CN105701771A - 一种基于射频识别锚点的数字地图拼接方法 - Google Patents
一种基于射频识别锚点的数字地图拼接方法 Download PDFInfo
- Publication number
- CN105701771A CN105701771A CN201610154686.9A CN201610154686A CN105701771A CN 105701771 A CN105701771 A CN 105701771A CN 201610154686 A CN201610154686 A CN 201610154686A CN 105701771 A CN105701771 A CN 105701771A
- Authority
- CN
- China
- Prior art keywords
- map
- parameter
- rigid body
- anchor point
- point
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 238000013519 translation Methods 0.000 claims description 37
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 230000001174 ascending effect Effects 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 abstract 2
- 230000004927 fusion Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000013256 coordination polymer Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于射频识别锚点的数字地图拼接方法,包括以下步骤:首先建立带有射频识别锚点的数字地图;在各自地图中提取射频识别锚点为特征点,并建立对应关系;再借助RANSAC算法计算初始拼接参数,作为ICP算法的初值;然后使用ICP算法计算刚体变换参数,对地图进行刚体变换;最后,提出针对栅格地图的拼接规则,对两幅地图进行拼接。本发明的地图拼接方法计算量小准确度高,能做到快捷无误地提取特征点。
Description
技术领域
本发明涉及一种数字地图拼接方法,具体涉及一种基于射频识别锚点的栅格地图拼接方法,属于多移动机器人协同创建数字地图技术领域。
背景技术
地图拼接是多移动机器人协同创建环境地图中的关键技术,随着环境规模的不断扩大,单移动机器人创建地图的方式在精度、鲁棒性以及计算效率等性能方面受到了严重的制约。与单移动机器人相比,多移动机器人系统在执行指定任务时,在精度、鲁棒性和效率等方面具有十分优越的性能。但多移动机器人协同创建地图的过程是非常复杂的,其所面临的一个重要问题是如何实现地图拼接,即多个移动机器人在同一环境中分别探索不同区域,并创建独立的环境地图,最终将各自所创建的地图拼接成大规模的环境地图。
现阶段的地图拼接方法流程一般为:首先对两幅地图进行特征提取得到特征点;通过进行相似性度量找到匹配的特征点对;然后通过匹配的特征点对得到图像空间坐标变换参数;最后由坐标变换参数进行地图拼接。而特征提取是地图拼接技术中的关键,准确的特征提取为特征匹配的成功进行提供了保障。因此,寻求具有良好不变性和准确性的特征提取方法,对于匹配精度至关重要。
射频识别技术基本工作原理是将电子标签附着在被识别物体的表面或内部中,当被标记的对象处于读写器的可读取范围内时,电子标签和读写器之间将自动建立起无线电磁波或交变磁场方式的通信链路,读写器根据控制器需求或自动的以无接触的方式获取电子标签中所存储的识别信息(如编号、位置数据等等),接收后读写器对信息进行解码并将结果传至后台控制器进行综合处理,从而完成整个信息的读取过程。由于射频识别标签易于存储位置数据,在机器人建立地图时以这些位置数据为基础建立锚点,成为一种具有良好不变性和准确性的特征提取方法。
发明内容
本发明的目的是为解决上述现有技术存在的问题和不足,提供一种基于射频识别锚点的数字地图拼接方法,本发明的方法能够有效提高特征点提取的不变性和准确性,并且减少计算量。
为达到上述目的,本发明采用以下技术方案:
一种基于射频识别锚点的数字地图拼接方法,包括以下步骤:
步骤(1):建立带有射频识别锚点的数字地图;
步骤(2):在各自地图中提取特征点,并建立对应关系;
步骤(3):使用RANSAC算法挑选出有效的特征对,计算初始拼接参数;
