一種機器人路徑規(guī)劃方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明提供一種機器人路徑規(guī)劃方法及系統(tǒng)，涉及電子技術領域。該方法包括：采用安裝在機器人頂部的3D體感相機實時采集機器人前方預設范圍內(nèi)障礙物的3D點云數(shù)據(jù)；對3D點云數(shù)據(jù)進行背景裁剪，以除去3D點云數(shù)據(jù)中的背景數(shù)據(jù)；采用集群抽取算法將除去背景數(shù)據(jù)后的3D點云數(shù)據(jù)分割成多個點云區(qū)塊；分別計算各個點云區(qū)塊的三維空間體積；判斷各個點云區(qū)塊的三維空間體積是否小于預設體積閾值；若小于預設體積閾值，則將該點云區(qū)塊從所述3D點云數(shù)據(jù)中除去，以重新建立位于機器人前方預設范圍內(nèi)的區(qū)域地圖；根據(jù)區(qū)域地圖進行路徑規(guī)劃。本發(fā)明能夠提高機器人的整體路徑規(guī)劃能力，使機器人在進行路徑規(guī)劃時忽略體積小的障礙物，為機器人規(guī)劃出最優(yōu)路徑。
【專利說明】
一種機器人路徑規(guī)劃方法及系統(tǒng)
技術領域
[0001 ]本發(fā)明屬于電子技術領域，尤其涉及一種機器人路徑規(guī)劃方法及系統(tǒng)。
【背景技術】
[0002]家用機器人是為人類服務的特種機器人，主要從事家庭服務，維護、保養(yǎng)、修理、運輸、清洗以及監(jiān)護等工作。據(jù)聯(lián)合國歐洲經(jīng)濟委員會及國際機器人協(xié)會統(tǒng)計截止到2007年末，有410萬家用服務機器人走進了人們的生活。在我國，家庭智能機器人作為一個新興的開蘇發(fā)展產(chǎn)業(yè)，已經(jīng)成為國家“十一五”發(fā)展規(guī)劃的扶植重點。
[0003]路徑規(guī)劃作為機器人自主運動中的關鍵問題，在機器人的相關技術研究中有著重要的地位。現(xiàn)有的家用機器人的路徑規(guī)劃方案一般是在根據(jù)機器人系統(tǒng)導航的行駛路徑向目標點移動時，采用位于機器人底部的2D激光掃描儀探測上述行駛路徑上是否有障礙物，若無障礙物則按照上述行駛路徑移動至目標點，相反，若有障礙物，則需要重新規(guī)劃新的路徑。這種路徑規(guī)劃方案只能探測距離機器人最近的物體，無法判斷在這個物體之后是否還有其他障礙物的存在，缺少整體路徑規(guī)劃能力;此外，這種路徑規(guī)劃方案無法判斷障礙物的尺寸大小，即使是一個很小的障礙物都必須使機器人避開繞過，局限性很大。

【發(fā)明內(nèi)容】

[0004]本發(fā)明實施例的目的在于提供一種機器人路徑規(guī)劃方法及系統(tǒng)，旨在解決上述家用機器人的路徑規(guī)劃方案缺少整體路徑規(guī)劃能力以及無法判斷障礙物的尺寸大小，即使是一個很小的障礙物都必須使機器人避開繞過，局限性很大的問題。
[0005]本發(fā)明實施例是這樣實現(xiàn)的，一種機器人路徑規(guī)劃方法，包括:
[0006]采用安裝在機器人頂部的3D體感相機實時采集所述機器人前方預設范圍內(nèi)障礙物的3D點云數(shù)據(jù)；
[0007]對所述3D點云數(shù)據(jù)進行背景裁剪，以除去所述3D點云數(shù)據(jù)中的背景數(shù)據(jù)；
[0008]采用集群抽取算法將除去背景數(shù)據(jù)后的3D點云數(shù)據(jù)分割成多個點云區(qū)塊；
[0009]分別計算各個點云區(qū)塊的三維空間體積；
