CN109163731A - 一种语义地图构建方法及系统 - Google Patents

一种语义地图构建方法及系统 Download PDF

Info

Publication number
CN109163731A
CN109163731A CN201811088839.XA CN201811088839A CN109163731A CN 109163731 A CN109163731 A CN 109163731A CN 201811088839 A CN201811088839 A CN 201811088839A CN 109163731 A CN109163731 A CN 109163731A
Authority
CN
China
Prior art keywords
map
topological
node
environment space
topological map
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.)
Pending
Application number
CN201811088839.XA
Other languages
English (en)
Inventor
林胜昌
支涛
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.)
Beijing Yunji Technology Co Ltd
Original Assignee
Beijing Yunji Technology Co Ltd
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 Yunji Technology Co Ltd filed Critical Beijing Yunji Technology Co Ltd
Priority to CN201811088839.XA priority Critical patent/CN109163731A/zh
Publication of CN109163731A publication Critical patent/CN109163731A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G01C21/32—Structuring or formatting of map data

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种语义地图构建方法及系统，基于栅格度量地图，随着智能视觉识别设备的移动创建拓扑地图中的节点；在移动过程中，判断是否要进入一个新的环境空间，如果是，则创建一个新的环境空间标识；对创建的新的环境空间标识，构建对应的环境空间的拓扑地图节点；遍历所有环境空间，并根据构建的拓扑地图节点构建拓扑地图；基于构建的拓扑地图，所述智能视觉识别设备识别到特征物体时，通过目标识别与定位得到目标物体在栅格地图上的位置，与最近的拓扑节点关联，得到具体物体语义信息的地图。与现有技术相比，便于在一定的新空间模型的基础上，准确区分一些特征不鲜明的场所，基于拓扑地图推断出的概念地图可参与上层丰富的人机交互功能。

