(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221024076 6.1 (22)申请日 2022.03.10 (71)申请人 杭州蓝芯科技有限公司 地址 311121 浙江省杭州市余杭区余杭街 道文一西路1818-2号7幢902室 (72)发明人 徐鹏程　杨静　 (74)专利代理 机构 北京康信知识产权代理有限 责任公司 1 1240 专利代理师 霍文娟 (51)Int.Cl. G06V 20/10(2022.01) G06T 7/50(2017.01) G06T 7/11(2017.01) G06T 5/00(2006.01) G06K 9/62(2022.01)G01C 21/20(2006.01) G06V 10/762(2022.01) (54)发明名称 障碍物的检测方法、 装置、 计算机可读存储 介质和处 理器 (57)摘要 本申请提供了一种障碍物的检测方法、 装 置、 计算机 可读存储介质和处理器， 该方法包括： 获取待识别点云， 待识别点云为深度相机视野内 物体的点云； 根据待识别点云实时计算地面平面 方程， 地面平 面方程为当前地面在机器人坐标系 下的方程； 将地面平面方程对应的平 面沿机器人 坐标系的Z轴的正方向移动第一预定值， 得到分 割平面； 根据分割平面确定预备障碍物点云， 预 备障碍物点云为位于分割平面靠近机器人坐标 系的Z轴的正方向的一侧的待识别点云； 对预备 障碍物点云进行识别， 确定障碍物点云， 障碍物 点云为标定为障碍物的点云。 该方法解决了现有 技术中地面平面方程可靠度低导致障碍物漏检 和误检的问题。 权利要求书3页 说明书14页 附图2页 CN 114764885 A 2022.07.19 CN 114764885 A 1.一种障碍物的检测方法， 其特 征在于， 机器人包括深度相机， 所述方法包括： 获取待识别点云， 所述待识别点云为所述深度相机 视野内物体的点云； 根据所述待识别点云实时计算地面平面方程， 所述地面平面方程为当前地面在机器人 坐标系下的方程； 将所述地面平面方程对应的平面沿所述机器人坐标系的Z轴的正方向移动第一预定 值， 得到分割平面； 根据所述分割平面确定预备障碍物点云， 所述预备障碍物点云为位于所述分割平面靠 近所述机器人坐标系的Z轴的正方向的一侧的所述待识别点云； 对所述预备障碍物点云进行识别， 确定障碍物点云， 所述障碍物点云为标定为障碍物 的点云。 2.根据权利要求1所述的方法， 其特征在于， 根据 所述待识别点云实时计算地面平面方 程， 包括： 获取先验平面方程， 所述先验平面方程为所述机器人在平地上时地面在机器人坐标系 下的方程， 所述先验平面方程对应的平面与所述机器人坐标系的Z轴垂直； 根据所述先验平面方程确定分割面候选区域， 所述分割面候选区域为所述机器人坐标 系中第一平面和 第二平面之 间的区域， 所述第一平面为所述先验平面方程对应的平面沿所 述机器人坐标系的Z轴的正方向移动第二预定值得到的， 所述第二平面为所述先验平面方 程对应的平面沿所述机器人坐标系的Z轴的负方向移动所述第二预定值得到的， 所述机器 人坐标系的Z轴的正方向为高度升高的方向； 根据所述分割面候选区域内的所述待识别点云确定最大平面方程， 所述最大平面方程 为所述分割面 候选区域内所述待识别点云形成的最大平面在机器人坐标系下的方程； 根据所述先验平面方程和所述 最大平面方程确定所述 地面平面方程。 3.根据权利要求2所述的方法， 其特征在于， 根据 所述分割面候选区域内的所述待识别 点云确定最大平面方程， 包括： 将所述分割面候选区域划分为多个第 一单元格， 所述第 一单元格为边长为第 一长度的 正方体； 将各所述第一单元格内的所述待识别点云进行采样， 得到多个预备采样点， 所述预备 采样点的坐标为所述第一单 元格内的所述待识别点云的任意 一个点的坐标； 将所述分割面候选区域划分为多个第 二单元格， 所述第 二单元格为边长为第 二长度的 正方体， 所述第二长度大于所述第一长度； 将所述第二单元格内的所述采样点进行二次采样， 得到多个采样点， 所述采样点为所 述第二单 元格内的所述采样点的重心； 根据所述采样点确定所述最大平面方程， 所述最大平面方程为所述采样点形成的最大 平面在机器人坐标系下的方程。 4.根据权利要求2所述的方法， 其特征在于， 根据 所述先验平面方程和所述最大平面方 程确定所述 地面平面方程， 包括： 在满足至少一个预定条件的情况下， 确定所述先验平面方程为所述地面平面方程， 所 述预定条件包括第一点与第二点的距离大于距离阈值、 第一法向量与第二法向量的夹角大 于预定夹角以及所述分割面候选区域内的点云的点数小于点数阈值， 所述第一点为所述先权　利　要　求　书 1/3 页 2 CN 114764885 A 2验平面方程对应的平面上， X轴坐标和Y轴坐标均小于第三预定值的任意一点， 所述第二点 为所述最大平面方程对应的平面上， X轴坐标和Y轴坐标均小于所述第三预定值的任意一 点， 所述第一法向量为所述先验平面方程对应的平面的法向量， 所述第二法向量为所述最 大平面方程对应的平面的法向量； 在所有的所述预定条件均不满足的情况下， 确定所述最大平面方程为所述地面平面方 程。 5.根据权利要求1所述的方法， 其特征在于， 所述障碍物点云包括悬浮障碍物点云、 高 障碍物点云和低障碍物点云， 对所述预 备障碍物点云进行识别， 确定障碍物点云， 包括： 将所有点的Z轴坐标大于第 四预定值的所述预备障碍物点云， 标定为所述悬浮障碍物 点云， 所述第四预定值大于第二预定值； 将部分点的Z轴坐标大于所述第 四预定值的所述预备障碍物点云， 标定为所述高障碍 物点云； 将所有点的Z轴坐标小于或者等于所述第二预定值的所述预备障碍物点云， 标定为所 述低障碍物点云。 6.根据权利要求5所述的方法， 其特征在于， 在对所述预备障碍物点云进行识别， 确定 障碍物点云之后， 所述方法还 包括： 根据目标点确定所述目标点的邻 近点， 所述目标点为所述高障碍物点云或者所述低障 碍物点云的任意一点， 所述邻近点为所述高障碍物点云或者所述低障碍物点云中， 与所述 目标点的距离小于第一预定距离的点； 根据聚类条件将所述目标点进行聚类得到多个点云块， 所述聚类条件包括第 一聚类条 件、 第二聚类条件和 第三聚类条件， 所述第一聚类条件为满足所述目标点的Z轴坐标与所有 所述邻近点的Z轴坐标的差值大于第 五预定值， 所述第二聚类条件为同时满足所述 目标点 的法向量角度小于或者等于预定角度、 所述目标点的Z轴坐标与所有的所述邻近点的Z轴坐 标的差值均小于第六预定值以及所述目标点与所有的所述邻近点的欧式距离均小于第二 预定距离， 所述法向量角度为所述目标点的局部法向量与所述机器人坐标系的Z轴的夹角， 所述局部法向量为所述目标点和所述邻近点组成的曲面在所述目标点的切线的法向量， 所 述第二预定距离小于所述第一预定距离， 所述第六预定值小于所述第 五预定值， 所述第三 聚类条件为同时满足属于不满足所述第一聚类条件和 第二聚类条件的所述目标点、 所述目 标点的法向量角度大于所述预定角度以及所述目标点与所有的所述邻近点的欧式距离均 小于第三预定距离； 将多个所述 点云块进行拼接， 得到所述障碍物点云。 7.根据权利要求5所述的方法， 其特征在于， 在对所述预备障碍物点云进行识别， 确定 障碍物点云之后， 所述方法还 包括： 根据所述低障碍物点云的点云数据生成第一强度图； 根据所述第 一强度图确定 高强度区域， 所述高强度区域为所述低障碍物点云的强度 大 于第一预定强度的区域； 根据所述高强度区域确定阴影区域， 所述阴影区域为所述第 一强度图中所述高强度区 域的点云对应的障碍物遮挡导 致无法采集 点云的区域； 根据占空比确定所述低障碍物点云是否误判， 所述占空比为所述阴影区域内的点云所权　利　要　求　书 2/3 页 3 CN 114764885 A 3