CN115167435A - 用于移动机器人的前视线激光障碍物识别方法和装置 - Google Patents

Abstract

本申请公开了一种用于移动机器人的前视线激光障碍物识别方法，包括向移动机器人的前方发射线激光，并且将返回信号解析为带有距离数据的点集；并通过验证点集中相邻的点的距离信息的变化速度是否符合所述变化截距，以确定点集中的点是否能拟合为完整的地面；当点集中的点不能拟合为完整的地面时，根据点集中点的距离信息，将距离信息的大小差异处于预设范围内的点聚类；以获得若干聚类；从所有聚类中选取距离数据最小的聚类作为障碍物，并且找到障碍物的质心；并且根据聚类中点在定位坐标系中的坐标和所述线激光出射角度，确定障碍物与移动机器人之间的实际距离。该方案运算的次数少，单次运算量少。

Description

用于移动机器人的前视线激光障碍物识别方法和装置

技术领域

本申请涉及机器人障碍物检测技术领域，尤其涉及用于移动机器人的前视线激光障碍物识别方法和装置。

背景技术

移动机器人在行走的过程中需要识别周围的障碍物，以进行障碍物的规避和清洁路径的规划和导航，现有的障碍物检测方式通常基于红外传感器、超声波、雷达、视觉识别等技术方案，其中红外线传感器容易受到干扰，而产品的更新换代对检测精度的要求越来越高，在此基础之上，超声波、雷达、视觉识别能够提供更高的检测精度，但是这些手段的软件更为复杂，对硬件的要求更高，现有采用线激光进行机器人障碍物检测的方案，但是通常需要引入网格距离计算确定网格与网格之间的距离参数，再引入密度算法等方式完成障碍物点的聚类，来寻找障碍物，如此运算量较大，同样需要性能更好的存储和运算单元实现。

发明内容

本申请实施例的目的在于提出一种基于单线激光检测，通过聚类查找障碍物的方法，以降低线激光检测障碍物的运算量。

为了解决上述技术问题，本申请实施例提供一种用于移动机器人的前视线激光障碍物识别方法，采用了如下所述的技术方案：

一种用于移动机器人的前视线激光障碍物识别方法，包括下述步骤：

向移动机器人的前方发射线激光，并且将返回信号解析为带有距离数据的点集；所述线激光的排列方向与机器人的前进方向相垂直，并且指向与移动机器人之间存在预设距离的地面；

将所述点集中的点根据距离信息绘制在定位坐标系当中，所述定位坐标系与激光收发装置所在的水平面平行；

对所述点集的距离信息进行拟合，以获取点集中相邻的点的距离信息的变化截距；并通过验证点集中相邻的点的距离信息的变化速度是否符合所述变化截距，以确定点集中的点是否能完整拟合；

当能够完整拟合时，根据每个点的距离数据和设定的线激光出射角度，确定点集中各个点与激光收发装置之间的高度差，并且根据设定的激光收发装置的高度，确定点集中各个点的高度；当每个点的高度与地面高度之间的差值在预设范围内时，确定线激光没有检测到障碍物；

