【技术实现步骤摘要】
本专利技术涉及大数据处理领域，尤其涉及基于三维点云的障碍物检测方法、装置、介质及设备。
技术介绍
1、自主移动机器人是指具有自主寻找路径并行走能力的机器人，其通过激光雷达采集激光点云来区分行走过程中的障碍物和地面。现有技术主要采用平面拟合的方法来进行障碍区判断。通过对点云的高度进行排序，选取高度值较小的点云作为种子点；在获取种子点后，通过奇异值分解得到地面法向量，并最终求得地面方程的截距。根据点云分割的障碍物的上限阈值和下限阈值，获取点云的障碍物类型。
2、然而，现有技术在选取种子点的过程中，通过选取一定数量的点云进行排序，取其高度平均值作为种子点高度，如果地面点较少，而上凸或下凹障碍物点较多，则会导致最终拟合出的平面高于或低于实际的地面，误将障碍物识别为地面。此外，单一的平面拟合对于一些有坡度的地面的拟合效果达不到预期要求，准确度较低。
技术实现思路
1、本专利技术实施例提供了一种基于三维点云的障碍物检测方法、装置、介质及设备，以解决现有技术采用平面拟合方法检测障碍物时存在的点云数量要求高、识别准确度和鲁棒性低的问题。
2、一种基于三维点云的障碍物检测方法，所述方法包括：
3、获取待检测的三维点云数据；
4、将所述三维点云数据划分为若干个扇形区域，并投影到预设的二维平面，得到对应的平面点云；
5、根据每一个扇形区域对应的平面点云进行直线拟合，得到所述扇形区域对应的至少一个分段直线；
6、根据所述扇形区域对应的
7、可选地，所述获取待检测的三维点云数据包括：
8、获取机器人上的深度相机采集到的原始三维点云；
9、按照最大检测距离阈值对所述原始三维点云进行边缘切割，得到待处理的三维点云；
10、对所述待处理的三维点云进行体素滤波降采样处理，得到待检测的三维点云数据。
11、可选地，所述将所述三维点云数据划分为若干个扇形区域，并投影到预设的二维平面，得到对应的平面点云包括：
12、以深度相机作为圆柱坐标系的原点，按照预设角度等间隔划分若干个扇形区域；
13、将每个扇形区域按照预设宽度等间隔划分为若干个扇环区域；
14、遍历每一个扇形区域，将所述扇形区域中的三维点云数据从三维坐标系转换为圆柱坐标系，然后降维投影到所述二维平面上，得到对应的平面点云。
15、可选地，所述将所述扇形区域中的三维点云数据从三维坐标系转换为圆柱坐标系，然后降维投影到所述二维平面上，得到对应的平面点云包括：
16、对于每一个三维点，根据所述三维点在三维坐标系下的横轴坐标和纵轴坐标计算所述三维点相对于深度相机的距离信息；
17、根据所述距离信息和三维点的竖轴坐标将所述三维点投影到所述二维平面上，得到对应的平面点云；
18、其中，在所述平面点云中每一个三维点的坐标为p′i(d,z)，z表示三维点的竖轴坐标，所述距离信息x表示三维点在三维坐标系中的横轴坐标，y表示三维点在三维坐标系中的纵轴坐标。
19、可选地，所述根据每一个扇形区域对应的平面点云进行直线拟合，得到所述扇形区域对应的至少一个分段直线包括：
20、对于每一个扇形区域，从每个扇环区域对应的平面点云中获取竖轴坐标最小的平面点作为所述扇环区域对应的待拟合点；
21、对相邻的两个扇环区域对应的待拟合点进行直线拟合，得到直线方程；
22、根据所述扇形区域内的平面点云计算所述直线方程的均方根误差；
23、若所述均方根误差小于预设的误差阈值时，保留所述直线方程。
24、可选地，所述根据所述扇形区域对应的至少一个分段直线获取地面点和障碍点包括：
25、对于所述扇形区域中的每一个平面点，遍历所述扇形区域内的所有直线方程，获取所述平面点所落入的待拟合点区间及其对应的直线方程；
26、计算所述平面点与所述直线方程在竖轴方向上的竖轴距离；
27、当所述竖轴距离小于预设的距离阈值，且所述直线方程的截距大于第一截距阈值小于第二截距阈值时，则所述平面点对应的三维点为地面点，其中所述第一截距阈值小于所述第二截距阈值；
28、当所述竖轴距离小于预设的距离阈值，且所述直线方程的截距小于第一截距阈值时，则所述平面点对应的三维点为下凹障碍点；
29、当所述竖轴距离大于预设的距离阈值，则所述平面点对应的三维点为上凸障碍点。
