CN108549089B - 一种用于slam的镂空障碍物检测装置和方法 - Google Patents

一种用于slam的镂空障碍物检测装置和方法 Download PDF

Info

Publication number
CN108549089B
CN108549089B CN201810255798.2A CN201810255798A CN108549089B CN 108549089 B CN108549089 B CN 108549089B CN 201810255798 A CN201810255798 A CN 201810255798A CN 108549089 B CN108549089 B CN 108549089B
Authority
CN
China
Prior art keywords
laser radar
obstacle
data
distance
depth camera
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
Application number
CN201810255798.2A
Other languages
English (en)
Other versions
CN108549089A (zh
Inventor
张虎
谷也
盛卫华
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 Academy Of Robotics
Original Assignee
Shenzhen Academy Of Robotics
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 Academy Of Robotics filed Critical Shenzhen Academy Of Robotics
Priority to CN201810255798.2A priority Critical patent/CN108549089B/zh
Publication of CN108549089A publication Critical patent/CN108549089A/zh
Application granted granted Critical
Publication of CN108549089B publication Critical patent/CN108549089B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种用于SLAM的镂空障碍物检测装置和方法。所述装置包括包括主机、激光雷达和深度相机，激光雷达用于对探测得到激光雷达数据，深度相机用于探测得到模拟激光雷达数据，主机用于进行数据处理，得到对含有镂空结构的障碍物的探测结果。所述方法包括利用激光雷达探测得到激光雷达数据，利用深度相机探测得到模拟激光雷达数据，根据数据进行计算和模糊逻辑判断，得到对含有镂空结构的障碍物的探测结果等步骤。本发明根据探测得到的数据分析判断视野范围内是否存在含有镂空结构的障碍物，从而探测到仅靠激光雷达无法探测的障碍物，弥补了传统SLAM技术仅使用激光雷达进行探测的不足。本发明广泛应用于图像识别处理技术领域。

Description

一种用于SLAM的镂空障碍物检测装置和方法
技术领域
本发明涉及图像识别处理技术领域，尤其是一种用于SLAM的镂空障碍物检测装置和方法。
背景技术
SLAM(Simultaneous localization and mapping)是即时定位与地图构建的英文简称，也称为CML(Concurrent Mapping and Localization)，并发建图与定位。SLAM要解决的问题是：将一个机器人放入未知环境中的未知位置，是否有办法让机器人一边逐步描绘出此环境完全的地图，同时一边决定机器人应该往哪个方向行进。
机器人SLAM技术是机器人领域的基础核心技术，基于激光雷达的SLAM技术是被广泛应用的一种方案，其中基于2D激光雷达的SLAM技术被广泛应用在家庭服务机器人领域。但现有基于2D激光雷达的SLAM技术的一个缺点是只能探测2D平面的障碍物，而且对障碍物的要求较高，一些特殊的障碍物，如含有镂空结构的桌椅等障碍物则不能通过现有2D激光雷达有效探测出来。这样，基于2D激光雷达所建立的全局地图有可能遗漏了大量的障碍物，这极大地限制了SLAM技术的应用。
发明内容
为了解决上述技术问题，本发明的第一目的在于提供一种用于SLAM的镂空障碍物检测装置，第二目的在于提供一种用于SLAM的镂空障碍物检测方法。
本发明所采取的第一技术方案是：
一种用于SLAM的镂空障碍物检测装置，包括主机、激光雷达和深度相机，所述主机分别与激光雷达和深度相机连接；
所述激光雷达用于对空间进行探测，从而得到激光雷达数据；
所述深度相机用于对空间进行探测，从而获得模拟激光雷达数据；
所述主机用于在激光雷达与深度相机的重叠视野区域内，根据激光雷达数据和模拟激光雷达数据进行模糊逻辑判断，根据所述模糊逻辑判断的结果，得到对含有镂空结构的障碍物的探测结果。
进一步地，所述激光雷达为2D激光雷达，所述2D激光雷达的视角为240度。
进一步地，所述深度相机的水平视角为58度，垂直视角为45度。
本发明所采取的第二技术方案是：
一种用于SLAM的镂空障碍物检测方法，包括以下步骤：
S1.利用激光雷达对空间进行探测，从而得到激光雷达数据；
S2.利用深度相机对空间进行探测，根据探测得到的数据进行计算，从而获得模拟激光雷达数据；
S3.在激光雷达与深度相机的重叠视野区域内，根据激光雷达数据和模拟激光雷达数据进行计算和模糊逻辑判断，根据所述模糊逻辑判断的结果，得到对含有镂空结构的障碍物的探测结果。
进一步地，所述步骤S2具体包括：
S21.利用深度相机对空间进行探测，从而得到深度图像；
S22.根据深度图像，计算得到空间点云；
S23.在垂直高度上对空间点云进行截取；
S24.将截取得到的空间点云投影到水平面，从而得到模拟激光雷达数据。
进一步地，所述步骤S23中，截取的高度范围为-0.5m-0.5m。
进一步地，所述步骤S3之后还包括以下步骤：
S4.根据对含有镂空结构的障碍物的探测结果、激光雷达数据与在全局地图中的当前所处位置，利用图像匹配算法，从而计算得到所探测到的含有镂空结构的障碍物在全局地图中的坐标；
S5.根据含有镂空结构的障碍物在全局地图中的坐标，将含有镂空结构的障碍物加入到全局地图中。
进一步地，所述步骤S3具体包括：
S31.在所述重叠视野区域内，从激光雷达数据和模拟激光雷达数据中获取各距离点的数据，并根据各距离点的数据计算各距离点之间的距离差；
S32.根据各距离点的数据，计算距离点置信度；
S33.根据各距离点之间的距离差，计算距离差置信度；
S34.根据距离点置信度、距离差置信度和模糊逻辑，进行模糊逻辑判断，从而得到对含有镂空结构的障碍物的探测结果。
进一步地，所述距离点置信度包括激光雷达单个距离点置信度U1、模拟激光雷达单个距离点置信度U2，所述距离差置信度包括激光雷达单个距离点与模拟激光雷达单个距离点距离差置信度U3、激光雷达多个距离点与模拟激光雷达多个距离点距离差置信度U4。
进一步地，所述步骤S34中的模糊逻辑具体为：
如果U1、U2、U3和U4均在
Figure BDA0001608914690000031
范围内，则判断存在含有镂空结构的障碍物；
如果U1和U2在
Figure BDA0001608914690000032
范围内，U3和U4在
Figure BDA0001608914690000033
范围内，则判断存在含有镂空结构的障碍物；
如果U1和U2在
Figure BDA0001608914690000034
范围内，U3和U4在
Figure BDA0001608914690000035
范围内，则判断存在含有镂空结构的障碍物；
其他情况，则判断不存在含有镂空结构的障碍物。
本发明的有益效果是：通过本发明，可以根据深度相机探测得到的模拟激光雷达数据与激光雷达数据分析判断视野范围内是否存在含有镂空结构的障碍物，从而探测到仅靠激光雷达无法探测的障碍物，弥补了传统SLAM技术仅使用激光雷达进行探测的不足，使应用本发明的机器人适应能力更强、应用范围更广。
附图说明
图1为本发明一种用于SLAM的镂空障碍物检测装置中激光雷达和深度相机的视角示意图；
图2为本发明一种用于SLAM的镂空障碍物检测方法的流程图；
图3为本发明一种用于SLAM的镂空障碍物检测方法的原理图；
图4为一种U1-R1图象；
图5为一种U2-R2图象；
图6为一种U3-E1图象；
图7为一种U4-E2图象。
具体实施方式
实施例1
本实施例公开了一种用于SLAM的镂空障碍物检测装置，包括主机、激光雷达和深度相机，所述主机分别与激光雷达和深度相机连接；
所述激光雷达用于对空间进行探测，从而得到激光雷达数据；
所述深度相机用于对空间进行探测，从而获得模拟激光雷达数据；
所述主机用于在激光雷达与深度相机的重叠视野区域内，根据激光雷达数据和模拟激光雷达数据进行模糊逻辑判断，根据所述模糊逻辑判断的结果，得到对含有镂空结构的障碍物的探测结果。
SLAM技术应用于机器人领域，因此主机、激光雷达和深度相机都可以安装在机器人上。激光雷达和深度相机均对空间进行探测，其中激光雷达所探测到的数据在现有SLAM技术中用于建立全局地图。而深度相机所探测到的数据包括了空间的深度信息，其可以用来修补基于激光雷达数据所建的地图，由于深度相机所探测到的数据具有上述对于建立地图的辅助作用，因此称为模拟激光雷达数据。
所述主机用于对探测到的激光雷达数据和模拟激光雷达数据进行处理，具体为在激光雷达与深度相机的重叠视野区域内，根据激光雷达数据和模拟激光雷达数据进行模糊逻辑判断，模糊逻辑判断的结果便是对含有镂空结构的障碍物的探测结果，也就是视野内存在或不存在含有镂空结构的障碍物。将这个探测结果可以与基于2D激光雷达所建立的全局地图结合起来，增强全局地图的完整性，使得应用本发明的机器人能够更有效地探测到障碍物，有利于机器人的进一步判断和操作。
进一步作为优选的实施方式，所述激光雷达为2D激光雷达，如图1所示，所述2D激光雷达的视角为240度。
进一步作为优选的实施方式，如图1所示，所述深度相机的水平视角为58度，垂直视角为45度。
由图1可以知道激光雷达和深度相机的安装关系，两者的视野区域存在重叠部分，优选地可以调整深度相机的方向，使得其两者的视野区域所形成的空间具有对称性。
实施例2
本实施例将说明一种用于SLAM的镂空障碍物检测方法，其可以用实施例1所述的一种用于SLAM的镂空障碍物检测装置实现。
一种用于SLAM的镂空障碍物检测方法，如图2所示，包括以下步骤：
S1.利用激光雷达对空间进行探测，从而得到激光雷达数据；
S2.利用深度相机对空间进行探测，根据探测得到的数据进行计算，从而获得模拟激光雷达数据；
S3.在激光雷达与深度相机的重叠视野区域内，根据激光雷达数据和模拟激光雷达数据进行计算和模糊逻辑判断，根据所述模糊逻辑判断的结果，得到对含有镂空结构的障碍物的探测结果。
进一步作为优选的实施方式，所述步骤S2具体包括：
S21.利用深度相机对空间进行探测，从而得到深度图像；
S22.根据深度图像，计算得到空间点云；
S23.在垂直高度上对空间点云进行截取；
S24.将截取得到的空间点云投影到水平面，从而得到模拟激光雷达数据。
由于深度相机所探测到的信息本身是深度图像，为了得到可以用于与激光雷达数据所建地图结合的模拟激光雷达数据，需要进行相关的计算和变换操作。首先将深度相机探测到的深度图像计算得到空间点云，截取保留空间点云在垂直高度方向上的一部分，将截取保留的这一部分空间点云投影到水平面，投影结果便为所需获得的模拟激光雷达数据。
进一步作为优选的实施方式，所述步骤S23中，截取的高度范围为-0.5m-0.5m。
也就是说，步骤S23中截取保留的这一部分空间点云为垂直高度方向-0.5m-0.5m范围内。
进一步作为优选的实施方式，所述步骤S3之后还包括以下步骤：
S4.根据对含有镂空结构的障碍物的探测结果、激光雷达数据与在全局地图中的当前所处位置，利用图像匹配算法，从而计算得到所探测到的含有镂空结构的障碍物在全局地图中的坐标；
S5.根据含有镂空结构的障碍物在全局地图中的坐标，将含有镂空结构的障碍物加入到全局地图中。
在执行步骤S1-S3后，机器人即可判断到视野中是否存在含有镂空结构的障碍物。执行步骤S4，可以得到含有镂空结构的障碍物在全局地图中的坐标，执行步骤S5，则是将含有镂空结构的障碍物按照对应的坐标加入到全局地图中去，这样所得的全局地图，便能包括仅用2D激光雷达所探测不到的障碍物的信息，具有更好的完整性和更丰富的信息。
步骤S3-S5更加详细的流程为：如图3所示，执行步骤S3后，如果探测到存在含有镂空结构的障碍物，那么，就将此障碍物与激光雷达数据和机器人当前所处的位置信息一起组成关键数据帧，然后用图像匹配算法根据关键数据帧，将此障碍物加入到全局地图中。
图像匹配算法的匹配对象，也就是待匹配数据，包括全局地图的图像信息和激光雷达数据。图像匹配算法可以使用通用匹配算法(ICP，Iterative Closest Point)。
进一步作为优选的实施方式，所述步骤S3具体包括：
S31.在所述重叠视野区域内，从激光雷达数据和模拟激光雷达数据中获取各距离点的数据，并根据各距离点的数据计算各距离点之间的距离差；
S32.根据各距离点的数据，计算距离点置信度；
S33.根据各距离点之间的距离差，计算距离差置信度；
S34.根据距离点置信度、距离差置信度和模糊逻辑，进行模糊逻辑判断，从而得到对含有镂空结构的障碍物的探测结果。
步骤S3中所用的模糊逻辑判断的处理对象是距离点置信度和距离差置信度，模糊逻辑判断的判断根据是模糊逻辑。距离点置信度由各距离点的数据计算得到，距离差置信度由各距离点之间的距离差计算得到。各距离点的数据是激光雷达数据和模拟激光雷达数据中各特定的距离点所对应的数据，根据各距离点的数据，便可以进一步计算出各距离点之间的距离差。模糊逻辑判断的结果便为对含有镂空结构的障碍物的探测结果，其反映机器人的视野内是否存在含有镂空结构的障碍物。
进一步作为优选的实施方式，所述距离点置信度包括激光雷达单个距离点置信度U1、模拟激光雷达单个距离点置信度U2，所述距离差置信度包括激光雷达单个距离点与模拟激光雷达单个距离点距离差置信度U3、激光雷达多个距离点与模拟激光雷达多个距离点距离差置信度U4。
其中，激光雷达单个距离点置信度U1可由激光雷达单个距离点R1计算得到，模拟激光雷达单个距离点置信度U2可由模拟激光雷达单个距离点R2计算得到，激光雷达单个距离点与模拟激光雷达单个距离点距离差置信度U3可由激光雷达单个距离点与模拟激光雷达单个距离点距离差E1计算得到，激光雷达多个距离点与模拟激光雷达多个距离点距离差置信度U4可由激光雷达多个距离点与模拟激光雷达多个距离点距离差E2计算得到。上述计算过程可以使用公知的算法，图4、图5、图6和图7是其中一种算法计算出来的各量的函数关系。U1与R1的关系如图4所示，U2与R2的关系如图5所示，U3与E1的关系如图6所示，U4与E2的关系如图7所示。
在同一时间内激光雷达和深度相机分别做一次周期性扫描探测，一系列激光雷达单个距离点组成本次扫描的激光雷达数据，一系列模拟激光雷达单个距离点(深度相机数据到模拟激光雷达数据的转换已在上述给与了说明)组成本次扫描的模拟激光雷达数据。在重叠视野区域内，每一个激光雷达单个距离点与模拟激光雷达单个距离点组成一一对应的点对，为了方便表述，按顺序分别给每个点对取序号1、2、...、k、…，每个序号对应重叠视野区域的一个观测方向。计算每个观测方向的U1、U2、U3、U4，从而依据模糊逻辑判断该观测方向是否存在含有镂空结构的障碍物。以序号k对应的观测方向为例，R1和R2可以直接从激光雷达数据和模拟激光雷达数据中获取；E1可以根据下式计算得到：E1＝R1-R2；E2可以根据下式计算得到：
Figure BDA0001608914690000071
式中E1(N)为序号为N的点对求得的E1值，E2的物理意义为在序号为k的点对及其前后2m个相邻点对分别求得E1值的累加和，m可以取经验值7。
进一步作为优选的实施方式，所述步骤S34中的模糊逻辑具体为：
如果U1、U2、U3和U4均在
Figure BDA0001608914690000072
范围内，则判断存在含有镂空结构的障碍物；
如果U1和U2在
Figure BDA0001608914690000073
范围内，U3和U4在
Figure BDA0001608914690000074
范围内，则判断存在含有镂空结构的障碍物；
如果U1和U2在
Figure BDA0001608914690000075
范围内，U3和U4在
Figure BDA0001608914690000076
范围内，则判断存在含有镂空结构的障碍物；
其他情况，则判断不存在含有镂空结构的障碍物。
以上是对本发明的较佳实施进行了具体说明，但对本发明创造并不限于所述实施例，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做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 (9)

1.一种用于SLAM的镂空障碍物检测装置，其特征在于，包括主机、激光雷达和深度相机，所述主机分别与激光雷达和深度相机连接；
所述激光雷达用于对空间进行探测，从而得到激光雷达数据；
所述深度相机用于对空间进行探测，从而获得模拟激光雷达数据；
所述主机用于在激光雷达与深度相机的重叠视野区域内，根据激光雷达数据和模拟激光雷达数据进行模糊逻辑判断，根据所述模糊逻辑判断的结果，得到对含有镂空结构的障碍物的探测结果。
2.根据权利要求1所述的一种用于SLAM的镂空障碍物检测装置，其特征在于，所述激光雷达为2D激光雷达，所述2D激光雷达的视角为240度。
3.根据权利要求1或2所述的一种用于SLAM的镂空障碍物检测装置，其特征在于，所述深度相机的水平视角为58度，垂直视角为45度。
4.一种用于SLAM的镂空障碍物检测方法，其特征在于，包括以下步骤：
S1.利用激光雷达对空间进行探测，从而得到激光雷达数据；
S2.利用深度相机对空间进行探测，根据探测得到的数据进行计算，从而获得模拟激光雷达数据；
S3.在激光雷达与深度相机的重叠视野区域内，根据激光雷达数据和模拟激光雷达数据进行计算和模糊逻辑判断，根据所述模糊逻辑判断的结果，得到对含有镂空结构的障碍物的探测结果。
5.根据权利要求4所述的一种用于SLAM的镂空障碍物检测方法，其特征在于，所述步骤S2具体包括：
S21.利用深度相机对空间进行探测，从而得到深度图像；
S22.根据深度图像，计算得到空间点云；
S23.在垂直高度上对空间点云进行截取；
S24.将截取得到的空间点云投影到水平面，从而得到模拟激光雷达数据。
6.根据权利要求5所述的一种用于SLAM的镂空障碍物检测方法，其特征在于，所述步骤S23中，截取的高度范围为-0.5m-0.5m。
7.根据权利要求4所述的一种用于SLAM的镂空障碍物检测方法，其特征在于，所述步骤S3之后还包括以下步骤：
S4.根据对含有镂空结构的障碍物的探测结果、激光雷达数据与在全局地图中的当前所处位置，利用图像匹配算法，从而计算得到所探测到的含有镂空结构的障碍物在全局地图中的坐标；
S5.根据含有镂空结构的障碍物在全局地图中的坐标，将含有镂空结构的障碍物加入到全局地图中。
8.根据权利要求4所述的一种用于SLAM的镂空障碍物检测方法，其特征在于，所述步骤S3具体包括：
S31.在所述重叠视野区域内，从激光雷达数据和模拟激光雷达数据中获取各距离点的数据，并根据各距离点的数据计算各距离点之间的距离差；
S32.根据各距离点的数据，计算距离点置信度；
S33.根据各距离点之间的距离差，计算距离差置信度；
S34.根据距离点置信度、距离差置信度和模糊逻辑，进行模糊逻辑判断，从而得到对含有镂空结构的障碍物的探测结果。
9.根据权利要求8所述的一种用于SLAM的镂空障碍物检测方法，其特征在于，所述距离点置信度包括激光雷达单个距离点置信度U1、模拟激光雷达单个距离点置信度U2，所述距离差置信度包括激光雷达单个距离点与模拟激光雷达单个距离点距离差置信度U3、激光雷达多个距离点与模拟激光雷达多个距离点距离差置信度U4。
CN201810255798.2A 2018-03-27 2018-03-27 一种用于slam的镂空障碍物检测装置和方法 Active CN108549089B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810255798.2A CN108549089B (zh) 2018-03-27 2018-03-27 一种用于slam的镂空障碍物检测装置和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810255798.2A CN108549089B (zh) 2018-03-27 2018-03-27 一种用于slam的镂空障碍物检测装置和方法

Publications (2)

Publication Number Publication Date
CN108549089A CN108549089A (zh) 2018-09-18
CN108549089B true CN108549089B (zh) 2021-08-06

Family

ID=63517195

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810255798.2A Active CN108549089B (zh) 2018-03-27 2018-03-27 一种用于slam的镂空障碍物检测装置和方法

Country Status (1)

Country Link
CN (1) CN108549089B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114521849A (zh) * 2020-11-20 2022-05-24 余姚舜宇智能光学技术有限公司 用于扫地机器人的tof光学系统和扫地机器人

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102178530A (zh) * 2011-01-24 2011-09-14 天津大学 基于三维点云数据的人体尺寸自动测量方法
US8948935B1 (en) * 2013-01-02 2015-02-03 Google Inc. Providing a medical support device via an unmanned aerial vehicle
CN107773161A (zh) * 2016-08-30 2018-03-09 三星电子株式会社 机器人吸尘器

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102178530A (zh) * 2011-01-24 2011-09-14 天津大学 基于三维点云数据的人体尺寸自动测量方法
US8948935B1 (en) * 2013-01-02 2015-02-03 Google Inc. Providing a medical support device via an unmanned aerial vehicle
CN107773161A (zh) * 2016-08-30 2018-03-09 三星电子株式会社 机器人吸尘器

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"一种融合激光和深度视觉传感器的SLAM地图创建方法";张毅 等;《计算机应用研究》;20161031;第33卷(第10期);全文 *
"二维和三维视觉传感集成系统联合标定方法";李琳 等;《仪器仪表学报》;20121231;第33卷(第11期);全文 *

Also Published As

Publication number Publication date
CN108549089A (zh) 2018-09-18

Similar Documents

Publication Publication Date Title
CN111486855B (zh) 一种具有物体导航点的室内二维语义栅格地图构建方法
CN111076733B (zh) 一种基于视觉与激光slam的机器人室内建图方法及系统
Bae et al. A method for automated registration of unorganised point clouds
CN105955258B (zh) 基于Kinect传感器信息融合的机器人全局栅格地图构建方法
CN111563442A (zh) 基于激光雷达的点云和相机图像数据融合的slam方法及系统
US20180101932A1 (en) System and method for upsampling of sparse point cloud for 3d registration
JP5380789B2 (ja) 情報処理装置、および情報処理方法、並びにコンピュータ・プログラム
Mallios et al. EKF-SLAM for AUV navigation under probabilistic sonar scan-matching
Herbst et al. Toward online 3-d object segmentation and mapping
Kang et al. A robust obstacle detection method for robotic vacuum cleaners
CN107978017B (zh) 基于框线提取的室内结构快速建模方法
Förstner Optimal vanishing point detection and rotation estimation of single images from a legoland scene
CN110223351B (zh) 一种基于卷积神经网络的深度相机定位方法
CN110570449A (zh) 一种基于毫米波雷达与视觉slam的定位与建图方法
CN113108773A (zh) 一种融合激光与视觉传感器的栅格地图构建方法
CN113096183B (zh) 一种基于激光雷达与单目相机的障碍物检测与测量方法
KR20080075730A (ko) 물체인식을 바탕으로 한 로봇의 자기위치 추정 방법
Lowe et al. Complementary perception for handheld slam
JP6185385B2 (ja) 空間構造推定装置、空間構造推定方法及び空間構造推定プログラム
CN113050074B (zh) 无人驾驶环境感知中相机与激光雷达标定系统及标定方法
US20170108338A1 (en) Method for geolocating a carrier based on its environment
CN108549089B (zh) 一种用于slam的镂空障碍物检测装置和方法
CN113902828A (zh) 一种以墙角为关键特征的室内二维语义地图的构建方法
Yun et al. Omnidirectional 3D point clouds using dual kinect sensors
CN105339981B (zh) 用于使用一组基元配准数据的方法

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