CN113643344A - 机器人获取天花板轮廓的方法 - Google Patents

机器人获取天花板轮廓的方法 Download PDF

Info

Publication number
CN113643344A
CN113643344A CN202110868382.XA CN202110868382A CN113643344A CN 113643344 A CN113643344 A CN 113643344A CN 202110868382 A CN202110868382 A CN 202110868382A CN 113643344 A CN113643344 A CN 113643344A
Authority
CN
China
Prior art keywords
ceiling
robot
acquiring
depth
acquires
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
CN202110868382.XA
Other languages
English (en)
Other versions
CN113643344B (zh
Inventor
赖钦伟
肖刚军
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.)
Zhuhai Amicro Semiconductor Co Ltd
Original Assignee
Zhuhai Amicro Semiconductor 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 Zhuhai Amicro Semiconductor Co Ltd filed Critical Zhuhai Amicro Semiconductor Co Ltd
Priority to CN202110868382.XA priority Critical patent/CN113643344B/zh
Publication of CN113643344A publication Critical patent/CN113643344A/zh
Application granted granted Critical
Publication of CN113643344B publication Critical patent/CN113643344B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G05D1/0251—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting 3D information from a plurality of images taken from different locations, e.g. stereo vision
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Electromagnetism (AREA)
  • Multimedia (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Manipulator (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开一种识别天花板轮廓的方法，该方法包括以下步骤：S1：机器人寻找房间中的开阔区域，然后移动到开阔区域中；S2：机器人获取天花板与地面之间的高度，然后从不同的角度来获取若干张深度图像；S3：机器人从深度图像中提取直线，并根据直线的端点的高度与天花板与地面之间的高度的关系来过滤直线；S4：机器人根据直线在图像中位置来从过滤后的直线中选取相应的直线，并根据选取出来的直线得到天花板的轮廓。与现有技术相比，本申请可以通过获取天花板的轮廓来得到房间准确的轮廓，不会被房间中的障碍物阻挡，实现性高，提高用户的使用体验。

