CN114648689A - 电梯空间状态判断方法、装置、设备及存储介质 - Google Patents
电梯空间状态判断方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114648689A CN114648689A CN202011494737.5A CN202011494737A CN114648689A CN 114648689 A CN114648689 A CN 114648689A CN 202011494737 A CN202011494737 A CN 202011494737A CN 114648689 A CN114648689 A CN 114648689A
- Authority
- CN
- China
- Prior art keywords
- elevator
- robot
- dimensional
- judging
- connected domain
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B1/00—Control systems of elevators in general
- B66B1/02—Control systems without regulation, i.e. without retroactive action
- B66B1/06—Control systems without regulation, i.e. without retroactive action electric
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B1/00—Control systems of elevators in general
- B66B1/34—Details, e.g. call counting devices, data transmission from car to control system, devices giving information to the control system
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- 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)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Automation & Control Theory (AREA)
- Multimedia (AREA)
- Computer Networks & Wireless Communication (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了电梯空间状态判断方法、装置和计算机可读存储介质,用于提高机器人进入电梯时的安全性。方法部分包括:判断机器人是否对准电梯口;若所述机器人对准电梯口,则获取所述机器人前方区域的图像信息以及所述机器人自身的投影信息;根据所述机器人前方区域的图像信息以及机器人自身的投影信息,判断所述电梯的空间状态。
Description
技术领域
本发明涉及机器人技术领域,尤其涉及一种电梯空间状态判断方法、装置、设备及计算机可读存储介质。
背景技术
智能移动机器人在自主乘坐电梯过程中,需要感知机器人前方区域是否为电梯口、电梯轿门是否打开以及打开后的电梯内部空间是否足够容纳。发明人意识到,传统的方案中,机器人将电梯空间状态的感知当成普通场景的环境进行,也就是当成普通的障碍物识别,然而电梯具有一定特殊性,一旦电梯空间状态存在异常,机器人贸然触发机器人进入电梯的操作会存在一定危险,安全性较低。
发明内容
本发明提供一种电梯空间状态判断方法、装置及计算机设备存储介质,以解决传统方案中,触发机器人进入电梯时的安全性较低的问题。
第一方面,提供了一种电梯空间状态判断方法,包括:
判断机器人是否对准电梯口;
若所述机器人对准电梯口,则获取所述机器人前方区域的图像信息以及所述机器人自身的投影信息;
根据所述机器人前方区域的图像信息以及机器人自身的投影信息,判断所述电梯的空间状态。
进一步地,所述电梯口区域的图像信息包括所述机器人前方障碍物对应的二维障碍物图,所述机器人自身的投影信息包括机器人二维投影,所述根据所述机器人前方区域的图像信息以及机器人自身的投影信息,判断所述电梯的空间状态,包括:
