CN111399492A - 一种机器人及其障碍物感知方法和装置 - Google Patents
一种机器人及其障碍物感知方法和装置 Download PDFInfo
- Publication number
- CN111399492A CN111399492A CN201811625712.7A CN201811625712A CN111399492A CN 111399492 A CN111399492 A CN 111399492A CN 201811625712 A CN201811625712 A CN 201811625712A CN 111399492 A CN111399492 A CN 111399492A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- position information
- robot
- image
- sensor
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000008447 perception Effects 0.000 claims abstract description 20
- 230000004888 barrier function Effects 0.000 claims abstract description 3
- 238000004590 computer program Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
- G05D1/0253—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
- G06T7/579—Depth or shape recovery from multiple images from motion
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30244—Camera pose
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30261—Obstacle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Electromagnetism (AREA)
- Manipulator (AREA)
- Image Analysis (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
一种机器人的障碍物感知方法，所述机器人包括至少一传感器，所述方法包括：通过传感器采集图像，获取所述图像中的障碍物，并对障碍物图像进行分割以提取障碍物的图像特征；通过传感器获取障碍物的位置信息，将所述障碍物的图像特征与所述障碍物的位置信息相互关联；根据所述障碍物的多个图像特征及位置信息计算所述障碍物的运动状态；根据所述运动状态估计障碍物处于机器人的感知盲区内的位置信息。从而能够为感知盲区的障碍物提供更为准确的位置信息，有利于机器人规划出安全快捷的行走路径。
Description
技术领域
本申请属于机器人领域，尤其涉及一种机器人及其障碍物感知方法和装置。
背景技术
在机器人导航过程中，机器人需要实时获取预计行走路线周围的障碍物情况，从而便于实时规划出安全、快捷的行走路线，躲避周围的障碍物。然而，出于成本的考虑，很多移动机器人不能安装足够好、足够多的感知传感器，导致机器人感知范围狭小，不能及时更新机器人周围的障碍物分布情况。比如图1中，机器人位姿为P1时，能够感知到障碍物，当机器人变换为位姿P2时，障碍物位于机器人感知盲区。
为了有效的处理障碍物信息，目前通常采用定时的方式，即当感知盲区经过一段时间仍未被重新感知时，将感知盲区内的障碍物信息清除。但是，在清除障碍物信息时，不能判断盲区内记录的障碍物是否移动，并且障碍物并不是只有静态的障碍物或只有动态的障碍物，因而该方式不能准确的确定障碍物是否存在，不利于机器人规划出安全快捷的行走路线。
发明内容
有鉴于此，本申请实施例提供了一种机器人及其障碍物感知方法和装置，以解决现有技术中的障碍物感知方式，不能准确的确定障碍物是否存在，不利于机器人规划出安全快捷的行走路线的问题。
本申请实施例的第一方面提供了一种机器人的障碍物感知方法，所述机器人包括至少一传感器，所述方法包括：
通过传感器采集图像，获取所述图像中的障碍物，并对障碍物图像进行分割以提取障碍物的图像特征；
通过传感器获取障碍物的位置信息，将所述障碍物的图像特征与所述障碍物的位置信息相互关联；
根据所述障碍物的多个图像特征及位置信息计算所述障碍物的运动状态；
根据所述运动状态估计障碍物处于机器人的感知盲区内的位置信息。
结合第一方面，在第一方面的第一种可能实现方式中，所述通过传感器获取障碍物的位置信息的步骤之后，所述方法还进一步包括：
通过传感器获取障碍物的轮廓特征，并将所述传感器获得的障碍物的图像特征、位置信息及轮廓特征做关联处理。
