障碍物的检测方法、装置、计算机可读存储介质和处理器制造方法及图纸

本申请提供了一种障碍物的检测方法、装置、计算机可读存储介质和处理器，该方法包括：获取待识别点云，待识别点云为深度相机视野内物体的点云；根据待识别点云实时计算地面平面方程，地面平面方程为当前地面在机器人坐标系下的方程；将地面平面方程对应的平面沿机器人坐标系的Z轴的正方向移动第一预定值，得到分割平面；根据分割平面确定预备障碍物点云，预备障碍物点云为位于分割平面靠近机器人坐标系的Z轴的正方向的一侧的待识别点云；对预备障碍物点云进行识别，确定障碍物点云，障碍物点云为标定为障碍物的点云。该方法解决了现有技术中地面平面方程可靠度低导致障碍物漏检和误检的问题。和误检的问题。和误检的问题。

Obstacle detection method, device, computer readable storage medium and processor

【技术实现步骤摘要】
障碍物的检测方法、装置、计算机可读存储介质和处理器


[0001]本申请涉及点云处理
，具体而言，涉及一种障碍物的检测方法、装置、计算机可读存储介质和处理器。

技术介绍

[0002]当前制造业工厂都在往自动化、智能化方向发展，在某些场景中，AGV替代了传统人工搬运的角色。AGV属于一种特定场景的小型自动驾驶设备，其需要检测周围环境的状态，当前AGV的感知成为不可或缺的角色。在工厂车间或仓库中，其环境很难做到一成不变，AGV规划的路径上可能存在各种未知的障碍物，感知层需要及时准确地将AGV附近的这些障碍物识别出来。常见的AGV的外部环境感知传感器有激光雷达、声纳、单目相机、双目相机和深度相机等，这些传感器充当着AGV的眼睛和耳朵，在保障AGV安全工作中起到了关键性的作用。
[0003]许多工厂、商场都配备了AGV或者其他智能机器人，近年来因机器人感知的缺失或者感知的低准确性造成机器人损伤、或者人员损伤的案例层出不穷。为减少此类现象的发生，需要配备可以感知稠密环境信息的传感器，深度相机作为一种高感知、低成本的传感器，其可以获取相机前方较大范围的稠密点云数据。
[0004]室内场景多使用单线激光雷达、其感知范围仅在一个平面上，对不在其测量范围上的障碍物基本无效。声纳定位精度低，感知范围小。单目相机没有尺度信息，难以感知障碍物的真实空间位置。双目相机对无纹理的障碍物检测效果差、计算资源耗费高、测量精度随距离增长有大幅度衰减。深度相机具有体积小、功耗低、测量范围广、测量精度高等特点已广泛用于机器人上。/>[0005]现有利用深度相机检测障碍物的技术也存在一定缺陷，如：1、只判定高于某个固定平面的点云作为障碍物，若相机随车存在抖动或相机的外参发生变化，则会存在漏检和误检的风险。2、相机本身点云成像特点，在默认场景下可能存在一些较差的数据，如TOF相机多路径问题造成地面弯曲或反射率问题造成的地面标签点云和地面点云不在同一平面。现有方法未能很好的处理深度相机因特殊外界环境造成的数据误差。
[0006]在
技术介绍
部分中公开的以上信息只是用来加强对本文所描述技术的
技术介绍
的理解，因此，
技术介绍
中可能包含某些信息，这些信息对于本领域技术人员来说并未形成在本国已知的现有技术。

