CN110108282B - 多源信息避障装置及避障系统 - Google Patents
多源信息避障装置及避障系统 Download PDFInfo
- Publication number
- CN110108282B CN110108282B CN201910388617.8A CN201910388617A CN110108282B CN 110108282 B CN110108282 B CN 110108282B CN 201910388617 A CN201910388617 A CN 201910388617A CN 110108282 B CN110108282 B CN 110108282B
- Authority
- CN
- China
- Prior art keywords
- environmental parameters
- obstacle avoidance
- server
- obstacle
- source information
- 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
- 230000007613 environmental effect Effects 0.000 claims abstract description 73
- 238000004891 communication Methods 0.000 claims abstract description 13
- 238000013528 artificial neural network Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000000034 method Methods 0.000 claims description 4
- 239000000779 smoke Substances 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 6
- 230000007547 defect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 240000007651 Rubus glaucus Species 0.000 description 1
- 235000011034 Rubus glaucus Nutrition 0.000 description 1
- 235000009122 Rubus idaeus Nutrition 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
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
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Electromagnetism (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Acoustics & Sound (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种多源信息避障装置及避障系统,通过通信单元将多种环境参数传输到服务器,以使服务器根据多种环境参数,反馈与多种环境参数一一对应的多个权重;利用主控主板根据多种环境参数及各环境参数对应的权重,获取当前障碍物的判别函数的判别值后,根据判别值进行模糊逻辑推理,并根据推理结果,控制移动单元进行避障。与现有技术相比,本申请通过采集多种环境参数,并结合服务器反馈的与各环境参数一一对应的多个权重进行模糊逻辑推理,从而规避采用单一信息实现避障时存在的弊端,且通过服务器实时获取对应权重,避免单一权重造成的识别准确率较低的情况,从而提升障碍物识别准确率,进而提高装置的避障效果。
Description
技术领域
本申请涉及人工智能技术领域,尤其涉及一种多源信息避障装置及避障系统。
背景技术
智能移动装置是一类能够通过传感器感知环境和自身状态,在有障碍物的环境中避开障碍物自主活动,从而完成预定任务的装置系统。
现有移动装置采用的避障方法,有激光避障、视觉避障、红外线避障和超声波避障。但在采用现有技术实现移动装置的避障时发现,由于光速很快,使得在测小距离时光束往返时间极短,因此激光避障不适合测量精度要求很高的距离;视觉避障不能检测到玻璃等透明障碍物的存在,另外受视场光线强弱、烟雾的影响很大;红外线避障在测量时受环境影响很大,例如物体的颜色、方向、周围的光线都能导致测量误差,测量不够精确;而超声波避障一般作用距离较短,普通的有效探测距离都在5-10m之间,但是会有一个最小探测盲区,一般在几十毫米。
因此,利用单一信息实现避障时,测量准度不足,导致避障效果较差。
发明内容
本申请实施例所要解决的技术问题在于,提供一种多源信息避障装置及避障系统,提升障碍物识别准确率,进而提高装置的避障效果。
为解决上述问题,本申请实施例提供一种多源信息避障装置,包括:控制主板、通信单元、移动单元以及用于采集多种环境参数的传感单元;
所述控制主板、所述通信单元、所述移动单元及所述传感单元设置于承载物体上;
所述通信单元,用于将多种所述环境参数传输到服务器,以使所述服务器根据多种所述环境参数,反馈与多种所述环境参数一一对应的多个权重;
