CN110764110A

CN110764110A - 路径导航方法、装置及计算机可读存储介质

Info

Publication number: CN110764110A
Application number: CN201911104806.4A
Authority: CN
Inventors: 赵健章; 黄子少
Original assignee: Shenzhen Skyworth Digital Technology Co Ltd
Current assignee: Shenzhen Skyworth Digital Technology Co Ltd
Priority date: 2019-11-12
Filing date: 2019-11-12
Publication date: 2020-02-07
Anticipated expiration: 2039-11-12
Also published as: CN110764110B

Abstract

本发明公开了一种路径导航方法，包括以下步骤：获取所述车辆的目标规划路径，并基于所述车辆对应的雷达图层以及所述激光雷达确定所述车辆的定位信息；通过所述深度摄像头获取所述车辆对应的第一图像；基于所述定位信息、所述第一图像、避障图层以及所述车辆的目标规划路径，控制所述车辆行驶。本发明还公开了一种路径导航装置及计算机可读存储介质。本发明通过雷达图层对车辆进行定位，根据定位信息以及避障图层进行路径规划和避障，在目标规划路径存在障碍物时，安装高度大于障碍物高度的激光雷达不影响车辆的定位精度，进而提高了车辆导航的准确性以及效率。

Description

路径导航方法、装置及计算机可读存储介质

技术领域

本发明涉及智能驾驶领域，尤其涉及一种路径导航方法、装置及计算机可读存储介质。

背景技术

基于自然环境的SLAM(simultaneous localization and mapping，即时定位与地图构建)包括两大功能：定位与建图。其中，建图的主要作用是对周边环境的理解，建立周边环境与空间的对应关系；定位的主要作用是根据建好的图，判断车体在地图中的位置，从而得到环境中的信息。其次，激光雷达是一种主动式探测传感器，不依赖于外界光照条件，且具备高精度的测距信息。因此，基于激光雷达的SLAM方法依旧是机器人SLAM方法中应用最为广泛的方法，并且在ROS(Robot Operating System，机器人软件平台)的SLAM应用也已非常广泛。

目前，大多激光雷达SLAM导航仅能够针对于静态环境，即整个SLAM导航过程中，环境不会发生任何变化，而在实际应用中，环境大多为存在着移动物体的动态环境。在动态环境中，激光雷达探测到移动物体的扫描点数据则会影响定位精度，造成较大的导航误差而影响导航的准确性。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种路径导航方法、装置及计算机可读存储介质，旨在解决现有动态环境中进行SLAM导航时定位精度低的技术问题。

为实现上述目的，本发明提供一种路径导航方法，应用于车辆，所述车辆设有激光雷达以及深度摄像头，所述激光雷达的安装高度大于所述深度摄像头的安装高度，所述路径导航方法包括以下步骤：

