CN111973410A - 障碍物检测方法、装置、避障设备及计算机可读存储介质 - Google Patents
障碍物检测方法、装置、避障设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111973410A CN111973410A CN202010623819.9A CN202010623819A CN111973410A CN 111973410 A CN111973410 A CN 111973410A CN 202010623819 A CN202010623819 A CN 202010623819A CN 111973410 A CN111973410 A CN 111973410A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- depth
- distance
- depth map
- pixel 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
- 238000001514 detection method Methods 0.000 title claims abstract description 40
- 238000013507 mapping Methods 0.000 claims abstract description 87
- 238000000034 method Methods 0.000 claims abstract description 44
- 230000004888 barrier function Effects 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 7
- 230000000875 corresponding effect Effects 0.000 description 92
- 238000012545 processing Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 1
- 206010047571 Visual impairment Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007246 mechanism 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
- 238000012805 post-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 208000029257 vision disease Diseases 0.000 description 1
- 230000004393 visual impairment Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H3/00—Appliances for aiding patients or disabled persons to walk about
- A61H3/06—Walking aids for blind persons
- A61H3/061—Walking aids for blind persons with electronic detecting or guiding means
-
- 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
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
- A61H2201/16—Physical interface with patient
- A61H2201/1602—Physical interface with patient kind of interface, e.g. head rest, knee support or lumbar support
- A61H2201/165—Wearable interfaces
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
- A61H2201/50—Control means thereof
- A61H2201/5007—Control means thereof computer controlled
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Pain & Pain Management (AREA)
- Physical Education & Sports Medicine (AREA)
- Rehabilitation Therapy (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种障碍物检测方法、装置、避障设备及计算机可读存储介质,该方法应用于配置有深度传感器的可穿戴设备,包括:获取深度传感器采集的深度图;获取预先对深度传感器标定所得的深度值与距离之间的映射关系;根据映射关系确定深度图对应的障碍物信息;障碍物信息至少包括障碍物距离;将障碍物信息提供给可穿戴设备的用户。本发明能够便捷有效地检测到障碍物,且具有较强的普适性。
Description
技术领域
本发明涉及图像处理技术领域,尤其是涉及一种障碍物检测方法、装置、避障设备及计算机可读存储介质。
背景技术
目前盲人在出行过程中检测障碍物的方式主要有如下几种:(1)依靠导盲犬或导盲杖,但是普适性较差,对于城市道路状况相对比较复杂的地方而言,依靠导盲犬或导盲杖只能检测到诸如盲人腰部以下的低处障碍物,而较高处的障碍物依旧对盲人的安全存在极大的威胁,障碍物检测效果较差。(2)借助辅助设备自动监测障碍物,辅助设备目前涉及的主要技术有:通过双目摄像头估计障碍物的距离以及通过深度学习模型估计障碍物距离。但是双目摄像头监测障碍物的方式在弱光或黑暗中无法使用,普适性同样较差,而且需要复杂的后处理算法,无法满足实时性;通过深度学习模型监测障碍物的方式需要较为复杂的模型训练过程,且鲁棒性较差,可能无法准确有效的检测出障碍物。综上所述,现有可用的障碍物检测方法均不佳。
发明内容
有鉴于此,本发明的目的在于提供一种障碍物检测方法、装置、避障设备及计算机可读存储介质,能够便捷有效地检测到障碍物,且具有较强的普适性。
为了实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明实施例提供了一种障碍物检测方法,方法应用于配置有深度传感器的可穿戴设备,包括:获取深度传感器采集的深度图;获取预先对深度传感器标定所得的深度值与距离之间的映射关系;根据映射关系确定深度图对应的障碍物信息;障碍物信息至少包括障碍物距离;将障碍物信息提供给可穿戴设备的用户。
