区域的边界轨迹确定方法、自主行进设备及存储介质与流程

1.本技术涉及机器人技术领域，尤其涉及一种区域的边界轨迹确定方法、自主行进设备及存储介质。


背景技术：

2.目前，受限于自主行进设备(例如，割草机器人)的成本及室外环境等条件的约束，通过没有深度信息的摄像头实现自主行进设备在复杂场景下的沿边及避障等任务存在较大的难度，其原因在于摄像头的感知范围有限且没有深度信息，立体障碍物经过平面投影后存在较大误差，因此使得摄像头无法保证识别到立体障碍物的大部分场景信息，导致不能精准地确定出障碍物区域的边界轨迹，使得自主行进设备沿边及避障等规划控制的精度较低。
3.因此，如何在较低成本范围内，提供一种精准确定出障碍物区域的边界轨迹的方法，已成为本领域技术人员亟待解决的技术问题。


技术实现要素：

4.鉴于以上内容，本技术提供一种区域的边界轨迹确定方法、自主行进设备及存储介质，其目的在于解决上述技术问题。
5.第一方面，本技术提供一种区域的边界轨迹确定方法，所述方法应用于自主行进设备，所述自主行进设备包括摄像装置及雷达，所述方法包括：
6.根据所述摄像装置获取预设区域中障碍物区域与非障碍物区域的初始边界点云，对所述初始边界点云进行滤波处理及融合处理得到第一融合边界点云；
7.判断所述雷达是否扫描到所述障碍物区域，若是，获取所述障碍物区域的超声点云，对所述超声边界点云进行融合处理得到所述障碍物区域的第二融合边界点云；
8.根据所述第一融合边界点云及所述第二融合边界点云生成目标栅格地图，对所述目标栅格地图进行膨胀处理得到膨胀栅格地图；
9.根据所述膨胀栅格地图确定所述预设区域中障碍物区域的边界轨迹。
10.第二方面，本技术提供一种自主行进设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
11.存储器，用于存放计算机程序；
12.处理器，用于执行存储器上所存放的程序时，实现第一方面任一项实施例所述的区域的边界轨迹确定方法。
13.第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项实施例所述的区域的边界轨迹确定方法。
14.本技术实施例提供的上述技术方案与现有技术相比具有如下优点：
15.根据摄像装置获取障碍物区域与非障碍物区域的初始边界点云，对初始边界点云进行滤波处理及融合处理得到第一融合边界点云，由于障碍物区域为不规则形状时，自主
行进设备在行进时摄像装置可能无法获取到障碍物的边界信息，因此当雷达扫描到障碍物区域时获取障碍物区域的超声点云，对超声边界点云进行融合处理得到障碍物区域的第二融合边界点云，第二融合边界点云可以对摄像装置无法获取的障碍物边界信息进行补充，根据第一融合边界点云及第二融合边界点云生成目标栅格地图后进行膨胀处理得到膨胀栅格地图，根据膨胀栅格地图可以精准确定出障碍物区域的边界轨迹。本技术利用摄像装置和雷达，以较低的成本实现了对障碍物区域边界的精准提取，进而使得自主行进设备能够实现高精度的避障及沿边任务，提高自主行进设备作业的覆盖率。
附图说明
16.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。
17.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
18.图1为本技术区域的边界轨迹确定方法实施例的流程示意图；
19.图2为本技术实施例中割草机器人行进过程中与立体障碍物一位置示意图；
20.图3为本技术实施例中摄像装置识别立体障碍物边界的示意图；
21.图4为本技术实施例中摄像装置发射若干条虚拟射线的示意图；
22.图5为本技术实施例中雷达识别立体障碍物的边界示意图；
23.图6为本技术区域的边界轨迹确定装置较佳实施例的模块示意图；
24.图7为本技术自主行进设备较佳实施例的示意图；
25.本技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
26.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本技术，并不用于限定本技术。基于本技术中的实施例，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，都属于本技术保护的范围。
