CN106052674A - 一种室内机器人的slam方法和系统 - Google Patents
一种室内机器人的slam方法和系统 Download PDFInfo
- Publication number
- CN106052674A CN106052674A CN201610333364.0A CN201610333364A CN106052674A CN 106052674 A CN106052674 A CN 106052674A CN 201610333364 A CN201610333364 A CN 201610333364A CN 106052674 A CN106052674 A CN 106052674A
- Authority
- CN
- China
- Prior art keywords
- under
- robot
- grid
- depth image
- rgb image
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
Abstract
本发明公开一种室内机器人的SLAM方法，包括：通过摄像机获取图像数据，图像数据包括RGB图像和深度图像；使用角点检测算法、LK特征点跟踪算法和RANSAC算法处理RGB图像和深度图像，以调整摄像头的位置与角度，获取机器人操作系统下的RGB图像数据信息；将世界坐标系下的深度图像变换到地面坐标下，遍历投影在地面坐标下的深度图像，将障碍物所在的栅格的灰度值设置为第一特征值，遍历得到2D障碍物栅格地图；通过单线激光雷达的扫描方式，搜索2D障碍物栅格地图，遇到灰度值为第一特征值的栅格后，反馈该栅格到摄像机的距离，得到机器人与障碍物之间的距离，获取机器人操作系统下的深度图像；得到环境2D地图。
Description
技术领域
本发明涉及机器人室内自主导航技术领域，更具体的说，涉及一种室内机器人的SLAM方法和系统。
背景技术
在自主移动机器人智能导航技术的相关研究中，机器人在未知环境下的同步定位与地图构建(简称SLAM，simultaneous localization and mapping)技术作为关键性的技术，兼具应用和学术上的双重价值，已然成为近二十年来该领域的研究热点。在这种趋势下，学者们提出了多种解决SLAM问题的方法，也应用了多种传感器来解决SLAM中的环境感知问题。
SLAM技术首先要解决的问题是选择适当的传感器系统来感知机器人所处的环境。如激光测距仪、声呐、视觉传感器、GPS、罗盘和里程计等，都是较为常用的机载传感器。其中，激光测距仪这类在测距范围和方位角上都具有较高精确度的传感器成为人们优先选用的传感器，因此对使用此类传感器获取环境信息的SLAM技术的研究逐渐成为SLAM问题的基础性研究。
然而，受限于传感器的成本、安装结构、算法效率和精度等问题，目前能产品化的SLAM方法基本没有。对于室内机器人，考虑到实际的使用场景，激光测距仪由于价格、噪声、结构等方面的因素，必然不能成为室内机器人做SLAM的最优选择。
因此，对于室内机器人SLAM技术的真正产品化，需要一套对环境感知更好的SLAM方法和系统。
发明内容
本发明所要解决的技术问题是提供一种室内机器人的SLAM方法和系统，与现有技术相比较，本发明对传感器的依赖较小，成本低；安装便利，对外观结构限制较小；实时性较高，完全满足机器人的室内导航要求。
本发明的目的是通过以下技术方案来实现的：
一种室内机器人的SLAM方法，所述方法包括：
通过摄像机获取图像数据，所述图像数据包括RGB图像和深度图像；
使用角点检测算法、LK特征点跟踪算法和RANSAC算法处理RGB图像和深度图像，以调整摄像头的位置与角度，获取机器人操作系统下的RGB图像数据信息；
将世界坐标系下的深度图像变换到地面坐标下，遍历投影在地面坐标下的深度图像，将障碍物所在的栅格的灰度值设置为第一特征值，遍历得到2D障碍物栅格地图；
通过单线激光雷达的扫描方式，搜索所述2D障碍物栅格地图，遇到灰度值为第一特征值的栅格后，反馈该栅格到摄像机的距离，得到机器人与障碍物之间的距离，获取机器人操作系统下的深度图像；
根据机器人操作系统下的RGB图像数据信息和机器人操作系统下的深度图像，得到机器人的位置与角度和环境2D地图。
优选的，所述深度图像包括3D点云数据；
所述将世界坐标系下的深度图像变换到地面坐标下，遍历投影在地面坐标下的深度图像，将障碍物所在的栅格的灰度值设置为第一特征值，遍历得到2D障碍物栅格地图的步骤包括：
使用RANSAC算法标定机器人安装结构下的地面坐标系，得到由世界坐标系到地面坐标下的旋转矩阵和平移矩阵，将3D点云数据从像素坐标系变换到世界坐标系下；将世界坐标系下的3D点云数据按标定的旋转矩阵和平移矩阵变换到地面坐标下，根据摄像机的有效测距范围，在地面坐标系下划出矩形区域并栅格化，将栅格设置为初始灰度值，遍历投影在地面坐标下的深度图像，将障碍物所在的栅格的灰度值设置为第一特征值，遍历得到2D障碍物栅格地图。
优选的，所述矩形区域的大小为10米乘10米。
优选的，所述矩形区域栅格化后的初始灰度值为80。
优选的，所述第一特征值为160。
优选的，所述第一特征值为所述初始灰度值的两倍。
优选的，所述使用角点检测算法、LK特征点跟踪算法和RANSAC算法处理RGB图像和深度图像，以调整摄像头的位置与角度，获取机器人操作系统下的RGB图像数据信息的步骤包括：
提取RGB图像的角点特征；
用LK特征点算法跟踪特征点；
结合深度图像，得到有效特征点处的深度信息；
将摄像机的深度图像和RGB图像对齐；
将有效特征点从像素坐标变换到世界坐标；
将有效特征点从摄像机世界坐标系变换到地面坐标下；
根据预设约束条件提取关键帧；
利用RANSAC鲁棒参数求得相邻之间关键帧图像之间的摄像头位置和角度变换；
获取机器人操作系统下的RGB图像数据信息。
本发明还公开一种室内机器人的SLAM系统，所述系统包括：
获取模块，用于通过摄像机获取图像数据，所述图像数据包括RGB图像和深度图像；
RGB图像处理模块，用于使用角点检测算法、LK特征点跟踪算法和RANSAC算法处理RGB图像和深度图像，以调整摄像头的位置与角度，获取机器人操作系统下的RGB图像数据信息；
栅格模块，用于将世界坐标系下的深度图像变换到地面坐标下，遍历投影在地面坐标下的深度图像，将障碍物所在的栅格的灰度值设置为第一特征值，遍历得到2D障碍物栅格地图；
深度图像处理模块，用于通过单线激光雷达的扫描方式，搜索所述2D障碍物栅格地图，遇到灰度值为第一特征值的栅格后，反馈该栅格到摄像机的距离，得到机器人与障碍物之间的距离，获取机器人操作系统下的深度图像；
处理模块，用于根据机器人操作系统下的RGB图像数据信息和机器人操作系统下的深度图像，得到机器人的位置与角度和环境2D地图。
优选的，所述深度图像包括3D点云数据；
所述栅格模块还用于：使用RANSAC算法标定机器人安装结构下的地面坐标系，得到由世界坐标系到地面坐标下的旋转矩阵和平移矩阵，将3D点云数据从像素坐标系变换到世界坐标系下；将世界坐标系下的3D点云数据按标定的旋转矩阵和平移矩阵变换到地面坐标下，根据摄像机的有效测距范围，在地面坐标系下划出矩形区域并栅格化，将栅格设置为初始灰度值，遍历投影在地面坐标下的深度图像，将障碍物所在的栅格的灰度值设置为第一特征值，遍历得到2D障碍物栅格地图。
优选的，所述RGB图像处理模块还用于：
提取RGB图像的角点特征；
用LK特征点算法跟踪特征点；
结合深度图像，得到有效特征点处的深度信息；
将摄像机的深度图像和RGB图像对齐；
将有效特征点从像素坐标变换到世界坐标；
将有效特征点从摄像机世界坐标系变换到地面坐标下；
根据预设约束条件提取关键帧；
利用RANSAC鲁棒参数求得相邻之间关键帧图像之间的摄像头位置和角度变换；
获取机器人操作系统下的RGB图像数据信息。