获取所述车辆的目标规划路径，并基于所述车辆对应的雷达图层以及所述激光雷达确定所述车辆的定位信息；

通过所述深度摄像头获取所述车辆对应的第一图像；

基于所述定位信息、所述第一图像、避障图层以及所述车辆的目标规划路径，控制所述车辆行驶。

在一实施例中，所述基于所述定位信息、所述第一图像、避障图层以及所述车辆的目标规划路径，控制所述车辆行驶的步骤包括：

基于所述第一图像以及避障图层确定所述目标规划路径中是否存在障碍物；

若不存在，则基于所述定位信息以及所述目标规划路径，控制所述车辆行驶。

在一实施例中，所述基于所述第一图像以及避障图层确定所述目标规划路径中是否存在障碍物的步骤之后，还包括：

若目标规划路径中存在障碍物，则基于所述第一图像以及避障图层确定所述障碍物信息；

基于所述障碍物信息、所述定位信息、所述车辆的目的位置信息、所述避障图层以及所述车辆对应的雷达图层，确定所述车体对应的导航路径；

将所述导航路径作为所述目标规划路径，基于所述目标规划路径控制所述车辆行驶，并继续执行获取所述车辆的目标规划路径，并基于所述激光雷达确定所述车辆的定位信息的步骤。

在一实施例中，所述基于所述第一图像以及避障图层确定所述目标规划路径中是否存在障碍物的步骤包括：

基于所述定位信息以及所述避障图层，获取目标背景环境模板图像；

对所述第一图像进行图像处理，以确定所述图像对应的第一障碍物信息；

基于所述第一障碍物信息以及所述目标背景环境模板图像，确定所述目标规划路径中是否存在障碍物。

在一实施例中，所述基于所述定位信息、所述第一图像、避障图层以及所述车辆的目标规划路径，控制所述车辆行驶的步骤之后，所述路径导航方法还包括：

生成所述第一图像对应的第一背景环境模板图像；

根据所述第一背景环境模板图像、所述第一图像和所述深度摄像头的摄像参数确定第一障碍物的轮廓数据；

基于所述第一障碍物的轮廓数据以及所述第一背景环境模板图像更新所述避障图层。

在一实施例中，所述生成所述第一图像对应的第一背景环境模板图像的步骤包括：

对所述第一图像中的空洞数据进行填涂处理，得到填涂处理后的第一图像；

采用多帧平均法对填涂处理后的第一图像进行处理，得到多帧处理后的第一图像；

对多帧处理后的第一图像进行平滑处理，得到平滑处理后的二维图模板图像；

对所述二维图模板图像进行均值滤波，得到所述第一图像对应的第一背景环境模板图像。

在一实施例中，所述根据所述第一背景环境模板图像、所述第一图像和所述深度摄像头的摄像参数确定第一障碍物的轮廓数据的步骤包括：

获取所述第一背景环境模板图像的第一像素坐标，以及获取所述第一图像的第二像素坐标；

确定所述第二像素坐标和所述第一像素坐标之间的距离差值，保留所述距离差值小于零对应的第二像素坐标，得到差异像素坐标；

根据所述深度摄像头的摄像参数对所述差异像素坐标进行极坐标转换，以得到障碍物转换后的极坐标；

根据转换后的极坐标确定所述障碍物相对于坐标原点的角度和距离，得到第一障碍物的轮廓数据，其中，所述深度摄像头所在位置为坐标原点。

在一实施例中，所述获取所述车辆的目标规划路径，并基于所述车辆对应的雷达图层以及所述激光雷达确定所述车辆的定位信息的步骤之前，所述路径导航方法还包括：

在所述车辆按照预设建图路径行驶过程中，通过所述深度摄像头获取所述车辆对应的第二图像，并生成所述第二图像对应的第二背景环境模板图像；

根据所述第二背景环境模板图像、所述第二图像和所述深度摄像头的摄像参数确定第二障碍物的轮廓数据；

基于所述轮廓数据以及所述第二背景环境模板图像确定所述避障图层。

此外，为实现上述目的，本发明还提供一种路径导航装置，所述路径导航装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的路径导航程序，所述路径导航程序被所述处理器执行时实现前述的路径导航方法的步骤。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有路径导航程序，所述路径导航程序被处理器执行时实现前述的路径导航方法的步骤。

本发明通过获取所述车辆的目标规划路径，并基于所述车辆对应的雷达图层以及所述激光雷达确定所述车辆的定位信息；接着通过所述深度摄像头获取所述车辆对应的第一图像；而后基于所述定位信息、所述第一图像、避障图层以及所述车辆的目标规划路径，控制所述车辆行驶，通过雷达图层对车辆进行定位，根据定位信息以及避障图层进行路径规划和避障，在目标规划路径存在障碍物时，安装高度大于障碍物高度的激光雷达不影响车辆的定位精度，进而提高了车辆导航的准确性以及效率。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的路径导航装置的结构示意图；

图2为本发明路径导航方法第一实施例的流程示意图；

图3为本发明一实施例中的场景示意图；

图4为本发明路径导航方法第二实施例的流程示意图；

图5为本发明路径导航方法第三实施例的流程示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，图1是本发明实施例方案涉及的硬件运行环境的路径导航装置结构示意图。

如图1所示，该路径导航装置可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

可选地，路径导航装置还可以包括摄像头、RF(Radio Frequency，射频)电路，传感器、音频电路、WiFi模块等等。

本领域技术人员可以理解，图1中示出的路径导航装置结构并不构成对路径导航装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及路径导航程序。

在图1所示的路径导航装置中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的路径导航程序。

在本实施例中，路径导航装置包括：存储器1005、处理器1001及存储在所述存储器1005上并可在所述处理器1001上运行的路径导航程序，其中，处理器1001调用存储器1005中存储的路径导航程序时，并执行以下操作：

通过所述深度摄像头获取所述车辆对应的第一图像；

进一步地，处理器1001可以调用存储器1005中存储的路径导航程序，还执行以下操作：

生成所述第一图像对应的第一背景环境模板图像；

本发明还提供一种路径导航方法，参照图2，图2为本发明路径导航方法第一实施例的流程示意图。

本实施例中，该路径导航方法应用于车辆，车辆设有激光雷达以及深度摄像头，激光雷达的安装高度大于所述深度摄像头的安装高度。

本实施例的路径导航方法可应用于智能自动驾驶过程中，其中智能自动驾驶可适用于封闭环境的仓库货运、也可适用于开放环境的道路运输，本实施例以仓库货运为例加以说明；与仓库货运对应的车辆可以为叉车、也可以为抱车、还可以是AGV(AutomatedGuided Vehicle，自动引导运输车)小车等可实现货物运输的设备。

