一种基于TOF摄像头的障碍物分类避障控制系统

摘要

本发明公开一种基于TOF摄像头的障碍物分类避障控制系统，该障碍物分类避障控制系统采用TOF摄像头获取的障碍物尺寸信息、位置信息和亮度信息，有效地归类识别出室内环境下的是否应该跨越以及是否应该碰撞的障碍物，并依据识别出的障碍物的类型特征及其尺寸大小信息及时触发碰撞警告信号，以推进移动机器人在移动至相应的障碍物之前规划出可通行区域，比现有技术的障碍物归类处理方法更适应于规划出室内实际活动环境下的无障碍物可通行区域，保证避障路径的有效性，尽可能地做到无碰撞移动。相对于现有技术采用多个摄像头或多线的激光头，以及执行过多的图像特征点拟合分类训练大大，降低了生产成本，提高机器人的避障动作的实时性。

说明书

技术领域

本发明涉及智能机器人的技术领域，特别是一种基于TOF摄像头的障碍物分类避障控制系统。

背景技术

目前基于惯性导航、视觉、激光的SLAM机器人越来越普及，代表性比较强的是家庭扫地清洁机器人，结合视觉、激光、陀螺仪、加速度跟轮子里程计的数据，实现室内环境即时定位跟建图，再根据建立的地图实现定位导航。但是目前的痛点是，机器人在复杂的障碍物环境中，地面上经常存在玩具、电线等可以移动的障碍物，等机器人碰撞到这种类型的障碍物的时候，要么会推着障碍物，要么被电线类型的障碍物缠绕住，家庭环境还存在沙发类型的障碍物，如果沙发底下的高度刚好低于机器顶面的高度，机器进入的时候就可能卡住，由于目前扫地机器人上出于成本的考虑，使用的激光是单线的，无法探测到这种类型的障碍物，视觉一般也是使用单一摄像头实现，没法及时准确进行距离运算，因此也无法实时准确地探测出障碍物更加别说对机器人进行分类。

2019年12月27日申请公开的中国专利CN110622085A涉及到采用至少一个摄像装置去获取障碍物的深度图像，再结合障碍物的深度图像的第二图像特征和颜色图像的第一图像特征去提取识别出障碍物类型，但是识别出的障碍物没有根据机器人室内实际活动环境下的可通行条件进行有效地归类处理，且过多的图像特征点拟合分类训练会影响机器人的避障动作的实时性。

发明内容

为了解决上述技术问题，本发明公开的TOF摄像头模块获取可探测视角范围内障碍物的深度信息以及深度图像的亮度信息，可以探测出障碍物的相对位置和识别出障碍物的有效类型特征以区分是否应该跨越、是否应该碰撞，使得当机器人靠近即将碰撞障碍物时，就可以提前避开障碍物，实现无碰撞功能或者绕开障碍物或沿边行走。具体的技术方案如下：

一种基于TOF摄像头的障碍物分类避障控制系统，障碍物分类避障控制系统安装在移动机器人上，该障碍物分类避障控制系统包括障碍物分类模块、障碍物定位标记模块和避障模块；障碍物分类模块包括设置在移动机器人的前进方向上的TOF摄像头，用于根据TOF摄像头实时采集的深度图像计算出TOF摄像头探测视角范围内至少一个障碍物的相对位置关系和同一障碍物的尺寸大小，再选择结合TOF摄像头实时输出的与对应障碍物相匹配的亮度图像数据，识别出对应障碍物的类型；障碍物定位触发模块，用于接收障碍物分类模块当前识别出类型的障碍物的相对位置关系和同一障碍物的尺寸大小，再基于这些数据信息决策相应识别出类型的障碍物是否触发碰撞警告信号，以使：移动机器人在移动至相应的障碍物之前规划出可通行区域；避障模块，用于根据障碍物定位标记模块传输过来的触发碰撞警告信号的障碍物的相对位置关系和同一障碍物的尺寸大小，调整移动机器人当前位姿，再根据障碍物定位标记模块传输过来的当前识别出类型的障碍物的相对位置关系和同一障碍物的尺寸大小，规划出移动机器人的避障路径，以使移动机器人避开触发碰撞警告信号的障碍物、或绕行经过触发碰撞警告信号的障碍物、或保持原来的位姿继续行走。

本技术方案采用TOF摄像头获取的障碍物深度信息、尺寸信息和亮度信息，有效地归类识别出室内环境下的是否应该跨越以及是否应该碰撞的障碍物，并依据识别出的障碍物的类型特征、相对位置及其尺寸大小信息及时触发碰撞警告信号，以推进移动机器人在移动至相应的障碍物之前规划出可通行区域，比现有技术的障碍物归类处理方法更适应于规划出室内实际活动环境下的无障碍物可通行区域，保证避障路径的有效性，尽可能地做到无碰撞移动。相对于现有技术采用多个摄像头或多线的激光头，以及执行过多的图像特征点且拟合分类训练太大，本技术方案降低了系统的生产成本，提高机器人的避障动作的实时性。

