路况确定方法及装置、智能移动设备和计算机程序产品与流程

1.本发明涉及环境感知技术领域，具体而言，涉及一种路况确定方法及装置、智能移动设备和计算机程序产品。


背景技术：

2.目前，智能移动设备如扫地机器人的应用越来越广泛，用户对智能移动设备的环境感知能力如障碍物识别能力的要求也逐渐提高。
3.然而，现有的针对智能移动设备的障碍物及悬崖识别方法，识别精确度不足，且有效检测距离较短，对于移动速度较快、质量较大的智能移动设备，容易出现避障失误的问题，从而对移动设备造成损害。


技术实现要素：

4.本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。
5.为此，本发明的第一个方面在于提出一种路况确定方法。
6.本发明的第二个方面在于提出一种路况确定装置。
7.本发明的第三个方面在于提出另一种路况确定装置。
8.本发明的第四个方面在于提出一种智能移动设备。
9.本发明的第五个方面在于提出一种可读存储介质。
10.本发明的第六个方面在于提出一种计算机程序产品。
11.有鉴于此，根据本发明的一个方面，提出了一种路况确定方法，该方法用于智能移动设备，智能移动设备上设置有激光模组，激光模组的扫描平面包括n个采样点，路况确定方法包括：对n个采样点进行标定；获取与n个采样点对应的n个第一扫描数据；根据第一扫描数据的数值，对n个第一扫描数据进行过滤处理，以滤除n个第一扫描数据中的目标扫描数据，得到目标数据集，目标扫描数据对应的采样点位于安全道路；根据目标数据集和对n个采样点的标定值确定路况。
12.本发明提供的路况确定方法的技术方案的执行主体可以为路况确定装置，还可以根据实际使用需求进行确定，在此不作具体限定。为了更加清楚地描述本发明提供的路况确定方法，下面以路况确定方法的执行主体为路况确定装置进行说明。
13.本发明提供的路况确定方法，用于智能移动设备，智能移动设备上设置有激光模组。其中，上述激光模组的扫描平面与水平面垂直，且该扫描平面中具体可包含n个采样点，激光模组通过对n个采样点的扫描数据，来确定前方的道路情况。
14.具体地，本发明提供的路况确定方法中，在对上述智能移动设备进行自主移动时的道路情况进行确定的过程中，对激光模组扫描平面中的n个采样点进行标定，以赋予每一个采样点一个标定值，该标定值可表示智能移动设备位于空旷水平面时与该标定值对应的采样点是否存在反射激光。进一步地，在智能移动设备自主移动的过程中，智能移动设备获取与n个采样点所对应的n个第一扫描数据，并基于目标算法，根据第一扫描数据的数值对
该n个第一扫描数据进行过滤筛选，以将n个第一扫描数据中的目标扫描数据剔除，从而得到过滤后的目标数据集。其中，上述目标扫描数据用于指示其对应的采样点位于安全道路。进一步地，智能移动设备根据目标数据集中各个扫描数据的具体数值以及对每个采样点的标定值，对目标数据集中各个扫描数据所对应的具体路况进行判别。
15.综上所述，本发明所提出的路况确定方法，对激光模组的扫描平面中的各个采样点进行标定，并获取与每个采样点所对应的第一扫描数据，进而根据第一扫描数据的数值，将第一扫描数据中用于指示安全道路的目标扫描数据剔除，并根据剩下的扫描数据的实际数据值，以及对激光模组的扫描平面中的各个采样点的标定值，对智能移动设备前方道路的实际路况进行识别。这样，一方面，基于激光扫描数据来识别路况，增加了路况识别的有效识别范围，从而能够为智能移动设备的避障动作预留出较长的反应距离；另一方面，基于第一扫描数据的数值将指示安全道路的目标扫描数据剔除后再进行路况识别，避免了智能移动设备将安全斜坡识别为障碍物而发生误操作，提升了路况识别的精确度。
16.根据本发明的上述路况确定方法，还可以具有以下附加技术特征：
17.在上述技术方案中，智能移动设备上还设置有惯性测量装置，获取与n个采样点对应的n个第一扫描数据，包括：获取激光模组对n个采样点的n个第二扫描数据；根据激光模组的安装参数和惯性测量装置的设定参数，对n个第二扫描数据进行坐标转换处理，得到对应的n个第一扫描数据。
18.在该技术方案中，上述智能移动设备上还设置有惯性测量装置，该惯性测量装置为用于检测智能移动设备的三轴姿态角以及加速度的装置。
19.在此基础上，在智能移动设备获取与n个采样点对应的n个第一扫描数据的过程中，智能移动设备通过其上的激光模组发射激光信号对周围环境进行扫描，并获取对n个采样点进行扫描所得到的n个第二扫描数据。在此基础上，智能移动设备根据其上设置的惯性测量装置的设定参数以及激光模组的安装参数，对扫描得到的上述n个第二扫描数据进行坐标转换处理，以将上述n个第二扫描数据由传感器坐标系中的数据转换为地面坐标系中的数据，从而得到地面坐标系下的n个第一扫描数据。这样，结合惯性测量装置的设定参数对扫描得到的第二扫描数据进行坐标转换得到第一扫描数据，进而根据第一扫描数据进行路况识别，保证了路况识别结果的准确性，有效减少了对智能移动设备的撞击伤害。
20.在上述任一技术方案中，根据第一扫描数据的数值，对n个第一扫描数据进行过滤处理，包括：根据第一扫描数据的数值，基于目标聚类算法、直线检测算法和斜坡识别算法，对n个第一扫描数据进行过滤处理。
21.在该技术方案中，在智能移动设备对上述n个第一扫描数据进行过滤处理的过程中，具体地，智能移动设备基于目标聚类算法，根据每个采样点对应的第一扫描数据的具体数值，对n个采样点进行聚类处理，得到多个点云簇。进一步地，智能移动设备基于直线检测算法对每个点云簇进行直线检测，以根据每个点云簇确定至少一条点云线段。进一步地，智能移动设备基于斜坡识别算法，对每条点云线段所对应的道路的安全性进行识别，进而根据识别结果对n个第一扫描数据进行过滤处理，以将n个第一扫描数据中用于指示安全道路的目标扫描数据剔除。这样，根据第一扫描数据的具体数值，基于目标聚类算法、直线检测算法和斜坡识别算法，将指示安全道路的目标扫描数据剔除后再进行路况识别，避免了智能移动设备将安全斜坡识别为障碍物而发生误操作，提升了路况识别的精确度。
22.在上述任一技术方案中，根据第一扫描数据的数值，基于目标聚类算法、直线检测算法和斜坡识别算法，对n个第一扫描数据进行过滤处理，包括：在第一扫描数据的数值符合目标条件的情况下，根据目标聚类算法对第一扫描数据对应的采样点进行聚类处理，得到多个点云簇；根据直线检测算法对每个点云簇进行直线检测，得到多条点云线段；基于斜坡识别算法，根据每条点云线段与水平面的最小距离、线段斜率以及点云线段的连续性，对n个第一扫描数据进行过滤处理。
23.在该技术方案中，智能移动设备根据上述n个第一扫描数据的具体数值，从n个采样点中筛选出对应的第一扫描数据符合目标条件的多个采样点，并根据目标聚类算法对筛选出的多个采样点进行聚类处理，从而得到多个点云簇。其中，上述目标条件具体可为第一扫描数据大于零。在此基础上，智能移动设备根据直线检测算法对每个点云簇进行直线检测，以根据每个点云簇确定至少一条点云线段，从而得到多条点云线段。进一步地，智能移动设备计算每条点云线段的线段斜率，以及计算每条点云线段与水平面之间的最小距离，进而基于斜坡识别算法结合计算得到的每条点云线段的线段斜率、最小距离以及点云线段之间的连续性，将n个第一扫描数据中用于指示安全道路如安全斜坡或水平地面的目标扫描数据剔除，以此得到上述目标数据集。这样，保证了对n个第一扫描数据进行过滤处理的准确性，从而保证了后续路况识别结果的准确性，保证了智能移动设备运动的安全性。
24.在上述任一技术方案中，一个点云线段对应多个第一扫描数据，根据每条点云线段与水平面的最小距离、线段斜率以及点云线段的连续性，对n个第一扫描数据进行过滤处理，包括：在任意一个点云线段的线段斜率的绝对值小于斜率阈值，且任意一个点云线段与水平面的最小距离小于距离阈值的情况下，将任意一个点云线段确定为安全线段，并滤除任意一个点云线段对应的多个第一扫描数据；在任意一个点云线段的线段斜率的绝对值小于斜率阈值，且任意一个点云线段与水平面的最小距离大于等于距离阈值的情况下，确定任意一个点云线段为非安全线段；在任意一个非安全线段与安全线段连续的情况下，滤除任意一个非安全线段对应的多个第一扫描数据。
25.在该技术方案中，一个点云线段对应多个第一扫描数据。在对n个第一扫描数据进行过滤处理时，具体地，将每条点云线段的线段斜率的绝对值与设定的斜率阈值进行比较，以及将每条点云线段和水平面之间的最小距离与设定的距离阈值进行比较。在此基础上，对于每条点云线段，在设定的距离阈值大于该点云线段和水平面之间的最小距离，并且设定的斜率阈值大于该点云线段的线段斜率的绝对值的情况下，认为该点云线段指示安全道路如安全斜坡或水平地面，将该点云线段记作安全线段，并将该点云线段所对应的多个第一扫描数据确定为上述目标扫描数据进行剔除。
26.进一步地，在设定的距离阈值小于或等于该点云线段和水平面之间的最小距离，并且设定的斜率阈值大于该点云线段的线段斜率的绝对值的情况下，将该点云线段记作非安全线段。在此基础上，对于每一条被标记为非安全线段的点云线段，在该点云线段与其他被标记为安全线段点云线段之间相互连续的情况下，将该非安全线段所对应的多个第一扫描数据确定为上述目标扫描数据进行剔除。
27.也就是说，在该技术方案中，基于斜坡识别算法结合计算得到的每条点云线段的线段斜率的绝对值、最小距离以及点云线段之间的连续性，对每条点云线段所指示的道路安全性进行确定，并将指示安全道路的点云线段所对应的多个第一扫描数据确定为上述目
标扫描数据进行剔除。这样，保证了对n个第一扫描数据进行过滤处理的准确性，从而保证了后续路况识别结果的准确性，保证了智能移动设备运动的安全性。
