CN107063258A - 一种基于语义信息的移动机器人室内导航方法 - Google Patents
一种基于语义信息的移动机器人室内导航方法 Download PDFInfo
- Publication number
- CN107063258A CN107063258A CN201710131448.0A CN201710131448A CN107063258A CN 107063258 A CN107063258 A CN 107063258A CN 201710131448 A CN201710131448 A CN 201710131448A CN 107063258 A CN107063258 A CN 107063258A
- Authority
- CN
- China
- Prior art keywords
- mrow
- semantic
- optimization
- mobile robot
- pose
- 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
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
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明请求保护一种基于语义信息的移动机器人室内导航方法,包括以下步骤:使用一种基于图优化的视觉SLAM算法,通过kinect传感器对室内环境进行三维重绘,生成环境细节清晰可辨的三维先验地图,进而通过语义信息标注,实现栅格‑拓扑‑语义分层地图的构建。基于分层语义地图设计的一种路径规划算法,在分层语义地图中采用自上而下的导航方式,首先由语义层和拓扑层根据任务目标生成目标地点序列,基于目标地点序列,在栅格层采用A*平滑路径算法,实现基于语义信息的移动机器人室内导航。本发明提升人机交互的效率,改善机器人的服务质量。
Description
技术领域
本发明属于移动机器人室内导航技术领域,涉及一种基于语义信息的移动机器人室内导航方法。
背景技术
随着世界各国存在日益严重的老龄化社会问题,对机器人的研究不再局限于工业机器人。服务机器人研究也正成为日益备受关注的研究热点。服务机器人顾名思义,就是为人类服务的机器人,其工作方式是,半自主或者全自主,具备很高的智能性。服务机器人与工业机器人的一个重要差别在于工业机器人的工作环境都是己知的。工业机器人只需要无思维的完成重复简单的行为即可,而服务机器人所面临的工作环境绝大多数都是未知的,要想自主完成复杂的任务必须构建对于环境的认识即地图。
有了环境地图,机器人就能够实现路径规划,避障,目标识别等任务。因此建立环境地图是机器人在未知环境中长时间稳定工作的前提和保证。然而服务机器人是服务于人,所以只有建立和人类认知方式相似的语义地图才能使机器人友善的与用户交互,高效的完成各种服务用户的任务。人机交互应用在机器人制图和导航领域现今是一个研究热点,自然,简洁,友善的人机接口是服务机器人能否被大众所广泛接受的关键性因素。在安全检查,老人看护,展览馆导航,房屋清洁,搜寻救援等方面,构建含有语义的环境地图以及和用户自然的交流能够有效改善机器人的服务质量。
针对以上所述的各种问题,基于语义信息的移动机器人导航技术的研究与实现,就成为了一种新的需求。只有机器人能够理解人类自然语言的交互,才真正能够体现机器人的智能性,才能更好地将机器人应用到我们的生活中。所以,基于语义信息的移动机器人导航技术的研究,具有重要的理论意义和实际应用价值。
发明内容
本发明旨在解决以上现有技术的问题。提出了一种提升人机交互的效率,改善机器人的服务质量的基于语义信息的移动机器人室内导航方法。本发明的技术方案如下:
一种基于语义信息的移动机器人室内导航方法,其包括以下步骤:
1)、通过kinect传感器对室内环境进行三维重绘,采用基于图优化的视觉 SLAM算法,通过构建数据帧、筛选出关键帧序列、执行帧间配准、图优化步骤、点云融合优化步骤,生成三维先验地图,然后对该三维先验地图进行语义信息标注,实现栅格层-拓扑层-语义层分层语义地图的构建;
2)、基于步骤1)构建的分层语义地图,在分层语义地图中采用自上而下的导航方式设计一种路径规划算法,首先由语义层和拓扑层根据任务目标生成目标地点序列,基于目标地点序列,在栅格层采用A*平滑路径算法,实现基于语义信息的移动机器人室内导航。
进一步的,所述构建数据帧包括:对室内环境进行三维重绘时,首先会从 kinect传感器获得RGB图像和深度图像,将RGB图像和深度图像进行融合封装构造数据帧Frame。
进一步的,所述帧间配准的步骤为:
(1)提取关键帧的特征点:(2)提取描述子:(3)匹配:(4)去外点:(5) 位姿求解步骤。
进一步的,所述提取特征点采用Opencv提供的通用接口 cv::FeatureDetector,这里将其设定为ORB(Oriented FAST and Rotated BRIEF) 特征;所述提取描述子:对于检测出的角点,通过 cv::FeatureDetectorExtractor接口设置特征描述子提取器;所述匹配采用快速最近邻算法FLANN描述子来判断角点在两张图像中的对应关系;所述去外点利用RANSAC算法去除错误匹配的外点,保留正确的内点;所述位姿求解调用 Opencv的PnPsolver()函数,求解相机的位姿运动(R,t)。
进一步的,所述图优化的步骤包括:在相机观测约束下,构建相机观测约束下的位姿优化、局部闭环约束下的位姿优化、全局闭环约束下的位姿优化,求得优化后的相机的位姿变化(R,t)。
进一步的,所述将图优化包括;
以Kinect作为主要的传感器输入,通过对视觉信号的处理,构建视觉里程计,用于位姿估计,所以这里只考虑状态变量和观测方程,构建出目标函数:
e(xk,yj,zk,j)=zk,j-g(xk,yj) (1)
式中:X*表示优化后的位姿状态变量,E(X)表示误差函数的二次型,xk表示第k时刻的机器人位姿,也称为图优化的一个pose节点,yj表示第k时刻机器人所能观测到的路标,也称为图优化的一个point节点,zk,j表示pose节点与 point节点的约束,在闭环检测优化过程中,zk,j代表pose节点与pose节点的约束,e(xk,yj,zkj)为由两顶点组成的边所产生的向量误差函数,代表两顶点满足约束条件zk,j的程度,当它的值为0时,表示两顶点完全满足匹配约束。
进一步的,所述图优化后还包括进行闭环检测的步骤,具体包括:通过动态计算闭环帧筛选阈值,得到匹配质量较高的闭环帧候选序列,闭环检测结束后,遍历闭环帧候选序列,在当前帧与闭环候选帧之间,进行相似变换矩阵求解与优化,当某一候选帧通过了相似变换矩阵求解与优化,则认为闭环检测成功,跳出对闭环帧候选序列的遍历,求得对应相似变换矩阵。
进一步的,所述对三维地图的语义标注具体包括:由二维图片进行语义目标识别,获取语义信息,在三维全局地图生成的同时,进行语义标注,进而通过人工检验标定,完成精确的语义标定,其中,所用的目标识别算法是基于特征点检测的Bag-of-words模型,并将Bag-of-words模型应用于图像表示,为了表示一幅图像,可以将图像看作文档,即若干个“视觉词汇”的集合,把每幅图像描述为一个局部区域/关键点特征的无序集合,使用K-means聚类算法将局部特征进行聚类,每个聚类中心被看作是词典中的一个视觉词汇,视觉词汇由聚类中心对应特征形成的码字来表示,所有视觉词汇形成一个视觉词典,对应一个码书,即码字的集合,词典中所含词的个数反映了词典的大小,图像中的每个特征都将被映射到视觉词典的某个词上,这种映射可以通过计算特征间的距离去实现,然后统计每个视觉词的出现与否或次数,图像可描述为一个维数相同的直方图向量,进而利用此算法对环境进行语义识别,完成语义标注。
进一步的,所述基于分层语义地图的路径规划算法具体包括:在分层语义地图中采用自上而下的导航方式,首先在语义层和拓扑层根据任务目标,将输入系统的声音/动作/文本,经过对应的计算,都先转化为文本信息;针对文本信息做关键字提取,进而通过语义目标分解处理,生成目标地点序列;基于目标地点序列,在栅格层采用A*平滑路径算法,实现移动机器人室内导航。
进一步的,所述A*平滑路径算法的步骤为:
Step1设置两个表:OPEN表和CLOSED表,A*路径规划算法将考察后代价最小的节点存储在CLOSED表,剩下的生成的未考察点存储在OPEN表;对机器人起始点Ss,目标点Te进行初始化,将起始点Ss坐标送入OPEN表中,并计算起始点的估价函数值f(Ss);
Step2对OPEN表进行判断,如果该表为空,那么路径规划失败;若表中有节点存在,查找当中f值最小的节点作为当前节点(记为n),并将其移入CLOSED 表中;
Step3对当前节点n进行判断,若其为目标节点,路径规划成功,退出规划,否则转Step4;
Step4判断节点n是否可扩展,如果不可扩展,路径规划失败;如果可扩展,则按照优先子节点生成策略生成n的相邻子节点:
Step5保存路径离散点的集合{P1,P2,…,PN-1,PN},遍历{P1,P2,…,PN-1,PN},当某一节点前后节点连线上无障碍物时,将该节点删除,得到新的路径节点集合{P1',P2',…,P′Q-1,P′Q},Q≤N。
本发明的优点及有益效果如下:
本发明提出的基于语义信息的移动机器人室内导航方法与其他室内导航算法的不同之处在于本方法利用Kinect摄像头对环境进行三维重绘,进行语义标注,构建分层语义地图,由于采用了基于图优化的视觉SLAM方法为机器人位姿和三维点云进行优化,因此实现了实时性好、精确度高的稠密化三维环境重绘;同时基于分层语义地图设计了设计了一种路径规划算法,以自上而下的导航方式,实现移动机器人的室内导航,由于在语义层和拓扑层进行了语义目标分解,因此降低了栅格层路径规划的复杂性和规模,提升了算法的效率。采用本方法的移动机器人室内导航,能够实现移动机器人在室内环境下的导航能力,并且明显提升了人机交互的效率,有效地改善机器人的服务质量,实现了人机共融的目标。
附图说明
图1是本发明提供优选实施例系统总框架示意图;
图2为语义地图的构建示意图;
图3为基于分层语义地图的导航示意图;
图4为图的建立与优化示意图;
图5为位姿优化求解流程。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。
本发明解决上述技术问题的技术方案是:
本发明提供了基于语义信息的移动机器人室内导航方法,其系统框架如图1 所示。在本系统中,设计了一种分层语义地图的构建方法,如图2所示。并基于分层语义地图设计了一种路径规划算法实现移动机器人的室内导航,如图3所示。在三维先验地图的生成中,图的建立与优化示意图,如图4所示。基于位姿约束条件,位姿优化的求解流程,如图5所示。
分层语义地图的构建方法包括以下步骤:
Step1封装构造数据帧Frame,根据帧间的关联程度,筛选出关键帧序列。
Step2执行帧间配准。完成相机位姿初始估计。帧间配准的步骤为:
(1)提取特征点:Opencv提供了通用接口cv::FeatureDetector,这里将其设定为ORB特征。
(2)提取描述子:对于检测出的角点,用一些数学上的特征对其进行描述,这里通过cv::FeatureDetectorExtractor接口设置特征描述子提取器。
(3)匹配:通过各个角点的描述子来判断它们在两张图像中的对应关系。这里采用的方法为快速最近邻算法FLANN。
(4)去外点:利用RANSAC算法去除错误匹配的外点,保留正确的内点。
(5)位姿求解:调用Opencv的PnPsolver()函数,求解相机的位姿运动(R,t)。
Step3在相机观测约束下,直接构建如图4(a)、4(b)、4(c)所示的图优化。求得优化后的相机的位姿变化(R,t),将原始点云进行坐标系变换,实现点云的拼接融合。本方法主要以Kinect作为主要的传感器输入,通过对视觉信号的处理,构建视觉里程计,用于位姿估计。所以这里只考虑状态变量和观测方程,构建出目标函数:
e(xk,yj,zk,j)=zk,j-g(xk,yj) (4)
式中:xk表示第k时刻的机器人位姿,也称为图优化的一个pose节点。yj表示第k时刻机器人所能观测到的路标,也称为图优化的一个point节点。zk,j表示pose节点与point节点的约束。特别地,在闭环检测优化过程中,zk,j代表 pose节点与pose节点的约束。e(xk,yj,zkj)为由两顶点组成的边所产生的向量误差函数,代表两顶点满足约束条件zk,j的程度,当它的值为0时,表示两顶点完全满足匹配约束。
在假设噪声是高斯分布之后,将整个SLAM问题等效为一个最小二乘问题。进一步,利用李代数的扰动模型,求得目标函数关于pose和point的导数Jx和 Jy,可对此最小二乘问题求解。以此建立最终的求解方程:
e(x+δx,y+δy)≈e(x,y)+Jxδx+Jyδy (7)
Hδx=-b (10)
式中:Jx代表相机微小运动后,像素的变化。Jy代表空间点微小运动后,像素的变化。公式(7)代表了考虑所有的变量与边的Full SLAM问题的求解。结合SLAM问题的稀疏性,选用合适的梯度下降方法,用求得的δx用于状态变量X 的更新,通过多次迭代,最终求得满足目标方程的状态变量X的收敛值。可借助通用图优化工具g2o来解决上述非线性最小二乘问题,求解过程如图5所示。
Step4执行闭环检测。通过动态计算闭环帧筛选阈值,得到匹配质量较高的闭环帧候选序列。闭环检测结束后,遍历闭环帧候选序列,在当前帧与闭环候选帧之间,进行Sim3(相似变换矩阵)求解与优化。当某一候选帧通过了Sim3求解与优化,则认为闭环检测成功,跳出对闭环帧候选序列的遍历。求得对应相似变换矩阵为:
Step5位姿优化的传播。当前帧坐标系与世界坐标系之间的变换在在步骤5 中已经确定并优化。通过一级相连关系的传播,可以确定这些相连的关键帧坐标系与世界坐标系之间的相似变换矩阵。
Step6优化点云,生成环境细节清晰可辨的三维先验地图。利用步骤6中的相似变换矩阵,将原始点云的世界坐标系转换到当前闭环帧处的坐标系,进行点云的拼接融合,实现点云的优化。
Step7通过语义标注,生成分层语义地图的拓扑层和语义层。这里设计了一种语义标注的方法:由二维图片进行语义目标识别,获取语义信息,在三维全局地图生成的同时,进行语义标注。进而通过人工检验标定,完成精确的语义标定。其中,所用的目标识别算法是基于特征点检测的Bag-of-words模型,并将Bag-of-words模型应用于图像表示。为了表示一幅图像,可以将图像看作文档,即若干个“视觉词汇”的集合,把每幅图像描述为一个局部区域/关键点 (Patches/Key Points)特征的无序集合。使用K-means聚类算法将局部特征进行聚类,每个聚类中心被看作是词典中的一个视觉词汇(Visual Word),相当于文本检索中的词,视觉词汇由聚类中心对应特征形成的码字(code word)来表示 (可看当为一种特征量化过程)。所有视觉词汇形成一个视觉词典(Visual Vocabulary),对应一个码书(code book),即码字的集合,词典中所含词的个数反映了词典的大小。图像中的每个特征都将被映射到视觉词典的某个词上,这种映射可以通过计算特征间的距离去实现,然后统计每个视觉词的出现与否或次数,图像可描述为一个维数相同的直方图向量,进而利用此算法对环境进行语义识别,完成语义标注。
进一步,基于分层语义地图设计了一种路径规划算法,实现移动机器人的室内导航,,其特征在于,所述的基于分层语义地图设计的路径规划算法具体包括:在分层语义地图中采用自上而下的导航方式。如图3所示,首先在语义层和拓扑层根据任务目标,将输入系统的声音/动作/文本,经过对应的计算,都先转化为文本信息。针对文本信息做关键字提取,进而通过语义目标分解处理,生成目标地点序列。基于目标地点序列,在栅格层采用A*平滑路径算法,实现移动机器人室内导航。其中,A*路径规划算法在搜索中设置两个表:OPEN表和 CLOSED表。A*路径规划算法将考察后代价最小的节点存储在CLOSED表,剩下的生成的未考察点存储在OPEN表。所应用的改进的A*算法的流程为:
Step1对机器人起始点Ss,目标点Te进行初始化,将起始点Ss坐标送入OPEN 表中,并计算起始点的估价函数值f(Ss);
Step2对OPEN表进行判断,如果该表为空,那么路径规划失败;若表中有节点存在,查找当中f值最小的节点作为当前节点(记为n),并将其移入CLOSED 表中;
Step3对当前节点n进行判断,若其为目标节点,路径规划成功,退出规划,否则转Step4;
Step4判断节点n是否可扩展,如果不可扩展,路径规划失败;如果可扩展,则按照优先子节点生成策略生成n的相邻子节点:
(1)因垂直和水平的子节点的优先级相对较高,则先生成此类节点后生成其他节点;
(2)若节点已在CLOSED表中或被障碍物占据,则执行之后节点的生成策略。假如该节点不在OPEN表中,将其移入,并记录它的f、g和h值,随之执行下一子节点生成策略。假如该节点已经存在于OPEN表中,使用其估价值f作为参照, 查看新生成路径是不是比之前更优,转入下一子节点生成操作;
(3)如果8个方向检查完毕,为每个后继节点设置指向n的指针,转Step2;
Step5保存路径离散点的集合{P1,P2,…,PN-1,PN},遍历{P1,P2,…,PN-1,PN},当某一节点前后节点连线上无障碍物时,将该节点删除,得到新的路径节点集合 {P1',P2',…,P′Q-1,P′Q},Q≤N。
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (10)
1.一种基于语义信息的移动机器人室内导航方法,其特征在于,包括以下步骤:
1)、通过kinect传感器对室内环境进行三维重绘,采用基于图优化的视觉SLAM算法,通过构建数据帧、筛选出关键帧序列、执行帧间配准、图优化步骤、点云融合优化步骤,生成三维先验地图,然后对该三维先验地图进行语义信息标注,实现栅格层-拓扑层-语义层分层语义地图的构建;
2)、基于步骤1)构建的分层语义地图,在分层语义地图中采用自上而下的导航方式设计一种路径规划算法,首先由语义层和拓扑层根据任务目标生成目标地点序列,基于目标地点序列,在栅格层采用A*平滑路径算法,实现基于语义信息的移动机器人室内导航。
2.根据权利要求1所述的基于语义信息的移动机器人室内导航方法,其特征在于,所述构建数据帧包括:对室内环境进行三维重绘时,首先会从kinect传感器获得RGB图像和深度图像,将RGB图像和深度图像进行融合封装构造数据帧Frame。
3.根据权利要求1或2所述的基于语义信息的移动机器人室内导航方法,其特征在于,所述帧间配准的步骤为:
(1)提取关键帧的特征点:(2)提取描述子:(3)匹配:(4)去外点:(5)位姿求解步骤。