27.需要说明的是，在本技术中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，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，也不在本技术要求的保护范围之内。
28.本技术提供一种区域的边界轨迹确定方法。参照图1所示，为本技术区域的边界轨迹确定方法的实施例的方法流程示意图。该方法可以由一个自主行进设备执行，自主行进设备包括摄像装置及雷达，该自主行进设备可以由应用程序和/或硬件实现。区域的边界轨迹确定方法包括：
29.步骤s10：根据所述摄像装置获取预设区域中障碍物区域与非障碍物区域的初始
边界点云，对所述初始边界点云进行滤波处理及融合处理得到第一融合边界点云；
30.步骤s20：判断所述雷达是否扫描到所述障碍物区域，若是，获取所述障碍物区域的超声点云，对所述超声边界点云进行融合处理得到所述障碍物区域的第二融合边界点云；
31.步骤s30：根据所述第一融合边界点云及所述第二融合边界点云生成目标栅格地图，对所述目标栅格地图进行膨胀处理得到膨胀栅格地图；
32.步骤s40：根据所述膨胀栅格地图确定所述预设区域中障碍物区域的边界轨迹。
33.本实施例中，自主行进设备可以是割草机器人，预设区域可以是草地(例如，需要进行割草的草地)，草地包括障碍物区域和非障碍物区域，障碍物区域是指会阻挡割草机器人进行割草任务的区域(例如，草地上的立体障碍物所对应的区域)，非障碍物区域是割草机器人进行割草任务的区域(例如，草地上的草坪区域)，以自主行进设备为割草机器人为例对本技术的方案进行说明。应当理解的是，在实际应用场景中，本技术的自主行进设备还可以是清洁机器人、巡检机器人、酒店或餐饮场所内的服务机器人等需要执行避障及/或沿边控制的机器人。
34.参图2所示，为本技术实施例中割草机器人行进过程中与立体障碍物一位置示意图，割草机器人包括一个前向单目相机，单目相机的感知范围角记为cfov，割草机器人还包括一个侧边雷达(例如，超声波雷达)，该超声波雷达为一个单发双收模块，其具有识别成功率高，识别误差小的特点，该超声波雷达测量范围角记为ufov。单目相机主要通过图像感知草地与立体障碍物间的边界，侧边的超声波雷达主要用于弥补单目相机视野盲区内无法感知立体障碍物的不足。在其它实施例中，摄像装置可以是双目相机，雷达可以是激光雷达。
35.如图3所示，为本技术实施例中摄像装置识别立体障碍物边界的示意图。由于单目相机没有深度信息，当识别立体障碍物时，立体障碍物经过单目相机的投影后会产生投影边界，该投影边界将偏离实际障碍物的横截面边界，导致会增大障碍物的边界范围，从而导致割草机器人的沿边及避障精度较低。
36.如图4所示，为本技术实施例中雷达识别立体障碍物的边界示意图，超声波雷达能够精准检测出在超声波雷达检测范围内的边界点距离超声波雷达的距离。
37.为了适应各种复杂的立体障碍物的避障、同时兼顾常规的沿边任务(包括非障碍物)，避免过多的特殊状态处理，本技术通过确定出障碍物区域的边界轨迹，实现割草机器人在具有障碍物区域的避障及沿边运动。具体地，获取单目相机拍摄的草地图像，通过预先训练的模型对草地图像进行二值化处理得到二值化图像，根据二值化图像获取草地中障碍物区域与非障碍物区域的边界点云(记为初始边界点云)，由于立体障碍物的形状通常是不规则形状，立体障碍物经过单目相机的投影后产生的投影边界不是实际的边界，此外由于割草机器人在行进过程中可能出现机身抖动和冲击的情况，会使得拍摄的图像存在抖动现象导致边界点云误差较大，因此需要对初始边界点云进行滤波操作，为了使割草机器人可以进行连续平滑的避障及/或沿边，还需要将滤波操作后的点云进行多帧融合得到融合边界点云(记为第一融合边界点云)，第一融合边界点云是指将单目相机拍摄的多帧图像对应的点云数据进行融合后得到的边界点云，具体地，对所述初始边界点云进行滤波处理及融合处理得到第一融合边界点云，包括：
38.对所述初始边界点云进行射线滤波处理，得到第一边界点云；
