本發(fā)明涉及智能檢測領(lǐng)域，特別是涉及一種障礙物檢測方法及系統(tǒng)。

背景技術(shù)：

現(xiàn)代機器人技術(shù)及無人駕駛技術(shù)發(fā)展迅速，隨著技術(shù)的不斷成熟，可自主導(dǎo)航及路徑規(guī)劃的機器人出現(xiàn)在人們的生活中。在享受機器人技術(shù)及無人駕駛技術(shù)帶來的便利、提高生產(chǎn)效率的同時，機器人與機器人之間、機器人與人之間、機器人與建筑物之間等碰撞事故時有發(fā)生，如何避免機器人的碰撞事故成為了人們重點關(guān)注的問題。因此，如何在機器人自主行動過程中去對所處環(huán)境中的各類障礙物進行檢測，成為解決碰撞事故的關(guān)鍵。常用障礙物檢測系統(tǒng)是基于單/雙目攝像頭、毫米波雷達等傳感器。

其中單目攝像頭檢測，是先通過圖像匹配進行目標(biāo)識別(各種障礙等)，再通過目標(biāo)在圖像中的大小去估算目標(biāo)距離，需要建立并不斷維護一個龐大的樣本特征數(shù)據(jù)庫，保證這個數(shù)據(jù)庫包含待識別目標(biāo)的全部特征數(shù)據(jù)。而雙目攝像頭檢測，是通過對兩幅圖像視差的計算，直接對前方景物進行距離測量。無論單/雙目攝像頭都受環(huán)境影響較大，如環(huán)境的光暗狀況、陰影、溫濕度等的干擾，圖像會存在不同程度的失真，另外計算量大，對計算單元的性能及算法要求較高。相比于單/雙目攝像頭，毫米波雷達具有更高的精度及分辨率，探測范圍也更加廣泛，但其探測距離受到頻段損耗的直接制約，也無法感知行人，并且對周邊所有障礙物無法進行精準(zhǔn)的建模。目前也存在一些多傳感器融合的檢測系統(tǒng)，但其同樣面臨著計算量大、受環(huán)境制約等問題。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的是提供一種障礙物檢測方法及系統(tǒng)，以解決傳統(tǒng)檢測方法及系統(tǒng)中計算量大且受環(huán)境影響大的問題。

為實現(xiàn)上述目的，本發(fā)明提供了如下方案：

一種障礙物檢測方法，所述方法包括：

獲取n線激光雷達掃描得到的點云數(shù)據(jù)，所述點云數(shù)據(jù)豎直方向坐標(biāo)不同、水平面上的投影為n條平行直線；

將所述點云數(shù)據(jù)劃分為q個區(qū)域，所述q個區(qū)域包括第1區(qū)域、第2區(qū)域至第q區(qū)域；

依次對所述第1區(qū)域的點云數(shù)據(jù)、所述第2區(qū)域的點云數(shù)據(jù)至所述第q區(qū)域的點云數(shù)據(jù)進行平面擬合，對應(yīng)得到第1平面、第2平面至第q平面；

依次獲取所述第1區(qū)域的點云數(shù)據(jù)、所述第2區(qū)域的點云數(shù)據(jù)至所述第q區(qū)域的點云數(shù)據(jù)中的障礙物的坐標(biāo)；

對所述障礙物的坐標(biāo)數(shù)據(jù)進行體素化處理，得到動態(tài)障礙物的坐標(biāo)集合和靜態(tài)障礙物的坐標(biāo)集合。

可選的，所述將所述點云數(shù)據(jù)劃分為q個區(qū)域，具體包括：

將所述水平面上投影的n條直線中每連續(xù)m條直線對應(yīng)的點云數(shù)據(jù)劃分為同一區(qū)域，依次得到第1區(qū)域、第2區(qū)域至第q區(qū)域；所述第1區(qū)域的點云數(shù)據(jù)包括所述n條直線中第1至m條直線對應(yīng)的點云數(shù)據(jù)，所述第2區(qū)域的點云數(shù)據(jù)包括所述n條直線中第m至2m-1條直線對應(yīng)的點云數(shù)據(jù)，所述第q區(qū)域的點云數(shù)據(jù)包括所述n條直線中第1+(q-1)(m-1)至1+q(m-1)條直線對應(yīng)的點云數(shù)據(jù)。

