值大于第一预设斜率值,且斜率方向为向下的点作为第一起点,从第一起点开始继续搜索,将高度连续小于第一预设高度值的第一数据点,并根据第一数据点确定当前环境中的跌落区域块,循环执行该步骤,直至遍历完所有目标数据点,得到跌落区域。
在本申请实施例中,为了能够更精准的检测到当前环境的跌落区域,因此在计算特征距离差之外,还需要通过获取斜率值以及斜率方向是否向下,来判断是否满足跌落区域的特征,实现了对当前环境中跌落区域的精准检测。
步骤C2,正向搜索目标数据点,获取高度大于第二预设高度值、特征距离差大于第二预设距离值,斜率值大于第二预设斜率值,且斜率方向为向上的点作为第二起点,从第二起点开始继续搜索,将高度连续大于第二预设高度值的第二数据点,并根据第二数据点确定当前环境中的障碍物区域块,循环执行该步骤,直至遍历完所有目标数据点,得到障碍物区域。
在本申请实施例中,对于机器人视角来说,障碍物是由上而下的,因此需要通过获取斜率值以及斜率方向是否向上,来判断是否满足障碍物区域的特征。
步骤C3,根据目标数据点中除第一数据点、第二数据点、无数值点之外的第三数据点,确定当前环境中的通行区域。
步骤C4,根据跌落区域、障碍物区域以及通行区域生成环境图像。
在本申请实施例中,机器人根据识别结果生成环境图像。首先生成一张初始环境图像,默认值为未知区域。然后根据上述高度、距离和斜率平方的特征,对底盘系点云全图识别,对于地面和缓坡,在类别图中标记为可通行区域;对于断层跌落和较抖的下行坡度,在类别图中标记为跌落区;对于障碍物和较抖的上行坡度,在类别图中标记为障碍物区域。
本申请公开的识别方法能够根据数据点的特征信息,对当前环境中的障碍物区域以及跌落区域进行识别,同时根据障碍物区域以及跌落区域生成环境图像。生成的环境图像后续可以作为机器人安全运行的依据,并有利于提升运行效率以及减少故障发生的概率。
本申请实施例在得到环境图像之后,在基于障碍物区域以及跌落区域生成环境图像之后,还提供了基于该环境图像的路径规划方法,具体包括以下步骤:
步骤D1,确定环境图像中的障碍物区域的第一位置信息,以及跌落区域的第二位置信息。
步骤D2,获取机器人的当前运行轨迹。
在本申请实施例中,可以通过获取环境图像中的障碍物区域的第一位置信息,以及跌落区域的第二位置信息,同时获取机器人的当前运行路线,其中当前运行路线可以是用户预先规划好的。再得到第一位置信息和第二位置信息后,可以将当前运行路线与第一位置信息和第二位置信息进行对比,如果当前运行路线与第一位置信息和/或第二位置信息存在重叠,则确定运行冲突,此时获取环境图像中的通行区域,并根据通行区域重新规划当前运行路线,从而避开障碍物区域以及跌落区域。
在本申请实施例中,机器人的当前运行路线可以是由客户端预先指定好的,因此可知查询客户端,从客户端获取当前运行路线。或者当前运行路线也可以是由客户端生成后,存储至机器人内部的。
步骤D3,在当前运行轨迹与第一位置信息和/或第二位置信息存在运行冲突的情况下,获取环境图像中的通行区域,以及通行区域的第三位置信息。
在本申请实施例中,将当前运行轨迹与第一位置信息和第二位置信息进行对比,如果当前运行轨迹与第一位置信息和/或第二位置信息存在重叠,则确定运行冲突,此时获取环境图像中的通行区域,并根据通行区域的第三位置信息重新规划当前运行轨迹,从而避开障碍物区域以及跌落区域。
步骤D4,根据第三位置信息更新当前运行轨迹。
在本申请实施例中,步骤D4,根据第三位置信息更新当前运行轨迹,具体包括以下步骤D401-D403:
步骤D401,获取机器人的当前位置,以及当前运行路线对应的目的位置。
在本申请实施例中,可以基于当前运行路线确定机器人所在的当前位置以及目的位置。
步骤D402,从通行区域中获取当前位置与目的位置之间的候选路线。
在本申请实施例中,对通行区域进行检测,确定由当前位置直达目的位置的多条初始路线,确定初始路线的路况信息,同时获取机器人的运行速度,根据运行速度以及路况信息计算机器人通过每条初始路线的时间信息,按照时间信息对初始路线进行排列。可以将时间信息最少的初始路线确定为候选路线,也可以将大于预设时间阈值的初始路线确定为候选路线。
步骤D403,利用候选路线更新当前运行路线。
在本申请实施例中,机器人在行驶过程中,通过生成的环境地图,能够获取与当前行驶路线存在冲突的障碍物区域以及跌落区域。并根据环境地图中的通行区域自主更新当前行驶路线,从而安全避开障碍物区域以及跌落区域。
在本申请的另一实施例中,还提供了一种方法,具体包括以下步骤E1-E3:
步骤E1,确定环境图像中携带的跌落区域的第二位置信息。
在本申请实施例中,在机器人处于运行状态的情况下,为了保证机器人的安全,需要实时确定环境图像中跌落区域的第二位置信息。