39.对所述第一边界点云进行抖动滤波处理，得到第二边界点云；
40.对所述第二边界点云进行融合处理，得到所述第一融合边界点云。
41.通过对初始边界点云进行射线滤波处理得到立体障碍物的有效边界点云(记为第一边界点云)，对第一边界点云进行抖动滤波处理得到第二边界点云，第二边界点云是指未发生抖动情况的边界点云。再对第二边界点云进行融合处理得到第一融合边界点云。需要说明的是，也可以先去初始边界点云进行抖动滤波处理，再进行射线滤波处理。
42.其中，对所述初始边界点云进行射线滤波处理，得到第一边界点云，包括：
43.在所述摄像装置的拍摄角度范围内设置若干条虚拟射线，其中，相邻两条虚拟射线之间的夹角相同；
44.确定出所述若干条虚拟射线中，与所述障碍物区域具有交点的目标虚拟射线；
45.若所述目标虚拟射线与所述障碍物区域具有两个或两个以上交点，获取所述两个或两个以上交点中与所述摄像装置距离最近的交点作为目标交点；
46.若所述目标虚拟射线与所述障碍物区域具有一个交点，获取所述交点作为目标交点；
47.将所述目标交点进行融合，得到所述第一边界点云。
48.如图3所示，为本技术实施例中摄像装置识别立体障碍物边界的示意图，立体障碍物的边界包括有效边界、识别边界和投影边界。为了去除投影边界引起的误识别区域部分，从而准确获得立体障碍物的边界点云，在单目相机的拍摄角度范围cfov内设置若干条虚拟射线，其中，相邻两条虚拟射线之间的夹角相同，即虚拟射线均匀分布于cfov内。如图4所示，为本技术实施例中摄像装置发射若干条虚拟射线的示意图，虚拟射线与立体障碍物的交点可能是0个，可能是1个，也可能是2个或2个以上，在若干条虚拟射线中确定出与立体障碍物具有交点的射线(记为目标虚拟射线)。若目标虚拟射线与立体障碍物具有两个或两个以上交点，则获取与摄像装置(相机)距离最近的一个交点作为目标交点，并舍弃该目标虚拟射线与立体障碍物的其余交点。若目标虚拟射线与障碍物区域只有一个交点，则获取该交点作为目标交点。将获取的目标交点进行融合，得到第一边界点云。
49.其中，对所述第一边界点云进行抖动滤波处理，得到第二边界点云，包括：
50.将二值化图像的当前帧边界点云与上一帧的边界点云进行对比，如果两帧点云数据中重合的边界点的数量低于预设阈值(例如，小于当前帧点云数据的50％)，则判定单目相机拍摄时发生了抖动的情况，此时删除当前帧的点云数据，并重新进行下一帧与下下一帧数据的对比，直至检测到没有发生抖动，并保留没有发生抖动的当前帧的边界点云，从而得到未发生抖动情况的边界点云。
51.其中，对所述第二边界点云进行融合处理，得到所述第一融合边界点云，包括：
52.根据所述自主行进设备的定位信息及姿态信息，将所述第二边界点云转换为全局坐标系的点云；
53.过滤所述全局坐标系的点云中的重合点云，得到所述第一融合边界点云。
54.根据割草机的定位信息及姿态信息将第二边界点云进行坐标变化，转换为全局坐标系(世界坐标系)下的点云，将所有全局坐标系下的点云保存在一起，并滤除其中重合的点云，得到多帧二值化图像融合后的边界点云，记为第一融合边界点云。
55.由于当割草机器人移动至图5所示的位置时，在单目相机视野范围内拍摄不到立
体障碍物，即无法通过单目相机识别立体障碍物边界信息，此时则需要超声波雷达对障碍物的边界信息进行补充，因此割草机器人行进过程中实时判断雷达是否扫描到立体障碍物区域，当雷达扫描未到立体障碍物区域时则直接根据第一融合边界点云生成目标栅格地图，对目标栅格地图进行膨胀处理得到膨胀栅格地图，根据膨胀栅格地图确定预设区域中障碍物区域的边界轨迹。当雷达扫描到立体障碍物区域时，则获取障碍物区域的超声点云，具体地，获取所述障碍物区域的超声点云，包括：
56.根据所述雷达在所述自主行进设备中的位置信息、所述自主行进设备的定位信息及姿态信息，将所述雷达扫描到所述障碍物区域的点云进行坐标转换，得到以所述自主行进设备为基点的坐标系下的超声检测点云信息；
57.获取所述超声检测点云信息作为所述障碍物区域的超声点云。
58.根据超声波雷达相对于割草机器人局部坐标系的安装位置信息，以及割草机器人的定位信息及姿态信息，将超声波雷达检测的立体障碍物区域的信号(即相对于超声波雷达局部坐标系的立体障碍物区域的点云)进行坐标转换，得到相对于割草机器人坐标系下的超声检测点云信息，获取超声检测点云信息作为立体障碍物区域的超声点云。
