【技术实现步骤摘要】
本申请涉及视觉检测的，具体涉及用于机器人行走的沿边轮廓获取方法。
技术介绍
1、现有技术的移动机器人采用具有矩形框的图像识别技术进行物体定位和避障，其提取轮廓操作往往集中资源区分矩形框的内外边缘、处理矩形框的边角对于直线的拟合精度等，但是没有适应地面障碍物的实际形状和大小，若地面分布电线、长条类物体等地面障碍物，则移动机器人采用前述具有矩形框的图像识别技术无法正确定位到该地面障碍物，导致移动机器人在实际导航过程中无法正确避障，从而在地面区域产生遗漏区域或频繁碰撞上地面障碍物，降低移动机器人的地面环境避障能力。
技术实现思路
1、本申请公开用于机器人行走的沿边轮廓获取方法，具体的技术方案如下：
2、用于机器人行走的沿边轮廓获取方法，包括以下步骤：步骤a、通过目标检测模型对机器人采集的图像进行处理，获得目标框以及目标框所包围的障碍物的类别信息，再执行步骤b；步骤b、基于目标框对机器人采集的图像进行图像形态处理，获得二值化图像，再执行步骤c；步骤c、基于二值化图像提取对应类别的障碍物的轮廓点，再基于面积阈值从已提取的轮廓点中排除无效点，再执行步骤d；其中，面积阈值是预先按照目标框所包围的障碍物的类别信息设置；步骤d、在目标框所框定的与机器人行走面最近的候选区域内，从排除无效点后的轮廓点当中提取出有效轮廓点，再执行步骤e；步骤e、对有效轮廓点进行回归拟合处理，并引入r方进行评分，获得评分值；再根据评分值选择所述与机器人行走面最近的候选区域在所述目标框中占据的边界或回归拟合处理所
3、与现有技术相比，本申请公开的沿边轮廓获取方法，基于目标框所框定的与机器人行走面最近的候选区域内精确获取障碍物轮廓和排除噪声轮廓信息，还通过引入回归方法设计新的评价指标，根据评估分值选择所述与机器人行走面最近的候选区域在所述目标框中占据的边界或回归拟合处理所产生的拟合线作为沿边轮廓，应用在复杂障碍物尤其是电线、长条类物体的地面避障场景中，能够解决复杂轮廓难以评估的问题，提高轮廓提取的鲁棒性；因此，机器人在避障操作过程中，减少因为障碍物轮廓提取不偏向于拟合行走面分布的障碍物的轮廓或不专门框定行走面分布的障碍物的轮廓而遗漏地面障碍物分布区域和可沿边通行区域。
4、进一步地，在所述步骤e中，所述根据评分值选择所述与机器人行走面最近的候选区域在所述目标框内占据的边界或回归拟合处理所产生的拟合线作为沿边轮廓的方法包括：判断评分值是否低于预先设置的拟合度阈值；判断到评分值低于预先设置的拟合度阈值时，选择所述与机器人行走面最近的候选区域在所述目标框内占据的边界作为沿边轮廓；其中，所述与机器人行走面最近的候选区域在所述目标框内占据的边界包括目标框中与机器人行走面最近的边界；在所述与机器人行走面最近的候选区域内划分出一个相对大的避障视野。
5、判断到评分值高于或等于预先设置的拟合度阈值时，选择回归拟合处理所产生的拟合线作为沿边轮廓。足以拟合出连续可靠的轮廓线，可以利用拟合线的参数调整机器人的位姿，纠正机器人沿着所述目标框所包围的障碍物轮廓行走的方式。
6、进一步地，在所述步骤e中，对有效轮廓点进行回归拟合处理，并引入r方进行评分的方法包括：对有效轮廓点进行回归拟合处理，获得轮廓拟合回归模型；控制数值1减去残差平方和与总平方和之间的比值，再将得到的差值记为评分值；其中，残差平方和是轮廓拟合回归模型的模型预测值与实际观测值之间的差异的平方和；总平方和是轮廓拟合回归模型的因变量均值与实际观测值之间的差异的平方和；其中，轮廓拟合回归模型是多项式拟合回归方程，使轮廓拟合回归模型表示回归拟合处理所产生的拟合线。对于同一有效轮廓点集，较高的评分值表示观测数据与拟合值之间的差异较小。从而判断到评分值高于或等于预先设置的拟合度阈值时，选择回归拟合处理所产生的拟合线作为沿边轮廓，也证明步骤d提取的所有有效轮廓点成为拟合目标框所包围的障碍物轮廓的最优轮廓点集。
7、进一步地，在所述步骤d中，在目标框所框定的与机器人行走面最近的候选区域内，从排除无效点后的轮廓点当中提取出有效轮廓点的方法包括：将目标框所框定的与机器人行走面最近的候选区域记为待提取图像区域；其中，待提取图像区域是目标框所框定的区域内，位于目标框的参考功能线以下的区域；参考功能线是位于目标框的上边界与目标框的下边界之间，目标框的下边界是目标框中与机器人行走面最近的边界；沿着与机器人行走面平行的方向，从待提取图像区域中划分出预设数量个目标区间；在排除无效点后的轮廓点当中，在每个目标区间内分别提取出与该目标区间的下边界最近的一个轮廓点，并将从目标区间内提取出的轮廓点记为有效轮廓点，累计获得预设数量个有效轮廓点；其中，一个目标区间的下边界是一个目标区间中与机器人行走面最近的边界。因此，本申请根据步骤a获得的目标框所包围的障碍物的类别信息设置对应的预设数量进行目标区间的划分，所以机器人能够按照预设数量个目标区间将所述目标框所包围的障碍物在待提取图像区域内的部分进行合理数量的区域划分，实现在障碍物靠近机器人行走面的区域中划分出预设数量个目标区间，并从各个目标区间内分别提取出距离机器人行走面最近的轮廓点以组成后续需要拟合的轮廓点集，为回归拟合处理提供靠近机器人行走面且能够表征地面障碍物边缘的轮廓点。
