[发明专利]一种基于TOF摄像头的障碍物分割处理方法及芯片

权利要求书

1.一种基于TOF摄像头的障碍物分割处理方法，其特征在于，包括：

从TOF摄像头当前采集的目标障碍物的深度图像中提取出目标障碍物的实际物理轮廓模型；

将目标障碍物的实际物理轮廓模型在机器人的机身直径的水平投影范围内的部分等间距切分为五等份的行进距离区域；

根据目标障碍物的识别类型，适应性地利用统计运算的方式处理前述五等份的行进距离区域内测得的深度信息，以获取最大避障行走距离，使得机器人从当前位置开始，沿着当前行走方向行走的距离不超出所述最大避障行走距离；

其中，所述障碍物切分方法的执行主体是机身前端装配有TOF摄像头的机器人，目标障碍物是在TOF摄像头当前的视场区域内。

2.根据权利要求1所述障碍物分割处理方法，其特征在于，所述根据目标障碍物的识别类型，适应性地利用统计运算的方式处理前述五等份的行进距离区域内测得的深度信息，以获取最大避障行走距离的方法包括：

当所述目标障碍物识别分类为墙类型障碍物或门槛类型障碍物时，从等间距切分得到的每一等份的行进距离区域内选择出最佳深度，再对这五等份的行进距离区域内的最佳深度求取平均值，再把这一平均值确定为平行面的最大避障行走距离。

3.根据权利要求1所述障碍物分割处理方法，其特征在于，所述根据目标障碍物的识别类型，适应性地利用统计运算的方式处理前述五等份的行进距离区域内测得的深度信息，以获取最大避障行走距离的方法还包括：

当所述目标障碍物识别分类为玩具类型障碍物时，从等间距切分得到的每一等份的行进距离区域内选择出最佳深度，再对这五等份的行进距离区域内的最佳深度进行加权平均运算，再把加权平均的结果确定为玩具的最大避障行走距离；

其中，行进距离区域内的最佳深度越小，其配置的权重越大；行进距离区域内的最佳深度越大，其配置的权重越小。

4.根据权利要求1所述障碍物分割处理方法，其特征在于，所述根据目标障碍物的识别类型，适应性地利用统计运算的方式处理前述五等份的行进距离区域内测得的深度信息，以获取最大避障行走距离的方法还包括：

当所述目标障碍物识别分类为电线类型障碍物时，从等间距切分得到的每一等份的行进距离区域内选择出最佳深度，再从这五等份的行进距离区域内选择数值最小的最佳深度，确定为电线的最大避障行走距离。

5.根据权利要求1至4任一项所述障碍物分割处理方法，其特征在于，每一等份的行进距离区域内的最佳深度是：对应等份的行进距离区域内所有测得的深度值的平均值、或这些深度值的中位数、或对应一等份的行进距离区域的右侧切分点处的深度值、或对应一等份的行进距离区域的左侧切分点处的深度值。

6.根据权利要求5所述障碍物分割处理方法，其特征在于，当所述最大避障行走距离为安全门限值时，控制机器人执行减速避障或减速绕障，或触发碰撞警告信号；

其中，安全门限值是机器人从当前速度减速为零时不碰触所述目标障碍物所行走的距离，并因所述目标障碍物的类型的变化而改变。

7.根据权利要求5所述障碍物分割处理方法，其特征在于，所述目标障碍物的实际物理轮廓模型的提取方法包括：

对TOF摄像头当前采集的目标障碍物的深度图像进行滤波处理和连通域分析，以分割出所述目标障碍物的图像轮廓，并确定出所述目标障碍物的图像轮廓的深度信息；

再结合所述目标障碍物的图像轮廓的深度信息和所述TOF摄像头的内外参数，利用三角原理，将所述目标障碍物的图像轮廓由所述TOF摄像头的成像平面转换为世界坐标系下的所述目标障碍物的实际物理轮廓模型。

8.根据权利要求7所述障碍物分割处理方法，其特征在于，所述目标障碍物的实际物理轮廓模型包括：在TOF摄像头的视场区域内，所述目标障碍物的最左侧与机器人的机体中心的水平距离、所述目标障碍物的最右侧与机器人的机体中心的水平距离、所述目标障碍物的纵向高度信息；

其中，TOF摄像头的视场区域是TOF摄像头的有效测距范围和TOF摄像头的视角范围的重叠区域。