当点集中的点不能拟合为完整的地面时，根据点集中点的距离信息，将距离信息的大小差异处于预设范围内的点聚类；以获得若干聚类；

从所有聚类中选取距离数据最小的聚类作为障碍物，并且根据聚类中点在定位坐标系中的坐标和所述线激光出射角度，确定障碍物与移动机器人之间的实际距离。

进一步的，点集中的点是否能拟合为完整地面的验证方法具体包括：

根据最小二乘法对点集中的点的距离信息进行直线拟合；

根据所述直线拟合后的距离信息，确定距离信息在直线拟合下变化的斜率，并且根据所述斜率确定所述变化截距；

当相邻两个点的距离信息变化量与所述变化截距相同时，确定相邻的两个点能够拟合为地面；

当相邻两个点的距离信息变化量与所述变化截距不同时，确定相邻的两个点无法拟合为地面。

进一步的，当点集中的点不能拟合为完整的地面时，该方法还包括：

对距离信息变化量发生突变的点，提取两侧相邻的点的距离信息；

当所述距离信息变化量发生突变的点两侧相邻的点的距离信息相同时，修改所述距离信息变化量发生突变的点的距离信息，为与相邻的点的距离信息相同。

进一步的，当点集中的点不能拟合为完整的地面时，该方法还包括：

对距离信息变化量发生突变的点，提取上一帧返回信号的点集和后续预设数量帧返回信号的点集中，与所述距离信息变化量发生突变的点排序上相对应的点的距离信息；

当提取的距离信息的变化量超过预设值时，删除点集中距离信息变化量发生突变的点。

进一步的，获得若干聚类之后，该方法还包括：

根据聚类中点的数量判断聚类规模异常小；

当聚类当中的点的数量小于预设的预设数量时，删除所述聚类。

进一步的，获得若干聚类之后，该方法还包括：

根据聚类中点x轴坐标的方差判断聚类是否异常分散，其中x轴与移动机器人的前进方向垂直；

当类中的点在定位坐标系中的x轴坐标的方差超过预设孤立值时，删除所述聚类。

进一步的，所述根据聚类中点在定位坐标系中的坐标和所述线激光出射角度，确定障碍物与移动机器人之间的实际距离，具体包括：

将聚类中的点在定位坐标系中围成的多边形分割为若干三角形，并获取所述三角形质心的坐标；

通过所述三角形的面积，对于所述三角形对应的质心的坐标值加权以获取所述多边形的质心坐标；

根据所述质心坐标确定障碍物到移动机器人之间的距离。

进一步的，所述多边形的质心坐标的获取方法，具体通过如下公式获取：

其中C_x为质心的X轴坐标，C_ix为一个所述三角形的质心的X轴坐标，A_i为对应的所述三角形的面积，n为所述多边形分成的三角形的数量；C_y为质心的Y轴坐标，C_iy为一个所述三角形的质心的Y轴坐标。

进一步的，所述障碍物到移动机器人之间的距离，具体通过如下公式获取：

d＝cosθC_x公式三；

其中d为障碍物到移动机器人之间的距离，θ为照射到障碍物点上的激光与水平面之间的倾斜角度。

为了解决上述技术问题，本申请实施例还提供一种用于移动机器人的前视线激光障碍物识别装置，采用了如下所述的技术方案：

一种用于移动机器人的前视线激光障碍物识别装置，包括：

收集模块，用于向移动机器人的前方发射线激光，并且将返回信号解析为带有距离数据的点集；所述线激光的排列方向与机器人的前进方向相垂直，并且指向与移动机器人之间存在预设距离的地面；

绘制模块，用于将所述点集中的点根据距离信息绘制在定位坐标系当中，所述定位坐标系与激光收发装置所在的水平面平行；

拟合模块，用于对所述点集的距离信息进行拟合，以获取点集中相邻的点的距离信息的变化截距；并通过验证点集中相邻的点的距离信息的变化速度是否符合所述变化截距，以确定点集中的点是否能完整拟合；

地面检测模块，用于当能够完整拟合时，根据每个点的距离数据和设定的线激光出射角度，确定点集中各个点与激光收发装置之间的高度差，并且根据设定的激光收发装置的高度，确定点集中各个点的高度；当每个点的高度与地面高度之间的差值在预设范围内时，确定线激光没有检测到障碍物；