相对于现有技术，本发明的具有以下优点：本发明基于室内机器人自主导航的实际需求，利用单个RGB-D摄像机，解决了SLAM中的定位和建图的问题，成功构建出2D导航地图。与现有技术相比较，本发明对传感器的依赖较小，成本低；安装便利，对外观结构限制较小；实时性较高，完全满足机器人的室内导航要求。与传统的SLAM方法不同，本发明只用了一个传感器，实现了视觉里程计的方法并模拟成激光雷达的数据，完成了SLAM问题的输入条件，在此基础上构建出了导航地图。与其他SLAM方法相比，本发明由于成本低，结构上安装简单，不会影响机器人的外观结构，且运算量不大，能保证效率和实时性，精度也能满足室内导航需求，是一个真正可以实现产品化的SLAM方法。
附图说明
图1是本发明实施例一的室内机器人的SLAM方法的流程图；
图2是本发明实施例一的深度图像模拟激光测距仪数据的流程图；
图3是本发明实施例一的SLAM生成的地图的示意图；
图4是本发明实施例二的室内机器人的SLAM系统的示意图。
具体实施方式
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
在上下文中所称“计算机设备”，也称为“电脑”，是指可以通过运行预定程序或指令来执行数值计算和/或逻辑计算等预定处理过程的智能电子设备，其可以包括处理器与存储器，由处理器执行在存储器中预存的存续指令来执行预定处理过程，或是由ASIC、FPGA、DSP等硬件执行预定处理过程，或是由上述二者组合来实现。计算机设备包括但不限于服务器、个人电脑、笔记本电脑、平板电脑、智能手机等。
所述计算机设备包括用户设备与网络设备。其中，所述用户设备或客户端包括但不限于电脑、智能手机、PDA等；所述网络设备包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(Cloud Computing)的由大量计算机或网络服务器构成的云，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。其中，所述计算机设备可单独运行来实现本发明，也可接入网络并通过与网络中的其他计算机设备的交互操作来实现本发明。其中，所述计算机设备所处的网络包括但不限于互联网、广域网、城域网、局域网、VPN网络等。
需要说明的是，所述用户设备、客户端、网络设备和网络等仅为举例，其他现有的或今后可能出现的计算机设备或网络如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。
后面所讨论的方法(其中一些通过流程图示出)可以通过硬件、软件、固件、中间件、微代码、硬件描述语言或者其任意组合来实施。当用软件、固件、中间件或微代码来实施时，用以实施必要任务的程序代码或代码段可以被存储在机器或计算机可读介质(比如存储介质)中。(一个或多个)处理器可以实施必要的任务。
这里所公开的具体结构和功能细节仅仅是代表性的，并且是用于描述本发明的示例性实施例的目的。但是本发明可以通过许多替换形式来具体实现，并且不应当被解释成仅仅受限于这里所阐述的实施例。
应当理解的是，虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说，在不背离示例性实施例的范围的情况下，第一单元可以被称为第二单元，并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。
应当理解的是，当一个单元被称为“连接”或“耦合”到另一单元时，其可以直接连接或耦合到所述另一单元，或者可以存在中间单元。与此相对，当一个单元被称为“直接连接”或“直接耦合”到另一单元时，则不存在中间单元。应当按照类似的方式来解释被用于描述单元之间的关系的其他词语(例如“处于...之间”相比于“直接处于...之间”，“与...邻近”相比于“与...直接邻近”等等)。
这里所使用的术语仅仅是为了描述具体实施例而不意图限制示例性实施例。除非上下文明确地另有所指，否则这里所使用的单数形式“一个”、“一项”还意图包括复数。还应当理解的是，这里所使用的术语“包括”和/或“包含”规定所陈述的特征、整数、步骤、操作、单元和/或组件的存在，而不排除存在或添加一个或更多其他特征、整数、步骤、操作、单元、组件和/或其组合。
还应当提到的是，在一些替换实现方式中，所提到的功能/动作可以按照不同于附图中标示的顺序发生。举例来说，取决于所涉及的功能/动作，相继示出的两幅图实际上可以基本上同时执行或者有时可以按照相反的顺序来执行。
下面结合附图和较佳的实施例对本发明作进一步说明。
实施例一
如图1所示，本实施例中公开一种室内机器人的SLAM方法，所述方法包括：
S101、通过摄像机获取图像数据，所述图像数据包括RGB图像和深度图像；
S102、使用角点检测算法、LK特征点跟踪算法和RANSAC算法处理RGB图像和深度图像，以调整摄像头的位置与角度，获取机器人操作系统下的RGB图像数据信息；
S103、将世界坐标系下的深度图像变换到地面坐标下，遍历投影在地面坐标下的深度图像，将障碍物所在的栅格的灰度值设置为第一特征值，遍历得到2D障碍物栅格地图；
S104、通过单线激光雷达的扫描方式，搜索所述2D障碍物栅格地图，遇到灰度值为第一特征值的栅格后，反馈该栅格到摄像机的距离，得到机器人与障碍物之间的距离，获取机器人操作系统下的深度图像；
S105、根据机器人操作系统下的RGB图像数据信息和机器人操作系统下的深度图像，得到机器人的位置与角度和环境2D地图。
本实施例基于室内机器人自主导航的实际需求，利用单个RGB-D摄像机，解决了SLAM中的定位和建图的问题，成功构建出2D导航地图。与现有技术相比较，本实施例对传感器的依赖较小，成本低；安装便利，对外观结构限制较小；实时性较高，完全满足机器人的室内导航要求。与传统的SLAM方法不同，本实施例只用了一个传感器，实现了视觉里程计的方法并模拟成激光雷达的数据，完成了SLAM问题的输入条件，在此基础上构建出了导航地图。与其他SLAM方法相比，本实施例由于成本低，结构上安装简单，不会影响机器人的外观结构，且运算量不大，能保证效率和实时性，精度也能满足室内导航需求，是一个真正可以实现产品化的SLAM方法。
根据其中一个示例，所述深度图像包括3D点云数据；
所述S103将世界坐标系下的深度图像变换到地面坐标下，遍历投影在地面坐标下的深度图像，将障碍物所在的栅格的灰度值设置为第一特征值，遍历得到2D障碍物栅格地图的步骤包括：
使用RANSAC算法标定机器人安装结构下的地面坐标系，得到由世界坐标系到地面坐标下的旋转矩阵和平移矩阵，将3D点云数据从像素坐标系变换到世界坐标系下；将世界坐标系下的3D点云数据按标定的旋转矩阵和平移矩阵变换到地面坐标下，根据摄像机的有效测距范围，在地面坐标系下划出矩形区域并栅格化，将栅格设置为初始灰度值，遍历投影在地面坐标下的深度图像，将障碍物所在的栅格的灰度值设置为第一特征值，遍历得到2D障碍物栅格地图。
这样可以更高效率，更加准确的得到2D障碍物栅格地图。
根据其中另一个示例，所述矩形区域的大小为10米乘10米。划分出矩形区域的大小可以方便进行栅格。
根据其中另一个示例，所述矩形区域栅格化后的初始灰度值为80。设置初始灰度值可以方便后续步骤中设置障碍物的灰度值，方便识别。
根据其中另一个示例，所述第一特征值为160。将第一特征值设置为160可以方便障碍物的识别。
根据其中另一个示例，所述第一特征值为所述初始灰度值的两倍。将第一特征值设置为初始灰度值的两倍，方便寻找到障碍物，从而构建地图。
根据其中另一个示例，所述使用角点检测算法、LK特征点跟踪算法和RANSAC算法处理RGB图像和深度图像，以调整摄像头的位置与角度，获取机器人操作系统下的RGB图像数据信息的步骤包括：
提取RGB图像的角点特征；
用LK特征点算法跟踪特征点；
结合深度图像，得到有效特征点处的深度信息；
将摄像机的深度图像和RGB图像对齐；
将有效特征点从像素坐标变换到世界坐标；
将有效特征点从摄像机世界坐标系变换到地面坐标下；
根据预设约束条件提取关键帧；
利用RANSAC鲁棒参数求得相邻之间关键帧图像之间的摄像头位置和角度变换；
获取机器人操作系统下的RGB图像数据信息。
采用上述方式处理RGB图像，可以更高效率的获取机器人操作系统下的RGB图像数据信息。
本实施例中一种室内机器人的SLAM方法，更加详细的描述如下：
通过摄像机获取图像数据，所述图像数据包括RGB图像和深度图像；
