CN108445882A - 具有跟踪功能的自动导引车 - Google Patents
具有跟踪功能的自动导引车 Download PDFInfo
- Publication number
- CN108445882A CN108445882A CN201810254255.9A CN201810254255A CN108445882A CN 108445882 A CN108445882 A CN 108445882A CN 201810254255 A CN201810254255 A CN 201810254255A CN 108445882 A CN108445882 A CN 108445882A
- Authority
- CN
- China
- Prior art keywords
- holder
- track
- target
- vehicle
- car body
- 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
Links
- 230000033001 locomotion Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000009017 pursuit movement Effects 0.000 claims description 3
- 230000004888 barrier function Effects 0.000 claims description 2
- 230000005021 gait Effects 0.000 claims description 2
- 230000005611 electricity Effects 0.000 claims 1
- 230000032258 transport Effects 0.000 claims 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 210000003739 neck Anatomy 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
- G05D1/0246—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
- 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- 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)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明属于机器人领域,具体为一种具有跟踪功能的自动导引车。包括有上位机(1)、下位机(2)、车体(3)、云台(4)、摄像头(5)、路径识别模块(6)、云台驱动(7)、车轮驱动(8)、激光测距模块(9)。导引车具有两种工作模式:第一种为自动导引模式,第二种为跟踪导引模式。导引车的上位机(1)的跟踪算法采用改进的Camshift算法。本发明可应用于物流搬运、货物搬运等工作环境中。
Description
技术领域
本发明属于机器人领域,涉及一种具有跟踪功能的自动导引车,特别涉及一种能够跟踪指定目标的自动导引车。
背景技术
自动导引车是机器人领域的热点研究问题,其可在物流配送、仓库搬运等许多领域有着重要的应用价值。自动导引车具有磁条、轨道或者激光等自动导引设备,沿规划好的路径行驶。自动导引车可准确地按照规定的路径行走。也就是说,自动导引车行走前必须提前规划好行走路径,对于路径具有不确定的场所,自动导引车就无法应用。
因此,设计一种能够跟踪指定目标的自动导引车能够提高导引车应用的灵活性,具有很好的应用价值。
发明内容
本发明所要解决的技术问题是,针对具有路径不确定性的应用场景,设计一种能够实现自动跟踪功能的自动导引车。
本发明所采用的技术方案是:一种具有跟踪功能的自动导引车,包括有上位机(1)、下位机(2)、车体(3)、云台(4)、摄像头(5)、路径识别模块(6)、云台驱动(7)、车轮驱动(8)、激光测距模块(9)。
上位机(1)由计算机构成,可通过摄像头(5)采集图像,路径识别模块(6)可采集导引车当前的路径信息,云台(4)为两自由度云台,可实现上下和左右旋转运动,下位机(2)采用DSP作为控制芯片,可给出云台运动指令,通过云台驱动(7)驱动云台(4)旋转,下位机(2)也给出车体运动指令,通过车轮驱动(8)驱动车体的两个电机运动。车体(3)有左右轮两个驱动电机和一个万向轮,通过两个驱动电机的差速控制实现转向。摄像头(5)和激光测距模块(9)都固定在云台(4)上,可由云台(4)带动旋转,云台(4)固定在车体(3)上,激光测距模块(9)测量障碍物与车体之间的距离,并传递给下位机(2)。
本发明的目的在于构造一种具有跟踪功能的自动导引车,可应用于路径具有不确定性的场景中,具有很好的实用性。
附图说明
图1是具有跟踪功能的自动导引车结构示意图。
图2是反向投影图中像素点分布图。
具体实施方式
下面结合附图对本发明作进一步详细说明。
如图1所示,具有跟踪功能的自动导引车具有两种工作模式:第一种为自动导引模式,第二种为跟踪导引模式。