聚类模块，用于当点集中的点不能拟合为完整的地面时，根据点集中点的距离信息，将距离信息的大小差异处于预设范围内的点聚类；以获得若干聚类；

测距模块，用于从所有聚类中选取距离数据最小的聚类作为障碍物，并且根据聚类中点在定位坐标系中的坐标和所述线激光出射角度，确定障碍物与移动机器人之间的实际距离。

与现有技术相比，本申请实施例主要有以下有益效果：通过向移动机器人的前方发射线激光照射地面，线激光与移动机器人的前进方向是垂直的，如此能够接收到一排点集形成的反射信号，线激光的出射口设置有棱镜，能够保证线激光出射光线的间隔，如此，如果清洁机器人的前方是平坦的地面，线激光照射在地面上由光斑形成的线段与移动机器人的前进方向是垂直的。此时的点集产生的距离信息变化量等差。

通过对点集的距离信息进行拟合，确定点集的距离信息是否符合变化截距来确定线激光是否完全照射在平整的地面上。

如果能够实现完整的拟合，那么线激光照射形成的点集是在一条完整的线段上的，此时通过点集中的点的所在高度确定这条完整的线段是否是在地面上，具体激光收发装置在发射线激光的时候，是按照特定预设出射角度发射的，结合激光照射的点产生的反射获取的距离信息，通过三角函数能够计算激光收发装置与点之间的高度差，而激光收发装置距离地面的高度是已知的，因此能够判断点集中的点是否照射在地面上，当点与激光收发装置之间的高度差与激光收发装置距离地面的高度相等，则确定点集集中在地面上，如果点与激光收发装置之间的高度差大于设定值，则判断线激光照射产生的点集集中在一个障碍物上。

如果无法通过拟合，确定线激光完全照射在了平整的地面上，则此时根据线激光产生的点集的距离信息的变化一定是不平滑的，此时通过聚类，将距离信息变化平滑的点集合起来，形成一个聚类，如此形成了若干个聚类，其中部分聚类是线激光照射在地面上反射获取的点集，部分聚类是线激光照射在障碍物上反射获取的点集，根据各个聚类中的点与运动机器人之间的距离数据确定障碍物与运动机器人的距离，并选取其中距离最小的距离数据，确定为与清洁机器人之间的实际距离。该方法，通过直线拟合，和数值大小聚类的方式确定障碍物与运动机器人之间的距离来查找障碍物，运算的次数少，单次运算量少。

附图说明

为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1根据本申请的一种用于移动机器人的前视线激光障碍物识别方法的一个实施例的流程图。

具体实施方式

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。

参考图1，示出了根据本申请的一种用于移动机器人的前视线激光障碍物识别方法的一个实施例的流程图。

一种用于移动机器人的前视线激光障碍物识别方法，包括下述步骤：

步骤S100：向移动机器人的前方发射线激光，并且将返回信号解析为带有距离数据的点集；所述线激光的排列方向与机器人的前进方向相垂直，并且指向与移动机器人之间存在预设距离的地面；

通过向移动机器人的前方发射线激光照射地面，线激光与移动机器人的前进方向是垂直的，如此能够接收到一排点集形成的反射信号，线激光的出射口设置有棱镜，能够保证线激光出射光线的间隔，如此，如果清洁机器人的前方是平坦的地面，线激光照射在地面上由光斑形成的线段与移动机器人的前进方向是垂直的。此时的点集产生的距离信息变化量等差。

步骤S200：将所述点集中的点根据距离信息绘制在定位坐标系当中，所述定位坐标系与激光收发装置所在的水平面平行；

距离信息是线激光自身发射和接收所产生的属性数值，只能针对单独的点产生的距离和角度信息进行判断，而不适宜对点集中各个点之间的位置关系进行分析，将点集根据距离信息绘制在定位坐标系中，定位坐标系根据清洁机器人的结构结合激光收发装置的位置设立，在本实施例当中，定位坐标系是一个与水平面平行的平面坐标系。

步骤S300：对所述点集的距离信息进行拟合，以获取点集中相邻的点的距离信息的变化截距；并通过验证点集中相邻的点的距离信息的变化速度是否符合所述变化截距，以确定点集中的点是否能完整拟合；

