CN113566789A - 基于深度相机的室内斜坡检测方法、装置及可读介质 - Google Patents

基于深度相机的室内斜坡检测方法、装置及可读介质 Download PDF

Info

Publication number
CN113566789A
CN113566789A CN202111132550.5A CN202111132550A CN113566789A CN 113566789 A CN113566789 A CN 113566789A CN 202111132550 A CN202111132550 A CN 202111132550A CN 113566789 A CN113566789 A CN 113566789A
Authority
CN
China
Prior art keywords
depth camera
grid
gradient
representing
slope
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.)
Granted
Application number
CN202111132550.5A
Other languages
English (en)
Other versions
CN113566789B (zh
Inventor
邢志伟
魏伟
赵信宇
魏金生
李骥
龙建睿
颜世龙
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.)
Shenzhen Dadao Zhichuang Technology Co ltd
Original Assignee
Shenzhen Dadao Zhichuang Technology Co ltd
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 Shenzhen Dadao Zhichuang Technology Co ltd filed Critical Shenzhen Dadao Zhichuang Technology Co ltd
Priority to CN202111132550.5A priority Critical patent/CN113566789B/zh
Publication of CN113566789A publication Critical patent/CN113566789A/zh
Application granted granted Critical
Publication of CN113566789B publication Critical patent/CN113566789B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C9/00—Measuring inclination, e.g. by clinometers, by levels
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C1/00—Measuring angles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying

Abstract

本发明涉及一种基于深度相机的室内斜坡检测方法、装置及可读介质的技术方案，包括：确定设置于机器人机身的深度相机位置，确定机器人机身及深度相机的世界坐标；获取深度相机拍摄的地面帧点云；将帧点云划分为网格，对网格执行均值滤波处理；通过梯度算子计算网格中每个格子中心所在位置的梯度，得到梯度超过设定阈值的格子集合；对格子集合进行过滤，得到斜坡区域。本发明的有益效果为：精度更高，无需人工标注，且不受机器人与斜坡夹角的影响。

