并將障礙物和機器人 尺寸加入考慮，對人工勢場法本身進行了改進。
[0092] 相同或相似的標號對應相同或相似的部件；
[0093] 附圖中描述位置關系的用語僅用于示例性說明，不能理解為對本專利的限制； [0094]顯然，本發(fā)明的上述實施例僅僅是為清楚地說明本發(fā)明所作的舉例，而并非是對 本發(fā)明的實施方式的限定。對于所屬領域的普通技術人員來說，在上述說明的基礎上還可 以做出其它不同形式的變化或變動。這里無需也無法對所有的實施方式予以窮舉。凡在本 發(fā)明的精神和原則之內所作的任何修改、等同替換和改進等，均應包含在本發(fā)明權利要求 的保護范圍之內。
【主權項】
1. 一種基于Kinect的移動機器人避障方法，其特征在于，所述方法包括以下步驟： S1:假設地面大致平坦，在開始避障前，采用Kinect傳感器的深度攝像頭獲取無障礙物 的深度圖，提取地面平面方程； S2:采用Kinect傳感器的深度攝像頭獲取機器人前方的深度圖； S3:根據獲取的機器人前方的深度圖，估計障礙物的尺寸并識別障礙物的類型； S4:根據不同障礙物場景確定對應的避障策略。2. 根據權利要求1所述的基于Kinect的移動機器人避障方法，其特征在于，步驟S1中， 提取地面平面方程具體包括以下步驟： SI. 1 :Kinect傳感器的深度攝像頭讀取清除障礙物的深度圖作為地面幀； S1.2:使用Kinect深度攝像頭標定后的內參，將深度圖轉化為以Kinect攝像頭中心點 為原點的攝像頭坐標系中的點云，對點云使用RANSAC算法提取出擬合平面，即得到地面平 面方程。3. 根據權利要求2所述的基于Kinect的移動機器人避障方法，其特征在于，步驟S1中， 所述RANSAC算法的基本步驟是：隨機選擇深度圖中的3個點平面ax+by+cz+d = 0，檢查剩余 的點到平面的距離是否小于預設的閾值A，這里設A為0.005m，若小于閾值A則認為該點在平 面上，計算符合平面方程的點的個數;重復上一步驟，直到符合平面方程的點的個數大于預 設的閾值B，即得到平面方程ax+by+cz+d = 0。4. 根據權利要求1所述的基于Kinect的移動機器人避障方法，其特征在于，步驟S3中， 根據障礙物的特點，障礙物分為以下幾類： 第1類:高于機器人的障礙物； 第2類:下陷障礙物； 第3類:無法繞過去的障礙物； 第4類:左右對立的障礙物； 第5類:走廊； 第6類:過近的障礙物； 第7類:其他普通障礙物。5. 根據權利要求4所述的基于Kinect的移動機器人避障方法，其特征在于，步驟S3中， 識別障礙物類型的具體方法包括以下步驟： 53.1 :識別第6類障礙物:計算有效點占比^ =有效點個數/(640*480)，若某一常數 a，即點云中有效點過少，這可能是機器人剛開始運動或轉向時突然遇到過近的障礙物，導 致不在機器人可視范圍內的點過多，即判斷為第6類障礙物，此時機器人應停止運動； 53.2 :識別第1類、第2類障礙物:在機器人開始運動后，每次獲取深度圖后，轉化為點云 并計算各點到地面平面間距離hi，去除hl<0.08m的點即地面點，機器人高度約為0.42m，則 去除hl>0.5m的障礙物即第1類障礙物，對于第2類障礙物，hl>0.08m，可直接當作普通障 礙物處理； S3.3:識別第5類障礙物:對剩余點云使用RANSAC算法提取平面，計算內點占比ib =平面 內點個數/點云總個數，若Tb>某一常數b，且獲得的平面法向量與地面平面法向量大致正 交(夾角與90°相差小于一定范圍），則認為當前障礙物為一面墻壁，即判斷為第5類障礙物； S3.4聚類分割并識別第3類、第4類障礙物:對剩余點云進行分組，將與相鄰集群之間距 