可選的，所述依次對所述第1區(qū)域的點云數(shù)據(jù)、所述第2區(qū)域的點云數(shù)據(jù)至所述第q區(qū)域的點云數(shù)據(jù)進行平面擬合，對應(yīng)得到第1平面、第2平面至第q平面，具體包括：

利用四分位差法構(gòu)造門函數(shù)壓縮數(shù)據(jù)，確定第i區(qū)域點云數(shù)據(jù)的門上限和門下限；其中i＝1，2，……，q；

根據(jù)所述第i區(qū)域點云數(shù)據(jù)的門上限和所述門下限確定所述第i區(qū)域點云數(shù)據(jù)更新后的區(qū)域，所述第i區(qū)域點云數(shù)據(jù)更新后的區(qū)域為所述上門限和所述下門限之間的點云數(shù)據(jù)區(qū)域；

根據(jù)所述第i區(qū)域點云數(shù)據(jù)更新后的區(qū)域，利用隨機抽樣一致性算法進行平面擬合，得到第i區(qū)域的初始平面；

當(dāng)i＝1時，將所述第i區(qū)域的初始平面確定為第i平面；

當(dāng)i>1時，判斷第i區(qū)域的初始平面是否有效，得到第一判斷結(jié)果；

當(dāng)所述第一判斷結(jié)果表示是時，確定所述第i區(qū)域的初始平面為第i平面；

當(dāng)所述第一判斷結(jié)果表示否時，判斷第i+1區(qū)域的初始平面是否有效，得到第二判斷結(jié)果；

當(dāng)所述第二判斷結(jié)果表示是時，確定所述第i+1區(qū)域的初始平面為第i平面。

可選的，所述利用四分位差法構(gòu)造門函數(shù)壓縮數(shù)據(jù)，確定第i區(qū)域點云數(shù)據(jù)的門上限和門下限，具體包括：

確定所述第i區(qū)域點云數(shù)據(jù)的四分位差iqr＝q75％-q25％；其中iqr表示所述第i區(qū)域中豎直方向坐標(biāo)小于z75％且大于z25％的點云數(shù)據(jù)區(qū)域，其中豎直方向坐標(biāo)z75％＝z1+δz×75％，z25％＝z1+δz×25％，z1為所述第i區(qū)域中點云數(shù)據(jù)中豎直方向坐標(biāo)最小值，δz為所述第i區(qū)域中點云數(shù)據(jù)中數(shù)值方向坐標(biāo)最大值與最小值的差值；

確定所述第i區(qū)域點云數(shù)據(jù)的門上限為qmax＝q75％；

確定所述第i區(qū)域點云數(shù)據(jù)的門下限為qmin＝q25％-0.5×(iqr)。

可選的，所述根據(jù)所述第i區(qū)域點云數(shù)據(jù)更新后的區(qū)域，利用隨機抽樣一致性算法進行平面擬合，得到第i區(qū)域的初始平面，具體包括：

在所述第i區(qū)域點云數(shù)據(jù)更新后的區(qū)域，利用三點的隨機抽樣一致性算法進行平面擬合，得到初始擬合后的平面；

判斷所述初始擬合后的平面內(nèi)點數(shù)量是否大于設(shè)定閾值，得到第三判斷結(jié)果；

當(dāng)所述第三判斷結(jié)果表示是時，將所述初始擬合后的平面確定為第i區(qū)域的初始平面；

當(dāng)所述第三判斷結(jié)果表示否時，返回利用三點的隨機抽樣一致性算法進行平面擬合的步驟。

可選的，所述當(dāng)i>1時，判斷第i區(qū)域的初始平面是否有效，得到第一判斷結(jié)果，具體包括：

利用公式計算所述第i區(qū)域的初始平面與第i-1區(qū)域的初始平面之間的角度差δψi，其中為所述第i區(qū)域的初始平面的單位法向量，為所述第i-1區(qū)域的初始平面的單位法向量；

