CN107728615B - 一种自适应区域划分的方法及系统 - Google Patents
一种自适应区域划分的方法及系统 Download PDFInfo
- Publication number
- CN107728615B CN107728615B CN201710883732.3A CN201710883732A CN107728615B CN 107728615 B CN107728615 B CN 107728615B CN 201710883732 A CN201710883732 A CN 201710883732A CN 107728615 B CN107728615 B CN 107728615B
- Authority
- CN
- China
- Prior art keywords
- point
- data
- virtual door
- line
- feature
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000000605 extraction Methods 0.000 claims abstract description 34
- 238000001514 detection method Methods 0.000 claims description 24
- 230000003044 adaptive effect Effects 0.000 claims description 16
- 238000000638 solvent extraction Methods 0.000 claims description 15
- 238000004140 cleaning Methods 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 12
- 230000007613 environmental effect Effects 0.000 claims description 7
- 230000004807 localization Effects 0.000 claims 1
- 230000015654 memory Effects 0.000 description 15
- 238000010408 sweeping Methods 0.000 description 15
- 238000005516 engineering process Methods 0.000 description 7
- 238000005192 partition Methods 0.000 description 7
- 230000005291 magnetic effect Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
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
- G05D1/0236—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons in combination with a laser
-
- 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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- 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
- G05D1/0253—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 extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
-
- 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
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Electromagnetism (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本申请的目的是提供一种自适应区域划分的方法及系统,本申请通过基于激光雷达数据和里程计数据构建环境地图,以确定目标设备所在的环境信息;根据所述激光雷达数据进行特征提取,以确定特征数据,其中,所述特征数据包括线特征数据和点特征数据;根据所述特征数据及所述目标设备所在的环境信息生成虚拟门;根据所述虚拟门将所述目标设备所在的待划分区域进行划分,从而依据当前环境的激光数据生成虚拟门,达到自适应划分区域的目的,从而使得目标设备能够更加高效快速覆盖全空间。
Description
技术领域
本申请涉及计算机领域,尤其涉及一种自适应区域划分的方法及系统。
背景技术
随着计算机技术、微电子技术、网络技术等快速的发展,机器人技术也得到了飞速发展,除了工业机器人水平不断提高之外,各种用于服务行业的先进机器人系统也有了长足的发展,各类移动服务机器人越来越普及,比如移动扫地设备、导购机、自动柜员机等等。
目前,应用于智能移动扫地设备的区域划分技术主要是将全空间用固定大小正方形进行区域划分,然后遍历各个正方形区域以覆盖全空间。这种方式简单明了,但是所生成的分区不能与实际环境完全匹配,比如容易将一堵墙分到同一区域导致不连通的两部分在同一区域中,导致清扫效率不高,而且得到的清扫地图不够美观。
发明内容
本申请的一个目的是提供一种自适应区域划分的方法及系统,解决现有技术中所生成的分区不能与实际环境完全匹配的问题。
根据本申请的一个方面,提供了一种自适应区域划分的方法,该方法包括:
基于激光雷达数据和里程计数据构建环境地图,以确定目标设备所在的环境信息;
根据所述激光雷达数据进行特征提取,以确定特征数据,其中,所述特征数据包括线特征数据和点特征数据;