对所述二维障碍物图进行二值化处理,以获取目标二值图;
对所述目标二值图进行连通域标记,以获取所述目标二值图的各连通域;
比较所述各连通域的最大内接圆的半径,与所述机器人二维投影的最小外接圆的半径,以获取半径大于预设阈值的最大内接圆所在的目标连通域;
将所述机器人二维投影所在区域作为初始区域,与所述目标连通域进行区域生长,以获取最终连通域;
根据所述最终连通域判断所述电梯的空间状态。
进一步地,所述根据所述最终连通域判断所述电梯的空间状态,包括:
在所述最终连通域内,确定与所述初始区域中心的距离满足预设距离的目标位置;
当所述目标位置对应的实际位置在所述电梯内,则判断所述电梯的空间状态为可进入状态;
当所述目标位置对应的实际位置不在所述电梯内,则判断所述电梯的空间状态为不可进入状态。
进一步地,所述在所述最终连通域内,确定与所述初始区域中心距离满足预设距离的目标位置,包括:
在所述最终连通域内,确定与所述初始区域中心的欧式距离最远的位置作为所述目标位置。
进一步地,所述判断机器人是否对准电梯口,包括:
获取预先构建的二维几字形模板图;
将所述二维障碍物图与所述二维几字形模板图进行形状匹配;
当为匹配时,则判断所述机器人为已对准电梯口;
当为不匹配时,则判断所述机器人为未对准电梯口。
进一步地,所述将所述二维障碍物图与所述二维几字形模板图进行形状匹配,包括:
判断所述二维障碍物图中电梯框区域的形状与所述二维几字形模板图的形状匹配误差度;
当所述形状匹配误差度小于预设误差阈值时,则判断所述二维障碍物图与所述二维几字形模板图形状为匹配;
当所述形状匹配误差度大于或等于预设误差阈值时,则判断所述二维障碍物图与所述二维几字形模板图形状为不匹配。
第二方面,提供了一种电梯空间状态判断装置,包括:
第一判断模块,用于判断机器人是否对准电梯口;
获取模块,用于若所述机器人对准电梯口,则获取所述机器人前方区域的图像信息以及所述机器人自身的投影信息;
第二判断模块,用于根据所述机器人前方区域的图像信息以及机器人自身的投影信息,判断所述电梯的空间状态。
一种电梯空间状态判断装置,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上述电梯空间状态判断方法的步骤。
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上述电梯空间状态判断方法的步骤。
上述电梯空间状态判断方法、装置和存储介质所实现的一个方案中,当判定机器人对准电梯口后,则获取所述机器人前方区域的图像信息以及所述机器人自身的投影信息;根据所述机器人前方区域的图像信息以及机器人自身的投影信息,便可进一步确定机器人进入电梯内过程中是否存在碰到障碍物,能判断电梯的空间状态,从而准确地判断电梯是否可以进入,有效地提高了机器人进入电梯的安全性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,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是本发明实施例中电梯空间状态判断方法的一流程示意图;
图2是图1中步骤S30的一流程示意图;
图3是图2中步骤S35的一流程示意图;
图4是图1中步骤S10的一流程示意图;
图5是本发明实施例中几字形模板的一模板示意图;
图6是本发明实施例中电梯空间状态判断装置的一结构示意图;
图7是本发明实施例中电梯空间状态判断装置的另一结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供了一种电梯空间状态判断方法和相应的电梯空间状态判断装置,应用于具有移动功能的各种各样的智能机器人中,为提高该智能机器人在进电梯时的安全性,本发明实施例对应提供了一种电梯空间状态判断方法,下面以详细描述。
请参阅图1,图1为本发明中一种电梯空间状态判断方法的一个实施例流程示意图,包括如下步骤:
S10:判断机器人是否对准电梯口。
现如今,智能机器人应用于餐厅、办公室,展厅等各种应用场景中,以通过机器人完成某些特定的工作内容,在此应用场景中,通常需要机器人搭乘电梯。为了确保机器人搭乘电梯过程中,准确无误和提高搭乘安全性,需要使得机器人对准电梯口,在判断电梯可进入之后,控制机器人按照对准的电梯口移动至电梯内,以完成搭乘工作。因此,在机器人需搭乘电梯时,需先判断机器人是否对准了电梯口。
S20:若机器人对准电梯口,则获取机器人前方区域的图像信息以及机器人自身的投影信息。
S30:根据机器人前方区域的图像信息以及机器人自身的投影信息,判断电梯的空间状态。
