[发明专利]一种深度相机与单线激光雷达融合的移动机器人避障方法

说明书

本发明涉及一种深度相机与单线激光雷达融合的移动机器人避障方法，包括以下步骤：（1）对深度相机与单线激光雷达进行联合标定；（2）深度图像预处理及裁剪；（3）判断预处理后的深度图像是否需要与激光雷达进行数据融合；（4）使用贝叶斯估计法进行栅格地图融合；（5）使用局部避障算法进行避障。本发明弥补了使用单个深度相机只能获得前方视野范围内的区域不能获得后面和左右两侧环境数据的缺陷，并通过对深度图像进行预处理及裁剪大幅减少了需要计算的深度图像数据，有效加快了避障的数据处理速度。

技术领域

本发明属于机器人领域，具体涉及一种深度相机与单线激光雷达融合的移动机器人避障方法。

背景技术

移动机器人能够代替人类从事一些服务性和带有危险性的工作，已被应用于娱乐、医疗、救援等多个领域。移动机器人时常工作在未知的动态环境下，在移动过程中会遇到各种各样的障碍物；面对复杂的工作环境，有效的避障技术是移动机器人导航的基础，能够有效识别并快速躲避障碍物是完成目标任务的关键。

在实际环境中，使用单一的传感器检测障碍物存在局限性，传感器的安装位置、安装角度等因素都会对避障能力产生影响，对异形障碍物，如中空的桌子、桌边角、伸出的杆子、下部中空的门等等检测能力有限，无法判断出障碍物的具体位置。常用的单线激光雷达只能检测出与其安装位置位于同一水平面的障碍物，而不能检测到架空的障碍物。三维激光雷达可以检测出立体空间的障碍物，但其价格昂贵且处理三维激光雷达获得的三维点云数据会耗费大量的计算资源。深度相机也可以检测出立体空间的障碍物且价格低廉，但使用单个深度相机只能检测出相机前方一小片区域，不能实时检测左右两侧及后面的区域，存在检测角度范围小的缺陷。

申请号为CN201910454798.X的专利公开了一种激光和视觉融合的避障方法，主要采用YOLO目标检测网络对有限类别的特定障碍物进行检测，但该方法在检测障碍物的时候，只能框选到数据集中已有的障碍物，无法实现在复杂场景下数据集中未知障碍物的检测。

申请号为202010829113.8的专利公开了一种使用基于强化学习的3D避障导航系统及方法，主要使用RGB-D相机作为感知模块，在动态环境下使用基于深度强化学习的局部避障。由于RGB-D相机只能识别出前方区域的障碍物信息，所以该方法不能使机器人对左右两侧突然出现的行人进行避让。

发明内容

为了解决移动机器人难以有效避开周围行人及架空障碍物的问题，本发明提出了一种深度相机与单线激光雷达融合的机器人避障方法，该方法使用的传感器比三维激光雷达成本更低，并且弥补了使用单个深度相机只获得前方视野范围内的区域而不能获得后面和左右两侧环境数据的缺陷；将深度相机获取的深度图像经过裁剪和预处理后，通过判断裁剪出的区域范围内是否存在深度相机获取的数据信息所生成的点云数据，若存在则将深度相机获取的数据与激光雷达数据相融合，若不存在则不进行融合，从而大幅减少了需要处理的深度图像数据，提高了避障的计算速度。所述方法包括以下步骤：

(1)对深度相机与单线激光雷达进行联合标定

(1-1)单线激光雷达与深度相机所使用的坐标系不相同，因此需要对它们进行联合标定。本发明先使用张正友提出的棋盘格标定法对深度相机进行标定得到深度相机的内参矩阵和外参矩阵，然后按式(1)和(2)将深度相机坐标系转换到移动机器人本体坐标系：

其中，u、v分别为深度图像中各个像素点的行列号，cx、cy分别为深度图像中心坐标，d表示深度图像中各个像素点的深度距离，f_x、f_y分别为深度相机水平、垂直方向的焦距，R为旋转矩阵，T为转换向量；x_c、y_c和z_c分别为深度相机的三轴坐标；本发明中机器人本体坐标系与单线激光雷达坐标系为同一坐标系。

(2)获取一帧深度图像和一帧单线激光雷达数据，所获得的深度图像和单线激光雷达数据为同一帧。