28.在上述任一技术方案中，对n个采样点进行标定，包括：在智能移动设备位于水平面的情况下，获取激光模组对n个采样点的m组扫描数据，一组扫描数据包括n个扫描数据，一个扫描数据对应一个采样点；在采样点所对应的m个扫描数据中符合目标条件的扫描数据的数量大于等于目标数值的情况下，根据采样点对应的m个扫描数据确定采样点的标定值；在采样点所对应的m个扫描数据中符合目标条件的扫描数据的数量小于目标数值的情况下，将采样点的标定值确定为零。
29.在该技术方案中，在对n个采样点进行标定时，将上述智能移动设备放置在空旷的水平面上，进而通过激光模组连续扫描智能移动设备的周围环境m次，得到m组扫描数据。其中，一组扫描数据中包括n个扫描数据，n个扫描数据与n个采样点一一对应，即一个采样点对应m个扫描数据。在此基础上，将每个采样点所对应的m个扫描数据中大于零的扫描数据的数量与设定的目标数值进行比较。在某个采样点对应的大于零的扫描数据的数量大于或等于上述设定的目标数值的情况下，根据该采样点所对应的m个扫描数据确定该采样点的标定值。例如，计算该采样点所对应的m个扫描数据的平均值，并将该采样点的标定值确定为上述平均值。而在某个采样点对应的大于零的扫描数据的数量小于上述设定的目标数值的情况下，则将该采样点的标定值确定为零。如此，对n个采样点均赋予一个标定值，从而实现对n个采样点的标定，以便后续根据对每个采样点的标定值识别路况。
30.在上述任一技术方案中，激光模组包括激光发射器和接收传感器，安装参数包括激光发射器的安装高度和安装俯仰角，路况确定方法还包括：对标定值大于零的多个采样点进行线性回归处理，得到多个采样点在第一坐标系下对应的目标线段；根据目标线段确定激光发射器在第二坐标系下的安装高度和安装俯仰角；其中，第一坐标系为接收传感器的传感器坐标系，第二坐标系为地面坐标系。
31.在该技术方案中，上述激光模组具体可包括接收传感器以及激光发射器，上述激光模组的安装参数具体可包括激光发射器的安装俯仰角以及安装高度。
32.在此基础上，在该技术方案中，在根据激光模组的安装参数和惯性测量装置的设定参数，对第二扫描数据进行坐标转换处理之前，还会对激光模组的安装参数进行标定，以确定激光模组的实际安装参数。
33.具体地，在对激光模组的安装参数进行标定的过程中，对n个采样点中标定值大于零的多个采样点进行线性回归处理，即对上述扫描平面反射区域中的多个采样点进行线性回归处理，以根据上述多个采样点确定第一坐标系即传感器坐标系中的一条目标线段。在此基础上，基于该目标线段在传感器坐标系中的表达式以及三角函数定理，即可计算得到激光发射器在第二坐标系即地面坐标系下的实际安装俯仰角以及实际安装高度，从而实现对激光模组安装参数的标定，以保证后续路况识别的准确性。
34.在上述任一技术方案中，安装参数还包括激光发射器的安装航向角，根据激光模组的安装参数和惯性测量装置的设定参数，对n个第二扫描数据进行坐标转换处理，得到对应的n个第一扫描数据，包括：根据安装航向角、安装高度、安装俯仰角以及惯性测量装置的俯仰角和横滚角，确定第一坐标系转换至第二坐标系的旋转矩阵和位移向量；根据旋转矩阵和位移向量，将第一坐标系下的n个第二扫描数据，转换为第二坐标系下的n个第一扫描
数据。
35.在该技术方案中，上述安装参数还包括激光发射器的安装航向角。在此基础上，在该技术方案中，在对激光模组的安装参数进行标定之后，根据激光发射器的实际安装航向角、实际安装高度、实际安装俯仰角、惯性测量装置的横滚角以及俯仰角，确定第一坐标系即传感器坐标系转换至第二坐标系即地面坐标系时所需的位移向量以及旋转矩阵。在此基础上，根据确定的位移向量以及旋转矩阵，将传感器坐标系下的n个第二扫描数据，转换为地面坐标系下的n个第一扫描数据，从而得到激光模组相对于实际环境的第一扫描数据，以便后续根据该第一扫描数据对智能移动设备的前方实际路况进行识别。
36.在上述任一技术方案中，扫描平面与水平面垂直，根据目标数据集和对n个采样点的标定值确定路况，包括：在目标数据集中的第一扫描数据符合目标条件，且第一扫描数据对应的采样点的高度大于等于第一高度阈值的情况下，确定前方路况存在障碍物；在目标数据集中的第一扫描数据符合目标条件，且第一扫描数据对应的采样点的高度小于第二高度阈值的情况下，确定前方路况为悬崖；在目标数据集中的第一扫描数据不符合目标条件，且第一扫描数据对应的采样点的标定值大于零的情况下，确定前方路况为黑色障碍物或悬崖。
37.在该技术方案中，扫描平面与水平面垂直，也即，扫描平面与智能移动设备的横截面相互垂直。在此基础上，在该技术方案中，在得到上述目标数据集之后，在目标数据集中的某个扫描数据大于零，并且该扫描数据所对应的采样点的高度值大于或等于设定的第一高度阈值的情况下，确定前方路况存在障碍物。进一步地，在目标数据集中的某个扫描数据大于零，并且该扫描数据所对应的采样点的高度值小于设定的第二高度阈值的情况下，确定前方路况存在悬崖。其中，第一高度阈值大于第二高度阈值。进一步地，在目标数据集中的某个扫描数据等于零，并且该扫描数据所对应的采样点的标定值大于零的情况下，确定前方路况为黑色障碍物或悬崖。
38.也就是说，在该技术方案中，结合每个采样点的实际扫描数据所指示的道路情况，以及对每个采样点进行标定时的扫描数据所指示的道路情况，对每个采样点处的实际路况进行判别。这样，保证了对智能移动设备前方路况进行识别的准确性以及全面性，从而保证了智能移动设备运动时的安全性，有效减少了智能移动设备所受到的撞击、跌落等损害。
39.根据本发明的第二个方面，提出了一种路况确定装置，该装置用于智能移动设备，智能移动设备上设置有激光模组，激光模组的扫描平面包括n个采样点，路况确定装置包括：处理单元，用于对n个采样点进行标定；获取单元，用于获取与n个采样点对应的n个第一扫描数据；处理单元，还用于根据第一扫描数据的数值，对n个第一扫描数据进行过滤处理，以滤除n个第一扫描数据中的目标扫描数据，得到目标数据集，目标扫描数据对应的采样点位于安全道路；处理单元，还用于根据目标数据集和对n个采样点的标定值确定路况。
40.本发明提供的路况确定装置，用于智能移动设备，该智能移动设备上设置有激光模组。其中，激光模组的扫描平面与水平面垂直，且该扫描平面中具体可包含n个采样点，激光模组通过对n个采样点的扫描数据，来确定前方的道路情况。
41.具体地，本发明提供的路况确定装置包括处理单元以及获取单元，在对上述智能移动设备进行自主移动时的道路情况进行确定的过程中，通过处理单元对激光模组扫描平面中的n个采样点进行标定，以赋予每一个采样点一个标定值，该标定值可表示智能移动设
备位于空旷水平面时与该标定值对应的采样点是否存在反射激光。进一步地，通过获取单元获取与n个采样点所对应的n个第一扫描数据，并通过处理单元基于目标算法，根据第一扫描数据的具体数值对n个第一扫描数据进行过滤筛选，以将n个第一扫描数据中的目标扫描数据剔除，从而得到过滤后的目标数据集。其中，上述目标扫描数据用于指示其对应的采样点位于安全道路。在此基础上，处理单元根据目标数据集中各个扫描数据的具体数值以及对每个采样点的标定值，对目标数据集中各个扫描数据所对应的具体路况进行判别。
42.综上所述，本发明所提出的路况确定装置，通过处理单元对激光模组的扫描平面中的各个采样点进行标定，并通过获取单元获取与每个采样点所对应的第一扫描数据，进而通过处理单元根据第一扫描数据的数值，将第一扫描数据中用于指示安全道路的目标扫描数据剔除，并根据剩下的扫描数据的实际数据值，以及对激光模组的扫描平面中的各个采样点的标定值，对智能移动设备前方道路的实际路况进行识别。这样，一方面，基于激光扫描数据来识别路况，增加了路况识别的有效识别范围，从而能够为智能移动设备的避障动作预留出较长的反应距离；另一方面，基于第一扫描数据的具体数值将指示安全道路的目标扫描数据剔除后再进行路况识别，避免了智能移动设备将安全斜坡识别为障碍物而发生误操作，提升了路况识别的精确度。
43.根据本发明的第三个方面，提出了一种路况确定装置，包括：存储器，存储有程序或指令；处理器，处理器执行程序或指令时实现如上述任一技术方案中的路况确定方法的步骤。因此，本发明第三个方面所提出的路况确定装置具备上述第一个方面任一技术方案中的路况确定方法的全部有益效果，在此不再赘述。
44.根据本发明的第四个方面，提出了一种智能移动设备，包括：激光模组，设置在智能移动设备的壳体，用于发射激光信号并接收物体反射的激光信号；惯性测量装置，设置在智能移动设备内部；上述第三个方面技术方案中的路况确定装置。
45.本发明第四个方面所提出的智能移动设备包括上述第三个方面技术方案中的路况确定装置。因此，本发明第四个方面所提出的智能移动设备，具备上述第三个方面技术方案中的路况确定装置的全部有益效果，在此不再赘述。
46.其中，上述智能移动设备不限于扫地机器人、大厅机器人、儿童陪伴机器人、机场智能机器人、智能问答机器人等具备自主移动功能的移动设备，在此不作具体限制。
47.根据本发明第四个方面所提出的智能移动设备，还可以具有以下附加技术特征：
48.在上述技术方案中，激光模组包括：激光发射器，设置在壳体，激光发射器所发射的激光信号能够沿智能移动设备的高度方向扫描以形成扫描平面；接收传感器，设置在壳体，接收传感器相较于激光发射器靠近智能移动设备的轴线，接收传感器用于接收至少一个物体反射的激光信号。
49.在该技术方案中，上述激光模组具体可包括接收传感器以及激光发射器。在激光模组的工作过程中，具体地，通过激光发射器向周围环境中的物体以及地面发射激光信号，以及通过接收传感器接收外部物体以及地面所反射回来的激光信号，以此实现对周围环境的扫描，从而确定智能移动设备前方的道路情况。