使用角点检测算法、LK特征点跟踪算法和RANSAC算法处理RGB图像和深度图像，以调整摄像头的位置与角度，获取机器人操作系统下的RGB图像数据信息；其中，具体包括：1)提取RGB图像的角点特征；2)用LK特征点算法跟踪特征点；3)结合深度图像，得到有效特征点处的深度信息；4)将摄像机的深度图像和RGB图像对齐；6)将有效特征点从像素坐标变换到世界坐标；7)将有效特征点从摄像机世界坐标系变换到地面坐标下；根据预设约束条件提取关键帧；8)利用RANSAC鲁棒参数求得相邻之间关键帧图像之间的摄像头位置和角度变换；9)获取机器人操作系统下的RGB图像数据信息；
所述深度图像包括3D点云数据，具体结合图2所示，图中，30为摄像机坐标系，31为地面坐标系，32为地面投影栅格图，33为2D激光点云栅格图。具体示例：1)利用RANSAC算法标定机器人安装结构下的地面坐标系，得到由世界坐标系到地面坐标下的旋转矩阵和平移矩阵；2)将3D点云数据从像素坐标系变换到世界坐标系下；3)将世界坐标系下的3D点云数据按标定的旋转矩阵和平移矩阵变换到地面坐标下；4)根据摄像机的有效测距范围，在地面坐标系下划出10米乘10米的区域，按预设分辨率栅格化，并且每个栅格的初始灰度值都置为80；5)根据机器人的实际情况，设定机器人可通行的条件，在此条件下，遍历投影在地面坐标下的深度图像，找到障碍物点，把障碍物所在的栅格的灰度值设置为160，遍历结束后得到2D障碍物栅格地图：6)从摄像机在地面的投影点出发，在摄像机的视场角范围内，模拟单线激光雷达的扫描方式，搜索所述2D障碍物栅格地图，遇到灰度值为160的栅格后，反馈此栅格到摄像机的距离，遍历结束后，得到此刻机器人视野范围内的各个角度下的障碍物距离；7)最终封装成机器人操作系统的消息格式，发布在相应的目录，获取机器人操作系统下的深度图像；
如图3所示，根据机器人操作系统下的RGB图像数据信息和机器人操作系统下的深度图像，得到机器人的位置与角度和环境2D地图。
实施例二
如图4所示，本发明还公开一种室内机器人的SLAM系统，所述系统包括：
获取模块201，用于通过摄像机获取图像数据，所述图像数据包括RGB图像和深度图像；
RGB图像处理模块202，用于使用角点检测算法、LK特征点跟踪算法和RANSAC算法处理RGB图像和深度图像，以调整摄像头的位置与角度，获取机器人操作系统下的RGB图像数据信息；
栅格模块203，用于将世界坐标系下的深度图像变换到地面坐标下，遍历投影在地面坐标下的深度图像，将障碍物所在的栅格的灰度值设置为第一特征值，遍历得到2D障碍物栅格地图；
深度图像处理模块204，用于通过单线激光雷达的扫描方式，搜索所述2D障碍物栅格地图，遇到灰度值为第一特征值的栅格后，反馈该栅格到摄像机的距离，得到机器人与障碍物之间的距离，获取机器人操作系统下的深度图像；
处理模块205，用于根据机器人操作系统下的RGB图像数据信息和机器人操作系统下的深度图像，得到机器人的位置与角度和环境2D地图。
本实施例基于室内机器人自主导航的实际需求，利用单个RGB-D摄像机，解决了SLAM中的定位和建图的问题，成功构建出2D导航地图。与现有技术相比较，本实施例对传感器的依赖较小，成本低；安装便利，对外观结构限制较小；实时性较高，完全满足机器人的室内导航要求。与传统的SLAM方法不同，本实施例只用了一个传感器，实现了视觉里程计的方法并模拟成激光雷达的数据，完成了SLAM问题的输入条件，在此基础上构建出了导航地图。与其他SLAM系统相比，本实施例由于成本低，结构上安装简单，不会影响机器人的外观结构，且运算量不大，能保证效率和实时性，精度也能满足室内导航需求，是一个真正可以实现产品化的SLAM方法。
根据其中一个示例，所述深度图像包括3D点云数据；
所述栅格模块还用于：使用RANSAC算法标定机器人安装结构下的地面坐标系，得到由世界坐标系到地面坐标下的旋转矩阵和平移矩阵，将3D点云数据从像素坐标系变换到世界坐标系下；将世界坐标系下的3D点云数据按标定的旋转矩阵和平移矩阵变换到地面坐标下，根据摄像机的有效测距范围，在地面坐标系下划出矩形区域并栅格化，将栅格设置为初始灰度值，遍历投影在地面坐标下的深度图像，将障碍物所在的栅格的灰度值设置为第一特征值，遍历得到2D障碍物栅格地图。
这样可以更高效率，更加准确的得到2D障碍物栅格地图。
根据其中另一个示例，所述RGB图像处理模块还用于：
提取RGB图像的角点特征；
用LK特征点算法跟踪特征点；
结合深度图像，得到有效特征点处的深度信息；
将摄像机的深度图像和RGB图像对齐；
将有效特征点从像素坐标变换到世界坐标；
将有效特征点从摄像机世界坐标系变换到地面坐标下；
根据预设约束条件提取关键帧；
利用RANSAC鲁棒参数求得相邻之间关键帧图像之间的摄像头位置和角度变换；
获取机器人操作系统下的RGB图像数据信息。
采用上述方式处理RGB图像，可以更高效率的获取机器人操作系统下的RGB图像数据信息。
根据其中另一个示例，所述矩形区域的大小为10米乘10米。划分出矩形区域的大小可以方便进行栅格。
根据其中另一个示例，所述矩形区域栅格化后的初始灰度值为80。设置初始灰度值可以方便后续步骤中设置障碍物的灰度值，方便识别。
根据其中另一个示例，所述第一特征值为160。将第一特征值设置为160可以方便障碍物的识别。
根据其中另一个示例，所述第一特征值为所述初始灰度值的两倍。将第一特征值设置为初始灰度值的两倍，方便寻找到障碍物，从而构建地图。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (10)
1.一种室内机器人的SLAM方法，其特征在于，所述方法包括：
通过摄像机获取图像数据，所述图像数据包括RGB图像和深度图像；
使用角点检测算法、LK特征点跟踪算法和RANSAC算法处理RGB图像和深度图像，以调整摄像头的位置与角度，获取机器人操作系统下的RGB图像数据信息；
将世界坐标系下的深度图像变换到地面坐标下，遍历投影在地面坐标下的深度图像，将障碍物所在的栅格的灰度值设置为第一特征值，遍历得到2D障碍物栅格地图；
通过单线激光雷达的扫描方式，搜索所述2D障碍物栅格地图，遇到灰度值为第一特征值的栅格后，反馈该栅格到摄像机的距离，得到机器人与障碍物之间的距离，获取机器人操作系统下的深度图像；
根据机器人操作系统下的RGB图像数据信息和机器人操作系统下的深度图像，得到机器人的位置与角度和环境2D地图。
2.根据权利要求1所述的一种室内机器人的SLAM方法，其特征在于，所述深度图像包括3D点云数据；
所述将世界坐标系下的深度图像变换到地面坐标下，遍历投影在地面坐标下的深度图像，将障碍物所在的栅格的灰度值设置为第一特征值，遍历得到2D障碍物栅格地图的步骤包括：
使用RANSAC算法标定机器人安装结构下的地面坐标系，得到由世界坐标系到地面坐标下的旋转矩阵和平移矩阵，将3D点云数据从像素坐标系变换到世界坐标系下；将世界坐标系下的3D点云数据按标定的旋转矩阵和平移矩阵变换到地面坐标下，根据摄像机的有效测距范围，在地面坐标系下划出矩形区域并栅格化，将栅格设置为初始灰度值，遍历投影在地面坐标下的深度图像，将障碍物所在的栅格的灰度值设置为第一特征值，遍历得到2D障碍物栅格地图。
3.根据权利要求2所述的一种室内机器人的SLAM方法，其特征在于，所述矩形区域的大小为10米乘10米。
4.根据权利要求3所述的一种室内机器人的SLAM方法，其特征在于，所述矩形区域栅格化后的初始灰度值为80。
5.根据权利要求4所述的一种室内机器人的SLAM方法，其特征在于，所述第一特征值为160。
6.根据权利要求2所述的一种室内机器人的SLAM方法，其特征在于，所述第一特征值为所述初始灰度值的两倍。
7.根据权利要求1所述的一种室内机器人的SLAM方法，其特征在于，所述使用角点检测算法、LK特征点跟踪算法和RANSAC算法处理RGB图像和深度图像，以调整摄像头的位置与角度，获取机器人操作系统下的RGB图像数据信息的步骤包括：
提取RGB图像的角点特征；
用LK特征点算法跟踪特征点；
结合深度图像，得到有效特征点处的深度信息；
将摄像机的深度图像和RGB图像对齐；
将有效特征点从像素坐标变换到世界坐标；
将有效特征点从摄像机世界坐标系变换到地面坐标下；
根据预设约束条件提取关键帧；