进一步,映射关系的标定步骤包括:获取用于标定深度传感器的平面障碍物在与深度传感器间距多种距离时,深度传感器针对每种距离分别输出的标定深度图;根据每种距离对应的标定深度图,拟合得到深度值与障碍物距离之间的映射关系。
进一步,根据每种距离对应的标定深度图,拟合得到深度值与障碍物距离之间的映射关系的步骤,包括:根据每种距离对应的标定深度图确定深度传感器的最小有效深度阈值;对标定深度图中高于最小有效深度阈值的深度值与多种距离进行拟合,得到深度值与障碍物距离之间的映射关系;其中,映射关系为线性映射。
进一步,根据映射关系确定深度图对应的障碍物信息的步骤,包括:获取深度图中位于目标区域的每个像素点的深度值;其中,目标区域为预先设定的深度图中的障碍物检测区域;根据映射关系以及目标区域中每个像素点的深度值,从目标区域中筛选出障碍物像素点;根据映射关系以及障碍物像素点的深度值,确定深度图对应的障碍物信息。
进一步,根据映射关系以及目标区域中每个像素点的深度值,从目标区域中筛选出障碍物像素点的步骤,包括:针对目标区域中每个像素点,判断该像素点的深度值是否大于深度传感器的最小有效深度阈值;如果是,根据映射关系和该像素点的深度值计算该像素点对应的距离;如果该像素点对应的距离小于预设距离阈值,确定该像素点为障碍物像素点。
进一步,根据映射关系以及障碍物像素点的深度值,确定深度图对应的障碍物信息的步骤,包括:根据映射关系和障碍物像素点的深度值,计算每个障碍物像素点对应的距离;根据每个障碍物像素点对应的距离,为每个障碍物像素点分配权重;基于每个障碍物像素点对应的权重,对所有障碍物像素点对应的距离进行加权平均,将加权平均结果作为障碍物中心的距离;将障碍物中心的距离确定为深度图对应的障碍物距离。
进一步,障碍物信息还包括障碍物位置;根据映射关系以及障碍物像素点的深度值,确定深度图对应的障碍物信息的步骤,还包括:获取每个障碍物像素点的坐标;基于每个障碍物像素点对应的权重,对所有障碍物像素点对应的坐标分别进行加权平均,将加权平均结果作为障碍物中心的坐标;根据障碍物中心的坐标确定深度图对应的障碍物位置。
进一步,根据障碍物中心的坐标确定深度图对应的障碍物位置的步骤,包括:根据障碍物中心的横坐标和深度传感器的横向拍摄范围,确定障碍物与深度传感器之间的偏离角度;根据障碍物中心的纵坐标在深度图中目标区域的相对位置,确定障碍物与深度传感器之间的偏离高度;根据偏离角度、偏离高度和障碍物距离确定深度图对应的障碍物位置。
进一步,障碍物信息还包括障碍物大小;根据映射关系以及障碍物像素点的深度值,确定深度图对应的障碍物信息的步骤,还包括:统计障碍物像素点的数量;根据障碍物像素点的数量预估深度图对应的障碍物大小。
进一步,权重与障碍物像素点对应的距离呈负相关。
进一步,将障碍物信息提供给可穿戴设备的用户的步骤,包括:统计障碍物像素点的数量;判断障碍物像素点的数量是否高于预设数量阈值;如果是,将障碍物信息提供给可穿戴设备的用户。
进一步,将障碍物信息提供给可穿戴设备的用户的步骤,包括:将障碍物信息通过语音播报的方式提供给可穿戴设备的用户。
进一步,障碍物信息包括障碍物与深度传感器之间的偏离角度、偏离高度和障碍物距离;将障碍物信息通过语音播报的方式提供给可穿戴设备的用户的步骤,包括:将偏离角度转换为盲人表盘的时刻位置;将偏离高度转换为指定高度方位词;高度方位词包括上方方位或下方方位;将障碍物距离、转换得到的时刻位置和指定高度方位词通过语音播报的方式提供给可穿戴设备的用户。
第二方面,本发明实施例还提供了一种障碍物检测装置,装置应用于配置有深度传感器的可穿戴设备,包括:深度图采集模块,用于获取深度传感器采集的深度图;映射关系获取模块,用于获取预先对深度传感器标定所得的深度值与距离之间的映射关系;障碍物信息确定模块,用于根据映射关系确定深度图对应的障碍物信息;障碍物信息至少包括障碍物距离;信息提供模块,用于将障碍物信息提供给可穿戴设备的用户。
第三方面,本发明实施例提供了一种避障设备,包括:处理器和存储装置;存储装置上存储有计算机程序,计算机程序在被处理器运行时执行如前述实施例中任一项的方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器运行时执行前述实施例中任一项的方法的步骤。
本发明实施例提供了一种障碍物检测方法、装置、避障设备及计算机可读存储介质,该方法应用于配置有深度传感器的可穿戴设备,首先获取深度传感器采集的深度图;然后获取预先对深度传感器标定所得的深度值与距离之间的映射关系;之后根据映射关系确定深度图对应的障碍物信息(至少包括障碍物距离);最后将障碍物信息提供给可穿戴设备的用户。上述方法通过预先对深度传感器标定得到深度值和距离之间的映射关系,在进行障碍物检测时,根据深度传感器采集的深度图和映射关系能够快速确定障碍物信息,有效检测到障碍物;此外,上述方法通过配置有深度传感器的可穿戴设备实现,便于盲人用户出行,且可应用于诸如城市复杂道路、光线强度不佳等较多场合,具有较强的普适性。
本发明实施例的其他特征和优点将在随后的说明书中阐述,或者,部分特征和优点可以从说明书推知或毫无疑义地确定,或者通过实施本发明实施例的上述技术即可得知。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了本发明实施例所提供的一种避障设备的结构示意图;
图2示出了本发明实施例所提供的一种障碍物检测方法的流程图;
图3示出了本发明实施例所提供的一种示例性深度图;
图4示出了本发明实施例所提供的一种障碍物检测装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。
考虑到目前盲人可用的障碍物检测方法均不佳,为改善此问题,本发明实施例提供了一种障碍物检测方法、装置、避障设备及计算机可读存储介质,该技术可应用于配置有深度传感器的可穿戴设备,可穿戴设备也可称为避障设备,具体可以为头戴式设备、胸戴式设备等,在此不进行限制。为便于理解,以下对本发明实施例进行详细介绍。
实施例一:
首先,参照图1来描述用于实现本发明实施例的一种障碍物检测方法、装置、避障设备及计算机可读存储介质的示例避障设备100。
如图1所示的一种避障设备的结构示意图,避障设备100包括一个或多个处理器102、一个或多个存储装置104、输入装置106、输出装置108以及图像采集装置110,这些组件通过总线***112和/或其它形式的连接机构(未示出)互连。应当注意,图1所示的避障设备100的组件和结构只是示例性的,而非限制性的,根据需要,所述电子设备也可以具有其他组件和结构。
所述处理器102可以采用数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)中的至少一种硬件形式来实现,所述处理器102可以是中央处理单元(CPU)、图形处理单元(GPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元中的一种或几种的组合,并且可以控制所述避障设备100中的其它组件以执行期望的功能。
所述存储装置104可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器102可以运行所述程序指令,以实现下文所述的本发明实施例中(由处理器实现)的客户端功能以及/或者其它期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据,例如所述应用程序使用和/或产生的各种数据等。
所述输入装置106可以是用户用来输入指令的装置,并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。
所述输出装置108可以向外部(例如,用户)输出各种信息(例如,图像或声音),并且可以包括显示器、扬声器等中的一个或多个。
所述图像采集装置110可以拍摄用户期望的图像(例如照片、视频等),并且将所拍摄的图像存储在所述存储装置104中以供其它组件使用。
示例性地,用于实现根据本发明实施例的障碍物检测方法、装置、避障设备及计算机可读存储介质的示例避障设备可以被实现为诸如为头戴式设备、胸戴式设备等,在此不进行限制。
实施例二:
参见图2所示的一种障碍物检测方法的流程示意图,该方法可以应用于配置有深度传感器的可穿戴设备,其中,可穿戴设备可以是头戴式设备、胸戴式设备等,在此不进行限制,该方法主要包括如下步骤S202至步骤S208:
步骤S202,获取深度传感器采集的深度图。
深度传感器诸如可以是TOF(Time of flight,飞行时间)传感器、结构光深度传感器(Kinect)等,考虑到头戴式设备的轻便性需求,在一种实施方式中,深度传感器可以采用TOF传感器。TOF传感器是通过对目标场景发射连续的近红外脉冲,然后用传感器接收由物体反射回的光脉冲,通过比较发射光脉冲与经过物体反射的光脉冲的相位差,推算得到光脉冲之间的传输延迟进而得到物体相对于发射器的距离,最终得到深度图。其中,深度图(depth image)也被称为距离影像(range image),是指将从深度传感器到场景中各点的距离(深度值)作为像素值的图像。图中每个像素值(即为深度值)代表的是物体到深度传感器xy平面的距离。TOF传感器与立体相机或三角测量***相比,体积小巧,适合配置于可穿戴设备上,而且采用TOF传感器能够实时快速的计算深度信息,有助于障碍物检测的及时性和准确性。
步骤S204,获取预先对深度传感器标定所得的深度值与距离之间的映射关系。
可以理解的是,对于同一个障碍物而言,其与深度传感器之间的距离不同,深度传感器采集到的深度图也不同,也即深度传感器在不同距离采集到的同一障碍物的深度图中对应的深度值也不同,但是深度值与距离之间具有一定的映射关系,诸如,障碍物与深度传感器之间的距离越大,深度传感器针对该障碍物检测到的深度值越大。本实施例可以预先对深度传感器进行标定,得到深度值与距离之间的映射关系,具体标定方式可以为:通过深度传感器采集多种距离下针对同一障碍物的深度图,基于采集到的深度图拟合得到深度值与距离之间的映射关系,从而实现对深度传感器的标定。
步骤S206,根据映射关系确定深度图对应的障碍物信息。
在一种实施方式中,障碍物信息至少包括障碍物距离。可以理解的是,映射关系反映了深度值与距离之间的关系,而通过深度传感器采集的深度图中包含障碍物对应的所有深度值,因此,本实施例中可以根据深度值和映射关系确定对应的障碍物信息,也即确定障碍物距离。
步骤S208,将障碍物信息提供给可穿戴设备的用户。
可穿戴设备可以用来检测用户的前方障碍物,当可穿戴设备为头戴设备时,还可以检测到对于用户而言的高空障碍物,其中,高空障碍物诸如可以是用户手不会自然摸到,但是会碰到头或脖子的物体,例如悬挂的装饰物、打开的卡车门等。用户可以是盲人用户等有视觉障碍的人群。用户可以通过穿戴该可穿戴设备在出行的过程中实时进行障碍物检测,从而获知障碍物信息。在实际应用中,可穿戴设备可以通过语音方式向用户播报障碍物信息,以便用户能够根据接收到的障碍物信息判断所处环境的安全性,从而避免受到伤害。
本发明实施例提供的上述障碍物检测方法通过预先对深度传感器标定得到深度值和距离之间的映射关系,在进行障碍物检测时,根据深度传感器采集的深度图和映射关系能够快速确定障碍物信息,有效检测到障碍物;此外,上述方法通过配置有深度传感器的可穿戴设备实现,便于盲人用户出行,且可应用于诸如城市复杂道路、光线强度不佳等较多场合,具有较强的普适性。
为便于理解,本实施例提供了一种标定深度传感器的具体实施方式,可以参照如下步骤1至步骤2执行:
步骤1,获取用于标定深度传感器的平面障碍物在与深度传感器间距多种距离时,深度传感器针对每种距离分别输出的标定深度图。
平面障碍物也即障碍物反射表面的不同位置到深度传感器距离基本恒定,诸如可以为墙面、表面平整的书本等。在一种实施方式中,可以通过改变平面障碍物到深度传感器的距离,获得多种距离下深度传感器采集的标定深度图。
步骤2,根据每种距离对应的标定深度图,拟合得到深度值与障碍物距离之间的映射关系。
考虑到深度传感器采集的深度图中可能会包含部分无效像素,诸如图像噪声点即为无效像素,图像中物体边缘处存在的飞行像素也为无效像素,无效像素的存在会对后续的图像处理产生影响,诸如检测到虚假的物体边缘,从而影响检测的精确度。因此,为了提高障碍物检测的精度,本发明实施例还提供了一种根据每种距离对应的标定深度图,拟合得到深度值与障碍物距离之间的映射关系的具体实施方式,也即上述步骤2可以参照如下步骤2.1至步骤2.2执行:
步骤2.1,根据每种距离对应的标定深度图确定深度传感器的最小有效深度阈值。
为了提升深度传感器的检测效果,本实施例可以设定最小深度阈值(也即可用信号的最小阈值),从而将无效像素(也可称为深度传感器采集到的无效信号)去除。在实际应用中,可以根据获取的标定深度图建立标定深度图对应的像素值的信号直方图,根据信号直方图确定深度传感器的最小有效深度阈值。具体的,可以假设标定深度图返回的像素值的范围是[0,M],然后将[0,M]分成若干区间(诸如100个),之后统计标定深度图中的像素值落入各个区间的数目,最后以每个区间的统计得到的像素数目为纵坐标,以[0,M]为横坐标绘制曲线得到信号直方图,进而根据建立的信号直方图确定深度传感器的最小有效深度阈值。经过研究发现,深度传感器输出的深度图中的物体边缘处存在的飞行像素的深度值即为通过上述方式得到的最小有效深度阈值,通过这种方式,可以有效筛除物体边缘的飞行像素等无效像素。
步骤2.2,对标定深度图中高于最小有效深度阈值的深度值与多种距离进行拟合,得到深度值与障碍物距离之间的映射关系;其中,映射关系为线性映射。
实际应用中,可以根据最小有效深度阈值将标定深度图中小于最小有效深度阈值的深度值去除,得到可用深度值(即标定深度图中高于最小有效深度阈值的深度值),然后将可用深度值与多种距离进行拟合,得到深度值与障碍物距离之间的映射关系。具体的,可以采用线性模型进行拟合,即拟合d=aS中的常量a,其中,d表示障碍物距离,S表示深度值。
为便于理解,本实施例提供了一种根据映射关系确定深度图对应的障碍物信息的具体实施方式,也即上述步骤S206可以参照如下步骤(1)至步骤(3)执行:
