一种障碍物识别方法及系统技术方案

本发明专利技术公开了一种障碍物识别方法，所述方法包括：获取行驶路线中周围环境的第一深度图像；对所述第一深度图像进行切割处理，得到行驶车道对应的第二深度图像；将所述第二深度图像转换为点云信息，并根据所述点云信息进行地面投影，得到目标的点云信息和地面的点云信息，将所述地面的点云信息进行删除，得到没有地面部分的投影图像；基于变邻区域生长算法，对所述投影图像进行聚类分析，获取多个障碍物聚类点集，并确定每一个障碍物的位置信息。相应的，本发明专利技术还公开了障碍物识别系统。通过本发明专利技术，对避障算法进行优化，能够更优地对障碍物实时进行监测。

【技术实现步骤摘要】
一种障碍物识别方法及系统
本专利技术涉及计算机视觉
，尤其涉及一种障碍物识别方法及系统。
技术介绍
随着科学技术的发展，机器人或者快递无人车得到越来越多的广泛应用。障碍物识别和避让成为机器人智能化的重要体现。随着各种机器人的不断研发，对其避障的要求也日益提高，现实环境往往都很复杂，并且实时变化，需要能够准确地识别出障碍物，并能够获取障碍物与机器人的距离。专利申请号为CN2019111710204的障碍物识别方法，包括：S1、通过获取行驶路线中周围环境的第一深度图像；S2、对第一深度图像进行切割处理，得到行驶车道对应的第二深度图像；S3、基于第二深度图像进行地面拟和，确定地面直线，并根据地面直线去除地面部分，获取没有地面部分的第三深度图像；S4、对所述第三深度图像进行聚类分析，获取多个障碍物聚类点集，并确定每一个障碍物的位置信息。在步骤S3和S4中因采用侧向投影地面的技术方案，所以在遇到地面侧向倾斜或者地面坑坑洼洼的时候，就无法很好地检测到地面；并且也会出现因为深度数据的不完整而导致障碍物分割断层的技术问题，比如一个障碍物有可能被分割成两个。因此本专利技术针对上述技术问题，提出了一种改进的障碍物检测的技术方案，能够有效地解决上述技术问题。
技术实现思路
基于此，本专利技术的目的在于提供一种障碍物识别方法及系统，实现了机器人运动过程中，能够更优地对障碍物实时进行监测，从而能够更好地避开障碍物。为实现上述目的，本专利技术提供了一种障碍物识别方法，所述方法包括：S1、获取行驶路线中周围环境的第一深度图像；S2、对所述第一深度图像进行切割处理，得到行驶车道对应的第二深度图像；S3、将所述第二深度图像转换为点云信息，并根据所述点云信息进行地面投影，得到目标的点云信息和地面的点云信息，将所述地面的点云信息进行删除，得到没有地面部分的投影图像；S4、基于变邻区域生长算法，对所述投影图像进行聚类分析，获取多个障碍物聚类点集，并确定每一个障碍物的位置信息。优选的，所述步骤S2包括：基于深度图转点云的计算方法，将所述第一深度图像转换为点云图；对所述点云图分别进行x轴向行驶车道范围的切割、y轴向行驶高度范围的切割和z轴向检测范围的切割，得到切割后的点云图；根据所述切割后的点云图，获取行驶车道对应的第二深度图像。优选的，所述步骤S3包括：S301、将所述第二深度图像进行点云坐标转换，得到对应的点云信息；S302、将所述点云信息进行坐标转换，将所述点云信息中的(x,z)坐标系平面转换为与地面平行的状态；S303、在所述(x,z)坐标系下设置多个栅格，将所述第二深度图像中的所有像素点向所述各个栅格中投影；S304、统计落在每一个栅格中的投影的像素点的数量，若所述投影的像素点的数量大于一预设的数量阈值，则该栅格内投影的像素点为目标的投影的像素点，否则为地面的投影的像素点；S305、将所述地面的投影的像素点进行删除，得到没有地面部分的投影图像。优选的，所述步骤S302具体包括：通过对深度相机的安装角度进行标定，对点云信息进行坐标转换，将点云信息中的(x,z)坐标系平面转换为与地面平行的状态。优选的，所述步骤S303包括：所述(x,z)坐标系下的栅格的数量由所述(x,z)坐标系下z轴的长度和栅格的大小决定。优选的，所述步骤S303包括：所述栅格的大小与所述第二深度图像的像素点密度有关，当所述像素点密度越大时，所述栅格越小；所述(x,z)坐标系下的z轴的长度由所述第二深度图像的像素点的最大距离决定。优选的，所述步骤S3还包括：对所述投影图像进行膨胀和腐蚀，并对所述膨胀和腐蚀后的投影图像进行中值滤波处理。优选的，所述步骤S4包括：以所述投影图像的原点开始遍历，依照左上至右下的顺序进行遍历；首先对所述原点的上下左右四个相邻点进行区域生长，若目标均无法生长，则将所述原点的上下左右四个相邻点的相邻点进行区域生长；以此类推，逐个点作为种子点开始区域生长，直至所有的点完成区域生长操作。优选的，所述方法还包括：将所述投影图像的像素点与所述第二深度图像中对应的像素点进行关联，确定所述第二深度图像中的目标像素点和地面像素点，并将所述地面像素点删除，得到没有地面的第三深度图像；基于区域生成方法，对所述第三深度图像进行聚类分析，获取多个障碍物聚类点集，并确定每一个障碍物的位置信息。为实现上述目的，本专利技术提供了一种障碍物识别系统，所述系统包括：获取模块，用于获取行驶路线中周围环境的第一深度图像；切割模块，用于对所述第一深度图像进行切割处理，得到行驶车道对应的第二深度图像；投影模块，用于将所述第二深度图像转换为点云信息，并根据所述点云信息进行地面投影，得到目标的点云信息和地面的点云信息，将所述地面的点云信息进行删除，得到没有地面部分的投影图像；聚类模块，用于基于变邻区域生长算法，对所述投影图像进行聚类分析，获取多个障碍物聚类点集，并确定每一个障碍物的位置信息。与现有技术相比，本专利技术一种障碍物识别方法及系统，所带来的有益效果为：在机器人或者无人车辆行驶过程中，解决了地面左右方向倾斜或者地面坑洼等问题而导致地面无法被很好地分割的技术问题，对障碍物识别的技术方案进行了优化，能够更好地对障碍物实时进行监测，从而能为机器人和无人车辆制定更正确的避障决策；该技术方案采用优化的大范围区域增长算法，有效地缓解一些因为深度图像数据不完整而导致障碍物断层的技术问题，能够准确地识别出障碍物。附图说明图1是根据本专利技术的一个实施例的障碍物识别方法的流程示意图。图2是根据本专利技术的一个实施例的障碍物识别系统的系统示意图。具体实施方式以下将结合附图所示的具体实施方式对本专利技术进行详细描述，但这些实施方式并不限制本专利技术，本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本专利技术的保护范围内。如图1所示的本专利技术的一个实施例，本专利技术提供一种障碍物识别方法，所述方法包括：S1、获取行驶路线中周围环境的第一深度图像；S2、对所述第一深度图像进行切割处理，得到行驶车道对应的第二深度图像；S3、将所述第二深度图像转换为点云信息，并根据所述点云信息进行地面投影，得到目标的点云信息和地面的点云信息，将所述地面的点云信息进行删除，得到没有地面部分的投影图像；S4、基于变邻区域生长算法，对所述投影图像进行聚类分析，获取多个障碍物聚类点集，并确定每一个障碍物的位置信息。在所述步骤S1中，获取行驶路线中周围环境的第一深度图像。深度图是包含与视点的场景对象的表面的距离有关的信息的图像或图像通道，每个像素值是传感器距离物体的实际距离。在本专利技术中的具体实施例中，电子设备可以获取机器人或者无人车辆行驶路线中周围环境的第一深度图像。电子设备可以利用深度相机获取本文档来自技高网...

