CN112258489A - 扫地机器人路面凹陷的检测方法 - Google Patents
扫地机器人路面凹陷的检测方法 Download PDFInfo
- Publication number
- CN112258489A CN112258489A CN202011185853.9A CN202011185853A CN112258489A CN 112258489 A CN112258489 A CN 112258489A CN 202011185853 A CN202011185853 A CN 202011185853A CN 112258489 A CN112258489 A CN 112258489A
- Authority
- CN
- China
- Prior art keywords
- road surface
- point cloud
- image
- depth
- camera
- 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 21
- 238000010408 sweeping Methods 0.000 title claims abstract description 19
- 238000001914 filtration Methods 0.000 claims abstract description 8
- 230000002265 prevention Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 230000004888 barrier function Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种扫地机器人路面凹陷的检测方法,包括如下步骤:通过相机对扫地机器人前方的路面进行拍摄,获得路面的图像,将图像旋转θ0,使旋转后的图像的坐标系与世界坐标系重合;测试量摄像头到地面的高度H0,将深度点云图按高度轴分割,保留Z轴小于‑H0的点云图像;使用体素滤波法过滤掉深度图像检测到的噪声点;剩余的点云即为路面的凹陷部分;从剩余的点云中提取聚类,输出每一个聚类,一个聚类为一个凹陷部分的点云数据;对每个凹陷部分的点云计算凹陷深度及凹陷半径。所述方法可有效的检测路面的凹陷,进而避开凹陷,提高了所述机器人运行的安全性和稳定性。
Description
技术领域
本发明涉及扫地机器人导航技术领域,尤其涉及一种扫地机器人路面凹陷的检测方法。
背景技术
扫地机器人将人们从繁重的扫地劳动中解放出来,受到人们的欢迎。目前的许多扫地机器人在扫地、前进、避障等过程中通过摄像头采集环境图像,通过一定的算法实现自身位置的定位并执行行动,但是现有技术中出现的各种扫地机器人并没有能够实现对路面凹陷的检测以及避障,进而造成自身在清扫的过程中可能倾倒,在使用的过程中具有一定的安全隐患。
发明内容
本发明所要解决的技术问题是如何提供一种可有效的检测路面的凹陷,进而避开凹陷的扫地机器人路面凹陷的检测方法。
为解决上述技术问题,本发明所采取的技术方案是:一种扫地机器人路面凹陷的检测方法,其特征在于包括如下步骤:
将深度相机安装到扫地机器人的前方,并使相机倾斜向下一个角度θ0,使得相机能够对所述机器人前方的路面进行图像采集;
通过相机对扫地机器人前方的路面进行拍摄,获得路面的图像,将图像旋转θ0,使旋转后的图像的坐标系与世界坐标系重合;
测试量摄像头到地面的高度H0,将深度点云图按高度轴分割,保留Z轴小于-H0的点云图像;
使用体素滤波法过滤掉深度图像检测到的噪声点;
剩余的点云即为路面的凹陷部分;
从剩余的点云中提取聚类,输出每一个聚类,一个聚类为一个凹陷部分的点云数据;
对每个凹陷部分的点云进行计算,获得凹陷深度及凹陷半径。
采用上述技术方案所产生的有益效果在于:所述方法实现了对地面凹陷的检测,相比与传统的通过距离传感器的检测结果,该方法能对凹陷位置、凹陷出大小、凹陷深度有准确的度量。使各类型机器人在对防跌落功能开发时,根据机器人大小越障能力等特性,筛选出对机器人运行有影响的凹陷路面,极大的提高了机器人在防跌落功能上的稳定性和对环境的适应能力,真正做到智能防跌落。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1是本发明实施例所述方法的流程图。
具体实施方式
下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
如图1所示,本发明实施例公开了一种扫地机器人路面凹陷的检测方法,包括如下步骤:
将深度相机安装到扫地机器人的前方,并使相机倾斜向下一个角度θ0,使得相机能够对所述机器人前方的路面进行图像采集;
通过相机对扫地机器人前方的路面进行拍摄,获得路面的图像,将图像旋转角度θ0,使旋转后的图像的坐标系与世界坐标系重合;
测试量摄像头到地面的高度H0,将深度点云图按高度轴分割,保留Z轴小于-H0的点云图像;
使用体素滤波法过滤掉深度图像检测到的噪声点,剩余的点云即为路面的凹陷部分;
从剩余的点云中提取聚类,输出每一个聚类,一个聚类为一个凹陷部分的点云数据;
对每个凹陷部分的点云进行计算,获得凹陷深度及凹陷半径。
所述方法实现了对地面凹陷的检测,相比与传统的通过距离传感器的检测结果,该方法能对凹陷位置、凹陷出大小、凹陷深度有准确的度量。使各类型机器人在对防跌落功能开发时,根据机器人大小越障能力等特性,筛选出对机器人运行有影响的凹陷路面,极大的提高了机器人在防跌落功能上的稳定性和对环境的适应能力,真正做到智能防跌落。
Claims (1)
1.一种扫地机器人路面凹陷的检测方法,其特征在于包括如下步骤:
将深度相机安装到扫地机器人的前方,并使相机倾斜向下一个角度θ0,使得相机能够对所述机器人前方的路面进行图像采集;
通过相机对扫地机器人前方的路面进行拍摄,获得路面的图像,将图像旋转θ0,使旋转后的图像的坐标系与世界坐标系重合;
测试量摄像头到地面的高度H0,将深度点云图按高度轴分割,保留Z轴小于-H0的点云图像;
使用体素滤波法过滤掉深度图像检测到的噪声点;
剩余的点云即为路面的凹陷部分;
从剩余的点云中提取聚类,输出每一个聚类,一个聚类为一个凹陷部分的点云数据;
对每个凹陷部分的点云进行计算,获得凹陷深度及凹陷半径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011185853.9A CN112258489A (zh) | 2020-10-30 | 2020-10-30 | 扫地机器人路面凹陷的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011185853.9A CN112258489A (zh) | 2020-10-30 | 2020-10-30 | 扫地机器人路面凹陷的检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112258489A true CN112258489A (zh) | 2021-01-22 |
Family
