CN109872324A - 地面障碍物检测方法、装置、设备和存储介质 - Google Patents

Abstract

本发明实施例公开了一种地面障碍物检测方法、装置、设备和存储介质。该方法包括：获取运动场景点云数据；根据所述运动场景点云数据，确定当前待检测地面参数；根据所述运动场景点云数据、所述当前待检测地面参数以及预设标准地面参数，对所述运动场景进行障碍物检测。本发明实施例基于立体视觉可以为智能机器人等智能设备提供更为丰富的三维环境信息，实现了对空间高度范围内的障碍物进行检测，避免了仅对指定高度进行障碍物检测的局限性，进而提高了障碍物检测的适用范围和准确度。

Description

地面障碍物检测方法、装置、设备和存储介质

技术领域

本发明实施例涉及智能机器人技术领域，尤其涉及一种地面障碍物检测方法、装置、设备和存储介质。

背景技术

随着智能机器人的快速发展和普及，智能机器人通过自主导航***进行运动，以此来辅助人们的生活和工作等。因此在智能机器人自主导航过程中，及时检测并规避障碍是必需功能。

目前的智能机器人在移动过程中，对于障碍物检测主要以平面检测为主，即通过对指定高度的平面进行扫描，确定该扫描平面内的障碍物位置。

然而，现有的障碍物检测方法只能基于固定高度进行平面检测，但由于障碍物的所处位置和形态是无法提前预估的，进而当障碍物位于低于或高于扫描平面时，则障碍物无法被检测到，进而降低了障碍物检测的适用范围及其检测准确度。

发明内容

本发明实施例提供了一种地面障碍物检测方法、装置、设备和存储介质，能够对空间高度范围内的障碍物进行检测。

第一方面，本发明实施例提供了一种地面障碍物检测方法，包括：

获取运动场景点云数据；

根据所述运动场景点云数据，确定当前待检测地面参数；

根据所述运动场景点云数据、所述当前待检测地面参数以及预设标准地面参数，对所述运动场景进行障碍物检测。

第二方面，本发明实施例提供了一种地面障碍物检测装置，包括：

点云数据采集模块，用于获取运动场景点云数据；

平面分割模块，用于根据所述运动场景点云数据，确定当前待检测地面参数；

障碍物检测模块，用于根据所述运动场景点云数据、所述当前待检测地面参数以及预设标准地面参数，对所述运动场景进行障碍物检测。

第三方面，本发明实施例提供了一种设备，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序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本发明任意实施例所述的地面障碍物检测方法。

第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例所述的地面障碍物检测方法。

本发明实施例通过采集运动场景点云数据，确定当前待检测地面参数，从而根据运动场景点云数据、当前待检测地面参数以及预设标准地面参数，对运动场景进行障碍物检测。本发明实施例基于立体视觉可以为智能机器人等智能设备提供更为丰富的三维环境信息，实现了对空间高度范围内的障碍物进行检测，避免了仅对指定高度进行障碍物检测的局限性，进而提高了障碍物检测的适用范围和准确度。

附图说明

图1为本发明实施例一提供的一种地面障碍物检测方法的流程图；

图2为本发明实施例二提供的一种地面障碍物检测方法的流程图；

图3为本发明实施例二提供的地面障碍物检测示例图；

图4为本发明实施例二提供的障碍物定位示例图；

图5为本发明实施例三提供的一种地面障碍物检测装置的结构示意图；

图6为本发明实施例四提供的一种设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明实施例作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明实施例，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明实施例相关的部分而非全部结构。

实施例一

图1为本发明实施例一提供的一种地面障碍物检测方法的流程图，本实施例可适用于检测当前地平面中是否存在不可越过的障碍物的情况，该方法可由一种地面障碍物检测装置来执行，该装置可以采用软件和/或硬件的方式实现，优选是配置于智能机器人。该方法具体包括如下：

步骤110、获取运动场景点云数据。

在本发明具体实施例中，点云数据是指通过扫描获得的以点的形式记录的数据，其中每一个点包括三维坐标信息，还可以包括颜色信息或反射强度信息等。本实施例中运动场景点云数据是指智能机器人等智能设备在移动或静止的过程中，采集的移动或即将移动方向上场景的点云数据。其中，可以采用激光、雷达或红外等传感器来采集运动场景点云数据。本实施例优选采用主动红外立体视觉传感器来采集运动场景点云数据，主动红外立体视觉传感器通过主动发射红外线并接收物体反射的红外线，采集运动场景点云数据。

