【技术实现步骤摘要】
一种机器人平台的自主巡线方法、装置及存储介质
本专利技术涉及视觉导航
，特别是涉及一种机器人平台的自主巡线方法、装置及存储介质。
技术介绍
随着机器人技术的日趋成熟，机器人的应用场景也越来越广泛，例如：军事上的侦查监视、服务消费上的无人驾驶、送餐机器人、消防、环境检测、电力巡检等。由于机器人在各个领域发挥着越来越重要的作用，大众对机器人的智能化需求也越来越高。近年来，机器人自主巡线功能成为了研究的热点。现有的机器人自主巡线算法主要包括基于深度学习的巡线算法和基于传统视觉的巡线算法。基于深度学习的巡线算法需要大量不同场景的人工标注好的训练数据以及高性能的gpu，因此场景泛化性较差，且对设备硬件要求高。基于传统视觉的巡线算法在常用的cpu上就能达到实时的处理速度，且具有精度高，成本低，部署到嵌入式设备方便等特点。然而，本专利技术的专利技术人研究发现，现有的基于传统视觉的巡线算法仍存在车道线检测精度低、无法识别任意角度的折线等不足。
技术实现思路
本专利技术提供了一种机器人平台的自主巡线方法、装置...
【技术保护点】
1.一种机器人平台的自主巡线方法，其特征在于，包括以下步骤：/n获取机器人巡线场景的地面俯视图，并检测出所述地面俯视图中的所有线段；/n从所述所有线段中筛选得到满足预设线段角度、能量值及距离参数要求的所述机器人的初始车道线，并控制所述机器人沿所述初始车道线行驶；/n在机器人行驶过程中，获取下一帧图像中满足预设角度变化速率和距离变化速率要求的预测车道线，根据所述预测车道线以及设定的线段角度、能量值及距离参数从所述所有线段中筛选得到新的车道线，并控制所述机器人沿所述新的车道线行驶。/n
【技术特征摘要】
20200714 CN 20201067726841.一种机器人平台的自主巡线方法，其特征在于，包括以下步骤：
获取机器人巡线场景的地面俯视图，并检测出所述地面俯视图中的所有线段；
从所述所有线段中筛选得到满足预设线段角度、能量值及距离参数要求的所述机器人的初始车道线，并控制所述机器人沿所述初始车道线行驶；
在机器人行驶过程中，获取下一帧图像中满足预设角度变化速率和距离变化速率要求的预测车道线，根据所述预测车道线以及设定的线段角度、能量值及距离参数从所述所有线段中筛选得到新的车道线，并控制所述机器人沿所述新的车道线行驶。
2.根据权利要求1所述的机器人平台的自主巡线方法，其特征在于，所述控制所述机器人沿所述新的车道线行驶还包括：
在机器人行驶过程中，检测下一帧图像中是否存在折线，当存在折线时，对所述折线进行跟踪，并控制所述机器人旋转至与所述折线平行后，控制所述机器人沿所述折线行驶。
3.根据权利要求1所述的机器人平台的自主巡线方法，其特征在于，所述检测出所述地面俯视图中的所有线段包括：
将机器人巡线场景的当前帧图像转换为灰度图；
对所述灰度图进行高斯模糊处理；
利用透视变换矩阵对所述高斯模糊处理后的灰度图进行透视变换，得到对应的所述地面俯视图；
对所述地面俯视图进行边缘检测+霍夫变换，得到所述地面俯视图中所有的线段。
4.根据权利要求3所述的机器人平台的自主巡线方法，其特征在于，
所述根据设定的线段角度、能量值及距离参数从所述所有线段中筛选得到所述机器人的初始车道线包括：
从所述所有线段中筛选得到符合第一筛选规则的两条左右相邻的车道线段，将筛选得到的两条车道线段形成的车道设定为机器人的初始车道线；所述第一筛选规则包括：
所述两条车道线段之间的角度差不能超过设定度数；
所述两条车道线段的能量值大于设定阈值，且左边车道线段的能量值为负，右边车道线段的能量值为正；
所述两条车道线段之间的实际距离在车道线实际宽度范围内。
5.根据权利要求4所述的机器人平台的自主巡线方法，其特征在于，所述控制所述机器人沿所述初始车道线行驶包括：
将所述初始车道线逆透视转换到图像坐标系，再由图像坐标系转换到相机坐标系；
计算所述左边车道线段和左边车道线段的四个顶点在相机坐标系下的位置，然后计算所述机器人与初始车道线之间的距离和夹角；
根据所述距离和夹角计算结果控制所述机器人沿所述初始车道线行驶。
6.根据权利要求1所述的机器人平台的自主巡线方法，其特征在于，所述根据所述预测车道线以及设定的线段角度、能量值及距离参数从所述所有线段中筛选得到新的车道线包括：
设定角度变化速率△θ为所述初始车道线前五帧的角度平均变化量；
设定距离变化速率△d为所述初始车道线前五帧在图像坐标系x轴方向移动的像素值的平均值；
通过△θ和预测得到下一帧图像...
【专利技术属性】
技术研发人员：陈挺任，马子昂，卢维，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：浙江;33
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。