(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210910652.3 (22)申请日 2022.07.29 (71)申请人 松灵机器人 （深圳） 有限公司 地址 518000 广东省深圳市南 山区西丽 街 道西丽社区同发南路天珑移动总部大 厦1201 申请人 松灵机器人 （成都） 有限公司 (72)发明人 罗元泰　魏基栋　韩明名　邓兴隆　 (74)专利代理 机构 深圳市嘉勤知识产权代理有 限公司 4 4651 专利代理师 刘自丽 (51)Int.Cl. G06T 7/73(2017.01) G06V 20/64(2022.01) G06V 10/26(2022.01)G06V 10/75(2022.01) (54)发明名称 障碍物检测方法、 装置、 割草机器人以及存 储介质 (57)摘要 本申请实施例公开了一种障碍物检测方法、 装置、 割草机器人以及存储介质， 包括： 获取针对 当前场景的至少一张初始图像， 提取初始图像中 的视差信息以及语义分割信息， 将语义分割信息 与视差信息进行匹配， 以确定视差信息中的障碍 物视差信息， 根据障碍物视差信息计算障碍物的 位置以及尺 寸。 本申请可以仅依靠视觉传感器对 当前场景进行检测， 并根据视差信息以及语义分 割信息来计算当前场景中障碍物的位置以及尺 寸， 无需其他类型传感器， 并且具有较高的准确 性。 权利要求书2页 说明书11页 附图4页 CN 115423865 A 2022.12.02 CN 115423865 A 1.一种障碍物检测方法， 其特 征在于， 包括： 获取针对当前场景的至少一张初始图像； 提取所述初始图像中的视 差信息以及语义分割信息； 将所述语义分割信 息与所述视差信 息进行匹配， 以确定所述视差信 息中的障碍物视差 信息； 根据所述障碍物视 差信息计算所述障碍物的位置以及尺寸。 2.根据权利要求1所述的方法， 其特征在于， 在将所述语义分割信 息与所述视差信 息进 行匹配之前， 所述方法还 包括： 通过视差信息样本以及与所述样本对应的标签信息对图像分割模型进行训练； 通过训练后的图像分割模型将所述初始图像中的视差信息分割为前景视差信息和后 景视差信息。 3.根据权利要求2所述的方法， 其特征在于， 所述将所述语义分割信 息与所述视差信 息 进行匹配， 以确定所述视 差信息中的障碍物视 差信息， 包括： 将所述语义分割信息与所述前 景视差信息进行匹配， 判断前 景中是否存在障碍物； 若存在， 则获取 所述前景视差信息中的障碍物视 差信息； 若不存在， 则将所述语义分割信息与所述后景视差信息进行匹配， 以获取所述后景视 差信息中的障碍物视 差信息。 4.根据权利要求1所述的方法， 其特征在于， 所述提取所述初始图像中的语义分割信 息， 包括： 提取所述初始图像中的边 缘信息和深度信息； 基于所述 边缘信息和深度信息确定所述初始图像中的语义分割信息 。 5.根据权利要求1所述的方法， 其特征在于， 所述将所述语义分割信 息与所述视差信 息 进行匹配， 以确定所述视 差信息中的障碍物视 差信息， 包括： 分别判断视差图中每一个像素点在语义分割图中对应的像素点是否属于为障碍物类 别的语义； 若是， 则保留所述像素点， 并根据最终保留的全部像素点确定障碍物视 差信息。 6.根据权利要求1所述的方法， 其特征在于， 所述根据所述障碍物视差信 息计算所述障 碍物的位置， 包括： 在所述初始图像中确定所述障碍物的轮廓； 基于所述初始图像建立空间直角坐标系， 并获取 所述轮廓中心点的x值和y值； 根据所述障碍物视 差信息计算所述轮廓中心点的第一深度值并作为z值。 7.根据权利要求6所述的方法， 其特 征在于， 所述方法还 包括： 通过图像样本以及与所述图像样本对应的深度标签构建训练集以对预设卷积神经网 络进行训练； 将所述初始图像输入至训练完成后的深度估计网络， 输出所述轮廓中心点的第 二深度 值。 8.根据权利要求7所述的方法， 其特征在于， 在输出所述轮廓中心点的第二深度值之 后， 所述方法还 包括： 计算所述第一深度和第二深度值的差值， 并判断所述差值使得否小于预设值；权　利　要　求　书 1/2 页 2 CN 115423865 A 2若小于， 则确定所述第一深度值校验成功， 并根据所述轮廓中心点的x值、 y值以及z值 输出所述障碍物的位置 。 9.根据权利要求6所述的方法， 其特征在于， 根据 所述障碍物视差信 息计算所述障碍物 的尺寸， 包括： 在所述空间直角坐标系中计算所述障碍物的至少一个边 缘点坐标； 根据所述障碍物的轮廓以及所述至少一个边 缘点坐标计算所述障碍物的尺寸。 10.一种障碍物检测装置， 其特 征在于， 包括： 获取模块， 用于获取针对当前场景的至少一张初始图像； 提取模块， 用于提取 所述初始图像中的视 差信息以及语义分割信息； 匹配模块， 用于将所述语义分割信息与所述视差信息进行匹配， 以确定所述视差信息 中的障碍物视 差信息； 计算模块， 用于根据所述障碍物视 差信息计算所述障碍物的位置以及尺寸。 11.一种割草机器人， 其特征在于， 包括存储器， 处理器及存储在存储器上并可在处理 器上运行 的计算机程序， 所述处理器执行所述程序时实现如权利要求1 ‑9任一项所述障碍 物检测方法的步骤。 12.一种存储介质， 其特征在于， 其上存储有计算机程序， 所述计算机程序被处理器执 行时实现如权利要求1 ‑9任一项所述障碍物检测方法的步骤。权　利　要　求　书 2/2 页 3 CN 115423865 A 3