步骤(1),获取深度图中位于目标区域的每个像素点的深度值。
其中,目标区域为预先设定的深度图中的障碍物检测区域,也即深度图中的感兴趣区域,本实施例在进行障碍物检测时主要关注目标区域,目标区域之外的区域不再进行处理。在实际应用中,可以预先设定深度图中目标区域的位置,诸如,可以默认目标区域为深度传感器采集到的整个深度图,获取深度图中位于目标区域的每个像素点的深度值也即获取整个深度图中的每个像素点的深度值。此外,还可以根据用户的习惯进行设置,诸如用户仅设置目标区域为深度图的中心区域,或者深度图的上半区域等,目标区域之外的区域为用户不关心的区域,诸如,用户认为低处障碍物可通过自身的导盲杖检测,而不想通过头戴设备检测,则可以仅将深度图的中上部分区域设置为目标区域,又诸如用户认为高过头顶的区域不会对自身形成威胁,因此可以将深度图中除了顶部区域之外的其余区域作为目标区域。
步骤(2),根据映射关系以及目标区域中每个像素点的深度值,从目标区域中筛选出障碍物像素点。
考虑到对于距离较远的障碍物可能不会对盲人用户造成威胁,为了防止过早预警而给用户造成干扰,可以仅对预设距离范围内的障碍物进行检测,所以本实施例中可以预先设定障碍物的检测范围,也即预设距离阈值,依据最小有效深度阈值和预设距离阈值两个条件来筛选障碍物像素点,具体的,障碍物像素点需要满足两个条件:一是像素点的深度值大于深度传感器的最小有效深度阈值,以保证其属于有效信号;二是该像素点对应的距离小于预设距离阈值,以保证其位于障碍物检测范围内。因此并不是目标区域中的所有像素点都是障碍物像素点,需要通过筛选确定障碍物像素点。基于此,本实施例给出了步骤(2)的具体实施方式,可以参照如下步骤(2.1)值步骤(2.3)实现:
步骤(2.1),针对目标区域中每个像素点,判断该像素点的深度值是否大于深度传感器的最小有效深度阈值。
步骤(2.2),如果是,根据映射关系和该像素点的深度值计算该像素点对应的距离。
在一种实施方式中,可以根据映射关系和该像素点的深度值确定该像素点对应的距离,即可以根据前述公式d=aS确定该像素点对应的距离。
步骤(2.3),如果该像素点对应的距离小于预设距离阈值,确定该像素点为障碍物像素点。
在一种实施方式中,预设距离阈值可以是在深度传感器采集深度图之前用户预先设定的。诸如可以将预设距离阈值设置为2米,则检测到的2米之内的物体即为障碍物,也就是当计算得到该像素点的距离小于2米时将该像素点确定为障碍物像素点。
步骤(3),根据映射关系以及障碍物像素点的深度值,确定深度图对应的障碍物信息。
在一种实施方式中,障碍物信息可以包括障碍物距离,对于根据映射关系以及障碍物像素点的深度值,确定深度图对应的障碍物信息的步骤可以参照以下步骤a1至步骤a4实现:
步骤a1,根据映射关系和障碍物像素点的深度值,计算每个障碍物像素点对应的距离。
步骤a2,根据每个障碍物像素点对应的距离,为每个障碍物像素点分配权重。
在一种实施方式中,由于障碍物通常并非为平面结构,大多数障碍物的不同点与深度传感器之间的距离具有一定的差异性,也即不同的障碍物像素点对应的距离不同。而最终给用户提供的障碍物距离通常仅为一个数值,为了更为客观地给用户提供障碍物距离数值,可以综合每个障碍物像素点对应的距离来确定给用户提供的最终障碍物距离值。在为每个障碍物像素点分配权重时,可以为每个障碍物像素点分配的权重相同,也可以不同。诸如,考虑到障碍物上距离深度传感器越近的点对用户影响越大,因此本实施例可以设置权重与障碍物像素点对应的距离呈负相关,即障碍物像素点对应的距离越近,为该障碍物像素点分配的权重越高,实际应用中,为了权重分配的便捷性,也可以使用分段的方法分配权重,诸如:障碍物像素点对应的距离d<d1时,权重为w1,否则,权重为w2,且w1>w2。
步骤a3,基于每个障碍物像素点对应的权重,对所有障碍物像素点对应的距离进行加权平均,将加权平均结果作为障碍物中心的距离。
在一种实施方式中,对每个障碍物像素点对应的距离进行加权平均,将加权平均结果作为障碍物中心的距离,也即最终提供给用户的障碍物实际距离,具体可以根据以下加权平均公式计算障碍物中心的距离:
其中,d表示障碍物中心的距离,di表示每个障碍物像素点对应的距离,wi表示每个障碍物像素点对应的权重。
当w恒为1时(也即为每个障碍物像素点分配的权重均相同),可以根据以下公式计算障碍物中心的距离:
其中,N表示障碍物像素点的数量。
步骤a4,将障碍物中心的距离确定为深度图对应的障碍物距离。
通过上述方式,可以使用户能够更为准确客观地获知障碍物距离。
为了能够使用户更加清楚的获知障碍物位置,根据障碍物位置判断周围的环境并选择行进的路线,根据映射关系以及障碍物像素点的深度值,确定深度图对应的障碍物信息的步骤还可以包括以下步骤b1至步骤b3:
步骤b1,获取每个障碍物像素点的坐标。其中,像素点的坐标包括横纵坐标,即像素点的坐标可以用(X,Y)表示。
步骤b2,基于每个障碍物像素点对应的权重,对所有障碍物像素点对应的坐标分别进行加权平均,将加权平均结果作为障碍物中心的坐标。
像素点的坐标包括横坐标和纵坐标,在实际应用中,可以基于每个障碍物像素点对应的权重对障碍物像素点对应坐标的横坐标进行加权平均,得到障碍物中心的横坐标;基于每个障碍物像素点对应的权重对障碍物像素点对应坐标的纵坐标进行加权平均,得到障碍物中心的纵坐标,也即将加权平均后的横坐标和纵坐标结果作为障碍物中心的坐标。
步骤b3,根据障碍物中心的坐标确定深度图对应的障碍物位置。
在一种实施方式中,可以根据障碍物中心的坐标确定障碍物与深度传感器之间的偏离角度和偏离高度,然后根据偏离角度、偏离高度和障碍物距离确定深度图对应的障碍物位置。为便于理解,本实施例还提供了一种根据障碍物中心的坐标确定深度图对应的障碍物位置的具体实施方式,也即上述步骤b3可以参照以下步骤b31至步骤b33实现:
步骤b31,根据障碍物中心的横坐标和深度传感器的横向拍摄范围,确定障碍物与深度传感器之间的偏离角度。
在一种实施方式中,可以从TOF深度传感器的厂家技术说明书中获取深度传感器的横向拍摄范围(-Ω,+Ω),分别对应TOF深度图中像素横坐标X=0和X=WIDTH在横向的角度,其中,Ω的单位为角度,WIDTH为TOF深度图的宽,可以按照以下公式计算障碍物与深度传感器之间的偏离角度:
其中,F表示障碍物与深度传感器之间的偏离角度,诸如,障碍物中心的横坐标为X=0时,则障碍物与深度传感器之间的偏离角度为-Ω;同理,当障碍物中心的横坐标为X=WIDTH时,障碍物与深度传感器之间的偏离角度为+Ω。
步骤b32,根据障碍物中心的纵坐标在深度图中目标区域的相对位置,确定障碍物与深度传感器之间的偏离高度。
在一种实施方式中,可以将障碍物中心的纵坐标与目标区域的中心点进行比较,即可以计算障碍物中心的纵坐标与目标区域的中心点的纵坐标之间的差值,根据计算得到的差值确定障碍物与深度传感器之间的偏离高度。
步骤b33,根据偏离角度、偏离高度和障碍物距离确定深度图对应的障碍物位置。
可以理解的是,在已知了障碍物与深度传感器之间的偏离角度、偏离高度以及障碍物距离之后,即可唯一确定障碍物位置。
