CN112836681A - 一种障碍物标记方法、装置及可读非暂时性存储介质 - Google Patents
一种障碍物标记方法、装置及可读非暂时性存储介质 Download PDFInfo
- Publication number
- CN112836681A CN112836681A CN202110237014.5A CN202110237014A CN112836681A CN 112836681 A CN112836681 A CN 112836681A CN 202110237014 A CN202110237014 A CN 202110237014A CN 112836681 A CN112836681 A CN 112836681A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- characteristic data
- thin rod
- fitting
- radius
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 96
- 230000004888 barrier function Effects 0.000 claims abstract description 36
- 238000002372 labelling Methods 0.000 claims abstract description 6
- 238000010276 construction Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 description 36
- 230000006870 function Effects 0.000 description 6
- 238000013480 data collection Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000003550 marker Substances 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000007790 scraping Methods 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006748 scratching Methods 0.000 description 1
- 230000002393 scratching effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请涉及自动化作业领域,并提供了一种障碍物标记方法、装置及可读非暂时性存储介质。具体地,提供了一种障碍物标记方法,包括步骤:获取障碍物的第一特征数据,并根据所述第一特征数据获得该障碍物的第一拟合半径;判断所述第一拟合半径是否小于第一预定值;若小于,则获取所述障碍物的第二特征数据,并根据所述第二特征数据获得该障碍物的第二拟合半径,所述第二特征数据为变更采集位置后获取;判断所述第二拟合半径是否小于第二预定值;若小于,则标记所述障碍物为细杆类障碍物。采用上述技术方案,通过获取第二特征数据对检测到的障碍物是否为细杆类障碍物进行核实,可以显著降低细杆识别错误的情况,提高障碍物标记效率。
Description
技术领域
本申请涉及自动化作业领域,具体地,涉及一种障碍物标记方法、装置及可读非暂时性存储介质。
背景技术
可移动电子设备,如自动作业机器人,需要实时感知周围环境,检测障碍物,并有效地进行路径规划以及避障。在商场、超市、交通枢纽等环境,通常会存在一米栏、引导牌等细杆类障碍物。
通过激光或者摄像头能够识别到细杆类障碍物的细杆部分,并且标记在地图上。然而,由于细杆类障碍物的托盘高度较低,其容易处于传感器盲区,无法实现有效地检测。机器人在路径规划或作业时,会与障碍物保持一个预设的安全距离,但在面对细杆类障碍物时,该安全距离不足以覆盖托盘区域。因此,即使对细杆进行了标记,机器人仍有可能剐蹭细杆底部的托盘,从而发生碰撞风险。
因此,有针对性的对自动化作业领域提供一种障碍物标记方法、装置及可读非暂时性存储介质,是亟待解决的技术问题。
申请内容
本申请的目的在于提供一种障碍物标记方法、装置及可读非暂时性存储介质,以解决背景技术中所述的至少一个技术问题。
本申请的第一方面,提供了一种障碍物标记方法,包括步骤,
获取障碍物的第一特征数据,并根据所述第一特征数据获得该障碍物的第一拟合半径;
判断所述第一拟合半径是否小于第一预定值;
若小于,则获取所述障碍物的第二特征数据,并根据所述第二特征数据获得该障碍物的第二拟合半径,所述第二特征数据为变更采集位置后获取;
判断所述第二拟合半径是否小于第二预定值;
若小于,则标记所述障碍物为细杆类障碍物。
采用上述技术方案,通过获取第二特征数据对检测到的障碍物是否为细杆类障碍物进行核实,可以显著降低细杆识别错误的情况,提高障碍物标记效率。
优选地,所述障碍物标记方法,还包括步骤:
若障碍物为细杆类障碍物,则生成该细杆类障碍物对应的膨胀区域。
优选地,所述第一拟合半径的获得方法,包括步骤:
根据第一特征数据获得障碍物对应的拟合圆;
获得所述拟合圆的半径。
优选地,所述第一预定值为0.05m。
优选地,所述膨胀区域的生成方法包括步骤:
根据第一特征数据或第二特征数据生成膨胀区域中心点,
以所述中心点为圆心,以第四预定值为半径,形成圆形区域;
所述膨胀区域中心点为根据第一特征数据或第二特征数据生成的拟合圆的圆心,
所述第四预定值不小于第一预定值。
优选地,所述获取所述障碍物的第二特征数据步骤为,
获取所述障碍物的多个第二特征数据,所述多个第二特征数据为变更多个采集位置后获取。
优选地,所述获取所述障碍物的第二特征数据,包括步骤:
获取所述障碍物的一组第二特征数据,并根据所述第二特征数据获得该障碍物的一个第二拟合半径,所述第二特征数据为变更采集位置后获取;
判断第二特征数据的获取组数,
若获取组数大于或等于第三预定值,则判断该第二拟合半径是否小于第二预定值;
若获取组数小于第三预定值,则判断该第二拟合半径是否小于第二预定值;若是,继续获取所述障碍物的一组第二特征数据,该组第二特征数据为变更采集位置后获取;若否,则标记所述障碍物不属于细杆类障碍物。
优选地,所述第一预定值与第二预定值相等。
本申请的第二方面,提供了一种可移动电子设备导航方法,包括步骤,
构建工作区地图;
采用如本申请第一方面的方法标记工作区地图中的障碍物;
根据标记后的工作区地图,规划可移动电子设备的运行路径,所述运行路径与细杆类障碍物的膨胀区域不重合;
控制可移动电子设备按规划后的运行路径在工作区中运行。
采用上述技术方案,通过在工作区地图中标记障碍物,可以更准确的规划可移动电子设备的运行路径,有效减小可移动电子设备在运行时剐蹭障碍物的风险。
本申请的第三方面,提供了一种障碍物标记装置,包括:
第一获取模块,获取障碍物的第一特征数据,并根据所述第一特征数据获得该障碍物的第一拟合半径;
第一判断模块,用于判断所述第一拟合半径是否小于第一预定值;
第二获取模块,用于获取所述障碍物的第二特征数据,并根据所述第二特征数据获得该障碍物的第二拟合半径,所述第二特征数据为变更采集位置后获取;
第二判断模块,用于判断所述第二拟合半径是否小于第二预定值;
第一标记模块,用于标记所述障碍物为细杆类障碍物。
本申请的第四方面,提供了一种可移动电子设备导航装置,包括,
第一构建模块,用于构建工作区地图;
