[發明專利]融合深度相機的變電站巡檢機器人障礙物檢測識別方法

有效

• 申請號: 202010114857.1
• 申請日: 2020-02-25
• 公開（公告）號: CN111291708B
• 公開（公告）日: 2023-03-28
• 發明（設計）人: 陳承隆;邱志成;田聯房;杜啟亮;郭月陽
• 申請（專利權）人: 華南理工大學
• 主分類號: G06V10/80
• 分類號: G06V10/80;G06V10/762;G06V10/20;G06V20/64;G06T7/80
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 馮炳輝

1.融合深度相機的變電站巡檢機器人障礙物檢測識別方法，其特征在于，包括以下步驟：

1)預處理：假設已對深度相機內外參進行了標定，對深度相機獲取的機器人前方的RGB彩色圖像和深度圖像轉換成為點云圖像，即獲得與相機坐標系重合的世界坐標系下相機前方的三維點云信息，為了達到實時性要求，對點云數據使用PCL點云庫中的VoxelGrid濾波器進行下采樣，設置濾波體素柵格大小為1立方厘米，并將濾波后的點云結果記錄保存，記為cloud_cam，數據格式為三維點數組；

2)地面點云剔除：因為在點云圖像中地面點云不屬于障礙物，故通過地面平面模型將點云圖像中地面的三維點云進行剔除；

3)自適應密度聚類：利用PCL點云庫中的自適應密度聚類算法對上一步中的三維點云數據進行聚類，此種聚類算法適用于面積大小不一的障礙物，不用提前設置聚類類別，通過三維連通域檢測，聚類最后的輸出是若干塊三維連通域，算法只需要設置每個類別最小點云個數；

4)障礙物識別：通過上一步中獲得的障礙物的點簇即三維連通域信息計算每個障礙物點簇的質心，通過其質心位置判斷障礙物是高于地面的凸起障礙物還是低于地面的坑洞障礙物；

計算由上一步得到的obstacles_label中的每個點簇質心位置，記為P，其中obstacles_label代表算法最終輸出為多個三維點簇的集合數組，定義P_j是obstacles_label中第j個點簇的質心位置：

式中：k＝0,1......,c，c為obstacles_label[j]中的三維點的總個數，obstacles_label[j]為obstacles_label中第j個三維點點簇，其中j＝0,1,......,n，n是聚類后的三維點簇的個數；obstacles_label[j][k].x,obstacles_label[j][k].y,obstacles_label[j][k].z分別為obstacles_label中第j個點簇中第k個三維點的x,y,z坐標值，[x_jo,y_jo,z_jo]為obstacles_label中第j個點簇的質心坐標；

判斷每個點簇的質心在地面之上還是在地面之下，將質心點P_j＝[x_jo,y_jo,z_jo]帶入步驟2)中的地面平面模型：

Ax+By+Cz+D＝0

式中：A、B、C、D為已知常數，并且A、B、C不同時為零，x,y,z為方程未知數；

當Ax_jo+By_jo+Cz_jo+D＞0時，將此點簇保存為地上障礙物點簇，記為obstacles_up，定義obstacles_up[u]為obstacles_up中第u個點簇，其中u＝0,1,......,q，q為obstacles_up中點簇總個數；

當Ax_jo+By_jo+Cz_jo+D＜0時，將此點簇保存為坑洞障礙物點簇，記為obstacles_down，定義obstacles_down[d]為obstacles_down中第d個點簇，其中d＝0,1,....t，t為obstacles_down中點簇總個數；

5)數據轉換：根據障礙物識別之后的障礙物點簇的位置和大小信息生成相對應的二維激光雷達信息，傳遞給避障地圖，以供路徑規劃算法使用。