基于平面分割的楼梯检测方法、装置、设备以及存储介质制造方法及图纸

本发明专利技术涉及算法检测技术，揭露了一种基于平面分割的楼梯检测方法、装置、设备以及存储介质，方法包括：获取待测场景的彩色图像和深度图像，对彩色图像进行线条检测，得到预检测结果；当预检测结果为待测场景中可能包含楼梯或台阶时，对深度图像进行点云转换，得到三维点云数据；对三维点云数据进行坐标系及法向量处理，得到标准点云；对标准点云进行平面聚类，得到候选阶面区域；将候选阶面区域进行轮廓拟合，得到楼梯检测结果。本发明专利技术同时利用法向量纠正以及竖直区域滤除模块对点云数据进行处理，减少了数据噪声对阶梯候选区域平面分割的干扰，可以有效提高楼梯检测结果的准确性和鲁棒性。棒性。棒性。

【技术实现步骤摘要】
基于平面分割的楼梯检测方法、装置、设备以及存储介质


[0001]本专利技术涉及算法检测
，尤其涉及一种基于平面分割的楼梯检测方法、装置、设备以及存储介质。

技术介绍

[0002]楼梯作为最为常见的人造建筑物之一，可以实现建筑空间中的竖向组合交通联系。楼梯检测的目的是对场景中的楼梯进行三维检测和定位，并提供一些额外信息，例如楼梯的尺寸和台阶数等。楼梯检测任务一直是国内外研究者关注的热点之一，它广泛应用于盲人导航、自主避障机器人等领域。现有的楼梯检测算法是利用边缘检测方法通过霍夫变换算法检测出连续边线，从而确定楼梯目标区域，基于边缘检测的楼梯检测算法复杂度低，实现简单，但是容易被其他具有多线条特征的场景干扰(如斑马线)，影响检测结果；此外，这类算法也很难检测出水平线过少的台阶。
[0003]随着深度相机的广泛应用，越来越多的研究利用深度相机提供的深度信息，先对候选场景进行平面分割，再根据楼梯连续平面的特征进行检测。与基于边缘检测的方法相比较，基于平面检测的楼梯算法能够更精确地检测出楼梯，并且能够获取一些额外的信息，例如楼梯阶面的尺寸、台阶数以及使用者与楼梯之间的距离等。综上，现有的楼梯检测技术存在检测结果准确性低的问题。