步骤(4):以初始拼接参数为基础,使用ICP算法计算刚体变换参数,完成对地图的刚体变换;
步骤(5):提出针对栅格地图的拼接规则,对刚体变换后的地图进行拼接。
上述步骤(1)所述的建立带有射频识别锚点的数字地图的具体步骤为:
步骤①:启动机器人并加载激光雷达和射频识别模块;
步骤②:机器人使用激光雷达进行即时定位和地图创建;
步骤③:在地图中加入射频识别锚点。
上述步骤(2)所述的特征点为射频识别锚点。
上述步骤(3)所述的计算初始拼接参数,方法如下:设步骤(1)中建立的地图为P和Q,两幅地图中的射频识别锚点集合分别为和设Pξ为P的子集,它代表地图P与Q重叠区域的射频识别锚点集合,其中ξ定义为点集P的重叠百分比,从地图P和Q中提取并建立特征对为其中第i组特征对中的Fi,P和Fi,Q分别表示地图P和Q中的射频识别锚点,这些射频识别锚点在各自地图中的位置分别为fi,P和fi,Q,设T={R,t}为拼接地图的近似解,其中R是由旋转角θ所确定的二维旋转矩阵,t为二维的列向量,设{Fi,P,Fi,Q}i为一组有效特征对,一组特征对中的元素对应空间中的同一个位置,则||Rfi,P+t-fi,Q||2≈0,设变量N0和r的初值为0,根据RANSAC算法挑选有效特征对并计算初始拼接参数的步骤如下:
步骤①:设置r=r+1,并随机选取两组特征对i=m,i=n;
步骤②:将{Fi,P,Fi,Q}i=m,n带入下式
计算获得一组拼接参数Tr={Rr,tr};
步骤③:根据最新获得的参数Tr,将地图P中所有的特征点位置转换到地图Q的坐标系下并计算di=||Rrfi,P+tr-fi,Q||2;
步骤④:设定阈值为dthr,统计满足di≤dthr的锚点特征对的数目Nr,当Nr>N0,则设置N0=Nr;
步骤⑤:重复步骤①-④,直到达到r次,最后用找到的N0个有效特征对来计算初始拼接参数T0={R0,t0}。
上述步骤(4)所述的使用ICP算法计算刚体变换参数,其具体步骤如下:
在得出初始拼接参数T0={R0,t0}后运用ICP算法中的迭代思想来求解刚体变换参数。求解步骤如下:
步骤①:基于前一次迭代获得的刚体变换(Rk-1,tk-1),建立特征点之间的对应关系:
选择最近特征点建立特征点对保留特征点pi与对应特征点之间的欧式距离
步骤②:根据当前建立的特征点对应关系,计算重叠百分比ξk,并更新相应的子集pξk:
为求解上式,采用如下的方式:根据步骤①所保留的欧氏距离按升序方式对所有的特征点对进行排序,获得排序队列;采用累加方式,逐个遍历排序后的特征点对并计算步骤①中的目标函数值ck(i);待遍历完所有的特征点对后,确定最小目标函数值所对应的特征点对在队列中的位置标号Ik以计算当前最优的重叠百分比ξk=(Ik/Np),并使用排序队列中的前Ik个特征点对更新子集Pξk,其中,ξk代表待拼接栅格地图的重叠百分比;
步骤③:利用更新后的子集Pξk,使用下式计算刚体变换参数Tk={Rk,tk}
重复执行步骤①-③,直到满足或者迭代次数k达到最大次数K,其中待ICP算法满足迭代停止条件后,即获得精确的刚体变换参数Tk={Rk,tk},通过刚体变换参数对地图P进行相应的旋转和平移,获得刚体变换后的地图为T(P)。
上述步骤(5)所述的提出针对栅格地图的拼接规则是以像素为单位进行拼接。
本发明的优点和有益效果:
1、本发明使用射频识别锚点作为特征点,代替了以往的对图像进行预处理从而提取特征的过程,具有良好的不变性和准确性,并且更加的快速;
2、本发明所述的地图拼接方法对地图精度的依赖性很小,对于精度不高的地图同样可以完成良好的拼接,而且不受外界环境的影响,在复杂多变、有噪声干扰的环境下一样可以得出良好的结果;
3、本发明所述的地图拼接方法适用于多机器人协作构建环境地图,计算量小、准确度高,能提高多机器人协作构图的精度、鲁棒性和效率;
附图说明
图1为本发明基于射频识别锚点的数字地图拼接方法的步骤流程图,
图2为机器人创建含有射频识别锚点的数字地图的步骤流程图,
图3为两幅栅格地图拼接示意图,
图4为两幅栅格地图融合规则。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步的详细说明。应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
如图1所示,为本发明的基于射频识别锚点的数字地图拼接方法,步骤如下:
步骤(1):建立带有射频识别锚点的数字地图;
步骤(2):在各自地图中提取特征点,并建立对应关系;
步骤(3):使用RANSAC算法挑选出有效的特征对,计算初始拼接参数;
步骤(4):以初始拼接参数为基础,使用ICP算法计算刚体变换参数,完成对地图的刚体变换;
步骤(5):提出针对栅格地图的拼接规则,对刚体变换后的地图进行拼接。
根据上述步骤(1)所述,如图2所示,建立带有射频识别锚点的数字地图步骤如下:
步骤①:启动移动机器人A和B,并加载相应的模块,在每个机器人所在环境中布置若干个射频识别标签,标签中存储着全局坐标;
步骤②:控制移动机器人个体A和B在各自所在的房间旋转一周,采用激光雷达获取环境的障碍物数据信息,一次扫描可以得到1080个环境点数据(范围270°,间隔0.25°),这些数据是以激光雷达中心为极点的极坐标系表示的局部坐标(di,θi),其中θi=i×0.25π÷270,第i个点在全局坐标下的坐标为:
xi=xk+dicosθicosαk+disinθisinαk(1)
yi=yk+dicosθisinαk+disinθicosαk(2)
其中(xk,yk)是k时刻激光雷达在全局坐标系中的坐标,αk为k时刻激光雷达主轴与全局坐标系X轴的夹角,di表示k时刻激光雷达与第i个特征点之间的距离。
步骤③:将所得的激光雷达数据进行滤波处理,使用ROS机器人操作系统中的Gmapping来分析和生成环境地图。
步骤④:以事先在环境中布置好的射频识别标签为依据,在生成的地图中加入射频识别锚点,这些射频识别锚点作为以后地图拼接中的不变特征。
为了实现地图拼接,需要计算两幅地图之间的刚体变换T={R,t},其中R是由旋转角θ所确定的二维旋转矩阵,t为二维的列向量,R和t的表达式为:给定同一环境下不同区域的栅格地图P和Q,地图拼接的目标就是准确的计算出拼接参数T={R,t},地图P通过刚体变换后的地图为T(P),使之与地图Q进行匹配,然后再完成拼接。
为了保证地图拼接取得较好的结果,需要从每张地图中提取特征点,通过建立不同地图之间特征点对应关系的方式,计算初始拼接参数,本发明中特征点是前面步骤中建立的射频识别锚点,每个射频识别锚点中存储着全局坐标,利用这些坐标建立特征点的对应关系。
根据上述步骤(3)所述,接下来采用RANSAC算法挑选出有效的特征对,计算初始拼接参数。两幅地图的锚点集合分别为和设Pξ为P的子集,它代表地图P与Q重叠区域的锚点集合,其中ξ定义为数据点集P的重叠百分比。从地图P和Q中提取并建立特征对为其中第i组特征对中的Fi,P和fi,Q分别表示地图P和Q中的锚点,其在各自地图中的位置分别为fi,P和fi,Q。假设T={R,t}为拼接地图的近似解,且{Fi,P,fi,Q}i为一组有效特征对,即他们对应空间中的同一个位置,则||Rfi,P+t-fi,Q‖2≈0。设变量N0和r的初值为0,根据RANSAC算法计算可靠初始拼接数据的步骤如下:
步骤①:设置r=r+1,并随机选取两组特征对i=m,i=n;
步骤②:将(Fi,P,fi,Q}i=m,n带入下式
计算获得一组新的拼接参数Tr={Rr,tr};
步骤③:根据获得的参数Tr,将地图P中所有的特征点位置转换到地图Q的坐标系下并计算di=||Rrfi,P+tr-fi,Q‖2;
步骤④:设定阈值为dthr=0.6,统计满足dr≤dthr的锚点特征对的数目Nr,当Nr>N0,则设置N0=Nr;
步骤⑤:重复步骤①-④,直到达到r次,最后用找到的N0个有效特征对来计算初始拼接参数T0={R0,t0}。
根据上述步骤(4)所述,使用ICP算法计算刚体变换参数,其具体步骤如下:
在得出初始拼接参数T0={R0,t0}后运用ICP算法中的迭代思想来求解刚体变换参数。求解步骤如下:
步骤①:基于前一次迭代获得的刚体变换(Rk-1,tk-1),建立特征点之间的对应关系:
选择最近特征点建立特征点对保留特征点pi与对应特征点之间的欧式距离
步骤②:根据当前建立的特征点对应关系,计算重叠百分比ξk,并更新相应的子集pξk:
为求解上式,采用如下的方式:根据步骤①所保留的欧氏距离按升序方式对所有的特征点对进行排序,获得排序队列;采用累加方式,逐个遍历排序后的特征点对并计算步骤①中的目标函数值ck(i);待遍历完所有的特征点对后,确定最小目标函数值所对应的特征点对在队列中的位置标号Ik以计算当前最优的重叠百分比ξk=(Ik/Np)并使用排序队列中的前Ik个特征点对更新子集Pξk,其中,ξk代表待拼接栅格地图的重叠百分比;
步骤③:利用更新后的子集Pξk,使用下式计算刚体变换参数Tk={Rk,tk}
使用最小二乘法来计算上式,设pi=(xi,yi)T, 公式(6)对参数(θ,tx,ty)求偏导数,可获得3个方程求解:
重复执行步骤①-③,直到满足|εk-εk-1|<ε或者迭代次数k达到最大次数K,其中待ICP算法满足迭代停止条件后,即可获得精确的刚体变换参数Tk={Rk,tk},通过刚体变换参数对地图P进行相应的旋转和平移,获得刚体变换后的地图为T(P)。上述ICP算法任然采用了原始ICP中的迭代思想和原理,所以该算法也具有局部收敛性。
步骤(5)所述的提出针对栅格地图的拼接规则是逐个遍历并确定地图中每个像素的方式来进行,计算出精确的拼接参数后,可对栅格地图P通过刚体变换进行对应的旋转和平移,把变换之后的地图记为T(P),如图3所示。如果直接将变换之后的地图T(P)叠加到地图Q上,便会出现遮挡的现象,不能得到正确的拼接结果。因此,必须通过融合地图Q和T(P),才能获得正确的拼接结果。为了准备地图融合,定义一幅空白地图M,用它来存放两幅地图的融合结果。地图M的大小可由等待拼接的两幅地图的大小决定。在定义了空白地图M后,选择基准点,把地图Q的坐标原点与基准点重合。然后通过逐个遍历的方法确定地图M中每个栅格中的内容,因为空白地图M中每个栅格的内容由地图T(P)和地图Q中的值来确定,为了确定M中每一个栅格的值需要根据步骤(4)中得出的拼接参数;T={R,t}确定P中的对应栅格,设[i,j]为地图M中的栅格,由下式来计算:
其中,代表向下取整符号。此时,可按下式确定M中第[i,j]个栅格的融合结果:
M[i,j]=h(Q[i,j],P[i',j'])(9)
其中,h(·)代表融合函数,其对应的融合规则如图4所示。最后,当遍历及计算结束后即可获得精确的栅格地图拼接结果。
以上所述,仅为本发明较佳的具体实施方式。当然,本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,任何熟悉本技术领域的技术人员,当可根据本发明作出各种相应的等效改变和变形,都应属于本发明所附的权利要求的保护范围。
Claims (6)
1.一种基于射频识别锚点的数字地图拼接方法,其特征在于,包括以下步骤:
步骤(1):建立带有射频识别锚点的数字地图;
步骤(2):在各自地图中提取特征点,并建立对应关系;
步骤(3):使用RANSAC算法挑选有效的特征对,计算初始拼接参数;
步骤(4):以初始拼接参数为基础,使用ICP算法计算刚体变换参数,完成对地图的刚体变换;
步骤(5):提出针对栅格地图的拼接规则,对刚体变换后的地图进行拼接。
2.根据权利要求书1所述的一种基于射频识别锚点的数字地图拼接方法,其特征在于,步骤(1)所述的建立带有射频识别锚点的数字地图的具体步骤为:
步骤(21):启动机器人并加载激光雷达和射频识别模块;
步骤(22):机器人使用激光雷达进行即时定位和地图创建;
步骤(23):在地图中加入射频识别锚点。
3.根据权利要求书1所述的一种基于射频识别锚点的数字地图拼接方法,其特征在于,步骤(2)所述的特征点为射频识别锚点。
4.根据权利要求书1所述的一种基于射频识别锚点的数字地图拼接方法,其特征在于,步骤(3)所述的计算初始拼接参数的方法是:设步骤(1)中建立的地图为P和Q,两幅地图中的射频识别锚点集合分别为和设Pξ为P的子集,代表地图P与Q重叠区域的射频识别锚点集合,其中ξ定义为点集P的重叠百分比,从地图P和Q中提取并建立特征对为其中第i组特征对中的Fi,P和Fi,Q分别表示地图P和Q中的射频识别锚点,所述射频识别锚点在各自地图中的位置分别为fi,P和fi,Q,设T={R,t}为拼接地图的近似解,其中R是由旋转角θ所确定的二维旋转矩阵,t为二维的列向量,设{Fi,P,Fi,Q}i为一组有效特征对,一组特征对中的元素对应空间中的同一个位置,则||Rfi,P+t-fi,Q||2≈0,设变量N0和r的初值为0,根据RANSAC挑选有效特征对并计算初始拼接参数的步骤如下:
步骤(41):设置r=r+1,并随机选取两组特征对i=m,i=n;
步骤(42):将{Fi,P,Fi,Q}i=m,n带入下式
计算获得一组新的拼接参数Tr={Rr,tr};
步骤(43):根据获得的参数Tr,将地图P中所有的特征点位置转换到地图Q的坐标系下并计算di=||Rrfi,P+tr-fi,Q||2;
步骤(44):设定阈值为dthr,统计满足di≤dthr的锚点特征对的数目Nr,当Nr>N0,则设置N0=Nr;
步骤(45):重复步骤(41)-(44),直到达到r次,最后用找到的N0个有效特征对来计算初始拼接参数T0={R0,t0}。
5.根据权利要求书1所述的一种基于射频识别锚点的数字地图拼接方法,其特征在于,步骤(4)所述的使用ICP算法计算刚体变换参数,其具体步骤如下:
将初始拼接参数T0={R0,t0}运用ICP算法中的迭代思想求解刚体变换参数;求解步骤如下:
步骤(51):基于前一次迭代获得的刚体变换(Rk-1,tk-1),建立特征点之间的对应关系:
选择最近特征点建立特征点对保留特征点pi与对应特征点之间的欧式距离
步骤(52):根据当前建立的特征点对应关系,计算重叠百分比ξk,并更新相应的子集
为求解上式,采用如下的方式:根据步骤(51)所保留的欧氏距离按升序方式对所有的特征点对进行排序,获得排序队列;采用累加方式,逐个遍历排序后的特征点对并计算步骤(51)中的目标函数值Ck(i);待遍历完所有的特征点对后,确定最小目标函数值所对应的特征点对在队列中的位置标号Ik以计算当前最优的重叠百分比ξk=(Ik/Np),并使用排序队列中的前Ik个特征点对更新子集其中,ξk代表待拼接栅格地图的重叠百分比;
步骤(53):利用更新后的子集使用下式计算刚体变换参数Tk={Rk,tk}
重复执行步骤(51)-(53),直到满足|εk-εk-1|<ε或者迭代次数k达到最大次数K,其中待ICP算法满足迭代停止条件后,即获得精确的刚体变换参数Tk={Rk,tk},通过刚体变换参数对地图P进行相应的旋转和平移,获得刚体变换后的地图为T(P)。
6.根据权利要求书1所述的一种基于射频识别锚点的数字地图拼接方法,其特征在于,步骤(5)所述的提出针对栅格地图的拼接规则是以像素为单位进行拼接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610154686.9A CN105701771A (zh) | 2016-03-17 | 2016-03-17 | 一种基于射频识别锚点的数字地图拼接方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610154686.9A CN105701771A (zh) | 2016-03-17 | 2016-03-17 | 一种基于射频识别锚点的数字地图拼接方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105701771A true CN105701771A (zh) | 2016-06-22 |
Family
ID=56231214
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610154686.9A Pending CN105701771A (zh) | 2016-03-17 | 2016-03-17 | 一种基于射频识别锚点的数字地图拼接方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105701771A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107491071A (zh) * | 2017-09-04 | 2017-12-19 | 中山大学 | 一种智能多机器人协同测图系统及其方法 |
CN108917759A (zh) * | 2018-04-19 | 2018-11-30 | 电子科技大学 | 基于多层次地图匹配的移动机器人位姿纠正算法 |
CN109857123A (zh) * | 2019-03-21 | 2019-06-07 | 郑州大学 | 一种基于视觉感知和激光探测的室内slam地图的融合方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101944240A (zh) * | 2010-08-20 | 2011-01-12 | 浙江大学 | 多机器人三维几何地图的融合方法 |
CN105403222A (zh) * | 2015-12-08 | 2016-03-16 | 江苏科技大学 | 基于ros的多导盲机器人及在未知环境中的地图创建方法 |
-
2016
- 2016-03-17 CN CN201610154686.9A patent/CN105701771A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101944240A (zh) * | 2010-08-20 | 2011-01-12 | 浙江大学 | 多机器人三维几何地图的融合方法 |
CN105403222A (zh) * | 2015-12-08 | 2016-03-16 | 江苏科技大学 | 基于ros的多导盲机器人及在未知环境中的地图创建方法 |
Non-Patent Citations (1)
Title |
---|
祝继华 等: ""基于图像配准的栅格地图拼接方法"", 《自动化学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107491071A (zh) * | 2017-09-04 | 2017-12-19 | 中山大学 | 一种智能多机器人协同测图系统及其方法 |
CN107491071B (zh) * | 2017-09-04 | 2020-10-30 | 中山大学 | 一种智能多机器人协同测图系统及其方法 |
CN108917759A (zh) * | 2018-04-19 | 2018-11-30 | 电子科技大学 | 基于多层次地图匹配的移动机器人位姿纠正算法 |
CN109857123A (zh) * | 2019-03-21 | 2019-06-07 | 郑州大学 | 一种基于视觉感知和激光探测的室内slam地图的融合方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kim et al. | Scan context++: Structural place recognition robust to rotation and lateral variations in urban environments | |
Buch et al. | Rotational subgroup voting and pose clustering for robust 3d object recognition | |
CN103456022B (zh) | 一种高分辨率遥感图像特征匹配方法 | |
CN109631855A (zh) | 基于orb-slam的高精度车辆定位方法 | |
CN108917761A (zh) | 一种无人车在地下车库中的精确定位方法 | |
Aider et al. | A model-based method for indoor mobile robot localization using monocular vision and straight-line correspondences | |
Zhou et al. | S4-SLAM: A real-time 3D LIDAR SLAM system for ground/watersurface multi-scene outdoor applications | |
CN110246168A (zh) | 一种移动巡检机器人双目图像拼接的特征匹配方法 | |
CN109858361A (zh) | 基于街景图像匹配重复结构建筑的定位方法 | |
CN104899918A (zh) | 一种无人机的三维环境建模方法及系统 | |
CN105389569A (zh) | 一种人体姿态估计方法 | |
CN101398907A (zh) | 一种用于移动机器人的二维码结构及解码方法 | |
CN102800097A (zh) | 多特征多级别的可见光与红外图像高精度配准方法 | |
CN107063229A (zh) | 基于人工路标的移动机器人定位系统及方法 | |
CN109285117A (zh) | 一种基于地图特征的多地图拼接融合算法 | |
CN105701771A (zh) | 一种基于射频识别锚点的数字地图拼接方法 | |
CN102853830A (zh) | 一种基于一般物体识别的机器人视觉导航方法 | |
CN108537263B (zh) | 一种基于最大公共子图的栅格地图融合方法 | |
CN111862200B (zh) | 一种煤棚内无人机定位方法 | |
CN103839081B (zh) | 一种基于拓扑表达的跨视角步态识别方法 | |
Beall et al. | Appearance-based localization across seasons in a metric map | |
Xu et al. | Fast and accurate registration of large scene vehicle-borne laser point clouds based on road marking information | |
Zhang et al. | Accurate real-time SLAM based on two-step registration and multimodal loop detection | |
CN116823929A (zh) | 基于视觉图像与点云地图的跨模态匹配定位方法及系统 | |
CN102004921A (zh) | 基于图像特征分析的目标辨识方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160622 |