CN108363060A - 一种动态障碍物检测方法及设备 - Google Patents
一种动态障碍物检测方法及设备 Download PDFInfo
- Publication number
- CN108363060A CN108363060A CN201810054614.6A CN201810054614A CN108363060A CN 108363060 A CN108363060 A CN 108363060A CN 201810054614 A CN201810054614 A CN 201810054614A CN 108363060 A CN108363060 A CN 108363060A
- Authority
- CN
- China
- Prior art keywords
- connection block
- point
- radar data
- coordinate
- laser point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请的目的是提供一种动态障碍物检测方法及设备,获取移动机器人在当前时间点对应的位姿数据和雷达数据,该雷达数据包括至少一个激光点及其坐标;根据位姿数据对雷达数据中的每个激光点的坐标进行转换,得到每个激光点的绝对坐标;以便后续根据每个激光点的绝对坐标,得到雷达数据所包含的连通块及其中心点的坐标;根据雷达数据所包含的连通块及其中心点的坐标,并结合预置的样本数据库,对当前时间点对应的雷达数据所包含的连通块进行动态障碍物检测后,确定并标记连通块为动态障碍物,实现准确高效地将移动机器人所处环境中的动态障碍物检测出来,以便移动机器人后续能够更精确地对全局路径进行规划和对局部障碍进行检测。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种动态障碍物检测方法及设备。
背景技术
随着经济和社会的不断发展,移动机器人的使用越来越普遍,其应用场景也越来越复杂。当前的移动机器人的主要功能包括对行驶的全局路径进行规划和对局部的障碍物进行规避等。但移动机器人的进步依赖于传感器技术的发展,目前单个传感器在室外复杂环境中存在着对动态障碍物的检测的准确率和效率都不高的现状,而对动态障碍物的检测的效率及准确性直接影响着对全局路径规划和局部障碍规避,故:如何正确且高效地识别并检测出移动机器人所处场景中的动态障碍物成为当前业界研究的主要课题。
发明内容
本申请的一个目的是提供一种动态障碍物检测方法,解决了现有技术中的对移动机器人所处场景中的动态障碍物检测的效率低和准确率低的问题。
根据本申请的一个方面,提供了一种动态障碍物检测方法,其中,所述方法包括:
获取移动机器人在当前时间点对应的位姿数据和雷达数据,其中,所述雷达数据包括至少一个激光点及其坐标;
根据所述位姿数据对所述雷达数据中的每个激光点的坐标进行转换,得到每个所述激光点的绝对坐标;
根据每个所述激光点的绝对坐标,得到所述雷达数据所包含的连通块及其中心点的坐标;
根据预置的样本数据库和所述雷达数据所包含的连通块及其中心点的坐标,对所述连通块进行动态障碍物检测后,确定并标记所述连通块为动态障碍物。
进一步地,上述方法中,所述根据所述位姿数据对所述雷达数据中的每个激光点的坐标进行转换,得到每个所述激光点的绝对坐标,包括:
根据所述位姿数据,将所述雷达数据中的每个激光点的坐标,从所述移动机器人的坐标系转换至世界坐标系,得到每个所述激光点的绝对坐标。
进一步地,上述方法中,所述根据每个所述激光点的绝对坐标,得到所述雷达数据所包含的连通块及其中心点的坐标,包括:
根据每个所述激光点的绝对坐标,得到所述雷达数据所包含的原始连通块及其内的激光点的数量,其中,所述原始连通块为至少一个;
基于所述原始连通块内的激光点的数量,对所述至少一个原始连通块进行筛选,得到所述雷达数据所包含的连通块及其中心点的坐标。
进一步地,上述方法中,所述根据每个所述激光点的绝对坐标,得到所述雷达数据所包含的原始连通块及其内的激光点的数量,包括:
按照时间先后顺序,从所述雷达数据中的第二个激光点开始,重复如下步骤,直至所述雷达数据中的最后一个激光点,得到所述雷达数据所包含的至少一个原始连通块及其内的激光点的数量:
根据当前激光点的绝对坐标和上一激光点的绝对坐标,计算所述当前激光点与所述上一激光点之间的点间距;
判断所述点间距是否小于预设的点间距阈值,
若是,则所述当前激光点与所述上一激光点属于同一个所述原始连通块;
若否,则所述当前激光点与所述上一激光点不属于同一个原始连通块。
进一步地,上述方法中,所述基于所述原始连通块内的激光点的数量,对所述至少一个原始连通块进行筛选,得到所述雷达数据所包含的连通块及其中心点的坐标,包括:
分别判断每个所述原始连通块内的激光点的数量是否小于预设数量阈值,
若是,则将所述原始连通块丢弃;
若否,则将所述原始连通块确定为所述雷达数据所包含的连通块,并根据所述连通块内的激光点的绝对坐标,计算得到所述连通块的中心点的坐标,其中,
所述连通块用于指示所述移动机器人中的激光雷达打在同一物体上的所有激光点的集合。
进一步地,上述方法中,所述预置的样本数据库由距所述当前时间点最近的、预设数量个时间点对应的样本雷达数据及其所包含的样本连通块和所样本连通块的中心点的坐标确定,其中,所述样本连通块为至少一个。
