[发明专利]一种适用于复杂场景的机器人目标主动避障方法

权利要求书

1.一种适用于复杂场景的机器人目标主动避障方法，其特征在于，包括以下步骤：

1)目标检测与分割，具体实现方法如下：

首先采用深度传感器Kinect对目标进行成像，获得光学图像x_v和对应的深度图像x_d；对于光学图像x_v，采用Mask-RCNN算法检测图像中包含的所有物体o_i,i＝1,2,…,N，N表示图像中的物体总数，并采用包围盒对其进行标记，物体o_i对应的包围盒为b_i；同时，对于包围盒b_i中的物体o_i，对其进行分割，得到物体的像素级表示s_i，像素级s_i中的每一个像素点均表示该点来自于物体o_i，像素级s_i以外的像素点均来自于背景区域；

对于每一个包围盒b_i内的物体分割s_i，结合深度图像x_d，计算其中每一像素点对应图像位置的深度信息，对所有像素点的深度信息取平均，得到当前物体与相机的相对距离d(o_i)：

其中，|s_i|表示s_i中所包含的像素点数目，k表示s_i中的每一个像素，d(k)表示像素k所对应图像位置下的深度信息；

2)目标位置关系估计；

3)路径规划。

2.根据权利要求1所述的一种适用于复杂场景的机器人目标主动避障方法，其特征在于，步骤2)的具体实现方法如下：

根据检测出的物体包围盒及其深度信息，得到当前相机视场内各物体的空间位置分布；以相机的光心作为圆心，光轴方向作为Z轴建立直角坐标系，X轴、Y轴分别与相机成像平面的水平和竖直方向平行；对于物体o_i，其包围盒b_i的尺寸和位置决定了其在XY平面内的坐标，其深度信息d(o_i)决定了其在Z轴上坐标，因此可得o_i在相机坐标系下的三维位置；将世界坐标系定义为与相机坐标系重合，得到各物体在世界坐标系下的位置。

3.根据权利要求2所述的一种适用于复杂场景的机器人目标主动避障方法，其特征在于，步骤3)的具体实现方法如下：

为了便于描述目标移动过程中相机相对于目标的位置，采用极坐标定义目标坐标系，其中，目标与相机的连线，且指向相机的方向定义为X轴，相机在以目标为球心、半径为R的半球状区域的表面移动，对于表面上的任意一点，其与目标的连线在水平面上的投影与X轴的夹角定义为旋转角，与目标的连线与水平面上投影直线的夹角定义为高低角，如此，旋转角和高低角唯一确定了相机在半球状区域上的位置。

4.根据权利要求3所述的一种适用于复杂场景的机器人目标主动避障方法，其特征在于，步骤3)的具体实现步骤如下：

3.1)旋转方向选取

在平面内，以目标中心为圆心，以R为半径形成圆形表示，将圆以18°间隔进行20等分，对于每一扇形区域，判断是否有其他目标落入其中，若有目标落入其中，该扇形区域的标识设为1，否则设为0；依次完成20个扇形区域的遍历，形成20维的向量表示；

其中，扇形区域的值为0表明该扇形区域不存在其他目标物体，若相机沿该扇形 区域的角平分线方向对目标进行成像，则不存在遮挡的情况；对于向量表示中0值分布越集中的扇形区域，沿该扇形区域角平分线方向的成像结果中存在遮挡干扰的概率越低；因此，选择向量表示中连续出现0值最多的区域，将该区域的角平分线方向与当前相机观测方向的夹角作为相机的旋转角度θ；

3.2)移动方向距离选取

对于目标物体o_k，其余的障碍物表示为o_i,i＝1,2,…,k-1,k+1,…,N；对于每一个障碍物o_i，其最优的相机移动方向定义为：

其中，x_k,y_k表示物体o_k对应包围盒的几何中心坐标，x_i,y_i表示障碍物o_i对应包围盒的几何中心坐标，h_i,w_i表示障碍物o_i对应包围盒的高度和宽度，ε表示一个极小值，定义为0.001，IoU(o_k,o_i)表示o_k与o_i的交并比，|o_k∩o_i|表示o_k与o_i交集的面积，|o_k∪o_i|表示o_k与o_i并集的面积；

将各障碍物确定的移动方向叠加，得到相机的移动方向：

进一步，相机移动位置的高低角由下式计算：

φ＝arctan(v_c)

根据上述结果，相机移动至目标坐标系下旋转角为θ，高低角为φ的位置，并指向目标方向；在此观测位置下对目标重新进行成像，能够避开障碍物的遮挡，进而取得更好的目标成像效果。