一种移动机器人障碍物感知方法和装置

摘要

本发明公开了一种移动机器人障碍物感知方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：采集当前时刻的环境数据；根据所述当前时刻的环境数据，生成所述当前时刻的即时障碍物分布图；根据所述当前时刻的即时障碍物分布图和上一时刻的局部障碍物分布图生成所述当前时刻的局部障碍物分布图；根据所述当前时刻的局部障碍物分布图，感知障碍物。该实施方式解决了多传感器融合方法在数据融合过程中存在多项误差的问题，实现了对随着机器人的行驶而进入盲区的障碍物进行感知的技术效果，有效地保障移动机器人在行驶过程中的安全性。

说明书

技术领域

本发明涉及智能导航领域，尤其涉及一种移动机器人障碍物感知方法和装置。

背景技术

在无人驾驶车辆、轮式机器人等地面无人移动平台(以下统称移动机器人)的行驶过程中，重要的问题之一就是使移动机器人躲避障碍物。绝大多数移动机器人采用激光雷达等距离传感器检测障碍物，激光雷达的自身构造决定了其检测具有盲区，尤其是靠近传感器附近地面高度的区域。为了达到获得传感器盲区内障碍物信息、消除盲区的目的，现有技术方案是在机器人的适当位置新增多个传感器，分析当前时刻传感器返回的单帧环境数据，对多传感器数据进行融合，从而达到检测盲区内障碍物的目的。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

1.多传感器融合方法成本高，在数据融合过程中引入了更多的传感器感知误差、标定误差、等各数据融合误差。

2.多传感器融合方法存在时间同步等问题，实现难度大。

发明内容

有鉴于此，本发明实施例提供一种移动机器人障碍物感知方法和装置，能够解决多传感器融合方法在数据融合过程中存在多项误差的问题，实现了对随着机器人的行驶而进入盲区的障碍物进行感知。

为实现上述目的，根据本发明实施例的一个方面，提供了一种移动机器人障碍物感知方法，包括：采集当前时刻的环境数据；根据所述当前时刻的环境数据，生成所述当前时刻的即时障碍物分布图；若所述当前时刻是初始时刻，则将所述当前时刻的即时障碍物分布图转换为所述当前时刻的局部障碍物分布图；若所述当前时刻不是初始时刻，则根据所述当前时刻的即时障碍物分布图和上一时刻的局部障碍物分布图生成所述当前时刻的局部障碍物分布图；根据所述当前时刻的局部障碍物分布图，感知障碍物。

可选地，根据所述当前时刻的即时障碍物分布图和上一时刻的局部障碍物分布图生成所述当前时刻的局部障碍物分布图，包括：基于移动机器人运动状态，将上一时刻的局部障碍物分布图映射至所述当前时刻的移动机器人坐标系中，得到所述上一时刻的局部障碍物分布图在当前时刻的位置图；将所述上一时刻的局部障碍物分布图在当前时刻的位置图和所述当前时刻的即时障碍物分布图进行融合，生成所述当前时刻的局部障碍物分布图。

可选地，基于移动机器人运动状态，将上一时刻的局部障碍物分布图映射至所述当前时刻的移动机器人坐标系中，得到所述上一时刻的局部障碍物分布图在当前时刻的位置图，包括：获取移动机器人上一时刻至当前时刻的运动状态，所述运动状态包括所述移动机器人的速度、加速度和角速度；根据所述速度和加速度，将上一时刻的局部障碍物分布图进行平移处理生成平移映射图；根据所述角速度，对所述平移映射图进行旋转处理，生成所述上一时刻的局部障碍物分布图在当前时刻的位置图。

可选地，将所述上一时刻的局部障碍物分布图在当前时刻的位置图和所述当前时刻的即时障碍物分布图进行融合，生成所述当前时刻的局部障碍物分布图，包括：将所述上一时刻的局部障碍物分布图在当前时刻的位置图和所述当前时刻的即时障碍物分布图均为划分成包含若干栅格的栅格图，并设置各个栅格具有障碍物的置信度；将所述当前时刻的即时障碍物分布图与所述位置图的对应栅格的置信度进行数值相加；根据相加后的栅格及其置信度，生成所述当前时刻的局部障碍物分布图。