进一步地,上述方法中,所述根据预置的样本数据库和所述雷达数据所包含的连通块及其中心点的坐标,对所述连通块进行动态障碍物检测后,确定并标记所述连通块为动态障碍物,包括:
从所述雷达数据所包含的连通块中任选一连通块作为目标连通块,重复如下步骤,直至遍历完所述雷达数据所包含的连通块:
基于所述目标连通块的中心点的坐标和至少一个所述样本连通块的中心点的坐标,计算所述目标连通块分别与每个所述样本连通块之间的块距离;
判断每个所述块距离是否均大于预设的块距离阈值,
若是,则确定并标记所述目标连通块为动态障碍物;
若否,则确定所述目标连通块不是动态障碍物。
进一步地,上述方法中,所述方法还包括:
基于当前时间点对应的雷达数据和所述雷达数据中的、被标记为动态障碍物的连通块及其中心点的坐标,对所述预置的样本数据库进行更新。根据本申请的另一方面,还提供了一种非易失性存储介质,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行时,使所述处理器实现如上述动态障碍物检测方法。
根据本申请的另一方面,还提供了一种城市道路规划设备,其中,所述设备包括:
一个或多个处理器;
非易失性存储介质,用于存储一个或多个计算机可读指令,
当所述一个或多个计算机可读指令被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述动态障碍物检测方法。
与现有技术相比,本申请首先获取移动机器人在当前时间点对应的位姿数据和雷达数据,其中,所述雷达数据包括至少一个激光点及其坐标;之后,根据所述位姿数据对所述雷达数据中的每个激光点的坐标进行转换,得到每个所述激光点的绝对坐标;以便后续根据每个所述激光点的绝对坐标,得到所述雷达数据所包含的连通块及其中心点的坐标;最后,根据预置的样本数据库和所述雷达数据所包含的连通块及其中心点的坐标,并结合由距所述当前时间点最近的、预设数量个时间点对应的样本雷达数据及其所包含的样本连通块和所样本连通块的中心点的坐标所确定的预置的样本数据库,对当前时间点对应的雷达数据所包含的连通块进行动态障碍物检测后,确定并标记所述连通块为动态障碍物,实现准确高效地将移动机器人所处环境中的动态障碍物检测出来,以便移动机器人后续能够更精确地对全局路径进行规划和对局部障碍进行检测。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1示出根据本申请一个方面的一种动态障碍物检测方法的流程示意图。
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
下面结合附图对本申请作进一步详细描述。
在本申请一个典型的配置中,终端、服务网络的设备和可信方均包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
如图1所示,本申请一实施例中提供了一种动态障碍物检测方法,应用于移动机器人通过自身的激光雷达传感器对所处环境中的动态障碍物进行检测的过程中,其中,该方法包括步骤S11、步骤S12、步骤S13和步骤S14,其中,具体包括:
步骤S11,获取移动机器人在当前时间点对应的位姿数据和雷达数据,其中,所述雷达数据包括至少一个激光点及其坐标;在此,所述位姿数据可以是移动机器人在当前时间点所对应的当前位姿数据,也可以是移动机器人在行驶过程中的历史时间点所对应的历史位姿数据,用于指示移动机器人在移动过程中的与位置相关的数据及姿态相关的数据等;所述雷达数据通过移动机器人中的激光雷达传感器在同一时间点向该移动机器人所处周围环境发出后激光后、返回的所有激光点的相关信息,该激光点的相关信息可以包括激光点的坐标和激光点返回的顺序等信息。
在步骤S11中,在移动机器人中,同一时间点对应有一帧雷达数据和一个用于指示移动机器人的位置和姿态等相关信息的位姿数据,例如,时间点t对应一帧雷达数据Dt和一个位姿数据Pt,当然,该帧雷达数据移动机器人通过其中的激光雷达传感器获取的,同时该雷达数据中包括有一个或多个激光点,即Dt={LP1(t)、LP2(t)、……、LPN(t)},其中,LPN(t)表示t时间点对应的雷达数据Dt中的第N个激光点,其中,N为t时间点对应的雷达数据Dt中所包含的激光点的数量。
步骤S12,根据所述位姿数据对所述雷达数据中的每个激光点的坐标进行转换,得到每个所述激光点的绝对坐标;在此,由于通过移动机器人中的激光雷达传感器采集的雷达数据中的每个激光点的坐标是与该移动机器人之间的相对位置,而获取的该移动机器人的位姿数据用于表示的是该移动机器人在世界坐标系中的绝对位置,故在进行后续数据处理之前,需要在所述步骤S12中根据所述位姿数据对所述雷达数据中的每个激光点的坐标进行转换,得到每个所述激光点在世界坐标系中的绝对坐标;进一步地,所述步骤S12中对雷达数据中的每个激光点的坐标转换具体包括:根据在世界坐标系中的该移动机器人的位姿数据,将所述雷达数据中的每个激光点的坐标,从所述移动机器人的坐标系转换至世界坐标系,得到每个所述激光点的绝对坐标,在此可以通过以下优选转换法:将在移动机器人的坐标系中的每个激光点的坐标(相对位置)和该移动机器人的位姿数据(绝对位置)做向量加法就可以得到雷达数据中的每个激光点在世界坐标系中的绝对坐标(绝对位置),以便后续通过用于指示绝对位置的世界坐标系中的相同的两个激光点能够检测出同一物体。