对于步骤S20-S30,在判断机器人对准电梯口后,为了提高机器人进入电梯的安全性,还需进一步做安全性判断,会进一步获取所述机器人前方区域的图像信息以及所述机器人自身的投影信息。其中,所述机器人前方区域的图像信息,可以体现机器人前方区域的障碍物等情况,而又由于机器人已经对准电梯口,因此,当前机器人前方区域的图像信息,能反应电梯口区域的情况。所述机器人自身的投影信息,能反应机器人自身的大小,因此,根据所述机器人前方区域的图像信息以及机器人自身的投影信息,便可进一步确定机器人进入电梯内过程中是否存在碰到障碍物,能判断电梯的空间状态,从而准确地判断电梯是否可以进入,有效地提高了机器人进入电梯的安全性。
需要说明的是,本发明实施例中,根据所述机器人前方区域的图像信息以及机器人自身的投影信息,判断所述电梯的空间状态,可以有多种实施方式,其中一种实施方式中,电梯口区域的图像信息包括所述机器人前方障碍物对应的二维障碍物图,所述机器人自身的投影信息包括机器人二维投影,具体可以根据所述机器人前方障碍物对应的二维障碍物图和机器人二维投影,判断所述电梯的空间状态,下面进行描述。
在一实施例中,如图2所示,所述电梯口区域的图像信息包括所述机器人前方障碍物对应的二维障碍物图,所述机器人自身的投影信息包括机器人二维投影,步骤S30中,也即根据所述机器人前方区域的图像信息以及机器人自身的投影信息,判断所述电梯的空间状态,具体包括如下步骤:
S31:对二维障碍物图进行二值化处理,以获取目标二值图。
在判断机器人对准电梯口之后,对获取的二维障碍物图进行二值化处理,以获取目标二值图。其中,作为一个示例,该二维障碍物图为机器人前方障碍物的点云数据(pointcloud data)进行二维投影后形成的俯视图,可见,该俯视图反映了机器人前方障碍物的分布情况,由于此时机器人对准了电梯口,因此该俯视图反映机器人前方的电梯情况。需要说明的是,在一些实施方式中,该二维障碍物图也可以是为机器人前方障碍物的其他三维图像进行二维投影后形成的俯视图。
本发实施例中,可以在机器人预设位置布置点云数据采集器,该点云数据采集器用于采集机器人正对前方物体的点云数据。作为一个示例,该点云数据采集器采用RGBD相机和激光雷达作为点云数据采集器,去采集机器人正对前方物体相应的点云数据,具体不做限定。可见,利用机器人上所布置的点云数据采集器,便可实时的获取到机器人前方障碍物的点云数据。需要说明的是,障碍物的点云数据,是该障碍物在一个三维坐标系统中的一组向量的集合,障碍物的点云数据反映了机器人前面障碍物在空间上的坐标位置,也就是说,可以反映电梯内部的障碍物的空间信息。
在利用点云数据采集器采集到机器人正对前方物体的点云数据之后,便可将该点云数据投影至平面中,也即对点云数据进行二维投影形成俯视图,从而得到二维障碍物图,该二维障碍物图反映了机器人前方障碍物的二维关系。
在得到该二维障碍物图,对二维障碍物图进行二值化处理,以获取目标二值图。可以理解,二维障碍物图的二值化处理,是值将二维障碍物图上的点的灰度值转化为为0或255,从而得到能将反映图像整体和局部特征的二值化图像。需要说明的是,在本发明实施例中,可以有多种方式获取二维障碍物图对应的目标二值图,具体本发明不做限定,也不一一说明。具体地,本发明实施例中,将该二维障碍物图中,有障碍物信息的像素位置标记为“0”,无障碍物信息的位置标记为“1”,从而得到上述目标二值图。
S32:对目标二值图进行连通域标记,以获取目标二值图的各连通域。
在得到目标二值图之后,为进一步分析机器人前方障碍物的情况,包括电梯口前和电梯内部的状态,需先对目标二值图进行连通域标记,以获取该目标二值图的各连通域。可以理解,连通域(Connected Component),是指目标二值图中具有相同像素值且位置相邻的前景像素点组成的图像区域(Region,Blob)。连通区域标记,是指将目标二值图中的各个连通域找出并标记,便于将目标二值图中的各个不同区域进行区域划分,从而可以依据各个不同的连通域划分出障碍物区域和非障碍物区域。
S33:比较各连通域的最大内接圆的半径,与机器人二维投影的最小外接圆的半径,以获取半径大于预设阈值的最大内接圆所在的目标连通域。
外接圆是指与多边形各顶点都相交的圆;内接圆,也称内切圆,是指与多边形各边都相切的圆。可以理解,依据机器人前面的具体障碍物情况,目标二值图的各连通域通常为不规则的多边形,本发明实施例需先确定该目标二值图中,各连通域的内接圆,从而确定,各连通域对应的位置是否具有足够的位置给机器人站立或通过。具体地,依据各连通域的内接圆的半径,确定出各连通域中的最大内接圆,并且确定机器人二维投影的最小外接圆,和该最小外接圆的半径。机器人二维投影的最小外接圆,反应了该机器人自身所需占用的位置面积范围,因此,本发明实施例中,通过比较各连通域的最大内接圆的半径,与机器人二维投影的最小外接圆的半径,便可确定出机器人在电梯内可站立的空间或可移动的空间。
