一种障碍物检测方法、障碍物检测装置及机器人制造方法及图纸

本申请适用于机器人领域，公开了一种障碍物检测方法、障碍物检测装置、机器人及计算机可读存储介质。其中，该方法包括：获取机器人在移动方向上的环境深度图；基于所述环境深度图构建环境三维模型，其中，所述环境三维模型由三角形网格表示；在所述环境三维模型中筛选出目标平坦区域，其中，所述目标平坦区域为所述环境三维模型中面积最大的平坦区域；将除所述目标平坦区域之外的每个三角形网格分别与所述目标平坦区域进行比对，确定组成障碍物边界的目标三角形网格；根据所述目标三角形网格，生成最小包围框，所述最小包围框用于表示障碍物。通过本申请方案，可提升障碍物检测的准确率，减少出现机器人因障碍物而跌倒的情况。

【技术实现步骤摘要】
一种障碍物检测方法、障碍物检测装置及机器人
本申请属于机器人
，尤其涉及一种障碍物检测方法、障碍物检测装置、机器人及计算机可读存储介质。
技术介绍
障碍物检测是机器人的路径规划中非常重要的部分。在机器人的自主导航过程中，需有效避开障碍物，才可保持机器人持续前进。目前，空间中的大障碍物可通过机器人的距离传感器(例如雷达等)进行检测；而对于空间中的小障碍物来说，由于其有着与地面贴合程度高且尺寸小的特点，导致检测较为困难。当机器人踏上未检测到的小障碍物时，可能出现机器人跌倒的情况，一方面容易损伤价格昂贵的机器人，另一方面安全隐患极大。
技术实现思路
本申请提供了一种障碍物检测方法、障碍物检测装置、机器人及计算机可读存储介质，可基于视觉实现对贴合地面的各种尺寸的障碍物的检测，提升检测准确度，减少出现机器人因障碍物而跌倒的情况。第一方面，本申请提供了一种障碍物检测方法，包括：获取机器人在移动方向上的环境深度图；基于上述环境深度图构建环境三维模型，其中，上述环境三维模型由三角形网格表示；在上述环境三本文档来自技高网...

【技术保护点】
1.一种障碍物检测方法，其特征在于，包括：/n获取机器人在移动方向上的环境深度图；/n基于所述环境深度图构建环境三维模型，其中，所述环境三维模型由三角形网格表示；/n在所述环境三维模型中筛选出目标平坦区域，其中，所述目标平坦区域为所述环境三维模型中面积最大的平坦区域；/n将除所述目标平坦区域之外的每个三角形网格分别与所述目标平坦区域进行比对，确定组成障碍物边界的目标三角形网格；/n根据所述目标三角形网格，生成最小包围框，所述最小包围框用于表示障碍物。/n

【技术特征摘要】
1.一种障碍物检测方法，其特征在于，包括：
获取机器人在移动方向上的环境深度图；
基于所述环境深度图构建环境三维模型，其中，所述环境三维模型由三角形网格表示；
在所述环境三维模型中筛选出目标平坦区域，其中，所述目标平坦区域为所述环境三维模型中面积最大的平坦区域；
将除所述目标平坦区域之外的每个三角形网格分别与所述目标平坦区域进行比对，确定组成障碍物边界的目标三角形网格；
根据所述目标三角形网格，生成最小包围框，所述最小包围框用于表示障碍物。


2.如权利要求1所述的障碍物检测方法，其特征在于，所述在所述环境三维模型中筛选出平坦区域，包括：
计算所述环境三维模型中各个三角形网格的法线及曲率；
基于各个三角形网格的法线及曲率进行聚类，得到至少一个平坦区域；
计算各个平坦区域的面积，以将面积最大的平坦区域确定为目标平坦区域。


3.如权利要求2所述的障碍物检测方法，其特征在于，所述基于各个三角形网格的法线及曲率进行聚类，得到至少一个平坦区域，包括：
将曲率最小的三角形网格确定为初始的种子网格；
检测所述种子网格的邻域网格的法线是否满足预设的法线条件，并检测所述种子网格的邻域网格的曲率是否满足预设的曲率条件；
若所述邻域网格的法线满足所述法线条件，则将所述邻域网格加入至初始的种子网格所在的当前区域，以实现所述当前区域的更新；
若所述邻域网格的曲率满足所述曲率条件，则将所述邻域网格确定为新的种子网格，并返回执行所述检测所述种子网格的邻域网格的法线是否满足预设的法线条件，并检测所述种子网格的邻域网格的曲率是否满足预设的曲率条件的步骤及后续步骤，直至无法产生新的种子网格为止；
将更新后的所述当前区域确定为一个平坦区域。


4.如权利要求3所述的障碍物检测方法，其特征在于，所述检测所述种子网格的邻域网格的法线是否满足预设的法线条件，包括：
计算所述邻域网格的法线与所述种子网格的法线之间的第一夹角；
检测所述第一夹角是否小于预设的第一夹角阈值；
若所述第一夹角小于所述第一夹角阈值，则确定所述邻域网格的法线满足所述法线条件。


5.如权利要求3所述的障碍物检测方法，其特征在于，所述检测所述种子网格的邻域网格的...

【专利技术属性】
技术研发人员：罗志平，刘翔，程骏，庞建新，熊友军，
申请(专利权)人：深圳市优必选科技股份有限公司，
类型：发明
国别省市：广东;44