当具有跟踪功能的自动导引车处于自动导引模式时,导引车按照上位机(1)中存储的规划路径行走。上位机(1)将规划路径传送给下位机(2),路径识别模块(6)采集当前路径信息,下位机(2)将采集到的当前路径信息与规划路径进行比对,通过车轮驱动(8)驱动车体(3)的两个电机差速运动,实现车体按照规划路径行进。在自动导引模式时,摄像头(5)、激光测距模块(9)、云台驱动(7)、云台(4)不工作。
当具有跟踪功能的自动导引车处于跟踪导引模式时,跟踪目标站立于摄像头(5)前,上位机(1)利用高斯混合模型确定出目标模板,开始跟踪,移动目标可在铺有轨道的场地内移动行走。上位机(1)的跟踪算法采用改进的Camshift算法实现跟踪,当导引车开始跟踪目标时,上位机(1)根据运动目标偏离显示屏中心点的距离,给下位机(2)发出偏离误差指令信号,下位机(2)接收到偏离误差指令信号后,通过云台驱动(7)驱动云台(4)带动摄像头(5)上下和左右旋转,实现摄像头对目标的跟踪运动,路径识别模块(6)采集场地内的轨道信息,下位机(2)根据当前轨道信息通过车轮驱动(8)驱动车体的两个电机旋转,实现导引车沿铺设轨道行进,当路径识别模块(6)采集到导引车处于交叉路口时,下位机(2)根据云台(4)的左右旋转方向,给出导引车的左右转弯指令,激光测距模块(9)测量运动目标与导引车之间的距离,并传送给下位机(2),下位机(2)根据运动目标与导引车之间的距离给出车体行进速度,通过车轮驱动(8)驱动车体(3)的两个电机旋转,确保导引车与运动目标之间的距离不超过给定阈值,实现导引车沿着铺设轨道对运动目标的跟踪运动。
在现有常用跟踪算法中,Camshift算法具有较稳定的实际应用性能。但Camshift算法主要适用于显著性目标的跟踪。当目标与周围背景相似时,目标就淹没在背景中,Camshift算法就无法识别和跟踪目标。
为此,本发明所设计的导引车的上位机(1)的跟踪算法采用改进的Camshift算法。
设将HSV颜色空间中的色度(H)值划分为m个等级,目标区域中共有S个像素点,其中第i个像素的坐标位置为{(xi,yi)},i=1,2,…,S,该点对应的色度等级值为b(xi,yi),则可建立起目标区域的目标色度直方图模型q={qu},u=1,2,...,m为:
其中,u为色度等级变量。
设跟踪窗中位置为(x,y)的像素点的色度等级值为h,根据式(1)的目标直方图模型,可获得该点的反向投影概率值:
采用像素灰度值来代表概率值,则上述反向概率值对应的投影灰度值为pg(x,y):
其中,符号代表取整操作。将跟踪窗中所有像素点都利用式(3)求得反向概率投影灰度值,则可得到反向概率投影图。反向概率投影图中的像素点的灰度值均在0~255之间,灰度值为255的像素点为白色,代表该像素点属于目标区域的概率大,灰度值为0的像素点为黑色,代表该像素点属于目标区域的概率小。
为了能够突出反向概率投影图中目标区的概率灰度值,或者抑制背景区的概率灰度值,本发明对式(2)所求的反向概率投影图进行色度关联计算,即将每个像素点与周围像素点的概率值进行关联计算,从而确定出反向投影关联概率值。设反向概率投影图中某像素点a0,0及其周围像素的分布如图2所示。图2中,ai,j代表围绕a0,0的第i圈的第j个像素,该像素点利用式(2)所求得的概率值为p0 i,j。对像素点a0,0的概率值p0 0,0进行一次关联计算,可得p1 0,0:
根据式(4)可继续推导多次关联计算结果,例如,像素点a0,0的k次关联计算结果为:
经过关联计算后,目标区域的概率会有所抑制,但背景区的概率值会抑制得更加明显,这样,可提高目标区概率的相对值,从而可突出目标区而抑制背景区,最终达到改善目标定位的作用。根据上述所得概率值,进行归一化处理后,可得反向投影概率图中像素点坐标(i,j)的灰度值pi,j为:
其中,pk max为k次关联计算后跟踪窗中的最大概率值。
利用关联计算后的反向投影概率图进行目标的识别和定位,可有效提高目标识别的准确性。采用上述关联计算后的反向概率投影图进行目标识别与跟踪的具体算法描述如下:
Step 1.选定被跟踪目标,利用式(1)建立被跟踪目标的色度直方图模型q={qu},u=1,2,...,m。
Step 2.利用式(2)求取反向投影概率值。
Step 3.利用式(5)求取k次关联概率值。
Step 4.利用式(6)求取反向投影概率图。
Step 5.根据所建立的反向投影概率图的灰度值,分别计算搜索窗的零阶矩和一阶矩:
Step 6.利用所求得的零阶矩和一阶矩计算搜索窗的质心位置(xc,yc):
Step 7.自适应调整搜索窗口的边长:
将搜索窗的中心漂移到搜索窗的质心位置,将漂移距离与设定阈值相比较,当漂移距离大于设定阈值时,重复Step5-Step7,直到漂移距离小于设定阈值为止,然后转至Step 8。
Step 8.根据关联概率值计算搜索窗的二阶矩:
根据上述所求得的二阶矩,计算如下三个参数:
根据所求得的参数,自适应更新目标区的大小和方向。其中,目标区的长更新为:
目标区的宽更新为:
目标区的方向更新为:
由此完成本帧图像的识别与跟踪。
Step 9.返回Step1重新对下一帧图像的目标进行识别、定位与跟踪。
在上述所描述的跟踪过程中,利用多次关联概率灰度图进行目标的识别与跟踪。由于反向投影概率值在0~1之间,而目标区的反向投影概率值通常比背景区的反向投影概率值大一些,因此多次关联概率计算虽然对目标区的概率值有所抑制,但对背景区的抑制更显著,因此,当目标与背景相似,或者背景中存在于目标相似的干扰物时,关联概率计算操作能够使目标区成为显著区,从整体上来说,更有利于改善跟踪算法识别的准确性,能够提高目标识别与跟踪方法的有效性。
