CN107087016A - 基于视频监控网络的楼宇内移动物体的导航方法及系统 - Google Patents
基于视频监控网络的楼宇内移动物体的导航方法及系统 Download PDFInfo
- Publication number
- CN107087016A CN107087016A CN201710128611.8A CN201710128611A CN107087016A CN 107087016 A CN107087016 A CN 107087016A CN 201710128611 A CN201710128611 A CN 201710128611A CN 107087016 A CN107087016 A CN 107087016A
- Authority
- CN
- China
- Prior art keywords
- mobile object
- navigation
- location information
- control system
- network
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
- H04N7/185—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source from a mobile camera, e.g. for remote control
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/52—Network services specially adapted for the location of the user terminal
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明提出一种基于视频监控网络的楼宇内移动物体的导航方法及系统,该方法包括:导航服务器获取移动物体的终点位置信息,向网络视频监控系统发送移动物体的图像样本;网络视频监控系统根据图像样本捕获目标视频图像,并根据目标视频图像获取移动物体的当前位置信息及将当前位置信息发送给导航服务器;导航服务器根据楼宇的拓扑结构图、当前位置信息和终点位置信息生成全局导航路径信息,并根据全局导航路径信息对移动物体发出运动调节指令,并根据移动物体的位置对移动物体的运动方向进行调节,直至移动物体到达终点。该方法导航服务器借助网络视频监控系统实现移动物体的楼宇内导航,使得移动物体快速到达目的地,提高了楼宇智能化水平。
Description
技术领域
本发明涉及导航技术领域,特别涉及一种基于视频监控网络的楼宇内移动物体的导航方法及系统。
背景技术
当人需要找到某个感到陌生的楼宇的某个房间时,虽然楼宇的楼层分布示意图能够提供一定的指引帮助,但是可读性差,不够直观,也容易遗忘。当一个房间的移动机器人需要到达楼宇内另一个房间去完成作业时,由于机器人的视觉传感器只能获取周围局部图像,也就不能规划出正确的全局路径。上述问题都需要一种楼宇全覆盖的、全程的实时导航技术才能解决。
目前,人们对室外移动物体导航技术研究得较多且已产生了成熟的应用,如基于GPS定位的道路车辆行驶导航等。但是对楼宇内移动物体导航技术的研究还较少,这主要是因为楼宇内导航是三维导航而室外导航通常是平面上导航,而且楼宇内导航对定位精度的要求比室外导航高得多。其中,相关技术中常用的导航的技术主要有全球定位系统(GPS,Global Positioning System)、路标导航、地图模型匹配、仿生导航和视觉导航等。其中:基于全球定位系统的导航正得到普及,但是其定位精度还达不到楼宇内导航的要求。路标导航是机器人依据自然环境中设定的功能路标来导向,只能应用在有限的区域内和相对稳定的环境中,对于具有复杂构造的楼宇需要设置数目庞大的路标才能实现导航。地图模型匹配是机器人通过比较自身传感器获取的局部地图与全局地图,从而计算它在环境中的位置和方位,但是该技术对局部传感地图的精度有严格要求,且需要足够多易识别的图像特征用于匹配,因此当前只限于实验室或相对简单的环境。仿生导航是根据视觉、听觉、味觉等信息处理原理,模仿出类似的定位和导航技术,仅在某些特种环境下具备应用需求和可行性。视觉导航是事先在路面上画出路径引导线,机器人通过视觉系统识别引导线来控制运动方向,只适用于路径少且相对固定的情况,难以解决楼宇内导航路径随机和包含垂直运动等问题。正是由于上述技术的各种缺点,它们都还没有在楼宇导航中得到实际应用。可见,楼宇内移动物体的导航还缺乏相应的技术。
对于面向楼宇的机器人导航技术,鉴于目前技术水平的限制和工作环境的复杂性,一般需要事先向机器人提供关于楼宇地理信息的足够知识才能达到良好的效果。机器人需要基于楼宇拓扑结构和尺寸标注信息建立相应的数字地图模型,描述地理要素和空间数据关联属性,在导航过程中需要随时识别地理要素及其与道路之间的连接关系,并在拓扑分析后做出决策。这种思路在理论上是可行的,但是数字地图模型的建立十分复杂,对机器人的存储、传感、计算等各方面性能要求特别高,成本也很高。
发明内容
本发明旨在至少在一定程度上解决上述技术问题。
为此,本发明的第一个目的在于提出一种基于视频监控网络的楼宇内移动物体的导航方法,在楼宇内导航的过程中,导航服务器借助网络视频监控系统实现了对移动物体的楼宇内导航,使得移动物体可以快速到达目的地,提高了楼宇智能化水平。
本发明的第二个目的在于提出一种基于视频监控网络的楼宇内移动物体的导航系统。