50.进一步地，在实际的应用过程中，上述激光模组的数量可为两个，通过两个激光模组相互配合，对智能移动设备的前方路况进行识别，以进一步提升识别结果的准确性，从而保障智能移动设备的安全移动。
51.根据本发明的第五个方面，提出了一种可读存储介质，其上存储有程序或指令，该程序或指令被处理器执行时实现如上述任一技术方案中的路况确定方法。因此，本发明第五个方面所提出的可读存储介质具备上述第一个方面任一技术方案中的路况确定方法的全部有益效果，在此不再赘述。
52.根据本发明的第六个方面，提出了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如上述任一技术方案中的路况确定方法。因此，本发明第六个方面所提出的可读存储介质具备上述第一个方面任一技术方案中的路况确定方法的全部有益效果，在此不再赘述。
53.本发明的附加方面和优点将在下面的描述部分中变得明显，或通过本发明的实践了解到。
附图说明
54.本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
55.图1示出了本发明实施例的路况确定方法的流程示意图之一；
56.图2示出了本发明实施例的路况确定方法的流程示意图之二；
57.图3示出了本发明实施例的路况确定方法的流程示意图之三；
58.图4示出了本发明实施例的路况确定方法的流程示意图之四；
59.图5示出了本发明实施例的路况确定方法的流程示意图之五；
60.图6示出了本发明实施例的路况确定方法的流程示意图之六；
61.图7示出了本发明实施例的路况确定方法的流程示意图之七；
62.图8示出了本发明实施例的激光模组标定流程示意图；
63.图9示出了本发明实施例的路况确定方法的原理示意图；
64.图10示出了本发明实施例的路况确定装置的结构框图之一；
65.图11示出了本发明实施例的路况确定装置的结构框图之二；
66.图12示出了本发明实施例的智能移动设备的结构框图。
具体实施方式
67.为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。
68.在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不限于下面公开的具体实施例的限制。
69.下面结合图1至图12，通过具体的实施例及其应用场景对本技术实施例提供的路况确定方法及装置、智能移动设备和计算机程序产品进行详细地说明。
70.实施例一，图1示出了本发明实施例的路况确定方法的流程示意图之一。其中，该路况确定方法包括下述的步骤102至步骤108：
71.步骤102，对n个采样点进行标定；
72.步骤104，获取与n个采样点对应的n个第一扫描数据；
73.步骤106，根据第一扫描数据的数值对n个第一扫描数据进行过滤处理，以滤除n个第一扫描数据中的目标扫描数据，得到目标数据集；
74.步骤108，根据目标数据集和对n个采样点的标定值确定路况。
75.本实施例提供的路况确定方法的技术方案的执行主体可以为路况确定装置，还可以根据实际使用需求进行确定，在此不作具体限定。为了更加清楚地描述本发明提供的路况确定方法，下面以路况确定方法的执行主体为路况确定装置进行说明。
76.本实施例提供的路况确定方法，用于智能移动设备。在实际的应用过程中，上述智能移动设备具体可为扫地机器人、大厅机器人、儿童陪伴机器人、机场智能机器人、智能问答机器人、家庭服务机器人等具备自主移动功能的移动设备，在此不作具体限制。
77.其中，上述智能移动设备上设置有激光模组，该激光模组用于对周围环境进行激光扫描，以确定周围路况。
78.在实际的应用过程中，上述激光模组具体用于向外部物体以及地面发射激光信号，以及接收外部物体以及地面所反射回来的激光信号，从而实现对外部环境的扫描。其中，激光模组的扫描平面与水平面垂直，且该扫描平面中具体可包含n个采样点，激光模组通过对n个采样点的扫描数据，来确定前方的道路情况。
79.进一步地，n的具体数值与智能移动设备的具体机型相关，在实际的应用过程中，上述n具体可为500、550、600、650等数值，在此不作具体限制。另外，n个采样点可随机分布于扫描平面内部，n个采样点还可按照一定规律分布于扫描平面内部，在此不作具体限制。
80.进一步地，在实际的应用过程中，上述激光模组具体可为线激光模组，通过激光模组向外部物体以及地面发射线激光来对周围环境进行扫描，从而确定周围环境的路况信息，如确定智能移动设备的前方道路中是否存在障碍物或悬崖。
81.在此基础上，本实施例提供的路况确定方法，在对上述智能移动设备进行自主移动时的道路情况进行确定的过程中，具体地，对激光模组扫描平面中的n个采样点进行标定，以赋予每一个采样点一个标定值，该标定值可表示智能移动设备位于空旷水平面时与该标定值对应的采样点是否存在反射激光。其中，在某采样点处存在反射激光信号的情况下，说明该采样点所对应的激光信号射向水平地面，在某采样点处不存在反射激光信号的情况下，则说明该采样点所对应的激光信号射向空气。另外，在实际的应用过程中，可仅在用户第一次使用上述智能移动设备时，对激光模组扫描平面中的n个采样点进行标定，在后续的使用过程中，上述智能移动设备可直接调取第一次的标定结果来进行路况识别操作。
82.进一步地，在智能移动设备自主移动的过程中，智能设备获取与n个采样点对应的n个第一扫描数据，得到第一扫描数据集{ρn},其中，ρi(0《i≤n)为对应第i个采样点的第一扫描数据。其中，需要说明的是，第一扫描数据为地面坐标系中的数据，通过对n个第一扫描数据进行处理，可确定实际环境中的物体与智能移动设备之间的距离信息。另外，在第一扫描数据不为0的情况下，说明对应的采样点处存在反射激光信号，也即说明该采样点所在的激光射程内存在非黑色物体，此时对应该采样点的第一扫描数据即可表示激光模组到对应的非黑色物体的距离信息；而在第一扫描数据为0的情况下，则说明对应的采样点处无反射激光信号，也即说明该采样点所在的激光射程内存在黑色物体或者不存在任何物体。
83.在此基础上，在得到上述n个第一扫描数据之后，智能移动设备基于目标算法，根
据第一扫描数据的具体数值对该n个第一扫描数据进行过滤筛选，以将n个第一扫描数据中的目标扫描数据剔除，从而得到过滤后的目标数据集{yn}。其中，上述目标扫描数据用于指示其对应的采样点位于安全道路，也即上述目标扫描数据为激光扫描安全道路如水平地面或坡度较小的斜坡而得到的扫描数据，也即上述目标数据集{yn}中的扫描数据yi(0《i≤n)用于指示其对应的采样点所在的激光射程内存在障碍物或悬崖等非安全道路。进一步地，上述目标算法具体可为目标聚类算法以及基于直线检测的斜坡识别算法，通过目标聚类算法、直线检测算法以及斜坡识别算法，将上述n个第一扫描数据中对应安全斜坡或水平地面的目标扫描数据进行剔除，以为后续的路况识别做准备。
84.进一步地，在智能移动设备通过上述处理步骤得到对应障碍物或悬崖等非安全道路的目标数据集{yn}之后，智能移动设备根据目标数据集{yn}中各个扫描数据yi(0《i≤n)的具体数值，以及对上述n个采样点的标定结果即赋予每个采样点的标定值，对目标数据集{yn}中各个扫描数据yi(0《i≤n)所对应的具体路况进行判别，以确定前方道路是否存在悬崖，或确定备前方道路中的障碍物类型，以便智能移动设备根据前方路况及时做出应对措施，如停止移动或改变移动路线，从而避免智能移动设备进入非安全道路区域而造成损坏。
85.综上所述，本实施例所提出的路况确定方法，对激光模组的扫描平面中的各个采样点进行标定，并获取与每个采样点所对应的第一扫描数据，进而基于目标算法，根据第一扫描数据的数值将第一扫描数据中用于指示安全道路的目标扫描数据剔除，并根据剩下的扫描数据的实际数据值，以及对激光模组的扫描平面中的各个采样点的标定值，对智能移动设备前方道路的实际路况进行识别。这样，一方面，基于激光扫描数据来识别路况，增加了路况识别的有效识别范围，从而能够为智能移动设备的避障动作预留出较长的反应距离；另一方面，基于目标算法以及第一扫描数据的具体数值，将指示安全道路的目标扫描数据剔除后再进行路况识别，避免了智能移动设备将安全斜坡识别为障碍物而发生误操作，提升了路况识别的精确度。
86.实施例二，图2示出了本发明实施例的路况确定方法的流程示意图之二。其中，在该实施例中，上述智能移动设备上还设置有惯性测量装置，上述步骤104具体可包括下述的步骤104a和步骤104b：
87.步骤104a，获取激光模组对n个采样点的n个第二扫描数据；
88.步骤104b，根据激光模组的安装参数和惯性测量装置的设定参数，对n个第二扫描数据进行坐标转换处理，得到对应的n个第一扫描数据。
89.在该实施例中，上述智能移动设备上还设置有惯性测量装置，该惯性测量装置为用于检测智能移动设备的三轴姿态角以及加速度的装置。
90.在实际的应用过程中，上述惯性测量装置具体可为imu(inertial measurement unit，惯性测量单元)。具体地，上述惯性测量装置中具体可设置有三个单轴的加速度计以及三个单轴的陀螺仪。在智能移动设备进行自主移动的过程中，通过三个加速度计检测智能移动设备在其载体坐标系三轴上的加速度信号，通过三个陀螺仪检测智能移动设备的载体坐标系相对于导航坐标系或地面坐标系的角速度信号。在此基础上，通过检测得到的智能移动设备在三维空间中的角速度以及加速度，即可解算出智能移动设备的运动姿态。对于上述惯性测量装置的具体构成，本领域技术人员可根据实际情况选择不同结构的惯性测量装置，在此不作具体限制。