30、可选地，所述计算所述平面点与所述直线方程在竖轴方向上的竖轴距离包括：
31、根据平面点的距离信息，计算直线方程对应到平面点时的竖轴预测值；
32、获取所述平面点的竖轴坐标与所述竖轴预测值之间的差值，作为所述平面点与所述直线方程在竖轴方向上的竖轴距离。
33、一种基于三维点云的障碍物检测装置，所述装置包括：
34、获取模块，用于获取待检测的三维点云数据；
35、投影模块，用于将所述三维点云数据划分为若干个扇形区域，并投影到预设的二维平面，得到对应的平面点云；
36、拟合模块，用于根据每一个扇形区域对应的平面点云进行直线拟合，得到所述扇形区域对应的至少一个分段直线；
37、检测模块，用于根据所述扇形区域对应的至少一个分段直线获取地面点和障碍点，遍历所述扇形区域得到所有的障碍点。
38、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的基于三维点云的障碍物检测方法。
39、一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的基于三维点云的障碍物检测方法。
40、本专利技术实施例通过获取待检测的三维点云数据；将所述三维点云数据划分为若干个扇形区域，并投影到二维平面，得到对应的平面点云；根据每一个扇形区域内的平面点云进行直线拟合，得到所述扇形区域对应的至少一个分段直线；根据所述扇形区域对应的至少一个分段直线获取地面点和障碍点，遍历所述扇形区域得到所述三维点云数据中的所有的障碍点。通过将三维点云降维到二维平面进行直线拟合，降低了对点云的数量要求，提高了障碍物识别的鲁棒性，有效地弥补了在机器人导航过程中激光雷达存在的盲区；且相对于单一的平面拟合方式准确性更高。
本文档来自技高网...【技术保护点】
1.一种基于三维点云的障碍物检测方法，其特征在于，包括：
2.如权利要求1所述的基于三维点云的障碍物检测方法，其特征在于，所述获取待检测的三维点云数据包括：
3.如权利要求1或2所述的基于三维点云的障碍物检测方法，其特征在于，所述将所述三维点云数据划分为若干个扇形区域，并投影到预设的二维平面，得到对应的平面点云包括：
4.如权利要求3所述的基于三维点云的障碍物检测方法，其特征在于，所述将所述扇形区域中的三维点云数据从三维坐标系转换为圆柱坐标系，然后降维投影到所述二维平面上，得到对应的平面点云包括：
5.如权利要求4所述的基于三维点云的障碍物检测方法，其特征在于，所述根据每一个扇形区域对应的平面点云进行直线拟合，得到所述扇形区域对应的至少一个分段直线包括：
6.如权利要求5所述的基于三维点云的障碍物检测方法，其特征在于，所述根据所述扇形区域对应的至少一个分段直线获取地面点和障碍点包括：
7.如权利要求6所述的基于三维点云的障碍物检测方法，其特征在于，所述计算所述平面点与所述直线方程在竖轴方向上的竖轴距离包括：<...
【技术特征摘要】
1.一种基于三维点云的障碍物检测方法，其特征在于，包括：
2.如权利要求1所述的基于三维点云的障碍物检测方法，其特征在于，所述获取待检测的三维点云数据包括：
3.如权利要求1或2所述的基于三维点云的障碍物检测方法，其特征在于，所述将所述三维点云数据划分为若干个扇形区域，并投影到预设的二维平面，得到对应的平面点云包括：
4.如权利要求3所述的基于三维点云的障碍物检测方法，其特征在于，所述将所述扇形区域中的三维点云数据从三维坐标系转换为圆柱坐标系，然后降维投影到所述二维平面上，得到对应的平面点云包括：
5.如权利要求4所述的基于三维点云的障碍物检测方法，其特征在于，所述根据每一个扇形区域对应的平面点云进行直线拟合，得到所述扇形区域对应的至少一个分段直线包括：
6.如权利要...
【专利技术属性】
技术研发人员：杨昆，柏林，刘彪，舒海燕，袁添厦，祝涛剑，沈创芸，王恒华，方映峰，
申请(专利权)人：广州高新兴机器人有限公司，
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。