[发明专利]门槛检测方法、移动机器人及存储介质

权利要求书

1.一种门槛检测方法，应用于移动机器人，其特征在于，所述门槛检测方法包括：

获取点云数据；

对所述点云数据中的点数据进行平面拟合，得到至少两个点云识别面；

判断所述至少两个点云识别面中，是否存在目标点云识别面，其中，所述目标点云识别面距离所述移动机器人所处地面的高度小于或等于所述移动机器人的预设可跨越的最高高度；

当判断存在所述目标点云识别面时，根据所述目标点云识别面从所述至少两个点云识别面中获取门槛边缘点云识别面。

2.根据权利要求1所述的门槛检测方法，其特征在于，在所述对所述点云数据中的点数据进行平面拟合，得到至少两个点云识别面之前，还包括：

计算所述点云数据中的每个点数据在垂直所述移动机器人所处地面的方向上的坐标值；

根据所述坐标值，从所述点云数据中筛选出坐标值等于地面的坐标值的点数据，得到地面点云数据；

根据所述地面点云数据从所述点云数据中获取非地面点云数据。

3.根据权利要求2所述的门槛检测方法，其特征在于，所述对所述点云数据中的点数据进行平面拟合，得到至少两个点云识别面包括：

根据所述移动机器人的预设可识别高度，从所述非地面点云数据中筛选出所述坐标值大于所述预设可识别高度的点数据，得到第一点云数据，其中，所述第一点云数据为非门槛点云数据；

将所述第一点云数据从所述非地面点云数据中剔除，得到第二点云数据，其中，所述第二点云数据为包括坐标值小于所述预设可识别高度且不小于地面的坐标值的点数据的点云数据；

利用预设的平面模型对所述第二点云数据进行平面拟合处理，得到至少两个点云识别面。

4.根据权利要求3所述的门槛检测方法，其特征在于，所述判断所述至少两个点云识别面中，是否存在目标点云识别面包括：

计算各所述点云识别面的每个点数据在垂直所述地面的方向上的坐标值，并筛选所述坐标值中的最大坐标值和最小坐标值；

根据各点云识别面的最大坐标值和最小坐标值，确定各点云识别面的坐标区间；

判断各所述点云识别面的坐标区间与预设坐标区间是否存在重叠，其中，所述预设坐标区间的区间上限值等于所述最高高度，区间下限值等于所述地面的坐标值；

若是，则确定所述至少两个点云识别面中存在目标点云识别面，并提取各点云识别面中重叠部分的点数据，得到目标点云识别面；

若否，则确定所述至少两个点云识别面中不存在目标点云识别面。

5.根据权利要求1-4任一项所述的门槛检测方法，其特征在于，所述根据所述目标点云识别面从所述至少两个点云识别面中获取门槛边缘点云识别面包括：

根据所述目标点云识别面，对所述至少两个点云识别面中的每个点云识别面进行裁剪处理，得到至少两个目标面，其中所述裁剪处理为将不属于所述目标点云识别面的点数据从所述点云识别面中删除；

统计各所述目标面中的点数据的数量，并按照降序法对所述至少两个目标面进行排序，得到面序列；

计算各所述目标面的法向量，并确定各所述目标面的法向量与所述地面的法向量的相对角度关系；

判断各所述相对角度关系是否位于预设的角度范围内，得到判断结果；

根据所述判断结果，从所述至少两个目标面中确定门槛平面；

基于所述门槛平面，从所述至少两个目标面中获取门槛边缘点云识别面。

6.根据权利要求5所述的门槛检测方法，其特征在于，所述基于所述门槛平面，从所述至少两个目标面中获取门槛边缘点云识别面包括：

以所述门槛平面为分割平面，对所述至少两个目标面中除所述门槛平面之外目标面进行分割处理，得到下边缘点云识别面和上边缘点云识别面；

利用kd-tree近领域搜索算法，对所述下边缘点云识别面和所述上边缘点云识别面中的点数据进行近领域搜索，得到门槛边缘点云识别面。