91.在此基础上，在智能移动设备获取与n个采样点对应的n个第一扫描数据的过程中，智能移动设备通过其上的激光模组发射激光信号对周围环境进行扫描，并获取n个采样点所对应的n个第二扫描数据，即得到第二扫描数据集{xn}，其中，xi(0《i≤n)为对应第i个采样点的第二扫描数据。可以理解的是，在激光模组向周围环境发射激光时，若某采样点处存在反射激光信号，说明该采样点所在的激光射程内存在非黑色物体，此时对应该采样点的第二扫描数据即可表示激光模组到对应的非黑色物体的距离信息；若某采样点处无反射激光信号，则说明该采样点所在的激光射程内存在黑色物体或者不存在任何物体，此时对该采样点的扫描数据为空，即对应该采样点的第二扫描数据为0。其中，需要说明的是，上述激光模组包括用于发射激光信号的激光发射器，以及用于接收物体所反射的激光信号的接收传感器，上述n个第二扫描数据为接收传感器的传感器坐标系中的数据，也即上述第二扫描数据具体表示物体到接收传感器之间的距离。
92.进一步地，智能移动设备根据其上设置的惯性测量装置的设定参数以及激光模组的实际安装参数，对扫描得到的上述n个第二扫描数据进行处理，以将上述n个第二扫描数据由传感器坐标系中的数据转换为地面坐标系中的数据，从而得到地面坐标系下的n个第一扫描数据，即得到第一扫描数据集{ρn},其中，ρi(0《i≤n)为对应第i个采样点的第一扫描数据，以便后续通过对该n个第一扫描数据进行处理，确定实际环境中的物体与智能移动设备之间的距离信息。其中，上述n个第二扫描数据与n个第一扫描数据之间为一一对应关系。这样，结合惯性测量装置的设定参数对扫描得到的第二扫描数据进行坐标转换得到第一扫描数据，进而根据第一扫描数据进行路况识别，保证了路况识别结果的准确性，有效减少了对智能移动设备的撞击伤害。
93.实施例三，在该实施例中，如图2所示，上述步骤106具体可包括下述的步骤106a：
94.步骤106a，根据第一扫描数据的数值，基于目标聚类算法、直线检测算法和斜坡识别算法，对n个第一扫描数据进行过滤处理，得到目标数据集。
95.在该实施例中，上述目标算法具体可包括目标聚类算法、直线检测算法和斜坡识别算法。在此基础上，在智能移动设备对上述n个第一扫描数据进行过滤处理的过程中，具体地，智能移动设备基于目标聚类算法，根据每个采样点对应的第一扫描数据的具体数值，对n个采样点进行聚类处理，得到多个点云簇。进一步地，智能移动设备根据直线检测算法对每个点云簇进行直线检测，以根据每个点云簇确定至少一条点云线段。进一步地，智能移动设备根据斜坡识别算法，对每条点云线段所对应的道路的安全性进行识别，进而根据识别结果对n个第一扫描数据进行过滤处理，以将n个第一扫描数据中用于指示安全道路的目标扫描数据剔除。这样，根据第一扫描数据的具体数值，基于目标聚类算法、直线检测算法和斜坡识别算法，将指示安全道路的目标扫描数据剔除后再进行路况识别，避免了智能移动设备将安全斜坡识别为障碍物而发生误操作，提升了路况识别的精确度。
96.实施例四，图3示出了本发明实施例的路况确定方法的流程示意图之三。其中，在该实施例中，上述步骤106a具体可包括下述的步骤106a1至步骤106a3：
97.步骤106a1，在第一扫描数据的数值符合目标条件的情况下，根据目标聚类算法对第一扫描数据对应的采样点进行聚类处理，得到多个点云簇；
98.步骤106a2，根据直线检测算法对每个点云簇进行直线检测，得到多条点云线段；
99.步骤106a3，基于斜坡识别算法，根据每条点云线段的线段斜率、与水平面的最小
距离以及点云线段的连续性，对n个第一扫描数据进行过滤处理，得到目标数据集。
100.在该实施例中，进一步对上述基于第一扫描数据的具体数值以及目标算法剔除n个第一扫描数据中的目标扫描数据的具体方式作了进一步限定。具体地，n个第一扫描数据和n个采样点之间一一对应，在得到上述n个第一扫描数据之后，智能移动设备根据上述n个第一扫描数据的具体数值以及目标聚类算法，对上述n个采样点进行筛选以及聚类。具体地，智能移动设备从n个采样点中筛选出对应的第一扫描数据符合目标条件的多个采样点，并根据目标聚类算法对筛选出的多个采样点进行聚类处理，从而得到多个点云簇，即得到一个点云簇集{sm}。
101.其中，上述目标条件具体可为第一扫描数据大于零，也即智能移动设备将n个采样点中第一扫描数据大于零的多个采样点筛选出来并对其进行聚类处理。可以理解的是，第一扫描数据大于零，说明对应的采样点所在的激光射程内存在实际物体，如斜坡、非黑色障碍物、水平底面等。也即，智能移动设备将n个采样点中对应实际物体的多个采样点筛选出来并对其进行聚类处理，从而得到上述点云簇集{sm}，以便后续通过对该点云簇集{sm}进行处理分析，将用于指示安全道路的目标扫描数据从上述n个第一扫描数据中剔除。
102.进一步地，在通过对筛选出的多个采样点进行聚类处理，从而得到上述点云簇集{sm}之后，对于点云簇集{sm}中的每个点云簇si(0《i≤m)，根据直线检测算法对该点云簇si(0《i≤m)进行直线检测。具体地，在得到点云簇集{sm}之后，基于ransac(random sample consensus，随机抽样一致)算法依次对点云簇集{sm}中的每个点云簇si(0《i≤m)进行直线检测，以根据每个点云簇si(0《i≤m)确定至少一条点云线段，从而得到多条点云线段，即得到一个点云线段集{lk}。其中，点云线段集{lk}中的每条点云线段li(0《i≤k)中均包括多个采样点，即一条点云线段对应多个第一扫描数据。
103.在此基础上，对于点云线段集{lk}中的每条点云线段li(0《i≤k)，智能移动设备计算每条点云线段li(0《i≤k)的线段斜率，以及计算每条点云线段li(0《i≤k)与水平面之间的最小距离，进而基于斜坡识别算法结合计算得到的每条点云线段li(0《i≤k)的线段斜率、最小距离以及点云线段li(0《i≤k)之间的连续性，确定指示安全道路如安全斜坡或水平地面的点云线段，并将该点云线段所对应的多个第一扫描数据确定为上述目标扫描数据，将确定的目标扫描数据从上述n个第一扫描数据中的剔除，从而得到上述目标数据集{yn}。
104.也就是说，在该实施例中，上述目标算法具体可包括聚类处理算法、直线检测算法以及斜坡识别算法。在剔除n个第一扫描数据中的目标扫描数据的过程中，通过对n个采样点依次进行聚类、基于ransac的直线检测以及斜坡识别等处理，将n个第一扫描数据中用于指示安全道路如安全斜坡或水平地面的目标扫描数据剔除，以此得到上述目标数据集。这样，保证了对n个第一扫描数据进行过滤处理的准确性，从而保证了后续路况识别结果的准确性，保证了智能移动设备运动的安全性。
105.实施例五，图4示出了本发明实施例的路况确定方法的流程示意图之四。其中，在该实施例中，一个点云线段对应多个第一扫描数据，在此基础上，上述步骤106a3具体可包括下述的步骤106a31至步骤106a33：
106.步骤106a31，在任意一个点云线段与水平面的最小距离小于距离阈值，且线段斜率的绝对值小于斜率阈值的情况下，将任意一个点云线段确定为安全线段，并滤除任意一
个点云线段对应的多个第一扫描数据；
107.步骤106a32，在任意一个点云线段与水平面的最小距离大于等于距离阈值，且线段斜率的绝对值小于斜率阈值的情况下，确定任意一个点云线段为非安全线段；
108.步骤106a33，在任意一个非安全线段与安全线段连续的情况下，滤除任意一个非安全线段对应的多个第一扫描数据，得到目标数据集。
109.在该实施例中，进一步对上述基于斜坡识别算法结合计算得到的每条点云线段li(0《i≤k)的线段斜率、最小距离以及点云线段li(0《i≤k)之间的连续性，对n个第一扫描数据进行筛选过滤的具体方式作了进一步限定。具体地，在计算得到点云线段集{lk}中的每条点云线段li(0《i≤k)的线段斜率以及其与水平面之间的最小距离之后，将每条点云线段li(0《i≤k)的线段斜率的绝对值与设定的斜率阈值进行比较，以及将每条点云线段li(0《i≤k)和水平面之间的最小距离与设定的距离阈值进行比较。
110.在此基础上，对于每条点云线段li(0《i≤k)，在设定的距离阈值大于该点云线段li(0《i≤k)和水平面之间的最小距离，并且设定的斜率阈值大于该点云线段li(0《i≤k)的线段斜率的绝对值的情况下，认为该点云线段li(0《i≤k)指示安全道路如安全斜坡或水平地面，将该点云线段li(0《i≤k)记作安全线段，并将该点云线段li(0《i≤k)所对应的多个第一扫描数据确定为上述目标扫描数据进行剔除。
111.进一步地，在设定的距离阈值小于或等于该点云线段li(0《i≤k)和水平面之间的最小距离，并且设定的斜率阈值大于该点云线段li(0《i≤k)的线段斜率的绝对值的情况下，该点云线段li(0《i≤k)可以指示安全道路也可以指示非安全道路。此时，将该点云线段li(0《i≤k)记作非安全线段，并结合该点云线段li(0《i≤k)与上述安全线段之间的连续情况，对该点云线段li(0《i≤k)所指示的道路安全性进行确定。
112.具体地，对于每一条被标记为非安全线段的点云线段li(0《i≤k)，在该点云线段li(0《i≤k)与其他被标记为安全线段点云线段lj(0《j≤k，j≠i)之间相互连续的情况下，认为该点云线段li(0《i≤k)指示安全道路，将该点云线段li(0《i≤k)所对应的多个第一扫描数据确定为上述目标扫描数据进行剔除。
