CN107450544A - 一种基于图案识别的机器人循迹行走系统和方法 - Google Patents

一种基于图案识别的机器人循迹行走系统和方法 Download PDF

Info

Publication number
CN107450544A
CN107450544A CN201710691425.5A CN201710691425A CN107450544A CN 107450544 A CN107450544 A CN 107450544A CN 201710691425 A CN201710691425 A CN 201710691425A CN 107450544 A CN107450544 A CN 107450544A
Authority
CN
China
Prior art keywords
robot
pattern
track pattern
binaryzation
control unit
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
Application number
CN201710691425.5A
Other languages
English (en)
Inventor
陈俊彬
周建华
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.)
Shenzhen Thinking Tree Technology Co Ltd
Original Assignee
Shenzhen Thinking Tree Technology Co Ltd
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 Shenzhen Thinking Tree Technology Co Ltd filed Critical Shenzhen Thinking Tree Technology Co Ltd
Priority to CN201710691425.5A priority Critical patent/CN107450544A/zh
Publication of CN107450544A publication Critical patent/CN107450544A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • 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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0234—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • 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
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • 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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Multimedia (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Manipulator (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明提供了一种基于图案识别的机器人循迹行走系统，其包括机器人和设置于地面上的轨迹图案，所述机器人上设置有摄像头组和中央控制装置，所述摄像头组用于对所述轨迹图案进行拍摄，所述中央控制装置，用于对所述摄像头组拍摄到轨迹图案进行识别，根据所述轨迹图案的位置控制所述机器人沿所述轨迹图案行走。本发明的机器人循迹行走系统可让大型机器人高度自主可靠地行走。本发明还提供一种基于图案识别的机器人循迹行走方法。