Description

一种语义地图构建方法及系统
技术领域
本发明涉及语义地图构建领域，特别是涉及一种语义地图构建方法及系统。
背景技术
现有技术文件1(Zhao C,Mei W,Pan W.Building a grid-semantic map for thenavigation of service robots through human–robot interaction[J].DigitalCommunications&Networks,2015,1(4):253-266)提出一种交互方法来构建栅格-语义地图用于室内服务机器人的自主导航。主要包含四个模块：交互模块，控制模块，导航模块以及建图模块。主要三个关键点：
1)在建图和导航中如何高效利用语音和视觉；
2)语义名如何与在线语义地图中的坐标系数据结合；
3)修改粒子群中最大粒子权重，定位-评估-重定位，应用于全局定位；
该文只是通过语音交互方式将机器人当前位置作为一个标记点在机器人地图中表示出来，并不是真正意义中的通过物体识别，场景分类来丰富机器人的语义地图，其作用只适用于人机交互中的目标点位，对全局定位没有任何作用。
现有技术文件2(Sünderhauf N,Dayoub F,Mcmahon S,et al.Placecategorization and semantic mapping on a mobile robot[C]//IEEE InternationalConference on Robotics and Automation.IEEE,2016:5729-5736)使用卷积神经网络Place205模型进行场景分类，其与AlexNet网络架构相同，由于经过大规模的场景图像数据训练，所以，该网络可以识别大多数的场景，例如厨房、卧室、走廊等。但是，该文基于此网络设计的语义地图构建方法不能准确区分一些特征不鲜明的场所，例如办公室与会议室，客厅与餐厅等，以及一些设计新颖的室内环境。所以，导致构建的语义地图较为混乱，不能在实际环境中应用。
现有技术文件3(白云汉.基于SLAM算法和深度神经网络的语义地图构建研究[J].计算机应用与软件,2018(1):183-190)采用YOLOv2结合ORB单目视觉SLAM构建语义地图，用于智能导航。每一个地图点对应一个目标物体，每一个关键帧通过地图点间接地与一个或者多个目标物体对应。语义管理模块对原始关键帧图片进行保存，在系统关闭时该模块将所有关键帧图片、对应的地图点、语义地图信息,以及目标物体在关键帧中的位置信息以Protocol Buffer的格式存储。
该文使用ORB视觉SLAM方式构建语义地图在实际应用中存在弊端，例如容易受光线影响，在夜间，无法通过视觉获取关键帧来进行定位。
发明内容
本发明提供了一种语义地图构建方法及系统，具有便于更准确区分特征鲜明场所的特点。
根据本发明提供的一种语义地图构建方法，方法包括，
拓扑地图节点构建，基于栅格度量地图，随着智能视觉识别设备的移动创建拓扑地图中的节点；
新环境空间识别，智能视觉识别设备在移动过程中，判断是否要进入一个新的环境空间，如果是，则创建一个新的环境空间标识；
新环境空间拓扑地图节点构建，对创建的新的环境空间标识，构建对应的环境空间的拓扑地图节点；
构建拓扑地图，遍历所有环境空间，并根据构建的拓扑地图节点构建拓扑地图；
语义地图构建，基于构建的拓扑地图，所述智能视觉识别设备识别到特征物体时，通过目标识别与定位得到目标物体在栅格地图上的位置，与最近的拓扑节点关联，得到具体物体语义信息的地图。
所述方法还包括，基于2D栅格度量地图构建拓扑地图节点。
所述方法还包括，智能视觉识别设备每移动一个距离阈值，构建一个拓扑地图节点。
所述方法还包括，语义地图构建时，同时与智能视觉识别设备自身位姿关联，得到具体物体语义信息的地图。
所述判断是否要进入一个新的环境空间的方法包括，识别是否要穿过一个门，如果是，则表明要进入一个新的环境空间。
所述距离阈值为0.9m到1.1m。
所述距离阈值为1m。
一种语义地图构建系统，采用了上述语义地图构建方法，包括，
拓扑地图节点构建模块，基于栅格度量地图，智能视觉识别设备随着移动创建拓扑地图中的节点；
新环境空间识别模块，智能视觉识别设备在移动过程中，判断是否要进入一个新的环境空间，如果是，则创建一个新的环境空间标识；
新环境空间拓扑地图节点构建模块，对创建的新的环境空间标识，构建对应的环境空间的拓扑地图节点；
构建拓扑地图模块，遍历所有环境空间，并根据构建的拓扑地图节点构建拓扑地图；
语义地图构建模块，基于构建的拓扑地图，所述智能视觉识别设备识别到特征物体时，通过目标识别模型与定位模块得到目标物体在栅格地图上的位置，与最近的拓扑节点关联，得到具体物体语义信息的地图。
一种语义地图构建系统，包括存储介质和处理器，所述存储介质中存储有便于处理器加载并执行的指令，包括，
基于栅格度量地图，随着智能视觉识别设备的移动创建拓扑地图中的节点；
在智能视觉识别设备移动过程中，判断是否要进入一个新的环境空间，如果是，则创建一个新的环境空间标识；
对创建的新的环境空间标识，构建对应的环境空间的拓扑地图节点；
遍历所有环境空间，并根据构建的拓扑地图节点构建拓扑地图；
基于构建的拓扑地图，所述智能视觉识别设备识别到特征物体时，通过目标识别与定位得到目标物体在栅格地图上的位置，与最近的拓扑节点关联，得到具体物体语义信息的地图。
所述指令还包括，基于2D栅格度量地图构建拓扑地图节点。
所述指令还包括，智能视觉识别设备每移动一个距离阈值，构建一个拓扑地图节点。
所述指令还包括，语义地图构建时，同时与智能视觉识别设备自身位姿关联，得到具体物体语义信息的地图。
所述指令还包括，识别是否要穿过一个门，如果是，则表明要进入一个新的环境空间。
与现有技术相比，便于在一定的新空间模型的基础上，准确区分一些特征不鲜明的场所，基于拓扑地图推断出的概念地图可参与上层丰富的人机交互功能。
附图说明
图1为本发明其中一实施例的概念地图构建过程。
图2为本发明其中一实施例的语义地图构建示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本说明书(包括摘要和附图)中公开的任一特征，除非特别叙述，均可被其他等效或者具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。