Description

基于深度相机的室内斜坡检测方法、装置及可读介质
技术领域
本发明涉及计算机及机器人领域，具体涉及了一种基于深度相机的室内斜坡检测方法、装置及可读介质。
背景技术
检测斜坡对于提高室内移动机器人的安全性有重要作用。对于不同的室内移动机器人，由于其功能和结构上的要求，同时还需避免倾倒，导致其不允许在较大坡度的斜坡上作较大的机动，甚至不允许驶入。传统室内移动机器人使用加速度计、红外测距传感器等检测斜坡，或者直接人工测量再标注于导航地图中。使用加速度计可以根据其检测的重力加速度方向求出斜坡坡度，其精度一般比较高，但是缺陷是必须机器人机身已经处于斜坡之上才能检测到，无法在驶入之前检测到。使用红外测距传感器可以根据自身安装高度、角度以及其探测到的地面距离通过三角法计算出斜坡坡度，可以在驶入斜坡之前检测到，但是由于其是单点测距，当与斜坡角度不同时测得的坡度也不同，精度较低。人工标注的方式则费时费力。
发明内容
本发明的目的在于至少解决现有技术中存在的技术问题之一，提供了一种基于深度相机的室内斜坡检测方法、装置及可读介质，可以精确检测出各种方向、坡度的室内斜坡，完全满足移动机器人检测室内斜坡的需求。
本发明的技术方案包括一种基于深度相机的室内斜坡检测方法，该方法包括以下步骤：确定设置于机器人机身的深度相机位置，确定所述机器人机身及所述深度相机的世界坐标；获取所述深度相机拍摄的地面帧点云；将所述帧点云划分为网格，对所述网格执行均值滤波处理；通过梯度算子计算所述网格中每个格子中心所在位置的梯度，得到梯度超过设定阈值的格子集合；对所述格子集合进行过滤，得到斜坡区域。
根据所述的基于深度相机的室内斜坡检测方法，其中确定设置于机器人机身的深度相机位置，确定所述机器人机身及所述深度相机的世界坐标包括：
根据移动机器人的制动距离及探测范围，将深度相机设置于机器人机身的相应位置；
通过
Figure DEST_PATH_IMAGE001
表示深度相机相对于机器人的位姿，
Figure 409980DEST_PATH_IMAGE002
表示机器人在世界坐标系下的位 姿，
Figure DEST_PATH_IMAGE003
表示深度相机在世界坐标系下的位姿，其中c为深度相机，b表示机器人，w为坐标系；
其中，
Figure 375662DEST_PATH_IMAGE004
，
Figure DEST_PATH_IMAGE005
，
Figure 557245DEST_PATH_IMAGE006
，
Figure DEST_PATH_IMAGE007
、
Figure 199448DEST_PATH_IMAGE008
及
Figure DEST_PATH_IMAGE009
为3×3旋转矩 阵，
Figure 36954DEST_PATH_IMAGE007
表示深度相机在机器人坐标系下的姿态，
Figure 603064DEST_PATH_IMAGE008
表示机器人在世界坐标系下的姿态，
Figure 639153DEST_PATH_IMAGE009
表示深度相机在世界坐标系下的姿态，
Figure 452257DEST_PATH_IMAGE001
、
Figure 573797DEST_PATH_IMAGE002
及
Figure 943599DEST_PATH_IMAGE010
为3×1位移向量，
Figure DEST_PATH_IMAGE011
、
Figure 37456DEST_PATH_IMAGE012
及
Figure DEST_PATH_IMAGE013
为3×1位 移矩阵，
Figure 21462DEST_PATH_IMAGE011
表示深度相机在机器人坐标系下的位置，
Figure 630298DEST_PATH_IMAGE012
表示机器人在世界坐标系下的位 置，
Figure 538211DEST_PATH_IMAGE013
表示深度相机在世界坐标系下的位置。
根据所述的基于深度相机的室内斜坡检测方法，其中所述获取所述深度相机拍摄的地面帧点云包括：
以
Figure 548892DEST_PATH_IMAGE014
表示所述深度相机扫描的一帧地面点云数据，
Figure DEST_PATH_IMAGE015
为 集合，表示每一帧地面点云数据包括多个点，通过
Figure 454531DEST_PATH_IMAGE016
表示在所述深度 相机坐标下的一个三维点坐标，
Figure DEST_PATH_IMAGE017
