机器人的移动目标的识别方法、装置和电子设备与流程
本发明涉及自动控制技术领域，尤其是涉及一种机器人的移动目标的识别方法、装置和电子设备。
背景技术：
21世纪以来，随着人类逐步进入智能时代，智能机器人得到了飞速发展。室内移动机器人作为智能移动机器人的一个重要分支，受到越来越多的研究者的重视，如扫地机器人、商场导购机器人等。行人跟踪是室内移动机器人的一个重要功能，能让机器人具备一定的识别能力，很多应用场景的机器人对行人跟踪都有需求，因此，对室内移动机器人的行人跟踪进行研究具有极其重要的理论意义和实际应用价值。
目前在行人跟踪领域，根据传感器的类型不同，主要使用的方法包括基于多传感器融合的跟踪方法、基于视觉的跟踪方法和基于激光雷达的跟踪方法。但是，基于多传感器融合的跟踪方法进行视线跟踪的技术方案较少，实现起来较为困难；基于视觉的跟踪方法容易受到光照、外观和背景等因素的影响。而基于激光雷达的跟踪方法可以直接测得机器人与人的相对位置关系，且激光雷达不易受外界光照影响，故采用激光雷达的技术方案将解决上述问题。
但是当行人行走超出激光雷达扫描范围、行人移动的距离过大时，现有基于激光雷达的跟踪方法会出现跟踪失灵的现象。
技术实现要素：
有鉴于此，本发明的目的在于提供一种机器人的移动目标的识别方法、装置和电子设备，本申请缓解了现有基于激光雷达的跟踪方法因行人移动的距离和行人行走超出激光雷达扫描范围造成跟踪失灵的技术问题。
第一方面，本发明实施例提供了一种机器人的移动目标的识别方法，应用于所述机器人，所述机器人中设置有激光雷达，所述方法包括：通过所述激光雷达对所述机器人所处环境进行采集，得到多组原始点云数据集；所述原始点云数据集用于表征所述所处环境内的目标对象在目标坐标系中的坐标信息，所述目标坐标系为基于所述激光雷达的中心建立的坐标系；以原始点云数据集中的不变量为配准条件，按照所述多组原始点云数据集的采集顺序对所述多组原始点云数据集中任意相邻的两组原始点云数据集中的点云数据进行配准，得到配准之后的所述任意相邻的两组原始点云数据集；计算配准之后的所述任意相邻的两组原始点云数据集之间的平均距离；并根据所述平均距离确定所述机器人所处环境是否包含移动目标，其中，若确定出包含移动目标，则提取移动目标的点云距离、角度信息，并对所述移动目标进行跟踪。
进一步的，计算配准之后的所述任意相邻的两组原始点云数据集之间的平均距离包括：计算配准之后的所述任意相邻的两组原始点云数据集中匹配点云之间的距离，得到多个距离；计算所述多个距离之间的平均值，得到所述平均距离。
进一步的，根据所述平均距离确定所述机器人所处环境是否包含移动目标包括：根据所述平均距离确定目标阈值；将所述多个距离中的每个距离与所述目标阈值进行比对，得到比对结果；若根据所述比对结果确定出所述多个距离中包含大于等于所述目标阈值的目标距离，则确定包含所述移动目标，且所述目标距离在原始点云数据集中所对应的点云为所述移动目标所属的点云。
进一步的，以原始点云数据集中的不变量为配准条件，按照所述多组原始点云数据集的采集顺序对所述多组原始点云数据集中任意相邻的两组原始点云数据集中的点云数据进行配准包括：对所述任意相邻的两组原始点云数据集中的点云数据进行配准，得到变换公式；所述变换公式表示为：q＝rp+t，其中，q、p为所述任意相邻的两组原始点云数据集，且原始点云数据集q为原始点云数据集p之后采集到的，r为旋转参数，t为平移参数；根据所述变换公式对所述原始点云数据集p进行变换，得到变换后的原始点云数据集p′，并将所述变换后的原始点云数据集p′和原始点云数据集q确定为配准之后的所述任意相邻的两组原始点云数据集。
进一步的，通过所述激光雷达对所述机器人所处环境进行采集，得到多组原始点云数据集包括：通过所述激光雷达对所述机器人所处环境进行采集，得到多组原始信息数据集，所述原始信息数据集中包括：所述所处环境内的目标对象与所述激光雷达中心的距离，所述所处环境内的目标对象在所述目标坐标系中的角度；根据极坐标系与笛卡尔坐标系间的转换关系，将所述多组原始信息数据集转换成所述多组原始点云数据集。
