基于机器人多目视觉模组的避障方法、装置及机器人制造方法及图纸

本发明专利技术公开了一种基于机器人多目视觉模组的避障方法、装置及机器人。该方法包括：在上述机器人移动过程中，基于机器人的多目视觉模组，得到当前场景中障碍物信息的三维点云数据集；根据上述机器人本体的属性信息、上述三维点云数据集的高度信息、以及上述三维点云数据集与上述多目视觉模组之间的实时水平距离，剔除上述三维点云数据集中部分点云数据，确定上述机器人当前不可通行区域；将上述当前不可通行区域映射至第一地图上，根据上述机器人的实时位姿信息以及上述第一地图的信息，实现实时避障。采用本申请的技术方案，降低了机器人感知避障的成本，并提高了精度及可靠性，使得机器人系统更安全智能，运行效率更高。运行效率更高。运行效率更高。

【技术实现步骤摘要】
基于机器人多目视觉模组的避障方法、装置及机器人


[0001]本专利技术涉及人工智能领域，具体而言，涉及一种基于机器人多目视觉模组的避障方法、装置及机器人。

技术介绍

[0002]机器人的应用场景非常广泛，目前落地的产品种类也很多，例如，送餐机器人，贩卖机器人，物流机器人，安防巡查机器人，导购机器人，接待机器人，扫地机器人等等。机器人是由多个模块组成的综合体，其中，感知避障模块相当于机器人的眼睛耳朵，起着至关重要的作用。
[0003]目前，机器人的感知避障模块，可以由多种传感器组成，例如，激光雷达，单目摄像头等等。然而，对于要落地实现的扫地机器人方案，成本和性能是无法绕开的关键点，作为机器人常用的两种传感器激光雷达和单目摄像头，均存在一定的缺点，其中，激光雷达传感器检测精度较高，但造价高昂，成本太高；而单目摄像头虽然成本较低，但精度较低，性能不够。
[0004]因此，提供一种低成本、高精度的机器人立体避障解决方案，是目前亟待解决的问题。

技术实现思路

[0005]本专利技术的主要目的在于公开了一种基于机器人多目视觉模组的避障方法、装置及机器人，以至少解决采用相关技术中还缺乏一种低成本、高精度的机器人立体避障解决方案等问题。
[0006]根据本专利技术的一个方面，提供了一种基于机器人多目视觉模组的避障方法。
[0007]根据本专利技术的基于机器人多目视觉模组的避障方法包括：在上述机器人移动过程中，基于机器人的多目视觉模组，得到当前场景中障碍物信息的三维点云数据集；根据上述机器人本体的属性信息、上述三维点云数据集的高度信息、以及上述三维点云数据集与上述多目视觉模组之间的实时水平距离，剔除上述三维点云数据集中部分点云数据，确定上述机器人当前不可通行区域；将上述当前不可通行区域映射至第一地图上，根据上述机器人的实时位姿信息以及上述第一地图的信息，实现实时避障。
[0008]根据本专利技术的另一方面，提供了一种基于机器人多目视觉模组的避障装置。
[0009]根据本专利技术的基于机器人多目视觉模组的避障装置包括：获取模块，用于在上述机器人移动过程中，基于机器人的多目视觉模组，得到当前场景中障碍物信息的三维点云数据集；确定模块，用于根据上述机器人本体的属性信息、上述三维点云数据集的高度信息、以及上述三维点云数据集与上述多目视觉模组之间的实时水平距离，剔除上述三维点云数据集中部分点云数据，确定上述机器人当前不可通行区域；避障模块，用于将上述当前不可通行区域映射至第一地图上，根据上述机器人的实时位姿信息以及上述第一地图的信息，实现实时避障。
[0010]根据本专利技术的又一方面，提供了一种机器人。
[0011]根据本专利技术的机器人包括：存储器及处理器，上述存储器，用于存储计算机执行指令；上述处理器，用于执行上述存储器存储的计算机执行指令，使得上述机器人执行如上述任一项上述的方法。
[0012]根据本专利技术，提出了一种基于机器人多目视觉模组的避障方法、装置及机器人，在上述机器人移动过程中，基于机器人的多目视觉模组，得到当前场景中障碍物信息的三维点云数据集，根据上述机器人本体的属性信息、上述三维点云数据集的高度信息、以及上述三维点云数据集与上述多目视觉模组之间的实时水平距离，剔除上述三维点云数据集中部分点云数据，确定上述机器人当前不可通行区域，将上述当前不可通行区域映射至第一地图上，根据上述机器人的实时位姿信息以及上述第一地图的信息，实现实时避障。降低了机器人感知避障的成本，并提高了精度及可靠性，使得机器人系统更安全智能，运行效率更高。
附图说明
[0013]图1是根据本专利技术实施例的基于机器人多目视觉模组的避障方法的流程图；
[0014]图2是根据本专利技术优选实施例的判定上述机器人正方向能否通行的示意图；
[0015]图3是根据本专利技术实施例的基于机器人多目视觉模组的避障装置的结构框图；
[0016]图4是根据本专利技术实施例的机器人的结构示意图。
具体实施方式
[0017]下面结合说明书附图对本专利技术的具体实现方式做一详细描述。
[0018]根据本专利技术实施例，提供了一种基于机器人多目视觉模组的避障方法。
[0019]图1是根据本专利技术实施例的基于机器人多目视觉模组的避障方法的流程图。如图1所示，该基于机器人多目视觉模组的避障方法包括：
[0020]步骤S101：在上述机器人移动过程中，基于机器人的多目视觉模组，得到当前场景中障碍物信息的三维点云数据集；
[0021]步骤S102：根据上述机器人本体的属性信息、上述三维点云数据集的高度信息、以及上述三维点云数据集与上述多目视觉模组之间的实时水平距离，剔除上述三维点云数据集中部分点云数据，确定上述机器人当前不可通行区域；
[0022]步骤S103：将上述当前不可通行区域映射至第一地图上，根据上述机器人的实时位姿信息以及上述第一地图的信息，实现实时避障。
[0023]图1所示的方法中，在上述机器人移动过程中，基于机器人的多目视觉模组，得到当前场景中障碍物信息的三维点云数据集，根据上述机器人本体的属性信息、上述三维点云数据集的高度信息、以及上述三维点云数据集与上述多目视觉模组之间的实时水平距离，剔除上述三维点云数据集中部分点云数据，确定上述机器人当前不可通行区域，将上述当前不可通行区域映射至第一地图上，根据上述机器人的实时位姿信息以及上述第一地图的信息，实现实时避障。降低了机器人感知避障的成本，并提高了精度及可靠性，使得机器人系统更安全智能，运行效率更高。
[0024]本专利技术中机器人的多目视觉模组(例如，双目视觉模组)，可以以一定频率提供三
维点云和物体识别数据。用世界坐标(x，y，z)表示单个三维点坐标，三维点云数据集是由多个三维坐标点组成的数据集，记为P。物体识别数据也是由一系列三维点组成的数据集，记为P_。
[0025]可以根据上述机器人本体的属性信息、上述三维点云数据集的高度信息、以及上述三维点云数据集与上述多目视觉模组之间的实时水平距离，对三维点云进行切割，剔除上述三维点云数据集中部分点云数据，确定上述机器人当前不可通行区域。
[0026]优选地，上述机器人本体的属性信息可以包括但不限于：上述机器人本体的最高点高度、上述机器人本体的最高越障高度；则根据上述机器人本体的属性信息、上述三维点云数据集的高度信息、以及上述三维点云数据集与上述多目视觉模组之间的实时水平距离，剔除上述三维点云数据集中部分点云数据包括：筛选上述三维点云数据集中高度高于上述机器人本体的最高点高度的第一点云数据集，并确定上述三维点云数据集中高度小于上述机器人本体的最高越障高度的第二点云数据集；从上述三维点云数据集中剔除上述第一点云数据集和上述第二点云数据集，得到剩余的点云数据集；将上述剩余的点云数据集中，与上述多目视觉模组之间的实时水平距离大于预定距离阈值的三维数据点滤除，得到上述当前不可通行区域对应的三维点云集。
[0027]在优选实施过程中，机器人都具有一定的越障本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器人多目视觉模组的避障方法，其特征在于，包括：在所述机器人移动过程中，基于机器人的多目视觉模组，得到当前场景中障碍物信息的三维点云数据集；根据所述机器人本体的属性信息、所述三维点云数据集的高度信息、以及所述三维点云数据集与所述多目视觉模组之间的实时水平距离，剔除所述三维点云数据集中部分点云数据，确定所述机器人当前不可通行区域；将所述当前不可通行区域映射至第一地图上，根据所述机器人的实时位姿信息以及所述第一地图的信息，实现实时避障。2.根据权利要求1所述的方法，其特征在于，所述机器人本体的属性信息包括：所述机器人本体的最高点高度、所述机器人本体的最高越障高度；则根据所述机器人本体的属性信息、所述三维点云数据集的高度信息、以及所述三维点云数据集与所述多目视觉模组之间的实时水平距离，剔除所述三维点云数据集中部分点云数据包括：筛选所述三维点云数据集中高度高于所述机器人本体的最高点高度的第一点云数据集，并确定所述三维点云数据集中高度小于所述机器人本体的最高越障高度的第二点云数据集；从所述三维点云数据集中剔除所述第一点云数据集和所述第二点云数据集，得到剩余的点云数据集；将所述剩余的点云数据集中，与所述多目视觉模组之间的实时水平距离大于预定距离阈值的三维数据点滤除，得到所述当前不可通行区域对应的三维点云集。3.根据权利要求1所述的方法，其特征在于，将所述当前不可通行区域映射至第一地图上包括：提取所述当前不可通行区域对应的三维点云集中各个点的水平二维坐标；按照以下公式将所述各个点在世界坐标系下的水平二维坐标映射至所述第一地图上，并按照所述各个点在所述第一地图上的坐标信息确定障碍物区域以及相应的膨胀区域，其中，所述第一地图为二维栅格地图；X
i
＝(x
i
‑
origin_x)/resolving；Y
i
＝(y
i
‑
origin_y)/resolving；其中，(origin_x，origin_y)是栅格坐标原点(0，0)对应的世界坐标，resolving是栅格坐标分辨率，(X
i
，Y
i
)为第i个点在所述二维栅格地图上的坐标，(x
i
，y
i
)为第i个点在世界坐标系下的坐标。4.根据权利要求3所述的方法，其特征在于，按照所述各个点在所述第一地图上的坐标信息确定障碍物区域以及相应的膨胀区域包括：获取机器人投影至水平面上的投影半径；确定所述投影半径在所述二维栅格地图上对应的栅格半径；将所述各个点在所述第一地图上的坐标信息对应的栅格区域确定为所述障碍物区域，并将所述障碍物区域中最外层栅格向外膨胀所述栅格半径对应的栅格层数作为所述相应的膨胀区域。5.根据权利要求1所述的方法，其特征在于，根据所述机器人的实时位姿信息以及所述
第一地图的信息，实现实时避障包括：根据机器人的最短刹车距离、机器人的投影半径、以及机器人的当前位姿信息，得到判定所述机器人正方向能否通行的最短距离位置点信息，并根据所述最短距离位置点信息执行相应的避障策略。6.根据权利要求5所...

【专利技术属性】
技术研发人员：刘春洋，闫东坤，
申请(专利权)人：北京盈迪曼德科技有限公司，
类型：发明
国别省市：