[发明专利]一种光斑提取方法、测距方法、激光雷达及机器人

说明书

本发明实施例涉及激光雷达技术领域，公开了一种光斑提取方法、测距方法、激光雷达及机器人，该光斑提取方法首先采集激光雷达的感光片上的感光信息，并绘制位置‑光强曲线，然后通过所述位置‑光强曲线，确定候选光斑，最后对所述候选光斑的亮度和宽度进行评分，根据评分结果确定并提取目标光斑，该光斑提取方法能够解决多路径形成的多光斑和光斑分裂的问题，稳定性和鲁棒性较强，进而在激光雷达测距时能够有效、稳定地提取光斑质心，实现复杂场景的测距。

技术领域

本发明实施例涉及激光雷达技术领域，特别涉及一种光斑提取方法、测距方法、激光雷达及机器人。

背景技术

激光雷达(Laser Radar)可用于目标距离的测定，在机器人中被广泛应用，激光雷达生成的点云信息包含了角度，距离，亮度等信息。在实际应用场景中，在近远处距离都有可能存在物体，物体有高低反材质等，通常使用激光雷达的三角测距法，通过接收到发射器发射的光斑来达到测距的目的，光斑在接收器中传感器(Sensor)的位置偏移量决定了目标物体的距离大小。

在实现本发明实施例过程中，发明人发现以上相关技术中至少存在如下问题：在测距的过程中，由于环境的复杂性，光斑会受到各种环境条件的影响，如多路径问题、光斑分裂问题等，会造成光斑提取错误，进而导致检测到的距离数据出现偏差等问题，现有的方法通过光强曲线中相邻的两点斜率最大值和最小值来确定光斑的位置，这对在高低反等特殊材质的表现来说，稳定性不高、鲁棒性不强。

发明内容

本申请实施例提供了一种光斑提取方法、测距方法、激光雷达及机器人。

本发明实施例的目的是通过如下技术方案实现的：

为解决上述技术问题，第一方面，本发明实施例中提供了一种光斑提取方法，所述方法包括：采集激光雷达的感光片上的感光信息，并绘制位置-光强曲线；通过所述位置-光强曲线，确定候选光斑；对所述候选光斑的亮度和宽度进行评分，根据评分结果确定并提取目标光斑。

在一些实施例中，所述对所述候选光斑的亮度和宽度进行评分，根据评分结果确定并提取目标光斑，包括：基于所述位置-光强曲线计算每个候选光斑的亮度评分；基于所述位置-光强曲线计算每个候选光斑的宽度评分；基于所述亮度评分和所述宽度评分，确定综合评价最高的候选光斑，并将其作为目标光斑；提取所述目标光斑。

在一些实施例中，所述基于所述位置-光强曲线计算每个候选光斑的宽度评分，包括：通过大数据建立光斑的质心与理论宽度之间的映射关系；根据所述映射关系，获取每个候选光斑的理论宽度；基于所述位置-光强曲线确定每个候选光斑的实际宽度；分别计算每个候选光斑的理论宽度与实际宽度的偏差；基于所述偏差计算每个候选光斑的宽度评分。

在一些实施例中，所述通过所述位置-光强曲线，确定候选光斑，包括：统计所述位置-光强曲线中出现次数最多的光强值和最高光强值；判断所述出现次数最多的光强值和所述最高光强值的差值是否大于或等于预设差值阈值；若是，根据所述出现次数最多的光强值和所述最高光强值，计算光强目标值；获取所述光强目标值在所述位置-光强曲线上对应的位置数据，根据所述位置数据确定所述候选光斑。

在一些实施例中，所述方法还包括：在所述出现次数最多的光强值和所述最高光强值的差值小于预设差值阈值时，则确定没有可提取的光斑。

在一些实施例中，所述方法还包括：从所述位置-光强曲线中获取相邻两个候选光斑最接近的两个边界之间范围内的最小光强值；判断所述最小光强值与所述出现次数最多的光强值的差值是否小于预设分裂阈值；若是，则确定没有可提取的光斑。

在一些实施例中，在所述统计所述位置-光强曲线中出现次数最多的光强值和最高光强值之前，所述方法还包括：对所述位置-光强曲线进行滤波处理；所述对所述位置-光强曲线进行滤波处理，包括：对所述位置-光强曲线进行n阶高斯滤波；对高斯滤波后的所述位置-光强曲线进行平滑滤波。