CN100585332C - 室内环境下机器人自主搜寻气味源的方法 - Google Patents

室内环境下机器人自主搜寻气味源的方法 Download PDF

Info

Publication number
CN100585332C
CN100585332C CN200710060125A CN200710060125A CN100585332C CN 100585332 C CN100585332 C CN 100585332C CN 200710060125 A CN200710060125 A CN 200710060125A CN 200710060125 A CN200710060125 A CN 200710060125A CN 100585332 C CN100585332 C CN 100585332C
Authority
CN
China
Prior art keywords
robot
node
odor source
information
search
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN200710060125A
Other languages
English (en)
Other versions
CN101210817A (zh
Inventor
张明路
孟庆浩
张小俊
郝为民
苑光明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SHAANXI JIULI ROBOT MANUFACTURING CO., LTD.
Original Assignee
Hebei University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hebei University of Technology filed Critical Hebei University of Technology
Priority to CN200710060125A priority Critical patent/CN100585332C/zh
Publication of CN101210817A publication Critical patent/CN101210817A/zh
Application granted granted Critical
Publication of CN100585332C publication Critical patent/CN100585332C/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Manipulator (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明涉及一种室内环境下机器人自主搜寻气味源方法。包括的步骤:机器人所携带的传感器收集环境信息并更新栅格地图;判断机器人满足所述的三个气味源锁定条件,则跳出循环,并将当前或临时目标点锁定为气味源目标并进行跟踪,当距离锁定目标点足够近时完成搜寻;判断机器人收集到的信息开始柔性追踪或启动基于涡旋线的搜索策略;使用当前栅格地图,对目标点进行重复性检查完成一个循环。本发明安全性高。灵活性大,适用性强,高效率、高成功率。可应用于实际的室内有障碍物环境下的机器人自主搜寻气味源的策略。利用全自主移动机器人、自主车辆等设备用于有害气体泄漏检测、大型工厂仓库保安、火源探测等方面。

Description

室内环境下机器人自主搜寻气味源的方法
技术领域
本发明涉及自动检测及机器人技术领域,特别是一种室内环境下机器人自主搜寻气味源的方法。它提出了一套完整的、可应用于实际的室内有障碍物环境下的机器人自主搜寻气味源的策略。利用全自主移动机器人、自主车辆等设备用于有害气体泄露检测、大型工厂仓库保安、火源探测等方面。
背景技术
自主搜寻气味源是指使用移动机器人,以自主(非遥控)的方式来发现、跟踪气味线索并最终确定气味源位置的过程。随着工业化的发展,有毒有害气体(包括易燃易爆气体)已成为人们在生产和生活中不得面对的危险来源。石油和化工行业、环保应急事故、恐怖袭击、危险品储运、垃圾填埋等均是有毒有害气体发生和泄漏较为普遍的场所。因此,一种针对有毒有害气体泄漏源搜寻和定位的技术研究及应用就显得非常必要。一方面,它可为此类突发事件的预警和应急处理提供技术支持;另一方面,对于保障人民生命财产安全,促进经济社会的和谐发展具有重大现实意义。
如何将气味跟踪、定位与移动机器人技术相结合,通过使用移动机器人来发现、跟踪并确定气味的源头,即所谓气味源的主动搜寻问题已成为一个新兴的研究及应用方向。主动搜寻可以有效地弥补传统方法(固定传感器网络法、专业人员或经过训练的动物到泄漏源现场查找)存在的缺点。一方面,由于移动机器人的运动性,它相当于组成一个移动传感器网络,相比固定传感器可以覆盖的范围加大且运动灵活;另一方面,机器人可被快速开发、维护费用低、且可长时间工作,也不存在危险、注意力时间有限、易疲劳等问题。
Hayes将气味源的主动搜寻问题简化并分解为3个子任务:烟羽发现、烟羽横越和气味源确认(期刊:IEEE Sensors Journal 2卷3期;著者:HayesAT,MartinoliA,GoodmanRM;出版年月:2002年;文章题目:Distributed odor source localization,页码:260-271)。目前已有的研究成果主要以仿生学为基础,即模拟一些生物的化学趋向性和风趋向性以及其他一些启发式搜索方法,其中代表性的烟羽的发现及跟踪方法/策略有如下几种(期刊:机器人28卷1期;著者:孟庆浩,李飞;出版年月:2006年1月;文章题目:主动嗅觉研究现状,89-96):
以气味烟羽浓度为导向的浓度梯度法;以气味的逆流方向为导向的逆风搜索法;Z字形接近法和外螺旋搜索法;关于气味源的确认问题目前没有查到可靠的实现方法。
综上所述,以上诸多气味源搜索及确认算法虽有其独到的一面,但目前多只是针对气味源搜寻过程中的部分子问题开展相关的科学研究,并没有提出一套涉及气味源搜寻的完整解决方案。同时由于科学研究对研究对象及其环境进行了简化,因此将这类算法直接应用于较为复杂的实际环境,很难获得满意的结果。
应当指出,现有方法/策略存在的问题:多数只采用单一的风速/风向或气味传感器;多数仅适用于简化的仿真环境;没考虑实际环境下的避障问题。
发明内容
本发明的目的在于提出一种室内环境下机器人自主搜寻气味源的方法,可以克服现有技术的不足,它是完整的基于移动机器人的气味源搜寻方法,可应用于实际的室内有障碍物环境下的机器人自主搜寻气味源的策略。利用全自主移动机器人、自主车辆等设备用于有害气体泄露检测、大型工厂仓库保安、火源探测等方面。
本发明采用多传感器信息融合的搜索策略;整合多种较优的搜索算法,针对多变的实际室内应用环境,自适应地选择较优的搜索策略;在搜索的过程中可实时避障。
本发明的技术方案描述如下:
1.基于涡旋线的搜索策略
在未检测到明显的风速/风向及气味烟羽信息的情况下,为加大搜索范围、提高搜索效率,采用涡旋线形式的搜索策略,以期能够尽快发现较显著的气味源信息。在实际应用中,考虑到机器人的运动学约束和控制难度,机器人沿涡旋线上节点之间的弦线进行搜寻(如图1所示)。在具体搜索时,在[0,n·360°)(n=1,2,3,…)的旋向区间里,每隔45度选一节点。当机器人距离当前节点足够近时,给出下一个节点。
2.有障碍物环境下的柔性追踪
在检测到明显的风速/风向和/或气味烟羽信息的情况下,若未检测到障碍物,机器人下一时刻的追踪目标是根据机器人所感知的信息(包括风速/风向、气味浓度以及电子罗盘等)进行推理得到的。
在实际环境中,障碍物的存在是不可避免的,因此机器人并不强制要求下一时刻追踪目标必须可达。为了使机器人在离障碍物过近时具有良好的反应式行为,即机器人能够和障碍物之间保持一个安全距离(≥声纳传感器的盲区),同时又不浪费下一时刻目标点的潜在追踪价值,本发明提出“柔性追踪”方案。所谓的“柔性追踪”是指在检测到障碍物的情况下的一种较优局部轨迹规划方法,该方法一方面能使机器人可靠地避开障碍物,同时尽可能靠近追踪目标点。具体的柔性追踪算法如下:
判断机器人当前位置与下一时刻追踪目标之间是否存在障碍物;
若不存在障碍物,则机器人向追踪目标点移动;
若存在障碍物,以机器人位置为起点,向追踪目标点方向做射线求实际追踪目标点,使得该目标点与障碍物的距离略大于超声测距传感器的盲区,驱动机器人向实际追踪目标点移动。
3.避免重复搜索与追踪
在实际的气味源搜寻过程中,障碍物的出现、气味及风速/风向信息的发现或丢失均会改变原有搜索或追踪方向,不可避免地产生重复搜索和追踪问题,即机器人多次到达同一个空间区域进行探测,导致总体搜寻效率下降。
为了防止这种重复搜寻现象的发生,需使机器人对规划出的结果进行重复性检查。如果规划出的下一个目标点处于已搜寻过的区域附近,则使该目标点失效,从而进行下一个实际目标点的规划,以此类推。具体算法为:若以规划出的下一个目标点为圆心,d为直径的圆域内,已经被搜寻过的落在该圆域内的轨迹长度和d的比值大于某阈值(介于0和1之间),则判定该目标点无效;否则视为有效的目标点。
4.气味源锁定方法
由于风场信息的高度湍动特性,为了进一步提高近源情况下的搜寻稳定性及成功率,在气味源的确认问题上,本发明提出了气味源锁定方法。
气味源目标的锁定需同时满足如下三个条件:
气味是以定向气流的形式喷出,且气流的流速与平均流速之比大于某阈值(一般泄露的气味源附近气流流速比环境中的平均流速值大。具体大多少本发明不做准确的定量规定,一般阈值介于2~5即认为满足);
气味源送出的气味浓度与平均浓度之比高于某阈值;
对于机器人来讲,气味源目标本身也是一个障碍物。
若机器人在一定距离之外判定当前目标点满足上述条件,可锁定并强制跟踪该目标,到达该目标点时停止气味源搜寻过程,任务完成。
本发明相对现有气味源搜索方法具有显著进步,包括:
安全性高。相比专业人员或经过训练的动物到现场泄漏源搜索方法,由于本发明采用机器人搜寻,因此具有安全性高的优点。
灵活性大。相比固定传感器网络法确定气味源位置,由于移动机器人的运动性,它相当于组成一个移动传感器网络,因此搜索的灵活性更大;
适用性强。现有文献中提到的方法多只是对气味源搜寻过程中的某一子问题进行研究,并做了相应的简化处理。本发明从实际应用出发,融合了超声传感器、风速/风向传感器、编码器、嗅觉传感器等多种感知信息,特别针对有障碍物的实际室内环境提出了一套完整的气味源自主搜寻策略。
高效率、高成功率。本发明综合运用了基于涡旋线及柔性的搜寻策略以及气味源锁定等方法,提高了搜寻效率和成功率。即涡旋线及柔性的搜寻策略提高了搜寻效率,所用的总时间的缩短。气味源锁定方法提高了搜寻的成功率,找到气味源几率的加大。
附图说明
图1气味源搜寻装置示意图。
图2基于涡旋线节点之间弦线搜索。
图3为本发明的气味源主动搜寻策略框图。
图4为本发明的实验结果图。
具体实施方式
本发明设计的气味源搜寻装置由移动机器人和传感器组两部分组成。针对不同的实际应用环境的地面状况,移动机器人可采用轮式(履带式或轮履复合式)。如图1所示:1-电子罗盘,2-嗅觉传感器,3-后超声传感器带,4-编码器(内置),5-脚轮,6-驱动轮,7-前超声传感器带,8-嗅觉传感器吸管,9-风速/风向传感器。
传感器组包含编码器、电子罗盘、超声传感器、风速/风向传感器及嗅觉传感器。编码器用于估计机器人的位姿;电子罗盘可减小由于编码器的累计误差导致的定位误差;16个超声传感器组成的超声环均匀分布于机器人本体周围,用于测量移动机器人与周围障碍物之间的距离,并使用贝叶斯方法进行信息融合从而得到栅格描述的环境地图;风速/风向传感器用于测定移动机器人当前位置的风速及风向信息;嗅觉传感器可提供机器人当前位置的气味浓度信息。
图2基于涡旋线节点之间弦线搜索。在未检测到明显的风速/风向及气味烟羽信息的情况下,启动该搜索策略。以当前机器人的位置为圆心,朝向角度为90°建立坐标系,如图2所示,在阿基米德涡旋线上选取的节点序列{1,2,3,4,...}为机器人依次跟踪的节点,并在跟踪该节点序列的过程中,期望能够发现较显著的气味源信息。例如,当机器人从节点2出发开始跟踪节点3(向节点3移动),当机器人距离节点3足够近时,则可认为节点3已到达,开始跟踪节点4,依次类推。
本发明提出的气味源搜寻方法可表达为框图3。气味源搜寻方法从总体上表现为循环执行如下程序,直到锁定气味源目标并距离锁定目标点足够近时为止:
1)利用机器人所携带的传感器收集环境信息,并更新栅格地图。
2)判断机器人当前收集到的信息是否满足上文提出的三个气味源锁定条件。如果满足,则跳出循环,并将当前(临时)目标点锁定为气味源目标并进行跟踪,当距离锁定目标点足够近时,停止机器人,完成搜寻任务。
3)判断机器人收集到的信息是否含有明显的风速/风向信息或/和气味烟羽信息。如果含有明显的风速/风向或/和气味烟羽信息,则根据风速/风向信息或/和气味浓度信息开始柔性追踪;否则,启动基于涡旋线的搜索策略。
4)使用当前栅格地图,对步骤3)规划出的结果(目标点)进行重复性检查,如果该目标点所在的区域已经被搜寻过,则使该目标点失效,从而进行下一个目标点的规划。
5)转步骤1),进入下一个循环。
应用实施例:
图4是在AS-UII机器人上使用上述的搜寻方法在一个10×10平米的室内环境下对一挥发性有机化合物气味源(采用乙醇作为气味源,当然针对不同的气味源,可以采用不同的传感器))的搜索结果。其中:环境描述使用栅格地图;蓝色实心圆表示机器人当前的位置R,从机器人的中心向外标识的箭头为机器人当前的朝向;气味源目标由G标识,其定向泄漏的方向如绿色箭头所示;超声传感器获取的障碍物信息及其不确信度由灰度栅格表示,灰度值越低,障碍物的确信度越高,反之,则确信度越低;红色栅格构成的曲线是机器人从出发位置S开始到距离气味源目标G约0.4m处的搜寻轨迹。
试验结果表明,本发明的机器人自主搜寻气味源方法能够实时采集环境信息并加以利用,具有较高的搜寻效率和成功率。
移动机器人在气味源搜寻过程中,如未检测到明显的风速/风向及气味烟羽信息,就采用基于涡旋线的搜索策略。涡旋线的具体形式建议采用阿基米德涡旋线。在检测到明显的风速/风向和/或气味烟羽信息的情况下,风速/风向信息和气味浓度信息可能同时存在,如果由两种信息分别推理得到的搜寻方向偏差过大,则只采用风速/风向信息进行气味源的搜寻。由于风场的高度湍动特性以及障碍物的表示的不确定性,仅仅依据一次的测量结果判定是否满足气味源的锁定条件,存在很大的误判风险。为了使判定结果具有较高的可靠性,建议采用连续多次测量的均值作为判定的依据。

Claims (2)

1、一种室内环境下机器人自主搜寻气味源的方法,其特征在于它是经过下述的步骤:
1)利用机器人所携带的传感器收集环境信息,并更新栅格地图;
2)判断机器人当前收集到的信息是否满足所述的气味源锁定条件,如果满足,则跳出循环,并将当前或临时目标点锁定为气味源目标并进行跟踪,当距离锁定目标点足够近时,停止机器人,完成搜寻任务;
3)判断机器人收集到的信息是否含有明显的风速/风向信息或/和气味烟羽信息;如果含有明显的风速/风向或/和气味烟羽信息,则根据风速/风向信息或/和气味浓度信息开始柔性追踪;否则,启动基于涡旋线的搜索策略;
4)使用当前栅格地图,对步骤3)规划出的结果即目标点进行重复性检查,如果该目标点所在的区域已经被搜寻过,则使该目标点失效,从而进行下一个目标点的规划;
5)转步骤1),进入下一个循环;
机器人自主搜寻气味源的规则和方法为:
1)基于涡旋线的搜索策略
采用涡旋线形式的搜索策略,即机器人沿涡旋线上节点之间的弦线进行搜寻,在具体搜索时,在[0,n·360°),n=1,2,3...的旋向区间里,每隔45度选一节点,当机器人距离当前节点足够近时,给出下一个节点;
2)有障碍物环境下的柔性追踪,在检测到明显的风速/风向和/或气味烟羽信息的情况下,若未检测到障碍物,机器人下一时刻的追踪目标是根据机器人所感知的信息包括风速/风向、气味浓度以及电子罗盘进行推理得到的;
机器人在检测到障碍物的情况下,一方面使机器人可靠地避开障碍物,同时尽可能靠近追踪目标;
所述的柔性追踪算法:判断机器人当前位置与下一时刻追踪目标之间是否存在障碍物;若不存在障碍物,则机器人向追踪目标点移动;若存在障碍物,以机器人位置为起点,向追踪目标点方向做射线求实际追踪目标点,使得该目标点与障碍物的距离略大于超声测距传感器的盲区,驱动机器人向实际追踪目标点移动;
3)避免重复搜索与追踪,使机器人对规划出的结果进行重复性检查,如果规划出的下一个目标点处于已搜寻过的区域附近,则使该目标点失效,从而进行下一个实际目标点的规划,以此类推;
所述的避免重复搜索与追踪的具体算法为:若以规划出的下一个目标点为圆心,d为直径的圆域内,已经被搜寻过的落在该圆域内的轨迹长度和d的比值大于某阈值,介于0和1之间,则判定该目标点无效,否则视为有效的目标点;
4)气味源锁定方法
气味源目标的锁定需同时满足如下三个条件:
气味是以定向气流的形式喷出,且气流的流速与平均流速之比大于阈值,气味源送出的气味浓度与平均浓度之比高于阈值;
对于机器人来讲,气味源目标本身也是一个障碍物;
若机器人在一定距离之外判定当前目标点满足上述条件,可锁定并强制跟踪该目标,到达该目标点时停止气味源搜寻过程,任务完成。
2、根据权利要求1所述的方法,其特征在于所述的涡旋线的搜索策略为:在未检测到明显的风速/风向及气味烟羽信息的情况下,启动该搜索策略;以当前机器人的位置为圆心,朝向角度为90°建立坐标系,在阿基米德涡旋线上选取的节点序列{1,2,3,4,...}为机器人依次跟踪的节点,并在跟踪该节点序列的过程中,期望能够发现较显著的气味源信息,当机器人从节点2出发开始跟踪节点3,即向节点3移动,当机器人距离节点3足够近时,则可认为节点3已到达,开始跟踪节点4,依次类推。
CN200710060125A 2007-12-24 2007-12-24 室内环境下机器人自主搜寻气味源的方法 Expired - Fee Related CN100585332C (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN200710060125A CN100585332C (zh) 2007-12-24 2007-12-24 室内环境下机器人自主搜寻气味源的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN200710060125A CN100585332C (zh) 2007-12-24 2007-12-24 室内环境下机器人自主搜寻气味源的方法

Publications (2)

Publication Number Publication Date
CN101210817A CN101210817A (zh) 2008-07-02
CN100585332C true CN100585332C (zh) 2010-01-27

Family

ID=39611000

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200710060125A Expired - Fee Related CN100585332C (zh) 2007-12-24 2007-12-24 室内环境下机器人自主搜寻气味源的方法

Country Status (1)

Country Link
CN (1) CN100585332C (zh)

Families Citing this family (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101344513B (zh) * 2008-08-26 2012-07-18 天津大学 时变流场环境中机器人搜寻气味源方法
CN101413804B (zh) * 2008-11-28 2010-12-29 天津大学 动态整合多种搜寻策略的气体泄漏源搜寻方法
CN101493328B (zh) * 2009-02-09 2011-08-17 苏州科技学院 基于气味实测的机器人气味源搜索方法
JP5216690B2 (ja) * 2009-06-01 2013-06-19 株式会社日立製作所 ロボット管理システム、ロボット管理端末、ロボット管理方法およびプログラム
CN102169346B (zh) * 2011-02-18 2013-07-17 杭州电子科技大学 一种协调多机器人系统的智能控制方法
CN102411371A (zh) * 2011-11-18 2012-04-11 浙江大学 一种基于多传感器服务机器人跟随系统和方法
CN104007763B (zh) * 2014-06-13 2016-05-18 重庆大学 一种固定式电子鼻节点与移动机器人协作搜寻气味源方法
CN104142383B (zh) * 2014-07-31 2015-09-30 天津大学 基于信息融合的分层渐进烟羽跟踪方法
CN104360018B (zh) * 2014-10-31 2016-01-13 天津大学 一种可以指示气味源方向的便携式气体探测装置及方法
US10022867B2 (en) * 2014-11-11 2018-07-17 X Development Llc Dynamically maintaining a map of a fleet of robotic devices in an environment to facilitate robotic action
CN105277593B (zh) * 2015-11-16 2018-02-27 江苏拓新天机器人科技有限公司 一种基于移动机器人的室内气味源定位方法
CN105425794A (zh) * 2015-11-25 2016-03-23 哈尔滨工业大学 一种移动机器人寻找放射源轨迹的方法
CN105301203B (zh) * 2015-11-27 2016-12-28 中国矿业大学 一种基于烟花算法的气味源定位方法
CN106442879B (zh) * 2016-09-10 2018-09-28 天津大学 用于三维环境中气味源方向指示的检测方法
CN106526074B (zh) * 2016-09-23 2018-09-28 天津大学 旋翼无人机机载三维气味来源方向检测方法
CN106680430B (zh) * 2016-12-27 2021-01-05 台州市吉吉知识产权运营有限公司 利用手机寻找气味来源的方法及基于该方法的手机
CN106951956A (zh) * 2017-03-14 2017-07-14 中国矿业大学 一种基于果蝇优化算法的多机器人气味源定位方法
CN106918367B (zh) * 2017-04-26 2022-11-04 河北工业大学 一种机器人主动搜寻定位气味源的方法
CN107367577B (zh) * 2017-06-27 2019-06-07 苏州浪声科学仪器有限公司 一种根据风向和风速测定污染物来源的方法及系统
CN113932392B (zh) * 2021-10-12 2023-03-21 青岛海尔空调器有限总公司 用于控制空调的方法及装置、空调、存储介质
CN114326755B (zh) * 2022-03-15 2022-06-07 中国人民解放军国防科技大学 基于局部路径规划的机器人气体源搜索方法
CN114706387A (zh) * 2022-03-18 2022-07-05 深圳优地科技有限公司 一种气味源定位方法及移动机器人
CN115432836B (zh) * 2022-09-09 2023-09-29 长江生态环保集团有限公司 均匀曝气机器人及轨迹规划方法
CN116183119A (zh) * 2023-04-23 2023-05-30 南京沃唐光电科技有限公司 基于气体在线监测系统的溯源方法及系统
CN117870696B (zh) * 2024-03-13 2024-05-24 之江实验室 一种基于感知信息融合的路径导航方法、装置及电子设备

Non-Patent Citations (9)

* Cited by examiner, † Cited by third party
Title
Distributed Odor Source Localization. Adam T.Hayes,Alcherio Martinoli,Rodney M.Goodman.IEEE SENSORS. 2002
Distributed Odor Source Localization. Adam T.Hayes,Alcherio Martinoli,Rodney M.Goodman.IEEE SENSORS. 2002 *
主动嗅觉研究现状. 孟庆浩,李飞.机器人,第28卷第1期. 2006
主动嗅觉研究现状. 孟庆浩,李飞.机器人,第28卷第1期. 2006 *
基于粒子群优化的机器人主动嗅觉研究. 黄炘.中国优秀硕士学位论文全文数据库. 2007
基于粒子群优化的机器人主动嗅觉研究. 黄炘.中国优秀硕士学位论文全文数据库. 2007 *
基于进化梯度搜索的机器人主动嗅觉仿真研究. 李俊彩,孟庆浩,梁琼.机器人,第29卷第3期. 2007
基于进化梯度搜索的机器人主动嗅觉仿真研究. 李俊彩,孟庆浩,梁琼.机器人,第29卷第3期. 2007 *
移动机器人的研究现状与趋势. 张明路,丁承君,段萍.河北工业大学学报,第33卷第2期. 2004

Also Published As

Publication number Publication date
CN101210817A (zh) 2008-07-02

Similar Documents

Publication Publication Date Title
CN100585332C (zh) 室内环境下机器人自主搜寻气味源的方法
CN107289941B (zh) 一种基于惯导的室内定位方法与装置
CN101344513B (zh) 时变流场环境中机器人搜寻气味源方法
CN102353379B (zh) 一种适用于自动驾驶车导航的环境建模方法
CN104931049A (zh) 一种基于运动分类的行人自主定位方法
CN107132846A (zh) 陌生室内场景下的γ辐射探测方法
CN202216696U (zh) 基于信息融合的煤矿救灾机器人导航装置
CN103197031B (zh) 一种基于园区碳排放计量方法的遥控巡逻系统
KR101406175B1 (ko) 이동로봇의 위치추정과 지도 작성 장치 및 방법
CN102288176A (zh) 基于信息融合的煤矿救灾机器人导航系统及方法
CN108957510B (zh) 基于惯性/零速/gps的行人无缝组合导航定位方法
CN102636772B (zh) 一种突发灾害性事故快速定位系统及定位方法
Morris et al. Towards topological exploration of abandoned mines
CN106777893A (zh) 一种利用可移动污染物探测器辨识城市空间多污染物源的方法
CN114625121A (zh) 基于多传感器融合的自主巡检探索小车系统及导航方法
Kowadlo et al. Using naïve physics for odor localization in a cluttered indoor environment
CN101319875A (zh) 基于视觉注意机制的气体泄漏源搜寻方法
Orekhov et al. The darpa subterranean challenge: A synopsis of the circuits stage
CN106022372A (zh) 基于多维特征的目标异常行为检测方法
KR102615767B1 (ko) Ai 비전 및 사물 인터넷을 이용한 안전관리 서비스를 지원하는 시스템 및 방법
RU2385473C1 (ru) Способ экологического мониторинга химически опасных объектов
Ma et al. Emission source tracing based on bionic algorithm mobile sensors with artificial olfactory system
CN202471958U (zh) 一种突发灾害性事故快速定位系统
Ramezani et al. Legged robots for autonomous inspection and monitoring of offshore assets
Androulakis Development of an autonomous navigation system for the shuttle car in underground room & pillar coal mines

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
ASS Succession or assignment of patent right

Owner name: SHAANXI JIULI ROBOT MANUFACTURING CO., LTD.

Free format text: FORMER OWNER: HEBEI UNIVERSITY OF TECHNOLOGY

Effective date: 20130710

C41 Transfer of patent application or patent right or utility model
COR Change of bibliographic data

Free format text: CORRECT: ADDRESS; FROM: 300130 HONGQIAO, TIANJIN TO: 712100 XIANYANG, SHAANXI PROVINCE

TR01 Transfer of patent right

Effective date of registration: 20130710

Address after: The western part of Shaanxi province Yangling Wuhu 712100 high tech Industries Demonstration Zone Road

Patentee after: SHAANXI JIULI ROBOT MANUFACTURING CO., LTD.

Address before: 300130, No. 8, glorious road, Hongqiao District, Tianjin

Patentee before: Hebei University of Technology

CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20100127

Termination date: 20171224