步骤E2,对跌落区域进行检测,确定跌落区域的跌落参数,并基于跌落参数计算跌落地点。
在本申请实施例中,在环境地图中存在跌落区域的情况下,机器人会对跌落区域进行检测,从而确定跌落参数,跌落参数包括:跌落区域中跌落物体的高度,速度,方向,材质等等。然后可以根据跌落参数中的高度,速度以及方向预测跌落地点。
步骤E3,确定跌落地点是否存在目标对象,在跌落地点存在目标对象的情况下,发送提示信息。
在本申请实施例中,目标对象可以是人,也可以是动物、智能设备等等。例如:阳台上的衣服被风吹下后,机器人可以将衣服下落的区域作为跌落区域并检测跌落参数,从而预测衣服跌落地点,并发送提示信息。另外,机器人还可以根据跌落参数中的材质(例如:金属材质,玻璃材质等等)发送告警信息。
在本申请实施例中,机器人能够根据跌落区域的跌落参数,预测跌落地点,并执行提醒操作,能够降低当前环境中发生意外事故的几率。
在本申请实施例中,在基于障碍物区域以及跌落区域生成环境图像之后,方法还包括以下步骤:对环境地图中的跌落区域进行膨胀;其中,机器人还可以对环境图像中的跌落区域进行膨胀,从而能够以更大限度地避免跌落。
另外,还可以获取跌落区域、障碍物区域以及通行区域对应的标签信息,将标签信息携带在环境地图,并将携带标签信息的环境地图发送至客户端,以使客户端将根据环境地图中的标签信息更新机器人的运行轨迹。
其中,机器人根据处理后的分类结果分别筛选出不同区域的点云数据,并加以标签,发送至客户端表明当前环境中存在跌落、障碍或可通行等环境信息,后续客户端可以根据该环境信息对机器人进行路径规划,控制机器人行动。
另外,机器人还可以利用筛选出的点云数据生成环境图像,在图像上添加和更新相应信息。并发送至客户端,使用户实时查看前方路况。
图2为本申请实施例提供的一种基于机器人的环境识别装置的框图,该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图2所示,该装置包括:
获取模块21,用于获取机器人对当前环境进行检测得到的点云数据集合;
筛选模块22,用于从点云数据集合中获取满足预设条件的目标点云数据;
确定模块23,用于确定目标点云数据中每个数据点对应的特征信息;
生成模块24,用于根据特征信息识别当前环境中的障碍物区域以及跌落区域,并基于障碍物区域以及跌落区域生成环境图像。
在本申请实施例中,筛选模块,用于获取点云数据集合中携带的数据点集合;从数据点集合中获取精度值大于预设精度值的初始数据点;将初始数据点中距离地面高度属于预设范围内的数据点,确定为目标数据点;将目标数据点以及目标数据点对应的参数确定为目标点云数据。
在本申请实施例中,确定模块,用于根据数据点对应的参数计算数据点在深度距离上的特征距离差,以及根据数据点对应的参数计算数据点相对于地面的斜率值;将距离地面的高度、特征距离差和斜率值确定为特征信息。
在本申请实施例中,生成模块,用于正向搜索目标数据点,获取高度小于第一预设高度值、特征距离差大于第一预设距离值,斜率值大于第一预设斜率值,且斜率方向为向下的点作为第一起点,从第一起点开始继续搜索,将高度连续小于第一预设高度值的第一数据点,并根据第一数据点确定当前环境中的跌落区域块,循环执行该步骤,直至遍历完所有目标数据点,得到跌落区域;正向搜索目标数据点,获取高度大于第二预设高度值、特征距离差大于第二预设距离值,斜率值大于第二预设斜率值,且斜率方向为向上的点作为第二起点,从第二起点开始继续搜索,将高度连续大于第二预设高度值的第二数据点,并根据第二数据点确定当前环境中的障碍物区域块,循环执行该步骤,直至遍历完所有目标数据点,得到障碍物区域;根据目标数据点中除第一数据点、第二数据点、无数值点之外的第三数据点,确定当前环境中的通行区域;根据跌落区域、障碍物区域以及通行区域生成环境图像。
在本申请实施例中,装置还包括:路径规划模块,用于确定环境图像中的障碍物区域的第一位置信息,以及跌落区域的第二位置信息;获取机器人的当前运行轨迹;在当前运行轨迹与第一位置信息和/或第二位置信息存在运行冲突的情况下,获取环境图像中的通行区域,以及通行区域的第三位置信息;根据第三位置信息更新当前运行轨迹。
在本申请实施例中,装置还包括:处理模块,用于对环境地图中的跌落区域进行膨胀;
或,处理模块,用于获取跌落区域、障碍物区域以及通行区域对应的标签信息,将标签信息携带在环境地图,并将携带标签信息的环境地图发送至客户端,以使客户端将根据环境地图中的标签信息更新机器人的运行轨迹。
本申请实施例还提供一种电子设备,如图3所示,电子设备可以包括:处理器1501、通信接口1502、存储器1503和通信总线1504,其中,处理器1501,通信接口1502,存储器1503通过通信总线1504完成相互间的通信。
