CN110456791A - 一种基于单目视觉的腿式移动机器人目标测距与识别系统 - Google Patents
一种基于单目视觉的腿式移动机器人目标测距与识别系统 Download PDFInfo
- Publication number
- CN110456791A CN110456791A CN201910705088.XA CN201910705088A CN110456791A CN 110456791 A CN110456791 A CN 110456791A CN 201910705088 A CN201910705088 A CN 201910705088A CN 110456791 A CN110456791 A CN 110456791A
- Authority
- CN
- China
- Prior art keywords
- type mobile
- mobile robot
- leg type
- robot
- module
- 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
Links
- 230000004888 barrier function Effects 0.000 claims abstract description 39
- 238000005259 measurement Methods 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims description 33
- 230000008569 process Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 230000010354 integration Effects 0.000 claims description 5
- 230000008901 benefit Effects 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims description 2
- 230000005611 electricity Effects 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 230000000694 effects Effects 0.000 abstract 1
- 238000011160 research Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000010009 beating Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 208000010877 cognitive disease Diseases 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
Classifications
-
- 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
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- 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
- G05D1/0248—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 in combination with a laser
-
- 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)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Acoustics & Sound (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供一种基于单目视觉的腿式移动机器人目标测距与识别系统，包括摄像头模块、超声波模块、激光模块、电源模块、显示模块、主控电路、以及电机驱动，所述主控电路整合所述摄像头模块的单目视觉测距结果、所述超声波模块的测距结果、以及所述激光模块的测距结果，利用路径规划算法确定避障轨迹，实现对腿式移动机器人运动的闭环控制。本发明的有益效果：将单目视觉应用在腿式移动机器人中，利用单目视觉完成对障碍物的测距与识别，同时将单目视觉与超声波传感器和激光传感器三者融合，提高了腿式移动机器人的鲁棒性，减小障碍物的误检和误测概率，实现对障碍物更精准定位的效果。
Description
技术领域
本发明涉及移动机器人领域，尤其涉及一种基于单目视觉的腿式移动机器人目标测距与识别系统。
背景技术
移动机器人是机器人研究中一个非常重要的分支，它是一类能根据实际应用环境及需求来运动的机器人。它通过传感器来感知外界环境及自身状态，实现地图构建、运动规划、导航、避障等一系列目标。腿式移动机器人的出现增加了机器人的灵活性和适用范围，如空间探测、建模等。移动机器人的研究推动了军用及民用科技的发展，是当前研究最为广泛的一类机器人。移动机器人根据工作环境可分为地面移动机器人、水下机器人和飞行机器人，其中地面移动机器人又分为轮式移动机器人、履带式移动机器人、仿人移动机器人和腿式移动机器人。
自主化腿式移动机器人是一个复杂度高、综合性强的系统，有关腿式移动机器人的研究方向很多，比如目标识别、视觉伺服、目标测距、自主定位、目标跟踪、运动规划和运动控制等。其中腿式移动机器人的运动规划研究称为开环运动控制，除了需要寻找空间中满足边界条件的轨迹外，还要规划出基于某些特定条件(如距离最近、时间最短或能耗最小等)的最优轨迹。因此，腿式移动机器人的运动规划问题相当复杂。运动控制本质是一种闭环控制，它需要依靠机器人的运动控制来完成。随着摄像机硬件工艺的提高及图像处理技术的深入，机器人视觉伺服控制方法获得了快速发展。摄像机作为外部传感器，图像处理后的结果作为反馈信号来控制系统，这种视觉伺服控制方法极大地提高了腿式移动机器人自主化能力，在现代化工业、农业、军事等领域中都有着广发的应用。
发明内容
有鉴于此，本发明提供了一种精度高、测距快、成本低的基于单目视觉的腿式移动机器人目标测距与识别系统，将单目视觉与腿式移动机器人相结合，再利用多元传感器融合，达到对障碍物的快速识别、精准定位和完美避开的目的。
本发明提供一种基于单目视觉的腿式移动机器人目标测距与识别系统，其特征在于，包括摄像头模块、超声波模块、激光模块、电源模块、显示模块、主控电路、以及电机驱动，其中，
所述摄像头模块包括一个摄像头，用于采集图像信息，并对所述腿式移动机器人前方的障碍物进行识别和测距；所述超声波模块包括超声波发射器以及超声波接收器，用于进行超声波测距；所述激光模块包括两个激光测距仪，用于进行激光测距；所述电源模块用于供电；所述主控电路用于规划所述腿式移动机器人的运动轨迹，同时在遇到障碍物时，整合摄像头模块、超声波模块、以及激光模块的测距结果，重新规划运动轨迹，实现避障；所述电机驱动接收所述主控电路的控制指令，用于控制所述腿式移动机器人的速度及方向；所述显示模块与所述主控电路进行通信，用于实时显示所述腿式移动机器人的运动信息以及所处的环境信息。
进一步地，所述摄像头安装在腿式移动机器人的头部的左前方；所述超声波模块安装在所述腿式移动机器人的头部的右前方；所述两个激光测距仪分别安装在所述腿式移动机器人的头部的左右两侧；所述显示模块安装在所述腿式移动机器人的头部的正上方。
本发明还提供一种基于单目视觉的腿式移动机器人目标测距与识别方法，采用上述系统，包括以下步骤：
S1、启动摄像头，并对摄像头进行标定；
S2、目标识别：在腿式移动机器人运动过程中，利用所述摄像头拍摄腿式移动机器人前方的环境图像，所述主控电路对图像中的障碍物进行检测与识别；
S3、单目视觉测距：根据步骤S1中的标定结果利用摄像头拍摄的图像进行单目视觉测距，得到前方障碍物与所述机器人之间的距离L1；
S4、超声波测距：利用所述超声波模块测量前方障碍物到所述机器人的距离L2；
S5、激光测距：利用所述激光模块对所述机器人左右两侧的障碍物进行识别并测距；
S6、驱动机器人避障：整合步骤S2、步骤S3、步骤S4、以及步骤S5中的计算结果，确定所述机器人的前方及左右两侧障碍物的位置，所述主控电路根据障碍物的位置信息重新规划腿式移动机器人的运动轨迹，并控制所述电机驱动调整机器人的速度及方向，实现避障。
进一步地，所述步骤S2的具体过程为：
S21、在腿式移动机器人运动过程中，利用所述摄像头拍摄腿式移动机器人前方的环境图像，所述主控电路获取所述机器人的速度及方向，建立运动学模型，并规划所述机器人的行进轨迹，利用所述显示模块实时显示规划轨迹；
S22、对步骤S21中得到的图像进行预处理，所述预处理过程包括去噪；
S23、对步骤S22中预处理后的图像进行灰度化处理；
S24、根据处理后的图像判断机器人的前方是否存在障碍物，若存在，则继续进行步骤S25，否则回到步骤S21；
S25、根据障碍物的形状特征，利用基于轮廓的边缘检测法来获取候选目标；
S26、结合障碍物的颜色特征，利用基于颜色的阈值分割法处理步骤S22中的预处理后的图像，得到目标的二值化图像，并利用所述显示模块进行显示；
S27、通过交叉匹配步骤S25中的候选目标以及步骤S26中的二值化图像，得到障碍物在图像中的位置信息，并将识别得到的障碍物信息进行显示。
进一步地，所述步骤S4中，对多次超声波测距结果取平均值得到超声波测量结果L2，优选为10次。
进一步地，所述步骤S5中，所述激光模块还计算所述机器人与两侧墙壁之间的距离，保证机器人沿直线行走。
进一步地，所述步骤S6的具体步骤为：
S61、利用步骤S3中的单目视觉测距结果L1以及步骤S4中的超声波测距结果L2，对L1和L2求平均得到前方障碍物到机器人的距离L；
S62、根据步骤S61中得到的所述机器人与前方障碍物的距离L，以及步骤S5中激光测距的结果，所述主控电路采用路径规划算法计算各个方向的行进代价，所述行进代价根据所述方向上的障碍物的数量以及距离进行加权，根据所述行进代价对步骤S2中，已规划好的轨迹进行修正，重新确定机器人运动的下一期望位置；
S63、根据下一期望位置，所述主控电路向所述电机驱动发送指令，调整机器人的速度和方向，重新回到步骤S2，实现闭环控制达到避障目的。
进一步地，所述步骤S62中，所述路径规划算法为VFH算法。
本发明提供的技术方案带来的有益效果是：。
(1)本发明将单目视觉算法应用在腿式移动机器人中，可以快速识别障碍物，同时减少了误检、误测的概率，实现对障碍物的精准定位，相比传统机器人只依靠超声波传感器，可靠性和实时性得到了提高；
(2)本发明中腿式移动机器人在避开障碍物时，首先结合单目视觉测距与超声波测距，计算前方障碍物到机器人的距离，再利用左右两侧的激光测距仪，确定两侧障碍物或者墙壁，最后通过路径规划算法得到最优轨迹，调整机器人速度及方向，实现闭环控制，完成避障。
附图说明
图1是本发明实施例提供的一种基于单目视觉的腿式移动机器人目标测距与识别系统的框架图；
图2是本发明实施例提供的一种基于单目视觉的腿式移动机器人目标测距与识别方法的流程图；
图3是本发明实施例提供的一种基于单目视觉的腿式移动机器人目标测距与识别方法中步骤S3的流程图；
图4是本发明实施例提供的一种基于单目视觉的腿式移动机器人目标测距与识别方法中步骤S6的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地描述。
请参考图1，本发明的实施例提供了一种基于单目视觉的腿式移动机器人目标测距与识别系统，包括摄像头模块1、超声波模块2、激光模块3、电源模块4、显示模块5、主控电路6、以及电机驱动7。其中，摄像头模块1包括一摄像头，所述摄像头安装在腿式移动机器人(以下简称为机器人)的头部的左前方，用于采集图像信息，利用单目视觉的方式对机器人前方的障碍物进行识别并测距；所述超声波模块2包括超声波发射器以及超声波接收器，安装在机器人的头部的右前方，用于进行超声波测距；所述激光模块3包括两个激光测距仪，所述两个激光测距仪分别安装在机器人的头部的左右两侧，用于进行激光测距；所述电源模块4用于供电；所述显示模块5安装在机器人的头部的正上方，与主控电路6进行通信，用于实时显示机器人的运动信息；所述电机驱动7接收来自主控电路6的控制指令，用于控制机器人的速度及方向；所述主控电路6规划机器人的运动轨迹，在遇到障碍物时，整合摄像头模块1、超声波模块2、以及激光模块3的测距结果，重新规划运动轨迹，实现避障。
请参阅图2，本发明的实施例提供的基于单目视觉的腿式移动机器人目标测距与识别方法包括以下步骤：
S1、启动摄像头，并对摄像头进行标定；
具体地，采用基于Kruppa方程的摄像机自标定方法，通过绝对二次曲线建立关于摄像头的内部参数的Kruppa约束方程，利用所述约束方程找到摄像头拍摄的图像与外极线之间的关系，从而得到图像上的所有点到外极线的距离之和，最终求解得到摄像头的内部参数，完成对摄像头的标定。
S2、目标识别：在机器人运动过程中，利用摄像头模块1拍摄腿式移动机器人前方的环境图像，主控电路6采用单目视觉算法对图像中的障碍物进行检测与识别；
具体地，请参阅图3，所述步骤S2的具体过程为：
S21、在机器人运动过程中，利用摄像头模块1拍摄腿式移动机器人前方的环境图像，主控电路6获取机器人的速度及方向，建立运动学模型，并规划机器人的行进轨迹，利用显示模块5实时显示规划轨迹；
S22、基于OpenCV的目标识别方法，对步骤S21中得到的图像进行预处理，预处理过程包括去噪；
S23、对步骤S22中预处理后的图像进行灰度化处理；
S24、根据处理后的图像判断机器人的前方是否存在障碍物，若存在，则继续进行步骤S25，否则回到步骤S21；
S25、根据障碍物的形状特征，利用基于轮廓的边缘检测法来获取候选目标，具体地，利用canny算子和霍夫圆变换进行边缘提取；
S26、结合障碍物的颜色特征，利用基于颜色的阈值分割法处理步骤S22中的预处理后的图像，得到目标的二值化图像，并利用显示模块5进行显示；
S27、通过交叉匹配步骤S25中的候选目标以及步骤S26中的二值化图像，得到障碍物在图像中的位置信息，并将识别得到的障碍物信息进行显示。
S3、单目视觉测距：利用摄像头拍摄的图像进行单目视觉测距，得到前方障碍物与机器人之间的距离L1；
具体地，根据步骤S1中的标定结果建立小孔平面成像模型，得到世界坐标系与像素坐标系之间的转换关系；对坐标转换矩阵中出现的奇异情况，利用面积特性来求解目标距离(即前方障碍物与机器人之间的距离)与像素面积之间的关系，并在显示模块5中进行显示。
S4、超声波测距：利用超声波模块2测量前方障碍物到机器人的距离L2；
具体地，超声波模块2包括超声波发射器以及超声波接收器，超声波发射器向某一方向发射超声波，在发射的同一时刻超声波接收器开始计时，超声波在空气中传播，碰到障碍物后立即返回，接收器收到反射波后立即停止计时，超声波在空气中的传播速度为340m/s，根据接收器开始计时与收到反射波的时间差t，计算障碍物与超声波发射器之间的距离s＝340t/2。
需要说明的是，本实施例采用HCO4超声波，其有效测距范围为5cm-80cm，当距离超过80cm时，HCO4超声波的误差将达到7cm，对于腿式移动机器人来说误差太大，因此测距不能仅仅依靠HCO4超声波；同时HCO4超声波稳定性较差，进行测距时会出现跳动且跳动范围极大，造成测量结果不准确。因此，需要与单目视觉测距进行融合。为了保证超声波结果的可靠性，对多次超声波测距结果取平均值得到最终的超声波测量的距离L2，优选为10次。
S5、激光测距：利用激光模块3对机器人左右两侧的障碍物进行识别并测距；
具体地，激光模块包括激光测距仪，所述激光测距仪发射的激光经障碍物反射后被测距仪接收，测距仪同时记录激光往返时间，光速与往返时间的乘积的一半便是测距仪到障碍物的距离。所述激光模块3用于探测腿式移动机器人左右两侧的障碍物并测距，同时计算机器人与两侧墙壁之间的距离，保证机器人沿直线行走。
S6、驱动机器人避障：整合步骤S2、步骤S3、步骤S4、以及步骤S5中的计算结果，确定机器人的前方及左右两侧障碍物的位置，主控电路6根据障碍物的位置信息重新规划步骤S21中的运动轨迹，并控制电机驱动7调整机器人的速度及方向，实现避障。
可参阅图4，所述步骤S6的具体步骤为：
S61、利用步骤S3中的单目视觉测距结果L1以及步骤S4中的超声波测距结果L2，两者平均得到前方障碍物到机器人的距离L；
S62、根据步骤S61中得到的机器人与前方障碍物的距离L，以及步骤S5中激光测距的结果，主控电路6利用路径规划算法对原来的规划轨迹进行修正，重新确定机器人运动的下一期望位置；优选地，路径规划算法采用VFH(Vector Field Histogram)算法，计算各个方向的行进代价，障碍物越多，该方向的行进代价越高，并根据障碍物距离累加不同权重，最终确定最优避障路径；
S63、根据下一期望位置，主控电路6控制电机驱动7调整机器人的速度和方向，重新回到步骤S2，实现闭环控制达到避障目的。
在本文中，所涉及的前、后、上、下等方位词是以附图中零部件位于图中以及零部件相互之间的位置来定义的，只是为了表达技术方案的清楚及方便。应当理解，所述方位词的使用不应限制本申请请求保护的范围。
在不冲突的情况下，本文中上述实施例及实施例中的特征可以相互结合。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，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 (8)
1.一种基于单目视觉的腿式移动机器人目标测距与识别系统，其特征在于，包括摄像头模块、超声波模块、激光模块、电源模块、显示模块、主控电路、以及电机驱动，其中，
所述摄像头模块包括一个摄像头，用于采集图像信息，并对所述腿式移动机器人前方的障碍物进行识别和测距；所述超声波模块包括超声波发射器以及超声波接收器，用于进行超声波测距；所述激光模块包括两个激光测距仪，用于进行激光测距；所述电源模块用于供电；所述主控电路用于规划所述腿式移动机器人的运动轨迹，同时在遇到障碍物时，整合摄像头模块、超声波模块、以及激光模块的测距结果，重新规划运动轨迹，实现避障；所述电机驱动接收所述主控电路的控制指令，用于控制所述腿式移动机器人的速度及方向；所述显示模块与所述主控电路进行通信，用于实时显示所述腿式移动机器人的运动信息以及所处的环境信息。
2.根据权利要求1所述的基于单目视觉的腿式移动机器人目标测距与识别系统，其特征在于，所述摄像头安装在腿式移动机器人的头部的左前方；所述超声波模块安装在所述腿式移动机器人的头部的右前方；所述两个激光测距仪分别安装在所述腿式移动机器人的头部的左右两侧；所述显示模块安装在所述腿式移动机器人的头部的正上方。
3.一种基于单目视觉的腿式移动机器人目标测距与识别方法，其特征在于，采用如权利要求1-2所述的基于单目视觉的腿式移动机器人目标测距与识别系统，包括以下步骤：
S1、启动摄像头，并对摄像头进行标定；
S2、目标识别：在腿式移动机器人运动过程中，利用所述摄像头拍摄腿式移动机器人前方的环境图像，所述主控电路对图像中的障碍物进行检测与识别；
S3、单目视觉测距：根据步骤S1中的标定结果利用摄像头拍摄的图像进行单目视觉测距，得到前方障碍物与所述机器人之间的距离L1；
S4、超声波测距：利用所述超声波模块测量前方障碍物到所述机器人的距离L2；
S5、激光测距：利用所述激光模块对所述机器人左右两侧的障碍物进行识别并测距；
S6、驱动机器人避障：整合步骤S2、步骤S3、步骤S4、以及步骤S5中的计算结果，确定所述机器人的前方及左右两侧障碍物的位置，所述主控电路根据障碍物的位置信息重新规划腿式移动机器人的运动轨迹，并控制所述电机驱动调整机器人的速度及方向，实现避障。
4.根据权利要求3所述的基于单目视觉的腿式移动机器人目标测距与识别方法，其特征在于，所述步骤S2的具体过程为：
S21、在腿式移动机器人运动过程中，利用所述摄像头拍摄腿式移动机器人前方的环境图像，所述主控电路获取所述机器人的速度及方向，建立运动学模型，并规划所述机器人的行进轨迹，利用所述显示模块实时显示规划轨迹；
S22、对步骤S21中得到的图像进行预处理，所述预处理过程包括去噪；
S23、对步骤S22中预处理后的图像进行灰度化处理；
S24、根据处理后的图像判断机器人的前方是否存在障碍物，若存在，则继续进行步骤S25，否则回到步骤S21；
S25、根据障碍物的形状特征，利用基于轮廓的边缘检测法来获取候选目标；
S26、结合障碍物的颜色特征，利用基于颜色的阈值分割法处理步骤S22中的预处理后的图像，得到目标的二值化图像，并利用所述显示模块进行显示；
S27、通过交叉匹配步骤S25中的候选目标以及步骤S26中的二值化图像，得到障碍物在图像中的位置信息，并将识别得到的障碍物信息进行显示。
5.根据权利要求3所述的基于单目视觉的腿式移动机器人目标测距与识别方法，其特征在于，所述步骤S4中，对多次超声波测距结果取平均值得到超声波测量结果L2，优选为10次。
6.根据权利要求3所述的基于单目视觉的腿式移动机器人目标测距与识别方法，其特征在于，所述步骤S5中，所述激光模块还计算所述机器人与两侧墙壁之间的距离，保证机器人沿直线行走。
7.根据权利要求3或4所述的基于单目视觉的腿式移动机器人目标测距与识别方法，其特征在于，所述步骤S6的具体步骤为：
S61、利用步骤S3中的单目视觉测距结果L1以及步骤S4中的超声波测距结果L2，对L1和L2求平均得到前方障碍物到机器人的距离L；
S62、根据步骤S61中得到的所述机器人与前方障碍物的距离L，以及步骤S5中激光测距的结果，所述主控电路采用路径规划算法计算各个方向的行进代价，所述行进代价根据所述方向上的障碍物的数量以及距离进行加权，根据所述行进代价对步骤S2中，已规划好的轨迹进行修正，重新确定机器人运动的下一期望位置；
S63、根据下一期望位置，所述主控电路向所述电机驱动发送指令，调整机器人的速度和方向，重新回到步骤S2，实现闭环控制达到避障目的。
8.根据权利要求7所述的基于单目视觉的腿式移动机器人目标测距与识别方法，其特征在于，所述步骤S62中，所述路径规划算法为VFH算法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910705088.XA CN110456791A (zh) | 2019-07-30 | 2019-07-30 | 一种基于单目视觉的腿式移动机器人目标测距与识别系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910705088.XA CN110456791A (zh) | 2019-07-30 | 2019-07-30 | 一种基于单目视觉的腿式移动机器人目标测距与识别系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110456791A true CN110456791A (zh) | 2019-11-15 |
Family
ID=68484434
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910705088.XA Pending CN110456791A (zh) | 2019-07-30 | 2019-07-30 | 一种基于单目视觉的腿式移动机器人目标测距与识别系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110456791A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110879594A (zh) * | 2019-11-25 | 2020-03-13 | 广西科技师范学院 | 一种基于大数据的机器人路径规划的数据管理系统 |
| CN111024060A (zh) * | 2019-12-10 | 2020-04-17 | 西北工业大学 | 基于光学和声学系统的载运工具导航系统、方法、设备及可读存储介质 |
| CN111413971A (zh) * | 2020-03-19 | 2020-07-14 | 云南电网有限责任公司电力科学研究院 | 一种对象识别装置及识别方法 |
| CN111458718A (zh) * | 2020-02-29 | 2020-07-28 | 阳光学院 | 一种基于图像处理与无线电技术相融合的空间定位装置 |
| CN112558600A (zh) * | 2020-11-09 | 2021-03-26 | 福建汉特云智能科技有限公司 | 一种用于机器人移动校正的方法及机器人 |
| CN113167578A (zh) * | 2021-03-10 | 2021-07-23 | 华为技术有限公司 | 测距方法及装置 |
| CN113352313A (zh) * | 2020-03-06 | 2021-09-07 | 思特威(上海)电子科技股份有限公司 | 机器人的多级传感器决策控制系统 |
| CN114265355A (zh) * | 2021-12-30 | 2022-04-01 | 上海大学 | 一种具有自主控制无人艇悬停功能的遥控器及其控制方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003326479A (ja) * | 2003-05-26 | 2003-11-18 | Nec Corp | 自律行動ロボット |
| CN101122800A (zh) * | 2007-08-24 | 2008-02-13 | 北京航空航天大学 | 一种复合式视觉导航方法与装置 |
| CN103459099A (zh) * | 2011-01-28 | 2013-12-18 | 英塔茨科技公司 | 与一个可移动的远程机器人相互交流 |
| CN103926925A (zh) * | 2014-04-22 | 2014-07-16 | 江苏久祥汽车电器集团有限公司 | 一种基于改进的vfh算法的定位与避障方法及机器人 |
| CN105629970A (zh) * | 2014-11-03 | 2016-06-01 | 贵州亿丰升华科技机器人有限公司 | 一种基于超声波的机器人定位避障方法 |
| CN106406311A (zh) * | 2016-10-14 | 2017-02-15 | 西安电子科技大学 | 基于信息融合与环境感知的机器人行走避障方法 |
| CN108363393A (zh) * | 2018-02-05 | 2018-08-03 | 腾讯科技（深圳）有限公司 | 一种智能运动设备及其导航方法和存储介质 |
| CN108536145A (zh) * | 2018-04-10 | 2018-09-14 | 深圳市开心橙子科技有限公司 | 一种使用机器视觉进行智能跟随的机器人系统及运行方法 |
| CN108549378A (zh) * | 2018-05-02 | 2018-09-18 | 长沙学院 | 一种基于栅格地图的混合路径规划方法和系统 |
| CN109164802A (zh) * | 2018-08-23 | 2019-01-08 | 厦门理工学院 | 一种机器人迷宫行走方法、装置及机器人 |
-
2019
- 2019-07-30 CN CN201910705088.XA patent/CN110456791A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003326479A (ja) * | 2003-05-26 | 2003-11-18 | Nec Corp | 自律行動ロボット |
| CN101122800A (zh) * | 2007-08-24 | 2008-02-13 | 北京航空航天大学 | 一种复合式视觉导航方法与装置 |
| CN103459099A (zh) * | 2011-01-28 | 2013-12-18 | 英塔茨科技公司 | 与一个可移动的远程机器人相互交流 |
| CN103926925A (zh) * | 2014-04-22 | 2014-07-16 | 江苏久祥汽车电器集团有限公司 | 一种基于改进的vfh算法的定位与避障方法及机器人 |
| CN105629970A (zh) * | 2014-11-03 | 2016-06-01 | 贵州亿丰升华科技机器人有限公司 | 一种基于超声波的机器人定位避障方法 |
| CN106406311A (zh) * | 2016-10-14 | 2017-02-15 | 西安电子科技大学 | 基于信息融合与环境感知的机器人行走避障方法 |
| CN108363393A (zh) * | 2018-02-05 | 2018-08-03 | 腾讯科技（深圳）有限公司 | 一种智能运动设备及其导航方法和存储介质 |
| CN108536145A (zh) * | 2018-04-10 | 2018-09-14 | 深圳市开心橙子科技有限公司 | 一种使用机器视觉进行智能跟随的机器人系统及运行方法 |
| CN108549378A (zh) * | 2018-05-02 | 2018-09-18 | 长沙学院 | 一种基于栅格地图的混合路径规划方法和系统 |
| CN109164802A (zh) * | 2018-08-23 | 2019-01-08 | 厦门理工学院 | 一种机器人迷宫行走方法、装置及机器人 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110879594A (zh) * | 2019-11-25 | 2020-03-13 | 广西科技师范学院 | 一种基于大数据的机器人路径规划的数据管理系统 |
| CN111024060A (zh) * | 2019-12-10 | 2020-04-17 | 西北工业大学 | 基于光学和声学系统的载运工具导航系统、方法、设备及可读存储介质 |
| CN111458718A (zh) * | 2020-02-29 | 2020-07-28 | 阳光学院 | 一种基于图像处理与无线电技术相融合的空间定位装置 |
| CN111458718B (zh) * | 2020-02-29 | 2023-04-18 | 阳光学院 | 一种基于图像处理与无线电技术相融合的空间定位装置 |
| CN113352313A (zh) * | 2020-03-06 | 2021-09-07 | 思特威(上海)电子科技股份有限公司 | 机器人的多级传感器决策控制系统 |
| CN111413971A (zh) * | 2020-03-19 | 2020-07-14 | 云南电网有限责任公司电力科学研究院 | 一种对象识别装置及识别方法 |
| CN112558600A (zh) * | 2020-11-09 | 2021-03-26 | 福建汉特云智能科技有限公司 | 一种用于机器人移动校正的方法及机器人 |
| CN113167578A (zh) * | 2021-03-10 | 2021-07-23 | 华为技术有限公司 | 测距方法及装置 |
| CN114265355A (zh) * | 2021-12-30 | 2022-04-01 | 上海大学 | 一种具有自主控制无人艇悬停功能的遥控器及其控制方法 |
| CN114265355B (zh) * | 2021-12-30 | 2024-02-20 | 上海大学 | 一种具有自主控制无人艇悬停功能的遥控器及其控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110456791A (zh) | 一种基于单目视觉的腿式移动机器人目标测距与识别系统 | |
| Achtelik et al. | Stereo vision and laser odometry for autonomous helicopters in GPS-denied indoor environments | |
| CN111461023B (zh) | 基于三维激光雷达的四足机器人自主跟随领航员的方法 | |
| WO2017177533A1 (zh) | 基于激光雷达的微型无人机操控方法及系统 | |
| CN110147106A (zh) | 具激光和视觉融合避障系统的智能移动服务机器人 | |
| CN104236548A (zh) | 一种微型无人机室内自主导航方法 | |
| CN110488811B (zh) | 一种基于社交网络模型的机器人对行人轨迹预测的方法 | |
| Padhy et al. | Monocular vision aided autonomous UAV navigation in indoor corridor environments | |
| Doisy et al. | Adaptive person-following algorithm based on depth images and mapping | |
| CN104833354A (zh) | 一种多基多模组网融合室内人员导航定位系统及其实施方法 | |
| Bazeille et al. | Quadruped robot trotting over irregular terrain assisted by stereo-vision | |
| Mueller et al. | GIS-based topological robot localization through LIDAR crossroad detection | |
| Jin et al. | A robust autonomous following method for mobile robots in dynamic environments | |
| More et al. | Visual odometry using optic flow for unmanned aerial vehicles | |
| CN113625707A (zh) | 一种多传感器融合的温室自动跟随平台及其控制方法 | |
| Yuan et al. | Laser-based navigation enhanced with 3D time-of-flight data | |
| Heppner et al. | Enhancing sensor capabilities of walking robots through cooperative exploration with aerial robots | |
| CN115049910A (zh) | 一种基于双目视觉里程计的足式机器人建图与导航方法 | |
| Álvarez-Aparicio et al. | LIDAR-based people detection and tracking for@ home Competitions | |
| Xu et al. | Towards autonomous tracking and landing on moving target | |
| Kagami et al. | Outdoor 3D map generation based on planar feature for autonomous vehicle navigation in urban environment | |
| CN115690343A (zh) | 一种基于视觉跟随的机器人激光雷达扫描建图方法 | |
| Alparslan et al. | Fast and effective identification of window and door openings for uavs' indoor navigation | |
| KR20200063363A (ko) | 로봇 자율주행 시스템 및 방법 | |
| Li et al. | Laser-based SLAM with efficient occupancy likelihood map learning for dynamic indoor scenes |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191115 |