需要说明的是,本发明实施例可以有多种确定各连通域中的最大内接圆的方式,以及确定机器人二维投影的最小外接圆的方式,具体本发明不做限定,也不一一说明。
接着比较各连通域的最大内接圆的半径,与机器人二维投影的最小外接圆的半径,获取各连通域中,半径大于预设阈值的最大内接圆所在的目标连通域。
S34:将机器人二维投影所在区域作为初始区域,与目标连通域进行区域生长,以获取最终连通域。
S35:根据最终连通域判断电梯的空间状态。
本发实施例中,将机器人本体二维投影所在区域作为初始区域,与目标连通域进行区域生长,以获取最终连通域,需要说明的是,区域生长(region growing)是指将成组的像素或区域发展成更大区域的过程,区域生长能将具有相同特征的连通区域分割出来。可见,得到的最终连通域反映了电梯内和电梯外,机器人前面的障碍物和非障碍物情况,可见,通过该最终连通域,可以反应了机器人从当前位置至目标连通域所在位置是否存在障碍物,因此,可根据最终连通域和机器人二维投影判断电梯的空间状态,也即确定电梯是否可进入状态。
可见,本发明实施例提供了一种电梯空间状态判断方法,当判断机器人对准电梯口后,先是对二维障碍物图进行二值化处理,以获取目标二值图,其中,二维障碍物图为机器人前方障碍物的点云数据进行二维投影后形成的俯视图;对目标二值图进行连通域标记,以获取目标二值图的各连通域;比较各连通域的最大内接圆的半径,与机器人二维投影的最小外接圆的半径,以获取半径大于预设阈值的最大内接圆所在的目标连通域,从而确定电梯内机器人可站立的位置范围;随后,将机器人二维投影所在区域作为初始区域,与目标连通域进行区域生长,以获取最终连通域,根据最终连通域和机器人二维投影判断电梯的空间状态,便可进一步确定进入电梯内过程图中是否存在障碍物,准确地判断电梯是否可以进入,有效地提高了机器人进入电梯的安全性。
需要说明的是,根据所述机器人前方区域的图像信息以及机器人自身的投影信息,判断所述电梯的空间状态,还可以有其他实施方式,本发明不做限定,也不一一详细说明。例如,可以不对二维障碍物图进行二值化处理,而是直接用根据二维障碍物图和机器人自身的投影信息进行直接判定。
在一实施例中,如图3所示,步骤S35中,也即根据最终连通域判断电梯的空间状态,具体包括如下步骤:
S351:在最终连通域内,确定与初始区域中心的距离满足预设距离的目标位置。
如前述,在得到最终连通域之后,便知道了机器人当前位置与前方电梯障碍物的情况,为了进一步确定电梯的空间状态,本发明实施例提供了一种具体根据最终连通域和机器人二维投影,判断电梯的空间状态的方式,先是在最终连通域内,确定与初始区域中心的距离满足预设距离的目标位置。作为一个示例,在最终连通域内,确定与初始区域中心的距离满足预设距离的目标位置,指的是,在最终连通域内,确定与初始区域中心的欧式距离的位置作为目标位置。该目标位置指的是离初始区域中心欧式距离最远且在该最终连通域的位置,说明该目标位置对应的实际位置是机器人可前往的位置。需要说明的是,该目标位置还可以是其他预设的在该最终连通域的位置,具体不做限定。需要说明的是,目标位置是基于最终连通域的所确定的位置,因此,该目标位置是图像中的位置,而该目标位置对应的某个实际位置。
S352:判断目标位置是否在电梯内。
S353:当目标位置对应的实际位置在电梯内,则判断电梯的空间状态为可进入状态。
S354:当目标位置对应的实际位置不在电梯内,则判断电梯的空间状态为不可进入状态。
确定出该目标位置之后,会判断该目标位置对应的实际位置是否在电梯内,如果该在目标位置对应的实际位置在电梯内,说明此时机器人可以移动到电梯内且不会遇到障碍物,如果在目标位置对应的实际位置不在电梯内,说明此时机器人由于电梯内无空间,或者前面有障碍物不可以移动到电梯内。需要说明的是,在确定目标位置之后,目标位置对应的实际位置是否在电梯内,可以依据目标位置与初始区域中心的距离,以及初始区域中心与电梯门口的距离判断,这里不详细描述。
在可选实施例中,判断该在目标位置对应的实际位置在电梯内具体是该目标位置对应的实际位置是不是全部位于电梯内,如果该目标位置对应的实际位置全部位于电梯内,则表明该目标位置对应的实际位置在电梯内,如果该目标位置对应的实际位置只有局部或者均不位于电梯内,则表明该目标位置对应的实际位置不在电梯内。
