CN118203264A - 一种机器人检测地毯的方法、避障方法、机器人和芯片 - Google Patents

Abstract

本申请公开了一种机器人检测地毯的方法、避障方法、机器人和芯片，所述机器人通过线激光实时识别地毯，在机器人识别到凹凸不平的轮廓后，进一步地进行平面扫描，在点云的高度差处于预设范围内时才确定是地毯，提高了识别的准确率，而且不需要基于地图和IMU数据，计算量少，响应快。另外，当机器人上地毯时，还可以识别地毯毛的高度，并以此为阈值，在地毯上检测到高于地毯毛的障碍物时可以进行避障。

Description

一种机器人检测地毯的方法、避障方法、机器人和芯片

技术领域

本申请涉及智能机器人领域，具体涉及一种机器人检测地毯的方法、避障方法、机器人和芯片。

背景技术

随着扫拖一体的清洁机器人迅速发展，地毯识别日趋重要。机器人需要知道地毯位置，制定不同的清扫策略，如拖地模式下，机器人不上地毯避免拖布打湿地毯，在扫地模式下，地毯高于一定高度不上地毯，避免卡住主刷边刷。目前主流的识别地毯的方法为超声波识别、主刷电流识别，这些识别方法都存在响应慢、识别率低且不能识别地毯毛长等问题。

发明内容

本申请提供了一种机器人检测地毯的方法、避障方法、机器人和芯片，具体技术方案如下：

一种机器人检测地毯的方法，所述检测地毯的方法具体包括如下步骤：步骤S1，基于线激光传感器的数据，当机器人检测到轮廓凹凸不平的障碍物时，进行平面扫描；步骤S2，基于平面扫描的数据，如果该障碍物的轮廓凹凸不平的程度在预设范围内，则机器人判定该障碍物是地毯。

进一步地，所述步骤S1中，机器人检测到轮廓凹凸不平的障碍物的方法具体包括：步骤S11，机器人发射线激光，然后使用图像传感器获取图像，得到点云数据；步骤S12，机器人计算点云的高度并进行比较，如果点云的高度不一致，则机器人检测到轮廓凹凸不平的障碍物。

进一步地，机器人计算点云的高度的公式为：point_r(x3,y3,z3) = ext(x1,y1,z1) * point_c(x2,y2,z2)，其中，point_r(x3,y3,z3)指的是点云相对机器人中心的坐标，ext(x1,y1,z1)指的是线激光传感器相对于机器人中心的坐标，point_c(x2,y2,z2)指的是点云相对于线激光传感器的坐标，其中，z3即点云的高度。

进一步地，所述步骤S1中，机器人进行平面扫描的方法具体包括：机器人发射线激光，然后相对障碍物向前移动预设距离、或向左转动预设角度、或向右转动预设角度对一平面进行线激光扫描，同时使用图像传感器获取图像，得到该平面内障碍物的点云数据。

进一步地，所述步骤S2中，机器人判定该障碍物是地毯的方法具体包括：步骤S21，基于平面扫描的数据，机器人计算各个点云的高度；步骤S22，机器人比较两两点云的高度，如果两两点云之间的高度差在预设范围内，则判定该障碍物是地毯。

一种机器人避障方法，所述避障方法包括所述的机器人检测地毯的方法，所述避障方法还包括：步骤S3，基于线激光传感器的数据，机器人计算地毯的高度，如果地毯的高度大于等于预设高度，则机器人避开地毯，如果地毯的高度小于预设高度，则进入步骤S4；步骤S4，机器人在地毯上工作时，识别并计算地毯毛的高度，当机器人检测到高于地毯毛的高度的障碍物时进行避障。

进一步地，所述步骤S4中，机器人识别地毯毛的方法具体包括：步骤S41，基于线激光传感器的数据，当机器人在地毯上检测到轮廓凹凸不平的障碍物时，进行平面扫描；步骤S42，基于平面扫描的数据，如果该障碍物的轮廓凹凸不平的程度在预设范围内，则机器人判定该障碍物是地毯毛。

一种机器人，所述机器人用于执行所述的机器人避障方法，所述机器人包括：线激光传感器，用于发射探测物体的线激光；图像传感器，用于获取线激光传感器投射在物体表面的线激光图像；点云高度计算模块，用于根据图像传感器获取的线激光图像计算点云的高度；地毯识别模块，用于根据点云的高度判断障碍物是否为地毯；避障模块，用于根据地毯的高度以及地毯毛的高度进行避障。

进一步地，所述线激光传感器的数量为一个或多个，所述线激光传感器的安装位置可使得机器人扫描到机器人前方的障碍物。

一种芯片，用于储存计算机程序代码，所述计算机程序代码被执行实现所述的机器人检测地毯的方法或所述的机器人避障方法。

本申请所述的机器人检测地毯的方法，通过线激光实时识别地毯，在机器人识别到凹凸不平的轮廓后，进一步地进行平面扫描，在点云的高度差处于预设范围内时才确定是地毯，提高了识别的准确率，而且不需要基于地图和IMU数据，计算量少，响应快。另外，当机器人上地毯时，还可以识别地毯毛的高度，并以此为阈值，在地毯上检测到高于地毯毛的障碍物时可以进行避障。

附图说明

图1为本申请一种实施例所述机器人检测地毯的方法以及机器人避障方法的流程示意图。

图2为本申请一种实施例所述机器人进行平面扫描的示意图。

图3为本申请另一种实施例所述机器人进行平面扫描的示意图。

图4为本申请一种实施例所述机器人的模块组成框图。

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。

应当理解，当在本申请中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。 还应当理解，在本申请中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本申请中所使用的那样，术语“如果”可以依据上下文被解释为“当…时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

另外，在本申请的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。

随着扫拖一体的清洁机器人迅速发展，地毯识别日趋重要。机器人需要知道地毯位置，制定不同的清扫策略，如拖地模式下，机器人不上地毯避免拖布打湿地毯，在扫地模式下，地毯高于一定高度不上地毯，避免卡住主刷边刷。目前主流的识别地毯的方法为超声波识别、主刷电流识别，这些识别方法都存在响应慢、识别率低且不能识别地毯毛长等问题。

为了解决上述问题，本申请实施例提供一种机器人检测地毯的方法，通过线激光实时识别地毯，在机器人识别到凹凸不平的轮廓后，进一步地进行平面扫描，在点云的高度差处于预设范围内时才确定是地毯，提高了识别的准确率，而且不需要基于地图和IMU数据，计算量少，响应快。如图1所示，所述检测地毯的方法具体包括如下步骤：

步骤S1，基于线激光传感器的数据，当机器人检测到轮廓凹凸不平的障碍物时，进行平面扫描；

步骤S2，基于平面扫描的数据，如果该障碍物的轮廓凹凸不平的程度在预设范围内，则机器人判定该障碍物是地毯。

作为其中一种实施方式，所述步骤S1中，机器人检测到轮廓凹凸不平的障碍物的方法具体包括：步骤S11，机器人发射线激光，然后使用图像传感器获取图像，得到点云数据；步骤S12，机器人计算点云的高度并进行比较，如果点云的高度不一致，则机器人检测到轮廓凹凸不平的障碍物。在执行步骤S11的过程中，机器人一边前进一边发射线激光探测环境，图像传感器会采集到由物体反射回的线激光所形成的图像，据此可以获得物体的轮廓以及相关的点云数据。其中，物体的Z轴高度变化在图像传感器中表现为像素的移动，即物体的轮廓体现的是物体的高度，因此根据点云的高度变化可以得知物体的轮廓变化。需要说明的是，轮廓凹凸不平的物体可能是地毯，也可能是其他障碍物，需要进一步地确认，以避免误判。

作为其中一种实施方式，机器人计算点云的高度的公式如下：point_r(x3,y3,z3)= ext(x1,y1,z1) * point_c(x2,y2,z2)，其中，point_r(x3,y3,z3)指的是点云相对机器人中心的坐标，ext(x1,y1,z1)指的是线激光传感器相对于机器人中心的坐标，point_c(x2,y2,z2)指的是点云相对于线激光传感器的坐标，其中，z3即点云的高度。需要说明的是，ext(x1,y1,z1)即线激光传感器的外参，在线激光传感器安装于机器人上时便已确定，point_c(x2,y2,z2)可以通过线激光传感器直接获取。

作为其中一种实施方式，所述步骤S1中，机器人进行平面扫描的方法具体包括：机器人发射线激光，然后相对障碍物向前移动预设距离、或向左转动预设角度、或向右转动预设角度对一平面进行线激光扫描，同时使用图像传感器获取图像，得到该平面内障碍物的点云数据。进一步地，所述步骤S2中，机器人判定该障碍物是地毯的方法具体包括：步骤S21，基于平面扫描的数据，机器人计算各个点云的高度；步骤S22，机器人比较两两点云的高度，如果两两点云之间的高度差在预设范围内，则判定该障碍物是地毯。在一实施例中，如图2所示，机器人向前运动5cm，采集若干帧点云数据，如果这些点云数据的高度不一致，但是两两点云之间的高度差在3mm以内，则表明该轮廓凹凸不平的障碍物是地毯。在另一实施例中，如图3所示，机器人向右旋转30度，采集若干帧点云数据，如果这些点云数据的高度不一致，但是两两点云之间的高度差在3mm以内，则表明该轮廓凹凸不平的障碍物是地毯。需要说明的是，地毯上的毛上下起伏是有一定范围的，一般在1cm以内，该值是经验值，可以根据不同类型的地毯进行调整。一般可以认为，轮廓起伏过大的障碍物不是地毯。

本申请实施例还提供一种机器人避障方法，参照图1，所述避障方法包括上述机器人检测地毯的方法，所述避障方法还包括：步骤S3，基于线激光传感器的数据，机器人计算地毯的高度，如果地毯的高度大于等于预设高度，则机器人避开地毯，如果地毯的高度小于预设高度，则进入步骤S4；步骤S4，机器人在地毯上工作时，识别并计算地毯毛的高度，当机器人检测到高于地毯毛的高度的障碍物时进行避障。所述机器人还可以识别地毯毛的高度，并以此为阈值，在地毯上检测到高于地毯毛的障碍物时可以进行避障。

需要说明的是，一块地毯是由地垫和地毯毛组成的，机器人在地毯***只能测量到地垫的高度（但习惯上还是称作地毯的高度，本申请中所述的地毯的高度实际上指的是地垫的高度），而只有当机器人上去地毯后才能测量到地毯毛的高度。

作为其中一种实施方式，所述步骤S4中，机器人识别地毯毛的方法具体包括：步骤S41，基于线激光传感器的数据，当机器人在地毯上检测到轮廓凹凸不平的障碍物时，进行平面扫描；步骤S42，基于平面扫描的数据，如果该障碍物的轮廓凹凸不平的程度在预设范围内，则机器人判定该障碍物是地毯毛。机器人识别地毯毛的方法跟前述识别地毯的方法一致，不再赘述。

基于上述实施例，计算步骤S1中线激光传感器获得的点云的高度均值，可以得到地毯的高度（即地垫的高度）。当机器人在地毯上时，如果障碍物的轮廓凹凸不平的程度在预设范围内，则计算线激光传感器获得的点云的高度，可以得到地毯毛的高度。当机器人检测到某些点云的高度明显高于计算得到的地毯毛的高度时，比如差值超过1cm，那么表明地毯上存在其他障碍物，机器人需要进行避障。当机器人检测到前方物体的轮廓平坦时，即点云的高度一致时，表明前方是平坦的地面。

本申请实施例提供一种机器人，如图4所示，所述机器人包括：线激光传感器，用于发射探测物体的线激光；图像传感器，用于获取线激光传感器投射在物体表面的线激光图像；点云高度计算模块，此模块为虚拟模块，用于根据图像传感器获取的线激光图像计算点云的高度；地毯识别模块，此模块为虚拟模块，用于根据点云的高度判断障碍物是否为地毯；避障模块，此模块为虚拟模块，用于根据地毯的高度以及地毯毛的高度进行避障。其中，所述机器人是清洁机器人，可以是家用清洁机器人，也可以是商业清洁机器人，可以是扫地机器人，也可以是拖地机器人，或者是扫拖一体机器人。

需要说明的是，线激光探测环境的方法是一种主动式光学测量技术，基本原理是由结构光投射器向待测物体表面投射可控制的光面结构，并由图像传感器获取图像，通过***几何关系，利用数学模型计算得到物体的三维坐标。其中，图像传感器是一种特殊的红外相机传感器，该红外相机传感器获取的图像中只有激光线，而不是普通相机那样获得一张实物的照片。

作为其中一种实施方式，所述线激光传感器的数量为一个或多个，所述线激光传感器的安装位置可使得机器人扫描到机器人前方的障碍物。在一实施例中，机器人的正前方安装了一个线激光传感器，该线激光传感器的照射角度为160度，每度可以获得一个点云数据，这样一帧线激光便可以获得160个点云数据。其帧率为30fps，则一秒钟可以获得30帧线激光数据，共计4800个点云数据。

本申请实施例还公开一种芯片，该芯片用于存储计算机程序代码，并可以设置在前述的机器人内，所述计算机程序代码被执行时实现前述机器人检测地毯的方法或机器人避障方法的步骤。或者，所述芯片执行所述计算机程序代码时实现上述机器人实施例中各个虚拟模块的功能。示例性的，所述计算机程序代码可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述芯片中，并由所述芯片执行，以完成本申请。所述一个或多个模块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代码在所述机器人中的执行过程。例如，所述计算机程序代码可以被分割成：前述机器人实施例中的点云高度计算模块、地毯识别模块和避障模块。所述芯片可以使得机器人通过线激光实时识别地毯，在机器人识别到凹凸不平的轮廓后，进一步地进行平面扫描，在点云的高度差处于预设范围内时才确定是地毯，提高了识别的准确率，而且不需要基于地图和IMU数据，计算量少，响应快。另外，当机器人上地毯时，还可以识别地毯毛的高度，并以此为阈值，在地毯上检测到高于地毯毛的障碍物时可以进行避障。

本领域的普通技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成的，该计算机程序可存储于一非易失性计算机可读存储介质中，该计算机程序在执行时，可包括如上述个方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其他介质的引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器ROM、可编程存储器PROM、电可编程存储器DPROM、电可擦除可编程存储器DDPROM或闪存。易失性存储器可包括随机存取存储器RAM或者外部高速缓冲存储器。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上各实施例仅表达了本申请的几种实施例，其描述较为具体和详细，但并不能因此而理解为申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。

Claims (10)

1.一种机器人检测地毯的方法，其特征在于，所述检测地毯的方法具体包括如下步骤：

步骤S1，基于线激光传感器的数据，当机器人检测到轮廓凹凸不平的障碍物时，进行平面扫描；

步骤S2，基于平面扫描的数据，如果该障碍物的轮廓凹凸不平的程度在预设范围内，则机器人判定该障碍物是地毯。

2.根据权利要求1所述的一种机器人检测地毯的方法，其特征在于，所述步骤S1中，机器人检测到轮廓凹凸不平的障碍物的方法具体包括：

步骤S11，机器人发射线激光，然后使用图像传感器获取图像，得到点云数据；

步骤S12，机器人计算点云的高度并进行比较，如果点云的高度不一致，则机器人检测到轮廓凹凸不平的障碍物。

3.根据权利要求2所述的一种机器人检测地毯的方法，其特征在于，机器人计算点云的高度的公式为：

point_r(x3,y3,z3) = ext(x1,y1,z1) * point_c(x2,y2,z2)，

其中，point_r(x3,y3,z3)指的是点云相对机器人中心的坐标，ext(x1,y1,z1)指的是线激光传感器相对于机器人中心的坐标，point_c(x2,y2,z2)指的是点云相对于线激光传感器的坐标，其中，z3即点云的高度。

4.根据权利要求3所述的一种机器人检测地毯的方法，其特征在于，所述步骤S1中，机器人进行平面扫描的方法具体包括：

机器人发射线激光，然后相对障碍物向前移动预设距离、或向左转动预设角度、或向右转动预设角度对一平面进行线激光扫描，同时使用图像传感器获取图像，得到该平面内障碍物的点云数据。

5.根据权利要求4所述的一种机器人检测地毯的方法，其特征在于，所述步骤S2中，机器人判定该障碍物是地毯的方法具体包括：

步骤S21，基于平面扫描的数据，机器人计算各个点云的高度；

步骤S22，机器人比较两两点云的高度，如果两两点云之间的高度差在预设范围内，则判定该障碍物是地毯。

6.一种机器人避障方法，其特征在于，所述避障方法包括权利要求1-5任一项所述的机器人检测地毯的方法，所述避障方法还包括：

步骤S3，基于线激光传感器的数据，机器人计算地毯的高度，如果地毯的高度大于等于预设高度，则机器人避开地毯，如果地毯的高度小于预设高度，则进入步骤S4；

步骤S4，机器人在地毯上工作时，识别并计算地毯毛的高度，当机器人检测到高于地毯毛的高度的障碍物时进行避障。

7.根据权利要求6所述的一种机器人避障方法，其特征在于，所述步骤S4中，机器人识别地毯毛的方法具体包括：

步骤S41，基于线激光传感器的数据，当机器人在地毯上检测到轮廓凹凸不平的障碍物时，进行平面扫描；

步骤S42，基于平面扫描的数据，如果该障碍物的轮廓凹凸不平的程度在预设范围内，则机器人判定该障碍物是地毯毛。

8.一种机器人，其特征在于，所述机器人用于执行权利要求6-7所述的机器人避障方法，所述机器人包括：

线激光传感器，用于发射探测物体的线激光；

图像传感器，用于获取线激光传感器投射在物体表面的线激光图像；

点云高度计算模块，用于根据图像传感器获取的线激光图像计算点云的高度；

地毯识别模块，用于根据点云的高度判断障碍物是否为地毯；

避障模块，用于根据地毯的高度以及地毯毛的高度进行避障。

9.根据权利要求8所述的一种机器人，其特征在于，所述线激光传感器的数量为一个或多个，所述线激光传感器的安装位置可使得机器人扫描到机器人前方的障碍物。

10.一种芯片，用于储存计算机程序代码，其特征在于，所述计算机程序代码被执行实现权利要求1至5任一项所述的机器人检测地毯的方法或权利要求6-7所述的机器人避障方法。