CN108415434A - 一种机器人调度方法 - Google Patents

一种机器人调度方法 Download PDF

Info

Publication number
CN108415434A
CN108415434A CN201810275451.4A CN201810275451A CN108415434A CN 108415434 A CN108415434 A CN 108415434A CN 201810275451 A CN201810275451 A CN 201810275451A CN 108415434 A CN108415434 A CN 108415434A
Authority
CN
China
Prior art keywords
robot
destination node
coordinate
optimal path
image
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
Application number
CN201810275451.4A
Other languages
English (en)
Other versions
CN108415434B (zh
Inventor
王天雷
区嘉裕
康华洲
傅蓉
翟懿奎
贺跃帮
张昕
叶志鸿
许焕镔
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.)
Wuyi University
Original Assignee
Wuyi University
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 Wuyi University filed Critical Wuyi University
Priority to CN201810275451.4A priority Critical patent/CN108415434B/zh
Priority to PCT/CN2018/089511 priority patent/WO2019184083A1/zh
Publication of CN108415434A publication Critical patent/CN108415434A/zh
Application granted granted Critical
Publication of CN108415434B publication Critical patent/CN108415434B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/028—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal
    • G05D1/0282—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal generated in a local control room
    • 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
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • 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
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Electromagnetism (AREA)
  • Manipulator (AREA)

Abstract

本发明公开了一种机器人调度方法，通过获取机器人的中心初始坐标和机器人所需要到达的目标结点坐标，接着利用基于平面几何的调度算法得到机器人移动到目标结点的最优路径，使得机器人沿着最优路径并在基于平面几何的调度算法上，避让处于最优路径上的障碍物，从中心初始坐标移动至目标结点坐标，而当机器人到达目标结点后，根据操作指令完成对应的任务，并最后返回中心初始坐标。因此，在整个调度过程中，无须人工控制移动路径，就能够让机器人自动沿着最优路径并进行移动，从而使机器人更加实用、高效与方便，实现智能化。

Description

一种机器人调度方法
技术领域
本发明涉及机器人调度技术领域，尤其是一种机器人调度方法。
背景技术
随着时代的发展，机器人逐渐走入人们的日常生活，承担着举足轻重的工作。但是，现市场上能够自主调度移动的机器人并不常见，现代方法中各种路径规划的方法并没有很好地运用于现实的机器人之中。
例如，在网球场上，应用有许多网球训练的辅助设备，如网球发球机、捡球设备等。但现市场上的网球训练辅助设备的移动都是依靠人力来推动的，每当需要使用设备的时候，都需要人力推动设备走上一段路程来搬运该设备，这会额外消耗运动员的体力，从而降低训练的效果。
发明内容
为解决上述问题，本发明的目的在于提供一种机器人调度方法，无须人工控制移动路径，能够让机器人自动沿着最优路径并进行移动，从而使机器人更加实用、高效与方便，实现智能化。
本发明解决其问题所采用的技术方案是：
一种机器人调度方法，包括以下步骤：
S10、机器人启动；
S20、中央控制处理系统通过摄像头获取目标区域的图像，并对该图像进行处理，分别得到图像中机器人所在的中心初始坐标(xr,yr)和机器人所需要到达的目标结点坐标(xo,yo)；
S30、以中心初始坐标(xr,yr)和目标结点坐标(xo,yo)作为处理参数，中央控制处理系统利用基于平面几何的调度算法对该处理参数进行处理，得到机器人移动到目标结点的最优路径，并将与最优路径对应的移动指令发送至机器人；
S40、机器人沿着最优路径并在基于平面几何的调度算法上，避让处于最优路径上的障碍物，从中心初始坐标(xr,yr)移动至目标结点坐标(xo,yo)；
S50、机器人到达目标结点坐标(xo,yo)后，向中央控制处理系统发送到达信息，中央控制处理系统接收到到达信息后，向机器人发送相应的操作指令使机器人完成对应的任务；
S60、机器人完成对应的任务后，复位移动至中心初始坐标(xr,yr)。
进一步，步骤S20中的目标区域，为包含机器人和目标结点在内的摄像头所能获取到的区域。
进一步，步骤S20中，中央控制处理系统通过摄像头获取目标区域的图像，并对所获取的图像进行处理，分别得到图像中机器人所在的中心初始坐标(xr,yr)和机器人所需要到达的目标结点坐标(xo,yo)，包括以下步骤：
S21、中央控制处理系统接收由摄像头所获取到的目标区域的图像；
S22、使用OpenCV技术对图像进行腐蚀和膨胀处理；
S23、对经过腐蚀和膨胀处理的图像进行二值化处理，并对机器人和目标结点进行凸包处理，分别得到机器人和目标结点的最大外包围；
S24、根据机器人和目标结点的最大外包围分别得到机器人的中心初始坐标(xr,yr)和需要到达的目标结点坐标(xo,yo)。
进一步，步骤S30中，以中心初始坐标(xr,yr)和目标结点坐标(xo,yo)作为处理参数，中央控制处理系统利用基于平面几何的调度算法对该处理参数进行处理，得到机器人移动到目标结点的最优路径，包括以下步骤：
S31、根据中心初始坐标(xr,yr)和目标结点坐标(xo,yo)，构造一个直角三角形，该直角三角形的两个锐角点分别对应中心初始坐标(xr,yr)和目标结点坐标(xo,yo)，得到直角点的坐标为(xr,yo)；中心初始坐标(xr,yr)和目标结点坐标(xo,yo)之间的直连线设置为第一线段，目标结点坐标(xo,yo)和直角点坐标(xr,yo)之间的直连线设置为第二线段；
S32、通过公式求出第一线段的距离d；
S33、通过公式求出第一线段与第二线段之间的夹角g；
S34、根据中心初始坐标(xr,yr)和目标结点坐标(xo,yo)，判断得到目标结点相对于机器人的方位，接着根据目标结点相对于机器人所处的方位、夹角g和第一线段得到机器人移动到目标结点的最优路径。
进一步，步骤S40中，机器人沿着最优路径并在基于平面几何的调度算法上，避让处于最优路径上的障碍物，包括以下步骤：
S41、中央控制处理系统接收由摄像头所获取到的目标区域的图像；
S42、使用OpenCV技术对图像进行腐蚀和膨胀处理；
S43、对经过腐蚀和膨胀处理后的图像进行二值化处理，接着对障碍物进行凸包处理，分别得到障碍物的最大外包围；
S44、根据障碍物的最大外包围分别得到障碍物的中心结点坐标(a,b)以及障碍物的最大外包围中的左边缘结点坐标(aL,bL)和右边缘结点坐标(aR,bR)，其中左边缘结点和右边缘结点的连线垂直于最优路径；
S45、根据障碍物的中心结点偏离于最优路径的方向，机器人首先移动到左边缘结点坐标(aL,bL)或右边缘结点坐标(aR,bR)，最后再移动到目标结点坐标(xo,yo)。
进一步，步骤S50中机器人完成对应的任务，包括机器人自身所能够实现的功能动作或预先设定好的功能动作。
本发明的有益效果是：一种机器人调度方法，通过获取目标区域的图像并对其进行处理，得到机器人的中心初始坐标(xr,yr)和机器人所需要到达的目标结点坐标(xo,yo)，接着利用基于平面几何的调度算法对中心初始坐标(xr,yr)和目标结点坐标(xo,yo)进行处理，从而得到机器人移动到目标结点的最优路径，机器人沿着最优路径并在基于平面几何的调度算法上，避让处于最优路径上的障碍物，从中心初始坐标(xr,yr)移动至目标结点坐标(xo,yo)，而当机器人到达目标结点后，根据操作指令完成对应的任务，并最后返回中心初始坐标(xr,yr)。因此，在整个调度过程中，无须人工控制移动路径，就能够让机器人自动沿着最优路径并进行移动，从而使机器人更加实用、高效与方便，实现智能化。
附图说明
下面结合附图和实例对本发明作进一步说明。
图1是本发明的机器人调度方法的流程图；
图2是构建的直角三角形的示意图。
具体实施方式
参照图1－图2，本发明的一种机器人调度方法，包括以下步骤：
S10、机器人启动；
S20、中央控制处理系统通过摄像头获取目标区域的图像，并对该图像进行处理，分别得到图像中机器人所在的中心初始坐标(xr,yr)和机器人所需要到达的目标结点坐标(xo,yo)；
S30、以中心初始坐标(xr,yr)和目标结点坐标(xo,yo)作为处理参数，中央控制处理系统利用基于平面几何的调度算法对该处理参数进行处理，得到机器人移动到目标结点的最优路径，并将与最优路径对应的移动指令发送至机器人；
S40、机器人沿着最优路径并在基于平面几何的调度算法上，避让处于最优路径上的障碍物，从中心初始坐标(xr,yr)移动至目标结点坐标(xo,yo)；
S50、机器人到达目标结点坐标(xo,yo)后，向中央控制处理系统发送到达信息，中央控制处理系统接收到到达信息后，向机器人发送相应的操作指令使机器人完成对应的任务；
S60、机器人完成对应的任务后，复位移动至中心初始坐标(xr,yr)。
具体地，中央控制处理系统通过获取目标区域的图像并对其进行处理时，首先设定一个坐标系，参照图2，中央控制处理系统以摄像头所能够拍摄的全部图像的左上角作为坐标原点，因此能够得到机器人的中心初始坐标(xr,yr)和机器人所需要到达的目标结点坐标(xo,yo)，接着利用基于平面几何的调度算法对中心初始坐标(xr,yr)和目标结点坐标(xo,yo)进行处理，从而得到机器人移动到目标结点的最优路径，机器人沿着最优路径并在基于平面几何的调度算法上，避让处于最优路径上的障碍物，从中心初始坐标(xr,yr)移动至目标结点坐标(xo,yo)，而当机器人到达目标结点后，根据操作指令完成对应的任务，并最后返回中心初始坐标(xr,yr)。因此，在整个调度过程中，无须人工控制移动路径，就能够让机器人自动沿着最优路径并进行移动，从而使机器人更加实用、高效与方便，实现智能化。
其中，参照图1－图2，步骤S20中的目标区域，为包含机器人和目标结点在内的摄像头所能获取到的区域。具体地，摄像头为能够获取全景的中央摄像头，例如在网球场中，该摄像头则为架设于网球场上空能够纵观全场及拍摄全场场景的中央摄像头，因此，由该摄像头拍摄的图像中，机器人和目标结点均能够被包含在内。
其中，参照图1－图2，步骤S20中，中央控制处理系统通过摄像头获取目标区域的图像，并对所获取的图像进行处理，分别得到图像中机器人所在的中心初始坐标(xr,yr)和机器人所需要到达的目标结点坐标(xo,yo)，包括以下步骤：
S21、中央控制处理系统接收由摄像头所获取到的目标区域的图像；
S22、使用OpenCV技术对图像进行腐蚀和膨胀处理；
S23、对经过腐蚀和膨胀处理后的图像进行二值化处理，接着对机器人和目标结点进行凸包处理，分别得到机器人和目标结点的最大外包围；
S24、根据机器人和目标结点的最大外包围分别得到机器人的中心初始坐标(xr,yr)和需要到达的目标结点坐标(xo,yo)。
具体地，步骤S23中得到的机器人的最大外包围和目标结点的最大外包围，指能够分别把机器人和目标结点的轮廓外围包含在内的外包围，并且，此处对目标结点的理解，不限制于机器人最终需要到达的地点，也可以是机器人中途移动时所经过的地点，例如处于最优路径中的障碍物等。若当前的目标结点为处于最优路径中的障碍物时，机器人到达障碍物处时，会以该障碍物所处的地点作为新的中心初始坐标，并以另一障碍物或最终需要到达的地点作为新的目标结点，从而重复确定两者的新的坐标，从而使得机器人能够以最优的路径移动到最终需要到达的地点。
其中，参照图1－图2，步骤S30中，以中心初始坐标(xr,yr)和目标结点坐标(xo,yo)作为处理参数，中央控制处理系统利用基于平面几何的调度算法对该处理参数进行处理，得到机器人移动到目标结点的最优路径，包括以下步骤：
S31、根据中心初始坐标(xr,yr)和目标结点坐标(xo,yo)，构造一个直角三角形，该直角三角形的两个锐角点分别对应中心初始坐标(xr,yr)和目标结点坐标(xo,yo)，得到直角点的坐标为(xr,yo)；中心初始坐标(xr,yr)和目标结点坐标(xo,yo)之间的直连线设置为第一线段，目标结点坐标(xo,yo)和直角点坐标(xr,yo)之间的直连线设置为第二线段；
S32、通过公式求出第一线段的距离d；
S33、通过公式求出第一线段与第二线段之间的夹角g；
S34、根据中心初始坐标(xr,yr)和目标结点坐标(xo,yo)，判断得到目标结点相对于机器人的方位，接着根据目标结点相对于机器人所处的方位、夹角g和第一线段得到机器人移动到目标结点的最优路径。
具体地，步骤S30中，利用中心初始坐标(xr,yr)和目标结点坐标(xo,yo)构建一个用于获取最优路径的直角三角形，不仅方法简单，并且计算量小，从而能够达到调度方法更加迅速、高效、成本更低的效果。而在步骤S34中，参照图2，根据中心初始坐标(xr,yr)和目标结点坐标(xo,yo)，判断得到目标结点相对于机器人的方位，具体由以下方式实现：当yo<yr时，可以判断目标结点处于机器人的后方，在此基础上，当xo<xr时，则可判断目标结点处于机器人的左后方，当xo>xr时，则可判断目标结点处于机器人的右后方；当yo>yr时，可以判断目标结点处于机器人的前方，在此基础上，当xo<xr时，则可判断目标结点处于机器人的左前方，当xo>xr时，则可判断目标结点处于机器人的右前方。因此，在确定好目标结点相对于机器人的方位后，结合夹角g和第一线段即可得到机器人移动到目标结点的最优路径。
其中，参照图1－图2，步骤S40中，机器人沿着最优路径并在基于平面几何的调度算法上，避让处于最优路径上的障碍物，包括以下步骤：
S41、中央控制处理系统接收由摄像头所获取到的目标区域的图像；
S42、使用OpenCV技术对图像进行腐蚀和膨胀处理；
S43、对经过腐蚀和膨胀处理的图像进行二值化处理，并对障碍物进行凸包处理，分别得到障碍物的最大外包围；
S44、根据障碍物的最大外包围分别得到障碍物的中心结点坐标(a,b)以及障碍物的最大外包围中的左边缘结点坐标(aL,bL)和右边缘结点坐标(aR,bR)，其中左边缘结点和右边缘结点的连线垂直于最优路径；
S45、根据障碍物的中心结点偏离于最优路径的方向，机器人首先移动到左边缘结点坐标(aL,bL)或右边缘结点坐标(aR,bR)，最后再移动到目标结点坐标(xo,yo)。
具体地，当在最优路径中存在障碍物时，首先判断障碍物的左边缘结点和右边缘结点分别相对于最优路径的垂直距离，如果左边缘结点相对于最优路径的垂直距离比右边缘结点相对于最优路径的垂直距离小，此时，会将右边缘结点作为中间目标结点，此时，机器人会改变原来的最优路径，从机器人的中心初始坐标(xr,yr)移动到障碍物的右边缘结点坐标(aR,bR)，接着，机器人再从障碍物的右边缘结点坐标(aR,bR)移动到机器人所需要到达的目标结点坐标(xo,yo)。如果左边缘结点相对于最优路径的垂直距离比右边缘结点相对于最优路径的垂直距离大，和上述的方法一样，机器人首先移动到障碍物的左边缘结点坐标(aL,bL)，最后再移动到目标结点坐标(xo,yo)。
其中，步骤S50中机器人完成对应的任务，包括机器人自身所能够实现的功能动作或预先设定好的功能动作。具体地，例如机器人为拾球机器人，则机器人自身所能够实现的功能动作即是拾取网球；又如，在拾球机器人之上放置一个储球篮，并且预先设定拾球机器人移动网球的距离和角度，那么，机器人的预先设定好的功能动作，即是拾球机器人把网球放进储球篮的动作。
以上是对本发明的较佳实施进行了具体说明，但本发明并不局限于上述实施方式，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (6)

1.一种机器人调度方法，其特征在于：包括以下步骤：
S10、机器人启动；
S20、中央控制处理系统通过摄像头获取目标区域的图像，并对该图像进行处理，分别得到图像中机器人所在的中心初始坐标(xr,yr)和机器人所需要到达的目标结点坐标(xo,yo)；
S30、以中心初始坐标(xr,yr)和目标结点坐标(xo,yo)作为处理参数，中央控制处理系统利用基于平面几何的调度算法对该处理参数进行处理，得到机器人移动到目标结点的最优路径，并将与最优路径对应的移动指令发送至机器人；
S40、机器人沿着最优路径并在基于平面几何的调度算法上，避让处于最优路径上的障碍物，从中心初始坐标(xr,yr)移动至目标结点坐标(xo,yo)；
S50、机器人到达目标结点坐标(xo,yo)后，向中央控制处理系统发送到达信息，中央控制处理系统接收到到达信息后，向机器人发送相应的操作指令使机器人完成对应的任务；
S60、机器人完成对应的任务后，复位移动至中心初始坐标(xr,yr)。
2.根据权利要求1所述的一种机器人调度方法，其特征在于：所述步骤S20中的目标区域，为包含机器人和目标结点在内的摄像头所能获取到的区域。
3.根据权利要求2所述的一种机器人调度方法，其特征在于：所述步骤S20中，中央控制处理系统通过摄像头获取目标区域的图像，并对所获取的图像进行处理，分别得到图像中机器人所在的中心初始坐标(xr,yr)和机器人所需要到达的目标结点坐标(xo,yo)，包括以下步骤：
S21、中央控制处理系统接收由摄像头所获取到的目标区域的图像；
S22、使用OpenCV技术对图像进行腐蚀和膨胀处理；
S23、对经过腐蚀和膨胀处理的图像进行二值化处理，并对机器人和目标结点进行凸包处理，分别得到机器人和目标结点的最大外包围；
S24、根据机器人和目标结点的最大外包围分别得到机器人的中心初始坐标(xr,yr)和需要到达的目标结点坐标(xo,yo)。
4.根据权利要求1所述的一种机器人调度方法，其特征在于：所述步骤S30中，以中心初始坐标(xr,yr)和目标结点坐标(xo,yo)作为处理参数，中央控制处理系统利用基于平面几何的调度算法对该处理参数进行处理，得到机器人移动到目标结点的最优路径，包括以下步骤：
S31、根据中心初始坐标(xr,yr)和目标结点坐标(xo,yo)，构造一个直角三角形，该直角三角形的两个锐角点分别对应中心初始坐标(xr,yr)和目标结点坐标(xo,yo)，得到直角点的坐标为(xr,yo)；中心初始坐标(xr,yr)和目标结点坐标(xo,yo)之间的直连线设置为第一线段，目标结点坐标(xo,yo)和直角点坐标(xr,yo)之间的直连线设置为第二线段；
S32、通过公式求出第一线段的距离d；
S33、通过公式求出第一线段与第二线段之间的夹角g；
S34、根据中心初始坐标(xr,yr)和目标结点坐标(xo,yo)，判断得到目标结点相对于机器人的方位，接着根据目标结点相对于机器人所处的方位、夹角g和第一线段得到机器人移动到目标结点的最优路径。
5.根据权利要求1所述的一种机器人调度方法，其特征在于：所述步骤S40中，机器人沿着最优路径并在基于平面几何的调度算法上，避让处于最优路径上的障碍物，包括以下步骤：
S41、中央控制处理系统接收由摄像头所获取到的目标区域的图像；
S42、使用OpenCV技术对图像进行腐蚀和膨胀处理；
S43、对经过腐蚀和膨胀处理后的图像进行二值化处理，接着对障碍物进行凸包处理，分别得到障碍物的最大外包围；
S44、根据障碍物的最大外包围分别得到障碍物的中心结点坐标(a,b)以及障碍物的最大外包围中的左边缘结点坐标(aL,bL)和右边缘结点坐标(aR,bR)，其中左边缘结点和右边缘结点的连线垂直于最优路径；
S45、根据障碍物的中心结点偏离于最优路径的方向，机器人首先移动到左边缘结点坐标(aL,bL)或右边缘结点坐标(aR,bR)，最后再移动到目标结点坐标(xo,yo)。
6.根据权利要求1所述的一种机器人调度方法，其特征在于：所述步骤S50中机器人完成对应的任务，包括机器人自身所能够实现的功能动作或预先设定好的功能动作。
CN201810275451.4A 2018-03-29 2018-03-29 一种机器人调度方法 Active CN108415434B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201810275451.4A CN108415434B (zh) 2018-03-29 2018-03-29 一种机器人调度方法
PCT/CN2018/089511 WO2019184083A1 (zh) 2018-03-29 2018-06-01 一种机器人调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810275451.4A CN108415434B (zh) 2018-03-29 2018-03-29 一种机器人调度方法

Publications (2)

Publication Number Publication Date
CN108415434A true CN108415434A (zh) 2018-08-17
CN108415434B CN108415434B (zh) 2021-05-25

Family

ID=63132728

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810275451.4A Active CN108415434B (zh) 2018-03-29 2018-03-29 一种机器人调度方法

Country Status (2)

Country Link
CN (1) CN108415434B (zh)
WO (1) WO2019184083A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109108973A (zh) * 2018-08-29 2019-01-01 广州市君望机器人自动化有限公司 单向式路径调度方法及系统
CN111289002A (zh) * 2019-09-24 2020-06-16 陈水弟 一种机器人路径规划方法及系统
WO2021082709A1 (zh) * 2019-10-31 2021-05-06 五邑大学 水下清淤机器人路径规划方法、装置、机器人和存储介质
CN112907625A (zh) * 2021-02-05 2021-06-04 齐鲁工业大学 应用于四足仿生机器人的目标跟随方法及系统
CN114018246A (zh) * 2021-11-15 2022-02-08 北京克莱明科技有限公司 一种定位导航方法和定位导航装置
CN117351010A (zh) * 2023-12-04 2024-01-05 中科慧远视觉技术（洛阳）有限公司 一种基于深度学习的金属凹陷结构缺陷检测方法及装置

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113804208B (zh) * 2020-09-18 2024-05-17 北京京东乾石科技有限公司 无人车路径优化方法及相关设备

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080189004A1 (en) * 2007-01-26 2008-08-07 Mcmurtry Richard Ball collection apparatus
CN201142025Y (zh) * 2007-12-28 2008-10-29 北京工业大学 一种微型迷宫机器人
US20110307838A1 (en) * 2010-06-14 2011-12-15 Microsoft Corporation Fast edge routing for interactive diagramming
CN102520723A (zh) * 2011-12-28 2012-06-27 天津理工大学 基于上悬无线传输摄像头的轮椅室内全局视频监控导航系统
CN103699136A (zh) * 2014-01-14 2014-04-02 河海大学常州校区 基于蛙跳算法的智能家庭服务机器人系统及服务方法
CN104834309A (zh) * 2015-04-10 2015-08-12 浙江工业大学 基于目标跟踪控制策略的单移动机器人最优巡回控制方法
CN106054882A (zh) * 2016-06-15 2016-10-26 深圳市金佰科创发展有限公司 一种机器人避障方法
CN106371446A (zh) * 2016-12-03 2017-02-01 河池学院 一种室内机器人导航定位系统
CN106774315A (zh) * 2016-12-12 2017-05-31 深圳市智美达科技股份有限公司 机器人自主导航方法和装置
CN107137890A (zh) * 2016-09-27 2017-09-08 五邑大学 一种基于图像识别的智能网球拾取机器人
CN107368074A (zh) * 2017-07-27 2017-11-21 南京理工大学 一种基于视频监控的机器人自主导航方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0213939B1 (en) * 1985-08-30 1992-08-12 Texas Instruments Incorporated Mobile vehicle controller utilization of delayed absolute position data for guidance and navigation
CN103324192A (zh) * 2012-03-23 2013-09-25 苏州宝时得电动工具有限公司 边界设置方法及边界设置系统
CN106647729A (zh) * 2015-11-03 2017-05-10 南京苏立机器人科技有限公司 基于图像识别与无线网络的agv导航系统及导航方法
JP6600740B2 (ja) * 2016-04-07 2019-10-30 株式会社日立製作所 制御システムおよび制御装置

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080189004A1 (en) * 2007-01-26 2008-08-07 Mcmurtry Richard Ball collection apparatus
CN201142025Y (zh) * 2007-12-28 2008-10-29 北京工业大学 一种微型迷宫机器人
US20110307838A1 (en) * 2010-06-14 2011-12-15 Microsoft Corporation Fast edge routing for interactive diagramming
CN102520723A (zh) * 2011-12-28 2012-06-27 天津理工大学 基于上悬无线传输摄像头的轮椅室内全局视频监控导航系统
CN103699136A (zh) * 2014-01-14 2014-04-02 河海大学常州校区 基于蛙跳算法的智能家庭服务机器人系统及服务方法
CN104834309A (zh) * 2015-04-10 2015-08-12 浙江工业大学 基于目标跟踪控制策略的单移动机器人最优巡回控制方法
CN106054882A (zh) * 2016-06-15 2016-10-26 深圳市金佰科创发展有限公司 一种机器人避障方法
CN107137890A (zh) * 2016-09-27 2017-09-08 五邑大学 一种基于图像识别的智能网球拾取机器人
CN106371446A (zh) * 2016-12-03 2017-02-01 河池学院 一种室内机器人导航定位系统
CN106774315A (zh) * 2016-12-12 2017-05-31 深圳市智美达科技股份有限公司 机器人自主导航方法和装置
CN107368074A (zh) * 2017-07-27 2017-11-21 南京理工大学 一种基于视频监控的机器人自主导航方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
林广茂，等: "基于视觉识别的全自动网球拾取机器人设计方法", 《机电工程技术》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109108973A (zh) * 2018-08-29 2019-01-01 广州市君望机器人自动化有限公司 单向式路径调度方法及系统
CN109108973B (zh) * 2018-08-29 2021-05-07 广州安商智能科技有限公司 单向式路径调度方法及系统
CN111289002A (zh) * 2019-09-24 2020-06-16 陈水弟 一种机器人路径规划方法及系统
WO2021082709A1 (zh) * 2019-10-31 2021-05-06 五邑大学 水下清淤机器人路径规划方法、装置、机器人和存储介质
CN112907625A (zh) * 2021-02-05 2021-06-04 齐鲁工业大学 应用于四足仿生机器人的目标跟随方法及系统
CN114018246A (zh) * 2021-11-15 2022-02-08 北京克莱明科技有限公司 一种定位导航方法和定位导航装置
CN114018246B (zh) * 2021-11-15 2024-02-06 北京克莱明科技有限公司 一种定位导航方法和定位导航装置
CN117351010A (zh) * 2023-12-04 2024-01-05 中科慧远视觉技术（洛阳）有限公司 一种基于深度学习的金属凹陷结构缺陷检测方法及装置
CN117351010B (zh) * 2023-12-04 2024-03-01 中科慧远视觉技术（洛阳）有限公司 一种基于深度学习的金属凹陷结构缺陷检测方法及装置

Also Published As

Publication number Publication date
WO2019184083A1 (zh) 2019-10-03
CN108415434B (zh) 2021-05-25

Similar Documents

Publication Publication Date Title
CN108415434A (zh) 一种机器人调度方法
WO2020134254A1 (zh) 一种基于强化学习的喷涂机器人轨迹优化方法
CN109741257A (zh) 全景图全自动拍摄、拼接系统及方法
CN103473774B (zh) 一种基于路面图像特征匹配的车辆定位方法
CN107330917A (zh) 移动目标的跟踪拍摄方法和跟踪设备
US11983898B2 (en) Monitoring method, electronic device and storage medium
WO2022081863A3 (en) Systems and methods for autofocus and automated cell count using artificial intelligence
CN105069795B (zh) 运动对象跟踪方法及装置
CN106153059A (zh) 基于视觉标识对接充电装置的方法
CN103414872B (zh) 一种目标位置驱动ptz摄像机的方法
CN107818333A (zh) 基于深度信念网络的机器人避障行为学习和目标搜索方法
CN104090664B (zh) 一种交互式投影方法、装置及系统
CN209174850U (zh) 采用机器视觉定位大包下水口的装置
CN107843251A (zh) 移动机器人的位姿估计方法
CN109045676A (zh) 一种象棋识别学习算法和基于该算法的机器人智动化系统与方法
CN104408704A (zh) 一种自动化变焦镜头标定装置及标定方法
CN113159466A (zh) 一种短时光伏发电功率预测系统及方法
CN109274883A (zh) 姿态矫正方法、装置、终端及存储介质
Mount et al. 2d visual place recognition for domestic service robots at night
CN109658511B (zh) 一种基于影像的相邻帧间姿态信息的计算方法及相关装置
CN106325278B (zh) 一种基于椭圆识别的机器人定位导航方法
CN117058547A (zh) 一种无人艇动态目标跟踪方法
CN112164112A (zh) 一种获取机械臂位姿信息的方法及装置
CN110009696A (zh) 基于蜂群算法优化bp神经网络三目视觉标定
CN110181504B (zh) 一种控制机械臂移动的方法、装置及控制设备

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