可选地，将所述当前时刻的即时障碍物分布图转换为所述当前时刻的局部障碍物分布图，包括：基于所述当前时刻的即时障碍物分布图，得到障碍物的点坐标；将所述障碍物的点坐标转换为所述障碍物的栅格坐标；按照所述障碍物的栅格坐标，将初始化后的栅格图作为所述当前时刻的局部障碍物分布图。

根据本发明实施例的另一个方面，提供了一种移动机器人障碍物感知装置，包括：采集模块，用于：采集当前时刻的环境数据；即时分布图生成模块，用于：根据所述当前时刻的环境数据，生成所述当前时刻的即时障碍物分布图；局部分布图生成模块，用于：若所述当前时刻是初始时刻，则将所述当前时刻的即时障碍物分布图转换为所述当前时刻的局部障碍物分布图；若所述当前时刻不是初始时刻，则根据所述当前时刻的即时障碍物分布图和上一时刻的局部障碍物分布图生成所述当前时刻的局部障碍物分布图；感知模块，用于：根据所述当前时刻的局部障碍物分布图，感知障碍物。

可选地，局部分布图生成模块，还用于：基于移动机器人运动状态，将上一时刻的局部障碍物分布图映射至所述当前时刻的移动机器人坐标系中，得到所述上一时刻的局部障碍物分布图在当前时刻的位置图；将所述上一时刻的局部障碍物分布图在当前时刻的位置图和所述当前时刻的即时障碍物分布图进行融合，生成所述当前时刻的局部障碍物分布图。

可选地，局部分布图生成模块，还用于：获取移动机器人上一时刻至当前时刻的运动状态，所述运动状态包括所述移动机器人的速度、加速度和角速度；根据所述速度和加速度，将上一时刻的局部障碍物分布图进行平移处理生成平移映射图；根据所述角速度，对所述平移映射图进行旋转处理，生成所述上一时刻的局部障碍物分布图在当前时刻的位置图。

可选地，局部分布图生成模块，还用于：将所述上一时刻的局部障碍物分布图在当前时刻的位置图和所述当前时刻的即时障碍物分布图均为划分成包含若干栅格的栅格图，并设置各个栅格具有障碍物的置信度；将所述当前时刻的即时障碍物分布图与所述位置图的对应栅格的置信度进行数值相加；根据相加后的栅格及其置信度，生成所述当前时刻的局部障碍物分布图。

可选地，局部分布图生成模块，还用于：基于所述当前时刻的即时障碍物分布图，得到障碍物的点坐标；将所述障碍物的点坐标转换为所述障碍物的栅格坐标；按照所述障碍物的栅格坐标，将初始化后的栅格图作为所述当前时刻的局部障碍物分布图。

根据本发明实施例的再一个方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，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前述发明实施例提供的移动机器人障碍物感知方法。

根据本发明实施例的再一个方面，提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现如前述发明实施例提供的移动机器人障碍物感知方法。

上述发明中的一个实施例具有如下优点或有益效果：采用分析当前帧环境数据，对障碍物进行反推算，构建局部障碍物分布图，解决了多传感器融合方法在数据融合过程中存在多项误差的问题，进而可以实现对随着机器人的行驶而进入盲区的障碍物进行感知的技术效果，有效地保障移动机器人在行驶过程中的安全性。同时，单传感器的设置可以避免产生多传感器融合方法存在的需要时间同步等问题，在实际操作中更容易实现。

上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是根据本发明实施例的移动机器人障碍物感知的方法的基本流程的示意图；

图2是根据本发明实施例的局部障碍物分布图的栅格图示意图；

图3是根据本发明实施例的将上一时刻的局部障碍物分布图映射至所述当前时刻的移动机器人坐标系的示意图；

图4是根据本发明实施例的移动机器人障碍物感知的方法的优选流程的示意图；

图5是根据本发明实施例的移动机器人障碍物感知的装置的基本模块的示意图；

图6是本发明实施例可以应用于其中的示例性系统架构图；

图7是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1是根据本发明实施例的移动机器人障碍物感知方法的基本流程的示意图，如图1所示，本发明实施例提供了一种移动机器人障碍物感知方法，包括：

