System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及计算机建模,尤其涉及的是一种基于点云数据的楼梯建模方法、装置、腿式机器人及介质。
技术介绍
1、楼梯建模广泛应用于盲人导航、自主避障机器人等领域。目前主要依靠机器视觉根据拍摄的图像来进行楼梯检测和建模。
2、而机器视觉仍存在以下问题:夜间图像质量不高、深度预测不准,并且,移动时拍摄的图像容易模糊。这些问题影响了腿式机器人检测和识别楼梯的精确度,导致楼梯建模不够精确,增加了腿式机器人上下楼梯的风险。
3、因此,现有技术有待改进和提高。
技术实现思路
1、本专利技术的主要目的在于提供一种基于点云数据的楼梯建模方法、装置、腿式机器人及计算机可读存储介质,旨在解决楼梯建模不够精确的问题。
2、为了实现上述目的,本专利技术第一方面提供一种基于点云数据的楼梯建模方法,所述方法包括:
3、将楼梯的点云数据输入楼梯识别模型,获得若干踏板点云,所述楼梯识别模型训练时采用了点云分类损失和几何约束损失,每个所述踏板点云为与一个踏板相对应的点云的集合;
4、基于所述踏板点云,获得每个踏板的中心点;
5、采用旋转变换校正每个踏板的中心点以消除踏板的中心点与点云采集设备的坐标系之间的偏差,获得校正后中心点,根据所述校正后中心点,获得台阶的深度和高度;
6、根据所有踏板的中心点以及台阶的深度和高度,生成楼梯模型。
7、可选的,训练所述楼梯识别模型,包括:
8、基于所述楼梯识别模型对训练数据集
9、计算每个踏板真实的法向量与所述楼梯识别模型预测的法向量之间的距离,获得用于表征几何约束损失的曲率抑制损失;
10、根据所述交叉熵损失和所述曲率抑制损失,计算总损失值,根据所述总损失值迭代训练所述楼梯识别模型。
11、可选的,将所述训练数据集输入所述楼梯识别模型之前,还对所述训练数据集进行点云数据增强以模拟光线反射导致点云数据缺失的场景。
12、可选的,所述根据所述校正后中心点,获得台阶的深度和高度,包括:
13、基于所述校正后中心点,获取相邻两个踏板的中心点;
14、根据相邻两个踏板的中心点,计算台阶的深度和高度。
15、可选的,基于所述踏板点云,获得目标踏板的中心点,包括:
16、对所述踏板点云进行平面拟合,获得拟合面;
17、根据所述拟合面确定目标踏板的中心点的坐标和法向量。
18、可选的,所述采用旋转变换校正每个踏板的中心点以消除踏板的中心点与点云采集设备的坐标系之间的偏差,获得校正后中心点,包括:
19、将每个踏板的中心点与点云采集设备的坐标系中的目标轴对齐,获得每个踏板的旋转矩阵;
20、根据所述旋转矩阵校正每个踏板的中心点,获得所述校正后中心点。
21、可选的,所述将每个踏板的中心点与点云采集设备的坐标系中的目标轴对齐,获得每个踏板的旋转矩阵,包括:
22、当楼梯的点云数据中存在立板点云时,将所述立板点云的法向量与所述坐标系中的y轴负方向对齐,获得第一转换系数,将每个踏板的中心点的法向量与所述坐标系中的z轴负方向对齐,获得第二转换系数,所述第一转换系数与所述第二转换系数的乘积为每个踏板的旋转矩阵;
23、否则,对每个踏板的踏板点云进行主成分分析,将分析结果中的第二主轴与所述坐标系中的z轴负方向对齐,获得第三转换系数,将分析结果中的第三主轴与所述坐标系中的y轴负方向对齐,获得第四转换系数,所述第三转换系数与所述第四转换系数的乘积为每个踏板的旋转矩阵。
24、本专利技术第二方面提供一种基于点云数据的楼梯建模装置,包括:
25、检测识别模块,用于将楼梯的点云数据输入楼梯识别模型,获得若干踏板点云,所述楼梯识别模型训练时采用了点云分类损失和几何约束损失,每个所述踏板点云为与一个踏板相对应的点云的集合;
26、中心点模块,用于基于所述踏板点云,获得每个踏板的中心点;
27、台阶模块,用于采用旋转变换校正每个踏板的中心点以消除踏板的中心点与点云采集设备的坐标系之间的偏差,获得校正后中心点,根据所述校正后中心点,获得台阶的深度和高度;
28、楼梯模型生成模块,用于根据踏板的中心点以及台阶的深度和高度,生成楼梯模型。
29、本专利技术第三方面提供一种腿式机器人,上述腿式机器人包括存储器、处理器以及存储在上述存储器上并可在上述处理器上运行的基于点云数据的楼梯建模程序,上述基于点云数据的楼梯建模程序被上述处理器执行时实现任意一项上述基于点云数据的楼梯建模方法的步骤。
30、本专利技术第四方面提供一种计算机可读存储介质,上述计算机可读存储介质上存储有基于点云数据的楼梯建模程序,上述基于点云数据的楼梯建模程序被处理器执行时实现任意一项上述基于点云数据的楼梯建模方法的步骤。
31、由上可见,本专利技术针对楼梯点云数据的特性,采用点云分类损失和几何约束损失来训练楼梯识别模型,使得楼梯识别模型能够精准地识别楼梯的踏板点云,然后根据识别出的踏板点云获得每个踏板的中心点,并通过对踏板的中心点进行校正,消除踏板中心点与点云采集设备的坐标系之间的偏差,获得校正后中心点,再根据校正后中心点获得台阶的深度和高度,使得根据踏板的中心点以及台阶的深度和高度建模得到的楼梯模型更加精准。
本文档来自技高网...【技术保护点】
1.基于点云数据的楼梯建模方法,其特征在于,所述方法包括:
2.如权利要求1所述的基于点云数据的楼梯建模方法,其特征在于,训练所述楼梯识别模型,包括:
3.如权利要求2所述的基于点云数据的楼梯建模方法,其特征在于,将所述训练数据集输入所述楼梯识别模型之前,还对所述训练数据集进行点云数据增强以模拟光线反射导致点云数据缺失的场景。
4.如权利要求1所述的基于点云数据的楼梯建模方法,其特征在于,所述根据所述校正后中心点,获得台阶的深度和高度,包括:
5.如权利要求1所述的基于点云数据的楼梯建模方法,其特征在于,基于所述踏板点云,获得目标踏板的中心点,包括:
6.如权利要求1所述的基于点云数据的楼梯建模方法,其特征在于,所述采用旋转变换校正每个踏板的中心点以消除踏板的中心点与点云采集设备的坐标系之间的偏差,获得校正后中心点,包括:
7.如权利要求6所述的基于点云数据的楼梯建模方法,其特征在于,所述将每个踏板的中心点与点云采集设备的坐标系中的目标轴对齐,获得每个踏板的旋转矩阵,包括:
8.基于点云数据的楼梯
9.腿式机器人,其特征在于,所述腿式机器人包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的基于点云数据的楼梯建模程序,所述基于点云数据的楼梯建模程序被所述处理器执行时实现如权利要求1-7任意一项所述基于点云数据的楼梯建模方法的步骤。
10.计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有基于点云数据的楼梯建模程序,所述基于点云数据的楼梯建模程序被处理器执行时实现如权利要求1-7任意一项所述基于点云数据的楼梯建模方法的步骤。
...【技术特征摘要】
1.基于点云数据的楼梯建模方法,其特征在于,所述方法包括:
2.如权利要求1所述的基于点云数据的楼梯建模方法,其特征在于,训练所述楼梯识别模型,包括:
3.如权利要求2所述的基于点云数据的楼梯建模方法,其特征在于,将所述训练数据集输入所述楼梯识别模型之前,还对所述训练数据集进行点云数据增强以模拟光线反射导致点云数据缺失的场景。
4.如权利要求1所述的基于点云数据的楼梯建模方法,其特征在于,所述根据所述校正后中心点,获得台阶的深度和高度,包括:
5.如权利要求1所述的基于点云数据的楼梯建模方法,其特征在于,基于所述踏板点云,获得目标踏板的中心点,包括:
6.如权利要求1所述的基于点云数据的楼梯建模方法,其特征在于,所述采用旋转变换校正每个踏板的中心点以消除踏板的中心点与点云采集设备的坐...
【专利技术属性】
技术研发人员:马淦,青春,曾镕翔,吴炫,石永亮,
申请(专利权)人:深圳技术大学,
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。