本发明专利技术公开了一种基于障碍物属性的机器人行进策略确定方法和系统，利用根据双目摄像机进行图像实时采集，对图像进行融合后，根据所述图像进行障碍物提取，计算障碍物信息，根据所述障碍物信息获取障碍物属性信息，根据障碍物属性信息以及机器人自身属性信息确定行进策略，所述机器人根据行进策略调整行进路线，减少配准算法复杂会导致融合时间，本方法有效提高对障碍物建模精度，会提高机器人行进的安全性与时效性。的安全性与时效性。的安全性与时效性。
【技术实现步骤摘要】
一种基于障碍物属性的机器人行进策略确定方法和系统
：
[0001]本专利技术属于机器人控制领域，尤其涉及一种基于障碍物属性的机器人行进策略确定方法。
技术介绍
：
[0002]机器人通过搭载外部传感器对未知环境进行探索已经是人工智能领域发展的一个重要方向。目前，机器人己经在侦察任务、深海探测、灾难抢险、搜索营救等未知环境下进行目标搜寻的任务中发挥着越来越重要的作用。通过此研究让越来越多的新科技产品辅助机器人去完成各种高难度的任务，提高效率，推动了人类社会的进步。其中，移动机器人一直是人工智能研究领域的热点，越来越多的学者针对机器人的不同应用层面深入研发新技能，使其能够作业的范围在不断扩大，机器人自主探索己取得了巨大的突破，特别是在未知环境下机器人的自主探索成为了研究重点。
[0003]在机器人采集的三维局部点云图像融合时会出现融合效率较低的问题。对三维点云图进行融合时需要对点云图进行配准，当配准度较低时会出现误匹配，直接导致点云图的融合结果较差；并且配准算法复杂会导致融合时间较长，并且会导致对障碍物建模造成不良影响，导致建模精度下降，进一步会影响机器人行进的安全性与时效性。如何提高对障碍物属性判断准确性成为了亟待解决的问题。
技术实现思路
[0004]针对目前现有的配准算法复杂会导致融合时间较长，并且会导致对障碍物建模造成不良影响，导致建模精度下降的问题，利用根据双目摄像机进行图像实时采集，对图像进行融合后，根据所述图像进行障碍物提取，计算障碍物信息，根据所述障碍物信息获取障碍物属性信息，根据障碍物属性信息以及机器人自身属性信息确定行进策略，所述机器人根据行进策略调整行进路线，减少配准算法复杂会导致融合时间，本方法有效提高对障碍物建模精度，会提高机器人行进的安全性与时效性。
[0005]本专利技术为解决以上技术问题所采取的技术方案是：
[0006]基于障碍物属性的机器人行进策略确定方法包括：
[0007]S1、根据双目摄像机进行图像实时采集，其中双目摄像机为水平左右设置；
[0008]S2、根据所述图像进行障碍物提取，
[0009]S3、计算障碍物信息，根据所述障碍物信息获取障碍物属性信息，
[0010]S4、根据障碍物属性信息以及机器人自身属性信息确定行进策略，
[0011]S5、所述机器人根据行进策略调整行进路线。
[0012]进一步地，所述双目摄像机为RGB
‑
D相机，所述双目摄像机中央设置红外线传感器。
[0013]进一步地，所述双目摄像机独立对周围环境进行描述，根据重叠区域的空间位置特征，把两个独立坐标系下的点云融合到同一坐标系中，在两个点云中寻找重叠区域后进
行图像融合。
[0014]进一步地，所述图像融合包括：
[0015]S11、对点云进行预处理，将带有颜色信息的点云图转换为不含颜色信息的点云图，
[0016]S12、对所述点云图进行下采样，利用采样一致性初始融合算法进行一次匹配后，
[0017]S13、利用迭代最近点算法进行二次匹配，获得融合后三维点云图。
[0018]进一步地，所述障碍物提取包括，从融合后三维点云图中分割出障碍物的位置与尺寸信息，所述分割包括计算背景颜色与其他区域颜色的差值，当差值超过第一阈值时，则该区域为障碍物区域。
[0019]进一步地，计算障碍物信息包括，根据图像中障碍物位置与尺寸信息获取所述障碍物的纹理特征，颜色特征，形态特征；基于所述红外线传感器获得所述障碍物的温度信息；根据所述障碍物的尺寸信息，纹理特征，颜色特征，形态特征，温度特征确定障碍物的影响因子。
[0020]进一步地，根据障碍物影响因子以及机器人自身属性信息确定当前行进路线安全等级，根据初始行进策略与所述前行进路线安全等级确定是否规避障碍物。
[0021]进一步地，若障碍物温度信息超过第二阈值，判断障碍物为生命体，则开启声光驱离装置进行驱离。
[0022]进一步地，所述障碍物包括阴障碍物，所述阴障碍物为明显低于可通行路面的结构。
[0023]进一步地，所述图像融合中特征点与立体空间关联关系为：
[0024][0025][0026]其中I
t
(u,v)为t时刻帧特征点，d为特征点I
t
(u,v)的深度值，S为深度图的缩放因子，k为相机的内部参数矩阵，P
t
(x,y,z)为立体空间坐标；r为相机变换姿态参数。
[0027]进一步地，参数矩阵k为:
[0028][0029]其中，f
x
和f
y
为相机在x轴和y轴的焦距，c
x
和c
y
为相机透镜的光圈值。
[0030]基于障碍物属性的机器人行进策略确定系统包括：
[0031]图像采集模块，用于根据双目摄像机进行图像实时采集，其中双目摄像机为水平左右设置；
[0032]图像处理模块，用于根据所述图像进行融合后，对障碍物提取，
[0033]障碍物分析模块，用于计算障碍物信息，根据所述障碍物信息获取障碍物属性信息，
[0034]行进策略模块，用于根据障碍物属性信息以及机器人自身属性信息确定行进策略，
[0035]路线规划模块，用于根据行进策略调整行进路线。
[0036]进一步地，图像处理模块中包括图像融合模块，其包括：
[0037]预处理模块，用于对点云进行预处理，将带有颜色信息的点云图转换为不含颜色信息的点云图，
[0038]一次匹配模块，对所述点云图进行下采样，利用采样一致性初始融合算法进行一次匹配后，
[0039]二次匹配模块，利用迭代最近点算法进行二次匹配，获得融合后三维点云图。
[0040]进一步地，障碍物分析模块中分割包括计算背景颜色与其他区域颜色的差值，当差值超过第一阈值时，则该区域为障碍物区域。
[0041]进一步地，计算障碍物信息包括，根据图像中障碍物位置与尺寸信息获取所述障碍物的纹理特征，颜色特征，形态特征；基于所述红外线传感器获得所述障碍物的温度信息；根据所述障碍物的尺寸信息，纹理特征，颜色特征，形态特征，温度特征确定障碍物的影响因子。
[0042]进一步地，根据障碍物影响因子以及机器人自身属性信息确定当前行进路线安全等级，根据初始行进策略与所述前行进路线安全等级确定是否规避障碍物。
[0043]进一步地，若障碍物温度信息超过第二阈值，判断障碍物为生命体，则开启声光驱离装置进行驱离。
[0044]进一步地，所述障碍物包括阴障碍物，所述阴障碍物为明显低于可通行路面的结构。
[0045]进一步地，所述图像融合中特征点与立体空间关联关系为：
[0046][0047][0048]其中I
t
(u,v)为t时刻帧特征点，d为特征点I
t
(u,v)的深度值，S为深度图的缩放因子，k为相机的内部参数本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于障碍物属性的机器人行进策略确定方法，其特征在于，该方法包括：S1、根据双目摄像机进行图像实时采集，其中双目摄像机为水平左右设置；S2、根据所述图像进行障碍物提取，S3、计算障碍物信息，根据所述障碍物信息获取障碍物属性信息，S4、根据障碍物属性信息以及机器人自身属性信息确定行进策略，S5、所述机器人根据行进策略调整行进路线。2.根据权利要求1所述基于障碍物属性的机器人行进策略确定方法，其特征在于：所述双目摄像机为RGB
‑
D相机，所述双目摄像机中央设置红外线传感器。3.根据权利要求2所述基于障碍物属性的机器人行进策略确定方法，其特征在于：所述双目摄像机独立对周围环境进行描述，根据重叠区域的空间位置特征，把两个独立坐标系下的点云融合到同一坐标系中，在两个点云中寻找重叠区域后进行图像融合。4.根据权利要求3所述基于障碍物属性的机器人行进策略确定方法，其特征在于：所述图像融合包括，S11、对点云进行预处理，将带有颜色信息的点云图转换为不含颜色信息的点云图，S12、对所述点云图进行下采样，利用采样一致性初始融合算法进行一次匹配后，S13、利用迭代最近点算法进行二次匹配，获得融合后三维点云图。5.根据权利要求4所述基于基于障碍物属性的机器人行进策略确定方法，其特征在于：所述障碍物提取包括，从融合后三维点云图中分割出障碍物的位置与尺寸信息，所述分割包括计算背景颜色与其他区域颜色的差值，当差值超过...
【专利技术属性】
技术研发人员：姚郁巍，苏瑞，衡进，孙贇，
申请(专利权)人：重庆特斯联智慧科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。