进一步的，提取移动目标的点云距离、角度信息，并对所述移动目标进行跟踪包括：将移动目标在原始点云数据集q中所属的点云确定为目标点云；根据所述目标点云的中心在所述目标坐标系中的角度，确定所述机器人的转动角度；计算所述目标点云与激光雷达中心之间的目标平均距离，并根据所述目标平均距离确定机器人的移动速度；根据所述转动角度和所述移动速度对所述移动目标进行跟踪。
进一步的，计算所述目标点云与激光雷达中心的目标平均距离包括：计算目标点云中每个点云与激光雷达中心的距离，得到多个目标距离；计算多个目标距离的平均值，得到所述目标平均距离。
进一步的，所述方法还包括：若确定出不包含所述移动目标，则向上位机发出应急指令；接收所述上位机根据所述应急指令发出的保持指令，其中，所述保持指令用于指示所述机器人执行其上一时刻的运动状态，并将激光雷达保持采集状态，使激光雷达继续采集。
第二方面，本发明实施例还提供一种机器人的移动目标的识别装置，包括：采集单元，用于通过所述激光雷达对所述机器人所处环境进行采集，得到多组原始点云数据集；所述原始点云数据集用于表征所述所处环境内的目标对象在目标坐标系中的坐标信息，所述目标坐标系为基于所述激光雷达的中心建立的坐标系；配准单元，用于以原始点云数据集中的不变量为配准条件，按照所述多组原始点云数据集的采集顺序对所述多组原始点云数据集中任意相邻的两组原始点云数据集中的点云数据进行配准，得到配准之后的所述任意相邻的两组原始点云数据集；识别单元，用于计算配准之后的所述任意相邻的两组原始点云数据集之间的平均距离，并根据所述平均距离确定所述机器人所处环境是否包含移动目标，其中，若确定出包含移动目标，则提取移动目标的点云距离、角度信息，并对所述移动目标进行跟踪。
第三方面，本发明实施例还提供一种电子设备，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计算机程序，所述处理器搭载ros平台，并且执行所述计算机程序时实现上述第一方面中任一项所述的方法的步骤。
在本发明实施例中，首先通过激光雷达对机器人所处环境进行采集，得到多组原始点云数据集；然后，按照多组原始点云数据集的采集顺序对多组原始点云数据集中任意相邻的两组原始点云数据集中的点云数据进行配准，得到配准之后的任意相邻的两组原始点云数据集；最后，计算配准之后的任意相邻的两组原始点云数据集之间的平均距离；并根据平均距离确定机器人所处环境是否包含移动目标，其中，若确定出包含移动目标，则对移动目标进行跟踪。在本实施例中，采用根据配准之后的任意相邻的两组原始点云数据集之间的平均距离确定机器人所处环境是否包含移动目标的方式，降低对上位机的要求，最大程度地应用激光雷达的扫描能力，缓解了现有基于激光雷达的跟踪方法因行人移动的距离和行人行走超出激光雷达扫描范围造成跟踪失灵的技术问题。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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机器人的移动目标的识别方法流程图；
图2为本发明实施例提供的机器人的整体外形展示图；
图3为本发明实施例提供的机器人的内部组成结构连接示意图；
图4为本发明实施例提供的机器人的移动目标的识别装置的示意图；
图5为本发明实施例提供的机器人的移动目标的识别装置自带的储物箱示意图；
图6为本发明实施例提供的机器人的移动目标的识别电子设备的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一：
根据本发明实施例，提供了一种机器人的移动目标的识别方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种机器人的移动目标的识别方法，如图1所示，该方法包括如下步骤：
步骤s102，通过所述激光雷达对所述机器人所处环境进行采集，得到多组原始点云数据集；所述原始点云数据集用于表征所述所处环境内的目标对象在目标坐标系中的坐标信息，所述目标坐标系为基于所述激光雷达的中心建立的坐标系；
步骤s104，以原始点云数据集中的不变量为配准条件，按照所述多组原始点云数据集的采集顺序对所述多组原始点云数据集中任意相邻的两组原始点云数据集中的点云数据进行配准，得到配准之后的所述任意相邻的两组原始点云数据集；
