【技术实现步骤摘要】
基于点云数据的障碍物识别方法及装置
本专利技术涉及机器人自主导航避障
，尤其涉及一种基于点云数据的障碍物识别方法及装置。
技术介绍
在机器人的自主避障
，机器人通过获取相应的点云数据，来识别障碍物，现有技术中，能够获取点云的传感器在不同程度上存在三大问题：一是传感器近距离盲区；二是传感器视野视角的限制；三是安装传感器带来的安装位置偏差。因此，在只借助此类传感器去识别和尝试避让障碍物的过程中，需要充分考虑以上三点问题带来的识别和避让误差，但往往上述误差转到“障碍物高度的维度”的数量级在厘米级，厘米级的误差带来的微小障碍物在机器人运行中的危险性不言而喻，故在此噪声系统中，去识别和标记“厘米级高度”的障碍物，是个值得讨论和优化的问题。
技术实现思路
本专利技术实施例提供一种基于点云数据的障碍物识别方法及装置，通过纵横网格对点云数据进行划分，再由远及近的遍历计算横轴上的点云数据之间的点云间隔，据此确定突变坐标，可以标记点云中的微小障碍物，降低机器人行驶中的危险性。本专利技术实施例第一方面提供了一种基于点云数据的障碍物识别方法，可包括：将所获取的点云数据转到世界坐标...
【技术保护点】
1.一种基于点云数据的障碍物识别方法，其特征在于，包括：将所获取的点云数据转到世界坐标系中，在所述世界坐标系中定义局部参照高度；采用预设划分精度的横纵网格将所述点云数据划分成横条点云数据和纵条点云数据；计算横条点云数据中的第一点云数据与第二点云数据之间的第一点云间隔值；当所述第一点云间隔值大于对应的局部参考高度时，将所述第二点云数据指示的点云坐标确定为突变坐标，并记录所述突变坐标；其中，在所述横条点云数据中所述第一点云数据与机器人的距离小于所述第二点云数据与所述机器人的距离；所述突变坐标为所述点云数据中指示低矮障碍物坐标方位的坐标。
【技术特征摘要】
1.一种基于点云数据的障碍物识别方法，其特征在于，包括：将所获取的点云数据转到世界坐标系中，在所述世界坐标系中定义局部参照高度；采用预设划分精度的横纵网格将所述点云数据划分成横条点云数据和纵条点云数据；计算横条点云数据中的第一点云数据与第二点云数据之间的第一点云间隔值；当所述第一点云间隔值大于对应的局部参考高度时，将所述第二点云数据指示的点云坐标确定为突变坐标，并记录所述突变坐标；其中，在所述横条点云数据中所述第一点云数据与机器人的距离小于所述第二点云数据与所述机器人的距离；所述突变坐标为所述点云数据中指示低矮障碍物坐标方位的坐标。2.根据如权利要求1所述的方法，其特征在于，所述方法还包括：计算所述第一点云数据与所述第二点云数据之间存在的纵轴的轴线条数，所述纵轴为纵条点云数据组成的轴线；将所述轴线条数与所述局部参照数据的乘积作为所述第一点云间隔值对应的局部参考高度。3.根据如权利要求2所述的方法，其特征在于，所述方法还包括：在确定所述突变坐标后，若所述轴线条数大于预设条数阈值，则将所述第一点云数据与所述第二点云数据之间的纵轴间隔减半；迭代遍历纵轴间隔减半后所述第一点云数据与所述第二点云数据之间第三点云数据，根据所述第一点云数据与第三点云数据之间的第二点云间隔值确定所述第三点云数据对应的点云坐标是否为突变坐标；其中，所述第三点云数据为纵轴间隔减半后的所述第一点云数据与所述第二点云数据之间的所有纵轴对应的点云数据。4.根据如权利要求3所述的方法，其特征在于，所述方法还包括：当所述第三点云数据对应的点云坐标为突变坐标，且所述第三点云数据与所述机器人的距离小于所述第二点云数据与所述机器人的距离时，记录所述第三点云数据对应的点云坐标，并删除之前记录的所述第二点云数据对应的点云坐标。5.根据如权利要求1所述的方法，其特征在于，所述方法还包括：剔除所述横条点云数据中所述突变坐标对应的点云数据。6.根据如权利要求1所述的方法，其特征在于，所述方法还包括：根据不同等级的障碍物划分范围确定所述...
【专利技术属性】
技术研发人员：应甫臣，龚汉越，
申请(专利权)人：北京云迹科技有限公司，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。