CN106003052A - 一种机器人视觉导航地图的创建方法 - Google Patents
一种机器人视觉导航地图的创建方法 Download PDFInfo
- Publication number
- CN106003052A CN106003052A CN201610614319.2A CN201610614319A CN106003052A CN 106003052 A CN106003052 A CN 106003052A CN 201610614319 A CN201610614319 A CN 201610614319A CN 106003052 A CN106003052 A CN 106003052A
- Authority
- CN
- China
- Prior art keywords
- road sign
- level
- road
- robot
- creation method
- 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
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Navigation (AREA)
Abstract
本发明涉及一种机器人视觉导航地图的创建方法,包括:设置路标的数量,设定一起始路标;机器人从起始路标开始识别路标,对路标进行相机标定,并对每个路标进行层级划分;计算所有相邻层级的具有直属关系的两个路标坐标系的转换关系矩阵。本发明使用多叉树结构来表达相邻路标之间的层级关系,同时使用相机标定与平面坐标系之间的坐标变换矩阵来作为路标坐标系之间的数学转换表达,有利于简化后续的路径规划算法。
Description
技术领域
本发明属于机器人视觉导航领域,特别涉及一种机器人视觉导航地图的创建方法。
背景技术
为了实现机器人视觉导航,需要设置路标和导航模块,所述路标可以设置在室内的天花板上;所述导航模块为了拍摄与识别所述路标,一般包括相机、图像处理单元与计算单元,所述相机设置在机器人头部顶端,所述图像处理单元、计算单元设置在机器人内部。
机器人视觉导航的地图创建一般是指机器人通过所述相机拍摄路标与导航模块内的图像处理单元、计算单元等进行路标识别、标定,并计算确定各路标之间的位置关系。
机器人视觉导航地图创建好之后保存在机器人中,这样,当机器人再次回到本场景的时候,不需要再次重复繁杂的建图步骤,而是简单的重新加载该地图即可。并且,如果将多台机器人放在同一场景使用,保存有该地图的机器人可以将该地图传输给未保存该地图的其他机器人使用。
现有的机器人视觉导航地图的创建有多种方法,比较简单的方法是利用所述导航模块中包括的摄像机对场景地图进行图像识别,并且基于摄像机坐标系保存起来。这样的方法看似简单,但实际使用过程中,运算量大,不利于后续机器人导航路径的规划。
发明内容
本发明的目的在于解决现有技术中的机器人视觉导航地图的创建运算量大,不利于后续导航路线的规划的问题。
为实现上述目的,一种机器人视觉导航地图的创建方法,包括:
S100:设置路标的数量,设定一起始路标;
S200:机器人从起始路标开始识别路标,对路标进行相机标定,并对每个路标进行层级划分;
S300:计算所有相邻层级的具有直属关系的两个路标坐标系的转换关系矩阵。
进一步地,步骤S100还包括设置所述路标中的尺寸,所述机器人可使用所述尺寸将实际空间与相机坐标系下的尺寸进行转换。
进一步地,所述路标包括:
第一坐标标记,用于确定路标坐标系的X轴;
第二坐标标记,用于确定路标坐标系的Y轴;
区域标记,用于确定路标所在的空间位置,所述区域标记包括多个等距离的信息块,所述尺寸是所述信息块之间的距离或者信息块的长度。
进一步地,所述起始路标设定为位于所有路标所处空间中央位置的路标。
进一步地,步骤S200还包括:以路标为节点,采用多叉树结构对路标进行层级划分,所述起始路标为第一层级路标。
进一步地,所述第一层级路标只有1个。
进一步地,所述路标的层级数的确定方法如下:机器人从已划分层级的路标出发,能够同时识别到所述已划分层级的路标与其他未划分层级路标时,将所述其他未划分层级路标的层级数划分为比所述已划分层级的路标大一个层级。
进一步地,所述直属关系是指,如果两个路标之间的层级相差一个层级,且层级较大的路标的层级是根据层级较小的路标的层级而直接确定的,则这两个路径具有直属关系;所述具有直属关系的相邻层级两个路标在所述多叉树结构中直接相连。
进一步地,当多叉树结构中的路标数量与预先设置的路标数量相同,并且计算完成所有相邻层级的具有直属关系的两个路标坐标系的转换关系矩阵时,地图创建完成。
进一步地,所述相机标定的的时刻是机器人能够稳定并且准确的反映出识别的路标的时刻。
进一步地,所述S300中,设OXY、O'X'Y'是两个相邻路标的坐标系,O'在OXY中的坐标为(tx,ty),由X轴到X'轴的角度为θ,则所述转换关系矩阵A是一个可逆矩阵,即:
与现有技术相比,本技术方案具有以下优点:
本技术方案的一种机器人视觉导航地图的创建方法,通过使用多叉树结构来表达相邻路标之间的层级关系,同时使用相机标定与平面坐标系之间的坐标变换矩阵来做为路标坐标系之间的数学转换表达,有利于简化后续的路径规划算法。
附图说明
图1为本发明一种机器人视觉导航地图的创建方法的流程图。
图2为本发明一种机器人视觉导航地图的创建方法的多叉树结构图。
图3为本发明一种机器人视觉导航地图的创建方法的路标设置示意图。
图4为本发明一种机器人视觉导航地图的创建方法的路标结构示意图。
图5-7为本发明一种机器人视觉导航地图的创建方法的层级划分示意图。
(注意:附图中的所示结构只是为了说明本发明特征的示意,并非是要依据附图所示结构。)
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
本发明提供了一种机器人视觉导航地图的创建方法。
所述机器人视觉导航地图的创建方法,参考图1,包括:
S100,设置路标的数量,设定一起始路标。
在本实施例中,参考图2,所述的机器人视觉导航地图的创建,是指以路标为节点构建多叉树结构,将此多叉树结构作为机器人视觉导航地图并保存。
在本实施例中,参考图3,所述路标的数量根据导航需求设置为7个,包括起始路标E,第二层级一路标D,第二层级二路标F,第三层级一路标A,第三层级二路标B,第三层级三路标C,第三层级四路标G。
在其他实施例中,所述路标的数量根据导航的需求可以设置任意数量,比如2个,比如3个,比如100个,只要所述路标数量能够满足机器人视觉导航需求即可。
所述起始路标可以设定为所有路标中的任意一个,但一般选取位于所有路标所处空间中央位置的路标。
因为在多叉树地图构建过程中,相机标定与坐标转换关系矩阵计算都存在不可避免的误差,并且误差是相乘叠加的;假设起始路标E与第二层级一路标D的相机标定与坐标转换关系计算误差为Δ1,第二层级一路标D与第三层级一路标A的相机标定与坐标转换关系计算误差为Δ2,则起始路标E到第三层级一路标A间的标定与计算误差为Δ0=Δ1*Δ2,因而,一般选择位于所有所述路标所处空间的中央位置的路标为起始路标,这样,在使用本发明所述方法时,由起始路标E从其周围开始构建多叉树结构地图,可以使得多叉树结构地图的层数少,以尽可能的减小误差。
在本实施例中,所述起始路标E位于7个路标所处空间的中央位置。
在其他实施例中,所述起始路标可以是所有路标中的任意一个,比如参考本实施例,可以是第二层级一路标D,或者第二层级二路标F,或者第三层级二路标B。
所述S100还包括设置所述路标中的尺寸,使用所述尺寸可以将实际空间与相机坐标系下的尺寸进行转换。
在本实施例中,所述路标采用如图4中所示的路标,所述路标包括第一坐标标记11,用于确定坐标X轴;第二坐标标记12,用于确定坐标Y轴;还包括区域标记100,区域标记设置于第一坐标标记11与第二坐标标记12确定的坐标内,用于确定路标所在的空间位置;所述区域标记100内包括等距离的信息块,每个路标包含的所述信息块的数量和位置不同,以区别路标;图2中所述的路标包括信息块110、信息块120、信息块130、信息块140、信息块150、信息块160、信息块170、信息块180和信息块190,相邻两两信息块之间的距离为5cm。
在其他实施例中,所述路标区域标记100内若只包括信息块110、信息块130和信息块190,则,信息块110与信息块130之间的距离为10cm,也就是2个5cm,信息块130和信息块190之间的距离为10cm,也是2个5cm,信息块110和信息块190之间的距离为在与路标坐标系X轴与Y轴分别平行的两个方向上均为10cm。
在其他实施例中,采用如图4中所述的路标,所述的信息块110、信息块120、信息块130、信息块140、信息块150、信息块160、信息块170、信息块180和信息块190,相邻两两信息块之间的距离为10cm。
在其他实施例中,采用如图4中所述的路标,所述的信息块110、信息块120、信息块130、信息块140、信息块150、信息块160、信息块170、信息块180和信息块190,相邻两两信息块之间的距离为8cm。
在其他实施例中,采用如图4中所述的路标,所述的区域标记100内的所述信息块可以不是3行3列,可以是4行4列或其他数量的行与其他数量的列。
在本实施例中,根据路标中设置的尺寸可以将所述实际空间中的尺寸与相机坐标系下的尺寸进行转换,比如,可以将实际空间中的宽度与相机坐标系下的宽度进行转换,或者也可以将实际空间中的距离与相机坐标系下的距离进行转换;本实施例中,所述信息块之间的距离为5cm,假设拍摄所述路标后,所述信息块之间的距离在所述相机坐标系下为1mm,即可以确定所述相机坐标系下10mm的距离在实际空间中距离为50cm,或者比如所述信息块的长度为1cm,所述信息块的长度在所述相机坐标系下为0.2mm,即可以确定所述相机坐标系下10mm的长度在实际空间中长度为50cm。
在其他实施例中,所述路标也可以采用诸如条形码、二维码等路标,只要确定并设置好所述路标中的尺寸,能够使用所述尺寸可以将实际空间与相机坐标系下的尺寸进行转换即可。
S200,机器人从起始路标开始识别路标,对路标进行相机标定,并对每个路标进行层级划分。
所述相机标定常用于机器视觉研究,在本发明中,是指将所述路标的坐标系都转化为所述相机的坐标系,并且得知所述路标在所述实际空间与相机坐标系下的尺寸的转换数学关系,找出其定量的联系。
所述路标的层级划分由小到大,确定起始路标为第一层级路标,然后依次将所有路标进行层级划分。
在本实施例中,所述起始路标E为第一层级路标,然后以起始路标E开始将所有路标进行层级划分。
在其他实施例中,所述路标的层级划分也可以由大到小,比如讲起始路标E划分为的第五层路标,或者第N层路标,N可以为任意数,也可以是字母等。
所述路标的层级大小是指:假设有第M层级路标与第N层级路标,M大于N,则,第M层级路标的层级大于第N层级路标的层级。
在本实施例中,起始路标E为第一层级路标,所述第二层级一路标D的层级数大于起始路标E。
在其他实施例中,所述路标的层级大小可做其他规定,比如假设有第M层级路标与第N层级路标,M大于N,则,第N层级路标的层级大于第M层级路标的层级。
所述路标的层级数确定采用如下方法:机器人从已划分层级的路标出发,能够同时识别到所述已划分层级的路标与其他未划分层级路标时,将所述其他未划分层级路标的层级数划分为比所述已划分层级的路标大一个层级。
在本实施例中,所述机器人从起始路标开始识别路标,划分起始路标为第一层级路标,在人工干预下,机器人从起始路标出发,在某一位置能够同时识别到起始路标与其他路标时,将其他路标划分为第二层级路标,并对划分好层级的路标进行相机标定;所述第一层级路标分别与所有的所述第二层级路标具有直属关系。
所述路标的直属关系是指,所述两个路标之间的层级相差一个层级,且层级较大的路标的层级是根据层级较小的路标的层级而直接确定的;所述具有直属关系的相邻层级两个路标在多叉树结构中直接相连。
然后,机器人从第二层级路标出发,在任何位置均不能够同时识别到起始路标与其他路标,而只能在某一位置同时识别到第二层级路标与其他路标时,将其他路标划分为第三层级路标,并对划分好层级的路标进行相机标定;采用同样的方法划分第四层级与第四层级以上的路标。
在本实施例中,参考图5,所述机器人1在人工干预下,从起始路标E开始行走,通过所述导航模块中的相机2进行路标图像拍摄与识别,当所述导航模块中的相机2能够同时拍摄到起始路标E与第二层级一路标D,并且准确且稳定的反映出拍摄到的是起始路标E与第二层级一路标D时,人工干预,给机器人1一个信号,机器人1对起始路标E与第二层级一路标D均进行相机标定,分别计算起始路标E坐标系、第二层级一路标D坐标系和所述相机坐标系的转换关系矩阵,并且,将所述第二层级一路标D划分为第二层级路标。
然后,参考图6,机器人1在人工干预下从第二层级一路标D出发沿着第三层级二路标B的方向行走,通过所述导航模块中的相机2进行路标图像拍摄与识别,在此过程中,当机器人1在任意位置不能同时识别到起始路标E与第三层级二路标B,而在某一位置能够准确且稳定的反映出同时识别到的是第二层级一路标D与第三层级二路标B时,人工干预,给机器人1一个信号,机器人1对第二层级一路标D与第三层级二路标B均进行相机标定,分别计算第二层级一路标D坐标系、第三层级二路标B坐标系和所述相机坐标系的转换关系矩阵,并且,将所述第三层级二路标B划分为第三层级路标。
最后,人工干预机器人回到第二层级一路标D,沿第三层级一路标A方向行走,当过程中机器人能够准确并稳定的识别出第二层级一路标D与第三层级一路标A时,人工干预,给机器人一个信号,机器人对第二层级一路标D与第三层级一路标A均进行相机标定,分别计算第二层级一路标D坐标系、第三层级一路标A坐标系和所述相机坐标系的转换关系矩阵,并且,将所述第三层级一路标A划分为第三层级路标。
在其他实施例中,参考图7,所述机器人1在人工干预下,从起始路标E开始行走,通过所述导航模块中的相机2进行路标图像拍摄与识别,当所述导航模块中的相机2能够同时拍摄到起始路标E、第二层级一路标D与第二层级二路标F,并且准确且稳定的反映出拍摄到的是起始路标E、第二层级一路标D与第二层级二路标F时,人工干预,给机器人一个信号,机器人对起始路标E、第二层级一路标D、与第二层级二路标F均进行相机标定,分别计算起始路标E坐标系、第二层级一路标D坐标系、第二层级二路标F和所述相机坐标系的转换关系矩阵,并且,将所述第二层级一路标D、与第二层级二路标F划分为第二层级路标。
在其他实施例中,采用同样的方法划分第四层级与第四层级以上的路标,即机器人在任意位置均不能同时识别到路标与起始路标、或第一层级路标、或第二层级路标,而在某一位置能够同时识别到路标与第三层级路标时,将路标划分为第四层级路标;第四层级以上路标的层级划分也采用同样的方法。
在本实施例中,参考图2,采用的是多叉树结构进行地图的创建,所述起始路标E为第一层级路标,1张地图只有一个第一层级路标,所述第二层级一路标D划分为第二层级路标,层级数比起始路标E多一层,所述第三层级一路标A、第三层级二路标B划分为第三层级路标。
在其他实施例中,可以采用其他分级或分类方法对路标进行划分,比如,也可以将起始路标E与第二层级一路标D均确定为第一层级路标,其余路标再划分为第二层级或第二以上层级路标。
在其他实施例中,所述机器人可以从起始路标E开始沿任意方向行走,比如沿第二层级二路标F方向开始行走。
在本实施例中,机器人进行相机标定的时刻是机器人能够稳定并且准确的反映出识别的路标时,一般设定为机器人能够在持续在3秒的时间内稳定并且准确的识别路标;并且,本实施例中还要求机器人处于两个路标距离的二分之一处。
在其他实施例中,时间可以根据需要进行调整为4秒或5秒或6秒及以上,只要满足需要且能够实现即可;并且只要满足此条件即可,不需要机器人一定要处于两个路标距离的二分之一处。
在本实施例中,对所述路标进行相机标定,主要是为了能够将所述路标的坐标系转化为所述照相机坐标系,每一个路标的坐标系都已经转换到了所述相机坐标系,便于步骤S300中的两两路标之间的关系运算,计算简单。
在本实施例中,所述相机标定方法采用张正友基于针孔相机模型特定的平面标定方法。
在其他实施例中,根据需要可以采用其他相机标定方法,只要能够将所述路标坐标系与所述相机坐标系进行转换即可,这样,每一个路标的坐标系都已经转换到了所述相机坐标系,便于步骤300中的两两路标之间的关系运算,计算简单。
S300,计算所有相邻层级的具有直属关系的两个路标坐标系的转换关系矩阵。
本实施例中,计算的是多叉树结构中所有具有直属关系的相邻层级的两个路标坐标系的转换关系矩阵,比如起始路标E与第一层级一路标D之间的转换关系矩阵,比如起始路标E与第二层级二路标F之间的转换关系矩阵。
本实施例中,设OXY、O'X'Y'是两个相邻路标的坐标系,O'在OXY中的坐标为(tx,ty),由X轴到X'轴的角度为θ,坐标转换公式是:x=x'cosθ-y'sinθ+tx,y=x'sinθ+y'cosθ+ty。
即,转换矩阵如下所示:
为了更进一步简化公式,便于坐标系之间的转换计算,引入齐次坐标形式,则得到以下公式:
由此可得到相应的路标坐标系之间的可逆转换矩阵A:
由于相邻层级的具有直属关系的两个路标的坐标系均已转换为相机坐标系,两个路标坐标系原点在所述相机坐标系下的坐标计算简单,两个路标坐标系的旋转角θ也计算简单,因而计算出转换矩阵中的参数,则能够确定相邻层级的具有直属关系的坐标转换关系,并将转换关系矩阵保存。
所述当划分层级的路标数量与设置的路标数量相同时,已完成以上S100,200,S300后,所述机器人视觉导航地图的创建完成,在本实施例中,得到的是一个机器人存储着的,以路标为节点的多叉树结构,相邻层级的路标坐标系的转换关系矩阵也存在机器人中作为多叉树结构的相邻层级的具有直属关系的两个路标之间的链,这样,导航时,机器人可以将相邻层级的具有直属关系的路标之间的实际距离计算出来,以完成导航。
本技术方案的一种机器人视觉导航地图的创建方法,通过使用多叉树结构来表达相邻路标之间的层级关系,同时使用相机标定与平面坐标系之间的坐标变换矩阵来作为路标坐标系之间的数学转换表达,有利于简化后续的路径规划算法。
以上所述,仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种机器人视觉导航地图的创建方法,其特征在于,包括:
S100:设置路标的数量,设定一起始路标;
S200:机器人从起始路标开始识别路标,对路标进行相机标定,并对每个路标进行层级划分;
S300:计算所有相邻层级的具有直属关系的两个路标坐标系的转换关系矩阵。
2.根据权利要求1所述的机器人视觉导航地图的创建方法,其特征在于,步骤S100还包括设置所述路标中的尺寸,所述机器人可使用所述尺寸将实际空间与相机坐标系下的尺寸进行转换。
3.根据权利要求2所述的机器人视觉导航地图的创建方法,其特征在于,所述路标包括:
第一坐标标记,用于确定路标坐标系的X轴;
第二坐标标记,用于确定路标坐标系的Y轴;
区域标记,用于确定路标所在的空间位置,所述区域标记包括多个等距离的信息块,所述尺寸是所述信息块之间的距离或者信息块的长度。
4.根据权利要求2所述的机器人视觉导航地图的创建方法,其特征在于,所述起始路标设定为位于所有路标所处空间中央位置的路标。
5.根据权利要求2所述的机器人视觉导航地图的创建方法,其特征在于,以路标为节点,采用多叉树结构对路标进行层级划分,所述起始路标为第一层级路标,第一层级路标只有1个。
6.根据权利要求5所述的机器人视觉导航地图的创建方法,其特征在于,所述路标的层级数确定采用如下方法:机器人从已划分层级的路标出发,能够同时识别到所述已划分层级的路标与其他未划分层级路标时,将所述其他未划分层级路标的层级数划分为比所述已划分层级的路标大一个层级。
7.根据权利要求6所述的机器人视觉导航地图的创建方法,其特征在于,所述直属关系是指,如果两个路标之间的层级相差一个层级,且层级较大的路标的层级是根据层级较小的路标的层级而直接确定的,则这两个路径具 有直属关系;所述具有直属关系的相邻层级两个路标在所述多叉树结构中直接相连。
8.根据权利要求7所述的机器人视觉导航地图的创建方法,其特征在于,当多叉树结构中的路标数量与预先设置的路标数量相同,并且计算完成所有相邻层级的具有直属关系的两个路标坐标系的转换关系矩阵时,地图创建完成。
9.根据权利要求1所述的机器人视觉导航地图的创建方法,其特征在于,所述相机标定的时刻是机器人能够稳定并且准确的反映出识别的路标的时刻。
10.根据权利要求1所述的机器人视觉导航地图的创建方法,其特征在于,设OXY、O'X'Y'是两个相邻路标的坐标系,O'在OXY中的坐标为(tx,ty),由X轴到X'轴的角度为θ,则所述转换关系矩阵A是一个可逆矩阵,即:
。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610614319.2A CN106003052B (zh) | 2016-07-29 | 2016-07-29 | 一种机器人视觉导航地图的创建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610614319.2A CN106003052B (zh) | 2016-07-29 | 2016-07-29 | 一种机器人视觉导航地图的创建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106003052A true CN106003052A (zh) | 2016-10-12 |
CN106003052B CN106003052B (zh) | 2018-06-12 |
Family
ID=57114339
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610614319.2A Active CN106003052B (zh) | 2016-07-29 | 2016-07-29 | 一种机器人视觉导航地图的创建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106003052B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108267133A (zh) * | 2017-12-21 | 2018-07-10 | 合肥中导机器人科技有限公司 | 一种激光式反射板坐标系冗余标定方法及激光导航系统 |
CN109062211A (zh) * | 2018-08-10 | 2018-12-21 | 远形时空科技(北京)有限公司 | 一种基于slam识别临近空间的方法、装置、系统及存储介质 |
CN109146587A (zh) * | 2017-06-16 | 2019-01-04 | 阿里巴巴集团控股有限公司 | 信息测量方法及装置 |
CN110243360A (zh) * | 2018-03-08 | 2019-09-17 | 深圳市优必选科技有限公司 | 机器人在运动区域的地图构建及定位方法 |
CN110716205A (zh) * | 2019-10-18 | 2020-01-21 | 鱼越号机器人科技(上海)有限公司 | 基于反光板的定位方法及机器人、计算机可读存储介质 |
CN110788853A (zh) * | 2018-08-01 | 2020-02-14 | 纳恩博(北京)科技有限公司 | 运动轨迹生成方法及电子设备、计算机可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6232516A (ja) * | 1985-08-06 | 1987-02-12 | Shinko Electric Co Ltd | 移動ロボツトの最適経路探索方法 |
EP0511065A1 (fr) * | 1991-04-22 | 1992-10-28 | France Telecom | Procédé de décompilation pour la réalisation de graphes au moyen d'un ordinateur |
US6041274A (en) * | 1997-04-21 | 2000-03-21 | Shinko Electric Co., Ltd. | Positional deviation detecting device for a mobile body and position correcting apparatus for a working machine mounted on a mobile body |
US20060001566A1 (en) * | 2004-06-25 | 2006-01-05 | Alexander Maass | Method and device for course prediction in motor vehicles |
CN1938562A (zh) * | 2004-03-31 | 2007-03-28 | 英国电讯有限公司 | 寻路系统 |
CN101669144A (zh) * | 2007-03-13 | 2010-03-10 | 浦项产业科学研究院 | 用于移动式机器人的位置确定的路标和使用该路标的设备与方法 |
CN102419178A (zh) * | 2011-09-05 | 2012-04-18 | 中国科学院自动化研究所 | 基于红外路标的移动机器人定位系统和方法 |
-
2016
- 2016-07-29 CN CN201610614319.2A patent/CN106003052B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6232516A (ja) * | 1985-08-06 | 1987-02-12 | Shinko Electric Co Ltd | 移動ロボツトの最適経路探索方法 |
EP0511065A1 (fr) * | 1991-04-22 | 1992-10-28 | France Telecom | Procédé de décompilation pour la réalisation de graphes au moyen d'un ordinateur |
US6041274A (en) * | 1997-04-21 | 2000-03-21 | Shinko Electric Co., Ltd. | Positional deviation detecting device for a mobile body and position correcting apparatus for a working machine mounted on a mobile body |
CN1938562A (zh) * | 2004-03-31 | 2007-03-28 | 英国电讯有限公司 | 寻路系统 |
US20060001566A1 (en) * | 2004-06-25 | 2006-01-05 | Alexander Maass | Method and device for course prediction in motor vehicles |
CN101669144A (zh) * | 2007-03-13 | 2010-03-10 | 浦项产业科学研究院 | 用于移动式机器人的位置确定的路标和使用该路标的设备与方法 |
CN102419178A (zh) * | 2011-09-05 | 2012-04-18 | 中国科学院自动化研究所 | 基于红外路标的移动机器人定位系统和方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109146587A (zh) * | 2017-06-16 | 2019-01-04 | 阿里巴巴集团控股有限公司 | 信息测量方法及装置 |
CN108267133A (zh) * | 2017-12-21 | 2018-07-10 | 合肥中导机器人科技有限公司 | 一种激光式反射板坐标系冗余标定方法及激光导航系统 |
CN108267133B (zh) * | 2017-12-21 | 2021-07-27 | 合肥中导机器人科技有限公司 | 一种激光式反射板坐标系冗余标定方法及激光导航系统 |
CN110243360A (zh) * | 2018-03-08 | 2019-09-17 | 深圳市优必选科技有限公司 | 机器人在运动区域的地图构建及定位方法 |
US11067997B2 (en) | 2018-03-08 | 2021-07-20 | Ubtech Robotics Corp | Simultaneous localization and mapping methods of mobile robot in motion area |
CN110243360B (zh) * | 2018-03-08 | 2022-02-22 | 深圳市优必选科技有限公司 | 机器人在运动区域的地图构建及定位方法 |
CN110788853A (zh) * | 2018-08-01 | 2020-02-14 | 纳恩博(北京)科技有限公司 | 运动轨迹生成方法及电子设备、计算机可读存储介质 |
CN109062211A (zh) * | 2018-08-10 | 2018-12-21 | 远形时空科技(北京)有限公司 | 一种基于slam识别临近空间的方法、装置、系统及存储介质 |
CN109062211B (zh) * | 2018-08-10 | 2021-12-10 | 远形时空科技(北京)有限公司 | 一种基于slam识别临近空间的方法、装置、系统及存储介质 |
CN110716205A (zh) * | 2019-10-18 | 2020-01-21 | 鱼越号机器人科技(上海)有限公司 | 基于反光板的定位方法及机器人、计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106003052B (zh) | 2018-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106003052A (zh) | 一种机器人视觉导航地图的创建方法 | |
CN105974928A (zh) | 一种机器人导航路径规划方法 | |
US11530924B2 (en) | Apparatus and method for updating high definition map for autonomous driving | |
CN107514993B (zh) | 基于无人机的面向单体建筑建模的数据采集方法及系统 | |
JP2019537077A (ja) | 指標を使用した同時位置決め地図作成ナビゲーション方法、装置及びシステム | |
CN105912971B (zh) | 一种用于agv导航的规则图形码码阵系统及其读码方法 | |
CN108415032A (zh) | 一种基于深度学习与激光雷达的点云语义地图构建方法 | |
CN110388931A (zh) | 将对象的二维边界框转换成自动驾驶车辆的三维位置的方法 | |
CN103411609A (zh) | 一种基于在线构图的飞行器返航路线规划方法 | |
CN110386142A (zh) | 用于自动驾驶车辆的俯仰角校准方法 | |
CN108801276A (zh) | 高精度地图生成方法及装置 | |
CN107766859A (zh) | 移动机器人定位方法、装置及移动机器人 | |
US20210192689A1 (en) | Using maps comprising covariances in multi-resolution voxels | |
CN107328420A (zh) | 定位方法和装置 | |
CN108180921B (zh) | 利用gps数据的ar-hud导航系统及其导航方法 | |
CN106855415A (zh) | 地图匹配方法和系统 | |
CN102679961B (zh) | 便携式四目立体摄影测量系统及方法 | |
AU2015238339B2 (en) | Navigation system | |
ITTO20070272A1 (it) | Procedimento e sistema per la stima dell'area di impatto di un carico bellico lanciato da un velivolo | |
CN106485207A (zh) | 一种基于双目视觉图像的指尖检测方法及系统 | |
JP6856855B2 (ja) | それ自体によって生成された情報及び他の個体によって生成された情報を選択的に利用してカメラの誤整列を補正する方法及びこれを利用した装置 | |
CN111595334A (zh) | 基于视觉点线特征与imu紧耦合的室内自主定位方法 | |
CN109238277A (zh) | 视觉惯性数据深度融合的定位方法及装置 | |
KR102562994B1 (ko) | 차량 주행 경로 지도 생성 방법, 장치 및 컴퓨터프로그램 | |
CN115115859A (zh) | 基于无人机航拍的长线性工程施工进度智能识别与分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20221110 Address after: 214200 no.329, D3 building, China Ceramic City, Dingshu Town, Yixing City, Wuxi City, Jiangsu Province Patentee after: Jiangsu Harbin Industrial Technology Co.,Ltd. Address before: 150060 Heilongjiang Province Harbin Jingkai District Haping Road Concentrated Area Dalian North Road and Xingkai Road Intersection Patentee before: HARBIN GONGDA SERVICE ROBOT Co.,Ltd. |
|
TR01 | Transfer of patent right |