技术实现思路

[0007]本申请的主要目的在于提供一种障碍物的检测方法、装置、计算机可读存储介质和处理器，以解决现有技术中地面平面方程可靠度低导致障碍物漏检和误检的问题。
[0008]根据本专利技术实施例的一个方面，提供了一种障碍物的检测方法，机器人包括深度相机，所述方法包括：获取待识别点云，所述待识别点云为所述深度相机视野内物体的点云；根据所述待识别点云实时计算地面平面方程，所述地面平面方程为当前地面在机器人
坐标系下的方程；将所述地面平面方程对应的平面沿所述机器人坐标系的Z轴的正方向移动第一预定值，得到分割平面；根据所述分割平面确定预备障碍物点云，所述预备障碍物点云为位于所述分割平面靠近所述机器人坐标系的Z轴的正方向的一侧的所述待识别点云；对所述预备障碍物点云进行识别，确定障碍物点云，所述障碍物点云为标定为障碍物的点云。
[0009]可选地，根据所述待识别点云实时计算地面平面方程，包括：获取先验平面方程，所述先验平面方程为所述机器人在平地上时地面在机器人坐标系下的方程，所述先验平面方程对应的平面与所述机器人坐标系的Z轴垂直；根据所述先验平面方程确定分割面候选区域，所述分割面候选区域为所述机器人坐标系中第一平面和第二平面之间的区域，所述第一平面为所述先验平面方程对应的平面沿所述机器人坐标系的Z轴的正方向移动第二预定值得到的，所述第二平面为所述先验平面方程对应的平面沿所述机器人坐标系的Z轴的负方向移动所述第二预定值得到的，所述机器人坐标系的Z轴的正方向为高度升高的方向；根据所述分割面候选区域内的所述待识别点云确定最大平面方程，所述最大平面方程为所述分割面候选区域内所述待识别点云形成的最大平面在机器人坐标系下的方程；根据所述先验平面方程和所述最大平面方程确定所述地面平面方程。
[0010]可选地，根据所述分割面候选区域内的所述待识别点云确定最大平面方程，包括：将所述分割面候选区域划分为多个第一单元格，所述第一单元格为边长为第一长度的正方体；将各所述第一单元格内的所述待识别点云进行采样，得到多个预备采样点，所述预备采样点的坐标为所述第一单元格内的所述待识别点云的任意一个点的坐标；将所述分割面候选区域划分为多个第二单元格，所述第二单元格为边长为第二长度的正方体，所述第二长度大于所述第一长度；将所述第二单元格内的所述采样点进行二次采样，得到多个采样点，所述采样点为所述第二单元格内的所述采样点的重心；根据所述采样点确定所述最大平面方程，所述最大平面方程为所述采样点形成的最大平面在机器人坐标系下的方程。
[0011]可选地，根据所述先验平面方程和所述最大平面方程确定所述地面平面方程，包括：在满足至少一个预定条件的情况下，确定所述先验平面方程为所述地面平面方程，所述预定条件包括第一点与第二点的距离大于距离阈值、第一法向量与第二法向量的夹角大于预定夹角以及所述分割面候选区域内的点云的点数小于点数阈值，所述第一点为所述先验平面方程对应的平面上，X轴坐标和Y轴坐标均小于第三预定值的任意一点，所述第二点为所述最大平面方程对应的平面上，X轴坐标和Y轴坐标均小于所述第三预定值的任意一点，所述第一法向量为所述先验平面方程对应的平面的法向量，所述第二法向量为所述最大平面方程对应的平面的法向量；在所有的所述预定条件均不满足的情况下，确定所述最大平面方程为所述地面平面方程。
[0012]可选地，所述障碍物点云包括悬浮障碍物点云、高障碍物点云和低障碍物点云，对所述预备障碍物点云进行识别，确定障碍物点云，包括：将所有点的Z轴坐标大于第四预定值的所述预备障碍物点云，标定为所述悬浮障碍物点云，所述第四预定值大于第二预定值；将部分点的Z轴坐标大于所述第四预定值的所述预备障碍物点云，标定为所述高障碍物点云；将所有点的Z轴坐标小于或者等于所述第二预定值的所述预备障碍物点云，标定为所述低障碍物点云。
[0013]可选地，在对所述预备障碍物点云进行识别，确定障碍物点云之后，所述方法还包