計算所述第i區(qū)域的初始平面與第i-1區(qū)域的初始平面之間的高度差δzi；

判斷是否角度差δψi小于角度設(shè)定閾值且高度差δzi小于高度設(shè)定閾值，得到第四判斷結(jié)果；

當(dāng)所述第四判斷結(jié)果表示是時，確定所述第i區(qū)域的初始平面有效；

當(dāng)所述第四判斷結(jié)果表示否時，確定所述第i區(qū)域的初始平面無效。

可選的，所述依次獲取所述第1區(qū)域點云數(shù)據(jù)、所述第2區(qū)域點云數(shù)據(jù)至所述第q區(qū)域點云數(shù)據(jù)中的障礙物的坐標(biāo)，具體包括：

利用公式遍歷計算第i區(qū)域內(nèi)第i平面外的任一點p到第i平面的距離d；其中p0為所述第i平面上任一點，為所述第i區(qū)域內(nèi)對應(yīng)第i平面的單位法向量；

判斷所述距離d是否大于距離設(shè)定閾值，得到第五判斷結(jié)果；

當(dāng)所述第五判斷結(jié)果表示是時，確定所述點p是障礙物點；

獲取所述點p的坐標(biāo)；

當(dāng)所述第五判斷結(jié)果表示否時，確定所述點p不是障礙物點。

可選的，所述對所述障礙物的坐標(biāo)數(shù)據(jù)進行體素化處理，得到動態(tài)障礙物的坐標(biāo)集合和靜態(tài)障礙物的坐標(biāo)集合，具體包括：

對第一時刻所述n線激光雷達掃描后得到的障礙物點，利用公式對障礙物點進行第一體素化處理，其中，為向下取整函數(shù)，x1為任一障礙物點p1的坐標(biāo)，v為體素的大小，為所述障礙物點p1體素化后得到的對應(yīng)體素的位置坐標(biāo)，對所述障礙物點進行第一體素化處理后，計算對應(yīng)體素內(nèi)包含的點個數(shù)，得到所述障礙物點p1的占用值；

對第二時刻所述n線激光雷達掃描后得到的障礙物點，利用公式對障礙物點進行第二體素化處理，其中所第二時刻為所述第一時刻所述n線激光雷達掃描的后一次掃描時刻，x2為任一障礙物點p2的坐標(biāo)，為所述障礙物點p2體素化后得到的對應(yīng)體素的位置坐標(biāo)，對所述障礙物點進行第二體素化處理后，計算對應(yīng)體素內(nèi)包含的點個數(shù)，得到所述障礙物點p2的占用值；

在所述第一體素化處理得到的體素和所述第二體素化處理得到的體素范圍內(nèi)，判斷以所述為中心、以設(shè)定體素閾值為半徑組成的球體范圍內(nèi)的體素的占用值是否與所述的占用值相等，得到第六判斷結(jié)果；

當(dāng)所述第六判斷結(jié)果表示是時，確定所述障礙物點p2為動態(tài)障礙物；

當(dāng)所述第六判斷結(jié)果表示否時，確定所述障礙物點p2為靜態(tài)障礙物；

獲得動態(tài)障礙物的坐標(biāo)集合和靜態(tài)障礙物的坐標(biāo)集合。

一種障礙物檢測系統(tǒng)，所述系統(tǒng)包括：

點云數(shù)據(jù)獲取模塊，用于獲取n線激光雷達掃描得到的點云數(shù)據(jù)，所述點云數(shù)據(jù)豎直方向坐標(biāo)不同、水平面上的投影為n條平行直線；

區(qū)域劃分模塊，用于將所述點云數(shù)據(jù)劃分為q個區(qū)域，所述q個區(qū)域包括第1區(qū)域、第2區(qū)域至第q區(qū)域；

平面擬合模塊，用于依次對所述第1區(qū)域的點云數(shù)據(jù)、所述第2區(qū)域的點云數(shù)據(jù)至所述第q區(qū)域的點云數(shù)據(jù)進行平面擬合，對應(yīng)得到第1平面、第2平面至第q平面；