ID=74267771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011185853.9A Pending CN112258489A (zh) | 2020-10-30 | 2020-10-30 | 扫地机器人路面凹陷的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112258489A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113486854A (zh) * | 2021-07-29 | 2021-10-08 | 北京超维世纪科技有限公司 | 基于深度相机实现工业类巡检机器人的识别检测算法 |
CN113935946A (zh) * | 2021-09-08 | 2022-01-14 | 广东工业大学 | 实时检测地下障碍物的方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090040308A1 (en) * | 2007-01-15 | 2009-02-12 | Igor Temovskiy | Image orientation correction method and system |
CN102867414A (zh) * | 2012-08-18 | 2013-01-09 | 湖南大学 | 一种基于ptz摄像机快速标定的车辆排队长度测量方法 |
CN109141364A (zh) * | 2018-08-01 | 2019-01-04 | 北京进化者机器人科技有限公司 | 障碍物检测方法、***及机器人 |
CN111046846A (zh) * | 2019-12-27 | 2020-04-21 | 长安大学 | 一种机器人前方障碍通过性判断的方法 |
CN111291708A (zh) * | 2020-02-25 | 2020-06-16 | 华南理工大学 | 融合深度相机的变电站巡检机器人障碍物检测识别方法 |
-
2020
- 2020-10-30 CN CN202011185853.9A patent/CN112258489A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090040308A1 (en) * | 2007-01-15 | 2009-02-12 | Igor Temovskiy | Image orientation correction method and system |
CN102867414A (zh) * | 2012-08-18 | 2013-01-09 | 湖南大学 | 一种基于ptz摄像机快速标定的车辆排队长度测量方法 |
CN109141364A (zh) * | 2018-08-01 | 2019-01-04 | 北京进化者机器人科技有限公司 | 障碍物检测方法、***及机器人 |
CN111046846A (zh) * | 2019-12-27 | 2020-04-21 | 长安大学 | 一种机器人前方障碍通过性判断的方法 |
CN111291708A (zh) * | 2020-02-25 | 2020-06-16 | 华南理工大学 | 融合深度相机的变电站巡检机器人障碍物检测识别方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113486854A (zh) * | 2021-07-29 | 2021-10-08 | 北京超维世纪科技有限公司 | 基于深度相机实现工业类巡检机器人的识别检测算法 |
CN113935946A (zh) * | 2021-09-08 | 2022-01-14 | 广东工业大学 | 实时检测地下障碍物的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10970859B2 (en) | Monitoring method and device for mobile target, monitoring system and mobile robot | |
CN108873013B (zh) | 一种采用多线激光雷达的道路可通行区域获取方法 | |
CN111104933B (zh) | 地图处理方法、移动机器人及计算机可读存储介质 | |
CN110320504B (zh) | 一种基于激光雷达点云统计几何模型的非结构化道路检测方法 | |
CN114842438B (zh) | 用于自动驾驶汽车的地形检测方法、***及可读存储介质 | |
CN103714538B (zh) | 道路边缘检测方法、装置及车辆 | |
US20050015201A1 (en) | Method and apparatus for detecting obstacles | |
CN112258489A (zh) | 扫地机器人路面凹陷的检测方法 | |
US20220101552A1 (en) | Image processing system, image processing method, learned model generation method, and data set for learning | |
CN110764108A (zh) | 一种用于港口自动驾驶场景的障碍物检测方法及装置 | |
US11295521B2 (en) | Ground map generation | |
WO2021227797A1 (zh) | 道路边界检测方法、装置、计算机设备和存储介质 | |
CN113093746B (zh) | 作业机械环境感知方法、装置、***及作业机械 | |
CN112508912B (zh) | 地面点云数据滤除方法及装置、臂架防碰撞方法及*** | |
CN112001226A (zh) | 一种无人驾驶3d目标检测方法、装置及存储介质 | |
CN113848944A (zh) | 一种地图构建方法、装置、机器人及存储介质 | |
CN111168685B (zh) | 机器人控制方法、机器人和可读存储介质 | |
CN103679121A (zh) | 采用视差图像检测路边的方法及*** | |
CN114219770A (zh) | 地面检测方法、装置、电子设备及存储介质 | |
Manandhar et al. | Feature extraction from range data | |
CN104573655A (zh) | 一种基于视频的盲道方向检测方法 | |
CN114140452A (zh) | 基于rgb-d深度相机的低矮凸起障碍物、路面坑洼检测方法 | |
Yue et al. | Kinect based real time obstacle detection for legged robots in complex environments | |
CN117408935A (zh) | 障碍物检测方法、电子设备和存储介质 | |
WO2022211733A1 (en) | Detection method and system for a mobile object |
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 |