进一步地，在所述障碍物定位触发模块中，所述基于这些数据信息决策相应识别出类型的障碍物是否触发碰撞警告信号的方法至少包括：将识别出类型的障碍物定义为目标障碍物；障碍物的类型包括缠绕物、孤岛障碍物、可跨越的门槛和可供移动机器人穿越的家具；当目标障碍物的类型为缠绕物时，若TOF摄像头拍摄的目标障碍物的深度图像的深度数据小于第一安全深度门限时，控制所述障碍物定位触发模块触发碰撞警告信号；当目标障碍物的类型为孤岛障碍物时，若TOF摄像头拍摄的目标障碍物的深度图像的深度数据小于第二安全深度门限时，控制所述障碍物定位触发模块触发碰撞警告信号；当目标障碍物的类型为墙体时，若TOF摄像头拍摄的目标障碍物的深度图像的深度数据小于第三安全深度门限时，控制所述障碍物定位触发模块触发碰撞警告信号；当目标障碍物的类型为可跨越的门槛或可供移动机器人穿越的家具时，控制所述障碍物定位触发模块不触发碰撞警告信号；其中，第一安全深度门限大于第二安全深度门限，第二安全深度门限大于第三安全深度门限。该技术方案在接近视角范围内已识别的目标障碍物之前，通过设置不同的安全距离来满足匹配类型的障碍物对碰撞避障的要求，以预判出无障碍物可通行区域，方便后续规划出有效的避障路径。

进一步地，在所述避障模块中，所述根据障碍物定位标记模块传输过来的触发碰撞警告信号的障碍物的相对位置关系和同一障碍物的尺寸大小，调整移动机器人当前位姿的方法至少包括：当所述目标障碍物的类型为缠绕物且所述障碍物定位标记模块触发所述碰撞警告信号时，根据所述目标障碍物的轮廓宽度，控制移动机器人减小实时速度和改变当前的前进方向，以使改变后的前进方向上的直线路径避开所述目标障碍物；当所述目标障碍物的类型为可跨越的门槛或可供移动机器人穿越的家具时，控制移动机器人保持当前的前进方向；当所述目标障碍物的类型为孤岛障碍物且所述障碍物定位标记模块触发所述碰撞警告信号时，控制移动机器人改变当前的前进方向，以使移动机器人开始绕着孤岛障碍物的轮廓行走；当所述目标障碍物的类型为墙体且所述障碍物定位标记模块触发所述碰撞警告信号时，控制移动机器人调整出最佳沿边方向，以使移动机器人开始进入沿边模式。有利于对移动机器人的目前位姿进行优化处理，从而优化移动机器人当前运动的状态（包括正常直线行走、原地转圈、弧度转圈、沿边），以减少移动机器人与已识别类型的障碍物的接触的几率。

进一步地，在所述避障模块中，所述再根据障碍物定位标记模块传输过来的当前识别出类型的障碍物的相对位置关系和同一障碍物的尺寸大小，规划出移动机器人的避障路径的方法至少包括：首先根据当前识别出类型的障碍物的相对位置关系和同一障碍物的尺寸大小，规划出所述移动机器人与这些障碍物之间的可通行区域，再在此可通行区域内规划移动机器人的避障路径；其中，所述障碍物定位标记模块传输过来的当前识别出类型的障碍物包括触发碰撞警告信号的障碍物以及TOF摄像头探测视角范围内的其他的所述目标障碍物；当所述目标障碍物的类型为缠绕物且所述障碍物定位标记模块触发所述碰撞警告信号时，根据所述目标障碍物的轮廓宽度，规划出移动机器人初始避障方向，同时根据已识别出的缠绕物的轮廓线上各个点对应的位置坐标以及其他的所述目标障碍物的位置坐标，实时调整移动机器人的初始避障方向，以避开碰触已识别出的缠绕物，并保持调整实时采集获得的缠绕物的轮廓线上各个点对应的深度数据大于置第一安全深度门限；当所述目标障碍物的类型为可跨越的门槛或可供移动机器人穿越的家具时，控制移动机器人沿着当前的前进方向作直线行走以跨越或穿越所述目标障碍物；当所述目标障碍物的类型为孤岛障碍物且所述障碍物定位标记模块触发所述碰撞警告信号时，控制移动机器人沿着孤岛障碍物的轮廓的延伸方向行走，并保持调整实时采集识别的孤岛障碍物的轮廓线上各个点对应的深度数据大于置第二安全深度门限，以实现移动机器人绕障行走；当所述目标障碍物的类型为墙体且所述障碍物定位标记模块触发所述碰撞警告信号时，控制移动机器人调整出最佳沿边方向，并沿着最佳沿边方向开始执行沿墙行走。

从而做到：TOF摄像头识别到门槛时可以控制移动机器人跨越门槛，TOF摄像头识别到沙发时（沙发底的高度低于机器的高度的时候）控制移动机器人进入沙发底，TOF摄像头识别到玩具时禁止移动机器人碰撞玩具但可以绕障行走，TOF摄像头识别到墙时允许移动机器人碰撞墙体以进行沿边行走、TOF摄像头识别到电线时禁止移动机器人跨越电线等缠绕物体并以其他路径避障，进而规划出有效的避障路径。

进一步地，所述TOF摄像头安装在移动机器人的前方，所述TOF摄像头的相对于行进平面的安装高度是6.7厘米，所述TOF摄像头的光轴相对于机器人的顶面成10度的倾斜角，其中，移动机器人的底部的驱动轮与行进平面相接触。以使得探测视角范围内的所述目标障碍物的亮度值有效和所述目标障碍物的轮廓线完整以满足深度定位要求。

进一步地，所述障碍物分类模块和所述避障模块分别通过双向通信接口与所述障碍物定位触发模块连接，以建立起信号数据之间的收发响应的通信关系。保证各个障碍物的深度图像信息反馈的实时性，提高避障路径规划的效率。

进一步地，所述同一障碍物的尺寸大小包括对应障碍物的轮廓线在预设水平宽度内的各个位置点的高度；其中，预设水平宽度是从对应障碍物表面的预先选择的可连通域内的一条水平线段的长度，对应障碍物的轮廓线在预设水平宽度内的各个位置点的水平投影都在这条水平线段上。该技术方案为识别障碍物的形状特征和可通达特征采样有效的具有代表性的轮廓线的位置点。

进一步地，所述再选择结合TOF摄像头实时输出的与对应障碍物相匹配的亮度图像数据，识别出对应障碍物的类型的方法至少包括：当所述障碍物分类模块判断到对应障碍物的轮廓线在预设水平宽度内的各个位置点的高度都处于门槛阈值高度范围内时，将对应障碍物识别为可跨越的门槛；其中，门槛阈值高度范围内的所有高度都小于移动机器人的机体高度；当所述障碍物分类模块判断到对应障碍物的轮廓线在预设水平宽度内的最低的位置点的高度都高于移动机器人的机体高度时，将对应障碍物识别为可供移动机器人穿越的家具；当所述障碍物分类模块判断到对应障碍物的轮廓线符合矩形特征条件且对应深度图像上的每个像素点对应的深度值都相等，且存在轮廓线在预设水平宽度内的位置点的高度都高于预设可通行高度阈值时，将对应障碍物识别为墙体；其中，预设可通行高度阈值高于移动机器人的机体高度；当所述障碍物分类模块判断到对应障碍物的轮廓线在预设水平宽度内的各个位置点的高度的方差满足第一缠绕物条件，和/或判断到对应障碍物的轮廓线在预设水平宽度内的各个位置点对应深度图像的像素点的深度与相匹配的亮度图像的像素点灰度的乘积的方差满足第二缠绕物条件时，将对应障碍物识别为缠绕物；当所述障碍物分类模块判断到对应障碍物所占空间的水平宽度小于预设孤岛宽度，且对应障碍物所占空间的竖直高度小于预设孤岛高度时，将对应障碍物识别为孤岛障碍物；其中，预设水平宽度是大于移动机器人的机体宽度；预设孤岛高度落入所述门槛阈值高度范围；预设孤岛宽度小于或等于预设水平宽度。

从而做到：TOF摄像头识别高度较小的门槛，TOF摄像头识别到沙发（沙发底的高度低于机器的高度的家具）控制移动机器人进入沙发底，TOF摄像头识别到高度较小的玩具，TOF摄像头识别到墙壁长廊、TOF摄像头识别到高度不大的且具备曲线特征的电线。从而可以对大型障碍物、小型障碍物、可跨越穿行障碍物、禁止接触障碍物的有效地检测识别，进而规划出有效的可通达区域以供移动机器人避障使用。