障礙物坐標(biāo)獲取模塊，用于依次獲取所述第1區(qū)域的點云數(shù)據(jù)、所述第2區(qū)域的點云數(shù)據(jù)至所述第q區(qū)域的點云數(shù)據(jù)中的障礙物的坐標(biāo)；

體素化處理模塊，用于對所述障礙物的坐標(biāo)數(shù)據(jù)進行體素化處理，得到動態(tài)障礙物的坐標(biāo)集合和靜態(tài)障礙物的坐標(biāo)集合。

可選的，所述體素化處理模塊具體包括：

第一體素化處理單元，用于對第一時刻所述n線激光雷達掃描后得到的障礙物點，利用公式對障礙物點進行第一體素化處理，其中，為向下取整函數(shù)，x1為任一障礙物點p1的坐標(biāo)，v為體素的大小，為所述障礙物點p1體素化后得到的對應(yīng)體素的位置坐標(biāo)，對所述障礙物點進行第一體素化處理后，計算對應(yīng)體素內(nèi)包含的點個數(shù)，得到所述障礙物點p1的占用值；

第二體素化處理單元，用于對第二時刻所述n線激光雷達掃描后得到的障礙物點，利用公式對障礙物點進行第二體素化處理，其中所第二時刻為所述第一時刻所述n線激光雷達掃描的后一次掃描時刻，x2為任一障礙物點p2的坐標(biāo)，為所述障礙物點p2體素化后得到的對應(yīng)體素的位置坐標(biāo)，對所述障礙物點進行第二體素化處理后，計算對應(yīng)體素內(nèi)包含的點個數(shù)，得到所述障礙物點p2的占用值；

占用值判斷單元，用于在所述第一體素化處理得到的體素和所述第二體素化處理得到的體素范圍內(nèi)，判斷以所述為中心、以設(shè)定體素閾值為半徑組成的球體范圍內(nèi)的體素的占用值是否與所述的占用值相等，得到第六判斷結(jié)果；

動態(tài)障礙物確定單元，用于當(dāng)所述第六判斷結(jié)果表示是時，確定所述障礙物點p2為動態(tài)障礙物；

靜態(tài)障礙物確定單元，用于當(dāng)所述第六判斷結(jié)果表示否時，確定所述障礙物點p2為靜態(tài)障礙物；

坐標(biāo)集合獲得單元，用于獲得動態(tài)障礙物的坐標(biāo)集合和靜態(tài)障礙物的坐標(biāo)集合。

根據(jù)本發(fā)明提供的具體實施例，本發(fā)明公開了以下技術(shù)效果：以三維激光雷達為傳感器，通過分段平面擬合、路面分離、點云體素化幾個步驟，實現(xiàn)了三維點云數(shù)據(jù)的大規(guī)模壓縮，大大降低了數(shù)據(jù)處理量，并且不受環(huán)境限制；不僅可以檢測出環(huán)境中的障礙物，還進一步把環(huán)境劃分為三部分：路面區(qū)域(可行區(qū)域)、靜態(tài)障礙物區(qū)域、動態(tài)障礙物區(qū)域，為機器人的有效行為決策提供了更好的環(huán)境信息。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明障礙物檢測方法流程圖；

圖2為本發(fā)明障礙物檢測系統(tǒng)結(jié)構(gòu)圖；

圖3為本發(fā)明障礙物檢測方法中激光雷達掃描示意圖；

圖4為本發(fā)明障礙物檢測方法中擬合平面示意圖；

圖5為本發(fā)明障礙物檢測方法中k時刻障礙物體素化處理后示意圖；

圖6為本發(fā)明障礙物檢測方法中k+1時刻障礙物體素化處理后示意圖；

圖7為本發(fā)明障礙物檢測方法中k+1時刻障礙物體素化處理后與k時刻結(jié)合后的示意圖。

具體實施方式

下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

為使本發(fā)明的上述目的、特征和優(yōu)點能夠更加明顯易懂，下面結(jié)合附圖和具體實施方式對本發(fā)明作進一步詳細的說明。

圖1為本發(fā)明障礙物檢測方法流程圖。如圖1所示，所述方法包括：

步驟101：獲取點云數(shù)據(jù)。獲取n線激光雷達掃描得到的點云數(shù)據(jù)，所述點云數(shù)據(jù)豎直方向坐標(biāo)不同、水平面上的投影為n條平行直線。具體可以采用十六線激光雷達，也可以用三十二線激光雷達，激光雷達掃描示意圖具體參見圖3。

