[发明专利]基于点云数据的障碍物识别方法及装置

说明书

本发明实施例公开一种基于点云数据的障碍物识别方法及装置，其中方法包括如下步骤：将所获取的点云数据转到世界坐标系中，在世界坐标系中定义局部参照高度，采用预设划分精度的横纵网格将点云数据划分成横条点云数据和纵条点云数据，计算横条点云数据中的第一点云数据与第二点云数据之间的第一点云间隔值，当第一点云间隔值大于对应的局部参考高度时，将第二点云数据指示的点云坐标确定为突变坐标，并记该录突变坐标。采用本发明，可以标记点云中的微小障碍物，降低机器人行驶中的危险性。

技术领域

本发明涉及机器人自主导航避障技术领域，尤其涉及一种基于点云数据的障碍物识别方法及装置。

背景技术

在机器人的自主避障技术领域，机器人通过获取相应的点云数据，来识别障碍物，现有技术中，能够获取点云的传感器在不同程度上存在三大问题：一是传感器近距离盲区；二是传感器视野视角的限制；三是安装传感器带来的安装位置偏差。因此，在只借助此类传感器去识别和尝试避让障碍物的过程中，需要充分考虑以上三点问题带来的识别和避让误差，但往往上述误差转到“障碍物高度的维度”的数量级在厘米级，厘米级的误差带来的微小障碍物在机器人运行中的危险性不言而喻，故在此噪声系统中，去识别和标记“厘米级高度”的障碍物，是个值得讨论和优化的问题。

发明内容

本发明实施例提供一种基于点云数据的障碍物识别方法及装置，通过纵横网格对点云数据进行划分，再由远及近的遍历计算横轴上的点云数据之间的点云间隔，据此确定突变坐标，可以标记点云中的微小障碍物，降低机器人行驶中的危险性。

本发明实施例第一方面提供了一种基于点云数据的障碍物识别方法，可包括：

将所获取的点云数据转到世界坐标系中，在世界坐标系中定义局部参照高度；

采用预设划分精度的横纵网格将点云数据划分成横条点云数据和纵条点云数据；

计算横条点云数据中的第一点云数据与第二点云数据之间的第一点云间隔值；

当第一点云间隔值大于对应的局部参考高度时，将第二点云数据指示的点云坐标确定为突变坐标，并记录突变坐标；

其中，在横条点云数据中第一点云数据与机器人的距离小于第二点云数据与机器人的距离；突变坐标为点云数据中指示低矮障碍物坐标方位的坐标。

进一步的，上述方法还包括：

计算第一点云数据与第二点云数据之间存在的纵轴的轴线条数，纵轴为纵条点云数据组成的轴线；

将轴线条数与局部参照数据的乘积作为第一点云间隔值对应的局部参考高度。

进一步的，上述方法还包括：

在确定突变坐标后，若轴线条数大于预设条数阈值，则将第一点云数据与第二点云数据之间的纵轴间隔减半；

迭代遍历纵轴间隔减半后第一点云数据与第二点云数据之间第三点云数据，根据第一点云数据与第三点云数据之间的第二点云间隔值确定第三点云数据对应的点云坐标是否为突变坐标；

其中，第三点云数据为纵轴间隔减半后的第一点云数据与第二点云数据之间的所有纵轴对应的点云数据。

进一步的，上述方法还包括：

当第三点云数据对应的点云坐标为突变坐标，且第三点云数据与机器人的距离小于第二点云数据与机器人的距离时，记录第三点云数据对应的点云坐标，并删除之前记录的第二点云数据对应的点云坐标。

进一步的，上述方法还包括：

剔除横条点云数据中突变坐标对应的点云数据。

进一步的，上述方法还包括：

根据不同等级的障碍物划分范围确定突变坐标对应的障碍物类型。