[0010]判斷各個點云區(qū)塊的三維空間體積是否小于預設體積閾值；
[0011]若小于預設體積閾值，則將該點云區(qū)塊從所述3D點云數(shù)據(jù)中除去，以重新建立位于所述機器人前方預設范圍內(nèi)的區(qū)域地圖；
[0012]根據(jù)所述區(qū)域地圖對所述機器人進行路徑規(guī)劃。
[0013]在上述技術方案的基礎上，所述采用集群抽取算法將除去背景數(shù)據(jù)后的3D點云數(shù)據(jù)分割成多個點云區(qū)塊之前還包括:
[0014]采用邊緣噪點過濾算法對除去背景數(shù)據(jù)后的3D點云數(shù)據(jù)進行濾波處理。
[0015]在上述技術方案的基礎上，對所述3D點云數(shù)據(jù)進行背景裁剪，以除去所述3D點云數(shù)據(jù)中的背景數(shù)據(jù)具體包括:
[0016]計算所述3D點云數(shù)據(jù)中各平面的尺寸，以獲取所述3D點云數(shù)據(jù)中最大尺寸平面；
[0017]計算出所述最大尺寸平面的空間位置信息，并根據(jù)所述空間位置信息將所有屬于所述最大尺寸平面的點云作為背景數(shù)據(jù)裁剪掉。
[0018]在上述技術方案的基礎上，所述分別計算各個點云區(qū)塊的三維空間體積具體包括:
[0019]采用有向包圍盒算法分別計算出各個點云區(qū)塊所對應的包圍盒；
[0020]計算各包圍盒的體積，將所述包圍盒的體積作為與其對應的點云區(qū)塊的三維空間體積。
[0021]在上述技術方案的基礎上，所述計算各包圍盒的體積，將所述包圍盒的體積作為與其對應的點云區(qū)塊的三維空間體積之前還包括:
[0022]計算出各點云區(qū)塊中所有點的重心位置；
[0023]根據(jù)各點云區(qū)塊的重心位置按照一定比例對各點云區(qū)塊所對應的包圍盒的長、寬、高進行調(diào)整，使所述包圍盒的重心位置與其對應的點云區(qū)塊中所有點的重心位置重合。
[0024]本發(fā)明實施例的另一目的在于提供一種機器人路徑規(guī)劃系統(tǒng)，包括:
[0025]3D體感相機，所述3D體感相機安裝在機器人的頂部，用于實時采集所述機器人前方預設范圍內(nèi)障礙物的3D點云數(shù)據(jù)；
[0026]點云裁剪模塊，用于對所述3D點云數(shù)據(jù)進行背景裁剪，以除去所述3D點云數(shù)據(jù)中的背景數(shù)據(jù)；
[0027]點云區(qū)塊劃分模塊，用于采用集群抽取算法將除去背景數(shù)據(jù)后的3D點云數(shù)據(jù)分割成多個點云區(qū)塊；
[0028]點云區(qū)塊體積計算模塊，用于分別計算各個點云區(qū)塊的三維空間體積；
[0029]判斷模塊，用于判斷各個點云區(qū)塊的三維空間體積是否小于預設體積閾值；
[0030]區(qū)域地圖重建模塊，用于若小于預設體積閾值，則將該點云區(qū)塊從所述3D點云數(shù)據(jù)中除去，以重新建立位于所述機器人前方預設范圍內(nèi)的區(qū)域地圖；
[0031]路徑規(guī)劃模塊，用于根據(jù)所述區(qū)域地圖對所述機器人進行路徑規(guī)劃。
[0032]在上述技術方案的基礎上，所述的機器人路徑規(guī)劃系統(tǒng)還包括:
[0033]濾波處理模塊，用于采用邊緣噪點過濾算法對除去背景數(shù)據(jù)后的3D點云數(shù)據(jù)進行濾波處理。
[0034]在上述技術方案的基礎上，所述點云裁剪模塊具體用于:
[0035]計算所述3D點云數(shù)據(jù)中各平面的尺寸，以獲取所述3D點云數(shù)據(jù)中最大尺寸平面；