Description

机器人获取天花板轮廓的方法
技术领域
本发明涉及智能机器人技术领域，具体涉及一种机器人获取天花板轮廓的方法。
背景技术
随着技术的发展，现在机器人可以通过传感器融合计算，实现对物理空间的建图和探索，实现更高一层次的智能。目前主流的建图技术有视觉、激光等，在一些低端应用，地图的轮廓采用二维激光来实现，可以扫出来开阔空间的地图，而对于房子的户型就无能为力了，因为在房子中的家具等，会阻挡激光，使机器人获取到的轮廓不是真正的房子轮廓。
发明内容
为解决上述问题，本发明公开一种机器人获取天花板轮廓的方法，通过获取天花板的轮廓来得到房间准确的轮廓，提高用户的使用体验。具体技术方案如下：
一种机器人获取天花板轮廓的方法，该方法包括以下步骤：S1：机器人寻找房间中的开阔区域，然后移动到开阔区域中；S2：机器人从不同位置获取传感器信息，然后从传感器信息中获取天花板边缘和点特征的深度，并计算最佳天花板深度；S3：机器人从深度图像中提取直线，并根据直线的端点的高度与天花板和地面之间的高度的关系来过滤直线；S4：机器人根据直线在图像中位置来从过滤后的直线中选取相应的直线，并根据选取出来的直线得到天花板的轮廓。与现有技术相比，本申请可以通过获取天花板的轮廓来得到房间准确的轮廓，不会被房间中的障碍物阻挡，实用性高，提高用户的使用体验。
进一步地，步骤S1中，机器人在寻找开阔区域前，先基于行走地图进行定位，来确定自身的位置。先通过对自身进行定位，使机器人后续获取的数据更加准确。
进一步地，步骤S1中，机器人根据自身与周围障碍物之间的距离来判断该区域是否为开阔区域，判断开阔区域时，机器人获取环境中的障碍物之间的距离，若机器人自身与最近的障碍物之间的距离大于设定的距离，则判断自身位于开阔区域。
进一步地，步骤S2中，机器人根据传感器信息通过针孔模型来获取天花板边缘和点特征的深度，并计算最佳天花板深度。
进一步地，通过针孔成像模型来获取天花板边缘和点特征的深度，并计算最佳天花板深度包括以下步骤：
机器人移动设定的直线距离，然后根据直线距离L和两组像素坐标(u1,v1),(u2,v2)通过深度数据计算公式：
Figure BDA0003188102940000011
其中，f为焦距，Z为深度数据；获取若干深度数据Z，然后对获取的深度数据进行排序，选取设定长度的序列来获取序列中深度数据之间的最大差值，若最大差值在设定范围内，则将该序列中深度数据Z的平均值作为最佳天花板深度，并将最佳天花板深度作为天花板与地面之间的高度。
进一步地，深度数据计算公式根据针孔成像模块的基本公式获得：
Figure BDA0003188102940000012
Figure BDA0003188102940000013
其中，f为焦距，X，Y，Z是全局坐标，c是相机的中心点，u和v是成像的像素坐标。
进一步地，步骤S2中，机器人先通过摄像头随机获取一张图像，然后摄像头竖直向上随机获取两张图片。
进一步地，步骤S3中，机器人过滤掉端点的高度低于天花板与地面之间的高度的直线。
进一步地，步骤S4中，机器人从过滤后的直线中选取位于深度图像最外圈的直线作为天花板与墙面的交界线。
进一步地，步骤S4中，机器人将交界线的端点的三维坐标投影到机器人的行走地图上，然后将位于同一交界线且投影在行走地图上的端点相连来得到天花板的轮廓。
一种机器人建立户型图的方法，包括如下步骤:根据上述的机器人获取天花板轮廓的方法，获取天花板的轮廓；生成与天花板的轮廓相同的户型图。
进一步地，机器人获取天花板图像，然后从图像中获取天花板与墙面的交界线，再将交界线的端点投影到行走地图上并相连来得到天花板的轮廓；将天花板的轮廓和行走地图相合并，然后将不重叠部分设置为障碍区域，来得到与天花板的轮廓相同的户型图。
附图说明
图1为本发明一种实施例中所述机器人获取天花板轮廓的方法的的流程图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作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。
参照图1可知，一种识别天花板轮廓的方法，该方法包括以下步骤：S1：机器人寻找房间中的开阔区域，然后移动到开阔区域中；S2：：机器人从不同位置获取传感器信息，然后从传感器信息中获取天花板边缘和点特征的深度，并计算最佳天花板深度；S3：机器人从深度图像中提取直线，并根据直线的端点的高度与天花板和地面之间的高度的关系来过滤直线；S4：机器人根据直线在图像中位置来从过滤后的直线中选取相应的直线，并根据选取出来的直线得到天花板的轮廓。采用深度相机来识别天花板，可以直接获得天花板的三维空间，计算复杂度小。也可以通过单个广角摄像头，通过slam定位的方式，来识别和计算出来天花板的轮廓，达到一样的效果。与现有技术相比，本申请可以通过获取天花板的轮廓来得到房间准确的轮廓，不会被房间中的障碍物阻挡，实用性高，提高用户的使用体验。
作为其中一种实施例，步骤S1中，机器人在寻找开阔区域前，先基于行走地图进行定位，来确定自身的位置。先通过对自身进行定位，使机器人后续获取的数据更加准确。步骤S1中，机器人根据自身与周围障碍物之间的距离来判断该区域是否为开阔区域，在判断是否位于开阔区域时，机器人获取环境中的障碍物之间的距离，若机器人自身与最近的障碍物之间的距离大于设定的距离，则判断自身位于开阔区域，这时机器人可以直接进行下一步骤的工作，或者轻微调整一下位置，远离最近的障碍物一定的距离。也可以将房间的中心区域作为开阔区域。
作为其中一种实施例，步骤S2中，机器人根据传感器信息通过针孔模型来获取天花板边缘和点特征的深度，并计算最佳天花板深度。通过针孔成像模型来获取天花板边缘和点特征的深度，并计算最佳天花板深度包括以下步骤：机器人移动设定的直线距离，然后根据直线距离L和两组像素坐标(u1,v1),(u2,v2)通过深度数据计算公式：
Figure BDA0003188102940000021
其中，f为焦距，Z为深度数据；获取若干深度数据Z，然后对获取的深度数据进行排序，选取设定长度的序列来获取序列中深度数据之间的最大差值，若最大差值在设定范围内，则将该序列中深度数据Z的平均值作为最佳天花板深度，并将最佳天花板深度作为天花板与地面之间的高度。深度数据计算公式根据针孔成像模块的基本公式获得：
Figure BDA0003188102940000022
Figure BDA0003188102940000023
其中，f为焦距，X，Y，Z是全局坐标，c是相机的中心点，u和v是成像的像素坐标。
作为其中一种实施例，步骤S2中，机器人先通过摄像头随机获取一张图像，然后摄像头竖直向上随机获取两张图片。步骤S3中，机器人过滤掉端点的高度低于天花板与地面之间的高度的直线。步骤S4中，机器人从过滤后的直线中选取位于深度图像最外圈的直线作为天花板与墙面的交界线。步骤S4中，机器人将交界线的端点的三维坐标投影到机器人的行走地图上，然后将位于同一交界线且投影在行走地图上的端点相连。获取后的天花板轮廓可以与机器人的行走地图进行合并，将行走地图中与天花板轮廓构成的图形的不重叠部分标注为障碍物，使机器人的行走地图更加完整和准确，可为用户带来更为直观的感受。
一种机器人建立户型图的方法，包括如下步骤:根据上述的机器人获取天花板轮廓的方法，获取天花板的轮廓；生成与天花板的轮廓相同的户型图。
进一步地，机器人获取天花板图像，然后从图像中获取天花板与墙面的交界线，再将交界线的端点投影到行走地图上并相连来得到天花板的轮廓；将天花板的轮廓和行走地图相合并，然后将不重叠部分设置为障碍区域，来得到与天花板的轮廓相同的户型图。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上各实施例仅表达了本发明的几种实施例，其描述较为具体和详细，但并不能因此而理解为发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。

Claims (12)

1.一种机器人获取天花板轮廓的方法，其特征在于，该方法包括以下步骤：
S1：机器人寻找房间中的开阔区域，然后移动到开阔区域中；
S2：机器人从不同位置获取传感器信息，然后从传感器信息中获取天花板边缘和点特征的深度，并计算最佳天花板深度；
S3：机器人从深度图像中提取直线，并根据直线的端点的高度与天花板和地面之间的高度的关系来过滤直线；
S4：机器人根据直线在图像中位置来从过滤后的直线中选取相应的直线，并根据选取出来的直线得到天花板的轮廓。
2.根据权利要求1所述的机器人获取天花板轮廓的方法，其特征在于，步骤S1中，机器人在寻找开阔区域前，先基于行走地图进行定位，来确定自身的位置。
3.根据权利要求1所述的机器人获取天花板轮廓的方法，其特征在于，步骤S1中，机器人根据自身与周围障碍物之间的距离来判断该区域是否为开阔区域，判断开阔区域时，机器人获取环境中的障碍物之间的距离，若机器人自身与最近的障碍物之间的距离大于设定的距离，则判断自身位于开阔区域。
4.根据权利要求1所述的机器人获取天花板轮廓的方法，其特征在于，步骤S2中，机器人根据传感器信息通过针孔模型来获取天花板边缘和点特征的深度，并计算最佳天花板深度。
5.根据权利要求4所述的机器人获取天花板轮廓的方法，其特征在于，通过针孔成像模型来获取天花板边缘和点特征的深度，并计算最佳天花板深度包括以下步骤：
机器人移动设定的直线距离，然后根据直线距离L和两组像素坐标(u1,v1),(u2,v2)通过深度数据计算公式：
Figure FDA0003188102930000011
其中，f为焦距，Z为深度数据；
获取若干深度数据Z，然后对获取的深度数据进行排序，选取设定长度的序列来获取序列中深度数据之间的最大差值，若最大差值在设定范围内，则将该序列中深度数据Z的平均值作为最佳天花板深度，并将最佳天花板深度作为天花板与地面之间的高度。
6.根据权利要求5所述的机器人获取天花板轮廓的方法，其特征在于，深度数据计算公式根据针孔成像模块的基本公式获得：
Figure FDA0003188102930000012
Figure FDA0003188102930000013
其中，f为焦距，X，Y，Z是全局坐标，c是相机的中心点，u和v是成像的像素坐标。
7.根据权利要求1所述的机器人获取天花板轮廓的方法，其特征在于，步骤S2中，机器人先通过摄像头随机获取一张图像，然后摄像头竖直向上随机获取两张图片。
8.根据权利要求1所述的机器人获取天花板轮廓的方法，其特征在于，步骤S3中，机器人过滤掉端点的高度低于天花板与地面之间的高度的直线。
9.根据权利要求1所述的机器人获取天花板轮廓的方法，其特征在于，步骤S4中，机器人从过滤后的直线中选取位于深度图像最外圈的直线作为天花板与墙面的交界线。
10.根据权利要求9所述的机器人获取天花板轮廓的方法，其特征在于，步骤S4中，机器人将交界线的端点的三维坐标投影到机器人的行走地图上，然后将位于同一交界线且投影在行走地图上的端点相连来得到天花板的轮廓。
11.一种机器人建立户型图的方法，其特征在于，包括如下步骤:
根据权利要求1至10中任一项所述的机器人获取天花板轮廓的方法，获取天花板的轮廓；
生成与天花板的轮廓相同的户型图。
12.根据权利要求11所述的机器人建立户型图的方法，其特征在于，
机器人获取天花板图像，然后从图像中获取天花板与墙面的交界线，再将交界线的端点投影到行走地图上并相连来得到天花板的轮廓；
将天花板的轮廓和行走地图相合并，然后将不重叠部分设置为障碍区域，来得到与天花板的轮廓相同的户型图。
CN202110868382.XA 2021-07-30 2021-07-30 机器人获取天花板轮廓的方法 Active CN113643344B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110868382.XA CN113643344B (zh) 2021-07-30 2021-07-30 机器人获取天花板轮廓的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110868382.XA CN113643344B (zh) 2021-07-30 2021-07-30 机器人获取天花板轮廓的方法

