一种障碍物检测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开一种障碍物检测方法、装置、设备及存储介质，该方法应用于移动机器人中，该方法包括：采集图像数据，并对图像数据进行特征提取获得图像数据对应的特征图，确定特征图中的感兴趣区域，感兴趣区域包括移动机器人的移动路径所在的区域，对感兴趣区域进行背景分割，若背景分割后得到前景区域，则基于前景区域确定障碍物轮廓，本发明专利技术实施例可以实现精准检测任意类别的障碍物，清除了背景的干扰以增强移动机器人对障碍物轮廓的感知，以使移动机器人更好地利用障碍物轮廓完成避障。器人更好地利用障碍物轮廓完成避障。器人更好地利用障碍物轮廓完成避障。

【技术实现步骤摘要】
一种障碍物检测方法、装置、设备及存储介质


[0001]本专利技术属于人工智能的
，尤其涉及一种障碍物检测方法、装置、设备及存储介质。

技术介绍

[0002]目前，针对无人驾驶的移动机器人的障碍物识别方式，通常是通过有监督的深度学习方法，对常见或者特定的障碍物进行检测从而确定出障碍物的类别。但是，由于障碍物的类别非常多，道路上也可能出现不常见的类别，图像检测算法对于不常见的类别而言，存在检测不到这些类型的障碍物的情况，无法确定障碍物的类别也就无法检测出障碍物。
[0003]另外，目前针对有监督的深度学习进行障碍物检测所存在的缺陷，有相应的利用视觉感知技术来图像进行感知从而确定存在的障碍物，但是由于视觉感知技术确定的障碍物信息是粗糙的，因此在进行避障时存在难以精确定位障碍物等问题。

技术实现思路

[0004]本专利技术提供了一种障碍物检测方法、装置、设备及存储介质，以解决目前通过有监督的深度学习或者视觉感知技术进行障碍物检测时所存在的难以针对所有类型的障碍物而进行精确避障的问题。
[0005]根据本专利技术的一方面，提供了一种障碍物检测方法，所述方法应用于移动机器人中，所述方法包括：
[0006]采集图像数据，并对所述图像数据进行特征提取获得所述图像数据对应的特征图；
[0007]确定所述特征图中的感兴趣区域，所述感兴趣区域包括所述移动机器人的移动路径所在的区域；
[0008]对所述感兴趣区域进行背景分割；
[0009]若背景分割后得到前景区域，则基于所述前景区域确定障碍物轮廓。
[0010]根据本专利技术的一方面，提供了一种障碍物检测装置，所述装置应用于移动机器人中，所述装置包括：
[0011]特征提取模块，用于采集图像数据，并对所述图像数据进行特征提取获得所述图像数据对应的特征图；
[0012]感兴趣区域确定模块，用于确定所述特征图中的感兴趣区域，所述感兴趣区域包括所述移动机器人的移动路径所在的区域；
[0013]背景分割模块，用于对所述感兴趣区域进行背景分割；
[0014]障碍物轮廓确定模块，用于若背景分割后得到前景区域，则基于所述前景区域确定障碍物轮廓。
[0015]根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
[0016]至少一个处理器；以及
[0017]与所述至少一个处理器通信连接的存储器；其中，
[0018]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的一种障碍物检测方法。
[0019]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的一种障碍物检测方法。
[0020]本专利技术实施例的技术方案提供了一种障碍物检测方法，该方法应用于移动机器人中，该方法包括：采集图像数据，并对图像数据进行特征提取获得图像数据对应的特征图，确定特征图中的感兴趣区域，感兴趣区域包括移动机器人的移动路径所在的区域，以减少背景的干扰，对感兴趣区域进行背景分割，若背景分割后得到前景区域，则基于前景区域确定障碍物轮廓，并根据障碍物轮廓进行避障，本专利技术实施例可以实现精准检测任意类别的障碍物，清除了背景的干扰以增强移动机器人对障碍物轮廓的感知，以使移动机器人更好地利用障碍物轮廓完成避障。
[0021]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0022]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例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专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0023]图1是根据本专利技术实施例一提供的一种障碍物检测方法的流程图；
[0024]图2是根据本专利技术实施例一提供的一种特征图示意图；
[0025]图3是根据本专利技术实施例一提供的一种障碍物轮廓示意图；
[0026]图4是根据本专利技术实施例二提供的一种障碍物检测装置的结构示意图；
[0027]图5是实现本专利技术实施例的一种障碍物检测方法的电子设备的结构示意图。
具体实施方式
[0028]为了使本
的人员更好地理解本专利技术方案，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，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0029]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于
清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0030]实施例一
[0031]图1为本专利技术实施例一提供了一种障碍物检测方法的流程图，该方法应用于移动机器人中，其中，移动机器人可以是需要独立移动的机器人，例如送餐机器人、扫地机器人、自动驾驶汽车等等。
[0032]该方法可以由一种障碍物检测装置来执行，该用于障碍物检测装置可以采用硬件和/或软件的形式实现。
[0033]如图1所示，该方法包括如下步骤：
[0034]S110，采集图像数据，并对图像数据进行特征提取获得图像数据对应的特征图。
[0035]移动机器人可以配备双目摄像头进行图像数据的采集。双目摄像头是指两个帧同步的摄像头，这两个摄像头的采集范围是存在重合范围的。
[0036]示例性的，移动机器人配备的双目摄像头的相对位置为上下关系，采集的图像数据均为1280*720的RGB图像，帧率为30帧/s。这两个位置关系为上下的摄像头垂直方向对齐，间隔可以为40cm，上摄像头向下倾斜20度，下摄像头水平，以实现采集的范围具有重合部分，可以增强图像数据的可靠性、有效性。
[0037]在对图像数据进行特征提取时，可以同时将两个摄像头采集到的图像数据一同输入至特征提取网络中进行特征提取。具体的，特征提取网络可以是：vgg(一种深层卷积网络结构)、resnet(一种残差网络)或者mobilenet(一种轻量化网络)中的backbone(一种神经网络模型)，此处对进行特征提取的具体方式本文档来自技高网...

