CN107132846B - 陌生室内场景下的γ辐射探测方法 - Google Patents

陌生室内场景下的γ辐射探测方法 Download PDF

Info

Publication number
CN107132846B
CN107132846B CN201710476337.3A CN201710476337A CN107132846B CN 107132846 B CN107132846 B CN 107132846B CN 201710476337 A CN201710476337 A CN 201710476337A CN 107132846 B CN107132846 B CN 107132846B
Authority
CN
China
Prior art keywords
radiation
mobile robot
detection
map
local
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.)
Active
Application number
CN201710476337.3A
Other languages
English (en)
Other versions
CN107132846A (zh
Inventor
邓骞
邹树梁
王湘江
唐德文
徐守龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of South China
Original Assignee
University of South China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of South China filed Critical University of South China
Priority to CN201710476337.3A priority Critical patent/CN107132846B/zh
Publication of CN107132846A publication Critical patent/CN107132846A/zh
Application granted granted Critical
Publication of CN107132846B publication Critical patent/CN107132846B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
    • 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
    • G01—MEASURING; TESTING
    • G01T—MEASUREMENT OF NUCLEAR OR X-RADIATION
    • G01T1/00—Measuring X-radiation, gamma radiation, corpuscular radiation, or cosmic radiation
    • G01T1/16—Measuring radiation intensity
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01T—MEASUREMENT OF NUCLEAR OR X-RADIATION
    • G01T1/00—Measuring X-radiation, gamma radiation, corpuscular radiation, or cosmic radiation
    • G01T1/29—Measurement performed on radiation beams, e.g. position or section of the beam; Measurement of spatial distribution of radiation

Abstract

陌生室内场景下的γ辐射探测方法，应用于移动机器人，移动机器人上搭载了里程计、加速度传感器、激光测距雷达、摄像头、辐射探测器及计算机；探测方法如下：1，移动机器人在室内场景下的核辐射探测路径自主规划：A、获取环境地图，B、生成全局路径规划，C、通过局部路径规划修正全局路径规划；2，求解放射源的位置与强度：A、以局部辐射探测为单位采集数据，B、根据采集数据判断是否存在放射源，C、求解放射源强度和位置。本发明利用移动机器人在缺乏环境先验信息的室内场景下进行γ辐射探测，可自主规划探测路径以实现区域全覆盖，并根据辐射探测器的采集数据求出放射源的位置与强度。