[0036]計算出所述最大尺寸平面的空間位置信息，并根據(jù)所述空間位置信息將所有屬于所述最大尺寸平面的點云作為背景數(shù)據(jù)裁剪掉。
[0037]在上述技術方案的基礎上，所述點云區(qū)塊體積計算模塊包括:
[0038]包圍盒獲取單元，用于采用有向包圍盒算法分別計算出各個點云區(qū)塊所對應的包圍盒；
[0039]包圍盒體積計算單元，用于計算各包圍盒的體積，將所述包圍盒的體積作為與其對應的點云區(qū)塊的三維空間體積。
[0040]在上述技術方案的基礎上，所述點云區(qū)塊體積計算模塊還包括:
[0041]點云區(qū)塊重心計算單元，用于計算出各點云區(qū)塊中所有點的重心位置；
[0042]包圍盒重心調(diào)整單元，用于根據(jù)各點云區(qū)塊的重心位置按照一定比例對各點云區(qū)塊所對應的包圍盒的長、寬、高進行調(diào)整，使所述包圍盒的重心位置與其對應的點云區(qū)塊中所有點的重心位置重合。
[0043]實施本發(fā)明實施例提供的一種機器人路徑規(guī)劃方法及系統(tǒng)具有以下有益效果:
[0044]本發(fā)明實施例由于首先采用安裝在機器人頂部的3D體感相機實時采集所述機器人前方預設范圍內(nèi)障礙物的3D點云數(shù)據(jù)，從而能夠檢測出機器人前方預設范圍內(nèi)的所有障礙物，提高了機器人的整體路徑規(guī)劃能力；由于采用集群抽取算法將除去背景數(shù)據(jù)后的3D點云數(shù)據(jù)分割成多個點云區(qū)塊;分別計算各個點云區(qū)塊的三維空間體積；判斷各個點云區(qū)塊的三維空間體積是否小于預設體積閾值;若小于預設體積閾值，則將該點云區(qū)塊從所述3D點云數(shù)據(jù)中除去，以重新建立位于所述機器人前方預設范圍內(nèi)的區(qū)域地圖；最后根據(jù)所述區(qū)域地圖對所述機器人進行路徑規(guī)劃，從而能夠使機器人在進行路徑規(guī)劃時忽略體積小的障礙物，為機器人規(guī)劃出最優(yōu)路徑，克服了現(xiàn)有機器人的路徑規(guī)劃方案無法判斷障礙物的尺寸大小，即使是一個很小的障礙物都必須使機器人避開繞過，局限性很大的問題。
【附圖說明】
[0045]圖1是本發(fā)明實施例提供的一種機器人路徑規(guī)劃方法的具體實現(xiàn)流程圖；
[0046]圖2是本發(fā)明實施例提供的一種機器人路徑規(guī)劃系統(tǒng)的結構示意圖。
【具體實施方式】
[0047]為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結合附圖及實施例，對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
[0048]圖1是本發(fā)明實施例提供的一種機器人路徑規(guī)劃方法的具體實現(xiàn)流程圖。參見圖1所示，本實施例提供的一種機器人路徑規(guī)劃方法包括:
[0049]在SlOl中，采用安裝在機器人頂部的3D體感相機實時采集所述機器人前方預設范圍內(nèi)障礙物的3D點云數(shù)據(jù)。
[0050]本實施例中，由于采用安裝在機器人頂部的3D體感相機采集機器人前方的障礙物信息，從而可以獲取機器人前方預設范圍內(nèi)所有障礙物信息，克服了現(xiàn)有技術中存在的采用2D激光掃描儀只能掃描到離機器人最近的物體，而無法檢測到該物體之后是否還有其他障礙物的缺陷。進一步的，本實施例中的預設范圍為1m以內(nèi)。