根据所述特征数据及所述目标设备所在的环境信息生成虚拟门;
根据所述虚拟门将所述目标设备所在的待划分区域进行划分。
进一步地,上述方法中,确定目标设备所在的环境信息包括:
规划目标设备的全局路径及确定目标设备所在的环境位置信息。
进一步地,上述方法中,根据所述激光雷达数据进行特征提取,以确定特征数据,包括:
根据所述激光雷达数据通过霍夫线拟合确定线特征数据;
根据所述线特征数据及所述激光雷达数据确定点特征数据。
进一步地,上述方法中,所述根据所述线特征数据及所述激光雷达数据确定点特征数据,包括:
若两个线特征收尾相连,且第一条线方向与第二条方向叉积大于0,则以该两个线特征的首尾交点的数据作为点特征数据;
若相连三个激光数据点距离满足预设模式,则以中间的激光数据点作为点特征数据。
进一步地,上述方法中,根据所述特征数据及所述目标设备所在的环境信息生成虚拟门,包括:
根据所述目标设备边侧检测到的线特征确定第一边线;
根据所述第一边线及所述点特征数据确定虚拟门的第一点;
根据所述虚拟门的第一点及由所述第一边线及虚拟门的第一点确定的第二点生成所述虚拟门,或,根据所述第一边线及所述线特征数据生成所述虚拟门。
进一步地,上述方法中,根据所述第一边线及所述点特征数据确定虚拟门的第一点,包括:
在所述点特征数据组成的集合中查找是否存在目标点距离所述第一边线的末端在预设距离阈值内,若是,则所述目标点作为虚拟门的第一点;
若否,则将所述目标设备当前在环境中所处位置作为虚拟门的第一点。
进一步地,上述方法中,根据所述虚拟门的第一点及由所述第一边线及虚拟门的第一点确定的第二点生成所述虚拟门,包括:
根据所述虚拟门的第一点为原点,以所述第一边线为一坐标轴的正方向,采用右手笛卡坐标系,判断是否存在至少一点特征落在第一象限中;
若是,则从落在第一象限中的一个或多个点特征中选取距离所述虚拟门第一点最短的作为虚拟门的第二点,根据所述虚拟门的第一点及第二点生成虚拟门;
若否,则判断是否存在至少一个线特征数据对应的线特征与所述第一边线的延长线相交,若存在,以所述第一边线的延长线作为虚拟门。
进一步地,上述方法中,根据所述虚拟门将所述目标设备所在的待划分区域进行划分之后,包括:
在划分后的区域中按照之字形进行清扫。
根据本申请另一个方面,还提供了一种自适应区域划分的系统,该系统包括:
传感器模块、特征提取模块、定位建图模块、虚拟门检测模块及区域覆盖算法模块,其中,
所述传感器模块用于采集激光雷达数据和里程计数据;
所述定位建图模块用于从所述传感器中获取激光雷达数据和里程计数据,构建环境地图,以确定目标设备所在的环境信息;
所述特征提取模块用于从所述传感器中获取激光雷达数据,进行特征提取,以确定特征数据,其中,所述特征数据包括线特征数据和点特征数据;
所述虚拟门检测模块用于根据所述特征提取模块中生成的特征数据及所述目标设备所在的环境信息生成虚拟门;
所述区域覆盖算法模块用于根据所述虚拟门检测模块生成的虚拟门,将所述目标设备所在的待划分区域进行划分。
进一步地,所述定位建图模块用于:
规划目标设备的全局路径及确定目标设备所在的环境位置信息。
进一步地,所述特征提取模块用于:
根据所述激光雷达数据通过霍夫线拟合确定线特征数据;
根据所述线特征数据及所述激光雷达数据确定点特征数据。
进一步地,所述特征提取模块用于:
若两个线特征收尾相连,且第一条线方向与第二条方向叉积大于0,则以该两个线特征的首尾交点的数据作为点特征数据;
若相连三个激光数据点距离满足预设模式,则以中间的激光数据点作为点特征数据。
进一步地,所述虚拟门检测模块用于:
根据所述目标设备边侧检测到的线特征确定第一边线;
根据所述第一边线及所述点特征数据确定虚拟门的第一点;
根据所述虚拟门的第一点及由所述第一边线及虚拟门的第一点确定的第二点生成所述虚拟门,或,根据所述第一边线及所述线特征数据生成所述虚拟门。
进一步地,所述虚拟门检测模块用于:
在所述点特征数据组成的集合中查找是否存在目标点距离所述第一边线的末端在预设距离阈值内,若是,则所述目标点作为虚拟门的第一点;
若否,则将所述目标设备当前在环境中所处位置作为虚拟门的第一点。
进一步地,所述虚拟门检测模块用于:
根据所述虚拟门的第一点为原点,以所述第一边线为一坐标轴的正方向,采用右手笛卡坐标系,判断是否存在至少一点特征落在第一象限中;
若是,则从落在第一象限中的一个或多个点特征中选取距离所述虚拟门第一点最短的作为虚拟门的第二点,根据所述虚拟门的第一点及第二点生成虚拟门;
若否,则判断是否存在至少一个线特征数据对应的线特征与所述第一边线的延长线相交,若存在,以所述第一边线的延长线作为虚拟门。
进一步地,所述系统包括:
地图存储模块,用于存储所述定位建图模块中生成的环境地图,其中,所述环境地图为栅格地图。
进一步地,所述区域覆盖算法模块用于:
在划分后的区域中按照之字形进行清扫。
根据本申请再一个方面,还提供了一种计算机可读介质,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现一种自适应区域划分的方法。
与现有技术相比,本申请通过提供一种自适应区域划分的系统,该系统包括:传感器模块、定位建图模块、特征提取模块、虚拟门检测模块及区域覆盖算法模块,其中,所述传感器模块用于采集激光雷达数据和里程计数据,为移动设备提供所在环境的信息;所述定位建图模块用于从所述传感器中获取激光雷达数据和里程计数据,构建环境地图,以确定目标设备所在的环境信息,定位建图为移动设备提供智能移动算法的数据依据;所述特征提取模块用于从所述传感器中获取激光雷达数据,进行特征提取,以确定特征数据,其中,所述特征数据包括线特征数据和点特征数据,以便基于提取的特征数据进行检测虚拟门;接着,所述虚拟门检测模块用于根据所述特征提取模块中生成的特征数据及所述目标设备所在的环境信息生成虚拟门;随后,所述区域覆盖算法模块用于根据所述虚拟门检测模块生成的虚拟门,将所述目标设备所在的待划分区域进行划分,从而依据当前环境的激光数据生成虚拟门,达到自适应划分区域的目的。从而实现所生成的分区与实际环境匹配,避免了将一堵墙或门分到同一区域导致不连通的两部分在同一区域中,可应用于移动扫地设备,能够在清扫过程中,依据当前环境的激光数据生成虚拟门,达到自适应划分区域的目的,从而使得移动扫地设备能够更加高效快速覆盖全空间。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1示出根据本申请一个方面提供的一种自适应区域划分的系统结构示意图;
