障碍物检测方法、装置及系统与流程

本申请涉及机器人领域，特别涉及一种障碍物检测方法、装置及系统。

背景技术：

在移动机器人的行驶过程中，检测其行驶环境中存在的障碍物，并根据检测到的障碍物进行避障，是保障移动机器人安全行驶的重要措施。

相关技术中，在进行障碍物检测时，通常向移动机器人的行车环境中发射激光，并接收被障碍物反射的激光，然后，通过该被反射的激光确定该障碍物的位置信息。

但是，用于发射激光的激光发射设备的价格通常较高，导致该障碍物检测的成本较高。

技术实现要素：

本申请提供了一种障碍物检测方法、装置及系统，可以解决相关技术中障碍物检测的成本较高的问题。所述技术方案如下：

第一方面，提供了一种障碍物检测方法，所述方法包括：

在移动机器人的行驶过程中，向所述移动机器人所处区域的周围区域发射红外光；

采集所述周围区域的图像；

当所述图像中包含目标图案时，获取障碍物的第一位置信息，所述目标图案为被反光标志反射的红外光在所述图像中形成的图案，所述反光标志固定设置在所述障碍物表面。

可选的，所述当所述图像中包含目标图案时，获取障碍物的第一位置信息，包括：

基于所述图像，获取所述目标图案在所述图像中的第二位置信息；

基于所述第二位置信息，获取所述第一位置信息。

可选的，在所述基于所述第二位置信息，获取所述第一位置信息之前，所述方法还包括：

基于图像采集设备的设置位置和所述反光标志的设置位置，确定转换矩阵，所述图像采集设备用于采集所述周围区域的图像，所述转换矩阵用于对所述反光标志所在的空间坐标系和所述图像中像素点所在的图像坐标系进行坐标转换；

所述基于所述第二位置信息，获取所述第一位置信息，包括：

基于所述第二位置信息和所述转换矩阵，获取所述第一位置信息。

可选的，所述基于所述图像，获取所述目标图案在所述图像中的第二位置信息，包括：

对所述图像中各个像素点的像素值进行检测，以确定所述图像中存在所述目标图案；

获取所述目标图案在所述图像中的第二位置信息。

可选的，所述对所述图像中各个像素点的像素值进行检测，以确定所述图像中存在所述目标图案，包括：

通过连通域检测算法，对所述图像中各个像素点的像素值进行检测，以确定所述图像中存在所述目标图案。

可选地，所述障碍物包括：所述仓库中的货架。

第二方面，提供了一种障碍物检测装置，所述装置包括：

发射模块，用于在移动机器人的行驶过程中，向所述移动机器人所处区域的周围区域发射红外光；

采集模块，用于采集所述周围区域的图像；

第一获取模块，用于当所述图像中包含目标图案时，获取障碍物的第一位置信息，所述目标图案为被反光标志反射的红外光在所述图像中形成的图案，所述反光标志固定设置在所述障碍物表面。

可选的，所述第一获取模块，还用于：

基于所述图像，获取所述目标图案在所述图像中的第二位置信息；

基于所述第二位置信息，获取所述第一位置信息。

可选的，所述装置还包括：

第二获取模块，用于：基于图像采集设备的设置位置和所述反光标志的设置位置，确定转换矩阵，所述图像采集设备用于采集所述周围区域的图像，所述转换矩阵用于对所述反光标志所在的空间坐标系和所述图像中像素点所在的图像坐标系进行坐标转换；

所述第一获取模块，还用于：

基于所述第二位置信息和所述转换矩阵，获取所述第一位置信息。。

可选的，所述第一获取模块，还用于：

对所述图像中各个像素点的像素值进行检测，以确定所述图像中存在所述目标图案；

获取所述目标图案在所述图像中的第二位置信息。

可选的，所述第一获取模块，还用于：

通过连通域检测算法，对所述图像中各个像素点的像素值进行检测，以确定所述图像中存在所述目标图案。

可选地，所述障碍物包括：所述仓库中的货架。

第三方面，提供了一种障碍物检测系统，所述系统包括：第三方面所述的移动机器人，以及，固定设置在障碍物表面的反光标志，所述反光标志用于将发射至所述反光标志的红外光进行反射，所述移动机器人上部署有第二方面任一所述的障碍物检测装置。

可选的，所述反光标志固定设置在所述障碍物与所述移动机器人的行驶路面的相交位置处。

可选的，所述障碍物检测系统部署在仓库中，所述障碍物包括：所述仓库中的货架。

第四方面，提供了一种终端，包括处理器和存储器，

其中，

所述存储器，用于存放计算机程序；

所述处理器，用于执行所述存储器上所存放的程序，以实现第一方面任一所述的障碍物检测方法。

第五方面，提供了一种存储介质，所述存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现第一方面任一所述的障碍物检测方法。

本申请提供的技术方案带来的有益效果是：

本发明实施例提供的障碍物检测方法、装置及系统，通过向移动机器人所处区域的周围区域发射红外光，并根据采集到的图像中包括的红外光被反射所形成的图案，获取障碍物的位置信息，以实现障碍物的检测，相较于相关技术，无需使用激光发射设备向周围区域发射激光，且用于发射红外光的红外光发射设备通常价格较低，因此，有效地降低了障碍物检测的成本。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种障碍物检测系统的结构示意图；

图2为本发明实施例提供的一种障碍物检测方法的流程图；

图3为本发明实施例提供的另一种障碍物检测方法的流程图；

图4为本发明实施例提供的一种获取目标图案在图像中的第二位置信息的方法流程图；

图5为本发明实施例提供的一种图像中目标图案的示意图；

图6为本发明实施例提供的一种图像中的点和机器人所处空间中的点的对应关系示意图；

图7为本发明实施例提供的一种障碍物检测装置的结构示意图；

图8为本发明实施例提供的另一种障碍物检测装置的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。

随着科技的快速发展，移动机器人的应用越来越广泛，例如：仓储机器人和泊车机器人的应用。在移动机器人的工作过程中，该移动机器人可以负载货架行驶，以带动该货架上放置的待移动的物体(例如：仓库中的商品，或者，待泊车辆)进行移动。并且，在该移动机器人的行驶过程中，该移动机器人可以检测其行驶环境中存在的障碍物，并根据检测到的障碍物进行避障，以保证该移动机器人能够安全行驶。

相关技术中，移动机器人检测障碍物的过程为：采用设置在移动机器人上的激光发射设备，向移动机器人所处区域的周围区域发射激光，并通过设置在移动机器人上的图像采集设备采集该周围区域的图像，且当采集到的图像中包括激光被反射所形成的图案时，移动机器人根据该图案在图像中的位置，确定反射该激光的障碍物的位置，以实现对障碍物的检测。但是，由于激光发射设备的价格通常较高，导致该障碍物检测的成本较高。

为此，本发明实施例提供了一种障碍物检测系统，如图1所示，该障碍物检测系统可以包括：移动机器人s。其中，该障碍物检测系统可以部署在停车场或仓库等能够通过移动机器人s实现自动化作业的场景中，待检测的障碍物可以包括：停车场或仓库等场景中的货架。

并且，该移动机器人s可以包括：移动机器人本体，以及固定设置在该移动机器人本体上的红外发光设备和图像采集设备。该红外发光设备用于向移动机器人s所处区域的周围区域发射红外光。该图像采集设备用于采集该周围区域的图像。该移动机器人本体用于负载货架并带动货架上的物体进行移动，且该移动机器人本体还能够根据该图像采集设备采集的图像进行图像处理和图像分析，以根据该图像获取障碍物w的位置。

根据红外光的光学特性和光的反射原理，当红外光发射至普通材质表面时，该红外光会被散射，无法实现该红外光的反射，因此，该障碍物检测系统还可以包括：固定设置在障碍物w表面的反光标志f。该反光标志f用于将发射至反光标志f的红外光进行反射。由于该反光标志f的设置，当检测到被反射的红外光时，可以确定该反射红外光的反光标志f所在的位置处存在障碍物，且该反光标志f所在的位置为障碍物w所在的位置，进而可以实现对障碍物w的检测。

可选地，该反光标志f可以为涂敷在障碍物w表面的具有较强反光能力的材料形成的膜层。示例地，当该移动机器人s应用在仓库中时，该反光标志f可以为仓库中放置商品的货架上涂敷的逆反射材料形成的膜层，或者，该反光标志f可以为仓库中工作人员所穿鞋套上涂敷的逆反射材料形成的膜层。

进一步的，该反光标志f可以设置固定设置在障碍物w与移动机器人s的行驶路面的相交位置处。由于机器人在确定障碍物w的位置时，可以根据移动机器人s的行驶路面所在平面内的点与采集的图像中像素点之间的对应关系，获取障碍物w的位置，当该反光标志f设置在障碍物w与移动机器人s的行驶路面的相交位置处时，该反光标志f与地面之间没有高度差，相对于反光标志f与地面之间存在高度差的实现方式，无需根据反光标志f与地面之间的高度差进行数据转换，能够简化获取障碍物w的位置的计算过程。

由上可知，本发明实施例提供的障碍物检测系统通过向移动机器人所处区域的周围区域发射红外光，并根据采集到的图像获取障碍物的位置信息，可以实现对障碍物的检测，相较于相关技术，无需使用激光发射设备向周围区域发射激光，且用于发射红外光的红外光发射设备通常价格较低，因此，该障碍物检测系统有效地降低了障碍物检测的成本。

本发明实施例还提供了一种障碍检测方法，该障碍物检测方法可应用于图1所示的障碍物检测系统中的移动机器人，如图2所示，该方法可以包括：

步骤101、在移动机器人的行驶过程中，向移动机器人所处区域的周围区域发射红外光。

可选地，移动机器人上可以固定设置有红外光发光设备，在移动机器人的行驶过程中，可以通过该红外发光设备向该周围区域发射红外光。

步骤102、采集周围区域的图像。

可选地，移动机器人上可以固定设置有图像采集设备，在移动机器人的行驶过程中，可以通过该图像采集设备采集该周围区域的图像。

步骤103、当图像中包含目标图案时，获取障碍物的第一位置信息。

其中，目标图案为被反光标志反射的红外光在图像中形成的图案，该反光标志固定设置在障碍物表面，可以通过该反光标志的位置反映该障碍物的位置。

例如，移动机器人可以在停车场或仓库等能够通过移动机器人s实现自动化作业的场景中行驶，该障碍物可以包括：停车场或仓库等场景中的货架，每个货架上可以固定设置有反光标志，该反光标志可以为货架上涂敷的逆反射材料形成的膜层，或者，该反光标志可以为仓库中工作人员所穿鞋套上涂敷的逆反射材料形成的膜层。

当红外光照射至反光标志时，该反光标志可将该红外光反射，使得采集的图像中会包含该目标图案，此时，可以确定该反射红外光的反光标志所在的位置处存在障碍物，进而可以根据该目标图案在图像中的位置信息确定该障碍物的第一位置信息。

并且，由于障碍物的位置是根据红外光在图像中形成的图案确定的，因此，在采集周围区域的图像时，可以通过该红外光对拍摄环境进行补光，相较于相关技术，无需再为拍摄环境提供可见光进行补光，这样以来，一方面能够节省为拍摄环境提供可见光进行补光时所耗费的能源；另一方面，当移动机器人应用在仓储中时，由于仓库中通常存在需要避光保存的物品，当无需为拍摄环境提供可见光进行补光时，能够保证物品的保存条件。

综上所述，本发明实施例提供的障碍物检测方法，通过向移动机器人所处区域的周围区域发射红外光，并根据采集到的图像中包括的红外光被反射所形成的图案，获取障碍物的位置信息，可以实现障碍物的检测，相较于相关技术，无需使用激光发射设备向周围区域发射激光，且用于发射红外光的红外光发射设备通常价格较低，因此，有效地降低了障碍物检测的成本。

图3为本发明实施例提供的另一种障碍物检测方法的流程图，该障碍物检测方法可应用于图1所示的障碍物检测系统中的移动机器人，如图3所示，该方法可以包括：

步骤201、基于图像采集设备的设置位置和反光标志的设置位置，确定转换矩阵。

其中，图像采集设备用于采集周围区域的图像，该图像采集设备可以设置在移动机器人上。并且，该图像采集设备可以为电荷耦合器件(chargecoupleddevice，ccd)相机等设备。

转换矩阵用于对反光标志所在的空间坐标系和图像采集设备所采集的图像中像素点所在的图像坐标系进行坐标转换。示例地，该转换矩阵可以为单应矩阵，通过该单应矩阵可对该空间坐标系和该图像坐标系进行坐标转换，以实现空间平面内点与图像中像素点之间的映射。也即是，通过该单应矩阵，可以根据图像中像素点的位置信息确定空间平面内点的位置信息，或者，可以根据空间平面内点的位置信息确定图像中像素点的位置信息。

通常地，该转换矩阵可以为3×3的矩阵，图像中的点的坐标a、空间中的点的坐标b和转换矩阵p之间满足映射关系：b＝a×p。相应的，步骤201的实现过程可以包括：将图像采集设备安装在移动机器人上后，通过该图像采集设备对设置在同一空间平面内不同位置处的四个预设标志物进行图像采集，并根据预设标志物的设置位置和预设标志物在图像中的位置，以及，图像中的点的坐标、空间中的点的坐标和转换矩阵之间的映射关系，求解该转换矩阵的每个元素，以得到空间平面内点和图像中像素点对应的转换矩阵。

需要说明的是，对于同一个图像采集设备，该确定转换矩阵的过程可以理解为：在默认内参数的前提下，根据图像采集设备的安装位置等外参数，确定图像中像素点的位置信息与空间平面内点的位置信息的对应关系的过程。并且，由于在确定转换矩阵时，当设置预设标志物的平面的位置不同时，该确定的转换矩阵中元素的取值不同。因此，在该步骤201中，可以将预设标志物设置在反光标志的设置平面内，例如：仓库中的所有反光标志均可以设置在对应障碍物与移动机器人的行驶路面的相交位置处(即地面上)，此时，可以将预设标志物也设置在地面上，并确定对应的转换矩阵。

步骤202、在移动机器人的行驶过程中，向移动机器人所处区域的周围区域发射红外光。

可选的，当移动机器人在目标场地内行驶时，可以采用固定设置在该移动机器人本体上的红外发光设备，向该移动机器人所处区域的周围区域发射红外光。示例的，当移动机器人在仓库中行驶时，可以采用该红外发光设备向该移动机器人的前方发射红外光。

步骤203、采集周围区域的图像。

在移动机器人的行驶过程中，可以采用图像采集设备实时地采集周围区域的图像，或者，可以周期性地采集周围区域的图像。示例的，当移动机器人在仓库中行驶时，可以采用像采集设备采集该移动机器人前方区域中的图像。

可选的，图像采集设备上还可以设置有红外滤光片，该红外滤光片用于过滤环境光中的可见光分量，以减少可见光分量对红外光的干扰，使得图像采集设备采集到的图像中尽量仅包括被反光标志反射的红外光在图像中形成的目标图案，进而提高该目标图案在图像中的对比度，以便于提高根据该目标图案确定障碍物位置的准确性。

并且，在采集周围区域的图像时，可以通过该红外光对拍摄环境进行补光，相较于相关技术，无需再为拍摄环境提供可见光进行补光，这样以来，一方面能够节省为拍摄环境提供可见光进行补光时所耗费的能源；另一方面，当移动机器人应用在仓储中时，由于仓库中通常存在需要避光保存的物品，当无需为拍摄环境提供可见光进行补光时，能够保证物品的保存条件。

步骤204、当图像中包含目标图案时，基于该图像获取目标图案在图像中的第二位置信息。

由于障碍物表面固定设置有反光标志，当图像采集设备的拍摄范围内存在障碍物时，该障碍物表面的反光标志可将照射至该反光标志的红外光进行反射，当通过图像采集设备采集图像时，该被反光标志反射的红外光在图像中会形成目标图案，即采集的图像中会包含目标图案。当图像采集设备的拍摄范围内不存在障碍物时，该图像采集设备采集的图像中不会包含目标图案。因此，根据该图像进行障碍物检测时，若图像中不包含目标图案，则可以确定该图像采集设备的拍摄范围内不存在障碍物，此时，移动机器人无需避障。若图像中包含目标图案，可以确定该图像采集设备的拍摄范围内存在障碍物，此时，需要确定该障碍物的位置，以便于移动机器人根据该障碍物的位置进行避障。

相应的，请参考图4，该步骤204的实现过程可以包括：

步骤2041、对图像中各个像素点的像素值进行检测，以确定图像中存在目标图案。

可选的，可以采用连通域检测算法，对图像中各个像素点的像素值进行检测。当在该图像中检测到满足预设条件的连通区域时，可以确定该图像中存在目标图案。由于目标图案对应的像素点的像素值通常大于图像中除目标图案外的其他像素点的像素值，即目标图案表现为图像中的亮斑，因此，该预设条件可以为：像素点的像素值是否大于预设阈值，当在该图像中检测到连通区域中像素点的像素均值大于预设阈值时，可以确定该图像中存在目标图案。

其中，连通域检测算法的检测过程为：对图像中的像素点进行遍历，并在遍历过程中对符合条件的像素点进行标记，然后在所有标记的像素点中，将存在连通关系的像素点组成的区域确定为连通区域。其中，像素点存在连通关系指像素点相邻或间接相邻。例如：请参考图5，像素点a1与像素点a2相邻，像素点a2与像素点a3相邻，像素点a1与像素点a3不相邻，但像素点a1与像素点a3通过像素点a2间接相邻，此时，可称像素点a1、像素点a2和像素点a3存在连通关系。

示例的，请继续参考图5，图5中每个方格表示一个像素点，方格中有填充图案的像素点为被标记的像素点，在所有被标记的像素点中，像素点a1、像素点a2、像素点a3、像素点a4、像素点a5和像素点a6存在连通关系，像素点b与其他被标记的像素点不存在连通关系，因此，可将像素点a1、像素点a2、像素点a3、像素点a4、像素点a5和像素点a6组成的区域确定为连通区域，并确定该图像中存在目标图案。

需要说明的是，在对图像中像素点的像素值进行检测之前，还可以对图像进行图像预处理，例如：对图像进行滤波处理和二值化处理。通过对图像进行预处理，可以去除图像中的干扰，相应的，可以减少检测过程中的计算量，并且，根据该预处理后的图像确定障碍物的位置时，可以提高确定的障碍物位置的准确性。

步骤2042、当图像中包含目标图案时，获取目标图案在图像中的第二位置信息。

在确定图像中存在目标图案后，可以获取该目标图案对应的像素点在图像中位置，并将该目标图案对应的像素点在图像中的位置信息确定为该第二位置信息。

示例的，请继续参考图5，目标图案对应的像素点分别为：像素点a1、像素点a2和、像素点a3、像素点a4、像素点a5和像素点a6，且该六个像素点在图像中的位置信息分别为：(3，4)、(3，5)、(3，6)、(4，4)、(4，5)和(4，6)，则可将该六个像素点在图像中的位置信息确定为该第二位置信息。其中，位置信息(x，y)表示像素点位于图像中的第x行第y列。

步骤205、基于第二位置信息和转换矩阵，获取第一位置信息。

该转换矩阵可以为在步骤201中确定的转换矩阵。由于图像中的点的坐标a、空间中的点的坐标b和转换矩阵p之间满足映射关系：b＝a×p，在该步骤205中，可以根据目标图案在图像中的第二位置信息和该映射关系，确定反光标志在空间中的位置信息。并且，由于该反光标志固定设置在障碍物的表面，该反光标志的位置即为该障碍物的位置，因此，可将该反光标志的位置信息确定为该第一位置信息。

示例的，请参考图6，假设目标图案的第二位置信息通过像素点a1、像素点a2、像素点a3、像素点a4、像素点a5和像素点a6的位置信息表示，且该六个像素点在图像中的位置信息分别为：(3，4)、(3，5)、(3，6)、(4，4)、(4，5)和(4，6)，根据该每个像素点的位置信息及步骤201中确定的转换矩阵，可以确定该六个像素点在空间中对应的点分别为点a11、点a12、点a13、点a14、点a15和点a16，及该六个像素点的位置信息，即可以确定该六个像素点所限定的位置为障碍物所处的位置，因此，可将该六个像素点的位置信息确定为该第一位置信息。

综上所述，本发明实施例提供的障碍物检测方法，通过向移动机器人所处区域的周围区域发射红外光，并根据采集到的图像中包括的红外光被反射所形成的图案，获取障碍物的位置信息，可以实现障碍物的检测，相较于相关技术，无需使用激光发射设备向周围区域发射激光，且用于发射红外光的红外光发射设备通常价格较低，因此，有效地降低了障碍物检测的成本。

需要说明的是，本发明实施例提供的障碍物检测方法步骤的先后顺序可以进行适当调整，步骤也可以根据情况进行相应增减，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化的方法，都应涵盖在本发明的保护范围之内，因此不再赘述。

图7为本发明实施例提供的一种障碍物检测装置的结构示意图，如图7所示，该障碍物检测装置700可以包括：

发射模块701，用于在移动机器人的行驶过程中，向移动机器人所处区域的周围区域发射红外光。

采集模块702，用于采集周围区域的图像。

第一获取模块703，用于当图像中包含目标图案时，获取障碍物的第一位置信息，目标图案为被反光标志反射的红外光在图像中形成的图案，反光标志固定设置在障碍物表面。

综上所述，本发明实施例提供的障碍物检测装置，通过发射模块向移动机器人所处区域的周围区域发射红外光，第一获取模块根据采集到的图像中包括的红外光被反射所形成的图案，获取障碍物的位置信息，可以实现障碍物的检测，相较于相关技术，无需使用激光发射设备向周围区域发射激光，且用于发射红外光的红外光发射设备通常价格较低，因此，有效地降低了障碍物检测的成本。

可选的，第一获取模块703，还用于：

基于图像，获取目标图案在图像中的第二位置信息。

基于第二位置信息，获取第一位置信息。

可选的，如图8所示，装置700还可以包括：

第二获取模块704，用于：基于图像采集设备的设置位置和反光标志的设置位置，确定转换矩阵，图像采集设备用于采集周围区域的图像，转换矩阵用于对反光标志所在的空间坐标系和图像中像素点所在的图像坐标系进行坐标转换；

第一获取模块703，还用于：基于第二位置信息和转换矩阵，获取第一位置信息。

可选的，第一获取模块703，还用于：

对图像中各个像素点的像素值进行检测，以确定图像中存在目标图案。

获取目标图案在图像中的第二位置信息。

可选的，第一获取模块703，还用于：通过连通域检测算法，对图像中各个像素点的像素值进行检测，以确定图像中存在目标图案。

可选地，本发明实施例提供的障碍物检测装置可以部署在移动机器人上。该障碍物可以包括：停车场或仓库等场景中的货架。

综上所述，本发明实施例提供的障碍物检测装置，通过发射模块向移动机器人所处区域的周围区域发射红外光，第一获取模块根据采集到的图像中包括的红外光被反射所形成的图案，获取障碍物的位置信息，以实现障碍物的检测，相较于相关技术，无需使用激光发射设备向周围区域发射激光，且用于发射红外光的红外光发射设备通常价格较低，因此，有效地降低了障碍物检测的成本。

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，上述描述的装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本发明实施例还提供了一种移动机器人，该移动机器人可以包括：上述实施例提供的障碍物检测装置。示例地，该移动机器人可以为泊车机器人或仓储机器人。

可选地，该移动机器人还可以包括：移动机器人本体，以及固定设置在该移动机器人本体上的红外发光设备和图像采集设备。

本发明实施例还提供了一种终端，该终端可以部署在该移动机器人上，该终端可以包括处理器和存储器，

其中，

存储器，用于存放计算机程序。

处理器，用于执行存储器上所存放的程序，以实现上述实施例提供的障碍物检测方法。

可选的，上述处理器可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器可以采用dsp(digitalsignalprocessing，数字信号处理)、fpga(field－programmablegatearray，现场可编程门阵列)、pla(programmablelogicarray，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称cpu(centralprocessingunit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器可以在集成有gpu(graphicsprocessingunit，图像处理器)，gpu用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器还可以包括ai(artificialintelligence，人工智能)处理器，该ai处理器用于处理有关机器学习的计算操作。

上述存储器可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器所执行以实现本申请中方法实施例提供的障碍物检测方法。

本发明实施例还提供了一种存储介质，该存储介质可以为非易失性计算机可读存储介质，存储介质内存储有计算机程序，计算机程序被处理器执行时实现上述实施例提供的障碍物检测方法。

本发明实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例提供的障碍物检测方法。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本申请的可选实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。