地面障碍物地图标记方法、移动机器人和存储介质技术

本发明专利技术公开了一种地面障碍物地图标记方法、移动机器人和存储介质，涉及移动机器人技术领域。其方法技术要点包括从深度相机中读取彩色图像；利用深度学习训练的识别模型检测识别彩色图像中的障碍物，并基于识别的障碍物生成障碍物边界框；将深度相机中彩色图像的障碍物边界框映射到深度图像中，获取深度图像中的检测边界框；基于深度图像中的边界框计算出障碍物与机器人之间的深度距离；获取机器人在三维坐标系中的位置坐标，计算得到地图坐标系下的障碍物的位置坐标；机器人通讯客户端，将障碍物在地图坐标系下的位置坐标发送至客户端，本发明专利技术具有减轻清洁工后续搜寻障碍物的工作量的优点。

【技术实现步骤摘要】
地面障碍物地图标记方法、移动机器人和存储介质
本专利技术涉及移动机器人
，更具体地说，它涉及一种地面障碍物地图标记方法、移动机器人和存储介质。
技术介绍
目前移动机器人应用的范围越来越广，除了应用在家庭环境下之外,移动机器人还应用在商场和地库等垃圾种类繁多的复杂环境下进行清洁。在复杂环境下会出现移动机器人无法清理的障碍物，如矿水瓶、易拉罐或其它较小的障碍物。而面对此类障碍物，现有的移动机器人无法清理，一般会选择绕开。因此为了保持地库或商场的清洁，还需要雇佣清洁工人进行二次清理，捡取障碍物。在现有方式中，若移动机器人的工作范围较大，需要清洁工逐一搜寻，工作量大。
技术实现思路
针对现有的技术问题，本专利技术的目的在于提供一种地面障碍物地图标记方法，其具有减轻清洁工后续搜寻障碍物的工作量优点。为实现上述目的，本专利技术提供了如下技术方案：一种地面障碍物地图标记方法，包括：从深度相机中读取彩色图像；利用深度学习训练的识别模型检测识别彩色图像中的障碍物，并基于识别的障碍物生成障碍物边界框；...

【技术保护点】
1.一种地面障碍物地图标记方法，其特征在于：包括：/n从深度相机中读取彩色图像；/n利用深度学习训练的识别模型检测识别彩色图像中的障碍物，并基于识别的障碍物生成障碍物边界框；/n将深度相机中彩色图像的障碍物边界框映射到深度图像中，获取深度图像中的检测边界框；/n基于深度图像中的检测边界框计算出障碍物与机器人之间的深度距离；/n获取机器人在三维坐标系中的位置坐标，并根据深度距离计算获取障碍物在三维坐标系中的位置坐标，将机器人的三维坐标系变换到地图坐标系下，计算得到地图坐标系下的障碍物的位置坐标；/n机器人通讯客户端，将障碍物在地图坐标系下的位置坐标发送至客户端。/n

【技术特征摘要】
1.一种地面障碍物地图标记方法，其特征在于：包括：
从深度相机中读取彩色图像；
利用深度学习训练的识别模型检测识别彩色图像中的障碍物，并基于识别的障碍物生成障碍物边界框；
将深度相机中彩色图像的障碍物边界框映射到深度图像中，获取深度图像中的检测边界框；
基于深度图像中的检测边界框计算出障碍物与机器人之间的深度距离；
获取机器人在三维坐标系中的位置坐标，并根据深度距离计算获取障碍物在三维坐标系中的位置坐标，将机器人的三维坐标系变换到地图坐标系下，计算得到地图坐标系下的障碍物的位置坐标；
机器人通讯客户端，将障碍物在地图坐标系下的位置坐标发送至客户端。


2.根据权利要求1所述的地面障碍物地图标记方法，其特征在于：所述深度相机设置于移动机器人的前侧的下方。


3.根据权利要求1所述的地面障碍物地图标记方法，其特征在于：所述识别模型包括数据集，所述数据集中包括70%的训练集、15%的验证集和15%的测试集。


4.根据权利要求1所述的地面障碍物地图标记方法，其特征在于：利用所述识别模型比对彩色图像，当彩色图像的置信度超过预设置信度值时，彩色图像被识别为存在障碍物。


5.根...

【专利技术属性】
技术研发人员：许少强，向良华，董敏杰，潘何浩，罗方龙，陈兆先，
申请(专利权)人：弗徕威智能机器人科技上海有限公司，
类型：发明
国别省市：上海;31