4.根据权利要求3所述的基于语义信息的移动机器人室内导航方法,其特征在于,所述提取特征点采用Opencv提供的通用接口cv::FeatureDetector,这里将其设定为ORB特征;所述提取描述子:对于检测出的角点,通过cv::FeatureDetectorExtractor接口设置特征描述子提取器;所述匹配采用快速最近邻算法FLANN描述子来判断角点在两张图像中的对应关系;所述去外点利用RANSAC算法去除错误匹配的外点,保留正确的内点;所述位姿求解调用Opencv的PnPsolver()函数,求解相机的位姿运动(R,t)。
5.根据权利要求4所述的基于语义信息的移动机器人室内导航方法,其特征在于,所述图优化的步骤包括:在相机观测约束下,构建相机观测约束下的位姿优化、局部闭环约束下的位姿优化、全局闭环约束下的位姿优化,求得优化后的相机的位姿变化(R,t)。
6.根据权利要求5所述的基于语义信息的移动机器人室内导航方法,其特征在于,所述将图优化包括;
以Kinect作为主要的传感器输入,通过对视觉信号的处理,构建视觉里程计,用于位姿估计,所以这里只考虑状态变量和观测方程,构建出目标函数:
e(xk,yj,zk,j)=zk,j-g(xk,yj) (1)
<mrow>
<mi>E</mi>
<mrow>
<mo>(</mo>
<mi>X</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
<mo>&Element;</mo>
<mi>C</mi>
</mrow>
</munder>
<mi>e</mi>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>k</mi>
</msub>
<mo>,</mo>
<msub>
<mi>y</mi>
<mi>j</mi>
</msub>
<mo>,</mo>
<msub>
<mi>z</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mi>T</mi>
</msup>
<msup>
<msub>
<mi>&Omega;</mi>
<mrow>
<mi>k</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mi>e</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>k</mi>
</msub>
<mo>,</mo>
<msub>
<mi>y</mi>
<mi>j</mi>
</msub>
<mo>,</mo>
<msub>
<mi>z</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msup>
<mi>X</mi>
<mo>*</mo>
</msup>
<mo>=</mo>
<munder>
<mrow>
<mi>arg</mi>
<mi>min</mi>
</mrow>
<mi>X</mi>
</munder>
<mi>E</mi>
<mrow>
<mo>(</mo>
<mi>X</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
式中:X*表示优化后的位姿状态变量,E(X)表示误差函数的二次型,xk表示第k时刻的机器人位姿,也称为图优化的一个pose节点,yj表示第k时刻机器人所能观测到的路标,也称为图优化的一个point节点,zk,j表示pose节点与point节点的约束,在闭环检测优化过程中,zk,j代表pose节点与pose节点的约束,e(xk,yj,zkj)为由两顶点组成的边所产生的向量误差函数,代表两顶点满足约束条件zk,j的程度,当它的值为0时,表示两顶点完全满足匹配约束。
7.根据权利要求6所述的基于语义信息的移动机器人室内导航方法,其特征在于,所述图优化后还包括进行闭环检测的步骤,具体包括:通过动态计算闭环帧筛选阈值,得到匹配质量较高的闭环帧候选序列,闭环检测结束后,遍历闭环帧候选序列,在当前帧与闭环候选帧之间,进行相似变换矩阵求解与优化,当某一候选帧通过了相似变换矩阵求解与优化,则认为闭环检测成功,跳出对闭环帧候选序列的遍历,求得对应相似变换矩阵。
8.根据权利要求6所述的基于语义信息的移动机器人室内导航方法,其特征在于,所述对三维地图的语义标注具体包括:由二维图片进行语义目标识别,获取语义信息,在三维全局地图生成的同时,进行语义标注,进而通过人工检验标定,完成精确的语义标定,其中,所用的目标识别算法是基于特征点检测的Bag-of-words模型,并将Bag-of-words模型应用于图像表示,为了表示一幅图像,可以将图像看作文档,即若干个“视觉词汇”的集合,把每幅图像描述为一个局部区域/关键点特征的无序集合,使用K-means聚类算法将局部特征进行聚类,每个聚类中心被看作是词典中的一个视觉词汇,视觉词汇由聚类中心对应特征形成的码字来表示,所有视觉词汇形成一个视觉词典,对应一个码书,即码字的集合,词典中所含词的个数反映了词典的大小,图像中的每个特征都将被映射到视觉词典的某个词上,这种映射可以通过计算特征间的距离去实现,然后统计每个视觉词的出现与否或次数,图像可描述为一个维数相同的直方图向量,进而利用此算法对环境进行语义识别,完成语义标注。
9.根据权利要求6所述的基于语义信息的移动机器人室内导航方法,其特征在于,所述基于分层语义地图的路径规划算法具体包括:在分层语义地图中采用自上而下的导航方式,首先在语义层和拓扑层根据任务目标,将输入系统的声音/动作/文本,经过对应的计算,都先转化为文本信息;针对文本信息做关键字提取,进而通过语义目标分解处理,生成目标地点序列;基于目标地点序列,在栅格层采用A*平滑路径算法,实现移动机器人室内导航。
10.根据权利要求9所述的基于语义信息的移动机器人室内导航方法,其特征在于,所述A*平滑路径算法的步骤为:
Step1设置两个表:OPEN表和CLOSED表,A*路径规划算法将考察后代价最小的节点存储在CLOSED表,剩下的生成的未考察点存储在OPEN表;对机器人起始点Ss,目标点Te进行初始化,将起始点Ss坐标送入OPEN表中,并计算起始点的估价函数值f(Ss);
Step2对OPEN表进行判断,如果该表为空,那么路径规划失败;若表中有节点存在,查找当中f值最小的节点作为当前节点(记为n),并将其移入CLOSED表中;
Step3对当前节点n进行判断,若其为目标节点,路径规划成功,退出规划,否则转Step4;
Step4判断节点n是否可扩展,如果不可扩展,路径规划失败;如果可扩展,则按照优先子节点生成策略生成n的相邻子节点:
Step5保存路径离散点的集合{P1,P2,…,PN-1,PN},遍历{P1,P2,…,PN-1,PN},当某一节点前后节点连线上无障碍物时,将该节点删除,得到新的路径节点集合{P1',P2',…,P′Q-1,PQ'},Q≤N。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710131448.0A CN107063258A (zh) | 2017-03-07 | 2017-03-07 | 一种基于语义信息的移动机器人室内导航方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710131448.0A CN107063258A (zh) | 2017-03-07 | 2017-03-07 | 一种基于语义信息的移动机器人室内导航方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107063258A true CN107063258A (zh) | 2017-08-18 |
Family
ID=59621880
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710131448.0A Pending CN107063258A (zh) | 2017-03-07 | 2017-03-07 | 一种基于语义信息的移动机器人室内导航方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107063258A (zh) |
Cited By (75)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107607107A (zh) * | 2017-09-14 | 2018-01-19 | 斯坦德机器人(深圳)有限公司 | 一种基于先验信息的Slam方法和装置 |
CN107598928A (zh) * | 2017-10-25 | 2018-01-19 | 中国科学院沈阳自动化研究所 | 基于语义模型的相机与机器人控制系统及其自动适配方法 |
CN107689075A (zh) * | 2017-08-30 | 2018-02-13 | 北京三快在线科技有限公司 | 导航地图的生成方法、装置及机器人 |
CN107833236A (zh) * | 2017-10-31 | 2018-03-23 | 中国科学院电子学研究所 | 一种动态环境下结合语义的视觉定位系统和方法 |