根据本发明提供的一种语义地图构建方法，方法包括，
拓扑地图节点构建，基于栅格度量地图，随着智能视觉识别设备的移动创建拓扑地图中的节点；
新环境空间识别，智能视觉识别设备在移动过程中，判断是否要进入一个新的环境空间，如果是，则创建一个新的环境空间标识；
新环境空间拓扑地图节点构建，对创建的新的环境空间标识，构建对应的环境空间的拓扑地图节点；
构建拓扑地图，遍历所有环境空间，并根据构建的拓扑地图节点构建拓扑地图；
语义地图构建，基于构建的拓扑地图，所述智能视觉识别设备识别到特征物体时，通过目标识别与定位得到目标物体在栅格地图上的位置，与最近的拓扑节点关联，得到具体物体语义信息的地图。
在本发明技术方案中，基于栅格地图的基础上，构建拓扑地图，识别并标识新的环境空间且构建对应的环境空间的拓扑地图节点，如图1所示，在度量地图的基础上，构建了拓扑地图，然后结合语义信息进行场景分类构成概念地图，最终构建了多层语义地图，从而便于在一定的新空间模型的基础上，准确区分一些特征不鲜明的场所，如办公室、会议室、客厅和餐厅等。
作为本发明的一种实施方式，对于语义地图，能够区分不可用目标，例如人，狗，玩具等容易动的，就不会进行标记；同时能够建立目标物体与语义信息的联系，首先查询语义地图中是否存在检测出的目标物体，如果不存在，经过设定阈值帧(如连续5帧)后保存。
概念地图的构建是通过拓扑关系区分地图中各个房间的空间，然后依据每个房间的拓扑节点绑定的语义信息进行推断房间所属类别，例如一个房间中拓扑节点绑定的是沙发、空调、饮水机、电视机，则可得出该房间属于客厅的几率最大依据。概念地图是由推断出的概率分布构成的，所以可以与场景分类模型(例如place205)进行融合top5的总概率分布，进而使得场景推断更加准确。
本发明方案目标物体识别实时性与准确度高，多层地图的构建有普遍的实际应用场景，例如度量地图的自主导航、语义地图辅助全局定位、基于拓扑地图推断出的概念地图可参与上层丰富的人机交互功能。
作为本发明的一种实施方式，基于2D栅格度量地图构建拓扑地图节点。
作为本发明的一种实施方式，智能视觉识别设备每移动一个距离阈值，构建一个拓扑地图节点。该距离阈值可以设置在0.9m到1.1m之间，作为其中一种实施例，所述距离阈值设为1m，即智能视觉识别设备每移动1m，构建一个拓扑地图节点，也可以根据需求，选择其他的距离阈值。
如图2所示，作为本发明的一种实施方式，语义地图构建时，同时与智能视觉识别设备自身位姿关联，得到具体物体语义信息的地图。在本具体实施例中，在得到具体物体语义信息的地图时，不仅要与最近的拓扑节点关联，还要与智能视觉识别设备自身位姿关联，从而得到更准确的语义地图。
所述判断是否要进入一个新的环境空间的方法包括，识别是否要穿过一个门，如果是，则表明要进入一个新的环境空间。本发明申请根据空间垂直面边界变化来判断空间的分割，其中，作为一种实施方式，通过判断是否要穿过一个门，来判断是否要进入一个新的环境空间；当然也可以用其他方式来判断是否要进入一个新的环境空间，例如特征物体类别的变化，如果识别到特征物体类别有明显变化，同样可以辅助判断到要进入一个新的环境空间。
作为本发明的一种实施方式，语义地图构建中，对于特征物体的目标定位，方法包括，
进行三维定位时，如图2所示，特征物体的目标检测2D框与采集的对应点云数据融合进行目标物体在世界坐标系下进行三维定位，并进行水平平面坐标系投影。在本具体实施例中，通过该新的目标定位方法，构建更真实的语义地图，从而使目标物体识别的准确度更高，便于区分特征鲜明的场所及新颖的室内环境。
作为本发明的一个实施方式，进行水平平面坐标系投影时，投影在世界坐标系XY-2D坐标面下。
作为本发明的一种实施方式，将特征物体的目标检测结果与点云数据进行匹配，得到特征物体在世界坐标系下的三维位姿，并进行水平平面坐标系投影。在本具体实施例中，将特征物体的目标检测结果与点云数据进行匹配，得到特征物体在世界坐标系下的三维位姿，从而使目标物体识别的准确度更高，便于区分特征鲜明的场所及新颖的室内环境。
作为本发明的一种实施方式，对特征物体进行目标检测时，对于常见的物体，例如沙发、桌子和冰箱等物体不需要进行数据采集，因为已经包含在VOC数据集中，如有不常见的特定需求的物体，例如盆栽等，则进行图像数据采集标注。然后使用YOLOv3darknet网络进行训练，获得最终目标检测模型，并将该模型与ROS进行整合。
如图2所示，一种语义地图构建系统，采用了上述语义地图构建方法，包括，
拓扑地图节点构建模块，基于栅格度量地图，智能视觉识别设备随着移动创建拓扑地图中的节点；
新环境空间识别模块，智能视觉识别设备在移动过程中，判断是否要进入一个新的环境空间，如果是，则创建一个新的环境空间标识；
新环境空间拓扑地图节点构建模块，对创建的新的环境空间标识，构建对应的环境空间的拓扑地图节点；
构建拓扑地图模块，遍历所有环境空间，并根据构建的拓扑地图节点构建拓扑地图；
语义地图构建模块，基于构建的拓扑地图，所述智能视觉识别设备识别到特征物体时，通过目标识别模型与定位模块得到目标物体在栅格地图上的位置，与最近的拓扑节点关联，得到具体物体语义信息的地图。
一种语义地图构建系统，包括存储介质和处理器，所述存储介质中存储有便于处理器加载并执行的指令，包括，
基于栅格度量地图，随着智能视觉识别设备的移动创建拓扑地图中的节点；
在智能视觉识别设备移动过程中，判断是否要进入一个新的环境空间，如果是，则创建一个新的环境空间标识；
对创建的新的环境空间标识，构建对应的环境空间的拓扑地图节点；
遍历所有环境空间，并根据构建的拓扑地图节点构建拓扑地图；
基于构建的拓扑地图，所述智能视觉识别设备识别到特征物体时，通过目标识别与定位得到目标物体在栅格地图上的位置，与最近的拓扑节点关联，得到具体物体语义信息的地图。
所述指令还包括，基于2D栅格度量地图构建拓扑地图节点。
所述指令还包括，智能视觉识别设备每移动一个距离阈值，构建一个拓扑地图节点。
所述指令还包括，语义地图构建时，同时与智能视觉识别设备自身位姿关联，得到具体物体语义信息的地图。
所述指令还包括，识别是否要穿过一个门，如果是，则表明要进入一个新的环境空间。

