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 PDFInfo
- 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
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
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;
其中,,,,、及为3×3旋转矩
阵,表示深度相机在机器人坐标系下的姿态,表示机器人在世界坐标系下的姿态,
表示深度相机在世界坐标系下的姿态,、及为3×1位移向量,、及为3×1位
移矩阵,表示深度相机在机器人坐标系下的位置,表示机器人在世界坐标系下的位
置,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:
以表示所述深度相机扫描的一帧地面点云数据,为
集合,表示每一帧地面点云数据包括多个点,通过表示在所述深度
相机坐标下的一个三维点坐标,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;
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,通过所述网格对进行均值滤波,其中所述均值滤波包括对中落入某一格子
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,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:
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;
其中,,,,、及为3×3旋转矩
阵,表示深度相机在机器人坐标系下的姿态,表示机器人在世界坐标系下的姿态,
表示深度相机在世界坐标系下的姿态,、及为3×1位移向量,、及为3×1位
移矩阵,表示深度相机在机器人坐标系下的位置,表示机器人在世界坐标系下的位
置,表示深度相机在世界坐标系下的位置。
其中,S200以表示深度相机扫描的一帧地面点云数据,为集合,表示每一帧地面点云数据包括多个点,通过表示在深
度相机坐标下的一个三维点坐标,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;
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,则得到斜坡候选
区如图4所示(/表示斜坡,-表示非斜坡)。然后计算各个连通区的
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。
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;
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。
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)
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 |
-
2021
- 2021-09-27 CN CN202111132550.5A patent/CN113566789B/zh active Active
Patent Citations (2)
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 |