结合第一方面，在第一方面的第二种可能实现方式中，根据所述障碍物的多个图像特征及位置信息计算所述障碍物的运动状态的步骤包括：
根据所述障碍物的多个图像特征及位置信息，计算所述障碍物的移动距离；
根据所述移动距离，以及所述移动距离对应的时长，确定所述障碍物的移动速度。
结合第一方面的第二种可能实现方式，在第一方面的第三种可能实现方式中，根据所述运动状态估计障碍物处于机器人的感知盲区内的位置信息的步骤包括：
当障碍物当前机器人感知区域之外时，根据所述障碍物在感知区域时所确定的障碍物的移动速度估计障碍物的位置信息。
结合第一方面、第一方面的第一种可能实现方式、第一方面的第二种可能实现方式或第一方面的第三种可能实现方式，在第一方面的第四种可能实现方式中，在所述根据所述运动状态估计障碍物处于机器人的感知盲区内的位置信息的步骤之后，所述机器人障碍物感知方法还包括：
检测机器人的感知盲区内的障碍物位置是否在预设的距离范围；
如果感知盲区内的障碍物位置属于预设的距离范围，则更新感知盲区内所述障碍物的位置信息。
结合第一方面，在第一方面的第五种可能实现方式中，所述传感器采用RGBD传感器，该传感器采集障碍物的图像特征、以及采集障碍物的深度图数据，根据所述深度图数据获取障碍物的位置信息和轮廓特征。
结合第一方面，在第一方面的第六种可能实现方式中，所述传感器采用RGB传感器及激光雷达，所述RGB传感器采集障碍物的图像特征，所述激光雷达获取障碍物的位置信息及轮廓特征。
本申请实施例的第二方面提供了一种机器人的障碍物感知装置，所述机器人包括至少一传感器，所述机器人的障碍物感知装置包括：
图像特征提取单元，用于通过传感器采集图像，获取所述图像中的障碍物，并对障碍物图像进行分割以提取障碍物的图像特征；
信息关联单元，用于通过传感器获取障碍物的位置信息，将所述障碍物的图像特征与所述障碍物的位置信息相互关联；
运动状态计算单元，用于根据所述障碍物的多个图像特征及位置信息计算所述障碍物的运动状态；
位置估计单元，用于根据所述运动状态估计障碍物处于机器人的感知盲区内的位置信息。
本申请实施例的第三方面提供了一种机器人，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面任一项所述机器人的障碍物感知方法的步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项所述机器人的障碍物感知方法的步骤。
本申请实施例与现有技术相比存在的有益效果是：通过采集的图像确定图像中包括的障碍物图像特征，并通过传感器获取障碍物的位置信息，将所述障碍物的图像特征与障碍物的位置信息相互关联，根据多个图像特征及位置信息计算障碍物的运动状态，从而根据所计算的运动状态估计处于感知盲区的机器人的位置，能够提供处于感知盲区的障碍物的准确的位置信息，有利于机器人规划出安全快捷的行走路径。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请提供的机器人感知区域的示意图
图2是本申请实施例提供的一种机器人的障碍物感知方法的实现流程示意图；
图3是本申请实施例提供的一种确定障碍特征与位置对应关系的实现流程示意图；
图4是本申请实施例提供的一种机器人的障碍物感知装置的示意图；
图5是本申请实施例提供的机器人的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定***结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的***、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
图2为本申请实施例提供的一种机器人的障碍物感知方法的实现流程示意图，所述机器人包括至少一传感器，所述方法详述如下：
在步骤S201中，通过传感器采集图像，获取所述图像中的障碍物，并对障碍物图像进行分割以提取障碍物的图像特征；
具体的，所述图像的采集，可以使用RGB相机，或者也可以为RGBD传感器，所述图像可以为彩色图像。所述障碍物可以根据物体是否会影响机器人正常行走来判断。比如，物品的纸片、叶子时，不会影响机器人正常行走，可以将其不视为障碍物。在场景中的人、小车或者动物等，则可以认为是障碍物。
为了有效的识别图像中的障碍物，可以预先设定可以识别为障碍物的参数。比如，障碍物的参数可以包括尺寸参数、硬度参数等。障碍物的尺寸参数可以包括障碍物的高度、障碍物的宽度等。图像中的物品的硬度，则可以根据通过识别物体的类别，再根据物体的类别来确定物体的硬度，将其与预先设定的硬度进行比较，判断是否为障碍物，比如悬挂的带子，由于其硬度不会影响机器人行走，因此可以将其不视为障碍物。
在本申请中，障碍物特征可以包括障碍物的图像特征、障碍物轮廓特征和位置信息。
当识别图像中的物体为障碍物时，如果障碍物没有被遮挡，则可以根据图像中的障碍物信息，对图像中的障碍物进行分割，得到障碍物的图像特征。所述障碍物轮廓特征则可以由深度传感器采集获取。
在步骤S202中，通过传感器获取障碍物的位置信息，将所述障碍物的图像特征与所述障碍物的位置信息相互关联；
所述障碍物的位置信息可以通过距离传感器采集，所述距离传感器可以为激光雷达，也可以为RGBD深度相机。所述激光雷达可以选用较小视角的激光雷达，比如采集视角可以小于35度。
为便于说明，下面经激光雷达作为深度传感器进行说明。可以理解的是，本申请可以将激光雷达替换为深度传感器，相应的雷达数据替换为深度传感器数据。
所述雷达数据的采集视角，可以与所述图像的采集视角相同，从而更加便于对图像中的障碍物特征与雷达数据中的特征进行对比。当然，如果雷达数据和图像的采集视角不同，也可以通过不同视角的参数变换，确定图像和雷达数据中的所关联的障碍物特征。
获取雷达数据后，可以根据雷达数据中探测出的物体与雷达之间的距离，绘制出雷达数据，并根据距离的变化，确定雷达数据中包括的轮廓特征和位置信息。
其中，通过激光雷达获取所述障碍物的位置信息时，所述将所述障碍物的图像特征与所述障碍物的位置信息相互关联的步骤，可以如图3所示，包括：
在步骤S301中，获取雷达数据包括的距离信息，根据所述距离信息的变化确定所述雷达数据中包括的物体以及物体的轮廓特征；
具体的，通过雷达可以确定雷达检测区域中的物体距离雷达的距离，根据距离的变化，来确定雷达数据中的物体，以及物体的轮廓特征。比如，当距离变化不连续，且距离的变化值超过预定阈值时，则可认为变化位置属于物体的轮廓特征。
在步骤S302中，将所雷达数据中包括的述轮廓特征，与所述图像中的障碍物的图像特征进行匹配；
在确定了图像中的图像特征，以及雷达数据中的障碍物的轮廓特征后，可以根据障碍物的图像特征查找雷达数据中是否有相似的轮廓特征，即判断两者的特征的相似度是否超过预定值，则进一步确定雷达数据中的障碍物的位置。
在步骤S303中，根据特征匹配结果确定雷达数据中的障碍物，将图像特征与雷达数据中位置信息相关联。
根据匹配结果，确定雷达数据中存在的障碍物后，结合雷达数据本身包括的物体的距离信息，可以确定障碍物的位置信息，即可将图像特征与雷达数据中的位置信息相关联。
在步骤S203中，根据所述障碍物的多个图像特征及位置信息计算所述障碍物的运动状态；
通过图像确定图像中的障碍物的图像特征，然后通过雷达数据中的轮廓特征和图像特征匹配，确定雷达数据中的障碍物的位置信息。可以对障碍物进行跟踪拍摄，得到多幅包括障碍物的图像和雷达数据，确定障碍物的多个位置信息，根据多个包括障碍物的位置信息的雷达数据，确定障碍物的多个位置。如果障碍物的多个位置信息没有发生变化，所述障碍物可能静止状态。如果所述障碍物的多个位置信息发生变化，则可以根据变化距离和变化时间，确定障碍物的移动速度。
当然，作为本申请可选的实施方式中，还可以通过持续采集的障碍物的位置的变化情况，确定位置非连续变化的障碍物的运动周期和运动速度，根据所确定的运动周期和运动速度，来计算障碍物处于机器人的感知盲区时的位置。
在步骤S204中，根据所述运动状态估计障碍物处于机器人的感知盲区内的位置信息。
当障碍物处于机器人的感知区内时，可以持续的对障碍物的位置信息的变化情况进行监测和计算，确定障碍物的运动状态。当障碍物离开感知区时，则可以根据所述障碍物在感知区域时所确定的障碍物的移动速度估计障碍物的位置信息。
通过估计的感知盲区中的障碍物的位置，结合感知区中的障碍物的位置信息，可以便于为机器人路径规划提供依据。为减少机器人计算量，当障碍物与机器人的距离超过一定距离，则可以停止对所述障碍物的位置的计算和估计；如果感知盲区内的障碍物属于预设的距离范围，则更新感知盲区内所述障碍物的位置信息。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
图4为本申请实施例提供的一种机器人的障碍物感知装置的结构示意图，详述如下：
所述机器人的障碍物感知装置，包括：
图像特征提取单元401，用于通过传感器采集图像，获取所述图像中的障碍物，并对障碍物图像进行分割以提取障碍物的图像特征；
信息关联单元402，用于通过传感器获取障碍物的位置信息，将所述障碍物的图像特征与所述障碍物的位置信息相互关联；
运动状态计算单元403，用于根据所述障碍物的多个图像特征及位置信息计算所述障碍物的运动状态；
位置估计单元404，用于根据所述运动状态估计障碍物处于机器人的感知盲区内的位置信息。
图4所述机器人的障碍物感知装置，与图2所述的机器人障碍物感知方法对应。
图5是本申请一实施例提供的机器人的示意图。如图5所示，该实施例的机器人5包括：处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52，例如机器人的障碍物感知程序。所述处理器50执行所述计算机程序52时实现上述各个机器人的障碍物感知方法实施例中的步骤。或者，所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能。
示例性的，所述计算机程序52可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器51中，并由所述处理器50执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序52在所述机器人5中的执行过程。例如，所述计算机程序52可以被分割成：
图像特征提取单元，用于通过传感器采集图像，获取所述图像中的障碍物，并对障碍物图像进行分割以提取障碍物的图像特征；
信息关联单元，用于通过传感器获取障碍物的位置信息，将所述障碍物的图像特征与所述障碍物的位置信息相互关联；
运动状态计算单元，用于根据所述障碍物的多个图像特征及位置信息计算所述障碍物的运动状态；
位置估计单元，用于根据所述运动状态估计障碍物处于机器人的感知盲区内的位置信息。
所述机器人可包括，但不仅限于，处理器50、存储器51。本领域技术人员可以理解，图5仅仅是机器人5的示例，并不构成对机器人5的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述机器人还可以包括输入输出设备、网络接入设备、总线等。
所称处理器50可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51可以是所述机器人5的内部存储单元，例如机器人5的硬盘或内存。所述存储器51也可以是所述机器人5的外部存储设备，例如所述机器人5上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器51还可以既包括所述机器人5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述机器人所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种机器人的障碍物感知方法，其特征在于，所述机器人包括至少一传感器，所述方法包括：
通过传感器采集图像，获取所述图像中的障碍物，并对障碍物图像进行分割以提取障碍物的图像特征；
通过传感器获取障碍物的位置信息，将所述障碍物的图像特征与所述障碍物的位置信息相互关联；
根据所述障碍物的多个图像特征及位置信息计算所述障碍物的运动状态；
根据所述运动状态估计障碍物处于机器人的感知盲区内的位置信息。
2.根据权利要求1所述的机器人的障碍物感知方法，其特征在于，所述通过传感器获取障碍物的位置信息的步骤还进一步包括：
通过传感器获取障碍物的轮廓特征，并将所述传感器获得的障碍物的图像特征、位置信息及轮廓特征做关联处理。
3.根据权利要求1所述的机器人的障碍物感知方法，其特征在于，根据所述障碍物的多个图像特征及位置信息计算所述障碍物的运动状态的步骤包括：
根据所述障碍物的多个图像特征及位置信息，计算所述障碍物的移动距离；
根据所述移动距离，以及所述移动距离对应的时长，确定所述障碍物的移动速度。
4.根据权利要求3所述的机器人的障碍物感知方法，其特征在于，根据所述运动状态估计障碍物处于机器人的感知盲区内的位置信息的步骤包括：
当障碍物当前机器人感知区域之外时，根据所述障碍物在感知区域时所确定的障碍物的移动速度估计障碍物的位置信息。
5.根据权利要求1-4任一项所述的机器人的障碍物感知方法，其特征在于，在所述根据所述运动状态估计障碍物处于机器人的感知盲区内的位置信息的步骤之后，所述机器人障碍物感知方法还包括：
检测机器人的感知盲区内的障碍物位置是否在预设的距离范围；
如果感知盲区内的障碍物位置属于预设的距离范围，则更新感知盲区内所述障碍物的位置信息。
6.根据权利要求5所述的机器人障碍物感知方法，其特征在于，所述传感器采用RGBD传感器，该传感器采集障碍物的图像特征、以及采集障碍物的深度图数据，根据所述深度图数据获取障碍物的位置信息和轮廓特征。
7.根据权利要求5所述的机器人障碍物感知方法，其特征在于，所述传感器采用RGB传感器及激光雷达，所述RGB传感器采集障碍物的图像特征，所述激光雷达获取障碍物的位置信息及轮廓特征。
8.一种机器人的障碍物感知装置，其特征在于，所述机器人包括至少一传感器，所述机器人的障碍物感知装置包括：
图像特征提取单元，用于通过传感器采集图像，获取所述图像中的障碍物，并对障碍物图像进行分割以提取障碍物的图像特征；
信息关联单元，用于通过传感器获取障碍物的位置信息，将所述障碍物的图像特征与所述障碍物的位置信息相互关联；
运动状态计算单元，用于根据所述障碍物的多个图像特征及位置信息计算所述障碍物的运动状态；
位置估计单元，用于根据所述运动状态估计障碍物处于机器人的感知盲区内的位置信息。
9.一种机器人，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述机器人的障碍物感知方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述机器人的障碍物感知方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811625712.7A CN111399492A (zh) | 2018-12-28 | 2018-12-28 | 一种机器人及其障碍物感知方法和装置 |
