[发明专利]一种室内机器人的避障方法及装置

权利要求书

1.一种室内机器人的避障方法，其特征在于，包括：

接收环境数据，所述环境数据包括由室内机器人中的激光器探测获得的激光数据，以及由室内机器人中的图像采集装置采集获得的图像数据；

分别对所述激光数据和所述图像数据进行处理，获得所述激光数据对应的第一障碍物信息，以及所述图像数据对应的第二障碍物信息；

将所述第一障碍物信息存储在代价地图的第一障碍物层中，并将所述第二障碍物信息存储在代价地图的第一障碍物层和第二障碍物层中，所述第二障碍物层中的第二障碍物信息保留预设时长后清除；

根据所述代价地图中第一障碍物层与第二障碍物层中的障碍物信息进行避障。

2.根据权利要求1所述的方法，其特征在于，所述图像数据包括目标区域内的目标二维图像与目标深度图像，所述目标二维图像与所述目标深度图像的像素点具有一一对应关系，对所述图像数据进行处理，获得所述图像数据对应的第二障碍物信息，包括：

利用目标检测模型从所述目标二维图像中获得障碍物的目标矩形框以及对应的语义信息，其中，所述语义信息用于表示所述障碍物的类别；

根据所述目标深度图像中与所述目标矩形框对应的区域内的深度值确定所述障碍物的位置信息，获得所述第二障碍物信息；所述第二障碍物信息包括所述语义信息和所述位置信息。

3.根据权利要求2所述的方法，其特征在于，所述利用目标检测模型从所述目标二维图像中获得障碍物的目标矩形框以及对应的语义信息，包括：

提取所述目标二维图像中的图像特征；

根据所述图像特征生成障碍物的预测框、分类信息以及对应的分类概率，若所述分类概率大于预设阈值，则将所述预测框确定为目标矩形框，并将所述分类信息确定为所述语义信息。

4.根据权利要求2所述的方法，其特征在于，所述方法还包括：

利用训练数据对预设神经网络模型进行训练，确定所述预设神经网络模型中的参数，得到所述目标检测模型，其中，所述训练数据中的每一训练样本包括训练图片、所述训练图片上标注的矩形框以及所述矩形框内物体的类别。

5.根据权利要求2所述的方法，其特征在于，所述预设时长根据获得的障碍物的语义信息设定。

6.一种室内机器人的避障装置，其特征在于，包括：

数据接收模块，用于接收环境数据，所述环境数据包括由室内机器人中的激光器探测获得的激光数据，以及由室内机器人中的图像采集装置采集获得的图像数据；

数据处理模块，用于分别对所述激光数据和所述图像数据进行处理，获得所述激光数据对应的第一障碍物信息，以及所述图像数据对应的第二障碍物信息；

信息暂留模块，用于将所述第一障碍物信息存储在代价地图的第一障碍物层中，并将所述第二障碍物信息存储在代价地图的第一障碍物层和第二障碍物层中，所述第二障碍物层中的第二障碍物信息保留预设时长后清除；

避障模块，用于根据所述代价地图中第一障碍物层与第二障碍物层中的障碍物信息进行避障。

7.根据权利要求6所述的装置，其特征在于，所述图像数据包括目标区域内的目标二维图像与目标深度图像，所述目标二维图像与所述目标深度图像的像素点具有一一对应关系，所述数据处理模块具体用于：

利用目标检测模型从所述目标二维图像中获得障碍物的目标矩形框以及对应的语义信息，其中，所述语义信息用于表示所述障碍物的类别；

根据所述目标深度图像中与所述目标矩形框对应的区域内的深度值确定所述障碍物的位置信息，获得所述第二障碍物信息；所述第二障碍物信息包括所述语义信息和所述位置信息。

8.根据权利要求7所述的装置，其特征在于，所述数据处理模块具体用于：

提取所述目标二维图像中的图像特征；

根据所述图像特征生成障碍物的预测框、分类信息以及对应的分类概率，若所述分类概率大于预设阈值，则将所述预测框确定为目标矩形框，并将所述分类信息确定为所述语义信息。