[0051]在S102中，對所述3D點云數(shù)據(jù)進行背景裁剪，以除去所述3D點云數(shù)據(jù)中的背景數(shù)據(jù)。進一步的，S102具體包括:
[0052]計算所述3D點云數(shù)據(jù)中各平面的尺寸，以獲取所述3D點云數(shù)據(jù)中最大尺寸平面；
[0053]計算出所述最大尺寸平面的空間位置信息，并根據(jù)所述空間位置信息將所有屬于所述最大尺寸平面的點云作為背景數(shù)據(jù)裁剪掉。
[0054]在本實施例中，所述3D點云數(shù)據(jù)中的最大尺寸地面即為機器人所處環(huán)境中的地面，即障礙物的3D點云數(shù)據(jù)中的背景，因此本實施例中，首先獲取3D點云數(shù)據(jù)中的最大尺寸平面，然后計算其空間位置，根據(jù)其空間位置將其從3D點云數(shù)據(jù)中裁剪掉，這樣能夠大幅減少后續(xù)處理的點云數(shù)據(jù)，提高后續(xù)數(shù)據(jù)處理速度和精度。
[0055]在S103中，采用集群抽取算法將除去背景數(shù)據(jù)后的3D點云數(shù)據(jù)分割成多個點云區(qū)塊。
[0056]在本實施例中，采集群抽取算法將出去背景數(shù)據(jù)后的3D點云數(shù)據(jù)分割成多個點云區(qū)塊具體是利用3D點云數(shù)據(jù)中點與點之間的空間距離來劃分點云區(qū)塊的，具體的:首先設定一個距離閾值，判斷一個點是否屬于一個點云區(qū)塊，則分別計算出該點距離該點云區(qū)塊中所有點的距離，若其中有一個距離小于設定的距離閾值，則說明該點屬于該點云區(qū)塊，否貝1J，以該點作為新的點云區(qū)塊的起始點重復上述集群抽取算法，直到所有點云區(qū)塊被區(qū)分出來為止。
[0057]需要說明的是，在其他實現(xiàn)示例中，步驟S103之前還可以包括:采用邊緣噪點過濾算法對除去背景數(shù)據(jù)后的3D點云數(shù)據(jù)進行濾波處理。這樣可以除去3D體感相機硬件本身產(chǎn)生的噪點，進一步提高后續(xù)點云數(shù)據(jù)處理的精確度。
[0058]在S104中，分別計算各個點云區(qū)塊的三維空間體積。
[0059]在本實施例中，S104具體包括:
[0060]采用有向包圍盒算法分別計算出各個點云區(qū)塊所對應的包圍盒；
[0061]計算各包圍盒的體積，將所述包圍盒的體積作為與其對應的點云區(qū)塊的三維空間體積。
[0062]需要說明的是，在其他實現(xiàn)示例中，所述計算各包圍盒的體積，將所述包圍盒的體積作為與其對應的點云區(qū)塊的三維空間體積之前還可以包括:計算出各點云區(qū)塊中所有點的重心位置;根據(jù)各點云區(qū)塊的重心位置按照一定比例對各點云區(qū)塊所對應的包圍盒的長、寬、高進行調(diào)整，使所述包圍盒的重心位置與其對應的點云區(qū)塊中所有點的重心位置重合。例如:如果計算出所述點云區(qū)塊中所有點的重心位置位于包圍盒的下方，那么說明包圍盒上方的點比較稀疏，這樣很有可能是沒有處理干凈的噪點所致，此時按照一定的比例對所述包圍盒的長寬高進行調(diào)整，以使所述包圍盒的重心位置與所述點云區(qū)塊的重心位置重合，然后再計算包圍盒的體積，將包圍盒的體積作為點云區(qū)塊的體積。這樣可以使得包圍盒的體積大小更接近實際障礙物的體積大小，得到更加精確的結果。
[0063]在S105中，判斷各個點云區(qū)塊的三維空間體積是否小于預設體積閾值，若小于預設體積閾值則進入步驟S106，反之，不做處理。