Description

一种基于图案识别的机器人循迹行走系统和方法
技术领域
本发明涉及机器人领域，特别涉及一种基于图案识别的机器人循迹行走系统和方法。
背景技术
自主行走是大型机器人的重要功能之一，目前主流的设计方法有两种，A是基于激光雷达技术的SLAM即时定位和地图导航方案，B是基于磁力线感应的导航方案。
A方式中，通常利用360度旋转激光雷达获取周围的环境数据，然后分析出合适路径方向并自主行走。这种方式的弊端在于即时环境数据的获取及计算结果总会产生差异，导致机器人的行走轨迹比较随机，当其应用在特定场所如幼儿园里时，容易与快速奔跑的人体突发碰撞，而因无法清晰界定机器人当前位置和运行轨迹的合理性，使得责任难以厘清。B方式在应用场所的地板表面以下铺设磁力线装置，通过感应结果实现行走轨迹导航。这种方式的弊端在于磁力线的铺设需要复杂的施工，而且对景观的破坏性较大。
因此，如何让大型机器人方便、安全地自主行走，是机器人相关技术研究中有待研究和解决的课题。
发明内容
本发明的目的在于提供一种基于图案识别的机器人循迹行走系统和方法，从而实现让大型机器人方便、安全地自主行走。
本发明实施例中，提供了一种基于图案识别的机器人循迹行走系统，其包括机器人和设置于地面上的轨迹图案，所述机器人上设置有摄像头组和中央控制装置，所述摄像头组用于对所述轨迹图案进行拍摄，所述中央控制装置，用于对所述摄像头组拍摄到轨迹图案进行识别，根据所述轨迹图案的位置控制所述机器人沿所述轨迹图案行走。
本发明实施例中，所述摄像头组包括设置于所述机器人顶部的上循迹摄像头和设置于所述机器人中部的下循迹摄像头，所述上循迹摄像头用于对远离所述机器人的区域进行拍摄，所述下循迹摄像头用于对靠近所述机器人的区域进行拍摄。
本发明实施例中，所述轨迹图案包括设置于外围的封闭轮廓和设置于所述封闭轮廓内的字符，多个所述轨迹图案形成所述机器人行走的轨迹。
本发明实施例中，所述中央控制装置对所述摄像头组拍摄到轨迹图案进行识别的具体过程包括：
图片预处理：采用高斯金字塔方法对图片进行平滑处理；
二值化：采用Canny 算子对图片进行二值化处理；
轮廓搜索：对二值化后的图像，采用霍夫梯度法进行封闭轮廓的搜寻；
过滤：根据寻找到的封闭轮廓的尺寸过滤掉不符合标准的一些轮廓；
提取封闭轮廓内的图形:对二值化后的封闭轮廓中的亮度值为255点作为种子点使用漫水填充方法，将图形的形状填充出来，从而获取到封闭轮廓内的字符图形；
图形摆正：将所述字符图形用一个最小面积矩形将其包围，从而根据最小面积矩形的倾斜方向，将其摆正到正确的位置；
二值化、归一化：对仿射变换内容进行二值化，并将二值化内容图片裁剪至刚好包围所述字符图形，然后将裁剪的二值化图片归一化到统一高度；
图形匹配：将统一高度图片与标准数据库进行匹配，根据匹配率找到最佳匹配数据库样本，从而判断所述图像是否为所述轨迹图案。
本发明实施例中，所述中央控制装置识别出多个轨迹图案时，遍历所有找到的图案，找出离图像中心点最近的图案，将其作为目标点，并计算其与图像下方中点的斜率K,根据斜率K来判断机器应转动的角度；
所述中央控制装置识别出单个轨迹图案时，计算图案中心与图像下方中点的斜率K,根据斜率K来判断机器应转动的角度；
所述中央控制装置没有识别到所述轨迹图案时，控制所述机器人分别左右转动一定的角度，用以寻找轨迹路线。
本发明实施例中，还提供了一种基于图案识别的机器人循迹行走方法，其包括：
图像拍摄步骤：机器人上的摄像头拍摄图片；
图像识别步骤：设置于所述机器人内的中央控制装置对所述摄像头组拍摄到轨迹图案进行识别；
机器人移动步骤：所述中央控制装置根据所述轨迹图案的位置控制所述机器人沿所述轨迹图案行走。
本发明实施例中，所述机器人循迹行走方法还包括：
机器人停止移动的步骤：当所述图像识别步骤中识别出的图像为停止行走的标识时，所述中央控制装置根据所述轨迹图案的位置控制所述机器人停止在所述停止行走的标识上。
本发明实施例中，所述轨迹图案包括设置于外围的封闭轮廓和设置于所述封闭轮廓内的字符，多个所述轨迹图案形成所述机器人行走的轨迹。
本发明实施例中，所述中央控制装置对所述摄像头组拍摄到轨迹图案进行识别的具体过程包括：
图片预处理：采用高斯金字塔方法对图片进行平滑处理；
二值化：采用Canny 算子对图片进行二值化处理；
轮廓搜索：对二值化后的图像，采用霍夫梯度法进行封闭轮廓的搜寻；
过滤：根据寻找到的封闭轮廓的尺寸过滤掉不符合标准的一些轮廓；
提取封闭轮廓内的图形:对二值化后的封闭轮廓中的亮度值为255点作为种子点使用漫水填充方法，将图形的形状填充出来，从而获取到封闭轮廓内的字符图形；
图形摆正：将所述字符图形用一个最小面积矩形将其包围，从而根据最小面积矩形的倾斜方向，将其摆正到正确的位置；
二值化、归一化：对仿射变换内容进行二值化，并将二值化内容图片裁剪至刚好包围所述字符图形，然后将裁剪的二值化图片归一化到统一高度；
图形匹配：将统一高度图片与标准数据库进行匹配，根据匹配率找到最佳匹配数据库样本，从而判断所述图像是否为所述轨迹图案。
本发明实施例中，所述中央控制装置识别出多个轨迹图案时，遍历所有找到的图案，找出离图像中心点最近的图案，将其作为目标点，并计算其与图像下方中点的斜率K,根据斜率K来判断机器应转动的角度；
所述中央控制装置识别出单个轨迹图案时，计算图案中心与图像下方中点的斜率K,根据斜率K来判断机器应转动的角度；