括：根据目标点确定所述目标点的邻近点，所述目标点为所述高障碍物点云或者所述低障碍物点云的任意一点，所述邻近点为所述高障碍物点云或者所述低障碍物点云中，与所述目标点的距离小于第一预定距离的点；根据聚类条件将所述目标点进行聚类得到多个点云块，所述聚类条件包括第一聚类条件、第二聚类条件和第三聚类条件，所述第一聚类条件为满足所述目标点的Z轴坐标与所有所述邻近点的Z轴坐标的差值大于第五预定值，所述第二聚类条件为同时满足所述目标点的法向量角度小于或者等于预定角度、所述目标点的Z轴坐标与所有的所述邻近点的Z轴坐标的差值均小于第六预定值以及所述目标点与所有的所述邻近点的欧式距离均小于第二预定距离，所述法向量角度为所述目标点的局部法向量与所述机器人坐标系的Z轴的夹角，所述局部法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种障碍物的检测方法，其特征在于，机器人包括深度相机，所述方法包括：获取待识别点云，所述待识别点云为所述深度相机视野内物体的点云；根据所述待识别点云实时计算地面平面方程，所述地面平面方程为当前地面在机器人坐标系下的方程；将所述地面平面方程对应的平面沿所述机器人坐标系的Z轴的正方向移动第一预定值，得到分割平面；根据所述分割平面确定预备障碍物点云，所述预备障碍物点云为位于所述分割平面靠近所述机器人坐标系的Z轴的正方向的一侧的所述待识别点云；对所述预备障碍物点云进行识别，确定障碍物点云，所述障碍物点云为标定为障碍物的点云。2.根据权利要求1所述的方法，其特征在于，根据所述待识别点云实时计算地面平面方程，包括：获取先验平面方程，所述先验平面方程为所述机器人在平地上时地面在机器人坐标系下的方程，所述先验平面方程对应的平面与所述机器人坐标系的Z轴垂直；根据所述先验平面方程确定分割面候选区域，所述分割面候选区域为所述机器人坐标系中第一平面和第二平面之间的区域，所述第一平面为所述先验平面方程对应的平面沿所述机器人坐标系的Z轴的正方向移动第二预定值得到的，所述第二平面为所述先验平面方程对应的平面沿所述机器人坐标系的Z轴的负方向移动所述第二预定值得到的，所述机器人坐标系的Z轴的正方向为高度升高的方向；根据所述分割面候选区域内的所述待识别点云确定最大平面方程，所述最大平面方程为所述分割面候选区域内所述待识别点云形成的最大平面在机器人坐标系下的方程；根据所述先验平面方程和所述最大平面方程确定所述地面平面方程。3.根据权利要求2所述的方法，其特征在于，根据所述分割面候选区域内的所述待识别点云确定最大平面方程，包括：将所述分割面候选区域划分为多个第一单元格，所述第一单元格为边长为第一长度的正方体；将各所述第一单元格内的所述待识别点云进行采样，得到多个预备采样点，所述预备采样点的坐标为所述第一单元格内的所述待识别点云的任意一个点的坐标；将所述分割面候选区域划分为多个第二单元格，所述第二单元格为边长为第二长度的正方体，所述第二长度大于所述第一长度；将所述第二单元格内的所述采样点进行二次采样，得到多个采样点，所述采样点为所述第二单元格内的所述采样点的重心；根据所述采样点确定所述最大平面方程，所述最大平面方程为所述采样点形成的最大平面在机器人坐标系下的方程。4.根据权利要求2所述的方法，其特征在于，根据所述先验平面方程和所述最大平面方程确定所述地面平面方程，包括：在满足至少一个预定条件的情况下，确定所述先验平面方程为所述地面平面方程，所述预定条件包括第一点与第二点的距离大于距离阈值、第一法向量与第二法向量的夹角大于预定夹角以及所述分割面候选区域内的点云的点数小于点数阈值，所述第一点为所述先
验平面方程对应的平面上，X轴坐标和Y轴坐标均小于第三预定值的任意一点，所述第二点为所述最大平面方程对应的平面上，X轴坐标和Y轴坐标均小于所述第三预定值的任意一点，所述第一法向量为所述先验平面方程对应的平面的法向量，所述第二法向量为所述最大平面方程对应的平面的法向量；在所有的所述预定条件均不满足的情况下，确定所述最大平面方程为所述地面平面方程。5.根据权利要求1所述的方法，其特征在于，所述障碍物点云包括悬浮障碍物点云、高障碍物点云和低障碍物点云，对所述预备障碍物点云进行识别，确定障碍物点云，包括：将所有点的Z轴坐标大于第四预定值的所述预备障碍物点云，标定为所述悬浮障碍物点云，所述第四预定值大于第二预定值；将部分点的Z轴坐标大于所述第四预定值的所述预备障碍物点云，标定为所述高障碍物点云；将所有点的Z轴坐标小于或者等于所述第二预定值的所述预备障碍物点云，标定为所述低障碍物点云。6.根据权利要求5所述的方法，其特征在于，在对所述预备障碍物点云进行识别，确定障碍物点云之后，所述方法还包括：根据目标点确定所述目标点的邻近点，所述目标点为所述高障碍物点云或者所述低障碍物点云的任意一点，所述邻近点为所述高障碍物点云或者所述低障碍物点云中，与所述目标点的距离小于第一预定距离的点；根据聚类条件将所述目标点进行聚类得到...

【专利技术属性】
技术研发人员：徐鹏程，杨静，
申请(专利权)人：杭州蓝芯科技有限公司，
类型：发明
国别省市：