CN107665503A - 一种构建多楼层三维地图的方法 - Google Patents
一种构建多楼层三维地图的方法 Download PDFInfo
- Publication number
- CN107665503A CN107665503A CN201710749926.4A CN201710749926A CN107665503A CN 107665503 A CN107665503 A CN 107665503A CN 201710749926 A CN201710749926 A CN 201710749926A CN 107665503 A CN107665503 A CN 107665503A
- Authority
- CN
- China
- Prior art keywords
- floor
- dimensional
- mobile robot
- map
- atmospheric pressure
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 239000011159 matrix material Substances 0.000 claims abstract description 27
- 230000009466 transformation Effects 0.000 claims abstract description 19
- 230000033001 locomotion Effects 0.000 claims abstract description 13
- 238000005259 measurement Methods 0.000 claims description 7
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 230000004807 localization Effects 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 230000007480 spreading Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 230000000739 chaotic effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明提供了一种基于二维地图下利用大气压构建多楼层三维地图的方法,通过一安装有车轮编码器、激光测距仪、Kinect传感器和气压传感器的移动机器人来实施,包括:获得激光测距仪的输出数据,构建各个楼层的二维地图,并记录下扩展卡尔曼滤波后的气压传感器的气压值;利用二维地图进行自主导航,同时获得该移动机器人的位姿以及位姿变换矩阵;在自主导航的同时,利用Kinect传感器获取室内环境的彩色图像和深度图像,并利用该移动机器人在不同时刻的位姿变换矩阵作为Kinect传感器在不同时间采集图像时的运动变换矩阵,构建各个楼层的三维点云地图;根据各个楼层气压值计算出各个楼层的高度差,完成多楼层地图拼接。利用本发明可以快速得到准确的三维地图。
Description
技术领域
本发明涉及室内环境地图构建领域,尤其是涉及一种基于二维地图下利用大气压构建多楼层三维地图的方法。
背景技术
随着计算机技术,卫星定位系统以及互联网技术的飞速发展,基于室内环境构图以及定位技术在现实生活中得到了大量应用。当前,室内环境的地图构建问题已经变成了一个热门领域,虽然基于激光雷达构建二维地图的方法已经相对成熟和完整,但却无法获取物体的真实三维形状,只能得到一个平面,因此使得室内环境三维重建技术也开始变得流行起来。
目前,在室内三维地图构建方法中比较流行的是利用特征点来估计相机运动(特征点法)和根据图像的像素灰度信息来计算相机运动(直接法),但是以上方法都会受到光照、亮度,以及环境中重复区域的影响,出现错误的图像匹配,耗时且准确性较差。
发明内容
本发明实施例所要解决的技术问题在于,提供一种构建多楼层三维地图的方法。可解决移动机器人在各个楼层导航过程中需要多次导入地图,且耗时的问题。
为了解决上述技术问题,本发明实施例提供了一种构建多楼层三维地图的方法,该方法以具有车轮编码器、激光测距仪、Kinect传感器和气压传感器的移动机器人为载体实施,包括以下步骤:
S1、获取所述激光测距仪的输出数据,构建各个楼层的二维地图,并记录下扩展卡尔曼滤波后的所述气压传感器的气压值;
S2、所述移动机器人利用所述二维地图进行自主导航,同时获得所述移动机器人的位姿以及位姿变换矩阵;
S3、在自主导航的同时,利用所述Kinect传感器获取室内环境的彩色图像和深度图像,并利用所述移动机器人在不同时刻的位姿变换矩阵作为所述Kinect传感器在不同时间采集图像时的运动变换矩阵,构建各个楼层的三维点云地图;