步骤S13,根据每个所述激光点的绝对坐标,得到所述雷达数据所包含的连通块及其中心点的坐标;在此,所述连通块用于指示所述移动机器人中的激光雷达打在同一物体上的所有激光点的集合,该集合中不仅包括有该连通块所包含的所有激光点,还包括每个激光点的绝对坐标及该激光点被返回的顺序等与每个激光点相关的信息。
所述步骤S14,根据预置的样本数据库和所述雷达数据所包含的连通块及其中心点的坐标,对所述连通块进行动态障碍物检测后,确定并标记所述连通块为动态障碍物,其中,所述预置的样本数据库由距所述当前时间点最近的、预设数量个时间点对应的样本雷达数据及其所包含的样本连通块和所样本连通块的中心点的坐标所确定;例如,若预设数量为4,且当前时间为t,则将距当前时间最近的4个时间点:(t-4)、(t-3)、(t-2)和(t-1)分别对应的雷达数据作为样本雷达数据,并将该4个时间点对应的雷达数据所包含的连通块作为样本连通块,若(t-4)、(t-3)、(t-2)和(t-1)分别对应的雷达数据所包含的连通块的数量为2个、6个、4个和9个,则该预置的样本数据库为时间点(t-4)对应的雷达数据及其所包含的2个连通块和该2个连通块的中心点的坐标,时间点(t-3)对应的雷达数据及其所包含的6个连通块和该6个连通块的中心点的坐标,时间点(t-2)对应的雷达数据及其所包含的4个连通块和该4个连通块的中心点的坐标,及时间点(t-1)对应的雷达数据及其所包含的9个连通块和该9个连通块的中心点的坐标。当然上述对预设数量、及每个雷达数据内所包含的连通块的数量等的限制均用于距离说明,在实际应用中可以应用于任何数量个的时间点及任何数量的雷达数据中的连通块,对上述对数量的举例不做限制。
在所述步骤S14中,根据由距所述当前时间点最近的、预设数量个时间点对应的样本雷达数据及其所包含的样本连通块和所样本连通块的中心点的坐标所确定的所述预置的样本数据库,结合当前时间点对应的述雷达数据所包含的连通块及其中心点的坐标,对当前时间点对应的雷达数据所包含的每个连通块进行动态障碍物检测后,确定并标记所述连通块为动态障碍物,不仅提高了对移动机器人所处环境中的动态障碍物进行检测的准确性,还提高了检测效率,以便帮助移动机器人后续能够更精确地对全局路径进行规划和对局部障碍进行检测。
本申请一实施例中,所述步骤S13根据每个所述激光点的绝对坐标,得到所述雷达数据所包含的连通块及其中心点的坐标,包括:
根据每个所述激光点的绝对坐标,得到所述雷达数据所包含的原始连通块及其内的激光点的数量,其中,所述原始连通块为至少一个;在此,由于通过移动机器人的激光雷达传感器获取的雷达数据中的每个激光点都有可能存在噪点,或激光点有反射的散点等的情况,导致无法保证根据雷达数据中的每个激光点的绝对坐标计算得到的原始连通块一定表示的是一个真实的实物体;故所述步骤S13在计算得到当前时间点对应的雷达数据所包含的所有的原始连通块之后,需要继续基于所述原始连通块内的激光点的数量,对所述至少一个原始连通块进行筛选,得到所述雷达数据所包含的连通块及其中心点的坐标,以实现对雷达数据所包含的原始连通块的筛选,进而得到可以用于表示真实的实物体的雷达数据中的连通块,以便后续对动态障碍物的精确检测和判断。
在本实施例中,所述步骤S13中的根据每个所述激光点的绝对坐标,得到所述雷达数据所包含的原始连通块及其内的激光点的数量,包括:
按照时间先后顺序,从所述雷达数据中的第二个激光点开始,重复如下步骤,直至所述雷达数据中的最后一个激光点,得到所述雷达数据所包含的至少一个原始连通块及其内的激光点的数量:
根据当前激光点的绝对坐标和上一激光点的绝对坐标,计算所述当前激光点与所述上一激光点之间的点间距;
判断所述点间距是否小于预设的点间距阈值,
若是,则所述当前激光点与所述上一激光点属于同一个所述原始连通块;
若否,则所述当前激光点与所述上一激光点不属于同一个原始连通块。
例如,若当前时间点t对应的雷达数据Dt所包含的激光点为16个,且在同一个时间点对应的雷达数据中,按照激光点在该时间点内返回的时间先手顺序对该16激光点进行排序,分别为:LP1(t)、LP2(t)、……、LP16(t),则从该当前时间点对应的雷达数据中的第二个激光点LP2(t)开始,根据激光点分别对应的绝对坐标,计算该第二个激光点LP2(t)和第一个激光点LP1(t)之间的点间距D21,并判断该点间距D21是否小于预设的点间距阈值D(阈值),若该点间距D21小于预设的点间距阈值D(阈值),则第二个激光点LP2(t)和第一个激光点LP1(t)属于同一个原始连通块;若该点间距D21大于等于预设的点间距阈值D(阈值),则第二个激光点LP2(t)和第一个激光点LP1(t)不属于同一个原始连通块,且到该雷达数据中的第一个激光点为止能够确定一个原始连通块,同时从第二个激光点开始另一个新的原始连通块的检测;接着,对第三个激光点LP3(t)开始,根据激光点分别对应的绝对坐标,计算该第三个激光点LP3(t)和第二个激光点LP2(t)之间的点间距D32,并判断该点间距D32是否小于预设的点间距阈值D(阈值),若该点间距D32小于预设的点间距阈值D(阈值),则第三个激光点LP3(t)和第二个激光点LP2(t)属于同一个原始连通块;若该点间距D32大于等于预设的点间距阈值D(阈值),则第三个激光点LP3(t)和第二个激光点LP2(t)不属于同一个原始连通块,且到该雷达数据中的第二个激光点为止能够确定出一个原始连通块,同时从第三个激光点开始另一个新的原始连通块的检测;按照上述判断相邻的两个激光点是否属于同一个原始连通块的计算和判断方法,在当前时间点对应的雷达数据中,按照获取返回的每个激光点的时间先后顺序,遍历完所述雷达数据中的所有激光点,直至该雷达数据中的最后一个激光点LP16(t),以通过初步计算得到所述雷达数据所包含的至少一个原始连通块及其内的激光点的数量。
在本实施例中,为了保证根据雷达数据中的每个激光点的绝对坐标计算得到的原始连通块一定表示的是一个真实的实物体,则就需要对每个原始连通块进行筛选和检验,则所述步骤S13中的基于所述原始连通块内的激光点的数量,对所述至少一个原始连通块进行筛选,得到所述雷达数据所包含的连通块及其中心点的坐标,包括:
分别判断每个所述原始连通块内的激光点的数量是否小于预设数量阈值,
若是,则将所述原始连通块丢弃;
若否,则将所述原始连通块确定为所述雷达数据所包含的连通块,并根据所述连通块内的激光点的绝对坐标,计算得到所述连通块的中心点的坐标,其中,
所述连通块用于指示所述移动机器人中的激光雷达打在同一物体上的所有激光点的集合。
接着本申请的上述实施例,在当前时间点对应的雷达数据所包含的16个激光点中,若得到4个原始连通块,且每个原始连通块内的激光点的数量分别为1个、3个、5个和7个,分别为:原始连通块1及其所包含的激光点LP1(t),原始连通块2及其所包含的激光点LP2(t)、LP3(t)和LP4(t),原始连通块3及其所包含的激光点LP5(t)、LP6(t)、LP7(t)、LP8(t)和LP9(t),及原始连通块4及其所包含的激光点LP10(t)、LP11(t)、LP12(t)、LP13(t)、LP14(t)、LP14(t)、LP15(t)和LP16(t),若用于检验原始连通块是否用于指示实际环境中的一实物体的预设数量阈值为2个,当前此处将预设数量阈值优选为2个仅为举例说明,其他任何数量的预设数量阈值均适用于本申请。分别判断每个所述原始连通块内的激光点的数量是否大于预设数量阈值,例如,判断得到原始连通块1内的激光点的数量1个小于预设数量阈值2个,则将该原始连通块1丢弃;原始连通块2内的激光点的数量3个大于预设数量阈值2个,则将该原始连通块2确定为所述雷达数据所包含的连通块;原始连通块3内的激光点的数量5个小于预设数量阈值2个,则将该原始连通块3确定为所述雷达数据所包含的连通块;原始连通块4内的激光点的数量7个小于预设数量阈值2个,则将该原始连通块4确定为所述雷达数据所包含的连通块;则得到当前时间点对应的雷达数据所包含的连通块有3个,分别为原始连通块2、原始连通块3和原始连通块4,即当前时间点对应的雷达数据所包含的连通块1、连通块2和连通块3。
接着,分别根据当前时间点对应的雷达数据所包含的连通块1、连通块2和连通块3中的每个连通块内的所有激光点的绝对坐标,来计算每个连通块的中心点的坐标,在此,根据连通块内的每个激光点的绝对坐标来进行中心点的坐标的计算方法可以根据实际应用场景采取不同的计算方法,例如,可以通过连通块中的所有激光点在各个维度上的代数平均值、几何平均值及最大值和最小值等,来计算连通块的中心点的坐标,在此对基于连通块内的所有激光点计算中心点的坐标的算法不做任何限制。
本申请一实施例中,所述步骤S14根据预置的样本数据库和所述雷达数据所包含的连通块及其中心点的坐标,对所述连通块进行动态障碍物检测后,确定并标记所述连通块为动态障碍物,包括:
从所述雷达数据所包含的连通块中任选一连通块作为目标连通块,重复如下步骤,直至遍历完所述雷达数据所包含的连通块:
基于所述目标连通块的中心点的坐标和至少一个所述样本连通块的中心点的坐标,计算所述目标连通块分别与每个所述样本连通块之间的块距离;
判断每个所述块距离是否均大于预设的块距离阈值,
若是,则确定并标记所述目标连通块为动态障碍物;
若否,则确定所述目标连通块不是动态障碍物。
例如,若预置的样本数据库包括四个样本连通块,分别为样本连通块A、样本连通块B、样本连通块C和样本连通块D,这四个样本连通块的中心点的坐标对应分别为:O(A)、O(B)、O(C)和O(D),同时,若雷达数据所包含的连通块及其中心点的坐标分别为:连通块1及其中心点坐标O(1)、连通块2及其中心点坐标O(2)和连通块3及其中心点坐标O(2),则从当前时间点对应的雷达数据中的3个连通块中任选一个连通块作为目标连通块,例如连通块2位目标连通块,则通过该目标连通块(连通块2)的中心点的坐标和所有样本连通块的中心点的坐标,计算该目标连通块(连通块2)分别与每个样本连通块(A、B、C及D)之间的块距离,分别对应为d(A2)、d(B2)、d(C2)及d(D2),接着,判断每个块距离是否均大于预设的块距离阈值d(阈值),若是(即d(A2)、d(B2)、d(C2)及d(D2)均大于d(阈值)),则确定并标记所述目标连通块(连通块2)为动态障碍物,从而实现对移动机器人所处环境中的动态障碍物的检测,并将该被标记为动态障碍物的连通块2内的所有与激光点相关的信息输出,以便进行后续相应操作;若否(只要d(A2)、d(B2)、d(C2)及d(D2)中存在一个块距离小于或等于d(阈值)),则确定所述目标连通块(连通块2)不是动态障碍物,即为静态障碍物或者静态物体等;按照上述对连通块2进行是否为动态障碍物的检测方法,遍历完当前时间点对应的雷达数据所包含的所有的连通块,进而实现对每个时间点可能遇到的动态障碍物或静态障碍物的检测。