考虑到前述检测到的障碍物位置为障碍物中心的位置,而障碍物通常都具有一定的大小,为了让用户清楚的获知前方障碍物大小,因此本实施例中障碍物信息还包括障碍物大小,根据映射关系以及障碍物像素点的深度值,确定深度图对应的障碍物信息的步骤,还包括:统计障碍物像素点的数量;根据障碍物像素点的数量预估深度图对应的障碍物大小。
在一种实施方式中,可以通过圆形来简单表征障碍物范围,则障碍物大小可以用圆的半径来表示,因此,可以根据像素点的数量预估深度图对应的障碍物大小,具体的可以利用sqrt(N)计算得到障碍物的半径,其中,N表示障碍物像素点的数量。也即,可以根据障碍物像素点的数量确定障碍物的面积,在障碍物为圆形进行简单模拟时,可进一步得到障碍物半径,从而给用户提供关于障碍物大小的参考建议。
考虑到深度图中可能会存在非障碍物像素点的部分噪声,还可能会存在诸如小飞虫等不会对用户造成安全威胁的小物体,因此为了防止误报,本实施例可以基于障碍物像素点的数量来判断是否是真正的障碍物,只有在确定是真正对用户造成威胁的障碍物时才为用户提供障碍物信息。基于此,对于将障碍物信息提供给可穿戴设备的用户的步骤可以包括:统计障碍物像素点的数量;判断障碍物像素点的数量是否高于预设数量阈值;如果是,将障碍物信息提供给可穿戴设备的用户,在实际应用中可以将障碍物信息通过语音播报的方式提供给可穿戴设备的用户。此外,还可以预先设置语音输出控制参数,包括语音的速度、音量等,根据设置的语音输出控制参数将障碍物信息通过语音播报的方式提供给可穿戴设备的用户。
为了贴近盲人用户的使用习惯,使盲人用户能够更加准确地获取障碍物信息,可以采用表盘定位的方式,语音输出表盘定位结果。基于此,本实施例提供了一种将障碍物信息通过语音播报的方式提供给可穿戴设备的用户的步骤的具体实施方式,可以参照以下步骤c1至步骤c3实现:
步骤c1,将偏离角度转换为盲人表盘的时刻位置。考虑到盲人的方向定位习惯,本实施例将偏离角度转换为盲人表盘的时刻位置,诸如,偏离30度则对应表盘中的1点钟方向,偏离60度则对应表盘中的2点钟方向等。本实施例给出了一种将偏离角度转换为盲人表盘的时刻位置的具体公式,具体参照如下:
T=12+12/360*Ω(2X-WIDTH)/WIDTH X≤WIDTH/2
T=12/360*Ω(2X-WIDTH)/WIDTH X>WIDTH/2
其中,T表示盲人表盘的时刻位置。举例说明,当X=0时,对应的偏离角度为-Ω,输出的盲人表盘的时刻位置T=12-12/360*Ω;当X=WIDTH/2时,对应的偏离角度为0,输出的盲人表盘的时刻位置T=12;当X=WIDTH时,对应的偏离角度为Ω,输出的盲人表盘的时刻位置T=12/360*Ω;如果Ω=30度,则X=0时,T=11;X=WIDTH/2时,T=12;X=WIDTH时,T=1。
步骤c2,将偏离高度转换为指定高度方位词。
在一种实施方式中,高度方位词包括上方方位或下方方位,通过转换为指定高度方位词的方式,可以更为直观地提醒用户获知障碍物所在高度。其中,偏离高度可以根据障碍物中心的纵坐标与目标区域的中心点的相对位置得到,诸如,偏离高度显示障碍物中心的纵坐标与目标区域的中心点的纵坐标之间的高度偏差为+5,则相应的高度方位词为“上方方位”。
步骤c3,将障碍物距离、转换得到的时刻位置和指定高度方位词通过语音播报的方式提供给可穿戴设备的用户。
在一种实施方式中,将障碍物距离、转换得到的时刻位置和指定高度方位词通过语音播报的方式提供给可穿戴设备的用户,用户可以及时了解前方的障碍物信息,从而避免受到伤害。为便于理解,参见图3所示的一种深度图,图中矩形表示深度图,圆形表示深度图中障碍物像素点的集合,图3默认整个深度图均为目标区域,点A表示深度图目标区域的中心点,点B表示障碍物的中心点,由图3可知,障碍物位于目标区域中心点的正上方,假设得到的障碍物距离为2米,因此语音播报的内容可以为“在12点方向的2米处上方存在障碍物”。用户接收到播报内容后可以根据障碍物信息调整行进的方向,从而避免障碍物影响自身的安全。
本发明实施例提供的上述碍物检测方法通过预先对深度传感器标定得到深度值和距离之间的映射关系,在进行障碍物检测时,根据深度传感器采集的深度图和映射关系能够快速确定障碍物信息,有效检测到障碍物;此外,上述方法通过配置有深度传感器的可穿戴设备实现,便于盲人用户出行,且可应用于诸如城市复杂道路、光线强度不佳等较多场合,具有较强的普适性。
实施例三:
对于实施例二中所提供的障碍物检测方法,本发明实施例提供了一种障碍物检测装置,参见图4所示的一种障碍物检测装置的结构示意图,该装置包括以下模块:
深度图采集模块401,用于获取深度传感器采集的深度图。
映射关系获取模块402,用于获取预先对深度传感器标定所得的深度值与距离之间的映射关系。
障碍物信息确定模块403,用于根据映射关系确定深度图对应的障碍物信息;障碍物信息至少包括障碍物距离。
信息提供模块404,用于将障碍物信息提供给可穿戴设备的用户。
本发明实施例提供的上述障碍物检测装置通过预先对深度传感器标定得到深度值和距离之间的映射关系,在进行障碍物检测时,根据深度传感器采集的深度图和映射关系能够快速确定障碍物信息,有效检测到障碍物;此外,上述装置通过配置有深度传感器的可穿戴设备实现,便于盲人用户出行,且可应用于诸如城市复杂道路、光线强度不佳等较多场合,具有较强的普适性。
在一种实施方式中,上述装置还包括标定模块,用于获取用于标定深度传感器的平面障碍物在与深度传感器间距多种距离时,深度传感器针对每种距离分别输出的标定深度图;根据每种距离对应的标定深度图,拟合得到深度值与障碍物距离之间的映射关系。
在一种实施方式中,上述标定模块还用于根据每种距离对应的标定深度图确定深度传感器的最小有效深度阈值;对标定深度图中高于最小有效深度阈值的深度值与多种距离进行拟合,得到深度值与障碍物距离之间的映射关系;其中,映射关系为线性映射。
在一种实施方式中,上述障碍物信息确定模块403还用于获取深度图中位于目标区域的每个像素点的深度值;其中,目标区域为预先设定的深度图中的障碍物检测区域;根据映射关系以及目标区域中每个像素点的深度值,从目标区域中筛选出障碍物像素点;根据映射关系以及障碍物像素点的深度值,确定深度图对应的障碍物信息。
在一种实施方式中,上述障碍物信息确定模块403还用于针对目标区域中每个像素点,判断该像素点的深度值是否大于深度传感器的最小有效深度阈值;如果是,根据映射关系和该像素点的深度值计算该像素点对应的距离;如果该像素点对应的距离小于预设距离阈值,确定该像素点为障碍物像素点。
在一种实施方式中,上述障碍物信息确定模块403还用于根据映射关系和障碍物像素点的深度值,计算每个障碍物像素点对应的距离;根据每个障碍物像素点对应的距离,为每个障碍物像素点分配权重;基于每个障碍物像素点对应的权重,对所有障碍物像素点对应的距离进行加权平均,将加权平均结果作为障碍物中心的距离;将障碍物中心的距离确定为深度图对应的障碍物距离。