过对点集的距离信息进行拟合，确定点集的距离信息是否符合变化截距来确定线激光是否完全照射在平整的地面上。具体，通过对距离数据进行拟合，找到点集中相邻点之间的截距，当线激光全部照射在地面上时点集中相邻的点是连续的，当相邻点的排列是连续的时相邻点之间的截距变化是保持不变的，因此可以通过点集中相邻点之间的距离信息的截距大小的变换情况，来判断线激光是否连续。

步骤S400：当能够完整拟合时，根据每个点的距离数据和设定的线激光出射角度，确定点集中各个点与激光收发装置之间的高度差，并且根据设定的激光收发装置的高度，确定点集中各个点的高度；当每个点的高度与地面高度之间的差值在预设范围内时，确定线激光没有检测到障碍物；

如果能够实现完整的拟合，那么线激光照射形成的点集是在一条完整的线段上的，此时通过点集中的点的所在高度确定这条完整的线段是否是在地面上，具体激光收发装置在发射线激光的时候，是按照特定预设出射角度发射的，结合激光照射的点产生的反射获取的距离信息，通过三角函数能够计算激光收发装置与点之间的高度差，而激光收发装置距离地面的高度是已知的，因此能够判断点集中的点是否照射在地面上，当点与激光收发装置之间的高度差与激光收发装置距离地面的高度相等，则确定点集集中在地面上，如果点与激光收发装置之间的高度差大于设定值，则判断线激光照射产生的点集集中在一个障碍物上。

在实际操作的过程当中，地面高低不平以及激光本身带来的误差，会导致通过线激光照射到地面，返回信号检测到的地面的高度，与已知的地面高度之间存在误差，此外，一些存在起伏，但相对低矮的环境，比如不同种类的底板之间的衔接处，嵌入式的滑轨等环境，移动机器人是可以直接越过去的，因而不会产生避障动作，因此设定一个预设范围，当通过返回信号检测到的点的高度与地面之间的差值小于上述预设范围时，将这一点视为地面上的点。

步骤S500：当点集中的点不能拟合为完整的地面时，根据点集中点的距离信息，将距离信息的大小差异处于预设范围内的点聚类；以获得若干聚类；

因为在本实施例当中，定位坐标系是一个与水平面平行的平面坐标系，因此将点集中的点绘制在定位坐标系之后，根据定位坐标系中的点的位置情况进行相应聚类，能够提取出障碍物的大致轮廓，通过位坐标系中的坐标对线激光的点集进行图形上的运算以滤除干扰信息，以及障碍物位置的确定，提升障碍物检测的精度。

在尝试对点集中的点根据距离信息，在地面的高度上拟合，以确定线激光是否完全照射在平整的地面上，如果无法通过拟合，确定线激光完全照射在了平整的地面上，则此时根据线激光产生的点集的距离信息的变化一定是不平滑的，此时通过聚类，将距离信息变化平滑的点集合起来，形成一个聚类，如此形成了若干个聚类，其中部分聚类是线激光照射在地面上反射获取的点集，部分聚类是线激光照射在障碍物上反射获取的点集。

步骤S600：从所有聚类中选取距离数据最小的聚类作为障碍物，并且根据聚类中点在定位坐标系中的坐标和所述线激光出射角度，确定障碍物与移动机器人之间的实际距离。

根据各个聚类中的点与运动机器人之间的距离数据确定障碍物与运动机器人的距离，并选取其中距离最小的距离数据，确定为与清洁机器人之间的实际距离。该方法，通过直线拟合，和数值大小聚类的方式确定障碍物与运动机器人之间的距离来查找障碍物，运算的次数少，单次运算量少。