如本申请第三方面提供的障碍物标记装置;
第一规划模块,用于根据工作区地图、及工作区中的障碍物,规划可移动电子设备的运行路径,所述运行路径与细杆类障碍物的膨胀区域不重合;
第一控制模块,用于控制可移动电子设备按规划后的运行路径在工作区中运行。
本申请的第五方面,提供了一种电子设备,包括处理器,存储器及存储在存储器上并可在处理器上运行的程序或指令,程序或指令被处理器执行时实现如本申请第一方面、第二方面的用于障碍物标记或可移动电子设备导航方法的步骤。
本申请的第六方面,提供了一种可读非暂时性存储介质,存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如本申请第一方面、第二方面的用于障碍物标记或可移动电子设备导航方法的步骤。
综上所述,本申请具有以下有益效果:
1、本申请提供的障碍物标记方法,通过多次获取特征数据,对检测到的障碍物是否为细杆类障碍物进行核实,可以显著降低细杆识别错误的情况,提高障碍物标记效率;
2、本申请提供的障碍物标记方法,通过生成该细杆类障碍物对应的膨胀区域,使得细杆类障碍物可以表征出其底盘区域,在电子设备的路径规划时会避开所述膨胀区域;
3、本申请提供的可移动电子设备导航方法,通过在工作区地图中标记障碍物,可以更准确的规划可移动电子设备的运行路径,有效减小可移动电子设备在运行时剐蹭细杆类障碍物的风险。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,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的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例的细杆类障碍物的示意图;
图2是本申请实施例的障碍物标记方法的步骤流程图之一;
图3是本申请实施例的拟合圆的示意图;
图4是本申请实施例的膨胀区域的示意图;
图5是本申请一组示意性实施方式的示意图;
图6是本申请实施例膨胀区域的生成方法示意图;
图7是本申请实施例的可移动电子设备导航方法的步骤流程图之一;
图8是本申请实施例的障碍物标记装置的示意图之一;
图9是本申请实施例的可移动电子设备导航装置的示意图之一;
图10是本申请实施例的电子设备的示意图之一。
具体实施方式
下面结合附图和实施例对本发明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,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相关的部分而非全部结构。此外,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。此外,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
本发明使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面结合附图,通过具体的实施例及其应用场景对本申请实施例提供的障碍物标记的方法、可移动电子设备导航的方法、障碍物标记的装置、可移动电子设备导航的装置、电子设备和可读非暂时性存储介质进行详细地说明。
本申请中的细杆类障碍物,通常包括基部1、与基部连接并向竖直方向延伸的细杆部2,所述基部1的截面积大于细杆部2的截面积,如图1所示。具体的,该细杆类障碍物的基部1通常为一个高度很小(通常为0.03m或更低)的底座,在底座往上延伸有一根细直长杆,如一米栏、展牌、引导牌等细杆类物体,均为本申请中所述的细杆类障碍物。
图2是本申请实施例的障碍物标记方法的步骤流程图之一,本实施例可适用于使可移动电子设备在运动过程中有效避开障碍物的情况,该方法可以由避障装置来执行,该装置可以采用硬件和/或软件的方式实现,并可集成在电子设备中,其中,可移动电子设备可以是智能机器人、智能购物车等具备数据处理功能的智能移动设备,可以应用在酒店、商场、餐厅、机场和车站等公共场所。参照图2,本申请实施例提供了一种障碍物标记方法,包括:
步骤S102,获取障碍物的第一特征数据,并根据所述第一特征数据获得该障碍物的第一拟合半径。
示意性的,障碍物是电子设备在运动过程中影响其运动路径的物体,可以是静态的如桌、椅等,也可以是动态的如人、其他可移动电子设备等。障碍物可以基于电子设备采集的点云数据确定。该点云数据可以通过2D激光或者3D激光即时获取,也可以通过读取历史采集数据获得。每次采集均可以获得该采集位置对应的一组点云数据,也称为一帧点云数据。获得所述点云数据后,有计算能力的设备如服务器,可以对点云数据进行聚类,属于相同的聚类的点云数据,表明其属于同一物体。通过点云数据的聚类可以获得至少一个目标物体,即障碍物,而每个障碍物对应的点云数据即为该障碍物的第一特征数据。
在一些实施例中,所述对点云进行聚类可以采用如下方法:例如,对于某一帧点云数据,其中P点的坐标为P(x1,y1),Q点的坐标为Q(x2,y2),两点间的欧式距离为以P点为起始点,查找其附近是否有欧式距离小于阈值的点,该阈值可以根据具体场景进行调整,如可以设为0.05m、0.1m、0.2m等。例如,当阈值为0.1m时,查找到Q点与P点的欧式距离小于0.1m,则将这两个点分为同一个聚类集合M;否则,分为2个聚类。再以Q点为起始点,重复以上操作,直至聚类集合M中的点数不再增加,可以认为对该帧下的点云数据聚类完成。
在具体实施过程中,聚类后获得的障碍物的点云数据可以设置为按照一定顺序排列,例如,从右到左,点云索引值依次增大。因此,可以通过计算障碍物的点云数据的首末点之间的欧式距离来计算拟合半径。如图3所示,计算起始点pi和终点pj的欧式距离,该距离等于拟合圆的直径,即可得到该障碍物的拟合半径R。所述拟合半径可以表征障碍物的占用区域。
步骤S104,判断所述第一拟合半径是否小于第一预定值。
在具体实施过程中,所述第一预定值可以为对障碍物大小的限制,该第一预定值可以为具体使用环境中细杆类障碍物的最大半径,如果第一拟合半径不小于第一预定值,则说明该障碍物的大小超出了通常细杆类障碍物的尺寸,不应被标记为细杆类障碍物。所述第一预定值可以为0.05m、0.1m、0.2m等,可以根据具体的使用场景进行适应性设置。
步骤S106,若小于,则获取所述障碍物的第二特征数据,并根据所述第二特征数据获得该障碍物的第二拟合半径,所述第二特征数据为变更采集位置后获取。
在具体实施过程中,如果步骤S104中判断该障碍物的第一拟合半径小于第一预定值,并不能立即确定该障碍物为细杆类障碍物。因为在点云数据采集的过程中,电子设备可能处于移动状态,其采集的位置也在发生变化,对于同一个物体,返回的激光点云数量会出现差异,例如,对于某一较大的物体,电子设备在某一时刻采集到其侧面的点云数据,其拟合半径很小,而在下一个时刻采集到其正面的点云数据,其拟合半径就会很大。另外,受环境影响,激光可能偶尔也会出现噪点,噪点的聚类半径较小。因此,可以变更采集位置,采集所述障碍物的第二特征数据,并根据第二特征数据获得第二拟合半径,对该障碍物进行再次验证,可以显著减小细杆类障碍物的错误识别。其中,采集位置可以变更多次,每个采集位置获得一帧点云数据,每帧点云数据对应一个第二拟合半径。根据第二特征数据,可以计算获得第二拟合半径。
步骤S108,判断所述第二拟合半径是否小于第二预定值,若小于,则标记所述障碍物为细杆类障碍物。