可见,本发明实施例提供了一种具体地,根据最终连通域和机器人二维投影,判断电梯的空间状态的方式,提高了方案的可实施性。
需要说明的是,在步骤S10中提及,本发明实施例需先判断机器人是否对准电梯口,本发明实施例提供了多种判断机器人是否对准电梯口的方式,如图4所示,在一实施例中,步骤S10中,判断机器人是否对准电梯口,具体包括如下步骤:
S11:获取预先构建的二维几字形模板图。
可以理解,如图5所示,电梯口一般由一个“几”字形凹槽构成,基于这一特点,本发明先构建一个二维的“几”字形模板图,电梯口的俯视图可如图4所示。
S12:将二维障碍物图与二维几字形模板图进行形状匹配。
S13:当为匹配时,则判断机器人为已对准电梯口。
S14:当为不匹配时,则判断机器人为未对准电梯口。
在获取预先构建的二维几字形模板图之后,会将二维障碍物图与二维几字形模板图进行形状匹配,可以理解,如果机器人当前对准电梯口,那么此时获取的前面二维障碍物图是电梯口的图像数据转化得到,因此,当二维障碍物图与二维几字形模板图的形状应当相匹配,当二维障碍物图与二维几字形模板图的形状为不相匹配时,则可以说明机器人为未对准电梯口。在一实施例中,判断所述二维障碍物图中电梯框区域的形状与所述二维几字形模板图的形状匹配误差度;当所述形状匹配误差度小于预设误差阈值时,则判断所述二维障碍物图与所述二维几字形模板图形状为匹配;当所述形状匹配误差度大于或等于预设误差阈值时,则判断所述二维障碍物图与所述二维几字形模板图形状为不匹配。例如,若二维障碍物图中电梯框区域的形状为“几”字形,则说明该二维障碍物图中电梯框区域与二维几字形模板图形状的形状匹配误差度较低,则判断二维障碍物图与二维几字形模板图形状匹配,若二维障碍物图中电梯框区域的形状为类“几”字形,则说明该二维障碍物图中电梯框区域与二维几字形模板图进行形状的形状匹配误差度也较低,则判断二维障碍物图与二维几字形模板图形状匹配,若二维障碍物图中电梯框区域的形状为三角形,则说明该二维障碍物图中电梯框区域与二维几字形模板图进行形状的形状匹配误差度较高,则判断二维障碍物图与二维几字形模板图形状为不匹配。其中,需要说明的是,本发明实施例,可以有多种确定形状匹配误差度的方式,具体不做限定,也不一一描述。在得到二维障碍物图后,以依据图像识别算法识别出电梯框区域,从而进行形状识别以确定该电梯框区域的形状并进行后续的形状匹配,具体这里不详细描述。
需要说明的是,在一实施例中,当以机器人定位获取的正向朝向作为为旋转调整的初始方向,当为不匹配时,在限定的旋转方向变化范围内对机器人进行旋转微调,以使机器人对准电梯口。其中,在微调时,可以依据上述形状匹配结果相应微调。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一实施例中,提供一种电梯空间状态判断装置,该电梯空间状态判断装置与上述实施例中电梯空间状态判断方法一一对应。如图6所示,该电梯空间状态判断装置包括第一判断模块100、获取模块101和第二判断模块102。各功能模块详细说明如下:
第一判断模块,用于判断机器人是否对准电梯口;
获取模块,用于若所述机器人对准电梯口,则获取所述机器人前方区域的图像信息以及所述机器人自身的投影信息;
第二判断模块,用于根据所述机器人前方区域的图像信息以及机器人自身的投影信息,判断所述电梯的空间状态。
进一步地,所述电梯口区域的图像信息包括所述机器人前方障碍物对应的二维障碍物图,所述机器人自身的投影信息包括机器人二维投影,所述第二判断模块具体用于:
对所述二维障碍物图进行二值化处理,以获取目标二值图;
对所述目标二值图进行连通域标记,以获取所述目标二值图的各连通域;
比较所述各连通域的最大内接圆的半径,与所述机器人二维投影的最小外接圆的半径,以获取半径大于预设阈值的最大内接圆所在的目标连通域;
将所述机器人二维投影所在区域作为初始区域,与所述目标连通域进行区域生长,以获取最终连通域;
根据所述最终连通域判断所述电梯的空间状态。
进一步地,所述第二判断模块还用于:
在所述最终连通域内,确定与所述初始区域中心的距离满足预设距离的目标位置;
当所述目标位置在所述电梯内,则判断所述电梯的空间状态为可进入状态;
当所述目标位置为非在所述电梯内,则判断所述电梯的空间状态为不可进入状态。
进一步地,所述第二判断模块还用于:
在所述最终连通域内,确定与所述初始区域中心的欧式距离最远的位置作为所述目标位置。
进一步地,所述第一判断模块,具体用于:
获取预先构建的二维几字形模板图;
