一种障碍物识别方法、装置、设备、介质及除草机器人与流程

1.本发明实施例涉及计算机技术，尤其涉及一种障碍物识别方法、装置、设备、介质及除草机器人。


背景技术：

2.随着生活水平的提高，人们日益关注环境建设，因此城市绿化园林的建设愈发受到重视。与此同时，高效的绿化养护，如日常除草等，逐渐成为了一种需求。但由于传统除草机需要人工操控，因此具有自主工作功能的除草机器人逐渐兴起。
3.现有技术中，通常采用埋设边界线的方式对除草机器人的除草区域的边界进行标定，耗费大量的人力和物力，增加了成本。并且由于对边界线的埋设存在限制，例如拐角的角度不能小于90度，因此一定程度上限制了除草区域的形状。


技术实现要素：

4.本发明实施例提供一种障碍物识别方法、装置、设备、介质及除草机器人，以实现提高除草机器人的候选除草区域中障碍物的识别效率和准确率的效果。
5.第一方面，本发明实施例提供了一种障碍物识别方法，该方法包括：
6.获取候选除草区域图像的色度信息和明度信息；
7.根据所述色度信息生成所述候选除草区域图像的目标色度直方图，并获取所述目标色度直方图的峰值信息；
8.根据所述峰值信息和所述明度信息，确定所述候选除草区域图像中是否存在障碍物。
9.第二方面，本发明实施例还提供了一种障碍物识别装置，该装置包括：
10.信息获取模块，用于获取候选除草区域图像的色度信息和明度信息；
11.直方图生成模块，用于根据所述色度信息生成所述候选除草区域图像的目标色度直方图，并获取所述目标色度直方图的峰值信息；
12.障碍物确定模块，用于根据所述峰值信息和所述明度信息，确定所述候选除草区域图像中是否存在障碍物。
13.第三方面，本发明实施例还提供了一种电子设备，该电子设备包括：
14.一个或多个处理器；
15.存储装置，用于存储一个或多个程序，
16.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现如上所述的障碍物识别方法。
17.第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的障碍物识别方法。
18.第五方面，本发明实施例还提供了一种除草机器人，包括机器人本体，还包括上述的电子设备。
19.本发明实施例通过获取候选除草区域图像的色度信息和明度信息；根据所述色度信息生成所述候选除草区域图像的目标色度直方图，并获取所述目标色度直方图的峰值信息；根据所述峰值信息和所述明度信息，确定所述候选除草区域图像中是否存在障碍物。解决现有技术中通常采用埋设边界线的方式对除草机器人的除草区域的边界进行标定，耗费大量的人力和物力，增加了成本。并且由于对边界线的埋设存在限制一定程度上限制了除草区域的形状的问题，实现提高除草机器人的候选除草区域中障碍物的识别效率和准确率的效果。
附图说明
20.图1为本发明实施例一提供的一种障碍物识别方法的流程图；
21.图2为本发明实施例二提供的一种障碍物识别方法的流程图；
22.图3为本发明实施例三提供的一种障碍物识别装置的结构示意图；
23.图4为本发明实施例四提供的一种电子设备的结构示意图。
具体实施方式
24.下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
25.实施例一
26.图1为本发明实施例一提供的一种障碍物识别方法的流程图，本实施例可适用于除草机器人识别候选除草区域中障碍物的情况，该方法可以由本发明实施例所提供的障碍物识别装置来执行，该装置可以由软件和/或硬件的方式实现。参见图1，本实施例提供的障碍物识别方法，包括：
27.步骤110、获取候选除草区域图像的色度信息和明度信息。
28.其中，候选除草区域为除草机器人可能的工作区域，可能全为待除的杂草，即为除草区域；也可能为木屑或木屑类似物，尤其是粗木屑的障碍物区域。
29.候选除草区域图像可以由安装在除草机器人上的摄像机进行拍摄，本实施例对此不作限制。候选除草区域图像的色度信息为候选除草区域图像整体在色度方面的特征，可以通过获取候选除草区域图像的色度通道图像以获取图中与色度相关的信息，例如图像中每个像素点的色度值等，本实施例对此不作限制。
30.候选除草区域图像的明度信息为候选除草区域图像整体的明度信息，可以通过获取候选除草区域图像的明度通道图像以获取图中与明度相关的信息，通过明度信息判断候选除草区域与光照之间的关系。
