障碍物识别方法、系统及存储介质

技术领域

本发明涉及机器人领域，尤其涉及一种障碍物识别方法、系统及存储介质。

背景技术

移动机器人对周边环境进行障碍物识别，根据识别结果规划移动路线，避免因碰撞造成移动机器人的损伤，常见的障碍物识别方式为通过激光扫描进行识别或通过拍照检测进行识别。

在现有技术中，采用激光扫描可准确检测到是否存在障碍物，但激光模组下方区域存在盲区，往往无法识别到纸张、液体污渍等低矮的障碍物，造成漏检；采用拍照检测可识别出图片中的预设类型物品，但识别时可能会因背景画面与预设类型物品相似造成误检，或识别不出非预设类型的物品造成漏检，两种方式均存在缺陷，识别障碍物的准确性低。

发明内容

本发明的主要目的在于提供一种障碍物识别方法、系统及存储介质，用于解决障碍物的错漏识别问题，提高障碍物识别的准确性。

本发明第一方面提供了一种障碍物识别方法，应用于移动机器人，所述移动机器人包括摄像模组和激光模组，所述障碍物识别方法包括：通过所述摄像模组和所述激光模组分别进行拍照和激光扫描，生成物体图像和激光图像；识别所述物体图像和所述激光图像中的障碍物，得到物体识别结果和激光识别结果；根据所述物体识别结果和所述激光识别结果判断目标区域是否真实存在障碍物，所述目标区域为所述摄像模组和所述激光模组进行探测的重合区域；若存在，则根据所述激光识别结果或所述物体识别结果获取障碍物的物体类型和物体位置，所述物体类型为预设类型或未知类型。

可选的，在本发明第一方面的第一种实现方式中，所述识别所述物体图像和所述激光图像中的障碍物，得到物体识别结果和激光识别结果，包括：识别所述物体图像中的障碍物，生成物体识别结果，所述物体识别结果用于指示所述物体图像中是否存在障碍物；识别所述激光图像中的激光线段，根据所述激光线段的形变状态判断是否存在障碍物，生成激光识别结果，所述激光识别结果用于指示所述激光图像中是否存在障碍物。

可选的，在本发明第一方面的第二种实现方式中，所述识别所述物体图像中的障碍物，生成物体识别结果，所述物体识别结果用于指示所述物体图像中是否存在障碍物，包括：调用预置的识别模型识别所述物体图像中的障碍物，所述预置的识别模型用于识别预设类型的障碍物；当未识别到预设类型的障碍物时，生成第一物体识别结果，所述第一物体识别结果指示所述物体图像中不存在障碍物；当识别到预设类型的障碍物时，根据障碍物在所述物体图像中的像素坐标得到障碍物的尺寸和预估位置，生成第二物体识别结果，所述第二物体识别结果指示所述物体图像中存在障碍物以及障碍物的物体类型、尺寸和预估位置；将所述第一物体识别结果或所述第二物体识别结果确定为物体识别结果。

可选的，在本发明第一方面的第三种实现方式中，所述识别所述激光图像中的激光线段，根据所述激光线段的形变状态判断是否存在障碍物，生成激光识别结果，所述激光识别结果用于指示所述激光图像中是否存在障碍物，包括：识别所述激光图像中的激光线段；当所述激光线段为直线状态时，生成第一激光识别结果，所述第一激光识别结果指示所述激光图像中不存在障碍物；当所述激光线段为弯折状态时，通过所述激光线段在所述激光图像中的像素坐标得到障碍物的实际位置，生成第二激光识别结果，所述第二激光识别结果指示所述激光图像中存在障碍物以及障碍物的实际位置；将所述第一激光识别结果或所述第二激光识别结果确定为激光识别结果。

可选的，在本发明第一方面的第四种实现方式中，所述根据所述物体识别结果和所述激光识别结果判断目标区域是否真实存在障碍物，所述目标区域为所述摄像模组和所述激光模组进行探测的重合区域，包括：当所述物体识别结果指示不存在障碍物时，若所述激光识别结果指示所述目标区域存在障碍物，则根据所述激光识别结果确定所述目标区域真实存在障碍物，否则确定不存在障碍物；当所述物体识别结果指示存在障碍物时，识别障碍物类别，根据所述障碍物类别和所述激光识别结果判断所述目标区域是否真实存在障碍物，所述障碍物类别为扁平障碍物或非扁平障碍物。

可选的，在本发明第一方面的第五种实现方式中，所述当所述物体识别结果指示存在障碍物时，识别障碍物类别，根据所述障碍物类别和所述激光识别结果判断所述目标区域是否真实存在障碍物，所述障碍物类别为扁平障碍物或非扁平障碍物，包括：当所述物体识别结果指示存在障碍物时，根据所述物体识别结果中障碍物的尺寸确定障碍物为扁平障碍物或非扁平障碍物，所述扁平障碍物为尺寸小于阈值的障碍物，所述非扁平障碍物为尺寸大于或等于阈值的障碍物；当障碍物为扁平障碍物时，若所述激光识别结果指示所述目标区域存在障碍物，则根据所述激光识别结果确定所述目标区域真实存在障碍物，否则根据所述物体识别结果确定所述目标区域真实存在障碍物；当障碍物为非扁平障碍物时，若所述激光识别结果指示存在障碍物，则根据所述物体识别结果确定所述目标区域真实存在障碍物，否则确定不存在障碍物。

可选的，在本发明第一方面的第六种实现方式中，在所述若存在，则根据所述激光识别结果或所述物体识别结果获取障碍物的物体类型和物体位置之后，还包括：当存在预设类型障碍物时，根据所述预设类型障碍物的物体位置规划完整避障路线，控制移动机器人沿着所述完整避障路线移动，当移动至所述预设类型障碍物未被拍摄的侧面区域时，移动机器人转向所述预设类型障碍物重新探测障碍物；当存在未知类型障碍物时，根据所述未知类型障碍物的物体位置规划局部绕行路线，控制移动机器人沿着所述局部避障路线移动，当检测到所述未知类型障碍物未被扫描的区域时，移动机器人转向所述未知类型障碍物重新探测障碍物。

本发明第二方面提供了一种障碍物识别系统，所述障碍物识别系统包括摄像模组、激光模组、模组控制器和处理器；所述摄像模组包括RGB摄像机、光敏传感器和补光灯，所述摄像模组用于采集物体图像；所述激光模组包括窄带红外摄像机、第一激光发射器和第二激光发射器，所述激光模组用于采集激光图像；所述模组控制器用于控制所述摄像模组和所述激光模组采集物体图像和激光图像；所述处理器用于通过摄像模组和激光模组获取物体图像和激光图像，通过物体图像和激光图像判断是否真实存在障碍物，若存在，则获取障碍物的物体类型和物体位置；

所述摄像模组和所述激光模组设置于移动机器人的前撞部件上，所述前撞部件设置于移动机器人前进方向上的前端位置；

所述摄像模组的RGB摄像机和补光灯，所述激光模组的窄带红外摄像机、第一激光发射器和第二激光发射器设置于同一高度；

所述窄带红外摄像机设置于前撞部件的中部，所述窄带红外摄像机的光轴与地面平行；

所述第一激光发射器和所述第二激光发射器设置于所述窄带红外摄像机两侧的等距离位置，所述第一激光发射器的光轴和所述第二激光发射器的光轴均与地面平行，且各自与所述窄带红外摄像机的光轴形成的夹角相同，所述第一激光发射器和所述第二激光发射器发出的线激光相交，所述第一激光发射器和所述第二激光发射器发出的线激光平面垂直于地面。

可选的，在本发明第二方面的第一种实现方式中，所述RGB摄像机的光轴与地面形成的夹角范围为[5°，10°]；

所述补光灯的光束角为60°或90°，所述补光灯的光轴与地面形成的夹角范围为[5°，10°]。

本发明第三方面提供了一种障碍物识别装置，包括：生成模块，用于通过所述摄像模组和所述激光模组分别进行拍照和激光扫描，生成物体图像和激光图像；识别模块，用于识别所述物体图像和所述激光图像中的障碍物，得到物体识别结果和激光识别结果；判断模块，用于根据所述物体识别结果和所述激光识别结果判断目标区域是否真实存在障碍物，所述目标区域为所述摄像模组和所述激光模组进行探测的重合区域；获取模块，用于若存在，则根据所述激光识别结果或所述物体识别结果获取障碍物的物体类型和物体位置，所述物体类型为预设类型或未知类型。

本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的障碍物识别方法。

本发明提供的技术方案中，通过所述摄像模组和所述激光模组分别进行拍照和激光扫描，生成物体图像和激光图像；识别所述物体图像和所述激光图像中的障碍物，得到物体识别结果和激光识别结果；根据所述物体识别结果和所述激光识别结果判断目标区域是否真实存在障碍物，所述目标区域为所述摄像模组和所述激光模组进行探测的重合区域；若存在，则根据所述激光识别结果或所述物体识别结果获取障碍物的物体类型和物体位置，所述物体类型为预设类型或未知类型。本发明实施例中，分别通过相机拍照和激光扫描两种方式来识别障碍物，得到两个识别结果，利用两个识别结果共同判断同一个位置上是否存在障碍物，避免低矮障碍物被漏检以及非低矮障碍物被错检，当存在障碍物时，根据两种识别结果获取障碍物的物体类型和物体位置，提高障碍物识别的准确性。

附图说明

图1为本发明实施例中障碍物识别方法的一个实施例示意图；

图2为本发明实施例中障碍物识别方法的另一个实施例示意图；

图3为基于预设类型障碍物的规避和探测示意图；

图4为基于未知类型障碍物的一个规避和探测示意图；

图5为基于未知类型障碍物的另一个规避和探测示意图；

图6为本发明实施例中障碍物识别系统的一个实施例示意图；

图7为本发明实施例中障碍物识别装置的一个实施例示意图。

具体实施方式

本发明实施例提供了一种障碍物识别方法、系统及存储介质，用于提高障碍物识别的准确性。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

为便于理解，下面对本发明实施例的具体流程进行描述，可以理解的是，本发明的执行主体可以为障碍物识别装置，还可以是移动机器人，具体此处不做限定。本发明实施例以移动机器人为执行主体为例进行说明。

请参阅图1，本发明实施例中障碍物识别方法的一个实施例包括：

101、通过摄像模组和激光模组分别进行拍照和激光扫描，生成物体图像和激光图像；

移动机器人通过摄像模组进行拍照，生成物体图像，摄像模组包括RGB摄像机、光敏传感器和补光灯，补光灯发出白光，在拍照前，移动机器人通过光敏传感器检测周边光线的明暗程度，当光线充足时关闭补光灯，当光线不足时，开启补光灯提供光源，确保物体图像清晰。

移动机器人还通过激光模组进行扫描，生成激光图像，激光模组包括窄带红外摄像机、第一激光发射器和第二激光发射器，第一激光发射器和第二激光发射器发射线性激光，线性激光经物体反射后被窄带红外摄像机接收成像。

102、识别物体图像和激光图像中的障碍物，得到物体识别结果和激光识别结果；

移动机器人调用预置神经网络模型识别物体图像中的障碍物，生成物体识别结果。预置神经网络模型经过训练，可识别预设类型的物体，预设类型的物体包括鞋子、沙发、桌椅角、柜子、纸张、地毯、液体污渍等常见类型物体，预置神经网络模型能够识别的物体类型种类由训练时输入的训练样本种类决定。当预置神经网络模型识别到障碍物时，移动机器人提取物体图像中障碍物在竖直方向上的最高点和最低点，获取两个顶点在物体图像坐标系中的像素坐标，将两个顶点在物体图像坐标系中的像素坐标换算为在世界坐标系中的世界坐标，根据两个顶点的世界坐标计算两个顶点在世界坐标系中的垂直距离，即为障碍物的尺寸，用于判断障碍物为扁平障碍物或非扁平障碍物，当障碍物的尺寸小于预设阈值时，障碍物为扁平障碍物，当障碍物的尺寸大于或等于预设阈值时，障碍物为非扁平障碍物。移动机器人提取物体图像中障碍物与地面接触的部分轮廓，选择轮廓顶点，根据障碍物的物体类型和障碍物的部分轮廓预估障碍物的完整轮廓，例如，当障碍物为书本、部分轮廓为书本的两条边时，由于书本为平行四边形，根据书本的两条边即可预估书本的完整轮廓。从完整轮廓上选取系列轮廓点，获取系列轮廓点在物体图像坐标系中的像素坐标，确定障碍物的预估位置，预估位置为系列轮廓点包围的区域。因此，当移动机器人识别到物体图像中存在障碍物时，物体识别结果包括障碍物的物体类型、尺寸和预估位置，此时，物体类型为预设类型。

移动机器人识别激光图像中的激光线段，生成激光识别结果。当激光线段出现弯折时，确定识别到障碍物，获取激光折点在激光图像坐标系中的像素坐标，即障碍物的实际位置，实际位置为两条激光线段相接的区域。因此，当移动机器人识别到物体图像中存在障碍物时，激光识别结果包括障碍物的物体类型和实际位置，此时，物体类型为未知类型。

103、根据物体识别结果和激光识别结果判断目标区域是否真实存在障碍物，目标区域为摄像模组和激光模组进行探测的重合区域；

由于摄像模组的RGB摄像机和激光模组的窄带红外摄像机安装位置具有一定的距离，造成物体图像坐标系和激光图像坐标系的原点不同，需要统一坐标系后才能根据物体识别结果和激光识别结果判断相同位置上是否存在障碍物，统一坐标系是指将物体图像坐标系中点的像素坐标转换为激光图像坐标系中点的像素坐标，或者将激光图像坐标系中点的像素坐标转换为物体图像坐标系中点的像素坐标，此处以将物体图像坐标系中点的像素坐标转换为激光图像坐标系中点的像素坐标为例来说明统一坐标系的方式：

1、在世界坐标系中以RGB摄像机的镜头为原点，根据RGB摄像机与窄带红外摄像机的安装位置计算窄带红外摄像机镜头的世界坐标；

2、根据RGB摄像机的相机标定参数和窄带红外摄像机镜头的世界坐标计算物体图像坐标系中窄带红外摄像机镜头的像素坐标，RGB摄像机的相机标定参数为相机自带的参数；

3、获取激光图像坐标系中窄带红外摄像机镜头的像素坐标，需要说明的是，在激光图像坐标系中以窄带红外摄像机镜头为原点；

4、根据物体图像坐标系中窄带红外摄像机镜头的像素坐标和激光图像坐标系中窄带红外摄像机镜头的像素坐标进行坐标系对齐，得到将物体图像坐标系对齐到激光图像坐标系的旋转矩阵R和平移向量T；

5、根据计算公式A＝R×a+T进行坐标转换，其中，a为物体图像坐标系下的点坐标，A为激光图像坐标系下的对应点坐标。

统一坐标系后，移动机器人判断目标区域是否真实存在障碍物，目标区域为摄像模组和激光模组进行探测的重合区域，真实存在障碍物的情况有以下几种：

1、物体识别结果和激光识别结果指示在相同位置存在障碍物，根据物体识别结果或激光识别结果确定真实存在障碍物；

2、激光识别结果指示在一个位置上存在障碍物，物体识别结果指示该位置不存在障碍物，根据激光识别结果确定真实存在障碍物；

3、物体识别结果指示在一个位置上存在扁平障碍物，激光识别结果指示该位置不存在障碍物，根据物体识别结果确定真实存在障碍物。

需要说明的是，由于物体识别结果中的预估位置是指预估的障碍物占据的区域，激光识别结果中的实际位置是指障碍物与线激光接触的部分占据的区域，因此，物体识别结果中的预估位置比激光识别结果中的实际位置要大，因此，当激光识别结果中障碍物的实际位置与物体识别结果中障碍物的预估位置有重叠时，移动机器人认为物体识别结果和激光识别结果指示在相同位置存在障碍物。

104、若存在，则根据激光识别结果或物体识别结果获取障碍物的物体类型和物体位置，物体类型为预设类型或未知类型。

若存在，则移动机器人识别确定障碍物真实存在的对应识别结果，若由物体识别结果确定障碍物真实存在，则根据物体识别结果得到障碍物的物体类型和预估位置，此时物体类型为预设类型；若由激光识别结果确定障碍物真实存在，则根据激光识别结果得到障碍物的物体类型和实际位置，此时物体类型为未知类型。

本发明实施例中，通过识别物体图像和激光图像中的障碍物信息得到物体识别结果和激光识别结果，根据两个识别结果共同判断相同的位置上是否存在障碍物，避免低矮障碍物被漏检以及非低矮障碍物被错检，当存在障碍物时，根据两种识别结果获取障碍物的物体类型和物体位置，提高障碍物识别的准确性。

请参阅图2，本发明实施例中障碍物识别方法的另一个实施例包括：

201、通过摄像模组和激光模组分别进行拍照和激光扫描，生成物体图像和激光图像；

移动机器人通过摄像模组进行拍照，生成物体图像，摄像模组包括RGB摄像机、光敏传感器和补光灯，补光灯发出白光，在拍照前，移动机器人通过光敏传感器检测周边光线的明暗程度，当光线充足时关闭补光灯，当光线不足时，开启补光灯提供光源，确保物体图像清晰。

移动机器人还通过激光模组进行扫描，生成激光图像，激光模组包括窄带红外摄像机、第一激光发射器和第二激光发射器，第一激光发射器和第二激光发射器发射线性激光，线性激光经物体反射后被窄带红外摄像机接收成像。

202、识别物体图像中的障碍物，生成物体识别结果，物体识别结果用于指示物体图像中是否存在障碍物；

移动机器人调用预置的识别模型识别物体图像中的障碍物，预置的识别模型用于识别预设类型的障碍物，预置的识别模型为经过训练的神经网络模型，可采用卷积神经网络CNN、循环神经网络RNN或深度残差网络ResNet等成熟的网络模型，预先定义预设类型的物体，预设类型的物体包括鞋子、沙发、桌椅角、柜子、纸张、地毯、液体污渍等常见物体类型，获取包括预设类型物体的样本集，向神经网络模型输入样本集，经过训练后得到预置的识别模型。

当未识别到预设类型的障碍物时，移动机器人生成第一物体识别结果，第一物体识别结果指示物体图像中不存在障碍物；当识别到预设类型的障碍物时，移动机器人根据障碍物在物体图像中的像素坐标得到障碍物的尺寸和预估位置，生成第二物体识别结果，第二物体识别结果指示物体图像中存在障碍物；将第一物体识别结果或第二物体识别结果确定为物体识别结果。

203、当存在障碍物时，获取障碍物的尺寸和预估位置，并将障碍物的尺寸和预估位置添加至物体识别结果；

当物体识别结果指示存在障碍物时，移动机器人通过障碍物在物体图像中的像素坐标得到障碍物的尺寸和预估位置，将障碍物的尺寸和预估位置添加至物体识别结果，此时，物体识别结果不仅指示物体图像中存在障碍物，还包括障碍物的物体类型、尺寸和预估位置，此时，物体类型为预设类型。

具体地，移动机器人提取物体图像中障碍物在竖直方向上的最高点和最低点，获取两个顶点在物体图像坐标系中的像素坐标，将两个顶点在物体图像坐标系中的像素坐标换算为在世界坐标系中的世界坐标，根据两个顶点的世界坐标计算两个顶点在世界坐标系中的垂直距离，即为障碍物的尺寸，用于判断障碍物为扁平障碍物或非扁平障碍物，当障碍物的尺寸小于预设阈值时，障碍物为扁平障碍物，当障碍物的尺寸大于或等于预设阈值时，障碍物为非扁平障碍物。移动机器人提取物体图像中障碍物与地面接触的部分轮廓，选择轮廓顶点，根据障碍物的物体类型和障碍物的部分轮廓预估障碍物的完整轮廓，例如，当障碍物为书本、部分轮廓为书本的两条边时，由于书本为平行四边形，根据书本的两条边即可预估书本的完整轮廓。从完整轮廓上选取系列轮廓点，获取系列轮廓点在物体图像坐标系中的像素坐标，确定障碍物的预估位置，预估位置为系列轮廓点包围的区域。因此，当移动机器人识别到物体图像中存在障碍物时，物体识别结果包括障碍物的物体类型、尺寸和预估位置，此时，物体类型为预设类型。

204、识别激光图像中的激光线段，根据激光线段的形变状态判断是否存在障碍物，生成激光识别结果，激光识别结果用于指示激光图像中是否存在障碍物；

移动机器人识别激光图像中的激光线段，当激光线段为直线状态时，生成第一激光识别结果，第一激光识别结果指示激光图像中不存在障碍物；当激光线段为弯折状态时，生成第二激光识别结果，第二激光识别结果指示激光图像中存在障碍物，将第一激光识别结果或第二激光识别结果确定为激光识别结果。

205、当存在障碍物时，获取障碍物的实际位置，并将障碍物的实际位置添加至激光识别结果；

当激光识别结果指示存在障碍物时，移动机器人通过激光线段在激光图像中的像素坐标得到障碍物的实际位置，实际位置为两条激光线段相接的区域，将障碍物的实际位置添加至激光识别结果，此时，激光识别结果不仅指示物体图像中存在障碍物，还包括障碍物的物体类型和实际位置，此时，物体类型为未知类型。

206、根据物体识别结果和激光识别结果判断目标区域是否真实存在障碍物，目标区域为摄像模组和激光模组进行探测的重合区域；

由于摄像模组的RGB摄像机和激光模组的窄带红外摄像机安装位置具有一定的距离，造成物体图像坐标系和激光图像坐标系的原点不同，需要统一坐标系后才能根据物体识别结果和激光识别结果判断相同位置上是否存在障碍物，统一坐标系是指将物体图像坐标系中点的像素坐标转换为激光图像坐标系中点的像素坐标，或者将激光图像坐标系中点的像素坐标转换为物体图像坐标系中点的像素坐标，此处以将物体图像坐标系中点的像素坐标转换为激光图像坐标系中点的像素坐标为例来说明统一坐标系的方式：

1、在世界坐标系中以RGB摄像机的镜头为原点，根据RGB摄像机与窄带红外摄像机的安装位置计算窄带红外摄像机镜头的世界坐标；

2、根据RGB摄像机的相机标定参数和窄带红外摄像机镜头的世界坐标计算物体图像坐标系中窄带红外摄像机镜头的像素坐标，RGB摄像机的相机标定参数为相机自带的参数；

3、获取激光图像坐标系中窄带红外摄像机镜头的像素坐标，需要说明的是，在激光图像坐标系中以窄带红外摄像机镜头为原点；

4、根据物体图像坐标系中窄带红外摄像机镜头的像素坐标和激光图像坐标系中窄带红外摄像机镜头的像素坐标进行坐标系对齐，得到将物体图像坐标系对齐到激光图像坐标系的旋转矩阵R和平移向量T；

5、根据计算公式A＝R×a+T进行坐标转换，其中，a为物体图像坐标系下的点坐标，A为激光图像坐标系下的对应点坐标。

统一坐标系后，移动机器人判断目标区域中是否真实存在障碍物，当物体识别结果指示不存在障碍物时，若激光识别结果指示目标区域存在障碍物，则根据激光识别结果确定目标区域真实存在障碍物，否则确定不存在障碍物；当物体识别结果指示存在障碍物时，识别障碍物类别，根据障碍物类别和激光识别结果判断目标区域是否真实存在障碍物，障碍物类别为扁平障碍物或非扁平障碍物。

更近一步地，当物体识别结果指示存在障碍物时，根据物体识别结果中障碍物的尺寸确定障碍物为扁平障碍物或非扁平障碍物，扁平障碍物为尺寸小于阈值的障碍物，非扁平障碍物为尺寸大于或等于阈值的障碍物；当障碍物为扁平障碍物时，若激光识别结果指示目标区域存在障碍物，则根据激光识别结果确定目标区域真实存在障碍物，否则根据物体识别结果确定目标区域真实存在障碍物；当障碍物为非扁平障碍物时，若激光识别结果指示存在障碍物，则根据物体识别结果确定目标区域真实存在障碍物，否则确定不存在障碍物。

具体的，设置以下规则来判断相同位置上是否真实存在障碍物：

1、若物体识别结果和激光识别结果均指示不存在障碍物，则确定无障碍物；

2、若物体识别结果指示不存在障碍物且激光识别结果指示存在障碍物，则根据激光识别结果确定真实存在障碍物；

3、若物体识别结果指示存在非扁平障碍物且激光识别结果指示存在障碍物，则根据物体识别结果确定真实存在障碍物；

4、若物体识别结果指示存在非扁平障碍物，激光识别结果指示无障碍物，则确定无障碍物；

5、若物体识别结果指示存在扁平障碍物，激光识别结果指示无障碍物，则根据物体识别结果确定真实存在障碍物；

6、若物体识别结果指示存在扁平障碍物且激光识别结果指示存在障碍物，则根据激光识别结果确定真实存在障碍物。

需要说明的是，由于物体识别结果中的预估位置是指预估的障碍物占据的区域，激光识别结果中的实际位置是指障碍物与线激光接触的部分占据的区域，因此，物体识别结果中的预估位置比激光识别结果中的实际位置要大，因此，当激光识别结果中障碍物的实际位置与物体识别结果中障碍物的预估位置有重叠时，移动机器人认为物体识别结果和激光识别结果指示在相同位置存在障碍物。

此外，由于摄像模组和激光模组探测的范围不同，可能会识别到目标区域之外的障碍物，若激光识别结果指示目标区域之外存在障碍物，则根据激光识别结果确定目标区域之外真实存在障碍物。

207、若存在，则根据激光识别结果或物体识别结果获取障碍物的物体类型和物体位置，物体类型为预设类型或未知类型；

若目标区域存在障碍物，则移动机器人将由激光识别结果确定真实存在的障碍物归为第一类障碍物，将未知类型和激光识别结果中的实际位置确定为第一类障碍物的物体类型和物体位置；将由物体识别结果确定真实存在的障碍物归为第二类障碍物，将物体识别结果中的预设类型和预估位置确定为第二类障碍物的物体类型和物体位置。

208、根据障碍物的物体类型和物体位置确定规避和探测策略。

当存在预设类型障碍物时，移动机器人根据预设类型障碍物的物体位置规划完整避障路线，控制移动机器人沿着完整避障路线移动，当移动至预设类型障碍物未被拍摄的侧面区域时，移动机器人转向预设类型障碍物重新探测障碍物。

具体的，当存在预设类型障碍物时，移动机器人获取预设类型障碍物的预估位置，调用预设地图，根据预设类型障碍物的预估位置在预设地图中对障碍物所占的区域进行标记，标记方式可以为将预设地图中障碍物所占的区域用颜色填充，再将物体图像中障碍物与地面接触的部分轮廓进行标记，标记方式可以为在轮廓处添加线段，以障碍物预估位置的中心点为基点，将预估位置的外轮廓向外膨胀预设像素点，得到扩展边缘，根据扩展边缘和移动机器人当前所在的位置规划完整规避路线，移动机器人沿着完整规避路线行走，当移动到未被拍摄的侧面区域时，移动机器人停止前进并转向障碍物，重新通过摄像模组和激光模组分别进行拍照和激光扫描，生成物体图像和激光图像并进行障碍物识别，当添加的线段构成闭环时，得到预设类型障碍物的真实轮廓。

如图3所示，存在预设类型为柜子的障碍物，移动机器人获取柜子的预估位置，调用预设地图，将柜子所占的区域填充灰色，柜子有四条与地面接触的轮廓线，其中，ab线和bc线是RGB摄像机拍摄到的轮廓线，在ab和bc两段轮廓线处添加线段。以柜子的中心点为基点向外膨胀20个像素点，得到扩展边缘ABCD，移动机器人扫描扩展边缘ABCD上距离移动机器人最近的点B，假设移动机器人所在的点为O点，将OB-BC-CD-DA-AB或OB-BA-AD-DC-CB确定为柜子的完整规避路线。当移动机器人选择OB-BC-CD-DA-AB作为避障路线时，经过OB-BC段后，CD段所在的区域为未被拍摄区域，移动机器人停止前进并转向柜子，重新通过摄像模组和激光模组分别进行拍照和激光扫描，生成物体图像和激光图像并进行障碍物识别。

当存在未知类型障碍物时，移动机器人根据未知类型障碍物的物体位置规划局部绕行路线，控制移动机器人沿着局部避障路线移动，当检测到未知类型障碍物未被扫描的区域时，移动机器人转向未知类型障碍物重新探测障碍物。

具体的，当存在未知类型障碍物时，移动机器人获取探测到的未知类型障碍物的实际位置，实际位置是指与线激光接触的部分障碍物占据的区域，调用预设地图，在预设地图中标记未知类型障碍物的实际位置，标记方式可以为在线激光、障碍物以及地面的交接点添加三角形作为记号，当两个相邻三角形之间的距离小于预设值时，将两个相邻三角形标记的位置连接起来，构成部分轮廓线段。将标记的交接点或轮廓线段向移动机器人方向扩展预设像素点，得到扩展标记点或扩展边缘，根据扩展标记点/扩展边缘和移动机器人当前所在的位置规划局部规避路线，移动机器人沿着局部规避路线行走，当移动机器人检测到未扫描的区域时，移动机器人停止前进并转向障碍物，重新通过摄像模组和激光模组分别进行拍照和激光扫描，生成物体图像和激光图像并进行障碍物识别，当连接的轮廓线段构成闭环时，得到未知类型障碍物的真实轮廓。

如图4所示，移动机器人发出的线激光与未知类型障碍物K、地面的交接点为e、f，e、f所在位置为未知类型障碍物K的实际位置点，调用预设地图，在地图上用三角形标记实际位置点，将e、f点向移动机器人方向膨胀预设像素点，得到E、F点，假设移动机器人所在的点为O点，移动机器人可将OE/OF作为局部规避路线。如图5所示，假设移动机器人将OF确定为局部规避路线，当移动机器人沿着OF路线移动到O’点的位置时，检测到未扫描区域g，用三角形标记g点，移动机器人停止前进并转向O’g方向，重新通过摄像模组和激光模组分别进行拍照和激光扫描，生成物体图像和激光图像并进行识别，此时地图上有三个三角形标记，监控三点之间的距离，此时g、f之间的距离小于预设值，在g、f之间设置线段，生成部分轮廓线段。

对于已知类型障碍物，可直接标记其整体尺寸和位置，而对于未知类型障碍物，在某一时刻仅可由线性激光获取障碍物上一线或两线的位置信息，需在运动过程中实现对其它部分的扫描。因此已知类型障碍物的标记区域通常大于未知类型障碍物的标记区域，在执行对已知障碍物绕障时，转向并重新探测的次数也较少。

本发明实施例中，通过分别识别物体图像和激光图像中的障碍物信息得到物体识别结果和激光识别结果，根据两个识别结果共同判断相同的位置上是否存在障碍物，避免低矮障碍物被漏检以及非低矮障碍物被错检，提高障碍物识别的准确性，当存在障碍物时，根据两种识别结果获取障碍物的物体类型和物体位置，基于物体的类型和物体位置规划避障和探测策略，由于预设类型障碍物的预估位置通常大于未知类型障碍物的实际位置，移动机器人在执行规避和探测策略时，对预设类型障碍物进行避障和探测时重新识别障碍物的次数较少，提高了探测的效率。

上面对本发明实施例中障碍物识别方法进行了描述，下面对本发明实施例中障碍物识别系统进行描述，请参阅图6，本发明实施例中障碍物识别系统包括：

处理器610，用于通过摄像模组和激光模组获取物体图像和激光图像，在物体图像和激光图像中识别是否真实存在障碍物，若存在，则获取障碍物的物体类型和物体位置；

模组控制器620，用于控制摄像模组和激光模组采集物体图像和激光图像；

摄像模组630，用于采集物体图像，摄像模组630包括RGB摄像机631、光敏传感器632和补光灯633；

激光模组640；用于采集激光图像，激光模组640包括窄带红外摄像机641、第一激光发射器642和第二激光发射器643；

其中，摄像模组630和激光模组640设置于移动机器人的前撞部件上，前撞部件设置于移动机器人前进方向上的前端位置；

摄像模组630的RGB摄像机631和补光灯633、激光模组640的窄带红外摄像机641、第一激光发射器642和第二激光发射器643设置于同一高度；

窄带红外摄像机640设置于前撞部件的中部，窄带红外摄像机641的光轴与地面平行；第一激光发射器642和第二激光发射器643设置于窄带红外摄像机641两侧的等距离位置，第一激光发射器642的光轴和第二激光发射器643的光轴均与地面平行，且各自与窄带红外摄像机641的光轴形成的夹角相同，第一激光发射器642和第二激光发射器643发出的线激光相交，第一激光发射器642和第二激光发射器643发出的线激光平面垂直于地面。

可选的，RGB摄像机631的光轴与地面形成的夹角范围为[5°，10°]；

补光灯633的光束角为60°或90°，补光灯633的光轴与地面形成的夹角范围为[5°，10°]。

上面对本发明实施例中障碍物识别方法进行了描述，下面对本发明实施例中障碍物识别装置进行描述，请参阅图7，本发明实施例中障碍物识别装置一个实施例包括：

生成模块701，用于通过摄像模组和激光模组分别进行拍照和激光扫描，生成物体图像和激光图像；

识别模块702，用于识别物体图像和激光图像中的障碍物，得到物体识别结果和激光识别结果；

判断模块703，用于根据物体识别结果和激光识别结果判断目标区域是否真实存在障碍物，目标区域为摄像模组和激光模组进行探测的重合区域；

获取模块704，用于若存在，则根据激光识别结果或物体识别结果获取障碍物的物体类型和物体位置，物体类型为预设类型或未知类型。

本发明实施例中，通过分别识别物体图像和激光图像中的障碍物信息得到物体识别结果和激光识别结果，根据两个识别结果共同判断相同的位置上是否存在障碍物，避免低矮障碍物被漏检以及非低矮障碍物被错检，当存在障碍物时，根据两种识别结果获取障碍物的物体类型和物体位置，提高障碍物识别的准确性。

本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述障碍物识别方法的步骤。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或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一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。