一种机器人区分杂草与障碍的方法技术

本发明专利技术涉及机器人智能识别技术领域，且公开了一种机器人区分杂草与障碍的方法，它包含以下步骤：步骤一：对深度相机进行安装校准和视野校准；步骤二：实时点云预处理；步骤三：将步骤二预处理后的点云进行垂直投影和侧向投影处理；步骤四：设置体素栅格得分阈值；步骤五：设置总得分阈值，如果步骤四中垂直投影的得分与侧向投影的得分都低于总得分阈值，则判断为杂草，否则判断为障碍；本发明专利技术提出一种机器人区分杂草与障碍的方法，不需要像深度学习的方式一样依赖高性能GPU和大量标准化的数据集，且需要分析处理的实时数据少，实时性好，效率高，杂草舒展性的特征要比色彩等特征更具宽泛性，受自然环境因素的影响很小，可行性更高。可行性更高。可行性更高。

【技术实现步骤摘要】
一种机器人区分杂草与障碍的方法


[0001]本专利技术涉及机器人智能识别
，尤其涉及一种机器人区分杂草与障碍的方法。

技术介绍

[0002]随着变电站环境智能化、自动化建设的推进，智能机器人在变电站场景中得到广泛应用。变电站巡检机器人能够代替人工进行变电站的定期巡检，具有更高的安全性、准确性以及恶劣环境的克服能力。但由于变电站室外环境容易产生杂草，如果将杂草识别为障碍物，会导致中断巡检任务，增加人工干涉成本，降低机器人自主检测效率。巡检机器人具备杂草与障碍的准确识别能力对提高变电站巡检机器人的智能化程度具有重大意义。
[0003]当前主流方案是基于相机拍摄照片，采用深度学习的方法来区分杂草与障碍物，该方法通过使用高性能GPU作为核心计算硬件资源，采用开源深度学习软件框架，寻找高质量的数据集，来训练得到神经网络模型
[0004]现有技术的客观缺点：
[0005]基于深度学习的方法，很依赖高性能GPU，且其模型性能的根本影响因素在于用作训练的数据集，而当前公开标准数据集中，并没有变电站环境下杂草的公开标准数据集。需要人工依据标准构建大量的数据集，成本高、耗时多且并不能确保数据集的质量高低，这直接影响巡检机器人最终区分杂草与障碍的能力。且该方法需要分析处理的信息量很大，识别效率很低，不能满足巡检过程实时作业的需求。
[0006]采用杂草色彩特征来区分杂草与障碍的方式，对能够识别的杂草需要有很大的限制条件，但是变电站环境遍布南北，杂草的种类是多种多样的，该方法受自然环境因素的影响太大，可行性不好。
[0007]为此，我们提出一种机器人区分杂草与障碍的方法。

技术实现思路

[0008]本专利技术主要是解决上述的技术问题，提供一种机器人区分杂草与障碍的方法。
[0009]为了实现上述目的，本专利技术采用了如下技术方案，一种机器人区分杂草与障碍的方法，它包含以下步骤：
[0010]步骤一：对深度相机进行安装校准和视野校准；
[0011]步骤二：实时点云预处理；
[0012]步骤三：将步骤二预处理后的点云进行垂直投影和侧向投影处理；
[0013]步骤四：设置体素栅格得分阈值；
[0014]步骤五：设置总得分阈值，如果步骤四中垂直投影的得分与侧向投影的得分都低于总得分阈值，则判断为杂草，否则判断为障碍；
[0015]步骤六：杂草与障碍区分结束，如果是杂草，则机器人继续前进；如果是障碍物，则机器人采取避让措施。
[0016]进一步的，所述步骤一中具体步骤包括，首先将机器人置于空旷地面，深度相机获取深度信息，并将深度信息转换为点云信息；
[0017]步骤一二：以机器人到地面投影点为机器人坐标系；
[0018]步骤一二：对点云进行坐标转换，将深度相机坐标系下的点云信息转化到机器人坐标系下；
[0019]步骤一三：对机器人坐标系下的点云采用RANSAC算法拟合平面，计算该平面相对水平面的位置平移和姿态旋转；
[0020]步骤一四：基于步骤一三得到的位姿变换关系对相机坐标系与机器人坐标系的相对位姿关系进行补偿，实现相机安装位置与视野的校准，校准成功则执行步骤二，否则执行步骤一。
[0021]进一步的，所述步骤二中具体内容：
[0022]步骤二一：获取深度相机实时点云信息，点云进行直通滤波，指定坐标范围进行剪裁；
[0023]步骤二二：将点云信息转换到校准后的机器人坐标系下；
[0024]步骤二三：将获取到的点云进行体素滤波，目的是点云下采样同时不破坏本身的结构特征，并记录每个体素栅格内存在的原始点云数，记为每个体素栅格的分值；
[0025]步骤二四：对相机视野的点云边界以及点云高度低于5cm的点云进行剪裁处理，去除点云噪点，处理完成，则执行步骤三，否则执行步骤二一。
[0026]进一步的，所述步骤四中，体素栅格得分阈值的算法包括基于实时点云预处理中记录的每个体素栅格内存在的原始点云数，如果点云数大于得分阈值则进行累加计算，否则舍弃该体素栅格的得分，统计在投影平面下的得分累加之和。
[0027]进一步的，所述步骤一二中，机器人到地面投影点按照前两轮轮距中心到地面投影点。
[0028]有益效果
[0029]本专利技术提供了一种机器人区分杂草与障碍的方法。具备以下有益效果：
[0030](1)、该一种机器人区分杂草与障碍的方法，本专利技术提出一种机器人区分杂草与障碍的方法，不需要像深度学习的方式一样依赖高性能GPU和大量标准化的数据集，且需要分析处理的实时数据少，实时性好，效率高。杂草舒展性的特征要比色彩等特征更具宽泛性，受自然环境因素的影响很小，可行性更高。
附图说明
[0031]为了更清楚地说明本专利技术的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单的介绍。显而易见的，下面描述中的附图仅仅是示例性的，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，还可以根据提供的附图引申获得其他的实施附图。
[0032]本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本专利技术可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本专利技术所能产生的功效及所能达成的目的下，均应仍落在本专利技术所揭示的
技术实现思路
得能涵盖的范围内。
[0033]图1为本专利技术详细流程图；
[0034]图2为本专利技术机器人深度相机安装位置示意图；
[0035]图3为本专利技术简略流程图；
[0036]图4为本专利技术机器人深度相机视野示意图；
[0037]图5为本专利技术机器人基坐标系的位置示意图；
[0038]图6为本专利技术杂草垂直投影、侧向投影示意图。
具体实施方式
[0039]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，都属于本专利技术保护的范围。
[0040][0041]实施例一：一种机器人区分杂草与障碍的方法，如图1
‑
图6所示，它包含以下步骤：
[0042]步骤一：对深度相机进行安装校准和视野校准，具体包括：
[0043]步骤一一：将机器人置于空旷地面，深度相机获取深度信息，并将深度信息转换为点云信息；
[0044]步骤一二：以机器人前两轮轮距中心的地面投影点为机器人坐标系；
[0045]步骤一二：对点云进行坐标转换，将深度相机坐标系下的点云信息转化到机器人坐标系下；
[0046]步骤一三：对机器人坐标系下的点云采用RANSAC算法拟合平面，计算该平面相对水平面的位置平移和姿态旋转
[0047]步骤一四：基于步骤一三得到的位姿变换本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机器人区分杂草与障碍的方法，其特征是：它包含以下步骤：步骤一：对深度相机进行安装校准和视野校准；步骤二：实时点云预处理；步骤三：将步骤二预处理后的点云进行垂直投影和侧向投影处理；步骤四：设置体素栅格得分阈值；步骤五：设置总得分阈值，如果步骤四中垂直投影的得分与侧向投影的得分都低于总得分阈值，则判断为杂草，否则判断为障碍；步骤六：杂草与障碍区分结束，如果是杂草，则机器人继续前进；如果是障碍物，则机器人采取避让措施。2.根据权利要求1所述的一种机器人区分杂草与障碍的方法，其特征在于：所述步骤一中具体步骤包括，首先将机器人置于空旷地面，深度相机获取深度信息，并将深度信息转换为点云信息；步骤一二：以机器人到地面投影点为机器人坐标系；步骤一二：对点云进行坐标转换，将深度相机坐标系下的点云信息转化到机器人坐标系下；步骤一三：对机器人坐标系下的点云采用RANSAC算法拟合平面，计算该平面相对水平面的位置平移和姿态旋转；步骤一四：基于步骤一三得到的位姿变换关系对相机坐标系与机器人坐标系的相对位姿关系进行补偿，实现相机安装位置与视野的...

【专利技术属性】
技术研发人员：张昊，黄虹霖，李栋，黄湛林，吕查德，
申请(专利权)人：南京机灵侠软件技术有限公司，
类型：发明
国别省市：