为达上述目的,根据本发明第一方面实施例提出了一种基于视频监控网络的楼宇内移动物体的导航方法,包括:导航服务器获取移动物体设定的终点位置信息,向所述网络视频监控系统发送待定位的所述移动物体的图像样本;网络视频监控系统根据所述图像样本捕获包含所述移动物体的目标视频图像,并根据所述目标视频图像获取所述移动物体的当前位置信息,以及将所述当前位置信息发送给所述导航服务器;所述导航服务器获取所述楼宇的拓扑结构图;所述导航服务器根据所述拓扑结构图、所述当前位置信息和所述终点位置信息生成全局导航路径信息,并根据所述全局导航路径信息对所述移动物体发出运动调节指令,以使所述移动物体根据所述运动调节指令调整运动方向后,所述网络视频监控系统周期性地检测所述移动物体的当前位置信息,使得所述导航服务器不断根据所述当前位置信息对所述移动物体的运动方向进行调节,直至所述移动物体到达终点。
本发明实施例的基于视频监控网络的楼宇内移动物体的导航方法,导航服务器获取移动物体设定的终点位置信息,向网络视频监控系统发送待定位的移动物体的图像样本,网络视频监控系统根据图像样本捕获包含移动物体的目标视频图像,并根据目标视频图像获取移动物体的当前位置信息,以及将当前位置信息发送给导航服务器,导航服务器获取楼宇的拓扑结构图,导航服务器根据拓扑结构图、当前位置信息和终点位置信息生成全局导航路径信息,并根据全局导航路径信息对移动物体发出运动调节指令,以使移动物体根据运动调节指令调整运动方向后,网络视频监控系统周期性地检测移动物体的当前位置信息,使得导航服务器不断根据当前位置信息对移动物体的运动方向进行调节,直至移动物体到达终点。由此,使得导航服务器可以借助网络视频监控系统实现了对移动物体的楼宇内导航,使得移动物体可以快速到达目的地,提高了楼宇智能化水平。
本发明第二方面实施例提出了一种基于视频监控网络的楼宇内移动物体的导航系统,包括:导航服务器、移动物体和网络视频监控系统,其中:网络视频监控系统接收所述导航服务器发送的待定位的所述移动物体的图像样本,并根据所述图像样本获取所述移动物体的当前位置信息,以及将所述当前位置信息发送给所述导航服务器;所述导航服务器获取移动物体设定的终点位置信息,向所述网络视频监控系统发送待定位的所述移动物体的图像样本,并获取所述楼宇的拓扑结构图,并根据所述拓扑结构图、所述当前位置信息和所述终点位置信息生成全局导航路径信息,并根据所述全局导航路径信息对所述移动物体发出运动调节指令,以使所述移动物体根据所述运动调节指令调整运动方向后,所述网络视频监控系统周期性地检测所述移动物体的当前位置信息,使得所述导航服务器不断根据所述当前位置信息对所述移动物体的运动方向进行调节,直至所述移动物体到达终点。
本发明实施例的基于视频监控网络的楼宇内移动物体的导航系统,导航服务器获取移动物体设定的终点位置信息,向网络视频监控系统发送待定位的移动物体的图像样本,网络视频监控系统根据图像样本捕获包含移动物体的目标视频图像,并根据目标视频图像获取移动物体的当前位置信息,以及将当前位置信息发送给导航服务器,导航服务器获取楼宇的拓扑结构图,导航服务器根据拓扑结构图、当前位置信息和终点位置信息生成全局导航路径信息,并根据全局导航路径信息对移动物体发出运动调节指令,以使移动物体根据运动调节指令调整运动方向后,网络视频监控系统周期性地检测移动物体的当前位置信息,使得导航服务器不断根据当前位置信息对移动物体的运动方向进行调节,直至移动物体到达终点。由此,使得导航服务器可以借助网络视频监控系统实现了对移动物体的楼宇内导航,使得移动物体可以快速到达目的地,提高了楼宇智能化水平。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本发明一个实施例的基于视频监控网络的楼宇内移动物体的导航方法的流程图;
图2为网络视频监控系统根据图像样本捕获包含移动物体的目标视频图像的细化流程图;
图3为检测出包含移动物体的目标视频图像中卡尔曼滤波、卷积神经网络和逻辑回归分类器之间的关系的示例图;
图4为楼宇的拓扑结构图的示例图;
图5为基于视频监控网络的移动物体导航系统的基本工作原理示意图;
图6为根据本发明一个具体实施例的基于视频监控网络的楼宇内移动物体的导航方法的流程图;
图7为根据本发明一个实施例的基于视频监控网络的楼宇内移动物体的导航系统的结构示意图;
图8为根据本发明一个实施例的网络视频监控系统30的结构示意图;
图9为根据本发明一个实施例的获取模块330的结构示意图;
图10为根据本发明另一个实施例的网络视频监控系统30的结构示意图;
图11为根据本发明再一个实施例的网络视频监控系统30的结构示意图;
图12为移动物体、导航服务器和视频服务器之间发送的数据的关系示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,术语“多个”指两个或两个以上;术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。
下面参考附图描述根据本发明实施例的基于视频监控网络的楼宇内移动物体的导航方法及系统。
图1为根据本发明一个实施例的基于视频监控网络的楼宇内移动物体的导航方法的流程图。
如图1所示,根据本发明实施例的基于视频监控网络的楼宇内移动物体的导航方法,包括以下步骤。
S11,导航服务器获取移动物体设定的终点位置信息,向网络视频监控系统发送待定位的移动物体的图像样本。
其中,移动物体可以是人或者具有无线通信功能的移动机器人。
其中,楼宇可以是带有电梯的多层办公楼、写字楼、商场、博物馆等。
其中,需要说明的是,网络视频监控系统是原先为安防目的而部署的。
其中,网络视频监控系统由网络摄像机、视频服务器、监视器和监控工作站等组成。
在本发明一个实施例中,在导航服务器获取移动物体设定的终点位置信息后,导航服务器可将待检测和定位的移动物体的图像样本发送至视频服务器。
其中,需要理解的是,在楼宇中包含多个移动物体时,为了区分移动物体,每个移动物体的外观特征是不相同的。
其中,移动物体的样本图像是导航服务器预先获取的。
其中,导航服务器可通过多种方式获取移动物体的样本图像,举例说明如下:
作为一种示例,在移动物体为移动机器人时,在用户在移动机器人上设定终点位置后,移动机器人向导航服务器发送导航请求,其中,导航请求中包括用户设定的终点位置信息和移动机器人的标识信息。
对应地,导航服务器接收移动机器人发送的导航请求,并根据预存的移动机器人的标识信息与图像样本的对应关系获取与移动机器人对应的图像样本,并将该移动机器人的图像样本发送给网络视频监控系统。
作为另一种示例,在移动物体为人时,用户可通过终端向导航服务器发送导航请求,其中,导航请求中包括用户设定的终点位置信息和包含用户的图像。对应地,导航服务器接收导航请求,并将包含用户的图像作为移动物体的图像样本,并将该移动物体的图像样本发送给网络视频监控系统。
作为另一种示例,假设用户A请求用户B将某个物件派送至楼宇内的某个位置时,导航服务器可通过两种方式获取用户B的图像信息。
第一种方式是用户A可通过终端获取用户B的图像信息,并向导航服务器发送自己设定的终点位置信息和包含用户B的图像。
第一种方式是用户B通过自身的终端向导航服务器发送设定的终点位置和包含自己的图像。
S12,网络视频监控系统根据图像样本捕获包含移动物体的目标视频图像,并根据目标视频图像获取移动物体的当前位置信息,以及将当前位置信息发送给导航服务器。
其中,需要理解的是,网络视频监控系统是原先为安防目的而部署的。
其中,网络视频监控系统由网络摄像机、视频服务器、监视器和监控工作站等组成。
其中,需要说明的是,该实施例中的网络视频监控系统可以捕获楼宇公共区域所有空间位置的图像。
在本发明的一个实施例中,网络视频监控系统根据图像样本捕获包含移动物体的目标视频图像的过程,如图2所示,可以包括:
S121,网络视频监控系统根据图像样本提取移动物体的特征信息。
在网络视频监控系统获取移动物体的样本图像后,视频服务器可通过包含移动物体的图像样本进行特征提取,以获得移动物体的特征信息。
举例而言,视频服务器可通过卷积神经网络提取图像样本的特征。
S122,通过特征信息对第一分类模型进行训练,以生成第二分类模型。
其中,第一分类模型是视频服务器通过对卷积神经网络-逻辑回归分类器级联网络进行训练所获得的。
作为一种示例性的实施方式,训练第一分类模型的过程如下:首先,使用一个大规模无标注图像数据集非监督地训练稀疏自编码器,以得到一组特征集。然后,构造一个包含三个卷积-池化层的卷积神经网络。其中,第一个卷积-池化层的卷积核使用前面预训练得到的特征集,第二、三个卷积-池化层的卷积核的初始值取随机值。之后,将事先获取的多幅样本移动物体图像的标签设置为1,将多个包含其他物体的图像的标签设置为0,以这些图像组成为样本集。以通过用卷积神经网络提取样本图像的特征,生成特征向量,将特征向量输入到逻辑回归分类器,并使用批量梯度下降法和反向传播算法对卷积神经网络-逻辑回归分类器级联网络进行有监督地训练,从而确定卷积神经网络第二、三层卷积核和逻辑回归分类器的参数,即,生成第一分类模型。
在本发明的一个实施例中,在视频服务器生成第一分类模型后,网络视频监控系统获得待检测和定位的移动物体的图像样本,并提取该图像样本中移动物体的特征信息,并根据特征信息对第一分类模型进行训练,以生成第二分类模型。
S123,获取当前周期的从多路视频图像,并通过第二分类模型从多路视频图像中检测出包含移动物体的目标视频图像。
在本发明的一个实施中,针对当前周期,视频服务器可先获取前一周期的移动物体的位置信息,然后,基于卡尔曼滤波算法,根据前一周期的移动物体的位置信息预测当前周期移动物体的位置范围,之后,基于位置范围,获取当前周期的多路视频图像。
也就是说,在视频服务器获取前一周期的移动物体的位置信息后,视频服务器通过使用卡尔曼滤波算法,基于前一周期移动物体的位置信息,在多路监控视频图像的集合中预测当前周期移动物体的位置,以得到移动物体的位置范围,即,移动物体可能位置的搜索范围。
其中,若搜索范围超出某一路视频图像的边缘,则在监控这一边缘的相邻区域的其他路视频图像内继续搜索。
在本发明的一个实施例中,在基于位置范围获取当前周期的多路视频图像后,将所获得的多路视频图像输入到第二分类模型中,分类结果最接近1的图像就是要检测的移动物体图像。
在本发明的一个实施例中,为了增加移动物体与其他物体的区分度,降低图像检测的难度,在获取当前周期的多路视频图像后,可根据特征信息对多路视频图像中的移动物体进行标记,然后,将标记后的多路视频图像输入第二分类模型,以通过第二分类模型检测出包含移动物体的目标视频图像。
也就是说,可根据移动物体的特征信息对多路视频图像进行分析,以确定出多路视频图像中包含移动物体的视频图像,并通过标记对对应视频图像中的移动物体进行标记。
其中,可通过多种方式对视频图像中的移动物体进行标记。例如,可通过红色的十字形标记移动物体。
其中,需要理解的是,通过红色的十字形标记移动物体仅是标记移动物体的一种示例,还可以通过其他颜色或者其他方式,该实施例对标记移动物体的方式不作限定。
在本发明的一个实施中,为了进一步提高第二分类模型的准确度,在通过第二分类模型从多路视频图像中检测出包含移动物体的目标视频图像之后,还可以将目标视频图像添加至样本集合,以更新样本集合,并通过更新后的样本集合再次训练第二分类模型,以更新第二分类模型。
也就是说,在通过第二分类模型从多路视频图像中检测出包含移动物体的目标视频图像之后,可将所检测出的包含移动物体的目标视频图像补充到样本集中,重新训练卷积神经网络-逻辑回归分类器级联网络(即第二分类模型),对卷积神经网络第二、三层卷积核和逻辑回归分类器的参数进行微调。由于前一周期网络参数作为本次训练的初始值已接近收敛,故微调过程花费的时间很小,不影响算法的实时性。最后,在下一周期用卡尔曼滤波算法预测移动物体的位置范围,并使用卷积神经网络-逻辑回归分类器级联网络检测得到移动物体图像,基于更新后的样本集重新训练卷积神经网络-逻辑回归分类器级联网络,周期性地重复上述过程。由于网络参数根据位置不断变化的移动物体的实际图像作连续调整,因而算法能够克服因相对运动导致网络摄像机观察移动物体的方位不断变化、光照条件随时间变化和位置转移而不断变化等干扰因素,既具备较高的鲁棒性和自适应性,又保证了导航的连续性。
其中,通过卡尔曼滤波、卷积神经网络和逻辑回归分类器检测出包含移动物体的目标视频图像的过程中,他们之间的关系的示例图,如图3所示。
在本发明的一个实施例中,在检测出包含移动物体的目标视频图像后,可利用移动物体图像计算移动物体的空间位置坐标(x,y,z)。其中,z表示移动物体所在楼层编号,取值为离散值,如0、1、2等,它等于检测到移动物体的网络摄像机所在的楼层编号。(x,y)表示移动物体在地面上的坐标,取值为连续值。
作为一种示例性的实施方式,可先根据楼道两条边界线互相平行、地板砖边界线构成正方形等已知的几何关系对移动物体图像做透视变换,在变换后的图像上计算移动物体的图像坐标,然后,根据楼道、地板砖等物体在图像上的宽度与真实宽度的比例关系,计算移动物体的地面坐标(x,y)。
其中,需要理解的是,由于包含移动物体的目标视频图像是由网络视频监控系统中的网络摄像头获取的,可通过网络摄像头所在的楼层的信息确定移动物体的楼层编号。
综上,可以看出,该实施例中网络视频监控系统可以捕获关于移动物体的视频图像,通过在视频服务器上部署的算法对移动物体进行检测和定位,由此,使得作为安防基础设施的网络视频监控系统在监控视频同时具备目标定位功能。
S13,导航服务器获取楼宇的拓扑结构图。
其中,需要说明的是,该实施例中的楼宇的拓扑结构图是导航服务器中预先保存的。
其中,拓扑结构图通过不同结点表示环境中的重要位置点(拐角、门、电梯、楼梯等),并通过边表示结点间的连接关系,如走廊等。
其中,导航服务器可以通过多种方式获取楼宇的拓扑结构图。举例说明如下:
作为一种示例,导航服务器可根据楼宇内的室内环境的结构布局预先生成楼宇的拓扑结构图。
作为另一种示例,导航服务器可从其他服务器中获取该楼宇的拓扑结构图,并保存楼宇的拓扑结构图。
其中,楼宇的拓扑结构图的示例图,如图4所示。
S14,导航服务器根据拓扑结构图、当前位置信息和终点位置信息生成全局导航路径信息,并根据全局导航路径信息对移动物体发出运动调节指令,以使移动物体根据运动调节指令调整运动方向后,网络视频监控系统周期性地检测移动物体的当前位置信息,使得导航服务器不断根据当前位置信息对移动物体的运动方向进行调节,直至移动物体到达终点。
在本发明的一个实施例中,在生成全局导航路径信息后,导航服务器根据全局导航路径信息对移动终端发出运动调节指令。
具体地,导航服务器可通过无线网络向移动终端发送对应的运动调节指令,对应地,移动物体接收导航服务器发送的运动调节指令,并根据运动调节指令进行运动方向的调节。
其中,需要理解的是,在移动物体根据运动调节指令调整运动方向后,网络视频监控系统周期性地检测移动物体的当前位置信息,使得导航服务器不断根据该当前位置信息对移动物体的运动方向进行调节,直至移动物体到达终点位置。
也就是说,该实施例通过移动物体的当前位置和终点位置,不断对移动物体的运动进行调整,直至移动物体运行到终点位置。
在本发明的一个实施中,在导航过程中,网络视频监控系统实时监控移动物体的位置和行为,在导航服务器确定移动物体发生故障或遗失时发出报警。
其中,运动调节指令包括地面运动方向和/或垂直运动方向的指令。
其中,地面运动方向包括前、后、左、右,它由全局最短路径和移动物体当前位置决定。垂直运动方向包括上、下,它是移动物体乘坐电梯从某一楼层到达另一楼层的运动方向。
其中,需要理解的是,在移动物体的当前位置与终点位置的楼层不同时,移动物体需先调整地面运动方向到达电梯,进入电梯后调整垂直运动方向到达新的楼层。
其中,垂直运动方向的调整是通过给电梯施加控制命令实现的。
其中,需要说明的是,移动物体的运动方向决定了它的运动轨迹,当运动轨迹与导航服务器生成的全局规划路径不同时,就需要调整运动方向,使运动轨迹尽快与全局规划路径达到一致。
此外,为了避免与障碍物发生碰撞,移动物体还可以运用自身的视觉传感器或其他传感器检测和判断前进方向上是否存在障碍物,并通过规划局部路径和调整运动方向避免与障碍物发生碰撞。
其中,需要说明的是,本发明在顾客商场自助导航、盲人导航、移动机器人导航、物流配送自动化等领域具有良好的应用前景。
本发明实施例的基于视频监控网络的楼宇内移动物体的导航方法,导航服务器获取移动物体设定的终点位置信息,向网络视频监控系统发送待定位的移动物体的图像样本,网络视频监控系统根据图像样本捕获包含移动物体的目标视频图像,并根据目标视频图像获取移动物体的当前位置信息,以及将当前位置信息发送给导航服务器,导航服务器获取楼宇的拓扑结构图,导航服务器根据拓扑结构图、当前位置信息和终点位置信息生成全局导航路径信息,并根据全局导航路径信息对对移动物体发出运动调节指令,以使移动物体根据运动调节指令调整运动方向后,网络视频监控系统周期性地检测移动物体的当前位置信息,使得导航服务器不断根据当前位置信息对移动物体的运动方向进行调节,直至移动物体到达终点。由此,使得导航服务器可以借助网络视频监控系统实现了对移动物体的楼宇内导航,使得移动物体可以快速到达目的地,提高了楼宇智能化水平。
其中,需要理解的是,该实施例基于视频监控网络的移动物体导航系统的基本工作原理是闭环反馈控制机制。如图5所示,其中,移动物体的位置是受控对象,视频监控网络的移动物体检测和定位算法分别是传感器和变送器,移动物体的运动装置是执行器,导航服务器的运动方向调节规律是控制器,设定值是终点位置。
图6为根据本发明一个具体实施例的基于视频监控网络的楼宇内移动物体的导航方法的流程图。
如图6所示,该基于视频监控网络的楼宇内移动物体的导航方法,可以包括:
S61,导航服务器获取移动物体设定要到达的终点位置。
S62,导航服务器通过楼宇网络视频监控系统对移动物体进行检测和定位,以获得移动物体的当前位置。
S63,导航服务器判断当前位置与终点位置是否一致,若否,则执行步骤S64。
S64,生成从当前位置到达终点位置的最短全局路径。
也就是说,导航服务器将移动物体的当前位置与终点位置进行比较,生成从当前位置到达终点位置的最短全局路径。
其中,导航服务器根据楼宇的拓扑结构图、当前位置和终点位置生成最短全局路径。
其中,楼宇的拓扑结构图是导航服务器中预先保存的。
S65,导航服务器向移动终端发送运动调节指令。
也就是说,在导航服务器生成从当前位置到达终点位置的最短全局路径后,导航服务器根据最短全局路径对移动物体的运动方向进行调节。
作为一种示例性的实施方式,导航服务器通过无线局域网向移动物体发送运动调节指令。
S66,移动物体收到运动调节指令,规划局部路径,调节地面上运动方向或乘坐电梯到达新的楼层。
在移动物体按照运动调节指令运行一段时间后,导航服务器再次通过楼宇网络视频监控系统获得移动物体的当前位置。
最后,网络视频监控系统周期性地检测移动物体的位置,使得导航服务器不断根据该位置对移动物体的运动方向进行调节,直至移动物体到达终点。
其中,需要理解的是,在导航过程中,网络视频监控系统实时监控移动物体的位置和行为,在移动物体发生故障或遗失时发出报警,所存储的录像还可作为事后追查有关移动物体异常行为的依据。
为了实现上述实施例,本发明还提出一种基于视频监控网络的楼宇内移动物体的导航系统。
图7为根据本发明一个实施例的基于视频监控网络的楼宇内移动物体的导航系统的结构示意图。
如图7所示,根据本发明实施例的基于视频监控网络的楼宇内移动物体的导航系统包括:包括导航服务器10、移动物体20和网络视频监控系统30,其中:
网络视频监控系统30接收导航服务器10发送的待定位的移动物体20的图像样本,并根据图像样本获取移动物体20的当前位置信息,以及将当前位置信息发送给导航服务器10。
导航服务器10获取移动物体20设定的终点位置信息,向网络视频监控系统30发送待定位的移动物体20的图像样本,并获取楼宇的拓扑结构图,并根据拓扑结构图、当前位置信息和终点位置信息生成全局导航路径信息,并根据全局导航路径信息对对移动物体20发出运动调节指令,以使移动物体20根据运动调节指令调整运动方向后,网络视频监控系统30周期性地检测移动物体20的当前位置信息,使得导航服务器10不断根据当前位置信息对移动物体20的运动方向进行调节,直至移动物体20到达终点。
在本发明的一个实施例中,如图8所示,网络视频监控系统30可以包括提取模块310、生成模块320、获取模块330和检测模块340,其中:
提取模块310用于根据图像样本提取移动物体20的特征信息。
生成模块320用于通过特征信息对第一分类模型进行训练,以生成第二分类模型。
获取模块330用于获取当前周期的从多路视频图像。
检测模块340用于通过第二分类模型从多路视频图像中检测出包含移动物体20的目标视频图像。
在本发明的一个实施例中,如图9所示,获取模块330可以包括第一获取单元331、预测单元332和第二获取单元333,其中:
第一获取单元331用于获取前一周期的移动物体20的位置信息。
预测单元332用于基于卡尔曼滤波算法,根据前一周期的移动物体20的位置信息预测当前周期移动物体20的位置范围。
第二获取单元333用于基于位置范围,获取当前周期的多路视频图像。
在本发明的一个实施例中,在图8所示的基础上,如图10所示,该网络视频监控系统30还可以包括标记模块350,其中,该标记模块350用于根据特征信息对多路视频图像中的移动物体20进行标记。
检测模块340还用于:将标记后的多路视频图像输入第二分类模型,以通过第二分类模型检测出包含移动物体20的目标视频图像。
在本发明的一个实施例中,在图10所示的基础上,如图11所示,该网络监护系统还可以包括第一更新模块360和第二更新模块370,其中:
第一更新模块360用于将目标视频图像添加至样本集合,以更新样本集合。
第二更新模块370用于根据更新后的样本集合再次训练第二分类模型,以更新第二分类模型。
其中,需要说明的是,前述对基于视频监控网络的楼宇内移动物体的导航方法的解释说明也适用于该实施例的基于视频监控网络的楼宇内移动物体的导航系统,此处不再赘述。
本发明实施例的基于视频监控网络的楼宇内移动物体的导航系统,导航服务器获取移动物体设定的终点位置信息,向网络视频监控系统发送待定位的移动物体的图像样本,网络视频监控系统根据图像样本捕获包含移动物体的目标视频图像,并根据目标视频图像获取移动物体的当前位置信息,以及将当前位置信息发送给导航服务器,导航服务器获取楼宇的拓扑结构图,导航服务器根据拓扑结构图、当前位置信息和终点位置信息生成全局导航路径信息,并根据全局导航路径信息对移动物体发出运动调节指令,以使移动物体根据运动调节指令调整运动方向后,网络视频监控系统周期性地检测移动物体的当前位置信息,使得导航服务器不断根据当前位置信息对移动物体的运动方向进行调节,直至移动物体到达终点。由此,使得导航服务器可以借助网络视频监控系统实现了对移动物体的楼宇内导航,使得移动物体可以快速到达目的地,提高了楼宇智能化水平。
其中,需要理解的是,网络视频监控系统包括由网络摄像机、视频服务器、监视器和监控工作站等组成。
其中,移动物体、导航服务器和视频服务器之间发送的数据的关系示意图,如图12所示,通过图12可以看出,移动物体、导航服务器和视频服务器之间发送的数据主要四种类型,①是移动物体向导航服务器发送的终点位置数据,通过无线局域网发送;②是导航服务器向视频服务器发送的移动物体的图像样本数据,通过有线局域网发送;③是视频服务器向导航服务器发送的移动物体当前位置数据,通过有线局域网发送;④是导航服务器向移动物体发送的运动方向控制命令,包括“前”、“后”、“左”、“右”、“上”、“下”,通过无线局域网发送。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种基于视频监控网络的楼宇内移动物体的导航方法,其特征在于,包括以下步骤:
导航服务器获取移动物体设定的终点位置信息,向所述网络视频监控系统发送待定位的所述移动物体的图像样本;
网络视频监控系统根据所述图像样本捕获包含所述移动物体的目标视频图像,并根据所述目标视频图像获取所述移动物体的当前位置信息,以及将所述当前位置信息发送给所述导航服务器;
所述导航服务器获取所述楼宇的拓扑结构图;
所述导航服务器根据所述拓扑结构图、所述当前位置信息和所述终点位置信息生成全局导航路径信息,并根据所述全局导航路径信息对所述移动物体发出运动调节指令,以使所述移动物体根据所述运动调节指令调整运动方向后,所述网络视频监控系统周期性地检测所述移动物体的当前位置信息,使得所述导航服务器不断根据所述当前位置信息对所述移动物体的运动方向进行调节,直至所述移动物体到达终点。
2.如权利要求1所述的导航方法,其特征在于,所述网络视频监控系统根据所述图像样本捕获包含所述移动物体的目标视频图像网络视频监控系统,包括:
根据所述图像样本提取所述移动物体的特征信息;
通过所述特征信息对第一分类模型进行训练,以生成第二分类模型;
获取当前周期的从多路视频图像,并通过所述第二分类模型从所述多路视频图像中检测出包含所述移动物体的目标视频图像。
3.如权利要求2所述的导航方法,其特征在于,所述获取当前周期的从多路视频图像网络视频监控系统,包括:
获取前一周期的所述移动物体的位置信息;
基于卡尔曼滤波算法,根据前一周期的所述移动物体的位置信息预测所述当前周期所述移动物体的位置范围;
基于所述位置范围,获取所述当前周期的多路视频图像。
4.如权利要求2所述的导航方法,其特征在于,在所述通过所述第二分类模型从所述多路视频图像中检测出包含所述移动物体的目标视频图像之前,还包括:
所述网络视频监控系统根据所述特征信息对所述多路视频图像中的所述移动物体进行标记;
所述通过所述第二分类模型从所述多路视频图像中检测出包含所述移动物体的目标视频图像,包括:
将标记后的多路视频图像输入所述第二分类模型,以通过所述第二分类模型检测出包含所述移动物体的目标视频图像。
5.如权利要求2-4任一项所述的导航方法,其特征在于,在所述通过所述第二分类模型从所述多路视频图像中检测出包含所述移动物体的目标视频图像之后,还包括:
所述网络视频监控系统将所述目标视频图像添加至样本集合,以更新样本集合;
所述网络视频监控系统根据更新后的样本集合再次训练所述第二分类模型,以更新第二分类模型。
6.一种基于视频监控网络的楼宇内移动物体的导航系统,其特征在于,包括导航服务器、移动物体和网络视频监控系统,其中:
网络视频监控系统接收所述导航服务器发送的待定位的所述移动物体的图像样本,并根据所述图像样本获取所述移动物体的当前位置信息,以及将所述当前位置信息发送给所述导航服务器;
所述导航服务器获取移动物体设定的终点位置信息,向所述网络视频监控系统发送待定位的所述移动物体的图像样本,并获取所述楼宇的拓扑结构图,并根据所述拓扑结构图、所述当前位置信息和所述终点位置信息生成全局导航路径信息,并根据所述全局导航路径信息对所述移动物体发出运动调节指令,以使所述移动物体根据所述运动调节指令调整运动方向后,所述网络视频监控系统周期性地检测所述移动物体的当前位置信息,使得所述导航服务器不断根据所述当前位置信息对所述移动物体的运动方向进行调节,直至所述移动物体到达终点。
7.如权利要求6所述的导航系统,其特征在于,所述网络视频监控系统,包括:
提取模块,用于根据所述图像样本提取所述移动物体的特征信息;
生成模块,用于通过所述特征信息对第一分类模型进行训练,以生成第二分类模型;
获取模块,用于获取当前周期的从多路视频图像;
检测模块,用于通过所述第二分类模型从所述多路视频图像中检测出包含所述移动物体的目标视频图像。
8.如权利要求7所述的导航系统,其特征在于,所述获取模块,包括:
第一获取单元,用于获取前一周期的所述移动物体的位置信息;
预测单元,用于基于卡尔曼滤波算法,根据前一周期的所述移动物体的位置信息预测所述当前周期所述移动物体的位置范围;
第二获取单元,用于基于所述位置范围,获取所述当前周期的多路视频图像。
9.如权利要求7所述的导航系统,其特征在于,所述网络视频监控系统,还包括:
标记模块,用于根据所述特征信息对所述多路视频图像中的所述移动物体进行标记;
所述检测模块,还用于:
将标记后的多路视频图像输入所述第二分类模型,以通过所述第二分类模型检测出包含所述移动物体的目标视频图像。
10.如权利要求6-9任一项所述的导航系统,其特征在于,所述网络监护系统还包括:
第一更新模块,用于将所述目标视频图像添加至样本集合,以更新样本集合;
第二更新模块,用于根据更新后的样本集合再次训练所述第二分类模型,以更新第二分类模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710128611.8A CN107087016B (zh) | 2017-03-06 | 2017-03-06 | 基于视频监控网络的楼宇内移动物体的导航方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710128611.8A CN107087016B (zh) | 2017-03-06 | 2017-03-06 | 基于视频监控网络的楼宇内移动物体的导航方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107087016A true CN107087016A (zh) | 2017-08-22 |
CN107087016B CN107087016B (zh) | 2020-06-12 |
Family
ID=59614937