離小于預設的閾值C的點組成一類，使得同一類中不能分出更多個小的聚類，且兩個不同聚 類之間的最小距離大于該閾值;對于每個聚類，計算出其最左邊、最右邊和最近的點來代表 該聚類； 當聚類個數為1時，根據障礙物的左右邊界計算障礙物橫向寬度，判斷是否為第3類障 礙物，若是，則判斷聚類中具有最小深度的點在機器人的左邊還是右邊，使機器人向最小深 度更大的方向轉向； 當聚類個數為2時，判斷是否左邊障礙物的最右邊界點在機器人的左邊且右邊障礙物 的最左邊界點在機器人的右邊，若是，則認為是第4類障礙物；以以上兩個邊界點作為障礙 物點，二者的中點作為目標點，使用人工勢場法計算機器人避障速度； S3.5 :識別第7類障礙物:若聚類分割后判斷不屬于第3類或第4類障礙物，則屬于第7類 障礙物，使用人工勢場法計算避障速度，之后將機器人的水平速度vx、縱向速度vz和自旋速 度vr依次使用串口通信傳輸給機器人，然后進入下一次計算。6. 根據權利要求5所述的基于Kinect的移動機器人避障方法，其特征在于，步驟S3.3 中，識別到第5類障礙物時，計算墻壁法向量與攝像頭坐標系中X軸的夾角a，ae[〇°，90°]， 設置機器人的自旋速度v r= 土k*sina，其中k為一個常數，當墻壁在機器人右側時vr取負號； 當α = 0°時，計算墻壁與y-z平面間距離d，若d〈某一常數dm，則令水平速度即左右速度vx = ±k，當墻壁在機器人右側時取負號，否則令縱向速度即前進速度vz = k;從而使得機器人能 夠旋轉至與墻壁平行后與墻壁保持一定距離沿墻行走;若Tb<b，則進入下一步繼續(xù)處理。7. 根據權利要求1所述的基于Kinect的移動機器人避障方法，其特征在于，步驟S4中， 根據不同障礙物場景采用改進的人工勢場法確定避障策略，其具體方法為： (1) 對于U型障礙物，對于左右對立的障礙物，由于聚類時已經將機器人不能通過的位 置進行融合，因此不需要考慮是否能夠通過，而只需要考慮左右障礙物的邊界，保證能夠有 效從二者中間通過； (2) 局部極小點和振蕩問題往往是由于每個障礙物均被單獨處理，而沒有考慮障礙物 的整體分布情況而導致，因而采用對象分組的方法，對相距較近的障礙物分為一組，將同一 組障礙物當作一個虛擬的障礙物來進行處理，這通過障礙物檢測部分的聚類方法來實現； (3) 對于障礙物和機器人的尺寸，考慮使用機器人尺寸在每個障礙物外部進行擴充，并 使用障礙物與機器人之間的最小距離作為斥力公式中的距離，同時在聚類時以機器人尺寸 為參照來進行聚類和分離障礙物，從而保證機器人能夠有效避開障礙物。
【專利摘要】本發(fā)明公開一種基于Kinect的移動機器人避障方法，在室內環(huán)境中，通過Kinect傳感器獲取環(huán)境信息，通過對深度信息的處理識別出障礙物特征，分離出不同障礙物，并實現對障礙物尺寸的估計和對特殊障礙物的識別，根據障礙物信息確定對應的障礙物場景，從而確定對應的避障策略，并結合人工勢場法，為未知室內環(huán)境中智能移動機器人的實時避障提供了一種適應性強、實時性好、路徑較為平滑的解決方案。本發(fā)明提高了對環(huán)境信息的掌握，因而適用于更多室內場景，同時，結合人工勢場法進行避障，利用了人工勢場法的優(yōu)點并通過環(huán)境信息解決了一些人工勢場法存在缺陷的情況。
【IPC分類】G05D1/02
【公開號】CN105652873
【申請?zhí)枴?br>【發(fā)明人】成慧, 盧雯, 朱啟源
【申請人】中山大學
【公開日】2016年6月8日
【申請日】2016年3月4日