一种基于深度图像数据的机器人自主导航系统及方法技术方案

本发明专利技术属于视觉控制技术领域，涉及一种基于深度图像数据的机器人自主导航系统及方法，深度图像数据采集系统采集当前环境的深度图像，用深度数据处理方法处理，获取当前环境深度图像数据；数据处理及传输系统处理深度图像数据，获取深度图像各区域真实数据，对各区域进行细分处理并设定各细分区域预警值，比较各细分区域真实数据和预警值，生成命令信息；运动控制系统将命令信息生成控制指令，同时结合机器人自身状态使机器人完成运动，并将机器人数据反馈至机器人的控制台；辅助系统记录运动控制系统的运动状态数据，将运动状态数据作为修正运动路径及向控制台上传数据的来源。本发明专利技术克服了处理模块使用成本高、计算量巨大的问题和缺陷。

A Robot Autonomous Navigation System and Method Based on Depth Image Data

The invention belongs to the field of vision control technology, and relates to a robot autonomous navigation system and method based on depth image data. The depth image data acquisition system collects the depth image of the current environment, processes it with depth data processing method, and obtains the depth image data of the current environment; and the processing depth of the data processing and transmission system is deep. Degree image data, acquire the real data of each area of depth image, subdivide each area and set the warning value of each subdivision area, compare the real data and warning value of each subdivision area, and generate command information; Motion control system generates command information to control command, and at the same time, combines the robot's own state to make the robot complete. The motion data are fed back to the robot's console, and the motion state data of the motion control system are recorded by the auxiliary system. The motion state data are used as the source of modifying the motion path and uploading data to the console. The invention overcomes the problems and defects of high use cost and huge calculation amount of the processing module.