[0064]在本實施例中，所述預設體積閾值可由用戶根據(jù)自身需求自行設定或更改。
[0065]在S106中，將該點云區(qū)塊從所述3D點云數(shù)據(jù)中除去，以重新建立位于所述機器人前方預設范圍內(nèi)的區(qū)域地圖。
[0066]在本實施例中，若所述點云區(qū)塊的三維空間體積小于預設體積閾值，則說明該點云區(qū)塊所對應的障礙物體積較小，所述機器人可以不避繞過該障礙物進行路徑規(guī)劃，此時將該點云區(qū)塊從所述3D點云數(shù)據(jù)中除去即可；相反，若所述點云區(qū)塊的三維空間體積大于或等于預設體積閾值，則說明該點云區(qū)塊對應的障礙物體積較大，所述機器人進行路徑規(guī)劃時需要避開該障礙物，此時則保留所述3D點云數(shù)據(jù)中的該點云區(qū)塊。
[0067]在S107中，根據(jù)所述區(qū)域地圖對所述機器人進行路徑規(guī)劃。
[0068]在本實施例中，由于根據(jù)重建的區(qū)域地圖對所述機器人進行路徑規(guī)劃，而重建的區(qū)域地圖中除去了體積較小的障礙物，從而能夠使得機器人在進行路徑規(guī)劃時直接忽略體積較小的障礙物，獲得最優(yōu)路徑。
[0069]以上可以看出，本實施例提供的一種機器人路徑規(guī)劃方法不僅能夠檢測出機器人前方預設范圍內(nèi)的所有障礙物，提高機器人的整體路徑規(guī)劃能力，而且還能夠使機器人在進行路徑規(guī)劃時忽略體積小的障礙物，為機器人規(guī)劃出最優(yōu)路徑，克服了現(xiàn)有機器人的路徑規(guī)劃方案無法判斷障礙物的尺寸大小，即使是一個很小的障礙物都必須使機器人避開繞過，局限性很大的問題。
[0070]圖2是本發(fā)明實施例提供的一種機器人路徑規(guī)劃系統(tǒng)的結構示意圖，該系統(tǒng)用于運行圖1所示實施例提供的方法。為了便于說明僅僅示出了與本實施例相關的部分。
[0071]參見圖2所示，本實施例提供的一種機器人路徑規(guī)劃系統(tǒng)，包括:
[0072]3D體感相機I，所述3D體感相機I安裝在機器人的頂部，用于實時采集所述機器人前方預設范圍內(nèi)障礙物的3D點云數(shù)據(jù)；
[0073]點云裁剪模塊2，用于對所述3D點云數(shù)據(jù)進行背景裁剪，以除去所述3D點云數(shù)據(jù)中的背景數(shù)據(jù)；
[0074]點云區(qū)塊劃分模塊3，用于采用集群抽取算法將除去背景數(shù)據(jù)后的3D點云數(shù)據(jù)分割成多個點云區(qū)塊；
[0075]點云區(qū)塊體積計算模塊5，用于分別計算各個點云區(qū)塊的三維空間體積；
[0076]判斷模塊6，用于判斷各個點云區(qū)塊的三維空間體積是否小于預設體積閾值；
[0077]區(qū)域地圖重建模塊7，用于若小于預設體積閾值，則將該點云區(qū)塊從所述3D點云數(shù)據(jù)中除去，以重新建立位于所述機器人前方預設范圍內(nèi)的區(qū)域地圖；
[0078]路徑規(guī)劃模塊8，用于根據(jù)所述區(qū)域地圖對所述機器人進行路徑規(guī)劃。
[0079]可選的，所述的機器人路徑規(guī)劃系統(tǒng)還包括:
[0080]濾波處理模塊4，用于采用邊緣噪點過濾算法對除去背景數(shù)據(jù)后的3D點云數(shù)據(jù)進行濾波處理。
[0081 ]可選的，所述點云裁剪模塊2具體用于:
[0082]計算所述3D點云數(shù)據(jù)中各平面的尺寸，以獲取所述3D點云數(shù)據(jù)中最大尺寸平面；
