CN108615025A - 家居环境下门识别定位方法、系统以及机器人 - Google Patents

家居环境下门识别定位方法、系统以及机器人 Download PDF

Info

Publication number
CN108615025A
CN108615025A CN201810413403.7A CN201810413403A CN108615025A CN 108615025 A CN108615025 A CN 108615025A CN 201810413403 A CN201810413403 A CN 201810413403A CN 108615025 A CN108615025 A CN 108615025A
Authority
CN
China
Prior art keywords
door
doubtful
coordinate system
effectively
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.)
Granted
Application number
CN201810413403.7A
Other languages
English (en)
Other versions
CN108615025B (zh
Inventor
王玉亮
薛林
王巍
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.)
Qingdao Evolver Xiaopang Robot Technology Co ltd
Original Assignee
Beijing Science And Technology Ltd Of Evolution Person Robot
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 Beijing Science And Technology Ltd Of Evolution Person Robot filed Critical Beijing Science And Technology Ltd Of Evolution Person Robot
Priority to CN201810413403.7A priority Critical patent/CN108615025B/zh
Publication of CN108615025A publication Critical patent/CN108615025A/zh
Application granted granted Critical
Publication of CN108615025B publication Critical patent/CN108615025B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G06V20/47—Detecting features for summarising video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Probability & Statistics with Applications (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Manipulator (AREA)

Abstract

本发明提供了一种家居环境下门识别定位方法、系统以及机器人，通过提取双目传感器采集的左图像中的第一竖线特征以及右图像中的第二竖线特征；根据第一竖线特征以及第二竖线特征提取多个疑似门，并对所有疑似门进行分析，获得有效疑似门；获取有效疑似门在世界坐标系中的方位特征；重复执行以上步骤，得到多次提取的有效疑似门在世界坐标系中的方位特征；从所有有效疑似门中选择置信度最大的有效疑似门作为待识别门。可有效提高对门的识别定位成功率，且便于推广。

Description

家居环境下门识别定位方法、系统以及机器人
技术领域
本发明涉及机器人视觉技术领域，尤其是涉及一种家居环境下门识别定位方法、系统以及机器人。
背景技术
对于服务机器人，自主导航通常是必要的功能。虽然家居环境是高度结构化的环境，但机器人在该环境下的感知仍是一个具有挑战力的问题。门是家居环境中连接两个房间的拓扑性标记节点，对门的识别和定位可以有效地帮助机器人感知周边环境结构、进行地图构建、定位和导航。因此对家居环境门识别定位的能力对机器人的自主导航具有极其重要的意义。
目前，研究家居环境下门的定位通常采用声呐传感器或激光雷达传感器获得机器人前进方向上是否有深度突变区，并结合已知地图信息实现对开着的门定位；还可以采用RGB-D传感器，通过对门的特征进行提取，并结合视野中各物体的深度信息实现对门的定位。
但上述方法分别采用的声呐传感器或激光雷达传感器、RGB-D传感器价格较高，所以带有上述传感器的机器人很难推广到各个经济阶层的家庭中，而且不能对关着的门实现定位。
综上，现有的对家居环境门识别定位的方法不能兼顾准确性、利于推广以及不受局限等特点，还不够完善。
发明内容
有鉴于此，本发明的目的在于提供家居环境下门识别定位方法、系统以及机器人，以缓解了现有的对家居环境门识别定位的方法不够完善的技术问题。
第一方面，本发明实施例提供了一种家居环境下门识别定位方法，所述方法应用于设置有双目传感器的机器人，包括：
获取双目传感器采集的当前视野内的左图像和右图像，并提取所述左图像中的第一竖线特征以及所述右图像中的第二竖线特征；
根据所述第一竖线特征以及所述第二竖线特征提取多个疑似门，并对所有所述疑似门进行分析，获得有效疑似门；
根据机器人在世界坐标系中的坐标和所述机器人的视觉坐标系与机器人坐标系之间的转换关系得到所述有效疑似门在所述世界坐标系中的方位特征，其中，所述方位特征包括中心坐标和方向角；
当所述机器人位于不同位置时，重复执行以上步骤，得到多次提取的所述有效疑似门在所述世界坐标系中的方位特征；
从所有所述有效疑似门中选择置信度最大的有效疑似门，并将所述置信度最大的有效疑似门在所述世界坐标系中的方位特征作为待识别门的定位结果。
结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述从所有所述有效疑似门中选择置信度最大的有效疑似门，并将所述置信度最大的有效疑似门在所述世界坐标系中的方位特征作为待识别门的定位结果的步骤，包括：
根据各个所述有效疑似门的积分计算其置信度；
根据各个所述有效疑似门在所述世界坐标系中的中心坐标进行中心聚类，得到多个聚类结果；
根据所述有效疑似门的置信度计算每个所述聚类结果的置信度，并将置信度最高的聚类类别作为最优类别；
将从所述最优类别中计算得到的置信度最大的有效疑似门作为所述待识别门的定位结果。
结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述根据各个有效疑似门在所述世界坐标系中的中心坐标进行中心聚类，得到多个聚类结果的步骤，包括：
采用聚类算法根据各个所述有效疑似门在所述世界坐标系中的中心坐标进行中心聚类，并将聚类距离小于第一阈值的两个类别进行合并，得到多个聚类类别；
对每个所述聚类类别中的有效疑似门的方向角进行直方图统计，去除方向角差异较大的有效疑似门，得到多个所述聚类结果。
结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，根据所述第一竖线特征以及所述第二竖线特征提取多个疑似门，并对所有所述疑似门进行分析，获得有效疑似门的步骤，包括：
对所述第一竖线特征以及所述第二竖线特征进行匹配，得到匹配竖线对，并根据双目测距原理得到所述匹配竖线对所对应的实际竖线在所述机器人的视觉坐标系下的空间位置坐标；
根据任意两条实际竖线之间的物理距离提取多个疑似门，将方位相似特征规则引入特征积分制，以对所有所述疑似门进行特征积分得到所述有效疑似门。
结合第一方面的第三种可能的实施方式，本发明实施例提供了第一方面的第四种可能的实施方式，其中，将方位相似特征规则引入特征积分制，以对所有所述疑似门进行特征积分得到所述有效疑似门的步骤包括：
利用特征积分制对所有所述疑似门进行特征积分，得到积分值；
计算所述疑似门在所述机器人的视觉坐标系下的方位特征与待识别门在世界坐标系中所标记的方位特征的相似度，并根据所述相似度增加所述积分值，得到积分结果；
从所述积分结果中选择积分值最高的前N项疑似门，从所述前N项疑似门中选择所述有效疑似门，其中，N≥1。
结合第一方面的第四种可能的实施方式，本发明实施例提供了第一方面的第五种可能的实施方式，其中，所述计算所述疑似门在所述机器人的视觉坐标系下的方位特征与待识别门在世界坐标系中所标记的方位特征的相似度，并根据所述相似度增加所述积分值，得到积分结果的步骤，包括：
根据所述世界坐标系、所述机器人坐标系和所述机器人的视觉坐标系之间的转换关系，计算在所述世界坐标系下获取的所述待识别门在所述机器人的视觉坐标系下的第一门中心坐标和第一门方向角；
根据所述疑似门两侧边线的空间坐标计算得到第二门心点坐标和第二门方向角；
计算所述第一门中心坐标、所述第一门方向角与所述第二门中心坐标、所述第二门方向角的相似度，根据所述相似度增加积分值，得到所述积分结果。
结合第一方面的第五种可能的实施方式，本发明实施例提供了第一方面的第六种可能的实施方式，其中，所述计算在所述世界坐标系下获取的所述待识别门在所述机器人的视觉坐标系下的第一门中心坐标和第一门方向角的步骤之前，所述方法还包括：
根据外部输入确定所述待识别门的ID以及观测区域，并根据已建地图获取所述待识别门在所述世界坐标系中的方位特征。
结合第一方面，本发明实施例提供了第一方面的第七种可能的实施方式，其中，所述当所述机器人位于不同位置时，重复执行以上步骤，得到多次提取的所述有效疑似门在所述世界坐标系中的方位特征的步骤，包括：
当所述机器人位于不同位置时，重复执行以上步骤，当所述机器人进行疑似门提取的次数满足设定阈值时，停止执行以上步骤，得到多次提取的所述有效疑似门在所述世界坐标系中的方位特征。
第二方面，本发明实施例还提供一种家居环境下门识别定位系统，所述系统应用于设置有双目传感器的机器人，所述系统包括：
竖线特征提取模块，用于获取双目传感器采集的当前视野内的左图像和右图像，并提取所述左图像中的第一竖线特征以及所述右图像中的第二竖线特征；
有效疑似门提取模块，用于根据根据所述第一竖线特征以及所述第二竖线特征提取多个疑似门，并对所有所述疑似门进行分析，获得有效疑似门；
方位特征获取模块，用于根据机器人在世界坐标系中的坐标和所机器人的视觉坐标系与机器人坐标系之间的转换关系得到所述有效疑似门在所述世界坐标系中的方位特征，其中，所述方位特征包括中心坐标和方向角；
历史有效疑似门提取模块，用于当所述机器人位于不同位置时，重复执行以上步骤，得到多次提取的所述有效疑似门在所述世界坐标系中的方位特征；
门识别定位模块，用于从所有所述有效疑似门中选择置信度最大的有效疑似门，并将所述置信度最大的有效疑似门在所述世界坐标系中的方位特征作为待识别门的定位结果。
第三方面，本发明实施例提供了一种机器人，包括双目传感器和处理器；
所述双目传感器，用于对机器人的外部图像进行采集；
所述处理器，用于执行如上所述的方法，以输出待识别门的定位结果。
本发明实施例带来了以下有益效果：
本发明实施例提供了一种家居环境下门识别定位方法、系统以及机器人，通过提取双目传感器采集的左图像中的第一竖线特征以及右图像中的第二竖线特征；根据第一竖线特征以及第二竖线特征提取多个疑似门，并对所有疑似门进行分析，获得有效疑似门；获取有效疑似门在世界坐标系中的方位特征；重复执行以上步骤，得到多次提取的有效疑似门在世界坐标系中的方位特征；从所有有效疑似门中选择置信度最大的有效疑似门作为待识别门。可以有效地提高对门的识别定位成功率，对家庭环境、光照条件的适应性更强，可以在服务机器人上推广，不受距离局限，容易被消费用户接受。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的机器人坐标系和视觉坐标系的相对位置关系图；
图2为本发明实施例提供的机器人在对门进行识别定位时的观测区域示意图；
图3为本发明实施例提供的在世界坐标系中机器人的位置姿态以及门中心点坐标和方向角示意图；
图4为本发明实施例提供的家居环境下门识别定位方法流程图；
图5为本发明实施例提供的步骤S102的方法流程图；
图6为本发明实施例提供的步骤S106的方法流程图；
图7为本发明实施例提供的家居环境下门识别定位系统示意图；
图8为本发明实施例提供的家居环境下门识别定位装置示意图。
图标：10-竖线特征提取模块；20-有效疑似门提取模块；30-方位特征获取模块；40-历史有效疑似门提取模块；50-门识别定位模块；1000-电子设备；500-处理器；501-存储器；502-总线；503-通信接口。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
目前，现有的对家居环境门识别定位的方法不能兼顾准确性、利于推广以及不受局限等特点，还不够完善。基于此，本发明实施例提供的一种家居环境下门识别定位方法、系统以及机器人，可以有效地提高对门的识别定位成功率，对家庭环境、光照条件的适应性更强，可以在服务机器人上推广，不受距离局限，容易被消费用户接受。
为便于对本实施例进行理解，首先对本发明实施例所公开的一种家居环境下门识别定位方法进行详细介绍。
本实施例在进行家居环境下门识别定位方法时，首先对机器人进行以下处理。
对双目传感器进行立体标定和极线校正，获得双目传感器测距参数。将双目传感器(左摄像机和右摄像机)水平置于机器人上面，根据图1所示的坐标系，即可确定机器人坐标系OR-XRYR和视觉坐标系OC-XCZC之间的相对位置关系。
通过先验知识可预先设定确保该待识别门出现在双目传感器公共视野内的机器人活动范围，记为观测区域Areai(i表示的是门的编号)。本实施例中，其设定位环形带状区域，如图2所示。
根据外部输入(用户指定或者机器人根据其任务确定)确定机器人所要识别定位的门的ID及其观测区域，如图3所示，根据已建地图获取门在地图(世界坐标系OW-XWYW)中的中心点坐标和门方向角α。根据机器人的里程计或全局定位传感器得到机器人当前时刻在世界坐标系中的位置和姿态θ，同时双目传感器接收来自两路双目视觉摄像机的图像IL、IR。
图4示出了本发明实施例提供的家居环境下门识别定位方法流程图。
如图4所示，本实施例提供了一种家居环境下门识别定位方法，方法应用于设置有双目传感器的机器人，包括以下步骤：
步骤S101，获取双目传感器采集的当前视野内的左图像和右图像，并提取左图像中的第一竖线特征以及右图像中的第二竖线特征；
本步骤的可以通过以下步骤实现：
步骤一，以左摄像机和右摄像机的各自图像主点为中心，分别截取图像IL中坐标为的矩形区域和图像IR中坐标为的矩形区域(yup和ydown为图像截取的上侧阈值和下侧阈值，w为图像IL和IR图像的宽度)可得截取后的RGB图像ILC，IRC；上述的摄像头参数是通过单目标定获得的，如张正友标定法。
步骤二，对图像IL,C，IR,C分别灰度化，获得灰度图像IL,G和IR,G。再分别对IL,G和IR,G进行Canny算子边缘检测，获得二值化图像IL,B和IR,B；
步骤三，采用累计概率霍夫变换算法对二值化图像IL,B和IR,B进行直线线段检测，并提取其中斜率为的线段(Td为角度变化阈值)。每条线段表示为式中是线段La,i与直线yI＝yup+1交点的xI值。根据既定规则对两幅图像中得到的线段进行筛选。具体地，既定规则包括：删去像素长度小于设定长度Tlength的线段；当存在中心间距小于设定像素长度Tdis的两条线段时，删去长度较小的线段；对两图像中的线段按照xI从小到大进行排序；最终获得左图像中的线段组LL＝{LL,1,LL,2,…,LL,nL}和右图像中的线段组LR＝{LR,1,LR,2,…,LR,nR}，其中，nL为左图像中线段的数量，nR为右图像中线段的数量，LL,i中L表示该竖线位于左图像中，i为该竖线在线段组LL的序号，LR,i中R表示该竖线位于右图像中，i为该竖线在线段组LR的序号。
步骤S102，根据第一竖线特征以及第二竖线特征提取多个疑似门，并对所有疑似门进行分析，获得有效疑似门；
进一步地，如图5所示，步骤S102包括以下步骤：
步骤S1021，对第一竖线特征以及第二竖线特征进行匹配，得到匹配竖线对，并根据双目测距原理得到匹配竖线对所对应的实际竖线在机器人的视觉坐标系下的空间位置坐标；
本步骤中，首先采用特征描述方法对检测出的竖线特征进行描述；然后采用特征描述子匹配算法和图像几何约束相结合的方式实现对左图像中提取的第一竖线特征和右图像提取的第二竖线特征的匹配，得到匹配竖线对的队列 其中ix和jx分别代表线段和线段在线段组LL和LR中的序号)，采用双目测距原理计算匹配竖线对所对应的实际竖线在双目传感器视觉坐标系下的空间位置坐标。匹配竖线对所对应的实际竖线组为L＝{L1,L2,…,Ln}，和其在视觉坐标系下的坐标具体实现过程如下：
步骤四，以左图像的线段组LL中一条线段为基准，分别计算其对应于右图像中线段组LR匹配范围内所有线段的匹配度。以LL,i为例，计算LL,i对应于右图像中线段组LR匹配范围内所有线段的匹配度，可得到符合筛选阈值的疑似匹配线段对组{LL,i,:}＝{(LL,i,LR,i1),(LL,i,LR,i2),…,(LL,i,LR,in)}；
步骤五，判断LL中所有的线段是否完成疑似匹配线段对组的获取，若否，则转向步骤五；
步骤六，得到线段组LL中每一条线段对应线段组LR中的疑似匹配线段对组集合CMP＝{{LL,1,:},…,{LL,nL,:}}；
步骤七，采用全局最优匹配的原则从CMP中选择LL和LR中最优匹配线段对队列(其中ix和jx分别代表线段和线段在线段组LL和LR中的序号)，其对应的实际竖线组为L＝{L1,L2,…,Ln}；
步骤八，使用双目测距公式(1)计算出OMPQ对应的实际竖线组L在摄像头坐标系下的坐标
其中，f'、为双目视觉摄像头参数，由单目标定获得，T为两个摄像头光轴间的间距，分别为相匹配的两条线段和中心坐标的xI值，xC和zC为相匹配的两条线段对应的实际竖线在摄像头坐标系下的xC-zC坐标。
步骤S1022，根据任意两条实际竖线之间的物理距离提取多个疑似门，并将方位相似特征规则引入特征积分制，以对所有所述疑似门进行特征积分得到所述有效疑似门；
具体地，两条实际竖线之间的物理距离符合《住宅设计规范》GB50096-2011中门的尺寸标准。提取疑似门的过程可以通过以下方式实现：
根据公式(i和j表示线Li和线Lj在L中的序号)计算L中竖线Li和竖线Lj的距离，并认为：
当di,j∈[WD,min,WD,max](WD,min和WD,max分别为家居环境门宽的最小值和最大值)时，线Li和线Lj可能为门的两个外边框，记为疑似门
当di,j∈[WF,min,WF,max](WF,min和WF,max分别为家居环境门框宽的最小值和最大值)时，线Li和线Lj可能为门框的两侧边线，记为疑似门框
计算L中所有线之间的距离，可得到疑似门组(ix和jx分别代表竖线Lix,x和Ljx,x在竖线组L中的序号，D为疑似门标号，x代表疑似门在Dsus中的序号)，和疑似门框组(ix和jx分别代表竖线Lix,x和Ljx,x在竖线组L中的序号，F为疑似门框标号，x代表疑似门框在Fsus中的序号)。
本实施例通过将方位相似特征规则引入特征积分制实现对所有疑似门的特征积分。特征积分制中的特征可以是门物品所属特征和疑似门方位(中心点坐标和方向角)与待识别门(外部输入)在地图(世界坐标系)中标记的方位相似度特征，如果疑似门满足上述特征，则根据特征符合度增加相应的积分值，最终获得所有疑似门的积分Ssus＝{S1,S2,…,Sn}，其中Si是第i个有效疑似门的积分，特征积分制只是根据疑似门的特征是否符合预设阈值要求及其符合程度对该疑似门的进行积分奖励或者积分惩罚(疑似门的初始积分为0)，方位相似特征规则是根据疑似门的方位特征与待识别门的方位特征的相似度进行积分奖励(即积分值为非负值)或者积分惩罚(即积分值为负值)。详细的积分过程如下：
利用特征积分制对所有疑似门进行特征积分，得到积分值；
具体地，以疑似门(ix和jx为线Lix,i和Ljx,i在L中的序号，D为疑似门标号,i为疑似门在疑似门组Dsus中的序号)为例，初始积分为0，特征积分制计算方法包括以下步骤：
S1、若疑似门左侧存在门边框，即疑似门的左边线Lix右侧存在线Lm满足(Lix,Lm)∈Fsus，则加分SF,L；
S2、若疑似门右侧存在门边框，即疑似门的右边线Ljx左侧存在线Ln满足(Ln,Ljx)∈Fsus，则加分SF,R；
对于线Lx在双目中左右摄像头中成像为匹配线段对(LL,ix,LR,jx)，对于线段LL,ix和LR,jx左右两侧的匹配度和有三种情况：
式中Tm为匹配度阈值；
S3、若疑似门的边线Lix左右两侧匹配度和满足式(2)，则加分SM,1；若满足式(3)则加分SM,2；若满足式(4)，则减分SM,3；
S4、若疑似门的边线Ljx左右两侧匹配度和满足式(2)，则加分SM,1；若满足式(4)则加分SM,2；若满足式(3)，则减分SM,3；
S5、若疑似门存在左边框(Lix,Lm)时，若边线Lm左右两侧匹配度和满足式(2)或式(3)，则加分SM,2；若满足式(4)，则减分SM,3；
S6、若疑似门存在右边框(Ln,Ljx)时，若边线Ln左右两侧匹配度和满足式(2)或式(4)，则加分SM,2；若满足式(3)，则减分SM,3；
S7、若在疑似门两侧线中间存在实际线的深度发生突变，即存在Lk于Lix和Ljx之间，并满足(TZ为距离突变阈值，zl,ix和zl,jx表示左右边线Lix和Ljx在摄像头坐标系下的z向坐标，zl,k为竖线Lk在摄像头坐标系下的z向坐标)，则加分Sz,1；
S8若在疑似门两侧线中间存在实际点的深度发生突变，即存在匹配角点Pm于Lix和Ljx之间，并满足(zp,m为竖线匹配角点Pm在摄像头坐标系下的z向坐标)，则加分Sz,1。其中，匹配角点指由ORB角点检测算法、SURF角点检测、FAST角点检测等算法对图像IL,C和IR,C检测出的角点，并采用BF匹配算法或FLANN匹配算法得到的匹配角点，并由双目测距公式可获得其在摄像头坐标系下的坐标。
进一步地，将方位相似特征规则引入特征积分制，方位相似特征规则包括：
计算疑似门在机器人的视觉坐标系下的方位特征与待识别门在世界坐标系中所标记的方位特征的相似度，并根据相似度增加积分值，得到积分结果；
具体地，方位特征包含门的中心坐标和方向角，根据世界坐标系、机器人坐标系和机器人的视觉坐标系之间的转换关系，计算在世界坐标系下获取的待识别门在机器人的视觉坐标系下的第一门中心坐标和第一门方向角α′；
根据疑似门两侧边线的空间坐标和计算得到第二门心点坐标和第二门方向角φi′，其计算公式为(5)和(6)：
计算第一门中心坐标、第一门方向角与第二门中心坐标、第二门方向角的相似度，根据相似度增加积分值，得到积分结果。
两者之间的相似度根据公式(7)进行计算。
αDis指中心坐标相似度权重。
根据相似度Rho增加积分SNavi，其计算方法如公式(8)所示：
当相似度Rho≥T1时，增加积分值V1；当相似度T1>Rho≥T2时，增加积分值V2；
当相似度T2>Rho≥T3时，增加积分值当相似度T3>Rho≥-1.5时，增加积分值0；当相似度-1.5>Rho时，增加积分值V4；其中，V1、V2、V4、T1、T2、T3的值可以根据需要具体设置。
从积分结果中选择积分值最高的前N项疑似门，并从前N项疑似门中选择有效疑似门，其中，N≥1。
具体地，从积分结果中选择积分值最高的前N项疑似门；将前N项疑似门中积分值大于第二阈值的疑似门作为有效疑似门。
步骤S103，根据机器人在世界坐标系中的坐标和所机器人的视觉坐标系与机器人坐标系之间的转换关系得到有效疑似门在世界坐标系中的方位特征，其中，方位特征包括中心坐标和方向角；
步骤S104，当机器人位于不同位置时，重复执行步骤S101-步骤S104，得到多次提取的有效疑似门在世界坐标系中的方位特征；
步骤S105，从所有有效疑似门中选择置信度最大的有效疑似门，并将置信度最大的有效疑似门在世界坐标系中的方位特征作为待识别门的定位结果。
本实施例在利用门物品所属特征的基础上增加了待识别门在地图(世界坐标系)中方向信息特征的利用，同时通过对历史有效疑似门置信度信息的利用，极大的增加了门识别定位的成功率，对家庭环境、光照条件的适应性更强，即提高了该算法在实际场景下应用的鲁棒性和稳定性，有效克服了现有技术中门识别定位失败率较高、稳定性较差以及受环境所局限的缺陷。并且双目传感器成本低、性价比高，对光照条件适应性强，可以在服务机器人上推广，被消费用户接受。
进一步地，如图6所示，步骤S106包括以下步骤：
步骤S201，根据各个有效疑似门的积分计算其置信度；
步骤S202，根据各个有效疑似门在世界坐标系中的中心坐标进行中心聚类，得到多个聚类结果；
进一步地，步骤S202可采用以下方式实现：
采用聚类算法根据各个有效疑似门在世界坐标系中的中心坐标进行中心聚类，并将聚类距离小于第一阈值的两个类别进行合并，得到多个聚类类别；对每个聚类类别中的有效疑似门的方向角进行直方图统计，去除方向角差异较大的有效疑似门，得到多个聚类结果。
步骤S203，根据有效疑似门的置信度计算每个聚类结果的置信度，并将置信度最高的聚类类别作为最优类别；
步骤S204，将从最优类别中计算得到的置信度最大的有效疑似门作为待识别门的定位结果。
具体地，提取门识别定位最优结果的过程包括：
(a)当机器人进行疑似门提取的次数满足设定阈值(K>2)时，即可根据历次提取的有效疑似门进行门识别定位。
(b)根据各个有效疑似门的积分计算其置信度，其置信度计算公式为(9)：
式中，Si是第i个有效疑似门的积分，M为有效疑似门的个数。
(c)采用kmeans算法或者密度聚类算法根据各个有效疑似门在地图中的中心坐标进行中心m(m>1)聚类，m一般不能取值过小，否则会出现欠分割现象。如果m较大，要考滤到过分割的可能，需要再将中心距离相近的类别进行合并；进一步计算各个距离中心之间的距离，将聚类小于设定阈值的两个类别进行合并。
(d)对每个聚类结果中的有效疑似门的方向角进行直方图统计，去除孤立存在的角度。
(e)根据有效疑似门的置信度计算每个聚类结果的置信度，其计算方式为：属于该聚类的所有有效疑似门置信度的总和。选择置信度最高的聚类结果作为最优类别，即认为该类别对应的区域为待识别门存在的类别。
(f)在最优类别中计算获得置信度最大的有效疑似门作为门识别定位结果输出。
本实施例对待识别门在地图中方向信息特征以及对历史疑似门置信度信息的利用，可以提高门识别定位的成功率和鲁棒性。
图7示出了本发明实施例提供的家居环境下门识别定位系统示意图。
如图7所示，本实施例还提供一种家居环境下门识别定位系统，方法应用于设置有双目传感器的机器人，系统包括竖线特征提取模块10、有效疑似门提取模块20、方位特征获取模块30、历史有效疑似门提取模块40以及门识别定位模块50；
竖线特征提取模块10，用于获取双目传感器采集的当前视野内的左图像和右图像，并提取左图像中的第一竖线特征以及右图像中的第二竖线特征；
有效疑似门提取模块20，用于根据所述第一竖线特征以及所述第二竖线特征提取多个疑似门，并对所有所述疑似门进行分析，获得有效疑似门；
方位特征获取模块30，用于根据机器人在世界坐标系中的坐标和所机器人的视觉坐标系与机器人坐标系之间的转换关系得到有效疑似门在世界坐标系中的方位特征，其中，方位特征包括中心坐标和方向角；
历史有效疑似门提取模块40，用于当机器人位于不同位置时，重复执行以上步骤，得到多次提取的有效疑似门在世界坐标系中的方位特征；
门识别定位模块50，用于从所有有效疑似门中选择置信度最大的有效疑似门，并将置信度最大的有效疑似门在世界坐标系中的方位特征作为待识别门的定位结果。
本实施例还提供一种机器人，包括双目传感器和处理器；
双目传感器，用于对机器人的外部图像进行采集；
处理器，用于执行上述的方法，以输出待识别门的定位结果。
本发明实施例提供的家居环境下门识别定位系统以及机器人，与上述实施例提供的家居环境下门识别定位方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。
本发明实施例还提供一种电子设备，包括存储器、处理器，存储器中存储有可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例提供的家居环境下门识别定位方法的步骤。
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述实施例的家居环境下门识别定位方法的步骤。
参见图8，本发明实施例还提供一种家居环境下门识别定位装置1000，包括：处理器500，存储器501，总线502和通信接口503，处理器500、通信接口503和存储器501通过总线502连接；存储器501用于存储程序；处理器500用于通过总线502调用存储在存储器501中的程序，执行上述实施例的设备的认证授权方法。
其中，存储器501可能包含高速随机存取存储器(RAM，Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口503(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。
总线502可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图8中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器501用于存储程序，处理器500在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器500中，或者由处理器500实现。
处理器500可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器500中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器500可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DigitalSignal Processing，简称DSP)、专用集成电路(Application Specific IntegratedCircuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器501，处理器500读取存储器501中的信息，结合其硬件完成上述方法的步骤。
另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本发明实施例所提供的进行家居环境下门识别定位方法的计算机程序产品，包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种家居环境下门识别定位方法，其特征在于，所述方法应用于设置有双目传感器的机器人，包括：
获取双目传感器采集的当前视野内的左图像和右图像，并提取所述左图像中的第一竖线特征以及所述右图像中的第二竖线特征；
根据所述第一竖线特征以及所述第二竖线特征提取多个疑似门，并对所有所述疑似门进行分析，获得有效疑似门；
根据机器人在世界坐标系中的坐标和所述机器人的视觉坐标系与机器人坐标系之间的转换关系得到所述有效疑似门在所述世界坐标系中的方位特征，其中，所述方位特征包括中心坐标和方向角；
当所述机器人位于不同位置时，重复执行以上步骤，得到多次提取的所述有效疑似门在所述世界坐标系中的方位特征；
从所有所述有效疑似门中选择置信度最大的有效疑似门，并将所述置信度最大的有效疑似门在所述世界坐标系中的方位特征作为待识别门的定位结果。
2.根据权利要求1所述的家居环境下门识别定位方法，其特征在于，所述从所有所述有效疑似门中选择置信度最大的有效疑似门，并将所述置信度最大的有效疑似门在所述世界坐标系中的方位特征作为待识别门的定位结果的步骤，包括：
根据各个所述有效疑似门的积分计算其置信度；
根据各个所述有效疑似门在所述世界坐标系中的中心坐标进行中心聚类，得到多个聚类结果；
根据所述有效疑似门的置信度计算每个所述聚类结果的置信度，并将置信度最高的聚类类别作为最优类别；
将从所述最优类别中计算得到的置信度最大的有效疑似门作为所述待识别门的定位结果。
3.根据权利要求2所述的家居环境下门识别定位方法，其特征在于，所述根据各个有效疑似门在所述世界坐标系中的中心坐标进行中心聚类，得到多个聚类结果的步骤，包括：
采用聚类算法根据各个所述有效疑似门在所述世界坐标系中的中心坐标进行中心聚类，并将聚类距离小于第一阈值的两个类别进行合并，得到多个聚类类别；
对每个所述聚类类别中的有效疑似门的方向角进行直方图统计，去除方向角差异较大的有效疑似门，得到多个所述聚类结果。
4.根据权利要求1所述的家居环境下门识别定位方法，其特征在于，根据所述第一竖线特征以及所述第二竖线特征提取多个疑似门，并对所有所述疑似门进行分析，获得有效疑似门的步骤，包括：
对所述第一竖线特征以及所述第二竖线特征进行匹配，得到匹配竖线对，并根据双目测距原理得到所述匹配竖线对所对应的实际竖线在所述机器人的视觉坐标系下的空间位置坐标；
根据任意两条实际竖线之间的物理距离提取多个疑似门，将方位相似特征规则引入特征积分制，以对所有所述疑似门进行特征积分得到所述有效疑似门。
5.根据权利要求4所述的家居环境下门识别定位方法，其特征在于，将方位相似特征规则引入特征积分制，以对所有所述疑似门进行特征积分得到所述有效疑似门的步骤，包括：
利用特征积分制对所有所述疑似门进行特征积分，得到所述积分值；
计算所述疑似门在所述机器人的视觉坐标系下的方位特征与待识别门在世界坐标系中所标记的方位特征的相似度，并根据所述相似度增加所述积分值，得到积分结果；
从所述积分结果中选择积分值最高的前N项疑似门，从所述前N项疑似门中选择所述有效疑似门，其中，N≥1。
6.根据权利要求5所述的家居环境下门识别定位方法，其特征在于，所述计算所述疑似门在所述机器人的视觉坐标系下的方位特征与待识别门在世界坐标系中所标记的方位特征的相似度，并根据所述相似度增加所述积分值，得到积分结果的步骤，包括：
根据所述世界坐标系、所述机器人坐标系和所述机器人的视觉坐标系之间的转换关系，计算在所述世界坐标系下获取的所述待识别门在所述机器人的视觉坐标系下的第一门中心坐标和第一门方向角；
根据所述疑似门两侧边线的空间坐标计算得到第二门心点坐标和第二门方向角；
计算所述第一门中心坐标、所述第一门方向角与所述第二门中心坐标、所述第二门方向角的相似度，根据所述相似度增加积分值，得到所述积分结果。
7.根据权利要求6所述的家居环境下门识别定位方法，其特征在于，所述计算在所述世界坐标系下获取的所述待识别门在所述机器人的视觉坐标系下的第一门中心坐标和第一门方向角的步骤之前，所述方法还包括：
根据外部输入确定所述待识别门的ID以及观测区域，并根据已建地图获取所述待识别门在所述世界坐标系中的方位特征。
8.根据权利要求1所述的家居环境下门识别定位方法，其特征在于，所述当所述机器人位于不同位置时，重复执行以上步骤，得到多次提取的所述有效疑似门在所述世界坐标系中的方位特征的步骤，包括：
当所述机器人位于不同位置时，重复执行以上步骤，当所述机器人进行疑似门提取的次数满足设定阈值时，停止执行以上步骤，得到多次提取的所述有效疑似门在所述世界坐标系中的方位特征。
9.一种家居环境下门识别定位系统，其特征在于，所述系统应用于设置有双目传感器的机器人，所述系统包括：
竖线特征提取模块，用于获取双目传感器采集的当前视野内的左图像和右图像，并提取所述左图像中的第一竖线特征以及所述右图像中的第二竖线特征；
有效疑似门提取模块，用于根据所述第一竖线特征以及所述第二竖线特征提取多个疑似门，并对所有所述疑似门进行分析，获得有效疑似门；
方位特征获取模块，用于根据机器人在世界坐标系中的坐标和所述机器人的视觉坐标系与机器人坐标系之间的转换关系得到所述有效疑似门在所述世界坐标系中的方位特征，其中，所述方位特征包括中心坐标和方向角；
历史有效疑似门提取模块，用于当所述机器人位于不同位置时，重复执行以上步骤，得到多次提取的所述有效疑似门在所述世界坐标系中的方位特征；
门识别定位模块，用于从所有所述有效疑似门中选择置信度最大的有效疑似门，并将所述置信度最大的有效疑似门在所述世界坐标系中的方位特征作为待识别门的定位结果。
10.一种机器人，其特征在于，包括双目传感器和处理器，；
所述双目传感器，用于对机器人的外部图像进行采集；
所述处理器，用于执行如权利要求1至8任一项所述的方法，以输出待识别门的定位结果。
CN201810413403.7A 2018-05-02 2018-05-02 家居环境下门识别定位方法、系统以及机器人 Active CN108615025B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810413403.7A CN108615025B (zh) 2018-05-02 2018-05-02 家居环境下门识别定位方法、系统以及机器人

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810413403.7A CN108615025B (zh) 2018-05-02 2018-05-02 家居环境下门识别定位方法、系统以及机器人

Publications (2)

Publication Number Publication Date
CN108615025A true CN108615025A (zh) 2018-10-02
CN108615025B CN108615025B (zh) 2020-11-03

Family

ID=63661667

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810413403.7A Active CN108615025B (zh) 2018-05-02 2018-05-02 家居环境下门识别定位方法、系统以及机器人

Country Status (1)

Country Link
CN (1) CN108615025B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110269550A (zh) * 2019-06-13 2019-09-24 深圳市银星智能科技股份有限公司 一种门位置识别方法以及移动机器人
CN111950440A (zh) * 2020-08-10 2020-11-17 杭州萤石软件有限公司 一种识别与定位门的方法、装置及存储介质
CN113111144A (zh) * 2021-04-14 2021-07-13 北京云迹科技有限公司 一种房间标记方法、装置和机器人的运动方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104766084A (zh) * 2015-04-10 2015-07-08 南京大学 一种多目标匹配的近复制图像检测方法
CN106504288A (zh) * 2016-10-24 2017-03-15 北京进化者机器人科技有限公司 一种基于双目视觉目标检测的家居环境下门定位方法
US20170186210A1 (en) * 2014-12-15 2017-06-29 Konan Medical Usa, Inc. Visual Function Targeting Using Randomized, Dynamic, Contrasting Features
CN107038721A (zh) * 2017-03-27 2017-08-11 西安交通大学 一种基于lapjv算法的直线检测方法
CN107194350A (zh) * 2017-05-19 2017-09-22 北京进化者机器人科技有限公司 障碍物检测方法、装置及机器人
CN107833230A (zh) * 2017-11-09 2018-03-23 北京进化者机器人科技有限公司 室内环境地图的生成方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170186210A1 (en) * 2014-12-15 2017-06-29 Konan Medical Usa, Inc. Visual Function Targeting Using Randomized, Dynamic, Contrasting Features
CN104766084A (zh) * 2015-04-10 2015-07-08 南京大学 一种多目标匹配的近复制图像检测方法
CN106504288A (zh) * 2016-10-24 2017-03-15 北京进化者机器人科技有限公司 一种基于双目视觉目标检测的家居环境下门定位方法
CN107038721A (zh) * 2017-03-27 2017-08-11 西安交通大学 一种基于lapjv算法的直线检测方法
CN107194350A (zh) * 2017-05-19 2017-09-22 北京进化者机器人科技有限公司 障碍物检测方法、装置及机器人
CN107833230A (zh) * 2017-11-09 2018-03-23 北京进化者机器人科技有限公司 室内环境地图的生成方法及装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110269550A (zh) * 2019-06-13 2019-09-24 深圳市银星智能科技股份有限公司 一种门位置识别方法以及移动机器人
CN110269550B (zh) * 2019-06-13 2021-06-08 深圳市银星智能科技股份有限公司 一种门位置识别方法以及移动机器人
CN111950440A (zh) * 2020-08-10 2020-11-17 杭州萤石软件有限公司 一种识别与定位门的方法、装置及存储介质
CN113111144A (zh) * 2021-04-14 2021-07-13 北京云迹科技有限公司 一种房间标记方法、装置和机器人的运动方法

Also Published As

Publication number Publication date
CN108615025B (zh) 2020-11-03

Similar Documents

Publication Publication Date Title
CN108549891B (zh) 基于背景与目标先验的多尺度扩散显著目标检测方法
WO2019228063A1 (zh) 商品检测终端、方法、系统以及计算机设备、可读介质
CN107045631B (zh) 人脸特征点检测方法、装置及设备
US8401292B2 (en) Identifying high saliency regions in digital images
CN110472534A (zh) 基于rgb-d数据的3d目标检测方法、装置、设备和存储介质
CN108776819A (zh) 一种目标识别方法、移动终端及计算机可读存储介质
US20150269740A1 (en) Image Processor Configured for Efficient Estimation and Elimination of Foreground Information in Images
CN104134209B (zh) 一种视觉导航中的特征提取与匹配方法及系统
CN109375618A (zh) 清洁机器人的导航避障方法及终端设备
CN103258203B (zh) 遥感影像的道路中线自动提取方法
CN111931764B (zh) 一种目标检测方法、目标检测框架及相关设备
WO2018077165A1 (zh) 一种基于双目视觉目标检测的家居环境下门定位方法
CN107292907B (zh) 一种对跟随目标进行定位的方法以及跟随设备
CN107657249A (zh) 多尺度特征行人重识别的方法、装置、存储介质及处理器
CN110363817B (zh) 目标位姿估计方法、电子设备和介质
CN108615025A (zh) 家居环境下门识别定位方法、系统以及机器人
JP2007524950A (ja) オブジェクト検出方法、オブジェクト検出装置、およびオブジェクト検出プログラム
CN108090486A (zh) 一种台球比赛中的图像处理方法及装置
CN106650580A (zh) 基于图像处理的货架快速清点方法
CN108805838A (zh) 一种图像处理方法、移动终端及计算机可读存储介质
CN113191297A (zh) 一种路面识别方法、装置及电子设备
Pahwa et al. Locating 3D object proposals: A depth-based online approach
CN107403451A (zh) 自适应二值特征单目视觉里程计方法及计算机、机器人
CN105070094B (zh) 一种基于机器视觉的车位检测系统及车位检测方法
CN117037103A (zh) 一种道路检测方法和装置

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
CP03 Change of name, title or address

Address after: Building 65, No. 17, Jiujiang Road, Tongji New Economic Zone, Jimo District, Qingdao City, Shandong Province, 266200

Patentee after: Qingdao Evolver xiaopang Robot Technology Co.,Ltd.

Address before: 100192 1005-008, floor 1, building 27, 25 North Third Ring Road West, Haidian District, Beijing

Patentee before: BEIJING EVOLVER ROBOTICS Co.,Ltd.

CP03 Change of name, title or address