本发明专利技术提供了一种斜坡感知方法、装置、机器人和计算机可读存储介质。斜坡感知方法基于激光雷达技术实现，包括下述步骤：将在斜坡临近区域扫描到的所有雷达点进行点云聚类，得到若干点云聚类；从所述若干点云聚类中筛选出疑似斜坡点云聚类；将筛选出的所述疑似斜坡点云聚类中属于直线型的点云聚类确认为斜坡点云聚类，将所述斜坡点云聚类对应的激光雷达扫描区域确认为斜坡。本发明专利技术将机器人配送路径上的斜坡与障碍物区分开来，保证了机器人的正常配送，并且仅在行进至预先标记好的斜坡临近区域时才进行感知，而当机器人不处于斜坡临近区域时则不需要感知，大大减少了计算量，也避免了非斜坡区域的误检测。非斜坡区域的误检测。非斜坡区域的误检测。
【技术实现步骤摘要】
斜坡感知方法、装置、机器人和存储介质
[0001]本专利技术实施例涉及机器人
，尤其涉及一种斜坡感知方法、装置、机器人和计算机可读存储介质。
技术介绍
[0002]物流配送的成本压力使得配送机器人正逐渐应用于送货、送餐等各种短距离配送场景，这种无人化的配送方式不仅可以节约人力成本，还可提高用户的趣味性体验，并在一定程度上保障用户购物的私密性，所以配送机器人在短距离配送中的应用必定会越来越广泛。
[0003]机器人在配送途中可能会遇到障碍物，通常会通过激光雷达技术进行障碍物检测，出于安全考虑，一旦检测到障碍物就会停止前行。但是现实中配送路径上也可能会存在上下坡的情况，如图1所示，当坡度较大时，激光雷达的激光射线会打到斜坡上，使机器人误认为斜坡是障碍物，导致机器人不走或者执行预置的避障处理，这种情况下机器人执行避障又会导致无法走上斜坡而偏离事先确定的配送路线，影响正常配送。同理，当下坡时，由于激光雷达的激光射线会达到斜坡前方的平整路面上，也有可能认为是遇到障碍物而停止前行或进行避障。这种误检测严重影响了机器人的正常配送，亟待改进。
技术实现思路
[0004]本专利技术实施例所要解决的技术问题为如何避免将机器人配送路径上正常的上下坡误检测为障碍物，以致影响配送。
[0005]第一方面，本专利技术实施例提供了一种斜坡感知方法，所述斜坡感知方法基于激光雷达技术实现，包括下述步骤：将在斜坡临近区域扫描到的所有雷达点进行点云聚类，得到若干点云聚类；从所述若干点云聚类中筛选出疑似斜坡点云聚类；将筛选出的所述疑似斜坡点云聚类中属于直线型的点云聚类确认为斜坡点云聚类，将所述斜坡点云聚类对应的激光雷达扫描区域确认为斜坡。
[0006]第二方面，本专利技术实施例提供了一种斜坡感知装置，包括：聚类单元，用于将在斜坡临近区域扫描到的所有雷达点进行点云聚类，得到若干点云聚类；筛选单元，用于从所述若干点云聚类中筛选出疑似斜坡点云聚类；斜坡确认单元，用于将筛选出的所述疑似斜坡点云聚类中属于直线型的点云聚类确认为斜坡点云聚类，将所述斜坡点云聚类对应的激光雷达扫描区域确认为斜坡。
[0007]第三方面，本专利技术实施例提供了一种机器人，包括：存储器和处理器；所述存储器存储有可执行程序代码；与所述存储器耦合的所述处理器，调用所述存储器中存储的所述可执行程序代码，执行如第一方面所述的斜坡感知方法。
[0008]第四方面，本专利技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如第一方面所述的斜坡感知方法。
[0009]上述各方面提供的本专利技术实施例中，首先将在所述斜坡临近区域扫描到的所有雷
达点进行点云聚类，然后最终从中筛选出疑似斜坡点云聚类，再进一步从疑似斜坡点云聚类得到斜坡点云聚类，将所述斜坡点云聚类对应的激光雷达扫描区域确认为斜坡，从而可以将机器人配送路径上的斜坡与障碍物区分开来，保证了机器人的正常配送，并且仅在行进至预先标记好的斜坡临近区域时才进行感知，而当机器人不处于斜坡临近区域时则不需要感知，大大减少了计算量，也避免了非斜坡区域的误检测。
附图说明
[0010]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0011]图1为现有技术提供的机器人爬坡时的激光射线的光路图；
[0012]图2为本专利技术第一实施例提供的斜坡感知方法的流程示意图；
[0013]图3为本专利技术第一实施例提供的聚类效果图；
[0014]图4为本专利技术第二实施例提供的斜坡感知方法的流程示意图；
[0015]图5为本专利技术第三实施例提供的斜坡感知方法的流程示意图；
[0016]图6为本专利技术第四实施例提供的斜坡感知装置的结构图；
[0017]图7为本专利技术第四实施例提供的聚类单元的结构图；
[0018]图8为本专利技术第四实施例提供的斜坡确认单元的结构图；