本申请一实施例中,上述动态障碍物检测方法还包括:
基于当前时间点对应的雷达数据和所述雷达数据中的、被标记为动态障碍物的连通块及其中心点的坐标,对所述预置的样本数据库进行更新。
例如,当前时间点为6:00,所述预置的样本数据库中的所有的样本连通块为4个,分别为时间点:5:56,5:57,5:58,5:59分别对应的雷达数据所包含的样本连通块A(对应时间点5:56)、样本连通块B(对应时间点5:57)、样本连通块C(对应时间点5:58)、样本连通块D(对应时间点5:59),可见,样本数据库内的每个时间点对应的样本雷达数据所包含的样本连通块的数量均为1个,此处仅为举例,实际应用中对每个样本雷达数据所包含的样本连通块的数量不做任何限制。若当前时间点6:00对应的雷达数据所包含的连通块E的中心点为O(E),计算分别计算连通块E与样本连通块A、B、C、D之间的距离,分别对应为:d(AE),d(BE),d(CE),d(DE),若d(AE)、d(BE)、d(CE)及d(DE)均大于一个块间距阈值d(阈值),则将该连通块E标记为动态障碍物,并对所述预置的样本数据库进行更新,得到更新后的样本数据库为:“5:57,5:58,5:59分别对应的雷达数据的连通块B(对应时间点5:57)、C(对应时间点5:58)、D(对应时间点5:59)及当前时间点6:00中的连通块E”,将最旧的时间点5:56对应的连通块A及其激光点等坐标替换掉(即删除),在此,若当前时间点存在多个被标记为动态障碍物的连通块,同样也是将当前时间点对应的雷达数据中所包含的、被标记为动态障碍物的所有连通块来替换掉预设的样本数据库中的距当前时间点最久的一个时间点对应的雷达数据所包含的被标记为动态障碍物的所有连通块,以实现对样本数据库的实时更新,以便对下一时间点对应的雷达数据中是否包含动态障碍物的精确检测。
根据本申请的另一方面,还提供了一种非易失性存储介质,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行时,使所述处理器实现如上述动态障碍物检测方法。
根据本申请的另一方面,还提供了一种城市道路规划设备,其中,所述设备包括:
一个或多个处理器;
非易失性存储介质,用于存储一个或多个计算机可读指令,
当所述一个或多个计算机可读指令被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述动态障碍物检测方法。
在此,所述用于动态障碍物检测设备中的各实施例的详细内容,具体可参见该用于动态障碍物检测设备端的方法实施例的对应部分,在此,不再赘述。
综上所述,获取移动机器人在当前时间点对应的位姿数据和雷达数据,其中,所述雷达数据包括至少一个激光点及其坐标;之后,根据所述位姿数据对所述雷达数据中的每个激光点的坐标进行转换,得到每个所述激光点的绝对坐标;以便后续根据每个所述激光点的绝对坐标,得到所述雷达数据所包含的连通块及其中心点的坐标;最后,根据预置的样本数据库和所述雷达数据所包含的连通块及其中心点的坐标,并结合由距所述当前时间点最近的、预设数量个时间点对应的样本雷达数据及其所包含的样本连通块和所样本连通块的中心点的坐标所确定的预置的样本数据库,对当前时间点对应的雷达数据所包含的连通块进行动态障碍物检测后,确定并标记所述连通块为动态障碍物,实现准确高效地将移动机器人所处环境中的动态障碍物检测出来,以便移动机器人后续能够更精确地对全局路径进行规划和对局部障碍进行检测。需要注意的是,本申请可在软件和/或软件与硬件的组合体中被实施,例如,可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中,本申请的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地,本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中,例如,RAM存储器,磁或光驱动器或软磁盘及类似设备。另外,本申请的一些步骤或功能可采用硬件来实现,例如,作为与处理器配合从而执行各个步骤或功能的电路。
另外,本申请的一部分可被应用为计算机程序产品,例如计算机程序指令,当其被计算机执行时,通过该计算机的操作,可以调用或提供根据本申请的方法和/或技术方案。而调用本申请的方法的程序指令,可能被存储在固定的或可移动的记录介质中,和/或通过广播或其他信号承载媒体中的数据流而被传输,和/或被存储在根据所述程序指令运行的计算机设备的工作存储器中。在此,根据本申请的一个实施例包括一个装置,该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器,其中,当该计算机程序指令被该处理器执行时,触发该装置运行基于前述根据本申请的多个实施例的方法和/或技术方案。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其他的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
