一种障碍物识别方法、装置、设备、介质及除草机器人与流程

1.本发明实施例涉及计算机技术，尤其涉及一种障碍物识别方法、装置、设备、介质及除草机器人。


背景技术：

2.随着生活水平的提高，人们日益关注环境建设，因此城市绿化园林的建设愈发受到重视。与此同时，高效的绿化养护，如日常除草等，逐渐成为了一种需求。但由于传统除草机需要人工操控，因此具有自主工作功能的除草机器人逐渐兴起。
3.现有技术中，通常采用埋设边界线的方式对除草机器人的除草区域的边界进行标定，耗费大量的人力和物力，增加了成本。并且由于对边界线的埋设存在限制，例如拐角的角度不能小于90度，因此一定程度上限制了除草区域的形状。


技术实现要素：

4.本发明实施例提供一种障碍物识别方法、装置、设备、介质及除草机器人，以实现提高除草机器人的候选除草区域中障碍物的识别效率和准确率的效果。
5.第一方面，本发明实施例提供了一种障碍物识别方法，该方法包括：
6.获取候选除草区域图像的色度信息，并根据所述色度信息生成所述候选除草区域图像的待处理色度直方图，以获取所述待处理色度直方图的第一峰值信息；
7.根据所述待处理色度直方图生成目标色度直方图，并确定所述目标色度直方图的第二峰值信息和色度分割信息；
8.根据所述色度分割信息和所述候选除草区域图像的明度图像确定所述候选除草区域图像的明度信息；
9.根据所述色度分割信息和所述明度图像的边缘图像确定所述候选除草区域图像的粗糙度信息；
10.根据所述第一峰值信息、所述第二峰值信息、所述明度信息和所述粗糙度信息，确定所述候选除草区域图像中是否存在阴影区域，以确定所述候选除草区域图像中是否存在障碍物。
11.第二方面，本发明实施例还提供了一种障碍物识别装置，该装置包括：
12.直方图生成模块，用于获取候选除草区域图像的色度信息，并根据所述色度信息生成所述候选除草区域图像的待处理色度直方图，以获取所述待处理色度直方图的第一峰值信息；
13.信息确定模块，用于根据所述待处理色度直方图生成目标色度直方图，并确定所述目标色度直方图的第二峰值信息和色度分割信息；
14.明度信息确定模块，用于根据所述色度分割信息和所述候选除草区域图像的明度图像确定所述候选除草区域图像的明度信息；
15.粗糙度信息确定模块，用于根据所述色度分割信息和所述明度图像的边缘图像确
定所述候选除草区域图像的粗糙度信息；
16.障碍物确定模块，用于根据所述第一峰值信息、所述第二峰值信息、所述明度信息和所述粗糙度信息，确定所述候选除草区域图像中是否存在阴影区域，以确定所述候选除草区域图像中是否存在障碍物。
17.第三方面，本发明实施例还提供了一种电子设备，该电子设备包括：
18.一个或多个处理器；
19.存储装置，用于存储一个或多个程序，
20.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上所述的障碍物识别方法。
21.第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的障碍物识别方法。
22.第五方面，本发明实施例还提供了一种除草机器人，包括机器人本体，还包括上述的电子设备。
23.本发明实施例通过获取候选除草区域图像的色度信息，并根据所述色度信息生成所述候选除草区域图像的待处理色度直方图，以获取所述待处理色度直方图的第一峰值信息；根据所述待处理色度直方图生成目标色度直方图，并确定所述目标色度直方图的第二峰值信息和色度分割信息；根据所述色度分割信息和所述候选除草区域图像的明度图像确定所述候选除草区域图像的明度信息；根据所述色度分割信息和所述明度图像的边缘图像确定所述候选除草区域图像的粗糙度信息；根据所述第一峰值信息、所述第二峰值信息、所述明度信息和所述粗糙度信息，确定所述候选除草区域图像中是否存在阴影区域，以确定所述候选除草区域图像中是否存在障碍物。解决现有技术中通常采用埋设边界线的方式对除草机器人的除草区域的边界进行标定，耗费大量的人力和物力，增加了成本。并且由于对边界线的埋设存在限制一定程度上限制了除草区域的形状的问题，实现提高除草机器人的候选除草区域中障碍物的识别效率和准确率的效果。
附图说明
24.图1为本发明实施例一提供的一种障碍物识别方法的流程图；
25.图2为本发明实施例二提供的一种障碍物识别方法的流程图；
26.图3为本发明实施例三提供的一种障碍物识别装置的结构示意图；
27.图4为本发明实施例四提供的一种电子设备的结构示意图。
具体实施方式
28.下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
29.实施例一
30.图1为本发明实施例一提供的一种障碍物识别方法的流程图，本实施例可适用于除草机器人识别候选除草区域中障碍物的情况，该方法可以由本发明实施例所提供的障碍物识别装置来执行，该装置可以由软件和/或硬件的方式实现。参见图1，本实施例提供的障
碍物识别方法，包括：
31.步骤110、获取候选除草区域图像的色度信息，并根据所述色度信息生成所述候选除草区域图像的待处理色度直方图，以获取所述待处理色度直方图的第一峰值信息。
32.其中，候选除草区域为除草机器人可能的工作区域，可能全为待除的杂草，即为除草区域；也可能为与草坪颜色相近，但是反射较弱，且表面较光滑，会与周围草地形成一定程度的明度对比的障碍物或边界。
33.候选除草区域图像可以由安装在除草机器人上的摄像机进行拍摄，本实施例对此不作限制。候选除草区域图像的色度信息为候选除草区域图像整体在色度方面的特征，可以通过获取候选除草区域图像的色度通道图像以获取图中与色度相关的信息，例如图像中每个像素点的色度值等，本实施例对此不作限制。
34.可以通过对色度信息进行直方图统计，生成候选除草区域图像的待处理色度直方图，体现候选除草区域图像内像素点的指定色度信息，示例性的，为候选除草区域图像中所有像素点的色度值分布统计，本实施例对此不作限制。待处理色度直方图的横坐标可以为色度值，纵坐标可以为频数，即候选除草区域图像中该色度值处像素点的个数，用于体现候选除草区域图像中像素点的色度分布。
35.第一峰值信息为待处理色度直方图中的指定峰值信息，可以为与左右相邻色度对应的频数差值最大的峰值信息，本实施例对此不作限制。
36.步骤120、根据所述待处理色度直方图生成目标色度直方图，并确定所述目标色度直方图的第二峰值信息和色度分割信息。
37.目标色度直方图用于直观体现候选除草区域图像中色度分布信息，根据待处理色度直方图生成目标色度直方图的生成过程可以为：对待处理色度直方图进行平滑处理，获得平滑色度直方图；按照预设筛选规则确定平滑色度直方图的预设色度区间中的目标峰值点集合和目标谷值点集合；根据目标峰值点集合和目标谷值点集合生成目标色度直方图。
38.对待处理色度直方图进行平滑处理，以除去待处理色度直方图中的噪声，提高后续根据平滑色度直方图生成的目标色度直方图中峰值信息获取的准确率。其中，平滑处理可以为滤波处理，本实施例对此不作限制。
39.按照预设筛选规则对平滑色度直方图中的数据进行筛选，从平滑色度直方图中预设色度区间内的所有峰值点和谷值点中筛选出与障碍物识别可能密切相关的目标峰值点集合和目标谷值点集合，可选的，预设色度区间为15-95，本实施例对此不作限制。再根据目标峰值点集合和目标谷值点集合生成目标色度直方图。
40.预设筛选规则可以包括：目标峰值点集合中的每一峰值均大于目标谷值点中的每一谷值的预设倍数；目标峰值点间的距离大于预设距离阈值；目标峰值点的峰值大于预设峰值阈值，本实施例对此不作限制。
41.示例性的，目标峰值点的峰值大于k*目标谷值点的谷值，其中，k为预先设置的倍数。目标峰值点之间的距离大于预设距离阈值d,目标峰值点的峰值大于预设峰值阈值c。
42.其中，目标色度直方图的第二峰值信息为目标色度直方图中与峰值相关的信息，可以为目标色度直方图中指定峰值的具体数值，本实施例对此不作限制。色度分割信息用于将目标色度直方图按照色度值分成左右两个区域，以获取两个区域中各自的信息。
43.本实施例中，可选的，确定所述目标色度直方图的第二峰值信息和色度分割信息，
包括：
44.获取所述目标色度直方图的预设色度区间中的峰值点信息和谷值点信息；所述峰值点信息包括：峰值点数量、峰值点峰值和峰值点色度值；所述谷值点信息包括：谷值点谷值和谷值点色度值；
45.根据所述峰值点信息和/或所述谷值点信息确定所述目标色度直方图的第二峰值信息和色度分割信息。
46.获取目标色度直方图中的预设色度区间中的峰值点的峰值点数量、峰值点峰值和峰值点色度值，以及谷值点的谷值点谷值和谷值点色度值。其中峰值点数量为目标色度直方图中的预设色度区间中的峰值点个数，峰值点峰值为峰值点处对应的频数，峰值点色度值为峰值点处对应的色度值，谷值点谷值为谷值点处对应的频数，谷值点色度值为谷值点处对应的色度值。
47.根据峰值点信息和/或谷值点信息确定目标色度直方图的第二峰值信息和色度分割信息，可以为根据不同的峰值点数量，结合其它峰值点信息和/或谷值点信息，确定不同的第二峰值信息和色度分割信息。
48.根据峰值点信息和/或谷值点信息确定目标色度直方图的第二峰值信息和色度分割信息，提高第二峰值信息和色度分割信息确定的准确性和针对性。
49.本实施例中，可选的，根据所述峰值点信息和/或所述谷值点信息确定所述目标色度直方图的第二峰值信息和色度分割信息，包括：
50.若所述峰值点数量小于二，则根据是否存在最小分界点和所述峰值点数量确定所述目标色度直方图的第二峰值信息和色度分割信息；
51.若所述峰值点数量大于等于二，则根据所述峰值点峰值、所述峰值点色度值、所述谷值点谷值和所述谷值点色度值获取所述第二峰值信息和所述色度分割信息。
52.其中，第二峰值信息可以包括第一区域最大峰值点色度值和第二区域最大峰值点色度值，本实施例对此不作限制，目标色度直方图的第一区域和第二区域可以由色度分割信息和预设色度区间共同确定。
53.当峰值点数量小于二时，可以通过大津阈值法等方式确定候选除草区域图像的分割阈值，将该分割阈值作为目标色度直方图的色度分割值。
54.判断预设色度区间中是否存在最小分界点，其中最小分界点可以为该点处的频数大于该点的右侧两个相邻点处的频数的点中色度值最小的点，示例性的，从预设色度区间中的左端点处开始依次向右确定该点是否满足分界点要求，若点对应的色度值为mi，则当存在mi对应的频数大于mi 1和mi 2对应的频数时，将最小的mi对应的点确定为最小分界点。
55.若存在最小分界点，则当峰值点数量为0时，将最小分界点对应的色度值确定为第一区域最大峰值点色度值，预设色度区间中的右端点色度值确定为第二区域最大峰值点色度值。
56.当峰值点数量为1时，将最小分界点对应的色度值确定为第一区域最大峰值点色度值，将峰值点色度值确定为第二区域最大峰值点色度值。
57.若不存在最小分界点，则当峰值点数量为0时，将预设色度区间中的左端点色度值确定为第一区域最大峰值点色度值，预设色度区间中的右端点色度值确定为第二区域最大
峰值点色度值。
58.当峰值点数量为1时，将峰值点色度值确定为第一区域最大峰值点色度值和第二区域最大峰值点色度值。
59.若所述峰值点数量大于等于2，则根据峰值点峰值、峰值点色度值、谷值点谷值和谷值点色度值获取第二峰值信息和色度分割信息。具体步骤可以包括：1)根据峰值点峰值和峰值点邻近谷值点的谷值，确定峰谷比最大的一对峰值点和谷值点，将该谷值点记为m。2)找出m点左侧最大的峰值，将该峰值对应的色度值作为第一区域最大峰值点色度值；将m点右侧最大的峰值对应的色度值作为第二区域最大峰值点色度值。3)将第一区域最大峰值点色度值和第二区域最大峰值点色度值之间频数最小的值对应的色度值作为色度分割值。
60.根据峰值点数量确定不同的第二峰值信息和色度分割信息，以在所有情况下获取相应的第二峰值信息和色度分割信息，提高后续各情况下障碍物识别的准确性。
61.步骤130、根据所述色度分割信息和所述候选除草区域图像的明度图像确定所述候选除草区域图像的明度信息。
62.其中，明度图像可以通过对候选除草区域图像进行通道分离得到的明度通道图像，可以对明度通道图像进行预处理，预处理可以包括滤波处理、归一化处理等，本实施例对此不作限制。根据明度通道图像可以获得候选除草区域图像中每个像素点的明度值，根据色度分割信息，可以获取不同色度区域的像素点的明度信息，作为候选除草区域图像的明度信息。
63.步骤140、根据所述色度分割信息和所述明度图像的边缘图像确定所述候选除草区域图像的粗糙度信息。
64.可以对预处理后的明度图像进行边缘提取，获得边缘图像，可以采用canny算子进行边缘提取，以提高边缘图像中边缘信息获取的准确率。
65.通过边缘图像中的边缘信息确定粗糙度信息，边缘信息包括边缘像素点的灰度值。粗糙度信息可以为平均粗糙度，当粗糙度信息为平均粗糙度时，可以通过将边缘图像中灰度值等于255的像素个数除以边缘图像中像素点总个数，得到边缘的平均粗糙度。
66.根据色度分割信息，可以获取不同色度区域的像素点的粗糙度信息，作为候选除草区域图像的粗糙度信息。
67.通过边缘图像的边缘信息中像素的灰度值确定粗糙度信息，提高粗糙度信息获取的准确率，从而提高障碍物识别的准确率。
68.步骤150、根据所述第一峰值信息、所述第二峰值信息、所述明度信息和所述粗糙度信息，确定所述候选除草区域图像中是否存在阴影区域，以确定所述候选除草区域图像中是否存在障碍物。
69.将待处理色度直方图的第一峰值信息、目标色度直方图的第二峰值信息、候选除草区域图像的明度信息、候选除草区域图像的粗糙度信息与预设信息判断条件进行对比。其中，预设信息判断条件与第一峰值信息、第二峰值信息、明度信息和粗糙度信息相关。若满足预设信息判断条件，则确定候选除草区域图像中不存在阴影区域，此时若识别出候选除草区域中存在疑似障碍物区域，则确定候选除草区域中存在障碍物，以便除草机器人进行后续障碍物处理。
70.示例性的，在当判断出候选除草区域图像当前不存在阴影区域时，可以采用动态
分割方法分割候选除草区域图像，此时分割后图像中可以用黑色区域代表深色障碍物而非阴影区域，可以用白色区域代表除草区域。
71.示例性的，识别出的障碍物为与草地颜色相近，但是反射较弱，且表面较光滑，会与周围草地形成一定程度的明度对比的障碍物。
72.本实施例所提供的技术方案，通过获取候选除草区域图像的色度信息，并根据所述色度信息生成所述候选除草区域图像的待处理色度直方图，以获取所述待处理色度直方图的第一峰值信息；根据所述待处理色度直方图生成目标色度直方图，并确定所述目标色度直方图的第二峰值信息和色度分割信息；根据所述色度分割信息和所述候选除草区域图像的明度图像确定所述候选除草区域图像的明度信息；根据所述色度分割信息和所述明度图像的边缘图像确定所述候选除草区域图像的粗糙度信息；根据所述第一峰值信息、所述第二峰值信息、所述明度信息和所述粗糙度信息，确定所述候选除草区域图像中是否存在阴影区域，以确定所述候选除草区域图像中是否存在障碍物。解决现有技术中通常采用埋设边界线的方式对除草机器人的除草区域的边界进行标定，耗费大量的人力和物力，增加了成本。并且由于对边界线的埋设存在限制一定程度上限制了除草区域的形状的问题，达到了提高除草机器人的候选除草区域中障碍物的识别效率和准确率的效果。
73.实施例二
74.图2为本发明实施例二提供的一种障碍物识别方法的流程图，本技术方案是针对根据所述第一峰值信息、所述第二峰值信息、所述明度信息和所述粗糙度信息，确定所述候选除草区域图像中是否存在阴影区域，以确定所述候选除草区域图像中是否存在障碍物的过程进行补充说明的。与上述方案相比，本方案具体优化为，在根据所述第一峰值信息、所述第二峰值信息、所述明度信息和所述粗糙度信息，确定所述候选除草区域图像中是否存在阴影区域，以确定所述候选除草区域图像中是否存在障碍物之前，还包括：
75.根据所述突变峰值点色度值和所述第一区域最大峰值点色度值确定第一峰值点色度值差；
76.根据所述突变峰值点色度值和所述第二区域最大峰值点色度值确定第二峰值点色度值差。
77.以及，根据所述第一峰值信息、所述第二峰值信息、所述明度信息和所述粗糙度信息，确定所述候选除草区域图像中是否存在阴影区域，以确定所述候选除草区域图像中是否存在障碍物，包括：
78.若所述第一区域平均明度处于预设第一平均明度区间，且所述第二区域平均明度处于预设第二平均明度区间，且平均明度差处于预设平均明度差区间，且所述第一区域粗糙度或所述第二区域粗糙度小于预设粗糙度阈值，且所述突变峰值点峰值大于预设突变峰值点峰值阈值，且所述第一峰值点色度值差大于预设第一峰值点色度值差阈值，且所述第二峰值点色度值差大于预设第二峰值点色度值差阈值，则确定所述候选除草区域图像中不存在阴影区域。具体的，障碍物识别方法的流程图如图2所示：
79.步骤210、获取候选除草区域图像的色度信息，并根据所述色度信息生成所述候选除草区域图像的待处理色度直方图，以获取所述待处理色度直方图的第一峰值信息；所述第一峰值信息包括：突变峰值点峰值和突变峰值点色度值。
80.其中，突变峰值点为待处理色度直方图中与左右相邻点的频数差值最大的点。突
变峰值点峰值为突变峰值点对应的频数，突变峰值点色度值为突变峰值点对应的色度值。
81.步骤220、根据所述待处理色度直方图生成目标色度直方图，并确定所述目标色度直方图的第二峰值信息和色度分割信息；所述第二峰值信息包括第一区域最大峰值点色度值和第二区域最大峰值点色度值。
82.其中，第一区域最大峰值点色度值为目标色度直方图中第一色度区域的最大峰值点对应的色度值，第二区域最大峰值点色度值为目标色度直方图中第二色度区域的最大峰值点对应的色度值，目标色度直方图的第一色度区域和第二色度区域可以由色度分割信息和预设色度区间共同确定。示例性的，预设色度区间为[15,95]，色度分割值为li，则第一色度区域对应的第一色度区间可以为[15,li]，候选除草区域图像中色度值处于第一色度区间的像素点为第一区域像素点；第二色度区域对应的色度区间可以为(li,95]，色度值处于第二色度区间的像素点为第二区域像素点。
[0083]
步骤230、根据所述色度分割信息和所述候选除草区域图像的明度图像确定所述候选除草区域图像的明度信息；所述明度信息包括第一区域平均明度、第二区域平均明度以及所述第一区域平均明度与所述第二区域平均明度的平均明度差。
[0084]
其中，第一区域平均明度为第一区域中所有像素点明度的平均值，第二区域平均明度为第二区域中所有像素点明度的平均值，平均明度差为第一区域平均明度与第二区域平均明度差的绝对值。
[0085]
步骤240、根据所述色度分割信息和所述明度图像的边缘图像确定所述候选除草区域图像的粗糙度信息；所述粗糙度信息包括第一区域粗糙度和第二区域粗糙度。
[0086]
其中，第一区域粗糙度为第一区域中像素点的粗糙度度信息，可以为第一区域中像素点的平均粗糙度；第二区域粗糙度为第一区域中像素点的粗糙度度信息，可以为第二区域中像素点的平均粗糙度。
[0087]
步骤250、根据所述突变峰值点色度值和所述第一区域最大峰值点色度值确定第一峰值点色度值差；根据所述突变峰值点色度值和所述第二区域最大峰值点色度值确定第二峰值点色度值差。
[0088]
根据突变峰值点色度值和第一区域最大峰值点色度值确定第一峰值点色度值差，示例性的，突变峰值点色度值为singlep，第一区域最大峰值点色度值为h1，由于突变峰值点往往处于第一区域最大峰值点和第二区域最大峰值点之间，则第一峰值点色度值差为sh1＝singlep-h1。根据突变峰值点色度值和第二区域最大峰值点色度值确定第二峰值点色度值差，示例性的，第二区域最大峰值点色度值为h2，则第二峰值点色度值差为sh2＝h2-singlep。
[0089]
步骤260、若所述第一区域平均明度处于预设第一平均明度区间，且所述第二区域平均明度处于预设第二平均明度区间，且平均明度差处于预设平均明度差区间，且所述第一区域粗糙度或所述第二区域粗糙度小于预设粗糙度阈值，且所述突变峰值点峰值大于预设突变峰值点峰值阈值，且所述第一峰值点色度值差大于预设第一峰值点色度值差阈值，且所述第二峰值点色度值差大于预设第二峰值点色度值差阈值，则确定所述候选除草区域图像中不存在阴影区域，以确定所述候选除草区域图像中是否存在障碍物。
[0090]
示例性的，第一区域平均明度记为va，第二区域平均明度记为vb，平均明度差记为dv，第一区域粗糙度记为sa，第二区域粗糙度记为sb，突变峰值点峰值记为singlev，第一峰
值点色度值差记为sh1，第二峰值点色度值差记为sh2。若预设第一平均明度区间为(100,140)，预设第二平均明度区间为(37,72)，预设平均明度差区间为[0,80)，预设粗糙度阈值为0.25，预设突变峰值点峰值阈值为133，预设第一峰值点色度值差阈值为10，预设第二峰值点色度值差阈值为10。
[0091]
则预设信息判断条件为100《va《140且37《vb《72且0≤dv《80且sa《0.25且singlev》133且sh1》10且sh2》10，或100《va《140且37《vb《72且0≤dv《80且sb《0.25且singlev》133且sh1》10且sh2》10。预设信息判断条件可以根据具体判断情景进行调整，本实施例对此不作限制。满足该条件时，确定候选除草区域图像中不存在阴影区域，若存在障碍物，障碍物可能为深色且与草坪颜色相近且表面光滑的物体。
[0092]
本发明实施例通过第一区域平均明度、第二区域平均明度、平均明度差、第一区域粗糙度或第二区域粗糙度、突变峰值点峰值、第一峰值点色度值差、第二峰值点色度值差确定候选除草区域图像中是否存在障碍物，以解决草地上有时存在与草地颜色相近，但是反射较弱，且表面较光滑，会与周围草地形成一定程度的亮度对比的障碍物或边界，其与有阴影的草地的特征类似，易发生将有阴影草地误识别为障碍物的问题，提高对于除草机器人的候选除草区域中与草地颜色相近的深色且表面光滑的障碍物的识别效率和准确率。
[0093]
实施例三
[0094]
图3为本发明实施例三提供的一种障碍物识别装置的结构示意图。该装置可以由硬件和/或软件的方式来实现，可执行本发明任意实施例所提供的一种障碍物识别方法，具备执行方法相应的功能模块和有益效果。如图3所示，该装置包括：
[0095]
直方图生成模块310，用于获取候选除草区域图像的色度信息，并根据所述色度信息生成所述候选除草区域图像的待处理色度直方图，以获取所述待处理色度直方图的第一峰值信息；
[0096]
信息确定模块320，用于根据所述待处理色度直方图生成目标色度直方图，并确定所述目标色度直方图的第二峰值信息和色度分割信息；
[0097]
明度信息确定模块330，用于根据所述色度分割信息和所述候选除草区域图像的明度图像确定所述候选除草区域图像的明度信息；
[0098]
粗糙度信息确定模块340，用于根据所述色度分割信息和所述明度图像的边缘图像确定所述候选除草区域图像的粗糙度信息；
[0099]
障碍物确定模块350，用于根据所述第一峰值信息、所述第二峰值信息、所述明度信息和所述粗糙度信息，确定所述候选除草区域图像中是否存在阴影区域，以确定所述候选除草区域图像中是否存在障碍物。
[0100]
本实施例所提供的技术方案，通过获取候选除草区域图像的色度信息，并根据所述色度信息生成所述候选除草区域图像的待处理色度直方图，以获取所述待处理色度直方图的第一峰值信息；根据所述待处理色度直方图生成目标色度直方图，并确定所述目标色度直方图的第二峰值信息和色度分割信息；根据所述色度分割信息和所述候选除草区域图像的明度图像确定所述候选除草区域图像的明度信息；根据所述色度分割信息和所述明度图像的边缘图像确定所述候选除草区域图像的粗糙度信息；根据所述第一峰值信息、所述第二峰值信息、所述明度信息和所述粗糙度信息，确定所述候选除草区域图像中是否存在阴影区域，以确定所述候选除草区域图像中是否存在障碍物。解决现有技术中通常采用埋
设边界线的方式对除草机器人的除草区域的边界进行标定，耗费大量的人力和物力，增加了成本。并且由于对边界线的埋设存在限制一定程度上限制了除草区域的形状的问题，达到了提高除草机器人的候选除草区域中障碍物的识别效率和准确率的效果。
[0101]
在上述各技术方案的基础上，可选的，所述信息确定模块，包括：
[0102]
信息获取单元，用于获取所述目标色度直方图的预设色度区间中的峰值点信息和谷值点信息；所述峰值点信息包括：峰值点数量、峰值点峰值和峰值点色度值；所述谷值点信息包括：谷值点谷值和谷值点色度值；
[0103]
信息确定单元，用于根据所述峰值点信息和/或所述谷值点信息确定所述目标色度直方图的第二峰值信息和色度分割信息。
[0104]
在上述各技术方案的基础上，可选的，所述信息确定单元，包括：
[0105]
第一信息确定子单元，用于若所述峰值点数量小于二，则根据是否存在最小分界点和所述峰值点数量确定所述目标色度直方图的第二峰值信息和色度分割信息；
[0106]
第二信息确定子单元，用于若所述峰值点数量大于等于二，则根据所述峰值点峰值、所述峰值点色度值、所述谷值点谷值和所述谷值点色度值获取所述第二峰值信息和所述色度分割信息。
[0107]
在上述各技术方案的基础上，可选的，所述第一峰值信息包括：突变峰值点峰值和突变峰值点色度值；所述第二峰值信息包括第一区域最大峰值点色度值和第二区域最大峰值点色度值；所述明度信息包括第一区域平均明度、第二区域平均明度以及所述第一区域平均明度与所述第二区域平均明度的平均明度差；所述粗糙度信息包括第一区域粗糙度和第二区域粗糙度；
[0108]
所述装置还包括：
[0109]
色度值差确定模块，用于所述障碍物确定模块之前，根据所述突变峰值点色度值和所述第一区域最大峰值点色度值确定第一峰值点色度值差；根据所述突变峰值点色度值和所述第二区域最大峰值点色度值确定第二峰值点色度值差。
[0110]
在上述各技术方案的基础上，可选的，所述障碍物确定模块，包括：
[0111]
障碍物确定单元，用于若所述第一区域平均明度处于预设第一平均明度区间，且所述第二区域平均明度处于预设第二平均明度区间，且平均明度差处于预设平均明度差区间，且所述第一区域粗糙度或所述第二区域粗糙度小于预设粗糙度阈值，且所述突变峰值点峰值大于预设突变峰值点峰值阈值，且所述第一峰值点色度值差大于预设第一峰值点色度值差阈值，且所述第二峰值点色度值差大于预设第二峰值点色度值差阈值，则确定所述候选除草区域图像中不存在阴影区域，以确定所述候选除草区域图像中是否存在障碍物。
[0112]
实施例四
[0113]
图4为本发明实施例四提供的一种电子设备的结构示意图，如图4所示，该电子设备包括处理器40、存储器41、输入装置42和输出装置43；电子设备中处理器40的数量可以是一个或多个，图4中以一个处理器40为例；电子设备中的处理器40、存储器41、输入装置42和输出装置43可以通过总线或其他方式连接，图4中以通过总线连接为例。
[0114]
存储器41作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的障碍物识别方法对应的程序指令/模块。处理器40通过运行存储在存储器41中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及
数据处理，即实现上述的障碍物识别方法。
[0115]
存储器41可主要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、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器41可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器41可进一步包括相对于处理器40远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。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。
[0116]
实施例五
[0117]
本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种障碍物识别方法，该方法包括：
[0118]
获取候选除草区域图像的色度信息，并根据所述色度信息生成所述候选除草区域图像的待处理色度直方图，以获取所述待处理色度直方图的第一峰值信息；
[0119]
根据所述待处理色度直方图生成目标色度直方图，并确定所述目标色度直方图的第二峰值信息和色度分割信息；
[0120]
根据所述色度分割信息和所述候选除草区域图像的明度图像确定所述候选除草区域图像的明度信息；
[0121]
根据所述色度分割信息和所述明度图像的边缘图像确定所述候选除草区域图像的粗糙度信息；
[0122]
根据所述第一峰值信息、所述第二峰值信息、所述明度信息和所述粗糙度信息，确定所述候选除草区域图像中是否存在阴影区域，以确定所述候选除草区域图像中是否存在障碍物。
[0123]
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的障碍物识别方法中的相关操作。
[0124]
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明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，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(read-only memory,rom)、随机存取存储器(random access memory,ram)、闪存(flash)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
[0125]
值得注意的是，上述障碍物识别装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
[0126]
实施例六
[0127]
本发明实施例六提供一种除草机器人，包括机器人本体，还包括本发明实任意实施例所述的电子设备。
[0128]
具体的，安装在除草机器人上的电子设备可以执行本发明任意实施例所述的一种障碍物识别方法的相关操作。
[0129]
其中，机器人本体可以包括左右两个主动动轮，可分别由电机驱动，电机可以为带减速箱和带霍尔传感器的无刷电机。机器人本体通过控制两个主动动轮的速度、方向实现向前、后退、转弯及圆弧等行驶操作。机器人本体还包括万向轮、摄像机和可充放电池，其中，万向轮起支撑平衡作用。摄像机安装于机器人的指定位置，与水平方向成预设夹角，以拍摄候选除草区域图像。可充放电池用于提供电源，供机器人工作。
[0130]
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。