Publications (2)

Publication Number Publication Date
CN113643344A true CN113643344A (zh) 2021-11-12
CN113643344B CN113643344B (zh) 2024-10-15

Family

ID=78419084

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110868382.XA Active CN113643344B (zh) 2021-07-30 2021-07-30 机器人获取天花板轮廓的方法

Country Status (1)

Country Link
CN (1) CN113643344B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102901488A (zh) * 2012-09-07 2013-01-30 曹欢欢 一种自动生成房间平面图的方法及设备
KR101725685B1 (ko) * 2015-12-01 2017-04-26 충북대학교 산학협력단 천장 외곽선 검출에 의한 이동 로봇의 위치 인식 방법 및 장치
JP2020135765A (ja) * 2019-02-25 2020-08-31 パナソニックＩｐマネジメント株式会社 データ生成支援システム、データ生成支援方法、及びプログラム
CN112200916A (zh) * 2020-12-08 2021-01-08 深圳市房多多网络科技有限公司 房屋户型图的生成方法、装置、计算设备和存储介质
CN112270758A (zh) * 2020-10-29 2021-01-26 山东科技大学 一种基于天花板点云分割的建筑物房间轮廓线提取方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102901488A (zh) * 2012-09-07 2013-01-30 曹欢欢 一种自动生成房间平面图的方法及设备
KR101725685B1 (ko) * 2015-12-01 2017-04-26 충북대학교 산학협력단 천장 외곽선 검출에 의한 이동 로봇의 위치 인식 방법 및 장치
JP2020135765A (ja) * 2019-02-25 2020-08-31 パナソニックＩｐマネジメント株式会社 データ生成支援システム、データ生成支援方法、及びプログラム
CN112270758A (zh) * 2020-10-29 2021-01-26 山东科技大学 一种基于天花板点云分割的建筑物房间轮廓线提取方法
CN112200916A (zh) * 2020-12-08 2021-01-08 深圳市房多多网络科技有限公司 房屋户型图的生成方法、装置、计算设备和存储介质

Also Published As

Publication number Publication date
CN113643344B (zh) 2024-10-15

Similar Documents

Publication Publication Date Title
CN110801180B (zh) 清洁机器人的运行方法及装置
CN107981790B (zh) 室内区域划分方法及扫地机器人
CN104536445B (zh) 移动导航方法和系统
CN110989631B (zh) 自移动机器人控制方法、装置、自移动机器人和存储介质
KR101725060B1 (ko) 그래디언트 기반 특징점을 이용한 이동 로봇의 위치를 인식하기 위한 장치 및 그 방법
CN108958282B (zh) 基于动态球形窗口的三维空间路径规划方法
JP4942733B2 (ja) 物体認識及び認識された物体を含む周辺環境情報に基づいたロボットの自己位置推定方法
Yue et al. Fast 3D modeling in complex environments using a single Kinect sensor
CN106643701A (zh) 一种机器人互相检测方法及装置
JP4100239B2 (ja) 障害物検出装置と同装置を用いた自律移動ロボット、障害物検出方法、及び障害物検出プログラム
CN111609852A (zh) 语义地图构建方法、扫地机器人及电子设备
WO2005088244A9 (ja) 平面検出装置、平面検出方法、及び平面検出装置を搭載したロボット装置
WO2005087452A9 (ja) ロボット装置、及びその動作制御方法、並びに移動装置
JP2017107425A (ja) 自律移動装置、自律移動方法及びプログラム
CN109416843A (zh) 实时高度映射
CN111521184A (zh) 一种扫地机器人的建图方法、装置及系统
KR20130046741A (ko) 상향식 단일 카메라를 이용한 중대형 공간에서의 자율적 위상지도 생성 방법
CN111679661A (zh) 基于深度相机的语义地图构建方法及扫地机器人
CN111552764A (zh) 一种车位检测方法、装置、系统及机器人和存储介质
CN113331743A (zh) 清洁机器人清洁地面的方法以及清洁机器人
CN112486172B (zh) 道路边缘检测方法及机器人
CN111679664A (zh) 基于深度相机的三维地图构建方法及扫地机器人
CN111780744B (zh) 移动机器人混合导航方法、设备及存储装置
CN111161334A (zh) 一种基于深度学习的语义地图构建方法
CN108544494A (zh) 一种基于惯性和视觉特征的定位装置、方法及机器人

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
GR01 Patent grant
GR01 Patent grant