一种移动机器人的避障方法、装置、机器人及存储介质制造方法及图纸

本发明专利技术实施例公开了一种移动机器人的避障方法、装置、机器人及存储介质。该方法包括：获取移动机器人前方的单目视觉图像；将单目视觉图像中间预设大小的第一区域图像输入深度神经网络，以获得第一区域图像对应的深度灰度图；在深度灰度图中提取障碍物的边界，并确定障碍物与移动机器人之间的距离；根据障碍物的边界以及障碍物的距离确定移动机器人下一时刻的运动状态。本发明专利技术实施例所提供的技术方案，保证了避障处理的速度，提高了基于单目视觉处理方式进行避障的准确率，还可以尽可能的按照原始预定的路径规划，以尽可能的完成原有设定的移动任务。

【技术实现步骤摘要】
一种移动机器人的避障方法、装置、机器人及存储介质
本专利技术实施例涉及机器人
，尤其涉及一种移动机器人的避障方法、装置、机器人及存储介质。
技术介绍
移动机器人是具有感知、思维和行动功能的机器，在多种领域中发挥了重要的作用，如清洁机器人和探测机器人等等，移动机器人技术的成熟也推动了相关领域的快速发展。而避障问题一直是机器人领域研究的热点和重点，要实现机器人的自主作业，就必须能够避障。目前常采用的障碍物检测手段是通过传感器获取外界环境信息，然后进行相关的算法处理以得到障碍物的具体位置，这类传感器主要包括激光、雷达、超声波、红外和视觉传感器等。但在实际的使用中，激光、雷达、超声波及红外传感器发射的脉冲相互间容易受到干扰，且反射波的周期较长，实时性较差，不利于高速移动的机器人进行实时避障。而使用视觉传感器进行的障碍物检测主要包括单目视觉、双目视觉和多目视觉等计算机视觉处理方式，其中通过单目视觉处理方式目前还不能非常准确及时的确定障碍物，而双目视觉和多目视觉等处理方式又存在着实时性差且计算复杂等缺点，会带来信息处理速度延长的问题，这种情况下对于移动机器人的实时避障要求将很难满足。
技术实现思路
本专利技术实施例提供一种移动机器人的避障方法、装置、机器人及存储介质，以在保证避障处理及时性的基础上，提高基于单目视觉处理方式进行避障的准确率。第一方面，本专利技术实施例提供了一种移动机器人的避障方法，该方法包括：获取移动机器人前方的单目视觉图像；将所述单目视觉图像中间预设大小的第一区域图像输入深度神经网络，以获得所述第一区域图像对应的深度灰度图；在所述深度灰度图中提取障碍物的边界，并确定所述障碍物与所述移动机器人之间的距离；根据所述障碍物的边界以及所述障碍物的距离确定所述移动机器人下一时刻的运动状态。第二方面，本专利技术实施例还提供了一种移动机器人的避障装置，该装置包括：原始图像获取模块，用于获取移动机器人前方的单目视觉图像；灰度图获取模块，用于将所述单目视觉图像中间预设大小的第一区域图像输入深度神经网络，以获得所述第一区域图像对应的深度灰度图；障碍物确定模块，用于在所述深度灰度图中提取障碍物的边界，并确定所述障碍物与所述移动机器人之间的距离；运动状态确定模块，用于根据所述障碍物的边界以及所述障碍物的距离确定所述移动机器人下一时刻的运动状态。第三方面，本专利技术实施例还提供了一种移动机器人，该移动机器人包括：一个或多个处理器；存储器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本专利技术任意实施例所提供的移动机器人的避障方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本专利技术任意实施例所提供的移动机器人的避障方法。本专利技术实施例提供了一种移动机器人的避障方法，首先获取移动机器人前方的单目视觉图像，然后将该单目视觉图像中间预设大小的第一区域图像输入深度神经网络以获得第一区域图像对应的深度灰度图，再在该深度灰度图中提取障碍物的边界，并确定障碍物与移动机器人之间的距离，则可以根据该障碍物的边界和距离确定移动机器人下一时刻的运动状态。本专利技术实施例所提供的避障方法，通过使用单目视觉图像处理信息，保证了避障处理的速度，通过使用深度神经网络来挖掘单目视觉图像中的障碍物信息，提高了基于单目视觉处理方式进行避障的准确率，而且通过深度神经网络确定出障碍物的边界和距离，并根据该障碍物的边界和距离进行避障，还可以尽可能的按照原始预定的路径规划，以尽可能的完成原有设定的移动任务。附图说明图1为本专利技术实施例一提供的移动机器人的避障方法的流程图；图2为本专利技术实施例二提供的移动机器人的避障方法的流程图；图3为本专利技术实施例三提供的移动机器人的避障装置的结构示意图；图4为本专利技术实施例四提供的移动机器人的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。实施例一图1为本专利技术实施例一提供的移动机器人的避障方法的流程图。本实施例可适用于各种移动机器人在执行任务的移动过程中躲避障碍物以防止碰撞的情况，该方法可以由本专利技术实施例提供的移动机器人的避障装置来执行，该装置可以由硬件和/或软件的方式来实现，一般可集成于各种移动机器人中。如图1所示，具体包括如下步骤：S11、获取移动机器人前方的单目视觉图像。其中，单目视觉图像可以是通过单目摄像头按照一定频率拍摄到的移动机器人运行方向前方的原始RGB图像，然后即可通过接收单目摄像头发布的图像信息来获取到该单目视觉图像。单目摄像头可以固定在移动机器人上便于拍摄前方图像的位置，如移动机器人的前侧或上侧等，对此在本实施例中不作具体的限制。S12、将单目视觉图像中间预设大小的第一区域图像输入深度神经网络，以获得第一区域图像对应的深度灰度图。其中，第一区域图像可以是完整的单目视觉图像，也可以是单目视觉图像中的一部分，示例性的，可以将单目视觉图像沿着水平方向从左至右分为三个部分，然后取中间区域的图像作为第一区域图像，以便更好的对移动机器人运行方向前方的障碍物进行分析。优选的，第一区域图像可以是单目视觉图像正中间区域的图像，且面积为整张单目视觉图像面积的三分之二，从而在保证检测到前方所有可能碰撞的障碍物的基础上，尽可能的节约计算时间。在获取到第一区域图像之后，即可将第一区域图像作为感兴趣区域输入深度神经网络，并利用该深度神经网络输出第一区域图像对应的深度灰度图。其中，深度灰度图的大小可以根据第一区域图像的大小尽可能等比例的进行设置来减小障碍物的形变，示例性的，第一区域图像的大小为640×480，则深度灰度图的大小可以设置为160×128。深度灰度图中每个像素点的大小可以表示该像素点可代表的障碍物的距离信息，每个像素点的坐标可以表示该像素点可代表的障碍物的方向信息。S13、在深度灰度图中提取障碍物的边界，并确定障碍物与移动机器人之间的距离。在得到深度灰度图之后，即得到了每个像素点的距离和方向，则可以将距离接近的像素点进行分组，每组即可表示同一障碍物，然后即可确定每个障碍物大致的边界范围。具体的，可以首先确定深度灰度图中每列上的灰度值总和，以得到深度灰度图的映射图，其中，灰度值总和较大本文档来自技高网...

【技术保护点】
1.一种移动机器人的避障方法，其特征在于，包括：/n获取移动机器人前方的单目视觉图像；/n将所述单目视觉图像中间预设大小的第一区域图像输入深度神经网络，以获得所述第一区域图像对应的深度灰度图；/n在所述深度灰度图中提取障碍物的边界，并确定所述障碍物与所述移动机器人之间的距离；/n根据所述障碍物的边界以及所述障碍物的距离确定所述移动机器人下一时刻的运动状态。/n

【技术特征摘要】
1.一种移动机器人的避障方法，其特征在于，包括：
获取移动机器人前方的单目视觉图像；
将所述单目视觉图像中间预设大小的第一区域图像输入深度神经网络，以获得所述第一区域图像对应的深度灰度图；
在所述深度灰度图中提取障碍物的边界，并确定所述障碍物与所述移动机器人之间的距离；
根据所述障碍物的边界以及所述障碍物的距离确定所述移动机器人下一时刻的运动状态。


2.根据权利要求1所述的移动机器人的避障方法，其特征在于，在所述深度灰度图中提取障碍物的边界，并确定所述障碍物与所述移动机器人之间的距离之前，还包括：
对所述深度灰度图中的信息进行过滤，保留在所述移动机器人前方预设距离内的像素点。


3.根据权利要求1所述的移动机器人的避障方法，其特征在于，所述根据所述障碍物的边界以及所述障碍物的距离确定所述移动机器人下一时刻的运动状态，包括：
若所述障碍物的距离小于等于距离阈值，则根据所述障碍物的边界以及所述障碍物的距离确定所述移动机器人下一时刻的运动方向和运动速度；
若所述障碍物的距离大于所述距离阈值，则保持当前的运动状态。


4.根据权利要求1所述的移动机器人的避障方法，其特征在于，在所述将所述单目视觉图像中间预设大小的第一区域图像输入深度神经网络，以获得所述第一区域图像对应的深度灰度图之前，还包括：
将所述单目视觉图像沿水平方向从左至右分为第二区域图像、第三区域图像和第四区域图像，并计算所述第三区域图像的熵值；
确定所述第三区域图像的熵值大于第一熵值阈值。


5.根据权利要求4所述的移动机器人的避障方法，其特征在于，在所述计算第三区域图像的熵值之后，还包括：
若所述第三区域图像的熵值小于等于所述第一熵值阈值，则根据所述第二区域图像的连续图像序列确定所述第二区域图像中各像素点的碰撞时间，根据所述第四区域图像的连续图像序列确定所述第四区域图像中各像...

【专利技术属性】
技术研发人员：郭倩，何鹏，林镇清，赵雷，朱斌忠，
申请(专利权)人：深圳市丹芽科技有限公司，
类型：发明
国别省市：广东;44