31.步骤120、根据所述色度信息生成所述候选除草区域图像的目标色度直方图，并获取所述目标色度直方图的峰值信息。
32.根据色度信息生成候选除草区域图像的目标色度直方图，其中，目标色度直方图为根据色度信息生成的用于直观体现候选除草区域图像中色度分布信息的直方图，直方图的横坐标可以为色度值，纵坐标可以为频数，用于体现候选除草区域图像中像素点的色度分布。目标色度直方图的峰值信息为目标色度直方图中与峰值相关的信息，可以为目标色
度直方图中峰值的具体数值，本实施例对此不作限制。
33.本实施例中，可选的，根据所述色度信息生成所述候选除草区域图像的目标色度直方图，并获取所述目标色度直方图的峰值信息，包括：
34.对所述色度信息进行直方图统计，生成所述候选除草区域图像的待处理色度直方图；
35.对所述待处理色度直方图进行平滑处理，获得平滑色度直方图；
36.根据所述平滑色度直方图生成所述目标色度直方图，并获取所述目标色度直方图的峰值信息。
37.通过对色度信息进行直方图统计，直接生成候选除草区域图像的待处理色度直方图，其中，待处理色度直方图可以体现候选除草区域图像内像素点的指定色度信息，示例性的，为候选除草区域图像中所有像素点的色度值分布统计，本实施例对此不作限制。
38.对待处理色度直方图进行平滑处理，以除去待处理色度直方图中的噪声，提高后续根据平滑色度直方图生成的目标色度直方图中峰值信息获取的准确率。其中，平滑处理可以为滤波处理，本实施例对此不作限制。
39.可以通过对平滑色度直方图中的数据进行筛选，根据筛选后的数据生成目标色度直方图，并获取目标色度直方图的峰值信息，以提高峰值信息获取的针对性和准确率。
40.本实施例中，可选的，根据所述平滑色度直方图生成所述目标色度直方图，并获取所述目标色度直方图的峰值信息，包括：
41.按照预设筛选规则确定所述平滑色度直方图的预设色度区间中的目标峰值点集合和目标谷值点集合；
42.根据所述目标峰值点集合和所述目标谷值点集合生成所述目标色度直方图，并获取所述目标色度直方图的峰值信息。
43.其中，目标峰值点集合和目标谷值点集合通过预设筛选规则从平滑色度直方图中预设色度区间内的所有峰值点和谷值点中筛选获得，以生成目标色度直方图，可选的，预设色度区间为15-95，本实施例对此不作限制。根据目标峰值点集合和目标谷值点集合生成目标色度直方图，提高生成的目标色度直方图对于障碍物识别的针对性，以提高峰值信息获取的针对性和准确率。
44.本实施例中，可选的，所述预设筛选规则，包括：
45.所述目标峰值点集合中的每一峰值均大于所述目标谷值点中的每一谷值的预设倍数；
46.所述目标峰值点间的距离大于预设距离阈值；
47.所述目标峰值点的峰值大于预设峰值阈值。
48.示例性的，目标峰值点的峰值大于k*目标谷值点的谷值，其中，k为预先设置的倍数。目标峰值点之间的距离大于预设距离阈值d,目标峰值点的峰值大于预设峰值阈值m。通过预设筛选规则筛选出与障碍物识别可能密切相关的峰值点和谷值点，以生成目标色度直方图。
49.步骤130、根据所述峰值信息和所述明度信息，确定所述候选除草区域图像中是否存在障碍物。
50.将候选除草区域图像的明度信息和目标色度直方图的峰值信息与预设信息判断
条件进行对比。其中，预设信息判断条件与明度信息和峰值信息相关。若满足预设信息判断条件，则确定候选除草区域中存在障碍物区域，以便除草机器人进行后续障碍物处理。
51.示例性的，识别出的障碍物为杂乱堆放，交错叠加的木屑或木屑类似物。
52.本实施例所提供的技术方案，通过获取候选除草区域图像的色度信息和明度信息；根据所述色度信息生成所述候选除草区域图像的目标色度直方图，并获取所述目标色度直方图的峰值信息；根据所述峰值信息和所述明度信息，确定所述候选除草区域图像中是否存在障碍物，解决现有技术中通常采用埋设边界线的方式对除草机器人的除草区域的边界进行标定，耗费大量的人力和物力，增加了成本。并且由于对边界线的埋设存在限制一定程度上限制了除草区域的形状的问题，实现提高除草机器人的候选除草区域中障碍物的识别效率和准确率的效果。
53.实施例二
54.图2为本发明实施例二提供的一种障碍物识别方法的流程图，本技术方案是针对根据所述峰值信息和所述明度信息，确定所述候选除草区域图像中是否存在障碍物的过程进行补充说明的。与上述方案相比，本方案具体优化为，所述峰值信息包括：最大峰值；所述明度信息包括：非曝光状态白色像素个数；