在具体实施过程中,所述第二预定值同样可以为对障碍物大小的限制,例如,该第二预定值也可以为一般细杆类障碍物的半径限度。如果相比于第一拟合半径,第二拟合半径发生了变化,且不小于第二预定值,则说明第一拟合半径的测量可能产生误差,该障碍物的实际大小超出了通常细杆类障碍物的参数,不应被标记为细杆类障碍物。所述第二预定值可以为0.05m、0.1m、0.2m等,可以根据具体的使用场景进行适应性设置。在一些实施例中,所述第二预定值可以与第一预定值相等,更便于参数的设置,并可以保证细杆类障碍物标准评价的一致性。
在具体实施过程中,若第二拟合半径均小于第二预定值,则表明该障碍物在多个采集位置均具有细杆类障碍物的特征,可以被认定为细杆类障碍物。在一些实施例中,由于在判断细杆类障碍物时,会根据第一特征数据、第二特征数据生成至少两个拟合圆,如果物体并非细杆类障碍物,则可以以任一拟合圆为表征其位置的标记点。在一些实施例中,以该障碍物最大的拟合圆为表征其位置的标记点。
细杆类障碍物,由于本身尺寸较小,而且,细杆类障碍物一般处于静止状态,在不同的采集位置,其聚类半径都小于半径阈值。因此采用上述技术方案,通过多次采集特征数据对检测到的障碍物是否为细杆类障碍物进行核实,可以显著降低细杆识别错误的情况,提高障碍物标记效率,从而在电子设备的路径规划中,降低碰撞风险。
在一些优选实施方式中,如图4所示,所述障碍物标记方法,还包括步骤:
步骤S110,若障碍物为细杆类障碍物,则生成该细杆类障碍物对应的膨胀区域。
在具体实施过程中,所述膨胀区域为细杆类障碍物对应的标记区域,使得细杆类障碍物可以表征出其底盘区域,该区域会被认为存在碰撞风险,在电子设备的路径规划时会避开所述膨胀区域。
示例性的,所述膨胀区域的生成方法包括步骤:根据第一特征数据或第二特征数据生成膨胀区域中心点,以所述中心点为圆心,以第四预定值为半径,形成圆形区域。其中,所述膨胀区域中心点可以为根据第一特征数据或第二特征数据生成的拟合圆的圆心。在一些实施例中,所述第四预定值不小于第一预定值。。参见图6,示意性的,可以采用以下方式生成膨胀区域:首先,计算细杆类障碍物点云数据的中心点位置po(xo,yo),如图6A所示,其中,xo为该障碍物聚类中所有点的x坐标的平均值,yo为聚类中所有点的y坐标的平均值。然后,以计算出来的中心点为圆心,以0.1m的半径绘制膨胀点,上述膨胀点包围的区域即膨胀区域,如图6B所示。将细杆中心点及膨胀点均标记在地图上,从而实现了细杆类物体的有效识别及标记。
在判断细杆类障碍物时,可以根据第一特征数据、第二特征数据生成至少两个拟合圆,所述膨胀区域的面积大于其中最大的拟合圆面积,且所有拟合圆均落入膨胀区域之中,因此膨胀区域扩大了细杆类障碍物的标记范围。由于在路径规划时要避开障碍物的标记,因此扩大标记范围,可以提高可移动电子设备如机器人沿路径行进的安全性。在一些实施例中,所述膨胀区域为圆形,且半径大于第一预定值,保证膨胀区域的范围始终大于细杆类障碍物的认定条件。在一些实施例中,膨胀区域的半径显著大于第一预定值,或者其半径大于第一安全值,所述第一安全值为第一预定值与安全距离之和,如第一预定值为0.05m,细杆托盘半径通常大于细杆半径0.1m,所述0.1m即为安全距离,此时第一安全值为0.05+0.1=0.15m。所述膨胀区域可以呈现在电子地图上,作为对细杆类障碍物的标记,此种方式使人工或手动规划路线成为可能。在一些实施中,所述膨胀区域与面积最大的拟合圆为同心圆,进一步降低电子设备运行时的碰撞风险。
采用上述技术方案,可以在检测到细杆类障碍物后,通过生成膨胀区域以标示细杆类障碍物的托盘或底盘,从而可以有效避免可移动电子设备按规划的路径行驶时与托盘发生剐蹭或者碰撞,提高可移动电子设备的运行安全性。
在一些优选实施方式中,所述获取所述障碍物的第二特征数据的步骤为,
获取所述障碍物的多个第二特征数据,所述多个第二特征数据为变更多个采集位置后获取。
在具体实施过程中,电子设备变更多个采集位置,并获得每个采集位置对应的第二特征数据,即多帧点云数据。有计算能力的设备如服务器获取采集后的第二特征数据,并根据多组第二特征数据,获得每组第二特征数据对应的第二拟合半径。在一些可选实施例中,后续步骤108中,判断采集的多个第二拟合半径是否均小于第二预定值。若多个第二拟合半径均小于第二预定值,则标记所述障碍物为细杆类障碍物;若多个第二拟合半径中,至少有一个第二拟合半径大于等于第二预定值,则所述障碍物不能被定义为细杆类障碍物。
变换多个采集位置,采集多个第二特征数据,将多帧的点云数据进行半径拟合,当这些拟合圆的半径均小于第一预定值时,该障碍物为细杆类障碍物的可能性极高。因此采用上述技术方案,可以进一步降低细杆识别错误的情况,提高障碍物标记效率。
在一些优选实施方式中,所述获取所述障碍物的第二特征数据,包括步骤:
S1062,获取所述障碍物的一组第二特征数据,并根据所述第二特征数据获得该障碍物的一个第二拟合半径,所述第二特征数据为变更采集位置后获取。
在具体实施过程中,电子设备首先变更一个采集位置,并获得该采集位置对应的第二特征数据。根据此组第二特征数据,获得对应的第二拟合半径。
S1064,判断第二特征数据的获取组数,
若获取组数大于或等于第三预定值,则执行S108,判断所述第二拟合半径是否小于第二预定值;
若获取组数小于第三预定值,则执行S1066;
在具体实施过程中,第三预定值为对第二特征数据采集组数的限制,若第二特征数据采集组数小于第三预定值,则说明用当前采集的第二特征数据,推测该障碍物是否为细杆类障碍物,有出错的风险。当第二特征数据采集组数大于或等于第三预定值时,说明用当前采集的第二特征数据,推测该障碍物是否为细杆类障碍物时,准确率极高,可以进一步执行步骤S108,判断最近采集的一组第二特征数据对应的第二拟合半径是否小于第二预定值。对第二特征数据进行限制,可以进一步保证细杆类障碍物的识别准确率。在一些实施例中,第三预定值为正整数,可以为1、2、3…n等数值。
S1066,判断该第二拟合半径是否小于第二预定值;
若是,则变更采集位置,继续执行S1062;
若否,则执行S108,标记所述障碍物不属于细杆类障碍物。
在具体实施过程中,判断S1062步骤中获得的第二拟合半径是否小于第二预定值,若该第二拟合半径相比于第一拟合半径发生了变化,且不小于第二预定值,则说明第一拟合半径的测量可能产生误差,该障碍物的实际大小超出了通常细杆类障碍物的参数,不能被定义为细杆类障碍物。采用此种判断方式,在获取每组第二特征数据后即进行判断,可以提高处理速度,提高判断效率。
若该第二拟合半径小于第二预定值,则说明此时该障碍物的特征依然符合通常细杆类障碍物的参数,为保证细杆类障碍物识别的准确性,需要继续变更采集位置,采集新一组的第二特征数据,并判断根据该组第二特征数据获得的第二拟合半径是否小于第二预定值,也即,重复S1062-S0164的步骤,直至第二特征数据的采集组数达到第三预定值。当第二特征数据的采集组数达到第三预定值,且多组第二特征数据对应的第二拟合半径均小于第二预定值时,则执行步骤S108,判断最近采集的一组第二特征数据对应的第二拟合半径是否小于第二预定值。
在一些优选实施方式中,所述第一拟合半径的获得方法,包括步骤:
根据第一特征数据获得障碍物对应的拟合圆;
获得所述拟合圆的半径。
在具体实施过程中,第一特征数据,即点云数据可以设置为按照一定顺序排列,例如,从右到左,点云索引值依次增大。因此,可以通过聚类首末点的欧式距离来计算拟合半径,将障碍物拟合为圆。如图3所示,计算聚类起始点pi和终点pj的欧式距离,该距离等于拟合圆的直径,即可得到聚类的半径R。
采用上述技术方案,通过将第一特征数据拟合为圆,减少对障碍物拟合形状不准确带来的细杆类障碍物误判风险,并通过聚类首末点的欧式距离获得拟合圆的直径,更高效的获得拟合圆的特征。