所述主控主板,用于根据多种所述环境参数及各所述环境参数对应的权重,获取当前障碍物的判别函数的判别值后,根据所述判别值进行模糊逻辑推理,并根据推理结果,控制所述移动单元进行避障。
进一步的,所述主控主板具体用于:
根据多种所述环境参数及各所述环境参数对应的权重,获取当前障碍物的判别值后,根据权重最大的所述环境参数和所述判别值,在预设的双因素模糊推理规则表中匹配对应的所述推理结果,并根据所述推理结果,控制所述移动单元进行避障。
进一步的,所述传感单元包括:
超声波传感器、红外传感器及摄像设备;
所述超声波传感器、所述红外传感器及所述摄像设备与所述主控主板连接;
所述超声波传感器的感应面与红外传感器的感应面朝向不同。
进一步的,还包括:设置于所述承载物体上的转动结构;
所述转动结构包括垂直舵机和水平舵机;
所述垂直舵机与所述水平舵机连接;
所述摄像设备连接于所述垂直舵机上。
进一步的,所述判别函数为:
f(X)=αA+βB+γC;其中,A、B和C表示不同的环境参数,α、β和γ表示各环境参数A、B和C对应的权重。
进一步的,所述移动单元至少包括四个塑料车轮。
进一步的,还提供一种多源信息避障系统,包括:服务器,以及如上述实施例所述的多源信息避障装置;
所述服务器用于,接收多种所述环境参数,根据多种所述环境参数,向所述多源信息避障装置反馈与多种所述环境参数一一对应的多个权重。
进一步的,所述服务器还用于:
根据所述环境参数的种类数量,构建神经网络,并根据多种所述环境参数与当前环境,使用机器学习方法,对所述神经网络进行训练,直至所述神经网络当次输出的各所述环境参数的权重,与当次预设的权重相同。
实施本申请实施例,具有如下有益效果:
本申请实施例提供的一种多源信息避障装置及避障系统,通过通信单元将多种环境参数传输到服务器,以使服务器根据多种环境参数,反馈与多种环境参数一一对应的多个权重;利用主控主板根据多种环境参数及各环境参数对应的权重,获取当前障碍物的判别函数的判别值后,根据判别值进行模糊逻辑推理,并根据推理结果,控制移动单元进行避障。与现有技术相比,本申请通过采集多种环境参数,并结合服务器反馈的与各环境参数一一对应的多个权重进行模糊逻辑推理,从而规避采用单一信息实现避障时存在的弊端,且通过服务器实时获取对应权重,避免单一权重造成的识别准确率较低的情况,从而提升障碍物识别准确率,进而提高装置的避障效果。
附图说明
图1是本申请的一个实施例提供的多源信息避障装置的结构示意图;
图2是本申请的又一个实施例提供的多源信息避障装置的结构示意图;
图3是本申请提供的转动结构的结构示意图;
图4是本申请的一个实施例提供的多源信息避障系统的结构示意图。
其中,1、控制主板;2、通信单元;3、移动单元;4、传感单元;5、转动结构;11、超声波传感器;12、红外传感器;13、摄像设备。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
参见图1,是本申请的一个实施例提供的多源信息避障装置的结构示意图,包括:
控制主板1、通信单元2、移动单元3以及用于采集多种环境参数的传感单元4。
控制主板1、通信单元2、移动单元3及传感单元4设置于承载物体上。
通信单元2用于将多种环境参数传输到服务器,以使服务器根据多种环境参数,反馈与多种环境参数一一对应的多个权重。
主控主板1用于根据多种环境参数及各环境参数对应的权重,获取当前障碍物的判别函数的判别值后,根据判别值进行模糊逻辑推理,并根据推理结果,控制移动单元3进行避障。
在本实施例中,主控主板1具体用于,根据多种环境参数及各环境参数对应的权重,获取当前障碍物的判别值后,根据权重最大的环境参数和判别值,在预设的双因素模糊推理规则表中匹配对应的推理结果,并根据推理结果,控制移动单元进行避障。
在本实施例中,判别函数为:
f(X)=αA+βB+γC。其中,A、B和C表示不同的环境参数,α、β和γ表示各环境参数A、B和C对应的权重,α+β+γ=1。
在本实施例中,双因素模糊推理规则表可表示为:
其中,N表示前方不可能存在障碍物,O表示前方可能存在障碍物,U表示前方存在障碍物。
作为本实施例的一个优选举例,主控主板1通过超声波获取的环境参数为A,红外为B,图像为C,则根据判别函数f(X)=αA+βB+γC得到判别值后,选取权重最大的环境参数A,根据该环境参数A与f(x),在双因素模糊推理规则表中匹配对应的推理结果。例如A的取值按照0~0.5(N),0.5(O),0.5~1(U),f(x)与A的取值方式相同,从而得到前方是否存在障碍物的推理结果,进而根据推理结果生成控制信号,控制移动单元3在前方存在障碍物时进行避障。
需要说明的是,在本实施例中,各环境参数的每个数值区间在服务器中都有一个对应的权重。当环境参数的数值区间发生改变时,服务器则根据改变后的数值区间反馈对应的权重。如,光线较弱时,表示图像的环境参数的数值会降低,若该数值降低到另一个数值区间,则服务器向主控主板1反馈的表示图像的权重降低,表示超声波和红外的权重上升。具体的权重调整数值在服务器进行预设定,确保α+β+γ=1。
在本实施例中,移动单元3至少包括四个塑料车轮,主控主板采用raspberry主板。
在本实施例中,以基础轮式装置为模板,将控制主板1、通信单元2、移动单元3以及传感单元4,设置于承载物体上,组成常见的基础轮式装置的形状。