步骤120、根据运动场景点云数据，确定当前待检测地面参数。

在本发明具体实施例中，当前待检测地面是指智能机器人等智能设备在移动或即将移动方向上的地面。其中，当前待检测地面可以为平坦的地面，也可以为设置有障碍物的地面，还可以是楼梯或台阶等各种形式或情况下的地面。例如，本实施例优选适用于户外场景，当前待检测地面可以为具有路缘石的地面。值得注意的是，由于点云数据精度限制，设置有起伏高度较低的障碍物的地面或楼梯及台阶等地面的呈现形式可以近似视为带有倾斜角度的坡面。因此，在点云数据呈现上来看，当前待检测地面可以为与地平面之间具有倾斜角度的坡面。

具体的，基于运动场景点云数据确定的当前待检测地面可以采用平面方程来表示，即Ax+By+Cz+D＝0。相应的，当前待检测地面对应的平面方程中的参数A、B、C和D即为描述当前待检测地面特征的参数。

可选的，在根据运动场景点云数据确定当前待检测地面参数之前，还包括：通过体素滤波器对运动场景点云数据进行降采样处理；通过直通滤波器对降采样后的运动场景点云数据中指定范围内的点进行去除。

本实施例中，由于点云数据集中每一个点可以表达一定的信息量，若某个区域中的点越密集则有用的信息量越大，反之孤立的离群点信息量较小，其表达的信息量可以忽略不计。相应的，本实施例可以采用体素滤波器和直通滤波器等滤波器对运动场景点云数据进行滤波处理，便于提高后续的处理效率和准确性。

具体的，体素类似于像素，是数字数据于三维空间分割上的最小单位，通常体素越密集的区域其信息量越多。如果使用高分辨率传感器等设备对点云进行采集，往往点云会较为密集。过多的点云数据量会对后续分割工作带来困难，因此本实施例采用体素滤波器对运动场景点云数据进行降采样处理，可以达到向下采样同时不破坏点云数据本身几何结构的效果，以减少点云数据，便于后期分析。此外，对于在空间分布有一定空间特征的点云数据，沿z轴方向分布较广，但沿x轴和y轴方向的分布处于有限范围内。因此本实施例采用直通滤波器，确定运动场景点云数据在x轴或y轴方向上的范围，可较快剪除指定范围内的点，达到粗处理的目的。从而尽可能只保留智能机器人等智能设备在移动方向上相关的点云数据，而去除距离智能机器人等智能设备较远的无效的点云数据，进一步减少后期对于无效点云数据的无效处理过程，提高障碍物的检测效率。

可选的，对运动场景点云数据进行平面分割，确定当前待检测地面参数。

本实施例中，可以以地平面为参考平面，对上述滤波处理得到的点云数据进行平面分割，确定当前待检测地面及其参数。其中，本实施例不对平面分割的方法进行限定，例如法线估计法、区域生长法、主成分分析法、相似度准则以及平面模型等能够实现点云数据平面分割的方法都可以应用于本实施例中，通过确定的当前待检测地面对应的平面方程，确定当前待检测地面参数。示例性的，基于相似度准则对运动场景点云数据进行划分，使得同一划分内的点云数据具有相似特征，从而得到平面分割结果，确定当前待检测地面及其参数。

步骤130、根据运动场景点云数据、当前待检测地面参数以及预设标准地面参数，对运动场景进行障碍物检测。

在本发明具体实施例中，同样可以以地平面为参考平面，在智能机器人等智能设备中，针对平坦状态的当前待检测地面进行标准地面参数的初始化。即将当前待检测地面的平坦状态为理想状态，确定平坦的当前待检测地面以地平面为参考平面的平面方程，并确定该平面方程的参数为预设标准地面参数，例如A’、B’、C’和D’。从而根据运动场景点云数据中每个点的位置信息、当前待检测地面参数ABCD以及预设标准地面参数A’B’C’D’，实现对当前待检测地面上障碍物的检测。

示例性的，可以根据当前待检测地面参数ABCD与预设标准地面参数A’B’C’D’，确定当前待检测地面与预设标准地面之间的夹角，若夹角大于预设角度阈值，则说明智能机器人等智能设备遇到了台阶等高坡度的地形，直接视为无法越过的障碍物；若夹角小于预设角度阈值，则可以初步视为可能越过的障碍物。