图2示出根据本申请另一个方面提供的一种自适应区域划分的方法流程示意图。
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
下面结合附图对本申请作进一步详细描述。
在本申请一个典型的配置中,终端、服务网络的设备和可信方均包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
图1示出根据本申请一个方面提供的一种自适应区域划分的系统结构示意图,该系统包括:传感器模块11、定位建图模块12、特征提取模块13、虚拟门检测模块14及区域覆盖算法模块15,其中,所述传感器模块11用于采集激光雷达数据和里程计数据,为移动设备提供所在环境的信息;所述定位建图模块12用于从所述传感器中获取激光雷达数据和里程计数据,构建环境地图,以确定目标设备所在的环境信息,定位建图为移动设备提供智能移动算法的数据依据;所述特征提取模块13用于从所述传感器中获取激光雷达数据,进行特征提取,以确定特征数据,其中,所述特征数据包括线特征数据和点特征数据,以便基于提取的特征数据进行检测虚拟门;接着,所述虚拟门检测模块14用于根据所述特征提取模块中生成的特征数据及所述目标设备所在的环境信息生成虚拟门,在此,目标设备为当前需要自适应划分区域的移动设备,虚拟门为虚拟的线,表示实际环境中的墙、门等造成区域分割的物体;随后,所述区域覆盖算法模块15用于根据所述虚拟门检测模块生成的虚拟门,将所述目标设备所在的待划分区域进行划分,从而依据当前环境的激光数据生成虚拟门,达到自适应划分区域的目的。
具体地,传感器模块11中包含激光雷达数据和里程计数据,为移动设备提供所在环境的信息,其中,移动设备可为智能移动扫地设备,里程计数据是利用从移动传感器获得的数据来估计物体位置随时间变化而改变的设备相对于初始位置移动的距离数据。
定位建图模块12主要利用SLMA相关算法,构建环境地图,该地图可用于全局路径规划以及自定位模块,完成规划目标设备的全局路径及确定目标设备所在的环境位置信息。进一步地,所述系统包括:地图存储模块12’,用于存储所述定位建图模块中生成的环境地图,其中,所述环境地图为栅格地图,栅格地图把环境划分成一系列栅格,其中每一栅格给定一个可能值,表示该栅格被占据的概率,地图存储模块12’还可以存储三维地图以及视觉图像中的关键帧。
特征提取模块13包括线特征提取和点特征提取两个模块,由传感器模块11中的激光雷达数据所生成,并输出到虚拟门检测算法模块14中。
虚拟门检测算法模块14用于根据特征提取模块13所生成的线特征与点特征,同时从定位建图模块12中获得移动设备在环境中所在的位置,若满足条件则生成虚拟门,从而达到自适应分区的目的。
区域覆盖算法模块15根据虚拟门检测算法模块14所生成的虚拟门,逐步将区域进行划分,进一步地,当目标设备为智能移动扫地设备,则所述区域覆盖算法模块15用于:在划分后的区域中按照之字形进行清扫,从而使得移动扫地设备能够更加高效快速覆盖全空间,提高清扫效率,且得到美观的清扫地图。
在本申请一实施例中,所述特征提取模块12用于:根据所述激光雷达数据通过霍夫线拟合确定线特征数据;根据所述线特征数据及所述激光雷达数据确定点特征数据。在此,根据传感器中的激光雷达数据通过霍夫线拟合得到线特征数据,根据线特征数据和激光雷达数据得到点特征数据。点特征包含两种情况:若两个线特征收尾相连,且第一条线方向与第二条方向叉积大于0,则以该两个线特征的首尾交点的数据作为点特征数据;若相连三个激光数据点距离满足预设模式,则以中间的激光数据点作为点特征数据。在此,两个线特征和收尾相连,交点为b,且则交点b为一个点特征。另外,点特征还可以通过激光雷达数据得到,若相连三个激光数据点距离满足“远近远”模式,则中间那个数据点为一个点特征。特征提取获得线特征数据和点特征数据后,所述虚拟门检测模块14用于:根据所述目标设备边侧检测到的线特征确定第一边线;根据所述第一边线及所述点特征数据确定虚拟门的第一点;根据所述虚拟门的第一点及由所述第一边线及虚拟门的第一点确定的第二点生成所述虚拟门,或,根据所述第一边线及所述线特征数据生成所述虚拟门。在此,若目标设备左侧有检测到线特征,则将该特征记为第一边线(First Line),若没有,则说明实际环境中没有阻隔区域的障碍物存在,区域是连通的;找到First Line后,进行确定可以生成虚拟门时的两点,两点进行连线确定的线作为虚拟门,若未找到满足条件的两点,则检查First Line是否满足条件,以First Line的延长线为虚拟门。
具体地,通过以下方式生成虚拟门:
在所述点特征数据组成的集合中查找是否存在目标点距离所述第一边线的末端在预设距离阈值内,若是,则所述目标点作为虚拟门的第一点;若否,则将所述目标设备当前在环境中所处位置作为虚拟门的第一点。接着,根据所述虚拟门的第一点为原点,以所述第一边线为一坐标轴的正方向,采用右手笛卡坐标系,判断是否存在至少一点特征落在第一象限中;若是,则从落在第一象限中的一个或多个点特征中选取距离所述虚拟门第一点最短的作为虚拟门的第二点,根据所述虚拟门的第一点及第二点生成虚拟门;若否,则判断是否存在至少一个线特征数据对应的线特征与所述第一边线的延长线相交,若存在,以所述第一边线的延长线作为虚拟门。
在本申请一实施例中,在点特征集合中查找是否有与First Line末端在一定距离阈值内的,若有,则将该点特征记为虚拟门的第一点(First Point),若没有,则将目标设备当前在环境中所处位置记为First Point。以First Point为原点,以First Line方向为y轴正方向,采用右手笛卡尔坐标系,记录落在第一象限中所有的点特征集合,记为虚拟门的第二点候选集合(Second Point Candidates)。若Second Point Candidates为空,说明不存在点落在第一象限,则判断First Line延长线是否与某个线特征相交,若有,则该延长线作为虚拟门。若Second Point Candidates不为空,从中选出距离First Point距离最近的作为Second Point,然后,根据First Point和Second Point生成虚拟门。
通过本申请所述的自适应区域划分系统,从而实现所生成的分区与实际环境匹配,避免了将一堵墙或门分到同一区域导致不连通的两部分在同一区域中,可应用于移动扫地设备,能够在清扫过程中,依据当前环境的激光数据生成虚拟门,达到自适应划分区域的目的,从而使得移动扫地设备能够更加高效快速覆盖全空间。
图2示出根据本申请另一个方面提供的一种自适应区域划分的方法流程示意图,该方法包括:步骤S11~步骤S14,其中,在步骤S11中,基于激光雷达数据和里程计数据构建环境地图,以确定目标设备所在的环境信息,为移动设备提供智能移动算法的数据依据;在步骤S12中,根据所述激光雷达数据进行特征提取,以确定特征数据,其中,所述特征数据包括线特征数据和点特征数据,以便基于提取的特征数据进行检测虚拟门;接着,在步骤S13中,根据所述特征提取模块中生成的特征数据及所述目标设备所在的环境信息生成虚拟门,在此,目标设备为当前需要自适应划分区域的移动设备,虚拟门为虚拟的线,表示实际环境中的墙、门等造成区域分割的物体;随后,在步骤S14中,根据所述虚拟门检测模块生成的虚拟门,将所述目标设备所在的待划分区域进行划分,从而依据当前环境的激光数据生成虚拟门,达到自适应划分区域的目的。
具体地,在步骤S11中,获取激光雷达数据和里程计数据,为移动设备提供所在环境的信息,其中,移动设备可为智能移动扫地设备,里程计数据是利用从移动传感器获得的数据来估计物体位置随时间变化而改变的设备相对于初始位置移动的距离数据。
在步骤S11中,主要利用SLMA相关算法,构建环境地图,该地图可用于全局路径规划以及自定位,完成规划目标设备的全局路径及确定目标设备所在的环境位置信息。进一步地,存储所述定位建图模块中生成的环境地图,其中,所述环境地图为栅格地图,栅格地图把环境划分成一系列栅格,其中每一栅格给定一个可能值,表示该栅格被占据的概率,还可以存储三维地图以及视觉图像中的关键帧。
在步骤S12中,进行线特征提取和点特征提取两个步骤,由获取的激光雷达数据所生成,并根据所生成的线特征和点特征进行虚拟门的检测。在步骤S13中,根据步骤S12中所生成的线特征与点特征,同时从步骤S11中获得定位建图后确定的移动设备在环境中所在的位置,若满足条件则生成虚拟门,从而达到自适应分区的目的,其中,满足条件为满足生成虚拟门的条件,即依据点特征、线特征及移动设备的位置信息进行判断是否有实际环境中的墙或者门等障碍物,若有,则虚拟生成,表示实际环境中存在,需要进行划分区域。
在步骤S14中,利用所生成的虚拟门,逐步将区域进行划分,进一步地,当目标设备为智能移动扫地设备,在划分后的区域中按照之字形进行清扫,从而使得移动扫地设备能够更加高效快速覆盖全空间,提高清扫效率,且得到美观的清扫地图。
在本申请一实施例中,在步骤S12中,根据所述激光雷达数据通过霍夫线拟合确定线特征数据;根据所述线特征数据及所述激光雷达数据确定点特征数据。在此,根据传感器中的激光雷达数据通过霍夫线拟合得到线特征数据,根据线特征数据和激光雷达数据得到点特征数据。点特征包含两种情况:若两个线特征收尾相连,且第一条线方向与第二条方向叉积大于0,则以该两个线特征的首尾交点的数据作为点特征数据;若相连三个激光数据点距离满足预设模式,则以中间的激光数据点作为点特征数据。在此,两个线特征和收尾相连,交点为b,且则交点b为一个点特征。另外,点特征还可以通过激光雷达数据得到,若相连三个激光数据点距离满足“远近远”模式,则中间那个数据点为一个点特征。特征提取获得线特征数据和点特征数据后,根据所述目标设备边侧检测到的线特征确定第一边线;根据所述第一边线及所述点特征数据确定虚拟门的第一点;根据所述虚拟门的第一点及由所述第一边线及虚拟门的第一点确定的第二点生成所述虚拟门,或,根据所述第一边线及所述线特征数据生成所述虚拟门。在此,若目标设备左侧有检测到线特征,则将该特征记为第一边线(First Line),若没有,则说明实际环境中没有阻隔区域的障碍物存在,区域是连通的;找到First Line后,进行确定可以生成虚拟门时的两点,两点进行连线确定的线作为虚拟门,若未找到满足条件的两点,则检查First Line是否满足条件,以First Line的延长线为虚拟门。
具体地,通过以下方式生成虚拟门:
在所述点特征数据组成的集合中查找是否存在目标点距离所述第一边线的末端在预设距离阈值内,若是,则所述目标点作为虚拟门的第一点;若否,则将所述目标设备当前在环境中所处位置作为虚拟门的第一点。接着,根据所述虚拟门的第一点为原点,以所述第一边线为一坐标轴的正方向,采用右手笛卡坐标系,判断是否存在至少一点特征落在第一象限中;若是,则从落在第一象限中的一个或多个点特征中选取距离所述虚拟门第一点最短的作为虚拟门的第二点,根据所述虚拟门的第一点及第二点生成虚拟门;若否,则判断是否存在至少一个线特征数据对应的线特征与所述第一边线的延长线相交,若存在,以所述第一边线的延长线作为虚拟门。
在本申请一实施例中,在点特征集合中查找是否有与First Line末端在一定距离阈值内的,若有,则将该点特征记为虚拟门的第一点(First Point),若没有,则将目标设备当前在环境中所处位置记为First Point。以First Point为原点,以First Line方向为y轴正方向,采用右手笛卡尔坐标系,记录落在第一象限中所有的点特征集合,记为虚拟门的第二点候选集合(Second Point Candidates)。若Second Point Candidates为空,说明不存在点落在第一象限,则判断First Line延长线是否与某个线特征相交,若有,则该延长线作为虚拟门。若Second Point Candidates不为空,从中选出距离First Point距离最近的作为Second Point,然后,根据First Point和Second Point生成虚拟门。
通过本申请所述的自适应区域划分的方法,从而实现所生成的分区与实际环境匹配,避免了将一堵墙或门分到同一区域导致不连通的两部分在同一区域中,可应用于移动扫地设备,能够在清扫过程中,依据当前环境的激光数据生成虚拟门,达到自适应划分区域的目的,从而使得移动扫地设备能够更加高效快速覆盖全空间。
根据本申请再一个方面,还提供了一种计算机可读介质,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现一种自适应区域划分的方法。例如,所述计算机可读指令可被处理器执行:
基于激光雷达数据和里程计数据构建环境地图,以确定目标设备所在的环境信息;
根据所述激光雷达数据进行特征提取,以确定特征数据,其中,所述特征数据包括线特征数据和点特征数据;
根据所述特征数据及所述目标设备所在的环境信息生成虚拟门;
根据所述虚拟门将所述目标设备所在的待划分区域进行划分。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
需要注意的是,本申请可在软件和/或软件与硬件的组合体中被实施,例如,可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中,本申请的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地,本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中,例如,RAM存储器,磁或光驱动器或软磁盘及类似设备。另外,本申请的一些步骤或功能可采用硬件来实现,例如,作为与处理器配合从而执行各个步骤或功能的电路。
另外,本申请的一部分可被应用为计算机程序产品,例如计算机程序指令,当其被计算机执行时,通过该计算机的操作,可以调用或提供根据本申请的方法和/或技术方案。而调用本申请的方法的程序指令,可能被存储在固定的或可移动的记录介质中,和/或通过广播或其他信号承载媒体中的数据流而被传输,和/或被存储在根据所述程序指令运行的计算机设备的工作存储器中。在此,根据本申请的一个实施例包括一个装置,该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器,其中,当该计算机程序指令被该处理器执行时,触发该装置运行基于前述根据本申请的多个实施例的方法和/或技术方案。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其他的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
Claims (16)
1.一种自适应区域划分的方法,其中,所述方法包括:
基于激光雷达数据和里程计数据构建环境地图,以确定目标设备所在的环境信息;
根据所述激光雷达数据进行特征提取,以确定特征数据,其中,所述特征数据包括线特征数据和点特征数据;
根据所述特征数据及所述目标设备所在的环境信息生成虚拟门;
根据所述虚拟门将所述目标设备所在的待划分区域进行划分;
其中,根据所述特征数据及所述目标设备所在的环境信息生成虚拟门,包括:
根据所述目标设备边侧检测到的线特征确定第一边线;
根据所述第一边线及所述点特征数据确定虚拟门的第一点;
根据所述虚拟门的第一点及由所述第一边线及虚拟门的第一点确定的第二点生成所述虚拟门,或,根据所述第一边线及所述线特征数据生成所述虚拟门。
2.根据权利要求1所述的方法,其中,确定目标设备所在的环境信息包括:
规划目标设备的全局路径及确定目标设备所在的环境位置信息。
3.根据权利要求1所述的方法,其中,根据所述激光雷达数据进行特征提取,以确定特征数据,包括:
根据所述激光雷达数据通过霍夫线拟合确定线特征数据;
根据所述线特征数据及所述激光雷达数据确定点特征数据。
4.根据权利要求3所述的方法,其中,所述根据所述线特征数据及所述激光雷达数据确定点特征数据,包括:
若两个线特征收尾相连,且第一条线方向与第二条方向叉积大于0,则以该两个线特征的首尾交点的数据作为点特征数据;
若相连三个激光数据点距离满足预设模式,则以中间的激光数据点作为点特征数据。
5.根据权利要求1所述的方法,其中,根据所述第一边线及所述点特征数据确定虚拟门的第一点,包括:
在所述点特征数据组成的集合中查找是否存在目标点距离所述第一边线的末端在预设距离阈值内,若是,则所述目标点作为虚拟门的第一点;
若否,则将所述目标设备当前在环境中所处位置作为虚拟门的第一点。
6.根据权利要求1所述的方法,其中,根据所述虚拟门的第一点及由所述第一边线及虚拟门的第一点确定的第二点生成所述虚拟门,包括:
根据所述虚拟门的第一点为原点,以所述第一边线为一坐标轴的正方向,采用右手笛卡坐标系,判断是否存在至少一点特征落在第一象限中;
若是,则从落在第一象限中的一个或多个点特征中选取距离所述虚拟门第一点最短的作为虚拟门的第二点,根据所述虚拟门的第一点及第二点生成虚拟门;
若否,则判断是否存在至少一个线特征数据对应的线特征与所述第一边线的延长线相交,若存在,以所述第一边线的延长线作为虚拟门。
7.根据权利要求1所述的方法,其中,根据所述虚拟门将所述目标设备所在的待划分区域进行划分之后,包括:
在划分后的区域中按照之字形进行清扫。
8.一种自适应区域划分的系统,其中,所述系统包括:
传感器模块、特征提取模块、定位建图模块、虚拟门检测模块及区域覆盖算法模块,其中,
所述传感器模块用于采集激光雷达数据和里程计数据;
所述定位建图模块用于从所述传感器中获取激光雷达数据和里程计数据,构建环境地图,以确定目标设备所在的环境信息;
所述特征提取模块用于从所述传感器中获取激光雷达数据,进行特征提取,以确定特征数据,其中,所述特征数据包括线特征数据和点特征数据;
所述虚拟门检测模块用于根据所述特征提取模块中生成的特征数据及所述目标设备所在的环境信息生成虚拟门;
所述区域覆盖算法模块用于根据所述虚拟门检测模块生成的虚拟门,将所述目标设备所在的待划分区域进行划分;
其中,所述虚拟门检测模块用于:
根据所述目标设备边侧检测到的线特征确定第一边线;
根据所述第一边线及所述点特征数据确定虚拟门的第一点;
根据所述虚拟门的第一点及由所述第一边线及虚拟门的第一点确定的第二点生成所述虚拟门,或,根据所述第一边线及所述线特征数据生成所述虚拟门。
9.根据权利要求8所述的系统,其中,所述定位建图模块用于:
规划目标设备的全局路径及确定目标设备所在的环境位置信息。
10.根据权利要求8所述的系统,其中,所述特征提取模块用于:
根据所述激光雷达数据通过霍夫线拟合确定线特征数据;
根据所述线特征数据及所述激光雷达数据确定点特征数据。
11.根据权利要求10所述的系统,其中,所述特征提取模块用于:
若两个线特征收尾相连,且第一条线方向与第二条方向叉积大于0,则以该两个线特征的首尾交点的数据作为点特征数据;
若相连三个激光数据点距离满足预设模式,则以中间的激光数据点作为点特征数据。
12.根据权利要求8所述的系统,其中,所述虚拟门检测模块用于:
在所述点特征数据组成的集合中查找是否存在目标点距离所述第一边线的末端在预设距离阈值内,若是,则所述目标点作为虚拟门的第一点;
若否,则将所述目标设备当前在环境中所处位置作为虚拟门的第一点。
13.根据权利要求8所述的系统,其中,所述虚拟门检测模块用于:
根据所述虚拟门的第一点为原点,以所述第一边线为一坐标轴的正方向,采用右手笛卡坐标系,判断是否存在至少一点特征落在第一象限中;
若是,则从落在第一象限中的一个或多个点特征中选取距离所述虚拟门第一点最短的作为虚拟门的第二点,根据所述虚拟门的第一点及第二点生成虚拟门;
若否,则判断是否存在至少一个线特征数据对应的线特征与所述第一边线的延长线相交,若存在,以所述第一边线的延长线作为虚拟门。
14.根据权利要求8所述的系统,其中,所述系统包括:
地图存储模块,用于存储所述定位建图模块中生成的环境地图,其中,所述环境地图为栅格地图。
15.根据权利要求8所述的系统,其中,所述区域覆盖算法模块用于:
在划分后的区域中按照之字形进行清扫。
16.一种计算机可读介质,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现如权利要求1至7中任一项所述的方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710883732.3A CN107728615B (zh) | 2017-09-26 | 2017-09-26 | 一种自适应区域划分的方法及系统 |
PCT/CN2018/106807 WO2019062649A1 (zh) | 2017-09-26 | 2018-09-20 | 一种自适应区域划分的方法及系统 |
US16/650,387 US11537138B2 (en) | 2017-09-26 | 2018-09-20 | Adaptive region division method and system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710883732.3A CN107728615B (zh) | 2017-09-26 | 2017-09-26 | 一种自适应区域划分的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107728615A CN107728615A (zh) | 2018-02-23 |
CN107728615B true CN107728615B (zh) | 2019-12-13 |
Family
ID=61206933
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710883732.3A Active CN107728615B (zh) | 2017-09-26 | 2017-09-26 | 一种自适应区域划分的方法及系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11537138B2 (zh) |
CN (1) | CN107728615B (zh) |
WO (1) | WO2019062649A1 (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107728615B (zh) * | 2017-09-26 | 2019-12-13 | 上海思岚科技有限公司 | 一种自适应区域划分的方法及系统 |
CN108763571B (zh) * | 2018-06-05 | 2021-02-05 | 北京智行者科技有限公司 | 一种作业地图更新方法 |
CN110806746A (zh) * | 2018-07-18 | 2020-02-18 | 杭州萤石软件有限公司 | 应用于移动机器人的功能区划分方法和移动机器人 |
CN109144056B (zh) * | 2018-08-02 | 2021-07-06 | 上海思岚科技有限公司 | 移动机器人的全局自定位方法及设备 |
CN110967699B (zh) * | 2018-09-30 | 2022-03-22 | 毫末智行科技有限公司 | 用于确定车辆的环境目标所处的区域的方法及装置 |
CN109316134B (zh) * | 2018-11-12 | 2021-07-30 | 上海岚豹智能科技有限公司 | 一种扫地机的清扫方法和扫地机 |
CN111562777B (zh) * | 2019-01-29 | 2024-04-19 | 北京奇虎科技有限公司 | 一种扫地机器人的清扫路径规划方法和装置 |
CN110347152B (zh) * | 2019-06-11 | 2022-08-16 | 深圳拓邦股份有限公司 | 虚拟墙设置方法、系统及装置 |
CN110320532A (zh) * | 2019-06-13 | 2019-10-11 | 广州高新兴机器人有限公司 | 一种基于广义霍夫变换的机器人封闭环境自动建图方法 |
CN111489362B (zh) * | 2020-04-03 | 2023-12-05 | 北京小狗吸尘器集团股份有限公司 | 一种空间划分方法、装置、可读介质及电子设备 |
CN112180322B (zh) * | 2020-08-21 | 2022-12-23 | 天津市山石机器人有限责任公司 | 一种空间定位系统建立基础坐标系方法 |
CN112731440B (zh) * | 2020-12-25 | 2023-10-13 | 中国铁道科学研究院集团有限公司 | 高速铁路边坡形变检测方法及装置 |
CN113282076B (zh) * | 2021-03-31 | 2022-09-27 | 浙江大学 | 一种基于雷达射线分割地图的机器人远程回充装置及方法 |
CN113486481B (zh) * | 2021-06-25 | 2022-08-09 | 同济大学 | 一种环境感知网络的优化设置方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101000507A (zh) * | 2006-09-29 | 2007-07-18 | 浙江大学 | 移动机器人在未知环境中同时定位与地图构建的方法 |
CN101480795A (zh) * | 2008-01-11 | 2009-07-15 | 三星电子株式会社 | 计划移动机器人的路径的方法和设备 |
CN201573208U (zh) * | 2009-06-16 | 2010-09-08 | 泰怡凯电器(苏州)有限公司 | 实现室内服务机器人同时定位和地图创建的装置及机器人 |
CN101920498A (zh) * | 2009-06-16 | 2010-12-22 | 泰怡凯电器(苏州)有限公司 | 实现室内服务机器人同时定位和地图创建的装置及机器人 |
CN103914068A (zh) * | 2013-01-07 | 2014-07-09 | 中国人民解放军第二炮兵工程大学 | 一种基于栅格地图的服务机器人自主导航方法 |
CN105066997A (zh) * | 2015-07-28 | 2015-11-18 | 中国地质大学(武汉) | 一种面向室内导航的动态路径生成方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10260724A (ja) * | 1997-03-19 | 1998-09-29 | Yaskawa Electric Corp | 通路環境の地図生成方法 |
JP4352148B2 (ja) * | 2003-03-14 | 2009-10-28 | 独立行政法人科学技術振興機構 | 移動ロボット用地図作成システム |
US8930023B2 (en) * | 2009-11-06 | 2015-01-06 | Irobot Corporation | Localization by learning of wave-signal distributions |
US8284997B2 (en) * | 2009-03-11 | 2012-10-09 | Honeywell International Inc. | Vision-based vehicle navigation system and method |
US10335949B2 (en) * | 2016-01-20 | 2019-07-02 | Yujin Robot Co., Ltd. | System for operating mobile robot based on complex map information and operating method thereof |
US11125553B2 (en) * | 2016-06-24 | 2021-09-21 | Syracuse University | Motion sensor assisted room shape reconstruction and self-localization using first-order acoustic echoes |
JP6831213B2 (ja) * | 2016-11-09 | 2021-02-17 | 東芝ライフスタイル株式会社 | 電気掃除機 |
CN106530946A (zh) * | 2016-11-30 | 2017-03-22 | 北京贝虎机器人技术有限公司 | 用于编辑室内地图的方法及装置 |
CN106584472A (zh) * | 2016-11-30 | 2017-04-26 | 北京贝虎机器人技术有限公司 | 用于控制自主移动式设备的方法及装置 |
US20180165931A1 (en) * | 2016-12-14 | 2018-06-14 | Nanjing Avatarmind Robot Technology Co., Ltd. | Robot security inspection method based on environment map and robot thereof |
CN107728615B (zh) * | 2017-09-26 | 2019-12-13 | 上海思岚科技有限公司 | 一种自适应区域划分的方法及系统 |
-
2017
- 2017-09-26 CN CN201710883732.3A patent/CN107728615B/zh active Active
-
2018
- 2018-09-20 WO PCT/CN2018/106807 patent/WO2019062649A1/zh active Application Filing
- 2018-09-20 US US16/650,387 patent/US11537138B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101000507A (zh) * | 2006-09-29 | 2007-07-18 | 浙江大学 | 移动机器人在未知环境中同时定位与地图构建的方法 |
CN101480795A (zh) * | 2008-01-11 | 2009-07-15 | 三星电子株式会社 | 计划移动机器人的路径的方法和设备 |
CN201573208U (zh) * | 2009-06-16 | 2010-09-08 | 泰怡凯电器(苏州)有限公司 | 实现室内服务机器人同时定位和地图创建的装置及机器人 |
CN101920498A (zh) * | 2009-06-16 | 2010-12-22 | 泰怡凯电器(苏州)有限公司 | 实现室内服务机器人同时定位和地图创建的装置及机器人 |
CN103914068A (zh) * | 2013-01-07 | 2014-07-09 | 中国人民解放军第二炮兵工程大学 | 一种基于栅格地图的服务机器人自主导航方法 |
CN105066997A (zh) * | 2015-07-28 | 2015-11-18 | 中国地质大学(武汉) | 一种面向室内导航的动态路径生成方法 |
Non-Patent Citations (1)
Title |
---|
基于激光传感器的移动机器人定位和地图构建研究;刘丽雯;《中国优秀硕士学位论文全文数据库 信息科技辑》;20091015(第10期);I140-159 * |
Also Published As
Publication number | Publication date |
---|---|
US11537138B2 (en) | 2022-12-27 |
US20200225679A1 (en) | 2020-07-16 |
CN107728615A (zh) | 2018-02-23 |
WO2019062649A1 (zh) | 2019-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107728615B (zh) | 一种自适应区域划分的方法及系统 | |
CN107677279B (zh) | 一种定位建图的方法及系统 | |
US11644338B2 (en) | Ground texture image-based navigation method and device, and storage medium | |
CN110807350B (zh) | 用于面向扫描匹配的视觉slam的系统和方法 | |
US9619691B2 (en) | Multi-view 3D object recognition from a point cloud and change detection | |
US11300964B2 (en) | Method and system for updating occupancy map for a robotic system | |
CN109521757B (zh) | 静态障碍物识别方法和装置 | |
CN110675307A (zh) | 基于vslam的3d稀疏点云到2d栅格图的实现方法 | |
US8199977B2 (en) | System and method for extraction of features from a 3-D point cloud | |
US8498472B2 (en) | Image-based localization feature point registration apparatus, method and computer-readable medium | |
US20180113234A1 (en) | System and method for obstacle detection | |
EP3570253A1 (en) | Method and device for reconstructing three-dimensional point cloud | |
CN111308500B (zh) | 基于单线激光雷达的障碍物感知方法、装置和计算机终端 | |
CN115423846A (zh) | 多目标轨迹跟踪方法以及装置 | |
US9497443B1 (en) | 3-D environment mapping systems and methods of dynamically mapping a 3-D environment | |
CN111354022A (zh) | 基于核相关滤波的目标跟踪方法及系统 | |
CN110930520B (zh) | 一种语义分割标注方法、装置及设备 | |
CN117218628A (zh) | 多目标检测的方法、系统及服务器 | |
CN109855634B (zh) | 一种栅格地图的图像处理的方法及设备 | |
CN113203424B (zh) | 多传感器的数据融合方法、装置及相关设备 | |
CN113763468A (zh) | 一种定位方法、装置、系统及存储介质 | |
CN116152277B (zh) | 一种地图分割方法、装置、电子设备及介质 | |
WO2023193567A1 (zh) | 机器人的移动控制方法和装置、存储介质及电子装置 | |
CN112986942B (zh) | 边界探测方法、边界探测系统、电子设备和存储介质 | |
CN113971695A (zh) | 一种机器人定位的方法、装置及设备 |
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 |