CN107843252A (zh) * | 2017-10-18 | 2018-03-27 | 歌尔股份有限公司 | 导航路径优化方法、装置及电子设备 |
CN107958209A (zh) * | 2017-11-16 | 2018-04-24 | 深圳天眼激光科技有限公司 | 一种违建识别方法、系统及电子设备 |
CN108108716A (zh) * | 2017-12-29 | 2018-06-01 | 中国电子科技集团公司信息科学研究院 | 一种基于深度信念网络的回环检测方法 |
CN108170134A (zh) * | 2017-11-15 | 2018-06-15 | 国电南瑞科技股份有限公司 | 一种变电站智能巡检机器人路径规划方法 |
CN108229416A (zh) * | 2018-01-17 | 2018-06-29 | 苏州科技大学 | 基于语义分割技术的机器人slam方法 |
CN108230337A (zh) * | 2017-12-31 | 2018-06-29 | 厦门大学 | 一种基于移动端的语义slam系统实现的方法 |
CN108364257A (zh) * | 2018-02-06 | 2018-08-03 | 深圳市菲森科技有限公司 | 三维扫描点云数据的拼接方法及系统 |
CN108614552A (zh) * | 2018-04-08 | 2018-10-02 | 浙江大承机器人科技有限公司 | 一种基于离散位姿的路径规划方法 |
CN108665496A (zh) * | 2018-03-21 | 2018-10-16 | 浙江大学 | 一种基于深度学习的端到端的语义即时定位与建图方法 |
CN108830220A (zh) * | 2018-06-15 | 2018-11-16 | 山东大学 | 基于深度学习的视觉语义库构建及全局定位方法 |
CN108958232A (zh) * | 2017-12-07 | 2018-12-07 | 炬大科技有限公司 | 一种基于深度视觉的移动扫地机器人slam装置及算法 |
CN109163731A (zh) * | 2018-09-18 | 2019-01-08 | 北京云迹科技有限公司 | 一种语义地图构建方法及系统 |
CN109186586A (zh) * | 2018-08-23 | 2019-01-11 | 北京理工大学 | 一种面向动态泊车环境的同时定位及混合地图构建方法 |
CN109186606A (zh) * | 2018-09-07 | 2019-01-11 | 南京理工大学 | 一种基于slam和图像信息的机器人构图及导航方法 |
CN109223459A (zh) * | 2018-09-29 | 2019-01-18 | 吉林大学 | 一种老人行为识别拐杖及其控制方法 |
CN109272554A (zh) * | 2018-09-18 | 2019-01-25 | 北京云迹科技有限公司 | 一种识别目标的坐标系定位和语义地图构建的方法及系统 |
CN109584302A (zh) * | 2018-11-27 | 2019-04-05 | 北京旷视科技有限公司 | 相机位姿优化方法、装置、电子设备和计算机可读介质 |
CN109708644A (zh) * | 2019-01-21 | 2019-05-03 | 北京艾瑞思机器人技术有限公司 | 移动机器人导航方法、装置和移动机器人 |
CN109737974A (zh) * | 2018-12-14 | 2019-05-10 | 中国科学院深圳先进技术研究院 | 一种3d导航语义地图更新方法、装置及设备 |
CN109798909A (zh) * | 2019-02-01 | 2019-05-24 | 安徽达特智能科技有限公司 | 一种全局路径规划的方法 |
CN109816686A (zh) * | 2019-01-15 | 2019-05-28 | 山东大学 | 基于物体实例匹配的机器人语义slam方法、处理器及机器人 |
CN109855645A (zh) * | 2019-03-27 | 2019-06-07 | 小驴机器人(武汉)有限公司 | 一种agv小车混合视觉导航方法 |
CN109855624A (zh) * | 2019-01-17 | 2019-06-07 | 宁波舜宇智能科技有限公司 | 用于agv车的导航装置及导航方法 |
CN110057373A (zh) * | 2019-04-22 | 2019-07-26 | 上海蔚来汽车有限公司 | 用于生成高精细语义地图的方法、装置和计算机存储介质 |
CN110068824A (zh) * | 2019-04-17 | 2019-07-30 | 北京地平线机器人技术研发有限公司 | 一种传感器位姿确定方法和装置 |
CN110110694A (zh) * | 2019-05-16 | 2019-08-09 | 东北大学 | 一种基于目标检测的视觉slam闭环检测方法 |
CN110110143A (zh) * | 2019-04-15 | 2019-08-09 | 厦门网宿有限公司 | 一种视频分类方法及装置 |
WO2019153245A1 (en) * | 2018-02-09 | 2019-08-15 | Baidu.Com Times Technology (Beijing) Co., Ltd. | Systems and methods for deep localization and segmentation with 3d semantic map |
CN110243370A (zh) * | 2019-05-16 | 2019-09-17 | 西安理工大学 | 一种基于深度学习的室内环境三维语义地图构建方法 |
CN110264572A (zh) * | 2019-06-21 | 2019-09-20 | 哈尔滨工业大学 | 一种融合几何特性与力学特性的地形建模方法及系统 |
CN110298873A (zh) * | 2019-07-05 | 2019-10-01 | 青岛中科智保科技有限公司 | 三维地图的构建方法、构建装置、机器人及可读存储介质 |
CN110332940A (zh) * | 2019-07-30 | 2019-10-15 | 重庆邮电大学 | 基于改进a*算法的消防员室内撤离路径规划方法 |
CN110362083A (zh) * | 2019-07-17 | 2019-10-22 | 北京理工大学 | 一种基于多目标跟踪预测的时空地图下自主导航方法 |
CN110378838A (zh) * | 2019-06-25 | 2019-10-25 | 深圳前海达闼云端智能科技有限公司 | 变视角图像生成方法,装置,存储介质及电子设备 |
CN110390252A (zh) * | 2019-05-16 | 2019-10-29 | 四川省客车制造有限责任公司 | 基于先验地图信息的障碍物检测方法、装置和存储介质 |
CN110411441A (zh) * | 2018-04-30 | 2019-11-05 | 北京京东尚科信息技术有限公司 | 用于多模态映射和定位的系统和方法 |
CN110455306A (zh) * | 2018-05-07 | 2019-11-15 | 南京图易科技有限责任公司 | 一种基于深度学习的机器人场景识别与语义导航地图标注方法 |
CN110675307A (zh) * | 2019-08-19 | 2020-01-10 | 杭州电子科技大学 | 基于vslam的3d稀疏点云到2d栅格图的实现方法 |
CN110717917A (zh) * | 2019-09-30 | 2020-01-21 | 北京影谱科技股份有限公司 | 基于cnn语义分割深度预测方法和装置 |
CN111080682A (zh) * | 2019-12-05 | 2020-04-28 | 北京京东乾石科技有限公司 | 点云数据的配准方法及装置 |
WO2020103110A1 (zh) * | 2018-11-22 | 2020-05-28 | 深圳市大疆创新科技有限公司 | 一种基于点云地图的图像边界获取方法、设备及飞行器 |
CN111202472A (zh) * | 2020-02-18 | 2020-05-29 | 深圳市愚公科技有限公司 | 一种扫地机器人的终端地图构建方法、终端设备及清扫系统 |
CN111274343A (zh) * | 2020-01-20 | 2020-06-12 | 北京百度网讯科技有限公司 | 一种车辆定位方法、装置、电子设备及存储介质 |
CN111319044A (zh) * | 2020-03-04 | 2020-06-23 | 达闼科技(北京)有限公司 | 物品抓取方法、装置、可读存储介质及抓取机器人 |
CN111381585A (zh) * | 2018-12-11 | 2020-07-07 | 北京图森智途科技有限公司 | 一种构建占据栅格地图的方法及其装置、相关设备 |
CN111415417A (zh) * | 2020-04-14 | 2020-07-14 | 大连理工江苏研究院有限公司 | 一种集成稀疏点云的移动机器人拓扑经验地图构建方法 |
CN111486855A (zh) * | 2020-04-28 | 2020-08-04 | 武汉科技大学 | 一种具有物体导航点的室内二维语义栅格地图构建方法 |
GB2581808A (en) * | 2019-02-26 | 2020-09-02 | Imperial College Sci Tech & Medicine | Scene representation using image processing |
CN111665842A (zh) * | 2020-06-09 | 2020-09-15 | 山东大学 | 一种基于语义信息融合的室内slam建图方法及系统 |
CN111797938A (zh) * | 2020-07-15 | 2020-10-20 | 燕山大学 | 用于扫地机器人的语义信息与vslam融合方法 |
CN111968262A (zh) * | 2020-07-30 | 2020-11-20 | 国网智能科技股份有限公司 | 一种语义智能变电站巡视作业机器人导航系统及方法 |
CN112015187A (zh) * | 2020-09-11 | 2020-12-01 | 北京洛必德科技有限公司 | 一种用于智能移动机器人的语义地图构建方法及系统 |
CN112102411A (zh) * | 2020-11-02 | 2020-12-18 | 中国人民解放军国防科技大学 | 一种基于语义误差图像的视觉定位方法及装置 |
CN112136141A (zh) * | 2018-03-23 | 2020-12-25 | 谷歌有限责任公司 | 基于自由形式自然语言输入控制机器人 |
CN112129282A (zh) * | 2020-09-30 | 2020-12-25 | 杭州海康机器人技术有限公司 | 一种不同导航方式之间定位结果的转换方法、转换装置 |
CN112445205A (zh) * | 2019-08-15 | 2021-03-05 | 广州极飞科技有限公司 | 地面植保设备的控制方法、装置、设备和存储介质 |
CN108225327B (zh) * | 2017-12-31 | 2021-05-14 | 芜湖哈特机器人产业技术研究院有限公司 | 一种顶标地图的构建与定位方法 |
CN112802204A (zh) * | 2021-01-26 | 2021-05-14 | 山东大学 | 未知环境下三维空间场景先验的目标语义导航方法及系统 |
CN108180917B (zh) * | 2017-12-31 | 2021-05-14 | 芜湖哈特机器人产业技术研究院有限公司 | 一种基于位姿图优化的顶标地图构建方法 |
CN112884256A (zh) * | 2021-04-28 | 2021-06-01 | 深圳大学 | 路径规划方法、装置、计算机设备和存储介质 |
CN112947415A (zh) * | 2021-01-26 | 2021-06-11 | 同济大学 | 一种基于障碍物语义信息的室内路径规划方法 |
CN113052152A (zh) * | 2021-06-02 | 2021-06-29 | 中国人民解放军国防科技大学 | 一种基于视觉的室内语义地图构建方法、装置及设备 |
CN113358118A (zh) * | 2021-05-06 | 2021-09-07 | 北京化工大学 | 非结构环境中端到端的室内移动机器人自主导航方法 |
CN113557524A (zh) * | 2019-03-19 | 2021-10-26 | 罗伯特·博世有限公司 | 用于表示移动平台环境的方法 |
CN113763481A (zh) * | 2021-08-16 | 2021-12-07 | 北京易航远智科技有限公司 | 一种移动场景中多相机视觉三维地图构建与自标定方法 |
CN113791619A (zh) * | 2021-09-14 | 2021-12-14 | 北京航空航天大学 | 一种机场自动驾驶牵引车调度导航系统及方法 |
CN114397894A (zh) * | 2021-12-29 | 2022-04-26 | 杭州电子科技大学 | 一种模仿人类记忆的移动机器人目标搜索方法 |
CN114543788A (zh) * | 2022-04-25 | 2022-05-27 | 北京理工大学 | 结构非结构环境通用的多层全局感知地图构建方法及系统 |
CN115164906A (zh) * | 2022-09-02 | 2022-10-11 | 深圳鹏行智能研究有限公司 | 定位方法、机器人和计算机可读存储介质 |
CN115454055A (zh) * | 2022-08-22 | 2022-12-09 | 中国电子科技南湖研究院 | 一种面向室内自主导航与作业的多层融合地图表示方法 |
CN116952250A (zh) * | 2023-09-18 | 2023-10-27 | 之江实验室 | 一种基于语义地图的机器人指路方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101963995A (zh) * | 2010-10-25 | 2011-02-02 | 哈尔滨工程大学 | 基于特征场景的图像标注方法 |
CN103413352A (zh) * | 2013-07-29 | 2013-11-27 | 西北工业大学 | 基于rgbd多传感器融合的场景三维重建方法 |
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 |
CN105856230A (zh) * | 2016-05-06 | 2016-08-17 | 简燕梅 | 一种可提高机器人位姿一致性的orb关键帧闭环检测slam方法 |
CN105975956A (zh) * | 2016-05-30 | 2016-09-28 | 重庆大学 | 一种基于红外全景摄像头的独居老人异常行为识别方法 |
WO2016153649A1 (en) * | 2015-03-24 | 2016-09-29 | Google Inc. | Associating semantic location data with automated environment mapping |
-
2017
- 2017-03-07 CN CN201710131448.0A patent/CN107063258A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101963995A (zh) * | 2010-10-25 | 2011-02-02 | 哈尔滨工程大学 | 基于特征场景的图像标注方法 |
CN103413352A (zh) * | 2013-07-29 | 2013-11-27 | 西北工业大学 | 基于rgbd多传感器融合的场景三维重建方法 |
WO2016153649A1 (en) * | 2015-03-24 | 2016-09-29 | Google Inc. | Associating semantic location data with automated environment mapping |
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 |
CN105856230A (zh) * | 2016-05-06 | 2016-08-17 | 简燕梅 | 一种可提高机器人位姿一致性的orb关键帧闭环检测slam方法 |
CN105975956A (zh) * | 2016-05-30 | 2016-09-28 | 重庆大学 | 一种基于红外全景摄像头的独居老人异常行为识别方法 |
Non-Patent Citations (4)
Title |
---|
张素兰等: "基于形式概念分析的图像场景语义标注模型", 《计算机应用》 * |
徐冬云: "基于Kinect的视觉同步定位与建图研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
王红卫等: "基于平滑A*算法的移动机器人路径规划", 《同济大学学报(自然科学版)》 * |
赵程: "基于视觉—语音交互式室内层次地图构建与导航系统", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (119)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107689075A (zh) * | 2017-08-30 | 2018-02-13 | 北京三快在线科技有限公司 | 导航地图的生成方法、装置及机器人 |
CN107607107A (zh) * | 2017-09-14 | 2018-01-19 | 斯坦德机器人(深圳)有限公司 | 一种基于先验信息的Slam方法和装置 |
CN107607107B (zh) * | 2017-09-14 | 2020-07-03 | 斯坦德机器人(深圳)有限公司 | 一种基于先验信息的Slam方法和装置 |
CN107843252A (zh) * | 2017-10-18 | 2018-03-27 | 歌尔股份有限公司 | 导航路径优化方法、装置及电子设备 |
CN107843252B (zh) * | 2017-10-18 | 2020-10-09 | 歌尔股份有限公司 | 导航路径优化方法、装置及电子设备 |
CN107598928A (zh) * | 2017-10-25 | 2018-01-19 | 中国科学院沈阳自动化研究所 | 基于语义模型的相机与机器人控制系统及其自动适配方法 |
CN107598928B (zh) * | 2017-10-25 | 2019-11-12 | 中国科学院沈阳自动化研究所 | 基于语义模型的相机与机器人控制系统及其自动适配方法 |
CN107833236A (zh) * | 2017-10-31 | 2018-03-23 | 中国科学院电子学研究所 | 一种动态环境下结合语义的视觉定位系统和方法 |
CN107833236B (zh) * | 2017-10-31 | 2020-06-26 | 中国科学院电子学研究所 | 一种动态环境下结合语义的视觉定位系统和方法 |
CN108170134A (zh) * | 2017-11-15 | 2018-06-15 | 国电南瑞科技股份有限公司 | 一种变电站智能巡检机器人路径规划方法 |
CN107958209A (zh) * | 2017-11-16 | 2018-04-24 | 深圳天眼激光科技有限公司 | 一种违建识别方法、系统及电子设备 |
CN108958232A (zh) * | 2017-12-07 | 2018-12-07 | 炬大科技有限公司 | 一种基于深度视觉的移动扫地机器人slam装置及算法 |
CN108108716A (zh) * | 2017-12-29 | 2018-06-01 | 中国电子科技集团公司信息科学研究院 | 一种基于深度信念网络的回环检测方法 |
CN108230337B (zh) * | 2017-12-31 | 2020-07-03 | 厦门大学 | 一种基于移动端的语义slam系统实现的方法 |
CN108230337A (zh) * | 2017-12-31 | 2018-06-29 | 厦门大学 | 一种基于移动端的语义slam系统实现的方法 |
CN108225327B (zh) * | 2017-12-31 | 2021-05-14 | 芜湖哈特机器人产业技术研究院有限公司 | 一种顶标地图的构建与定位方法 |
CN108180917B (zh) * | 2017-12-31 | 2021-05-14 | 芜湖哈特机器人产业技术研究院有限公司 | 一种基于位姿图优化的顶标地图构建方法 |
CN108229416A (zh) * | 2018-01-17 | 2018-06-29 | 苏州科技大学 | 基于语义分割技术的机器人slam方法 |
CN108229416B (zh) * | 2018-01-17 | 2021-09-10 | 苏州科技大学 | 基于语义分割技术的机器人slam方法 |
CN108364257A (zh) * | 2018-02-06 | 2018-08-03 | 深圳市菲森科技有限公司 | 三维扫描点云数据的拼接方法及系统 |
WO2019153245A1 (en) * | 2018-02-09 | 2019-08-15 | Baidu.Com Times Technology (Beijing) Co., Ltd. | Systems and methods for deep localization and segmentation with 3d semantic map |
US11030525B2 (en) | 2018-02-09 | 2021-06-08 | Baidu Usa Llc | Systems and methods for deep localization and segmentation with a 3D semantic map |
CN108665496A (zh) * | 2018-03-21 | 2018-10-16 | 浙江大学 | 一种基于深度学习的端到端的语义即时定位与建图方法 |
CN108665496B (zh) * | 2018-03-21 | 2021-01-26 | 浙江大学 | 一种基于深度学习的端到端的语义即时定位与建图方法 |
CN112136141A (zh) * | 2018-03-23 | 2020-12-25 | 谷歌有限责任公司 | 基于自由形式自然语言输入控制机器人 |
US11972339B2 (en) | 2018-03-23 | 2024-04-30 | Google Llc | Controlling a robot based on free-form natural language input |
CN108614552A (zh) * | 2018-04-08 | 2018-10-02 | 浙江大承机器人科技有限公司 | 一种基于离散位姿的路径规划方法 |
CN108614552B (zh) * | 2018-04-08 | 2021-01-12 | 浙江大承机器人科技有限公司 | 一种基于离散位姿的路径规划方法 |
CN110411441B (zh) * | 2018-04-30 | 2023-04-07 | 北京京东乾石科技有限公司 | 用于多模态映射和定位的系统和方法 |
CN110411441A (zh) * | 2018-04-30 | 2019-11-05 | 北京京东尚科信息技术有限公司 | 用于多模态映射和定位的系统和方法 |
CN110455306A (zh) * | 2018-05-07 | 2019-11-15 | 南京图易科技有限责任公司 | 一种基于深度学习的机器人场景识别与语义导航地图标注方法 |
CN108830220B (zh) * | 2018-06-15 | 2021-01-05 | 山东大学 | 基于深度学习的视觉语义库构建及全局定位方法 |
CN108830220A (zh) * | 2018-06-15 | 2018-11-16 | 山东大学 | 基于深度学习的视觉语义库构建及全局定位方法 |
CN109186586A (zh) * | 2018-08-23 | 2019-01-11 | 北京理工大学 | 一种面向动态泊车环境的同时定位及混合地图构建方法 |
CN109186586B (zh) * | 2018-08-23 | 2022-03-18 | 北京理工大学 | 一种面向动态泊车环境的同时定位及混合地图构建方法 |
CN109186606A (zh) * | 2018-09-07 | 2019-01-11 | 南京理工大学 | 一种基于slam和图像信息的机器人构图及导航方法 |
CN109186606B (zh) * | 2018-09-07 | 2022-03-08 | 南京理工大学 | 一种基于slam和图像信息的机器人构图及导航方法 |
CN109272554A (zh) * | 2018-09-18 | 2019-01-25 | 北京云迹科技有限公司 | 一种识别目标的坐标系定位和语义地图构建的方法及系统 |
CN109163731A (zh) * | 2018-09-18 | 2019-01-08 | 北京云迹科技有限公司 | 一种语义地图构建方法及系统 |
CN109223459A (zh) * | 2018-09-29 | 2019-01-18 | 吉林大学 | 一种老人行为识别拐杖及其控制方法 |
WO2020103110A1 (zh) * | 2018-11-22 | 2020-05-28 | 深圳市大疆创新科技有限公司 | 一种基于点云地图的图像边界获取方法、设备及飞行器 |
CN109584302B (zh) * | 2018-11-27 | 2023-12-01 | 北京旷视科技有限公司 | 相机位姿优化方法、装置、电子设备和计算机可读介质 |
CN109584302A (zh) * | 2018-11-27 | 2019-04-05 | 北京旷视科技有限公司 | 相机位姿优化方法、装置、电子设备和计算机可读介质 |
CN111381585A (zh) * | 2018-12-11 | 2020-07-07 | 北京图森智途科技有限公司 | 一种构建占据栅格地图的方法及其装置、相关设备 |
CN111381585B (zh) * | 2018-12-11 | 2023-06-16 | 北京图森智途科技有限公司 | 一种构建占据栅格地图的方法及其装置、相关设备 |
CN109737974A (zh) * | 2018-12-14 | 2019-05-10 | 中国科学院深圳先进技术研究院 | 一种3d导航语义地图更新方法、装置及设备 |
CN109816686A (zh) * | 2019-01-15 | 2019-05-28 | 山东大学 | 基于物体实例匹配的机器人语义slam方法、处理器及机器人 |
CN109855624A (zh) * | 2019-01-17 | 2019-06-07 | 宁波舜宇智能科技有限公司 | 用于agv车的导航装置及导航方法 |
CN109708644A (zh) * | 2019-01-21 | 2019-05-03 | 北京艾瑞思机器人技术有限公司 | 移动机器人导航方法、装置和移动机器人 |
CN109798909A (zh) * | 2019-02-01 | 2019-05-24 | 安徽达特智能科技有限公司 | 一种全局路径规划的方法 |
GB2581808B (en) * | 2019-02-26 | 2022-08-10 | Imperial College Innovations Ltd | Scene representation using image processing |
GB2581808A (en) * | 2019-02-26 | 2020-09-02 | Imperial College Sci Tech & Medicine | Scene representation using image processing |
CN113557524A (zh) * | 2019-03-19 | 2021-10-26 | 罗伯特·博世有限公司 | 用于表示移动平台环境的方法 |
CN109855645A (zh) * | 2019-03-27 | 2019-06-07 | 小驴机器人(武汉)有限公司 | 一种agv小车混合视觉导航方法 |
CN110110143A (zh) * | 2019-04-15 | 2019-08-09 | 厦门网宿有限公司 | 一种视频分类方法及装置 |
CN110068824B (zh) * | 2019-04-17 | 2021-07-23 | 北京地平线机器人技术研发有限公司 | 一种传感器位姿确定方法和装置 |
CN110068824A (zh) * | 2019-04-17 | 2019-07-30 | 北京地平线机器人技术研发有限公司 | 一种传感器位姿确定方法和装置 |
CN110057373A (zh) * | 2019-04-22 | 2019-07-26 | 上海蔚来汽车有限公司 | 用于生成高精细语义地图的方法、装置和计算机存储介质 |
CN110057373B (zh) * | 2019-04-22 | 2023-11-03 | 上海蔚来汽车有限公司 | 用于生成高精细语义地图的方法、装置和计算机存储介质 |
CN110390252A (zh) * | 2019-05-16 | 2019-10-29 | 四川省客车制造有限责任公司 | 基于先验地图信息的障碍物检测方法、装置和存储介质 |
CN110110694A (zh) * | 2019-05-16 | 2019-08-09 | 东北大学 | 一种基于目标检测的视觉slam闭环检测方法 |
CN110110694B (zh) * | 2019-05-16 | 2023-01-24 | 东北大学 | 一种基于目标检测的视觉slam闭环检测方法 |
CN110243370A (zh) * | 2019-05-16 | 2019-09-17 | 西安理工大学 | 一种基于深度学习的室内环境三维语义地图构建方法 |
CN110264572A (zh) * | 2019-06-21 | 2019-09-20 | 哈尔滨工业大学 | 一种融合几何特性与力学特性的地形建模方法及系统 |
CN110264572B (zh) * | 2019-06-21 | 2021-07-30 | 哈尔滨工业大学 | 一种融合几何特性与力学特性的地形建模方法及系统 |
CN110378838B (zh) * | 2019-06-25 | 2023-04-18 | 达闼机器人股份有限公司 | 变视角图像生成方法,装置,存储介质及电子设备 |
CN110378838A (zh) * | 2019-06-25 | 2019-10-25 | 深圳前海达闼云端智能科技有限公司 | 变视角图像生成方法,装置,存储介质及电子设备 |
CN110298873A (zh) * | 2019-07-05 | 2019-10-01 | 青岛中科智保科技有限公司 | 三维地图的构建方法、构建装置、机器人及可读存储介质 |
CN110362083A (zh) * | 2019-07-17 | 2019-10-22 | 北京理工大学 | 一种基于多目标跟踪预测的时空地图下自主导航方法 |
CN110362083B (zh) * | 2019-07-17 | 2021-01-26 | 北京理工大学 | 一种基于多目标跟踪预测的时空地图下自主导航方法 |
CN110332940A (zh) * | 2019-07-30 | 2019-10-15 | 重庆邮电大学 | 基于改进a*算法的消防员室内撤离路径规划方法 |
CN110332940B (zh) * | 2019-07-30 | 2022-08-02 | 重庆邮电大学 | 基于改进a*算法的消防员室内撤离路径规划方法 |
CN112445205A (zh) * | 2019-08-15 | 2021-03-05 | 广州极飞科技有限公司 | 地面植保设备的控制方法、装置、设备和存储介质 |
CN110675307B (zh) * | 2019-08-19 | 2023-06-06 | 杭州电子科技大学 | 基于vslam的3d稀疏点云到2d栅格图的实现方法 |
CN110675307A (zh) * | 2019-08-19 | 2020-01-10 | 杭州电子科技大学 | 基于vslam的3d稀疏点云到2d栅格图的实现方法 |
CN110717917A (zh) * | 2019-09-30 | 2020-01-21 | 北京影谱科技股份有限公司 | 基于cnn语义分割深度预测方法和装置 |
CN110717917B (zh) * | 2019-09-30 | 2022-08-09 | 北京影谱科技股份有限公司 | 基于cnn语义分割深度预测方法和装置 |
CN111080682B (zh) * | 2019-12-05 | 2023-09-01 | 北京京东乾石科技有限公司 | 点云数据的配准方法及装置 |
CN111080682A (zh) * | 2019-12-05 | 2020-04-28 | 北京京东乾石科技有限公司 | 点云数据的配准方法及装置 |
CN111274343B (zh) * | 2020-01-20 | 2023-11-24 | 阿波罗智能技术(北京)有限公司 | 一种车辆定位方法、装置、电子设备及存储介质 |
CN111274343A (zh) * | 2020-01-20 | 2020-06-12 | 北京百度网讯科技有限公司 | 一种车辆定位方法、装置、电子设备及存储介质 |
CN111202472A (zh) * | 2020-02-18 | 2020-05-29 | 深圳市愚公科技有限公司 | 一种扫地机器人的终端地图构建方法、终端设备及清扫系统 |
CN111319044A (zh) * | 2020-03-04 | 2020-06-23 | 达闼科技(北京)有限公司 | 物品抓取方法、装置、可读存储介质及抓取机器人 |
CN111415417A (zh) * | 2020-04-14 | 2020-07-14 | 大连理工江苏研究院有限公司 | 一种集成稀疏点云的移动机器人拓扑经验地图构建方法 |
CN111415417B (zh) * | 2020-04-14 | 2023-09-05 | 大连理工江苏研究院有限公司 | 一种集成稀疏点云的移动机器人拓扑经验地图构建方法 |
CN111486855A (zh) * | 2020-04-28 | 2020-08-04 | 武汉科技大学 | 一种具有物体导航点的室内二维语义栅格地图构建方法 |
CN111665842B (zh) * | 2020-06-09 | 2021-09-28 | 山东大学 | 一种基于语义信息融合的室内slam建图方法及系统 |
CN111665842A (zh) * | 2020-06-09 | 2020-09-15 | 山东大学 | 一种基于语义信息融合的室内slam建图方法及系统 |
CN111797938A (zh) * | 2020-07-15 | 2020-10-20 | 燕山大学 | 用于扫地机器人的语义信息与vslam融合方法 |
CN111797938B (zh) * | 2020-07-15 | 2022-03-15 | 燕山大学 | 用于扫地机器人的语义信息与vslam融合方法 |
CN111968262A (zh) * | 2020-07-30 | 2020-11-20 | 国网智能科技股份有限公司 | 一种语义智能变电站巡视作业机器人导航系统及方法 |
CN112015187A (zh) * | 2020-09-11 | 2020-12-01 | 北京洛必德科技有限公司 | 一种用于智能移动机器人的语义地图构建方法及系统 |
CN112015187B (zh) * | 2020-09-11 | 2023-10-20 | 北京洛必德科技有限公司 | 一种用于智能移动机器人的语义地图构建方法及系统 |
CN112129282A (zh) * | 2020-09-30 | 2020-12-25 | 杭州海康机器人技术有限公司 | 一种不同导航方式之间定位结果的转换方法、转换装置 |
CN112129282B (zh) * | 2020-09-30 | 2021-06-18 | 杭州海康机器人技术有限公司 | 一种不同导航方式之间定位结果的转换方法、转换装置 |
US11321937B1 (en) | 2020-11-02 | 2022-05-03 | National University Of Defense Technology | Visual localization method and apparatus based on semantic error image |
CN112102411A (zh) * | 2020-11-02 | 2020-12-18 | 中国人民解放军国防科技大学 | 一种基于语义误差图像的视觉定位方法及装置 |
CN112947415B (zh) * | 2021-01-26 | 2022-07-29 | 同济大学 | 一种基于障碍物语义信息的室内路径规划方法 |
CN112802204A (zh) * | 2021-01-26 | 2021-05-14 | 山东大学 | 未知环境下三维空间场景先验的目标语义导航方法及系统 |
CN112947415A (zh) * | 2021-01-26 | 2021-06-11 | 同济大学 | 一种基于障碍物语义信息的室内路径规划方法 |
CN112884256B (zh) * | 2021-04-28 | 2021-07-27 | 深圳大学 | 路径规划方法、装置、计算机设备和存储介质 |
CN112884256A (zh) * | 2021-04-28 | 2021-06-01 | 深圳大学 | 路径规划方法、装置、计算机设备和存储介质 |
CN113358118B (zh) * | 2021-05-06 | 2022-09-20 | 北京化工大学 | 非结构环境中端到端的室内移动机器人自主导航方法 |
CN113358118A (zh) * | 2021-05-06 | 2021-09-07 | 北京化工大学 | 非结构环境中端到端的室内移动机器人自主导航方法 |
CN113052152B (zh) * | 2021-06-02 | 2021-07-30 | 中国人民解放军国防科技大学 | 一种基于视觉的室内语义地图构建方法、装置及设备 |
CN113052152A (zh) * | 2021-06-02 | 2021-06-29 | 中国人民解放军国防科技大学 | 一种基于视觉的室内语义地图构建方法、装置及设备 |
CN113763481B (zh) * | 2021-08-16 | 2024-04-05 | 北京易航远智科技有限公司 | 一种移动场景中多相机视觉三维地图构建与自标定方法 |
CN113763481A (zh) * | 2021-08-16 | 2021-12-07 | 北京易航远智科技有限公司 | 一种移动场景中多相机视觉三维地图构建与自标定方法 |
CN113791619A (zh) * | 2021-09-14 | 2021-12-14 | 北京航空航天大学 | 一种机场自动驾驶牵引车调度导航系统及方法 |
CN113791619B (zh) * | 2021-09-14 | 2024-04-12 | 北京航空航天大学 | 一种机场自动驾驶牵引车调度导航系统及方法 |
CN114397894A (zh) * | 2021-12-29 | 2022-04-26 | 杭州电子科技大学 | 一种模仿人类记忆的移动机器人目标搜索方法 |
CN114543788B (zh) * | 2022-04-25 | 2022-08-09 | 北京理工大学 | 结构非结构环境通用的多层全局感知地图构建方法及系统 |
CN114543788A (zh) * | 2022-04-25 | 2022-05-27 | 北京理工大学 | 结构非结构环境通用的多层全局感知地图构建方法及系统 |
CN115454055B (zh) * | 2022-08-22 | 2023-09-19 | 中国电子科技南湖研究院 | 一种面向室内自主导航与作业的多层融合地图表示方法 |
CN115454055A (zh) * | 2022-08-22 | 2022-12-09 | 中国电子科技南湖研究院 | 一种面向室内自主导航与作业的多层融合地图表示方法 |
CN115164906A (zh) * | 2022-09-02 | 2022-10-11 | 深圳鹏行智能研究有限公司 | 定位方法、机器人和计算机可读存储介质 |
CN115164906B (zh) * | 2022-09-02 | 2022-11-15 | 深圳鹏行智能研究有限公司 | 定位方法、机器人和计算机可读存储介质 |
CN116952250A (zh) * | 2023-09-18 | 2023-10-27 | 之江实验室 | 一种基于语义地图的机器人指路方法和装置 |
CN116952250B (zh) * | 2023-09-18 | 2024-01-05 | 之江实验室 | 一种基于语义地图的机器人指路方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107063258A (zh) | 一种基于语义信息的移动机器人室内导航方法 | |
Kostavelis et al. | Semantic mapping for mobile robotics tasks: A survey | |
CN111080659A (zh) | 一种基于视觉信息的环境语义感知方法 | |
CN110285813B (zh) | 一种室内移动机器人人机共融导航装置及方法 | |
CN103278170B (zh) | 基于显著场景点检测的移动机器人级联地图创建方法 | |
Cheng et al. | Topological indoor localization and navigation for autonomous mobile robot | |
CN109325979B (zh) | 基于深度学习的机器人回环检测方法 | |
CN110276826A (zh) | 一种电网作业环境地图的构建方法及系统 | |
Chakravarty et al. | GEN-SLAM: Generative modeling for monocular simultaneous localization and mapping | |
CN106802655A (zh) | 室内地图生成方法及装置 | |
KR102664410B1 (ko) | 다중 센서 및 인공지능에 기반하여 맵을 생성하고 맵을 이용하여 주행하는 로봇 | |
CN108958232A (zh) | 一种基于深度视觉的移动扫地机器人slam装置及算法 | |
CN106767755A (zh) | 用于规划自主移动式设备工作点的方法及装置 | |
Wang et al. | Visual semantic navigation based on deep learning for indoor mobile robots | |
Bersan et al. | Semantic map augmentation for robot navigation: A learning approach based on visual and depth data | |
Qian et al. | Wearable-assisted localization and inspection guidance system using egocentric stereo cameras | |
Cheng et al. | Improving dense mapping for mobile robots in dynamic environments based on semantic information | |
CN113515131B (zh) | 基于条件变分自动编码器的移动机器人避障方法及系统 | |
Wu et al. | An object slam framework for association, mapping, and high-level tasks | |
Truong et al. | Object detection-based semantic map building for a semantic visual SLAM system | |
Zhao et al. | Building a grid-point cloud-semantic map based on graph for the navigation of intelligent wheelchair | |
Nanwani et al. | Instance-Level Semantic Maps for Vision Language Navigation | |
KR20210054355A (ko) | 시각 및 언어 기반 공간 탐색 시스템 | |
Cai et al. | Deep representation and stereo vision based vehicle detection | |
Tang et al. | High-Definition Maps Construction Based on Visual Sensor: A Comprehensive Survey |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for 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: 20170818 |