具体的，对于初步视为可能越过的障碍物，可以根据当前待检测地面参数ABCD与预设标准地面参数A’B’C’D’，确定当前待检测地面上的每个点G投影到预设标准地面的投影点G’，确定主动红外立体视觉传感器等传感器分别与点G的实际测试深度距离L以及与点G’之间理想的标准深度距离L’，并计算实际测试深度距离L与标准深度距离L’之间的距离差值。从而根据该距离差值与预设距离阈值的比较，确定当前待检测地面是否存在障碍物。若距离差值小于预设距离阈值，则确定该障碍物可以越过；若距离差值大于预设距离阈值，则视为无法越过的障碍物。并可以根据距离差值的正负，检测该障碍物的凹凸程度。例如，检测该具有无法越过的障碍物的当前待检测地面是否属于台阶、沟或坑洞等地形，进而通过智能机器人等智能设备的避障导航，防止智能机器人等智能设备撞击障碍物或跌落危险地形中。

本实施例的技术方案，通过采集运动场景点云数据，确定当前待检测地面参数，从而根据运动场景点云数据、当前待检测地面参数以及预设标准地面参数，对运动场景进行障碍物检测。本发明实施例基于立体视觉可以为智能机器人等智能设备提供更为丰富的三维环境信息，实现了对空间高度范围内的障碍物进行检测，避免了仅对指定高度进行障碍物检测的局限性，进而提高了障碍物检测的适用范围和准确度。

实施例二

本实施例在上述实施例一的基础上，提供了地面障碍物检测方法的一个优选实施方式，能够基于障碍物检测结果进行避障导航。图2为本发明实施例二提供的一种地面障碍物检测方法的流程图，如图2所示，该方法包括以下具体：

步骤210、获取运动场景点云数据。

步骤220、根据运动场景点云数据，确定当前待检测地面参数。

步骤230、根据当前待检测地面参数以及预设标准地面参数，确定当前待检测地面与预设标准地面之间所成的角度。

在本发明具体实施例中，以地平面为参考平面，对运动场景点云数据进行平面分割，可以确定当前待检测地面的平面方程为Ax+By+Cz+D＝0，相应的，当前待检测地面参数为A、B、C和D。此外，针对理想状态下平坦的当前待检测地面，预先设置标准地面参数为A’、B’、C’和D’。因此，可以在已知两平面平面方程的基础上，计算当前待检测地面与预设标准地面之间所成的角度。示例性的，参数ABC为平面法向量的分量，可以根据两平面的法向量确定当前待检测地面与预设标准地面之间所成的角度。

步骤240、根据当前待检测地面与预设标准地面之间所成的角度，以及预设角度阈值，对运动场景进行障碍物检测。

在本发明具体实施例中，为了使得智能机器人等智能设备的避障策略具有一定的坡度适应性，可以预先设置角度阈值。可选的，若当前待检测地面与预设标准地面之间所成的角度大于预设角度阈值，则确定当前待检测地面为障碍物。例如，若两平面的夹角高于角度阈值则认为遇到台阶等高坡度地形，直接视为无法越过的障碍。

可选的，若当前待检测地面与预设标准地面之间所成的角度小于预设角度阈值，则根据采集点云数据的传感器的光束发射视角，确定运动场景点云数据中各点投影到预设标准地面上的投影点；根据传感器与各点之间的测试深度距离，以及传感器与该点关联的投影点之间的标准深度距离，确定测试深度距离与标准深度距离的距离差值；若距离差值大于预设距离阈值，则确定该点属于障碍物。

本实施例中，若当前待检测地面与预设标准地面之间所成的角度小于预设角度阈值，则可以初步视为当前待检测地面为平坦地面，或地面中存在可能越过的障碍物，或地面中存在可能越过的沟、坑洞等地形。因此当检测到两平面之间的夹角在预设角度阈值范围内时，还需要进一步的检测。

具体的，根据预设标准地面参数以及当前待检测地面参数，以标准地面为基准，对当前待检测地面上的每个点进行投影。即根据采集点云数据的传感器的光束发射视角，确定当前待检测地面上的每个点投影到预设标准地面上的投影点。并确定当前待检测地面上的点与传感器之间的实际测试深度距离，以及传感器与该点关联的投影点之间的标准深度距离。其中，基于当前待检测地面参数，可以根据当前待检测地面上的点的三维坐标实时计算实际测试深度距离；同理，基于预设标准地面参数，可以根据投影点的三维坐标实时计算标准深度距离。可以理解的是，标准深度距离表示了在平坦地面上传感器与测试点之间的标准深度距离，若实际测试深度距离与标准深度距离存在偏差，则说明当前待检测地面具有凸起或凹陷地形，影响智能机器人等智能设备的正常移动。