技术实现思路

[0004]本专利技术提供一种基于平面分割的楼梯检测方法、装置、设备以及存储介质，其主要目的在于解决楼梯检测结果准确性较低的问题。
[0005]为实现上述目的，本专利技术提供的一种基于平面分割的楼梯检测方法，包括：获取待测场景的彩色图像和深度图像，对彩色图像进行线条检测，得到预检测结果；当预检测结果为待测场景中可能包含楼梯或台阶时，对深度图像进行点云转换，得到三维点云数据；对三维点云数据进行坐标系及法向量处理，得到标准点云；对标准点云进行平面聚类，得到候选阶面区域；将候选阶面区域进行轮廓拟合，得到楼梯检测结果。
[0006]为了解决上述问题，本专利技术还提供一种基于平面分割的楼梯检测装置，装置包括：
[0007]线条检测模块，用于获取待测场景的彩色图像和深度图像，对彩色图像进行线条检测，得到预检测结果；点云转换模块，用于当预检测结果为待测场景中可能包含楼梯或台阶时，对深度图像进行点云转换，得到三维点云数据；点云处理模块，用于对三维点云数据进行坐标系及法向量处理，得到标准点云；平面聚类模块，用于对标准点云进行平面聚类，得到候选阶面区域；轮廓拟合模块，用于将候选阶面区域进行轮廓拟合，得到楼梯检测结果。
[0008]本专利技术还提供一种电子设备，该电子设备包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行上述的基于平面分割的
楼梯检测方法。
[0009]本专利技术还提供一种计算机可读存储介质，计算机可读存储介质中存储有至少一个计算机程序，至少一个计算机程序被处理器执行以实现上述的基于平面分割的楼梯检测方法。
[0010]与现有技术相比，本专利技术的有益效果为：通过对三维点云数据进行坐标系转换处理，同时利用法向量纠正以及竖直区域滤除模块对点云数据进行处理，可以减少数据噪声对阶梯候选区域平面分割的干扰，在保留点云形状特征的同时减少像素点的数量，这样可以降低复杂度方便后续处理；通过对标准点云进行平面聚类，得到候选阶面区域，可以对相似像素点的区域进行合并，提高楼梯检测效率；将候选阶面区域进行轮廓拟合，可以精准分类楼梯、台阶和障碍物，提升楼梯检测算法对输入图像的准确性和鲁棒性。
附图说明
[0011]图1为本专利技术一实施例提供的基于平面分割的楼梯检测方法的流程示意图；
[0012]图2为本专利技术一实施例提供的坐标系转换示意图；
[0013]图3为本专利技术一实施例提供的法向量纠正与楼梯竖直面滤除示意图；
[0014]图4为本专利技术一实施例提供的基于平面分割的楼梯检测装置的功能模块示意图；
[0015]图5为本专利技术一实施例提供的实现基于平面分割的楼梯检测方法的电子设备的结构示意图。
[0016]本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0017]应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0018]为解决现有基于平面检测的楼梯检测算法存在着的一些问题，比如，现有算法所针对的场景大部分是室内，对光线的要求比较苛刻敏感，在室外场景中获取的深度图像质量较差，影响最终的检测结果；而且，对于特殊阶梯(如，台阶和路沿)，现有算法无法进行准确分类。因此，本专利技术就如何提高深度图像的质量以及准确检测出不同类别的特殊阶梯提出了新的解决方法：通过对三维点云数据进行坐标系转换处理，同时利用法向量纠正以及竖直区域滤除模块对点云数据进行处理，减少数据噪声对阶梯候选区域平面分割的干扰，解决了楼梯检测方法的准确性低的问题。
[0019]参照图1所示，为本专利技术一实施例提供的基于平面分割的楼梯检测方法的流程示意图。在本实施例中，基于平面分割的楼梯检测方法包括：
[0020]S1、获取待测场景的彩色图像和深度图像，对所述彩色图像进行线条检测，得到预检测结果；
[0021]在一个实施例中，待测场景彩色图像是一种RGB(颜色系统)图像，RGB代表的是红、绿、蓝三个通道的颜色；待测场景深度图像的每个像素值是传感器测出距离物体的实际距离；待测场景的彩色图像和深度图像可以利用RealSense(实感技术)进行捕获，例如，通过Intel RealSense 3D捕获待测场景的彩色图像和深度图像，Intel RealSense 3D(三维深度相机)是一种自带深度传感器的高精度摄像头，在进行图像捕获时可以开启两个通道，一路RGB彩色数据，一路深度摄像头数据；线条检测可以采用霍夫变换线检测方法，该方法是
图像处理领域内从待测场景彩色图像中检测几何形状的基本方法之一。
[0022]在一个实施例中，对待测场景彩色图像进行线条检测，得到预检测结果，包括：对待测场景彩色图像进行灰度化处理，得到灰度图；将灰度图二值化，得到二值化图；对二值化图进行形状识别，得到线条；根据所述线条的长度与预设长度的比较结果，确定预检测结果；其中，当所述线条大于预设长度时，所述预检测结果为所述待测场景中可能包含楼梯或台阶。
[0023]在一个实施例中，灰度化处理是将RGB待测场景彩色图中的红、绿、蓝三个像素通道值等于同一灰度值，即R＝G＝B＝gray，例如，RGB(100，100，100)代表的是灰度100的灰度图，可以将RGB待测场景彩色图中像素通道值得平均值作为灰度值，灰度图的像素取值范围为0～255，白色为255，黑色为0；灰度图二值化是让图像的像素点矩阵中的每个像素点的灰度值为0(黑色)或者255(白色)，也就是让整个图像呈现只有黑和白的效果，在二值化后的图像中的灰度值范围是0或者255。
[0024]在一个实施例中，对二值化图进行形状识别本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于平面分割的楼梯检测方法，其特征在于，所述方法包括：获取待测场景的彩色图像和深度图像，对所述彩色图像进行线条检测，得到预检测结果；当所述预检测结果为所述待测场景中可能包含楼梯或台阶时，对所述深度图像进行点云转换，得到三维点云数据；对所述三维点云数据进行坐标系及法向量处理，得到标准点云；对所述标准点云进行平面聚类，得到候选阶面区域；将所述候选阶面区域进行轮廓拟合，得到楼梯检测结果。2.如权利要求1所述的基于平面分割的楼梯检测方法，其特征在于，所述对所述彩色图像进行线条检测，得到预检测结果，包括：对所述待测场景彩色图像进行灰度化处理，得到灰度图；将所述灰度图二值化，得到二值化图；对所述二值化图进行形状识别，得到线条；根据所述线条的长度与预设长度的比较结果，确定预检测结果；其中，当所述线条大于预设长度时，所述预检测结果为所述待测场景中可能包含楼梯或台阶。3.如权利要求2所述的基于平面分割的楼梯检测方法，其特征在于，所述对所述二值化图进行形状识别，得到线条，包括：在所述二值化图中建立坐标系，得到像素坐标图；对所述像素坐标图中的点坐标进行极坐标计算，得到所述点坐标对应的极坐标；根据所述极坐标的频率确定目标极坐标，对所述目标极坐标进行直线计算，得到线条。4.如权利要求1所述的基于平面分割的楼梯检测方法，其特征在于，所述对深度图像进行点云转换，得到三维点云数据，包括：对所述深度图像进行坐标映射，得到初始点云数据；对所述初始点云数据进行点云滤波处理，得到三维点云数据。5.如权利要求4所述的基于平面分割的楼梯检测方法，其特征在于，所述对所述深度图像进行坐标映射，得到初始点云数据，包括：利用下式对所述深度图像进行坐标映射：其中，x,y,z分别表示为初始点云数据在预设的点云坐标系中的x坐标、y坐标及z坐标；D表示为预设的像素值；f
x
及f
y
分别表示为预设相机镜头x方向与y方向上的焦距；及分别表示为预设的深度图坐标系的坐标及坐标。6.如权利要求1所述的基于平面分割的楼梯检测方法，其特征在于，所述对所述三维点云数据进行坐标系及法向量处理，得到标准点云，包括：对所述三维点云数据所在的点云坐标系进行旋转计算，得到第一点云坐标系；
将所述第一点云...

【专利技术属性】
技术研发人员：刘伟，邹文斌，田时舜，李霞，邹辉，
申请(专利权)人：深圳大学，
类型：发明
国别省市：