步驟102：劃分點云數(shù)據(jù)。將所述點云數(shù)據(jù)劃分為q個區(qū)域，所述q個區(qū)域包括第1區(qū)域、第2區(qū)域至第q區(qū)域。具體的，將所述水平面上投影的n條直線中每連續(xù)m條直線對應(yīng)的點云數(shù)據(jù)劃分為同一區(qū)域，依次得到第1區(qū)域、第2區(qū)域至第q區(qū)域；所述第1區(qū)域的點云數(shù)據(jù)包括所述n條直線中第1至m條直線對應(yīng)的點云數(shù)據(jù)，所述第2區(qū)域的點云數(shù)據(jù)包括所述n條直線中第m至2m-1條直線對應(yīng)的點云數(shù)據(jù)，所述第q區(qū)域的點云數(shù)據(jù)包括所述n條直線中第1+(q-1)(m-1)至1+q(m-1)條直線對應(yīng)的點云數(shù)據(jù)。例如，采用十六線激光雷達掃描得到的點云數(shù)據(jù)，則獲得16條掃描線點云數(shù)據(jù)，可以將每3條掃描線的點云數(shù)據(jù)劃為一個區(qū)域，1-4條線的點云數(shù)據(jù)為參考區(qū)域，4-6條線的點云數(shù)據(jù)為第一區(qū)域，6-8條線的點云數(shù)據(jù)為第二區(qū)域，8-10條線的點云數(shù)據(jù)為第三區(qū)域……依次構(gòu)成7個區(qū)域。

步驟103：進行平面擬合。依次對所述第1區(qū)域的點云數(shù)據(jù)、所述第2區(qū)域的點云數(shù)據(jù)至所述第q區(qū)域的點云數(shù)據(jù)進行平面擬合，對應(yīng)得到第1平面、第2平面至第q平面。對于每一區(qū)域的點云數(shù)據(jù)進行平面擬合具體步驟為：

(1)使用四分位差法構(gòu)造門函數(shù)壓縮數(shù)據(jù)并更新區(qū)域；

確定所述第i區(qū)域點云數(shù)據(jù)的四分位差iqr＝q75％-q25％；其中iqr表示所述第i區(qū)域中豎直方向坐標(biāo)小于z75％且大于z25％的點云數(shù)據(jù)區(qū)域，其中豎直方向坐標(biāo)z75％＝z1+δz×75％，z25％＝z1+δz×25％，z1為所述第i區(qū)域中點云數(shù)據(jù)中豎直方向坐標(biāo)最小值，δz為所述第i區(qū)域中點云數(shù)據(jù)中數(shù)值方向坐標(biāo)最大值與最小值的差值；

確定所述第i區(qū)域點云數(shù)據(jù)的門上限為qmax＝q75％；

確定所述第i區(qū)域點云數(shù)據(jù)的門下限為qmin＝q25％-0.5×(iqr)；

保留z∈(qmin,qmax)的點為更新后的區(qū)域。

(2)針對更新后的區(qū)域使用隨機抽樣一致算法從區(qū)域內(nèi)隨機抽取三個點構(gòu)造初始平面，當(dāng)初始平面內(nèi)點數(shù)量足夠多的時候(即初始平面內(nèi)點數(shù)量大于設(shè)定閾值時)，初始平面擬合成功并表示為：

aix+biy+ciz+di＝0。

(3)依次構(gòu)造所有區(qū)域內(nèi)的平面，并驗證其有效性。

驗證構(gòu)造的初始平面是否有效的方法為：計算相鄰平面的角度差及高度差，即利用公式計算第i區(qū)域的初始平面與第i-1區(qū)域的初始平面之間的角度差δψi，其中為所述第i區(qū)域的初始平面的單位法向量，為所述第i-1區(qū)域的初始平面的單位法向量；