【技术保护点】
1.一种障碍物识别方法，其特征在于，包括：/nS1、获取行驶路线中周围环境的第一深度图像；/nS2、对所述第一深度图像进行切割处理，得到行驶车道对应的第二深度图像；/nS3、将所述第二深度图像转换为点云信息，并根据所述点云信息进行地面投影，得到目标的点云信息和地面的点云信息，将所述地面的点云信息进行删除，得到没有地面部分的投影图像；/nS4、基于变邻区域生长算法，对所述投影图像进行聚类分析，获取多个障碍物聚类点集，并确定每一个障碍物的位置信息。/n

【技术特征摘要】
1.一种障碍物识别方法，其特征在于，包括：
S1、获取行驶路线中周围环境的第一深度图像；
S2、对所述第一深度图像进行切割处理，得到行驶车道对应的第二深度图像；
S3、将所述第二深度图像转换为点云信息，并根据所述点云信息进行地面投影，得到目标的点云信息和地面的点云信息，将所述地面的点云信息进行删除，得到没有地面部分的投影图像；
S4、基于变邻区域生长算法，对所述投影图像进行聚类分析，获取多个障碍物聚类点集，并确定每一个障碍物的位置信息。


2.如权利要求1所述的障碍物识别方法，其特征在于，所述步骤S2包括：
基于深度图转点云的计算方法，将所述第一深度图像转换为点云图；
对所述点云图分别进行x轴向行驶车道范围的切割、y轴向行驶高度范围的切割和z轴向检测范围的切割，得到切割后的点云图；
根据所述切割后的点云图，获取行驶车道对应的第二深度图像。


3.如权利要求1所述的障碍物识别方法，其特征在于，所述步骤S3包括：
S301、将所述第二深度图像进行点云坐标转换，得到对应的点云信息；
S302、将所述点云信息进行坐标转换，将所述点云信息中的(x,z)坐标系平面转换为与地面平行的状态；
S303、在所述(x,z)坐标系下设置多个栅格，将所述第二深度图像中的所有像素点向所述各个栅格中投影；
S304、统计落在每一个栅格中的投影的像素点的数量，若所述投影的像素点的数量大于一预设的数量阈值，则该栅格内投影的像素点为目标的投影的像素点，否则为地面的投影的像素点；
S305、将所述地面的投影的像素点进行删除，得到没有地面部分的投影图像。


4.如权利要求3所述的障碍物识别方法，其特征在于，所述步骤S302具体包括：
通过对深度相机的安装角度进行标定，对点云信息进行坐标转换，将点云信息中的(x,z)坐标系平面转换为与地面平行的状态。


5.如权利要求3所述的障碍物识别方法，其特征在于，所述步骤S303包括：
所述(x,z)坐...

【专利技术属性】
技术研发人员：黄泽仕，余小欢，门阳，陈嵩，白云峰，
申请(专利权)人：浙江光珀智能科技有限公司，
类型：发明
国别省市：浙江;33