59.为了得到全局立体障碍物区域的边界，需要在获取的障碍物区域的超声点云的基础上，对超声点云进行多帧融合处理，得到障碍物区域的第二融合边界点云，第二融合边界点云是指对障碍物区域的超声点云进行融合后的边界点云，通过对获取的多个超声点云的进行排列处理，可以获得第二融合边界点云。
60.获得第一融合边界点云及第二融合边界点后，根据第一融合边界点云及所述第二融合边界点云生成目标栅格地图，具体地，根据所述第一融合边界点云及所述第二融合边界点云生成目标栅格地图，包括：
61.以所述自主行进设备为中心，构建局部栅格地图；
62.将所述第一融合边界点云及所述第二融合边界点云投影至所述局部栅格地图，生成所述目标栅格地图。
63.以割草机器人为中心构建一个局部栅格地图，将第一融合边界点云及第二融合边界点云投影至局部栅格地图上生成目标栅格地图，在目标栅格地图中，点云对应的栅格标记为障碍物，其它的栅格标记为未知栅格。
64.得到目标栅格地图后，对目标栅格地图进行膨胀处理得到膨胀栅格地图。具体地，对所述目标栅格地图进行膨胀处理得到膨胀栅格地图，包括：
65.根据所述自主行进设备的尺寸参数及沿边横向间隔参数，计算所述目标栅格地图的膨胀半径；
66.基于所述膨胀半径对所述目标栅格地图进行膨胀处理，得到所述膨胀栅格地图。
67.根据割草机的尺寸参数及沿边横向间隔参数(或避障横向间隔参数)，计算出目标栅格地图膨胀半径，膨胀半径＝(割草机器人的宽度尺寸/2)+沿边横向间隔参数，沿边横向间隔参数及避障横向间隔参数可以是预先设置好的。根据膨胀半径对目标栅格地图进行膨胀处理，得到膨胀栅格地图，其中，膨胀处理是指对目标栅格地图的边缘添加像素值，使得目标栅格地图整体的像素值扩张，进而达到膨胀效果。
68.根据膨胀栅格地图可以确定出立体障碍物区域的边界轨迹，为了使割草机器人获得平滑的避障及/或沿边效果，还可以对边界轨迹进行平滑处理，将平滑处理后的边界轨迹
作为立体障碍物的有效的边界轨迹。实现了割草机器人对立体障碍物边界轨迹的精确提取，提高割草机器人割草作业的覆盖率。
69.在一个实施例中，在根据所述膨胀栅格地图确定所述预设区域中障碍物区域的边界轨迹之后，所述方法还包括：
70.控制所述自主行进设备沿所述边界轨迹行进。通过控制割草机器人在精确的障碍物区域边界轨迹行进，可以提高割草机器人的割草覆盖率。
71.参照图6所示，为本技术区域的边界轨迹确定装置100的功能模块示意图。
72.本技术所述区域的边界轨迹确定装置100可以安装于自主行进设备中。根据实现的功能，所述区域的边界轨迹确定装置100可以包括第一融合模块110、第二融合模块120、生成模块130及确定模块140。本技术所述模块也可以称之为单元，是指一种能够被自主行进设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在自主行进设备的存储器中。
73.在本实施例中，关于各模块/单元的功能如下：
74.第一融合模块110，用于根据所述摄像装置获取预设区域中障碍物区域与非障碍物区域的初始边界点云，对所述初始边界点云进行滤波处理及融合处理得到第一融合边界点云；
75.第二融合模块120，用于判断所述雷达是否扫描到所述障碍物区域，若是，获取所述障碍物区域的超声点云，对所述超声边界点云进行融合处理得到所述障碍物区域的第二融合边界点云；
76.生成模块130，用于根据所述第一融合边界点云及所述第二融合边界点云生成目标栅格地图，对所述目标栅格地图进行膨胀处理得到膨胀栅格地图；
77.确定模块140，用于根据所述膨胀栅格地图确定所述预设区域中障碍物区域的边界轨迹。
78.在一个实施例中，所述对所述初始边界点云进行滤波处理及融合处理得到第一融合边界点云，包括：
79.对所述初始边界点云进行射线滤波处理，得到第一边界点云；
80.对所述第一边界点云进行抖动滤波处理，得到第二边界点云；
81.对所述第二边界点云进行融合处理，得到所述第一融合边界点云。
82.在一个实施例中，所述对所述初始边界点云进行射线滤波处理，得到第一边界点云，包括：