利用公式δzi＝|zi-zi-1|計算第i區(qū)域的初始平面與第i-1區(qū)域的初始平面之間的高度差δzi；其中

當(dāng)兩者均滿足閾值要求，則該平面有效；否則該平面無效，將其舍棄。例如將第2區(qū)域的初始平面舍棄后，第3區(qū)域擬合的初始平面的相鄰平面則為第1區(qū)域的初始平面。通過平面擬合獲得每個區(qū)域的代表平面，作為參考路面。

步驟104：獲得障礙物坐標(biāo)。依次獲取所述第1區(qū)域的點云數(shù)據(jù)、所述第2區(qū)域的點云數(shù)據(jù)至所述第q區(qū)域的點云數(shù)據(jù)中的障礙物的坐標(biāo)。采用計算各區(qū)域中平面外的點到平面的距離，將遠離平面的點確定為障礙物點，將接近平面的點確定為路面點。具體的，利用公式遍歷計算第i區(qū)域內(nèi)第i平面外的任一點p到第i平面的距離d；其中p0為所述第i平面上任一點，為所述第i區(qū)域內(nèi)對應(yīng)第i平面的單位法向量；然后判斷所述距離d是否大于距離設(shè)定閾值，如果是，確定所述點p是障礙物點，并獲取所述點p的坐標(biāo)；

步驟105：對障礙物坐標(biāo)進行體素化處理。將所有非路面點即障礙物點進行體素化并根據(jù)每個體素內(nèi)包含點的個數(shù)計算各自的占用值，將這一時刻數(shù)據(jù)作為模板儲存在數(shù)據(jù)存儲模塊內(nèi)。使用同樣的方法處理下一時刻數(shù)據(jù)，得到若干個體素及占用值，將其映射到上一時刻得到的模板數(shù)據(jù)中進行對比處理。由于在任何時刻，同一障礙在體素內(nèi)呈現(xiàn)相同的占用值，結(jié)合兩組數(shù)據(jù)遍歷每一個體素進行判斷，若在該體素的相鄰體素中具有與其相等的占用值，則該體素代表動態(tài)障礙物；若在該體素的相鄰體素中沒有與其相等的占用值，則該體素代表靜態(tài)障礙物。具體體素化示意圖參見圖5。體素化處理主要作用于非路面點即障礙物點，使其以體素的形式表現(xiàn)出來，計算體素內(nèi)所含點的個數(shù)，記作體素的占用值。對比相鄰體素之間的占用值變化，從而檢測動、靜態(tài)障礙物得到動態(tài)障礙物的坐標(biāo)集合和靜態(tài)障礙物的坐標(biāo)集合。具體流程如下：

對第一時刻所述n線激光雷達掃描后得到的障礙物點，利用公式對障礙物點進行第一體素化處理，其中，為向下取整函數(shù)，x1為任一障礙物點p1的坐標(biāo)，v為體素的大小，為所述障礙物點p1體素化后得到的對應(yīng)體素的位置坐標(biāo)，對所有障礙物點進行第一體素化處理后，計算各體素內(nèi)包含的點個數(shù)，記作其占用值；

對第二時刻所述n線激光雷達掃描后得到的障礙物點，利用公式對障礙物點進行第二體素化處理，其中所第二時刻為所述第一時刻所述n線激光雷達掃描的后一次掃描時刻，x2為任一障礙物點p2的坐標(biāo)，為所述障礙物點p2體素化后得到的對應(yīng)體素的位置坐標(biāo)，對所有障礙物點進行第二體素化處理后，計算各體素內(nèi)包含的點個數(shù)，記作其占用值；

在所述第一體素化處理得到的體素和所述第二體素化處理得到的體素范圍內(nèi)，判斷以體素為中心、以設(shè)定體素閾值為半徑組成的球體范圍內(nèi)的體素的占用值是否與所述體素的占用值相等；

如果是，確定所述障礙物點p2為動態(tài)障礙物；

如果否，確定所述障礙物點p2為靜態(tài)障礙物。

步驟106：得到動態(tài)障礙物坐標(biāo)集合和靜態(tài)障礙物坐標(biāo)集合。根據(jù)步驟105確定的動態(tài)障礙物和靜態(tài)障礙物，依次獲得相應(yīng)的坐標(biāo)，構(gòu)成動態(tài)障礙物坐標(biāo)集合和靜態(tài)障礙物坐標(biāo)集合，并結(jié)合步驟103獲得的平面，指示機器人合理規(guī)劃路線，避免碰撞。

圖2為本發(fā)明障礙物檢測系統(tǒng)結(jié)構(gòu)圖。如圖2所示，所述系統(tǒng)包括：

點云數(shù)據(jù)獲取模塊201，用于獲取n線激光雷達掃描得到的點云數(shù)據(jù)，所述點云數(shù)據(jù)豎直方向坐標(biāo)不同、水平面上的投影為n條平行直線；

區(qū)域劃分模塊202，用于將所述點云數(shù)據(jù)劃分為q個區(qū)域，所述q個區(qū)域包括第1區(qū)域、第2區(qū)域至第q區(qū)域；

平面擬合模塊203，用于依次對所述第1區(qū)域的點云數(shù)據(jù)、所述第2區(qū)域的點云數(shù)據(jù)至所述第q區(qū)域的點云數(shù)據(jù)進行平面擬合，對應(yīng)得到第1平面、第2平面至第q平面；

障礙物坐標(biāo)獲取模塊204，用于依次獲取所述第1區(qū)域的點云數(shù)據(jù)、所述第2區(qū)域的點云數(shù)據(jù)至所述第q區(qū)域的點云數(shù)據(jù)中的障礙物的坐標(biāo)；

體素化處理模塊205，用于對所述障礙物的坐標(biāo)數(shù)據(jù)進行體素化處理，得到動態(tài)障礙物的坐標(biāo)集合和靜態(tài)障礙物的坐標(biāo)集合。

所述系統(tǒng)的各模塊具體工作過程參見圖1中相應(yīng)各步驟的說明。

圖3為本發(fā)明障礙物檢測方法中激光雷達掃描示意圖。以十六線激光雷達為例，將十六線激光雷達與處理計算機連接，各子系統(tǒng)經(jīng)過初始化開始正常運行，十六線激光雷達通過dp83848網(wǎng)絡(luò)模塊以udp為傳輸協(xié)議，向處理計算機傳輸掃描得到的稠密點云數(shù)據(jù)。

如圖3所示，十六線三維激光雷達，共有十六個掃描平面，每兩個平面掃描之間的夾角δα為2°，在0到λ0的范圍內(nèi)，雷達數(shù)據(jù)密集且精確度高，該區(qū)域作為參考區(qū)域。雷達被固定在距離地面高h處，有：

α0＝arctan(λ0/h)

掃描區(qū)域被分割成λk-1個，每個區(qū)域的長度λk由下式給出：

λk＝h·tan(α0+k·η·δα),(k:1,2,......,n),{k:1,…,n}

其中，η取3，表示每三個掃描平面構(gòu)成一個區(qū)域。

圖4為本發(fā)明障礙物檢測方法中擬合平面示意圖。如圖4所示，利用四分位差法構(gòu)造門函數(shù)壓縮數(shù)據(jù)，方法為：

四分位差iqr＝q75％-q25％；其中iqr為第i區(qū)域中豎直方向坐標(biāo)小于z75％且大于z25％的點云數(shù)據(jù)區(qū)域，其中豎直方向坐標(biāo)z75％＝z1+δz×75％，z25％＝z1+δz×25％，z1為所述第i區(qū)域中點云數(shù)據(jù)中豎直方向坐標(biāo)最小值，δz為所述第i區(qū)域中點云數(shù)據(jù)中數(shù)值方向坐標(biāo)最大值與最小值的差值；

確定第i區(qū)域點云數(shù)據(jù)的門上限為qmax＝q75％；

確定第i區(qū)域點云數(shù)據(jù)的門下限為qmin＝q25％-0.5×(iqr)

根據(jù)所述第i區(qū)域點云數(shù)據(jù)的門上限和所述門下限，保留z∈(qmin,qmax)的點為第i區(qū)域點云數(shù)據(jù)更新后的區(qū)域；