在一种实施方式中,障碍物信息还包括障碍物位置,上述障碍物信息确定模块403还用于获取每个障碍物像素点的坐标;基于每个障碍物像素点对应的权重,对所有障碍物像素点对应的坐标分别进行加权平均,将加权平均结果作为障碍物中心的坐标;根据障碍物中心的坐标确定深度图对应的障碍物位置。
在一种实施方式中,上述障碍物信息确定模块403还用于根据障碍物中心的横坐标和深度传感器的横向拍摄范围,确定障碍物与深度传感器之间的偏离角度;根据障碍物中心的纵坐标在深度图中目标区域的相对位置,确定障碍物与深度传感器之间的偏离高度;根据偏离角度、偏离高度和障碍物距离确定深度图对应的障碍物位置。
在一种实施方式中,障碍物信息还包括障碍物大小,上述障碍物信息确定模块403还用于统计障碍物像素点的数量;根据障碍物像素点的数量预估深度图对应的障碍物大小。
在一种实施方式中,权重与障碍物像素点对应的距离呈负相关。
在一种实施方式中,上述信息提供模块404还用于统计障碍物像素点的数量;判断障碍物像素点的数量是否高于预设数量阈值;如果是,将障碍物信息提供给可穿戴设备的用户。
在一种实施方式中,上述信息提供模块404还用于将障碍物信息通过语音播报的方式提供给可穿戴设备的用户。
在一种实施方式中,障碍物信息包括障碍物与深度传感器之间的偏离角度、偏离高度和障碍物距离,上述信息提供模块404还用于将偏离角度转换为盲人表盘的时刻位置;将偏离高度转换为指定高度方位词;高度方位词包括上方方位或下方方位;将障碍物距离、转换得到的时刻位置和指定高度方位词通过语音播报的方式提供给可穿戴设备的用户。
本实施例所提供的装置,其实现原理及产生的技术效果和前述实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
综上所述,本发明实施例提供的上述障碍物检测方法、装置、避障设备及计算机可读存储介质通过预先对深度传感器标定得到深度值和距离之间的映射关系,在进行障碍物检测时,根据深度传感器采集的深度图和映射关系能够快速确定障碍物信息,能够有效检测到障碍物;此外,上述方法通过配置有深度传感器的可穿戴设备实现,便于盲人用户出行,且可应用于诸如城市复杂道路、光线强度不佳等较多场合,具有较强的普适性。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***具体工作过程,可以参考前述实施例中的对应过程,在此不再赘述。
本发明实施例所提供的障碍物检测方法、装置、避障设备及计算机可读存储介质的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所述功能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,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (16)
1.一种障碍物检测方法,其特征在于,所述方法应用于配置有深度传感器的可穿戴设备,包括:
获取所述深度传感器采集的深度图;
获取预先对所述深度传感器标定所得的深度值与距离之间的映射关系;
根据所述映射关系确定所述深度图对应的障碍物信息;所述障碍物信息至少包括障碍物距离;
将所述障碍物信息提供给所述可穿戴设备的用户。
2.根据权利要求1所述的方法,其特征在于,所述映射关系的标定步骤包括:
获取用于标定所述深度传感器的平面障碍物在与所述深度传感器间距多种距离时,所述深度传感器针对每种距离分别输出的标定深度图;
根据每种距离对应的标定深度图,拟合得到深度值与障碍物距离之间的映射关系。
3.根据权利要求2所述的方法,其特征在于,所述根据每种距离对应的标定深度图,拟合得到深度值与障碍物距离之间的映射关系的步骤,包括:
根据每种距离对应的标定深度图确定所述深度传感器的最小有效深度阈值;
对所述标定深度图中高于所述最小有效深度阈值的深度值与所述多种距离进行拟合,得到深度值与障碍物距离之间的映射关系;其中,所述映射关系为线性映射。
4.根据权利要求1所述的方法,其特征在于,所述根据所述映射关系确定所述深度图对应的障碍物信息的步骤,包括:
获取所述深度图中位于目标区域的每个像素点的深度值;其中,所述目标区域为预先设定的所述深度图中的障碍物检测区域;
根据所述映射关系以及所述目标区域中每个像素点的深度值,从所述目标区域中筛选出障碍物像素点;
根据所述映射关系以及所述障碍物像素点的深度值,确定所述深度图对应的障碍物信息。
5.根据权利要求4所述的方法,其特征在于,所述根据所述映射关系以及所述目标区域中每个像素点的深度值,从所述目标区域中筛选出障碍物像素点的步骤,包括:
针对所述目标区域中每个像素点,判断该像素点的深度值是否大于所述深度传感器的最小有效深度阈值;
如果是,根据所述映射关系和该像素点的深度值计算该像素点对应的距离;
如果该像素点对应的距离小于预设距离阈值,确定该像素点为障碍物像素点。
6.根据权利要求4所述的方法,其特征在于,所述根据所述映射关系以及所述障碍物像素点的深度值,确定所述深度图对应的障碍物信息的步骤,包括:
根据所述映射关系和所述障碍物像素点的深度值,计算每个所述障碍物像素点对应的距离;
根据每个所述障碍物像素点对应的距离,为每个所述障碍物像素点分配权重;
基于每个所述障碍物像素点对应的权重,对所有所述障碍物像素点对应的距离进行加权平均,将加权平均结果作为障碍物中心的距离;
将所述障碍物中心的距离确定为所述深度图对应的障碍物距离。
7.根据权利要求6所述的方法,其特征在于,所述障碍物信息还包括障碍物位置;所述根据所述映射关系以及所述障碍物像素点的深度值,确定所述深度图对应的障碍物信息的步骤,还包括:
获取每个所述障碍物像素点的坐标;
基于每个所述障碍物像素点对应的权重,对所有所述障碍物像素点对应的坐标分别进行加权平均,将加权平均结果作为障碍物中心的坐标;
根据所述障碍物中心的坐标确定所述深度图对应的障碍物位置。
8.根据权利要求7所述的方法,其特征在于,所述根据所述障碍物中心的坐标确定所述深度图对应的障碍物位置的步骤,包括:
根据所述障碍物中心的横坐标和所述深度传感器的横向拍摄范围,确定障碍物与所述深度传感器之间的偏离角度;
根据所述障碍物中心的纵坐标在所述深度图中目标区域的相对位置,确定所述障碍物与所述深度传感器之间的偏离高度;
根据所述偏离角度、所述偏离高度和所述障碍物距离确定所述深度图对应的障碍物位置。
9.根据权利要求6所述的方法,其特征在于,所述障碍物信息还包括障碍物大小;所述根据所述映射关系以及所述障碍物像素点的深度值,确定所述深度图对应的障碍物信息的步骤,还包括:
统计所述障碍物像素点的数量;
根据所述障碍物像素点的数量预估所述深度图对应的障碍物大小。
10.根据权利要求6所述的方法,其特征在于,所述权重与所述障碍物像素点对应的距离呈负相关。
11.根据权利要求4所述的方法,其特征在于,所述将所述障碍物信息提供给所述可穿戴设备的用户的步骤,包括:
统计所述障碍物像素点的数量;
判断所述障碍物像素点的数量是否高于预设数量阈值;
如果是,将所述障碍物信息提供给所述可穿戴设备的用户。
12.根据权利要求1所述的方法,其特征在于,所述将所述障碍物信息提供给所述可穿戴设备的用户的步骤,包括:
将所述障碍物信息通过语音播报的方式提供给所述可穿戴设备的用户。
13.根据权利要求12所述的方法,其特征在于,所述障碍物信息包括障碍物与所述深度传感器之间的偏离角度、偏离高度和障碍物距离;
所述将所述障碍物信息通过语音播报的方式提供给所述可穿戴设备的用户的步骤,包括:
将所述偏离角度转换为盲人表盘的时刻位置;
将所述偏离高度转换为指定高度方位词;所述高度方位词包括上方方位或下方方位;
将所述障碍物距离、转换得到的所述时刻位置和所述指定高度方位词通过语音播报的方式提供给所述可穿戴设备的用户。
14.一种障碍物检测装置,其特征在于,所述装置应用于配置有深度传感器的可穿戴设备,包括:
深度图采集模块,用于获取所述深度传感器采集的深度图;
映射关系获取模块,用于获取预先对所述深度传感器标定所得的深度值与距离之间的映射关系;
障碍物信息确定模块,用于根据所述映射关系确定所述深度图对应的障碍物信息;所述障碍物信息至少包括障碍物距离;
信息提供模块,用于将所述障碍物信息提供给所述可穿戴设备的用户。
15.一种避障设备,其特征在于,包括:处理器和存储装置;
所述存储装置上存储有计算机程序,所述计算机程序在被所述处理器运行时执行如权利要求1至13任一项所述的方法。
16.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器运行时执行上述权利要求1至13任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010623819.9A CN111973410A (zh) | 2020-06-30 | 2020-06-30 | 障碍物检测方法、装置、避障设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010623819.9A CN111973410A (zh) | 2020-06-30 | 2020-06-30 | 障碍物检测方法、装置、避障设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111973410A true CN111973410A (zh) | 2020-11-24 |
Family
ID=73438457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010623819.9A Pending CN111973410A (zh) | 2020-06-30 | 2020-06-30 | 障碍物检测方法、装置、避障设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111973410A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113887400A (zh) * | 2021-09-29 | 2022-01-04 | 北京百度网讯科技有限公司 | 障碍物检测方法、模型训练方法、装置及自动驾驶车辆 |
WO2022166606A1 (zh) * | 2021-02-07 | 2022-08-11 | 华为技术有限公司 | 一种目标检测方法及装置 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140096429A (ko) * | 2013-01-25 | 2014-08-06 | 한국표준과학연구원 | 이동 기기에 구비되는 장애물 감지장치, 감지방법 및 그 감지장치를 갖는 이동 기기 |
CN104287946A (zh) * | 2014-10-24 | 2015-01-21 | 中国科学院计算技术研究所 | 盲人避障提示装置及方法 |
CN105261039A (zh) * | 2015-10-14 | 2016-01-20 | 山东大学 | 一种基于深度图像的自适应调整目标跟踪算法 |
CN105701961A (zh) * | 2014-11-24 | 2016-06-22 | 南京酷派软件技术有限公司 | 一种行路安全提示方法、***及终端 |
CN106096559A (zh) * | 2016-06-16 | 2016-11-09 | 深圳零度智能机器人科技有限公司 | 障碍物检测方法及***以及运动物体 |
CN109214348A (zh) * | 2018-09-19 | 2019-01-15 | 北京极智嘉科技有限公司 | 一种障碍物检测方法、装置、设备及存储介质 |
CN109272556A (zh) * | 2018-08-31 | 2019-01-25 | 青岛小鸟看看科技有限公司 | 一种飞行时间tof相机的标定方法和装置 |
CN109446909A (zh) * | 2018-09-27 | 2019-03-08 | 山东省科学院自动化研究所 | 一种单目测距辅助泊车***及方法 |
CN109564432A (zh) * | 2016-08-05 | 2019-04-02 | 深圳市大疆创新科技有限公司 | 通过姿势与可移动设备通信/控制可移动设备的方法和相关*** |
CN110231832A (zh) * | 2018-03-05 | 2019-09-13 | 北京京东尚科信息技术有限公司 | 用于无人机的避障方法和避障装置 |
CN110378944A (zh) * | 2019-07-11 | 2019-10-25 | Oppo广东移动通信有限公司 | 深度图处理方法、装置和电子设备 |
WO2020015724A1 (zh) * | 2018-07-20 | 2020-01-23 | 华为技术有限公司 | 一种获取图片的方法、对图片进行处理的方法及装置 |
CN111316285A (zh) * | 2019-03-19 | 2020-06-19 | 深圳市大疆创新科技有限公司 | 物体检测方法、电子设备与计算机存储介质 |
CN111325691A (zh) * | 2020-02-20 | 2020-06-23 | Oppo广东移动通信有限公司 | 图像校正方法、装置、电子设备和计算机可读存储介质 |
-
2020
- 2020-06-30 CN CN202010623819.9A patent/CN111973410A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140096429A (ko) * | 2013-01-25 | 2014-08-06 | 한국표준과학연구원 | 이동 기기에 구비되는 장애물 감지장치, 감지방법 및 그 감지장치를 갖는 이동 기기 |
CN104287946A (zh) * | 2014-10-24 | 2015-01-21 | 中国科学院计算技术研究所 | 盲人避障提示装置及方法 |
CN105701961A (zh) * | 2014-11-24 | 2016-06-22 | 南京酷派软件技术有限公司 | 一种行路安全提示方法、***及终端 |
CN105261039A (zh) * | 2015-10-14 | 2016-01-20 | 山东大学 | 一种基于深度图像的自适应调整目标跟踪算法 |
CN106096559A (zh) * | 2016-06-16 | 2016-11-09 | 深圳零度智能机器人科技有限公司 | 障碍物检测方法及***以及运动物体 |
CN109564432A (zh) * | 2016-08-05 | 2019-04-02 | 深圳市大疆创新科技有限公司 | 通过姿势与可移动设备通信/控制可移动设备的方法和相关*** |
CN110231832A (zh) * | 2018-03-05 | 2019-09-13 | 北京京东尚科信息技术有限公司 | 用于无人机的避障方法和避障装置 |
WO2020015724A1 (zh) * | 2018-07-20 | 2020-01-23 | 华为技术有限公司 | 一种获取图片的方法、对图片进行处理的方法及装置 |
CN109272556A (zh) * | 2018-08-31 | 2019-01-25 | 青岛小鸟看看科技有限公司 | 一种飞行时间tof相机的标定方法和装置 |
CN109214348A (zh) * | 2018-09-19 | 2019-01-15 | 北京极智嘉科技有限公司 | 一种障碍物检测方法、装置、设备及存储介质 |
CN109446909A (zh) * | 2018-09-27 | 2019-03-08 | 山东省科学院自动化研究所 | 一种单目测距辅助泊车***及方法 |
CN111316285A (zh) * | 2019-03-19 | 2020-06-19 | 深圳市大疆创新科技有限公司 | 物体检测方法、电子设备与计算机存储介质 |
CN110378944A (zh) * | 2019-07-11 | 2019-10-25 | Oppo广东移动通信有限公司 | 深度图处理方法、装置和电子设备 |
CN111325691A (zh) * | 2020-02-20 | 2020-06-23 | Oppo广东移动通信有限公司 | 图像校正方法、装置、电子设备和计算机可读存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022166606A1 (zh) * | 2021-02-07 | 2022-08-11 | 华为技术有限公司 | 一种目标检测方法及装置 |
CN113887400A (zh) * | 2021-09-29 | 2022-01-04 | 北京百度网讯科技有限公司 | 障碍物检测方法、模型训练方法、装置及自动驾驶车辆 |
CN113887400B (zh) * | 2021-09-29 | 2022-10-14 | 北京百度网讯科技有限公司 | 障碍物检测方法、模型训练方法、装置及自动驾驶车辆 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111307166B (zh) | 一种构建占据栅格地图的方法及其装置、处理设备 | |
EP3967972A1 (en) | Positioning method, apparatus, and device, and computer-readable storage medium | |
US10260892B2 (en) | Data structure of environment map, environment map preparing system and method, and environment map updating system and method | |
US11656620B2 (en) | Generating environmental parameters based on sensor data using machine learning | |
CN109087510B (zh) | 交通监测方法及装置 | |
CN103852067B (zh) | 调整飞行时间(tof)测量***的操作参数的方法 | |
WO2021227645A1 (zh) | 目标检测方法和装置 | |
US11780465B2 (en) | System and method for free space estimation | |
CN105335955B (zh) | 对象检测方法和对象检测装置 | |
EP3321888A1 (en) | Projected image generation method and device, and method for mapping image pixels and depth values | |
JP6144656B2 (ja) | 歩行者の視覚的認識が困難であり得ることを運転者に警告するシステム及び方法 | |
JP2019175451A (ja) | 交通状況のリアルタイム検出 | |
WO2019238127A1 (zh) | 一种测距方法、装置及*** | |
CN108271408A (zh) | 使用被动和主动测量生成场景的三维地图 | |
WO2020014813A1 (zh) | 计算对象和车辆碰撞时间的方法、计算设备及车辆 | |
CN103852754A (zh) | 飞行时间(tof)测量***中的干扰抑制的方法 | |
CN108645375B (zh) | 一种用于车载双目***快速车辆测距优化方法 | |
CN104287946A (zh) | 盲人避障提示装置及方法 | |
CN113568435B (zh) | 一种基于无人机自主飞行态势感知趋势的分析方法与*** | |
WO2022041869A1 (zh) | 路况提示方法、装置、电子设备、存储介质及程序产品 | |
CN111973410A (zh) | 障碍物检测方法、装置、避障设备及计算机可读存储介质 | |
CN111186379A (zh) | 一种基于深度学习的汽车盲区危险物报警方法 | |
US11410371B1 (en) | Conversion of object-related traffic sensor information at roadways and intersections for virtual dynamic digital representation of objects | |
JP2017138660A (ja) | 物体検出方法、物体検出装置、およびプログラム | |
CN106323242A (zh) | 无人机对空间结构检测方法、装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201124 |
|
RJ01 | Rejection of invention patent application after publication |