存储器1503,用于存放计算机程序;
处理器1501,用于执行存储器1503上所存放的计算机程序时,实现上述实施例的步骤。
上述终端提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述终端与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,简称RAM),也可以包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称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。
在本申请提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述实施例中任一所述的基于机器人的环境识别方法。
在本申请提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一所述的基于机器人的环境识别方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidState Disk)等。
以上所述仅为本申请的较佳实施例而已,并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本申请的保护范围内。
以上所述仅是本申请的具体实施方式,使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于机器人的环境识别方法,其特征在于,包括:
获取机器人对当前环境进行检测得到的点云数据集合;
从所述点云数据集合中获取满足预设条件的目标点云数据;
确定所述目标点云数据中每个数据点对应的特征信息;
根据所述特征信息识别所述当前环境中的障碍物区域以及跌落区域,并基于所述障碍物区域以及所述跌落区域生成环境图像。
2.根据权利要求1所述的方法,其特征在于,所述从所述点云数据集合中获取满足预设条件的目标点云数据,包括:
获取所述点云数据集合中携带的数据点集合;
从所述数据点集合中获取精度值大于预设精度值的初始数据点;
将所述初始数据点中距离地面高度属于预设范围内的数据点,确定为目标数据点;
将所述目标数据点以及所述目标数据点对应的参数确定为所述目标点云数据。
3.根据权利要求1所述的方法,其特征在于,所述确定所述目标点云数据中每个数据点对应的特征信息,包括:
根据所述数据点对应的参数计算所述数据点在深度距离上的特征距离差,以及根据所述数据点对应的参数计算所述数据点相对于地面的斜率值;
将距离地面的高度、所述特征距离差和所述斜率值确定为所述特征信息。
4.根据权利要求3所述的方法,其特征在于,所述根据所述特征信息识别所述当前环境中的障碍物区域以及跌落区域,并基于所述障碍物区域以及所述跌落区域生成环境图像,包括:
正向搜索目标数据点,获取高度小于第一预设高度值、特征距离差大于第一预设距离值,斜率值大于第一预设斜率值,且斜率方向为向下的点作为第一起点,从所述第一起点开始继续搜索,将高度连续小于第一预设高度值的第一数据点,并根据所述第一数据点确定当前环境中的跌落区域块,循环执行该步骤,直至遍历完所有目标数据点,得到跌落区域;
正向搜索目标数据点,获取高度大于第二预设高度值、特征距离差大于第二预设距离值,斜率值大于第二预设斜率值,且斜率方向为向上的点作为第二起点,从所述第二起点开始继续搜索,将高度连续大于第二预设高度值的第二数据点,并根据所述第二数据点确定当前环境中的障碍物区域块,循环执行该步骤,直至遍历完所有目标数据点,得到障碍物区域;
根据目标数据点中除所述第一数据点、第二数据点、无数值点之外的第三数据点,确定当前环境中的通行区域;
根据所述跌落区域、障碍物区域以及通行区域生成所述环境图像。
5.根据权利要求1所述的方法,其特征在于,在基于所述障碍物区域以及所述跌落区域生成环境图像之后,所述方法还包括:
确定所述环境图像中的障碍物区域的第一位置信息,以及跌落区域的第二位置信息;
获取所述机器人的当前运行轨迹;
在所述当前运行轨迹与所述第一位置信息和/或所述第二位置信息存在运行冲突的情况下,获取所述环境图像中的通行区域,以及所述通行区域的第三位置信息;
根据所述第三位置信息更新所述当前运行轨迹。
6.根据权利要求1所述的方法,其特征在于,在基于所述障碍物区域以及所述跌落区域生成环境图像之后,所述方法还包括:
对所述环境地图中的跌落区域进行膨胀;
或,获取所述跌落区域、障碍物区域以及通行区域对应的标签信息,将所述标签信息携带在所述环境地图,并将携带所述标签信息的环境地图发送至客户端,以使所述客户端将根据所述环境地图中的标签信息更新所述机器人的运行轨迹。
7.一种基于机器人的环境识别装置,其特征在于,包括:
获取模块,用于获取机器人对当前环境进行检测得到的点云数据集合;
筛选模块,用于从所述点云数据集合中获取满足预设条件的目标点云数据;
确定模块,用于确定所述目标点云数据中每个数据点对应的特征信息;
生成模块,用于根据所述特征信息识别所述当前环境中的障碍物区域以及跌落区域,并基于所述障碍物区域以及所述跌落区域生成环境图像。
8.根据权利要求7所述的装置,其特征在于,筛选模块,用于获取所述点云数据集合中携带的数据点集合;从所述数据点集合中获取精度值大于预设精度值的初始数据点;将所述初始数据点中距离地面高度属于预设范围内的数据点,确定为目标数据点;将所述目标数据点以及所述目标数据点对应的参数确定为所述目标点云数据。
9.根据权利要求7所述的装置,其特征在于,所述确定模块,用于根据所述数据点对应的参数计算所述数据点在深度距离上的特征距离差,以及根据所述数据点对应的参数计算所述数据点相对于地面的斜率值;将距离地面的高度、所述特征距离差和所述斜率值确定为所述特征信息。
10.根据权利要求9所述的装置,其特征在于,所述生成模块,用于正向搜索目标数据点,获取高度小于第一预设高度值、特征距离差大于第一预设距离值,斜率值大于第一预设斜率值,且斜率方向为向下的点作为第一起点,从所述第一起点开始继续搜索,将高度连续小于第一预设高度值的第一数据点,并根据所述第一数据点确定当前环境中的跌落区域块,循环执行该步骤,直至遍历完所有目标数据点,得到跌落区域;正向搜索目标数据点,获取高度大于第二预设高度值、特征距离差大于第二预设距离值,斜率值大于第二预设斜率值,且斜率方向为向上的点作为第二起点,从所述第二起点开始继续搜索,将高度连续大于第二预设高度值的第二数据点,并根据所述第二数据点确定当前环境中的障碍物区域块,循环执行该步骤,直至遍历完所有目标数据点,得到障碍物区域;根据目标数据点中除所述第一数据点、第二数据点、无数值点之外的第三数据点,确定当前环境中的通行区域;根据所述跌落区域、障碍物区域以及通行区域生成所述环境图像。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110680687 | 2021-06-18 | ||
CN2021106806878 | 2021-06-18 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113420698A true CN113420698A (zh) | 2021-09-21 |
Family
ID=77720114
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110751251.3A Pending CN113420698A (zh) | 2021-06-18 | 2021-07-02 | 一种基于机器人的环境识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113420698A (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104374376A (zh) * | 2014-11-05 | 2015-02-25 | 北京大学 | 一种车载三维测量系统装置及其应用 |
CN109186463A (zh) * | 2018-09-04 | 2019-01-11 | 浙江梧斯源通信科技股份有限公司 | 应用于可移动机器人的防跌落方法 |
CN110109144A (zh) * | 2019-04-30 | 2019-08-09 | 北京云迹科技有限公司 | 基于多线激光雷达的路肩检测方法及装置 |
CN110862033A (zh) * | 2019-11-12 | 2020-03-06 | 中信重工开诚智能装备有限公司 | 一种应用于煤矿斜井绞车的智能预警检测方法 |
CN111077541A (zh) * | 2019-12-30 | 2020-04-28 | 深圳优地科技有限公司 | 一种障碍物识别方法、障碍物识别装置及移动机器人 |
CN111160302A (zh) * | 2019-12-31 | 2020-05-15 | 深圳一清创新科技有限公司 | 基于自动驾驶环境的障碍物信息识别方法和装置 |
CN111352106A (zh) * | 2018-12-24 | 2020-06-30 | 珠海市一微半导体有限公司 | 扫地机器人坡度识别方法、装置、芯片及扫地机器人 |
US20200215694A1 (en) * | 2019-01-03 | 2020-07-09 | Ecovacs Robotics Co., Ltd. | Dynamic region division and region passage identification methods and cleaning robot |
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 |
CN112230642A (zh) * | 2019-06-29 | 2021-01-15 | 华为技术有限公司 | 道路可行驶区域推理方法及装置 |
CN112507899A (zh) * | 2020-12-15 | 2021-03-16 | 上海有个机器人有限公司 | 一种三维激光雷达图像识别方法以及设备 |
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 |
CN112598615A (zh) * | 2020-11-02 | 2021-04-02 | 禾多科技(北京)有限公司 | 障碍物检测方法、装置、电子设备和计算机可读介质 |
CN112784637A (zh) * | 2019-11-07 | 2021-05-11 | 北京百度网讯科技有限公司 | 地面障碍物探测方法、装置、电子设备及存储介质 |
-
2021
- 2021-07-02 CN CN202110751251.3A patent/CN113420698A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104374376A (zh) * | 2014-11-05 | 2015-02-25 | 北京大学 | 一种车载三维测量系统装置及其应用 |
CN109186463A (zh) * | 2018-09-04 | 2019-01-11 | 浙江梧斯源通信科技股份有限公司 | 应用于可移动机器人的防跌落方法 |
CN111352106A (zh) * | 2018-12-24 | 2020-06-30 | 珠海市一微半导体有限公司 | 扫地机器人坡度识别方法、装置、芯片及扫地机器人 |
US20200215694A1 (en) * | 2019-01-03 | 2020-07-09 | Ecovacs Robotics Co., Ltd. | Dynamic region division and region passage identification methods and cleaning robot |
CN110109144A (zh) * | 2019-04-30 | 2019-08-09 | 北京云迹科技有限公司 | 基于多线激光雷达的路肩检测方法及装置 |
CN112230642A (zh) * | 2019-06-29 | 2021-01-15 | 华为技术有限公司 | 道路可行驶区域推理方法及装置 |
CN112784637A (zh) * | 2019-11-07 | 2021-05-11 | 北京百度网讯科技有限公司 | 地面障碍物探测方法、装置、电子设备及存储介质 |
CN110862033A (zh) * | 2019-11-12 | 2020-03-06 | 中信重工开诚智能装备有限公司 | 一种应用于煤矿斜井绞车的智能预警检测方法 |
CN111077541A (zh) * | 2019-12-30 | 2020-04-28 | 深圳优地科技有限公司 | 一种障碍物识别方法、障碍物识别装置及移动机器人 |
CN111160302A (zh) * | 2019-12-31 | 2020-05-15 | 深圳一清创新科技有限公司 | 基于自动驾驶环境的障碍物信息识别方法和装置 |
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 |
CN112598615A (zh) * | 2020-11-02 | 2021-04-02 | 禾多科技(北京)有限公司 | 障碍物检测方法、装置、电子设备和计算机可读介质 |
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 |
CN112507899A (zh) * | 2020-12-15 | 2021-03-16 | 上海有个机器人有限公司 | 一种三维激光雷达图像识别方法以及设备 |
