(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 202210187041.0 (22)申请日 2022.02.28 (71)申请人 广州赛特智能科技有限公司 地址 510000 广东省广州市黄埔区南翔三 路19号A栋201 （仅限办公） (72)发明人 黄彬　杨晓东　王鑫　王利红　 (74)专利代理 机构 北京品源专利代理有限公司 11332 专利代理师 李礼 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/10(2017.01) G06T 5/50(2006.01) G06K 9/62(2022.01) G06V 10/762(2022.01) (54)发明名称 无人设备路面障碍检测方法、 装置、 无人设 备及存储介质 (57)摘要 本发明公开了一种无人设备路面障碍检测 方法、 装置、 无人设备及存储介质。 在获取无人设 备在行进过程激光雷达采集的点 云之后， 基于点 云确定无人设备行进路径上的疑似障碍， 并控制 激光雷达以至少两种不同的角度扫描疑似障碍 所在的区域， 得到至少两帧目标点云， 然后将至 少两帧目标点云融合， 得到密集点云， 并基于密 集点云确定无人设备行进路径上的真实障碍。 以 至少两种不同的角度扫描疑似障碍所在的区域， 增加打在疑似障碍上的光斑的密度， 提高了激光 雷达的分辨率和点云对疑似障碍的覆盖率， 进而 提高了障碍的检测精度， 避免出现漏检影响无人 设备的正常运行的情况， 提高了无人设备的安全 性。 权利要求书3页 说明书13页 附图4页 CN 114529539 A 2022.05.24 CN 114529539 A 1.一种无 人设备路面障碍检测方法， 其特 征在于， 包括： 获取无人设备在行进过程激光雷达采集的点云； 基于所述 点云确定所述无 人设备行进路径上的疑似障碍； 控制所述激光雷达以至少两种不同的角度扫描所述疑似障碍所在的区域， 得到至少两 帧目标点云； 将所述至少两帧目标点云融合， 得到密集 点云； 基于所述密集 点云确定所述无 人设备行进路径上的真实障碍 。 2.根据权利要求1所述的无人设备路面障碍检测方法， 其特征在于， 基于所述点云确定 所述无人设备行进路径上的疑似障碍， 包括： 将所述点云分割成位于地 面以上的第一 点云和位于地 面以下的第二 点云； 采用聚类算法分别对所述第 一点云和所述第 二点云进行处理， 将所述第 一点云和所述 第二点云中相互距离小于预设的距离阈值的点作为第一 集群； 将所述第一集群的尺寸与 预设的尺寸阈值进行比较， 将小于所述尺寸阈值的第 一集群 作为所述无 人设备行进路径上的疑似障碍 。 3.根据权利要求1所述的无人设备路面障碍检测方法， 其特征在于， 控制所述激光雷达 以至少两种不同的角度扫描所述疑似障碍所在的区域， 得到 至少两帧目标点云， 包括： 控制所述无 人设备停止行进； 在所述无人设备停止行进后， 控制所述激光雷达绕平行于地面且垂直于行进方向的转 轴摆动， 以至少两种不同的角度扫描所述疑似障碍所在的区域， 得到 至少两帧目标点云。 4.根据权利要求1 ‑3任一所述的无人设备路面障碍检测方法， 其特征在于， 将所述至少 两帧目标点云融合， 得到密集 点云， 包括： 确定所述激光雷达采集每一帧所述目标点云时的俯仰角； 基于所述俯仰角将所述至少两帧目标点云转换至同一 坐标系下； 将位于同一 坐标系下的所述至少两帧目标点云融合， 得到密集 点云。 5.根据权利要求4所述的无人设备路面障碍检测方法， 其特征在于， 所述无人设备上设 置有多个用于标定的特征点， 所述 目标点云覆盖所述特征点， 确定所述激光雷达采集每一 帧所述目标点云时的俯仰角， 包括： 从所述目标点云中找到所述特征点对应的点， 并确定所述特征点对应的点在所述激光 雷达坐标系中的第一 坐标； 基于第一坐标与所述特征点在所述无人设备坐标系中的第 二坐标的转换关系， 构建所 述第二坐标与所述激光雷达采集所述目标点云时的角度的函数； 构建所述第二 坐标到所述特 征点所在的特 征面的距离函数； 以所述激光雷达采集所述目标点云时的角度为变量最小化所述距离函数， 并将所述距 离函数的最小值对应的角度作为所述激光雷达采集每一帧所述目标点云时的俯仰角。 6.根据权利要求5所述的无人设备路面障碍检测方法， 其特征在于， 所述第 二坐标与 所 述激光雷达采集所述目标点云时的角度的函数如下： 权　利　要　求　书 1/3 页 2 CN 114529539 A 2其中， (x′,y′i,z′i)为第i个特征点在所述无人设备坐标系中的第二坐标， (xi,yi,zi)为 第i个特征点在目标点云中对应的点在所述激光雷达坐标系中的第一坐标， α,γ,tx,ty,tz 分别为所述激光雷达相对于所述无人设备的滚转角、 偏航角及位置参数， θ为所述激光雷达 采集所述目标点云时的角度。 7.根据权利要求6所述的无人设备路面障碍检测方法， 其特征在于， 以所述激光雷达采 集所述目标点云时的角度为变量 最小化所述距离函数， 如下： 其中， θ*为所述激光雷达采集每一帧所述目标点云时的俯仰角， api， bpi， cpi， dpi为第i个 特征点对应的特 征面的平面方程 参数。 8.根据权利要求4所述的无人设备路面障碍检测方法， 其特征在于， 基于所述俯仰角将 所述至少两帧目标点云转换至同一 坐标系下， 包括： 基于如下公式将所述至少两帧目标点云转换至无 人设备坐标系下； 其中， (x′1,y′1,z′1)为所述目标点云中的点转换为无人设备坐标系下的坐标， (x1,y1, z1)为所述目标点云中的点在所述激光雷达坐标系中的坐标， α,γ,tx,ty,tz分别为所述激 光雷达相对于所述无人设备的滚转角、 偏航角及位置参数， θ*为所述激光雷达采集所述目 标点云时的俯仰角。 9.根据权利 要求1‑3、 5‑8任一所述的无人设备路面障碍检测方法， 其特征在于， 基于所 述密集点云确定所述无 人设备行进路径上的真实障碍， 包括： 采用聚类算法对所述密集点云进行处理， 将所述密集点云中相互距离小于预设的距离 阈值的点作为第二 集群； 将所述第二集群的尺寸与 预设的尺寸阈值进行比较， 将大于或等于所述尺寸阈值的第 二集群作为所述无 人设备行进路径上的真实障碍 。 10.一种无 人设备路面障碍检测装置， 其特 征在于， 包括： 点云获取模块， 用于获取 无人设备在行进过程激光雷达采集的点云； 疑似障碍确定模块， 用于基于所述 点云确定所述无 人设备行进路径上的疑似障碍； 目标点云获取模块， 用于控制所述激光雷达以至少两种不同的角度扫描所述疑似障碍 所在的区域， 得到 至少两帧目标点云； 点云融合模块， 用于将所述至少两帧目标点云融合， 得到密集 点云； 真实障碍确定模块， 用于基于所述密集点云确定所述无人设备行进路径上的真实障 碍。 11.一种无 人设备， 其特 征在于， 包括： 一个或多个处 理器； 存储装置， 用于存 储一个或多个程序； 当所述一个或多个程序被所述一个或多个处理器执行， 使得所述一个或多个处理器实权　利　要　求　书 2/3 页 3 CN 114529539 A 3