步骤s106，计算配准之后的所述任意相邻的两组原始点云数据集之间的平均距离；并根据所述平均距离确定所述机器人所处环境是否包含移动目标，其中，若确定出包含移动目标，则提取移动目标的点云距离、角度信息，并对所述移动目标进行跟踪。
在本发明实施例中，首先通过所述激光雷达对所述机器人所处环境进行采集，得到多组原始点云数据集；然后，以原始点云数据集中的不变量为配准条件，按照所述多组原始点云数据集的采集顺序对所述多组原始点云数据集中任意相邻的两组原始点云数据集中的点云数据进行配准，得到配准之后的所述任意相邻的两组原始点云数据集；最后，计算配准之后的所述任意相邻的两组原始点云数据集之间的平均距离；并根据所述平均距离确定所述机器人所处环境是否包含移动目标，其中，若确定出包含移动目标，则提取移动目标的点云距离、角度信息，并对所述移动目标进行跟踪。在本实施例中，采用根据配准之后的所述任意相邻的两组原始点云数据集之间的平均距离确定所述机器人所处环境是否包含移动目标的方式，能够降低对上位机的要求，以及最大程度地应用激光雷达的扫描能力，进而缓解了现有基于激光雷达的跟踪方法因行人移动的距离和行人行走超出激光雷达扫描范围造成跟踪失灵的技术问题。
需要说明的是，在本申请中可以通过上述步骤s102至步骤s106中所描述的机器人中的控制器来执行步骤s102至步骤s106。下面将结合具体实施方式介绍步骤s102至步骤s106。
通过上述描述可知，在本实施例中，首先，通过所述激光雷达对所述机器人所处环境进行采集，得到多组原始点云数据集，具体地，该步骤s102包括如下步骤：
步骤s1021，通过所述激光雷达对所述机器人所处环境进行采集，得到多组原始信息数据集，所述原始信息数据集中包括：所述所处环境内的目标对象与所述激光雷达中心的距离，所述所处环境内的目标对象在所述目标坐标系中的角度。
在本申请中，激光雷达采集到的原始信息数据集为机器人所处环境内的目标对象与激光雷达中心间的距离ρ，以及机器人所处环境内的目标对象在目标坐标系中的角度θ。在本申请中，可以设置激光雷达在不同时间段进行数据的采集，从而得到多组原始信息数据集，其中，在执行每次采集之后，得到一组原始信息数据集。假设，激光雷达在第i次采集到的原始信息数据集为hi，其中，hi中包括机器人所处环境内的目标对象与激光雷达中心间的距离ρi，以及机器人所处环境内的目标对象在目标坐标系中的角度θi。因此，激光雷达采集到的多组原始信息数据集为h，多组原始信息数据集h的表达式为：h＝(h1,...,hk)t。其中，多组原始信息数据集h为k组，k为大于0的正整数。
步骤s1022，根据极坐标系与笛卡尔坐标系间的转换关系，将所述多组原始信息数据集转换成所述多组原始点云数据集。
具体地，将激光雷达第i次采集到的信息数据集hi转换成对应的原始点云数据集mi，表达式为：
在本申请中，通过所述激光雷达对所述机器人所处环境进行采集，得到多组原始点云数据集之后，就可以以原始点云数据集中的不变量为配准条件，按照所述多组原始点云数据集的采集顺序对所述多组原始点云数据集中任意相邻的两组原始点云数据集中的点云数据进行配准，得到配准之后的所述任意相邻的两组原始点云数据集。
在一个可选的实施方式中，步骤s104，以原始点云数据集中的不变量为配准条件，按照所述多组原始点云数据集的采集顺序对所述多组原始点云数据集中任意相邻的两组原始点云数据集中的点云数据进行配准包括如下步骤：
步骤s1041，对所述任意相邻的两组原始点云数据集中的点云数据进行配准，得到变换公式；所述变换公式表示为：q＝rp+t，其中，q、p为所述任意相邻的两组原始点云数据集，且原始点云数据集q为原始点云数据集p之后采集到的，r为旋转参数，t为平移参数。
在本实施例中，原始点云数据集q为原始点云数据集p之后采集到的数据集，假如，原始点云数据集p为激光雷达在第i次采集到的原始点云数据集mi，那么原始点云数据集q为激光雷达在第i+1次采集到的原始点云数据集mi+1。
需要说明的是，由于机器人时刻在跟随行目标对象(例如，人)运动，因此，两组连续原始点云数据集q和p之间存在着旋转角度