需要说明的是，车辆采用高位安装单线激光雷达方式，避开行驶场景中可能存在的低矮障碍物，一般情况下，低矮障碍物多为货物、工作人员或者其他车体，而车辆可获得其他车体的位置信息等参数，因此，将激光雷达的安装高度设置为大于货物高度以及工作人员的高度，例如，若货物高度为1.5，则可将激光雷达的安装高度设置为1.8米、1.9米等，避开1.5米货物障碍物干扰以及工作人员的干扰。

同时，车辆采用低位安装深度摄像头即三维结构光深度摄像头，即激光雷达的安装高度大于所述深度摄像头的安装高度，并按照预设视角安装深度摄像头，以通过深度摄像头识别出高出地面的低矮障碍物，例如，可在车辆安装3个包围式的深度摄像头，安装高度为1米，各个深度摄像头的垂直视角为45度，各个深度摄像头的水平视角为50度，以通过深度摄像头所拍摄的图像识别车辆前方以及左右两侧的预设范围内高出地面的低矮障碍物，如图3所示，图3中，1.1-1.3为深度摄像头，2为车辆，3为深度摄像头距离地面高度；4为深度摄像头的垂直视角；5为深度摄像头的水平视角，6为激光雷达，7为激光雷达距离地面高度。

该路径导航方法包括：

步骤S100，获取所述车辆的目标规划路径，并基于所述车辆对应的雷达图层以及所述激光雷达确定所述车辆的定位信息；

本实施例中，在车辆按照目标规划路径行驶时，获取该目标规划路径，并获取激光雷达当前的检测数据，基于该检测数据以及雷达图层确定该车辆的定位信息，其中，本实施例采用现有的SLAM导航算法通过激光雷达确定定位信息，在此不再赘述。

需要说明的是，车辆根据其初始位置信息以及目的位置信息，通过雷达图层以及避障图层确定目标规划路径，以使目标规划路径中不存在当前已知的固定障碍物。

步骤S200，通过所述深度摄像头获取所述车辆对应的第一图像；

本实施例中，在车辆按照目标规划路径行驶时，深度摄像头实时执行拍摄操作，以获取拍照图像，在获取到车辆的定位信息时，获取深度摄像头当前所拍摄的第一图像。

步骤S300，基于所述定位信息、所述第一图像、避障图层以及所述车辆的目标规划路径，控制所述车辆行驶。

本实施例中，在获取到第一图像时，获取当前的行驶场景对应的避障图层，并基于定位信息、第一图像、避障图层以及车辆的目标规划路径，控制车辆行驶，具体地，如果根据第一图像确定目标规划路径中不存在障碍物，则基于所述定位信息以及目标规划路径，控制车辆行驶，否则，控制基于所述定位信息、所述第一图像、避障图层重新规划路径行驶。

本实施例中，通过将激光雷达的高度设置为大于可能存在的障碍物的高度，使得激光雷达所工作的高度不存在障碍物，进而不会降低通过激光雷达对车辆定位的精度，避免产生较大的导航误差。

本实施例提出的路径导航方法，通过获取所述车辆的目标规划路径，并基于所述车辆对应的雷达图层以及所述激光雷达确定所述车辆的定位信息；接着通过所述深度摄像头获取所述车辆对应的第一图像；而后基于所述定位信息、所述第一图像、避障图层以及所述车辆的目标规划路径，控制所述车辆行驶，通过雷达图层对车辆进行定位，根据定位信息以及避障图层进行路径规划和避障，在目标规划路径存在障碍物时，安装高度大于障碍物高度的激光雷达不影响车辆的定位精度，进而提高了车辆导航的准确性以及效率。

基于第一实施例，提出本发明路径导航方法的第二实施例，参照图4，在本实施例中，步骤S300包括：

步骤S310，基于所述第一图像以及避障图层确定所述目标规划路径中是否存在障碍物；

步骤S320，若不存在，则基于所述定位信息以及所述目标规划路径，控制所述车辆行驶。

本实施例中，在获取到第一图像时，获取当前的行驶场景对应的避障图层，基于第一图像以及避障图层确定目标规划路径中是否存在障碍物，若不存在障碍物，则基于所述定位信息以及目标规划路径，控制车辆行驶，即控制车辆继续按照目标规划路径行驶，以提高车辆导航的准确性及效率。

一实施例中，可生成第一图像对应的第一背景环境模板图像，根据第一背景环境模板图像、第一图像和所述深度摄像头的摄像参数确定第一障碍物的轮廓数据，而后将该第一障碍物的轮廓数据与定位信息对应的目标背景环境模板图像进行比较，获取目标背景环境模板图像中的目标第一障碍物的轮廓数据，若第一障碍物的轮廓数据中不存在目标第一障碍物的轮廓数据之外的其他第一障碍物的轮廓数据，则确定目标规划路径不存在障碍物，否则确定目标规划路径存在障碍物。

本实施例提出的路径导航方法，通过基于所述第一图像以及避障图层确定所述目标规划路径中是否存在障碍物；接着若不存在，则基于所述定位信息以及所述目标规划路径，控制所述车辆行驶，通过在目标规划路径不存在障碍物时，控制车辆继续按照目标规划路径行驶，以提高车辆导航的准确性及效率。

