CN119512064A 自主移动设备及其控制方法和装置以及存储介质 （速感科技（北京）有限公司）

自主移动设备及其控制方法和装置以及存本公开涉及自主移动设备及其控制方法和骤，将图像输入到图像物体识别模型中进行识2识别步骤，将所述图像输入到图像物体识别模型中进行物体定位步骤，在所述点云数据的数量超过所述预设的标记步骤，将所述物体的信息标记在所述工作环境的地图中，所述物体所述预设的数量阈值与所述图像物体识别模型识别出的物体的类所述判断步骤包括：判断所述点云数据的数量是否超过与所述物识别单元，用于将所述图像输入到图像物体识别模型中进物体定位单元，用于在所述点云数据的数量超过所述预设的数其中，所述处理器被配置为在执行所述存储器存储的指令时，实3得所述处理器能够执行根据权利要求1_7中任一项4[0004]有鉴于此，本公开提出了一种自主移动设备及其控制方5[0012]包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的所说明的任何实施例不必解释为优于或好于其它实[0023]相关技术中，图像物体识别模型(比如深度学习模型)常被用于进行智能物体识域识别为有障碍物(比如将地板的纹路识别为障碍物、6[0025]本公开提出如图1所示的自主移动设备的控制方法，该控制方法由自主移动设备任何具有自主移动功能的智能设备都应该属于本实施例所述的自主7[0032]在自主移动设备运行期间，随着自主移动设备的运动而实时采集并更新点云数据。在自主移动设备运动时，通过定位系统或定位算法(比如即时定位与建图算法标系下的空间坐标，同时自主移动设备可以计算其周围的[0033]在一些实施例中，可以使用测距装置比如雷达测距仪(LaserDista简称LDS)或激光雷达(LightDetectionandRang的发射非水平激光束的旋转式激光雷达300)向自主移动设备的工作环境发射激光探测信面形成光斑(即照射到工作环境中的物体合自主移动设备在绝对坐标系下的坐标可以计算出点云数据中各激光点在绝对坐标系下用如图2a和图2b所示的大致垂直于地面方向设置的线激光器L1和/或L2向自主移动设备100的前方发射大致垂直于地面的线激光获取点云数据：当该线激光照射到前方的障碍物时会在障碍物表面形成光斑(即照射到前可以参见LaserScannerCalibrationDependencyontheLineDetectionMethod(Martens,etal.ElektronikaIrElektrotechnika(2015).)、Low_Cost3dLaserScanningInAirOrWaterUsingSelf_CalibratingStructuredLight(BleierM,AN作为上述实施例的3D激光扫描设备的一部分的图像采集单元也是摄像头C1，改变其参数，8FarhadiA.YOLOv3:AnIncrementalImprovement[J].arXive_prints,2018.DOI:10.48550/arXiv.1804.02767，或参见/p/150646196、/yegeli/article/details/109861867、https:///p/94986标系下的坐标位置(x,y)转换为检测框在三维空间坐标系下的空间坐标，比如球坐标系下3c所示，则纵向下限高度H1限定了检测框在纵向(垂直于水平面的方向或笛卡尔的三维空9一宽度范围(θ1,θ2)和由纵向下限高度H1限定的第一高度范围(H1,[0042]在本实施例的第三种实现方式中，所述检测框的空间范围包括由横向下限角度θ角度θ2限定了检测框在横向(水平方向或笛卡尔的三维空间坐标系下的xy平面内)的范围，限角度θ4限定了检测框在纵向(垂直于水平面的方向或笛卡尔的三维空间坐标系下z轴所限制测距步骤S120与拍摄步骤S110和识别步骤S130的执行顺序，可以如图1所示的顺次执距步骤S120中所述的获取点云数据的图像采集单元与拍摄步骤S110中的摄像头应是不同点云数据集中的点云数据的数量进行统计即得到所述检测框的空间范围内的点云数据的在工作环境中的地面上运行的自主移动设备起到阻碍作用)，因此可以将纵向下限高度设认为是符合检测框条件的点云数据(当然前提是还云数据才可能对自主移动设备起到阻挡作用。因此这些黄色激光点均不符合要求点云数据的高度坐标大于检测框的纵向下限高度H1的云数据，具体可参见M.Himmelsbach,F.v.HundelshausenandH._J.Wuensche,"Fastsegmentationof3Dpointcloudsforgroundvehicles,"2010IEEEIntelligentVehiclesSymposium,LaJolla,CA,USA,2010,pp.560_565,doi:10.1109/IVS.2010.5548059.[0051]独立于上述确定出在检测框的上述第一高度范围(H1,+∞云数据集中的点云数据进行统计即得到检测框的空间范围内的点[0053]类似于本实施例的第二种实现方式，也可以对第三种实现方式中的横向下限角[0054]应能够理解，本公开需要在获取步骤S140之前执行拍摄步骤S110和识别步骤云数据的数量超过预设的数量阈值的情况下，判断为在所述工作环境中真实存在所述物围内的点云数据的数量是否超过预设的数量阈值判断在检测框对应的工作环境中是否有维面物体(二维面物体可以理解为，在自主移动设备的断断续续的细线，因此定义为线状物体)，可以将与之对应的数量阈值预先设置为a3＝10对应于条状物体的a2)，因此可以认为该图像物体识别模型对于检测框中的物体的识别是型识别的该物体是条状物体(即，只要满足点云[0062]步骤S160(物体定位步骤)：在所述点云数据的数量超过预设的数量阈值的情况检测框内的物体的准确空间位置。在所述点云数据的数量超过预设的数量阈值的情况下，测框内的物体在工作环境中的空间位置。通的激光点为检测框的代表点，计算该检测框的代表点到摄像头C1的中心之间的代表点距将检测框的空间范围内的横向跨度最远的两个点的纵向坐标(比如z轴坐标)取平均作为检测框图5所示的先执行规避步骤S170然后执行标记步骤S180，也可以先执行标记步骤S180然后单元620用于获取所述自主移动设备的工作环境的点云数据。识别单元630与拍摄单元610所述物体的信息标记在所述工作环境的地图中，所述物体的信息包括物体的名称或类别、