具体地，在本申请中，以原始点云数据集中的不变量为配准条件，按照所述多组原始点云数据集的采集顺序对所述多组原始点云数据集中任意相邻的两组原始点云数据集中的点云数据进行配准的目标是得到旋转参数r和平移参数t。
其中，旋转参数r和平移参数t的表达式为：
在本实施例中，可以通过以下方式得到旋转参数r和平移参数t，具体步骤包括如下：
(1)将任意相邻的两组原始点云数据集进行正则化处理；
(2)提取所述任意相邻的两组原始点云数据集的中心点云，将中心点云进行配准；
(3)得到目标评价函数；
(4)对目标评价函数中的相应量求导，使目标评价函数值最小，进而得到旋转参数r和平移参数t。
在得到旋转参数r和平移参数t之后，就可以根据得到的旋转参数r和平移参数t确定变换公式，其中，变换公式表示为：q＝rp+t。
步骤s1042，根据所述变换公式对所述原始点云数据集p进行变换，得到变换后的原始点云数据集p′，并将所述变换后的原始点云数据集p′和原始点云数据集q确定为配准之后的所述任意相邻的两组原始点云数据集。
在本申请中，可以将原始点云数据集p代入变换公式q＝rp+t中进行变换，得到变换后的原始点云数据集p′，变换后的原始点云数据集p′的表达式为：p′＝rp+t。
需要说明的是，由于配准后的任意相邻两组原始点云数据集不完全一致，即变换后的原始点云数据集p′与原始点云数据q不会完全重合。并且，将变换后的原始点云数据集p′与原始点云数据q确定为配准之后的所述任意相邻的两组原始点云数据集。
在本申请中，确定配准之后的所述任意相邻的两组原始点云数据集之后，就可以计算配准之后的所述任意相邻的两组原始点云数据集之间的平均距离。具体描述如下：
1)，计算配准之后的所述任意相邻的两组原始点云数据集中匹配点云之间的距离，得到多个距离。
具体地，在本实施例中，p′i(i＝1,...,n)为变换后的原始点云数据集p′中的点云，qi(i＝1,...,n)为原始点云数据集q中的点云，配准之后的所述任意相邻的两组原始点云数据集中匹配点云p′i与qi之间的距离，多个距离di(i＝1,...,n)的表达式为：di＝||p′i-qi||2(i＝1,...,n)。
2)，计算所述多个距离之间的平均值，得到所述平均距离。
在本实施例中，平均距离dav的表达式为：
在本申请中，得到配准之后的所述任意相邻的两组原始点云数据集之间的平均距离之后，就可以根据所述平均距离确定所述机器人所处环境是否包含移动目标，其中，若确定出包含移动目标，则提取移动目标的点云距离、角度信息，并对所述移动目标进行跟踪。具体描述如下：
1)，根据所述平均距离确定目标阈值；具体地，在本实施例中，目标阈值dcr的选取标准为dcr＝4dav。
2)，将所述多个距离中的每个距离与所述目标阈值进行比对，得到比对结果。
在本实施例中，可以将所述多个距离中的每个距离di与所述目标阈值dcr进行比对。若多个距离中的每个距离di大于等于目标阈值dcr，比对结果为1；若多个距离中的每个距离di小于目标阈值dcr，比对结果为0。
需要说明的是，在本实施例中，在机器人跟踪行人时，相邻两次采集到的原始点云数据集中会有外界环境(墙体、桌子等)等公共部分以及行人腿部。其中，公共部分所对应的配准之后的所述任意相邻的两组原始点云数据集中匹配点云之间的距离是低于目标阈值的，而行人腿部所对应的配准之后的所述任意相邻的两组原始点云数据集中匹配点云之间的距离是高于目标阈值的。因此，捕捉高于目标阈值的部分，从而从原始数据集中识别到行人腿部所对应的原始点云数据点集。
3)，若根据所述比对结果确定出所述多个距离中包含大于等于所述目标阈值的目标距离，则确定包含所述移动目标，且所述目标距离在原始点云数据集中所对应的点云为所述移动目标所属的点云。
在本实施例中，将比对结果为1在原始点云数据集中所对应的点云确定为移动目标所属的点云。
在本申请中，若根据所述比对结果确定出不包含所述移动目标，则向主控板发出应急指令；接收所述主控板根据所述应急指令发出的保持指令，其中，所述保持指令用于指示所述机器人执行其上一时刻的运动状态，并将激光雷达保持采集状态，使激光雷达继续采集。
在本实施例中，需要说明的是，若根据所述比对结果连续多次(大于等于3次)确定出不包含所述移动目标，则向主控板发出调整指令；接收所述主控板根据所述调整指令发出的暂停指令，其中，所述暂停指令用于指示机器人执行停止的运动状态，使机器人停止运动，并调整激光雷达所处的云台的位置以及重置激光雷达，使激光雷达重新采集。
在本申请中，确定包含移动目标之后，就可以提取移动目标的点云距离、角度信息，并对移动目标进行跟踪。具体步骤如下：
步骤s1061，将移动目标在原始点云数据集q中所属的点云确定为目标点云；在本实施例中，可以将上述比对结果为1在原始点云数据集q中所属的点云确定为目标点云。
步骤s1062，根据所述目标点云的中心在所述目标坐标系中的角度，确定所述机器人的转动角度。
在本实施例中，首先选取目标点云的中心，然后计算目标点云中心在目标坐标系中的角度，目标点云中心在目标坐标系中的角度即为机器人的转动角度。
步骤s1063，计算所述目标点云与激光雷达中心之间的目标平均距离，并根据所述目标平均距离确定机器人的移动速度。
在本申请中，首先，计算目标点云中每个点云与激光雷达中心的距离，得到多个目标距离；然后，计算多个目标距离的平均值，得到所述目标平均距离。
在本实施例中，可以预先设置一个目标平均距离阈值，若目标平均距离小于该目标平均距离阈值，机器人的移动速度为人为设置的常速；若目标平均距离大于等于该目标平均距离阈值，机器人的移动速度为人为设置的常速的多倍(例如1.5倍)。
步骤s1064，根据所述转动角度和所述移动速度对所述移动目标进行跟踪。
在本实施例中，在得到转动角度和移动速度之后，机器人就可以根据该移动速度和转动角度对目标对象进行跟踪。
需要说明的是，由于对移动目标的跟踪和机器人的运动过程中都存在噪声，因此为了满足跟踪的实时性和稳定性，可以采用卡尔曼滤波对机器人进行运动滤波。卡尔曼滤波的具体步骤如下：
(1)根据系统状态转移方程和机器人上一时刻的运动状态，预测机器人的下一时刻的运动状态；
(2)计算预测状态的协方差；
(3)根据测量结果更新当前状态，也就是利用之前对跟踪目标的检测结果来更新(2)中的预测状态；
(4)计算(3)中更新之后状态对应的协方差。
在本实施例中，经过卡尔曼滤波之后的结果相对于机器人的移动速度和转动角度更加准确，能有效的抑制波动，由于滤除了因噪声影响而不正确的部分，因此机器人运动将更加稳定。
通过上述描述，本申请具有以下技术效果：
(1)本申请采用二维激光雷达提取激光雷达所处环境内的目标对象的信息，不仅解决了现有基于视觉传感器的跟踪方法易受外界光照等因素的影响，而且与三维激光雷达相比，大大节约了成本；
(2)本申请直接反映机器人与人之间的相对位置关系，通过配准的方式识别移动目标，缓解了现有基于激光雷达的跟踪方法因行人移动的距离和行人行走超出激光雷达扫描范围造成跟踪失灵的技术问题；
(3)本申请只需要提取符合目标阈值的目标点云，对目标点云进行数据处理，得到机器人的转动角度和移动速度。与基于svm训练的方法来识别目标相比，不需要训练，减少了运算量，降低了对上位机的要求，可直接适用于每个环境中。
实施例二：本发明实施例还提供了一种机器人的移动目标的识别装置，该机器人的移动目标的识别装置主要用于执行本发明实施例上述内容所提供的机器人的移动目标的识别方法，以下对本发明实施例提供的机器人的移动目标的识别装置做具体介绍。
在本实施例中，图2为机器人的整体外形展示图，包括：激光雷达、pc机以及移动机器人平台。图2中机器人的内部组成结构连接示意图如图3所示，机器人上位机为搭载ros平台的pc机，ros平台采取独特的分布式架构，能够让机器人的不同部分以节点(node)的方式工作，每个节点独立运行，并有机地收发数据，并且，节点之间可以采用topic、service等方式进行通信。激光雷达为ros的工作节点之一，用于实时采集跟踪目标信息并反馈给上位机；主控板采用arduino型主控板，经实验验证，与ros的通信性能良好，经过调用ros_serial功能包，能够使arduino成为ros的标准工作节点；主控板直接控制含有电机驱动、电机的下位机，实现机器人的运动。上位机中数据处理节点采用本申请提供的机器人的移动目标的识别方法对数据进行处理，得到目标点云，并将得到的目标点云的信息发送给主控板，并向下位机(电机)发出相应的运动指令，实现机器人对移动目标的跟踪。
图4是根据本发明实施例的一种机器人的移动目标的识别装置的示意图，如图2所示，该机器人的移动目标的识别装置主要包括采集单元10，配准单元20，识别单元30，其中：
采集单元10，用于通过所述激光雷达对所述机器人所处环境进行采集，得到多组原始点云数据集；所述原始点云数据集用于表征所述所处环境内的目标对象在目标坐标系中的坐标信息，所述目标坐标系为基于所述激光雷达的中心建立的坐标系；
配准单元20，用于以原始点云数据集中的不变量为配准条件，按照所述多组原始点云数据集的采集顺序对所述多组原始点云数据集中任意相邻的两组原始点云数据集中的点云数据进行配准，得到配准之后的所述任意相邻的两组原始点云数据集；
识别单元30，用于计算配准之后的所述任意相邻的两组原始点云数据集之间的平均距离，并根据所述平均距离确定所述机器人所处环境是否包含移动目标，其中，若确定出包含移动目标，则提取移动目标的点云距离、角度信息，并对所述移动目标进行跟踪。
在本发明实施例中，首先通过所述激光雷达对所述机器人所处环境进行采集，得到多组原始点云数据集；然后，以原始点云数据集中的不变量为配准条件，按照所述多组原始点云数据集的采集顺序对所述多组原始点云数据集中任意相邻的两组原始点云数据集中的点云数据进行配准，得到配准之后的所述任意相邻的两组原始点云数据集；最后，计算配准之后的所述任意相邻的两组原始点云数据集之间的平均距离；并根据所述平均距离确定所述机器人所处环境是否包含移动目标，其中，若确定出包含移动目标，则提取移动目标的点云距离、角度信息，并对所述移动目标进行跟踪。在本实施例中，能够根据配准之后的所述任意相邻的两组原始点云数据集之间的平均距离确定所述机器人所处环境是否包含移动目标，降低对上位机的要求，最大程度地应用激光雷达的扫描能力，缓解了现有基于激光雷达的跟踪方法因行人移动的距离和行人行走超出激光雷达扫描范围造成跟踪失灵的技术问题。
可选地，采集单元10用于：通过所述激光雷达对所述机器人所处环境进行采集，得到多组原始信息数据集，所述原始信息数据集中包括：所述所处环境内的目标对象与所述激光雷达中心的距离，所述所处环境内的目标对象在所述目标坐标系中的角度；根据极坐标系与笛卡尔坐标系间的转换关系，将所述多组原始信息数据集转换成所述多组原始点云数据集。
可选地，配准单元20用于：对所述任意相邻的两组原始点云数据集中的点云数据进行配准，得到变换公式；所述变换公式表示为：q＝rp+t，其中，q、p为所述任意相邻的两组原始点云数据集，且原始点云数据集q为原始点云数据集p之后采集到的，r为旋转参数，t为平移参数；根据所述变换公式对所述原始点云数据集p进行变换，得到变换后的原始点云数据集p′，并将所述变换后的原始点云数据集p′和原始点云数据集q确定为配准之后的所述任意相邻的两组原始点云数据集。
可选地，识别单元30用于：计算配准之后的所述任意相邻的两组原始点云数据集中匹配点云之间的距离，得到多个距离；计算所述多个距离之间的平均值，得到所述平均距离。
可选地，识别单元30还用于：根据所述平均距离确定目标阈值；将所述多个距离中的每个距离与所述目标阈值进行比对，得到比对结果；若根据所述比对结果确定出所述多个距离中包含大于等于所述目标阈值的目标距离，则确定包含所述移动目标，且所述目标距离在原始点云数据集中所对应的点云为所述移动目标所属的点云。
可选地，识别单元30还用于：将移动目标在原始点云数据集q中所属的点云确定为目标点云；根据所述目标点云的中心在所述目标坐标系中的角度，确定所述机器人的转动角度；计算所述目标点云与激光雷达中心之间的目标平均距离，并根据所述目标平均距离确定机器人的移动速度；根据所述转动角度和所述移动速度对所述移动目标进行跟踪。
可选地，识别单元30还用于：计算目标点云中每个点云与激光雷达中心的距离，得到多个目标距离；计算多个目标距离的平均值，得到所述目标平均距离。
可选地，识别单元30还用于：若确定出不包含所述移动目标，则向主控板发出应急指令；接收所述主控板根据所述应急指令发出的保持指令，其中，所述保持指令用于指示所述机器人执行其上一时刻的运动状态，并将激光雷达保持采集状态，使激光雷达继续采集。
可选地，本装置还用于：给移动目标提供一种智能仓储的空间。在本实施例中，机器人上方放置有一个储物箱，储物箱示意图如图5所示。该储物箱具有一定的机械结构，在跟随工人到达目的地时，可以根据工人的需求，自动弹出相应的隔间，提供给工人所需的零件(螺丝螺母)、工具(扳手钳子)等。本发明实施例提供的装置，其实现原理和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。
本发明实施例不仅产生了前述方法实施例的技术效果，还产生了如下技术效果：
本装置提供一个智能仓储的功能，机器人可以根据工人的需求，将工人所需要的零件、工具等跟随工人运送到目的地，大大减轻工人的压力。
实施例三：
参见图6，本发明实施例还提供一种机器人的移动目标的识别装置100，包括：处理器40，存储器41，总线42和通信接口43，所述处理器40、通信接口43和存储器41通过总线42连接；处理器40用于执行存储器41中存储的可执行模块，例如计算机程序。
其中，存储器41可能包含高速随机存取存储器(ram，randomaccessmemory)，也可能还包括非不稳定的存储器(non-volatilememory)，例如至少一个磁盘存储器。通过至少一个通信接口43(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。
总线42可以是isa总线、pci总线或eisa总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器41用于存储程序，所述处理器40在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器40中，或者由处理器40实现。
处理器40可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器40中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器40可以是通用处理器，包括中央处理器(centralprocessingunit，简称cpu)、网络处理器(networkprocessor，简称np)等；还可以是数字信号处理器(digitalsignalprocessing，简称dsp)、专用集成电路(applicationspecificintegratedcircuit，简称asic)、现成可编程门阵列(field-programmablegatearray，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器41，处理器40读取存储器41中的信息，结合其硬件完成上述方法的步骤。
另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
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。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能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，可以存储在一个处理器可执行的非易失的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(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，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：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，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
- 还没有人留言评论。精彩留言会获得点赞！