[发明专利]一种障碍物识别方法及系统

说明书

本发明公开了一种障碍物识别方法，所述方法包括：获取行驶路线中周围环境的第一深度图像；对所述第一深度图像进行切割处理，得到行驶车道对应的第二深度图像；基于所述第二深度图像进行地面拟和，确定地面直线，并根据所述地面直线去除地面部分，获取没有地面部分的第三深度图像；对所述第三深度图像进行聚类分析，获取多个障碍物聚类点集，并确定每一个障碍物的位置信息。相应的，本发明还公开了障碍物识别系统。通过本发明，实时监测障碍物，能够更好地避开障碍物。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种障碍物识别方法及系统。

背景技术

随着科学技术的发展，机器人或者快递无人车得到越来越多的广泛应用。障碍物识别和避让成为机器人智能化的重要体现。随着各种机器人的不断研发，对其避障的要求也日益提高，现实环境往往都很复杂，并且实时变化，需要能够准确地识别出障碍物，并能够获取障碍物与机器人的距离。专利申请号为201510891318的基于Kinect传感器深度图机器人工作环境不确定性地图构建法的专利，其采用预存地面的方式进行地面检测的技术方案，该技术方案无法抗实时抖动，如果机器人在行驶过程中遇到斜坡等，也无法正常检测到地面。

因此，在机器人行驶过程中，如何实时监测地面和障碍物，成为急需解决的技术问题。

发明内容

基于此，本发明的目的在于提供一种障碍物识别方法及系统，实现了机器人运动过程中，对障碍物实时进行监测，从而能够更好地避开障碍物。

为实现上述目的，本发明提供了一种障碍物识别方法，所述方法包括：

S1、获取行驶路线中周围环境的第一深度图像；

S2、对所述第一深度图像进行切割处理，得到行驶车道对应的第二深度图像；

S3、基于所述第二深度图像进行地面拟和，确定地面直线，并根据所述地面直线去除地面部分，获取没有地面部分的第三深度图像；

S4、对所述第三深度图像进行聚类分析，获取多个障碍物聚类点集，并确定每一个障碍物的位置信息。

优选的，所述步骤S1还包括对所述第一深度图像的预处理步骤，所述预处理步骤包括：

根据双边滤波算法，对所述第一深度图像进行滤波处理，得到滤波后的第一深度图像；

从所述滤波后的第一深度图像的左上角的像素点开始逐行向右下角开始遍历，以每一个遍历的像素点为中心像素点；

将所述中心像素点的预设领域区域的各个像素点的深度值与该中心像素点的深度值做差值比较，若所述差值大于一预设差值阈值，则记录该像素点；

统计所述领域区域中所有的差值大于所述预设差值阈值的像素点的数量，并标记为所述中心像素点对应的像素点的数量；

若所述中心像素点对应的像素点的数量大于一预设数量时，所述中心像素点为飞行像素点，并将所述飞行像素点剔除。

优选的，所述步骤S2包括：

基于深度图转点云的计算方法，将所述第一深度图像转换为点云图；

对所述点云图分别进行x轴向行驶车道范围的切割、y轴向行驶高度范围的切割和z轴向检测范围的切割，得到切割后的点云图；

根据所述切割后的点云图，获取行驶车道对应的第二深度图像。

优选的，所述步骤S3包括：

S301、将所述第二深度图像转换为伪灰度图；

S302、将所述伪灰度图在图像的x轴方向进行灰度投影，生成对应的V伪灰度图；