在一些优选实施方式中,所述膨胀区域为圆形,且半径不小于第四预定值,所述第四预定值不小于第一预定值。
示例性地,图5展示了4个障碍物的标记过程,获得第一特征数据后,将这些点云数据通过点云聚类或欧式聚类,得到多个聚类集合,不同的聚类属于不同的障碍物,同一个聚类里面的点云即第一特征数据属于同一个障碍物,所述点云所在平面可以认为是第一平面,该点云可以显示在平面电子地图上。图5中有4个聚类,也即划分为4个障碍物,标号为1-4。对各个障碍物的第一拟合半径进行判断,2号、3号障碍物的拟合半径小于半径阈值即小于第一预定值,如0.05m,将其提取为候选细杆类障碍物,并进行进一步验证。1号、4号障碍物的拟合半径大于或等于第一预定值,不提取为候选细杆类障碍物。进一步,对2号、3号障碍物采集第二特征数据,本实施例中采集了三组第二特征数据,也可以称为采集了三帧第二特征数据。2号障碍物在第二组数据大于或等于第一预定值,且在第三组数据中未检测到,也即拟合半径及位置均发生了变化,因此2号障碍物可能来源于检测误差,则不将其检测为细杆类障碍物。3号障碍物,第一组、第二组及第三组第二特征数据中,在同一位置均检测到了半径小于第一预定值,因此判断3号障碍物为细杆类障碍物。对检测到的3号障碍物进行膨胀,生成方法可以采用如下步骤:首先计算3号障碍物的中心点位置po(xo,yo),其中,xo为聚类中所有点的x坐标的平均值,yo为聚类中所有点的y坐标的平均值。然后,以计算出来的细杆中心点为圆心,以设定好的第四预定值如0.1m的半径绘制膨胀点,形成膨胀区域。在一些实施例中,可以将细杆类障碍物的中心点和/或膨胀点均标记在地图上,从而实现了细杆类障碍物的有效识别及标记。
本申请的另一些实施例,提供了一种可移动电子设备导航方法,如图7所示,包括:
步骤S202,构建工作区地图。
在具体实施过程中,工作区地图的构建可以在用户终端实现,该用户终端可以为手机、平板电脑、智能显示器、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本或者个人数字助理(personal digital assistant,PDA)等,非移动电子设备可以为服务器、网络附属存储器(Network Attached Storage,NAS)、个人计算机(personal computer,PC)、电视机(television,TV)、柜员机或者自助机等等。地图数据可以来自于现场采集的数据、也可以来自于工作区的历史数据,所述地图可以对工作区的可运行路径、不可动物体、处于运行或待机状态的可移动电子设备进行标记,以提供可移动电子设备运行的可视性,并为路径规划提供基本数据。
步骤S204,采用如上述实施例所述的方法标记工作区地图中的障碍物。
在具体实施过程中,采用上述实施例所述的障碍物标记方法识别细杆类障碍物与非细杆类障碍物。在一些实施例中,对于细杆类障碍物生成膨胀区域,标记其位置;对于非细杆类障碍物以第一特征数据为表征其位置的标记点。
步骤S206,根据标记后的工作区地图,规划可移动电子设备的运行路径,所述运行路径与细杆类障碍物的膨胀区域不重合。
在具体实施过程中,根据可移动电子设备的目的位置、以及需要避让的物体,对可移动电子设备运行路径进行规划,且路径与细杆类障碍物的膨胀区域不重合。在收到规划好的路径后,可移动电子设备沿该路线在工作区内行驶、作业,以保证其运行的安全性。
步骤S208,控制可移动电子设备按规划后的运行路径在工作区中运行。
在具体实施过程中,对可移动电子设备运行的控制,可以通过可移动电子设备内部设置的控制器来实现,该控制器与后端服务器通信连接;也可以通过可移动电子设备外部的控制器,向可移动电子设备实时发送指令来实现。在一些实施例中,可移动电子设备内部设置有电池,维持可移动电子设备的正常运行。
采用上述技术方案,通过在工作区地图中标记障碍物,可以更准确的规划可移动电子设备的运行路径,有效减小可移动电子设备在运行时剐蹭障碍物的风险,同时也不会造成可移动电子设备作业效率的降低。
本申请的另一些实施例,如图8所示,提供了一种障碍物标记装置,包括:
第一获取模块102,用于获取障碍物的第一特征数据,并根据所述第一特征数据获得该障碍物的第一拟合半径。
示意性的,障碍物是电子设备在运动过程中影响其运动路径的物体,可以是静态的如桌、椅等,也可以是动态的如人、其他可移动电子设备等。障碍物可以基于电子设备采集的点云数据确定。该点云数据可以通过2D激光或者3D激光即时获取,也可以通过读取历史采集数据获得。每次采集均可以获得该采集位置对应的一组点云数据,也称为一帧点云数据。获得所述点云数据后,有计算能力的设备如服务器,可以对点云数据进行聚类,属于相同的聚类的点云数据,表明其属于同一物体。通过点云数据的聚类可以获得至少一个目标物体,即障碍物,而每个障碍物对应的点云数据即为该障碍物的第一特征数据。
在一些实施例中,所述对点云进行聚类可以采用如下方法:例如,对于某一帧点云数据,其中P点的坐标为P(x1,y1),Q点的坐标为Q(x2,y2),两点间的欧式距离为以P点为起始点,查找其附近是否有欧式距离小于阈值的点,该阈值可以根据具体场景进行调整,如可以设为0.05m、0.1m、0.2m等。例如,当阈值为0.1m时,查找到Q点与P点的欧式距离小于0.1m,则将这两个点分为同一个聚类集合M;否则,分为2个聚类。再以Q点为起始点,重复以上操作,直至聚类集合M中的点数不再增加,可以认为对该帧下的点云数据聚类完成。
在具体实施过程中,聚类后获得的障碍物的点云数据可以设置为按照一定顺序排列,例如,从右到左,点云索引值依次增大。因此,可以通过计算障碍物的点云数据的首末点之间的欧式距离来计算拟合半径。如图3所示,计算起始点pi和终点pj的欧式距离,该距离等于拟合圆的直径,即可得到该障碍物的拟合半径R。
所述拟合半径可以表征障碍物的占用区域。
第一判断模块104,用于判断所述第一拟合半径是否小于第一预定值。
在具体实施过程中,所述第一预定值可以为对障碍物大小的限制,该第一预定值可以为具体使用环境中细杆类障碍物的最大半径,如果第一拟合半径不小于第一预定值,则说明该障碍物的大小超出了通常细杆类障碍物的尺寸,不应被标记为细杆类障碍物。所述第一预定值可以为0.05m、0.1m、0.2m等,可以根据具体的使用场景进行适应性设置。
第二获取模块106,用于获取所述障碍物的第二特征数据,并根据所述第二特征数据获得该障碍物的第二拟合半径,所述第二特征数据为变更采集位置后获取。
在具体实施过程中,如果在第一判断模块104执行的步骤中,该障碍物的第一拟合半径小于第一预定值,并不能立即确定该障碍物为细杆类障碍物。因为在点云数据采集的过程中,电子设备可能处于移动状态,其采集的位置也在发生变化,对于同一个物体,返回的激光点云数量会出现差异,例如,对于某一较大的物体,电子设备在某一时刻采集到其侧面的点云数据,其拟合半径很小,而在下一个时刻采集到其正面的点云数据,其拟合半径就会很大。另外,受环境影响,激光可能偶尔也会出现噪点,噪点的聚类半径较小。因此,可以变更采集位置,采集所述障碍物的第二特征数据,并根据第二特征数据获得第二拟合半径,对该障碍物进行再次验证,可以显著减小细杆类障碍物的错误识别。其中,采集位置可以变更多次,每个采集位置获得一帧点云数据,每帧点云数据对应一个第二拟合半径。根据第二特征数据,可以计算获得第二拟合半径。
第二判断模块108,用于判断所述第二拟合半径是否小于第二预定值;
第一标记模块109,用于标记所述障碍物为细杆类障碍物。
在具体实施过程中,所述第二预定值同样可以为对障碍物大小的限制,例如,该第二预定值也可以为一般细杆类障碍物的半径限度。如果相比于第一拟合半径,第二拟合半径发生了变化,且不小于第二预定值,则说明第一拟合半径的测量可能产生误差,该障碍物的实际大小超出了通常细杆类障碍物的参数,不应被标记为细杆类障碍物。所述第二预定值可以为0.05m、0.1m、0.2m等,可以根据具体的使用场景进行适应性设置。在一些实施例中,所述第二预定值可以与第一预定值相等,更便于参数的设置,并可以保证细杆类障碍物标准评价的一致性。
在具体实施过程中,若第二拟合半径均小于第二预定值,则表明该障碍物在多个采集位置均具有细杆类障碍物的特征,可以被认定为细杆类障碍物。在一些实施例中,由于在判断细杆类障碍物时,会根据第一特征数据、第二特征数据生成至少两个拟合圆,如果物体并非细杆类障碍物,则可以以任一拟合圆为表征其位置的标记点。在一些实施例中,以该障碍物最大的拟合圆为表征其位置的标记点。
细杆类障碍物,由于本身尺寸较小,而且,细杆类障碍物一般处于静止状态,在不同的采集位置,其聚类半径都小于半径阈值。因此采用上述技术方案,通过多次采集特征数据对检测到的障碍物是否为细杆类障碍物进行核实,可以显著降低细杆识别错误的情况,提高障碍物标记效率,从而在电子设备的路径规划中,降低碰撞风险。
在一些优选实施方式中,所述障碍物标记装置,还包括:
第一生成模块110,用于生成该细杆类障碍物对应的膨胀区域。
在具体实施过程中,所述膨胀区域为细杆类障碍物对应的标记区域,使得细杆类障碍物可以表征出其底盘区域,该区域会被认为存在碰撞风险,在电子设备的路径规划时会避开所述膨胀区域。
示例性的,所述膨胀区域的生成方法包括步骤:根据第一特征数据或第二特征数据生成膨胀区域中心点,以所述中心点为圆心,以第四预定值为半径,形成圆形区域。其中,所述膨胀区域中心点可以为根据第一特征数据或第二特征数据生成的拟合圆的圆心。在一些实施例中,所述第四预定值不小于第一预定值。参见图6,示意性的,可以采用以下方式生成膨胀区域:首先,计算细杆类障碍物点云数据的中心点位置po(xo,yo),其中,xo为该障碍物聚类中所有点的x坐标的平均值,yo为聚类中所有点的y坐标的平均值,如图6A所示。然后,以计算出来的中心点为圆心,以0.1m的半径绘制膨胀点,上述膨胀点包围的区域即膨胀区域,如图6B所示。将细杆中心点及膨胀点均标记在地图上,从而实现了细杆类物体的有效识别及标记。
在判断细杆类障碍物时,可以根据第一特征数据、第二特征数据生成至少两个拟合圆,所述膨胀区域的面积大于其中最大的拟合圆面积,且所有拟合圆均落入膨胀区域之中,因此膨胀区域扩大了细杆类障碍物的标记范围;由于在路径规划时要避开障碍物的标记,因此扩大标记范围,可以提高可移动电子设备如机器人沿路径行进的安全性。在一些实施例中,所述膨胀区域为圆形,且半径大于第一预定值,保证膨胀区域的范围始终大于细杆类障碍物的认定条件。在一些实施例中,膨胀区域的半径显著大于第一预定值,或者其半径大于第一安全值,所述第一安全值为第一预定值与安全距离之和,如第一预定值为0.05m,细杆托盘半径通常大于细杆半径0.1m,所述0.1m即为安全距离,此时第一安全值为0.05+0.1=0.15m;所述膨胀区域可以呈现在电子地图上,作为对细杆类障碍物的标记,此种方式使人工或手动规划路线成为可能。在一些实施中,所述膨胀区域与面积最大的拟合圆为同心圆,进一步降低电子设备运行时的碰撞风险。
采用上述技术方案,可以在检测到细杆类障碍物后,通过生成膨胀区域以标示细杆类障碍物的托盘或底盘,从而可以有效避免可移动电子设备按规划的路径行驶时与托盘发生剐蹭或者碰撞,提高可移动电子设备的运行安全性。
在一些优选实施方式中,所述获取所述障碍物的第二特征数据的方法为,
获取所述障碍物的多个第二特征数据,所述多个第二特征数据为变更多个采集位置后获取。
在具体实施过程中,电子设备变更多个采集位置,并获得每个采集位置对应的第二特征数据,即多帧点云数据。有计算能力的设备如服务器获取采集后的第二特征数据,并根据多组第二特征数据,获得每组第二特征数据对应的第二拟合半径。在一些可选实施例中,第二判断模块108执行的步骤中,判断采集的多个第二拟合半径是否均小于第二预定值。若多个第二拟合半径均小于第二预定值,则标记所述障碍物为细杆类障碍物;若多个第二拟合半径中,至少有一个第二拟合半径大于等于第二预定值,则所述障碍物不能被定义为细杆类障碍物。
变换多个采集位置,采集多个第二特征数据,将多帧的点云数据进行半径拟合,当这些拟合圆的半径均小于第一预定值时,该障碍物为细杆类障碍物的可能性极高。因此采用上述技术方案,可以进一步降低细杆识别错误的情况,提高障碍物标记效率。
在一些优选实施方式中,所述第二获取模块106中,包括:
第一获取子模块1062,用于获取所述障碍物的一组第二特征数据,并根据所述第二特征数据获得该障碍物的一个第二拟合半径,所述第二特征数据为变更采集位置后获取。
在具体实施过程中,电子设备首先变更一个采集位置,并获得该采集位置对应的第二特征数据。根据此组第二特征数据,获得对应的第二拟合半径。
第一判断子模块1064,用于判断第二特征数据的获取组数,
若获取组数大于或等于第三预定值,则执行第二判断模块108执行的步骤,判断所述第二拟合半径是否小于第二预定值;
若获取组数小于第三预定值,则执行第二判断子模块1066执行的步骤;
在具体实施过程中,第三预定值为对第二特征数据采集组数的限制,若第二特征数据采集组数小于第三预定值,则说明用当前采集的第二特征数据,推测该障碍物是否为细杆类障碍物,有出错的风险。当第二特征数据采集组数大于或等于第三预定值时,说明用当前采集的第二特征数据,推测该障碍物是否为细杆类障碍物时,准确率极高,可以进一步执行第二判断模块108执行的步骤,判断最近采集的一组第二特征数据对应的第二拟合半径是否小于第二预定值。对第二特征数据进行限制,可以进一步保证细杆类障碍物的识别准确率。在一些实施例中,第三预定值为正整数,可以为1、2、3…n等数值。
第二判断子模块1066,判断该第二拟合半径是否小于第二预定值;
若是,则变更采集位置,继续执行第一获取子模块1062执行的步骤;
若否,则执行第二判断模块108执行的步骤,标记所述障碍物不属于细杆类障碍物。
在具体实施过程中,判断第一获取子模块1062执行步骤中获得的第二拟合半径是否小于第二预定值,若该第二拟合半径相比于第一拟合半径发生了变化,且不小于第二预定值,则说明第一拟合半径的测量可能产生误差,该障碍物的实际大小超出了通常细杆类障碍物的参数,不能被定义为细杆类障碍物。采用此种判断方式,在获取每组第二特征数据后即进行判断,可以提高处理速度,提高判断效率。
若该第二拟合半径小于第二预定值,则说明此时该障碍物的特征依然符合通常细杆类障碍物的参数,为保证细杆类障碍物识别的准确性,需要继续变更采集位置,采集新一组的第二特征数据,并判断根据该组第二特征数据获得的第二拟合半径是否小于第二预定值,也即,重复第一获取子模块1062与第一判断子模块1064执行的步骤,直至第二特征数据的采集组数达到第三预定值。当第二特征数据的采集组数达到第三预定值,且多组第二特征数据对应的第二拟合半径均小于第二预定值时,则执行第二判断模块108执行的步骤,判断最近采集的一组第二特征数据对应的第二拟合半径是否小于第二预定值。
在一些优选实施方式中,所述第一拟合半径的获得方法,包括步骤:
根据第一特征数据获得障碍物对应的拟合圆;
获得所述拟合圆的半径。
在具体实施过程中,第一特征数据,即点云数据可以设置为按照一定顺序排列,例如,从右到左,点云索引值依次增大。因此,可以通过聚类首末点的欧式距离来计算拟合半径,将障碍物拟合为圆。如图所3示,计算聚类起始点pi和终点pj的欧式距离,该距离等于拟合圆的直径,即可得到聚类的半径R。
采用上述技术方案,通过将第一特征数据拟合为圆,减少对障碍物拟合形状不准确带来的细杆类障碍物误判风险,并通过聚类首末点的欧式距离获得拟合圆的直径,更高效的获得拟合圆的特征。
在一些优选实施方式中,所述膨胀区域为圆形,且半径不小于第四预定值,所述第四预定值不小于第一预定值。
本申请的另一些实施例,如图9所示,提供了一种可移动电子设备导航装置,包括,
第一构建模块202,用于构建工作区地图。
在具体实施过程中,工作区地图的构建可以在用户终端实现,该用户终端可以为手机、平板电脑、智能显示器、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本或者个人数字助理(personal digital assistant,PDA)等,非移动电子设备可以为服务器、网络附属存储器(Network Attached Storage,NAS)、个人计算机(personal computer,PC)、电视机(television,TV)、柜员机或者自助机等等。地图数据可以来自于现场采集的数据、也可以来自于工作区的历史数据,所述地图可以对工作区的可运行路径、不可动物体、处于运行或待机状态的可移动电子设备进行标记,以提供可移动电子设备运行的可视性,并为路径规划提供基本数据。
如本申请实施例中提供的障碍物标记装置204。
在具体实施过程中,采用上述实施例所述的障碍物标记装置204执行的步骤识别细杆类障碍物与非细杆类障碍物。在一些实施例中,对于细杆类障碍物生成膨胀区域,标记其位置;对于非细杆类障碍物以第一特征数据为表征其位置的标记点。
第一规划模块206,用于根据工作区地图、及工作区中的障碍物,规划可移动电子设备的运行路径,所述运行路径与细杆类障碍物的膨胀区域不重合。
在具体实施过程中,根据可移动电子设备的目的位置、以及需要避让的物体,对可移动电子设备运行路径进行规划,且路径与细杆类障碍物的膨胀区域不重合。在收到规划好的路径后,可移动电子设备沿该路线在工作区内行驶、作业,以保证其运行的安全性。
第一控制模块208,用于控制可移动电子设备按规划后的运行路径在工作区中运行。
在具体实施过程中,对可移动电子设备运行的控制,可以通过可移动电子设备内部设置的控制器来实现,该控制器与后端服务器通信连接;也可以通过可移动电子设备外部的控制器,向可移动电子设备实时发送指令来实现。在一些实施例中,可移动电子设备内部设置有电池,维持可移动电子设备的正常运行。
采用上述技术方案,通过在工作区地图中标记障碍物,可以更准确的规划机器人的运行路径,有效减小机器人在运行时剐蹭障碍物的风险,同时也不会造成机器人作业效率的降低。
本申请实施例中的用于障碍物标记或可移动电子设备导航装置可以是装置,也可以是终端中的部件、集成电路、或芯片。该装置可以是移动电子设备,也可以为非移动电子设备。示例性的,移动电子设备可以为手机、平板电脑、智能显示器、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本或者个人数字助理(personal digital assistant,PDA)等,非移动电子设备可以为服务器、网络附属存储器(Network Attached Storage,NAS)、个人计算机(personalcomputer,PC)、电视机(television,TV)、柜员机或者自助机等,本申请实施例不作具体限定。
本申请实施例中的用于障碍物标记或可移动电子设备导航的装置可以为具有操作***的装置。该操作***可以为安卓(Android)操作***,可以为ios操作***,还可以为其他可能的操作***,本申请实施例不作具体限定。
本申请的另一些实施例中,提供了一种电子设备,如图10所示所述电子设备300,包括处理器301、可读非暂时性存储介质302、输入装置303、输出装置304,所述可读非暂时性存储介质302包括计算机程序指令,上述计算机程序指令可由处理器301执行以完成如本申请任一实施例的用于障碍物标记或可移动电子设备导航的步骤。
本领域技术人员可以理解,电子设备还可以包括给各个部件供电的电源(比如电池),电源可以通过电源管理***与处理器逻辑相连,从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。
其中,处理器为上述实施例中的电子设备中的处理器。可读非暂时性存储介质,包括计算机可读非暂时性存储介质,如计算机只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等。
本申请的另一些实施例中,可以参考图10,本申请实施例提供了一种可读非暂时性存储介质,存储介质上存储程序或指令,程序或指令被处理器执行时实现如本申请任一实施例的用于障碍物标记或可移动电子设备导航的步骤。
可读非暂时性存储介质,包括计算机可读非暂时性存储介质,如计算机只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外,需要指出的是,本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能,还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能,例如,可以按不同于所描述的次序来执行所描述的方法,并且还可以添加、省去、或组合各种步骤。另外,参照某些示例所描述的特征可在其他示例中被组合。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请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,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
Claims (10)
1.一种障碍物标记方法,包括步骤,
获取障碍物的第一特征数据,并根据所述第一特征数据获得该障碍物的第一拟合半径;
判断所述第一拟合半径是否小于第一预定值;
若小于,则获取所述障碍物的第二特征数据,并根据所述第二特征数据获得该障碍物的第二拟合半径,所述第二特征数据为变更采集位置后获取;
判断所述第二拟合半径是否小于第二预定值;
若小于,则标记所述障碍物为细杆类障碍物。
2.根据权利要求1所述的障碍物标记方法,其特征在于:所述障碍物标记方法,还包括步骤:
若障碍物为细杆类障碍物,则生成该细杆类障碍物对应的膨胀区域。
3.根据权利要求2所述的障碍物标记方法,其特征在于:所述膨胀区域的生成方法包括步骤:
根据第一特征数据或第二特征数据生成膨胀区域中心点,
以所述中心点为圆心,以第四预定值为半径,形成圆形区域;
所述膨胀区域中心点为根据第一特征数据或第二特征数据生成的拟合圆的圆心,
所述第四预定值不小于第一预定值。
4.根据权利要求1-3任一项所述的障碍物标记方法,其特征在于:所述获取所述障碍物的第二特征数据步骤为,
获取所述障碍物的多个第二特征数据,所述多个第二特征数据为变更多个采集位置后获取。
5.根据权利要求4所述的障碍物标记方法,其特征在于:所述获取所述障碍物的第二特征数据,包括步骤:
获取所述障碍物的一组第二特征数据,并根据所述第二特征数据获得该障碍物的一个第二拟合半径,所述第二特征数据为变更采集位置后获取;
判断第二特征数据的获取组数,
若获取组数大于或等于第三预定值,则判断该第二拟合半径是否小于第二预定值;
若获取组数小于第三预定值,则判断该第二拟合半径是否小于第二预定值;若是,继续获取所述障碍物的一组第二特征数据,该组第二特征数据为变更采集位置后获取;若否,则标记所述障碍物不属于细杆类障碍物。
6.根据权利要求5所述的障碍物标记方法,其特征在于:所述第一预定值与第二预定值相等。
7.一种可移动电子设备导航方法,包括步骤,
构建工作区地图;
采用如权利要求1-6任一种障碍物标记方法标记工作区地图中的障碍物;
根据标记后的工作区地图,规划可移动电子设备的运行路径,所述运行路径与细杆类障碍物的膨胀区域不重合;
控制可移动电子设备按规划后的运行路径在工作区中运行。
8.一种障碍物标记装置,包括:
第一获取模块,获取障碍物的第一特征数据,并根据所述第一特征数据获得该障碍物的第一拟合半径;
第一判断模块,用于判断所述第一拟合半径是否小于第一预定值;
第二获取模块,用于获取所述障碍物的第二特征数据,并根据所述第二特征数据获得该障碍物的第二拟合半径,所述第二特征数据为变更采集位置后获取;
第二判断模块,用于判断所述第二拟合半径是否小于第二预定值;
第一标记模块,用于标记所述障碍物为细杆类障碍物。
9.一种可移动电子设备导航装置,包括,
第一构建模块,用于构建工作区地图;
如权利要求8所述的障碍物标记装置;
第一规划模块,用于根据标记后工作区地图,规划可移动电子设备的运行路径,所述运行路径与细杆类障碍物的膨胀区域不重合;
第一控制模块,用于控制可移动电子设备按规划后的运行路径在工作区中运行。
10.一种可读非暂时性存储介质,存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如权利要求1-6任一项所述的障碍物标记方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110237014.5A CN112836681B (zh) | 2021-03-03 | 2021-03-03 | 一种障碍物标记方法、装置及可读非暂时性存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110237014.5A CN112836681B (zh) | 2021-03-03 | 2021-03-03 | 一种障碍物标记方法、装置及可读非暂时性存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112836681A true CN112836681A (zh) | 2021-05-25 |
CN112836681B CN112836681B (zh) | 2024-01-26 |
Family
ID=75934463
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110237014.5A Active CN112836681B (zh) | 2021-03-03 | 2021-03-03 | 一种障碍物标记方法、装置及可读非暂时性存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112836681B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104816306A (zh) * | 2014-02-04 | 2015-08-05 | 精工爱普生株式会社 | 机器人、机器人***、控制装置、以及控制方法 |
CN106204547A (zh) * | 2016-06-29 | 2016-12-07 | 山东科技大学 | 从车载激光扫描点云中自动提取杆状地物空间位置的方法 |
CN107305380A (zh) * | 2016-04-20 | 2017-10-31 | 上海慧流云计算科技有限公司 | 一种自动避障方法和装置 |
CN108764012A (zh) * | 2018-03-27 | 2018-11-06 | 国网辽宁省电力有限公司电力科学研究院 | 基于多帧联合的车载激光雷达数据的城市道路杆状物识别算法 |
US20190005667A1 (en) * | 2017-07-24 | 2019-01-03 | Muhammad Zain Khawaja | Ground Surface Estimation |
CN109579854A (zh) * | 2019-02-01 | 2019-04-05 | 禾多科技(北京)有限公司 | 基于快速扩展随机树的无人车避障方法 |
CN109709945A (zh) * | 2017-10-26 | 2019-05-03 | 深圳市优必选科技有限公司 | 一种基于障碍物分类的路径规划方法、装置及机器人 |
CN109919237A (zh) * | 2019-03-13 | 2019-06-21 | 武汉海达数云技术有限公司 | 点云处理方法及装置 |
JP2020030466A (ja) * | 2018-08-20 | 2020-02-27 | 株式会社Soken | 物体検知装置 |
CN110989631A (zh) * | 2019-12-30 | 2020-04-10 | 科沃斯机器人股份有限公司 | 自移动机器人控制方法、装置、自移动机器人和存储介质 |
CN111291697A (zh) * | 2020-02-19 | 2020-06-16 | 北京百度网讯科技有限公司 | 用于识别障碍物的方法和装置 |
US20200202107A1 (en) * | 2018-12-20 | 2020-06-25 | Here Global B.V. | Automatic detection and positioning of pole-like objects in 3d |
CN112001287A (zh) * | 2020-08-17 | 2020-11-27 | 禾多科技(北京)有限公司 | 障碍物的点云信息生成方法、装置、电子设备和介质 |
CN112015181A (zh) * | 2020-08-28 | 2020-12-01 | 上海高仙自动化科技发展有限公司 | 一种避障方法、装置、设备及计算机可读存储介质 |
CN112327878A (zh) * | 2020-11-25 | 2021-02-05 | 珠海市一微半导体有限公司 | 一种基于tof摄像头的障碍物分类避障控制方法 |
CN112380942A (zh) * | 2020-11-06 | 2021-02-19 | 北京石头世纪科技股份有限公司 | 一种识别障碍物的方法、装置、介质和电子设备 |
-
2021
- 2021-03-03 CN CN202110237014.5A patent/CN112836681B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104816306A (zh) * | 2014-02-04 | 2015-08-05 | 精工爱普生株式会社 | 机器人、机器人***、控制装置、以及控制方法 |
CN107305380A (zh) * | 2016-04-20 | 2017-10-31 | 上海慧流云计算科技有限公司 | 一种自动避障方法和装置 |
CN106204547A (zh) * | 2016-06-29 | 2016-12-07 | 山东科技大学 | 从车载激光扫描点云中自动提取杆状地物空间位置的方法 |
