[发明专利]一种自主消防机器人自适应环境重构与障碍物检测方法

说明书

本发明涉及一种自主消防机器人自适应环境重构与障碍物检测方法，包括：基于结构光深度相机获取深度图像，通过IMU惯性测量单元测量结构光深度相机的倾斜角度，基于倾斜角度，获取深度图像中每个像素点对应的被检测物体在世界坐标系下的坐标信息；通过坐标信息，构建二维环境灰度图，并对二维环境灰度图进行高度阈值过滤处理，获取二维局部环境点云图；创建局部环境点云图替换模板，更新全局地图对应的像素取值，获得更新后的全局单色位地图；基于全局单色位地图，并根据路径规划算法进行机器人的导航与避障。本发明能够实时自适应对地图更新，更加智能地通过前方环境进行避障或二次路径规划，以最快速度到达着火点实施主动消防。

技术领域

本发明涉及机器人自动控制技术领域，尤其涉及一种自主消防机器人自适应环境重构与障碍物检测方法。

背景技术

室内消防机器人可以在平坦的室内环境中进行火灾发生早期快速识别和主动处置，将火灾扼杀在萌芽阶段。而对周围环境的感知和重构是机器人系统进行导航和自主避障的前提条件。

移动机器人环境重构主要可分为障碍物识别与检测、障碍物位置确定与地图构建两部分，目前常用环境重构的传感器主要有激光雷达、固态雷达、单双目深度相机、RGB-D相机等，环境重构算法主要是每类传感器相对应的实时建图算法，如Gmapping算法。同时许多学者研究了如何使用多传感器融合来提高建图效率和精度。现有技术中一种热成像定位火源的室内消防机器人，运用激光雷达来进行环境重构与障碍物检测。还设计出一种通过视觉、三波段探测、激光烟感的早期火灾报警与处置系统，机器人使用超声波与红外激光传感器融合进行避障，携带灭火器自主路径规划导航到着火点进行灭火。现有技术中还公开了使用RGB-D相机与激光雷达进行融合SLAM建图，以及将激光雷达和RGB-D相机数据进行相邻帧点云配准以提高精度和速率，并利用Gmapping算法进行建图。还包括利用ROS中depthimage_to_laserscan算法对深度图像进行二维投影，并与激光雷达进行融合，提高了室内机器人检测周围的能力。以上方法都不同程度地改善了室内消防机器人环境重构与障碍物检测能力，但在极有可能存在大量烟雾、黑暗、复杂障碍物的室内火场环境下，双目深度相机、RGB-D相机等需要依赖彩色图像进行特征匹配来计算深度信息，从而导致鲁棒性变差甚至无法工作；单线激光雷达只能检测单平面上障碍物，无法感知障碍物高度；而多线激光雷达和固态雷达不仅价格非常昂贵，并且受盲区和垂直角分辨率的限制，在室内整体利用效率较低。

发明内容

为了解决消防机器人在复杂火场场景下的环境重构与障碍物检测能力，提高消防机器人的鲁棒性与实用性，提出了一种自主消防机器人自适应环境重构与障碍物检测方法，消防机器人通过该方法后在普通明亮室内或复杂火场环境中均可以对周围环境进行感知与信息采集，并通过检测到的障碍物自主构建出机器人所在地点的周围环境地图，使机器人可以搭配现有路径规划算法实现更准确快速的导航与避障效果，从而使消防机器人有效执行巡检任务和灭火任务。

为实现上述目的，本发明提供了：

一种自主消防机器人自适应环境重构与障碍物检测方法，包括：

基于结构光深度相机获取深度图像，通过IMU惯性测量单元测量所述结构光深度相机的倾斜角度，基于所述倾斜角度，获取所述深度图像中每个像素点对应的被检测物体在世界坐标系下的坐标信息；

通过所述坐标信息，构建二维环境灰度图，并对所述二维环境灰度图进行高度阈值过滤处理，获取二维局部环境点云图；

根据所述二维局部环境点云图创建局部环境点云图替换模型，基于所述替换模型更新全局地图对应的像素取值，获得更新后的全局单色位地图；

基于所述全局单色位地图，并根据路径规划算法进行机器人的导航与避障。

优选地，通过IMU惯性测量单元测量所述结构光深度相机的倾斜角度，包括：通过所述IMU惯性测量单元测量所述结构深度相机主光心轴相对于水平地面的倾斜角度，即相机的俯仰角。