因此可以确定测试深度距离与标准深度距离的距离差值，并基于智能机器人等智能设备的坡度适应性，预先设定距离阈值。例如，智能机器人可以越过凹凸程度最大在5cm范围内的障碍物或坑洞，则预先设定距离阈值为5cm。若距离差值的绝对数值小于预设距离阈值，则确定该点坡度起伏较小，视为可以越过的障碍物；反之若距离差值的绝对数值大于预设距离阈值，则确定该点属于不可越过的障碍物。同时，还可以根据距离差值的正负，确定障碍物的起伏程度。例如，若实际测试深度距离小于标准深度距离，则确定障碍物为凸起的台阶等；若实际测试深度距离大于标准深度距离，则确定障碍物为凹陷的坑洞等。

示例性的，图3为地面障碍物检测示例图。在传感器采集的运动场景点云数据的基础上，假设当前待检测地面与预设标准地面之间的夹角在预设角度阈值范围内，则进一步根据采集点云数据的传感器的光束发射视角，确定当前待检测地面上的每个点G投影到预设标准地面上的投影点G’。分别根据当前待检测地面参数以及预设标准地面参数，计算传感器与点G之间的实际测试深度距离L，以及传感器与投影点G’之间的标准深度距离L’。若|L-L’|在预设距离阈值范围内，则确定当前待检测地面中的障碍物可以正常越过；若|L-L’|大于预设距离阈值，则确定当前待检测地面存在不可越过的障碍物。进一步的，如图3所示，检测实际测试深度距离L小于标准深度距离L’，则可以确定该障碍物为凸起于标准地面的障碍物，例如路缘石等障碍物。

步骤250、根据识别出的障碍物的点云数据，确定障碍物的角度索引值和位置距离。

在本发明具体实施例中，智能机器人等智能设备根据识别出的障碍物的点云数据进行避障导航。其中，基于智能机器人等智能设备的导航原理，根据传感器的光速扫描角度范围，可以预先将该角度范围划分为多个等分的局部角度范围，并按照一致的方向顺序为每个局部角度范围设置连续的角度索引值。例如，传感器的光速扫描角度范围为(a,b)，角度增益为c，则从角度a起，为角度(a,a+c)范围设置角度索引值为1，为角度(a+c,a+2c)范围设置角度索引值为2，以此类推，从而角度索引值表示了一定的角度范围。

具体的，可以以智能机器人等智能设备所处位置为坐标原点，对传感器采集并识别出的障碍物的点云数据进行投影转换，确定障碍物上各点在以智能机器人等智能设备所处位置为坐标原点的坐标上的坐标值(x’,y’)。其中，可以首先将点云数据的三维坐标系转换为以智能机器人等智能设备所处位置为坐标原点的二维坐标系，从而确定障碍物上各点在二维坐标系上的坐标值(x’,y’)；或者，可以根据点云数据的三维坐标系与以智能机器人等智能设备所处位置为坐标原点的二维坐标系之间的转换关系，对障碍物上各点的三维坐标中的x轴坐标值和y轴坐标值分别进行转换，从而确定障碍物上各点转换为二维坐标的坐标值(x’,y’)。并基于障碍物上各点转换后的二维坐标(x’,y’)，确定障碍物所处的角度范围和距离。

示例性的，图4为障碍物定位示例图。如图4所示，将障碍物的三维点云数据投影到以智能机器人等智能设备所处位置为坐标原点O’的二维坐标系中，在x轴和y轴平面内，即智能机器人等智能设备所正向面对的移动平面，确定投影转换后障碍物上某点的二维坐标为(x’,y’)，则可以按照如下公式确定该点的角度索引值N为位置距离R为

步骤260、依据角度索引值和位置距离进行避障导航。

在本发明具体实施例中，根据障碍物上各点的角度索引值N所关联的角度范围(a+(N-1)c,a+Nc)，即可确定障碍物相对于智能机器人等智能设备本身所处的相对角度范围。根据障碍物上各点与智能机器人等智能设备之间的相距距离R，即可以确定障碍物相对于智能机器人等智能设备本身的相对距离关系。从而综合确定障碍物相对于智能机器人等智能设备本身的先对位置关系，例如，综合确定障碍物上各点的角度索引值均为N和N+1，且障碍物上各点的位置距离处于R±0.5的范围内，则可以确定该障碍物位于基于传感器的扫描角度(a+(N-1)c,a+(N+1)c)且距离R±0.5范围内。以使智能机器人等智能设备根据角度索引值和位置距离进行避障导航，即规划出避开障碍物所处位置的额外路线进行导航移动。

本实施例的技术方案，通过采集运动场景点云数据，确定当前待检测地面参数，根据当前待检测地面参数以及预设标准地面参数，确定当前待检测地面与预设标准地面之间的夹角，根据两平面之间的夹角与预设角度阈值的比较，初步确定不可越过障碍物以及可能越过障碍物。从而根据可能越过障碍物的点云数据，将障碍物点云投影到预设标准地面上的投影点，进一步确定障碍物点云与传感器之间的实际测试深度距离，以及投影点与传感器之间的标准深度距离。并根据实际测试深度距离与标准深度距离的距离差值，进一步确定不可越过障碍物以及可越过障碍物。最终将不可越过障碍物上点的坐标进行投影转换，确定障碍物相对于智能机器人等智能设备的相对位置关系，依据相对位置进行避障导航。本发明实施例基于立体视觉可以为智能机器人等智能设备提供更为丰富的三维环境信息，实现了对空间高度范围内的障碍物进行检测，避免了仅对指定高度进行障碍物检测的局限性，进而提高了障碍物检测的适用范围和准确度，以及避障导航的准确度。

实施例三

图5为本发明实施例三提供的一种地面障碍物检测装置的结构示意图，本实施例可适用于检测当前地平面中是否存在不可越过的障碍物的情况，该装置可实现本发明任意实施例所述的地面障碍物检测方法。该装置具体包括：

点云数据采集模块510，用于获取运动场景点云数据；

平面分割模块520，用于根据所述运动场景点云数据，确定当前待检测地面参数；

障碍物检测模块530，用于根据所述运动场景点云数据、所述当前待检测地面参数以及预设标准地面参数，对所述运动场景进行障碍物检测。

可选的，所述障碍物检测模块530包括：

平面夹角确定单元5301，用于根据所述当前待检测地面参数以及预设标准地面参数，确定当前待检测地面与预设标准地面之间所成的角度；

障碍物检测单元5302，用于根据所述当前待检测地面与预设标准地面之间所成的角度，以及预设角度阈值，对所述运动场景进行障碍物检测。

可选的，所述障碍物检测单元5302具体用于：

若所述当前待检测地面与预设标准地面之间所成的角度小于所述预设角度阈值，则根据采集点云数据的传感器的光束发射视角，确定所述运动场景点云数据中各点投影到所述预设标准地面上的投影点；

根据所述传感器与各点之间的测试深度距离，以及所述传感器与该点关联的投影点之间的标准深度距离，确定所述测试深度距离与所述标准深度距离的距离差值；

若所述距离差值大于预设距离阈值，则确定该点属于障碍物。

可选的，所述障碍物检测单元5302具体用于：

若所述当前待检测地面与预设标准地面之间所成的角度大于所述预设角度阈值，则确定所述当前待检测地面为障碍物。

进一步的，所述装置还包括导航模块540；所述导航模块540具体用于：

根据识别出的障碍物的点云数据，确定所述障碍物的角度索引值和位置距离；

依据所述角度索引值和位置距离进行避障导航。

进一步的，所述装置还包括点云数据预处理模块550；所述点云数据预处理模块550具体用于：

通过体素滤波器对所述运动场景点云数据进行降采样处理；

通过直通滤波器对降采样后的运动场景点云数据中指定范围内的点进行去除。

可选的，所述平面分割模块520具体用于：

对所述运动场景点云数据进行平面分割，确定当前待检测地面参数。

本实施例的技术方案，通过各个功能模块之间的相互配合，实现了运动场景点云数据的采集、点云数据的预处理、当前待检测地面的分割、地面参数的确定、当前待检测地面与预设标准地面之间夹角的确定、角度的比较、障碍物上点的投影、障碍物上的点与传感器之间实际测试深度距离的确定、投影点与传感器之间标准深度距离的确定、深度距离差值的确定、障碍物的确定和定位以及避障导航等功能。本发明实施例基于立体视觉可以为智能机器人等智能设备提供更为丰富的三维环境信息，实现了对空间高度范围内的障碍物进行检测，避免了仅对指定高度进行障碍物检测的局限性，进而提高了障碍物检测的适用范围和准确度。