根據(jù)所述第i區(qū)域點云數(shù)據(jù)更新后的區(qū)域，利用三點的隨機抽樣一致性算法進行平面擬合，得到第i區(qū)域的初始平面aix+biy+ciz+di＝0；

為驗證構(gòu)造的初始平面是否有效，計算相鄰平面的角度差及高度差，即利用公式計算第i區(qū)域的初始平面與第i-1區(qū)域的初始平面之間的角度差δψi，其中為所述第i區(qū)域的初始平面的單位法向量，為所述第i-1區(qū)域的初始平面的單位法向量；

利用公式δzi＝|zi-zi-1|計算第i區(qū)域的初始平面與第i-1區(qū)域的初始平面之間的高度差δzi，

當(dāng)兩者均滿足閾值要求，則該平面有效；否則該平面無效，將其舍棄。

圖5為本發(fā)明障礙物檢測方法中k時刻體素化處理示意圖。如圖5所示，在動、靜態(tài)障礙物檢測的過程中，認為隨著時間的改變及數(shù)據(jù)的積累，動態(tài)障礙會占據(jù)不同的體素并具有相同的占用值，靜態(tài)障礙物占據(jù)相同的體素。因此構(gòu)造模板匹配機制。

對第k時刻激光雷達掃描后得到的障礙物點，利用公式對障礙物點進行體素化處理，其中，為向下取整函數(shù)，x1為任一障礙物點p1的坐標(biāo)，v為體素的大小，v＝0.1，為所述障礙物點p1體素化后得到的對應(yīng)體素的位置坐標(biāo)，對所有障礙物點進行體素化處理后，；計算障礙物所占體素的占用值，假設(shè)探測到三個障礙物o1、o2、o3，占據(jù)了三個體素并具有不同的占用值，如圖5所示，將其作為模板。

圖6為本發(fā)明障礙物檢測方法中k+1時刻障礙物體素化處理后示意圖。如圖6所示，對第k+1時刻激光雷達掃描后得到的障礙物點，利用公式對障礙物點進行體素化處理，其中所第k+1時刻為所述第k時刻所述n線激光雷達掃描的后一次掃描時刻，x2為任一障礙物點p2的坐標(biāo)，為所述障礙物點p2體素化后得到的對應(yīng)體素的位置坐標(biāo)，對所有障礙物點進行體素化處理后；計算障礙物所占體素的占用值，假設(shè)探測到三個障礙物o1’、o2、o3，占據(jù)了三個體素并具有不同的占用值，如圖6所示.

圖7為本發(fā)明障礙物檢測方法中k+1時刻障礙物體素化處理后與k時刻結(jié)合后的示意圖。將k+1時刻體素化后數(shù)據(jù)與k時刻數(shù)據(jù)結(jié)合，假設(shè)o1發(fā)生了運動，到達了o1’所在體素但其占用值不變，o2、o3未發(fā)生運動，還占據(jù)著相同的體素，如圖7所示。在第k時刻中，分別以o1’、o2、o3為中心體素，與其相鄰體素(設(shè)定閾值范圍內(nèi)的體素)占用值作對比，若具有相同的占用值則該障礙為動態(tài)障礙并從模板中剔除，所有對比完成后更新模板，依次往下迭代。即：在第k時刻，與o1’相鄰并具有占用值的體素為o1及o3，o1’與o1具有相同的占用值，與o3相比具有不同的占用值，故o1為運動障礙物，將其從模板中剔除。更新后的模板即為圖6。

本說明書中各個實施例采用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似部分互相參見即可。對于實施例公開的系統(tǒng)而言，由于其與實施例公開的方法相對應(yīng)，所以描述的比較簡單，相關(guān)之處參見方法部分說明即可。

本文中應(yīng)用了具體個例對本發(fā)明的原理及實施方式進行了闡述，以上實施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想；同時，對于本領(lǐng)域的一般技術(shù)人員，依據(jù)本發(fā)明的思想，在具體實施方式及應(yīng)用范圍上均會有改變之處。綜上所述，本說明書內(nèi)容不應(yīng)理解為對本發(fā)明的限制。