【技术实现步骤摘要】
一种基于深度图像数据的机器人自主导航系统及方法
本专利技术属于视觉控制
，涉及一种基于深度图像数据的机器人自主导航系统及方法。
技术介绍
机器人导航技术是通过自身安装配备的多种传感器(如距离传感器、定位传感器、里程计数器等)获取所处环境及自身状态等信息，同时完成对未知环境中具体参数的探测与识别，并且依据某个或某些优化准则(如工作代价最小、行走路线最短、行走时间最短等)和结果自行规划行走路线，并对设定目标进行指令性操作。其本身具有从感知到执行步骤的完备自主的系统组成，可如同人类一般在环境中独立完成工作。现有的机器人导航技术多采用测距传感器，通过主动发射探测信号和接收环境中各物体反馈的信号，然后通过测量发射和返回信号的对比来获取场景信息。测距传感器的检测范围在现有综合复杂环境下要求全局视野的趋势下不具备优势。一种基于双目视觉的机器人系统(专利号：CN201620958987.2)。其包括图像采集系统，其包括双目摄像头和图像传感器，并由信号传输线与图像处理模块连接，该图像处理模块根据所属双目摄像头采集图像进行图像匹配；视觉伺服控制系统，其与所述图像处理模块连接，包括机器人环境信息处理模块，三维地图构建模块和机器人定位模块，该视觉伺服控制系统根据图像匹配获取目标物体的三维匹配点对，获取当前机器人的运动控制信息；运动控制系统，其与所述视觉伺服控制系统连接，并与所述图像采集系统建立连接，该系统根据视觉伺服控制系统的运动控制信息控制机器人的移动。该技术方案使机器人定位更加精确。但上述现有技术还存在以下缺陷：对整幅图像进行处理，对每个像素点值进行提取，计算量巨大，对图像处理模块的性能要求较高，提高了模块的使用成本，若使用性能较差的处理模块会降低处理效率从而使整个系统的效率大大降低。
技术实现思路
为克服现有技术中存在的深度数据导航方法中处理模块使用成本高，计算量巨大的问题和缺陷，本专利技术的目的在于提供一种基于深度数据图像的机器人自主导航系统及方法。本专利技术的目的通过以下技术方案实现：一种基于深度图像数据的机器人自主导航系统，包括：深度图像数据采集系统：用于采集当前环境的深度图像，并采用深度数据处理方法处理所采集的深度图像，获取当前环境的深度图像数据；数据处理及传输系统：用于接收所述深度图像数据并进行处理，获取深度图像各区域真实数据，对深度图像各区域进行细分处理，设定各细分区域预警值，比较深度图像各细分区域真实数据和各细分区域预警值，再根据比较结果生成命令信息；运动控制系统：用于接收所述命令信息，并通过命令信息生成控制指令，同时结合机器人自身状态使机器人完成运动，并将机器人数据通过辅助系统反馈至机器人的控制台；辅助系统：用于使运动控制系统正常运作，并记录运动控制系统的运动状态数据，将运动状态数据作为修正运动路径及向控制台上传数据的来源。优选的，所述深度图像数据采集系统采用单目相机、双目相机、多目相机或深度相机。一种基于深度图像数据的机器人自主导航方法，包括以下步骤：步骤1，基于深度图像数据的机器人自主导航系统进行初始化，然后根据机器人的测距传感器(如红外传感器和超声波传感器)判断机器人四周是否存在妨碍通过性的近距离障碍物，如不存在则进行步骤2；如出现障碍物时，根据障碍物分布情况进行逻辑判断后引导平台转移到可正常运行的场地，再进行步骤2；步骤2，采集当前环境的深度图像，并采用深度数据处理方法处理所采集的深度图像，获取当前环境的深度图像数据；步骤3，对所述深度图像数据进行处理，获取深度图像各区域真实数据，对深度图像各区域进行细分处理，设定各细分区域预警值，比较深度图像各细分区域真实数据和各细分区域预警值，再根据比较结果生成命令信息；步骤4，通过所述命令信息生成控制指令，同时结合机器人自身状态使机器人完成运动，并将机器人数据反馈至机器人的控制台；机器人运动时，记录机器人的运动状态数据，将运动状态数据作为修正运动路径及向控制台上传数据的来源。优选的，所述步骤2中，采用单目相机、双目相机、多目相机或深度相机采集当前环境的图像；其中：单目相机采用相对配准后的清晰度或绝对配准后的清晰度评价的方法处理获取当前环境的深度图像数据；双目相机和多目相机采用多相机图像互相配准的方法获取当前环境的深度图像数据；深度相机采用红外相机与数字相机结合的方法获取当前环境的深度图像数据。优选的，所述步骤3中，对所述深度图像数据进行处理的过程包括如下步骤：步骤3.1，以用来采集当前环境深度图像的相机镜头的轴线通过的水平面为预分界面；步骤3.2，然后获取结构平台高度方向上位于预分界面上的结构尺寸h，令结构尺寸h与结构平台总高度H进行比较得到比例关系α；步骤3.3，将预分界面按照比例关系α乘以深度图像的纵向分辨率L，以预分界面为基础，对分界面进行上调，上调高度为α×L，，得到最终的分界面；步骤3.4，然后以最终的分界面以下区域作为图像处理区域。优选的，所述步骤3中，获取深度图像各区域真实数据包括如下步骤：步骤3.5，在图像处理区域内，根据机器人尺寸参数将整体图像进行水平和垂直方向上的区域划分；具体的，将整体图像划分为5个次区域，分别为左侧ROI、右侧ROI、上侧ROI、下侧ROI和中央ROI；步骤3.6，利用划分的5个次区域来获取深度图像各区域真实数据。优选的，所述步骤3中，对深度图像各区域进行细分处理时，根据各次区域数据量的大小将每个次区域划分为多个大小一致的小区域，然后对各小区域进行优化，使深度图像中的失真点得到近似值的补偿。优选的，所述步骤3中，比较深度图像各细分区域真实数据和各细分区域预警值时，将各个次区域中细分区域的真实数据与对应细分区域设定的预警值逐一作比较，采用或关系，当次区域内的任一细分区域的真实数据小于细分区域预警值时，则为预警状态，否则为正常状态。所述步骤1，如出现障碍物时，根据障碍物布置情况进行逻辑判断后引导机器人平台转移到能正常运行的场地，具体过程为：将机器人的测距传感器的探测信息分为前、后、左后右四部分，分别对应机器人前进、后退、左侧、右侧四个正方向，根据转向半径和机器人尺寸设定预警值，当四部分测距传感器中任意一部分测距传感器出现探测值小于预警值时，该部分测距传感器进入预警状态，否则为正常状态；所述判断逻辑如下：当各部分测距传感器均为出现预警状态，机器人按照正常步骤继续往下进行；当只有前进部分测距传感器出现预警状态，引导机器人后退，直至预警状态消除；当只有后退方向测距传感器出现预警状态，引导机器人前进并进执行下一步；当左侧测距传感器和后退方向测距传感器出现预警状态，或者当只有左侧方向测距传感器出现预警状态时，引导机器人右转前进，直至预警状态消除；当右侧测距传感器和后退方向测距传感器出现预警状态，或者当只有右侧方向测距传感器出现预警状态时，引导机器人左转前进，直至预警状态消除；当前进方向测距传感器和左侧部分测距传感器出现预警状态，引导机器人右转后退，直至前进方向测距传感器和左侧部分测距传感器均消除预警状态；当前进方向测距传感器和右侧部分测距传感器出现预警状态，引导机器人左转后退，直至两前进方向测距传感器和右侧部分测距传感器均消除预警状态；当前进方向测距传感器和后退方向测距传感器同时出现预警状态，启动警报器告知无法达到正常运行的场本文档来自技高网...