利用RANSAC鲁棒参数求得相邻之间关键帧图像之间的摄像头位置和角度变换；
获取机器人操作系统下的RGB图像数据信息。
8.一种室内机器人的SLAM系统，其特征在于，所述系统包括：
获取模块，用于通过摄像机获取图像数据，所述图像数据包括RGB图像和深度图像；
RGB图像处理模块，用于使用角点检测算法、LK特征点跟踪算法和RANSAC算法处理RGB图像和深度图像，以调整摄像头的位置与角度，获取机器人操作系统下的RGB图像数据信息；
栅格模块，用于将世界坐标系下的深度图像变换到地面坐标下，遍历投影在地面坐标下的深度图像，将障碍物所在的栅格的灰度值设置为第一特征值，遍历得到2D障碍物栅格地图；
深度图像处理模块，用于通过单线激光雷达的扫描方式，搜索所述2D障碍物栅格地图，遇到灰度值为第一特征值的栅格后，反馈该栅格到摄像机的距离，得到机器人与障碍物之间的距离，获取机器人操作系统下的深度图像；
处理模块，用于根据机器人操作系统下的RGB图像数据信息和机器人操作系统下的深度图像，得到机器人的位置与角度和环境2D地图。
9.根据权利要求8所述的一种室内机器人的SLAM系统，其特征在于，所述深度图像包括3D点云数据；
所述栅格模块还用于：使用RANSAC算法标定机器人安装结构下的地面坐标系，得到由世界坐标系到地面坐标下的旋转矩阵和平移矩阵，将3D点云数据从像素坐标系变换到世界坐标系下；将世界坐标系下的3D点云数据按标定的旋转矩阵和平移矩阵变换到地面坐标下，根据摄像机的有效测距范围，在地面坐标系下划出矩形区域并栅格化，将栅格设置为初始灰度值，遍历投影在地面坐标下的深度图像，将障碍物所在的栅格的灰度值设置为第一特征值，遍历得到2D障碍物栅格地图。
10.根据权利要求8所述的一种室内机器人的SLAM系统，其特征在于，所述RGB图像处理模块还用于：
提取RGB图像的角点特征；
用LK特征点算法跟踪特征点；
结合深度图像，得到有效特征点处的深度信息；
将摄像机的深度图像和RGB图像对齐；
将有效特征点从像素坐标变换到世界坐标；
将有效特征点从摄像机世界坐标系变换到地面坐标下；
根据预设约束条件提取关键帧；
利用RANSAC鲁棒参数求得相邻之间关键帧图像之间的摄像头位置和角度变换；
获取机器人操作系统下的RGB图像数据信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610333364.0A CN106052674B (zh) | 2016-05-20 | 2016-05-20 | 一种室内机器人的slam方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610333364.0A CN106052674B (zh) | 2016-05-20 | 2016-05-20 | 一种室内机器人的slam方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106052674A true CN106052674A (zh) | 2016-10-26 |
| CN106052674B CN106052674B (zh) | 2019-07-26 |
Family
ID=57177814
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610333364.0A Active CN106052674B (zh) | 2016-05-20 | 2016-05-20 | 一种室内机器人的slam方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106052674B (zh) |
Cited By (47)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106526605A (zh) * | 2016-10-28 | 2017-03-22 | 北京康力优蓝机器人科技有限公司 | 激光雷达与深度相机的数据融合方法及系统 |
| CN106777269A (zh) * | 2016-12-28 | 2017-05-31 | 深圳市佳都实业发展有限公司 | 用于构建动态地图的机器人及机器人构建动态地图的方法 |
| CN106780650A (zh) * | 2016-12-20 | 2017-05-31 | 李帅 | 智能测绘方法及系统 |
| CN107239076A (zh) * | 2017-06-28 | 2017-10-10 | 仲训昱 | 基于虚拟扫描与测距匹配的agv激光slam方法 |
| CN107292899A (zh) * | 2017-05-05 | 2017-10-24 | 浙江大学 | 一种针对二维激光扫描仪的角点特征提取方法 |
| CN107301654A (zh) * | 2017-06-12 | 2017-10-27 | 西北工业大学 | 一种多传感器的高精度即时定位与建图方法 |
| CN107356252A (zh) * | 2017-06-02 | 2017-11-17 | 青岛克路德机器人有限公司 | 一种融合视觉里程计与物理里程计的室内机器人定位方法 |
| CN107390681A (zh) * | 2017-06-21 | 2017-11-24 | 华南理工大学 | 一种基于激光雷达与地图匹配的移动机器人实时定位方法 |
| CN107506040A (zh) * | 2017-08-29 | 2017-12-22 | 上海爱优威软件开发有限公司 | 一种空间路径规划方法及系统 |
| CN107526360A (zh) * | 2017-09-26 | 2017-12-29 | 河南科技学院 | 一种未知环境下排爆机器人多阶自主导航探测系统及方法 |
| CN107767450A (zh) * | 2017-10-31 | 2018-03-06 | 南京维睛视空信息科技有限公司 | 一种基于sparse‑slam的实时建图方法 |
| CN107995962A (zh) * | 2017-11-02 | 2018-05-04 | 深圳市道通智能航空技术有限公司 | 一种避障方法、装置、可移动物体及计算机可读存储介质 |
| CN108177162A (zh) * | 2016-12-08 | 2018-06-19 | 发那科株式会社 | 移动机器人的干扰区域设定装置 |
| WO2018120027A1 (zh) * | 2016-12-30 | 2018-07-05 | 深圳前海达闼云端智能科技有限公司 | 一种障碍物检测方法及装置 |
| CN108257173A (zh) * | 2017-12-29 | 2018-07-06 | 上海物景智能科技有限公司 | 一种图像信息中的物体分离方法及装置及系统 |
| CN108256430A (zh) * | 2017-12-20 | 2018-07-06 | 北京理工大学 | 障碍物信息获取方法、装置及机器人 |
| CN108334080A (zh) * | 2018-01-18 | 2018-07-27 | 大连理工大学 | 一种针对机器人导航的虚拟墙自动生成方法 |
| CN108958231A (zh) * | 2017-05-17 | 2018-12-07 | 北京雷动云合智能技术有限公司 | 一种移动机器人地图的多分辨率区域划分方法 |
| CN109059927A (zh) * | 2018-08-21 | 2018-12-21 | 南京邮电大学 | 复杂环境下多传感器的移动机器人slam建图方法和系统 |
| CN109146932A (zh) * | 2018-07-17 | 2019-01-04 | 北京旷视科技有限公司 | 确定图像中目标点的世界坐标的方法、装置和系统 |
| CN109978767A (zh) * | 2019-03-27 | 2019-07-05 | 集美大学 | 基于多机器人协同的激光slam地图方法 |
| WO2019144286A1 (zh) * | 2018-01-23 | 2019-08-01 | 深圳市大疆创新科技有限公司 | 障碍物检测方法、移动平台及计算机可读存储介质 |
| CN110174894A (zh) * | 2019-05-27 | 2019-08-27 | 小狗电器互联网科技（北京）股份有限公司 | 机器人及其重定位方法 |
| CN107066507B (zh) * | 2017-01-10 | 2019-09-17 | 中国人民解放军国防科学技术大学 | 一种基于云机器人混合云架构的语义地图构建方法 |
| CN110378919A (zh) * | 2019-06-14 | 2019-10-25 | 江苏裕兰信息科技有限公司 | 一种基于slam的窄道通行障碍物检测方法 |
| CN110411435A (zh) * | 2018-04-26 | 2019-11-05 | 北京京东尚科信息技术有限公司 | 机器人定位方法、装置以及机器人 |
| CN110455274A (zh) * | 2019-08-02 | 2019-11-15 | 中科新松有限公司 | 基于倒角距离形状匹配的agv初始定位方法及定位系统 |
| CN110503040A (zh) * | 2019-08-23 | 2019-11-26 | 斯坦德机器人（深圳）有限公司 | 障碍物检测方法及装置 |
| CN110597293A (zh) * | 2019-10-12 | 2019-12-20 | 上海复亚智能科技有限公司 | 一种无人机自主飞行方法、装置、设备及存储介质 |
| CN110823171A (zh) * | 2019-11-15 | 2020-02-21 | 北京云迹科技有限公司 | 一种机器人定位方法、装置及存储介质 |
| CN110826474A (zh) * | 2019-03-10 | 2020-02-21 | 成都家有为力机器人技术有限公司 | 基于特定目标识别与激光slam的语义地图构建的系统 |
| CN111046776A (zh) * | 2019-12-06 | 2020-04-21 | 杭州成汤科技有限公司 | 基于深度相机的移动机器人行进路径障碍物检测的方法 |
| CN111083633A (zh) * | 2019-12-12 | 2020-04-28 | 华为技术有限公司 | 移动终端定位系统及其建立方法、移动终端的定位方法 |
| CN111190175A (zh) * | 2020-01-22 | 2020-05-22 | 中科蓝卓(北京)信息科技有限公司 | 一种机场道面异物的探测方法及探测系统 |
| CN111399507A (zh) * | 2020-03-19 | 2020-07-10 | 小狗电器互联网科技（北京）股份有限公司 | 确定栅格地图中边界线的方法、划分栅格地图的方法 |
| CN111427360A (zh) * | 2020-04-20 | 2020-07-17 | 珠海市一微半导体有限公司 | 基于地标定位的地图构建方法、机器人及机器人导航系统 |
| CN111595328A (zh) * | 2020-06-01 | 2020-08-28 | 四川阿泰因机器人智能装备有限公司 | 基于深度相机的真实障碍物地图构建和导航方法及系统 |
| CN111609853A (zh) * | 2019-02-25 | 2020-09-01 | 北京奇虎科技有限公司 | 三维地图构建方法、扫地机器人及电子设备 |
| CN111666876A (zh) * | 2020-06-05 | 2020-09-15 | 北京百度网讯科技有限公司 | 用于检测障碍物的方法、装置、电子设备和路侧设备 |
| CN111768489A (zh) * | 2019-04-01 | 2020-10-13 | 顺丰科技有限公司 | 一种室内导航地图构建方法和系统 |
| CN111767767A (zh) * | 2019-05-24 | 2020-10-13 | 北京京东尚科信息技术有限公司 | 室内物体的检测方法、装置、电子设备与存储介质 |
| CN112884845A (zh) * | 2021-01-14 | 2021-06-01 | 济南浪潮高新科技投资发展有限公司 | 一种基于单摄像机室内机器人障碍物定位的方法 |
| CN113119099A (zh) * | 2019-12-30 | 2021-07-16 | 深圳富泰宏精密工业有限公司 | 计算机装置、控制机械手臂夹取和放置物件的方法 |
| CN113763252A (zh) * | 2021-09-16 | 2021-12-07 | 中国电子科技集团公司第五十四研究所 | 一种用于无人机的大地坐标系与slam坐标系转换方法 |
| CN113848943A (zh) * | 2021-10-18 | 2021-12-28 | 追觅创新科技(苏州)有限公司 | 栅格地图的修正方法及装置、存储介质及电子装置 |
| CN114660568A (zh) * | 2022-02-21 | 2022-06-24 | 广西柳工机械股份有限公司 | 一种激光雷达障碍物检测方法及装置 |
| CN114660568B (zh) * | 2022-02-21 | 2024-04-30 | 广西柳工机械股份有限公司 | 一种激光雷达障碍物检测方法及装置 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130010066A1 (en) * | 2011-07-05 | 2013-01-10 | Microsoft Corporation | Night vision |
| WO2012167110A3 (en) * | 2011-06-02 | 2013-02-07 | Honda Motor Co., Ltd. | Target recognition and localization methods using a laser sensor for wheeled mobile robots |
| CN103247075A (zh) * | 2013-05-13 | 2013-08-14 | 北京工业大学 | 基于变分机制的室内环境三维重建方法 |
| US20130297205A1 (en) * | 2012-05-02 | 2013-11-07 | Korea Institute Of Science And Technology | System and method for indoor navigation |
| CN104121902A (zh) * | 2014-06-28 | 2014-10-29 | 福州大学 | 基于Xtion摄像机的室内机器人视觉里程计实现方法 |
| US20150012209A1 (en) * | 2013-07-03 | 2015-01-08 | Samsung Electronics Co., Ltd. | Position recognition methods of autonomous mobile robots |
| CN104732587A (zh) * | 2015-04-14 | 2015-06-24 | 中国科学技术大学 | 一种基于深度传感器的室内3d语义地图构建方法 |
| CN104848851A (zh) * | 2015-05-29 | 2015-08-19 | 山东鲁能智能技术有限公司 | 基于多传感器数据融合构图的变电站巡检机器人及其方法 |
| CN104851094A (zh) * | 2015-05-14 | 2015-08-19 | 西安电子科技大学 | 一种基于rgb-d的slam算法的改进方法 |
| CN105045263A (zh) * | 2015-07-06 | 2015-11-11 | 杭州南江机器人股份有限公司 | 一种基于Kinect的机器人自定位方法 |
| CN105300375A (zh) * | 2015-09-29 | 2016-02-03 | 塔米智能科技（北京）有限公司 | 一种基于单视觉的机器人室内定位和导航方法 |
-
2016
- 2016-05-20 CN CN201610333364.0A patent/CN106052674B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012167110A3 (en) * | 2011-06-02 | 2013-02-07 | Honda Motor Co., Ltd. | Target recognition and localization methods using a laser sensor for wheeled mobile robots |
| US20130010066A1 (en) * | 2011-07-05 | 2013-01-10 | Microsoft Corporation | Night vision |
| US20130297205A1 (en) * | 2012-05-02 | 2013-11-07 | Korea Institute Of Science And Technology | System and method for indoor navigation |
| CN103247075A (zh) * | 2013-05-13 | 2013-08-14 | 北京工业大学 | 基于变分机制的室内环境三维重建方法 |
| US20150012209A1 (en) * | 2013-07-03 | 2015-01-08 | Samsung Electronics Co., Ltd. | Position recognition methods of autonomous mobile robots |
| CN104121902A (zh) * | 2014-06-28 | 2014-10-29 | 福州大学 | 基于Xtion摄像机的室内机器人视觉里程计实现方法 |
| CN104732587A (zh) * | 2015-04-14 | 2015-06-24 | 中国科学技术大学 | 一种基于深度传感器的室内3d语义地图构建方法 |
| CN104851094A (zh) * | 2015-05-14 | 2015-08-19 | 西安电子科技大学 | 一种基于rgb-d的slam算法的改进方法 |
| CN104848851A (zh) * | 2015-05-29 | 2015-08-19 | 山东鲁能智能技术有限公司 | 基于多传感器数据融合构图的变电站巡检机器人及其方法 |
| CN105045263A (zh) * | 2015-07-06 | 2015-11-11 | 杭州南江机器人股份有限公司 | 一种基于Kinect的机器人自定位方法 |
| CN105300375A (zh) * | 2015-09-29 | 2016-02-03 | 塔米智能科技（北京）有限公司 | 一种基于单视觉的机器人室内定位和导航方法 |
Cited By (70)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106526605B (zh) * | 2016-10-28 | 2019-05-14 | 北京康力优蓝机器人科技有限公司 | 激光雷达与深度相机的数据融合方法及系统 |
| CN106526605A (zh) * | 2016-10-28 | 2017-03-22 | 北京康力优蓝机器人科技有限公司 | 激光雷达与深度相机的数据融合方法及系统 |
| US10675759B2 (en) | 2016-12-08 | 2020-06-09 | Fanuc Corporation | Interference region setting apparatus for mobile robot |
| CN108177162A (zh) * | 2016-12-08 | 2018-06-19 | 发那科株式会社 | 移动机器人的干扰区域设定装置 |
| CN106780650A (zh) * | 2016-12-20 | 2017-05-31 | 李帅 | 智能测绘方法及系统 |
| CN106780650B (zh) * | 2016-12-20 | 2020-07-31 | 李帅 | 智能测绘方法及系统 |
| CN106777269A (zh) * | 2016-12-28 | 2017-05-31 | 深圳市佳都实业发展有限公司 | 用于构建动态地图的机器人及机器人构建动态地图的方法 |
| WO2018120027A1 (zh) * | 2016-12-30 | 2018-07-05 | 深圳前海达闼云端智能科技有限公司 | 一种障碍物检测方法及装置 |
| CN107066507B (zh) * | 2017-01-10 | 2019-09-17 | 中国人民解放军国防科学技术大学 | 一种基于云机器人混合云架构的语义地图构建方法 |
| CN107292899A (zh) * | 2017-05-05 | 2017-10-24 | 浙江大学 | 一种针对二维激光扫描仪的角点特征提取方法 |
| CN108958231A (zh) * | 2017-05-17 | 2018-12-07 | 北京雷动云合智能技术有限公司 | 一种移动机器人地图的多分辨率区域划分方法 |
| CN107356252B (zh) * | 2017-06-02 | 2020-06-16 | 青岛克路德机器人有限公司 | 一种融合视觉里程计与物理里程计的室内机器人定位方法 |
| CN107356252A (zh) * | 2017-06-02 | 2017-11-17 | 青岛克路德机器人有限公司 | 一种融合视觉里程计与物理里程计的室内机器人定位方法 |
| CN107301654A (zh) * | 2017-06-12 | 2017-10-27 | 西北工业大学 | 一种多传感器的高精度即时定位与建图方法 |
| CN107390681A (zh) * | 2017-06-21 | 2017-11-24 | 华南理工大学 | 一种基于激光雷达与地图匹配的移动机器人实时定位方法 |
| CN107239076B (zh) * | 2017-06-28 | 2020-06-23 | 仲训昱 | 基于虚拟扫描与测距匹配的agv激光slam方法 |
| CN107239076A (zh) * | 2017-06-28 | 2017-10-10 | 仲训昱 | 基于虚拟扫描与测距匹配的agv激光slam方法 |
| CN107506040A (zh) * | 2017-08-29 | 2017-12-22 | 上海爱优威软件开发有限公司 | 一种空间路径规划方法及系统 |
| CN107526360B (zh) * | 2017-09-26 | 2020-08-21 | 河南科技学院 | 一种未知环境下排爆机器人多阶自主导航探测系统及方法 |
| CN107526360A (zh) * | 2017-09-26 | 2017-12-29 | 河南科技学院 | 一种未知环境下排爆机器人多阶自主导航探测系统及方法 |
| CN107767450B (zh) * | 2017-10-31 | 2021-05-28 | 南京维睛视空信息科技有限公司 | 一种基于sparse-slam的实时建图方法 |
| CN107767450A (zh) * | 2017-10-31 | 2018-03-06 | 南京维睛视空信息科技有限公司 | 一种基于sparse‑slam的实时建图方法 |
| CN107995962B (zh) * | 2017-11-02 | 2021-06-22 | 深圳市道通智能航空技术股份有限公司 | 一种避障方法、装置、可移动物体及计算机可读存储介质 |
| CN107995962A (zh) * | 2017-11-02 | 2018-05-04 | 深圳市道通智能航空技术有限公司 | 一种避障方法、装置、可移动物体及计算机可读存储介质 |
| CN108256430B (zh) * | 2017-12-20 | 2021-01-29 | 北京理工大学 | 障碍物信息获取方法、装置及机器人 |
| CN108256430A (zh) * | 2017-12-20 | 2018-07-06 | 北京理工大学 | 障碍物信息获取方法、装置及机器人 |
| CN108257173A (zh) * | 2017-12-29 | 2018-07-06 | 上海物景智能科技有限公司 | 一种图像信息中的物体分离方法及装置及系统 |
| CN108334080A (zh) * | 2018-01-18 | 2018-07-27 | 大连理工大学 | 一种针对机器人导航的虚拟墙自动生成方法 |
| WO2019144286A1 (zh) * | 2018-01-23 | 2019-08-01 | 深圳市大疆创新科技有限公司 | 障碍物检测方法、移动平台及计算机可读存储介质 |
| CN110411435B (zh) * | 2018-04-26 | 2021-06-29 | 北京京东尚科信息技术有限公司 | 机器人定位方法、装置以及机器人 |
| CN110411435A (zh) * | 2018-04-26 | 2019-11-05 | 北京京东尚科信息技术有限公司 | 机器人定位方法、装置以及机器人 |
| CN109146932A (zh) * | 2018-07-17 | 2019-01-04 | 北京旷视科技有限公司 | 确定图像中目标点的世界坐标的方法、装置和系统 |
| CN109146932B (zh) * | 2018-07-17 | 2021-08-24 | 北京旷视科技有限公司 | 确定图像中目标点的世界坐标的方法、装置和系统 |
| CN109059927A (zh) * | 2018-08-21 | 2018-12-21 | 南京邮电大学 | 复杂环境下多传感器的移动机器人slam建图方法和系统 |
| CN111609853A (zh) * | 2019-02-25 | 2020-09-01 | 北京奇虎科技有限公司 | 三维地图构建方法、扫地机器人及电子设备 |
| CN110826474A (zh) * | 2019-03-10 | 2020-02-21 | 成都家有为力机器人技术有限公司 | 基于特定目标识别与激光slam的语义地图构建的系统 |
| CN109978767B (zh) * | 2019-03-27 | 2023-09-15 | 集美大学 | 基于多机器人协同的激光slam地图方法 |
| CN109978767A (zh) * | 2019-03-27 | 2019-07-05 | 集美大学 | 基于多机器人协同的激光slam地图方法 |
| CN111768489B (zh) * | 2019-04-01 | 2023-09-26 | 丰翼科技(深圳)有限公司 | 一种室内导航地图构建方法和系统 |
| CN111768489A (zh) * | 2019-04-01 | 2020-10-13 | 顺丰科技有限公司 | 一种室内导航地图构建方法和系统 |
| CN111767767A (zh) * | 2019-05-24 | 2020-10-13 | 北京京东尚科信息技术有限公司 | 室内物体的检测方法、装置、电子设备与存储介质 |
| CN110174894A (zh) * | 2019-05-27 | 2019-08-27 | 小狗电器互联网科技（北京）股份有限公司 | 机器人及其重定位方法 |
| CN110378919B (zh) * | 2019-06-14 | 2023-05-23 | 珠海大轩信息科技有限公司 | 一种基于slam的窄道通行障碍物检测方法 |
| CN110378919A (zh) * | 2019-06-14 | 2019-10-25 | 江苏裕兰信息科技有限公司 | 一种基于slam的窄道通行障碍物检测方法 |
| CN110455274A (zh) * | 2019-08-02 | 2019-11-15 | 中科新松有限公司 | 基于倒角距离形状匹配的agv初始定位方法及定位系统 |
| CN110455274B (zh) * | 2019-08-02 | 2021-07-06 | 中科新松有限公司 | 基于倒角距离形状匹配的agv初始定位方法及定位系统 |
| CN110503040B (zh) * | 2019-08-23 | 2022-05-27 | 斯坦德机器人（深圳）有限公司 | 障碍物检测方法及装置 |
| CN110503040A (zh) * | 2019-08-23 | 2019-11-26 | 斯坦德机器人（深圳）有限公司 | 障碍物检测方法及装置 |
| CN110597293A (zh) * | 2019-10-12 | 2019-12-20 | 上海复亚智能科技有限公司 | 一种无人机自主飞行方法、装置、设备及存储介质 |
| CN110823171B (zh) * | 2019-11-15 | 2022-03-25 | 北京云迹科技股份有限公司 | 一种机器人定位方法、装置及存储介质 |
| CN110823171A (zh) * | 2019-11-15 | 2020-02-21 | 北京云迹科技有限公司 | 一种机器人定位方法、装置及存储介质 |
| CN111046776B (zh) * | 2019-12-06 | 2023-06-09 | 杭州成汤科技有限公司 | 基于深度相机的移动机器人行进路径障碍物检测的方法 |
| CN111046776A (zh) * | 2019-12-06 | 2020-04-21 | 杭州成汤科技有限公司 | 基于深度相机的移动机器人行进路径障碍物检测的方法 |
| CN111083633A (zh) * | 2019-12-12 | 2020-04-28 | 华为技术有限公司 | 移动终端定位系统及其建立方法、移动终端的定位方法 |
| CN113119099A (zh) * | 2019-12-30 | 2021-07-16 | 深圳富泰宏精密工业有限公司 | 计算机装置、控制机械手臂夹取和放置物件的方法 |
| CN111190175A (zh) * | 2020-01-22 | 2020-05-22 | 中科蓝卓(北京)信息科技有限公司 | 一种机场道面异物的探测方法及探测系统 |
| CN111399507B (zh) * | 2020-03-19 | 2024-04-02 | 小狗电器互联网科技（北京）股份有限公司 | 确定栅格地图中边界线的方法、划分栅格地图的方法 |
| CN111399507A (zh) * | 2020-03-19 | 2020-07-10 | 小狗电器互联网科技（北京）股份有限公司 | 确定栅格地图中边界线的方法、划分栅格地图的方法 |
| CN111427360A (zh) * | 2020-04-20 | 2020-07-17 | 珠海市一微半导体有限公司 | 基于地标定位的地图构建方法、机器人及机器人导航系统 |
| CN111595328B (zh) * | 2020-06-01 | 2023-04-25 | 四川阿泰因机器人智能装备有限公司 | 基于深度相机的真实障碍物地图构建和导航方法及系统 |
| CN111595328A (zh) * | 2020-06-01 | 2020-08-28 | 四川阿泰因机器人智能装备有限公司 | 基于深度相机的真实障碍物地图构建和导航方法及系统 |
| CN111666876B (zh) * | 2020-06-05 | 2023-06-09 | 阿波罗智联(北京)科技有限公司 | 用于检测障碍物的方法、装置、电子设备和路侧设备 |
| CN111666876A (zh) * | 2020-06-05 | 2020-09-15 | 北京百度网讯科技有限公司 | 用于检测障碍物的方法、装置、电子设备和路侧设备 |
| CN112884845A (zh) * | 2021-01-14 | 2021-06-01 | 济南浪潮高新科技投资发展有限公司 | 一种基于单摄像机室内机器人障碍物定位的方法 |
| CN113763252B (zh) * | 2021-09-16 | 2022-12-09 | 中国电子科技集团公司第五十四研究所 | 一种用于无人机的大地坐标系与slam坐标系转换方法 |
| CN113763252A (zh) * | 2021-09-16 | 2021-12-07 | 中国电子科技集团公司第五十四研究所 | 一种用于无人机的大地坐标系与slam坐标系转换方法 |
| CN113848943A (zh) * | 2021-10-18 | 2021-12-28 | 追觅创新科技(苏州)有限公司 | 栅格地图的修正方法及装置、存储介质及电子装置 |
| CN113848943B (zh) * | 2021-10-18 | 2023-08-08 | 追觅创新科技(苏州)有限公司 | 栅格地图的修正方法及装置、存储介质及电子装置 |
| CN114660568A (zh) * | 2022-02-21 | 2022-06-24 | 广西柳工机械股份有限公司 | 一种激光雷达障碍物检测方法及装置 |
| CN114660568B (zh) * | 2022-02-21 | 2024-04-30 | 广西柳工机械股份有限公司 | 一种激光雷达障碍物检测方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106052674B (zh) | 2019-07-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106052674A (zh) | 一种室内机器人的slam方法和系统 | |
| JP6896077B2 (ja) | 車両自動パーキングシステム及び方法 | |
| CN111612760B (zh) | 用于检测障碍物的方法和装置 | |
| US10657714B2 (en) | Method and system for displaying and navigating an optimal multi-dimensional building model | |
| EP2833322B1 (en) | Stereo-motion method of three-dimensional (3-D) structure information extraction from a video for fusion with 3-D point cloud data | |
| US9483703B2 (en) | Online coupled camera pose estimation and dense reconstruction from video | |
| Liang et al. | Image based localization in indoor environments | |
| CN111492403A (zh) | 用于生成高清晰度地图的激光雷达到相机校准 | |
| US20180075652A1 (en) | Server and method for producing virtual reality image about object | |
| CN103247075A (zh) | 基于变分机制的室内环境三维重建方法 | |
| US20210223040A1 (en) | Method and apparatus for planning sample points for surveying and mapping, control terminal, and storage medium | |
| US10733777B2 (en) | Annotation generation for an image network | |
| KR102097416B1 (ko) | 표고차를 고려한 지하관로의 관리를 위한 증강 현실 표현 방법 및 이를 기록한 기록매체 | |
| WO2020103023A1 (zh) | 一种测绘系统、测绘方法、装置、设备及介质 | |
| CN112836698A (zh) | 一种定位方法、装置、存储介质及电子设备 | |
| CN114529681A (zh) | 一种手持双相机建筑物温度场三维模型构建方法和系统 | |
| Hsu et al. | Application of multisensor fusion to develop a personal location and 3D mapping system | |
| US11557059B2 (en) | System and method for determining position of multi-dimensional object from satellite images | |
| TWI468849B (zh) | 建築物紋理擷取裝置及其方法 | |
| US20220230350A1 (en) | Position recognition method and system based on visual information processing | |
| Pöschmann et al. | Synthesized semantic views for mobile robot localization | |
| Cheng et al. | Texture mapping 3d planar models of indoor environments with noisy camera poses | |
| Kim et al. | Automatic 3D city modeling using a digital map and panoramic images from a mobile mapping system | |
| Behringer | Improving the registration precision by visual horizon silhouette matching | |
| CN113483771B (zh) | 实景地图的生成方法、装置及系统 |
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: 20220713 Address after: No.6 Fenhe Road, Jiaozhou economic and Technological Development Zone, Qingdao, Shandong Province 266000 Patentee after: Qingdao Kelu Intelligent Technology Co.,Ltd. Address before: 266300 east of Shangde Avenue and south of Fenhe Road, Jiaozhou Economic Development Zone, Qingdao, Shandong Patentee before: QINGDAO KRUND ROBOT Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230918 Address after: No.6 Fenhe Road, Jiaozhou economic and Technological Development Zone, Qingdao, Shandong Province 266000 Patentee after: Qingdao Luteng Intelligent Equipment Technology Co.,Ltd. Address before: No.6 Fenhe Road, Jiaozhou economic and Technological Development Zone, Qingdao, Shandong Province 266000 Patentee before: Qingdao Kelu Intelligent Technology Co.,Ltd. |
|
| TR01 | Transfer of patent right |