所述中央控制装置没有识别到所述轨迹图案时，控制所述机器人分别左右转动一定的角度，用以寻找轨迹路线。
与现有技术相比较，本发明的基于图案识别的机器人循迹行走系统和方法，通过识别设置于地面的图案轨迹来控制机器人行走，机器人就不会随机走动，只会在路径轨迹上行走，安全性高；另外，图案轨迹采用无源设计，成本低而且安全性高可设计优美多变的轨迹图案，来契合应用现场景观特性；图案识别基于视觉图像识别技术，具有好的稳定性和抗干扰能力。
附图说明
图1 是本发明的基于图案识别的机器人循迹行走系统的结构示意图。
图2 是本发明的基于图案识别的机器人循迹行走方法的流程图。
图3 是图2中的图像识别步骤的具体流程图。
图4 是计算所述轨迹图案的斜率的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
以下结合具体实施例对本发明的实现进行详细描述，
如图1所示，本发明实施例中，提供了一种基于图案识别的机器人循迹行走系统，其包括机器人10和设置于地面上的由多个连续的轨迹图案21组成的行走轨迹20，所述机器人上设置有上循迹摄像头11和下循迹摄像头12和中央控制装置（图未示）。所述上循迹摄像头11设置于所述机器人10的顶部，用于对远离所述机器人10的区域的轨迹图案21进行拍摄。所述下循迹摄像头12设置于所述机器人10的中部，用于对靠近所述机器人10的区域的轨迹图案21进行拍摄。
需要说明的是，所述上循迹摄像头11和所述下循迹摄像头12组成摄像头组，将拍摄到的图像一起发送给所述中央控制装置。可选地，所述摄像头组可以只采用一个视角较广的摄像头。
所述中央控制装置，用于对所述摄像头组拍摄到轨迹图案进行识别，根据所述轨迹图案20的位置控制所述机器人10沿所述轨迹图案20行走。
需要说明的是，所述轨迹图案21包括设置于外围的封闭轮廓和设置于所述封闭轮廓内的字符，多个所述轨迹图案21形成所述机器人行走的轨迹。所述中央控制装置对所述轨迹图案21图案进行识别时，先识别出外围的封闭轮廓，然后再识别出封闭轮廓内的字符，从而准确的识别出所述轨迹图案21。所述封闭轮廓可以为圆形，方形或其它形状。
基于上述机器人循迹行走系统，本发明提出了一种基于图案识别的机器人循迹行走方法，其包括步骤S1-S4，下面分别进行详细说明。
步骤S1、图像拍摄步骤：机器人上的摄像头拍摄图片。
步骤S2、图像识别步骤：设置于所述机器人内的中央控制装置对所述摄像头组拍摄到轨迹图案进行识别。
所述图像识别步骤的具体过程包括：
图片预处理：采用高斯金字塔方法对图片进行平滑处理；
二值化：采用Canny 算子对图片进行二值化处理；
轮廓搜索：对二值化后的图像，采用霍夫梯度法进行封闭轮廓的搜寻；
过滤：根据寻找到的封闭轮廓的尺寸过滤掉不符合标准的一些轮廓；
提取封闭轮廓内的图形:对二值化后的封闭轮廓中的亮度值为255点作为种子点使用漫水填充方法，将图形的形状填充出来，从而获取到封闭轮廓内的字符图形；
图形摆正：将所述字符图形用一个最小面积矩形将其包围，从而根据最小面积矩形的倾斜方向，将其摆正到正确的位置；
二值化、归一化：对仿射变换内容进行二值化，并将二值化内容图片裁剪至刚好包围所述字符图形，然后将裁剪的二值化图片归一化到统一高度；
图形匹配：将统一高度图片与标准数据库进行匹配，根据匹配率找到最佳匹配数据库样本，从而判断所述图像是否为所述轨迹图案。
步骤S3、机器人移动步骤：所述中央控制装置根据所述轨迹图案的位置控制所述机器人沿所述轨迹图案行走。
所述中央控制装置识别出多图案时，遍历所有找到的图案，找出离图像中心点最近的图案，将其作为目标点，并计算其与图像下方中点的斜率K,根据斜率K来判断机器应转动的角度。
如图4所示，所述斜率K的计算方式为：
K=y/(x-W/2),
其中，（x,y）为识别的轨迹图案在拍摄图像中的坐标点,W为所述拍摄图像的宽度。
所述中央控制装置识别出单图案时，计算图案中心与图像下方中点的斜率K,根据斜率K来判断机器应转动的角度；
所述中央控制装置没有识别到所述轨迹图案时，控制所述机器人分别左右转动一定的角度，用以寻找轨迹路线。
机器人的转动角度与斜率K的对应关系如下：
当K >= 0时，
K K >= 2 1 <= K < 2 0.6 <= K < 1 0.4 <= K < 0.6 K < 0.4
转弯角度 0 5 10 20 30
当K < 0时
|K| K >= 2 1 <= K < 2 0.6 <= K < 1 0.4 <= K < 0.6 K < 0.4
转弯角度 0 -5 -10 -20 -30
需要说明的是，在上面的表格中，转弯角度单位为度，负数代表左转弯，正数代表右转弯。
步骤S4、机器人停止移动的步骤：当所述图像识别步骤中识别出的图像为停止行走的标识时，所述中央控制装置根据所述轨迹图案的位置控制所述机器人停止在所述停止行走的标识上。
需要说明的是，所述轨迹图案中还包括停止行走的标识，以控制所述机器人在行走到所述停止行走的标识后自动停止。
综上所述，本发明的基于图案识别的机器人循迹行走系统和方法，通过识别设置于地面的图案轨迹来控制机器人行走，机器人就不会随机走动，只会在路径轨迹上行走，安全性高；另外，图案轨迹采用无源设计，成本低而且安全性高可设计优美多变的轨迹图案，来契合应用现场景观特性；图案识别基于视觉图像识别技术，具有好的稳定性和抗干扰能力。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于图案识别的机器人循迹行走系统，其特征在于，包括机器人和设置于地面上的轨迹图案，所述机器人上设置有摄像头组和中央控制装置，所述摄像头组用于对所述轨迹图案进行拍摄，所述中央控制装置，用于对所述摄像头组拍摄到轨迹图案进行识别，根据所述轨迹图案的位置控制所述机器人沿所述轨迹图案行走。
