【技术实现步骤摘要】
本专利技术涉及机器人感知算法，具体涉及基于分块采样的机器人前方地面斜坡可行驶区域识别算法。
技术介绍
1、随着机器人技术的不断发展，机器人自主导航已经成为了一个重要领域。自主导航是指在无人干预的情况下，机器人能够自主地规划路径、避障和导航，从而达到预定的目标。这种技术的出现，使得机器人在智能制造、智慧医疗、无人驾驶、智慧家居等诸多领域的应用变得更加广泛和深入。
2、机器人自主导航的关键技术包括机器人传感器感知、地图构建和路径规划。传感器是机器人的“眼睛”，它可以帮助机器人感知周围环境。地图构建则是将机器人感知到的环境信息构建成数字地图，以便于机器人在地图上进行路径规划。路径规划则是机器人在地图上找到一条最短或最优路径，以便于达到预定目标。
3、其中机器人的感知模块是实现机器人智能化、自主化发展的重要组成部分。它可以帮助机器人在未知、复杂的环境中感知周围信息，进行准确的导航和决策。感知模块主要依赖于传感器、芯片和算法等组成部分来实现其功能。传感器是获取周围环境信息的重要工具，包括雷达、激光雷达、摄像头、超声波传感器等。这些传感器可以提供关于环境的三维信息，为后续的导航和决策提供数据支持。芯片则是实现数据处理和计算的核心部件，其性能直接影响到机器人自主导航感知模块的整体表现。而算法则是实现自主导航的关键。
4、机器人自主导航感知模块的工作原理主要是通过传感器获取周围环境信息，然后通过芯片和算法进行处理和计算，生成机器人所需的导航信息。例如，通过激光雷达传感器获取的环境信息，生成机器人的2d栅格地图
5、在感知模块构建2d栅格地图的过程中，会遇到前方地面凹凸不平，有可通行的斜坡和不可通行的斜坡等情况，如果用传统的地面高度差滤除地面的方式，把高于一定高度的激光雷达或者双目相机生成的点云认为是障碍物，会导致可通行的地方在2d栅格地图中计算成不可通行的区域，从而使建图中的可行驶区域或者实时导航中的可行驶区域减少。
6、针对上述问题，本专利采用前方地面平面拟合算法，对点云地面数据进行处理计算出平面方程和坡度，来判断前方坡度是否可行。该技术具有可行性高、检测速度快等优势，利用该技术的优势，可以实现对于特殊场景的地面坡度检测
技术实现思路
1、本专利技术要解决的技术问题是，故提供基于分块采样的机器人前方地面斜坡可行驶区域识别算法，使其解决以上问题。
2、本专利技术解决技术问题采用的技术方案是：基于分块采样的机器人前方地面斜坡可行驶区域识别算法，其包括：包括以下步骤：
3、s1：首先输入地面云数据，并通过机器人感知模块对点云做均匀下采样，并对采样的点云做半径滤波；
4、s2：接着对不同地面上的地面点云平面拟合，计算整个点云的长和宽，并按比例进行分块；
5、s3：对步骤s2所述分块中各随机抽取一个点，再从这些点中随机选取3个点，用于计算一个平面方程，并计算所有点到这个平面的距离，在一定距离内认为是在平面上,记录在平面内点的数量，计算这些在平面内点数最多的平面，认为该平面的方程是拟合出的最接近前方地面的平面方程；
6、s4：计算步骤s3中该平面和水平面之间的坡度a0，当坡度a0大于机器人可行驶最大坡度a1时，以坡度a1作为可行驶坡度平面，当坡度a0小于机器人可行驶最小坡度a2时，以坡度a2为可行驶坡度平面，当坡度a0在坡度a1和坡度a2之间时，以坡度a0为可行驶坡度平面。
7、s5：根据步骤s4中可行驶坡度，判断高于平面的障碍物点和低于平面的凹陷点，并输出2d栅格地图给机器人导航模块。
8、作为本专利技术的一种优选技术方案，步骤s2中所述不同地面是指.正常平坦地面、整体坡度向上的地面、整体坡度向下的地面、半坡度地面、特殊台阶地面。
9、作为本专利技术的一种优选技术方案，步骤s4中，对于高出可行驶坡度平面一定阈值的点记为障碍物点，低于该可行驶坡度平面一定阈值的点记为凹陷点。
10、作为本专利技术的一种优选技术方案，步骤s1中均匀采样是指在总n个点里通过均匀的收集第n个采样点来对点云的数量进行减少的操作。
11、作为本专利技术的一种优选技术方案，步骤s1中，半径滤波的算法是遍历每个点，对于一个点给定的一个半径为r的球体，该球体内最少有a个点则保留该点，如果没有则该点为噪声点进行去除。
12、作为本专利技术的一种优选技术方案，所述机械人感知模块是通过传感器、芯片和算法组成部分来实现其功能。
13、作为本专利技术的一种优选技术方案，所述传感器是通过雷达、激光雷达、摄像头、超声波传感器提供关于环境的三维信息。