113.也就是说，在该实施例中，基于斜坡识别算法结合计算得到的每条点云线段的线段斜率的绝对值、最小距离以及点云线段之间的连续性，对每条点云线段所指示的道路安全性进行确定，并将指示安全道路的点云线段所对应的多个第一扫描数据确定为上述目标扫描数据进行剔除。这样，保证了对n个第一扫描数据进行过滤处理的准确性，从而保证了后续路况识别结果的准确性，保证了智能移动设备运动的安全性。
114.另外，需要说明的是，在实际的应用过程中，对于上述斜率阈值以及距离阈值的具体数值，本领域技术人员可根据实际情况进行设置，在此不作具体限制。
115.实施例六，在该实施例中，如图3所示，上述步骤102具体可包括下述的步骤102a和步骤102b：
116.步骤102a，在智能移动设备位于水平面的情况下，获取激光模组对n个采样点的m组扫描数据；
117.步骤102b，在采样点所对应的m个扫描数据中符合目标条件的扫描数据的数量大于等于目标数值的情况下，根据采样点对应的m个扫描数据确定采样点的标定值，在采样点所对应的m个扫描数据中符合目标条件的扫描数据的数量小于目标数值的情况下，将采样
点的标定值确定为零。
118.在该实施例中，对上述对n个采样点进行标定的具体方式作了进一步限定。具体地，在标定过程中，将上述智能移动设备放置在空旷的水平面上，该水平面的半径远大于激光发射器的激光射程距离，即保证智能移动设备周围环境中能够反射激光信号的物体仅为水平地面。进一步地，通过激光发射器向智能移动设备的周围环境发射激光信号，以及通过接收传感器接收物体反射的激光信号，对智能移动设备的周围环境连续扫描m次，以此得到m组扫描数据。其中，一组扫描数据中包括n个扫描数据，n个扫描数据与n个采样点一一对应，即一个采样点对应m个扫描数据。也即，通过激光模组连续扫描智能移动设备的周围环境m次，得到包含m
×
n个扫描数据的扫描数据集其中，pij表示第i(0《i≤n)个采样点的第j(0《j≤m)次扫描数据。
119.在此基础上，将每个采样点所对应的m个扫描数据中符合上述目标条件的扫描数据的数量，与设定的目标数值进行比较，也即将每个采样点对应的大于零的扫描数据的数量与上述目标数值进行比较。在某个采样点对应的大于零的扫描数据的数量大于或等于上述设定的目标数值的情况下，计算该采样点所对应的m个扫描数据的平均值，并将该采样点的标定值确定为上述平均值；而在某个采样点对应的大于零的扫描数据的数量小于上述设定的目标数值的情况下，则将该采样点的标定值确定为零。如此，对n个采样点均赋予一个标定值，从而实现对n个采样点的标定。
120.可以理解的是，在智能移动设备放置在空旷的水平面上的情况下，在某采样点处存在反射激光信号的情况下，说明该采样点所对应的激光信号射向水平地面，此时该采样点对应的扫描数据不为零；而在某采样点处不存在反射激光信号的情况下，则说明该采样点所对应的激光信号射向空气，此时该采样点对应的扫描数据为零。也就是说，通过上述标定方式，对智能移动设备位于空旷水平面时各采样点对激光的反射情况进行判别，从而将激光模组的扫描平面标定为对应地面的反射区域以及对应空气的非反射区域，以便后续根据对扫描平面以及采样点的标定结果来识别路况。
121.实施例七，在该实施例中，激光模组包括激光发射器和接收传感器，安装参数包括激光发射器的安装高度和安装俯仰角。在此基础上，如图3所示，上述路况确定方法具体还可包括下述的步骤103：
122.步骤103，对标定值大于零的多个采样点进行线性回归处理，得到多个采样点在第一坐标系下对应的目标线段，根据目标线段确定激光发射器在第二坐标系下的安装高度和安装俯仰角；
123.其中，一组扫描数据包括n个扫描数据，一个扫描数据对应一个采样点，第一坐标系为接收传感器的传感器坐标系，第二坐标系为地面坐标系。
124.在该实施例中，上述激光模组具体可包括接收传感器以及激光发射器。在激光模组的工作过程中，通过激光发射器向周围环境中的物体以及地面发射激光信号，以及通过接收传感器接收外部物体以及地面所反射回来的激光信号，以此实现对周围环境的扫描，从而确定智能移动设备前方的道路情况。
125.其中，上述接收传感器具体可为图像传感器，图像传感器是一个网格面，每个网格都有对应的坐标值。在实际的应用过程中，图像传感器可基于接收到的反射激光信号生成图像，并根据生成的图像确定n个采样点在接收传感器的传感器坐标系下对应的坐标值即
扫描数据。传感器坐标系下的扫描数据能够通过转换矩阵换算为地面坐标系下的扫描数据，以通过地面坐标系下的扫描数据确定智能移动设备周围环境的路况信息。
126.进一步地，上述激光模组的安装参数具体可包括激光发射器的安装俯仰角以及安装高度。
127.在此基础上，在该实施例中，在根据激光模组的安装参数和惯性测量装置的设定参数，对第二扫描数据进行坐标转换处理之前，还会对激光模组的安装参数进行标定，以确定激光模组的实际安装参数。
128.具体地，在对n个采样点标定结束之后，对n个采样点中标定值大于零的多个采样点进行线性回归处理，即对上述扫描平面反射区域中的多个采样点进行线性回归处理，以根据上述多个采样点确定一条目标线段，该目标线段位于第一坐标系，第一坐标系为传感器坐标系o
s-x
syszs
。在此基础上，基于该目标线段在传感器坐标系o
s-x
syszs
中的表达式以及三角函数定理，即可计算得到激光发射器在第二坐标系下的实际安装俯仰角以及实际安装高度，其中，第二坐标系为地面坐标系o
e-xeyeze，以便后续根据激光发射器在第二坐标系下的实际安装俯仰角以及实际安装高度，对激光模组的扫描数据进行坐标转换，从而实现对周围实际环境的路况识别。其中，在实际的应用过程中，上述地面坐标系o
e-xeyeze具体可以智能移动设备的中心在大地的投影为原点建立得到。
129.示例性地，激光模组的扫描角度为
±
45
°
，激光发射器的激光射程距离为1000mm，在此基础上，如图9中的(a)所示，激光模组的扫描平面为s，通过对采样点进行标定，将扫描平面s标定为对应地面的反射区域a以及对应空气的非反射区域b。在此基础上，基于线性回归算法，确定上述目标线段在传感器坐标系o
s-x
syszs
中的表达式为y＝kx+b，进一步地，结合三角函数定理，计算得到激光发射器在地面坐标系o
e-xeyeze下的实际安装俯仰角为θs＝arctan(k)，实际安装高度为
130.另外，需要说明的是，在实际的应用过程中，用户可在第一次使用上述智能移动设备时，对该智能移动设备中的激光模组的安装参数进行标定，以及对激光模组扫描平面中的n个采样点进行标定。在后续的使用过程中，上述智能移动设备可直接调取第一次的标定结果来进行路况识别操作。
131.进一步地，对于上述m以及目标数值的具体取值，本领域技术人员可根据实际情况对其进行设置，如上述m可为100，上述目标数值可为80，在此不作具体限制。
132.示例性地，如图8所示，在上述智能移动设备为机器人，上述m＝100，上述n＝600，上述目标数值为80的情况下，对n个采样点以及安装参数的标定流程具体可包括下述的步骤302至步骤318：
133.步骤302，将机器人置于空旷的平面，连续采集100组线激光数据；
134.步骤304，令n＝0；
135.步骤306，判断：第n个采样点的100组数据中大于0的数据是否大于80组，若是，执行步骤308，若否，执行步骤310；
136.步骤308，对大于0的数据求取平均值，将平均值作为该采样点的标定数据；
137.步骤310，将该采样点的标定数据记为0；
138.步骤312，令n＝n+1；
139.步骤314，判断：n《600，若是，执行步骤306，若否，执行步骤316；
140.步骤316，对标定数据不为零的采样点进行线性回归得到表达式：y＝kx+b；
141.步骤318，计算得到安装俯仰角以及安装高度。
142.这样，通过对采样点以及安装参数进行标定，可以有效补偿安装误差以及机器人倾斜引入的误差，提高了线激光检测结果的准确度以及机器人抵抗摇晃的鲁棒性。
143.实施例八，图5示出了本发明实施例的路况确定方法的流程示意图之五。其中，在该实施例中，上述安装参数还包括激光发射器的安装航向角，在此基础上，上述步骤104b具体可包括下述的步骤104b1和步骤104b2：
144.步骤104b1，根据安装高度、安装俯仰角、安装航向角以及惯性测量装置的横滚角以及俯仰角，确定第一坐标系转换至第二坐标系的旋转矩阵和位移向量；
145.步骤104b2，根据位移向量以及旋转矩阵，将第一坐标系下的n个第二扫描数据，转换为第二坐标系下的n个第一扫描数据；
146.其中，第一坐标系为接收传感器的传感器坐标系，第二坐标系为地面坐标系。
147.在该实施例中，上述安装参数还包括激光发射器的安装航向角。
148.具体地，在实际的应用过程中，激光发射器的安装俯视图如图9中的(b)所示。其中，智能移动设备的载体坐标系为o
r-xryrzr，载体坐标系o
r-xryrzr的原点or为智能移动设备底盘的中心点。在此基础上，激光发射器相对于正向的偏移角度即为激光发射器的安装航向角，激光模组的扫描平面垂直于xroryr平面。
149.在此基础上，在该实施例中，对上述对第二扫描数据进行坐标转换的具体方式作了进一步限定。具体地，在对激光模组的安装参数进行标定之后，根据激光发射器的实际安装航向角实际安装高度hs、实际安装俯仰角θs、惯性测量装置的横滚角以及俯仰角，确定第一坐标系即传感器坐标系o
s-x
syszs
转换至第二坐标系即地面坐标系o
e-xeyeze时所需的位移向量以及旋转矩阵。在此基础上，根据确定的位移向量以及旋转矩阵，将传感器坐标系o
s-x
syszs
下的n个第二扫描数据，转换为地面坐标系o