2.如权利要求1所述的机器人循迹行走系统，其特征在于，所述摄像头组包括设置于所述机器人顶部的上循迹摄像头和设置于所述机器人中部的下循迹摄像头，所述上循迹摄像头用于对远离所述机器人的区域进行拍摄，所述下循迹摄像头用于对靠近所述机器人的区域进行拍摄。
3.如权利要求1或2所述的循迹行走系统，其特征在于，所述轨迹图案包括设置于外围的封闭轮廓和设置于所述封闭轮廓内的字符，多个所述轨迹图案形成所述机器人行走的轨迹。
4.如权利要求3所述的机器人循迹行走系统，其特征在于，所述中央控制装置对所述摄像头组拍摄到轨迹图案进行识别的具体过程包括：
图片预处理：采用高斯金字塔方法对图片进行平滑处理；
二值化：采用Canny 算子对图片进行二值化处理；
轮廓搜索：对二值化后的图像，采用霍夫梯度法进行封闭轮廓的搜寻；
过滤：根据寻找到的封闭轮廓的尺寸过滤掉不符合标准的一些轮廓；
提取封闭轮廓内的图形:对二值化后的封闭轮廓中的亮度值为255点作为种子点使用漫水填充方法，将图形的形状填充出来，从而获取到封闭轮廓内的字符图形；
图形摆正：将所述字符图形用一个最小面积矩形将其包围，从而根据最小面积矩形的倾斜方向，将其摆正到正确的位置；
二值化、归一化：对仿射变换内容进行二值化，并将二值化内容图片裁剪至刚好包围所述字符图形，然后将裁剪的二值化图片归一化到统一高度；
图形匹配：将统一高度图片与标准数据库进行匹配，根据匹配率找到最佳匹配数据库样本，从而判断所述图像是否为所述轨迹图案。
5.如权利要求1或2所述的机器人循迹行走系统，其特征在于，
所述中央控制装置识别出多个轨迹图案时，遍历所有找到的图案，找出离图像中心点最近的图案，将其作为目标点，并计算其与图像下方中点的斜率K,根据斜率K来判断机器应转动的角度；
所述中央控制装置识别出单个轨迹图案时，计算图案中心与图像下方中点的斜率K,根据斜率K来判断机器应转动的角度；
所述中央控制装置没有识别到所述轨迹图案时，控制所述机器人分别左右转动一定的角度，用以寻找轨迹路线。
6.一种基于图案识别的机器人循迹行走方法，其特征在于，包括：
图像拍摄步骤：机器人上的摄像头拍摄图片；
图像识别步骤：设置于所述机器人内的中央控制装置对所述摄像头组拍摄到轨迹图案进行识别；
机器人移动步骤：所述中央控制装置根据所述轨迹图案的位置控制所述机器人沿所述轨迹图案行走。
7.如权利要求6所述的基于图案识别的机器人循迹行走方法，其特征在于，所述方法还包括：
机器人停止移动的步骤：当所述图像识别步骤中识别出的图像为停止行走的标识时，所述中央控制装置根据所述轨迹图案的位置控制所述机器人停止在所述停止行走的标识上。
8.如权利要求6所述的循迹行走系统，其特征在于，所述轨迹图案包括设置于外围的封闭轮廓和设置于所述封闭轮廓内的字符，多个所述轨迹图案形成所述机器人行走的轨迹。
9.如权利要求8所述的机器人循迹行走系统，其特征在于，所述中央控制装置对所述摄像头组拍摄到轨迹图案进行识别的具体过程包括：
图片预处理：采用高斯金字塔方法对图片进行平滑处理；
二值化：采用Canny 算子对图片进行二值化处理；
轮廓搜索：对二值化后的图像，采用霍夫梯度法进行封闭轮廓的搜寻；
过滤：根据寻找到的封闭轮廓的尺寸过滤掉不符合标准的一些轮廓；
提取封闭轮廓内的图形:对二值化后的封闭轮廓中的亮度值为255点作为种子点使用漫水填充方法，将图形的形状填充出来，从而获取到封闭轮廓内的字符图形；
图形摆正：将所述字符图形用一个最小面积矩形将其包围，从而根据最小面积矩形的倾斜方向，将其摆正到正确的位置；
二值化、归一化：对仿射变换内容进行二值化，并将二值化内容图片裁剪至刚好包围所述字符图形，然后将裁剪的二值化图片归一化到统一高度；
图形匹配：将统一高度图片与标准数据库进行匹配，根据匹配率找到最佳匹配数据库样本，从而判断所述图像是否为所述轨迹图案。
10.如权利要求6所述的机器人循迹行走系统，其特征在于，
所述中央控制装置识别出多个轨迹图案时，遍历所有找到的图案，找出离图像中心点最近的图案，将其作为目标点，并计算其与图像下方中点的斜率K,根据斜率K来判断机器应转动的角度；
所述中央控制装置识别出单个轨迹图案时，计算图案中心与图像下方中点的斜率K,根据斜率K来判断机器应转动的角度；
所述中央控制装置没有识别到所述轨迹图案时，控制所述机器人分别左右转动一定的角度，用以寻找轨迹路线。
CN201710691425.5A 2017-08-14 2017-08-14 一种基于图案识别的机器人循迹行走系统和方法 Pending CN107450544A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710691425.5A CN107450544A (zh) 2017-08-14 2017-08-14 一种基于图案识别的机器人循迹行走系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710691425.5A CN107450544A (zh) 2017-08-14 2017-08-14 一种基于图案识别的机器人循迹行走系统和方法

