[发明专利]一种基于Kinect的移动机器人避障方法

摘要

本发明公开一种基于Kinect的移动机器人避障方法，在室内环境中，通过Kinect传感器获取环境信息，通过对深度信息的处理识别出障碍物特征，分离出不同障碍物，并实现对障碍物尺寸的估计和对特殊障碍物的识别，根据障碍物信息确定对应的障碍物场景，从而确定对应的避障策略，并结合人工势场法，为未知室内环境中智能移动机器人的实时避障提供了一种适应性强、实时性好、路径较为平滑的解决方案。本发明提高了对环境信息的掌握，因而适用于更多室内场景，同时，结合人工势场法进行避障，利用了人工势场法的优点并通过环境信息解决了一些人工势场法存在缺陷的情况。

主权项

1.一种基于Kinect的移动机器人避障方法，其特征在于，所述方法包括以下步骤：S1：假设地面大致平坦，在开始避障前，采用Kinect传感器的深度摄像头获取无障碍物的深度图，提取地面平面方程；S2：采用Kinect传感器的深度摄像头获取机器人前方的深度图；S3：根据获取的机器人前方的深度图，估计障碍物的尺寸并识别障碍物的类型；S4：根据不同障碍物场景确定对应的避障策略；步骤S1中，提取地面平面方程具体包括以下步骤：S1.1：Kinect传感器的深度摄像头读取清除障碍物的深度图作为地面帧；S1.2：使用Kinect深度摄像头标定后的内参，将深度图转化为以Kinect摄像头中心点为原点的摄像头坐标系中的点云，对点云使用RANSAC算法提取出拟合平面，即得到地面平面方程；步骤S1.2中，所述RANSAC算法的基本步骤是：随机选择深度图中的3个点平面ax+by+cz+d＝0，检查剩余的点到平面的距离是否小于预设的阈值A，这里设A为0.005m，若小于阈值A则认为该点在平面上，计算符合平面方程的点的个数；重复上一步骤，直到符合平面方程的点的个数大于预设的阈值B，即得到平面方程ax+by+cz+d＝0；步骤S3中，根据障碍物的特点，障碍物分为以下几类：第1类：高于机器人的障碍物；第2类：下陷障碍物；第3类：无法绕过去的障碍物；第4类：左右对立的障碍物；第5类：走廊；第6类：过近的障碍物；第7类：其他普通障碍物；步骤S3中，识别障碍物类型的具体方法包括以下步骤：S3.1：识别第6类障碍物：计算有效点占比τa＝有效点个数/(640*480)，若τa＜某一常数a，即点云中有效点过少，这是机器人刚开始运动或转向时突然遇到过近的障碍物，导致不在机器人可视范围内的点过多，即判断为第6类障碍物，此时机器人应停止运动；S3.2：识别第1类、第2类障碍物：在机器人开始运动后，每次获取深度图后，转化为点云并计算各点到地面平面间距离h1，去除h1＜0.08m的点即地面点，机器人高度为0.42m，则去除h1＞0.5m的障碍物即第1类障碍物，对于第2类障碍物，h1＞0.08m，可直接当作普通障碍物处理；S3.3：识别第5类障碍物：对剩余点云使用RANSAC算法提取平面，计算内点占比τb＝平面内点个数/点云总个数，若τb＞某一常数b，且获得的平面法向量与地面平面法向量大致正交，即夹角与90°相差小于一定范围，则认为当前障碍物为一面墙壁，即判断为第5类障碍物；S3.4聚类分割并识别第3类、第4类障碍物：对剩余点云进行分组，将与相邻集群之间距离小于预设的阈值C的点组成一类，使得同一类中不能分出更多个小的聚类，且两个不同聚类之间的最小距离大于该阈值；对于每个聚类，计算出其最左边、最右边和最近的点来代表该聚类；当聚类个数为1时，根据障碍物的左右边界计算障碍物横向宽度，判断是否为第3类障碍物，若是，则判断聚类中具有最小深度的点在机器人的左边还是右边，使机器人向最小深度更大的方向转向；当聚类个数为2时，判断是否左边障碍物的最右边界点在机器人的左边且右边障碍物的最左边界点在机器人的右边，若是，则认为是第4类障碍物；以以上两个边界点作为障碍物点，二者的中点作为目标点，使用人工势场法计算机器人避障速度；S3.5：识别第7类障碍物：若聚类分割后判断不属于第3类或第4类障碍物，则属于第7类障碍物，使用人工势场法计算避障速度，之后将机器人的水平速度vx、纵向速度vz和自旋速度vr依次使用串口通信传输给机器人，然后进入下一次计算。