一种障碍物检测方法、移动机器人及机器可读存储介质技术

本申请提供一种障碍物检测方法、移动机器人及机器可读存储介质，该方法包括：通过激光传感器采集目标场景的激光数据，通过图像传感器采集目标场景的图像数据；基于所述激光数据确定所述目标场景的目标物体的第一特征信息；基于所述图像数据确定所述目标场景的候选物体的第二特征信息；基于第一特征信息和第二特征信息确定所述目标物体是否为障碍物。通过本申请的技术方案，能够基于激光数据和图像数据准确检测到目标场景下的障碍物，更好的进行障碍物检测与避障，极大的提升障碍物检测的准确性，在减小误报的前提下，极大的降低移动机器人和障碍物发生碰撞的可能性，实现避障功能。实现避障功能。实现避障功能。

【技术实现步骤摘要】
一种障碍物检测方法、移动机器人及机器可读存储介质


[0001]本申请涉及移动机器人领域，尤其是涉及一种障碍物检测方法、移动机器人及机器可读存储介质。

技术介绍

[0002]近年来，各种类型的移动机器人，在技术和市场方面发展迅猛，移动机器人是自动执行工作的机器装置，是依靠自身动力和控制能力来实现各种功能的机器。移动机器人可以接受人类指挥，也可以运行预先编排的程序，还可以根据以人工智能制定的策略行动。例如，用户使用手动遥控器控制移动机器人执行相关操作，如使用手动遥控器通过无线方式向移动机器人下发操作命令，移动机器人接收到操作命令后，执行该操作命令指定的操作，从而完成相关功能。
[0003]移动机器人在目标场景下移动时，能够在移动过程中对自身进行定位，并在自身定位的基础上构建增量地图。而且，在移动机器人的移动过程中，移动机器人需要检测目标场景下的障碍物，并基于障碍物的位置进行避障操作。
[0004]为了检测目标场景下的障碍物，移动机器人需要部署图像传感器，通过图像传感器采集目标场景的RGB图像，并基于RGB图像检测目标场景下的障碍物。但是，通过RGB图像检测障碍物时，会存在误检，比如说，光照影响会导致将光影识别为障碍物，从而导致无法准确检测到目标场景下的障碍物。