基于第二实施例，提出本发明路径导航方法的第三实施例，参照图5，在本实施例中，步骤S310之后，还包括：

步骤S330，若目标规划路径中存在障碍物，则基于所述第一图像以及避障图层确定所述障碍物信息；

步骤S340，基于所述障碍物信息、所述定位信息、所述车辆的目的位置信息、所述避障图层以及所述车辆对应的雷达图层，确定所述车体对应的导航路径；

步骤S350，将所述导航路径作为所述目标规划路径，基于所述目标规划路径控制所述车辆行驶，并继续执行获取所述车辆的目标规划路径，并基于所述激光雷达确定所述车辆的定位信息的步骤。

本实施例中，目标规划路径中存在障碍物，则基于第一图像以及避障图层确定障碍物信息，具体地，生成第一图像对应的第一背景环境模板图像，根据第一背景环境模板图像、第一图像和所述深度摄像头的摄像参数确定第一障碍物的轮廓数据，而后将该第一障碍物的轮廓数据与定位信息对应的目标背景环境模板图像进行比较，获取目标背景环境模板图像中的目标第一障碍物的轮廓数据，若第一障碍物的轮廓数据中存在目标第一障碍物的轮廓数据之外的其他第一障碍物的轮廓数据，则获取其他第一障碍物的轮廓数据，以获得障碍物信息。

然后，基于障碍物信息、定位信息、车辆的目的位置信息、避障图层以及车辆对应的雷达图层，确定所述车体对应的导航路径，其中，如果车辆可绕过该障碍物，则导航路径包括绕过障碍物时车辆的行驶路径以及绕过障碍物后的行驶路径，若车辆无法绕过该障碍物，而后将所述导航路径作为所述目标规划路径，基于目标规划路径控制车辆行驶，并继续执行获取所述车辆的目标规划路径，并基于所述激光雷达确定所述车辆的定位信息的步骤，以实现车辆行驶路径的实施规划。

本实施例提出的路径导航方法，通过若目标规划路径中存在障碍物，则基于所述第一图像以及避障图层确定所述障碍物信息；接着基于所述障碍物信息、所述定位信息、所述车辆的目的位置信息、所述避障图层以及所述车辆对应的雷达图层，确定所述车体对应的导航路径；而后将所述导航路径作为所述目标规划路径，基于所述目标规划路径控制所述车辆行驶，并继续执行获取所述车辆的目标规划路径，并基于所述激光雷达确定所述车辆的定位信息的步骤，通过重新规划车辆的行驶路径，以使车辆避开目标规划路径中的障碍物，提高了车辆的导航效率。

基于第二实施例，提出本发明路径导航方法的第四实施例，在本实施例中，步骤S310包括：

步骤S311，基于所述定位信息以及所述避障图层，获取目标背景环境模板图像；

步骤S312，对所述第一图像进行图像处理，以确定所述图像对应的第一障碍物信息；

步骤S313，基于所述第一障碍物信息以及所述目标背景环境模板图像，确定所述目标规划路径中是否存在障碍物。

本实施例中，先在避障图层中获取该定位信息对应的目标背景环境模板图像，而后对第一图像进行图像处理，以确定图像对应的第一障碍物信息，例如，可生成第一图像对应的第一背景环境模板图像，根据第一背景环境模板图像、第一图像和所述深度摄像头的摄像参数确定第一障碍物的轮廓数据即第一障碍物信息。

而后，根据第一障碍物信息以及目标背景环境模板图像，确定目标规划路径中是否存在障碍物，具体地，获取目标背景环境模板图像中的目标第一障碍物的轮廓数据，将第一障碍物信息即该第一障碍物的轮廓数据与目标第一障碍物的轮廓数据，若第一障碍物的轮廓数据中不存在目标第一障碍物的轮廓数据之外的其他第一障碍物的轮廓数据，则确定目标规划路径不存在障碍物，否则确定目标规划路径存在障碍物。

本实施例提出的路径导航方法，通过基于所述定位信息以及所述避障图层，获取目标背景环境模板图像，接着对所述第一图像进行图像处理，以确定所述图像对应的第一障碍物信息，而后基于所述第一障碍物信息以及所述目标背景环境模板图像，确定所述目标规划路径中是否存在障碍物，能够根据第一图像准确确定目标规划路径中是否存在障碍物，进而提高障碍物检测的准确性，进一步提升车辆的导航效率。

基于第一实施例，提出本发明路径导航方法的第五实施例，在本实施例中，步骤S300之后，还包括：

步骤S400，生成所述第一图像对应的第一背景环境模板图像；

本实施例中，可在根据更新后的目标规划路径控制所述车辆行驶之后，生成与该第一图像对应的第一背景环境模板图像。需要说明的是，在获取的第一图像中，会因为深度摄像头的特性、拍摄时环境光线反光、折射等原因造成第一图像会存在空洞数据，空洞数据所在地方是无法获取深度数据的，即空洞数据对应的深度值为零。因此需要对第一图像进行处理，得到第一图像对应的第一背景环境模板图像。

进一步地，所述生成与所述第一图像对应的第一背景环境模板图像的步骤包括：

步骤a，对所述第一图像中的空洞数据进行填涂处理，得到填涂处理后的第一图像。

进一步地，生成与第一图像对应的第一背景环境模板图像的过程为：对第一图像中的空洞数据进行填涂处理，得到填涂处理后的第一图像。在本实施例中，采用OpenCV的标准函数，实现闭运算，先膨胀再腐蚀，以消除第一图像中的空洞数据，此时，控制OpenCV的标准函数Size(尺寸)参数即可。

步骤b，采用多帧平均法对填涂处理后的第一图像进行处理，得到多帧处理后的第一图像。

当得到填涂处理后的第一图像后，采用多帧平均法对填涂处理后的第一图像进行处理，得到多帧处理后的第一图像。具体地，多帧平均法实质上是一种统计滤波的思想，是在一段时间内，将采集到的多帧图像相加，求其平均值，这个平均值就作为参考的背景模型。在本实施例中，在与获取第一图像的同一位置下采集多帧图像，在所采集的多帧图像中，在与填涂处理后的第一图像中深度数据的相同位置取深度值的平均值，将该平均值作为多帧处理后的第一图像对应位置的深度值，得到多帧处理后的第一图像。

步骤c，对多帧处理后的第一图像进行平滑处理，得到平滑处理后的二维图模板图像。

步骤d，对所述二维图模板图像进行均值滤波，得到所述第一图像对应的第一背景环境模板图像。

当得到多帧处理后的第一图像后，对多帧处理后的第一图像进行平滑处理，得到平滑处理后的二维模板图像。在本实施例中，平滑处理所采用的方法包括但不限于插值方法、线性平滑方法和卷积法。当得到平滑处理后的二维模板图像后，对二维模板图像进行均值滤波，得到均值滤波后的图像，该均值滤波后的图像即为第一图像对应的第一背景环境模板图像。

步骤S500，根据所述第一背景环境模板图像、所述第一图像和所述深度摄像头的摄像参数确定第一障碍物的轮廓数据；

步骤S600，基于所述轮廓数据以及所述第一背景环境模板图像更新所述避障图层。

当得到第一背景环境模板图像后，获取深度摄像头的摄像参数，并根据第一背景环境模板图像、第一图像和摄像参数确定第一障碍物的轮廓数据，其中，该第一障碍物的轮廓数据包括第一图像所对应的所有固定第一障碍物的轮廓数据。其中，摄像参数包括但不限于深度摄像头的安装高度、安装角度、垂直视场角度、水平视场角度、有效像素行数和有效像素列数；第一障碍物的轮廓数据为障碍物与车辆之间的距离和障碍物所在的位置，在本实施例中，障碍物所在位置采用坐标的形式表示。

而后，基于所述轮廓数据以及所述第一背景环境模板图像更新所述避障图层，具体地，可在第一背景环境模板图像中标注轮廓数据，并基于标注后的第一背景环境模板图像更新避障图层，以实现避障图层的更新，实现避障图层的动态重建，提高导航效率。

需要说明的是，还可以在所述车辆达到所述目标规划路径对应的目的位置时，执行上述操作进行避障图层的更新。

本实施例提出的路径导航方法，通过生成所述第一图像对应的第一背景环境模板图像，而后根据所述第一背景环境模板图像、所述第一图像和所述深度摄像头的摄像参数确定所述第一障碍物的轮廓数据，然后基于所述轮廓数据以及所述第一背景环境模板图像更新所述避障图层，通过根据第一图像实现避障图层的动态重建，进一步提升了车辆的导航效率。

基于第五实施例，提出本发明路径导航方法的第六实施例，在本实施例中，步骤S500包括：

步骤S510，获取所述第一背景环境模板图像的第一像素坐标，以及获取所述第一图像的第二像素坐标；

步骤S520，确定所述第二像素坐标和所述第一像素坐标之间的距离差值，保留所述距离差值小于零对应的第二像素坐标，得到差异像素坐标；

步骤S530，根据所述深度摄像头的摄像参数对所述差异像素坐标进行极坐标转换，以得到障碍物转换后的极坐标；

步骤S540，根据转换后的极坐标确定所述障碍物相对于坐标原点的角度和距离，得到第一障碍物的轮廓数据，其中，所述深度摄像头所在位置为坐标原点。

在本实施例中，获取第一背景环境模板图像的像素坐标，以及获取第一图像的像素坐标，为了便于区分，将第一背景环境模板图像中的像素坐标记为第一像素坐标，将第一图像的像素坐标记为第二像素坐标。可以理解的是，在图像中，每一个像素点都是一个坐标点。当得到第一像素坐标和第二像素坐标后，确定第二像素坐标和第一像素坐标之间的距离差值，保留距离差值小于零对应的第二像素坐标，得到差异像素坐标，可以理解的是，距离差值小于零对应的第二像素坐标即为差异像素坐标。

在确定第二像素坐标和第一像素坐标之间的距离差值过程中，是先计算出第二像素坐标和第一像素坐标对应的模值，然后根据第二像素坐标的模值和第一像素坐标的模值对应确定第二像素坐标和第一像素坐标之间的距离差值。在得到距离差值过程中，是将第一图像和第一背景环境模板图像中同一位置的像素坐标进行计算的，如根据第一图像A1位置的第二像素坐标和第一背景环境模板图像A1位置的第一像素坐标确定A1位置对应的距离差值，根据第一图像A2位置的第二像素坐标和第一背景环境模板图像A2位置的第一像素坐标确定A2位置对应的距离差值，根据第一图像A3位置的第二像素坐标和第一背景环境模板图像A3位置的第一像素坐标确定A3位置对应的距离差值。进一步地，对应距离差值大于或者等于零对应的第二像素坐标，则记为零。

当得到差异像素坐标后，根据深度摄像头的摄像参数对差异像素坐标进行极坐标转换，以得到该障碍物转换后的极坐标，并根据转换后的极坐标确定障碍物相对于坐标原点的角度和距离，以得到第一障碍物的轮廓数据，其中，该坐标原点为深度摄像头所在位置，即所得角度和距离是障碍物相对于车辆的角度和距离。需要说明的是，坐标原点与第一像素坐标和第二像素坐标所采用的坐标系是不一样的，不同坐标系之间的坐标是可以相互转换的。

进一步地，步骤S530包括：

步骤g1，读取所述深度摄像头的安装高度、安装角度、垂直视场角度、水平视场角度、有效像素行数和有效像素列数，以及将所述差异像素坐标读取为测量点，并逐一对各所述测量点执行以下步骤。

步骤g2，检测所述测量点到所述深度摄像头之间的深度值，以及所述测量点的所在像素行数和所在像素列数。

步骤g3，根据所述安装角度、垂直视场角度、所在像素行数、有效像素行数和所述深度值，确定所述测量点的极坐标模值。

步骤g4，根据所述水平视场角度、安装高度、安装角度、垂直视场角度、所在像素列数、有效像素列数、所在像素行数和有效像素行数，确定所述测量点的极坐标角度。

步骤g5，将所述极坐标模值和所述极坐标角度确定为所述测量点的极坐标，并在各所述测量点均生成极坐标后，将各所述极坐标确定为所述障碍物转换后的极坐标。

本实施例预先建立有三维空间坐标系，该三维空间坐标系以深度摄像头所在位置作为坐标原点，以车辆所在平面为XY平面，以与XY平面垂直的上部空间为Y轴正方向所在空间；其中对于XY平面，车辆行驶正前方为Y轴方向，与Y轴方向垂直的方向为X轴方向。将Y轴正方向作为预设方向，深度摄像头一旦检测到障碍物，则对各障碍物成像，形成各障碍物在预设方向上的投影，并检测各障碍物的投影高度。

具体地，对深度摄像头的摄像参数进行读取，摄像参数包括安装高度H、安装角度θ、垂直视场角度ω_z、水平视场角度ω_h、有效像素行数L和有效像素列数C；其中，有效像素行数为深度摄像头在Y轴方向的成像最大像素值，有效像素列数为立体相机在X轴方向的成像最大像素值。此后将差异像素坐标中所包含的各个像素点坐标读取为测量点，并逐一针对各测量点进行处理。处理时先检测测量点到深度摄像头之间的深度值D，以及测量点的所在像素行数n和所在像素列数m；然后根据深度摄像头的安装角度、垂直视场角度、所在像素行数、有效像素行数和深度值，确定测量点的极坐标模值，具体地，将安装角度θ、垂直视场角度ω_z、所在像素行数n和有效像素行数L传输到公式(1)中，通过公式(1)计算，得到像素所在行的偏角α；其中公式(1)为：

α＝θ-(ω_z/2)+(ω_z*n/L) (1)。

在通过公式(1)计算得到像素所在行的偏角α之后，将偏角α和深度值D传输到公式(2)中，通过公式(2)的计算，得到测量点的极坐标模值r；其中公式(2)为：

r＝D*Cos(α) (2)。

|Xmax|＝Tan(0.5*ω_h)*H/Cos(θ-0.5*ω_z) (3)；

|Ymax|＝H/Tan(θ-0.5*ω_z) (4)；

|Xmin|＝Tan(0.5*ω_h)*H/Cos(θ+0.5*ω_z) (5)；

|Ymin|＝H/Tan(θ+0.5*ω_z) (6)。

更进一步地，对测量点坐标的绝对值坐标(|Xc|，|Yc|)进行计算，将所在像素列数m、有效像素列数C、|Xmax|和|Xmin|传输到公式(7)中，通过公式(7)的计算，得到测量点坐标的绝对值中|Xc|数值，并将所在像素行数n、有效像素行数L、|Ymax|和|Ymin|传输到公式(8)中，通过公式(8)的计算，得到测量点坐标的绝对值中|Yc|数值；其中公式(7)和(8)分别为：

|Xc|＝m/C*(|Xmax|-|Xmin|)+|Xmin| (7)；

|Yc|＝n/L*(|Ymax|-|Ymin|)+|Ymin| (8)。

此后，将测量点坐标的绝对值传输到公式(9)中，通过公式(9)的计算，得到测量点的极坐标角度□，其中公式(9)为：

□＝Tan-1(|Yc|/|Xc|) (9)。

可理解地，经上述公式(1)到(9)计算得到的测量点的极坐标模值和极坐标角度，将极坐标模值和极坐标角度确定为对应测量点的极坐标，并在各个测量点均生成极坐标后，将各极坐标确定为障碍物转换后的极坐标，即障碍物转换后的极坐标至少为1个。

进一步地，步骤S540包括：

步骤h1，在预设角度范围选取所述转换后的极坐标生成极坐标集合，对应所述极坐标集合中的各元素依次进行中值滤波和均值滤波处理，生成处理结果。

步骤h2，对所述处理结果中的各元素进行合并，生成目标元素，并计算所述目标元素与所述深度摄像头对应的角度和距离，对应得到所述障碍物相对于坐标原点的角度和距离，得到所述第一障碍物的轮廓数据。

在得到障碍物转换后的极坐标后，在预设角度范围内选取转换后的极坐标，将所选取的转换后的极坐标确定为一个极坐标集合，即选取在预设角度范围内的极坐标确定为极坐标集合，将极坐标集合将该坐标集合中的各个极坐标点作为极坐标集合中的各个元素，其中，预设角度范围是预先设置好的，在本实施例中对预设角度范围的大小不做具体限制。先对极坐标集合中的各个元素进行中值滤波处理，去除其中的椒盐噪声点；再通过设置距离坐标原点的最小值，将各元素中与坐标原点之间的距离大于最小值的元素进行去除；此后对经处理的各项元素进行均值滤波处理，生成处理结果。进而对处理结果中的各元素进行合并，将作为元素的各极坐标点合并为一个极坐标点，该合并得到的极坐标点即为目标元素。此后，计算目标元素相对于深度摄像头对应的角度和距离，通过计算所得的距离和角度来确定车辆与障碍物之间的相对距离，得到障碍物相对于坐标原点的角度和距离，即得到第一障碍物的轮廓数据。可以理解的是，通过该轮廓数据就可确定与车辆距离最近的障碍物。

本实施例通过在计算轮廓数据过程中，根据深度摄像头的摄像参数对差异像素坐标进行极坐标转换，进而滤波、去噪和计算的处理方式，提高了障碍物与车辆之间距离计算的准确性，从而进一步提高了识别仓位上托盘位置和距离的准确度。

进一步地，所述确定所述第二像素坐标和所述第一像素坐标之间的距离差值的步骤包括：

步骤f1，确定所述第一像素坐标对应的阈值误差，计算所述第一像素坐标对应的第一模值与所述阈值误差之间的乘积。

步骤f2，将所述乘积与所述第一模值相加，得到第三模值，将所述第二像素坐标对应的第二模值减去所述第三模值，得到所述第二像素坐标和所述第一像素坐标之间的距离差值。

进一步地，确定第二像素坐标和第一像素坐标之间的距离差值的过程为：确定第一像素坐标对应的阈值误差，计算第一像素坐标对应的第一模值与阈值误差之间的乘积，其中，阈值误差可根据具体需要而设置，如可设置为2％、2.5％或者设置为3.2％等，该阈值误差用于表示计算所得的距离差值的精度。当阈值误差设置为2.5％，表示计算所得距离差值可达到2.5cm的精度。当得到第一模值与阈值误差之间的乘积后，将该乘积与第一模值相加，得到第三模值，并将第二像素坐标对应的第二模值减去第三模值，得到第二像素坐标和第一像素坐标之间的距离差值。若距离差值用d1表示，d表示第二模值，d0表示第一模值，m％表示误差阈值，则d1＝d-d0*(1+m％)。

本实施例提出的路径导航方法，通过获取所述第一背景环境模板图像的第一像素坐标，以及获取所述第一图像的第二像素坐标；接着确定所述第二像素坐标和所述第一像素坐标之间的距离差值，保留所述距离差值小于零对应的第二像素坐标，得到差异像素坐标；而后根据所述深度摄像头的摄像参数对所述差异像素坐标进行极坐标转换，以得到障碍物转换后的极坐标；然后根据转换后的极坐标确定所述障碍物相对于坐标原点的角度和距离，得到第一障碍物的轮廓数据，能够根据像素坐标准确得到第一障碍物的轮廓数据，进而提高避障图层更新的准确性，进一步提高车辆的导航效率。

基于上述各个实施例，提出本发明路径导航方法的第七实施例，在本实施例中，步骤S100之前，还包括：

步骤S700，在所述车辆按照预设建图路径行驶过程中，通过所述深度摄像头获取所述车辆对应的第二图像，并生成所述第二图像对应的第二背景环境模板图像；

步骤S800，根据所述第二背景环境模板图像、所述第二图像和所述深度摄像头的摄像参数确定第二障碍物的轮廓数据；

步骤S900，基于第二障碍物的轮廓数据以及所述第二背景环境模板图像确定所述避障图层。

本实施例中，在车辆进行建图时，车辆按照预设建图路径行驶，车辆采用gmapping算法建立雷达图层，同时建立避障图层，具体地，通过所述深度摄像头获取所述车辆对应的第二图像，并生成所述第二图像对应的第二背景环境模板图像，根据所述第二背景环境模板图像、所述第二图像和所述深度摄像头的摄像参数确定第二障碍物的轮廓数据，基于第二障碍物的轮廓数据以及所述第二背景环境模板图像确定所述避障图层，具体地，可在第二背景环境模板图像中标注第二障碍物的轮廓数据，并基于标注后的第二背景环境模板图像生成避障图层；其中，第二背景环境模板图像的生成过程与第一背景环境模板图像的生成过程类似，第二障碍物的轮廓数据的获取过程与第一障碍物的轮廓数据的获取过程类似，在此不再赘述。

本实施例提出的路径导航方法，通过在所述车辆按照预设建图路径行驶过程中，通过所述深度摄像头获取所述车辆对应的第二图像，并生成所述第二图像对应的第二背景环境模板图像；接着根据所述第二背景环境模板图像、所述第二图像和所述深度摄像头的摄像参数确定第二障碍物的轮廓数据；而后基于所述第二障碍物的轮廓数据以及所述第二背景环境模板图像确定所述避障图层，能够准确生成避障图层，便于后续根据该避障图层进行路径导航，以提高AGV的导航效率。

此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有路径导航程序，所述路径导航程序被处理器执行时实现如下操作：

通过所述深度摄像头获取所述车辆对应的第一图像；

进一步地，所述路径导航程序被处理器执行时还实现如下操作：

生成所述第一图像对应的第一背景环境模板图像；

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims

1.一种路径导航方法，其特征在于，应用于车辆，所述车辆设有激光雷达以及深度摄像头，所述激光雷达的安装高度大于所述深度摄像头的安装高度，所述路径导航方法包括以下步骤：

通过所述深度摄像头获取所述车辆对应的第一图像；

2.如权利要求1所述的路径导航方法，其特征在于，所述基于所述定位信息、所述第一图像、避障图层以及所述车辆的目标规划路径，控制所述车辆行驶的步骤包括：

3.如权利要求2所述的路径导航方法，其特征在于，所述基于所述第一图像以及避障图层确定所述目标规划路径中是否存在障碍物的步骤之后，还包括：

4.如权利要求2所述的路径导航方法，其特征在于，所述基于所述第一图像以及避障图层确定所述目标规划路径中是否存在障碍物的步骤包括：

5.如权利要求1所述的路径导航方法，其特征在于，所述基于所述定位信息、所述第一图像、避障图层以及所述车辆的目标规划路径，控制所述车辆行驶的步骤之后，所述路径导航方法还包括：

生成所述第一图像对应的第一背景环境模板图像；

基于所述第一障碍物的轮廓数据以及所述第一背景环境模板图像更新避障图层。

6.如权利要求5所述的路径导航方法，其特征在于，所述生成所述第一图像对应的第一背景环境模板图像的步骤包括：

7.如权利要求5所述的路径导航方法，其特征在于，所述根据所述第一背景环境模板图像、所述第一图像和所述深度摄像头的摄像参数确定第一障碍物的轮廓数据的步骤包括：

8.如权利要求1至7任一项所述的路径导航方法，其特征在于，所述获取所述车辆的目标规划路径，并基于所述车辆对应的雷达图层以及所述激光雷达确定所述车辆的定位信息的步骤之前，所述路径导航方法还包括：

9.一种路径导航装置，其特征在于，所述路径导航装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的路径导航程序，所述路径导航程序被所述处理器执行时实现如权利要求1至8中任一项所述的路径导航方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有路径导航程序，所述路径导航程序被处理器执行时实现如权利要求1至8中任一项所述的路径导航方法的步骤。