[0019]图9为本专利技术第五实施例提供的机器人的结构示意图。
具体实施方式
[0020]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0021]本专利技术实施例基于激光雷达雷达技术实现，首先将在所述斜坡临近区域扫描到的所有雷达点进行点云聚类，然后最终从中筛选出疑似斜坡点云聚类，再进一步从疑似斜坡点云聚类得到斜坡点云聚类，将所述斜坡点云聚类对应的激光雷达扫描区域确认为斜坡。
[0022]图2为本专利技术第一实施例提供的斜坡感知方法的流程示意图。此斜坡感知方法基于激光雷达技术实现，主要适用于酒店、餐厅等场所内的配送机器人，还可适用于在物流园区等固定场所内运行的送货机器人甚至自动驾驶汽车。如图2所示，该方法具体包括：
[0023]S101、将在斜坡临近区域扫描到的所有雷达点进行点云聚类，得到若干点云聚类。
[0024]斜坡临近区域是指在斜坡附近预置范围内且包含斜坡的区域，本实施例中，只在智能设备行进至斜坡临近区域时才进行斜坡感知，在斜坡临近区域之外行进时不需要感知斜坡而正常行进，有助于大大减少计算量，避免在非斜坡临近区域由于器件的误判而出现误感知。
[0025]斜坡临近区域可以通过多种方式确定，如在智能设备行进过程中采用RGBD相机识别是否行进至斜坡临近区域，又如采用三维激光雷达/多线激光雷达识别是否行进至斜坡
临近区域，还可以是预先对斜坡临近区域进行标记，得到斜坡临近区域的位置。
[0026]以预先标记斜坡临近区域的方式为例，可以是安装人员在安装机器人等智能设备时，预先在机器人等智能设备上记录行进路线上所有斜坡在世界坐标系的位置明细{(x1,y1),(x2,y2),(x3,y3),...,(xn,yn)}，然后将距离各斜坡位置坐标一定范围内的区域视作斜坡临近区域，最终得到n个斜坡临近区域。具体地，对于每个斜坡，以记录的斜坡位置坐标为圆心、以预置的半径创建圆形区域作为斜坡临近区域，再将所有的斜坡临近区域预先标记在所建的地图中，其中，地图可用于导航、建模、探测、定位等方面。
[0027]这种斜坡邻近区域的标记方式较为简单直接，当然也可以采用其他的方式来标记斜坡临近区域，例如，当将要行进至标记的斜坡位置坐标时，该坐标面对行进方向之间的类似半圆区域可以作为斜坡临近区域，因为机器人爬坡或下坡时只需考虑这半边的情况。
[0028]在斜坡临近区域内，机器人不仅会面临斜坡，也可能会面临人、物等障碍，需要区分出来以采取对应的策略，例如当确认前方是斜坡时，可以直行，当确认前方存在本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种斜坡感知方法，其特征在于，所述斜坡感知方法基于激光雷达技术实现，包括下述步骤：将在斜坡临近区域扫描到的所有雷达点进行点云聚类，得到若干点云聚类；从所述若干点云聚类中筛选出疑似斜坡点云聚类；将筛选出的所述疑似斜坡点云聚类中属于直线型的点云聚类确认为斜坡点云聚类，将所述斜坡点云聚类对应的激光雷达扫描区域确认为斜坡。2.根据权利要求1所述的方法，其特征在于，还包括：将所述斜坡点云聚类中的雷达点从在所述斜坡临近区域扫描到的所有雷达点中过滤掉。3.根据权利要求1所述的方法，其特征在于，在所述将在所述斜坡临近区域扫描到的所有雷达点进行点云聚类，得到若干点云聚类的步骤之前，所述斜坡感知方法还包括下述步骤：记录行进路线上所有斜坡的位置坐标；对于每个斜坡，以记录的位置坐标为圆心、以预置的半径创建圆形区域作为斜坡临近区域；将所有的斜坡临近区域预先标记在创建的地图中。4.根据权利要求1所述的方法，其特征在于，所述将在所述斜坡临近区域扫描到的所有雷达点进行点云聚类，包括：从在所述斜坡临近区域扫描到的所有雷达点中随机选择一个雷达点作为区域生长的种子点；将所述种子点预置距离范围内搜寻到的一级非种子雷达点与所述种子雷达点归至一个点云聚类；以所述一级非种子雷达点为开始，以搜寻预置距离范围内雷达点的方式进行逐级搜寻，直至在预置距离范围内无雷达点，然后将搜寻的各级非种子雷达点也归至同一个点云聚类；若存在未归类的雷达点，则从未归类的雷达点中随机选择一个作为新的种子点，然后重复上述搜寻的步骤，直至所有的雷达点全部完成点云聚类。5.根据权利要求1所述的方法，其特征在于，所述从所述若干点云聚类中筛选出疑似斜坡点云聚类，包括：将所述若干点云聚类中雷达点数量大于预置的数量阈值的点云聚类确认为疑似...
【专利技术属性】
技术研发人员：朱俊安，张涛，
申请(专利权)人：深圳市普渡科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。