CN104238558A - 一种基于单摄像头的循迹机器人直角转弯检测方法及装置 - Google Patents

一种基于单摄像头的循迹机器人直角转弯检测方法及装置 Download PDF

Info

Publication number
CN104238558A
CN104238558A CN201410338501.0A CN201410338501A CN104238558A CN 104238558 A CN104238558 A CN 104238558A CN 201410338501 A CN201410338501 A CN 201410338501A CN 104238558 A CN104238558 A CN 104238558A
Authority
CN
China
Prior art keywords
target pixel
pixel points
ordinate
side target
horizontal ordinate
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.)
Granted
Application number
CN201410338501.0A
Other languages
English (en)
Other versions
CN104238558B (zh
Inventor
董勤波
张敬良
王宝磊
贾庆伟
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.)
Ningbo Theresa Weld Si Kaile Intelligence Science And Technology Ltd
Original Assignee
Ningbo Theresa Weld Si Kaile Intelligence Science And Technology Ltd
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 Ningbo Theresa Weld Si Kaile Intelligence Science And Technology Ltd filed Critical Ningbo Theresa Weld Si Kaile Intelligence Science And Technology Ltd
Priority to CN201410338501.0A priority Critical patent/CN104238558B/zh
Publication of CN104238558A publication Critical patent/CN104238558A/zh
Application granted granted Critical
Publication of CN104238558B publication Critical patent/CN104238558B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Manipulator (AREA)

Abstract

本发明公开了一种基于单摄像头的循迹机器人直角转弯检测方法,包括,将标本图像中的轨迹成像区域横向平均划分m行;在标本图像中所平均划分的m行中选择机器人摄像头近端成像的n个行作为特征行,并计算n个特征行每一行的纵坐标及质心横坐标;根据所计算的n个特征行每一行的纵坐标及质心横坐标拟合目标像素点分界线;根据分界线左右两侧的目标像素点个数判断直角转弯方向。本发明提供一种既可以降低硬件成本,减少信号采集原件的开支,又可以尽量降低算法复杂度实现准确的信息判断,实现机器人拐弯的方法及装置。

Description

一种基于单摄像头的循迹机器人直角转弯检测方法及装置
技术领域
本发明涉机器人视觉伺服控制领域,尤其涉及一种基于单摄像头的循迹机器人直角转弯检测方法及装置。 
背景技术
在移动机器人循迹领域,机器人转弯策略必不可少,本发明基于直角转弯。在实际使用时,主要集中于以下几种方法:(1)基于光纤传感器,通过主控制器在每个控制周期采集两个或两个以上的光纤传感器的状态,来得到机器人此时状态并判断是否进入转弯模式;(2)基于双摄像头的循迹系统,利用两个摄像头传来的不同图像,按照一定的规则进行信息处理,得到移动机器人是否要进入转弯模式。 
对于(1)所述的方法,重点是利用光纤传感器传来的状态量,利用安装在不同侧的传感器传过来的不同的信号量,得到此时轨迹信息,从而来得到机器人下一步的运行状态。其关键点在于传感器信息的获取以及判断此时状态。该方法在沈伟伟的《基于DSP的轮式移动机器人控制系统设计》中描述的较为详细,但是利用光纤传感器对于轨迹的颜色有特殊要求,只有在轨迹为白色且和背景颜色区分明显的场合下才能使用,不适合用于执行复杂任务的移动机器人,同时对于多个光纤传感器,其布局组合直接影响算法的复杂度。 
对于(2)所述的方法,重点是利用摄像头获得图像信息并通过图像处理 的方法对图像进行分析比较,提取轨迹信息,控制移动机器人的运行状态。关键点在于两帧图像的处理方法,以及相应的轨迹信息合并得到机器人是否要进入转角状态。利用两个摄像头的信息融合来做判断,有一定程度上的信息冗余,影响系统的实时性,同时,所需成本较高。 
需要提供一种既可以降低硬件成本,减少信号采集原件的开支,又可以尽量降低算法复杂度实现准确的信息判断,实现机器人拐弯。 
发明内容
针对以上问题,本发明提供一种基于单摄像头的循迹机器人直角转弯检测方法,包括, 
步骤1,将标本图像中的轨迹成像区域横向平均划分m行; 
步骤2,在标本图像中所平均划分的m行中选择机器人摄像头近端成像的n个行作为特征行,并计算n个特征行每一行的纵坐标及质心横坐标;步骤3,根据所计算的n个特征行每一行的纵坐标及质心横坐标拟合目标像素点分界线; 
步骤4,根据分界线左右两侧的目标像素点个数判断直角转弯方向。 
进一步地,所述特征行的纵坐标,与所划分出的m行的首行纵坐标及末行纵坐标存在线性关系,即,存在整数的特征行比例系数和整数的首行比例系数,且特征行比例系数大于首行比例系数,使得末行纵坐标的值加上首行纵坐标与首行比例系数的乘积,可以得到特征行纵坐标与特征行比例系数的乘积。 
进一步地,所述特征行的质心横坐标的获取方法为,将所属于特征行的像素点的横坐标累加后再除以像素点的个数,得到特征行的质心横坐标。 
进一步地,所述一种基于单摄像头的循迹机器人直角转弯检测方法,还 包括,设定分界线左侧目标像素点个数阈值,设定分界线右侧目标像素点个数阈值。 
进一步地,所述一种基于单摄像头的循迹机器人直角转弯检测方法,还包括, 
步骤41,计算特征分界点横坐标与标本图像中心横坐标的差值; 
步骤42,计算步骤41所得到特征分界点横坐标与标本图像中心横坐标的差值与标本图像中心横坐标的比值; 
步骤43,左侧目标像素点个数参数乘以步骤42所计算的特征分界点横坐标与标本图像中心横坐标的差值与标本图像中心横坐标的比值所得到的乘积,再加上左侧目标像素点个数参数,即得到设定的左侧目标像素点个数阈值。 
步骤44,右侧目标像素点个数参数乘以步骤42所计算的特征分界点横坐标与标本图像中心横坐标的差值与标本图像中心横坐标的比值所得到的乘积,再加上右侧目标像素点个数参数,即得到设定的右侧目标像素点个数阈值。 
更进一步地,所述一种基于单摄像头的循迹机器人直角转弯检测方法,还包括, 
设定当分界线左侧目标像素点多于右侧目标像素点时,左侧目标像素点差值阈值; 
设定当分界线右侧目标像素点多于左侧目标像素点时,右侧目标像素点差值阈值。 
进一步地,所述一种基于单摄像头的循迹机器人直角转弯检测方法,还包括, 
当左侧目标像素点个数大于左侧目标像素点个数阈值,且左侧目标像素点个数与右侧目标像素点个数的差值大于左侧目标像素点差值阈值时,则判断结果为机器人应向左转弯; 
当右侧目标像素点个数大于右侧目标像素点个数阈值,且右侧目标像素点个数与左侧目标像素点个数的差值大于右侧目标像素点差值阈值时,则判断结果为机器人应向右转弯; 
否则,则认为判断失误,重新循迹。 
根据本发明的另一方面,还提供一种基于单摄像头的循迹机器人直角转弯检测装置,包括, 
计算模块,用于将标本图像中的轨迹成像区域横向平均划分m行;在标本图像中所平均划分的m行中选择机器人摄像头近端成像的n个行作为特征行,并计算n个特征行每一行的纵坐标及质心横坐标;根据所计算的n个特征行每一行的纵坐标及质心横坐标拟合目标像素点分界线; 
判断模块,用于根据分界线左右两侧的目标像素点个数判断直角转弯方向。 
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例共同用于解释本发明,并不构成对本发明的限制。在附图中: 
图1是模拟的一张标本图像; 
图2是在标本图像中拟合分界线图像; 
图3是本发明第一实施例基于单摄像头的循迹机器人直角转弯检测方法的流程图; 
图4是基于单摄像头的循迹机器人直角转弯检测装置模块图; 
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达成技术效果的实现过程能充分理解并据以实施。需要说明的是,只要不构成冲突,本发明中的各个实施例以及各实施例中的各个特征可以相互结合,所形成的技术方案均在本发明的保护范围之内。 
第一实施例 
附图1是模拟的一张标本图像,在图1中D的方框区域是标本图像的成像区域,横线部分是轨迹的成像区域,机器人是在运动方向的朝向上获取标本图像,以此标本图像为例,标本图像的底部10端为机器人摄像头近端,标本图像的顶部20端为机器人摄像头远端,按照本发明所述的方法,如附图3所示的步骤, 
步骤1,将标本图像中的轨迹成像区域横向平均划分m行;即在标本图像中,从机器人摄像头远端20至机器人摄像头近端10依次划分为等距的m行,且每行的纵坐标依次为y1,……,ym。 
步骤2,在标本图像中所平均划分的m行中选择机器人摄像头近端成像的n个行作为特征行,并计算n个特征行每一行的纵坐标及质心横坐标;原则上n个特征行的选择要靠近机器人摄像头近端,n的取值小于或等于m。 
如图1所示,Mj为特征行第j行的质点,(xj,yj)为Mj的质心坐标。特征行的纵坐标,与所划分出的m行的首行纵坐标及末行纵坐标存在线性关系,即,存在整数的特征行比例系数和整数的首行比例系数,且特征行比例系数大于首行比例系数,使得末行纵坐标的值加上首行纵坐标与首行比例系数的乘积,可以得到特征行纵坐标与特征行比例系数的乘积。该特征行的纵 坐标可以由以下公式确定: 
C2*yj=ym+C1*y1 
即yj=(ym+C1*y1)/C2 
其中,C2为特征行比例系数,C1为首行比例系数,C1,C2的值是实验经验值,在实验中获取。 
Xj为特征行的质心横坐标,将所属于特征行的像素点的横坐标累加后再除以像素点的个数,得到特征行的质心横坐标。 
X j = Σ i = 1 Kj X yi ( i ) / K j
(j=1,2,…,m) 
步骤3,根据所计算的n个特征行每一行的纵坐标及质心横坐标拟合目标像素点分界线; 
步骤4,根据分界线左右两侧的目标像素点个数判断直角转弯方向。 
如图2所示,L为根据n个特征行的纵坐标及质心横坐标拟合目标像素点分界线,G为标本图像的中线,G直线上每一点的横坐标都为图像中心横坐标Xo,L直线与特征行的交点为特征分界点,图中特征分界点的横坐标用Xs表示,按照图2建立的平面坐标系,Xs>Xo,设左侧目标像素点个数阈值为T1,右侧目标像素点个数阈值为T2,T1及T2的获取方法为: 
步骤41,计算特征分界点横坐标与标本图像中心横坐标的差值(Xs-Xo); 
步骤42,计算步骤41所得到特征分界点横坐标与标本图像中心横坐标的差值与标本图像中心横坐标的比值(Xs-Xo)/Xo; 
步骤43,设定左侧目标像素点个数参数a乘以步骤42所计算的特征分界点横坐标与标本图像中心横坐标的差值与标本图像中心横坐标的比值所得到的乘积a*[(Xs-Xo)/Xo],再加上左侧目标像素点个数参数,即得到设定的左侧目标像素点个数阈值T1=a+a*[(Xs-Xo)/Xo]。 
步骤44,设定右侧目标像素点个数参数b乘以步骤42所计算的特征分界点横坐标与标本图像中心横坐标的差值与标本图像中心横坐标的比值所得到的乘积b*[(Xs-Xo)/Xo],再加上右侧目标像素点个数参数,即得到设定的右侧目标像素点个数阈值T2=b+b*[(Xs-Xo)/Xo]。 
左侧目标像素点个数参数a及右侧目标像素点个数参数b均是实验获取的经验值。 
设定当分界线左侧目标像素点多于右侧目标像素点时,左侧目标像素点差值阈值为M,设定当分界线右侧目标像素点多于左侧目标像素点时,右侧目标像素点差值阈值为N,其中,左侧目标像素点差值阈值M及右侧目标像素点差值阈值N均是实验获取的经验值。 
在移动机器人循迹过程中,直角检测策略一直在运行,实时的对特征行像素进行扫描,得到两侧的左侧的目标像素点个数记为numleft,右侧的目标像素点个数记为numright,通过比较参数的大小就可以完成左右转的判断。 
当左侧目标像素点个数大于左侧目标像素点个数阈值,且左侧目标像素点个数与右侧目标像素点个数的差值大于左侧目标像素点差值阈值时,则判断结果为机器人应向左转弯; 
即,若numleft>或者numright>,且, 
numleft-numright>M,(M是一个实验值),则左转; 
当右侧目标像素点个数大于右侧目标像素点个数阈值,且右侧目标像素点个数与左侧目标像素点个数的差值大于右侧目标像素点差值阈值时,则判断结果为机器人应向右转弯; 
即,若numleft>或者numright>,且, 
numright-numleft>N,(N是一个实验值),则右转; 
否则,则认为判断失误,重新循迹。 
第二实施例 
图4是基于单摄像头的循迹机器人直角转弯检测装置模块图,下面参照图4对该实施例进行说明。本发明中,主要包括计算模块21和判断模块22。 
计算模块21,用于将标本图像中的轨迹成像区域横向平均划分m行;在标本图像中所平均划分的m行中选择机器人摄像头近端成像的n个行作为特征行,并计算n个特征行的纵坐标及质心横坐标;根据所计算的n个特征行每一行的纵坐标及质心横坐标拟合目标像素点分界线; 
判断模块22,用于根据分界线左右两侧的目标像素点个数判断直角转弯方向。 
本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的单片机装置来实现,这样,本发明不限制于任何特定的硬件和软件结合。 
虽然本发明所揭露的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所揭露的精神和范围的前提下,可以在实施的 形式上及细节上作任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。 

Claims (8)

1.一种基于单摄像头的循迹机器人直角转弯检测方法,其特征在于,包括,
步骤1,将标本图像中的轨迹成像区域横向平均划分m行;
步骤2,在标本图像中所平均划分的m行中选择机器人摄像头近端成像的n个行作为特征行,并计算n个特征行每一行的纵坐标及质心横坐标;
步骤3,根据所计算的n个特征行每一行的纵坐标及质心横坐标拟合目标像素点分界线;
步骤4,根据分界线左右两侧的目标像素点个数判断直角转弯方向。
2.根据权利要求1所述的一种基于单摄像头的循迹机器人直角转弯检测方法,其特征在于,特征行的纵坐标,与所划分出的m行的首行纵坐标及末行纵坐标存在线性关系,即,存在整数的特征行比例系数和整数的首行比例系数,且特征行比例系数大于首行比例系数,使得末行纵坐标的值加上首行纵坐标与首行比例系数的乘积,可以得到特征行纵坐标与特征行比例系数的乘积。
3.根据权利要求2所述的一种基于单摄像头的循迹机器人直角转弯检测方法,其特征在于,所述特征行的质心横坐标的获取方法为,将所属于特征行的像素点的横坐标累加后再除以像素点的个数,得到特征行的质心横坐标。
4.根据权利要求3所述的一种基于单摄像头的循迹机器人直角转弯检测方法,其特征在于,还包括,
设定分界线左侧目标像素点个数阈值,设定分界线右侧目标像素点个数阈值。
5.根据权利要求5所述的一种基于单摄像头的循迹机器人直角转弯检测方法,其特征在于,还包括,
步骤41,计算特征分界点横坐标与标本图像中心横坐标的差值;
步骤42,计算步骤41所得到的特征分界点横坐标与标本图像中心横坐标的差值与标本图像中心横坐标的比值;
步骤43,左侧目标像素点个数参数乘以步骤42所计算的特征分界点横坐标与标本图像中心横坐标的差值与标本图像中心横坐标的比值所得到的乘积,再加上左侧目标像素点个数参数,即得到设定的左侧目标像素点个数阈值。
步骤44,右侧目标像素点个数参数乘以步骤42所计算的特征分界点横坐标与标本图像中心横坐标的差值与标本图像中心横坐标的比值所得到的乘积,再加上右侧目标像素点个数参数,即得到设定的右侧目标像素点个数阈值。
6.根据权利要求4所述的一种基于单摄像头的循迹机器人直角转弯检测方法,其特征在于,还包括,
设定当分界线左侧目标像素点多于右侧目标像素点时,左侧目标像素点差值阈值;
设定当分界线右侧目标像素点多于左侧目标像素点时,右侧目标像素点差值阈值。
7.根据权利要求6所述的一种基于单摄像头的循迹机器人直角转弯检测方法,其特征在于,还包括,
当左侧目标像素点个数大于左侧目标像素点个数阈值,且左侧目标像素点个数与右侧目标像素点个数的差值大于左侧目标像素点差值阈值时,则判断结果为机器人应向左转弯;
当右侧目标像素点个数大于右侧目标像素点个数阈值,且右侧目标像素点个数与左侧目标像素点个数的差值大于右侧目标像素点差值阈值时,则判断结果为机器人应向右转弯;
否则,则认为判断失误,重新循迹。
8.一种基于单摄像头的循迹机器人直角转弯检测装置,其特征在于,包括,
计算模块,用于将标本图像中的轨迹成像区域横向平均划分m行;在标本图像中所平均划分的m行中选择机器人摄像头近端成像的n个行作为特征行,并计算n个特征行每一行的纵坐标及质心横坐标;根据所计算的n个特征行的纵坐标及质心横坐标拟合目标像素点分界线;
判断模块,用于根据分界线左右两侧的目标像素点个数判断直角转弯方向。
CN201410338501.0A 2014-07-16 2014-07-16 一种基于单摄像头的循迹机器人直角转弯检测方法及装置 Active CN104238558B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410338501.0A CN104238558B (zh) 2014-07-16 2014-07-16 一种基于单摄像头的循迹机器人直角转弯检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410338501.0A CN104238558B (zh) 2014-07-16 2014-07-16 一种基于单摄像头的循迹机器人直角转弯检测方法及装置

Publications (2)

Publication Number Publication Date
CN104238558A true CN104238558A (zh) 2014-12-24
CN104238558B CN104238558B (zh) 2017-01-25

Family

ID=52226849

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410338501.0A Active CN104238558B (zh) 2014-07-16 2014-07-16 一种基于单摄像头的循迹机器人直角转弯检测方法及装置

Country Status (1)

Country Link
CN (1) CN104238558B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105867372A (zh) * 2016-04-07 2016-08-17 重庆大学 全方位移动机器人狭窄直角弯下转向运动规划方法及系统
CN110703750A (zh) * 2019-10-12 2020-01-17 南京工业大学 基于图像匹配的自行走机器人转向判定控制装置及方法
CN112884850A (zh) * 2021-03-22 2021-06-01 上海易教科技股份有限公司 一种赛道识别用图片获取方法及装置
CN114926508A (zh) * 2022-07-21 2022-08-19 深圳市海清视讯科技有限公司 视野分界线确定方法、装置、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1152617A1 (fr) * 2000-05-04 2001-11-07 Centre National D'etudes Spatiales Procédé et dispositif interactifs de diffusion d'images émises par une caméra vidéo mobile
US20040096083A1 (en) * 2002-11-19 2004-05-20 Honda Motor Co., Ltd. Mobile apparatus
CN101187976A (zh) * 2007-12-19 2008-05-28 胡文怡 一种基于统计阈值分割的模拟车道识别方法
CN102269595A (zh) * 2010-06-02 2011-12-07 东北大学 基于导航线识别的嵌入式单目视觉导航系统
CN102789234A (zh) * 2012-08-14 2012-11-21 广东科学中心 基于颜色编码标识的机器人导航方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1152617A1 (fr) * 2000-05-04 2001-11-07 Centre National D'etudes Spatiales Procédé et dispositif interactifs de diffusion d'images émises par une caméra vidéo mobile
US20040096083A1 (en) * 2002-11-19 2004-05-20 Honda Motor Co., Ltd. Mobile apparatus
CN101187976A (zh) * 2007-12-19 2008-05-28 胡文怡 一种基于统计阈值分割的模拟车道识别方法
CN102269595A (zh) * 2010-06-02 2011-12-07 东北大学 基于导航线识别的嵌入式单目视觉导航系统
CN102789234A (zh) * 2012-08-14 2012-11-21 广东科学中心 基于颜色编码标识的机器人导航方法及系统

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105867372A (zh) * 2016-04-07 2016-08-17 重庆大学 全方位移动机器人狭窄直角弯下转向运动规划方法及系统
CN105867372B (zh) * 2016-04-07 2018-09-21 重庆大学 全方位移动机器人狭窄直角弯下转向运动规划方法及系统
CN110703750A (zh) * 2019-10-12 2020-01-17 南京工业大学 基于图像匹配的自行走机器人转向判定控制装置及方法
CN112884850A (zh) * 2021-03-22 2021-06-01 上海易教科技股份有限公司 一种赛道识别用图片获取方法及装置
CN112884850B (zh) * 2021-03-22 2024-02-13 上海易教科技股份有限公司 一种赛道识别用图片获取方法及装置
CN114926508A (zh) * 2022-07-21 2022-08-19 深圳市海清视讯科技有限公司 视野分界线确定方法、装置、设备及存储介质
CN114926508B (zh) * 2022-07-21 2022-11-25 深圳市海清视讯科技有限公司 视野分界线确定方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN104238558B (zh) 2017-01-25

Similar Documents

Publication Publication Date Title
EP3607489B1 (en) Direct vehicle detection as 3d bounding boxes using neural network image processing
Pinggera et al. Lost and found: detecting small road hazards for self-driving vehicles
CN102646343B (zh) 车辆检测装置
CN104318206B (zh) 一种障碍物检测方法和装置
CN103065323B (zh) 一种基于单应性变换矩阵的分段空间对准方法
CN104700414A (zh) 一种基于车载双目相机的前方道路行人快速测距方法
CN102609938B (zh) 一种从单幅图像检测道路消失点的方法
US20120219190A1 (en) Image processing apparatus, image processing system, and image processing method
CN104766071B (zh) 一种应用于无人驾驶汽车的交通灯快速检测算法
CN103593671B (zh) 基于三摄像机协同的大范围车道线视觉检测方法
CN112036210B (zh) 一种检测障碍物的方法、装置、存储介质和移动机器人
CN114365200A (zh) 结构注释
CN103522970A (zh) 基于机器视觉的车辆行驶安全检测方法和系统
CN106682563A (zh) 一种车道线检测自适应调整方法及装置
CN106371459B (zh) 目标跟踪方法及装置
CN104238558A (zh) 一种基于单摄像头的循迹机器人直角转弯检测方法及装置
CN107784038A (zh) 一种传感器数据的标注方法
CN106647758A (zh) 一种目标物体检测方法、装置及自动引导车的跟随方法
CN112097732A (zh) 一种基于双目相机的三维测距方法、系统、设备及可读存储介质
Kang et al. Accurate fruit localisation using high resolution LiDAR-camera fusion and instance segmentation
CN103903279B (zh) 基于仿生双目视觉机载平台的并行跟踪系统与方法
Adamshuk et al. On the applicability of inverse perspective mapping for the forward distance estimation based on the HSV colormap
CN110147748A (zh) 一种基于道路边缘检测的移动机器人障碍物识别方法
CN105300390A (zh) 障碍物体运动轨迹的确定方法及装置
KR101723536B1 (ko) 도로에서의 차선 검출 방법 및 장치

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