进一步的，点集中的点是否能拟合为完整地面的验证方法具体包括：

根据最小二乘法对点集中的点的距离信息进行直线拟合；

根据所述直线拟合后的距离信息，确定距离信息在直线拟合下变化的斜率，并且根据所述斜率确定所述变化截距；

当相邻两个点的距离信息变化量与所述变化截距相同时，确定相邻的两个点能够拟合为地面；

当相邻两个点的距离信息变化量与所述变化截距不同时，确定相邻的两个点无法拟合为地面。

因为线激光完全照射在地面上时，形成线段，通过最小二乘法进行直线拟合能够更为准确的获取点集中相邻点位之间的截距。

进一步的，当点集中的点不能拟合为完整的地面时，该方法还包括：

对距离信息变化量发生突变的点，提取两侧相邻的点的距离信息；

当所述距离信息变化量发生突变的点两侧相邻的点的距离信息相同时，修改所述距离信息变化量发生突变的点的距离信息，为与相邻的点的距离信息相同。

激光收发装置发射出的线激光，有可能经过多次反射之后才接收到返回信号，因此会产生杂波，影响距离数据的精度当点集中出现一个点的距离数据发生明显变化，但是上述点前后相邻的两个点的距离数据相同或差值小于预设值被视为距离数据相同时，说明上述点的距离数据出现了异常，此时将出现了异常的点的距离数据，根据与之相邻的任意点的距离数据进行修改，以消除异常。

进一步的，当点集中的点不能拟合为完整的地面时，该方法还包括：

对距离信息变化量发生突变的点，提取上一帧返回信号的点集和后续预设数量帧返回信号的点集中，与所述距离信息变化量发生突变的点排序上相对应的点的距离信息；

当提取的距离信息的变化量超过预设值时，删除点集中距离信息变化量发生突变的点。

当点集中点位的距离数据发生剧变时，可能是因为光线的反射和折射产生的干扰。通过和线激光临近帧获取的点集中对应点的距离信息进行对比，因为即便线激光检测到了障碍物，相邻几帧对应点位的距离信息也不会发生剧烈变化，如果相对应的两个距离信息发生的变化较大时，确定发生的突变的点收到了干扰，获取的数据是不准确的。

进一步的，获得若干聚类之后，该方法还包括：

根据聚类中点的数量判断聚类规模异常小；

当聚类当中的点的数量小于预设的预设数量时，删除所述聚类。

点集中的点进行聚类并得到的若干聚类中，部分为照射在地面的点的聚类，部分为照射在障碍物上的点的聚类，然而线激光照射产生的点集中的点，相邻点之间的距离是很小的，因此若干连续的点所涵盖的空间上的范围小于一般障碍物的宽度，考虑到光线的反射和折射可能会涵盖一定区域，造成连续的若干点的距离信息检测出现误差，因此如果聚类中的点的数量少于预设值，则确定该聚类中点的距离信息是异常的，删除对应的聚类，以防止错误信息对障碍物判断的干扰。

进一步的，获得若干聚类之后，该方法还包括：

根据聚类中点x轴坐标的方差判断聚类是否异常分散，其中x轴与移动机器人的前进方向垂直；

当类中的点在定位坐标系中的x轴坐标的方差超过预设孤立值时，删除所述聚类。

聚类中点的x轴坐标的方差能够反映出聚类中各个点与移动机器人之间距离的波动情况，显然，障碍物通常有一个面向移动机器人的面，而线激光照射到这个面上产生的点的距离变化一定是平缓的，因此当聚类点的x轴的坐标的方差超过设定的孤立值时聚类中的点受到了严重的干扰，此时删除该聚类，以提升障碍物识别的精度。

进一步的，所述根据聚类中点在定位坐标系中的坐标和所述线激光出射角度，确定障碍物与移动机器人之间的实际距离，具体包括：

将聚类中的点在定位坐标系中围成的多边形分割为若干三角形，并获取所述三角形质心的坐标；

通过所述三角形的面积，对于所述三角形对应的质心的坐标值加权以获取所述多边形的质心坐标；

根据所述质心坐标确定障碍物到移动机器人之间的距离。

障碍物即便有若干个，也只需取距离移动机器人最近的障碍物，进行距离的测算，供移动机器人进行后续的避障等操作，这一聚类中包括若干个点，描述障碍物区域的聚类中若干个点围成的多边形近似于该障碍物的轮廓，测量障碍物与移动机器人之间的距离，可以看做是检测这一多边形与移动机器人之间的距离，而考虑到点位的分布，通过检测这一多边形的质心到移动机器人之间的距离，能够反映整个障碍物与移动机器人之间的位置关系。