[0083]計算出所述最大尺寸平面的空間位置信息，并根據(jù)所述空間位置信息將所有屬于所述最大尺寸平面的點云作為背景數(shù)據(jù)裁剪掉。
[0084]可選的，所述點云區(qū)塊體積計算模塊5包括:
[0085]包圍盒獲取單元52，用于采用有向包圍盒算法分別計算出各個點云區(qū)塊所對應的包圍盒；
[0086]包圍盒體積計算單元54，用于計算各包圍盒的體積，將所述包圍盒的體積作為與其對應的點云區(qū)塊的三維空間體積。
[0087]可選的，所述點云區(qū)塊體積計算模塊還包括:
[0088]點云區(qū)塊重心計算單元51，用于計算出各點云區(qū)塊中所有點的重心位置；
[0089]包圍盒重心調(diào)整單元53，用于根據(jù)各點云區(qū)塊的重心位置按照一定比例對各點云區(qū)塊所對應的包圍盒的長、寬、高進行調(diào)整，使所述包圍盒的重心位置與其對應的點云區(qū)塊中所有點的重心位置重合。
[0090]需要說明的是，本發(fā)明實施例提供的上述終端中各個模塊，由于與本發(fā)明方法實施例基于同一構思，其帶來的技術效果與本發(fā)明方法實施例相同，具體內(nèi)容可參見本發(fā)明方法實施例中的敘述，此處不再贅述。
[0091]因此，可以看出，本實施例提供的一種機器人路徑規(guī)劃系統(tǒng)同樣不僅能夠檢測出機器人前方預設范圍內(nèi)的所有障礙物，提高機器人的整體路徑規(guī)劃能力，而且還能夠使機器人在進行路徑規(guī)劃時忽略體積小的障礙物，為機器人規(guī)劃出最優(yōu)路徑，克服了現(xiàn)有機器人的路徑規(guī)劃方案無法判斷障礙物的尺寸大小，即使是一個很小的障礙物都必須使機器人避開繞過，局限性很大的問題。
[0092]以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進等，均應包含在本發(fā)明的保護范圍之內(nèi)。
【主權項】
1.一種機器人路徑規(guī)劃方法，其特征在于，包括: 采用安裝在機器人頂部的3D體感相機實時采集所述機器人前方預設范圍內(nèi)障礙物的3D點云數(shù)據(jù)； 對所述3D點云數(shù)據(jù)進行背景裁剪，以除去所述3D點云數(shù)據(jù)中的背景數(shù)據(jù)； 采用集群抽取算法將除去背景數(shù)據(jù)后的3D點云數(shù)據(jù)分割成多個點云區(qū)塊； 分別計算各個點云區(qū)塊的三維空間體積； 判斷各個點云區(qū)塊的三維空間體積是否小于預設體積閾值； 若小于預設體積閾值，則將該點云區(qū)塊從所述3D點云數(shù)據(jù)中除去，以重新建立位于所述機器人前方預設范圍內(nèi)的區(qū)域地圖； 根據(jù)所述區(qū)域地圖對所述機器人進行路徑規(guī)劃。2.如權利要求1所述的機器人路徑規(guī)劃方法，其特征在于，所述采用集群抽取算法將除去背景數(shù)據(jù)后的3D點云數(shù)據(jù)分割成多個點云區(qū)塊之前還包括: 采用邊緣噪點過濾算法對除去背景數(shù)據(jù)后的3D點云數(shù)據(jù)進行濾波處理。3.如權利要求1所述的機器人路徑規(guī)劃方法，其特征在于，對所述3D點云數(shù)據(jù)進行背景裁剪，以除去所述3D點云數(shù)據(jù)中的背景數(shù)據(jù)具體包括: 計算所述3D點云數(shù)據(jù)中各平面的尺寸，以獲取所述3D點云數(shù)據(jù)中最大尺寸平面； 計算出所述最大尺寸平面的空間位置信息，并根據(jù)所述空間位置信息將所有屬于所述最大尺寸平面的點云作為背景數(shù)據(jù)裁剪掉。