本实施例通过采集多种环境参数,并结合服务器反馈的与各环境参数一一对应的多个权重进行模糊逻辑推理,从而规避采用单一信息实现避障时存在的弊端,且通过服务器实时获取对应权重,避免单一权重造成的识别准确率较低的情况,从而提升障碍物识别准确率,进而提高装置的避障效果。
进一步的,参见图2,是本申请的又一个实施例提供的多源信息避障装置的结构示意图。
在本实施例中,传感单元4包括:超声波传感器11、红外传感器12及摄像设备13。超声波传感器11、红外传感器12及摄像设备13与主控主板1连接。超声波传感器11的感应面与红外传感器12的感应面朝向不同。
在本实施例中,传感单元4还包括光强、空气温湿度、烟雾等传感器。
除此之外,还包括,设置于承载物体上的转动结构5。
转动结构5包括垂直舵机和水平舵机,垂直舵机与水平舵机连接,如图3所示。摄像设备13连接于垂直舵机上。
在本实施例中,将超声波传感器11的感应面与红外传感器12的感应面朝不同方向设置,从而获取多个方向的环境参数,并通过垂直舵机与水平舵机,使摄像设备13能够在平面上进行转动,进而获取多个方向的表示图像的环境参数。
在本实施例中,超声波传感器11采用HC-SR04超声波传感器,红外传感器12采用红外线光电开关,摄像设备13采用USB摄像头。
进一步的,参见图4,是本申请的一个实施例提供的多源信息避障系统的结构示意图,包括服务器,以及如上述实施例的多源信息避障装置。
服务器用于,接收多种环境参数,根据多种环境参数,向多源信息避障装置反馈与多种环境参数一一对应的多个权重。
优选的,服务器还用于,根据环境参数的种类数量,构建神经网络,并根据多种环境参数与当前环境,使用机器学习方法,对神经网络进行训练,直至神经网络当次输出的各环境参数的权重,与当次预设的权重相同。
在本实施例中,服务器根据多源信息避障装置的工作环境,选择合适的神经网络,如BP神经网络,再根据多源信息避障装置采集的环境参数的种类数量的多少构建神经网络,如种类数量为10,则构建10,11,5网络模型,即10个输入节点,隐含层有11个节点,5个输出层节点。完成神经网络的构建后,根据多种环境参数与当前环境,使用机器学习方法,对神经网络进行训练,从而确定神经网络当次输出的各环境参数的权重。
本申请实施例提供一种多源信息避障系统,通过在服务器构建神经网络,并根据多种环境参数与当前环境,对神经网络进行训练,使各环境参数对应的权重更符合预期,在后期进行障碍物识别时,能够提升障碍物识别的准确率。
在本申请的描述中,需要说明的是,术语“上”、“下”、“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,或者是该申请产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的单元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申请的限制。
此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“安装”、“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申请中的具体含义。以上所述是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本申请的保护范围。
Claims (5)
1.一种多源信息避障装置,其特征在于,包括:控制主板、通信单元、移动单元以及用于采集多种环境参数的传感单元,避障感知单元;
所述通信单元,用于将多种所述环境参数传输到服务器,以使所述服务器根据多种所述环境参数,反馈与多种所述避障感知单元获取的环境参数一一对应的多个权重;
所述传感单元包括:光强、空气温湿度、烟雾传感器;
所述避障感知单元包括:超声波传感器、红外传感器及摄像设备;
所述超声波传感器、所述红外传感器及所述摄像设备与所述控制主板连接;
所述超声波传感器的感应面与红外传感器的感应面朝向不同;
所述控制主板,用于根据多种所述环境参数及各所述避障感知单元获取的环境参数对应的权重,获取当前障碍物的判别函数的判别值后,根据所述判别值进行模糊逻辑推理,模糊逻辑推理的具体方法为:根据权重最大的所述环境参数和所述判别值,在预设的双因素模糊推理规则表中匹配对应的所述推理结果;并根据所述推理结果,控制所述移动单元进行避障;
所述判别函数为:
f(X)=αA+βB+γC;其中,A、B和C表示不同的环境参数,α、β和γ表示各环境参数A、B和C对应的权重。
2.根据权利要求1所述的多源信息避障装置,其特征在于,还包括:转动结构;
所述转动结构包括垂直舵机和水平舵机;
所述垂直舵机与所述水平舵机连接;
所述摄像设备连接于所述垂直舵机上。
3.根据权利要求1所述的多源信息避障装置,其特征在于,所述移动单元至少包括四个塑料车轮。
4.一种多源信息避障系统,其特征在于,包括:服务器,以及如权利要求1-3任一项所述的多源信息避障装置;
所述服务器用于,接收多种所述环境参数,根据多种所述环境参数,向所述多源信息避障装置反馈与多种所述避障感知单元获取的环境参数一一对应的多个权重。
5.根据权利要求4所述的多源信息避障系统,其特征在于,所述服务器还用于:
根据所述环境参数的种类数量,构建神经网络,并根据多种所述环境参数与当前环境,使用机器学习方法,对所述神经网络进行训练,直至所述神经网络当次输出的各所述避障感知单元获取的环境参数的权重,与当次预设的权重相同。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910388617.8A CN110108282B (zh) | 2019-05-09 | 2019-05-09 | 多源信息避障装置及避障系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910388617.8A CN110108282B (zh) | 2019-05-09 | 2019-05-09 | 多源信息避障装置及避障系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110108282A CN110108282A (zh) | 2019-08-09 |
CN110108282B true CN110108282B (zh) | 2023-11-07 |
Family
ID=67489300
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910388617.8A Active CN110108282B (zh) | 2019-05-09 | 2019-05-09 | 多源信息避障装置及避障系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110108282B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111290383B (zh) * | 2020-02-13 | 2023-09-19 | 山东汇贸电子口岸有限公司 | 控制移动机器人移动的方法、装置及系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010079697A (ja) * | 2008-09-26 | 2010-04-08 | Nissan Motor Co Ltd | 障害物回避装置、障害物回避方法、及び自走車両 |
CN102339019A (zh) * | 2011-07-26 | 2012-02-01 | 重庆邮电大学 | 一种基于模糊神经网络的智能轮椅避障方法 |
CN103019245A (zh) * | 2013-01-07 | 2013-04-03 | 西北农林科技大学 | 一种基于多传感器信息融合的山地农业机器人避障系统 |
CN103176185A (zh) * | 2011-12-26 | 2013-06-26 | 上海汽车集团股份有限公司 | 用于检测道路障碍物的方法及系统 |
CN103699124A (zh) * | 2013-12-04 | 2014-04-02 | 北京工业大学 | 一种用于全向智能轮椅避障的模糊神经网络控制方法 |
CN104842358A (zh) * | 2015-05-22 | 2015-08-19 | 上海思岚科技有限公司 | 一种可自主移动的多功能机器人 |
CN106383515A (zh) * | 2016-09-21 | 2017-02-08 | 哈尔滨理工大学 | 一种基于多传感器信息融合的轮式移动机器人避障控制系统 |
CN106842956A (zh) * | 2017-03-17 | 2017-06-13 | 葛辰雨 | 机器人避障方法及系统 |
CN107097241A (zh) * | 2017-06-05 | 2017-08-29 | 江苏艾萨克机器人股份有限公司 | 一种服务机器人及其控制方法 |
CN107562053A (zh) * | 2017-08-30 | 2018-01-09 | 南京大学 | 一种基于模糊q学习的六足机器人避障方法 |
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 |
CN108629511A (zh) * | 2018-05-04 | 2018-10-09 | 上海微小卫星工程中心 | 一种基于多因素模糊理论推理及层级分析法的卫星综合效能评估方法 |
CN109270523A (zh) * | 2018-09-21 | 2019-01-25 | 宝沃汽车(中国)有限公司 | 多传感器数据融合方法和装置,车辆 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180087798A (ko) * | 2017-01-25 | 2018-08-02 | 엘지전자 주식회사 | 이동 로봇 및 그 제어방법 |
-
2019
- 2019-05-09 CN CN201910388617.8A patent/CN110108282B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010079697A (ja) * | 2008-09-26 | 2010-04-08 | Nissan Motor Co Ltd | 障害物回避装置、障害物回避方法、及び自走車両 |
CN102339019A (zh) * | 2011-07-26 | 2012-02-01 | 重庆邮电大学 | 一种基于模糊神经网络的智能轮椅避障方法 |
CN103176185A (zh) * | 2011-12-26 | 2013-06-26 | 上海汽车集团股份有限公司 | 用于检测道路障碍物的方法及系统 |
CN103019245A (zh) * | 2013-01-07 | 2013-04-03 | 西北农林科技大学 | 一种基于多传感器信息融合的山地农业机器人避障系统 |
CN103699124A (zh) * | 2013-12-04 | 2014-04-02 | 北京工业大学 | 一种用于全向智能轮椅避障的模糊神经网络控制方法 |
CN104842358A (zh) * | 2015-05-22 | 2015-08-19 | 上海思岚科技有限公司 | 一种可自主移动的多功能机器人 |
CN106383515A (zh) * | 2016-09-21 | 2017-02-08 | 哈尔滨理工大学 | 一种基于多传感器信息融合的轮式移动机器人避障控制系统 |
CN106842956A (zh) * | 2017-03-17 | 2017-06-13 | 葛辰雨 | 机器人避障方法及系统 |
CN107097241A (zh) * | 2017-06-05 | 2017-08-29 | 江苏艾萨克机器人股份有限公司 | 一种服务机器人及其控制方法 |
CN107562053A (zh) * | 2017-08-30 | 2018-01-09 | 南京大学 | 一种基于模糊q学习的六足机器人避障方法 |
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 |
CN108629511A (zh) * | 2018-05-04 | 2018-10-09 | 上海微小卫星工程中心 | 一种基于多因素模糊理论推理及层级分析法的卫星综合效能评估方法 |
CN109270523A (zh) * | 2018-09-21 | 2019-01-25 | 宝沃汽车(中国)有限公司 | 多传感器数据融合方法和装置,车辆 |
Non-Patent Citations (1)
Title |
---|
模糊评估专家系统推理机制研究;尹世群;《西南师范大学学报(自然科学版)》;20011228(第06期);第32-36页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110108282A (zh) | 2019-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109977813B (zh) | 一种基于深度学习框架的巡检机器人目标定位方法 | |
CN108229366B (zh) | 基于雷达和图像数据融合的深度学习车载障碍物检测方法 | |
CN107561547B (zh) | 输电线路到目标物的距离测量方法、装置及系统 | |
CN108189043A (zh) | 一种应用于高铁机房的巡检方法及巡检机器人系统 | |
CN108549084A (zh) | 一种基于稀疏二维激光雷达的目标检测与姿态估计方法 | |
CN106162144A (zh) | 一种用于夜视环境的视觉图像处理设备、系统和智能机器 | |
CN109752722A (zh) | 多模态声学成像工具 | |
CN108469817A (zh) | 基于fpga和信息融合的无人船避障控制系统 | |
CN113299035A (zh) | 一种基于人工智能和双目视觉的火灾识别方法及系统 | |
CN108802742A (zh) | 异常物体监测方法、装置及系统 | |
CN109752721A (zh) | 具有扫描和分析能力的便携式声学成像工具 | |
CN110108282B (zh) | 多源信息避障装置及避障系统 | |
CN105094143A (zh) | 基于无人机的地图显示方法和装置 | |
CN107256034B (zh) | 一种基于无人机的变配电室多点环境数据采集系统 | |
CN109756720A (zh) | 使用距离信息的声学成像中的焦点和/或视差调整 | |
CN107749060A (zh) | 机器视觉设备及基于飞行时间技术三维信息采集算法 | |
CN113281738A (zh) | 一种多传感器融合的目标检测系统及检测方法 | |
CN107884749B (zh) | 一种低空无人机被动声探测定位装置 | |
CN115826596B (zh) | 基于多旋翼无人机的智能火电厂烟囱巡检方法及系统 | |
CN116382290A (zh) | 一种玉米作物多模态数据采集平台车及其控制方法 | |
CN110696003A (zh) | 基于slam技术和深度学习的水边救援机器人 | |
WO2023059178A1 (en) | Methods, systems, and devices for inspecting structures and objects | |
CN205588307U (zh) | 机器人环境自学习系统 | |
CN207487664U (zh) | 一种基于雷达模块化控制视觉监测系统 | |
WO2020019345A1 (zh) | 基于相干光的避障装置及方法 |
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 |