进一步的，所述多边形的质心坐标的获取方法，具体通过如下公式获取：

其中C_x为质心的X轴坐标，C_ix为一个所述三角形的质心的X轴坐标，λ_i为对应的所述三角形的面积，n为所述多边形分成的三角形的数量；C_y为质心的Y轴坐标，C_iy为一个所述三角形的质心的Y轴坐标。

该方案具体通过引入上述四边形分割的三角形的面积作为权重对三角形的质心的坐标进行加权，综合聚类中每个点的位置对障碍物标记的影响，该方案检测到的质心坐标更为准确。

进一步的，所述障碍物到移动机器人之间的距离，具体通过如下公式获取：

d＝cosθC_x公式三；

其中d为障碍物到移动机器人之间的距离，θ为照射到障碍物点上的激光与水平面之间的倾斜角度。

障碍物的质心坐标的x轴坐标，因为要保证线激光照射在地面，所以线激光存在倾斜角度，障碍物质心的坐标受到上述倾斜角度的影响，通过公式三将障碍物到激光收发装置之间的距离，在定位坐标系中投影，以消除出射角度对障碍物与移动机器人之间距离的影响，测算障碍物到移动机器人之间的距离，如此障碍物检测更为准确。

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，该计算机程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。

应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

为了解决上述技术问题，本申请实施例还提供一种用于移动机器人的前视线激光障碍物识别装置，采用了如下所述的技术方案：

一种用于移动机器人的前视线激光障碍物识别装置，包括下述步骤：

收集模块，用于向移动机器人的前方发射线激光，并且将返回信号解析为带有距离数据的点集；所述线激光的排列方向与机器人的前进方向相垂直，并且指向与移动机器人之间存在预设距离的地面；

绘制模块，用于将所述点集中的点根据距离信息绘制在定位坐标系当中，所述定位坐标系与激光收发装置所在的水平面平行；

拟合模块，用于对所述点集的距离信息进行拟合，以获取点集中相邻的点的距离信息的变化截距；并通过验证点集中相邻的点的距离信息的变化速度是否符合所述变化截距，以确定点集中的点是否能完整拟合；

地面检测模块，用于当能够完整拟合时，根据每个点的距离数据和设定的线激光出射角度，确定点集中各个点与激光收发装置之间的高度差，并且根据设定的激光收发装置的高度，确定点集中各个点的高度；当每个点的高度与地面高度之间的差值在预设范围内时，确定线激光没有检测到障碍物；

聚类模块，用于当点集中的点不能拟合为完整的地面时，根据点集中点的距离信息，将距离信息的大小差异处于预设范围内的点聚类；以获得若干聚类；

测距模块，用于从所有聚类中选取距离数据最小的聚类作为障碍物，并且根据聚类中点在定位坐标系中的坐标和所述线激光出射角度，确定障碍物与移动机器人之间的实际距离。

通过向移动机器人的前方发射线激光照射地面，线激光与移动机器人的前进方向是垂直的，如此能够接收到一排点集形成的反射信号，线激光的出射口设置有棱镜，能够保证线激光出射光线的间隔，如此，如果清洁机器人的前方是平坦的地面，线激光照射在地面上由光斑形成的线段与移动机器人的前进方向是垂直的。此时的点集产生的距离信息变化量等差。