步骤S101.采集当前时刻的环境数据；

步骤S102.根据所述当前时刻的环境数据，生成所述当前时刻的即时障碍物分布图；

步骤S103.若所述当前时刻是初始时刻，则将所述当前时刻的即时障碍物分布图转换为所述当前时刻的局部障碍物分布图；若所述当前时刻不是初始时刻，则根据所述当前时刻的即时障碍物分布图和上一时刻的局部障碍物分布图生成所述当前时刻的局部障碍物分布图；

步骤S104.根据所述当前时刻的局部障碍物分布图，感知障碍物；具体地，根据局部障碍物分布图中标识出的障碍物，躲避或绕开障碍物。

本发明实施例可以采用设置于移动机器人中的采集设备，由移动机器人的行驶状态与位置的变化，实时采集移动机器人周围的环境数据，例如，可以在移动机器人中设置单个激光雷达传感器，并使用该激光雷达传感器采集当前的环境数据。本发明实施例通过实时分析当前环境数据，构建局部障碍物分布图，根据移动机器人的行驶状态与实时位置，对障碍物进行反推算，解决了多传感器融合方法在数据融合过程中存在多项误差的问题，实现了对随着机器人的行驶而进入盲区的障碍物进行感知的技术效果，有效地保障移动机器人在行驶过程中的安全性。同时，单传感器的设置可以避免产生多传感器融合方法存在的需要时间同步等问题，在实际操作中更容易实现。

图2是根据本发明实施例的局部障碍物分布图的栅格图示意图。本发明实施例提出的局部障碍物分布图是指在一段时间内，移动机器人在行驶过程中感知到的障碍物分布的信息。局部障碍物分布图采用栅格图的方式呈现，如图2所示，栅格图的规格为R×R，每个栅格分辨率为r，R与r可设置。每个栅格有对应的属性与置信度，栅格的属性为障碍物或非障碍物，置信度表示该栅格为障碍物的置信度，取值范围可以是[0,1]。

本发明实施例的步骤S103中，将所述当前时刻的即时障碍物分布图转换为所述当前时刻的局部障碍物分布图，包括：基于所述当前时刻的即时障碍物分布图，得到障碍物的点坐标；将所述障碍物的点坐标转换为所述障碍物的栅格坐标；按照所述障碍物的栅格坐标，将初始化后的栅格图中对应栅格的置信度设置为第一预设值；将经过置信度设置后的所述栅格图作为所述当前时刻的局部障碍物分布图。局部障碍物分布图的构建以激光雷达传感器为数据来源进行处理，以环境数据驱动。即时障碍物分布图(cur_map)为根据实时回传的环境数据分析获得的当前时刻的障碍物分布，是对当前环境最新状态的分析；局部分布图(local_map)表征一段时间内移动机器人周围的障碍物分布图。

本发明实施例采用栅格图的形式对障碍物的位置进行确定，解决了多传感器融合方法在数据融合过程中存在多项误差的问题，使得对障碍物的识别更加地快速准确，有效地保障移动机器人在行驶过程中的安全性。

本发明实施例的步骤S103中，根据所述当前时刻的即时障碍物分布图和上一时刻的局部障碍物分布图生成所述当前时刻的局部障碍物分布图，包括：基于移动机器人运动状态，将上一时刻的局部障碍物分布图映射至所述当前时刻的移动机器人坐标系中，得到所述上一时刻的局部障碍物分布图在当前时刻的位置图；将所述上一时刻的局部障碍物分布图在当前时刻的位置图和所述当前时刻的即时障碍物分布图进行融合，生成所述当前时刻的局部障碍物分布图。其中，即时障碍物分布图和局部障碍物分布图的参考坐标系皆为移动机器人坐标系。移动机器人坐标系是以移动机器人实时位置为坐标原点，一般为移动机器人行驶方向的正前方为x轴方向，移动机器人行驶方向的正左方为y轴方向。

本发明实施例利用当前帧环境数据结合上一时刻的局部障碍物分布图，更新当前时刻的局部障碍物分布图，根据实时更新的局部障碍物分布图，可以实现对随着机器人的行驶而进入盲区的障碍物进行实时感知。

基于上述实施例，本发明实施例中基于移动机器人运动状态，将上一时刻的局部障碍物分布图映射至所述当前时刻的移动机器人坐标系中，得到所述上一时刻的局部障碍物分布图在当前时刻的位置图，包括：获取移动机器人上一时刻至当前时刻的运动状态，所述运动状态包括所述移动机器人的速度、加速度和角速度；根据所述速度和加速度，将上一时刻的局部障碍物分布图进行平移处理生成平移映射图；根据所述角速度，对所述平移映射图进行旋转处理，生成所述上一时刻的局部障碍物分布图在当前时刻的位置图。

具体地，图3是根据本发明实施例的将上一时刻的局部障碍物分布图映射至所述当前时刻的移动机器人坐标系的示意图。假设当前时刻为t，上一时刻为t-1。由于局部障碍物分布图的参考坐标系是t-1时刻机器人坐标系，根据机器人在t-1时刻到t时刻的运动状态(这里的运动状态指的是速度、加速度、角速度的变化量)，推算时刻t-1的局部障碍物分布图在当前时刻t机器人坐标系下的位置。由于z轴方向的位移较小，可以忽略，因此仅考虑在x-y平面上的位置推算过程，如图3所示，可以分为平移过程与旋转过程：

平移过程：仅考虑坐标原点的运动，δt通常较小，因此假设坐标系在δt时间内做匀加速直线运动，初速度为t-1时刻的速度v，加速度为a，其位移

旋转过程：平移过后的坐标系围绕坐标原点进行匀角速度旋转，角速度为ω，在δt时间内转过角度为ω·δt。

综上，时刻t-1的局部障碍物分布图上的点(x,y)在当前时刻t机器人坐标系的位置(x′,y′)为

本发明实施例经过平移和旋转映射，将上一时刻的局部障碍物分布图映射至所述当前时刻的移动机器人坐标系中，完成了更新当前时刻局部障碍物分布图的准备工作，使得后续生成的局部障碍物分布图更加准确，从而能有效保障移动机器人在行驶过程中的安全性。

本发明实施例中，将所述上一时刻的局部障碍物分布图在当前时刻的位置图和所述当前时刻的即时障碍物分布图进行融合，生成所述当前时刻的局部障碍物分布图，包括：将所述当前时刻的即时障碍物分布图划分成若干栅格，将第一预设值作为障碍物所在栅格的置信度，将第二预设值作为非障碍物所在栅格的置信度；将所述当前时刻的即时障碍物分布图与所述位置图的对应栅格的置信度进行数值相加，若相加后栅格的置信度小于第一设定阈值，则将所述第一设定阈值作为该栅格的置信度，若相加后栅格的置信度大于第二设定阈值，则将第二设定阈值作为该栅格的置信度；根据栅格及其置信度，生成所述当前时刻的局部障碍物分布图，以上融合过程可以称为基于置信度的投票融合方法。局部分布图中的每个障碍物栅格均有在设定范围的置信度作为参考，该范围可以包括但不限于是[0,1]。在本发明实施例中还可以设定置信度阈值，将置信度大于置信度阈值的障碍物栅格视为可靠障碍物，即完成了局部分布图的更新过程。其中，第一预设值可以包括但不限于是+0.1，第二预设值可以包括但不限于是-0.1，第一设定阈值可以包括但不限于是0，第二设定阈值可以包括但不限于是1。

本发明实施例提出的基于置信度的投票融合方法解决了多传感器融合方法在数据融合过程中存在多项误差的问题，使得对障碍物的识别更加地快速准确，有效地保障移动机器人在行驶过程中的安全性。

图4是根据本发明实施例的移动机器人障碍物感知方法的优选流程的示意图。如图4所示：

步骤S401.初始化：对栅格图及各参数变量进行初始化。

步骤S402.环境数据更新：以环境数据驱动，即每新获得一帧环境数据，就对局部分布图进行一次更新(即执行步骤S403)；若无数据回传，则判断是否结束程序(即执行步骤S409)。

步骤S403.是否第一帧：判断当前帧是否为第一帧，如果是则执行步骤S404，否则执行步骤S405。

步骤S404.若当前帧为第一帧数据，则先将即时分布图、局部分布图均设置为初始化状态(每个栅格的置信度均为0)。接着，本算法基于当前帧环境数据分析可行域(由于可行域检测方法不是本发明主要内容，因此不做详细描述)，获得一系列障碍物点坐标。然后将障碍物点转换为栅格坐标，赋值给局部分布图中对应位置，并将置信度置为0.1，之后，执行步骤S406。

步骤S405.若当前帧不为第一帧，则步骤S405分三部分流程：基于实时环境数据更新即时分布图、根据机器人位姿状态推算局部分布图在当前时刻的位置、融合并更新局部分布图。

基于实时环境数据更新即时分布图：算法根据实时返回的激光雷达点云数据，分析当前时刻可行域，获得一系列障碍物点坐标，赋给即时分布图中对应位置。

根据机器人位姿状态推算局部分布图在当前时刻的位置：由于z轴方向的位移通常较小，可以忽略，因此仅考虑在x-y平面上的位置推算过程，经过平移过程与旋转过程后，可得到局部分布图中每个点基于当前时刻车体坐标系的位置。

融合并更新局部分布图：即时分布图中，障碍物栅格的置信度设置为+0.1，非障碍物栅格的置信度设置为-0.1，然后将即时分布图与局部分布图对应位置的置信度进行数值加法，接着将局部分布图中出现的小于零的置信度归零、大于一的置信度归一，即完成了即时分布图与局部分布图的融合。同时，可以将置信度大于置信度阈值的障碍物栅格视为可靠障碍物。

步骤S406.判断是否结束程序(即收到由机器人的外部操作指令控制结束程序，比如键盘退出指令或者其他关闭程序的指令)，若未结束，则继续执行步骤S402。

图5是根据本发明实施例的移动机器人障碍物感知装置的基本模块的示意图。如图5所示，本发明实施例提供了一种移动机器人障碍物感知的装置，包括：

采集模块501，用于：利用设置于移动机器人中的采集设备，采集当前时刻的环境数据；

即时分布图生成模块502，用于：根据所述当前时刻的环境数据，生成所述当前时刻的即时障碍物分布图；

局部分布图生成模块503，用于：若所述当前时刻是初始时刻，则将所述当前时刻的即时障碍物分布图转换为所述当前时刻的局部障碍物分布图；若所述当前时刻不是初始时刻，则根据所述当前时刻的即时障碍物分布图和上一时刻的局部障碍物分布图生成所述当前时刻的局部障碍物分布图；

感知模块504，用于：根据所述当前时刻的局部障碍物分布图，感知障碍物。

本发明实施例采用分析单激光雷达传感器当前帧环境数据，构建局部障碍物分布图，根据移动机器人的行驶状态与实时位置，对障碍物进行反推算，解决了多传感器融合方法在数据融合过程中存在多项误差的问题，实现了对随着机器人的行驶而进入盲区的障碍物进行感知的技术效果，有效地保障移动机器人在行驶过程中的安全性。

本发明实施例中，局部分布图生成模块，还用于：基于移动机器人运动状态，将上一时刻的局部障碍物分布图映射至所述当前时刻的移动机器人坐标系中，得到所述上一时刻的局部障碍物分布图在当前时刻的位置图；将所述上一时刻的局部障碍物分布图在当前时刻的位置图和所述当前时刻的即时障碍物分布图进行融合，生成所述当前时刻的局部障碍物分布图。本发明实施例利用当前帧环境数据结合上一时刻的局部障碍物分布图，更新当前时刻的局部障碍物分布图，根据实时更新的局部障碍物分布图，可以实现对随着机器人的行驶而进入盲区的障碍物进行实时感知。

本发明实施例中，局部分布图生成模块，还用于：获取移动机器人上一时刻至当前时刻的运动状态，所述运动状态包括所述移动机器人的速度、加速度和角速度；根据所述速度和加速度，将上一时刻的局部障碍物分布图进行平移处理生成平移映射图；根据所述角速度，对所述平移映射图进行旋转处理，生成所述上一时刻的局部障碍物分布图在当前时刻的位置图。本发明实施例经过平移和旋转映射，将上一时刻的局部障碍物分布图映射至所述当前时刻的移动机器人坐标系中，完成了更新当前时刻局部障碍物分布图的准备工作，使得后续生成的局部障碍物分布图更加准确，从而能有效保障移动机器人在行驶过程中的安全性。

本发明实施例中，局部分布图生成模块，还用于：将所述当前时刻的即时障碍物分布图划分成若干栅格，将第一预设值作为障碍物所在栅格的置信度，将第二预设值作为非障碍物所在栅格的置信度；将所述当前时刻的即时障碍物分布图与所述位置图的对应栅格的置信度进行数值相加，若相加后栅格的置信度小于第一设定阈值，则将所述第一设定阈值作为该栅格的置信度，若相加后栅格的置信度大于第二设定阈值，则将所述第二设定阈值作为该栅格的置信度；根据栅格及其置信度，生成所述当前时刻的局部障碍物分布图。本发明实施例提出的基于置信度的投票融合方法解决了多传感器融合方法在数据融合过程中存在多项误差的问题，使得对障碍物的识别更加地快速准确，有效地保障移动机器人在行驶过程中的安全性。

本发明实施例中，局部分布图生成模块，还用于：基于所述当前时刻的即时障碍物分布图，得到障碍物的点坐标；将所述障碍物的点坐标转换为所述障碍物的栅格坐标；按照所述障碍物的栅格坐标，将初始化后的栅格图中对应栅格的置信度设置为第一预设值；将经过置信度设置后的所述栅格图作为所述当前时刻的局部障碍物分布图。本发明实施例采用栅格图的形式对障碍物的位置进行确定，解决了多传感器融合方法在数据融合过程中存在多项误差的问题，使得对障碍物的识别更加地快速准确，有效地保障移动机器人在行驶过程中的安全性。

图6示出了可以应用本发明实施例的移动机器人障碍物感知方法的或移动机器人障碍物感知装置的示例性系统架构600。

如图6所示，系统架构600可以包括终端设备601、602、603，网络604和服务器606。网络604用以在终端设备601、602、603和服务器606之间提供通信链路的介质。网络604可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备601、602、603通过网络604与服务器606交互，以接收或发送消息等。终端设备601、602、603上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备601、602、603可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器606可以是提供各种服务的服务器，例如对用户利用终端设备601、602、603所浏览的购物类网站提供支持的后台管理服务器。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果反馈给终端设备。

需要说明的是，本发明实施例所提供的移动机器人障碍物感知方法一般由服务器606执行，相应地，移动机器人障碍物感知装置一般设置于服务器606中。

应该理解，图6中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

根据本发明的实施例，本发明还提供了一种电子设备和一种计算机可读介质。

本发明的电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，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前述发明实施例提供的移动机器人障碍物感知方法。

本发明的计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现如前述发明实施例提供的移动机器人障碍物感知方法。

下面参考图7，其示出了适于用来实现本发明实施例的终端设备的计算机系统700的结构示意图。图7示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图7所示，计算机系统700包括中央处理模块(CPU)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM703中，还存储有系统700操作所需的各种程序和数据。CPU701、ROM702以及RAM703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分707；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。

特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理模块(CPU)701执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括采集模块、即时分布图生成模块、局部分布图生成模块和感知模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，感知模块还可以被描述为“根据局部障碍物分布图感知障碍物的模块”。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：采集当前时刻的环境数据；根据所述当前时刻的环境数据，生成所述当前时刻的即时障碍物分布图；若所述当前时刻是初始时刻，则将所述当前时刻的即时障碍物分布图转换为所述当前时刻的局部障碍物分布图；若所述当前时刻不是初始时刻，则根据所述当前时刻的即时障碍物分布图和上一时刻的局部障碍物分布图生成所述当前时刻的局部障碍物分布图；根据所述当前时刻的局部障碍物分布图，感知障碍物。

根据本发明实施例的技术方案，采用分析当前帧环境数据，构建局部障碍物分布图，根据移动机器人的行驶状态与实时位置，对障碍物进行反推算，解决了多传感器融合方法在数据融合过程中存在多项误差的问题，实现了对随着机器人的行驶而进入盲区的障碍物进行感知的技术效果。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。