[发明专利]一种障碍物探测方法、装置、自行走机器人和存储介质

说明书

本公开实施例提供一种障碍物探测方法、装置、自行走机器人和存储介质，障碍物探测方法，包括：将图像采集装置采集的障碍物信息转换为深度图像；将上述深度图像转化成点云图，并确定上述障碍物上的各参考点的坐标数据；在上述点云图中选取高度方向上的有效分析范围；基于各参考点的坐标数据，分析上述有效分析范围内是否存在障碍物。该方法能够对自行走机器人行进路线中的任何物体进行探测，突破了现有方法对障碍物种类的限定，同时，弥补了激光设备探测高度上的缺陷，使得自行走机器人探测障碍物的能力进一步提升，增加了自行走机器人的避障性能。

技术领域

本公开涉及自行走机器人技术领域，尤其涉及一种障碍物探测方法、装置、自行走机器人和存储介质。

背景技术

随着人工智能技术的发展，出现了各种各样的智能化的机器人，比如扫地机器人、拖地机器人、吸尘器、除草机等。这些清洁机器人在工作过程中能够自动识别周围的障碍物，并对障碍物执行避障操作，这些清洁机器人不仅解放了劳动力、节约了人力成本，而且提升了清洁效率。

但是，现有的扫地机器人的图像采集装置仅能识别有限类别的障碍物，往往是通过将拍摄到的障碍物图像与之前数据库中保存的图像进行匹配，当匹配成功时，将拍摄目标识别为特定种类的障碍物，例如鞋子等。另外，扫地机器人还可以通过激光设备识别障碍物，但是激光设备通常设置在扫地机器人顶面上，激光设备水平方向发射、接收信号后识别扫地机器人周围的障碍物，由于扫地机器人自身具有一定的高度，且激光设备也具有一定的高度，使得激光设备仅能检测到高度高于扫地机器人机身高度的障碍物，因此会导致部分高度低的障碍物被误碰，用户体验不好。

发明内容

有鉴于此，本公开实施例提供一种障碍物探测方法、装置、自行走机器人和存储介质，用以使自行走机器人能够躲避一定高度范围内的任何障碍物。

本公开实施例提供一种障碍物探测方法，应用于自行走机器人，包括：将图像采集装置采集的障碍物信息转换为深度信息；将所述深度信息转化成点云图，并确定所述障碍物的各参考点的坐标数据；在所述点云图中选取高度方向上的有效分析范围；在所述有效分析范围内，基于所述各参考点的坐标数据，分析所述有效分析范围内是否存在障碍物。

可选的，所述在所述有效分析范围内，基于所述各参考点的坐标数据，分析所述有效分析范围内是否存在障碍物，包括：将所述有效分析范围内的所述各参考点的3D坐标数据转换为2D坐标数据；在所述有效分析范围内，基于所述各参考点的2D坐标数据，分析所述有效分析范围内是否存在障碍物。

可选的，所述在所述有效分析范围内，基于所述各参考点的2D坐标数据，分析所述有效分析范围内是否存在障碍物，包括：获取所述自行走机器人在行进过程中形成的概率地图；基于所述概率地图，过滤掉所述各参考点的2D坐标数据中的噪声点坐标数据，基于过滤后的所述各参考点的2D坐标数据分析所述有效分析范围内是否存在障碍物。

可选的，所述基于所述概率地图，过滤掉所述各参考点的2D坐标数据中的噪声点坐标数据，包括：获取所述概率地图中障碍物的位置坐标数据，在所述概率地图中，所述障碍物的概率值大于预设概率阈值；比较所述障碍物的位置坐标数据和所述各参考点的2D坐标数据，当所述障碍物的位置坐标数据与所述各参考点的2D坐标数据的距离大于预设值时，过滤掉所述2D坐标数据。

可选的，所述在所述有效分析范围内，基于所述各参考点的2D或3D坐标数据，分析所述有效分析范围内是否存在障碍物，包括：在所述有效分析范围内，对所述各参考点进行聚类，将与相邻参考点的坐标数据距离小于第二预设值的所有参考点作为一个区域；分别判断每个区域的尺寸；如所述尺寸大于等于第三预设值，则确认在所述有效分析范围内存在障碍物。

可选的，所述区域的尺寸包括以下至少之一：区域的面积/体积、区域的直径、横穿区域几何中心的最小距离。