[发明专利]一种基于局部地图的优化方法及视觉机器人

说明书

本发明公开一种基于局部地图的优化方法及视觉机器人，该优化方法使用预设目标平面区域上分布的多个检测块来记录局部地图的点云数据，实现以三维直方图的形式去描述出不同高度位置的点云，即将局部地图以当前位置的摄像头视角范围内的三维直方图的形式分布，方便使用点云在不同检测块的三维区域分布特征去除杂散点，只允许局部地图中保留下用于精准定位的最大高度和合理分布的点云，提高地图优化方法在过近过远障碍物场景的适应性，显著降低超近距离下的障碍物点云位置的误判概率。

技术领域

本发明涉及局部点云地图的技术领域，特别是一种基于局部地图的优化方法及视觉机器人。

背景技术

3d-tof技术可以在有效范围内进行三维点云地图还原。局部地图在单目及双目视觉中有广泛应用。3d-tof现在尚存的问题是：3d-tof因为无法完全的获得较为精准的深度值，误差普遍偏大，基于单帧的深度数据分析并不能有效的去除掉深度图像中的离散点；同时，3d-tof摄像头的有效范围是处于适中距离，过近过远时深度值都会出现明显误差，使得基于单帧的深度数据分析并不能有效的识别出超近距离下的障碍物。

中国专利CN110031825A公开的激光定位初始化方法，通过较大范围内的直方图存储激光采样点云数据的高度，但这一激光定位初始化方法依然解决不了上述深度图像存在的识别精度问题。

发明内容

本发明公开一种基于局部地图的优化方法及视觉机器人，以解决掉深度图像中的杂散点过滤问题，减少3d-tof摄像头采集的点云误判的现象。具体技术方案如下：

一种基于局部地图的优化方法，该优化方法包括：步骤1、控制移动机器人的3d-tof摄像头在移动过程中保持采集深度图像的预设有效特征点，再控制这些预设有效特征点进行坐标系转换成为局部地图的点云，然后进入步骤2；其中，步骤1采集的深度图像是移动机器人的3d-tof摄像头在不同方位角度区域采集到的；步骤2、在移动机器人的3d-tof摄像头的当前视角范围内，设置一个位于水平地面的预设目标平面区域，并在这个预设目标平面区域设置与其匹配的检测块，以使得预设目标平面区域全部被预设数量的检测块平均划分占据；然后进入步骤3；其中，局部地图的覆盖范围包括预设目标平面区域；预设数量的检测块都是设置在预设目标平面区域的正上方；3d-tof摄像头的当前视角范围是：移动机器人的3d-tof摄像头在当前位置下的视角范围；步骤3、根据点云落入各个检测块的情况，分别记录各个检测块内分布的点云的高度，使得局部地图的点云以三维直方图的形式标记在预设目标平面区域的正上方；然后进入步骤4；步骤4、判断检测块内分布的点云是否呈现离散分布状态，是则剔除这个检测块分布的点云，然后进入步骤5；否则直接进入步骤5；步骤5、分别判断每一列的检测块中是否记录有高度最大的点云，是则沿着远离3d-tof摄像头的方向，将对应一列检测块中的高度最大的点云所属检测块的后方的检测块所分布的点云都剔除，否则不做处理；其中，每一列检测块都是沿着3d-tof摄像头的光轴方向排列设置在预设目标平面区域的正上方；远离3d-tof摄像头的方向是指向移动机器人的机体前方。

与现有技术相比，该技术方案使用预设目标平面区域上分布的多个检测块来记录局部地图的点云数据，实现以三维直方图的形式去描述出不同高度位置的点云，即将局部地图以当前位置的摄像头视角范围内的三维直方图的形式分布，方便使用点云在不同检测块的三维区域分布特征去除杂散点，只允许局部地图中保留下用于精准定位的最大高度和合理分布的点云，实现对局部地图的点云数据的过滤优化，提高地图优化方法在过近过远障碍物场景的适应性，显著降低超近距离下的障碍物实际位置的误判概率。

进一步地，所述步骤4具体包括：当判断到所述检测块内分布的点云的数量小于定位数目阈值，则将这个检测块分布的点云剔除，然后进入步骤5；否则直接进入步骤5；其中，这个定位数目阈值用于描述所述离散分布状态；和/或，当判断是否存在一个检测块的邻域都没有分布有点云，是则剔除这个检测块内分布的点云，然后进入步骤5；否则直接进入步骤5。减少过于离散分布的点云对识别定位障碍物带来的噪声干扰，尤其是过远障碍物带来的定位误差问题，进而提高过近障碍物识别的准确性。