【技术保护点】
1.一种基于深度图像数据的机器人自主导航系统，其特征在于，包括：深度图像数据采集系统：用于采集当前环境的深度图像，并采用深度数据处理方法处理所采集的深度图像，获取当前环境的深度图像数据；数据处理及传输系统：用于接收所述深度图像数据并进行处理，获取深度图像各区域真实数据，对深度图像各区域进行细分处理，设定各细分区域预警值，比较深度图像各细分区域真实数据和各细分区域预警值，再根据比较结果生成命令信息；运动控制系统：用于接收所述命令信息，并通过命令信息生成控制指令，同时结合机器人自身状态使机器人完成运动，并将机器人数据反馈至机器人的控制台；辅助系统：用于使运动控制系统正常运作，并记录运动控制系统的运动状态数据，将运动状态数据作为修正运动路径及向控制台上传数据的来源。

【技术特征摘要】
1.一种基于深度图像数据的机器人自主导航系统，其特征在于，包括：深度图像数据采集系统：用于采集当前环境的深度图像，并采用深度数据处理方法处理所采集的深度图像，获取当前环境的深度图像数据；数据处理及传输系统：用于接收所述深度图像数据并进行处理，获取深度图像各区域真实数据，对深度图像各区域进行细分处理，设定各细分区域预警值，比较深度图像各细分区域真实数据和各细分区域预警值，再根据比较结果生成命令信息；运动控制系统：用于接收所述命令信息，并通过命令信息生成控制指令，同时结合机器人自身状态使机器人完成运动，并将机器人数据反馈至机器人的控制台；辅助系统：用于使运动控制系统正常运作，并记录运动控制系统的运动状态数据，将运动状态数据作为修正运动路径及向控制台上传数据的来源。2.根据权利要求1所述的一种基于深度图像数据的机器人自主导航系统，其特征在于，所述深度图像数据采集系统采用单目相机、双目相机、多目相机或深度相机。3.一种基于深度图像数据的机器人自主导航方法，其特征在于，通过权利要求1或2所述的基于深度图像数据的机器人自主导航系统进行，包括以下步骤：步骤1，基于深度图像数据的机器人自主导航系统进行初始化，然后根据机器人的测距传感器判断机器人四周是否存在妨碍通过性的近距离障碍物，如不存在则进行步骤2；如出现障碍物时，根据障碍物布置情况进行逻辑判断后引导机器人平台转移到能正常运行的场地，再进行步骤2；步骤2，采集当前环境的深度图像，并采用深度数据处理方法处理所采集的深度图像，获取当前环境的深度图像数据；步骤3，对所述深度图像数据进行处理，获取深度图像各区域真实数据，对深度图像各区域进行细分处理，设定各细分区域预警值，比较深度图像各细分区域真实数据和各细分区域预警值，再根据比较结果生成命令信息；步骤4，通过所述命令信息生成控制指令，同时结合机器人自身状态使机器人完成运动，并将机器人数据反馈至机器人的控制台；机器人运动时，记录机器人的运动状态数据，将运动状态数据作为修正运动路径及向控制台上传数据的来源。4.根据权利要求3所述的一种基于深度图像数据的机器人自主导航方法，其特征在于，所述步骤3中，对所述深度图像数据进行处理的过程包括如下步骤：步骤3.1，以用来采集当前环境深度图像的相机镜头的轴线通过的水平面为预分界面；步骤3.2，然后获取结构平台高度方向上位于预分界面上的结构尺寸h，令结构尺寸h与结构平台总高度H作比得到比例关系α；步骤3.3，将预分界面按照比例关系α乘以深度图像的纵向分辨率L，以预分界面为基础，对分界面进行上调，上调高度为α×L，得到最终的分界面；步骤3.4，然后以最终的分界面以下区域作为图像处理区域。5.根据权利要求4所述的一种基于深度图像数据的机器人自主导航方法，其特征在于，所述步骤3中，获取深度图像各区域真实数据包括如下步骤：步骤3.5，在图像处理区域内，根据机器人尺寸参...

【专利技术属性】
技术研发人员：夏晓华，武士达，李贺华，徐光辉，杨晶晶，王朋，
申请(专利权)人：长安大学，
类型：发明
国别省市：陕西,61