实施例四

图6为本发明实施例四提供的一种设备的结构示意图。如图6所示，该设备具体包括：一个或多个处理器610，图6中以一个处理器610为例；存储器620，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器610执行，使得一个或多个处理器610实现本发明任意实施例所述的地面障碍物检测方法。处理610与存储器620可以通过总线或其他方式连接，图6中以通过总线连接为例。

存储器620，作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的地面障碍物检测方法对应的程序指令(例如，运动场景点云数据的采集和处理以及障碍物的检测与避障导航)。处理器610通过运行存储在存储器620中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的地面障碍物检测方法。

存储器620可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序；存储数据区可存储根据设备的使用所创建的数据等。此外，存储器620可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器620可进一步包括相对于处理器610远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

实施例五

本发明实施例五还提供一种计算机可读存储介质，其上存储有计算机程序(或称为计算机可执行指令)，该程序被处理器执行时用于执行一种地面障碍物检测方法，该方法包括：

获取运动场景点云数据；

根据所述运动场景点云数据，确定当前待检测地面参数；

根据所述运动场景点云数据、所述当前待检测地面参数以及预设标准地面参数，对所述运动场景进行障碍物检测。

当然，本发明实施例所提供的一种计算机可读存储介质,其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的地面障碍物检测方法中的相关操作。

通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明实施例可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

值得注意的是，上述装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明实施例进行了较为详细的说明，但是本发明实施例不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种地面障碍物检测方法，其特征在于，包括：

获取运动场景点云数据；

根据所述运动场景点云数据，确定当前待检测地面参数；

根据所述运动场景点云数据、所述当前待检测地面参数以及预设标准地面参数，对所述运动场景进行障碍物检测。

2.根据权利要求1所述的方法，其特征在于，所述根据所述运动场景点云数据、所述当前待检测地面参数以及预设标准地面参数，对所述运动场景进行障碍物检测，包括：

根据所述当前待检测地面参数以及预设标准地面参数，确定当前待检测地面与预设标准地面之间所成的角度；

根据所述当前待检测地面与预设标准地面之间所成的角度，以及预设角度阈值，对所述运动场景进行障碍物检测。

3.根据权利要求2所述的方法，其特征在于，所述根据所述当前待检测地面与预设标准地面之间所成的角度，以及预设角度阈值，对所述运动场景进行障碍物检测，包括：

若所述当前待检测地面与预设标准地面之间所成的角度小于所述预设角度阈值，则根据采集点云数据的传感器的光束发射视角，确定所述运动场景点云数据中各点投影到所述预设标准地面上的投影点；

根据所述传感器与各点之间的测试深度距离，以及所述传感器与该点关联的投影点之间的标准深度距离，确定所述测试深度距离与所述标准深度距离的距离差值；

若所述距离差值大于预设距离阈值，则确定该点属于障碍物。

4.根据权利要求2所述的方法，其特征在于，所述根据所述当前待检测地面与预设标准地面之间所成的角度以及预设角度阈值，对所述运动场景进行障碍物检测，包括：

若所述当前待检测地面与预设标准地面之间所成的角度大于所述预设角度阈值，则确定所述当前待检测地面为障碍物。

5.根据权利要求1所述的方法，其特征在于，在所述根据所述运动场景点云数据、所述当前待检测地面参数以及预设标准地面参数，对所述运动场景进行障碍物检测之后，还包括：

根据识别出的障碍物的点云数据，确定所述障碍物的角度索引值和位置距离；

依据所述角度索引值和位置距离进行避障导航。

6.根据权利要求1所述的方法，其特征在于，在所述根据所述运动场景点云数据，确定当前待检测地面参数之前，还包括：

通过体素滤波器对所述运动场景点云数据进行降采样处理；

通过直通滤波器对降采样后的运动场景点云数据中指定范围内的点进行去除。

7.根据权利要求1所述的方法，其特征在于，所述根据所述运动场景点云数据，确定当前待检测地面参数，包括：

对所述运动场景点云数据进行平面分割，确定当前待检测地面参数。

8.一种地面障碍物检测装置，其特征在于，包括：

点云数据采集模块，用于获取运动场景点云数据；

平面分割模块，用于根据所述运动场景点云数据，确定当前待检测地面参数；

障碍物检测模块，用于根据所述运动场景点云数据、所述当前待检测地面参数以及预设标准地面参数，对所述运动场景进行障碍物检测。

9.一种设备，其特征在于，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序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1-7中任一项所述的地面障碍物检测方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的地面障碍物检测方法。