e-xeyeze下的n个第一扫描数据，从而得到激光模组相对于实际环境的第一扫描数据，以便后续根据该第一扫描数据对智能移动设备的前方实际路况进行识别。
150.这样，将传感器坐标系下的第二扫描数据转换为地面坐标系下的第一扫描数据之后，再根据第一扫描数据对智能移动设备的前方路况进行识别，提升了路况识别的准确性，从而保证了智能移动设备运动控制的准确性及安全性。
151.实施例九，图6示出了本发明实施例的路况确定方法的流程示意图之六。其中，在该实施例中，上述扫描平面与水平面垂直，在此基础上，上述步骤108具体可包括下述的步骤108a至步骤108c：
152.步骤108a，在目标数据集中的第一扫描数据符合目标条件，且第一扫描数据对应的采样点的高度大于等于第一高度阈值的情况下，确定前方路况存在障碍物；
153.步骤108b，在目标数据集中的第一扫描数据符合目标条件，且第一扫描数据对应的采样点的高度小于第二高度阈值的情况下，确定前方路况为悬崖；
154.步骤108c，在目标数据集中的第一扫描数据不符合目标条件，且第一扫描数据对应的采样点的标定值大于零的情况下，确定前方路况为黑色障碍物或悬崖。
155.在该实施例中，扫描平面与水平面垂直，也即，扫描平面与智能移动设备的横截面
相互垂直。在此基础上，在该技术方案中，对上述根据目标数据集{yn}中各个扫描数据yi(0《i≤n)的具体数值，以及对上述n个采样点的标定结果即赋予每个采样点的标定值，对目标数据集{yn}中各个扫描数据yi(0《i≤n)所对应的具体路况进行判别的具体方式作了进一步限定。
156.具体地，在目标数据集{yn}中某个扫描数据yi(0《i≤n)的具体数值符合上述目标条件，即该扫描数据yi(0《i≤n)大于零，并且该扫描数据yi(0《i≤n)所对应的采样点的高度值大于或等于设定的第一高度阈值的情况下，确定前方路况存在障碍物。其中，第一高度阈值大于零。也即，在扫描数据yi(0《i≤n)所对应的采样点处存在反射激光信号，且该采样点位于水平面以上的情况下，认为在该采样点的激光射程内存在障碍物。
157.进一步地，在目标数据集{yn}中某个扫描数据yi(0《i≤n)的具体数值符合上述目标条件，即该扫描数据yi(0《i≤n)大于零，并且该扫描数据yi(0《i≤n)所对应的采样点的高度值小于设定的第二高度阈值的情况下，确定前方路况存在悬崖。其中，第二高度阈值小于或等于零。也即，在扫描数据yi(0《i≤n)所对应的采样点处存在反射激光信号，且该采样点位于水平面以下的情况下，认为在该采样点的激光射程内存在悬崖。
158.进一步地，在目标数据集{yn}中某个扫描数据yi(0《i≤n)的具体数值不符合上述目标条件，即该扫描数据yi(0《i≤n)等于零，并且该扫描数据yi(0《i≤n)所对应的采样点的标定值大于零的情况下，确定前方路况为黑色障碍物或悬崖。也即，在实际的扫描数据yi(0《i≤n)所对应的采样点处不存在反射激光信号，而标定时该采样点处却存在反射激光信号的情况下，则认为在该采样点的激光射程内存在悬崖或者不能反射激光信号的黑色障碍物。
159.也就是说，在该实施例中，结合每个采样点的实际扫描数据所指示的道路情况，以及对每个采样点进行标定时的扫描数据所指示的道路情况，对每个采样点处的实际路况进行判别。这样，保证了对智能移动设备前方路况进行识别的准确性以及全面性，从而保证了智能移动设备运动时的安全性，有效减少了智能移动设备所受到的撞击、跌落等损害。
160.实施例十，图7示出了本发明实施例的路况确定方法的流程示意图之七。其中，该路况确定方法包括下述的步骤202至步骤108c：
161.步骤202，由线激光安装姿态角、位置以及imu姿态角计算坐标旋转矩阵和偏移向量；
162.步骤204，利用坐标旋转矩阵和偏移向量将线激光数据{xn}由传感器坐标系转换至地面坐标系，得到{yn}；
163.步骤206，对{yn}中不为0的测量点进行聚类得到点云簇{sm}；
164.步骤208，依次对点云簇{sm}的成员进行直线检测得到直线集合{lk}；
165.步骤210，令i＝0；
166.步骤212，计算li的斜率绝对值|ki|；
167.步骤214，判断：|ki|＞|k
safe
|，若是，执行步骤216，若否，执行步骤218；
168.步骤216，从{lk}移除li；
169.步骤218，令i＝i+1；
170.步骤220，判断：i《k，若是，执行步骤212，若否，执行步骤222；
171.步骤222，令i＝0；
172.步骤224，计算li的最小离地高度绝对值|hi|；
173.步骤226，判断：|hi|《|h
safe
|，若是，执行步骤228，若否，执行步骤230；
174.步骤228，将li记为安全斜坡，并从{yn}中移除li上的点；
175.步骤230，将li记为非安全斜坡；
176.步骤232，令i＝i+1；
177.步骤234，判断：i《k，若是，执行步骤224，若否，执行步骤236；
178.步骤236，令i＝0；
179.步骤238，判断：li为非安全斜坡，且li与安全斜坡连续，若是，执行步骤240，若否，执行步骤242；
180.步骤240，将li记为安全斜坡，并从{yn}中移除li上的点；
181.步骤242，令i＝i+1；
182.步骤244，判断：i《k，若是，执行步骤238，若否，执行步骤246；
183.步骤246，令i＝0；
184.步骤248，判断：yi＝0，若是，执行步骤250，若否，执行步骤254；
185.步骤250，判断：i点标定数据不为0，若是，执行步骤252，若否，执行步骤262；
186.步骤252，将i点标记为黑色障碍物或悬崖；
187.步骤254，判断：z
yi
》z
obs
，若是，执行步骤256，若否，执行步骤258；
188.步骤256，将i点标记为障碍物；
189.步骤258，判断：z
yi
《z
cliff
，若是，执行步骤260，若否，执行步骤262；
190.步骤260，将i点标记为悬崖；
191.步骤262，令i＝i+1；
192.步骤264，判断：i《n，若是，执行步骤248，若否，结束流程。
193.其中，步骤214中的|k
safe
|即相当于上述斜率阈值，步骤224中的最小离地高度即相当于上述最小距离，步骤226中的|h
safe
|即相当于上述距离阈值，步骤254中的z
yi
即相当于上述采样点的高度，z
obs
即相当于上述第一高度阈值，步骤258中的z
cliff
即相当于上述第二高度阈值。
194.这样，在本发明实施例提出的路况识别方法中，融合线激光和imu信息进行障碍物及悬崖识别。具体地，通过标定得到线激光的安装俯仰角和高度，同时引入imu的俯仰角和横滚角信息，将线激光数据转换至地面坐标系中的数据，可以有效补偿安装误差以及机器人倾斜引入的误差，从而提高线激光检测结果的准确度以及抵抗摇晃的鲁棒性。进一步地，通过对点云聚类以及直线检测的方式提取出激光点云中的安全斜坡，从而避免线激光将斜坡误识别为障碍物或者悬崖，进一步提升了激光检测结果的准确性。
195.实施例十一，图10示出了本发明实施例的路况确定装置1000的结构框图。其中，该装置用于智能移动设备，智能移动设备上设置有激光模组，激光模组的扫描平面包括n个采样点，路况确定装置1000包括处理单元1002以及获取单元1004：
196.处理单元1002，用于对n个采样点进行标定；
197.获取单元1004，用于获取与n个采样点对应的n个第二扫描数据；
198.处理单元1002，还用于根据第一扫描数据的数值，对n个第一扫描数据进行过滤处理，以滤除n个第一扫描数据中的目标扫描数据，得到目标数据集，目标扫描数据对应的采
样点位于安全道路；
199.处理单元1002，还用于根据目标数据集和对n个采样点的标定值确定路况。
200.本发明实施例提供的路况确定装置1000，用于智能移动设备。在实际的应用过程中，上述智能移动设备具体可为扫地机器人、大厅机器人、儿童陪伴机器人、机场智能机器人、智能问答机器人以及家庭服务机器人等具备自主移动功能的移动设备，在此不作具体限制。
201.其中，上述智能移动设备上设置有激光模组，该激光模组用于对周围环境进行激光扫描，以确定周围路况。
202.在实际的应用过程中，上述激光模组具体用于向外部物体以及地面发射激光信号，以及接收外部物体以及地面所反射回来的激光信号，从而实现对外部环境的扫描。其中，激光模组的扫描平面与水平面垂直，且该扫描平面中具体可包含n个采样点，激光模组通过对n个采样点的扫描数据，来确定前方的道路情况。
203.进一步地，n的具体数值与智能移动设备的具体机型相关，在实际的应用过程中，上述n具体可为500、550、600、650等数值，在此不作具体限制。另外，n个采样点可随机分布于扫描平面内部，n个采样点还可按照一定规律分布于扫描平面内部，在此不作具体限制。
204.进一步地，在实际的应用过程中，上述激光模组具体可为线激光模组，通过激光模组向外部物体以及地面发射线激光来对周围环境进行扫描，从而确定周围环境的路况信息，如确定智能移动设备的前方道路中是否存在障碍物或悬崖。
205.在此基础上，本发明实施例提供的路况确定装置1000包括处理单元1002以及获取单元1004，在对上述智能移动设备进行自主移动时的道路情况进行确定的过程中，具体地，通过处理单元1002对激光模组扫描平面中的n个采样点进行标定，以赋予每一个采样点一个标定值，该标定值可表示智能移动设备位于空旷水平面时与该标定值对应的采样点是否存在反射激光。其中，在某采样点处存在反射激光信号的情况下，说明该采样点所对应的激光信号射向水平地面，在某采样点处不存在反射激光信号的情况下，则说明该采样点所对应的激光信号射向空气。另外，在实际的应用过程中，可仅在用户第一次使用上述智能移动设备时，对该智能移动设备中的激光模组的安装参数进行标定，以及对激光模组扫描平面中的n个采样点进行标定。在后续的使用过程中，上述智能移动设备可直接调取第一次的标定结果来进行路况识别操作。
