[發明專利]一種基于TOF攝像頭的障礙物分割處理方法及芯片

在審

• 申請號: 202011340709.8
• 申請日: 2020-11-25
• 公開（公告）號: CN112308039A
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 戴劍鋒;賴欽偉;肖剛軍
• 申請（專利權）人: 珠海市一微半導體有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/46
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于TOF攝像頭的障礙物分割處理方法，其特征在于，包括：

從TOF攝像頭當前采集的目標障礙物的深度圖像中提取出目標障礙物的實際物理輪廓模型；

將目標障礙物的實際物理輪廓模型在機器人的機身直徑的水平投影范圍內的部分等間距切分為五等份的行進距離區域；

根據目標障礙物的識別類型，適應性地利用統計運算的方式處理前述五等份的行進距離區域內測得的深度信息，以獲取最大避障行走距離，使得機器人從當前位置開始，沿著當前行走方向行走的距離不超出所述最大避障行走距離；

其中，所述障礙物切分方法的執行主體是機身前端裝配有TOF攝像頭的機器人，目標障礙物是在TOF攝像頭當前的視場區域內。

2.根據權利要求1所述障礙物分割處理方法，其特征在于，所述根據目標障礙物的識別類型，適應性地利用統計運算的方式處理前述五等份的行進距離區域內測得的深度信息，以獲取最大避障行走距離的方法包括：

當所述目標障礙物識別分類為墻類型障礙物或門檻類型障礙物時，從等間距切分得到的每一等份的行進距離區域內選擇出最佳深度，再對這五等份的行進距離區域內的最佳深度求取平均值，再把這一平均值確定為平行面的最大避障行走距離。

3.根據權利要求1所述障礙物分割處理方法，其特征在于，所述根據目標障礙物的識別類型，適應性地利用統計運算的方式處理前述五等份的行進距離區域內測得的深度信息，以獲取最大避障行走距離的方法還包括：

當所述目標障礙物識別分類為玩具類型障礙物時，從等間距切分得到的每一等份的行進距離區域內選擇出最佳深度，再對這五等份的行進距離區域內的最佳深度進行加權平均運算，再把加權平均的結果確定為玩具的最大避障行走距離；

其中，行進距離區域內的最佳深度越小，其配置的權重越大；行進距離區域內的最佳深度越大，其配置的權重越小。

4.根據權利要求1所述障礙物分割處理方法，其特征在于，所述根據目標障礙物的識別類型，適應性地利用統計運算的方式處理前述五等份的行進距離區域內測得的深度信息，以獲取最大避障行走距離的方法還包括：

當所述目標障礙物識別分類為電線類型障礙物時，從等間距切分得到的每一等份的行進距離區域內選擇出最佳深度，再從這五等份的行進距離區域內選擇數值最小的最佳深度，確定為電線的最大避障行走距離。

5.根據權利要求1至4任一項所述障礙物分割處理方法，其特征在于，每一等份的行進距離區域內的最佳深度是：對應等份的行進距離區域內所有測得的深度值的平均值、或這些深度值的中位數、或對應一等份的行進距離區域的右側切分點處的深度值、或對應一等份的行進距離區域的左側切分點處的深度值。

6.根據權利要求5所述障礙物分割處理方法，其特征在于，當所述最大避障行走距離為安全門限值時，控制機器人執行減速避障或減速繞障，或觸發碰撞警告信號；

其中，安全門限值是機器人從當前速度減速為零時不碰觸所述目標障礙物所行走的距離，并因所述目標障礙物的類型的變化而改變。

7.根據權利要求5所述障礙物分割處理方法，其特征在于，所述目標障礙物的實際物理輪廓模型的提取方法包括：

對TOF攝像頭當前采集的目標障礙物的深度圖像進行濾波處理和連通域分析，以分割出所述目標障礙物的圖像輪廓，并確定出所述目標障礙物的圖像輪廓的深度信息；

再結合所述目標障礙物的圖像輪廓的深度信息和所述TOF攝像頭的內外參數，利用三角原理，將所述目標障礙物的圖像輪廓由所述TOF攝像頭的成像平面轉換為世界坐標系下的所述目標障礙物的實際物理輪廓模型。

8.根據權利要求7所述障礙物分割處理方法，其特征在于，所述目標障礙物的實際物理輪廓模型包括：在TOF攝像頭的視場區域內，所述目標障礙物的最左側與機器人的機體中心的水平距離、所述目標障礙物的最右側與機器人的機體中心的水平距離、所述目標障礙物的縱向高度信息；

其中，TOF攝像頭的視場區域是TOF攝像頭的有效測距范圍和TOF攝像頭的視角范圍的重疊區域。