S4、根据各个楼层的气压值计算出各个楼层的高度差,完成多楼层地图拼接。
进一步地,所述步骤S2还包括:
S21、在所述移动机器人自主导航过程中,通过自适应蒙特卡洛定位方法,获取移动机器人在不同时刻的位姿;
S22、根据李群、李代数和罗德里格斯公式获取不同时刻的所述移动机器人的位姿以及位姿变换矩阵。
更进一步地,所述步骤S3还包括:
S31、利用所述Kinect传感器实时获得室内环境的彩色图像和深度图像,根据所述Kinect传感器的内参矩阵获得三维点云形式,完成单帧图像的三维点云图像;
S32、通过VoxelGrid滤波器对上述构建的各帧的点云地图进行降采样滤波;
S33、根据所述步骤S22,使用所述移动机器人的位姿以及位姿变换矩阵拼接相邻时刻的三维局部点云地图;
S34、导航结束时,完成对各帧三维点云地图的拼接,实现室内三维场景的重构。
更进一步地,所述步骤S4还包括:
S41、根据所述气压值,并根据大气压强原理,计算出各个楼层的气压值以及各个楼层间的高度差;
S42、在全局世界坐标系下,根据各个楼层的高度差以及各个楼层间的变换矩阵,完成多楼层三维点云地图拼接。
更进一步地,所述激光测距仪的扫描范围为360°,最大测量距离为6米。
实施本发明实施例,具有如下有益效果:本发明的工作只需一个机器人就可以完成,所用的实验材料成本低,环境适用性强, 本发明利用二维地图,利用自适应蒙特卡洛定位方法,提高了移动机器人运动中的定位精度,避免出现图像拼接的错误匹配,克服了在重复区域中图像匹配混乱的现象。通过Kinect获取彩色图像和深度图像,以及移动机器人的位姿变换矩阵来完成点云地图的拼接,构建出三维地图。
附图说明
图1构建多楼层三维地图方法的流程图;
图2是本发明一实施例的多楼层三维地图构建方法的示意图;
图3是移动机器人在建筑物内探测到的各个楼层的二维地图;
图4是移动机器人在各个楼层中所测得的气压值;
图5是基于二维地图构建的室内环境三维地图;
图6是本发明实施例构建的室内环境多楼层三维地图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述。
本发明实施例以实验环境为三楼至六楼的走廊,办公室和实验室。在实施中,移动机器人探测各个楼层的公开区域,但各个楼层有相似的布局。
本实施例中使用TurtleBot移动机器人,在该移动机器人上安装有车轮编码器,激光测距仪,Kinect传感器和气压传感器,在本实施例中,该激光测距仪为Rplidar激光雷达,该Rplidar激光雷达的扫描范围为360°,最大测量距离为6米。所采用的实施程序为在Ubuntu系统下,搭建ROS系统平台和Arduino 开发板,采用Opencv开源软件,结合C++来实现的。为了实现本发明的实时性和稳定性,利用游戏手柄控制移动机器人来构建各个楼层的二维地图。
可以理解的,在其他实施例中,该激光测距仪除Rplidar激光雷达,也可以为sick或声呐传感器中的一种。
该惯性测量单元,包含三个单轴加速度计、三个单轴陀螺仪、三个磁场强度计和一个气压计。
请参阅图1和图2,本发明实施例提供的一种构建多楼层三维地图的方法,包括如下步骤:
S101、获得该激光测距仪的输出数据,构建各个楼层的二维地图,并记录下扩展卡尔曼滤波后的气压传感器的气压值;
二维地图构建过程:该移动机器人在移动过程中,为了能实现实时定位与地图构建,在本实施例中采用了基于Rao-Blackwellized 粒子滤波器的FastSLAM方法,SLAM(Simultaneous Localization And Mapping,同步定位与地图创建 ) 是指移动机器人在未知环境中构建地图,并同时使用该地图进行定位与导航。本发明将SLAM问题,分解为移动机器人姿态和路标在地图的位置两个递归算法。该移动机器人采用激光测距仪获得数据并结合粒子滤波来估计该移动机器人的路径位姿;FastSLAM方法使用EKF (Extended KalmanFilter,扩展卡尔曼滤波)来进行路标评估,估计环境特征位置。
EKF使用运动模型和测量模型来获得准确的位置关系。运动模型基于上一时刻的状态和控制系统,去估计下一时刻位置状态;测量模型根据传感器测量获得数据以及运动模型得到的状态,两个数据更新获得移动机器人准确的位置。从而根据路径位姿和环境特征,构建出室内环境二维地图并实时定位。利用上述方法步骤,得到三楼至六楼的二维地图见图3所示。
请参阅图4,在本实施例中,通过惯性测量单元与Arduino开发板相连接获得各个楼层气压值,并通过EKF对气压进行校准,得到稳定的气压值;通过Arduino串口与电脑相连接将获取气压值,记录并显示出来,根据大气压原理,随着海拔高度的增加,气压逐渐减小,根据大气压强计算海拔高度的公式,可以获得各个楼层高度以及各个楼层之间的高度差。
