申请/专利权人:北京工业大学
申请日:2023-12-12
公开(公告)日:2024-05-03
公开(公告)号:CN117975406A
主分类号:G06V20/58
分类号:G06V20/58;G06V10/762
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.21#实质审查的生效;2024.05.03#公开
摘要:一种高精度的楼梯障碍物识别与剔除方法,结合区域生长和平面构造的楼梯障碍物识别与剔除,属仿人机器人环境感知中的楼梯感知领域,解决楼梯障碍物破坏阶梯平面特征,导致仿人机器人获取不准确的楼梯参数而出现踏空、摔跤的问题。首先结合体素滤波与直通滤波对点云数据进行预处理;其次根据KD‑Tree算法建立点云数据拓扑结构,利用相邻点的投影之和最小原理估计点云法向量,准确完成对楼梯水平面的提取;再次根据区域生长算法判定楼梯障碍物聚类情况,构造平面并分析平面内点数以完成对障碍物的快速识别与剔除工作;最后,对有障碍物楼梯与剔除障碍物楼梯进行楼梯三维参数估计。本发明提高仿人机器人在复杂楼梯环境下的感知能力。
主权项:1.一种高精度的楼梯障碍物识别与剔除方法,其特征在于,包括如下几个步骤:步骤1,制造多种障碍物并测量楼梯、障碍物的尺寸等信息,利用深度相机采集楼梯环境点云;步骤2,结合体素滤波和直通滤波算法进行点云预处理,滤除背景,获取楼梯区域的点云;步骤3,基于步骤2获取的楼梯点云,使用KD树对点云空间中的实例点进行存储从而建立快速检索的树形数据结构,并根据法向量约束条件提取楼梯的水平面点云;步骤4,基于步骤3获取的楼梯水平面点云,使用区域生长算法进行平面聚类,对障碍物聚类情况分为两种,一种为单独聚类的障碍物,一种为非单独聚类的障碍物,步骤5,遍历每个聚类平面,依据步骤4的平面聚类结果,利用聚类点云阈值对单独聚类的障碍物进行剔除,构造平面并利用平面内点数突变原理对非单独聚类障碍物进行剔除;步骤6,基于步骤5获取剔除障碍物后的无障碍楼梯平面点云,采用OBB包围盒方法进行楼梯的三维参数感知。
全文数据:
权利要求:
百度查询: 北京工业大学 一种高精度的楼梯障碍物识别与剔除方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。