Description

陌生室内场景下的γ辐射探测方法
技术领域
本发明涉及核辐射探测领域，特别涉及一种陌生室内场景下的γ辐射探测方法。
背景技术
辐射探测技术在核应急、核安全、核设施退役处置等领域中占有重要的地位。针对需要快速响应的核应急场景及频繁更换辐射作业环境的核设施退役处置场所，采用搭载辐射探测器的移动机器人进行辐射探测是一个可行的方案，其最大的优势在于可近距离、长时间的对放射源进行探测，避免了人工探测辐射带来的健康损害。
采用移动机器人进行辐射探测，环境地图是先验信息。在缺乏环境地图信息的室内环境中采用移动机器人进行辐射探测，构建环境地图的需求是必要的。首先，需要地图来支持路径规划或提供可视化操作等任务。其次，地图可以限制机器人状态估计的误差，如果没有地图，航位推算算法就会随时间变化快速漂移。再次，如果给定一个地图，机器人可以再次访问之前走过的区域重置位置误差，即回环闭合。
但目前在移动机器人γ辐射探测的领域中，存在以下几点困难：
1、缺乏一种可靠的室内场景定位(包含机器人状态估计和环境地图构建)的方法。
2、由于存在宇宙射线和环境中的天然放射性，所有的辐射探测器都会产生一些本底信号，γ辐射测量过程中，放射源的信号与本底信号混叠在一起，严重干扰探测的正确率。
发明内容
本发明的目的是克服上述不足之处，而提供一种陌生室内场景下的γ辐射探测方法，该方法利用移动机器人在缺乏环境先验信息的室内场景下进行γ辐射探测，其可自主规划探测路径以实现区域全覆盖，并根据辐射探测器的采集数据求出放射源的位置与强度。
本发明的技术方案是：陌生室内场景下的γ辐射探测方法，应用于移动机器人，移动机器人上搭载了里程计、加速度传感器、激光测距雷达、摄像头、辐射探测器及计算机；里程计、加速度传感器、激光测距雷达、摄像头及辐射探测器分别与计算机电连接或通信连接；
探测方法如下：
S01，移动机器人在室内场景下的核辐射探测路径自主规划：
A、获取环境地图：
移动机器人进入室内待测区域后，绕室内的边界行驶，通过里程计、加速度传感器、激光测距雷达及摄像头综合获取环境信息，由计算机通过扩展卡尔曼滤波算法进行多传感器数据融合，从而获得环境地图，通过多传感数据融合的结果计算出移动机器人当前的位置坐标、姿态角及行进速度；
本步骤中，环境地图为二维平面坐标系地图，其包含了待测区域的边界和待测区域内部的障碍物边界；
B、生成全局路径规划：
移动机器人可在待测区域的任意位置作为探测路径的起始点，计算机通过环境地图生成全局代价地图，再通过全局代价地图生成全局路径规划路线；全局路径规划路线从待测区域的一侧边界抵达另一侧边界，在遇到障碍物时贴障碍物边界移动，抵达地图边界时，转向90°，前进H距离，H为辐射探测器的最远探测距离，再转向90°，抵达另一侧地图边界；如此往复，规划出蛇形盘管状的路线，将待测区域全部覆盖，实现移动机器人在室内场景下的核辐射探测路径自主规划；移动机器人在移动过程中根据地图数据配合激光雷达扫描特征，获取最佳定位；
本步骤中，全局代价地图根据环境地图生成，将环境地图中的障碍物或移动机器人无法到达区域的轮廓进行自动标识，自动设置机器人与该轮廓的安全距离，防止碰撞；
C、通过局部路径规划修正全局路径规划：
移动机器人在全局路径规划下移动时，里程计、加速度传感器、激光测距雷达及摄像头综合获取环境信息，由计算机生成局部代价地图，实时更新环境地图中的新增障碍物，更新进全局代价地图；通过局部代价地图生成局部路径规划，实时更新进全局路径规划中，作为全局路径规划的精细修正；
S02，求解放射源的位置与强度：
A、以局部辐射探测为单位采集数据：
