CN108648219B - 一种基于双目的障碍物与可行区域检测方法 - Google Patents
一种基于双目的障碍物与可行区域检测方法 Download PDFInfo
- Publication number
- CN108648219B CN108648219B CN201810307418.5A CN201810307418A CN108648219B CN 108648219 B CN108648219 B CN 108648219B CN 201810307418 A CN201810307418 A CN 201810307418A CN 108648219 B CN108648219 B CN 108648219B
- Authority
- CN
- China
- Prior art keywords
- binocular
- point cloud
- point
- feasible region
- traversable
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 15
- 230000004888 barrier function Effects 0.000 claims abstract description 11
- 230000000007 visual effect Effects 0.000 claims abstract description 9
- 238000005070 sampling Methods 0.000 claims abstract description 7
- 238000006243 chemical reaction Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 25
- 125000000205 L-threonino group Chemical group [H]OC(=O)[C@@]([H])(N([H])[*])[C@](C([H])([H])[H])([H])O[H] 0.000 claims description 9
- 230000017105 transposition Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 abstract description 3
- 230000004927 fusion Effects 0.000 abstract description 3
- 238000000034 method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20228—Disparity calculation for image-based rendering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种基于双目的障碍物与可行区域检测方法,包括:步骤1:标定双目系统;步骤2:通过视觉SLAM算法构建环境地图;步骤3:进行点云拼接;步骤4:将Setw进行降采样,并将点云转到移动底盘坐标系下;步骤5:在转换后的Setw中提取地面,得到可行区域Settraversable;步骤6:在Settraversable中提取障碍物区域,得到障碍物区域Setobs。本发明在视觉SLAM系统构建完成环境地图的基础上,进一步结合双目匹配算法,得到大范围场景点云。该点云包含场景的连续位姿信息,同时由于多帧融合,有效提高点云精度,减少噪声,并进一步在融合后的点云中检测障碍物与可行区域,实现了基于双目的障碍物与可行区域检测。
Description
技术领域
本发明涉及障碍物与可行区域检测技术领域,具体涉及一种基于双目的障碍物与可行区域检测方法。
背景技术
双目相机由于成本低廉,信息量大的优势在机器人构图、定位导航等应用中获得广泛应用。基于图像的构图通常使用视觉SLAM(simultaneous localization andmapping)系统,得到的地图形式为一系列关键帧和空间点的集合。该地图仅包含离散可行位姿,在实际应用中具有很大的局限性。双目相机可以通过左右图像的匹配得到真实世界的点云信息。然而图像匹配得到的点云存在噪声大、精度不高等问题,同样也制约了实际应用。
本发明在视觉SLAM系统构建完成环境地图的基础上,进一步结合双目匹配算法,得到大范围场景点云。该点云包含场景的连续位姿信息,同时由于多帧融合,有效提高点云精度,减少噪声,克服了上述两个缺点,并进一步在融合后的点云中检测障碍物与可行区域。
发明内容
本发明提供了一种基于双目的障碍物与可行区域检测方法,在视觉SLAM系统得到关键帧和空间点的基础上,融合双目系统得到场景稠密点云,在该点云中检测障碍物与可行区域信息。
本发明所述地图为关键帧集合Nk表示关键帧数目。所述关键帧表示为Ki,其中ti表示关键帧Ki在世界坐标系中的位置,为3×1矩阵,Ri表示关键帧Ki的朝向,为3×3矩阵,为双目相机系统在Ki位置时得到的图像。
本发明采用的技术方案如下:
一种基于双目的障碍物与可行区域检测方法,包括以下步骤:
步骤1:标定双目系统;
步骤1中,标定双目系统,分别得到两个相机的内参和外参,并且标定双目系统与移动底盘之间的旋转矩阵Rb和平移矩阵tb。
步骤2:通过视觉SLAM算法构建环境地图;
所述的环境地图为关键帧集合Nk表示关键帧数目,Kl、Ki、表示不同的关键帧,关键帧其中ti表示关键帧Ki在世界坐标系中的位置,为3×1矩阵,Ri表示关键帧Ki的朝向,为3×3矩阵,为双目相机系统在Ki位置时得到的图像。
步骤3:进行点云拼接;
步骤3.1:对于关键帧集合SetK中的每个元素Ki,使用StereoBM算法(opencv开源库中的代码)计算双目视差图,并进一步将双目视差图转化为基于左相机的三维点云,形成点云集合SetP={P1...Pip...Pmp},其中,mp为Ki形成的点云总数目,(uip,vip)为三维点对应的图像坐标,为三维点相对于左相机的坐标,为该点云在世界坐标系中的坐标,并建立以下关系式:
步骤3.2:对于Pip∈SetP,将Pip投影到相邻关键帧Ki-1或者Ki+1,以投影到Ki-1为例:
R'=Ri-1 T
t'=-Ri-1 T×ti-1
其中,ρ表示相机投影函数,由相机模型决定,(u',v')即为Pip在Ki-1中的投影坐标,其中RT表示对矩阵R进行转置,Ri-1 T表示对矩阵Ri-1进行转置。(x',y',z')为中间变量坐标。
步骤3.3:利用图像灰度值误差判定Pip有效性;
I(u,v)记为获取图像I在(u,v)处的灰度值,是指图像在(uip+i,vip+j)处的灰度值,是指图像在(u'+i,v'+j)处的灰度值,如果Ierr大于阈值ε,则Pip无效,否则判定Pip有效,将点加入到集合Setw,构建三维点集合Setw={Pw1...Pwi...PwN},wN为三维点的个数;
步骤4:将Setw进行降采样,并将点云转到移动底盘坐标系下。
步骤4中,使用PCL点云库中的VoxelGridFilter对Setw进行降采样处理,对于任意点(xi,yi,zi)∈Setw,执行下列公式将其转换到移动底盘坐标系下:
其中,Rb为旋转矩阵,tb为平移矩阵,公式中左边的(xi,yi,zi)为转换到移动底盘坐标系下的坐标,得到转换后的Setw。公式中右边的(xi,yi,zi)为转换前Setw中点的坐标;
步骤5:在转换后的Setw中提取地面,得到可行区域Settraversable。对于任一点Pwi=(xi,yi,zi)∈Setw,在Setw中查找距离Pwi最近的三个点,{Pw1=(x1,y1,z1),Pw2=(x2,y2,z2),Pw3=(x3,y3,z3)},求得点Pwi法向量
同理,通过在Setw中查找距离Pw1最近的三个点,得到Pw1法向量n1,通过在Setw中查找距离Pw2最近的三个点,得到Pw2法向量n2,通过在Setw中查找距离Pw3最近的三个点,得到Pw3法向量n3。
计算法向量误差n_error:
n_error=3-|ni·n1|-|ni·n2|-|ni·n3|
如果Pwi中zi小于设定阈值z_thres,并且n_error小于阈值n_thres,则判定点Pwi为可行区域,加入Settraversable。
步骤6:在Settraversable中提取障碍物区域,得到障碍物区域Setobs。设置障碍物高度阈值h_thres。对于任意一点Pti∈Settraversable,检测转换后的Setw中是否存在点Pwj,满足以下关系:
如果存在Pwj满足上述关系,则判定Pti为障碍物区域,加入到Setobs中,并将该点在Settraversable中删除。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
本发明在视觉SLAM系统构建完成环境地图的基础上,进一步结合双目匹配算法,得到大范围场景点云。该点云包含场景的连续位姿信息,同时由于多帧融合,有效提高点云精度,减少噪声,并进一步在融合后的点云中检测障碍物与可行区域,实现了基于双目的障碍物与可行区域检测。
附图说明
图1为本发明基于双目的障碍物与可行区域检测方法的流程示意图。
具体实施方式
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任意方式组合。
实施例一:
步骤1:标定系统。标定双目系统,分别得到两个相机的内参和外参。标定双目系统与移动底盘之间的旋转矩阵Rb和平移矩阵tb。
步骤2:通过视觉SLAM算法构建环境地图。所述的环境地图为关键帧集合Nk表示关键帧数目,K1、Ki、表示不同的关键帧,关键帧其中ti表示关键帧Ki在世界坐标系中的位置,为3×1矩阵,Ri表示关键帧Ki的朝向,为3×3矩阵,为双目相机系统在Ki位置时得到的图像。
步骤3:进行点云拼接。构建三维点集合Setw={Pw1...Pwi...PwN},Pwi={xi,yi,zi},对于关键帧集合SetK中的每个元素Ki,执行下列操作。
步骤3.1:使用StereoBM算法(opencv开源库中的代码)算法计算双目视差图。并进一步将双目视差图转化为基于左相机的三维点云。形成点云集合SetP={P1...Pip...Pmp},其中mp为Ki形成的点云总数目。(uip,vip)为三维点对应的图像坐标,为三维点相对于左相机的坐标,为该点云在世界坐标系中的坐标。
步骤3.2:对于Pip∈SetP,将Pip投影到相邻关键帧Ki-1或者Ki+1。以投影到Ki-1为例。
R'=Ri-1 T
t'=-Ri-1 T×ti-1
其中,ρ表示相机投影函数,由相机模型决定,(u',v')即为Pip在Ki-1中的投影坐标,其中RT表示对矩阵R进行转置,Ri-1 T表示对矩阵Ri-1进行转置。(x',y',z')为中间变量坐标。
步骤3.3:利用图像灰度值误差判定Pip有效性。
I(u,v)记为获取图像I在(u,v)处的灰度值。如果Ierr大于阈值ε,则Pip无效。否则判定Pip有效,将点加入到集合Setw。I(u,v)记为获取图像I在(u,v)处的灰度值,是指图像在(uip+i,vip+j)处的灰度值,是指图像在(u'+i,v'+j)处的灰度值,如果Ierr大于阈值ε,则Pip无效,否则判定Pip有效,将点加入到集合Setw,构建三维点集合Setw={Pw1...Pwi...PwN},wN为三维点的个数;
步骤4:将Setw进行降采样,并将点云转到移动底盘坐标系下。使用PCL点云库中的VoxelGridFilter对点云进行降采样处理,设置降采样后的点云为Setw。使用下列公式将点云转换到移动底盘坐标系下。
其中,Rb为旋转矩阵,tb为平移矩阵,公式中左边的(xi,yi,zi)为转换到移动底盘坐标系下的坐标,得到转换后的Setw。公式中右边的(xi,yi,zi)为转换前Setw中点的坐标;
步骤5:在Setw中提取地面,得到可行区域Settraversable。对于任一点Pwi∈Setw,在Setw中查找距离Pwi最近的三个点,{Pw1=(x1,y1,z1),Pw2=(x2,y2,z2),Pw3=(x3,y3,z3)},求得点Pwi法向量
同理,通过在Setw中查找距离Pw1最近的三个点,得到Pw1法向量n1,通过在Setw中查找距离Pw2最近的三个点,得到Pw2法向量n2,通过在Setw中查找距离Pw3最近的三个点,得到Pw3法向量n3。
计算法向量误差n_error:
n_error=3-|ni·n1|-|ni·n2|-|ni·n3|
如果zi小于阈值z_thres,并且n_error小于阈值n_thres,则判定点Pwi为可行区域,加入Settraversable。
步骤6:在Settraversable中提取障碍物区域,得到障碍物区域Setobs。设置障碍物高度阈值h_thres。对于任意一点Pti∈Settraversable,检测Setw中是否存在点Pwj,满足以下关系:
则判定Pti为障碍物区域,加入到Setobs中,并将该点在Settraversable中删除。从而计算得到障碍物区域。
Claims (5)
1.一种基于双目的障碍物与可行区域检测方法,其特征在于,包括以下步骤:
步骤1:标定双目系统;
步骤2:通过视觉SLAM算法构建环境地图;
步骤3:进行点云拼接;
步骤4:将三维点集合Setw进行降采样,并将点云转到移动底盘坐标系下;
步骤5:在转换后的Setw中提取地面,得到可行区域Settraversable,对于任一点Pwi=(xi,yi,zi)∈Setw,在Setw中查找距离Pwi最近的三个点,{Pw1=(x1,y1,z1),Pw2=(x2,y2,z2),Pw3=(x3,y3,z3)},求得点Pwi法向量
同理,通过在Setw中查找距离Pw1最近的三个点,得到Pw1法向量n1,通过在Setw中查找距离Pw2最近的三个点,得到Pw2法向量n2,通过在Setw中查找距离Pw3最近的三个点,得到Pw3法向量n3;
计算法向量误差n_error:
n_error=3-|ni·n1|-|ni·n2|-|ni·n3|
如果Pwi中zi小于设定阈值z_thres,并且n_error小于阈值n_thres,则判定点Pwi为可行区域,加入Settraversable;
步骤6:在Settraversable中提取障碍物区域,得到障碍物区域Setobs,设置障碍物高度阈值h_thres,对于任意一点Pti∈Settraversable,检测转换后的Setw中是否存在点Pwj,满足以下关系:
如果存在Pwj满足上述关系,则判定Pti为障碍物区域,将Pwj加入到Setobs中,并将该点Pwj在Settraversable中删除。
2.根据权利要求1所述的基于双目的障碍物与可行区域检测方法,其特征在于,步骤1中,标定双目系统,分别得到两个相机的内参和外参,并且标定双目系统与移动底盘之间的旋转矩阵Rb和平移矩阵tb。
4.根据权利要求3所述的基于双目的障碍物与可行区域检测方法,其特征在于,步骤3中,进行点云拼接,具体包括:
步骤3.1:对于关键帧集合SetK中的每个元素Ki,使用StereoBM算法计算双目视差图,并进一步将双目视差图转化为基于左相机的三维点云,形成点云集合SetP={P1...,Pip...,Pmp},其中,mp为Ki形成的点云总数目,(uip,vip)为三维点对应的图像坐标,为三维点相对于左相机的坐标,为该点云在世界坐标系中的坐标,并建立以下关系式:
步骤3.2:对于Pip∈SetP,将Pip投影到相邻关键帧Ki-1或者Ki+1,以投影到Ki-1为例:
R'=Ri-1 T
t'=-Ri-1 T×ti-1
其中,ρ表示相机投影函数,由相机模型决定,(u',v')即为Pip在Ki-1中的投影坐标,其中Ri-1 T表示对矩阵Ri-1进行转置;
步骤3.3:利用图像灰度值误差Ierr判定Pip有效性;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810307418.5A CN108648219B (zh) | 2018-04-08 | 2018-04-08 | 一种基于双目的障碍物与可行区域检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810307418.5A CN108648219B (zh) | 2018-04-08 | 2018-04-08 | 一种基于双目的障碍物与可行区域检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108648219A CN108648219A (zh) | 2018-10-12 |
CN108648219B true CN108648219B (zh) | 2022-02-22 |
Family
ID=63745857
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810307418.5A Active CN108648219B (zh) | 2018-04-08 | 2018-04-08 | 一种基于双目的障碍物与可行区域检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108648219B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110864670B (zh) * | 2019-11-27 | 2022-02-08 | 苏州智加科技有限公司 | 目标障碍物位置的获取方法和系统 |
CN111461981B (zh) * | 2020-03-30 | 2023-09-01 | 北京百度网讯科技有限公司 | 点云拼接算法的误差估计方法和装置 |
CN113792583A (zh) * | 2021-08-03 | 2021-12-14 | 北京中科慧眼科技有限公司 | 基于可行驶区域的障碍物检测方法、系统和智能终端 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101549683A (zh) * | 2009-04-23 | 2009-10-07 | 上海交通大学 | 自动识别道路深坑与障碍物的车辆智能方法 |
CN103955920A (zh) * | 2014-04-14 | 2014-07-30 | 桂林电子科技大学 | 基于三维点云分割的双目视觉障碍物检测方法 |
CN104574376A (zh) * | 2014-12-24 | 2015-04-29 | 重庆大学 | 拥挤交通中基于双目视觉和激光雷达联合校验的防撞方法 |
CN105096386A (zh) * | 2015-07-21 | 2015-11-25 | 中国民航大学 | 大范围复杂城市环境几何地图自动生成方法 |
CN106599108A (zh) * | 2016-11-30 | 2017-04-26 | 浙江大学 | 一种三维环境中多模态环境地图构建方法 |
CN106650640A (zh) * | 2016-12-05 | 2017-05-10 | 浙江大学 | 一种基于激光雷达点云局部结构特征的负障碍物检测方法 |
CN106802668A (zh) * | 2017-02-16 | 2017-06-06 | 上海交通大学 | 基于双目与超声波融合的无人机三维避撞方法及系统 |
CN107169986A (zh) * | 2017-05-23 | 2017-09-15 | 北京理工大学 | 一种障碍物检测方法及系统 |
CN107179768A (zh) * | 2017-05-15 | 2017-09-19 | 上海木爷机器人技术有限公司 | 一种障碍物识别方法及装置 |
CN107590827A (zh) * | 2017-09-15 | 2018-01-16 | 重庆邮电大学 | 一种基于Kinect的室内移动机器人视觉SLAM方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8577126B2 (en) * | 2007-04-11 | 2013-11-05 | Irobot Corporation | System and method for cooperative remote vehicle behavior |
-
2018
- 2018-04-08 CN CN201810307418.5A patent/CN108648219B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101549683A (zh) * | 2009-04-23 | 2009-10-07 | 上海交通大学 | 自动识别道路深坑与障碍物的车辆智能方法 |
CN103955920A (zh) * | 2014-04-14 | 2014-07-30 | 桂林电子科技大学 | 基于三维点云分割的双目视觉障碍物检测方法 |
CN104574376A (zh) * | 2014-12-24 | 2015-04-29 | 重庆大学 | 拥挤交通中基于双目视觉和激光雷达联合校验的防撞方法 |
CN105096386A (zh) * | 2015-07-21 | 2015-11-25 | 中国民航大学 | 大范围复杂城市环境几何地图自动生成方法 |
CN106599108A (zh) * | 2016-11-30 | 2017-04-26 | 浙江大学 | 一种三维环境中多模态环境地图构建方法 |
CN106650640A (zh) * | 2016-12-05 | 2017-05-10 | 浙江大学 | 一种基于激光雷达点云局部结构特征的负障碍物检测方法 |
CN106802668A (zh) * | 2017-02-16 | 2017-06-06 | 上海交通大学 | 基于双目与超声波融合的无人机三维避撞方法及系统 |
CN107179768A (zh) * | 2017-05-15 | 2017-09-19 | 上海木爷机器人技术有限公司 | 一种障碍物识别方法及装置 |
CN107169986A (zh) * | 2017-05-23 | 2017-09-15 | 北京理工大学 | 一种障碍物检测方法及系统 |
CN107590827A (zh) * | 2017-09-15 | 2018-01-16 | 重庆邮电大学 | 一种基于Kinect的室内移动机器人视觉SLAM方法 |
Non-Patent Citations (4)
Title |
---|
A stereo vision-based obstacle detection system in vehicles;Kunsoo Huh 等;《Optics and Lasers in Engineering》;20071231;第46卷(第2期);第168-178页 * |
基于双目视觉的智能车辆障碍物探测技术研究;王荣本 等;《中国图象图形学报》;20071231;第12卷(第12期);第2158-2163页 * |
基于点云图的农业导航中障碍物检测方法;姬长英 等;《农业工程学报》;20150430;第31卷(第7期);第173-179页 * |
融合多特征基于图割实现视频遮挡区域检测;张世辉 等;《光学学报》;20150430;第35卷(第4期);第1-10页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108648219A (zh) | 2018-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110125928B (zh) | 一种基于前后帧进行特征匹配的双目惯导slam系统 | |
CN107160395B (zh) | 地图构建方法及机器人控制系统 | |
RU2713611C2 (ru) | Способ моделирования трехмерного пространства | |
CN105096386B (zh) | 大范围复杂城市环境几何地图自动生成方法 | |
CN112785702A (zh) | 一种基于2d激光雷达和双目相机紧耦合的slam方法 | |
CN109186606B (zh) | 一种基于slam和图像信息的机器人构图及导航方法 | |
CN114862949B (zh) | 一种基于点线面特征的结构化场景视觉slam方法 | |
CN108648219B (zh) | 一种基于双目的障碍物与可行区域检测方法 | |
Meilland et al. | Dense omnidirectional RGB‐D mapping of large‐scale outdoor environments for real‐time localization and autonomous navigation | |
CN113658337B (zh) | 一种基于车辙线的多模态里程计方法 | |
CN111127524A (zh) | 一种轨迹跟踪与三维重建方法、系统及装置 | |
CN110599545B (zh) | 一种基于特征的构建稠密地图的系统 | |
KR20220064524A (ko) | 이미지 기반 측위 방법 및 시스템 | |
CN111860651B (zh) | 一种基于单目视觉的移动机器人半稠密地图构建方法 | |
KR101207535B1 (ko) | 이동 로봇의 이미지 기반 동시적 위치 인식 및 지도 작성 방법 | |
Pirker et al. | GPSlam: Marrying Sparse Geometric and Dense Probabilistic Visual Mapping. | |
CN116222543A (zh) | 用于机器人环境感知的多传感器融合地图构建方法及系统 | |
CN114037762A (zh) | 基于图像与高精度地图配准的实时高精度定位方法 | |
Tao et al. | Automated processing of mobile mapping image sequences | |
Nirmal et al. | Homing with stereovision | |
JP2018173882A (ja) | 情報処理装置、方法、及びプログラム | |
CN113888629A (zh) | 一种基于rgbd相机的快速物体三维位姿估计方法 | |
CN113739786A (zh) | 一种面向四足机器人的室内环境感知方法、装置及设备 | |
Shacklock et al. | Visual guidance for autonomous vehicles: capability and challenges | |
CN117036462A (zh) | 基于事件相机的视觉定位方法、装置、电子设备及介质 |
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 |