206.进一步地，在智能移动设备自主移动的过程中，获取单元1004获取与n个采样点对应的n个第一扫描数据，得到第一扫描数据集{ρn},其中，ρi(0《i≤n)为对应第i个采样点的第一扫描数据。其中，需要说明的是，第一扫描数据为地面坐标系中的数据，通过对n个第一扫描数据进行处理，可确定实际环境中的物体与智能移动设备之间的距离信息。另外，在第一扫描数据不为0的情况下，说明对应的采样点处存在反射激光信号，也即说明该采样点所在的激光射程内存在非黑色物体，此时对应该采样点的第二扫描数据即可表示激光模组到对应的非黑色物体的距离信息；而在第一扫描数据为0的情况下，则说明对应的采样点处无反射激光信号，也即说明该采样点所在的激光射程内存在黑色物体或者不存在任何物体。
207.在此基础上，在得到上述n个第一扫描数据之后，处理单元1002基于目标算法，根据第一扫描数据的具体数值对该n个第一扫描数据进行过滤筛选，以将n个第一扫描数据中的目标扫描数据剔除，从而得到过滤后的目标数据集{yn}。其中，上述目标扫描数据用于指
示其对应的采样点位于安全道路，也即上述目标扫描数据为激光扫描安全道路如水平地面或坡度较小的斜坡而得到的扫描数据，也即上述目标数据集{yn}中的扫描数据yi(0《i≤n)用于指示其对应的采样点所在的激光射程内存在障碍物或悬崖等非安全道路。进一步地，上述目标算法具体可为目标聚类算法以及基于直线检测的斜坡识别算法，通过目标聚类算法、直线检测算法以及斜坡识别算法，将上述n个第一扫描数据中对应安全斜坡或水平地面的目标扫描数据进行剔除，以为后续的路况识别做准备。
208.进一步地，在通过上述处理步骤得到对应障碍物或悬崖等非安全道路的目标数据集{yn}之后，处理单元1002根据目标数据集{yn}中各个扫描数据yi(0《i≤n)的具体数值，以及对上述n个采样点的标定结果即赋予每个采样点的标定值，对目标数据集{yn}中各个扫描数据yi(0《i≤n)所对应的具体路况进行判别，以确定前方道路是否存在悬崖，或确定备前方道路中的障碍物类型，以便智能移动设备根据前方路况及时做出应对措施，如停止移动或改变移动路线，从而避免智能移动设备进入非安全道路区域而造成损坏。
209.综上所述，本发明实施例所提出的路况确定装置1000，通过处理单元1002对激光模组的扫描平面中的各个采样点进行标定，并通过获取单元1004获取与每个采样点所对应的第一扫描数据，进而通过处理单元1002基于目标算法，根据第一扫描数据的数值将第一扫描数据中用于指示安全道路的目标扫描数据剔除，并根据剩下的扫描数据的实际数据值，以及对激光模组的扫描平面中的各个采样点的标定值，对智能移动设备前方道路的实际路况进行识别。这样，一方面，基于激光扫描数据来识别路况，增加了路况识别的有效识别范围，从而能够为智能移动设备的避障动作预留出较长的反应距离；另一方面，基于目标算法以及第一扫描数据的具体数值，将指示安全道路的目标扫描数据剔除后再进行路况识别，避免了智能移动设备将安全斜坡识别为障碍物而发生误操作，提升了路况识别的精确度。
210.在该实施例中，进一步地，获取单元1004具体用于：获取激光模组对n个采样点的n个第二扫描数据；处理单元1002具体用于：根据激光模组的安装参数和惯性测量装置的设定参数，对n个第二扫描数据进行坐标转换处理，得到对应的n个第一扫描数据。
211.在该实施例中，进一步地，处理单元1002具体用于：根据第一扫描数据的数值，基于目标聚类算法、直线检测算法和斜坡识别算法，对n个第一扫描数据进行过滤处理，得到目标数据集。
212.在该实施例中，进一步地，处理单元1002具体用于：在第一扫描数据的数值符合目标条件的情况下，根据目标聚类算法对第一扫描数据对应的采样点进行聚类处理，得到多个点云簇，并根据直线检测算法对每个点云簇进行直线检测，得到多条点云线段；基于斜坡识别算法，根据每条点云线段的线段斜率、与水平面的最小距离以及点云线段的连续性，对n个第一扫描数据进行过滤处理，得到目标数据集。
213.进一步地，处理单元1002具体用于：在任意一个点云线段与水平面的最小距离小于距离阈值，且线段斜率的绝对值小于斜率阈值的情况下，将任意一个点云线段确定为安全线段，并滤除任意一个点云线段对应的多个第一扫描数据；在任意一个点云线段与水平面的最小距离大于等于距离阈值，且线段斜率的绝对值小于斜率阈值的情况下，确定任意一个点云线段为非安全线段；在任意一个非安全线段与安全线段连续的情况下，滤除任意一个非安全线段对应的多个第一扫描数据，得到目标数据集。
214.进一步地，获取单元1004还用于：在智能移动设备位于水平面的情况下，获取激光模组对n个采样点的m组扫描数据；处理单元1002具体用于：在采样点所对应的m个扫描数据中符合目标条件的扫描数据的数量大于等于目标数值的情况下，根据采样点对应的m个扫描数据确定采样点的标定值，在采样点所对应的m个扫描数据中符合目标条件的扫描数据的数量小于目标数值的情况下，将采样点的标定值确定为零。
215.进一步地，激光模组包括激光发射器和接收传感器，安装参数包括激光发射器的安装高度和安装俯仰角，处理单元100还体用于：对标定值大于零的多个采样点进行线性回归处理，得到多个采样点在第一坐标系下对应的目标线段，根据目标线段确定激光发射器在第二坐标系下的安装高度和安装俯仰角。
216.进一步地，安装参数还包括激光发射器的安装航向角，处理单元1002具体用于：根据安装高度、安装俯仰角、安装航向角以及惯性测量装置的横滚角以及俯仰角，确定第一坐标系转换至第二坐标系的旋转矩阵和位移向量；根据位移向量以及旋转矩阵，将第一坐标系下的n个第二扫描数据，转换为第二坐标系下的n个第一扫描数据。
217.进一步地，处理单元1002具体用于：在目标数据集中的第一扫描数据符合目标条件，且第一扫描数据对应的采样点的高度大于等于第一高度阈值的情况下，确定前方路况存在障碍物；在目标数据集中的第一扫描数据符合目标条件，且第一扫描数据对应的采样点的高度小于第二高度阈值的情况下，确定前方路况为悬崖；在目标数据集中的第一扫描数据不符合目标条件，且第一扫描数据对应的采样点的标定值大于零的情况下，确定前方路况为黑色障碍物或悬崖。
218.实施例十二，图11示出了本发明实施例提供的路况确定装置1100的结构框图。其中，该路况确定装置1100包括：
219.存储器1102，存储器1102上存储有程序或指令；
220.处理器1104，处理器1104执行上述程序或指令时实现如上述任一实施例中的路况确定方法的步骤。
221.本实施例提供的路况确定装置1100包括存储器1102和处理器1104，存储器1102中的程序或指令被处理器1104执行时实现如上述任一实施例中的路况确定方法的步骤，因此该路况确定装置1100具备上述任一实施例中的路况确定方法的全部有益效果，在此不再赘述。
222.具体地，存储器1102和处理器1104可以通过总线或者其它方式连接。处理器1104可包括一个或多个处理单元，处理器1104可以为中央处理器(central processing unit，cpu)、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field programmable gate array，fpga)等芯片。
223.实施例十三，图12示出了本发明实施例提供的智能移动设备1200的结构框图。其中，智能移动设备1200包括激光模组1202、惯性测量装置1204以及上述实施例中的路况确定装置1100。
224.其中，激光模组1202设置在智能移动设备1200的壳体上，激光模组1202用于发射激光信号并接收物体反射的激光信号，以对周围环境进行激光扫描，从而确定周围路况。进一步地，上述惯性测量装置1204设置在智能移动设备1200内部，惯性测量装置1204用于检
测智能移动设备1200的三轴姿态角以及加速度。
225.进一步地，本发明实施例提供的智能移动设备1200包括上述实施例中的路况确定装置1100。因此，该智能移动设备1200具备上述实施例中的路况确定装置1100的全部技术效果，在此不再赘述。
226.另外，上述智能移动设备1200不限于扫地机器人、大厅机器人、儿童陪伴机器人、机场智能机器人、智能问答机器人等具备自主移动功能的移动设备，在此不作具体限制。
227.在该实施例中，进一步地，激光模组1202包括激光发射器1206以及接收传感器1208。其中，激光发射器1206设置在壳体上，激光发射器1206所发射的激光信号能够沿智能移动设备1200的高度方向扫描以形成扫描平面，该扫描平面与智能移动设备1200的横截面相互垂直。
228.进一步地，接收传感器1208设置在壳体上，接收传感器1208相较于激光发射器1206靠近智能移动设备1200的轴线，接收传感器1208用于接收至少一个物体反射的激光信号。
229.在实际的应用过程中，上述接收传感器1208具体可为图像传感器，图像传感器是一个网格面，每个网格都有对应的坐标值。在实际的应用过程中，图像传感器可基于接收到的反射激光信号生成图像，并根据生成的图像确定n个采样点在接收传感器1208的传感器坐标系下对应的坐标值即扫描数据。传感器坐标系下的扫描数据能够通过转换矩阵换算为地面坐标系下的扫描数据，以通过地面坐标系下的扫描数据确定智能移动设备1200周围环境的路况信息。