83.在所述摄像装置的拍摄角度范围内设置若干条虚拟射线，其中，相邻两条虚拟射线之间的夹角相同；
84.确定出所述若干条虚拟射线中，与所述障碍物区域具有交点的目标虚拟射线；
85.若所述目标虚拟射线与所述障碍物区域具有两个或两个以上交点，获取所述两个或两个以上交点中与所述摄像装置距离最近的交点作为目标交点；
86.若所述目标虚拟射线与所述障碍物区域具有一个交点，获取所述交点作为目标交点；
87.将所述目标交点进行融合，得到所述第一边界点云。
88.在一个实施例中，所述对所述第二边界点云进行融合处理，得到所述第一融合边
界点云，包括：
89.根据所述自主行进设备的定位信息及姿态信息，将所述第二边界点云转换为全局坐标系的点云；
90.过滤所述全局坐标系的点云中的重合点云，得到所述第一融合边界点云。
91.在一个实施例中，所述获取所述障碍物区域的超声点云，包括：
92.根据所述雷达在所述自主行进设备中的位置信息、所述自主行进设备的定位信息及姿态信息，将所述雷达扫描到所述障碍物区域的点云进行坐标转换，得到以所述自主行进设备为基点的坐标系下的超声检测点云信息；
93.获取所述超声检测点云信息作为所述障碍物区域的超声点云。
94.在一个实施例中，所述根据所述第一融合边界点云及所述第二融合边界点云生成目标栅格地图，包括：
95.以所述自主行进设备为中心，构建局部栅格地图；
96.将所述第一融合边界点云及所述第二融合边界点云投影至所述局部栅格地图，生成所述目标栅格地图。
97.在一个实施例中，所述对所述目标栅格地图进行膨胀处理得到膨胀栅格地图，包括：
98.根据所述自主行进设备的尺寸参数及沿边横向间隔参数，计算所述目标栅格地图的膨胀半径；
99.基于所述膨胀半径对所述目标栅格地图进行膨胀处理，得到所述膨胀栅格地图。
100.在一个实施例中，区域的边界轨迹确定装置100还包括控制模块150，控制模块150用于控制所述自主行进设备沿所述边界轨迹行进。
101.参照图7所示，为本技术自主行进设备1较佳实施例的示意图。
102.该自主行进设备1包括但不限于：存储器11、处理器12、显示器13及通信接口13。所述自主行进设备1可以通过通信接口13连接网络。其中，所述网络可以是互联网(internet)、全球移动通讯系统(global system of mobile communication，gsm)、宽带码分多址(wideband code division multiple access，wcdma)、4g网络、5g网络、蓝牙(bluetooth)、wi-fi、通话网络等无线或有线网络。
103.其中，存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、随机访问存储器(ram)、静态随机访问存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器11可以是所述自主行进设备1的内部存储单元，例如该自主行进设备1的硬盘或内存。在另一些实施例中，所述存储器11也可以是所述自主行进设备1的外部存储设备，例如该自主行进设备1配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。当然，所述存储器11还可以既包括所述自主行进设备1的内部存储单元也包括其外部存储设备。本实施例中，存储器11通常用于存储安装于所述自主行进设备1的操作系统和各类计算机程序，例如区域的边界轨迹确定程序10的程序代码等。此外，存储器11还可以用于暂时地存储已经输出或者将要输出的各类数据。
104.处理器12在一些实施例中可以是中央处理器(central processing unit，cpu)、
控制器、微控制器、微处理器、或其他数据处理芯片。该处理器12通常用于控制所述自主行进设备1的总体操作，例如执行数据交互或者通信相关的控制和处理等。本实施例中，所述处理器12用于运行所述存储器11中存储的程序代码或者处理数据，例如运行区域的边界轨迹确定程序10的程序代码等。
105.通信接口13可选地可以包括标准的有线接口、无线接口(如wi-fi接口)，该通信接口13通常用于在所述自主行进设备1与其它自主行进设备之间建立通信连接。