将所述二维障碍物图与所述二维几字形模板图进行形状匹配;
当为匹配时,则判断所述机器人为已对准电梯口;
当为不匹配时,则判断所述机器人为未对准电梯口。
进一步地,所述第一判断模块100,具体用于:
判断所述二维障碍物图中电梯框区域的形状与所述二维几字形模板图的形状匹配误差度;
当所述形状匹配误差度小于预设误差阈值时,则判断所述二维障碍物图与所述二维几字形模板图形状为匹配;
当所述形状匹配误差度大于或等于预设误差阈值时,则判断所述二维障碍物图与所述二维几字形模板图形状为不匹配。
可见,本发明实施例提供了一种电梯空间状态判断装置,当判断机器人对准电梯口后,先是对二维障碍物图进行二值化处理,以获取目标二值图,其中,二维障碍物图为机器人前方障碍物的点云数据进行二维投影后形成的俯视图;对目标二值图进行连通域标记,以获取目标二值图的各连通域;比较各连通域的最大内接圆的半径,与机器人二维投影的最小外接圆的半径,以获取半径大于预设阈值的最大内接圆所在的目标连通域,从而确定电梯内机器人可站立的位置范围;随后,将机器人二维投影所在区域作为初始区域,与目标连通域进行区域生长,以获取最终连通域,根据最终连通域和机器人二维投影判断电梯的空间状态,便可进一步确定进入电梯内过程图中是否存在障碍物,准确地判断电梯是否可以进入,有效地提高了机器人进入电梯的安全性。
关于电梯空间状态判断装置的具体限定可以参见上文中对于电梯空间状态判断方法的限定,在此不再赘述。上述电梯空间状态判断装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种电梯空间状态判断装置,该计算机设备可以是服务器或者是集成在机器人内部的控制器,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该计算机程序被处理器执行时以实现一种电梯空间状态判断方法。
在一个实施例中,提供了一种电梯空间状态判断装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
判断机器人是否对准电梯口;
若所述机器人对准电梯口,则获取所述机器人前方区域的图像信息以及所述机器人自身的投影信息;
根据所述机器人前方区域的图像信息以及机器人自身的投影信息,判断所述电梯的空间状态。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
判断机器人是否对准电梯口;
若所述机器人对准电梯口,则获取所述机器人前方区域的图像信息以及所述机器人自身的投影信息;
根据所述机器人前方区域的图像信息以及机器人自身的投影信息,判断所述电梯的空间状态。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种电梯空间状态判断方法,其特征在于,包括:
判断机器人是否对准电梯口;
若所述机器人对准电梯口,则获取所述机器人前方区域的图像信息以及所述机器人自身的投影信息;
根据所述机器人前方区域的图像信息以及机器人自身的投影信息,判断所述电梯的空间状态。
2.如权利要求1所述的电梯空间状态判断方法,其特征在于,所述电梯口区域的图像信息包括所述机器人前方障碍物对应的二维障碍物图,所述机器人自身的投影信息包括机器人二维投影,所述根据所述机器人前方区域的图像信息以及机器人自身的投影信息,判断所述电梯的空间状态,包括:
对所述二维障碍物图进行二值化处理,以获取目标二值图;
对所述目标二值图进行连通域标记,以获取所述目标二值图的各连通域;
比较所述各连通域的最大内接圆的半径,与所述机器人二维投影的最小外接圆的半径,以获取半径大于预设阈值的最大内接圆所在的目标连通域;
将所述机器人二维投影所在区域作为初始区域,与所述目标连通域进行区域生长,以获取最终连通域;
根据所述最终连通域判断所述电梯的空间状态。
3.如权利要求2所述的电梯空间状态判断方法,其特征在于,所述根据所述最终连通域判断所述电梯的空间状态,包括:
在所述最终连通域内,确定与所述初始区域中心的距离满足预设距离的目标位置;
当所述目标位置对应的实际位置在所述电梯内,则判断所述电梯的空间状态为可进入状态;
当所述目标位置对应的实际位置不在所述电梯内,则判断所述电梯的空间状态为不可进入状态。
4.如权利要求3所述的电梯空间状态判断方法,其特征在于,所述在所述最终连通域内,确定与所述初始区域中心的距离满足预设距离的目标位置,包括:
在所述最终连通域内,确定与所述初始区域中心的欧式距离最远的位置作为所述目标位置。
5.如权利要求1-4任一项所述的电梯空间状态判断方法,其特征在于,所述判断机器人是否对准电梯口,包括:
获取预先构建的二维几字形模板图;
将所述二维障碍物图与所述二维几字形模板图进行形状匹配;
当为匹配时,则判断所述机器人为已对准电梯口;
当为不匹配时,则判断所述机器人为未对准电梯口。
6.如权利要求5所述的电梯空间状态判断方法,其特征在于,所述将所述二维障碍物图与所述二维几字形模板图进行形状匹配,包括:
判断所述二维障碍物图中电梯框区域的形状与所述二维几字形模板图的形状匹配误差度;
当所述形状匹配误差度小于预设误差阈值时,则判断所述二维障碍物图与所述二维几字形模板图形状为匹配;
当所述形状匹配误差度大于或等于预设误差阈值时,则判断所述二维障碍物图与所述二维几字形模板图形状为不匹配。
7.根据权利要求1-4任一项所述电梯空间状态判断方法,其特征在于,所述二维障碍物图为所述机器人前方障碍物的点云数据进行二维投影后形成的俯视图。
8.一种电梯空间状态判断装置,其特征在于,包括:
第一判断模块,用于判断机器人是否对准电梯口;
获取模块,用于若所述机器人对准电梯口,则获取所述机器人前方区域的图像信息以及所述机器人自身的投影信息;
第二判断模块,用于根据所述机器人前方区域的图像信息以及机器人自身的投影信息,判断所述电梯的空间状态。
9.一种电梯空间状态判断装置,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如权利要求1-7任一项所述的电梯空间状态判断方法的步骤。
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1-7任一项所述的电梯空间状态判断方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011494737.5A CN114648689A (zh) | 2020-12-17 | 2020-12-17 | 电梯空间状态判断方法、装置、设备及存储介质 |
PCT/CN2021/129662 WO2022127450A1 (zh) | 2020-12-17 | 2021-11-10 | 电梯空间状态判断方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011494737.5A CN114648689A (zh) | 2020-12-17 | 2020-12-17 | 电梯空间状态判断方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114648689A true CN114648689A (zh) | 2022-06-21 |
Family
ID=81990577
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011494737.5A Pending CN114648689A (zh) | 2020-12-17 | 2020-12-17 | 电梯空间状态判断方法、装置、设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114648689A (zh) |
WO (1) | WO2022127450A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117361259B (zh) * | 2023-12-07 | 2024-04-26 | 成都越凡创新科技有限公司 | 一种用于检测机器人异常移动的方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190345000A1 (en) * | 2018-05-08 | 2019-11-14 | Thyssenkrupp Elevator Corporation | Robotic destination dispatch system for elevators and methods for making and using same |
CN110900603B (zh) * | 2019-11-29 | 2022-09-13 | 上海有个机器人有限公司 | 一种通过几何特征识别电梯的方法、介质、终端和装置 |
CN111136648B (zh) * | 2019-12-27 | 2021-08-27 | 深圳市优必选科技股份有限公司 | 一种移动机器人的定位方法、定位装置及移动机器人 |