| US16/427,362 US11287828B2 (en) | 2018-12-28 | 2019-05-31 | Obstacle detection method and apparatus and robot using the same |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811625712.7A CN111399492A (zh) | 2018-12-28 | 2018-12-28 | 一种机器人及其障碍物感知方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111399492A true CN111399492A (zh) | 2020-07-10 |
Family
ID=71122006
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811625712.7A Pending CN111399492A (zh) | 2018-12-28 | 2018-12-28 | 一种机器人及其障碍物感知方法和装置 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US11287828B2 (zh) |
| CN (1) | CN111399492A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112356027A (zh) * | 2020-10-29 | 2021-02-12 | 久瓴(上海)智能科技有限公司 | 农林机器人避障方法、装置、计算机设备和存储介质 |
| CN112506189A (zh) * | 2020-11-19 | 2021-03-16 | 深圳优地科技有限公司 | 一种控制机器人移动的方法 |
| CN112799098A (zh) * | 2020-12-08 | 2021-05-14 | 深兰科技（上海）有限公司 | 雷达盲区监测方法、装置、电子设备和存储介质 |
| CN112847348A (zh) * | 2020-12-30 | 2021-05-28 | 深兰人工智能芯片研究院（江苏）有限公司 | 机械手控制方法、装置、拾取设备及计算机可读存储介质 |
| CN114475651A (zh) * | 2021-12-11 | 2022-05-13 | 中智行(苏州)科技有限公司 | 基于车路协同的盲区障碍物紧急避让方法和装置 |
| CN115027901A (zh) * | 2021-02-22 | 2022-09-09 | 丰田自动车株式会社 | 运输***、运输方法和存储介质 |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3929690A1 (en) * | 2020-06-22 | 2021-12-29 | Carnegie Robotics, LLC | A method and a system for analyzing a scene, room or venueby determining angles from imaging elements to visible navigation elements |
| CN112158197B (zh) * | 2020-08-21 | 2021-08-27 | 恒大新能源汽车投资控股集团有限公司 | 一种车辆盲区障碍物规避方法、装置及*** |
| ES2914891A1 (es) * | 2020-11-24 | 2022-06-17 | Cecotec Res And Development Sl | Robot de limpieza y/o desinfeccion con medios de reconocimiento textil y metodo para operarlo |
| CN113096183B (zh) * | 2021-03-18 | 2023-05-16 | 武汉科技大学 | 一种基于激光雷达与单目相机的障碍物检测与测量方法 |
| CN112966658B (zh) * | 2021-03-30 | 2024-06-18 | 深圳市优必选科技股份有限公司 | 机器人导航方法、装置、终端设备及计算机可读存储介质 |
| CN113222122A (zh) * | 2021-06-01 | 2021-08-06 | 重庆大学 | 一种适用于单片机的优质神经网络*** |
| EP4242986A1 (en) * | 2022-03-10 | 2023-09-13 | Tata Consultancy Services Limited | Method and system to detect and estimate dynamic obstacles using rgbd sensors for robot navigation |
| CN114903375A (zh) * | 2022-05-13 | 2022-08-16 | 美智纵横科技有限责任公司 | 障碍物定位方法、装置及运动设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101687509A (zh) * | 2007-03-08 | 2010-03-31 | 丰田自动车株式会社 | 具有盲区预测、道路探测和车辆间通信的周围环境估计装置 |
| CN106527424A (zh) * | 2016-09-20 | 2017-03-22 | 深圳市银星智能科技股份有限公司 | 移动机器人及移动机器人的导航方法 |
| CN108089586A (zh) * | 2018-01-30 | 2018-05-29 | 北醒（北京）光子科技有限公司 | 一种机器人自主导航装置、方法及机器人 |
| CN108136579A (zh) * | 2016-07-29 | 2018-06-08 | 深圳市赛亿科技开发有限公司 | 一种自动探测和规避障碍物的机器人、***及方法 |
| CN108290294A (zh) * | 2015-11-26 | 2018-07-17 | 三星电子株式会社 | 移动机器人及其控制方法 |
| CN108303972A (zh) * | 2017-10-31 | 2018-07-20 | 腾讯科技（深圳）有限公司 | 移动机器人的交互方法及装置 |
| CN108733044A (zh) * | 2017-09-29 | 2018-11-02 | 北京猎户星空科技有限公司 | 避障方法、装置、机器人和计算机可读存储介质 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10788836B2 (en) * | 2016-02-29 | 2020-09-29 | AI Incorporated | Obstacle recognition method for autonomous robots |
| JP6694067B2 (ja) * | 2016-08-08 | 2020-05-13 | 日立オートモティブシステムズ株式会社 | 物体検知装置及びそれを備えた車両制御システム |
| US10825217B2 (en) * | 2019-01-02 | 2020-11-03 | Microsoft Technology Licensing, Llc | Image bounding shape using 3D environment representation |
| US11132562B2 (en) * | 2019-06-19 | 2021-09-28 | Toyota Motor Engineering & Manufacturing North America, Inc. | Camera system to detect unusual circumstances and activities while driving |
-
2018
- 2018-12-28 CN CN201811625712.7A patent/CN111399492A/zh active Pending
-
2019
- 2019-05-31 US US16/427,362 patent/US11287828B2/en active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101687509A (zh) * | 2007-03-08 | 2010-03-31 | 丰田自动车株式会社 | 具有盲区预测、道路探测和车辆间通信的周围环境估计装置 |
| CN108290294A (zh) * | 2015-11-26 | 2018-07-17 | 三星电子株式会社 | 移动机器人及其控制方法 |
| CN108136579A (zh) * | 2016-07-29 | 2018-06-08 | 深圳市赛亿科技开发有限公司 | 一种自动探测和规避障碍物的机器人、***及方法 |
| CN106527424A (zh) * | 2016-09-20 | 2017-03-22 | 深圳市银星智能科技股份有限公司 | 移动机器人及移动机器人的导航方法 |
| CN108733044A (zh) * | 2017-09-29 | 2018-11-02 | 北京猎户星空科技有限公司 | 避障方法、装置、机器人和计算机可读存储介质 |
| CN108303972A (zh) * | 2017-10-31 | 2018-07-20 | 腾讯科技（深圳）有限公司 | 移动机器人的交互方法及装置 |
| CN108089586A (zh) * | 2018-01-30 | 2018-05-29 | 北醒（北京）光子科技有限公司 | 一种机器人自主导航装置、方法及机器人 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112356027A (zh) * | 2020-10-29 | 2021-02-12 | 久瓴(上海)智能科技有限公司 | 农林机器人避障方法、装置、计算机设备和存储介质 |
| CN112356027B (zh) * | 2020-10-29 | 2023-09-01 | 久瓴(上海)智能科技有限公司 | 农林机器人避障方法、装置、计算机设备和存储介质 |
| CN112506189A (zh) * | 2020-11-19 | 2021-03-16 | 深圳优地科技有限公司 | 一种控制机器人移动的方法 |
| CN112799098A (zh) * | 2020-12-08 | 2021-05-14 | 深兰科技（上海）有限公司 | 雷达盲区监测方法、装置、电子设备和存储介质 |
| CN112799098B (zh) * | 2020-12-08 | 2024-04-19 | 深兰科技（上海）有限公司 | 雷达盲区监测方法、装置、电子设备和存储介质 |
| CN112847348A (zh) * | 2020-12-30 | 2021-05-28 | 深兰人工智能芯片研究院（江苏）有限公司 | 机械手控制方法、装置、拾取设备及计算机可读存储介质 |
| CN115027901A (zh) * | 2021-02-22 | 2022-09-09 | 丰田自动车株式会社 | 运输***、运输方法和存储介质 |
| CN114475651A (zh) * | 2021-12-11 | 2022-05-13 | 中智行(苏州)科技有限公司 | 基于车路协同的盲区障碍物紧急避让方法和装置 |
| CN114475651B (zh) * | 2021-12-11 | 2024-05-14 | 中国电信股份有限公司 | 基于车路协同的盲区障碍物紧急避让方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20200209880A1 (en) | 2020-07-02 |
| US11287828B2 (en) | 2022-03-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111399492A (zh) | 一种机器人及其障碍物感知方法和装置 | |
| CN108027877B (zh) | 用于非障碍区检测的***和方法 | |
| CN107851318B (zh) | 用于对象跟踪的***和方法 | |
| EP2858008B1 (en) | Target detecting method and system | |
| US9846812B2 (en) | Image recognition system for a vehicle and corresponding method | |
| US7729512B2 (en) | Stereo image processing to detect moving objects | |
| CN112417967A (zh) | 障碍物检测方法、装置、计算机设备和存储介质 | |
| CN110442120B (zh) | 控制机器人在不同场景下移动的方法、机器人及终端设备 | |
| EP2450832A1 (en) | Image processing apparatus and image processing method | |
| EP3121791A1 (en) | Method and system for tracking objects | |
| US20210350705A1 (en) | Deep-learning-based driving assistance system and method thereof | |
| Wang et al. | Multiple obstacle detection and tracking using stereo vision: Application and analysis | |
| JP2014009975A (ja) | ステレオカメラ | |
| CN112683228A (zh) | 单目相机测距方法及装置 | |
| CN103475800A (zh) | 图像序列中前景的检测方法和装置 | |
| KR101280392B1 (ko) | Ｓｌａｍ 기술 기반 이동 로봇의 지도를 관리하기 위한 장치 및 그 방법 | |
| CN115147587A (zh) | 一种障碍物检测方法、装置及电子设备 | |
| CN113569812A (zh) | 未知障碍物的识别方法、装置和电子设备 | |
| CN110287957B (zh) | 一种低慢小目标的定位方法及定位装置 | |
| CN111426299A (zh) | 一种基于目标物的景深进行测距的方法及装置 | |
| CN109101874B (zh) | 一种基于深度图像的图书馆机器人障碍识别方法 | |
| Płaczek | A real time vehicle detection algorithm for vision-based sensors | |
| CN102044079A (zh) | 考虑比例跟踪图像补丁的方法和设备 | |
| CN117523914A (zh) | 碰撞预警方法、装置、设备、可读存储介质及程序产品 | |
| CN114510031A (zh) | 机器人视觉导航方法、装置、机器人及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |