[发明专利]障碍物检测方法、装置及机器人

说明书

技术领域

本发明涉及图像视觉技术领域，具体而言，涉及一种障碍物检测方法、装置及机器人。

背景技术

近年来，机器人技术作为高新科技，得到了不断地发展，机器人也已经越来越贴近并进入我们的生活。对于机器人，自主导航通常是必要的功能，而障碍物检测能力对机器人的自主导航具有极其重要的意义。

相关技术中，机器人常用的障碍物检测传感器有超声波传感器和激光雷达。基于超声波传感器的障碍物检测方法检测障碍物时误差率高，无法进行精准定位；基于激光雷达的障碍物检测方法虽然对障碍物定位精准，但其性价比低，难以在机器人上推广应用。

可见，相关技术中应用于机器人的障碍物检测方法，难以在障碍物检测的准确性和性价比之间获得平衡。

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、装置及机器人，以解决相关技术中应用于机器人的障碍物检测方法，难以在障碍物检测的准确性和性价比之间获得平衡的问题。

第一方面，本发明实施例提供了一种障碍物检测方法，所述方法应用于设置有双目传感器的机器人，包括以下步骤：获取机器人上设置的双目传感器对机器人的外部拍摄的左图像和右图像，并获取所述左图像中的特征点和所述右图像中的特征点；对所述左图像中的特征点和所述右图像中的特征点进行匹配，得到第一匹配点对集合和第二匹配点对集合，其中，所述第一匹配点对集合包括所述左图像中的特征点，以及所述右图像中与所述左图像中的特征点相匹配的第一特征点，所述第二匹配点对集合包括所述右图像中的特征点，以及所述左图像中与所述右图像中的特征点相匹配的第二特征点；根据所述第一匹配点对集合和所述第二匹配点对集合中重合的特征点对，确定所述左图像和所述右图像的匹配特征点对；根据所述双目传感器的测距参数和所述机器人的安全运动范围，判断所述匹配特征点对对应的实际位置点是否为障碍物。

结合第一方面，本发明实施例提供了第一方面第一种可能的实施方式，其中，所述获取所述左图像中的特征点和所述右图像中的特征点，包括：分别提取所述左图像中的特征点和所述右图像中的特征点；根据所述双目传感器的极线校正参数，分别对提取到的所述左图像中的特征点和所述右图像中的特征点进行极线校正；获取极线校正后的所述左图像中的特征点和极线校正后的所述右图像中的特征点。

结合第一方面，本发明实施例提供了第一方面第二种可能的实施方式，其中，对所述左图像中的特征点和所述右图像中的特征点进行匹配，得到第一匹配点对集合，包括：针对所述左图像中的每个特征点，将所述右图像中纵坐标满足以下公式的特征点，确定为该特征点的疑似匹配特征点；v_r∈[v_l-T_v,v_l+T_v]；其中，v_r为该特征点的疑似匹配特征点的纵坐标，v_l为该特征点的纵坐标，T_v为极线校正误差阈值；计算该特征点与其每个所述疑似匹配特征点之间的匹配度，将匹配度最大且符合预设的匹配度要求的所述疑似匹配特征点，确定为所述右图像中与该特征点相匹配的第一特征点；将所述左图像中的特征点及其匹配的第一特征点，组合为第一匹配点对，将所有所述第一匹配点对组合为所述第一匹配点对集合。

结合第一方面，本发明实施例提供了第一方面第三种可能的实施方式，其中，对所述左图像中的特征点和所述右图像中的特征点进行匹配，得到第二匹配点对集合，包括：针对所述右图像中的每个特征点，将所述左图像中纵坐标符合以下公式的特征点，确定为该特征点的疑似匹配特征点；v_l∈[v_r-T_v,v_r+T_v]；其中，v_l为该特征点的疑似匹配特征点的纵坐标，v_r为该特征点的纵坐标，T_v为极线校正误差阈值；计算该特征点与其每个所述疑似匹配特征点之间的匹配度，将匹配度最大且符合预设的匹配度要求的所述疑似匹配特征点，确定为所述左图像中与该特征点相匹配的第二特征点；将所述右图像中的特征点及其匹配的第二特征点，组合为第二匹配点对，将所有所述第二匹配点对组合为所述第二匹配点对集合。