Claims (10)
1.一种动态障碍物检测方法,其中,所述方法包括:
获取移动机器人在当前时间点对应的位姿数据和雷达数据,其中,所述雷达数据包括至少一个激光点及其坐标;
根据所述位姿数据对所述雷达数据中的每个激光点的坐标进行转换,得到每个所述激光点的绝对坐标;
根据每个所述激光点的绝对坐标,得到所述雷达数据所包含的连通块及其中心点的坐标;
根据预置的样本数据库和所述雷达数据所包含的连通块及其中心点的坐标,对所述连通块进行动态障碍物检测后,确定并标记所述连通块为动态障碍物。
2.根据权利要求1所述的方法,其中,所述根据所述位姿数据对所述雷达数据中的每个激光点的坐标进行转换,得到每个所述激光点的绝对坐标,包括:
根据所述位姿数据,将所述雷达数据中的每个激光点的坐标,从所述移动机器人的坐标系转换至世界坐标系,得到每个所述激光点的绝对坐标。
3.根据权利要求1所述的方法,其中,所述根据每个所述激光点的绝对坐标,得到所述雷达数据所包含的连通块及其中心点的坐标,包括:
根据每个所述激光点的绝对坐标,得到所述雷达数据所包含的原始连通块及其内的激光点的数量,其中,所述原始连通块为至少一个;
基于所述原始连通块内的激光点的数量,对所述至少一个原始连通块进行筛选,得到所述雷达数据所包含的连通块及其中心点的坐标。
4.根据权利要求3所述的方法,其中,所述根据每个所述激光点的绝对坐标,得到所述雷达数据所包含的原始连通块及其内的激光点的数量,包括:
按照时间先后顺序,从所述雷达数据中的第二个激光点开始,重复如下步骤,直至所述雷达数据中的最后一个激光点,得到所述雷达数据所包含的至少一个原始连通块及其内的激光点的数量:
根据当前激光点的绝对坐标和上一激光点的绝对坐标,计算所述当前激光点与所述上一激光点之间的点间距;
判断所述点间距是否小于预设的点间距阈值,
若是,则所述当前激光点与所述上一激光点属于同一个所述原始连通块;
若否,则所述当前激光点与所述上一激光点不属于同一个原始连通块。
5.根据权利要求3所述的方法,其中,所述基于所述原始连通块内的激光点的数量,对所述至少一个原始连通块进行筛选,得到所述雷达数据所包含的连通块及其中心点的坐标,包括:
分别判断每个所述原始连通块内的激光点的数量是否小于预设数量阈值,
若是,则将所述原始连通块丢弃;
若否,则将所述原始连通块确定为所述雷达数据所包含的连通块,并根据所述连通块内的激光点的绝对坐标,计算得到所述连通块的中心点的坐标,其中,
所述连通块用于指示所述移动机器人中的激光雷达打在同一物体上的所有激光点的集合。
6.根据权利要求1至5中任一项所述的方法,其中,所述预置的样本数据库由距所述当前时间点最近的、预设数量个时间点对应的样本雷达数据及其所包含的样本连通块和所样本连通块的中心点的坐标确定,其中,所述样本连通块为至少一个。
7.根据权利要求6所述的方法,其中,所述根据预置的样本数据库和所述雷达数据所包含的连通块及其中心点的坐标,对所述连通块进行动态障碍物检测后,确定并标记所述连通块为动态障碍物,包括:
从所述雷达数据所包含的连通块中任选一连通块作为目标连通块,重复如下步骤,直至遍历完所述雷达数据所包含的连通块:
基于所述目标连通块的中心点的坐标和至少一个所述样本连通块的中心点的坐标,计算所述目标连通块分别与每个所述样本连通块之间的块距离;
判断每个所述块距离是否均大于预设的块距离阈值,
若是,则确定并标记所述目标连通块为动态障碍物;
若否,则确定所述目标连通块不是动态障碍物。
8.根据权利要求7所述的方法,其中,所述方法还包括:
基于当前时间点对应的雷达数据和所述雷达数据中的、被标记为动态障碍物的连通块及其中心点的坐标,对所述预置的样本数据库进行更新。
9.一种非易失性存储介质,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行时,使所述处理器实现如权利要求1至8中任一项所述的方法。
10.一种动态障碍物检测设备,其中,所述设备包括:
一个或多个处理器;
非易失性存储介质,用于存储一个或多个计算机可读指令,
当所述一个或多个计算机可读指令被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1至8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810054614.6A CN108363060A (zh) | 2018-01-19 | 2018-01-19 | 一种动态障碍物检测方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810054614.6A CN108363060A (zh) | 2018-01-19 | 2018-01-19 | 一种动态障碍物检测方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108363060A true CN108363060A (zh) | 2018-08-03 |
Family
ID=63006392