106.图7仅示出了具有组件11-13以及区域的边界轨迹确定程序10的自主行进设备1，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
107.在上述实施例中，处理器12执行存储器11中存储的区域的边界轨迹确定程序10时可以实现如下步骤：
108.根据摄像装置获取预设区域中障碍物区域与非障碍物区域的初始边界点云，对所述初始边界点云进行滤波处理及融合处理得到第一融合边界点云；
109.判断雷达是否扫描到所述障碍物区域，若是，获取所述障碍物区域的超声点云，对所述超声边界点云进行融合处理得到所述障碍物区域的第二融合边界点云；
110.根据所述第一融合边界点云及所述第二融合边界点云生成目标栅格地图，对所述目标栅格地图进行膨胀处理得到膨胀栅格地图；
111.根据所述膨胀栅格地图确定所述预设区域中障碍物区域的边界轨迹。
112.所述存储设备可以为自主行进设备1的存储器11，也可以为与自主行进设备1通讯连接的其它存储设备。
113.关于上述步骤的详细介绍，请参照上述图6关于区域的边界轨迹确定装置100实施例的功能模块图以及图1关于区域的边界轨迹确定方法实施例的流程图的说明。
114.此外，本技术实施例还提出一种计算机可读存储介质，所述计算机可读存储介质可以是非易失性的，也可以是易失性的。该计算机可读存储介质可以是硬盘、多媒体卡、sd卡、闪存卡、smc、只读存储器(rom)、可擦除可编程只读存储器(eprom)、便携式紧致盘只读存储器(cd-rom)、usb存储器等等中的任意一种或者几种的任意组合。所述计算机可读存储介质中包括存储数据区和存储程序区，存储程序区存储有区域的边界轨迹确定程序10，所述区域的边界轨迹确定程序10被处理器执行时实现如下操作：
115.根据摄像装置获取预设区域中障碍物区域与非障碍物区域的初始边界点云，对所述初始边界点云进行滤波处理及融合处理得到第一融合边界点云；
116.判断雷达是否扫描到所述障碍物区域，若是，获取所述障碍物区域的超声点云，对所述超声边界点云进行融合处理得到所述障碍物区域的第二融合边界点云；
117.根据所述第一融合边界点云及所述第二融合边界点云生成目标栅格地图，对所述目标栅格地图进行膨胀处理得到膨胀栅格地图；
118.根据所述膨胀栅格地图确定所述预设区域中障碍物区域的边界轨迹。
119.本技术之计算机可读存储介质的具体实施方式与上述区域的边界轨迹确定方法的具体实施方式大致相同，在此不再赘述。
120.需要说明的是，上述本技术实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的
其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
121.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件仿真平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术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，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，电子装置，或者网络设备等)执行本技术各个实施例所述的方法。
122.以上仅为本技术的优选实施例，并非因此限制本技术的专利范围，凡是利用本技术说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本技术的专利保护范围内。

技术特征：
1.一种区域的边界轨迹确定方法，其特征在于，应用于自主行进设备，所述自主行进设备包括摄像装置及雷达，所述方法包括：根据所述摄像装置获取预设区域中障碍物区域与非障碍物区域的初始边界点云，对所述初始边界点云进行滤波处理及融合处理得到第一融合边界点云；判断所述雷达是否扫描到所述障碍物区域，若是，获取所述障碍物区域的超声点云，对所述超声边界点云进行融合处理得到所述障碍物区域的第二融合边界点云；根据所述第一融合边界点云及所述第二融合边界点云生成目标栅格地图，对所述目标栅格地图进行膨胀处理得到膨胀栅格地图；根据所述膨胀栅格地图确定所述预设区域中障碍物区域的边界轨迹。2.如权利要求1所述的区域的边界轨迹确定方法，其特征在于，所述对所述初始边界点云进行滤波处理及融合处理得到第一融合边界点云，包括：对所述初始边界点云进行射线滤波处理，得到第一边界点云；对所述第一边界点云进行抖动滤波处理，得到第二边界点云；对所述第二边界点云进行融合处理，得到所述第一融合边界点云。3.如权利要求2所述的区域的边界轨迹确定方法，其特征在于，所述对所述初始边界点云进行射线滤波处理，得到第一边界点云，包括：在所述摄像装置的拍摄角度范围内设置若干条虚拟射线，其中，相邻两条虚拟射线之间的夹角相同；确定出所述若干条虚拟射线中，与所述障碍物区域具有交点的目标虚拟射线；若所述目标虚拟射线与所述障碍物区域具有两个或两个以上交点，获取所述两个或两个以上交点中与所述摄像装置距离最近的交点作为目标交点；若所述目标虚拟射线与所述障碍物区域具有一个交点，获取所述交点作为目标交点；将所述目标交点进行融合，得到所述第一边界点云。4.如权利要求2所述的区域的边界轨迹确定方法，其特征在于，所述对所述第二边界点云进行融合处理，得到所述第一融合边界点云，包括：根据所述自主行进设备的定位信息及姿态信息，将所述第二边界点云转换为全局坐标系的点云；过滤所述全局坐标系的点云中的重合点云，得到所述第一融合边界点云。5.如权利要求1所述的区域的边界轨迹确定方法，其特征在于，所述获取所述障碍物区域的超声点云，包括：根据所述雷达在所述自主行进设备中的位置信息、所述自主行进设备的定位信息及姿态信息，将所述雷达扫描到所述障碍物区域的点云进行坐标转换，得到以所述自主行进设备为基点的坐标系下的超声检测点云信息；获取所述超声检测点云信息作为所述障碍物区域的超声点云。6.如权利要求1所述的区域的边界轨迹确定方法，其特征在于，所述根据所述第一融合边界点云及所述第二融合边界点云生成目标栅格地图，包括：以所述自主行进设备为中心，构建局部栅格地图；将所述第一融合边界点云及所述第二融合边界点云投影至所述局部栅格地图，生成所述目标栅格地图。
7.如权利要求1所述的区域的边界轨迹确定方法，其特征在于，所述对所述目标栅格地图进行膨胀处理得到膨胀栅格地图，包括：根据所述自主行进设备的尺寸参数及沿边横向间隔参数，计算所述目标栅格地图的膨胀半径；基于所述膨胀半径对所述目标栅格地图进行膨胀处理，得到所述膨胀栅格地图。8.如权利要求1至7中任意一项所述的区域的边界轨迹确定方法，其特征在于，在根据所述膨胀栅格地图确定所述预设区域中障碍物区域的边界轨迹之后，所述方法还包括：控制所述自主行进设备沿所述边界轨迹行进。9.一种自主行进设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；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时，实现权利要求1至8中任一项所述的区域的边界轨迹确定方法。10.一种计算机可读存储介质，其上存储有计算机程序，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8中任一项所述的区域的边界轨迹确定方法。

技术总结
本申请涉及一种区域的边界轨迹确定方法、自主行进设备及存储介质，所述方法包括：根据摄像装置获取预设区域中障碍物区域与非障碍物区域的初始边界点云，对初始边界点云进行滤波处理及融合处理得到第一融合边界点云；判断雷达是否扫描到障碍物区域，若是，获取障碍物区域的超声点云，对超声边界点云进行融合处理得到障碍物区域的第二融合边界点云，根据第一融合边界点云及第二融合边界点云生成目标栅格地图，对目标栅格地图进行膨胀处理得到膨胀栅格地图，根据膨胀栅格地图确定预设区域中障碍物区域的边界轨迹。本申请以较低的成本实现了对障碍物区域边界的精准提取，使得自主行进设备能够实现高精度的避障及沿边任务。设备能够实现高精度的避障及沿边任务。设备能够实现高精度的避障及沿边任务。


技术研发人员：郑大可 陈金舟 黄晓鸿 伍浩文 李仙
受保护的技术使用者：深圳拓邦股份有限公司
技术研发日：2023.05.19
技术公布日：2023/8/4