CN111153300B (zh) * | 2019-12-31 | 2022-01-07 | 深圳优地科技有限公司 | 一种机器人乘梯方法、系统、机器人及存储介质 |
CN111847152B (zh) * | 2020-06-30 | 2022-05-24 | 深圳优地科技有限公司 | 一种机器人乘梯确定方法、装置、电子设备和介质 |
CN111984008B (zh) * | 2020-07-30 | 2024-08-13 | 深圳优地科技有限公司 | 一种机器人控制方法、装置、终端和存储介质 |
-
2020
- 2020-12-17 CN CN202011494737.5A patent/CN114648689A/zh active Pending
-
2021
- 2021-11-10 WO PCT/CN2021/129662 patent/WO2022127450A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2022127450A1 (zh) | 2022-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Meyer | An alternative probabilistic interpretation of the huber loss | |
CN111191600A (zh) | 障碍物检测方法、装置、计算机设备和存储介质 | |
US10824853B2 (en) | Human detection system for construction machine | |
EP2053861B1 (en) | Vehicle detection device, vehicle detection method, and vehicle detection program | |
WO2022099530A1 (zh) | 点云数据运动分割方法、装置、计算机设备和存储介质 | |
US10380767B2 (en) | System and method for automatic selection of 3D alignment algorithms in a vision system | |
WO2021134285A1 (zh) | 图像跟踪处理方法、装置、计算机设备和存储介质 | |
CN111414853A (zh) | 基于机器视觉的自动驾驶方法、装置、计算机设备和存储介质 | |
US11403764B2 (en) | Method and computing system for processing candidate edges | |
CN111354038B (zh) | 锚定物检测方法及装置、电子设备及存储介质 | |
CN109840463B (zh) | 一种车道线识别方法和装置 | |
CN109255802B (zh) | 行人跟踪方法、装置、计算机设备及存储介质 | |
CN108090455B (zh) | 基于级联机制的车位线顶点定位方法、系统、终端及介质 | |
CN111178224B (zh) | 物体规则判断方法、装置、计算机设备和存储介质 | |
CN114648689A (zh) | 电梯空间状态判断方法、装置、设备及存储介质 | |
CN114219806B (zh) | 一种汽车雷达检测方法、装置、设备、介质及产品 | |
CN112258517A (zh) | 激光雷达栅格地图的自动修图方法和装置 | |
KR102170453B1 (ko) | 3차원 평면추출 방법 및 그 장치 | |
CN110555365A (zh) | 将虚拟对象彼此区分 | |
CN114943954B (zh) | 一种车位检测方法、装置和系统 | |
CN112529953B (zh) | 电梯的空间状态判断方法、装置及存储介质 | |
US9536137B2 (en) | Object detection apparatus | |
CN112433193B (zh) | 一种基于多传感器的模位置定位方法及系统 | |
Singh et al. | Low-latency vision-based fiducial detection and localisation for object tracking | |
CN114740867A (zh) | 基于双目视觉的智能避障方法、装置、机器人及介质 |
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 |