Non-Patent Citations (3)
Title |
---|
MUHAMMAD FAHMI ABDUL GHANI等: "Detecting negative obstacle using Kinect sensor", 《INTERNATIONAL JOURNAL OF ADVANCED ROBOTIC SYSTEMS》, pages 1 - 10 * |
肖强: "地面无人车辆越野环境多要素合成可通行区域检测", 《中国优秀硕士学位论文全文数据库 工程科技II辑》, no. 2016, pages 034 - 706 * |
邓祥: "基于双目视觉的清洁机器人障碍检测设计与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 2017, pages 138 - 3859 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10203409B2 (en) | Method and device for the localization of a vehicle from a fixed reference map | |
JP6166294B2 (ja) | 自動運転システム、自動運転の方法及びコンピューティング装置 | |
CN110785774A (zh) | 用于自动驾驶车辆中的闭环感知的方法和系统 | |
US11371851B2 (en) | Method and system for determining landmarks in an environment of a vehicle | |
CN110869936A (zh) | 用于自动驾驶车辆中的分布式学习与适应的方法和系统 | |
CN110753953A (zh) | 用于自动驾驶车辆中经由交叉模态验证的以物体为中心的立体视觉的方法和系统 | |
JPWO2015177864A1 (ja) | 信号機認識装置及び信号機認識方法 | |
CN112363494A (zh) | 机器人前进路径的规划方法、设备及存储介质 | |
JP2023508705A (ja) | データ伝送方法および装置 | |
CN110705385B (zh) | 一种障碍物角度的检测方法、装置、设备及介质 | |
CN112949366A (zh) | 障碍物识别方法和装置 | |
EP4105908A1 (en) | Method, apparatus, server, and computer program for collision accident prevention | |
CN111284501A (zh) | 基于对象识别来管理行驶模型的装置和方法、使用该装置的车辆行驶控制装置 | |
CN113835102A (zh) | 车道线生成方法和装置 | |
CN115294544A (zh) | 驾驶场景分类方法、装置、设备及存储介质 | |
CN113189610B (zh) | 地图增强的自动驾驶多目标追踪方法和相关设备 | |
CN112926630A (zh) | 路线规划方法、装置、电子设备以及计算机可读介质 | |
JP2016009331A (ja) | 車両周辺監視装置 | |
CN113420698A (zh) | 一种基于机器人的环境识别方法及装置 | |
Li et al. | Intersection detection and recognition for autonomous urban driving using a virtual cylindrical scanner | |
CN114998863A (zh) | 目标道路识别方法、装置、电子设备以及存储介质 | |
Namazi et al. | Identifying and counting vehicles in multiple lanes by using a low-cost vehicle-mounted sensor for intelligent traffic management systems | |
CN116820074A (zh) | 确定机器人拥堵点位置的方法、装置、机器人及存储介质 | |
Bhatlawande et al. | LIDAR based Detection of Small Vehicles | |
CN111709354A (zh) | 识别目标区域的方法、装置、电子设备和路侧设备 |
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 |