Publications (1)

Publication Number Publication Date
CN107450544A true CN107450544A (zh) 2017-12-08

Family

ID=60491066

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710691425.5A Pending CN107450544A (zh) 2017-08-14 2017-08-14 一种基于图案识别的机器人循迹行走系统和方法

Country Status (1)

Country Link
CN (1) CN107450544A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108230869A (zh) * 2018-03-19 2018-06-29 重庆鲁班机器人技术研究院有限公司 教学机器人及教学机器系统
CN108549877A (zh) * 2018-04-23 2018-09-18 重庆大学 一种基于神经网络的循迹机器人轨迹识别方法
CN108664026A (zh) * 2018-05-16 2018-10-16 西安交通大学 一种基于光学辨识码的自动行驶智能小车及其控制方法
CN109118524A (zh) * 2018-02-06 2019-01-01 时明 机械清洁设备行走轨迹修正方法
CN109298715A (zh) * 2018-11-09 2019-02-01 苏州瑞得恩光能科技有限公司 机器人行进控制系统及行进控制方法
CN109884485A (zh) * 2019-03-25 2019-06-14 国网山东省电力公司枣庄供电公司 10kV中置柜局放测试工作执行夹持器、系统及方法
CN110411446A (zh) * 2018-04-28 2019-11-05 深圳果力智能科技有限公司 一种机器人的路径规划方法
CN114253290A (zh) * 2021-12-15 2022-03-29 成都飞机工业（集团）有限责任公司 一种飞机部件运输车自动循迹和精确定位的方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN105549585A (zh) * 2015-12-07 2016-05-04 江苏木盟智能科技有限公司 机器人导航方法及系统
CN105651286A (zh) * 2016-02-26 2016-06-08 中国科学院宁波材料技术与工程研究所 一种移动机器人视觉导航方法与系统、以及仓库系统
CN205899383U (zh) * 2016-08-18 2017-01-18 张红伟 一种数据机房中的智能机械巡检装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN105549585A (zh) * 2015-12-07 2016-05-04 江苏木盟智能科技有限公司 机器人导航方法及系统
CN105651286A (zh) * 2016-02-26 2016-06-08 中国科学院宁波材料技术与工程研究所 一种移动机器人视觉导航方法与系统、以及仓库系统
CN205899383U (zh) * 2016-08-18 2017-01-18 张红伟 一种数据机房中的智能机械巡检装置

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109118524A (zh) * 2018-02-06 2019-01-01 时明 机械清洁设备行走轨迹修正方法
CN108230869A (zh) * 2018-03-19 2018-06-29 重庆鲁班机器人技术研究院有限公司 教学机器人及教学机器系统
CN108549877A (zh) * 2018-04-23 2018-09-18 重庆大学 一种基于神经网络的循迹机器人轨迹识别方法
CN108549877B (zh) * 2018-04-23 2022-02-18 重庆大学 一种基于神经网络的循迹机器人轨迹识别方法
CN110411446A (zh) * 2018-04-28 2019-11-05 深圳果力智能科技有限公司 一种机器人的路径规划方法
CN110411446B (zh) * 2018-04-28 2023-09-08 深圳果力智能科技有限公司 一种机器人的路径规划方法
CN108664026A (zh) * 2018-05-16 2018-10-16 西安交通大学 一种基于光学辨识码的自动行驶智能小车及其控制方法
CN109298715A (zh) * 2018-11-09 2019-02-01 苏州瑞得恩光能科技有限公司 机器人行进控制系统及行进控制方法
CN109298715B (zh) * 2018-11-09 2021-12-07 苏州瑞得恩光能科技有限公司 机器人行进控制系统及行进控制方法
CN109884485A (zh) * 2019-03-25 2019-06-14 国网山东省电力公司枣庄供电公司 10kV中置柜局放测试工作执行夹持器、系统及方法
CN114253290A (zh) * 2021-12-15 2022-03-29 成都飞机工业（集团）有限责任公司 一种飞机部件运输车自动循迹和精确定位的方法及系统
CN114253290B (zh) * 2021-12-15 2024-03-19 成都飞机工业（集团）有限责任公司 一种飞机部件运输车自动循迹和精确定位的方法及系统

Similar Documents

Publication Publication Date Title
CN107450544A (zh) 一种基于图案识别的机器人循迹行走系统和方法
EP3371670B1 (en) Device and method for autonomous localisation
CN105318888B (zh) 基于无人机感知的无人驾驶车辆路径规划方法
CN108917761A (zh) 一种无人车在地下车库中的精确定位方法
CN107643752A (zh) 基于行人轨迹预测的全向移动机器人路径规划算法
CN105929850A (zh) 一种具有持续锁定和跟踪目标能力的无人机系统与方法
CN106774301A (zh) 一种避障跟随方法和电子设备
CN103268616A (zh) 多特征多传感器的移动机器人运动人体跟踪方法
CN115388902B (zh) 室内定位方法和系统、ar室内定位导航方法和系统
US20220042823A1 (en) Apparatus and method for updating detailed map
Rasmussen RoadCompass: following rural roads with vision+ ladar using vanishing point tracking
CN104166995B (zh) 一种基于马步测度的Harris‑SIFT双目视觉定位方法
KR102170745B1 (ko) 실내 공간정보 데이터 융합을 통한 위치추정 방법
CN111176305A (zh) 一种视觉导航方法
CN106325278A (zh) 一种基于椭圆识别的机器人定位导航方法
Tao et al. Automatic reconstruction of road centerlines from mobile mapping image sequences
JP2010225126A (ja) 移動経路計画装置、移動体制御装置及び移動体
Piyathilaka et al. An experimental study on using visual odometry for short-run self localization of field robot
Fan et al. A robust lane boundaries detection algorithm based on gradient distribution features
Castro et al. Feature extraction for moving objects tracking system in indoor environments
Xu et al. Real-time road detection and description for robot navigation in an unstructured campus environment
Nguyen et al. A visual SLAM system on mobile robot supporting localization services to visually impaired people
JP2022093798A (ja) 区画線検出装置および区画線検出プログラム
CN104236518B (zh) 一种基于光学成像与模式识别的天线主波束指向探测方法
JP2018010412A (ja) 情報処理装置、情報処理方法及び情報処理プログラム

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: 20171208