55.根据所述峰值信息和所述明度信息，确定所述候选除草区域图像中是否存在障碍物，包括：
56.若所述最大峰值大于预设最大峰值阈值，且所述非曝光状态白色像素个数大于预设非曝光状态白色像素阈值，则确定所述候选除草区域图像中存在障碍物。具体的，障碍物识别方法的流程图如图2所示：
57.步骤210、获取候选除草区域图像的色度信息和明度信息；所述明度信息包括：非曝光状态白色像素个数。
58.其中，非曝光状态白色像素为候选除草区域图像中不处于曝光状态但呈现白色的像素的个数，例如候选除草区域图像中本身为白色的障碍物的像素。根据候选除草区域图像中像素的明度和色度，获取非曝光状态白色像素个数。获取方式可以为通过获取候选除草区域图像的明度通道图像和色度通道图像，统计在明度通道图像中明度值小于预设阈值，例如255，且色度通道图像中色度值为小于等于预设阈值，例如0，的像素个数，作为非曝光状态白色像素个数。
59.步骤220、根据所述色度信息生成所述候选除草区域图像的目标色度直方图，并获取所述目标色度直方图的峰值信息；所述峰值信息包括：最大峰值。
60.其中，最大峰值为目标色度直方图中所有峰值中的最大值，该值表明候选除草区域图像中色度值的集中程度，值越大表明该色度值的像素个数越多，即色度分布越集中。
61.步骤230、若所述最大峰值大于预设最大峰值阈值，且所述非曝光状态白色像素个数大于预设非曝光状态白色像素阈值，则确定所述候选除草区域图像中存在障碍物。
62.示例性的，最大峰值记为maxh，非曝光状态白色像素个数记为zeropix，若预设最大峰值阈值为350，预设非曝光状态白色像素阈值为550，则预设信息判断条件为maxh》350且zeropix》550，满足该条件时，确定候选除草区域图像中存在障碍物，障碍物区域可能为由于木屑或木屑类似物杂乱堆放，交错叠加从而使候选除草区域图像呈现明度强度为0的区域。可选的，预设信息判断条件还可以为maxh》400且zeropix》400、maxh》500且zeropix》
300、maxh》600且zeropix》250、maxh》700且zeropix》210、zeropix》600，预设信息判断条件可以根据具体判断情景进行调整，本实施例对此不作限制。
63.本发明实施例通过最大峰值和非曝光状态白色像素个数，确定候选除草区域图像中是否存在障碍物，以解决在除草机器人的边界系统采用木屑等铺垫等情况下，由于木屑或木屑类似物的颜色与粗糙程度均与草坪相似，单纯通过色度信息或是纹理信息很难识别障碍物的问题，提高对于除草机器人的候选除草区域中木屑或木屑类似物等障碍物的识别效率和准确率。
64.实施例三
65.图3为本发明实施例三提供的一种障碍物识别装置的结构示意图。该装置可以由硬件和/或软件的方式来实现，可执行本发明任意实施例所提供的一种障碍物识别方法，具备执行方法相应的功能模块和有益效果。如图3所示，该装置包括：
66.信息获取模块310，用于获取候选除草区域图像的色度信息和明度信息；
67.直方图生成模块320，用于根据所述色度信息生成所述候选除草区域图像的目标色度直方图，并获取所述目标色度直方图的峰值信息；
68.障碍物确定模块330，用于根据所述峰值信息和所述明度信息，确定所述候选除草区域图像中是否存在障碍物。
69.本实施例所提供的技术方案，通过获取候选除草区域图像的色度信息和明度信息；根据所述色度信息生成所述候选除草区域图像的目标色度直方图，并获取所述目标色度直方图的峰值信息；根据所述峰值信息和所述明度信息，确定所述候选除草区域图像中是否存在障碍物，解决现有技术中通常采用埋设边界线的方式对除草机器人的除草区域的边界进行标定，耗费大量的人力和物力，增加了成本。并且由于对边界线的埋设存在限制一定程度上限制了除草区域的形状的问题，实现提高除草机器人的候选除草区域中障碍物的识别效率和准确率的效果。
70.在上述各技术方案的基础上，可选的，所述直方图生成模块，包括：
71.第一直方图生成单元，用于对所述色度信息进行直方图统计，生成所述候选除草区域图像的待处理色度直方图；
72.直方图滤波单元，用于对所述待处理色度直方图进行平滑处理，获得平滑色度直方图；
73.第二直方图生成单元，用于根据所述平滑色度直方图生成所述目标色度直方图，并获取所述目标色度直方图的峰值信息。
74.在上述各技术方案的基础上，可选的，所述第二直方图生成单元，包括：
75.集合确定子单元，用于按照预设筛选规则确定所述平滑色度直方图的预设色度区间中的目标峰值点集合和目标谷值点集合；