4.如權利要求1所述的機器人路徑規(guī)劃方法，其特征在于，所述分別計算各個點云區(qū)塊的三維空間體積具體包括: 采用有向包圍盒算法分別計算出各個點云區(qū)塊所對應的包圍盒； 計算各包圍盒的體積，將所述包圍盒的體積作為與其對應的點云區(qū)塊的三維空間體積。5.如權利要求4所述的機器人路徑規(guī)劃方法，其特征在于，所述計算各包圍盒的體積，將所述包圍盒的體積作為與其對應的點云區(qū)塊的三維空間體積之前還包括: 計算出各點云區(qū)塊中所有點的重心位置； 根據(jù)各點云區(qū)塊的重心位置按照一定比例對各點云區(qū)塊所對應的包圍盒的長、寬、高進行調(diào)整，使所述包圍盒的重心位置與其對應的點云區(qū)塊中所有點的重心位置重合。6.一種機器人路徑規(guī)劃系統(tǒng)，其特征在于，包括: 3D體感相機，所述3D體感相機安裝在機器人的頂部，用于實時采集所述機器人前方預設范圍內(nèi)障礙物的3D點云數(shù)據(jù)； 點云裁剪模塊，用于對所述3D點云數(shù)據(jù)進行背景裁剪，以除去所述3D點云數(shù)據(jù)中的背景數(shù)據(jù)； 點云區(qū)塊劃分模塊，用于采用集群抽取算法將除去背景數(shù)據(jù)后的3D點云數(shù)據(jù)分割成多個點云區(qū)塊； 點云區(qū)塊體積計算模塊，用于分別計算各個點云區(qū)塊的三維空間體積； 判斷模塊，用于判斷各個點云區(qū)塊的三維空間體積是否小于預設體積閾值； 區(qū)域地圖重建模塊，用于若小于預設體積閾值，則將該點云區(qū)塊從所述3D點云數(shù)據(jù)中除去，以重新建立位于所述機器人前方預設范圍內(nèi)的區(qū)域地圖； 路徑規(guī)劃模塊，用于根據(jù)所述區(qū)域地圖對所述機器人進行路徑規(guī)劃。7.如權利要求6所述的機器人路徑規(guī)劃系統(tǒng)，其特征在于，還包括: 濾波處理模塊，用于采用邊緣噪點過濾算法對除去背景數(shù)據(jù)后的3D點云數(shù)據(jù)進行濾波處理。8.如權利要求6所述的機器人路徑規(guī)劃系統(tǒng)，其特征在于，所述點云裁剪模塊具體用于: 計算所述3D點云數(shù)據(jù)中各平面的尺寸，以獲取所述3D點云數(shù)據(jù)中最大尺寸平面； 計算出所述最大尺寸平面的空間位置信息，并根據(jù)所述空間位置信息將所有屬于所述最大尺寸平面的點云作為背景數(shù)據(jù)裁剪掉。9.如權利要求6所述的機器人路徑規(guī)劃系統(tǒng)，其特征在于，所述點云區(qū)塊體積計算模塊包括: 包圍盒獲取單元，用于采用有向包圍盒算法分別計算出各個點云區(qū)塊所對應的包圍盒； 包圍盒體積計算單元，用于計算各包圍盒的體積，將所述包圍盒的體積作為與其對應的點云區(qū)塊的三維空間體積。10.如權利要求9所述的機器人路徑規(guī)劃系統(tǒng)，其特征在于，所述點云區(qū)塊體積計算模塊還包括: 點云區(qū)塊重心計算單元，用于計算出各點云區(qū)塊中所有點的重心位置； 包圍盒重心調(diào)整單元，用于根據(jù)各點云區(qū)塊的重心位置按照一定比例對各點云區(qū)塊所對應的包圍盒的長、寬、高進行調(diào)整，使所述包圍盒的重心位置與其對應的點云區(qū)塊中所有點的重心位置重合。
【文檔編號】G05D1/02GK105955275SQ201610362715
【公開日】2016年9月21日
【申請日】2016年5月26日
【發(fā)明人】胡瑞端, 趙術開
【申請人】華訊方舟科技有限公司