为三维向量，用于表示点云中的一个点，i=1,2…n,n为 正整数，x,y,z为空间坐标轴；
确定三维点坐标的在所述世界坐标下的坐标
Figure 737614DEST_PATH_IMAGE018
，
Figure DEST_PATH_IMAGE019
；
进而确认世界坐标系下的一地面帧点云
Figure 449218DEST_PATH_IMAGE019
。
根据所述的基于深度相机的室内斜坡检测方法，其中将所述帧点云划分为网格，对所述网格执行均值滤波处理包括：
通过
Figure 517668DEST_PATH_IMAGE020
表示深度相机探测到的地面区域，将地面区域划分为m×n网格，表示为
Figure DEST_PATH_IMAGE021
，通过所述网格对
Figure 843476DEST_PATH_IMAGE022
进行均值滤波，其中所述均值滤波包括对
Figure 161325DEST_PATH_IMAGE022
中落入某一格子 中的点计算其Z轴坐标的均值，作为该格子中心坐标的高度值，m和n表示网格的尺寸，m和n 通过深度相机探测的地面区域大小和格子大小确定，格子的大小能够配置，
Figure 676620DEST_PATH_IMAGE022
表示在世界 坐标系下的一个点云。
根据所述的基于深度相机的室内斜坡检测方法，其中通过梯度算子计算所述网格中每个格子中心所在位置的梯度，得到梯度超过设定阈值的格子集合包括：
用梯度检测算子
Figure DEST_PATH_IMAGE023
计算每一个格子中心所在位置的梯度，得到梯度超过设定 阈值
Figure 599577DEST_PATH_IMAGE024
的格子集合
Figure DEST_PATH_IMAGE025
，
Figure 96286DEST_PATH_IMAGE026
，其中
Figure DEST_PATH_IMAGE027
，
Figure 839114DEST_PATH_IMAGE028
；
所述检测算子
Figure 892521DEST_PATH_IMAGE023
的计算方式包括：
Figure DEST_PATH_IMAGE029
，
Figure 919251DEST_PATH_IMAGE030
，
Figure DEST_PATH_IMAGE031
，
Figure 399911DEST_PATH_IMAGE032
，
其中
Figure DEST_PATH_IMAGE033
为梯度检测步长，
Figure 895615DEST_PATH_IMAGE034
；
Figure DEST_PATH_IMAGE035
为网格格子的边长，
Figure 674084DEST_PATH_IMAGE036
为斜坡检测的坡度阈值，坡度阈值可自 定义设置，
Figure DEST_PATH_IMAGE037
表示网格中的一个格子。
根据所述的基于深度相机的室内斜坡检测方法，其中对所述格子集合进行过滤，得到斜坡区域包括：对格子集合进行连通域过滤，将连通域超过设定值的区域作为斜坡区域，区域的设定值能够自定义配置。
根据所述的基于深度相机的室内斜坡检测方法，其中斜坡区域的坡度小于等于10度。
根据所述的基于深度相机的室内斜坡检测方法，其中斜坡区域的面积小于等于10平方米。
本发明的技术方案还包括一种基于深度相机的室内斜坡检测装置，该装置包括存储器、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，所述处理器执行所述计算机程序时实现任一所述的方法步骤。
本发明的技术方案还包括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任一所述的方法步骤。
本发明的有益效果为：精度更高，无需人工标注，且不受机器人与斜坡夹角的影响。
附图说明
下面结合附图和实施例对本发明进一步地说明：
图1所示为根据本发明实施方式的总体流程图。
图2，图3，图4，图5，图6依次所示为根据本发明实施方式的室内斜坡检测网格的变化图。
图7所示为根据本发明实施方式的基于深度相机的室内斜坡检测示意图。
图8所示为根据本发明实施方式的装置图。
具体实施方式
本部分将详细描述本发明的具体实施例，本发明之较佳实施例在附图中示出，附图的作用在于用图形补充说明书文字部分的描述，使人能够直观地、形象地理解本发明的每个技术特征和整体技术方案，但其不能理解为对本发明保护范围的限制。