将探测过程划分为多段局部辐射探测，一个局部辐射探测的时间为T，在T内，移动机器人的速度恒定为v，辐射探测器共计数K组，获得样本数据为：N＝{N0,N1,N2…NK}，每组计数的采集时间为τ，一组计数定义为辐射探测器的扇形探测区域在τ时间内向上平移所扫过区域的辐射探测计数；
B、根据采集数据判断是否存在放射源：
一个局部辐射探测过程中辐射探测器共计数K组，获得样本数据为：N＝{N0,N1,N2…NK}，设定阈值γ，若τi时间段内，计数值Ni-Ni-1≤γ，i∈[0,k]，则判定不存在放射源；若τi时间段内，计数值Ni-Ni-1＞γ，i∈[0,k]，则判定存在放射源，并进入下一步骤；
C、求解放射源强度和位置：
在τi时间段内探测到放射源，辐射探测器的计数过程服从非时齐泊松过程，即：
Figure GDA0002399343350000041
式(1)中，n为辐射探测器在τi时间段内的计数；λ(t)为非时齐泊松过程的强度，可通过辐射探测器计数值求出；
λ(t)＝b(t)+s(t)； (2)
式(2)中，b(t)为环境本底辐射信号强度，为常数；s(t)为辐射源信号强度：
Figure GDA0002399343350000042
式(3)中A2＝(Xs-X)2；B2＝(Ys-Y)2；
C2＝(Acosθ+Bsinθ)2；
Figure GDA0002399343350000043
当:
Figure GDA0002399343350000044
时，
Figure GDA0002399343350000045
式(3)中，α为放射源强度；φ为辐射探测器截面系数，是辐射探测器固有参数；XS与YS为放射源位置坐标，(X,Y)为移动机器人在时间τ内行走路径中点的位置坐标，θ为移动机器人在时间τ内的平均姿态角，ν为移动机器人在时间τ内的平均行进速度；
在一次局部辐射探测过程中，判断放射源存在的前提下，获取至少三组探测到放射源的辐射探测器计数值，代入已知数据即可求解出放射源强度α和放射源位置坐标(XS,YS)。
本发明进一步的技术方案是：在S02步骤的A步骤中，辐射探测器的探测区域呈扇形，在探测过程中，探测方向始终保持不变，即当移动机器人抵达地图边界需要掉头时，辐射探测器旋转180°以保持探测方向一致。
本发明再进一步的技术方案是：在S01步骤的C步骤中，局部路径规划以避障为基本原则，在遇到障碍物时贴障碍物边界绕行，绕过障碍物后路线回到全局路径规划的路线上。
本发明与现有技术相比具有如下优点：
本发明的方法利用移动机器人在缺乏环境先验信息的室内场景下进行γ辐射探测，其可自主规划探测路径以实现区域全覆盖，并实现了移动机器人在行进过程中的实时避障,并可根据辐射探测器采集的数据准确求解出放射源的位置与强度。
附图说明
图1为局部辐射探测方案示意图；
图2为移动机器人的全局路径规划示意图。
说明：图2中蛇形盘管状的连续线为移动机器人的行进路线，连续线上的箭头所指方向为移动机器人的行进方向，垂直于连续线的箭头为移动机器人行进过程中辐射探测器的朝向，深黑色粗线为环境地图边界或障碍物边界。
具体实施方式
陌生室内场景下的γ辐射探测方法，应用于移动机器人，移动机器人上搭载了里程计、加速度传感器、激光测距雷达、摄像头、辐射探测器及计算机。里程计、加速度传感器、激光测距雷达、摄像头及辐射探测器分别与计算机电连接或通信连接。
探测方法如下：
S01，移动机器人在室内场景下的核辐射探测路径自主规划：
A、获取环境地图：
移动机器人进入室内待测区域后，绕室内的边界行驶，通过里程计、加速度传感器、激光测距雷达及摄像头综合获取环境信息，由计算机通过扩展卡尔曼滤波算法进行多传感器数据融合，从而获得环境地图，通过多传感数据融合的结果计算出移动机器人当前的位置坐标、姿态角及行进速度。
本步骤中，环境地图为二维平面坐标系地图，其包含了待测区域的边界和待测区域内部的障碍物边界。
B、生成全局路径规划：
参看图2，移动机器人可在待测区域的任意位置作为探测路径的起始点，计算机通过环境地图生成全局代价地图，再通过全局代价地图生成全局路径规划路线。全局路径规划路线从待测区域的一侧边界抵达另一侧边界，在遇到障碍物时贴障碍物边界移动，抵达地图边界时，转向90°，前进H距离，H为辐射探测器的最远探测距离，再转向90°，抵达另一侧地图边界，如此往复，规划出蛇形盘管状的路线，将待测区域全部覆盖，实现移动机器人在室内场景下的核辐射探测路径自主规划。移动机器人在移动过程中根据地图数据配合激光雷达扫描特征，获取最佳定位。
本步骤中，全局代价地图根据环境地图生成，将环境地图中的障碍物或移动机器人无法到达区域的轮廓进行自动标识，自动设置机器人与该轮廓的安全距离，防止碰撞。
C、通过局部路径规划修正全局路径规划：
移动机器人在全局路径规划下移动时，里程计、加速度传感器、激光测距雷达及摄像头综合获取环境信息，由计算机生成局部代价地图，实时更新环境地图中的新增障碍物，更新进全局代价地图；通过局部代价地图生成局部路径规划，实时更新进全局路径规划中，作为全局路径规划的精细修正。
局部路径规划以避障为基本原则，在遇到障碍物时贴障碍物边界绕行，绕过障碍物后路线回到全局路径规划的路线上。
S02，求解放射源的位置与强度：
A、以局部辐射探测为单位采集数据：
参看图1，将探测过程划分为多段局部辐射探测，一个局部辐射探测的时间为T，在T内，移动机器人的速度恒定为v，辐射探测器共计数K组，获得样本数据为：N＝{N0,N1,N2…NK}，每组计数的采集时间为τ，一组计数定义为辐射探测器的扇形探测区域在τ时间内向上平移所扫过区域的辐射探测计数。
B、根据采集数据判断是否存在放射源：
一个局部辐射探测过程中辐射探测器共计数K组，获得样本数据为：N＝{N0,N1,N2…NK}，设定阈值γ，若τi时间段内，计数值Ni-Ni-1≤γ，i∈[0,k]，则判定不存在放射源；若τi时间段内，计数值Ni-Ni-1＞γ，i∈[0,k]，则判定存在放射源，并进入下一步骤。
C、求解放射源强度和位置：
在τi时间段内探测到放射源，辐射探测器的计数过程服从非时齐泊松过程，即：
Figure GDA0002399343350000071
式(1)中，n为辐射探测器在τi时间段内的计数；λ(t)为非时齐泊松过程的强度，可通过辐射探测器计数值求出；
λ(t)＝b(t)+s(t)； (2)
式(2)中，b(t)为环境本底辐射信号强度，为常数；s(t)为辐射源信号强度：
Figure GDA0002399343350000081
式(3)中A2＝(Xs-X)2；B2＝(Ys-Y)2；
C2＝(Acosθ+Bsinθ)2；
Figure GDA0002399343350000082
当:
Figure GDA0002399343350000083
时，
Figure GDA0002399343350000084
式(3)中，α为放射源强度；φ为辐射探测器截面系数，是辐射探测器固有参数；XS与YS为放射源位置坐标，(X,Y)为移动机器人在时间τ内行走路径中点的位置坐标，θ为移动机器人在时间τ内的平均姿态角，ν为移动机器人在时间τ内的平均行进速度；
在一次局部辐射探测过程中，判断放射源存在的前提下，获取至少三组探测到放射源的辐射探测器计数值，代入已知数据即可求解出放射源强度α和放射源位置坐标(XS,YS)；
优选,在S02步骤的A步骤中，辐射探测器的探测区域呈扇形，在探测过程中，探测方向始终保持不变，即当移动机器人抵达地图边界需要掉头时，辐射探测器旋转180°以保持探测方向一致。

Claims (3)

1.陌生室内场景下的γ辐射探测方法，应用于移动机器人，移动机器人上搭载了里程计、加速度传感器、激光测距雷达、摄像头、辐射探测器及计算机；里程计、加速度传感器、激光测距雷达、摄像头及辐射探测器分别与计算机电连接或通信连接；
其特征是，探测方法如下：
S01，移动机器人在室内场景下的核辐射探测路径自主规划：
B、获取环境地图：
移动机器人进入室内待测区域后，绕室内的边界行驶，通过里程计、加速度传感器、激光测距雷达及摄像头综合获取环境信息，由计算机通过扩展卡尔曼滤波算法进行多传感器数据融合，从而获得环境地图，通过多传感数据融合的结果计算出移动机器人当前的位置坐标、姿态角及行进速度；
本步骤中，环境地图为二维平面坐标系地图，其包含了待测区域的边界和待测区域内部的障碍物边界；
B、生成全局路径规划：
移动机器人可在待测区域的任意位置作为探测路径的起始点，计算机通过环境地图生成全局代价地图，再通过全局代价地图生成全局路径规划路线；全局路径规划路线从待测区域的一侧边界抵达另一侧边界，在遇到障碍物时贴障碍物边界移动，抵达地图边界时，转向90°，前进H距离，H为辐射探测器的最远探测距离，再转向90°，抵达另一侧地图边界；如此往复，规划出蛇形盘管状的路线，将待测区域全部覆盖，实现移动机器人在室内场景下的核辐射探测路径自主规划；
本步骤中，全局代价地图根据环境地图生成，将环境地图中的障碍物或移动机器人无法到达区域的轮廓进行自动标识，自动设置机器人与该轮廓的安全距离，防止碰撞；
C、通过局部路径规划修正全局路径规划：
移动机器人在全局路径规划下移动时，里程计、加速度传感器、激光测距雷达及摄像头综合获取环境信息，由计算机生成局部代价地图，实时更新环境地图中的新增障碍物，更新进全局代价地图；通过局部代价地图生成局部路径规划，实时更新进全局路径规划中，作为全局路径规划的精细修正；
S02，求解放射源的位置与强度：
A、以局部辐射探测为单位采集数据：
将探测过程划分为多段局部辐射探测，一个局部辐射探测的时间为T，在T内，移动机器人的速度恒定为v，辐射探测器共计数K组，获得样本数据为：N＝{N0,N1,N2…NK}，每组计数的采集时间为τ，一组计数定义为辐射探测器的扇形探测区域在τ时间内向上平移所扫过区域的辐射探测计数；
B、根据采集数据判断是否存在放射源：
一个局部辐射探测过程中辐射探测器共计数K组，获得样本数据为：N＝{N0,N1,N2…NK}，设定阈值γ，若τi时间段内，计数值Ni-Ni-1≤γ，i∈[0,k]，则判定不存在放射源；若τi时间段内，计数值Ni-Ni-1＞γ，i∈[0,k]，则判定存在放射源，并进入下一步骤；
C、求解放射源强度和位置：
在τi时间段内探测到放射源，辐射探测器的计数过程服从非时齐泊松过程，即：
Figure FDA0002356207030000021
式(1)中，n为辐射探测器在τi时间段内的计数；λ(t)为非时齐泊松过程的强度，可通过辐射探测器计数值求出；
λ(t)＝b(t)+s(t)； (2)
式(2)中，b(t)为环境本底辐射信号强度，为常数；s(t)为辐射源信号强度：
Figure FDA0002356207030000031
式(3)中A2＝(Xs-X)2；B2＝(Ys-Y)2；
C2＝(A cosθ+B sinθ)2；
Figure FDA0002356207030000032
当:
Figure FDA0002356207030000033
时，
Figure FDA0002356207030000034
式(3)中，α为放射源强度；φ为辐射探测器截面系数，是辐射探测器固有参数；XS与YS为放射源位置坐标，(X,Y)为移动机器人在时间τ内行走路径中点的位置坐标，θ为移动机器人在时间τ内的平均姿态角，ν为移动机器人在时间τ内的平均行进速度；
在一次局部辐射探测过程中，判断放射源存在的前提下，获取至少三组探测到放射源的辐射探测器计数值，代入已知数据即可求解出放射源强度α和放射源位置坐标(XS,YS)。
2.如权利要求1所述的陌生室内场景下的γ辐射探测方法，其特征是：在S02步骤的A步骤中，辐射探测器的探测区域呈扇形，在探测过程中，探测方向始终保持不变，即当移动机器人抵达地图边界需要掉头时，辐射探测器旋转180°以保持探测方向一致。
3.如权利要求1或2所述的陌生室内场景下的γ辐射探测方法，其特征是：在S01步骤的C步骤中，局部路径规划以避障为基本原则，在遇到障碍物时贴障碍物边界绕行，绕过障碍物后路线回到全局路径规划的路线上。
CN201710476337.3A 2017-06-21 2017-06-21 陌生室内场景下的γ辐射探测方法 Active CN107132846B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710476337.3A CN107132846B (zh) 2017-06-21 2017-06-21 陌生室内场景下的γ辐射探测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710476337.3A CN107132846B (zh) 2017-06-21 2017-06-21 陌生室内场景下的γ辐射探测方法

Publications (2)

Publication Number Publication Date
CN107132846A CN107132846A (zh) 2017-09-05
CN107132846B true CN107132846B (zh) 2020-06-05

Family

ID=59735447

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710476337.3A Active CN107132846B (zh) 2017-06-21 2017-06-21 陌生室内场景下的γ辐射探测方法

Country Status (1)

Country Link
CN (1) CN107132846B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109709945B (zh) * 2017-10-26 2022-04-15 深圳市优必选科技有限公司 一种基于障碍物分类的路径规划方法、装置及机器人
CN107871044B (zh) * 2017-11-13 2021-05-18 杭州电魂网络科技股份有限公司 行进路线设置方法及装置
CN110262495B (zh) * 2019-06-26 2020-11-03 山东大学 可实现移动机器人自主导航与精确定位的控制系统及方法
CN110231642B (zh) * 2019-06-27 2022-10-25 南华大学 一种构建辐射场地图的方法、装置以及机器人
CN111026163B (zh) * 2019-12-20 2021-10-26 华南理工大学 一种面向室内的失控放射源自主搜寻机器人及其搜寻方法
CN112263332B (zh) * 2020-10-23 2022-08-05 上海微创医疗机器人（集团）股份有限公司 手术机器人的调整系统、方法、介质及终端
CN112394737B (zh) * 2021-01-19 2021-05-18 广州赛特智能科技有限公司 一种基于障碍检测的移动机器人自适应速度调节方法
CN113485346B (zh) * 2021-07-15 2022-07-22 上海交通大学 一种移动机器人在核事故复杂环境中的自主导航方法
CN114063135A (zh) * 2021-11-18 2022-02-18 中国核动力研究设计院 一种核活动相关区域内的辐射调查装置及调查方法
CN114325795A (zh) * 2021-12-31 2022-04-12 天津大学 一种有害辐射场中城市内测量点分布和测量值获取方法
CN115291241B (zh) * 2022-08-29 2024-04-26 太原理工大学 一种基于SLAM的针对辐射工厂的α/β辐射地图构建方法
CN116069045B (zh) * 2023-04-06 2023-06-20 武汉大学 一种基于移动机器人的辐射环境探测方法和系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102681548B (zh) * 2012-05-16 2014-09-10 东南大学 一种用于轮式机器人搜索核辐射源的运动控制方式
KR101349785B1 (ko) * 2012-08-06 2014-01-15 한국원자력연구원 카메라를 이용한 방사선 선원조사장치 및 이를 구비한 이동로봇
JP2015081824A (ja) * 2013-10-22 2015-04-27 株式会社国際電気通信基礎技術研究所 放射音強度マップ作成システム、移動体および放射音強度マップ作成方法
CN104298239B (zh) * 2014-09-29 2016-08-24 湖南大学 一种室内移动机器人增强地图学习路径规划方法
CN105425794A (zh) * 2015-11-25 2016-03-23 哈尔滨工业大学 一种移动机器人寻找放射源轨迹的方法
CN105929434A (zh) * 2016-04-19 2016-09-07 成都新核泰科科技有限公司 自行式核辐射监测装置

Also Published As

Publication number Publication date
CN107132846A (zh) 2017-09-05

Similar Documents

Publication Publication Date Title
CN107132846B (zh) 陌生室内场景下的γ辐射探测方法
CN107328418B (zh) 移动机器人在陌生室内场景下的核辐射探测路径自主规划方法
CN106840148B (zh) 室外作业环境下基于双目摄像机的可穿戴式定位与路径引导方法
Khan et al. A comparative survey of lidar-slam and lidar based sensor technologies
US9898821B2 (en) Determination of object data by template-based UAV control
CN108369420B (zh) 用于自主定位的设备和方法
Balamurugan et al. Survey on UAV navigation in GPS denied environments
CN107356252B (zh) 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
Hosseinpoor et al. Pricise target geolocation and tracking based on UAV video imagery
CN111947644B (zh) 一种室外移动机器人定位方法、系统及其电子设备
CN112034479A (zh) 一种应用于煤矿井下智能巡检无人机的定位方法及系统
Zhao et al. 2D LIDAR aided INS for vehicle positioning in urban environments
Hirose et al. Implementation of UAV localization methods for a mobile post-earthquake monitoring system
Wan et al. A cross-site visual localization method for Yutu rover
Meichen et al. Dynamic obstacle detection based on multi-sensor information fusion
Barth et al. Fast and precise localization at stop intersections
Khoshelham et al. Vehicle positioning in the absence of GNSS signals: Potential of visual-inertial odometry
Le et al. Vehicle localization using omnidirectional camera with GPS supporting in wide urban area
CN109741372A (zh) 一种基于双目视觉的里程计运动估计方法
Krejsa et al. Fusion of local and global sensory information in mobile robot outdoor localization task
Hoang et al. Combining edge and one-point ransac algorithm to estimate visual odometry
Kamat et al. A survey on autonomous navigation techniques
Zhang et al. Unmanned aerial vehicle navigation in underground structure inspection: A review
Wang et al. Localization of autonomous cars using multi-sensor data fusion
Inoue et al. Autonomous Navigation and Obstacle Avoidance in an Orchard Using Machine Vision Techniques for a Robotic Mower

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