CN110189331B - 建图方法、图像采集和处理系统和定位方法 - Google Patents

建图方法、图像采集和处理系统和定位方法 Download PDF

Info

Publication number
CN110189331B
CN110189331B CN201910303482.0A CN201910303482A CN110189331B CN 110189331 B CN110189331 B CN 110189331B CN 201910303482 A CN201910303482 A CN 201910303482A CN 110189331 B CN110189331 B CN 110189331B
Authority
CN
China
Prior art keywords
picture
parameters
connection
parameter
point
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
Application number
CN201910303482.0A
Other languages
English (en)
Other versions
CN110189331A (zh
Inventor
孙宇
罗磊
周韬宇
肖尚华
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.)
Shanghai Quicktron Intelligent Technology Co Ltd
Original Assignee
Shanghai Quicktron Intelligent 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 Shanghai Quicktron Intelligent Technology Co Ltd filed Critical Shanghai Quicktron Intelligent Technology Co Ltd
Priority to PCT/CN2019/084185 priority Critical patent/WO2019154444A2/zh
Priority to JP2019531456A priority patent/JP7083472B2/ja
Publication of CN110189331A publication Critical patent/CN110189331A/zh
Application granted granted Critical
Publication of CN110189331B publication Critical patent/CN110189331B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/001—Texturing; Colouring; Generation of texture or colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Automation & Control Theory (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Image Generation (AREA)

Abstract

本发明涉及一种用于形成纹理图案的方法，包括：选择一花纹图案；对所述花纹图案进行聚类分割；将聚类分割后的所述花纹图案转换为所述纹理图案。例如可以通过荧光材料来将纹理图案施加到目标表面上。通过本发明的实施例，能够提高地面纹理图案的适应性，方便自动引导车进行导航，建立智能仓库。

Description

建图方法、图像采集和处理系统和定位方法
技术领域
本发明大致涉及智能仓储领域，尤其涉及一种可用于智能仓储的建图方法、图像采集处理系统和定位方法。
背景技术
目前纹理定位技术已经比较成熟，当前使用的基于相位相关法的纹理定位技术已经比较成熟，具备大面积应用的潜力，而且基于神经网络的纹理定位技术，根据现有实验数据情况，水泥地的定位覆盖率可以达到92％，花纹强烈的地面，可以达到98％的覆盖率，也就是说，只要有花纹，纹理导航的可靠性就会变得很高，但是问题是说自然纹理并不是标准配置，而且受环境影响很大，所以，如果能够有一种技术，能够稳定、可靠、不受环境影响的增强地面的纹理，就能够极大的提高纹理定位的适用范围，并且让运行更加稳定可靠，而且初步评估下来，通过对地面进行处理，使用特殊的涂料，就可以做到。所以本专利就是针对上面的问题，在之前的基于下视相机的导航技术专利之上，衍生出来的技术，配合之前的专利，扩大该技术的应用范围，在弱纹理、无纹理场景也可以应用该专利的技术，并且可以提高该技术的可靠性，提升场景的适应性。
背景技术部分的内容仅仅是发明人所知晓的技术，并不当然代表本领域的现有技术。
发明内容
针对现有技术缺陷中的一个或多个，本发明提供一种用于形成纹理图案的方法，包括：选择一花纹图案；对所述花纹图案进行聚类分割；将聚类分割后的所述花纹图案转换为所述纹理图案。
根据本发明的一个方面，所述的方法还包括：将所述纹理图案施加到目标表面上，其中所述对花纹图案进行聚类分割的步骤优选包括使用Quickshift聚类方法对所述花纹图案进行聚类分割。
根据本发明的一个方面，所述将聚类分割后的所述花纹图案转换为纹理图案的步骤包括：将聚类分割后的所述花纹图案中一定比例的聚类保留，作为所述纹理图案的镂空区域。
根据本发明的一个方面，所述的方法还包括：基于所述纹理图案制作掩膜版，其中所述将纹理图案施加到目标表面上的步骤优选包括：使用荧光材料通过掩膜版将所述纹理图案施加到目标表面上。
本发明还提供一种在目标表面上形成纹理图案的方法，包括：提供带有所述纹理图案的掩膜版；将所述掩膜版放置在所述目标表面上；将荧光材料施加在所述掩膜版的镂空区域上，在所述目标表面上形成所述纹理图案
根据本发明的一个方面，所述纹理图案为根据权利要求1-3中任一项所述的方法形成的纹理图案。
本发明还提供一种AGV定位方法，包括：引导所述AGV到达目标表面上带有纹理图案的区域，其中所述纹理图案是通过上述的方法形成的纹理图案；利用特定波长的光束照射所述区域；和采集所述纹理图案，并根据所述纹理图案对AGV进行定位。
本发明还提供一种对场地进行建图的方法，包括：建立或获取所述场地的坐标系；扫描所述场地，获取标定点的图片、待定位位置的图片、以及与所述图片对应的位置参数和姿态参数；基于所述标定点的图片、所述待定位位置的图片、所述位置参数和所述姿态参数，修正所述待定位位置的图片的所述位置参数和/或姿态参数，其中所述标定点和/或所述待定位位置上具有通过如上所述的方法形成的纹理图案。
根据本发明的一个方面，所述位置参数包括横坐标和纵坐标，优选地包括垂直坐标，所述姿态参数包括航向角，优选地包括俯仰角和横滚角，其中所述获取标定点的图片和待定位位置的图片的步骤包括：利用特定波长的光束照射所述标定点和所述待定位位置，并采集所述标定点的图片和待定位位置的图片。
根据本发明的一个方面，所述修正的步骤包括：构造连接点的集合，每个所述连接点包括一幅图片、与所述一幅图片对应的所述位置参数和所述姿态参数、以及所述图片是否对应标定点；基于所述连接点的集合，修正所述待定位位置的图片的所述位置参数和姿态参数。
根据本发明的一个方面，其中所述修正的步骤包括：从所述连接点的集合中，获取距离不超过预定值的两个连接点作为一连接，建立连接的集合；对所述连接的集合中的每一个连接所包括的两个连接点，计算所述两个连接点之间的连接置信度，并过滤出连接置信度高于预定阈值的那些连接，作为建图连接集合；基于所述建图连接集合，修正所述待定位位置的图片的所述位置参数和姿态参数。
根据本发明的一个方面，所述修正步骤还包括：在所述建图连接集合上执行梯度下降法，直至迭代变化率低于预定阈值，其中在执行梯度下降法的初始化步骤时，将非标定点的连接点的图片的所述位置参数和姿态参数作为所述梯度下降法的初始迭代参数。
根据本发明的一个方面，对标定点中的一些或者全部，进行多次图片采集，并获取与每次图片采集对应的位置参数和姿态参数。
根据本发明的一个方面，所述的方法将所述坐标系、所述标定点的图片、所述待定位位置的图片、所述标定点的图片的位置参数和姿态参数、以及修正后的所述待定位位置的图片的位置参数和姿态参数存储到数据库中或文件中，建立地图，优选的将所述连接的集合和/或所述建图连接集合存储到所述数据库或文件中。
本发明还提供一种用于图像采集的自动引导车，包括：基座；摄像头，所述摄像头安装在所述基座上并配置成可采集所述基座下方的区域的图片；发光装置，所述发光装置安装在所述基座上并配置成可发射特定波长的光束到所述基座下方的区域，供所述摄像头采集图片；和测量组件，所述测量组件安装在所述基座上，并配置成可测量或计算与所述图片对应的所述自动引导车的位置参数以及姿态参数。
根据本发明的一个方面，所述的自动引导车还包括安装在所述基座上的控制装置，所述摄像头和所述测量组件均耦合至所述控制装置，所述控制装置配置成控制所述小车行进至标记点和待定位位置以采集所述标记点的图片和所述待定位位置的图片。
根据本发明的一个方面，所述的自动引导车还包括处理装置，所述处理装置与所述摄像头和所述测量组件耦合，并基于所述图片、以及所述位置参数以及姿态参数，修正所述待定位位置的图片的位置参数和姿态参数。
根据本发明的一个方面，所述处理装置配置成通过以下的方法修正所述待定位位置的图片的位置参数和姿态参数：构造连接点的集合，每个所述连接点包括一幅图片、与所述一幅图片对应的所述位置参数和所述姿态参数、以及所述图片是否对应标定点；从所述连接点的集合中，获取距离不超过预定值的两个连接点作为一连接，建立连接的集合；对所述连接的集合中的每一个连接所包括的两个连接点，计算所述两个连接点之间的连接置信度，并过滤出连接置信度高于预定阈值的那些连接，作为建图连接集合；在所述建图连接集合上执行梯度下降法，直至迭代变化率低于预定阈值，其中在执行梯度下降法的初始化步骤时，将非标定点的连接点的图片的所述位置参数和姿态参数作为所述梯度下降法的初始迭代参数。
根据本发明的一个方面，其中所述测量组件是惯性导航测量组件。
根据本发明的一个方面，其中所述位置参数包括横坐标和纵坐标，优选地包括垂直坐标，所述姿态参数包括航向角，优选地包括俯仰角和横滚角。
根据本发明的一个方面，其中所述测量组件包括激光SLAM测量装置和/或视觉SLAM测量装置。
根据本发明的一个方面，其中所述处理装置配置成将所述坐标系、所述标定点的图片、所述待定位位置的图片、所述标定点的图片的位置参数和姿态参数、以及修正后的所述待定位位置的图片的位置参数和姿态参数存储到数据库中或文件中，建立地图，优选的将所述连接的集合和/或所述建图连接集合存储到所述数据库或文件中。所述标定点的图片和所述待定位位置的图片中含有通过如上所述的方法形成的纹理图案。
本发明还提供一种图像采集和处理系统，包括：如上所述的自动引导车；和处理装置，所述处理装置与所述摄像头和所述测量组件耦合，并基于所述图片、以及所述位置参数以及姿态参数，修正所述图片的位置参数和/或姿态参数。
根据本发明的一个方面，其中所述处理装置配置成可执行上述任一项的建图方法。
本发明还提供一种用于自动引导车的建图和定位系统，包括：摄像头，所述摄像头设置成可采集所述自动引导车下方的图像；发光装置，所述发光装置配置成可发射特定波长的光束到所述自动引导车的下方，供所述摄像头采集图像；惯性导航测量组件，所述惯性导航测量组件配置为可测量所述自动引导车的位置参数以及姿态参数；和处理装置，所述摄像头和所述惯性导航测量组件均耦合至所述处理装置，所述控制装置配置成基于所述图像、所述位置参数以及姿态参数，修正所述图片的位置参数和/或姿态参数。
根据本发明的一个方面，其中所述处理装置配置成可执行如上所述的建图方法。
本发明还提供一种定位方法，包括：加载或获得通过上述的方法获得的地图；采集或获得待定位位置的图片以及与该图片对应的位置参数和姿态参数；根据所述地图，检索与该待定位位置的图片距离最近的图片。
根据本发明的一个方面，所述的定位方法使用相位相关法计算所述待定位位置的图片与所述距离最近的图片之间的置信度、位置参数偏移和姿态参数偏移。
根据本发明的一个方面，当使用相位相关法计算得到的置信度低于预设值时，丢弃该距离最近的图片，重新检索与该待定位位置的图片距离最近且置信度高于预设值的图片。其中所述待定位位置的图片中含有通过如权利要求1-6中任一项所述的方法形成的纹理图案
本发明还涉及一种计算机可读存储介质,包括存储于其上的计算机可执行指令，所述可执行指令在被处理器执行时实施如上所述的用于建图的方法。
通过本发明的实施例，能够取得多个有益的技术效果。例如通过荧光材料来施加纹理图案，施工结果无色、透明。并且本发明的实施例能够对抗地面返潮的问题，耐磨耐水耐酸碱，老化性能好，附着性能强，可以很好地贴合在施工地面上，适应温度广，施工工艺简单，同时适用范围广阔，水泥硬化地坪、环氧地坪，钢平台等常见的地坪。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是根据本发明第一实施例的形成纹理图案的方法的流程图；
图2A、2B、2C示出了通过本发明的方法处理的过程的实例；
图3示出了根据本发明一个实施例的在目标表面上形成纹理图案的方法的流程图；
图4示出了根据本发明实施例的一种自动引导车AGV的定位方法的流程图；
图5是根据本发明一个实施例的建图方法的流程图；
图6是根据本发明一个实施例的物理坐标的示意图；
图7是根据本发明一个实施例的逻辑坐标的示意图；
图8是根据本发明一个实施例的连接点的示意图；
图9是根据本发明一个实施例的标定点的示意图；
图10是根据本发明一个实施例的修正待定位位置图片的位置参数和姿态参数的方法流程图；
图11是根据本发明一个实施例通过相位相关法计算的图片重合的实例；
图12是根据本发明一个实施例的连接的示意图；
图13示出了完成物理坐标系和逻辑坐标系映射后的地图截图；
图14是根据本发明一个实施例的用于图像采集的自动引导车的示意图；
图15是根据本发明一个实施例的定位方法的流程图；和
图16是根据本发明一个实施例的计算机程序产品的框图。
具体实施方式
在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本发明的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。
在本发明的描述中，需要理解的是，术语"中心"、"纵向"、"横向"、"长度"、"宽度"、"厚度"、"上"、"下"、"前"、"后"、"左"、"右"、"坚直"、"水平"、"顶"、"底"、"内"、"外"、"顺时针"、"逆时针"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"仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有"第一"、"第二"的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中，"多个"的含义是两个或两个以上，除非另有明确具体的限定。
在本发明的描述中，需要说明的是，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，也可以是电连接或可以相互通讯；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或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征之"上"或之"下"可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征"之上"、"上方"和"上面"包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征"之下"、"下方"和"下面"包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度小于第二特征。
下文的公开提供了许多不同的实施方式或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，并且目的不在于限制本发明。此外，本发明可以在不同例子中重复参考数字和/或参考字母，这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施方式和/或设置之间的关系。此外，本发明提供了的各种特定的工艺和材料的例子，但是本领域普通技术人员可以意识到其他工艺的应用和/或其他材料的使用。
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
接下来首先参考图1，描述根据本发明第一实施例的形成纹理图案的方法10。
如图1所示，在步骤S11，选择花纹图案。花纹图案可以是天然花纹，也可以是人工花纹，或者通过计算机生成的花纹。其上例如具有大量不规则的图案，随机性强。根据一个优选实施例，可以采用大理石、布匹、带花纹的地坪等图案，作为备选的花纹图案。
在步骤S12，对所述花纹图案进行聚类分割。使用聚类算法对花纹，设定聚类参数，包括聚类密度，聚类尺寸等，形成若干离散的斑块，这些斑块将作为花纹存在。根据一个优选的实施例，聚类出来的斑块不是离散的孤点，都是彼此连接的。
在步骤S13，将聚类分割后的所述花纹图案转换为所述纹理图案。聚类完成后，例如可以采用均匀采样的方法将聚类分割图像转换为纹理掩膜。随机选取一定数量(例如22％)的类保留，其在掩膜图像上值为1(图2C中白色区域)，其余类别在掩膜图像值均设为0(图2C中的黑色区域)。在实际应用时，可根据不同纹理地面的特性设置不同的聚类保留比例，以最大利用其纹理信息。所谓的“均匀采样”例如可以设定一个采样比例，使用随机的方式，从样本中抽取，具体的方法可以用随机数的办法，生成一个0到1的随机数，大于采样比例丢弃，小于采样比例保留。
根据本发明的一个实施例，形成纹理图案的方法还包括在形成纹理图案后，将纹理图案施加到目标表面上。例如可以基于所述纹理图案制作掩膜版，然后通过将掩膜版覆盖在目标表面上，在掩膜版上露出的区域上进行喷涂，形成纹理图案。使用喷涂或者涂抹的方式，将材料涂料(例如普通涂料，或者荧光材料)涂抹在掩膜版上，这样镂空的位置就会将涂料涂抹到地面上，形成特殊的花纹，而没有涂抹到涂料的地方，就没有任何的变化。优选的，在形成纹理图案时，可以使用荧光材料通过掩膜版将所述纹理图案施加到目标表面上。在形成掩膜版时，可以通过铣床、3D打印、激光切割等各种加工方式，这些都在本发明的保护范围内。荧光材料例如硫化锌荧光材料、硫化钙荧光材料以及有机荧光材料等。荧光例如360nm的紫外光，或者950nm的红外光，
根据本发明的一个实施例，可以使用各种聚类方法或算法来对花纹图案进行聚类分割，例如可以使用Quickshift聚类方法对所述花纹图案进行聚类分割。采用Quickshift聚类算法对随机纹理进行基于聚类的超像素分割。Quickshift聚类算法是一种较新的聚类算法，基于核密度估计对数据进行建立概率模型，其核函数为高斯函数。对图像进行Quickshift聚类分割首先需要将图像从RGB色彩空间转换为Lab色彩空间。与传统聚类方法相比其优点在于无需指定目标类数，可自动适应多种纹理图案，将其分割为以Lab色彩空间相似度为距离度量的类块。
Quickshift的聚类效果主要由三个参数控制：kernel size，max distance，radio。kernel size控制核函数的带宽，进而对聚类平滑程度进行控制，kernel size越大则聚类数越少。max distance控制用于核函数计算的数据最大距离，max distance越大则聚类数越少。radio控制聚类的距离计算中色彩空间与图像空间对于距离值贡献的权重，radio越大则色彩空间贡献值越大。在方法的实现中，例如选取kernel size值为3，maxdistance为6，radio为0.5。
除了Quickshift聚类算法外，也可以使用其他聚类算法，例如K-Means聚类算法等。
图2A、2B、2C示出了通过本发明的方法10处理的过程的实例。图2A示出了天然大理石的花纹图案，作为本发明方法10使用的花纹图案。图2B示出了聚类分割后的图案，其中聚类边界以黄色线条示出，聚类效果达到了基于局部的纹理特征将图像进行密集分割的效果。图2C示出了基于聚类分割后的图案生成的纹理图案，例如采用均匀采样的方法将聚类分割图像转换为纹理掩膜。随机选取22％的类保留，其在掩膜图像上值为1，其余类别在掩膜图像值均设为0。
图3示出了根据本发明一个实施例的在目标表面上形成纹理图案的方法20。如图3所示，方法20包括：
在步骤S21，提供带有所述纹理图案的掩膜版。
在步骤S22，将所述掩膜版放置在所述目标表面上。
在步骤S23，将荧光材料施加在所述掩膜版的镂空区域上，在所述目标表面上形成所述纹理图案。
通过本发明的方法20，采用了荧光材料来形成纹理图案。荧光材料在特定的波长光照条件下会发出荧光，而在一般的日光照射下则不会。这样的话就可以实现正常光线条件下纹理图案是无色透明的，而机器人观察的时候，由于使用了特殊的光源，就可以看到荧光，避免了对客户地面造成污损，同时提供了纹理信息，一举两得。涂料基础溶剂可以选择环氧地坪的基层材料，诸如丙烯乳酸、丙烯酸酯等材料。涂料中可以加入分散剂和/或稳定剂。例如使用对应的涂料，比如环氧地坪漆作为基础组分，就可以达到对抗返潮，耐磨耐水耐酸碱。
根据本发明的一个实施例，方法20所施加的纹理图案为根据上述方法10形成的纹理图案，和/或方法20采用的掩膜版为根据上述方法10制作的掩膜版。
图4示出了根据本发明实施例的一种自动引导车AGV的定位方法30。如图4所示，包括：
在步骤S31，引导所述AGV到达目标表面上带有纹理图案的区域，其中所述纹理图案是通过如上所述的方法20形成的纹理图案。
在步骤S32，利用特定波长的光束照射所述区域。
在步骤S33，采集所述纹理图案，并根据所述纹理图案对AGV进行定位。例如根据所采集的纹理图案，在现有的地图中进行匹配，从而确定该纹理图案所对应的位置。
其中所述光束的波长例如360nm的紫外光或者950nm的红外光。
图5示出了根据本发明一个实施例的建图方法100，例如可用于对场地进行建图。
在步骤S101，建立或获取所述场地的坐标系。所述坐标系可以是物理坐标系，也可以是逻辑坐标系，这都在本发明的范围内。坐标系的定义，通常包括原点的位置、XY坐标轴的方向等。
例如可以对需要定位的场地进行测量，建立物理坐标系,物理坐标系以常见距离单位作为度量单位，比如米、分米、厘米，允许以整数、小数、分数形式进行描述，比如1米、1分米、1厘米，0.55米、0.2分米、1.4厘米、二分之一米等，坐标系方向一般同建筑物围墙平行，或者与东南西北方向相平行，遵循以上原则建立的坐标在本系统中称为物理坐标系，如图6所示。
按照业务实际情况设定的坐标系，在本系统中称作逻辑坐标系。示例性的而非限制性的，逻辑坐标系和物理坐标系的不同之处例如可以在于，逻辑坐标系一般是以整数作为描述的，比如(1,2)、(5,10)，并且坐标系方向不一定与物理坐标系重合，而且逻辑坐标系的距离单位并不一定是常见物理单位，而是以实际作业需要进行定义，比如图7中A点、B点、C点，B点逻辑坐标为(3,7)，A点逻辑坐标为(3，8)，C点逻辑坐标为(4,7)，以左下角点位为原点，每个逻辑位置间距为1.35米计算的话，A点的物理坐标则为(4.05，9.45)。因此逻辑位置和物理位置可以完全一致，也可以两者存在一定的换算关系。之所以有逻辑位置的原因是为了方便规划业务逻辑或者方便建图计算，比如以货架摆放为例，货架的位置都是以逻辑坐标系位置进行保存的，比如(3,7)位置，如果使用物理位置的话，就会出现上述(4.05，9.45)的描述，很不利于操作人员的理解和操作，如果需要物理位置时，可以通过换算关系进行换算,一般换算的时候是乘以一个系数，叫做逻辑位置间距，并且在X方向和Y方向上可以不同。比如仓库内的货架是1.3米*1.3米，货架间距为0.05米，就可以定义逻辑位置间距为1.35米，如果货架是1.2米*1.0米,那么可以定义逻辑位置间距在X轴方向上为1.25米，Y轴方向上为1.05米，从而使得需要进行物理定位的设备找到对应的物理位置货架。以上的换算仅为常规的换算方式，还有更为复杂的换算方法，比如坐标系旋转换算，非线性换算等换算方法，在此限于篇幅不详细展开。以上关于逻辑坐标系的描述仅是示例性的而非限制性的。逻辑坐标系是指按照业务实际情况设定的坐标系。在本发明的概念下，逻辑坐标系下的位置参数不限于整数，也可以带有小数。这些都在本发明的保护范围内。如果事先已经建立好了场地的物理坐标系或者逻辑坐标系，可以从相应的文件或者数据库中获取即可。下文以物理坐标系为例进行说明。
在步骤S102，扫描所述场地，获取标定点的图片(关于标定点的定义，请参见下文)、待定位位置的图片(优选的是多个待定位的位置的图片)、以及与所述标定点图片和待定位位置图片对应的位置参数和姿态参数。其中所述标定点和/或所述待定位位置上优选具有通过如本发明的方法10或20形成的纹理图案，所采集的标定点的图片和/或待定位位置的图片中包括所述纹理图案。
例如可以使用搭载本发明的设备(将在下文描述)的自动引导小车，对所述场地进行扫描，获取待定位位置的图片、标定点图片、以及上面两种图片对应的位置参数和姿态参数。这里所谓的待定位的位置，可以根据实际工况确定，例如是自动引导车需要到达的位置。
参考图6为例进行描述，所述位置参数例如是在某一个标定点或者需要定位的位置的图片在物理坐标系下的横坐标和纵坐标(即水平位置，例如图片中心的坐标，或者图片某一个角的坐标)，当然也可以是相对于某一个基点的水平距离和纵向距离；所述姿态参数例如获取的图片的角度，例如相对于横轴或纵轴的角度(即航向角)。根据本发明的一个优选实施例，还可以获取所述图片对应的俯仰角、横滚角、垂直高度等参数(即自动引导小车获取照片时的俯仰角、横滚角、垂直高度等)。根据本发明的一个优选实施例，可以采用本发明的自动引导小车上搭载的惯性导航测量设备来提供上述数据。惯性导航测量设备例如包括轮子编码器、加速度计(1～3轴)、陀螺仪(1～3轴)、磁通量传感器(1～3轴)、气压传感器以及能够反馈航向角、俯仰角、横滚角、水平位置、垂直位置的测量设备。利用轮子编码器、加速度计、陀螺仪、磁通量传感器、气压传感器获得的数据，经过计算，即可得到航向角(即图片相对于水平轴或纵轴的角度)、俯仰角、横滚角、水平位置、垂直位置，将得到的以上数据叠加至图片，形成(图片、航向角(即图片角度)、俯仰角、横滚角、水平位置(即x轴横坐标和y轴纵坐标)、垂直位置,是否是标定点)的七元组数据组合，如图8所示，在本系统中称为连接点，作为后续建图输入。当然，本领域技术人员能够理解，所述连接点不需要具备全部的数据，例如包括(图片、航向角、水平位置、是否是标定点)的四元数据组合就可以实现本发明的目的。需要注意的是，根据本发明的一个优选实施例，对于标定点的图片和相应的位置参数和姿态参数，可以尽可能多的采集，有助于更精确的建立定位地图和更加精准的定位，采集时，可以多次经过同一区域，多次采集，也可以使得定位地图更加精确。当然本发明的保护范围不限于物理坐标系下的坐标，也可以是逻辑坐标系下的坐标。
关于标定点，其代表那些坐标已经经过精确确定的点位。如图7中所标示的A点、B点、C点，这些点位的坐标已经经过确认，是人为定义的，先验的。
图9中示出了标定点的一个实例，其中显示出标定点A、其逻辑坐标为(5，8)，物理坐标为(3.75,4.10)。当然本发明中，标定点并不限于必须同时具有逻辑坐标和物理坐标。可以采取多种手段来识别和确认标定点。例如一种是图像上有十字线，上面标注了位置，图像采集之后可以识别出标定点及其位置坐标；还一种是上面有编码信息，例如条形码或者二维码，在图像采集之后可以使用程序解码，解码出来的内容就是该标定点的位置坐标。根据本发明一个实施例，由于标定点的坐标是事先经过确认的，所以在步骤S102中，标定点图片的位置参数采用的是该标定点的位置参数，而非惯性导航测量设备所测量出来的标定点图片的位置参数。
在步骤S103，基于所述标定点的图片、所述待定位位置的图片、所述位置参数和所述姿态参数，修正所述待定位位置的图片的所述位置参数和/或姿态参数。可以仅修正位置参数，或仅修正姿态参数，也可以同时修正位置参数和姿态参数。
对于待定位位置的图片，其位置参数和姿态参数是通过测量而得到的，例如通过惯性导航测量设备测量和得到，在现场的工况中存在测量误差，需要进一步修正来提高其精度。而标定点的图片可以作为很好的基准，用来修正待定位位置的图片的位置参数和姿态参数。
根据本发明的一个优选实施例，获取标定点的图片和待定位位置的图片的步骤包括：利用特定波长的光束照射所述标定点和所述待定位位置，并采集所述标定点的图片和待定位位置的图片，从而获取其上通过荧光材料所施加的纹理图案。
下面参考图10来描述步骤S103的一个实施例。
在步骤S1031：构造连接点的集合。如上所述，每个连接点，包括(图片、航向角(即图片角度)、俯仰角、横滚角、水平位置、垂直位置,是否是标定点)的七元组数据组合，或者包括(图片、航向角、水平位置、是否是标定点)的四元数据组合。利用这些连接点来构造连接点集合。关于“是否是标定点”的参数，如果该图片中出现了标定点并正常地获得了该标定点的先验位置参数，该参数即为“是标定点”；否则该参数为“非标定点”。也可以用逻辑0或1来表示。
在步骤S1032，基于所述连接点集合来建立和输出连接集合。输入连接点集合，按照连接点中包括的水平位置即xy轴坐标，进行组对操作，组对操作的原则例如为：两个图片的标注位置距离不超过预定值，例如不超过图片长度或宽度的50％、30％或者20％。举例说明，连接点A水平位置为(0,0)，连接点B水平位置为(5,0),那么A到B的距离为5，如果图片大小为10*10，那么A、B就符合不超过50％图片大小的标准，可以组成一对，在本系统中这样的组合叫做连接，每个连接包括两个连接点，输出能够组成的全部连接，在本系统中称为连接集合。
在步骤S1033：输入所生成的连接集合，对于连接集合中的每一个连接，提取连接里面两个连接点A、B，为了方便描述，将连接点A称为基准点，连接点B称为邻接点，以基准点为原点，以邻接点为偏移，将基准点图片和邻接点图片作为输入，例如执行相位相关法，得到连接置信度(conf)(表征二者之间的相似程度)，x方向相对位移(delta_x)，y方向相对位移(delta_y)，旋转相对角度(theta)，本系统中将(conf，delta_x，delta_y，theta)组成的4元组称为互相关结果，放入对应的连接保存，将置信度大于一定阈值(例如10，可理解为该互相关结果随机出现的概率小于正态分布10西格玛位置所表示的概率值)的连接保留，输出过滤后的置信度大于该阈值的、含有互相关结果的新连接集合，在本系统中称为建图连接集合。上文的连接置信度是相位相关法的输出，是通过计算相位相关法取值峰值的尖锐程度，或者说尖峰附近的分布计算的，假设分布是正态的，那么知道了峰值和均值，就可以算出来置信度。互相关结果是按照上面相位相关法，通过计算两个图片的相关度计算出来的。执行相位相关法的过程中，涉及到互功率谱计算，利用互功率谱函数，可以获得在不同的位移条件下的互相关水平，假设互相关水平服从正态分布，可以通过统计方法计算出来正态分布的相关参数，利用该参数和最大的互相关数值相除，即可计算连接置信度。
根据一个实施例，建图连接集合不含有两个点都是标定点的连接。
如图11所示，图中表层区域是图片A，底层是图片B，说明了两个图片的重合区域，该重合是通过相位相关计算出来的。例如图11中两个图片A和B计算的互相关结果为：置信度131.542，x方向相对位移33.4，y方向相位位移10.7，旋转角度0.3度。
图12示出了连接的示意图，其中包括基准点和邻接点。
在步骤S1034：在建图连接集合上执行梯度下降法，修正所述待定位位置的图片的位置参数和/或姿态参数。其中根据一个实施例，标定点图片的横纵坐标和角度不变，梯度调整是以非标定点图片参数作为变量，标定图片可以认为是常量。或者建图连接集合可以定义成不含有两个点都是标定点的连接，因为这样调整没有意义，标定点本来就不应该被调整，求解梯度的时候也不会被求解。优化函数例如如公式1所示：
公式1：
Figure BDA0002029015900000161
公式2：
Figure BDA0002029015900000162
公式3：
Figure BDA0002029015900000163
公式4：
Figure BDA0002029015900000164
公式5：
Figure BDA0002029015900000165
公式6：
Figure BDA0002029015900000166
公式7：
Figure BDA0002029015900000171
其中N表示建图连接集合一共含有N个连接，i表示建图连接集合中的第i个连接，Ai表示第i个连接的基准点，Bi表示第i个连接的邻接点，Ri表示第i个连接的互相关结果，
Figure BDA0002029015900000172
表示基准点的航向角，
Figure BDA0002029015900000173
表示邻接点的航向角，
Figure BDA0002029015900000174
表示互相关结果中的旋转相对角度，gθ(Ai,Bi)可以理解为基准点与邻接点在惯性导航测量组件下的角度差异，gθ(Ai,Bi)-uθ(Ri)可以理解为惯性导航测量组件下的角度差异同互相关结果中的旋转相对角度的差异(互相关结果中的旋转角度就是通过相位相关法计算出来的theta，这个值表征了邻接点图片需要旋转多少角度才能和基准点图片平行)，其中fθ为航向角权重函数，用于表示航向角拟合过程中，不同的连接点属性(比如：标定点和非标定点)在地图迭代中的权重不同(作为一个实例，通常标定点的权重比较大，例如1000，非标定点的权重比较小，例如1)；vθ为互相关结果中角度差异的权重函数，用于表示不同的连接属性(比如：两个非标定点之间的连接、标定点与非标定点之间的连接)对于互相关结果角度的权重(两个非标定点的连接的话，变化程度应该是对等的，或者说叫做均等的，因为两个码的地位是相等的，但是标定点和非标定点变化程度是不对等的，非标定点的变化程度，显著大于标定点，因此要通过权重控制。可以根据实际情况来给定权重)。根据一个优选实施例，对于两个非标定点的连接，权重可取1，按照同等的水平调整；对于标定和非标定点的连接，权重也可以取1，因为标定点是常量，不会参与梯度计算，可以认为梯度是不变的。如果考虑对标定点进行微调的话，标定点与非标定点的连接的权重比值可以高达99比1。
其余公式描述均和以上描述类似，分别计算了惯性导航测量组件下的X轴方向差异同互相关结果中的X轴方向相对位移的差异，以及惯性导航测量组件下的Y轴方向差异同互相关结果中的Y轴方向相对位移的差异，上述权重函数均可根据业务情况、算法适配情况调整。
Figure BDA0002029015900000175
表示基准点的x轴坐标，
Figure BDA0002029015900000176
表示邻接点的x轴坐标，
Figure BDA0002029015900000177
表示互相关结果中的x方向相对位移，gx(Ai,Bi)可以理解为基准点与邻接点在惯性导航测量组件下的x方向坐标差异，gx(Ai,Bi)-ux(Ri)可以理解为惯性导航测量组件下的x方向坐标差异同互相关结果中的x方向相对位移的差异(互相关结果中的x方向相对位移就是通过相位相关法计算出来的delta_x，这个值表征了邻接点图片需要沿x方向平移多少距离才能和基准点图片对齐)，其中fx为x轴权重函数，用于表示x轴坐标拟合过程中，不同的连接点属性(比如：标定点和非标定点)在地图迭代中的权重不同(作为一个实例，通常标定点的权重比较大，例如1000，非标定点的权重比较小，例如1)；vx为互相关结果相对于x轴相对位移的调整权重，例如可以取值1。
Figure BDA0002029015900000181
表示基准点的y轴坐标，
Figure BDA0002029015900000182
表示邻接点的y轴坐标，
Figure BDA0002029015900000183
表示互相关结果中的y方向相对位移，gy(Ai,Bi)可以理解为基准点与邻接点在惯性导航测量组件下的y方向坐标差异，gy(Ai,Bi)-uy(Ri)可以理解为惯性导航测量组件下的y方向坐标差异同互相关结果中的y方向相对位移的差异(互相关结果中的y方向相对位移就是通过相位相关法计算出来的delta_y，这个值表征了邻接点图片需要沿y方向平移多少距离才能和基准点图片对齐)，其中fy为x轴权重函数，用于表示y轴坐标拟合过程中，不同的连接点属性(比如：标定点和非标定点)在地图迭代中的权重不同(作为一个实例，通常标定点的权重比较大，例如1000，非标定点的权重比较小，例如1)；vy为互相关结果相对于y轴相对位移的调整权重，例如可以取值1。
λ1、λ2、λ3分别表示theta、x、y变化量在最终拟合结果中的权重，有的场景对于theta的变化比较敏感，可以调高λ1。根据一个优选实施例，λ1、λ2、λ3均为1。
公式1中的自变量为
Figure BDA0002029015900000184
通过对公式1的各个自变量进行求导，得到了各个自变量梯度下降的方向，或者说是一组梯度集合，用于进行梯度下降
执行梯度下降法的初始化步骤，将惯性导航标注的位置参数和姿态参数作为图片的初始位置。梯度下降法的输入一个是上次迭代集合，一个是梯度，一个是步长，其中梯度是通过对公式1求导得到的，迭代初始集合是通过例如惯性导航标注的位置参数和姿态参数赋值的，步长是固定的或者可变的。
确定了梯度和迭代初始集合之后，向梯度方向进行步长长度下降，来利用公式1进行优化。可根据需要自定义步长算法，本系统优选采用固定步长进行梯度下降。重复执行，直到迭代变化率小于设定阈值，本系统例如设定阈值为0.1％。变化率例如是上次计算得到的值和本次迭代计算得到的值的差值，除以上次的值，就是变化率。最终得到每一个图片基点(例如中心点)的物理坐标以及姿态参数，作为修正后的待定位位置的位置参数和姿态参数。
注意，在建图连接集合上执行梯度下降法的过程中，标定点图片的位置参数和姿态参数不进行变化。
上面所描述的执行梯度下降法中用到了图片的x轴坐标、y轴坐标和航向角。根据本发明的一个优选实施例，也可以包括图片对应的垂直坐标、俯仰角和横滚角，尤其是在场地高低不平的情况中，这非常有帮助。这些都在本发明的保护范围内。
根据本发明的一个优选实施例，对标定点中的一些或者全部，进行多次图片采集，并获取与每次图片采集对应的位置参数和姿态参数。通过对标定点的图片多次采集，可使得迭代结果更加精确，增加了连接的数目。
根据本发明的一个优选实施例，还包括：将所述坐标系、所述标定点的图片、所述待定位位置的图片、所述标定点的图片的位置参数和姿态参数、以及修正后的所述待定位位置的图片的位置参数和姿态参数存储到数据库中或文件中，建立地图。根据一个优选实施例，同时将所述连接的集合和/或所述建图连接集合存储到所述数据库或文件中，作为地图的一部分。图13示出了根据本发明建立的地图的图示。
优选地，另外对于迭代后的地图进行人工校验和微调，就完成了物理坐标系和逻辑坐标系的稳定映射，用于后续定位。
下面参考附图14描述根据本发明另一个实施例的用于图像采集的自动引导车50。如图14所示，其中示出了自动引导车50的内部部件，而为了清晰起见省略了其外壳等部件。自动引导车50包括：基座6；发光装置5-2，所述发光装置安装在所述基座上并配置成可照亮所述基座下方的区域；摄像头5-3，所述摄像头安装在所述基座上并配置成可采集基座下方区域的图片，例如被所述发光装置照亮的区域的图片；测量组件3，所述测量组件安装在所述基座上，并配置成可测量或计算与所述图片对应的所述自动引导车的位置参数以及姿态参数。
主动轮1安装在机座6上，包括电机、减速器、编码器，其中电机提供驱动力，减速器放大驱动力，编码器用于获取电机转动角度，从而可以获得自动引导车或者主动轮的水平位置。主动轮2同主动轮1配合完成运动控制。所述测量组件3例如是惯性导航测量装置，可以提供瞬时速度、瞬时角度、瞬时位置的一个或者几个，例如横坐标、纵坐标、垂直坐标、航向角、俯仰角和横滚角。根据本发明的一个实施例，所述主动轮的编码器也可以是所述测量组件3的一部分。控制装置4安装在所述基座6上，同测量组件3和摄像头5-3耦合。所述控制装置4配置成控制所述小车行进至标记点和待定位位置以采集所述标记点的图片和所述待定位位置的图片，并且能够同步所述摄像头5-3和所述测量组件3，使得在摄像头采集图片的同时，所述测量组件3能够测量所述小车的位置参数和姿态参数，也就是获得与所述图片相对应的位置参数和姿态参数。
根据本发明的一个实施例，发光装置5-2例如配置成可发射特定波长的光束到所述基座下方的区域，供所述摄像头采集图片。这尤其对于目标表面上具有荧光图案的情形是优选的。荧光图案在通常的光线如日光下是不可见的，需要以特定波长的光束进行照射，才能够显示出荧光图案。
所述摄像头5-3例如是下视摄像头，连同发光装置5-2和遮光罩5-1一起形成取像装置5，其中摄像头5-3用于获取自动引导车下方图像，发光装置5-2安装在基座上，用于照亮下视摄像头拍摄区域。遮光罩5-1安装在所述基座上，用于将发光装置的光线变得更为柔和，防止反光现象的发生。所述发光装置优选环绕所述遮光罩安装。
根据本发明的一个优选实施例，自动引导车50还包括处理装置(未示出)，所述处理装置与所述摄像头5-3和所述测量组件3耦合，以接收所述摄像头采集的图片和测量组件测量的位置参数和姿态参数，并基于所述图片、以及所述位置参数以及姿态参数，修正所述待定位位置的图片的位置参数和/或姿态参数。本领域技术人员能够理解，处理装置可以集成在所述自动引导车50中，也可以在物理上与所述自动引导车分离，通过有线或者无线的方式与其他部件进行通讯。这些都在本发明的范围内。
根据本发明的一个优选实施例，所述处理装置通过以下的方法修正所述待定位位置的图片的位置参数和/或姿态参数：
构造连接点的集合，每个所述连接点包括一幅图片、与所述一幅图片对应的所述位置参数和所述姿态参数、以及所述图片是否对应标定点；
从所述连接点的集合中，获取距离不超过预定值的两个连接点作为一连接，建立连接的集合；
对所述连接的集合中的每一个连接所包括的两个连接点，计算所述两个连接点之间的连接置信度，并过滤出连接置信度高于预定阈值的那些连接，作为建图连接集合；
在所述建图连接集合上执行梯度下降法，直至迭代变化率低于预定预支，其中在执行梯度下降法的初始化步骤时，将非标定点的连接点的图片的所述位置参数和姿态参数作为所述梯度下降法的初始迭代参数。具体的计算过程如公式1-7所示。
根据本发明的一个优选实施例，所述测量组件是惯性导航测量组件，所述位置参数包括横坐标和纵坐标，优选地包括垂直坐标，所述姿态参数包括航向角，优选地包括俯仰角和横滚角。
根据本发明的一个优选实施例，所述测量组件包括激光SLAM测量装置和/或视觉SLAM测量装置。
根据本发明的一个优选实施例，所述处理装置配置成将所述坐标系、所述标定点的图片、所述待定位位置的图片、所述标定点的图片的位置参数和姿态参数、以及修正后的所述待定位位置的图片的位置参数和姿态参数存储到数据库中或文件中，建立地图。所述标定点的图片和所述待定位位置的图片中含有通过如方法10或20形成的纹理图案。
本发明还提供一种图像采集和处理系统，包括：如上所述的自动引导车；和处理装置，所述处理装置与所述摄像头和所述测量组件相通讯，并配置成基于所述图片、以及所述位置参数以及姿态参数，修正所述图片的位置参数和/或姿态参数。其中所述处理装置例如并非设置在所述自动引导车上。
其中所述处理装置例如配置成可执行如上所述的建图方法100。
本发明还提供一种用于自动引导车的建图和定位系统，包括：摄像头，所述摄像头设置成可采集所述自动引导车下方的图像；发光装置，所述发光装置配置成可照亮所述自动引导车的下方；惯性导航测量组件，所述惯性导航测量组件配置为可测量所述自动引导车的位置参数和姿态参数；处理装置，所述摄像头和所述惯性导航测量组件均耦合至所述处理装置，基于所述图像、所述位置参数以及姿态参数，修正所述图片的位置参数和/或姿态参数。
根据本发明一个优选实施例，发光装置配置成可发射特定波长的光束到所述自动引导车的下方，供所述摄像头采集图像，图像中例如带有荧光材料施加的纹理图案。待定位位置上例如具有通过上述方法10/20形成的纹理图案，例如通过荧光材料施加的纹理图案。因此所采集的图片中也含有该纹理图案。
其中所述处理装置例如配置成可执行如上所述的建图方法100。
本发明还提供一种对场地进行建图的设备，包括：配置成建立或获取所述场地的坐标系的装置；配置成扫描所述场地、获取标定点的图片以及多个待定位位置的图片、以及与所述图片对应的位置参数和姿态参数的装置；配置成基于所述图片、所述位置参数和所述姿态参数，修正所述待定位位置的图片的位置参数和/或姿态参数的装置。所述标定点和/或待定位位置上例如具有通过上述方法10/20形成的纹理图案，例如通过荧光材料施加的纹理图案。因此所采集的图片中也含有该纹理图案。
基于通过方法100建立的地图，本发明还提供一种定位方法200。下面参考图15来描述根据本发明的定位方法200。
如图15所示，在步骤S201，加载或获得通过本发明的方法100获得的地图，例如可以通过加载或读取地图文件或数据库来进行。
在步骤S202，采集或获得待定位位置的图片以及与该图片对应的位置参数和姿态参数。例如在AGV运行过程中，在采集图片的同时，测量与该图片对应的位置参数和姿态参数。其中优选的，所述待定位位置上具有通过上述方法10/20形成的纹理图案，例如通过荧光材料施加的纹理图案。因此所采集的图片中也含有该纹理图案。
在步骤S203，在所述地图中，检索与该待定位位置的图片距离最近的图片
根据本发明的一个优选实施例，所述定位方法200还包括：使用相位相关法计算所述待定位位置的图片与所述距离最近的图片之间的置信度、位置参数偏移和姿态参数偏移。
根据本发明的一个优选实施例，当使用相位相关法计算得到的置信度低于预设值时，丢弃该距离最近的图片，重新检索与该待定位位置的图片距离最近(不包括被丢弃的图片在内)且置信度高于预设值的图片。当找到距离最近且置信度高于预设值的图片时，利用检索到的图片位置，加上相位相关法的偏移量，就可以得出待定位图片的位置参数，然后更新设备的定位位置，即定位成功。定位成功后，下一次检索的位置就是这个定位位置。
根据本发明的一个优选实施例，所述待定位位置的图片中含有通过如方法100或200形成的纹理图案。
图16是依照本发明的至少一些实施例布置的计算机程序产品900的框图。信号承载介质902可以被实现为或者包括计算机可读介质906、计算机可记录介质908、计算机通信介质910或者它们的组合，其存储可配置处理单元以执行先前描述的过程中的全部或一些的编程指令904。这些指令可以包括例如用于使一个或多个处理器执行如下处理的一个或多个可执行指令：建立或获取所述场地的坐标系；扫描所述场地，获取标定点的图片、待定位位置的图片、以及与所述图片对应的位置参数和姿态参数；基于所述标定点的图片、所述待定位位置的图片、所述位置参数和所述姿态参数，修正所述待定位位置的图片的所述位置参数和/或姿态参数。
虽然前面的详细描述已经通过使用框图、流程图和/或示例阐述了装置和/或方法的各种示例，但是这样的框图、流程图和/或示例包含一个或多个功能和/或操作，本领域技术人员将理解，这样的框图、流程图或示例内的每个功能和/或操作可用范围广泛的硬件、软件、固件或它们的几乎任何组合单个地和/或共同地来实施。在一个示例中，本文中所述的主题的几个部分可经由专用集成电路(ASIC)、现场可编程门阵列(FPGA)、数字信号处理器(DSP)或其它集成格式来实施。然而，本领域技术人员将认识到，本文中所公开的示例的一些方面整个地或部分地可在集成电路中被等效地实施，被实施作为在一个或多个计算机上运行的一个或多个计算机程序(例如，在一个或多个计算机系统上运行的一个或多个程序)，被实施作为在一个或多个处理器上运行的一个或多个程序(例如，在一个或多个微处理器上运行的一个或多个程序)，被实施作为固件，或者被实施作为它们的几乎任何组合，并且根据本公开，设计电路和/或编写用于软件和/或固件的代码将在本领域技术人员的熟练技能内。例如，如果用户确定速度和精度是最重要的，则用户可选择主要硬件和/或固件媒介物；如果灵活性是最重要的，则用户可选择主要软件实施方式；或者，再一次可替代地，用户可选择硬件、软件和/或固件的某一组合。
另外，本领域技术人员将意识到，本文中所述的主题的机制能够以各种形式作为程序产品分布，并且本文中所述的主题的说明性示例不管用于实际实现该分布的信号承载介质的具体类型如何都适用。信号承载介质的示例包括但不限于以下：可记录类型的介质，诸如软盘、硬盘驱动器、压缩盘(CD)、数字视频盘(DVD)、数字带、计算机存储器等；以及传输类型的介质，诸如数字和/或模拟通信介质(例如，光纤电缆、波导、有线通信链路、无线通信链路等)。
本领域技术人员将认识到，以本文中所阐述的方式描述装置和/或方法、其后使用工程实践将这样的所述的装置和/或方法集成到数据处理系统中在本领域内是常见的。也就是说，本文中所述的装置和/或方法的至少一部分可经由合理量的实验被集成到数据处理系统中。本领域技术人员将认识到，典型的数据处理系统一般包括以下中的一个或多个：系统单元壳体、视频显示装置、诸如易失性和非易失性存储器的存储器、诸如微处理器和数字信号处理器的处理器、诸如操作系统的计算实体、驱动器、图形用户界面、以及应用程序、诸如触控板或触摸屏的一个或多个交互装置、和/或包括反馈回路和控制电机(例如，用于感测位置和/或速率的反馈；用于移动和/或调整部件和/或量的控制电机)的控制系统。典型的数据处理系统可利用任何合适的市售部件来实施，诸如常见于数据计算/通信和/或网络计算/通信系统中的那些。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (21)

1.一种用于形成由AGV扫描的地面上的纹理图案的方法，包括：
选择一花纹图案；
对所述花纹图案进行聚类分割；
通过均匀采样将聚类分割后的所述花纹图案转换为所述纹理图案，其中所述将聚类分割后的所述花纹图案转换为纹理图案的步骤包括：将聚类分割后的所述花纹图案中一定比例的聚类保留，作为所述纹理图案的镂空区域；和
基于所述纹理图案制作掩膜版。
2.如权利要求1所述的方法，其特征在于，还包括：将所述纹理图案施加到目标表面上，其中所述对花纹图案进行聚类分割的步骤包括使用Quickshift聚类方法对所述花纹图案进行聚类分割。
3.如权利要求2所述的方法，其特征在于，所述将纹理图案施加到目标表面上的步骤包括：使用荧光材料通过掩膜版将所述纹理图案施加到目标表面上。
4.一种在目标表面上形成由AGV扫描的地面上的纹理图案的方法，包括：
提供根据权利要求1-3中任一项方法形成的带有所述纹理图案的掩膜版；
将所述掩膜版放置在所述目标表面上；
将荧光材料施加在所述掩膜版的镂空区域上，在所述目标表面上形成所述纹理图案。
5.一种AGV定位方法，包括：
引导所述AGV到达目标表面上带有纹理图案的区域，其中所述纹理图案是通过如权利要求4所述的方法形成的纹理图案；
利用特定波长的光束照射所述区域；和
采集所述纹理图案，并根据所述纹理图案对AGV进行定位。
6.一种对场地进行建图的方法，包括：
建立或获取所述场地的坐标系；
扫描所述场地，获取标定点的图片、待定位位置的图片、以及与所述图片对应的位置参数和姿态参数；
基于所述标定点的图片、所述待定位位置的图片、所述位置参数和所述姿态参数，修正所述待定位位置的图片的所述位置参数和/或姿态参数，
其中所述标定点和/或所述待定位位置上具有通过如权利要求4所述的方法形成的纹理图案。
7.如权利要求6所述的方法，其中所述位置参数包括横坐标和纵坐标，所述位置参数并且包括垂直坐标，所述姿态参数包括航向角，所述姿态参数并且包括俯仰角和横滚角，其中所述获取标定点的图片和待定位位置的图片的步骤包括：利用特定波长的光束照射所述标定点和所述待定位位置，并采集所述标定点的图片和待定位位置的图片。
8.如权利要求6-7中任一项所述的方法，其中所述修正的步骤包括：
构造连接点的集合，每个所述连接点包括一幅图片、与所述一幅图片对应的所述位置参数和所述姿态参数、以及所述图片是否对应标定点；
从所述连接点的集合中，获取距离不超过预定值的两个连接点作为一连接，建立连接的集合；
对所述连接的集合中的每一个连接所包括的两个连接点，计算所述两个连接点之间的连接置信度，并过滤出连接置信度高于预定阈值的那些连接，作为建图连接集合；
在所述建图连接集合上执行梯度下降法，直至迭代变化率低于预定阈值，其中在执行梯度下降法的初始化步骤时，将非标定点的连接点的图片的所述位置参数和姿态参数作为所述梯度下降法的初始迭代参数。
9.如权利要求6-8中任一项所述的方法，其中对标定点中的一些或者全部，进行多次图片采集，并获取与每次图片采集对应的位置参数和姿态参数。
10.如权利要求6-8中任一项所述的方法，还包括：将所述坐标系、所述标定点的图片、所述待定位位置的图片、所述标定点的图片的位置参数和姿态参数、以及修正后的所述待定位位置的图片的位置参数和姿态参数存储到数据库中或文件中，建立地图，将所述连接的集合和/或所述建图连接集合存储到所述数据库或文件中。
11.一种用于图像采集的自动引导车，包括：
基座；
摄像头，所述摄像头安装在所述基座上并配置成可采集所述基座下方的区域的图片；
发光装置，所述发光装置安装在所述基座上并配置成可发射特定波长的光束到所述基座下方的区域，供所述摄像头采集图片；
测量组件，所述测量组件安装在所述基座上，并配置成可测量或计算与所述图片对应的所述自动引导车的位置参数以及姿态参数；和
安装在所述基座上的控制装置，所述摄像头和所述测量组件均耦合至所述控制装置，所述控制装置配置成控制小车行进至标记点和待定位位置以采集所述标记点的图片和所述待定位位置的图片，所述标定点的图片和所述待定位位置的图片中含有通过如权利要求4所述的方法形成的纹理图案。
12.如权利要求11所述的自动引导车，还包括
所述自动引导车还包括处理装置，所述处理装置与所述摄像头和所述测量组件耦合，并基于所述图片、以及所述位置参数以及姿态参数，修正所述待定位位置的图片的位置参数和姿态参数。
13.如权利要求11或12所述的自动引导车，所述处理装置配置成通过以下的方法修正所述待定位位置的图片的位置参数和姿态参数：
构造连接点的集合，每个所述连接点包括一幅图片、与所述一幅图片对应的所述位置参数和所述姿态参数、以及所述图片是否对应标定点；
从所述连接点的集合中，获取距离不超过预定值的两个连接点作为一连接，建立连接的集合；
对所述连接的集合中的每一个连接所包括的两个连接点，计算所述两个连接点之间的连接置信度，并过滤出连接置信度高于预定阈值的那些连接，作为建图连接集合；
在所述建图连接集合上执行梯度下降法，直至迭代变化率低于预定阈值，其中在执行梯度下降法的初始化步骤时，将非标定点的连接点的图片的所述位置参数和姿态参数作为所述梯度下降法的初始迭代参数。
14.如权利要求11-12中任一项所述的自动引导车，其中所述测量组件是惯性导航测量组件，其中所述位置参数包括横坐标和纵坐标，所述位置参数并且包括垂直坐标，所述姿态参数包括航向角，所述姿态参数并且包括俯仰角和横滚角。
15.如权利要求11-12中任一项所述的自动引导车，其中所述测量组件包括激光SLAM测量装置和/或视觉SLAM测量装置。
16.如权利要求12所述的自动引导车，其中所述处理装置配置成将坐标系、所述标定点的图片、所述待定位位置的图片、所述标定点的图片的位置参数和姿态参数、以及修正后的所述待定位位置的图片的位置参数和姿态参数存储到数据库中或文件中，建立地图，将所述连接的集合和/或所述建图连接集合存储到所述数据库或文件中。
17. 一种图像采集和处理系统，包括：
如权利要求11所述的自动引导车；和
处理装置，所述处理装置与所述摄像头和所述测量组件耦合，并基于所述图片、以及所述位置参数以及姿态参数，修正所述图片的位置参数和/或姿态参数。
18.如权利要求17所述的图像采集和处理系统，其中所述处理装置配置成可执行权利要求6-10中任一项所述的建图方法。
19.一种用于自动引导车的建图和定位系统，包括：
摄像头，所述摄像头设置成可采集所述自动引导车下方的图像；
发光装置，所述发光装置配置成可发射特定波长的光束到所述自动引导车的下方，供所述摄像头采集图像；
惯性导航测量组件，所述惯性导航测量组件配置为可测量所述自动引导车的位置参数以及姿态参数；和
处理装置，所述摄像头和所述惯性导航测量组件均耦合至所述处理装置，所述控制装置配置成基于所述图像、所述位置参数以及姿态参数，修正所述图片的位置参数和/或姿态参数，所述处理装置配置成可执行如权利要求6-10中任一项所述的建图方法。
20.一种定位方法，包括：
加载或获得通过权利要求6-10中任一项所述的方法获得的地图；
采集或获得待定位位置的图片以及与该图片对应的位置参数和姿态参数；
根据所述地图，检索与该待定位位置的图片距离最近的图片。
21.如权利要求20所述的定位方法，还包括：使用相位相关法计算所述待定位位置的图片与所述距离最近的图片之间的置信度、位置参数偏移和姿态参数偏移，
其中，当使用相位相关法计算得到的置信度低于预设值时，丢弃该距离最近的图片，重新检索与该待定位位置的图片距离最近且置信度高于预设值的图片，
其中所述待定位位置的图片中含有通过如权利要求4所述的方法形成的纹理图案。
CN201910303482.0A 2018-05-31 2019-04-16 建图方法、图像采集和处理系统和定位方法 Active CN110189331B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/CN2019/084185 WO2019154444A2 (zh) 2018-05-31 2019-04-25 建图方法、图像采集和处理系统和定位方法
JP2019531456A JP7083472B2 (ja) 2018-05-31 2019-04-25 地図構築方法、画像収集処理システムと測位方法

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
CN201820865300 2018-05-31
CN201820865300X 2018-05-31
CN201810551792 2018-05-31
CN201810551792X 2018-05-31

Publications (2)

Publication Number Publication Date
CN110189331A CN110189331A (zh) 2019-08-30
CN110189331B true CN110189331B (zh) 2022-08-05

Family

ID=67174769

Family Applications (3)

Application Number Title Priority Date Filing Date
CN201822023605.9U Active CN211668521U (zh) 2018-05-31 2018-12-04 用于图像采集的自动引导车、以及图像采集和处理系统
CN201811475564.5A Active CN110006420B (zh) 2018-05-31 2018-12-04 建图方法、图像采集和处理系统和定位方法
CN201910303482.0A Active CN110189331B (zh) 2018-05-31 2019-04-16 建图方法、图像采集和处理系统和定位方法

Family Applications Before (2)

Application Number Title Priority Date Filing Date
CN201822023605.9U Active CN211668521U (zh) 2018-05-31 2018-12-04 用于图像采集的自动引导车、以及图像采集和处理系统
CN201811475564.5A Active CN110006420B (zh) 2018-05-31 2018-12-04 建图方法、图像采集和处理系统和定位方法

Country Status (2)

Country Link
JP (2) JP6977921B2 (zh)
CN (3) CN211668521U (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN211668521U (zh) * 2018-05-31 2020-10-13 上海快仓智能科技有限公司 用于图像采集的自动引导车、以及图像采集和处理系统
CN112150907A (zh) * 2019-10-23 2020-12-29 王博 一种基于地球纹理构建地图的方法及应用
CN112070810B (zh) * 2020-08-31 2024-03-22 安徽爱观视觉科技有限公司 定位方法、可移动设备及计算机可读存储介质
CN112465912B (zh) * 2020-11-18 2024-03-29 新拓三维技术(深圳)有限公司 一种立体相机标定方法及装置
CN112612788B (zh) * 2020-12-11 2024-03-01 中国北方车辆研究所 一种无导航卫星信号下的自主定位方法
CN112835333B (zh) * 2020-12-31 2022-03-15 北京工商大学 一种基于深度强化学习多agv避障与路径规划方法及系统
CN113029168B (zh) * 2021-02-26 2023-04-07 杭州海康机器人股份有限公司 基于地面纹理信息的地图构建方法和系统及移动机器人
CN115761311B (zh) * 2022-11-03 2023-07-07 广东科力新材料有限公司 Pvc钙锌稳定剂的性能检测数据分析方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102201052A (zh) * 2010-03-26 2011-09-28 新奥特（北京）视频技术有限公司 一种篮球广播视频中场地检测的方法
CN102324102A (zh) * 2011-10-08 2012-01-18 北京航空航天大学 一种图像场景空洞区域结构和纹理信息自动填补方法
CN102866397A (zh) * 2012-10-12 2013-01-09 中国测绘科学研究院 一种多源异构遥感影像联合定位方法
CN106996777A (zh) * 2017-04-21 2017-08-01 合肥井松自动化科技有限公司 一种基于地面图像纹理的视觉导航方法

Family Cites Families (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004151085A (ja) * 2002-09-27 2004-05-27 Canon Inc 情報処理方法及び情報処理装置
US7774158B2 (en) * 2002-12-17 2010-08-10 Evolution Robotics, Inc. Systems and methods for landmark generation for visual simultaneous localization and mapping
CA2513653C (en) * 2003-01-24 2013-10-01 Coco Communications Corp. Method and apparatus for secure communications and resource sharing between anonymous non-trusting parties with no central administration
CN101566471B (zh) * 2007-01-18 2011-08-31 上海交通大学 基于地面纹理的智能车视觉全局定位方法
CN101354441A (zh) * 2008-09-11 2009-01-28 上海交通大学 全天候运行的移动机器人定位系统
CN102692188B (zh) * 2012-05-08 2014-11-12 浙江工业大学 机械视觉疲劳裂纹扩展试验裂纹长度动态测量方法
WO2014003596A1 (en) * 2012-06-26 2014-01-03 Schlumberger, Holdings Limited A method for building a 3d model of a rock sample
CN108536890A (zh) * 2012-11-12 2018-09-14 罗克韦尔自动化技术公司 用于人机接口动画图形元素的计算机辅助设计的方法及装置
EP3077619B1 (en) * 2013-12-05 2018-10-24 Services Petroliers Schlumberger Digital core model construction
CN107003785B (zh) * 2014-12-09 2020-09-22 巴斯夫欧洲公司 光学检测器
CN104732545B (zh) * 2015-04-02 2017-06-13 西安电子科技大学 结合稀疏近邻传播和快速谱聚类的纹理图像分割方法
CN104835173B (zh) * 2015-05-21 2018-04-24 东南大学 一种基于机器视觉的定位方法
CN105043383A (zh) * 2015-07-10 2015-11-11 哈尔滨医科大学 一种姿态矫正方法及装置
CN105389819B (zh) * 2015-11-13 2019-02-01 武汉工程大学 一种鲁棒的半标定下视图像极线校正方法及系统
JP6559353B2 (ja) * 2015-12-15 2019-08-14 ライカ バイオシステムズ イメージング インコーポレイテッドＬｅｉｃａ Ｂｉｏｓｙｓｔｅｍｓ Ｉｍａｇｉｎｇ， Ｉｎｃ． 自動核セグメンテーション
CN105426872B (zh) * 2015-12-17 2019-06-21 电子科技大学 一种基于相关高斯过程回归的面部年龄估计方法
CN105444741B (zh) * 2015-12-17 2018-08-28 南京航空航天大学 基于双视野窗口的路径特征识别、偏差测量与精确定位方法
CN106289285A (zh) * 2016-08-20 2017-01-04 南京理工大学 一种关联场景的机器人侦察地图及构建方法
CN107918499B (zh) * 2016-10-09 2022-09-06 北京墨土科技有限公司 光学定位系统及方法、定位用光学观测设备
CN106767854B (zh) * 2016-11-07 2020-05-22 纵目科技（上海）股份有限公司 移动设备、车库地图形成方法及系统
CN106714110B (zh) * 2017-01-19 2020-03-31 深圳大学 一种Wi-Fi位置指纹地图自动构建方法及系统
CN107146255A (zh) * 2017-04-05 2017-09-08 纵目科技（上海）股份有限公司 全景图像误差校正方法及装置
CN107103293B (zh) * 2017-04-13 2019-01-29 西安交通大学 一种基于相关熵的注视点估计方法
CN107392848A (zh) * 2017-06-14 2017-11-24 江西科技师范大学 全景图像显示方法和装置
CN107607110A (zh) * 2017-07-29 2018-01-19 刘儿兀 一种基于图像和惯导技术的定位方法及系统
CN107492105A (zh) * 2017-08-11 2017-12-19 深圳市旭东数字医学影像技术有限公司 一种基于多统计信息的变分分割方法
CN107966638B (zh) * 2017-12-29 2020-09-11 国网北京市电力公司 校正误差的方法和装置、存储介质及处理器
CN211668521U (zh) * 2018-05-31 2020-10-13 上海快仓智能科技有限公司 用于图像采集的自动引导车、以及图像采集和处理系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102201052A (zh) * 2010-03-26 2011-09-28 新奥特（北京）视频技术有限公司 一种篮球广播视频中场地检测的方法
CN102324102A (zh) * 2011-10-08 2012-01-18 北京航空航天大学 一种图像场景空洞区域结构和纹理信息自动填补方法
CN102866397A (zh) * 2012-10-12 2013-01-09 中国测绘科学研究院 一种多源异构遥感影像联合定位方法
CN106996777A (zh) * 2017-04-21 2017-08-01 合肥井松自动化科技有限公司 一种基于地面图像纹理的视觉导航方法

Also Published As

Publication number Publication date
JP6977921B2 (ja) 2021-12-08
CN110006420A (zh) 2019-07-12
JP2020532775A (ja) 2020-11-12
JP2020530598A (ja) 2020-10-22
CN211668521U (zh) 2020-10-13
JP7083472B2 (ja) 2022-06-13
CN110006420B (zh) 2024-04-23
CN110189331A (zh) 2019-08-30

Similar Documents

Publication Publication Date Title
CN110189331B (zh) 建图方法、图像采集和处理系统和定位方法
KR101843866B1 (ko) 라이다 데이터를 이용하여 도로 영역과 차선을 검출하는 방법 및 그 시스템
CN110308729A (zh) 基于视觉与imu或里程计的agv组合导航定位方法
CN112197766B (zh) 一种针对系留旋翼平台的视觉测姿装置
CN110986945B (zh) 基于语义高度地图的局部导航方法和系统
WO2017098934A1 (ja) レーザ計測システム及びレーザ計測方法
Nagy et al. SFM and semantic information based online targetless camera-LIDAR self-calibration
CN116619358A (zh) 一种矿山自主探测机器人自适应定位优化与建图方法
CN113436233A (zh) 自动驾驶车辆的配准方法、装置、电子设备和车辆
Tsoy et al. Exhaustive simulation approach for a virtual camera calibration evaluation in gazebo
CN115077478B (zh) 一种连续跟踪监测点升降的高程测量方法及系统
WO2019154444A2 (zh) 建图方法、图像采集和处理系统和定位方法
CN105894471A (zh) 基于大比例尺地形图的中小比例尺正射影像快速纠正方法
WO2020012707A1 (ja) ３次元測定装置及び方法
Kong et al. An automatic and accurate method for marking ground control points in unmanned aerial vehicle photogrammetry
CN113610782B (zh) 一种建筑物变形监测方法、设备及存储介质
CN113483975A (zh) 一种高精度视觉挠度监测系统
CN112419400A (zh) 机器人的位置检测方法、检测装置、处理器和电子设备
CN117387580B (zh) 一种基于倾斜摄影大比例尺地形图的测绘方法及系统
KR102616437B1 (ko) 라이다 및 관성측정장치의 캘리브레이션 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램
KR102626574B1 (ko) 카메라 및 라이다의 캘리브레이션 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램
CN116959349B (zh) 一种激光显示设备的控制系统及方法
CA3137771C (en) Performance arena for robots with position location system
WO2019154435A1 (zh) 建图方法、图像采集和处理系统和定位方法
CN216925999U (zh) 一种高精度视觉挠度监测系统

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