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710128611.8A Active CN107087016B (zh) | 2017-03-06 | 2017-03-06 | 基于视频监控网络的楼宇内移动物体的导航方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107087016B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109141451A (zh) * | 2018-07-13 | 2019-01-04 | 京东方科技集团股份有限公司 | 购物定位系统及方法、智能购物车、电子设备 |
CN109240777A (zh) * | 2018-08-01 | 2019-01-18 | 长沙市荣辉网络科技有限公司 | 自助服务终端及其控制方法 |
CN109443346A (zh) * | 2018-10-29 | 2019-03-08 | 温州大学 | 监控导航方法及系统 |
CN110309560A (zh) * | 2019-06-13 | 2019-10-08 | 清华大学 | 多层级迁移模拟方法和装置 |
WO2020000961A1 (zh) * | 2018-06-29 | 2020-01-02 | 北京达佳互联信息技术有限公司 | 图像标签识别方法、装置及服务器 |
CN111464590A (zh) * | 2020-03-05 | 2020-07-28 | 深圳市元征科技股份有限公司 | 购物车的送货控制方法、购物车、服务器及存储介质 |
CN111829510A (zh) * | 2019-04-15 | 2020-10-27 | 富华科精密工业(深圳)有限公司 | 自动导航方法、服务器及存储介质 |
CN112197777A (zh) * | 2020-08-28 | 2021-01-08 | 星络智能科技有限公司 | 盲人导航方法、服务器及计算机可读存储介质 |
CN112668433A (zh) * | 2020-12-22 | 2021-04-16 | 成都睿畜电子科技有限公司 | 一种养殖场管理方法、装置、介质及设备 |
CN114413901A (zh) * | 2020-10-28 | 2022-04-29 | 光宝电子(广州)有限公司 | 楼层定位与地图构建系统及其方法 |
CN115265548A (zh) * | 2022-09-20 | 2022-11-01 | 北京云迹科技股份有限公司 | 一种机器人位置定位方法、装置、电子设备和介质 |
CN116698045A (zh) * | 2023-08-02 | 2023-09-05 | 国政通科技有限公司 | 一种养老院视力障碍人群行走辅助导航方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104700408A (zh) * | 2015-03-11 | 2015-06-10 | 中国电子科技集团公司第二十八研究所 | 一种基于摄像机网络的室内单目标定位方法 |
CN105910605A (zh) * | 2016-05-30 | 2016-08-31 | 中国科学技术大学苏州研究院 | 一种室内导航动态路径生成方法 |
CN106052700A (zh) * | 2016-07-13 | 2016-10-26 | 四川九阵妙凰科技集团有限公司 | 一种室内导航地图及导航方法 |
-
2017
- 2017-03-06 CN CN201710128611.8A patent/CN107087016B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104700408A (zh) * | 2015-03-11 | 2015-06-10 | 中国电子科技集团公司第二十八研究所 | 一种基于摄像机网络的室内单目标定位方法 |
CN105910605A (zh) * | 2016-05-30 | 2016-08-31 | 中国科学技术大学苏州研究院 | 一种室内导航动态路径生成方法 |
CN106052700A (zh) * | 2016-07-13 | 2016-10-26 | 四川九阵妙凰科技集团有限公司 | 一种室内导航地图及导航方法 |
Non-Patent Citations (2)
Title |
---|
(美)R.西格沃特,I.R.诺巴克什,D.斯卡拉: "《自主移动机器人导论(第2版)》", 31 May 2013, 西安交通大学出版社 * |
CHRISTOPHER M. BISHOP: "《Pattern Recognition and machine learning》", 31 December 2006, SPRINGER SCIENCE+ BUSINESS MEDIA,LLC * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020000961A1 (zh) * | 2018-06-29 | 2020-01-02 | 北京达佳互联信息技术有限公司 | 图像标签识别方法、装置及服务器 |
CN109141451A (zh) * | 2018-07-13 | 2019-01-04 | 京东方科技集团股份有限公司 | 购物定位系统及方法、智能购物车、电子设备 |
CN109240777A (zh) * | 2018-08-01 | 2019-01-18 | 长沙市荣辉网络科技有限公司 | 自助服务终端及其控制方法 |
CN109443346A (zh) * | 2018-10-29 | 2019-03-08 | 温州大学 | 监控导航方法及系统 |
CN111829510A (zh) * | 2019-04-15 | 2020-10-27 | 富华科精密工业(深圳)有限公司 | 自动导航方法、服务器及存储介质 |
CN110309560A (zh) * | 2019-06-13 | 2019-10-08 | 清华大学 | 多层级迁移模拟方法和装置 |
CN111464590A (zh) * | 2020-03-05 | 2020-07-28 | 深圳市元征科技股份有限公司 | 购物车的送货控制方法、购物车、服务器及存储介质 |
CN112197777A (zh) * | 2020-08-28 | 2021-01-08 | 星络智能科技有限公司 | 盲人导航方法、服务器及计算机可读存储介质 |
CN114413901A (zh) * | 2020-10-28 | 2022-04-29 | 光宝电子(广州)有限公司 | 楼层定位与地图构建系统及其方法 |
CN112668433A (zh) * | 2020-12-22 | 2021-04-16 | 成都睿畜电子科技有限公司 | 一种养殖场管理方法、装置、介质及设备 |
CN115265548A (zh) * | 2022-09-20 | 2022-11-01 | 北京云迹科技股份有限公司 | 一种机器人位置定位方法、装置、电子设备和介质 |
CN116698045A (zh) * | 2023-08-02 | 2023-09-05 | 国政通科技有限公司 | 一种养老院视力障碍人群行走辅助导航方法及系统 |
CN116698045B (zh) * | 2023-08-02 | 2023-11-10 | 国政通科技有限公司 | 一种养老院视力障碍人群行走辅助导航方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107087016B (zh) | 2020-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107087016A (zh) | 基于视频监控网络的楼宇内移动物体的导航方法及系统 | |
US11017550B2 (en) | End-to-end tracking of objects | |
US11673269B2 (en) | Method of identifying dynamic obstacle and robot implementing same | |
KR20190019897A (ko) | 로봇의 경로 계획 시스템, 방법, 로봇 및 매체 | |
US11688081B2 (en) | Method of performing simultaneous localization and mapping with respect to a salient object in an image | |
CN114970321A (zh) | 一种基于动态轨迹流的场景流数字孪生方法及系统 | |
CN104320617B (zh) | 一种基于深度学习的全天候视频监控方法 | |
CN106530946A (zh) | 用于编辑室内地图的方法及装置 | |
CN107544501A (zh) | 一种智能机器人智慧行走控制系统及其方法 | |
CN108830171A (zh) | 一种基于深度学习的智能物流仓库引导线视觉检测方法 | |
Zhao et al. | A path planning method based on multi-objective cauchy mutation cat swarm optimization algorithm for navigation system of intelligent patrol car | |
CN106767755A (zh) | 用于规划自主移动式设备工作点的方法及装置 | |
Pérez-Higueras et al. | Robot local navigation with learned social cost functions | |
CN106782030A (zh) | 用于生成具有语义描述的室内地图的方法及装置 | |
CN110111359A (zh) | 多目标对象跟踪方法、执行该方法的设备和计算机程序 | |
CN106782029A (zh) | 室内地图生成方法及装置 | |
CN106814734A (zh) | 使用计算设备控制自主移动式设备的方法及系统 | |
CN113358118B (zh) | 非结构环境中端到端的室内移动机器人自主导航方法 | |
Zheng et al. | A hierarchical approach for mobile robot exploration in pedestrian crowd | |
Roth et al. | Viplanner: Visual semantic imperative learning for local navigation | |
Bogoslavskyi et al. | Where to park? minimizing the expected time to find a parking space | |
KR102246236B1 (ko) | 퓨전 슬램에서 맵을 업데이트하는 방법 및 이를 구현하는 로봇 | |
CN114937060A (zh) | 一种地图语义引导的单目行人室内定位预测方法 | |
Guo et al. | A design of multi-vision localization and navigation service robot system | |
CN114636422A (zh) | 用于信息机房场景的定位导航方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |