[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

说明书

本发明公开一种基于TOF摄像头的障碍物分割处理方法及芯片，该障碍物分割处理方法包括：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。

技术领域

本发明涉及智能机器人测距的技术领域，特别是一种基于TOF摄像头的障碍物分割处理方法及芯片。

背景技术

TOF是飞行时间(Timeof Flight) 技术的缩写，即传感器发出经调制的近红外光，遇物体后反射，传感器通过计算光线发射和反射时间差或相位差，来换算被拍摄景物的距离，以产生深度信息。

现有技术从深度图像的目标物体的轮廓线（轮廓特征）中直接提取计算出深度信息，用于机器人的测距，但是经过图像分割处理出来的深度图像的目标物体的轮廓线与实际尺寸大小、形状存在误差，比如墙壁或家具的某一平行壁面在深度图像中的轮廓线不是平行的，小玩具或矮圆柱被采集获取的深度图像轮廓线的形状变化趋势与实际的不同，玩具的两侧较矮的小部件没有被分割提取出轮廓，还有些孤立的柱子的两侧原本没有物体贴合却被分割提取出多余的圆形轮廓。

导致机器人对障碍物的测距信息缺乏有效性，进而影响机器人的避障效果。

发明内容

为了给机器人提供更加有效的障碍物测距信息，保证机器人的避障效果，本发明提供以下技术方案：

一种基于TOF摄像头的障碍物分割处理方法，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落在机器人的机身直径的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；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。

与现有技术相比，本技术方案将目标障碍物的轮廓按照机身水平宽度等间距切分为五等份，并根据目标障碍物的识别类型适应性地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，从而在TOF摄像头采集的深度图像的轮廓线不完整的状态下，仍能保证机器人对障碍物的测距信息的有效性，提高机器人的避障效果。

进一步地，所述根据目标障碍物的识别类型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。从而克服墙壁或家具的某一平行壁面在深度图像中的轮廓线不是平行而产生的深度数据误差问题，获取表征机器人与墙体等具有平行挡面的障碍物的最佳距离、机器人与空间分隔类型的障碍物之间具备代表性的距离。