【技术实现步骤摘要】
本申请涉及人工智能领域，具体涉及优化点云数据的方法、存储介质、机器人。
技术介绍
1、目前市面上常见的深度摄像头先以tof或者结构光的方式构建数据，再通过rgb-d图像转出点云数据。这类摄像头在光线理想情况下，会形成较好的点云形状，比作墙面、桌椅、行人。然而在真实场景下，受到阳光、光线亮度等因素影响，会使得点云数据存在很多缺陷，透光的物体(如玻璃)、黑色物体，会造成点云数据的丢失；另一方面，遇到强光或者光滑的镜面，例如酒店大堂地面，存在很强的反射光，将导致点云数据中会有大量反射后形成的点云，就造成严重的影响。
2、目前人工智能机器人上使用的深度摄像头在遇到反光形成的点云数据时，会当作是障碍物，进行避障；然而这样的避障规划会使机器人行走很不顺畅。现有常用的解决方法是结合rgb图像和激光雷达进行优化。但是，使用rgb图像的判断方法容易受到光线影响，造成图像上信息丢失，导致判断不全；而融合激光的方法使得成本提高，且高于或低于激光安装位置的物体不易检测出来，尤其是在地面存在强烈反光的情况下。
3、因此，有必要提供一种能够针对反光点云数据进行优化的技术方案，从而克服现有技术中采用结合rgb图像判断或融合激光判断所带来的缺点。
技术实现思路
1、鉴于上述问题，本申请提供了一种优化点云数据的方法、存储介质、机器人，能够有效过滤点云数据中的反光噪点，成本低、不受空间限制且不丢失有效图像信息。
2、为实现上述目的，专利技术人提供了一种优化点云数据的方法，包括：p>
3、获取反光点云簇集；
4、定义与摄像头间隔预设距离的d处为阶梯底部，获取所述反光点云簇集中距离超过所述阶梯底部的待裁剪反光点云簇集；
5、依据所述待裁剪反光点云簇集，建立阶数与簇个数相对应，且高度和距离均分的阶梯；
6、剔除所述待裁剪反光点云簇集中质心空间坐标位于所述阶梯中第一个台阶内的反光点云簇。
7、区别于现有技术，上述技术方案通过依据反光点云簇集建立与簇个数相对应，且高度和距离均分的阶梯，以对反光点云簇集进行裁剪，剔除其中会影响决策的反光噪点，从而实现对点云数据的优化，有效降低误判的概率，提高决策的准确性；同时，还具有不对图像信息造成影响以及成本低、不受空间限制又易于实现的优点。
8、在一些实施例中，所述高度和距离均分，具体为：依据簇个数对所述待裁剪反光点云簇集的最大高度和最大距离分别进行均分，确定每个台阶的高度和距离。
9、在一些实施例中，所述获取反光点云簇集，包括：
10、对滤波处理后的点云数据进行聚类，得到点云簇集；
11、依据点云的法向量，建立与所述点云簇集中各个点云簇对应的直方图，并依据所述直方图获取直方曲线函数；
12、依据所述直方曲线函数确认所述点云簇集中的反光点云簇，获取反光点云簇集。
13、在一些实施例中，所述对滤波处理后的点云数据进行聚类，之前，还包括：
14、周期性接收摄像头发布的初始点云数据，并将其转换为对应机器人坐标系；
15、对转换后的初始点云数据进行滤波处理，剔除其中的零散点云噪点。
16、在一些实施例中，所述对转换后的初始点云数据进行滤波处理，剔除其中的零散点云噪点，包括：
17、使用体素滤波方法过滤掉所述转换后的初始点云数据中的冗余点云数据，获取一次滤波点云数据；
18、使用离群点滤波方法过滤掉所述一次滤波点云数据中的离散点云数据，获取滤波处理后的点云数据。
19、在一些实施例中，所述聚类为基于密度的聚类。
20、在一些实施例中，所述依据点云的法向量，建立与所述点云簇集中各个点云簇对应的直方图，并依据所述直方图获取直方曲线函数，包括：
21、计算所述点云簇集中各个点云数据的法向量，并归纳得到各个点云簇对应的法向量；
22、依据所述各个点云簇对应的法向量的角度，建立各个点云簇对应的直方图；
23、依据所述各个点云簇对应的直方图，获取对应的直方图曲线函数。
24、为实现上述目的，专利技术人还提供了一种计算机可读存储介质，其上存储有计算机程序；所述计算机程序在被处理器执行时，能够实现上述优化点云数据的方法。
25、为实现上述目的，专利技术人还提供了一种机器人，包括存储介质和处理器；所述存储介质上存储有计算机程序；所述计算机程序在被所述处理器执行时，能够实现上述优化点云数据的方法。
26、上述
技术实现思路
相关记载仅是本申请技术方案的概述，为了让本领域普通技术人员能够更清楚地了解本申请的技术方案，进而可以依据说明书的文字及附图记载的内容予以实施，并且为了让本申请的上述目的及其它目的、特征和优点能够更易于理解，以下结合本申请的具体实施方式及附图进行说明。
【技术保护点】
1.一种优化点云数据的方法，其特征在于，包括：
2.如权利要求1所述的一种优化点云数据的方法，其特征在于，所述高度和距离均分，具体为：依据簇个数对所述待裁剪反光点云簇集的最大高度和最大距离分别进行均分，确定每个台阶的高度和距离。
3.如权利要求1所述的一种优化点云数据的方法，其特征在于，所述获取反光点云簇集，包括：
4.如权利要求3所述的一种优化点云数据的方法，其特征在于，所述对滤波处理后的点云数据进行聚类，之前，还包括：
5.如权利要求4所述的一种优化点云数据的方法，其特征在于，所述对转换后的初始点云数据进行滤波处理，剔除其中的零散点云噪点，包括：
6.如权利要求3所述的一种优化点云数据的方法，其特征在于，所述聚类为基于密度的聚类。
7.如权利要求3所述的一种优化点云数据的方法，其特征在于，所述依据点云的法向量，建立与所述点云簇集中各个点云簇对应的直方图，并依据所述直方图获取直方曲线函数，包括：
8.一种计算机可读存储介质，其特征在于，其上存储有计算机程序；所述计算机程序在被处理器执行时，能够实
9.一种机器人，其特征在于，包括存储介质和处理器；所述存储介质上存储有计算机程序；所述计算机程序在被所述处理器执行时，能够实现上述权利要求1-7任意一项所述的一种优化点云数据的方法。
...【技术特征摘要】
1.一种优化点云数据的方法，其特征在于，包括：
2.如权利要求1所述的一种优化点云数据的方法，其特征在于，所述高度和距离均分，具体为：依据簇个数对所述待裁剪反光点云簇集的最大高度和最大距离分别进行均分，确定每个台阶的高度和距离。
3.如权利要求1所述的一种优化点云数据的方法，其特征在于，所述获取反光点云簇集，包括：
4.如权利要求3所述的一种优化点云数据的方法，其特征在于，所述对滤波处理后的点云数据进行聚类，之前，还包括：
5.如权利要求4所述的一种优化点云数据的方法，其特征在于，所述对转换后的初始点云数据进行滤波处理，剔除其中的零散点云噪点，包括：
6.如...
【专利技术属性】
技术研发人员：田健，陈华聪，陈文强，黄源水，戴俊源，
申请(专利权)人：福建汉特云智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。