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810054614.6A Pending CN108363060A (zh) | 2018-01-19 | 2018-01-19 | 一种动态障碍物检测方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108363060A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109444905A (zh) * | 2018-09-12 | 2019-03-08 | 深圳市杉川机器人有限公司 | 一种基于激光的动态物体检测方法、装置及终端设备 |
CN109633676A (zh) * | 2018-11-22 | 2019-04-16 | 浙江中车电车有限公司 | 一种基于激光雷达侦测障碍物运动方向的方法及*** |
CN110058195A (zh) * | 2019-05-24 | 2019-07-26 | 珠海格力电器股份有限公司 | 工业机器人的工作范围状态的确定方法及装置 |
CN110146070A (zh) * | 2019-05-13 | 2019-08-20 | 珠海市一微半导体有限公司 | 一种适用于宠物引诱的激光导航方法 |
CN110673115A (zh) * | 2019-09-25 | 2020-01-10 | 杭州飞步科技有限公司 | 雷达与组合导航***的联合标定方法、装置、设备及介质 |
CN111337022A (zh) * | 2020-04-10 | 2020-06-26 | 深圳市银星智能科技股份有限公司 | 一种目标障碍物的检测方法、装置和机器人 |
CN112819118A (zh) * | 2020-12-31 | 2021-05-18 | 上海思岚科技有限公司 | 可编码的雷达标记物及其识别方法、设备 |
CN113031005A (zh) * | 2021-02-22 | 2021-06-25 | 江苏大学 | 基于激光雷达的吊车动态障碍物识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010061567A (ja) * | 2008-09-05 | 2010-03-18 | Toyota Motor Corp | 物体検出装置 |
CN101702200A (zh) * | 2009-11-03 | 2010-05-05 | 武汉大学 | 一种机载激光雷达点云数据的自动分类方法 |
CN106371105A (zh) * | 2016-08-16 | 2017-02-01 | 长春理工大学 | 单线激光雷达车辆目标识别方法、装置和汽车 |
CN107316048A (zh) * | 2017-05-03 | 2017-11-03 | 深圳市速腾聚创科技有限公司 | 点云分类方法及装置 |
CN107578427A (zh) * | 2017-07-31 | 2018-01-12 | 深圳市易成自动驾驶技术有限公司 | 动态障碍物的检测方法、装置及计算机可读存储介质 |
-
2018
- 2018-01-19 CN CN201810054614.6A patent/CN108363060A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010061567A (ja) * | 2008-09-05 | 2010-03-18 | Toyota Motor Corp | 物体検出装置 |
CN101702200A (zh) * | 2009-11-03 | 2010-05-05 | 武汉大学 | 一种机载激光雷达点云数据的自动分类方法 |
CN106371105A (zh) * | 2016-08-16 | 2017-02-01 | 长春理工大学 | 单线激光雷达车辆目标识别方法、装置和汽车 |
CN107316048A (zh) * | 2017-05-03 | 2017-11-03 | 深圳市速腾聚创科技有限公司 | 点云分类方法及装置 |
CN107578427A (zh) * | 2017-07-31 | 2018-01-12 | 深圳市易成自动驾驶技术有限公司 | 动态障碍物的检测方法、装置及计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
仲训昱 等: "基于激光传感器的机器人运动障碍物检测", 《PROCEEDINGS OF THE 30TH CHINESE CONTROL CONFERENCE》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109444905A (zh) * | 2018-09-12 | 2019-03-08 | 深圳市杉川机器人有限公司 | 一种基于激光的动态物体检测方法、装置及终端设备 |
CN109444905B (zh) * | 2018-09-12 | 2020-08-25 | 深圳市杉川机器人有限公司 | 一种基于激光的动态物体检测方法、装置及终端设备 |
CN109633676A (zh) * | 2018-11-22 | 2019-04-16 | 浙江中车电车有限公司 | 一种基于激光雷达侦测障碍物运动方向的方法及*** |