本发明的优点在于,导引车可工作在自动导引模式和跟踪导引模式两种工作模式下,提高了导引车的应用范围,对运动目标具有准确的跟踪性能。本发明可应用于物流搬运、货物搬运等工作环境中。
Claims (3)
1.一种具有跟踪功能的自动导引车,包括有上位机(1)、下位机(2)、车体(3)、云台(4)、摄像头(5)、路径识别模块(6)、云台驱动(7)、车轮驱动(8)、激光测距模块(9),其特征在于,上位机(1)由计算机构成,可通过摄像头(5)采集图像,路径识别模块(6)可采集导引车当前的路径信息,云台(4)为两自由度云台,可实现上下和左右旋转运动,下位机(2)采用DSP作为控制芯片,可给出云台运动指令,通过云台驱动(7)驱动云台(4)旋转,下位机(2)也给出车体运动指令,通过车轮驱动(8)驱动车体的两个电机运动,车体(3)有左右轮两个驱动电机和一个万向轮,通过两个驱动电机的差速控制实现转向,摄像头(5)和激光测距模块(9)都固定在云台(4)上,可由云台(4)带动旋转,云台(4)固定在车体(3)上,激光测距模块(9)测量障碍物与车体之间的距离,并传递给下位机(2);导引车具有两种工作模式:第一种为自动导引模式,第二种为跟踪导引模式;导引车的上位机(1)的跟踪算法采用改进的Camshift算法。
2.根据权利要求1所述的一种具有跟踪功能的自动导引车,其特征在于,当具有跟踪功能的自动导引车处于自动导引模式时,导引车按照上位机(1)中存储的规划路径行走,上位机(1)将规划路径传送给下位机(2),路径识别模块(6)采集当前路径信息,下位机(2)将采集到的当前路径信息与规划路径进行比对,通过车轮驱动(8)驱动车体(3)的两个电机差速运动,实现车体按照规划路径行进,在自动导引模式时,摄像头(5)、激光测距模块(9)、云台驱动(7)、云台(4)不工作;当具有跟踪功能的自动导引车处于跟踪导引模式时,跟踪目标站立于摄像头(5)前,上位机(1)利用高斯混合模型确定出目标模板,开始跟踪,移动目标可在铺有轨道的场地内移动行走;上位机(1)的跟踪算法采用改进的Camshift算法实现跟踪,当导引车开始跟踪目标时,上位机(1)根据运动目标偏离显示屏中心点的距离,给下位机(2)发出偏离误差指令信号,下位机(2)接收到偏离误差指令信号后,通过云台驱动(7)驱动云台(4)带动摄像头(5)上下和左右旋转,实现摄像头对目标的跟踪运动,路径识别模块(6)采集场地内的轨道信息,下位机(2)根据当前轨道信息通过车轮驱动(8)驱动车体的两个电机旋转,实现导引车沿铺设轨道行进,当路径识别模块(6)采集到导引车处于交叉路口时,下位机(2)根据云台(4)的左右旋转方向,给出导引车的左右转弯指令,激光测距模块(9)测量运动目标与导引车之间的距离,并传送给下位机(2),下位机(2)根据运动目标与导引车之间的距离给出车体行进速度,通过车轮驱动(8)驱动车体(3)的两个电机旋转,确保导引车与运动目标之间的距离不超过给定阈值,实现导引车沿着铺设轨道对运动目标的跟踪运动。
3.根据权利要求1所述的一种具有跟踪功能的自动导引车,其特征在于,设计的导引车的上位机(1)的跟踪算法采用改进的Camshift算法,设将HSV颜色空间中的色度(H)值划分为m个等级,目标区域中共有S个像素点,其中第i个像素的坐标位置为{(xi,yi)},i=1,2,…,S,该点对应的色度等级值为b(xi,yi),则可建立起目标区域的目标色度直方图模型q={qu},u=1,2,...,m为:
其中,u为色度等级变量;设跟踪窗中位置为(x,y)的像素点的色度等级值为h,根据式(1)的目标直方图模型,可获得该点的反向投影概率值:
利用反向投影概率值建立反向概率投影图,设反向概率投影图中某像素点a0,0及其周围像素ai,j,ai,j代表围绕a0,0的第i圈的第j个像素,该像素点利用式(2)所求得的概率值为p0 i,j,对像素点a0,0的概率值p0 0,0进行一次关联计算,可得p1 0,0:
像素点a0,0的k次关联计算结果为:
根据上述所得概率值,进行归一化处理后,可得反向投影概率图中像素点坐标(i,j)的灰度值pi,j为:
其中,pk max为k次关联计算后跟踪窗中的最大概率值;利用式(5)所求取的反向投影概率图实现目标Camshift跟踪。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810254255.9A CN108445882B (zh) | 2018-03-26 | 2018-03-26 | 具有跟踪功能的自动导引车 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810254255.9A CN108445882B (zh) | 2018-03-26 | 2018-03-26 | 具有跟踪功能的自动导引车 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108445882A true CN108445882A (zh) | 2018-08-24 |
CN108445882B CN108445882B (zh) | 2021-06-04 |
Family
ID=63197275
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810254255.9A Active CN108445882B (zh) | 2018-03-26 | 2018-03-26 | 具有跟踪功能的自动导引车 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108445882B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109145489A (zh) * | 2018-09-07 | 2019-01-04 | 百度在线网络技术(北京)有限公司 | 一种基于概率图的障碍物分布仿真方法、装置以及终端 |
CN110633612A (zh) * | 2019-11-20 | 2019-12-31 | 中通服创立信息科技有限责任公司 | 一种巡检机器人的监控方法及系统 |
CN110945449A (zh) * | 2018-11-15 | 2020-03-31 | 灵动科技(北京)有限公司 | 现场环境的实时监督式机器学习系统与方法 |
CN111766873A (zh) * | 2020-06-12 | 2020-10-13 | 广州极飞科技有限公司 | 作业设备的引导方法及相关装置 |
CN112529937A (zh) * | 2020-12-09 | 2021-03-19 | 山东大学 | 一种agv视觉目标识别与跟踪系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100067741A1 (en) * | 2007-12-28 | 2010-03-18 | Rustam Stolkin | Real-time tracking of non-rigid objects in image sequences for which the background may be changing |
CN104463914A (zh) * | 2014-12-25 | 2015-03-25 | 天津工业大学 | 一种改进的Camshift目标跟踪方法 |
CN104637038A (zh) * | 2015-03-11 | 2015-05-20 | 天津工业大学 | 一种基于加权直方图模型的改进CamShift跟踪方法 |
CN107450565A (zh) * | 2017-09-18 | 2017-12-08 | 天津工业大学 | 移动智能跟踪车 |
-
2018
- 2018-03-26 CN CN201810254255.9A patent/CN108445882B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100067741A1 (en) * | 2007-12-28 | 2010-03-18 | Rustam Stolkin | Real-time tracking of non-rigid objects in image sequences for which the background may be changing |
CN104463914A (zh) * | 2014-12-25 | 2015-03-25 | 天津工业大学 | 一种改进的Camshift目标跟踪方法 |
CN104637038A (zh) * | 2015-03-11 | 2015-05-20 | 天津工业大学 | 一种基于加权直方图模型的改进CamShift跟踪方法 |
CN107450565A (zh) * | 2017-09-18 | 2017-12-08 | 天津工业大学 | 移动智能跟踪车 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109145489A (zh) * | 2018-09-07 | 2019-01-04 | 百度在线网络技术(北京)有限公司 | 一种基于概率图的障碍物分布仿真方法、装置以及终端 |
US11341297B2 (en) | 2018-09-07 | 2022-05-24 | Baidu Online Network Technology (Beijing) Co., Ltd. | Obstacle distribution simulation method, device and terminal based on a probability graph |
CN110945449A (zh) * | 2018-11-15 | 2020-03-31 | 灵动科技(北京)有限公司 | 现场环境的实时监督式机器学习系统与方法 |
US11682193B2 (en) | 2018-11-15 | 2023-06-20 | Lingdong Technology (Beijing) Co. Ltd. | System and method for real-time supervised machine learning in on-site environment |
CN110633612A (zh) * | 2019-11-20 | 2019-12-31 | 中通服创立信息科技有限责任公司 | 一种巡检机器人的监控方法及系统 |
CN110633612B (zh) * | 2019-11-20 | 2020-09-11 | 中通服创立信息科技有限责任公司 | 一种巡检机器人的监控方法及系统 |
CN111766873A (zh) * | 2020-06-12 | 2020-10-13 | 广州极飞科技有限公司 | 作业设备的引导方法及相关装置 |
CN111766873B (zh) * | 2020-06-12 | 2023-12-05 | 广州极飞科技股份有限公司 | 作业设备的引导方法及相关装置 |
CN112529937A (zh) * | 2020-12-09 | 2021-03-19 | 山东大学 | 一种agv视觉目标识别与跟踪系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108445882B (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108445882A (zh) | 具有跟踪功能的自动导引车 | |
CN106607907B (zh) | 一种移动视觉机器人及其测控方法 | |
US9990736B2 (en) | Robust anytime tracking combining 3D shape, color, and motion with annealed dynamic histograms | |
CN106774313B (zh) | 一种基于多传感器的室外自动避障agv导航方法 | |
KR101063302B1 (ko) | 무인차량의 자율주행 제어 장치 및 방법 | |
JP4798450B2 (ja) | ナビゲーション装置とその制御方法 | |
Madhavan et al. | Distributed cooperative outdoor multirobot localization and mapping | |
US20200249032A1 (en) | Apparatus and method for updating high definition map for autonomous driving | |
CN107065887B (zh) | 全向移动机器人通道内倒行导航方法 | |
CN108345005A (zh) | 巷道掘进机的实时连续自主定位定向系统及导航定位方法 | |
CN112819943B (zh) | 一种基于全景相机的主动视觉slam系统 | |
CN112183133A (zh) | 一种基于ArUco码引导的移动机器人自主充电方法 | |
CN109708644A (zh) | 移动机器人导航方法、装置和移动机器人 | |
CN109202885A (zh) | 一种物料搬运移动复合机器人 | |
CN109584200A (zh) | 换电站中的视觉定位系统及定位方法 | |
CN106556395A (zh) | 一种基于四元数的单目视觉系统的导航方法 | |
CN113478483B (zh) | 一种基于不锈钢储罐移动机器人焊接方法及系统 | |
CN108919810A (zh) | 基于视觉示教的移动机器人定位与导航系统 | |
Avanzini et al. | Using monocular visual SLAM to manually convoy a fleet of automatic urban vehicles | |
Kanayama et al. | Two-mode mapless visual navigation of indoor autonomous mobile robot using deep convolutional neural network | |
Mutz et al. | Following the leader using a tracking system based on pre-trained deep neural networks | |
WO2020137311A1 (ja) | 測位装置及び移動体 | |
Hudecek et al. | A system for precise positioning of vehicles aiming at increased inductive charging efficiency | |
CN111380535A (zh) | 基于视觉标签的导航方法、装置、移动式机器及可读介质 | |
CN113673462B (zh) | 一种基于车道线的物流agv定位方法 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230621 Address after: Room 065, Floor 1, Building 2, Yard 9, Jiaogezhuang Street, Nanfaxin Town, Shunyi District, Beijing 101300 Patentee after: Beijing Lingdong Qidian Technology Co.,Ltd. Address before: 100107 431, 4th floor, 183 zhuxinzhuang village, Huilongguan town, Changping District, Beijing Patentee before: BEIJING ZHISHAN ROBOT TECHNOLOGY CO.,LTD. |
|
TR01 | Transfer of patent right |