Claims (10)

1.一种语义地图构建方法，方法包括，
拓扑地图节点构建，基于栅格度量地图，随着智能视觉识别设备的移动创建拓扑地图中的节点；
新环境空间识别，智能视觉识别设备在移动过程中，判断是否要进入一个新的环境空间，如果是，则创建一个新的环境空间标识；
新环境空间拓扑地图节点构建，对创建的新的环境空间标识，构建对应的环境空间的拓扑地图节点；
构建拓扑地图，遍历所有环境空间，并根据构建的拓扑地图节点构建拓扑地图；
语义地图构建，基于构建的拓扑地图，所述智能视觉识别设备识别到特征物体时，通过目标识别与定位得到目标物体在栅格地图上的位置，与最近的拓扑节点关联，得到具体物体语义信息的地图。
2.根据权利要求1所述的语义地图构建方法，所述方法还包括，基于2D栅格度量地图构建拓扑地图节点。
3.根据权利要求1所述的语义地图构建方法，所述方法还包括，智能视觉识别设备每移动一个距离阈值，构建一个拓扑地图节点。
4.根据权利要求1所述的语义地图构建方法，所述方法还包括，语义地图构建时，同时与智能视觉识别设备自身位姿关联，得到具体物体语义信息的地图。
5.根据权利要求1到4之一所述的语义地图构建方法，所述判断是否要进入一个新的环境空间的方法包括，识别是否要穿过一个门，如果是，则表明要进入一个新的环境空间。
6.一种语义地图构建系统，采用了权利要求1到5之一所述的语义地图构建方法，其特征在于，包括，
拓扑地图节点构建模块，基于栅格度量地图，智能视觉识别设备随着移动创建拓扑地图中的节点；
新环境空间识别模块，智能视觉识别设备在移动过程中，判断是否要进入一个新的环境空间，如果是，则创建一个新的环境空间标识；
新环境空间拓扑地图节点构建模块，对创建的新的环境空间标识，构建对应的环境空间的拓扑地图节点；
构建拓扑地图模块，遍历所有环境空间，并根据构建的拓扑地图节点构建拓扑地图；
语义地图构建模块，基于构建的拓扑地图，所述智能视觉识别设备识别到特征物体时，通过目标识别模型与定位模块得到目标物体在栅格地图上的位置，与最近的拓扑节点关联，得到具体物体语义信息的地图。
7.一种语义地图构建系统，包括存储介质和处理器，所述存储介质中存储有便于处理器加载并执行的指令，其特征在于，所述指令包括，
基于栅格度量地图，随着智能视觉识别设备的移动创建拓扑地图中的节点；在智能视觉识别设备移动过程中，判断是否要进入一个新的环境空间，如果是，则创建一个新的环境空间标识；
对创建的新的环境空间标识，构建对应的环境空间的拓扑地图节点；
遍历所有环境空间，并根据构建的拓扑地图节点构建拓扑地图；
基于构建的拓扑地图，所述智能视觉识别设备识别到特征物体时，通过目标识别与定位得到目标物体在栅格地图上的位置，与最近的拓扑节点关联，得到具体物体语义信息的地图。
8.根据权利要求7所述的语义地图构建系统，其特征在于，所述指令还包括，基于2D栅格度量地图构建拓扑地图节点。
9.根据权利要求7所述的语义地图构建系统，其特征在于，所述指令还包括，语义地图构建时，同时与智能视觉识别设备自身位姿关联，得到具体物体语义信息的地图。
10.根据权利要求7到9之一所述的语义地图构建系统，其特征在于，所述指令还包括，识别是否要穿过一个门，如果是，则表明要进入一个新的环境空间。
CN201811088839.XA 2018-09-18 2018-09-18 一种语义地图构建方法及系统 Pending CN109163731A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811088839.XA CN109163731A (zh) 2018-09-18 2018-09-18 一种语义地图构建方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811088839.XA CN109163731A (zh) 2018-09-18 2018-09-18 一种语义地图构建方法及系统

Publications (1)

Publication Number Publication Date
CN109163731A true CN109163731A (zh) 2019-01-08

Family

ID=64879766

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811088839.XA Pending CN109163731A (zh) 2018-09-18 2018-09-18 一种语义地图构建方法及系统

Country Status (1)

Country Link
CN (1) CN109163731A (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109798897A (zh) * 2019-01-22 2019-05-24 广东工业大学 一种通过环境模型完整度评估以提高单目视觉定位可靠性的方法
CN109900279A (zh) * 2019-02-13 2019-06-18 浙江零跑科技有限公司 一种基于泊车位全局路由的停车场语义地图创建方法
CN110736465A (zh) * 2019-11-15 2020-01-31 北京云迹科技有限公司 导航方法、装置、机器人及计算机可读存储介质
CN111080786A (zh) * 2019-12-19 2020-04-28 盈嘉互联（北京）科技有限公司 基于bim的室内地图模型构建方法及装置
CN111486855A (zh) * 2020-04-28 2020-08-04 武汉科技大学 一种具有物体导航点的室内二维语义栅格地图构建方法
CN112132951A (zh) * 2020-08-18 2020-12-25 北京旋极伏羲科技有限公司 一种基于视觉的网格语义地图的构建方法
CN112346449A (zh) * 2019-08-08 2021-02-09 和硕联合科技股份有限公司 语意地图定向装置、方法及机器人
CN112393719A (zh) * 2019-08-12 2021-02-23 科沃斯商用机器人有限公司 一种栅格语义地图生成方法、装置以及存储设备
CN112987720A (zh) * 2021-01-29 2021-06-18 北京比得机器人科技有限公司 一种用于移动机器人的多尺度地图构建方法及构建装置
CN114543788A (zh) * 2022-04-25 2022-05-27 北京理工大学 结构非结构环境通用的多层全局感知地图构建方法及系统
CN116698017A (zh) * 2023-08-07 2023-09-05 中国科学院合肥物质科学研究院 面向室内大尺度复杂场景的物体级环境建模方法及系统
CN112132951B (zh) * 2020-08-18 2024-05-17 北斗伏羲信息技术有限公司 一种基于视觉的网格语义地图的构建方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106780735A (zh) * 2016-12-29 2017-05-31 深圳先进技术研究院 一种语义地图构建方法、装置及一种机器人
CN107063258A (zh) * 2017-03-07 2017-08-18 重庆邮电大学 一种基于语义信息的移动机器人室内导航方法
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 (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106780735A (zh) * 2016-12-29 2017-05-31 深圳先进技术研究院 一种语义地图构建方法、装置及一种机器人
CN107063258A (zh) * 2017-03-07 2017-08-18 重庆邮电大学 一种基于语义信息的移动机器人室内导航方法
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
LIJUN ZHAO等: "Indoor Environment Semantic Topological Mapping Based on Deep Learning", 《PROCEEDINGS OF THE 2018 IEEE INTERNATIONAL CONFERENCE ON REAL-TIME COMPUTING AND ROBOTICS》 *

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109798897A (zh) * 2019-01-22 2019-05-24 广东工业大学 一种通过环境模型完整度评估以提高单目视觉定位可靠性的方法
CN109798897B (zh) * 2019-01-22 2022-07-01 广东工业大学 一种通过环境模型完整度评估以提高单目视觉定位可靠性的方法
CN109900279A (zh) * 2019-02-13 2019-06-18 浙江零跑科技有限公司 一种基于泊车位全局路由的停车场语义地图创建方法
CN112346449A (zh) * 2019-08-08 2021-02-09 和硕联合科技股份有限公司 语意地图定向装置、方法及机器人
CN112393719A (zh) * 2019-08-12 2021-02-23 科沃斯商用机器人有限公司 一种栅格语义地图生成方法、装置以及存储设备
CN110736465A (zh) * 2019-11-15 2020-01-31 北京云迹科技有限公司 导航方法、装置、机器人及计算机可读存储介质
CN110736465B (zh) * 2019-11-15 2021-01-08 北京云迹科技有限公司 导航方法、装置、机器人及计算机可读存储介质
CN111080786A (zh) * 2019-12-19 2020-04-28 盈嘉互联（北京）科技有限公司 基于bim的室内地图模型构建方法及装置
CN111486855A (zh) * 2020-04-28 2020-08-04 武汉科技大学 一种具有物体导航点的室内二维语义栅格地图构建方法
CN112132951A (zh) * 2020-08-18 2020-12-25 北京旋极伏羲科技有限公司 一种基于视觉的网格语义地图的构建方法
CN112132951B (zh) * 2020-08-18 2024-05-17 北斗伏羲信息技术有限公司 一种基于视觉的网格语义地图的构建方法
CN112987720A (zh) * 2021-01-29 2021-06-18 北京比得机器人科技有限公司 一种用于移动机器人的多尺度地图构建方法及构建装置
CN114543788A (zh) * 2022-04-25 2022-05-27 北京理工大学 结构非结构环境通用的多层全局感知地图构建方法及系统
CN114543788B (zh) * 2022-04-25 2022-08-09 北京理工大学 结构非结构环境通用的多层全局感知地图构建方法及系统
CN116698017A (zh) * 2023-08-07 2023-09-05 中国科学院合肥物质科学研究院 面向室内大尺度复杂场景的物体级环境建模方法及系统
CN116698017B (zh) * 2023-08-07 2023-10-31 中国科学院合肥物质科学研究院 面向室内大尺度复杂场景的物体级环境建模方法及系统

Similar Documents

Publication Publication Date Title
CN109163731A (zh) 一种语义地图构建方法及系统
CN109272554A (zh) 一种识别目标的坐标系定位和语义地图构建的方法及系统
Liu et al. Robotic room-level localization using multiple sets of sonar measurements
CN106647742B (zh) 移动路径规划方法及装置
Cheng et al. Topological indoor localization and navigation for autonomous mobile robot
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
CN106802655A (zh) 室内地图生成方法及装置
CN109887082A (zh) 一种基于点云数据的室内建筑三维建模方法及装置
CN106530946A (zh) 用于编辑室内地图的方法及装置
CN109389641A (zh) 室内地图综合数据生成方法及室内重定位方法
CN106767755A (zh) 用于规划自主移动式设备工作点的方法及装置
CN106647738A (zh) 一种无人搬运车的对接路径确定方法及系统及无人搬运车
Luperto et al. A system for building semantic maps of indoor environments exploiting the concept of building typology
CN110046677B (zh) 数据预处理方法、地图构建方法、回环检测方法及系统
CN106782030A (zh) 用于生成具有语义描述的室内地图的方法及装置
CN106782029A (zh) 室内地图生成方法及装置
CN106814734A (zh) 使用计算设备控制自主移动式设备的方法及系统
Zimmerman et al. Constructing metric-semantic maps using floor plan priors for long-term indoor localization
Lin et al. Posting techniques in indoor environments based on deep learning for intelligent building lighting system
Feng et al. Effective venue image retrieval using robust feature extraction and model constrained matching for mobile robot localization
Rashed et al. Robustly tracking people with lidars in a crowded museum for behavioral analysis
CN112880660B (zh) 一种智能建筑WiFi和红外热成像仪的融合定位系统及方法
Liu et al. Building semantic maps for blind people to navigate at home
Topp Human-robot interaction and mapping with a service robot: Human augmented mapping
Kessler et al. I'll keep you in sight: Finding a good position to observe a person

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190108

RJ01 Rejection of invention patent application after publication