通过对点集的距离信息进行拟合，确定点集的距离信息是否符合变化截距来确定线激光是否完全照射在平整的地面上。

如果能够实现完整的拟合，那么线激光照射形成的点集是在一条完整的线段上的，此时通过点集中的点的所在高度确定这条完整的线段是否是在地面上，具体激光收发装置在发射线激光的时候，是按照特定预设出射角度发射的，结合激光照射的点产生的反射获取的距离信息，通过三角函数能够计算激光收发装置与点之间的高度差，而激光收发装置距离地面的高度是已知的，因此能够判断点集中的点是否照射在地面上，当点与激光收发装置之间的高度差与激光收发装置距离地面的高度相等，则确定点集集中在地面上，如果点与激光收发装置之间的高度差大于设定值，则判断线激光照射产生的点集集中在一个障碍物上。

如果无法通过拟合，确定线激光完全照射在了平整的地面上，则此时根据线激光产生的点集的距离信息的变化一定是不平滑的，此时通过聚类，将距离信息变化平滑的点集合起来，形成一个聚类，如此形成了若干个聚类，其中部分聚类是线激光照射在地面上反射获取的点集，部分聚类是线激光照射在障碍物上反射获取的点集，根据各个聚类中的点与运动机器人之间的距离数据确定障碍物与运动机器人的距离，并选取其中距离最小的距离数据，确定为与清洁机器人之间的实际距离。该方法，通过直线拟合，和数值大小聚类的方式确定障碍物与运动机器人之间的距离来查找障碍物，运算的次数少，单次运算量少。

Claims (10)

1.一种用于移动机器人的前视线激光障碍物识别方法，其特征在于，包括下述步骤：

向移动机器人的前方发射线激光，并且将返回信号解析为带有距离数据的点集；所述线激光的排列方向与机器人的前进方向相垂直，并且指向与移动机器人之间存在预设距离的地面；

将所述点集中的点根据距离信息绘制在定位坐标系当中，所述定位坐标系与激光收发装置所在的水平面平行；

对所述点集的距离信息进行拟合，以获取点集中相邻的点的距离信息的变化截距；并通过验证点集中相邻的点的距离信息的变化速度是否符合所述变化截距，以确定点集中的点是否能完整拟合；

当能够完整拟合时，根据每个点的距离数据和设定的线激光出射角度，确定点集中各个点与激光收发装置之间的高度差，并且根据设定的激光收发装置的高度，确定点集中各个点的高度；当每个点的高度与地面高度之间的差值在预设范围内时，确定线激光没有检测到障碍物；

