基于机器人的tof外参标定方法、装置及机器人
技术领域
1.本发明涉及人工智能领域，具体而言，涉及一种基于机器人的tof外参标定方法、装置及机器人。
背景技术：2.在机器人应用中，由于三维(3d)tof传感器有较高的精度、较强的稳定性和环境适应性，常常被用于检测前方立体障碍物三维信息，以避免发生碰撞。常见的tof安装方式如图1所示。
3.3d tof在提取障碍物信息后，需要将点云转换至机器人坐标系下，以确定障碍物相对于地面和机器人的相对位置关系。即需要tof坐标系与机器人坐标系的转换关系。
4.该坐标转换关系的精度，首先影响了障碍物相对于地面的高度精度，使得基于高度的tof点云处理算法极易出现漏检或误检，出现大量不存在错误障碍物或丢失小障碍物信息，严重影响机器人运行和避障；同时影响了障碍物相对于机器人的位置精度，使障碍物位置产生左右偏移的现象，对于机器人避障精度造成限制，影响避障效果。
5.相关技术中，tof坐标系相对于机器人坐标系的相对关系，即tof模组外参，可以直接通过机械结构参数获得，而由于安装误差等的影响，直接使用结构参数计算得到的外参精度较差，无法满足上层算法需求，利用tof得到的障碍物信息产生较大偏差，容易误检和漏检，极大地影响机器人正常运行；此外，该方法机型适应性差，需对不同机型单独配置；同时无法主动地更新由于外部原因导致传感器位置的变动带来的外参变动，使机器故障率增高，难以快速排除。因此，目前亟需准确度和精度更高的tof模组外参标定方法。
技术实现要素：6.本发明的主要目的在于公开了一种基于机器人的tof外参标定方法、装置及机器人，以至少解决相关技术中根据机械结构参数获得tof模组外参，精度较差，无法满足上层算法需求等问题。
7.根据本发明的一个方面，提供了一种基于机器人的tof外参标定方法。
8.根据本发明的基于机器人的tof外参标定方法包括：s1：采用tof传感器获取当前帧的点云数据集合；s2:提取由多个点云数据点构成的平面，获取提取的平面的第一法向量，确定上述提取的平面对应的目标平面的第二法向量，根据上述第一法向量和上述第二法向量，确定上述提取的平面与上述目标平面的旋转平移关系；s3:循环执行上述s2，直至确定出n个上述旋转平移关系，其中，n大于等于3，且上述提取的平面中至少有三个平面互不平行； s4:根据多个上述旋转平移关系的参数，获取上述tof坐标系到机器人坐标系的变换关系参数。
9.根据本发明的另一方面，提供了一种基于机器人的tof外参标定装置。
10.根据本发明的基于机器人的tof外参标定装置包括：获取模块，用于采用tof传感器获取当前帧的点云数据集合；执行模块，用于循环执行如下步骤：提取由多个点云数据点
构成的平面，获取提取的平面的第一法向量，确定上述提取的平面对应的目标平面的第二法向量，根据上述第一法向量和上述第二法向量，确定上述提取的平面与上述目标平面的旋转平移关系，直至确定出n个上述旋转平移关系，其中，n大于或者等于3，且上述提取的平面中至少有三个平面互不平行；标定模块，用于根据多个上述旋转平移关系的参数，获取上述tof坐标系到机器人坐标系的变换关系参数。
11.根据本发明的又一方面，提供了一种机器人。
12.根据本发明的机器人包括：存储器及处理器，上述存储器，用于存储计算机执行指令；上述处理器，用于执行上述存储器存储的计算机执行指令，使得上述机器人执行如任一项上述的方法。
13.根据本发明，基于机器人进行tof外参标定的过程中，创建标定场景，提取由多个点云数据点构成的多个平面，通过分析场景线、面特征，综合获取到的多个上述旋转平移关系的参数，获取上述tof坐标系到机器人坐标系的变换关系参数，大大提高了tof外参标定的可靠性和精度，进而利用tof 得到的障碍物信息准确度和精度都大幅提高，为提升机器人运行和避障效果提供了有效条件。
附图说明
14.图1是根据相关技术的采用tof传感器探测障碍物的示意图；
15.图2是根据本发明实施例的基于机器人的tof外参标定方法的流程图；
16.图3是根据本发明优选实施例的基于机器人的tof外参标定场景图；
17.图4是根据本发明优选实施例的基于机器人的tof外参标定方法的流程图；
18.图5是根据本发明实施例的基于机器人的tof外参标定装置的结构框图；
19.图6是根据本发明实施例的机器人的结构框图。
具体实施方式
20.下面结合说明书附图对本发明的具体实现方式做一详细描述。
21.根据本发明实施例，提供了一种基于机器人的tof外参标定方法。
22.图2是根据本发明实施例的基于机器人的tof外参标定方法的流程图。
23.如图2所示，该基于机器人的tof外参标定方法包括：
24.步骤s201：采用tof传感器获取当前帧的点云数据集合；
25.步骤s202:提取由多个点云数据点构成的平面，获取提取的平面的第一平面方程，确定上述提取的平面对应的目标平面的第二平面方程，根据上述第一平面方程和上述第二平面方程，确定上述提取的平面与上述目标平面的旋转平移关系；
26.步骤s203:循环执行上述s202，直至确定出n个上述旋转平移关系，其中，n大于等于3，且上述提取的平面中至少有三个平面互不平行；
27.步骤s204:根据多个上述旋转平移关系的参数，获取上述tof坐标系到机器人坐标系的变换关系参数。
28.在图2所示的方法中，基于机器人进行tof外参标定的过程中，创建标定场景，提取由多个点云数据点构成的多个平面，通过分析场景线、面特征，综合获取到的多个上述旋转平移关系的参数，获取上述tof坐标系到机器人坐标系的变换关系参数，大大提高了tof外
参标定的可靠性和精度，进而利用tof得到的障碍物信息准确度和精度都大幅提高，为提升机器人运行和避障效果提供了有效条件。
29.在执行上述步骤s201之前，需要预先布置标定的场景，例如，将机器人或者标定装置放置在定位装置上静置，程序驱动tof传感器(例如，3d tof 传感器或者2d tof传感器)捕获当前一帧的点云数据集合。
30.需要说明的是，考虑了tof传感器容易产生多径效应的问题，在布置上述标定的场景时，应尽量减少可能发生的光线在物体间反射的现象，场景材料选择应使tof传感器便于识别，且表面有合适的粗糙度。
31.优选地，在步骤s201之后，步骤s202之前，上述tof外参标定方法还可以包括：对于获取到的点云数据集合，检测有效点云数据点数占上述点云数据集合总数据点数的第一比率是否大于第一预定比率阈值，在上述第一比率大于上述第一预定比率阈值的情况下，对上述点云数据集合进行滤波，去除点云散点和粘连噪声。
32.在优选实施过程中，对获得的每帧点云数据集合，检验有效的点云数据点数占上述点云数据集合总数据点数的比率，例如，第一预定比率阈值可以设置为80％，在该比率超过80％的情况下，才会继续对这一帧点云数据集合继续后续处理，对上述点云数据集合进行滤波，去除点云散点和粘连噪声。在该比率未超过80％的情况下，重新驱动tof传感器捕获下一帧点云数据集合。
33.优选地，上述步骤s202可以进一步包括以下处理：提取上述点云数据集合中当前点云数据点最多的平面，拟合该平面的第一平面方程，并根据上述拟合的第一平面方程确定该平面的第一法向量；确定上述平面对应的目标平面的第二法向量；确定由上述第一法向量和上述第二法向量构成的平面的垂直向量，将该垂直向量确定为上述旋转平移关系的旋转轴；计算确定上述第一法向量和上述第二法向量的夹角，将该夹角作为上述旋转平移关系的轴角；确定上述旋转轴和上述轴角对应的四元数，根据上述四元数获取对应的旋转矩阵；获取拟合平面旋转后的平面与上述目标平面之间的平移关系，根据上述旋转矩阵和上述平移关系得到上述旋转平移关系。
34.其中，上述四元数是超复数，复数是由实数加上虚数单位组成，四元数都是由实数加上三个虚数单位组成，一个单位四元数q，其对应于绕旋转轴a 旋转θ角度的旋转变换:
[0035][0036]
其中，
[0037]
函数的参数p可以看作三维空间中的点(即一个实部或标量部分为0的四元数)。通过一个四元数q对一个三维点p(把p当成一个实部为0的四元数) 进行旋转变换，需要做如下计算:
[0038]
p
′
＝qpq-1
[0039]
其中，把四元数q写成四维向量的形式{s，ta
x
，tay，taz}，通过上述方式的解算，最终可以将四元数q＝s+ta转换成3*3的旋转矩阵。
[0040]
优选地，上述提取的平面可以包括以下平面：水平地面上由点云数据点构成的平面、多个垂直于上述水平地面的平面上由点云数据点构成的平面，其中，上述由点云数据点构成的平面与上述水平地面保持预定距离。
[0041]
例如，如图3所示，步骤s202中，点云数据集合中当前点云数据点最多的平面是水平地面上由点云数据点构成的平面，则拟合平面的平面方程z＝0，确定该平面的法向量n’＝{0，0，1}，确定上述平面对应的目标平面的法向量，计算拟合该平面法向量(法线)与目标平面法向量(法线)的叉乘，得到旋转平移关系的旋转轴；计算拟合的平面法向量(法线)到目标平面法向量(法线)的夹角，得到旋转角，从而得到旋转平移关系的轴角；确定上述旋转轴和上述轴角对应的四元数，进而得到旋转矩阵或欧拉角表示；计算拟合的平面旋转后的平面与上述目标平面之间的平移关系(即，两个平行平面之间平移参数)，得到旋转平移关系。
[0042]
之后，循环执行步骤s202，即每次都提取点云数据集合中当前点云数据点最多的平面，例如，第二次执行步骤s202时，提取图3中左侧垂直于水平地面的平面上由点云数据点构成的平面，第三次执行步骤s202时，提取图3 中右侧垂直于水平地面的平面上由点云数据点构成的平面，并对于每次提取点云数据点构成的平面执行如步骤s202所示的操作。
[0043]
并且，由于多个垂直于上述水平地面的平面上由点云数据点构成的平面与上述水平地面保持预定距离，即上述由点云数据点构成的平面均没有与水平地面接触，而是离地面有一段距离，因此这种标定场景兼顾了减轻tof多径效应的影响。
[0044]
优选地，在提取上述点云数据集合中当前点云数据点最多的平面，拟合该平面的第一平面方程之后，还可以包括以下处理：判断当前点云数据点最多的平面上有效点云数据点数占该平面上点云数据点总数的第二比率是否大于第二预定比率阈值；在上述第二比率大于上述第二预定比率阈值的情况下，综合计算该平面上的有效点云数据点相对于拟合的平面的平均偏差，在上述平均偏差小于或等于第三预定阈值时，继续触发执行后续步骤。
[0045]
在优选实施过程中，计算提取的平面上点云数据点数占该平面上点云数据点总数(包括无效的点云数据点数)的百分比，例如，当百分比不超过40％时，系统返回错误，不再继续执行后续操作。如果百分比超过40％时，综合计算该平面上的有效点云数据点相对于拟合的平面的平均偏差，即，对于每一个有效点云数据点，均计算该点与拟合平面的距离，之后计算得到的所有距离获取均值(即上述平均偏差)，在平均偏差大于预定阈值(例如，5厘米) 时，确定点云精度过低，可能由于场景或者环境选取有误，系统返回错误，不再执行后续操作。在上述平均偏差小于或等于预定阈值(例如，5厘米)时，继续触发执行后续步骤。
[0046]
优选地，上述变换关系参数包括但不限于：目标俯仰角、目标横滚角、目标航向角、
以及tof坐标系到机器人坐标系各个方向上的平移参数(例如，在x向，y向和z向的平移参数)。
[0047]
优选地，上述s204可以进一步包括：对各个上述旋转平移关系对应的俯仰角取均值获取上述目标俯仰角，对各个上述旋转平移关系对应的横滚角取均值获取上述目标横滚角，对各个上述旋转平移关系对应的航向角取均值获取上述目标航向角；对各个上述旋转平移关系对应的三个方向平移参数分别取均值获取最终的平移参数。
[0048]
在优选实施过程中，综合多个旋转平移关系取均值的方式来获取最终的三个角度值：目标俯仰角、目标横滚角、目标航向角；以及最终的三个方向平移参数：x向平移参数，y向平移参数和z向平移参数。采用这种处理方式，由于综合了多个上述旋转平移关系的参数，可以使标定的tof外参精度大大增高，且标定全面，为tof传感器标定提供了极大的方便，流程简单，效率高，为大批量高精度进行tof传感器标定提供了便利。
[0049]
在步骤s204之后，还可以包括以下处理：继续提取上述点云数据集合中当前剩余点云数据点中最多的平面，将该平面上的点云数据点作为验证数据；根据上述变换关系参数，将上述点云数据点从上述tof坐标系转换到机器人坐标系中；对于转换后的点云数据点求取提取的平面中点云质心的位置，并根据求取的位置与上述点云质心对应的实际位置之间的距离进行判比；在上述距离不大于预定距离阈值时，确定本次标定有效。
[0050]
在优选实施过程中，为了对标定的结果进行有效检验，本实施例还提供了校验方法，例如，如图3所示，平面提取，提取上述剩余点云的最大平面，为左侧较小垂直平面，用于校验。根据变换关系参数，将上述点云数据点从上述tof坐标系转换到机器人坐标系中，对于转换后的点云数据点求取提取的平面中点云质心的位置(x，y，z)，确定该位置(x，y，z)与点云质心对应的实际位置(x’，y’，z’)的距离，当距离大于或者等于预定距离阈值(例如，2厘米)则认为校验失败，该次标定结果无效。当距离小于预定距离阈值 (例如，2厘米)则认为校验成功，该次标定结果有效。
[0051]
增加对tof标定结果的校验场景设计和流程，通过在场景中补充校验物，从而可以验证标定结果是否正确，对标定结果的正确性做了充足的保障。
[0052]
优选地，在上述距离小于预定距离阈值时，确定本次标定有效之后，还可以包括以下处理：判断预定时间内标定有效的次数是否大于或者等于预定有效阈值；如果标定有效的次数小于上述预定有效阈值，则返回错误，确定本轮标定失败，重新采用tof传感器获取下一帧的点云数据集合。
[0053]
在优选实施过程中，在一轮标定过程中，可以循环执行多次标定，针对各次标定的结果，最终再做一次本轮是否有效的判定。比如，如果30s内无法得到10次有效标定，则返回错误，确定本轮标定失败，需要重新采用tof 传感器获取下一帧的点云数据集合，继续执行上述操作。
[0054]
优选地，上述tof外参标定还可以包括以下处理：循环执行上述任一项上述的步骤，将获取到多个tof外参取均值，得到最终标定结果。例如，得到10次有效标定的结果(10个tof外参)，对标定结果取均值，得到最终的标定结果。
[0055]
以下结合图4进一步描述上述优选实施方式。
[0056]
图4是根据本发明优选实施例的基于机器人的tof外参标定方法的流程图。如图4所示，基于机器人的tof外参标定方法包括：
[0057]
步骤s401：将机器人放置于定位装置上静置。
[0058]
步骤s402：程序驱动tof传感器捕获当前一帧的点云数据集合。
[0059]
步骤s403：对获得的当前一帧点云数据集合，检验有效点云数据点数，判断有效点云数据点数占上述点云数据集合总数据点数的比率是否大于 80％，如果大于80％，执行步骤s404。
[0060]
步骤s404：采用连通区域滤波去除点云散点和粘连噪声。
[0061]
步骤s405：提取上述点云数据集合中当前点云数据点最多的平面，当前点云数据点最多的平面为水平地面上由点云数据点构成的平面，拟合该平面的平面方程ax+by+cz+d＝0，法向量(法线)n＝{a，b，c}。水平地面上由点云数据点构成的平面的平面方程为z＝0，法向量(法线)n’＝{0，0，1}。
[0062]
步骤s406：计算提取该平面上的点云数据点数占该平面上点云数据点总数(包含无效点云数据点)的比率，当比率不超过40％，返回错误。当比率超过40％，执行步骤s407。
[0063]
步骤s407：计算提取平面上的有效点云数据点相对于拟合的平面的平均偏差，当平均偏差大于5cm，则点云精度过差，环境或场景有误，返回错误。当平均偏差小于或者等于5cm，执行步骤s408。
[0064]
步骤s408：计算拟合地面到目标地面的旋转平移关系。具体可以包括：
[0065]
1、计算拟合平面法线与目标平面法线的叉乘，得到旋转轴；
[0066]
2、计算拟合平面法线到目标平面法线的夹角，得到旋转角，从而得到旋转关系的轴角表示；
[0067]
3、由轴角表示转换为四元数，进而得到旋转矩阵或欧拉角表示；
[0068]
4、计算拟合平面旋转后的平面与上述目标平面之间的平移关系，得到完整的旋转变换关系。
[0069]
步骤s409：对于水平地面上由点云数据点构成的平面，得到旋转变换关系t1。之后执行步骤s410。
[0070]
步骤s410：提取当前剩余点云数据点最多的平面，如图3所示，为左侧较大的垂直平面，且该垂直平面与地面保持一定距离，可以减轻tof传感器多径效应的影响。计算拟合平面方程，其目标平面方程为：x-y＝-2，法向量(法线)n’＝{1，-1，0}。同理，重新执行如步骤s406至s408所述的步骤，得到旋转变换关系t2，之后执行步骤s411。
[0071]
步骤s411:提取当前剩余点云数据点最多的平面，如图3所示，为右侧较大的垂直平面，且该垂直平面与地面保持一定距离，可以减轻tof传感器多径效应的影响。计算拟合平面方程，其目标平面方程为x+y＝0.5，法向量(法线)n’＝{1，1，0}。同理，重新执行如步骤s406至s408所述的步骤，得到变换关系t3，之后执行步骤s412。
[0072]
步骤s412:获取变换关系参数，确定总体的变换关系t：对t1、t2、t3 中的俯仰角变换取均值得到目标俯仰角；对t2、t3中的横滚角取均值得目标横滚角；对t2、t3中的航向角变换取均值得目标航向角；对t2、t3中的x 向平移参数取均值得x向最终平移参数、对t2、t3中的y向平移参数取均值得y向最终平移参数；将t1中的z向平移参数确定为z向最终平移参数。根据上述目标俯仰角、目标横滚角、目标航向角、以及tof坐标系到机器人坐标系各个方向上的平移参数，确定总体的变换关系t，即为标定的tof外参。其中，上述变换关系t为一个4*4的矩阵，该矩阵包括上述3*3旋转矩阵信息和x向、y向、z向的平移参数信息。
[0073]
步骤s413:校验标定结果是否正确。提取点云数据集合中当前剩余点云数据点的最大平面，如图3所示，校验物设水平地面有一定距离，提取的平面可以为校验物左侧较小的垂直平面，将该平面上的点云数据点作为验证数据进行校验。根据得到的变换关系t，将上述点云数据点从上述tof坐标系转换到机器人坐标系中，计算转换后的点云数据点求取提取的平面中点云质心的位置(x，y，z)与点云质心对应的实际位置(x’，y’，z’)之间的距离，当距离大于2cm则认为校验失败，该次标定结果t无效，不返回信息，继续下面步骤。当距离不大于2cm，则认为校验成功，该次标定结果t有效。
[0074]
步骤s414：循环执行步骤s402～s413，得到10次有效标定，取均值，即得到标定结果；如果30s内无法得到正确的10次有效标定，则返回错误，确定本轮标定失败，环境或者场景有误，重新构建标定场景，并重新执行相应步骤。
[0075]
上述实施例在tof外参标定中，增加了标定的场景和流程，使tof外参精度大大增高，利用tof得到的障碍物信息准确度和精度都大幅提高，为有效提升机器人运行和避障效果提供条件；此外，有外参标定的过程能适应不同机型，无需针对每种机型配置外参；同时对于外部原因导致的传感器位置变动而产生的外参变化，可以很方便地主动进行更新，降低机器故障率，并能在故障情况下快速解决问题。
[0076]
根据本发明实施例，还提供了一种基于机器人的tof外参标定装置。
[0077]
图5是根据本发明实施例的基于机器人的tof外参标定装置的结构框图。如图5所示，基于机器人的tof外参标定装置包括：获取模块50，用于采用 tof传感器获取当前帧的点云数据集合；执行模块52，用于循环执行如下步骤：提取由多个点云数据点构成的平面，获取提取的平面的第一平面方程，确定上述提取的平面对应的目标平面的第二平面方程，根据上述第一平面方程和上述第二平面方程，确定上述提取的平面与上述目标平面的旋转平移关系，直至确定出n个上述旋转平移关系，其中，n大于或者等于3，且上述提取的平面中至少有三个平面互不平行；标定模块54，用于根据多个上述旋转平移关系的参数，获取上述tof坐标系到机器人坐标系的变换关系参数。
[0078]
在图5所示的装置中，基于机器人进行tof外参标定的过程中，创建标定场景，执行模块52提取由多个点云数据点构成的多个平面，分析场景线、面特征，标定模块54综合获取到的多个上述旋转平移关系的参数，获取上述 tof坐标系到机器人坐标系的变换关系参数，大大提高了tof外参标定的可靠性和精度，进而利用tof得到的障碍物信息准确度和精度都大幅提高，为提升机器人运行和避障效果提供了有效条件。
[0079]
需要说明的是，上述基于机器人的tof外参标定装置中的各模块相互结合的优选实施方式，具体可以参见图1至图4所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。
[0080]
根据本发明实施例，还提供了一种机器人。
[0081]
图6是根据本发明实施例的机器人的结构框图。如图6所示，该机器人包括：存储器60及处理器62，上述存储器60，用于存储计算机执行指令；上述处理器62，用于执行上述存储器存储的计算机执行指令，使得上述机器人执行如上述实施例提供的基于机器人的tof外参标定方法。
[0082]
处理器62可以为中央处理器(central processing unit，cpu)。处理器 42还可以为其他通用处理器、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 gatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
[0083]
存储器60作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的区域状态确定方法对应的程序指令/模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理。
[0084]
存储器60可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器60可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0085]
上述一个或者多个模块存储在上述存储器60中，当被上述处理器62执行时，执行如图1至所示实施例中的基于机器人的tof外参标定方法。
[0086]
上述机器人的具体细节可以对应参阅图1至图4所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。
[0087]
综上所述，借助本发明提供的上述实施例，可以利用固定标定场景进行 tof位置标定的场景设计。本技术提供的标定方案兼顾了减轻tof多径效应影响，制造简单，标定全面，精度高等，为tof标定提供了极大的方便，流程简单，效率高，为大批量高精度进行tof位置标定提供便利。
[0088]
并且，利用上述场景进行tof标定的方法，通过分析场景线、面特征，识别和定位物体在tof系下的位置，将其与真实位置比对，从而进行tof标定，在多重物体下，可以明显提高标定的可靠性和精度，对于后续利用tof 点云进行障碍物识别意义重大。
[0089]
此外，校验tof标定结果的场景设计和方法。通过在场景中补充校验物，从而用于验证标定结果是否正确的方法，对标定结果的正确性做了充足的保障。
[0090]
以上公开的仅为本发明的几个具体实施例，但是，本发明并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。
技术特征：1.一种基于机器人的tof外参标定方法，其特征在于，包括：s1：采用tof传感器获取当前帧的点云数据集合；s2:提取由多个点云数据点构成的平面，获取提取的平面的第一平面方程，确定所述提取的平面对应的目标平面的第二平面方程，根据所述第一平面方程和所述第二平面方程，确定所述提取的平面与所述目标平面的旋转平移关系；s3:循环执行所述s2，直至确定出n个所述旋转平移关系，其中，n大于等于3，且所述提取的平面中至少有三个平面互不平行；s4:根据多个所述旋转平移关系的参数，获取所述tof坐标系到机器人坐标系的变换关系参数。2.根据权利要求1所述的方法，其特征在于，在所述s1之后，所述s2之前，还包括：对于获取到的点云数据集合，检测有效点云数据点数占所述点云数据集合总数据点数的第一比率是否大于第一预定比率阈值，在所述第一比率大于所述第一预定比率阈值的情况下，对所述点云数据集合进行滤波，去除点云散点和粘连噪声。3.根据权利要求1所述的方法，其特征在于，所述s2进一步包括：提取所述点云数据集合中当前点云数据点最多的平面，拟合该平面的第一平面方程，并根据所述拟合的第一平面方程确定该平面的第一法向量；确定所述平面对应的目标平面的第二法向量；确定由所述第一法向量和所述第二法向量构成的平面的垂直向量，将该垂直向量确定为所述旋转平移关系的旋转轴；计算确定所述第一法向量和所述第二法向量的夹角，将该夹角作为所述旋转平移关系的轴角；确定所述旋转轴和所述轴角对应的四元数，根据所述四元数获取对应的旋转矩阵；获取拟合平面旋转后的平面与所述目标平面之间的平移关系，根据所述旋转矩阵和所述平移关系得到所述旋转平移关系。4.根据权利要求3所述的方法，其特征在于，在提取所述点云数据集合中当前点云数据点最多的平面，拟合该平面的第一平面方程之后，还包括：判断当前点云数据点最多的平面上有效点云数据点数占该平面上点云数据点总数的第二比率是否大于第二预定比率阈值；在所述第二比率大于所述第二预定比率阈值的情况下，综合计算该平面上的有效点云数据点相对于拟合的平面的平均偏差，在所述平均偏差小于或等于第三预定阈值时，继续触发执行后续步骤。5.根据权利要求1所述的方法，其特征在于，所述提取的平面包括：水平地面上由点云数据点构成的平面、多个垂直于所述水平地面的平面上由点云数据点构成的平面，其中，所述由点云数据点构成的平面与所述水平地面保持预定距离。6.根据权利要求1所述的方法，其特征在于，所述变换关系参数包括：目标俯仰角、目标横滚角、目标航向角、以及tof坐标系到机器人坐标系各个方向上的平移参数。7.根据权利要求6所述的方法，其特征在于，所述s4进一步包括：对各个所述旋转平移关系对应的俯仰角取均值获取所述目标俯仰角，对各个所述旋转平移关系对应的横滚角取均值获取所述目标横滚角，对各个所述旋转平移关系对应的航向
角取均值获取所述目标航向角；对各个所述旋转平移关系对应的三个方向平移参数分别取均值获取最终的平移参数。8.根据权利要求1所述的方法，其特征在于，在所述s4之后，还包括：继续提取所述点云数据集合中当前剩余点云数据点最多的平面，将该平面上的点云数据点作为验证数据；根据所述变换关系参数，将所述点云数据点从所述tof坐标系转换到机器人坐标系中；对于转换后的点云数据点求取提取的平面中点云质心的位置，并根据求取的位置与所述点云质心对应的实际位置之间的距离进行判比；在所述距离不大于预定距离阈值时，确定本次标定有效。9.根据权利要求8所述的方法，其特征在于，在所述距离小于预定距离阈值时，确定本次标定有效之后，还包括：判断预定时间内标定有效的次数是否大于或者等于预定有效阈值；如果标定有效的次数小于所述预定有效阈值，则返回错误，确定本轮标定失败，重新采用tof传感器获取下一帧的点云数据集合。10.根据权利要求1至8中任一项所述的方法，其特征在于，还包括：循环执行如权利要求1至8中任一项所述的步骤，将获取到多个tof外参取均值，得到最终标定结果。11.一种基于机器人的tof外参标定装置，其特征在于，包括：获取模块，用于采用tof传感器获取当前帧的点云数据集合；执行模块，用于循环执行如下步骤：提取由多个点云数据点构成的平面，获取提取的平面的第一平面方程，确定所述提取的平面对应的目标平面的第二平面方程，根据所述第一平面方程和所述第二平面方程，确定所述提取的平面与所述目标平面的旋转平移关系，直至确定出n个所述旋转平移关系，其中，n大于或者等于3，且所述提取的平面中至少有三个平面互不平行；标定模块，用于根据多个所述旋转平移关系的参数，获取所述tof坐标系到机器人坐标系的变换关系参数。12.一种机器人，包括：存储器及处理器，其特征在于，所述存储器，用于存储计算机执行指令；所述处理器，用于执行所述存储器存储的计算机执行指令，使得所述机器人执行如权利要求1至10中任一项所述的方法。
技术总结本发明公开了一种基于机器人的TOF外参标定方法、装置及机器人。该方法包括：S1：采用TOF传感器获取当前帧的点云数据集合；S2:提取由多个点云数据点构成的平面，获取提取的平面的第一平面方程，确定提取的平面对应的目标平面的第二平面方程，根据第一平面方程和第二平面方程，确定提取的平面与目标平面的旋转平移关系；S3:循环执行S2，直至确定出N个旋转平移关系，其中，N大于等于3，且提取的平面中至少有三个平面互不平行；S4:根据多个旋转平移关系的参数，获取TOF坐标系到机器人坐标系的变换关系参数。根据上述技术方案，提高了TOF外参标定的可靠性和精度，进而利用TOF得到的障碍物信息准确度和精度都大幅提高，为提升机器人运行和避障效果提供了有效条件。和避障效果提供了有效条件。和避障效果提供了有效条件。
技术研发人员：仇丽茹 方万元 闫东坤
受保护的技术使用者：北京盈迪曼德科技有限公司
技术研发日：2021.12.30
技术公布日：2022/7/5