76.直方图生成子单元，用于根据所述目标峰值点集合和所述目标谷值点集合生成所述目标色度直方图，并获取所述目标色度直方图的峰值信息。
77.在上述各技术方案的基础上，可选的，所述预设筛选规则，包括：
78.所述目标峰值点集合中的每一峰值均大于所述目标谷值点中的每一谷值的预设倍数；
79.所述目标峰值点间的距离大于预设距离阈值；
80.所述目标峰值点的峰值大于预设峰值阈值。
81.在上述各技术方案的基础上，可选的，所述峰值信息包括：最大峰值；所述明度信息包括：非曝光状态白色像素个数；
82.所述障碍物确定模块，包括：
83.障碍物确定单元，用于若所述最大峰值大于预设最大峰值阈值，且所述非曝光状态白色像素个数大于预设非曝光状态白色像素阈值，则确定所述候选除草区域图像中存在障碍物。
84.实施例四
85.图4为本发明实施例四提供的一种电子设备的结构示意图，如图4所示，该电子设备包括处理器40、存储器41、输入装置42和输出装置43；电子设备中处理器40的数量可以是一个或多个，图4中以一个处理器40为例；电子设备中的处理器40、存储器41、输入装置42和输出装置43可以通过总线或其他方式连接，图4中以通过总线连接为例。
86.存储器41作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的障碍物识别方法对应的程序指令/模块。处理器40通过运行存储在存储器41中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述的障碍物识别方法。
87.存储器41可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器41可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器41可进一步包括相对于处理器40远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
88.实施例五
89.本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种障碍物识别方法，该方法包括：
90.获取候选除草区域图像的色度信息和明度信息；
91.根据所述色度信息生成所述候选除草区域图像的目标色度直方图，并获取所述目标色度直方图的峰值信息；
92.根据所述峰值信息和所述明度信息，确定所述候选除草区域图像中是否存在障碍物。
93.当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的障碍物识别方法中的相关操作。
94.通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。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可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(read-only memory,rom)、随机存取存储器(random access memory,ram)、闪存(flash)、硬盘或光盘等，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的方法。
95.值得注意的是，上述障碍物识别装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
96.实施例六
97.本发明实施例六提供一种除草机器人，包括机器人本体，还包括本发明实任意实施例所述的电子设备。
98.具体的，安装在除草机器人上的电子设备可以执行本发明任意实施例所述的一种障碍物识别方法的相关操作。
99.其中，机器人本体可以包括左右两个主动动轮，可分别由电机驱动，电机可以为带减速箱和带霍尔传感器的无刷电机。机器人本体通过控制两个主动动轮的速度、方向实现向前、后退、转弯及圆弧等行驶操作。机器人本体还包括万向轮、摄像机和可充放电池，其中，万向轮起支撑平衡作用。摄像机安装于机器人的指定位置，与水平方向成预设夹角，以拍摄候选除草区域图像。可充放电池用于提供电源，供机器人工作。
100.注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。