技术实现思路

[0005]本申请提供一种障碍物检测方法，应用于包括激光传感器和图像传感器的移动机器人，所述激光传感器用于采集目标场景的激光数据，所述图像传感器用于采集所述目标场景的图像数据，所述方法包括：
[0006]基于所述激光数据确定所述目标场景的目标物体的第一特征信息；
[0007]基于所述图像数据确定所述目标场景的候选物体的第二特征信息；
[0008]基于第一特征信息和第二特征信息确定所述目标物体是否为障碍物。
[0009]本申请提供一种移动机器人，包括：
[0010]激光传感器，用于采集目标场景的激光数据；
[0011]图像传感器，用于采集所述目标场景的图像数据；
[0012]处理器，用于基于所述激光数据确定所述目标场景的目标物体的第一特征信息；基于所述图像数据确定所述目标场景的候选物体的第二特征信息；基于所述第一特征信息和所述第二特征信息确定所述目标物体是否为障碍物。
[0013]本申请提供一种移动机器人，包括：处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令；其中，所述处理器用于执行机器可执行指令，以实现本申请上述示例的障碍物检测方法。
[0014]本申请提供一种机器可读存储介质，所述机器可读存储介质上存储有若干计算机
指令，所述计算机指令被处理器执行时，能够实现本申请上述示例的障碍物检测方法。
[0015]由以上技术方案可见，本申请实施例中，可以通过激光传感器采集目标场景的激光数据，并通过图像传感器采集目标场景的图像数据，基于激光数据和图像数据准确检测到目标场景下的障碍物，即针对激光传感器和图像传感器进行障碍物检测的融合，从而更好的进行障碍物检测与避障，极大的提升障碍物检测的准确性，在减小误报的前提下，极大的降低移动机器人和障碍物发生碰撞的可能性，更好的实现避障功能。结合激光传感器和图像传感器的优点，能够实现稠密、精确的障碍物深度估计。利用图像数据可以克服激光数据的检测缺陷，如难以较好检测低矮障碍物、黑色障碍物等问题，利用激光数据可以克服图像数据的缺陷，如光照影响导致将光影识别为障碍物等问题。
附图说明
[0016]为了更加清楚地说明本申请实施例或者现有技术中的技术方案，下面将对本申请实施例或者现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据本申请实施例的这些附图获得其他的附图。
[0017]图1是本申请一种实施方式中的障碍物检测方法的流程示意图；
[0018]图2是激光传感器和图像传感器的位置关系示意图；
[0019]图3是本申请一种实施方式中的障碍物检测方法的流程示意图；
[0020]图4A是候选物体的位置坐标框的示意图；
[0021]图4B是候选物体在两帧RGB图像的位置坐标框的示意图；
[0022]图4C是采用三角化方法得到三维坐标的示意图；
[0023]图5是XOY平面的视图；
[0024]图6是本申请一种实施方式中的障碍物检测方法的流程示意图；
[0025]图7是本申请一种实施方式中的障碍物检测方法的流程示意图；
[0026]图8是本申请一种实施方式中的障碍物检测装置的结构示意图；
[0027]图9是本申请一种实施方式中的移动机器人的硬件结构图。
具体实施方式
[0028]在本申请实施例使用的术语仅仅是出于描述特定实施例的目的，而非限制本申请。本申请和权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其它含义。还应当理解，本文中使用的术语“和/或”是指包含一个或多个相关联的列出项目的任何或所有可能组合。
[0029]应当理解，尽管在本申请实施例可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，此外，所使用的词语“如果”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”。
[0030]本申请实施例中提出一种障碍物检测方法，用于检测目标场景是否存在障碍物，可以应用于包括激光传感器和图像传感器的移动机器人，激光传感器用于采集目标场景的
激光数据，图像传感器用于采集目标场景的图像数据，参见图1所示，为该障碍物检测方法的流程示意图，该方法可以包括：
[0031]步骤101、基于激光数据确定目标场景的目标物体的第一特征信息。
[0032]步骤102、基于图像数据确定目标场景的候选物体的第二特征信息。
[0033]步骤103、基于第一特征信息和第二特征信息确定该目标物体是否为障碍物。
[0034]在一种可能的实施方式中，该第一特征信息可以包括目标物体的初始高度和三维坐标，该第二特征信息可以包括候选物体的可疑区域和物体类型，在此基础上，若该初始高度大于第一预设阈值且小于第二预设阈值、且该三维坐标位于该可疑区域内，则可以确定与该物体类型对应的目标高度。进一步的，若该初始高度与该目标高度匹配，则可以确定该目标物体为障碍物；或者，若该初始高度与该目标高度不匹配，则可以确定该目标物体不为障碍物。
[0035]在另一种可能的实施方式中，该第一特征信息可以包括目标物体的回波信号数量和三维坐标，该第二特征信息可以包括候选物体的可疑区域和物体颜色，在此基础上，若基于该回波信号数量确定该目标物体所在的区域本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种障碍物检测方法，其特征在于，应用于包括激光传感器和图像传感器的移动机器人，所述激光传感器用于采集目标场景的激光数据，所述图像传感器用于采集所述目标场景的图像数据，所述方法包括：基于所述激光数据确定所述目标场景的目标物体的第一特征信息；基于所述图像数据确定所述目标场景的候选物体的第二特征信息；基于第一特征信息和第二特征信息确定所述目标物体是否为障碍物。2.根据权利要求1所述的方法，其特征在于，所述第一特征信息包括初始高度和三维坐标，所述第二特征信息包括可疑区域和物体类型，所述基于第一特征信息和第二特征信息确定所述目标物体是否为障碍物，包括：若所述初始高度大于第一预设阈值且小于第二预设阈值、且所述三维坐标位于所述可疑区域内，则确定与所述物体类型对应的目标高度；若所述初始高度与所述目标高度匹配，则确定所述目标物体为障碍物；若所述初始高度与所述目标高度不匹配，则确定所述目标物体不为障碍物。3.根据权利要求1所述的方法，其特征在于，所述第一特征信息包括回波信号数量和三维坐标，所述第二特征信息包括可疑区域和物体颜色，所述基于第一特征信息和第二特征信息确定所述目标物体是否为障碍物，包括：若基于所述回波信号数量确定所述目标物体所在的区域是空洞区域、且所述三维坐标位于所述可疑区域内，则确定所述物体颜色是否为黑色；若所述物体颜色为黑色，则确定所述目标物体为障碍物；若所述物体颜色不为黑色，则确定所述目标物体不为障碍物。4.根据权利要求1所述的方法，其特征在于，所述第一特征信息包括初始高度，所述基于所述激光数据确定所述目标场景的目标物体的第一特征信息之后，所述方法还包括：若所述初始高度不小于第二预设阈值，则确定所述目标物体为障碍物。5.根据权利要求1
‑
4任一项所述的方法，其特征在于，所述基于所述激光数据确定所述目标场景的目标物体的第一特征信息，包括：基于所述激光数据确定所述目标物体的二维坐标和回波信号数量；基于所述二维坐标、所述激光传感器的位姿和所述移动机器人的位姿确定所述目标物体的三维坐标，基于所述三维坐标确定所述目标物体的初始高度；基于所述回波信号数量、三维坐标和初始高度确定所述第一特征信息。6.根据权利要求1
‑
4任一项所述的方法，其特征在于，所述基于所述图像数据确定所述目标场景的候选物体的第二特征信息，包括：将所述图像数据输入给已训练的目标网络模型，得到所述图像数据内的候选物体的位置坐标框、所述候选物体的物体类型和物体颜色；选取所述位置坐标框内的候选特征点，并从所述图像数据前一帧图像的图像数据中选取与所述候选特征点对应的目标特征点；基于所述候选特征点的像素坐标和所述目标特征点的像素坐标确定所述候选特征点对应的三维坐标；基于所述三维坐标确定所述候选物体对应的可疑区域；基于所述可疑区域、物体类型和物体颜色确定所述第二特征信息。
7.根据权利要求6所述的方法，其特征在于，所述位置坐标框内包括多个候选特征点，每个候选特征点对应的三维坐标均包括横轴坐标、纵轴坐标和竖轴坐标，所述基于所述三维坐标确定所述候选物体对应的可疑区域，包括：从所有候选特征点对应的横轴坐标中选取最小横轴坐标和最大横轴坐标，从所有候选特征点对应的纵轴坐标中选取最小纵轴坐标和最大纵轴坐标，从所有候选特征点对应的竖轴坐标中选取最小竖轴坐标和最大竖轴坐标；基于所述最小横轴坐标、最大横轴坐标、最小纵轴坐标、最大纵轴坐标、最小竖轴坐标和最大竖轴坐标，确定所...

【专利技术属性】
技术研发人员：楼力政，
申请(专利权)人：杭州萤石软件有限公司，
类型：发明
国别省市：