S103、该移动机器人利用二维地图进行自主导航,同时获得该移动机器人的位姿以及位姿变换矩阵;
该移动机器人利用上述构建好的二维地图进行自主导航(从走廊的一端到另一端),并在在运动过程中当移动机器人移动到不同的位置点(位置1、位置2、位置3、….、位置N)使用自适应蒙特卡洛方法来估计并获取该移动机器人在不同时刻不同位置的位姿。根据不同时刻的位姿,得到该移动机器人的旋转和平移矩阵,根据李群、李代数和罗德里格斯公式获取不同时刻的位姿变换矩阵,用于点云地图的拼接。
S105、在自主导航的同时,利用Kinect传感器获取室内环境的彩色图像和深度图像,并利用该移动机器人在不同时刻的位姿变换矩阵作为Kinect传感器在不同时间采集图像时的运动变换矩阵,构建各个楼层的三维点云地图;
Kinect传感器图像的获取是基于ROS操作平台,订阅Kinect传感器发布的彩色图像和深度图像节点,获得在上述不同位置点(位置1、位置2、位置3、….、位置N)的Kinect传感器数据;利用Kinect传感器的内参矩阵,将各帧图像转换成三维点云图像;利用VoxelGrid滤波器对构建的各帧的点云地图进行降采样滤波,减少冗余的点云以及减少图像所占的空间内存;利用所得的位姿变换矩阵将相邻时刻滤波后的点云图像进行匹配,得到各位置点处生成的局部三维地图;见图5,将得到的各楼层局部三维地图经过多次匹配叠加,最终得到三楼至六楼室内环境的全局三维地图。
S107、根据各个楼层的气压值计算出各个楼层的高度差,完成多楼层地图拼接;
构建完成三楼到六楼的二维地图和三维地图,在全局世界坐标系下,根据气压传感器计算出的楼层间的高度差以及相邻各个楼层在三个坐标轴(x,y,z)前后或者左右的平移距离,得到的平移矩阵,楼层间旋转矩阵为单位矩阵,因此由这两个矩阵得到楼层间的变换矩阵,完成相邻楼层间三维地图匹配。请参阅图6,通过三个不同楼层之间的变换矩阵,构建出多楼层全局三维地图。
上述本发明的基于二维地图下利用大气压构建三维多楼层地图的方法,利用二维地图,采用自适应蒙特卡洛定位方法,提高了移动机器人运动中的定位精度,避免出现图像拼接的错误匹配,克服了在重复区域中图像匹配混乱的现象;通过Kinect获取彩色图像和深度图像,以及移动机器人的位姿变换矩阵来完成点云地图的拼接,构建出三维地图;最后利用大气压强原理,在采集到各个楼层气压后,利用各个楼层间的变换矩阵,可以准确的构建出多楼层三维地图。
以上所揭露的仅为本发明一种较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (5)
1.一种构建多楼层三维地图的方法,其特征在于,该方法以具有车轮编码器、激光测距仪、Kinect传感器和气压传感器的移动机器人为载体实施,包括以下步骤:
S1、获取所述激光测距仪的输出数据,构建各个楼层的二维地图,并记录下扩展卡尔曼滤波后的所述气压传感器的气压值;
S2、所述移动机器人利用所述二维地图进行自主导航,同时获得所述移动机器人的位姿以及位姿变换矩阵;
S3、在自主导航的同时,利用所述Kinect传感器获取室内环境的彩色图像和深度图像,并利用所述移动机器人在不同时刻的位姿变换矩阵作为所述Kinect传感器在不同时间采集图像时的运动变换矩阵,构建各个楼层的三维点云地图;
S4、根据各个楼层的气压值计算出各个楼层的高度差,完成多楼层地图拼接。
2.根据权利要求1所述的构建多楼层三维地图的方法,其特征在于,所述步骤S2还包括:
S21、在所述移动机器人自主导航过程中,通过自适应蒙特卡洛定位方法,获取移动机器人在不同时刻的位姿;
S22、根据李群、李代数和罗德里格斯公式获取所述不同时刻位姿,并转换为位姿变换矩阵。
3.根据权利要求2所述的构建多楼层三维地图的方法,其特征在于,所述步骤S3还包括:
S31、利用所述Kinect传感器实时获得室内环境的彩色图像和深度图像,根据所述Kinect传感器的内参矩阵获得三维点云形式,完成单帧图像的三维点云图像;
S32、通过VoxelGrid滤波器对上述构建的各帧的点云地图进行降采样滤波;
S33、根据所述步骤S22,使用所述移动机器人的位姿以及位姿变换矩阵拼接相邻时刻的三维局部点云地图;
S34、导航结束时,完成对各帧三维点云地图的拼接,实现室内三维场景的重构。
4.根据权利要求1所述的构建多楼层三维地图的方法,其特征在于,所述步骤S4还包括:
S41、根据所述气压值,并根据大气压强原理,计算出各个楼层的气压值以及各个楼层间的高度差;
S42、在全局世界坐标系下,根据各个楼层的高度差以及各个楼层间的变换矩阵,完成多楼层三维点云地图拼接。
5.根据权利要求3或4所述的构建多楼层三维地图的方法,其特征在于,所述激光测距仪的扫描范围为360°,最大测量距离为6米。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710749926.4A CN107665503A (zh) | 2017-08-28 | 2017-08-28 | 一种构建多楼层三维地图的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710749926.4A CN107665503A (zh) | 2017-08-28 | 2017-08-28 | 一种构建多楼层三维地图的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107665503A true CN107665503A (zh) | 2018-02-06 |
Family
ID=61097742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710749926.4A Pending CN107665503A (zh) | 2017-08-28 | 2017-08-28 | 一种构建多楼层三维地图的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107665503A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109034003A (zh) * | 2018-07-05 | 2018-12-18 | 华平智慧信息技术(深圳)有限公司 | 基于场景的应急指挥方法及相关产品 |
CN109086843A (zh) * | 2018-07-23 | 2018-12-25 | 汕头大学 | 一种基于二维码的移动机器人导航方法 |
CN109087393A (zh) * | 2018-07-23 | 2018-12-25 | 汕头大学 | 一种构建三维地图的方法 |
CN109163724A (zh) * | 2018-09-07 | 2019-01-08 | 五邑大学 | 基于Turtlebot2机器人构建地图的多目标点自主导航方法 |
CN110186467A (zh) * | 2018-02-23 | 2019-08-30 | 通用汽车环球科技运作有限责任公司 | 群感测点云地图 |
CN110243375A (zh) * | 2019-06-26 | 2019-09-17 | 汕头大学 | 一种同时构建二维地图和三维地图的方法 |
CN111127648A (zh) * | 2019-12-30 | 2020-05-08 | 杭州网易再顾科技有限公司 | 室内平面地图的生成方法及装置、清扫地图的生成方法 |
CN111207755A (zh) * | 2020-03-03 | 2020-05-29 | 广州赛特智能科技有限公司 | 一种多楼层室内环境中配送机器人的定位方法及存储介质 |
CN111623782A (zh) * | 2020-06-10 | 2020-09-04 | 浙江商汤科技开发有限公司 | 导航路线的展示方法、三维场景模型的生成方法及装置 |
CN111784819A (zh) * | 2020-06-17 | 2020-10-16 | 科沃斯机器人股份有限公司 | 一种多楼层的地图拼接方法、系统及自移动机器人 |
CN111784835A (zh) * | 2020-06-28 | 2020-10-16 | 北京百度网讯科技有限公司 | 制图方法、装置、电子设备及可读存储介质 |
CN112085823A (zh) * | 2020-09-01 | 2020-12-15 | 上海擎朗智能科技有限公司 | 一种激光地图的拼接方法、装置、电子设备及存储介质 |
CN112650244A (zh) * | 2020-12-22 | 2021-04-13 | 哈尔滨工业大学(深圳) | 基于特征点匹配的楼宇内移动机器人多楼层自动建图方法 |
CN112734921A (zh) * | 2021-01-11 | 2021-04-30 | 燕山大学 | 一种基于声呐和视觉图像拼接的水下三维地图构建方法 |
CN113724395A (zh) * | 2021-09-07 | 2021-11-30 | 北京有竹居网络技术有限公司 | 一种多楼层房屋模型的生成方法、装置、电子设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080158244A1 (en) * | 2006-11-30 | 2008-07-03 | Hulet Scott S | System and method of generating light maps |
CN105427738A (zh) * | 2015-11-10 | 2016-03-23 | 汕头大学 | 一种基于大气压的多层建筑物的地图构建方法 |
CN105843223A (zh) * | 2016-03-23 | 2016-08-10 | 东南大学 | 一种基于空间词袋模型的移动机器人三维建图与避障方法 |
CN106323269A (zh) * | 2015-12-10 | 2017-01-11 | 上海思岚科技有限公司 | 自主定位导航设备、定位导航方法及自主定位导航系统 |
-
2017
- 2017-08-28 CN CN201710749926.4A patent/CN107665503A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080158244A1 (en) * | 2006-11-30 | 2008-07-03 | Hulet Scott S | System and method of generating light maps |
CN105427738A (zh) * | 2015-11-10 | 2016-03-23 | 汕头大学 | 一种基于大气压的多层建筑物的地图构建方法 |
CN106323269A (zh) * | 2015-12-10 | 2017-01-11 | 上海思岚科技有限公司 | 自主定位导航设备、定位导航方法及自主定位导航系统 |
CN105843223A (zh) * | 2016-03-23 | 2016-08-10 | 东南大学 | 一种基于空间词袋模型的移动机器人三维建图与避障方法 |
Non-Patent Citations (2)
Title |
---|
沈俊: "基于ROS的自主移动机器人系统设计与实现", 《中国优秀硕士学位论文全文数据库》 * |
谢梦涛 等: "室内定位与构图图像特征提取匹配的改进算法", 《西安工业大学学报》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110186467A (zh) * | 2018-02-23 | 2019-08-30 | 通用汽车环球科技运作有限责任公司 | 群感测点云地图 |
CN109034003A (zh) * | 2018-07-05 | 2018-12-18 | 华平智慧信息技术(深圳)有限公司 | 基于场景的应急指挥方法及相关产品 |
CN109086843B (zh) * | 2018-07-23 | 2021-10-29 | 汕头大学 | 一种基于二维码的移动机器人导航方法 |
CN109086843A (zh) * | 2018-07-23 | 2018-12-25 | 汕头大学 | 一种基于二维码的移动机器人导航方法 |
CN109087393A (zh) * | 2018-07-23 | 2018-12-25 | 汕头大学 | 一种构建三维地图的方法 |
CN109163724A (zh) * | 2018-09-07 | 2019-01-08 | 五邑大学 | 基于Turtlebot2机器人构建地图的多目标点自主导航方法 |
CN110243375A (zh) * | 2019-06-26 | 2019-09-17 | 汕头大学 | 一种同时构建二维地图和三维地图的方法 |
CN111127648A (zh) * | 2019-12-30 | 2020-05-08 | 杭州网易再顾科技有限公司 | 室内平面地图的生成方法及装置、清扫地图的生成方法 |
CN111207755A (zh) * | 2020-03-03 | 2020-05-29 | 广州赛特智能科技有限公司 | 一种多楼层室内环境中配送机器人的定位方法及存储介质 |
CN111623782A (zh) * | 2020-06-10 | 2020-09-04 | 浙江商汤科技开发有限公司 | 导航路线的展示方法、三维场景模型的生成方法及装置 |
CN111784819A (zh) * | 2020-06-17 | 2020-10-16 | 科沃斯机器人股份有限公司 | 一种多楼层的地图拼接方法、系统及自移动机器人 |
CN111784819B (zh) * | 2020-06-17 | 2023-08-29 | 科沃斯机器人股份有限公司 | 一种多楼层的地图拼接方法、系统及自移动机器人 |
CN111784835A (zh) * | 2020-06-28 | 2020-10-16 | 北京百度网讯科技有限公司 | 制图方法、装置、电子设备及可读存储介质 |
CN111784835B (zh) * | 2020-06-28 | 2024-04-12 | 北京百度网讯科技有限公司 | 制图方法、装置、电子设备及可读存储介质 |
CN112085823A (zh) * | 2020-09-01 | 2020-12-15 | 上海擎朗智能科技有限公司 | 一种激光地图的拼接方法、装置、电子设备及存储介质 |
CN112085823B (zh) * | 2020-09-01 | 2024-05-24 | 上海擎朗智能科技有限公司 | 一种激光地图的拼接方法、装置、电子设备及存储介质 |
CN112650244A (zh) * | 2020-12-22 | 2021-04-13 | 哈尔滨工业大学(深圳) | 基于特征点匹配的楼宇内移动机器人多楼层自动建图方法 |
CN112734921A (zh) * | 2021-01-11 | 2021-04-30 | 燕山大学 | 一种基于声呐和视觉图像拼接的水下三维地图构建方法 |
CN112734921B (zh) * | 2021-01-11 | 2022-07-19 | 燕山大学 | 一种基于声呐和视觉图像拼接的水下三维地图构建方法 |
CN113724395A (zh) * | 2021-09-07 | 2021-11-30 | 北京有竹居网络技术有限公司 | 一种多楼层房屋模型的生成方法、装置、电子设备及介质 |
CN113724395B (zh) * | 2021-09-07 | 2023-01-10 | 北京有竹居网络技术有限公司 | 一种多楼层房屋模型的生成方法、装置、电子设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107665503A (zh) | 一种构建多楼层三维地图的方法 | |
CN109087393A (zh) | 一种构建三维地图的方法 | |
CN111156998B (zh) | 一种基于rgb-d相机与imu信息融合的移动机器人定位方法 | |
Panahandeh et al. | Vision-aided inertial navigation based on ground plane feature detection | |
CN108170297B (zh) | 实时六自由度vr/ar/mr设备定位方法 | |
CN108401461A (zh) | 三维建图方法、装置、系统、云端平台、电子设备和计算机程序产品 | |
CN108810473B (zh) | 一种在移动平台上实现gps映射摄像机画面坐标的方法及系统 | |
CN107450577A (zh) | 基于多传感器的无人机智能感知系统和方法 | |
CN109141433A (zh) | 一种机器人室内定位系统及定位方法 | |
CN110617814A (zh) | 单目视觉和惯性传感器融合的远距离测距系统及方法 | |
CN107314778A (zh) | 一种相对姿态的标定方法、装置及系统 | |
CN110243375A (zh) | 一种同时构建二维地图和三维地图的方法 | |
CN112116651B (zh) | 一种基于无人机单目视觉的地面目标定位方法和系统 | |
CN107091643A (zh) | 一种基于多台3d结构光相机拼接的室内导航方法 | |
CN113189613B (zh) | 一种基于粒子滤波的机器人定位方法 | |
CN113870366B (zh) | 基于位姿传感器的三维扫描系统的标定方法及其标定系统 | |
TW202238449A (zh) | 室內定位系統及室內定位方法 | |
Chen et al. | Real-time 3D mobile mapping for the built environment | |
Liu et al. | A high-accuracy pose measurement system for robotic automated assembly in large-scale space | |
CN104199313A (zh) | 一种机器人智能仿真测试系统 | |
Karam et al. | Integrating a low-cost mems imu into a laser-based slam for indoor mobile mapping | |
CN109215128B (zh) | 物体运动姿态图像的合成方法及系统 | |
CN114529585A (zh) | 基于深度视觉和惯性测量的移动设备自主定位方法 | |
CN111121818B (zh) | 一种无人车中相机与二维码的标定方法 | |
CN116952229A (zh) | 无人机定位方法、装置、系统和存储介质 |
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 |
Application publication date: 20180206 |
|
RJ01 | Rejection of invention patent application after publication |