进一步地，当所述障碍物分类模块判断到对应障碍物的一可连通表面区域相匹配的亮度图像数据处于第一预设介质灰度阈值范围，和/或当所述障碍物分类模块判断到对应障碍物的一可连通表面区域的各个位置点对应深度图像的像素点的深度与相匹配的亮度图像的像素点灰度的乘积处于第二预设介质灰度阈值范围时，所述障碍物分类模块确定对应障碍物的表面介质为允许移动机器人无障碍移动的平整的平面介质。该技术方案利用障碍物的表面反射光线的亮度信息和深度图像中相匹配的像素点深度数据判断识别障碍物的表面介质，一来可以识别出更加具体的障碍物类型，二来可以预判出允许移动机器人无障碍跨越行走的行进平面。

进一步地，所述对应障碍物相匹配的亮度图像数据是从对应障碍物的表面反射回TOF摄像头的成像平面的光线亮度信息，与TOF摄像头采集的对应障碍物的深度图像的像素点的深度一一对应匹配。使得所述第一缠绕物条件和所述第二缠绕物条件的判断效果，减少使用拟合运算。提高障碍物类型识别的准确度。

附图说明

图1是本发明实施例提供一种基于TOF摄像头的障碍物分类避障控制系统框架图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行详细描述。需要说明的是，本申请将中国专利CN111624997A的全文引入本申请的文本中，完成从TOF摄像头采集的深度图像中计算出障碍区的相对位置信息的说明，以及地图校准标记方法的说明。

本发明实施例公开一种基于TOF摄像头的障碍物分类避障控制系统，障碍物分类避障控制系统安装在移动机器人上，如图1所示，该障碍物分类避障控制系统包括障碍物分类模块、障碍物定位标记模块和避障模块；障碍物分类模块包括设置在移动机器人的前进方向上的TOF摄像头，这个TOF摄像头可以是3d-tof摄像头，3d-tof摄像头无遮挡地设置在机器人的前方，且3d-tof摄像头放置的角度跟位置可以根据实际环境进行调整，障碍物分类模块用于根据TOF摄像头实时采集的深度图像计算出TOF摄像头探测视角范围内至少一个障碍物的相对位置关系和同一障碍物的尺寸大小，在一些实施场景中还结合使用传感器的温度校准系数跟相关的深度校准系数去计算出障碍物的相对位置关系和同一障碍物的尺寸大小，以输出更加准确的深度数据，再选择结合TOF摄像头实时输出的与对应障碍物相匹配的亮度图像数据，识别出对应障碍物的类型。

需要说明的是，TOF是飞行时间(Timeof Flight) 技术的缩写，即传感器发出经调制的近红外光，遇物体后反射，传感器通过计算光线发射和反射时间差或相位差，来换算被拍摄景物的距离，以产生深度信息，此外再结合传统的相机拍摄，就能将物体的三维轮廓以不同颜色代表不同距离的地形图像方式呈现出来，从而得到一个立体的3D模型，TOF摄像头是采用TOF技术进行数据采集的摄像头。

所述深度图像也被称为距离影像，是指深度图像的各像素点到所拍摄的对应障碍物实际测量点之间的距离作为像素值的图像。其中，各像素点与对应测量点的偏角基于摄像装置的设定参数而确定。所述深度图像直接反映所拍摄的物理场景中各障碍物的可见表面的几何形状，所述深度图像经过坐标转换可以转换为空间点云数据。其中，所述深度图像中利用深度数据描述的各障碍物均可作为待识别的障碍物的图像，以供后续步骤处理。其中，所述障碍物应被为泛指包含临时放置在行进平面上的物体和不易移动的物体。根据实际应用环境，所述行进平面包括但不限于以下几类:水泥地面、涂漆的地面、铺设复合地板的地面、铺设实木地板的地面、铺设地毯的地面、桌面、玻璃面等。所述临时放置在行进平面上的物体举例包括:门槛（可以跨越）、玩具（禁止碰撞）、电线（禁止跨越）等物体；所述不易移动的物体举例包括: 沙发（沙发底的高度低于机器的高度的时候，就控制机器不能进去）、墙壁等。

障碍物定位触发模块，用于接收障碍物分类模块当前识别出类型的障碍物的相对位置关系（主要是障碍物的轮廓线上各位置点的三维坐标位置和全局坐标系下的角度信息）和同一障碍物的尺寸大小，再基于这些数据信息决策相应识别出类型的障碍物是否触发碰撞警告信号，其中有些障碍物是允许移动机器人跨越和穿越的，不需触发碰撞警告信号，对于那些阻碍移动机器人正常行走的障碍物需要在发生接触之前触发碰撞警告信号，以使：移动机器人在移动至相应的障碍物之前规划出可通行区域。

另外，所述障碍物定位触发模块接收所述障碍物分类模块当前识别出类型的障碍物的相对位置关系（主要是障碍物的轮廓线上各位置点的三维坐标位置和全局坐标系下的角度信息）和同一障碍物的尺寸大小后，把这些数据实时保存下来并实时匹配分析数据（进行简单的几何形状特征拟合，在满足障碍物类型识别条件的前提下输出表征该障碍物的形状特征的类型指示信号），实现对接收的障碍物类型进行进一步的纠正，从而优化障碍物分类模块的识别结果。然后，所述障碍物定位触发模块根据障碍物分类模块计算出的障碍物的相对位置关系在移动机器人实时构建的地图上进行标记，在地图中定位出已识别的障碍物及其视角范围内的待识别的障碍物的相对位置（待识别但已计算出相对位置关系的障碍物），方便规划出避障路径。

避障模块，用于在障碍物定位标记模块触发出碰撞警告信号后，根据障碍物定位标记模块传输过来的触发碰撞警告信号的障碍物的相对位置关系和同一障碍物的尺寸大小，调整移动机器人当前位姿，再根据障碍物定位标记模块传输过来的当前识别出类型的障碍物的相对位置关系和同一障碍物的尺寸大小，规划出移动机器人的避障路径，以使移动机器人避开触发碰撞警告信号的障碍物、或绕行经过触发碰撞警告信号的障碍物。避障模块，用于在障碍物定位标记模块触没有发出碰撞警告信号时，根据障碍物定位标记模块传输过来的当前识别出的障碍物的类型和同一障碍物的尺寸信息，保持原来的位姿继续行走，以使移动机器人直接穿越障碍物、跨越障碍物。

在本实施例中，所述避障模块根据障碍物定位标记模块中标记的已识别的障碍物（包括触发碰撞警告信号的障碍物）及其TOF摄像头探测视角范围内的待识别的障碍物的相对位置和同一障碍物的尺寸大小，规划出更加贴近实际环境的避障路径，以使得移动机器人及时避开TOF摄像头的视角范围内的障碍物（包括已识别、待识别但已计算出相对位置关系的障碍物），或根据已识别的障碍物的类型绕着相对应的障碍物行走，或根据已识别的障碍物的类型跨越相对应的障碍物行走。在具体实施过程中至少存在：所述避障模块根据移动机器人当前运动的状态（正常直线行走、原地转圈、弧度转圈、沿边）跟障碍物的类型决定调整移动机器人当前位姿，使其在穿越障碍物、跨越障碍物之前能够直线越障，或者通过调整移动机器人当前位姿使其在小型障碍物（包括小型的缠绕物）之前绕障行走或直线避障行走但不触碰该障碍物，或者通过调整移动机器人当前位姿使其在靠近墙体时沿边避障。当然这与已识别的障碍物的形状特征也有关系，所述形状特征是基于轮廓线和/或特征点组成的或抽象出的几何形状、几何形状组合等，用于与各障碍物类型相匹配。其中，所述几何形状、几何形状组合可基于所识别的障碍物的全部轮廓或轮廓的部分表示。例如，基于孤岛类型而设置的形状特征包括以下一种或多种组合:圆形、球形、弧线、方形、立方形、π形等。例如，鞋的形状特征包含首尾相连的多个弧线形状:椅子的形状特征包括π形、八爪型等。基于缠绕物类型而设置的形状特征包括以下至少一种或多种组合:曲线形状、蛇形、盘结形等。基于空间分隔类型而设置的形状特征包括以下至少一种或多种组合:直线形状、折线形状、矩形等。

综上，本发明实施例采用TOF摄像头获取的障碍物深度信息、尺寸信息和亮度信息，有效地归类识别出室内环境下的是否应该跨越以及是否应该碰撞的障碍物，并依据识别出的障碍物的类型特征、相对位置及其尺寸大小信息及时触发碰撞警告信号，以推进移动机器人在移动至相应的障碍物之前规划出可通行区域，比现有技术的障碍物归类处理方法更适应于规划出室内实际活动环境下的无障碍物可通行区域，保证避障路径的有效性，尽可能地做到无碰撞移动。相对于现有技术采用多个摄像头或多线的激光头，以及执行过多的图像特征点拟合分类训练，本实施例公开的系统生产成本有所降低，提高机器人的避障动作的实时性。

优选地，本发明实施例的移动机器人顶面载体上装有摄像头或者单线激光头，用于机器人地图打滑后的地图纠正；所述移动机器人还内置有陀螺仪用于转动角度检测、里程计用于行程距离检测，并且装有能够检测墙面距离的传感器，检测墙面距离的传感器可以是超声波距离传感器、红外强度检测传感器、红外距离传感器、物理开关检测碰撞传感器，电容或者电阻变化检测传感器等。

作为一种实施例，在所述障碍物定位触发模块中，所述基于这些数据信息决策相应识别出类型的障碍物是否触发碰撞警告信号的方法至少包括：将识别出类型的障碍物定义为目标障碍物；障碍物的类型包括缠绕物、孤岛障碍物、可跨越的门槛和可供移动机器人穿越的家具，部分障碍物的深度图像的像素点深度数据是连续的（墙体），但部分像素点深度数据是非连续的（缠绕物）。

当目标障碍物的类型为缠绕物时，若TOF摄像头拍摄的目标障碍物的深度图像的深度数据小于第一安全深度门限时，控制所述障碍物定位触发模块触发碰撞警告信号；当目标障碍物的类型为孤岛障碍物时，若TOF摄像头拍摄的目标障碍物的深度图像的深度数据小于第二安全深度门限时，控制所述障碍物定位触发模块触发碰撞警告信号；当目标障碍物的类型为墙体时，若TOF摄像头拍摄的目标障碍物的深度图像的深度数据小于第三安全深度门限时，控制所述障碍物定位触发模块触发碰撞警告信号，虽然后续控制移动机器人沿墙行走的过程中允许与墙体发生碰撞；当目标障碍物的类型为可跨越的门槛或可供移动机器人穿越的家具时，控制所述障碍物定位触发模块不触发碰撞警告信号，因为控制移动机器人跨越的门槛或穿越的家具是最佳的规划方式使其对移动机器人的工作遍历方式的影响降到最低，尽管在这一过程中移动机器人可能会绕家具底部的支撑部位行走；其中，第一安全深度门限大于第二安全深度门限，这两个安全深度门限都用于限制移动机器人在减速为零的过程中不会与所述目标障碍物碰触，第二安全深度门限大于第三安全深度门限，第三安全深度门限可以限制移动机器人减速为零之前可以碰撞上表征为墙体的障碍物。本实施例在接近视角范围内已识别的目标障碍物之前，通过设置不同的安全距离来满足匹配类型的障碍物对碰撞避障的要求，以预判出无障碍物可通行区域，方便后续规划出有效的避障路径。

作为一种实施例，在所述避障模块中，所述根据障碍物定位标记模块传输过来的触发碰撞警告信号的障碍物的相对位置关系和同一障碍物的尺寸大小，调整移动机器人当前位姿的方法至少包括：当所述目标障碍物的类型为缠绕物且所述障碍物定位标记模块触发所述碰撞警告信号时，根据所述目标障碍物的轮廓宽度，控制移动机器人减小实时速度和改变当前的前进方向，以使改变后的前进方向上的直线路径避开所述目标障碍物，有利于移动机器人直避障，而不需要绕着缠绕物行走而在误检测缠绕物的相对位置的情况下容易被卡住。当所述目标障碍物的类型为可跨越的门槛或可供移动机器人穿越的家具时，控制移动机器人保持当前的前进方向，即不需触发所述碰撞警告信号，也不需执行避障动作，以实现所述目标障碍物对移动机器人的正常工作行为的影响程度降到最低。当所述目标障碍物的类型为孤岛障碍物且所述障碍物定位标记模块触发所述碰撞警告信号时，控制移动机器人改变当前的前进方向，以使移动机器人开始绕着孤岛障碍物的轮廓行走，但是移动机器人不能碰撞这个孤岛障碍物。当所述目标障碍物的类型为墙体且所述障碍物定位标记模块触发所述碰撞警告信号时，控制移动机器人调整出最佳沿边方向，以使移动机器人开始进入沿边模式，但是移动机器人在沿边行走的过程中可以碰撞墙体。本实施例有利于对移动机器人的目前位姿进行优化处理，从而优化移动机器人当前运动的状态（包括正常直线行走、原地转圈、弧度转圈、沿边），以减少移动机器人与已识别类型的障碍物的接触的几率。

在上述实施例的基础上，在所述避障模块中，所述再根据障碍物定位标记模块传输过来的当前识别出类型的障碍物的相对位置关系和同一障碍物的尺寸大小，规划出移动机器人的避障路径的方法，以使移动机器人避开触发碰撞警告信号的障碍物、或绕行经过触发碰撞警告信号的障碍物、或保持原来的位姿继续行走的方法至少包括：首先根据当前识别出类型的障碍物的相对位置关系和同一障碍物的尺寸大小，规划出所述移动机器人与这些障碍物之间的可通行区域，再在此可通行区域内规划移动机器人的避障路径；当识别出的障碍物的轮廓线比较宽，则规划出的可通行区域面积比较大，避障路径就比较长，反之规划出的可通行区域面积比较小；其中，所述障碍物定位标记模块传输过来的当前识别出类型的障碍物包括触发碰撞警告信号的障碍物以及所述TOF摄像头探测视角范围内的其他所述目标障碍物。

当所述目标障碍物的类型为缠绕物且所述障碍物定位标记模块触发所述碰撞警告信号时，根据所述目标障碍物的轮廓宽度，规划出移动机器人初始避障方向，同时根据已识别出的缠绕物的轮廓线上各个点对应的位置坐标以及其他的所述目标障碍物的位置坐标，实时调整移动机器人的初始避障方向，以避开碰触已识别出的缠绕物，并保持调整实时采集获得的缠绕物的轮廓线上各个点对应的深度数据大于置第一安全深度门限；当所述目标障碍物的类型为可跨越的门槛或可供移动机器人穿越的家具时，控制移动机器人沿着当前的前进方向作直线行走以跨越或穿越所述目标障碍物；当所述目标障碍物的类型为孤岛障碍物且所述障碍物定位标记模块触发所述碰撞警告信号时，控制移动机器人沿着孤岛障碍物的轮廓的延伸方向行走，同时也要避开其他的已识别或已标记坐标位置的障碍物，并保持调整实时采集识别的孤岛障碍物的轮廓线上各个点对应的深度数据大于置第二安全深度门限，以实现移动机器人绕障行走但不能与孤岛障碍物碰撞；当所述目标障碍物的类型为墙体且所述障碍物定位标记模块触发所述碰撞警告信号时，控制移动机器人调整出最佳沿边方向，并沿着最佳沿边方向开始执行沿墙行走。从而做到：TOF摄像头识别到门槛时可以控制移动机器人跨越门槛，TOF摄像头识别到沙发时（沙发底的高度低于机器的高度的时候）控制移动机器人进入沙发底，TOF摄像头识别到玩具时禁止移动机器人碰撞玩具但可以绕障行走，TOF摄像头识别到墙时允许移动机器人碰撞墙体以进行沿边行走、TOF摄像头识别到电线时禁止移动机器人跨越电线等缠绕物体并以其他路径避障，进而规划出有效的避障路径。

优选地，所述TOF摄像头安装在在移动机器人的前方，所述TOF摄像头的光轴相对于机器人的顶面倾斜朝下或者水平设置，以使得探测视角范围内的所述目标障碍物的亮度值有效和所述目标障碍物的轮廓线完整以满足深度定位要求。综合考虑机器人的竖直高度跟TOF摄像头需要探测的距离，TOF摄像头的光轴向移动机器人的顶面下方倾斜设置，其倾斜角度为10度，同时TOF摄像头的安装高度相对于移动机器人的行进平面为6.7cm，这个是经过测试获得的最佳安装高度和安装角度。

在前述实施例中，所述障碍物分类模块和所述避障模块分别通过双向通信接口与所述障碍物定位触发模块连接，以建立起信号数据之间的收发响应的通信关系。保证各个障碍物的深度图像信息反馈的实时性，提高避障路径规划的效率。如图1所示，所述障碍物分类模块向所述障碍物定位触发模块传输的信息包括TOF摄像头采集识别出的障碍物的类型、该障碍物的相对位置和尺寸大小；所述障碍物定位触发模块向所述避障模块传输的信息包括碰撞警告信号、TOF摄像头采集识别出的障碍物的类型、该障碍物的相对位置及其尺寸大小。

作为一种实施例，所述同一障碍物的尺寸大小包括对应障碍物的轮廓线在预设水平宽度内的各个位置点的高度；其中，预设水平宽度是从对应障碍物表面的预先选择的可连通域内的一条水平线段的长度，对应障碍物的轮廓线在预设水平宽度内的各个位置点的水平投影都在这条水平线段上，这个被选择的轮廓线不一定是完整的但能覆盖这条水平线段的上方或下方。本实施例为识别障碍物的形状特征和可通达特征采样有效的具有代表性的轮廓线的位置点。

作为一种实施例，所述再选择结合TOF摄像头实时输出的与对应障碍物相匹配的亮度图像数据，识别出对应障碍物的类型的方法至少包括：

当所述障碍物分类模块判断到对应障碍物的轮廓线在预设水平宽度内的各个位置点的高度都处于门槛阈值高度范围内时，将对应障碍物识别为可跨越的门槛；其中，门槛阈值高度范围内的所有高度都小于移动机器人的机体高度，且门槛阈值高度范围内的所有高度都能支持移动机器人爬升。

当所述障碍物分类模块判断到对应障碍物的轮廓线在预设水平宽度内的最低的位置点的高度都高于移动机器人的机体高度时，将对应障碍物识别为可供移动机器人穿越的家具，这一障碍物的轮廓线一般为门框形状、梯形，可能是沙发底、床底、桌椅底部，这些家具的底部造型的空隙部分较高也较宽，使其空隙部分的高度大于移动机器人的机体高度，宽度也大于移动机器人的机体直径。

当所述障碍物分类模块判断到对应障碍物的轮廓线符合矩形特征条件且对应深度图像上的每个像素点对应的深度值都相等，且存在轮廓线在预设水平宽度内的位置点的高度都高于预设可通行高度阈值时，将对应障碍物识别为墙体；因为墙体表面比较平整，墙体的轮廓线的形状符合矩形特征，轮廓线都比较长，墙体的高度也比移动机器人的机体高，同时识别为墙体的障碍物也支持移动机器人碰撞，即使被误判为家具底部的中空部分也会在移动机器人与其发生碰撞后而纠正障碍物类型的识别结果；其中，预设可通行高度阈值高于移动机器人的机体高度。

当所述障碍物分类模块判断到对应障碍物的轮廓线在预设水平宽度内的各个位置点的高度的方差满足第一缠绕物条件，和/或判断到对应障碍物的轮廓线在预设水平宽度内的各个位置点对应深度图像的像素点的深度与相匹配的亮度图像的像素点灰度的乘积的方差满足第二缠绕物条件时，将对应障碍物识别为缠绕物；这一缠绕物判断方法中的方差可以替换为标准差、均方差等具备统计意义的变量，即对应障碍物的轮廓线上的采样位置点的高度的统计变量，能有效地反映缠绕物（比如室内环境中缠绕成一团的电线、电缆）的曲线变化特征。当前述高度的方差落入第一预设范围内时，视为满足第一缠绕物条件；当前述乘积的方差落入第二预设范围内时，视为满足第二缠绕物条件。值得注意的是这些缠绕物的高度比较小，一般小于移动机器人的机体高度，可能落入所述门槛阈值高度范围内，但结合上述缠绕物条件的识别结果，控制所述移动机器人不跨越这个缠绕物，避免出现误判。

当所述障碍物分类模块判断到对应障碍物所占空间的水平宽度小于预设孤岛宽度，且对应障碍物所占空间的竖直高度小于预设孤岛高度时，将对应障碍物识别为孤岛障碍物；其中，预设水平宽度是大于移动机器人的机体宽度，预设孤岛宽度小于或等于预设水平宽度。在一些实施场景中，预设孤岛高度是小于所述移动机器人的机体高度，预设孤岛高度甚至落入门槛阈值高度范围内，因此通过将高度较低的障碍物识别为孤岛障碍物而不是误判为门槛，才能有效地规避移动机器人跨越孤岛障碍物，比如控制移动机器人不碰撞跨越小型的玩具。

从而做到：TOF摄像头识别高度较小的门槛，TOF摄像头识别到沙发（沙发底的高度低于机器的高度的家具）控制移动机器人进入沙发底，TOF摄像头识别到高度较小的玩具，TOF摄像头识别到墙壁长廊、TOF摄像头识别到高度不大的且具备曲线特征的电线。从而可以对大型障碍物、小型障碍物、可跨越穿行障碍物、禁止接触障碍物的有效地检测识别，进而预判出有效的可通达区域以供移动机器人避障使用。进一步地提高所述障碍物分类避障控制系统的识别避障算法的功能集成度。

在上述实施例中，当所述障碍物分类模块判断到对应障碍物的一可连通表面区域相匹配的亮度图像数据处于第一预设介质灰度阈值范围，和/或当所述障碍物分类模块判断到对应障碍物的一可连通表面区域的各个位置点对应深度图像的像素点的深度与相匹配的亮度图像的像素点灰度的乘积处于第二预设介质灰度阈值范围时，所述障碍物分类模块确定对应障碍物的表面介质为允许移动机器人无障碍移动的平整的平面介质。该技术方案利用障碍物的表面反射光线的亮度信息和深度图像中相匹配的像素点深度数据判断识别障碍物的表面介质，一来可以识别出更加具体的障碍物类型（比如地毯表面、水泥地面、木板），二来可以预判出允许移动机器人无障碍跨越行走的行进平面。

由TOF摄像头的采集的深度图像的特性可知，所述对应障碍物相匹配的亮度图像数据是从对应障碍物的表面反射回TOF摄像头的成像平面的光线亮度信息，与TOF摄像头采集的对应障碍物的深度图像的像素点的深度一一对应匹配。利用深度图像的特征和亮度图像的特征之间的匹配关系进行障碍物分类判断，使得所述第一缠绕物条件和所述第二缠绕物条件的判断效果，减少使用拟合运算。提高障碍物类型识别的准确度。

显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。