8、进一步地，所述步骤b中，基于目标框对机器人采集的图像进行图像形态处理的方法具体包括：对目标框进行扩展和回缩，并对扩展的目标框所框定的区域进行灰度转化、边缘检测和形态学去噪；然后对扩展的目标框进行回缩，然后将回缩后的目标框所在的图像设置为所述二值化图像；其中，扩展之前的目标框是包围一种类别的障碍物轮廓的外接多边形。从而在目标框扩展和回缩的过程中通过灰度转化、边缘检测和形态学去噪实现检测障碍物中完整且连续的轮廓。
9、进一步地，在所述步骤b中，对目标框进行扩展和回缩的过程中，包括：将目标框指向机器人行走面的方向设置为第一预设扩展方向，再将第一预设扩展方向的反方向以及第一预设扩展方向的垂直方向均设置为第二预设扩展方向；控制目标框朝着第一预设扩展方向扩展第一预设比例，同时控制目标框朝着本文档来自技高网...
【技术保护点】
1.用于机器人行走的沿边轮廓获取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述沿边轮廓获取方法，其特征在于，在所述步骤E中，所述根据评分值选择所述与机器人行走面最近的候选区域在所述目标框内占据的边界或回归拟合处理所产生的拟合线作为沿边轮廓的方法包括：
3.根据权利要求2所述沿边轮廓获取方法，其特征在于，在所述步骤E中，对有效轮廓点进行回归拟合处理，并引入R方进行评分的方法包括：
4.根据权利要求2所述沿边轮廓获取方法，其特征在于，在所述步骤D中，在目标框所框定的与机器人行走面最近的候选区域内，从排除无效点后的轮廓点当中提取出有效轮廓点的方法包括：
5.根据权利要求4所述沿边轮廓获取方法，其特征在于，所述步骤B中，基于目标框对机器人采集的图像进行图像形态处理的方法具体包括：
6.根据权利要求5所述沿边轮廓获取方法，其特征在于，在所述步骤B中，对目标框进行扩展和回缩的过程中，包括：
7.根据权利要求6所述沿边轮廓获取方法，其特征在于，所述目标框是矩形框；
8.根据权利要求6所述沿边轮廓获取方
9.根据权利要求4所述沿边轮廓获取方法，其特征在于，在所述步骤C中，基于二值化图像提取对应类别的障碍物的轮廓点的方法包括：
10.根据权利要求9所述沿边轮廓获取方法，其特征在于，所述步骤B中检测出的各个轮廓点被配置为依次连成多条封闭轮廓线的情况下，若存在一条封闭轮廓线包含在另一条封闭轮廓线的内部，则将所述一条封闭轮廓线设置为所述另一条封闭轮廓线的子轮廓，以构成多层级轮廓结构；
11.根据权利要求10所述沿边轮廓获取方法，其特征在于，在所述步骤C中，所述基于面积阈值从已提取的轮廓点中排除无效点的方法包括：
12.根据权利要求1所述沿边轮廓获取方法，其特征在于，所述步骤A通过目标检测模型对机器人采集的图像进行处理后，若在单帧图像中获得多个目标框，则将包围距离机器人最近的障碍物的目标框设置为步骤A所获得的目标框，并获得目标框所包围的距离机器人最近的障碍物的类别信息。
...【技术特征摘要】
1.用于机器人行走的沿边轮廓获取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述沿边轮廓获取方法，其特征在于，在所述步骤e中，所述根据评分值选择所述与机器人行走面最近的候选区域在所述目标框内占据的边界或回归拟合处理所产生的拟合线作为沿边轮廓的方法包括：
3.根据权利要求2所述沿边轮廓获取方法，其特征在于，在所述步骤e中，对有效轮廓点进行回归拟合处理，并引入r方进行评分的方法包括：
4.根据权利要求2所述沿边轮廓获取方法，其特征在于，在所述步骤d中，在目标框所框定的与机器人行走面最近的候选区域内，从排除无效点后的轮廓点当中提取出有效轮廓点的方法包括：
5.根据权利要求4所述沿边轮廓获取方法，其特征在于，所述步骤b中，基于目标框对机器人采集的图像进行图像形态处理的方法具体包括：
6.根据权利要求5所述沿边轮廓获取方法，其特征在于，在所述步骤b中，对目标框进行扩展和回缩的过程中，包括：
7.根据权利要求6所述沿边轮廓获取方法，其特征在于，所述目标框是矩形框；
【专利技术属性】
技术研发人员：怀国威，王文卓，黄惠保，周和文，孙永强，
申请(专利权)人：珠海一微半导体股份有限公司，
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。