230.具体地，在激光模组1202的工作过程中，通过激光发射器1206向周围环境中的物体以及地面发射激光信号，以及通过接收传感器1208接收外部物体以及地面所反射回来的激光信号，以此实现对周围环境的扫描，从而确定智能移动设备1200前方的道路情况。
231.另外，在实际的应用过程中，上述激光模组1202的数量可为两个，通过两个激光模组1202相互配合，对智能移动设备1200的前方路况进行识别，以进一步提升识别结果的准确性，从而保障智能移动设备1200的安全移动。
232.实施例十四，本发明第五方面的实施例，提出了一种可读存储介质。其上存储有程序或指令，程序或指令被处理器执行时实现如上述任一实施例中的路况确定方法的步骤。
233.本发明实施例提供的可读存储介质，其存储的程序或指令被处理器执行时，可实现如上述任一实施例中的路况确定方法的步骤。因此，该可读存储介质具备上述任一实施例中的路况确定方法的全部有益效果，在此不再赘述。
234.具体地，上述可读存储介质可以包括能够存储或传输信息的任何介质。可读存储介质的例子包括电子电路、半导体存储器设备、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、光盘只读存储器(compact disc read-only memory，cd-rom)、闪存、可擦除rom(erom)、磁带、软盘、光盘、硬盘、光纤介质、射频(rf)链路、光数据存储设备等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
235.实施例十五，本发明第六方面的实施例，提出了一种计算机程序产品，其包括计算机程序，该计算机程序被处理器执行时实现如上述任一技术方案中的路况确定方法。因此，本发明第六个方面所提出的可读存储介质具备上述第一个方面任一技术方案中的路况确定方法的全部有益效果，在此不再赘述。
236.在本说明书的描述中，术语“第一”、“第二”仅用于描述的目的，而不能理解为指示或暗示相对重要性，除非另有明确的规定和限定；术语“连接”、“安装”、“固定”等均应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
237.在本说明书的描述中，术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或实例。而且，描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
238.另外，本发明各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
239.以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种路况确定方法，其特征在于，用于智能移动设备，所述智能移动设备上设置有激光模组，所述激光模组的扫描平面包括n个采样点，所述路况确定方法包括：对所述n个采样点进行标定；获取与所述n个采样点对应的n个第一扫描数据；根据所述第一扫描数据的数值，对所述n个第一扫描数据进行过滤处理，以滤除所述n个第一扫描数据中的目标扫描数据，得到目标数据集，所述目标扫描数据对应的采样点位于安全道路；根据所述目标数据集和对所述n个采样点的标定值确定路况。2.根据权利要求1所述的路况确定方法，其特征在于，所述智能移动设备上还设置有惯性测量装置，所述获取与所述n个采样点对应的n个第一扫描数据，包括：获取所述激光模组对所述n个采样点的n个第二扫描数据；根据所述激光模组的安装参数和所述惯性测量装置的设定参数，对所述n个第二扫描数据进行坐标转换处理，得到对应的n个第一扫描数据。3.根据权利要求1所述的路况确定方法，其特征在于，所述根据所述第一扫描数据的数值，对所述n个第一扫描数据进行过滤处理，包括：根据所述第一扫描数据的数值，基于目标聚类算法、直线检测算法和斜坡识别算法，对所述n个第一扫描数据进行过滤处理。4.根据权利要求3所述的路况确定方法，其特征在于，所述根据所述第一扫描数据的数值，基于目标聚类算法、直线检测算法和斜坡识别算法，对所述n个第一扫描数据进行过滤处理，包括：在所述第一扫描数据的数值符合目标条件的情况下，根据所述目标聚类算法对所述第一扫描数据对应的采样点进行聚类处理，得到多个点云簇；根据所述直线检测算法对每个所述点云簇进行直线检测，得到多条点云线段；基于所述斜坡识别算法，根据每条点云线段与水平面的最小距离、线段斜率以及点云线段的连续性，对所述n个第一扫描数据进行过滤处理。5.根据权利要求4所述的路况确定方法，其特征在于，一个点云线段对应多个第一扫描数据，所述基于所述斜坡识别算法，根据每条点云线段与水平面的最小距离、线段斜率以及点云线段的连续性，对所述n个第一扫描数据进行过滤处理，包括：在任意一个点云线段的线段斜率的绝对值小于斜率阈值，且所述任意一个点云线段与水平面的最小距离小于距离阈值的情况下，将所述任意一个点云线段确定为安全线段，并滤除所述任意一个点云线段对应的多个第一扫描数据；在任意一个点云线段的线段斜率的绝对值小于所述斜率阈值，且所述任意一个点云线段与水平面的最小距离大于等于距离阈值的情况下，确定所述任意一个点云线段为非安全线段；在任意一个非安全线段与安全线段连续的情况下，滤除所述任意一个非安全线段对应的多个第一扫描数据。6.根据权利要求2所述的路况确定方法，其特征在于，所述对所述n个采样点进行标定，包括：在所述智能移动设备位于水平面的情况下，获取所述激光模组对所述n个采样点的m组
扫描数据，一组扫描数据包括n个扫描数据，一个扫描数据对应一个采样点；在采样点所对应的m个扫描数据中符合目标条件的扫描数据的数量大于等于目标数值的情况下，根据所述采样点对应的m个扫描数据确定所述采样点的标定值；在采样点所对应的m个扫描数据中符合所述目标条件的扫描数据的数量小于所述目标数值的情况下，将所述采样点的标定值确定为零。7.根据权利要求6所述的路况确定方法，其特征在于，所述激光模组包括激光发射器和接收传感器，所述安装参数包括所述激光发射器的安装高度和安装俯仰角，所述路况确定方法还包括：对标定值大于零的多个采样点进行线性回归处理，得到所述多个采样点在第一坐标系下对应的目标线段；根据所述目标线段确定所述激光发射器在第二坐标系下的安装高度和安装俯仰角；其中，所述第一坐标系为所述接收传感器的传感器坐标系，所述第二坐标系为地面坐标系。8.根据权利要求7所述的路况确定方法，其特征在于，所述安装参数还包括所述激光发射器的安装航向角，所述根据所述激光模组的安装参数和所述惯性测量装置的设定参数，对所述n个第二扫描数据进行坐标转换处理，得到对应的n个第一扫描数据，包括：根据所述安装航向角、安装高度、安装俯仰角以及所述惯性测量装置的俯仰角和横滚角，确定所述第一坐标系转换至所述第二坐标系的旋转矩阵和位移向量；根据所述旋转矩阵和所述位移向量，将所述第一坐标系下的n个第二扫描数据，转换为所述第二坐标系下的所述n个第一扫描数据。9.根据权利要求1至8中任一项所述的路况确定方法，其特征在于，所述扫描平面与水平面垂直，所述根据所述目标数据集和对所述n个采样点的标定值确定路况，包括：在所述目标数据集中的第一扫描数据符合目标条件，且所述第一扫描数据对应的采样点的高度大于等于第一高度阈值的情况下，确定前方路况存在障碍物；在所述目标数据集中的第一扫描数据符合所述目标条件，且所述第一扫描数据对应的采样点的高度小于第二高度阈值的情况下，确定前方路况为悬崖；在所述目标数据集中的第一扫描数据不符合所述目标条件，且所述第一扫描数据对应的采样点的标定值大于零的情况下，确定前方路况为黑色障碍物或悬崖。10.一种路况确定装置，其特征在于，包括：存储器，存储有程序或指令；处理器，所述处理器执行所述程序或指令时实现如权利要求1至9中任一项所述的路况确定方法的步骤。11.一种智能移动设备，其特征在于，包括：激光模组，设置在所述智能移动设备的壳体，用于发射激光信号并接收物体反射的激光信号；惯性测量装置，设置在所述智能移动设备内部；如权利要求10所述的路况确定装置。12.根据权利要求11所述的智能移动设备，其特征在于，所述激光模组包括：激光发射器，设置在所述壳体，所述激光发射器所发射的激光信号能够沿所述智能移动设备的高度方向扫描以形成所述扫描平面；
接收传感器，设置在所述壳体，所述接收传感器相较于所述激光发射器靠近所述智能移动设备的轴线，所述接收传感器用于接收至少一个物体反射的激光信号。13.一种可读存储介质，其上存储有程序或指令，其特征在于，所述程序或指令被处理器执行时实现如权利要求1至9中任一项所述的路况确定方法的步骤。14.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至9中任一项所述的路况确定方法的步骤。

技术总结
本发明提出了一种路况确定方法及装置、智能移动设备和计算机程序产品。其中，路况确定方法用于智能移动设备，智能移动设备上设置有激光模组，激光模组的扫描平面包括N个采样点，路况确定方法包括：对N个采样点进行标定；获取与N个采样点对应的N个第一扫描数据；根据第一扫描数据的数值N个第一扫描数据进行过滤处理，以滤除N个第一扫描数据中的目标扫描数据，得到目标数据集，目标扫描数据对应的采样点位于安全道路；根据目标数据集和对N个采样点的标定值确定路况。标定值确定路况。标定值确定路况。


技术研发人员：胡捷凯 刘冬
受保护的技术使用者：美的集团股份有限公司
技术研发日：2022.12.15
技术公布日：2023/7/19