本发明的描述中，除非另有明确的限定，设置等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
图1所示为根据本发明实施方式的总体流程图。本实施例包括以下流程：S100，确定设置于机器人机身的深度相机位置，确定机器人机身及深度相机的世界坐标；S200，获取深度相机拍摄的地面帧点云；S300，将帧点云划分为网格，对网格执行均值滤波处理；S400，通过梯度算子计算网格中每个格子中心所在位置的梯度，得到梯度超过设定阈值的格子集合；S500，对格子集合进行过滤，得到斜坡区域。
对于本实施例的技术方案，还提供了如下详细技术方案：
其中，S100包括根据移动机器人的制动距离及探测范围，将深度相机设置于机器人机身的相应位置；
通过
Figure 633949DEST_PATH_IMAGE001
表示深度相机相对于机器人的位姿，
Figure 223194DEST_PATH_IMAGE002
表示机器人在世界坐标系下的位 姿，
Figure 2931DEST_PATH_IMAGE003
表示深度相机在世界坐标系下的位姿，其中c为深度相机，b表示机器人，w为坐标系；
其中，
Figure 398140DEST_PATH_IMAGE038
，
Figure 399463DEST_PATH_IMAGE005
，
Figure DEST_PATH_IMAGE039
，
Figure 221926DEST_PATH_IMAGE040
、
Figure 426642DEST_PATH_IMAGE008
及
Figure 625542DEST_PATH_IMAGE009
为3×3旋转矩 阵，
Figure 294421DEST_PATH_IMAGE040
表示深度相机在机器人坐标系下的姿态，
Figure 474735DEST_PATH_IMAGE008
表示机器人在世界坐标系下的姿态，
Figure 229065DEST_PATH_IMAGE009
表示深度相机在世界坐标系下的姿态，
Figure 231656DEST_PATH_IMAGE001
、
Figure 692724DEST_PATH_IMAGE002
及
Figure DEST_PATH_IMAGE041
为3×1位移向量，
Figure 856989DEST_PATH_IMAGE042
、
Figure 285565DEST_PATH_IMAGE012
及
Figure 826268DEST_PATH_IMAGE013
为3×1位 移矩阵，
Figure 204160DEST_PATH_IMAGE042
表示深度相机在机器人坐标系下的位置，
Figure 742589DEST_PATH_IMAGE012
表示机器人在世界坐标系下的位 置，
Figure 205931DEST_PATH_IMAGE013
表示深度相机在世界坐标系下的位置。
其中，S200以
Figure DEST_PATH_IMAGE043
表示深度相机扫描的一帧地面点云数据，
Figure 737275DEST_PATH_IMAGE044
为集合，表示每一帧地面点云数据包括多个点，通过
Figure DEST_PATH_IMAGE045
表示在深 度相机坐标下的一个三维点坐标，
Figure 969674DEST_PATH_IMAGE046
为三维向量，用于表示点云中的一个点，i=1,2…n,n 为正整数，x,y,z为空间坐标轴；
确定三维点坐标的在世界坐标下的坐标
Figure DEST_PATH_IMAGE047
，
Figure 679004DEST_PATH_IMAGE048
；
进而确认世界坐标系下的一地面帧点云
Figure 629642DEST_PATH_IMAGE048
。
其中S300通过
Figure DEST_PATH_IMAGE049
表示深度相机探测到的地面区域，将地面区域划分为m×n网格， 表示为
Figure 699098DEST_PATH_IMAGE050
，通过网格对
Figure 51582DEST_PATH_IMAGE051
进行均值滤波，其中均值滤波包括对
Figure 931813DEST_PATH_IMAGE051
中落入某一格子 中的点计算其Z轴坐标的均值，作为该格子中心坐标的高度值。
其中S400用梯度检测算子
Figure 369748DEST_PATH_IMAGE023
计算每一个格子中心所在位置的梯度，得到梯度 超过设定阈值
Figure 55944DEST_PATH_IMAGE052
的格子集合
Figure 449885DEST_PATH_IMAGE053
，
Figure 563335DEST_PATH_IMAGE054
，其中
Figure 488566DEST_PATH_IMAGE027
，
Figure 650557DEST_PATH_IMAGE055
；
检测算子
Figure 977633DEST_PATH_IMAGE023
的计算方式包括：
Figure 996404DEST_PATH_IMAGE029
，
Figure 595882DEST_PATH_IMAGE056
，
Figure 623881DEST_PATH_IMAGE031
，
Figure 805463DEST_PATH_IMAGE057
，
其中
Figure 198398DEST_PATH_IMAGE033
为梯度检测步长，
Figure 832642DEST_PATH_IMAGE034
；
Figure 398753DEST_PATH_IMAGE035
为网格格子的边长，
Figure 910809DEST_PATH_IMAGE058
为斜坡检测的坡度阈值，坡度阈值可自 定义设置，
Figure 536963DEST_PATH_IMAGE059
表示网格中的一个格子。
其中，S500为对格子集合进行连通域过滤，将连通域超过设定值的区域作为斜坡区域。
参考图2~6，第2步（参考上述的S200）得到的网格如图2，可以看出左上区域有一个 斜坡，右下角有一个小物体，它并不是斜坡。采用步长为1的梯度检测算子，计算结果如图3 (边缘不参与计算)。假设由配置的检测的坡度阈值计算的梯度阈值为
Figure 658502DEST_PATH_IMAGE060
，则得到斜坡候选 区
Figure 965987DEST_PATH_IMAGE053
如图4所示(/表示斜坡，-表示非斜坡)。然后计算各个
Figure 122162DEST_PATH_IMAGE053
连通区的 格子数，结果如图5所示。然后根据检测要求设置一个连通区面积阈值，再计算这个阈值对 应的格子数，假设这里设置为10，那么右下角的候选区将被过滤掉，最终结果如图6所示。虽 然最终结果相比于图2缺失了边缘，且斜坡右侧多出一格的距离，但是由于深度相机探测的 点云十分密集，网格中格子的边长一般在2-10mm，对于探测斜坡这样的目标而言不会产生 影响。
参考图7，其表示检测位置示意图。
由于本发明的技术方案更关注于面积较小(几平米量级，一般小于等于10平米)和坡度较小(10度及以下)的室内小斜坡，这类斜坡对于基于双目VSLAM的技术属于无法完成的任务，本发明的技术方案可以配置坡度阈值和精度范围以满足不同的检测需求，检测准确率计算方式，将设备放置于斜坡的相应位置，采集100次数据进行检测，检测结果满足：检测的斜坡区域任何一个面积为0.01平方米的区域均有斜坡检测结果。其检测对比结果参考表1。
Figure 919217DEST_PATH_IMAGE061
表1
图8所示为根据本发明实施方式的装置图。装置包括存储器100及处理器200，其中处理器200存储有计算机程序，计算机程序用于执行以下的方法步骤，包括：确定设置于机器人机身的深度相机位置，确定机器人机身及深度相机的世界坐标；获取深度相机拍摄的地面帧点云；将帧点云划分为网格，对网格执行均值滤波处理；通过梯度算子计算网格中每个格子中心所在位置的梯度，得到梯度超过设定阈值的格子集合；对格子集合进行过滤，得到斜坡区域。
应当认识到，本发明实施例中的方法步骤可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。
此外，可按任何合适的顺序来执行本文描述的过程的操作，除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、RAM、ROM等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。
计算机程序能够应用于输入数据以执行本文所述的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。
上面结合附图对本发明实施例作了详细说明，但是本发明不限于上述实施例，在技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims (10)

1.一种基于深度相机的室内斜坡检测方法，其特征在于，该方法包括以下步骤：
确定设置于机器人机身的深度相机位置，确定所述机器人机身及所述深度相机的世界坐标；
获取所述深度相机拍摄的地面帧点云；
将所述帧点云划分为网格，对所述网格执行均值滤波处理；
通过梯度算子计算所述网格中每个格子中心所在位置的梯度，得到梯度超过设定阈值的格子集合；
对所述格子集合进行过滤，得到斜坡区域。
2.根据权利要求1所述的基于深度相机的室内斜坡检测方法，其特征在于，所述确定设置于机器人机身的深度相机位置，确定所述机器人机身及所述深度相机的世界坐标包括：
根据移动机器人的制动距离及探测范围，将深度相机设置于机器人机身的相应位置；
通过
Figure 337554DEST_PATH_IMAGE001
表示深度相机相对于机器人的位姿，
Figure 620636DEST_PATH_IMAGE002
表示机器人在世界坐标系下的位姿，
Figure 66661DEST_PATH_IMAGE003
表示深度相机在世界坐标系下的位姿，其中c为深度相机，b表示机器人，w为坐标系；
其中，
Figure 197428DEST_PATH_IMAGE004
，
Figure 273969DEST_PATH_IMAGE005
，
Figure 857397DEST_PATH_IMAGE006
，
Figure 294063DEST_PATH_IMAGE007
、
Figure 279337DEST_PATH_IMAGE008
及
Figure 589095DEST_PATH_IMAGE009
为3×3旋转矩阵，
Figure 597503DEST_PATH_IMAGE007
表示深度相机在机器人坐标系下的姿态，
Figure 650909DEST_PATH_IMAGE008
表示机器人在世界坐标系下的姿态，
Figure 490689DEST_PATH_IMAGE009
表 示深度相机在世界坐标系下的姿态，
Figure 181737DEST_PATH_IMAGE001
、
Figure 474178DEST_PATH_IMAGE002
及
Figure 331276DEST_PATH_IMAGE010
为3×1位移向量，
Figure 963246DEST_PATH_IMAGE011
、
Figure 614807DEST_PATH_IMAGE012
及
Figure 660123DEST_PATH_IMAGE013
为3×1位移 矩阵，
Figure 242283DEST_PATH_IMAGE011
表示深度相机在机器人坐标系下的位置，
Figure 791076DEST_PATH_IMAGE012
表示机器人在世界坐标系下的位置，
Figure 879118DEST_PATH_IMAGE013
表示深度相机在世界坐标系下的位置。
3.根据权利要求2所述的基于深度相机的室内斜坡检测方法，其特征在于，所述获取所述深度相机拍摄的地面帧点云包括：
以
Figure 83834DEST_PATH_IMAGE014
表示所述深度相机扫描的一帧地面点云数据，
Figure 17155DEST_PATH_IMAGE015
为集合， 表示每一帧地面点云数据包括多个点，通过
Figure 686034DEST_PATH_IMAGE016
表示在所述深度相机 坐标下的一个三维点坐标，
Figure 131928DEST_PATH_IMAGE017
为三维向量，用于表示点云中的一个点，i=1,2…n,n为正整 数，x,y,z为空间坐标轴；
确定三维点坐标的在所述世界坐标下的坐标
Figure 620678DEST_PATH_IMAGE018
，
Figure 623269DEST_PATH_IMAGE019
；
进而确认世界坐标系下的一地面帧点云
Figure 84337DEST_PATH_IMAGE019
。
4.根据权利要求3所述的基于深度相机的室内斜坡检测方法，其特征在于，所述将所述帧点云划分为网格，对所述网格执行均值滤波处理包括：
通过
Figure 248602DEST_PATH_IMAGE020
表示深度相机探测到的地面区域，将地面区域划分为m×n网格，表示为
Figure 490228DEST_PATH_IMAGE021
，通过所述网格对
Figure 217881DEST_PATH_IMAGE022
进行均值滤波，其中所述均值滤波包括对
Figure 595773DEST_PATH_IMAGE022
中落入某一格子 中的点计算其Z轴坐标的均值，作为该格子中心坐标的高度值，m和n表示网格的尺寸，m和n 通过深度相机探测的地面区域大小和格子大小确定，格子的大小能够配置，
Figure 196519DEST_PATH_IMAGE022
表示在世界 坐标系下的一个点云。
5.根据权利要求4所述的基于深度相机的室内斜坡检测方法，其特征在于，所述通过梯度算子计算所述网格中每个格子中心所在位置的梯度，得到梯度超过设定阈值的格子集合包括：
用梯度检测算子
Figure 597544DEST_PATH_IMAGE023
计算每一个格子中心所在位置的梯度，得到梯度超过设定阈值
Figure 941938DEST_PATH_IMAGE024
的格子集合
Figure 439915DEST_PATH_IMAGE025
，
Figure 132933DEST_PATH_IMAGE026
，其中
Figure 349151DEST_PATH_IMAGE027
，
Figure 231657DEST_PATH_IMAGE028
；
所述检测算子
Figure 521824DEST_PATH_IMAGE023
的计算方式包括：
Figure 198793DEST_PATH_IMAGE029
，
Figure 636727DEST_PATH_IMAGE030
，
Figure 509874DEST_PATH_IMAGE031
，
Figure 716865DEST_PATH_IMAGE032
，
其中
Figure 830314DEST_PATH_IMAGE033
为梯度检测步长，
Figure 693228DEST_PATH_IMAGE034
；
Figure 917536DEST_PATH_IMAGE035
为网格格子的边长，
Figure 244612DEST_PATH_IMAGE036
为斜坡检测的坡度阈值，坡度阈值可自定义 设置，
Figure 715913DEST_PATH_IMAGE037
表示网格中的一个格子。
6.根据权利要求1所述的基于深度相机的室内斜坡检测方法，其特征在于，所述对所述格子集合进行过滤，得到斜坡区域包括：
对格子集合进行连通域过滤，将连通域超过设定值的区域作为斜坡区域，区域的设定值能够自定义配置。
7.根据权利要求1所述的基于深度相机的室内斜坡检测方法，其特征在于，所述斜坡区域的坡度小于等于10度。
8.根据权利要求1所述的基于深度相机的室内斜坡检测方法，其特征在于，所述斜坡区域的面积小于等于10平方米。
9.一种基于深度相机的室内斜坡检测装置，该装置包括存储器、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权利要求1-8任一所述的方法步骤。
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1-8任一所述的方法步骤。
CN202111132550.5A 2021-09-27 2021-09-27 基于深度相机的室内斜坡检测方法、装置及可读介质 Active CN113566789B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111132550.5A CN113566789B (zh) 2021-09-27 2021-09-27 基于深度相机的室内斜坡检测方法、装置及可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111132550.5A CN113566789B (zh) 2021-09-27 2021-09-27 基于深度相机的室内斜坡检测方法、装置及可读介质

Publications (2)

Publication Number Publication Date
CN113566789A true CN113566789A (zh) 2021-10-29
CN113566789B CN113566789B (zh) 2022-10-25

Family

ID=78174742

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111132550.5A Active CN113566789B (zh) 2021-09-27 2021-09-27 基于深度相机的室内斜坡检测方法、装置及可读介质

Country Status (1)

Country Link
CN (1) CN113566789B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107656545A (zh) * 2017-09-12 2018-02-02 武汉大学 一种面向无人机野外搜救的自主避障与导航方法
CN108052624A (zh) * 2017-12-15 2018-05-18 深圳市易成自动驾驶技术有限公司 点云数据处理方法、装置及计算机可读存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107656545A (zh) * 2017-09-12 2018-02-02 武汉大学 一种面向无人机野外搜救的自主避障与导航方法
CN108052624A (zh) * 2017-12-15 2018-05-18 深圳市易成自动驾驶技术有限公司 点云数据处理方法、装置及计算机可读存储介质

Also Published As

Publication number Publication date
CN113566789B (zh) 2022-10-25

Similar Documents

Publication Publication Date Title
US10321116B2 (en) Method and system for volume determination using a structure from motion algorithm
CN107179768B (zh) 一种障碍物识别方法及装置
CN106225678B (zh) 基于3d相机的动态物体定位与体积测量方法
CN108052103B (zh) 基于深度惯性里程计的巡检机器人地下空间同时定位和地图构建方法
CN104062973A (zh) 一种基于图像标志物识别的移动机器人slam方法
JP2015184767A (ja) 情報処理装置、情報処理方法、位置姿勢推定装置、ロボットシステム
CN112258567A (zh) 物体抓取点的视觉定位方法、装置、存储介质及电子设备
CN108225345A (zh) 可移动设备的位姿确定方法、环境建模方法及装置
CN108345823A (zh) 一种基于卡尔曼滤波的障碍物跟踪方法和装置
JP2018022247A (ja) 情報処理装置およびその制御方法
Luo et al. Multisensor integrated stair recognition and parameters measurement system for dynamic stair climbing robots
EP3088983B1 (en) Moving object controller and program
CN111829531A (zh) 二维地图构建方法、装置、机器人定位系统和存储介质
CN113566789B (zh) 基于深度相机的室内斜坡检测方法、装置及可读介质
SE541083C2 (en) Method and image processing system for facilitating estimation of volumes of load of a truck
Olivares-Mendez et al. Autonomous landing of an unmanned aerial vehicle using image-based fuzzy control
CN105043341B (zh) 无人机对地高度的测量方法及装置
Kumar et al. Efficient volume estimation for dynamic environments using deep learning on the edge
CN115902977A (zh) 基于视觉和gps的变电站机器人双重定位方法及系统
CN116203976A (zh) 变电站室内巡检方法、装置、无人机和存储介质
JP2011174891A (ja) 位置姿勢計測装置、位置姿勢計測方法、及びプログラム
CN104699987A (zh) 一种手臂惯性式动作捕捉数据融合方法
JP7285678B2 (ja) 情報処理装置、及び制御プログラム
Smirnova et al. A technique of natural visual landmarks detection and description for mobile robot cognitive navigation
CN109238243B (zh) 一种基于倾斜摄影的测量方法、系统、存储介质及设备

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 519000 room 510, building 5, No. 16, Jinxing Road, Tangjiawan Town, high tech Zone, Zhuhai, Guangdong Province

Applicant after: Guangdong Dadao Zhichuang Technology Co.,Ltd.

Address before: 518000 room 310b, building F, Tianyou maker Industrial Park, 2 Lixin Road, Qiaotou community, Fuhai street, Bao'an District, Shenzhen City, Guangdong Province

Applicant before: SHENZHEN DADAO ZHICHUANG TECHNOLOGY CO.,LTD.

GR01 Patent grant
GR01 Patent grant