CN110146070A (zh) * | 2019-05-13 | 2019-08-20 | 珠海市一微半导体有限公司 | 一种适用于宠物引诱的激光导航方法 |
CN110058195A (zh) * | 2019-05-24 | 2019-07-26 | 珠海格力电器股份有限公司 | 工业机器人的工作范围状态的确定方法及装置 |
CN110673115A (zh) * | 2019-09-25 | 2020-01-10 | 杭州飞步科技有限公司 | 雷达与组合导航***的联合标定方法、装置、设备及介质 |
CN111337022A (zh) * | 2020-04-10 | 2020-06-26 | 深圳市银星智能科技股份有限公司 | 一种目标障碍物的检测方法、装置和机器人 |
CN111337022B (zh) * | 2020-04-10 | 2022-01-21 | 深圳市银星智能科技股份有限公司 | 一种目标障碍物的检测方法、装置和机器人 |
CN112819118A (zh) * | 2020-12-31 | 2021-05-18 | 上海思岚科技有限公司 | 可编码的雷达标记物及其识别方法、设备 |
CN113031005A (zh) * | 2021-02-22 | 2021-06-25 | 江苏大学 | 基于激光雷达的吊车动态障碍物识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108363060A (zh) | 一种动态障碍物检测方法及设备 | |
US9942720B2 (en) | Location determination, mapping, and data management through crowdsourcing | |
CN105528359B (zh) | 用于存储行进轨迹的方法和*** | |
AU2014278279B2 (en) | Lidar-based classification of object movement | |
CN108280843A (zh) | 一种视频目标检测跟踪方法及设备 | |
EP3693759B1 (en) | System and method for tracking motion of target in indoor environment | |
EP3767332B1 (en) | Methods and systems for radar object detection | |
CN112906816B (zh) | 基于光微分与双通道神经网络的目标检测方法和装置 | |
JP4558600B2 (ja) | 航跡相関統合装置 | |
CN110232368A (zh) | 车道线检测方法、装置、电子设备及存储介质 | |
CN114677655A (zh) | 多传感器目标检测方法、装置、电子设备以及存储介质 | |
CN111220959B (zh) | 室内多径假目标识别方法、装置、电子设备以及存储介质 | |
CN112842180A (zh) | 扫地机器人及其测距避障方法、装置及可读存储介质 | |
JP2019151227A (ja) | 列車位置推定装置 | |
Alipio et al. | In-store customer traffic and path monitoring in small-scale supermarket using UWB-based localization and SSD-based detection | |
FR3025609A1 (fr) | Procede de gestion de croisements dans le suivi d'objets mobiles et dispositif associe | |
KR101470367B1 (ko) | 이중층 파티클 필터를 이용한 다중 객체 검출 및 추적 장치와 그 방법 | |
CN112965076A (zh) | 一种用于机器人的多雷达定位***及方法 | |
JP2010152787A (ja) | 環境地図生成プログラム、環境地図生成方法及び移動ロボット | |
US12044770B2 (en) | Apparatus and method for determining kinetic information | |
CN113108806A (zh) | 路径规划方法、装置、设备及介质 | |
US20230025981A1 (en) | Method and apparatus with grid map generation | |
Bogdoll et al. | Impact, attention, influence: Early assessment of autonomous driving datasets | |
CN115240400B (zh) | 车辆位置识别方法和装置、车辆位置输出方法和装置 | |
CN112987010B (zh) | 一种用于机器人的多雷达建图的***及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180803 |