14、作为本专利技术的一种优选技术方案，所述点云为三维空间坐标系中，位于x,y,z位置的点的集合。
15、作为本专利技术的一种优选技术方案，步骤s3，每个点到该平面的距离，当在距离阈值内的点认为是在这个平面上，超过距离阈值的点认为不在该平面上。
16、作为本专利技术的一种优选技术方案，在步骤s3，迭代重复从开始，直到重复n次。
17、本专利技术具有以下优点：
18、1、相较于把高于一定高度的坡道当成障碍物，机器人放弃行驶到该区域，本专利技术可以根据识别的坡度，在远处的地面的点也可以识别为地面上的点，增加了地面可行驶区域。而且还有坡度的识别，如果高于或者低于可行驶的坡度，会识别出正常可行驶的区域和不可行驶区域，提高了算法识别的准确度；
19、2、相较于切换另一张地图，人工标记出机器人可以行驶区域，本专利技术可以实时检测前方的坡道对于机器人是否可以正常行驶，不需要人工操作，或者导航模块进行另外的交互，提高了感知算法的识别能力和检测速度；
20、3、本专利技术通过使用分块区域采样，随机选取点来计算平面和统计最终平面方程，提高实际结果的计算效率，提高的地面平面识别准确度，提高了障碍物识别准确度，通过设置高于平面的阈值，坡度的极大值和极小值，以此判断实际的障碍物和坡度是否会影响实际机器人的可行驶区域。
本文档来自技高网...【技术保护点】
1.基于分块采样的机器人前方地面斜坡可行驶区域识别算法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于分块采样的机器人前方地面斜坡可行驶区域识别算法，其特征在于，步骤S2中所述不同地面是指.正常平坦地面、整体坡度向上的地面、整体坡度向下的地面、半坡度地面、特殊台阶地面。
3.如权利要求1所述的基于分块采样的机器人前方地面斜坡可行驶区域识别算法，其特征在于，步骤S4中，对于高出可行驶坡度平面一定阈值的点记为障碍物点，低于该可行驶坡度平面一定阈值的点记为凹陷点。
4.如权利要求1所述的基于分块采样的机器人前方地面斜坡可行驶区域识别算法，其特征在于，步骤S1中均匀采样是指在总N个点里通过均匀的收集第n个采样点来对点云的数量进行减少的操作。
5.如权利要求1所述的基于分块采样的机器人前方地面斜坡可行驶区域识别算法，其特征在于，步骤S1中，半径滤波的算法是遍历每个点，对于一个点给定的一个半径为r的球体，该球体内最少有a个点则保留该点，如果没有则该点为噪声点进行去除。
6.如权利要求1所述的基于分块采样的机器人前方地面斜坡可
7.如权利要求6所述的基于分块采样的机器人前方地面斜坡可行驶区域识别算法，其特征在于，所述传感器是通过雷达、激光雷达、摄像头、超声波传感器提供关于环境的三维信息。
8.如权利要求1所述的基于分块采样的机器人前方地面斜坡可行驶区域识别算法，其特征在于，所述点云为三维空间坐标系中，位于x,y,z位置的点的集合。
9.如权利要求1所述的基于分块采样的机器人前方地面斜坡可行驶区域识别算法，其特征在于，步骤S3，每个点到该平面的距离，当在距离阈值内的点认为是在这个平面上，超过距离阈值的点认为不在该平面上。
10.如权利要求1所述的基于分块采样的机器人前方地面斜坡可行驶区域识别算法，其特征在于，在步骤S3，迭代重复从开始，直到重复N次。
...【技术特征摘要】
1.基于分块采样的机器人前方地面斜坡可行驶区域识别算法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于分块采样的机器人前方地面斜坡可行驶区域识别算法，其特征在于，步骤s2中所述不同地面是指.正常平坦地面、整体坡度向上的地面、整体坡度向下的地面、半坡度地面、特殊台阶地面。
3.如权利要求1所述的基于分块采样的机器人前方地面斜坡可行驶区域识别算法，其特征在于，步骤s4中，对于高出可行驶坡度平面一定阈值的点记为障碍物点，低于该可行驶坡度平面一定阈值的点记为凹陷点。
4.如权利要求1所述的基于分块采样的机器人前方地面斜坡可行驶区域识别算法，其特征在于，步骤s1中均匀采样是指在总n个点里通过均匀的收集第n个采样点来对点云的数量进行减少的操作。
5.如权利要求1所述的基于分块采样的机器人前方地面斜坡可行驶区域识别算法，其特征在于，步骤s1中，半径滤波的算法是遍历每个点，对于一个点给定的一个半径为r的球体，该球体内最少有a个点则保留...
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。