当点集中的点不能拟合为完整的地面时，根据点集中点的距离信息，将距离信息的大小差异处于预设范围内的点聚类；以获得若干聚类；

从所有聚类中选取距离数据最小的聚类作为障碍物，并且根据聚类中点在定位坐标系中的坐标和所述线激光出射角度，确定障碍物与移动机器人之间的实际距离。

2.根据权利要求1所述的一种用于移动机器人的前视线激光障碍物识别方法，其特征在于，点集中的点是否能拟合为完整地面的验证方法具体包括：

根据最小二乘法对点集中的点的距离信息进行直线拟合；

根据所述直线拟合后的距离信息，确定距离信息在直线拟合下变化的斜率，并且根据所述斜率确定所述变化截距；

当相邻两个点的距离信息变化量与所述变化截距相同时，确定相邻的两个点能够拟合为地面；

当相邻两个点的距离信息变化量与所述变化截距不同时，确定相邻的两个点无法拟合为地面。

3.根据权利要求1所述的一种用于移动机器人的前视线激光障碍物识别方法，其特征在于，当点集中的点不能拟合为完整的地面时，该方法还包括：

对距离信息变化量发生突变的点，提取两侧相邻的点的距离信息；

当所述距离信息变化量发生突变的点两侧相邻的点的距离信息相同时，修改所述距离信息变化量发生突变的点的距离信息，为与相邻的点的距离信息相同。

4.根据权利要求1所述的一种用于移动机器人的前视线激光障碍物识别方法，其特征在于，当点集中的点不能拟合为完整的地面时，该方法还包括：

对距离信息变化量发生突变的点，提取上一帧返回信号的点集和后续预设数量帧返回信号的点集中，与所述距离信息变化量发生突变的点排序上相对应的点的距离信息；

当提取的距离信息的变化量超过预设值时，删除点集中距离信息变化量发生突变的点。

5.根据权利要求1所述的一种用于移动机器人的前视线激光障碍物识别方法，其特征在于，获得若干聚类之后，该方法还包括：

根据聚类中点的数量判断聚类规模异常小；

当聚类当中的点的数量小于预设的预设数量时，删除所述聚类。

6.根据权利要求1所述的一种用于移动机器人的前视线激光障碍物识别方法，其特征在于，获得若干聚类之后，该方法还包括：

根据聚类中点x轴坐标的方差判断聚类是否异常分散，其中x轴与移动机器人的前进方向垂直；

当类中的点在定位坐标系中的x轴坐标的方差超过预设孤立值时，删除所述聚类。

7.根据权利要求1所述的一种用于移动机器人的前视线激光障碍物识别方法，其特征在于，所述根据聚类中点在定位坐标系中的坐标和所述线激光出射角度，确定障碍物与移动机器人之间的实际距离，具体包括：

将聚类中的点在定位坐标系中围成的多边形分割为若干三角形，并获取所述三角形质心的坐标；

通过所述三角形的面积，对于所述三角形对应的质心的坐标值加权以获取所述多边形的质心坐标；

根据所述质心坐标确定障碍物到移动机器人之间的距离。

8.根据权利要求7所述的一种用于移动机器人的前视激光障碍物识别方法，其特征在于：所述多边形的质心坐标的获取方法，具体通过如下公式获取：

其中C_x为质心的X轴坐标，C_ix为一个所述三角形的质心的X轴坐标，A_i为对应的所述三角形的面积，n为所述多边形分成的三角形的数量；C_y为质心的Y轴坐标，C_iy为一个所述三角形的质心的Y轴坐标。

9.根据权利要求7所述的一种用于移动机器人的前视激光障碍物识别方法，其特征在于：所述障碍物到移动机器人之间的距离，具体通过如下公式获取：

d＝cosθC_x公式三；

其中d为障碍物到移动机器人之间的距离，θ为照射到障碍物点上的激光与水平面之间的倾斜角度。

10.一种用于移动机器人的前视线激光障碍物识别装置，其特征在于，包括：

收集模块，用于向移动机器人的前方发射线激光，并且将返回信号解析为带有距离数据的点集；所述线激光的排列方向与机器人的前进方向相垂直，并且指向与移动机器人之间存在预设距离的地面；

绘制模块，用于将所述点集中的点根据距离信息绘制在定位坐标系当中，所述定位坐标系与激光收发装置所在的水平面平行；

拟合模块，用于对所述点集的距离信息进行拟合，以获取点集中相邻的点的距离信息的变化截距；并通过验证点集中相邻的点的距离信息的变化速度是否符合所述变化截距，以确定点集中的点是否能完整拟合；

地面检测模块，用于当能够完整拟合时，根据每个点的距离数据和设定的线激光出射角度，确定点集中各个点与激光收发装置之间的高度差，并且根据设定的激光收发装置的高度，确定点集中各个点的高度；当每个点的高度与地面高度之间的差值在预设范围内时，确定线激光没有检测到障碍物；

聚类模块，用于当点集中的点不能拟合为完整的地面时，根据点集中点的距离信息，将距离信息的大小差异处于预设范围内的点聚类；以获得若干聚类；

测距模块，用于从所有聚类中选取距离数据最小的聚类作为障碍物，并且根据聚类中点在定位坐标系中的坐标和所述线激光出射角度，确定障碍物与移动机器人之间的实际距离。

Images