【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，所述方法应用于移动机器人中，所述方法包括：采集图像数据，并对所述图像数据进行特征提取获得所述图像数据对应的特征图；确定所述特征图中的感兴趣区域，所述感兴趣区域包括所述移动机器人的移动路径所在的区域；对所述感兴趣区域进行背景分割；若背景分割后得到前景区域，则基于所述前景区域确定障碍物轮廓。2.根据权利要求1所述的方法，其特征在于，所述在所述图像特征图中确定感兴趣区域，包括：将所述特征图中各像素点的像素值组成第一矩阵；基于所述第一矩阵进行归一化处理生成第二矩阵，所述第二矩阵中的各元素的元素值为0或1；将所述第一矩阵与所述第二矩阵进行点乘，得到第三矩阵；将与所述第三矩阵中的非0元素对应在所述图像特征图中的像素点组成的区域，作为感兴趣区域。3.根据权利要求1或2所述的方法，其特征在于，所述对所述感兴趣区域进行背景分割，包括：确定所述感兴趣区域中各像素点的灰度值；基于所述灰度值确定灰度阈值，并将所述灰度值与所述灰度阈值进行比较；若存在大于所述灰度阈值的灰度值，则将大于所述灰度阈值的灰度值修改为第一指定灰度值，并将所述第一指定灰度值对应像素点组成的区域确定为前景区域；若存在小于所述灰度阈值的灰度值，则将小于所述灰度阈值的灰度值修改为第二指定灰度值，并将所述第二指定灰度值对应像素点组成的区域确定为背景区域。4.根据权利要求3所述的方法，其特征在于，所述基于所述灰度值确定灰度阈值，包括：确定所述感兴趣区域的像素点总数，并基于所述灰度值确定所述感兴趣区域的平均灰度值；根据所述像素点总数分配属于所述前景区域的像素点数以及属于所述背景区域的像素点数，得到多个分配结果；遍历所述分配结果，并基于所述平均灰度值，确定遍历到的分配结果对应的类间方差；根据所述类间方差最大的分配结果，确定灰度阈值。5.根据权利要求3所述的方法，其特征在于，若背景分割后得到多个前景区域，在基于所述前景区域确定障碍物轮廓之前，还包括：基于所述第一指定灰度值以及所述第二指定灰度值，确定所述感兴趣区域对应的二值图；对所述二值图进行膨胀处理，以将距离在指定距离阈值范围内的所述前...

【专利技术属性】
技术研发人员：李家兴，赖志林，李睿，张立家，周谦，
申请(专利权)人：广州赛特智能科技有限公司，
类型：发明
国别省市：