US20190005667A1 (en) * | 2017-07-24 | 2019-01-03 | Muhammad Zain Khawaja | Ground Surface Estimation |
CN109709945A (zh) * | 2017-10-26 | 2019-05-03 | 深圳市优必选科技有限公司 | 一种基于障碍物分类的路径规划方法、装置及机器人 |
CN108764012A (zh) * | 2018-03-27 | 2018-11-06 | 国网辽宁省电力有限公司电力科学研究院 | 基于多帧联合的车载激光雷达数据的城市道路杆状物识别算法 |
JP2020030466A (ja) * | 2018-08-20 | 2020-02-27 | 株式会社Soken | 物体検知装置 |
US20200202107A1 (en) * | 2018-12-20 | 2020-06-25 | Here Global B.V. | Automatic detection and positioning of pole-like objects in 3d |
CN109579854A (zh) * | 2019-02-01 | 2019-04-05 | 禾多科技(北京)有限公司 | 基于快速扩展随机树的无人车避障方法 |
CN109919237A (zh) * | 2019-03-13 | 2019-06-21 | 武汉海达数云技术有限公司 | 点云处理方法及装置 |
CN110989631A (zh) * | 2019-12-30 | 2020-04-10 | 科沃斯机器人股份有限公司 | 自移动机器人控制方法、装置、自移动机器人和存储介质 |
CN111291697A (zh) * | 2020-02-19 | 2020-06-16 | 北京百度网讯科技有限公司 | 用于识别障碍物的方法和装置 |
CN112001287A (zh) * | 2020-08-17 | 2020-11-27 | 禾多科技(北京)有限公司 | 障碍物的点云信息生成方法、装置、电子设备和介质 |
CN112015181A (zh) * | 2020-08-28 | 2020-12-01 | 上海高仙自动化科技发展有限公司 | 一种避障方法、装置、设备及计算机可读存储介质 |
CN112380942A (zh) * | 2020-11-06 | 2021-02-19 | 北京石头世纪科技股份有限公司 | 一种识别障碍物的方法、装置、介质和电子设备 |
CN112327878A (zh) * | 2020-11-25 | 2021-02-05 | 珠海市一微半导体有限公司 | 一种基于tof摄像头的障碍物分类避障控制方法 |
Non-Patent Citations (6)
Title |
---|
LI YAN ET AL: "Detection and classification of pole-like road objects from mobile LiDAR data in motorway environment", 《OPTICS AND LASER TECHNOLOGY》, 31 December 2017 (2017-12-31), pages 272 * |
朱德海 等: "《点云库PCL学习教程》", 北京航空航天大学出版社, pages: 338 - 339 * |
李永强 等: "车载激光扫描数据中杆状地物提取", 《测绘科学》 * |
李永强 等: "车载激光扫描数据中杆状地物提取", 《测绘科学》, vol. 40, no. 8, 31 August 2015 (2015-08-31), pages 42 - 46 * |
王鹏 等: "一种车载激光点云中杆目标自动提取方法", 《武汉大学学报信息科学版》 * |
王鹏 等: "一种车载激光点云中杆目标自动提取方法", 《武汉大学学报信息科学版》, vol. 45, no. 7, 31 July 2020 (2020-07-31), pages 1036 - 1037 * |
Also Published As
Publication number | Publication date |
---|---|
CN112836681B (zh) | 2024-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11933614B2 (en) | Positioning method, positioning server and positioning system | |
US20210333108A1 (en) | Path Planning Method And Device And Mobile Device | |
US11877716B2 (en) | Determining region attribute | |
CN107610176A (zh) | 一种基于Kinect的栈板动态识别与定位方法、***及介质 | |
CN109918977B (zh) | 确定空闲车位的方法、装置及设备 | |
CN107218927B (zh) | 一种基于tof相机的货物托盘检测***和方法 | |
US11438886B2 (en) | System for establishing positioning map data and method for the same | |
CN113095184B (zh) | 定位方法、行驶控制方法、装置、计算机设备及存储介质 | |
CN110000793B (zh) | 一种机器人运动控制方法、装置、存储介质和机器人 | |
CN110263713A (zh) | 车道线检测方法、装置、电子设备及存储介质 | |
CN110705385B (zh) | 一种障碍物角度的检测方法、装置、设备及介质 | |
CN108664860B (zh) | 房间平面图的识别方法及装置 | |
CN111295666A (zh) | 一种车道线检测方法、装置、控制设备及存储介质 | |
CN114322799B (zh) | 一种车辆行驶方法、装置、电子设备和存储介质 | |
CN113674355A (zh) | 一种基于相机与激光雷达的目标识别与定位方法 | |
CN112445215A (zh) | 自动导引车行驶控制方法、装置及计算机*** | |
CN114200472A (zh) | 一种可通行区域的实时检测方法、装置、终端及存储介质 | |
CN112836681B (zh) | 一种障碍物标记方法、装置及可读非暂时性存储介质 | |
CN116358528A (zh) | 地图更新方法、地图更新装置、自移动设备及存储介质 | |
CN115147791A (zh) | 一种车辆变道检测方法、装置、交通工具及存储介质 | |
CN112784175B (zh) | 兴趣点数据处理方法、装置、设备及存储介质 | |
CN112036268B (zh) | 构件识别方法及相关装置 | |
CN114489050A (zh) | 沿直线行驶的避障路线控制方法、装置、设备及存储介质 | |
CN115446846A (zh) | 一种基于条码识别的图书盘点机器人 | |
CN115035425B (zh) | 一种基于深度学习的目标识别方法、***、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |