CN109141364A - 障碍物检测方法、系统及机器人 - Google Patents
障碍物检测方法、系统及机器人 Download PDFInfo
- Publication number
- CN109141364A CN109141364A CN201810861703.1A CN201810861703A CN109141364A CN 109141364 A CN109141364 A CN 109141364A CN 201810861703 A CN201810861703 A CN 201810861703A CN 109141364 A CN109141364 A CN 109141364A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- dimensional space
- camera
- rotation angle
- cloud
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V8/00—Prospecting or detecting by optical means
- G01V8/10—Detecting, e.g. by using light barriers
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Multimedia (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种障碍物检测方法、系统及机器人,涉及障碍物检测技术领域,根据摄像头采集的深度信息构建目标区域的三维空间点云;对三维空间点云进行处理,获取摄像头的旋转角度;根据旋转角度将三维空间点云进行旋转,并从旋转后的三维空间点云中提取地面点云;根据所述地面点云从所述旋转后的三维空间点云中获取障碍物点云,得到障碍物检测信息。本发明通过采集深度信息,使用点云对空间进行建模,可以获取摄像头俯仰角度,有效避免了对摄像头安装角度以及出厂安装工艺的要求。
Description
技术领域
本发明涉及障碍物检测技术领域,尤其是涉及一种障碍物检测方法、系统及机器人。
背景技术
对于机器人来说,自主导航是至关重要的一个环节,而是否能够准确的进行障碍物检测,是衡量导航性能非常重要的指标。为了使机器人在导航过程中准确地检测障碍物,并进行避障,通过选择不同的传感器来进行障碍物检测。
在三维空间中,物体的旋转一共有三个自由度,横滚(roll)、俯仰(pitch)、偏航(yaw),当摄像头在机器人的安装不存在横滚,并且俯仰角度固定时,可以通过观测一个地平面,并拟合像素坐标与观测高度之间的关系函数,然后在实际情况中,根据像素坐标对应的函数值与实际观测的深度值进行比较,判断该像素对应的区域是否为障碍物。但是,上述方法要求摄像头一定要固定安装,对出厂要求较高,并且在使用过程中不能发生任何旋转。
发明内容
有鉴于此,本发明的目的在于提供障碍物检测方法、系统及机器人,以解决现有技术中存在的要求摄像头固定安装,对出厂要求较高,并且在使用过程中不能发生任何旋转的技术问题。
第一方面,本发明实施例提供了一种障碍物检测方法,应用于机器人,所述机器人上安装有摄像头,所述方法包括:
根据所述摄像头采集的深度信息构建目标区域的三维空间点云;
对所述三维空间点云进行处理,获取所述摄像头的旋转角度;
根据所述旋转角度将所述三维空间点云进行旋转,并从旋转后的三维空间点云中提取地面点云;
根据所述地面点云从所述旋转后的三维空间点云中获取障碍物点云,得到障碍物检测信息。
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,所述根据所述地面点云从所述旋转后的三维空间点云中获取障碍物点云的步骤,包括:
根据所述地面点云拟合地面平面,并获取所述地面平面的高斯分布参数;
获取所述旋转后的三维空间点云与所述地面平面的相对位置信息;
根据所述相对位置信息以及所述高斯分布参数获取所述障碍物点云,得到所述障碍物检测信息。
结合第一方面,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,所述对所述三维空间点云进行处理,获取所述摄像头的旋转角度的步骤,包括:
获取所述三维空间点云的点云法向量,并根据所述点云法向量得到疑似地面点云;
根据所述疑似地面点云获取所述摄像头的旋转角度。
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,获取所述三维空间点云的点云法向量,并根据所述点云法向量得到疑似地面点云的步骤,包括:
获取所述三维空间点云的每个点云的法向量,并计算每个所述点云的法向量与世界坐标系中Z坐标轴之间的夹角;
将所述夹角小于预设夹角的点云作为所述疑似地面点云。
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,所述根据所述疑似地面点云获取所述摄像头的旋转角度的步骤,包括:
获取假设旋转角度,根据所述假设旋转角度将所述疑似地面点云进行旋转;其中,所述假设旋转角度在第一预设范围内;
根据所述摄像头的高度从旋转后的所述疑似地面点云中获取满足预设条件的点云;
在所述第一预设范围内,迭代执行以上步骤,获取满足所述预设条件的点云个数达到最大时的第一旋转角度;
根据所述第一旋转角度获取所述假设旋转角度的第二预设范围,从所述第二预设范围内获取所述摄像头的旋转角度。
结合第一方面,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,所述根据所述旋转角度将所述三维空间点云进行旋转,并从旋转后的三维空间点云中提取地面点云的步骤,包括:
根据所述旋转角度将所述三维空间点云从摄像头坐标系变换到世界坐标系,得到变换后的三维空间点云;
根据所述摄像头的高度从所述变换后的三维空间点云中获取满足预设高度的点云;
通过对满足所述预设高度的点云的Z坐标拟合高斯分布,得到所述地面点云。
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六种可能的实施方式,其中,所述获取所述旋转后的三维空间点云与所述地面平面的相对位置信息的步骤,包括:
将所述目标区域划分为多个预设尺寸的方格,并将所述旋转后的三维空间点云投影到多个所述方格中;
通过高斯核函数分别计算每个所述方格中的点云到所述地面平面的平均高度以及平均方向,得到所述相对位置信息。
结合第一方面的第六种可能的实施方式,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,所述根据所述相对位置信息以及所述高斯分布参数获取障碍物点云,得到障碍物检测信息的步骤,包括:
将每个所述方格的平均高度与所述高斯分布参数的阈值进行对比,以及将每个所述方格的平均方向与预设阈值进行对比;
将满足预设条件的方格内的点云作为障碍物点云。
第二方面,本发明实施例还提供一种障碍物检测系统,应用于机器人,所述机器人上安装有摄像头,所述系统包括:
构建模块,用于根据所述摄像头采集的深度信息构建目标区域的三维空间点云;
处理模块,用于对所述三维空间点云进行处理,获取所述摄像头的旋转角度;
旋转模块,用于根据所述旋转角度将所述三维空间点云进行旋转,并从旋转后的三维空间点云中提取地面点云;
获取模块,用于根据所述地面点云从所述旋转后的三维空间点云中获取障碍物点云,得到障碍物检测信息。
第三方面,本发明实施例提供了一种机器人,包括摄像头和处理器,所述摄像头安装在所述机器人上;
所述摄像头,用于采集目标区域的深度信息;
所述处理器,用于执行如上所述的方法,以输出障碍物检测信息。
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障碍物检测方法、系统及机器人,根据摄像头采集的深度信息构建目标区域的三维空间点云;对三维空间点云进行处理,获取摄像头的旋转角度;根据旋转角度将三维空间点云进行旋转,并从旋转后的三维空间点云中提取地面点云;根据地面点云拟合地面平面,并根据高斯分布拟合获取地面平面参数;获取旋转后的三维空间点云与地面平面的位置信息;根据位置信息以及地面平面参数获取障碍物点云,得到障碍物检测信息。通过采集深度信息,使用点云对空间进行建模,可以获取摄像头俯仰角度,有效避免了对摄像头安装角度以及出厂安装工艺的要求。
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障碍物检测方法流程图;
图2为本发明实施例提供的障碍物检测方法的步骤S104的方法流程图;
图3为本发明实施例提供的障碍物检测系统图;
图4为本发明实施例提供的电子设备示意图。
图标:10-构建模块;20-处理模块;30-旋转模块;40-获取模块。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,当摄像头在机器人的安装不存在横滚,并且俯仰角度固定时,可以通过观测一个地平面,并拟合像素坐标与观测高度之间的关系函数,然后在实际情况中,根据像素坐标对应的函数值与实际观测的深度值进行比较,判断该像素对应的区域是否为障碍物。但是,上述方法要求摄像头一定要固定安装,对出厂要求较高,并且在使用过程中不能发生任何旋转。
基于此,本发明实施例提供的一种障碍物检测方法、系统及机器人,可以通过采集深度信息,使用点云对空间进行建模,从而获取摄像头俯仰角度,有效避免了对摄像头安装角度以及出厂安装工艺的要求。。
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障碍物检测方法进行详细介绍。
实施例一:
如图1所述,本实施例提供了一种障碍物检测方法,应用于机器人,机器人上安装有摄像头,方法包括以下步骤:
步骤S101,根据摄像头采集的深度信息构建目标区域的三维空间点云;
具体地,摄像头可以是深度摄像头,深度摄像头采集目标区域的深度图像信息,目标区域可以是室内区域,根据深度图像信息生成点云数据,对目标区域进行三维空间建模,得到三维空间点云。
在本步骤中,首先使用摄像头采集的深度图像信息构建初始三维空间点云;然后,对初始三维空间点云进行体素滤波,得到滤波后的三维空间点云。使用体素化网格方法实现下采样,即减少点的数量,减少点云数据,并同时保持点云的形状特征,在提高配准、曲面重建、形状识别等算法速度中非常实用。
具体地,点云库PCL(Point Cloud Library,PCL)实现的VoxelGrid类通过输入的点云数据创建一个三维体素栅格(可把体素栅格想象为微小的空间三维立方体的集合),然后在每个体素(即三维立方体)内,用体素中所有点的重心来近似显示体素中其他点,这样该体素就内所有点就用一个重心点最终表示,对于所有体素处理后得到过滤后的点云。
步骤S102,对三维空间点云进行处理,获取摄像头的旋转角度;
本实施例中,摄像头的旋转角度为俯仰角,由于摄像头不是固定安装,并且在使用过程中可以旋转,因此在障碍物检测中,根据摄像头采集的三维空间点云可以获取其俯仰角。
进一步地,步骤S102可以通过以下方式实现:获取三维空间点云的点云法向量,并根据点云法向量得到疑似地面点云;根据疑似地面点云获取摄像头的旋转角度。
首先,获取三维空间点云的每个点云的法向量,并计算每个点云的法向量与世界坐标系中Z坐标轴之间的夹角;将夹角小于预设夹角的点云作为疑似地面点云。
具体地,通过点云法向量得到疑似地面点云的过程如下:遍历所有的点云数据,每个点云与其空间距离最近的K个点云数据,生成一个点云的子集,对该集合进行平面拟合,平面模型为式(1),式(2)中的向量n为得到平面的法向量作为该点云数据的法向量。
Ax+By+Cz+D=0(1)
n=(A,B,C)(2)
根据式(3)计算每个点云的法向量同世界坐标系的z坐标轴之间的夹角,如果夹角小于θ,则将该点云数据作为疑似地面点云。
然后,获取假设旋转角度,根据假设旋转角度将疑似地面点云进行旋转;其中,假设旋转角度在第一预设范围内;根据摄像头的高度从旋转后的疑似地面点云中获取满足预设条件的点云;在第一预设范围内,迭代执行以上步骤,获取满足预设条件的点云个数达到最大时的第一旋转角度;根据第一旋转角度获取假设旋转角度的第二预设范围,从第二预设范围内获取摄像头的旋转角度。
具体地,获取摄像头的旋转角度的步骤包括:
1.1粗估计
假设摄像头俯仰角的旋转角度为第一预设范围则相机坐标系的旋转矩阵R如式(4):
在范围内,每间隔预设角度,例如1°,将疑似地面点云根据式(5)从摄像头坐标系变换到世界坐标系中:
Pw=R1Pc (5)
其中,Pw为世界坐标系,Pc为摄像头坐标系。
假设摄像头中心到地面的安装高度为H,每次变换之后,统计点云的Z坐标-H-ΔH≤Z≤-H+ΔH之间的点的个数,其中,ΔH为设定值,假设原始点云的个数为N0,投影之后在统计范围内的点云的个数为因为当旋转角越接近真实角度的时候,在统计范围内可以看到的数据点就越多。计算最后得到的估计角度是使达到最大的角度 至此,得到旋转角的粗略估计
1.2精确估计
精确估计同粗估计的方法一致,在得到之后,在进行以10-n为间隔,其中,n为设定值,在第一预设范围范围内,重新估计直到得到的否则重新设定n的值,进行迭代计算。最终得到符合条件的角度
步骤S103,根据旋转角度将三维空间点云进行旋转,并从旋转后的三维空间点云中提取地面点云;
本步骤中,根据摄像头的旋转角度得到旋转矩阵,根据旋转矩阵将三维空点云从摄像头坐标系变换到世界坐标系,得到世界坐标系下的三维空间点云,并从该三维空间点云中提取地面点云。
进一步地,步骤S103包括:根据旋转角度将三维空间点云从摄像头坐标系变换到世界坐标系,得到变换后的三维空间点云;根据摄像头的高度从变换后的三维空间点云中获取满足预设高度的点云;通过对满足预设高度的点云的Z坐标拟合高斯分布,得到地面点云。
在具体实施中,首先根据式(6)和将三维空间点云从摄像头坐标系变换到世界坐标系
Pw=R2Pc (7)
然后,进行地面检测,具体包括以下步骤:
2.1带通滤波
由于已知摄像头的安装高度H,在Pw中截取所有点云中高度在-H-ΔZ≤Z≤-H+ΔZ之间的点云,ΔZ为设定值。
2.2分布拟合
由于数据在该范围内的分布为高斯分布,所以通过直方图统计的方法,计算得到高斯分布的均值μ与方差σ,最终得到的地面点云为Z坐标符合以下式(8)的点云:
其中,PG为点云的坐标,Pwi为地面点云的坐标,为地面点云的Z坐标。
步骤S104,根据地面点云从旋转后的三维空间点云中获取障碍物点云,得到障碍物检测信息。
进一步地,如图2所示,步骤S104包括以下步骤:
步骤S201,根据地面点云拟合地面平面,并获取地面平面的高斯分布参数;
本步骤,对得到的地面点云数据进行平面拟合,由于空间点到地面平面的距离分布为高斯分布,即正态分布,若随机变量X服从一个数学期望为μ、方差为σ^2的正态分布,记为N(μ,σ^2)。其概率密度函数为正态分布的期望值μ决定了其位置,其标准差σ决定了分布的幅度。当μ=0,σ=1时的正态分布是标准正态分布。所以通过直方图统计的方法,得到该高斯分布的均值μ与方差σ,即高斯分布参数。
步骤S202,获取旋转后的三维空间点云与地面平面的相对位置信息;
进一步地,步骤S202包括以下过程:将目标区域划分为多个预设尺寸的方格,并将旋转后的三维空间点云投影到多个方格中;通过高斯核函数分别计算每个方格中的点云到地面平面的平均高度以及平均方向,得到相对位置信息。
具体地,将摄像头前方的目标区域划分为Lcm*Lcm大小的方格,总的区域大小为M*N个方格,并根据点云x方向与y方向的坐标,将所有点云划分到M*N个方格当中。
每个区域内,使用区域内所有点云到地面平面的距离的均值作为代表该区域到地面的高度,使用区域内所有点云的法向量与地面平面的角度的均值作为代表该区域的方向。
使用3*3大小的高斯核函数,对M*N的方格,进行滑动窗口的操作,计算得到每个区域的高度D与方向α。
步骤S203,根据相对位置信息以及高斯分布参数获取障碍物点云,得到障碍物检测信息。
进一步地,步骤S203包括:将每个方格的平均高度与高斯分布参数的阈值进行对比,以及将每个方格的平均方向与预设阈值进行对比;将满足预设条件的方格内的点云作为障碍物点云。
具体地,将符合以下式(9)或式(10)的方格区域作为障碍物处理:
obstacle=arg{areai|μ-2σ≤D≤μ+2σ} (9)
obstacle=arg{areai|α>a} (10)
其中,a为设定值,可以跟据障碍物检测大小进行设定。
本实施例的障碍物检测方法鲁棒性好,并且可根据障碍物检测大小的需求,进行阈值的调节,灵活性较好,对于一般室内环境具有通用性。并且有效的解决了目前的障碍物检测存在摄像头角度固定,无法检测较小障碍物等缺陷。
另外,由于在障碍物检测过程中,进行了高斯建模,并有效利用高斯分布中的3σ法则进行障碍物判断,3σ法则又称为拉依达准则,它是先假设一组检测数据只含有随机误差,对其进行计算处理得到标准偏差,按一定概率确定一个区间,认为凡超过这个区间的误差,就不属于随机误差而是粗大误差,含有该误差的数据应予以剔除。且3σ适用于有较多组数据的时候。所以对于较小的障碍物起到很好的检测作用。
本实施例提供了一种障碍物检测系统,应用于机器人,机器人上安装有摄像头,如图3所示,系统包括构建模块10、处理模块20、旋转模块30和获取模块40。
构建模块10,用于根据摄像头采集的深度信息构建目标区域的三维空间点云;
处理模块20,用于对三维空间点云进行处理,获取摄像头的旋转角度;
旋转模块30,用于根据旋转角度将三维空间点云进行旋转,并从旋转后的三维空间点云中提取地面点云;
获取模块40,用于根据地面点云从旋转后的三维空间点云中获取障碍物点云,得到障碍物检测信息。
本实施例还提供了一种机器人,包括摄像头和处理器,摄像头安装在机器人上;
摄像头,用于采集目标区域的深度信息;
处理器,用于执行上述实施例提供的障碍物检测方法,以输出障碍物检测信息。
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障碍物检测方法的步骤。
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障碍物检测方法的步骤。
参见图4,本发明实施例还提供一种电子设备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,执行上述实施例的障碍物检测方法。
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。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4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。
本发明实施例所提供的进行障碍物检测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)
1.一种障碍物检测方法,其特征在于,应用于机器人,所述机器人上安装有摄像头,所述方法包括:
根据所述摄像头采集的深度信息构建目标区域的三维空间点云;
对所述三维空间点云进行处理,获取所述摄像头的旋转角度;
根据所述旋转角度将所述三维空间点云进行旋转,并从旋转后的三维空间点云中提取地面点云;
根据所述地面点云从所述旋转后的三维空间点云中获取障碍物点云,得到障碍物检测信息。
2.根据权利要求1所述的方法,其特征在于,所述根据所述地面点云从所述旋转后的三维空间点云中获取障碍物点云的步骤,包括:
根据所述地面点云拟合地面平面,并获取所述地面平面的高斯分布参数;
获取所述旋转后的三维空间点云与所述地面平面的相对位置信息;
根据所述相对位置信息以及所述高斯分布参数获取所述障碍物点云,得到所述障碍物检测信息。
3.根据权利要求1所述的方法,其特征在于,所述对所述三维空间点云进行处理,获取所述摄像头的旋转角度的步骤,包括:
获取所述三维空间点云的点云法向量,并根据所述点云法向量得到疑似地面点云;
根据所述疑似地面点云获取所述摄像头的旋转角度。
4.根据权利要求3所述的方法,其特征在于,获取所述三维空间点云的点云法向量,并根据所述点云法向量得到疑似地面点云的步骤,包括:
获取所述三维空间点云的每个点云的法向量,并计算每个所述点云的法向量与世界坐标系中Z坐标轴之间的夹角;
将所述夹角小于预设夹角的点云作为所述疑似地面点云。
5.根据权利要求4所述的方法,其特征在于,所述根据所述疑似地面点云获取所述摄像头的旋转角度的步骤,包括:
获取假设旋转角度,根据所述假设旋转角度将所述疑似地面点云进行旋转;其中,所述假设旋转角度在第一预设范围内;
根据所述摄像头的高度从旋转后的所述疑似地面点云中获取满足预设条件的点云;
在所述第一预设范围内,迭代执行以上步骤,获取满足所述预设条件的点云个数达到最大时的第一旋转角度;
根据所述第一旋转角度获取所述假设旋转角度的第二预设范围,从所述第二预设范围内获取所述摄像头的旋转角度。
6.根据权利要求1所述的方法,其特征在于,所述根据所述旋转角度将所述三维空间点云进行旋转,并从旋转后的三维空间点云中提取地面点云的步骤,包括:
根据所述旋转角度将所述三维空间点云从摄像头坐标系变换到世界坐标系,得到变换后的三维空间点云;
根据所述摄像头的高度从所述变换后的三维空间点云中获取满足预设高度的点云;
通过对满足所述预设高度的点云的Z坐标拟合高斯分布,得到所述地面点云。
7.根据权利要求2所述的方法,其特征在于,所述获取所述旋转后的三维空间点云与所述地面平面的相对位置信息的步骤,包括:
将所述目标区域划分为多个预设尺寸的方格,并将所述旋转后的三维空间点云投影到多个所述方格中;
通过高斯核函数分别计算每个所述方格中的点云到所述地面平面的平均高度以及平均方向,得到所述相对位置信息。
8.根据权利要求7所述的方法,其特征在于,所述根据所述相对位置信息以及所述高斯分布参数获取障碍物点云,得到障碍物检测信息的步骤,包括:
将每个所述方格的平均高度与所述高斯分布参数的阈值进行对比,以及将每个所述方格的平均方向与预设阈值进行对比;
将满足预设条件的方格内的点云作为障碍物点云。
9.一种障碍物检测系统,其特征在于,应用于机器人,所述机器人上安装有摄像头,所述系统包括:
构建模块,用于根据所述摄像头采集的深度信息构建目标区域的三维空间点云;
处理模块,用于对所述三维空间点云进行处理,获取所述摄像头的旋转角度;
旋转模块,用于根据所述旋转角度将所述三维空间点云进行旋转,并从旋转后的三维空间点云中提取地面点云;
获取模块,用于根据所述地面点云从所述旋转后的三维空间点云中获取障碍物点云,得到障碍物检测信息。
10.一种机器人,其特征在于,包括摄像头和处理器,所述摄像头安装在所述机器人上;
所述摄像头,用于采集目标区域的深度信息;
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,以输出障碍物检测信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810861703.1A CN109141364B (zh) | 2018-08-01 | 2018-08-01 | 障碍物检测方法、系统及机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810861703.1A CN109141364B (zh) | 2018-08-01 | 2018-08-01 | 障碍物检测方法、系统及机器人 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109141364A true CN109141364A (zh) | 2019-01-04 |
CN109141364B CN109141364B (zh) | 2020-11-03 |
Family
ID=64799283
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810861703.1A Active CN109141364B (zh) | 2018-08-01 | 2018-08-01 | 障碍物检测方法、系统及机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109141364B (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109872324A (zh) * | 2019-03-20 | 2019-06-11 | 苏州博众机器人有限公司 | 地面障碍物检测方法、装置、设备和存储介质 |
CN110070570A (zh) * | 2019-03-20 | 2019-07-30 | 重庆邮电大学 | 一种基于深度信息的障碍物检测系统及方法 |
CN110135278A (zh) * | 2019-04-23 | 2019-08-16 | 腾讯科技(上海)有限公司 | 一种障碍物检测方法、装置及电子设备 |
CN110231035A (zh) * | 2019-06-27 | 2019-09-13 | 北京克莱明科技有限公司 | 攀爬移动机器人路径引导方法 |
CN110900611A (zh) * | 2019-12-13 | 2020-03-24 | 合肥工业大学 | 一种新型机械臂目标定位及路径规划方法 |
CN110928301A (zh) * | 2019-11-19 | 2020-03-27 | 北京小米智能科技有限公司 | 一种检测微小障碍的方法、装置及介质 |
CN111047636A (zh) * | 2019-10-29 | 2020-04-21 | 轻客智能科技(江苏)有限公司 | 基于主动红外双目视觉的避障系统和避障方法 |
CN111142514A (zh) * | 2019-12-11 | 2020-05-12 | 深圳市优必选科技股份有限公司 | 一种机器人及其避障方法和装置 |
CN111178413A (zh) * | 2019-12-20 | 2020-05-19 | 浙江欣奕华智能科技有限公司 | 一种3d点云语义分割的方法、装置及系统 |
CN112036210A (zh) * | 2019-06-03 | 2020-12-04 | 杭州海康机器人技术有限公司 | 一种检测障碍物的方法、装置、存储介质和移动机器人 |
CN112258489A (zh) * | 2020-10-30 | 2021-01-22 | 广东杜尼智能机器人工程技术研究中心有限公司 | 扫地机器人路面凹陷的检测方法 |
CN112561941A (zh) * | 2020-12-07 | 2021-03-26 | 深圳市银星智能科技股份有限公司 | 一种悬崖检测方法、装置和机器人 |
CN113128248A (zh) * | 2019-12-26 | 2021-07-16 | 深圳一清创新科技有限公司 | 障碍物检测方法、装置、计算机设备和存储介质 |
CN113269820A (zh) * | 2021-05-26 | 2021-08-17 | 北京地平线信息技术有限公司 | 空间几何信息估计模型的生成方法和装置 |
CN113362468A (zh) * | 2021-07-05 | 2021-09-07 | 上海大学 | 一种火车轮毂的尺寸测量方法 |
CN113807184A (zh) * | 2021-08-17 | 2021-12-17 | 北京百度网讯科技有限公司 | 障碍物检测方法、装置、电子设备及自动驾驶车辆 |
CN113917917A (zh) * | 2021-09-24 | 2022-01-11 | 四川启睿克科技有限公司 | 室内仿生多足机器人避障方法、装置及计算机可读介质 |
CN116071417A (zh) * | 2023-01-31 | 2023-05-05 | 河北农业大学 | 一种基于Azure Kinect的羊只体尺体重获取系统及方法 |
CN116630390A (zh) * | 2023-07-21 | 2023-08-22 | 山东大学 | 基于深度图模板的障碍物检测方法、系统、设备及介质 |
Citations (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103578117A (zh) * | 2012-08-01 | 2014-02-12 | 三菱电机株式会社 | 确定摄像头相对于环境的姿态的方法 |
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 |
CN104267728A (zh) * | 2014-10-16 | 2015-01-07 | 哈尔滨工业大学 | 一种基于可达区域质心矢量的移动机器人避障方法 |
CN104714547A (zh) * | 2013-12-12 | 2015-06-17 | 赫克斯冈技术中心 | 带有相机的自主园林车辆 |
CN105045263A (zh) * | 2015-07-06 | 2015-11-11 | 杭州南江机器人股份有限公司 | 一种基于Kinect的机器人自定位方法 |
CN105164549A (zh) * | 2013-03-15 | 2015-12-16 | 优步技术公司 | 用于机器人的多传感立体视觉的方法、系统和设备 |
CN105652873A (zh) * | 2016-03-04 | 2016-06-08 | 中山大学 | 一种基于Kinect的移动机器人避障方法 |
CN105674991A (zh) * | 2016-03-29 | 2016-06-15 | 深圳市华讯方舟科技有限公司 | 一种机器人定位方法和装置 |
CN105910604A (zh) * | 2016-05-25 | 2016-08-31 | 武汉卓拔科技有限公司 | 一种基于多传感器的自主避障导航系统 |
CN105981074A (zh) * | 2014-11-04 | 2016-09-28 | 深圳市大疆创新科技有限公司 | 相机标定 |
CN106054900A (zh) * | 2016-08-08 | 2016-10-26 | 电子科技大学 | 基于深度摄像头的机器人临时避障方法 |
CN106066173A (zh) * | 2015-04-21 | 2016-11-02 | 赫克斯冈技术中心 | 用测量仪器和像机装置提供点云 |
US20170097643A1 (en) * | 2014-11-26 | 2017-04-06 | Irobot Corporation | Systems and Methods for Performing Simultaneous Localization and Mapping using Machine Vision Systems |
CN106681330A (zh) * | 2017-01-25 | 2017-05-17 | 北京航空航天大学 | 基于多传感器数据融合的机器人导航方法及装置 |
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 |
CN106940185A (zh) * | 2016-01-05 | 2017-07-11 | 北京雷动云合智能技术有限公司 | 一种基于深度摄像机的移动机器人定位和导航方法 |
CN107064955A (zh) * | 2017-04-19 | 2017-08-18 | 北京汽车集团有限公司 | 障碍物聚类方法及装置 |
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 |
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 |
CN107272682A (zh) * | 2017-06-16 | 2017-10-20 | 深圳市可飞科技有限公司 | 移动平台自动规避碰撞的方法、系统及移动平台 |
CN107480638A (zh) * | 2017-08-16 | 2017-12-15 | 北京京东尚科信息技术有限公司 | 车辆避障方法、控制器、装置和车辆 |
CN107703935A (zh) * | 2017-09-12 | 2018-02-16 | 安徽胜佳和电子科技有限公司 | 多个数据权重融合进行避障的方法、存储装置及移动终端 |
CN107847098A (zh) * | 2015-07-01 | 2018-03-27 | 艾罗伯特公司 | 机器人导航传感器系统 |
US20180096521A1 (en) * | 2016-10-03 | 2018-04-05 | Ulsee Inc. | 3D capture: Object Extraction |
CN108038902A (zh) * | 2017-12-07 | 2018-05-15 | 合肥工业大学 | 一种面向深度相机的高精度三维重建方法和系统 |
CN108171796A (zh) * | 2017-12-25 | 2018-06-15 | 燕山大学 | 一种基于三维点云的巡检机器人视觉系统及控制方法 |
CN108269281A (zh) * | 2016-12-30 | 2018-07-10 | 无锡顶视科技有限公司 | 基于双目视觉的避障技术方法 |
WO2018134677A1 (en) * | 2017-01-23 | 2018-07-26 | Hangzhou Zero Technology Co., Ltd | Multi-camera system and method of use |
-
2018
- 2018-08-01 CN CN201810861703.1A patent/CN109141364B/zh active Active
Patent Citations (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103578117A (zh) * | 2012-08-01 | 2014-02-12 | 三菱电机株式会社 | 确定摄像头相对于环境的姿态的方法 |
CN105164549A (zh) * | 2013-03-15 | 2015-12-16 | 优步技术公司 | 用于机器人的多传感立体视觉的方法、系统和设备 |
CN104714547A (zh) * | 2013-12-12 | 2015-06-17 | 赫克斯冈技术中心 | 带有相机的自主园林车辆 |
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 |
CN104267728A (zh) * | 2014-10-16 | 2015-01-07 | 哈尔滨工业大学 | 一种基于可达区域质心矢量的移动机器人避障方法 |
CN105981074A (zh) * | 2014-11-04 | 2016-09-28 | 深圳市大疆创新科技有限公司 | 相机标定 |
US20170097643A1 (en) * | 2014-11-26 | 2017-04-06 | Irobot Corporation | Systems and Methods for Performing Simultaneous Localization and Mapping using Machine Vision Systems |
CN106066173A (zh) * | 2015-04-21 | 2016-11-02 | 赫克斯冈技术中心 | 用测量仪器和像机装置提供点云 |
CN107847098A (zh) * | 2015-07-01 | 2018-03-27 | 艾罗伯特公司 | 机器人导航传感器系统 |
CN105045263A (zh) * | 2015-07-06 | 2015-11-11 | 杭州南江机器人股份有限公司 | 一种基于Kinect的机器人自定位方法 |
CN106940185A (zh) * | 2016-01-05 | 2017-07-11 | 北京雷动云合智能技术有限公司 | 一种基于深度摄像机的移动机器人定位和导航方法 |
CN105652873A (zh) * | 2016-03-04 | 2016-06-08 | 中山大学 | 一种基于Kinect的移动机器人避障方法 |
CN105674991A (zh) * | 2016-03-29 | 2016-06-15 | 深圳市华讯方舟科技有限公司 | 一种机器人定位方法和装置 |
CN105910604A (zh) * | 2016-05-25 | 2016-08-31 | 武汉卓拔科技有限公司 | 一种基于多传感器的自主避障导航系统 |
CN106054900A (zh) * | 2016-08-08 | 2016-10-26 | 电子科技大学 | 基于深度摄像头的机器人临时避障方法 |
US20180096521A1 (en) * | 2016-10-03 | 2018-04-05 | Ulsee Inc. | 3D capture: Object Extraction |
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 |
CN108269281A (zh) * | 2016-12-30 | 2018-07-10 | 无锡顶视科技有限公司 | 基于双目视觉的避障技术方法 |
WO2018134677A1 (en) * | 2017-01-23 | 2018-07-26 | Hangzhou Zero Technology Co., Ltd | Multi-camera system and method of use |
CN106681330A (zh) * | 2017-01-25 | 2017-05-17 | 北京航空航天大学 | 基于多传感器数据融合的机器人导航方法及装置 |
CN107064955A (zh) * | 2017-04-19 | 2017-08-18 | 北京汽车集团有限公司 | 障碍物聚类方法及装置 |
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 |
CN107272682A (zh) * | 2017-06-16 | 2017-10-20 | 深圳市可飞科技有限公司 | 移动平台自动规避碰撞的方法、系统及移动平台 |
CN107480638A (zh) * | 2017-08-16 | 2017-12-15 | 北京京东尚科信息技术有限公司 | 车辆避障方法、控制器、装置和车辆 |
CN107703935A (zh) * | 2017-09-12 | 2018-02-16 | 安徽胜佳和电子科技有限公司 | 多个数据权重融合进行避障的方法、存储装置及移动终端 |
CN108038902A (zh) * | 2017-12-07 | 2018-05-15 | 合肥工业大学 | 一种面向深度相机的高精度三维重建方法和系统 |
CN108171796A (zh) * | 2017-12-25 | 2018-06-15 | 燕山大学 | 一种基于三维点云的巡检机器人视觉系统及控制方法 |
Non-Patent Citations (1)
Title |
---|
马跃龙: "一种基于深度相机的机器人室内导航点云地图生成方法", 《测绘工程》 * |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110070570A (zh) * | 2019-03-20 | 2019-07-30 | 重庆邮电大学 | 一种基于深度信息的障碍物检测系统及方法 |
CN109872324A (zh) * | 2019-03-20 | 2019-06-11 | 苏州博众机器人有限公司 | 地面障碍物检测方法、装置、设备和存储介质 |
CN110070570B (zh) * | 2019-03-20 | 2023-05-26 | 重庆邮电大学 | 一种基于深度信息的障碍物检测系统及方法 |
CN110135278A (zh) * | 2019-04-23 | 2019-08-16 | 腾讯科技(上海)有限公司 | 一种障碍物检测方法、装置及电子设备 |
CN112036210A (zh) * | 2019-06-03 | 2020-12-04 | 杭州海康机器人技术有限公司 | 一种检测障碍物的方法、装置、存储介质和移动机器人 |
CN112036210B (zh) * | 2019-06-03 | 2024-03-08 | 杭州海康机器人股份有限公司 | 一种检测障碍物的方法、装置、存储介质和移动机器人 |
CN110231035A (zh) * | 2019-06-27 | 2019-09-13 | 北京克莱明科技有限公司 | 攀爬移动机器人路径引导方法 |
CN111047636A (zh) * | 2019-10-29 | 2020-04-21 | 轻客智能科技(江苏)有限公司 | 基于主动红外双目视觉的避障系统和避障方法 |
CN111047636B (zh) * | 2019-10-29 | 2024-04-09 | 轻客小觅机器人科技(成都)有限公司 | 基于主动红外双目视觉的避障系统和避障方法 |
CN110928301A (zh) * | 2019-11-19 | 2020-03-27 | 北京小米智能科技有限公司 | 一种检测微小障碍的方法、装置及介质 |
US11810376B2 (en) | 2019-11-19 | 2023-11-07 | Beijing Xiaomi Intelligent Technology Co., Ltd. | Method, apparatus and storage medium for detecting small obstacles |
CN111142514A (zh) * | 2019-12-11 | 2020-05-12 | 深圳市优必选科技股份有限公司 | 一种机器人及其避障方法和装置 |
CN111142514B (zh) * | 2019-12-11 | 2024-02-13 | 深圳市优必选科技股份有限公司 | 一种机器人及其避障方法和装置 |
CN110900611A (zh) * | 2019-12-13 | 2020-03-24 | 合肥工业大学 | 一种新型机械臂目标定位及路径规划方法 |
CN111178413A (zh) * | 2019-12-20 | 2020-05-19 | 浙江欣奕华智能科技有限公司 | 一种3d点云语义分割的方法、装置及系统 |
CN113128248B (zh) * | 2019-12-26 | 2024-05-28 | 深圳一清创新科技有限公司 | 障碍物检测方法、装置、计算机设备和存储介质 |
CN113128248A (zh) * | 2019-12-26 | 2021-07-16 | 深圳一清创新科技有限公司 | 障碍物检测方法、装置、计算机设备和存储介质 |
CN112258489A (zh) * | 2020-10-30 | 2021-01-22 | 广东杜尼智能机器人工程技术研究中心有限公司 | 扫地机器人路面凹陷的检测方法 |
CN112561941A (zh) * | 2020-12-07 | 2021-03-26 | 深圳市银星智能科技股份有限公司 | 一种悬崖检测方法、装置和机器人 |
CN113269820A (zh) * | 2021-05-26 | 2021-08-17 | 北京地平线信息技术有限公司 | 空间几何信息估计模型的生成方法和装置 |
CN113362468A (zh) * | 2021-07-05 | 2021-09-07 | 上海大学 | 一种火车轮毂的尺寸测量方法 |
CN113362468B (zh) * | 2021-07-05 | 2022-06-03 | 上海大学 | 一种火车轮毂的尺寸测量方法 |
CN113807184A (zh) * | 2021-08-17 | 2021-12-17 | 北京百度网讯科技有限公司 | 障碍物检测方法、装置、电子设备及自动驾驶车辆 |
CN113917917B (zh) * | 2021-09-24 | 2023-09-15 | 四川启睿克科技有限公司 | 室内仿生多足机器人避障方法、装置及计算机可读介质 |
CN113917917A (zh) * | 2021-09-24 | 2022-01-11 | 四川启睿克科技有限公司 | 室内仿生多足机器人避障方法、装置及计算机可读介质 |
CN116071417B (zh) * | 2023-01-31 | 2024-01-12 | 河北农业大学 | 一种基于Azure Kinect的羊只体尺体重获取系统及方法 |
CN116071417A (zh) * | 2023-01-31 | 2023-05-05 | 河北农业大学 | 一种基于Azure Kinect的羊只体尺体重获取系统及方法 |
CN116630390B (zh) * | 2023-07-21 | 2023-10-17 | 山东大学 | 基于深度图模板的障碍物检测方法、系统、设备及介质 |
CN116630390A (zh) * | 2023-07-21 | 2023-08-22 | 山东大学 | 基于深度图模板的障碍物检测方法、系统、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109141364B (zh) | 2020-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109141364A (zh) | 障碍物检测方法、系统及机器人 | |
CN108732582B (zh) | 车辆定位方法和装置 | |
JP6681729B2 (ja) | オブジェクトの3d姿勢およびオブジェクトのランドマーク点の3dロケーションを求める方法、およびオブジェクトの3d姿勢およびオブジェクトのランドマークの3dロケーションを求めるシステム | |
CN110533722A (zh) | 一种基于视觉词典的机器人快速重定位方法及系统 | |
Hinz et al. | Automatic car detection in high resolution urban scenes based on an adaptive 3D-model | |
CN109242855B (zh) | 基于多分辨率三维统计信息的屋顶分割方法、系统及设备 | |
JP2012128744A (ja) | 物体認識装置、物体認識方法、学習装置、学習方法、プログラム、および情報処理システム | |
CN108885791A (zh) | 地面检测方法、相关装置及计算机可读存储介质 | |
CN109671174A (zh) | 一种电塔巡检方法及装置 | |
CN110472553A (zh) | 图像和激光点云融合的目标追踪方法、计算装置和介质 | |
CN108765489A (zh) | 一种基于组合靶标的位姿计算方法、系统、介质及设备 | |
CN106780551B (zh) | 一种三维运动目标检测方法和系统 | |
CN107368790B (zh) | 行人检测方法、系统、计算机可读存储介质及电子设备 | |
JP6487642B2 (ja) | 手指形状の検出方法、そのプログラム、そのプログラムの記憶媒体、及び、手指の形状を検出するシステム。 | |
Buch et al. | Prediction of ICP pose uncertainties using Monte Carlo simulation with synthetic depth images | |
CN106127758A (zh) | 一种基于虚拟现实技术的视觉检测方法及装置 | |
Taylor et al. | Automatic calibration of multi-modal sensor systems using a gradient orientation measure | |
CN104517318A (zh) | 三维量测模拟取点系统及方法 | |
CN112446907B (zh) | 一种单线点云与多线点云配准的方法及装置 | |
Kroemer et al. | Point cloud completion using extrusions | |
CN106295674B (zh) | 一种基于多粒子群算法的图像目标匹配检测方法及系统 | |
CN110348310A (zh) | 一种霍夫投票3d彩色点云识别方法 | |
CN110851978B (zh) | 一种基于可见性的摄像机位置优化方法 | |
CN114519778B (zh) | 多角度sar数据的目标三维重构方法、装置、设备及介质 | |
US20220148153A1 (en) | System and method for extracting and measuring shapes of objects having curved surfaces with a vision system |
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 | ||
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. |