一种基于激光数据的门姿态检测方法技术

本发明专利技术公开了一种基于激光数据的门姿态检测方法、存储介质以及机器人，包括如下步骤：S1、获取原始激光数据；S2、将所述原始激光数据输入中卷积神经模型检测得到门的相关位置信息，其中，所述位置信息包含中心点、长宽和角度信息；S3、对所述门相关位置信息进行姿态检测得到姿态信息，其中，所述姿态信息包括朝向和宽度，基于本技术方案，机器人在电梯厅的移动过程中即可在线得到电梯的位置、入口朝向等信息，极大有助于机器人的进梯策略，且电梯门宽度的先验知识可辅助机器人进电梯过程中的运动控制。

【技术实现步骤摘要】
一种基于激光数据的门姿态检测方法
本专利技术涉及图像识别
，尤其涉及一种基于激光数据的门姿态检测方法、存储介质以及机器人。
技术介绍
现有的手工标定法，带来的人工成本和时间代价会很高，虽然精度有一定的保证，但是和花费的时间精力并不成正比，而且对于朝向角等角度信息没有很好的测量方法，不是明智的选择。本技术方案利用检测模型对激光图像中门的位置实现准确检测，利用姿态检测模块可以在线地给出激光门的姿态信息，在人工和时间成本上都较现有技术方案低很多，且基于激光图像可以得到更加丰富的姿态位置信息，便于后续任务的使用。
技术实现思路
本专利技术解决上述技术问题的技术方案如下：一种基于激光数据的门姿态检测方法，包括步骤如下：S1、获取原始激光数据；S2、将所述原始激光数据输入中卷积神经模型检测得到门的相关位置信息，其中，所述位置信息包含中心点、长宽和角度信息；S3、对所述门相关位置信息进行姿态检测得到姿态信息，其中，所述姿态信息包括朝向和宽度。进一步地，所述步骤S2的具体步骤包括：门线检本文档来自技高网...

【技术保护点】
1.一种基于激光数据的门姿态检测方法，其特征在于，包括步骤如下：/nS1、获取原始激光数据；/nS2、将所述原始激光数据输入中卷积神经模型检测得到门的相关位置信息，其中，所述位置信息包含中心点、长宽和角度信息；/nS3、对所述门相关位置信息进行姿态检测得到姿态信息，其中，所述姿态信息包括朝向和宽度。/n

【技术特征摘要】
1.一种基于激光数据的门姿态检测方法，其特征在于，包括步骤如下：
S1、获取原始激光数据；
S2、将所述原始激光数据输入中卷积神经模型检测得到门的相关位置信息，其中，所述位置信息包含中心点、长宽和角度信息；
S3、对所述门相关位置信息进行姿态检测得到姿态信息，其中，所述姿态信息包括朝向和宽度。


2.根据权利要求1所述的一种基于激光数据的门姿态检测方法，其特征在于，所述步骤S2的具体步骤包括：
门线检测、朝向角计算、更新门线、宽度检测和输出姿态，其中，所述更新门线步骤为可选步骤。


3.根据权利要求1所述的基于卷积神经网络的任意角度激光门检测方法，其特征在于，在进行门线检测时，首先会将检测模型输出的激光图像的倾斜位置框转换为最小外接矩形；
基于外接矩形对激光图像进行裁剪，接着在裁剪到的图像块中使用霍夫变换算法检测直线。
需要预设一些限制条件对直线检测可靠性性进行判断，其中，所述限制条件包括激光门的角度和门框的宽度先验知识；
在直线检测完之后，再将线段的端点转换为原始图像的坐标。


4.根据权利要求3所述的基于卷积神经网络的任意角度激光门检测方法，其特征在于，若直线角度与激光门倾斜位置框角度相差超过阈值θthresh时，则视为误检；若直线的像素长度小于一定阈值disthresh时，则丢弃之。


5.根据权利要求1所述的基于卷积神经网络的任意角度激光门检测方法，其特征在于，获取特征曲线的倾斜框位置后；根据几何关系计算出特征曲线的朝向角度。


6.根据权利要求5所述的基于卷积神经网络的任意角度激光门检测方...

【专利技术属性】
技术研发人员：李承政，赵明，
申请(专利权)人：上海有个机器人有限公司，
类型：发明
国别省市：上海;31