CN110471422A - 智能轮椅的障碍物检测与自主避障方法 - Google Patents

智能轮椅的障碍物检测与自主避障方法 Download PDF

Info

Publication number
CN110471422A
CN110471422A CN201910805593.1A CN201910805593A CN110471422A CN 110471422 A CN110471422 A CN 110471422A CN 201910805593 A CN201910805593 A CN 201910805593A CN 110471422 A CN110471422 A CN 110471422A
Authority
CN
China
Prior art keywords
wheelchair
sensor
map
barrier
frame
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
CN201910805593.1A
Other languages
English (en)
Inventor
李�昊
彭富明
孙瑜
汪凯鑫
庄纪岩
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.)
Nanjing Tech University
Original Assignee
Nanjing Tech University
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 Nanjing Tech University filed Critical Nanjing Tech University
Priority to CN201910805593.1A priority Critical patent/CN110471422A/zh
Publication of CN110471422A publication Critical patent/CN110471422A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Electromagnetism (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明提供了一种智能轮椅的障碍物检测与自主避障方法，包括以下步骤：通过里程计估计轮椅的行进位姿，建立运动模型和观测模型；激光测距传感器采集周围环境数据，通过单目视觉传感器收集并检测视频内障碍物轮廓；通过基于图优化的建图算法对周围环境进行局部建图；根据局部建图结果，通过栅格法生成全局一致的地图；根据地图中障碍物与轮椅之间的位姿状态关系，通过斥力势场法规划轮椅避障方向。

Description

智能轮椅的障碍物检测与自主避障方法
技术领域
本发明涉及一种避障技术，特别是一种智能轮椅的障碍物检测与自主避障方法。
背景技术
智能轮椅是在电动轮椅的基础上融入了移动机器人技术，用于协助老年人和残疾人的行动能力，降低对使用者的使用要求，提高轮椅的安全性。目前智能轮椅的开发主要在自主导航和人机交互两个方面。在自主导航避障方面，现有的多数停留在应用于特定场合或设定路标条件下的自主导航及避障，环境适应性较差，无法满足使用者的实际需求。
SLAM技术被用来使移动机器人在未知环境中依靠所测得的传感器数据来对环境进行定位并创建增量式地图。多数情况下的建图方式为基于滤波的方法，主要依据递归贝叶斯状态估计系统状态的后验概率，但其缺陷使在创建增量式地图时，传感器的测量误差及实际的系统误差会不断累积，最终难以得到全局一致的地图，不适合运用于规模较大的环境中。
发明内容
本发明的目的在于提供一种智能轮椅的障碍物检测与自主避障方法。
实现本发明目的的技术方案为：一种智能轮椅的障碍物检测与自主避障方法，包括以下步骤：
通过里程计估计轮椅的行进位姿，建立运动模型和观测模型；
激光测距传感器采集周围环境数据，通过单目视觉传感器收集并检测视频内障碍物轮廓；
通过基于图优化的建图算法对周围环境进行局部建图；
根据局部建图结果，通过栅格法生成全局一致的地图；
根据地图中障碍物与轮椅之间的位姿状态关系，通过斥力势场法规划轮椅避障方向。
进一步地，运动模型为
其中，xi、yi为本时刻采样的轮椅坐标，xi-1、yi-1为上一时刻采样的轮椅坐标，θi为本时刻采样的轮椅相位角，θi-1为上一时刻采样的轮椅相位角，w(i)为系统噪声，；
观测模型为：
其中，pi、θi为极坐标系下的传感器观测的距离和相位角，xz、yz为环境障碍的位置坐标，xj(i)、yj(i)、θj(i)为传感器的位姿状态坐标，λ(i)为传感器的噪声。
进一步地，局部建图具体包括：
对于传感器测得的融合后的环境数据相邻两帧，前一帧中的采样点，从后一帧中选取与它的欧氏距离最近的点，一一对应地生成点对集；
在满足误差函数最小的条件下求得旋转矩阵R和对比点集P，t为平移矩阵，pi为当前帧的点集，pi'为pi在参数(R,t)下旋转变换得到的新点集，n表示每一帧中采样的点集中的元素个数；
计算新点集与前一帧对应的采样点之间的配准误差重新选取采样点进行迭代，直到满足阈值条件即该次所得的配准误差小于给定的阈值或者达到设定的最大迭代次数，获得旋转变换矩阵(R,t)作为相邻帧的匹配参数。
进一步地，所述融合后的环境数据为激光传感器在某一时刻观测到的局部环境障碍物的方位角及距离和视觉传感器检测到的障碍物边缘的方位角及距离之间相互修正得到的环境数据帧，即用激光传感器获取的障碍物距离信息替代视觉传感器获取的障碍物距离信息，用视觉传感器获取的确定障碍物方位角信息替代激光传感器获取的方位角信息。
进一步地，栅格法具体为：
以轮椅为中心所建立起的局部地图分割为N×N的栅格地图，并对每个栅格赋予权值，栅格权值为栅格与轮椅距离的平方；
在轮椅的行进中，通过比较每一帧中对应的栅格地图的权值来选定权值最大的局部栅格地图来拼凑成全图地图。
进一步地，通过斥力势场法规划轮椅避障的转向角及速度具体包括：
构建斥力场函数其中，k表示斥力场增益函数，为所选障碍点坐标向量，为当前时刻智能轮椅的坐标向量；
将地图中的所有障碍点的斥力场合成得到一个斥力向量，该斥力向量与轮椅的速度向量进行向量相加，得到的和向量为轮椅的算术避障向量，即得到轮椅避障方向。
本发明与现有技术相比，具有以下优点：(1)针对激光传感器，其在一些透明障碍物、低矮障碍如台阶和坑洼地面的弊端较为明显，本专利方法通过视觉传感器弥补激光传感器的识别盲区，增加障碍物识别的识全率；(2)针对单一的视觉传感器，特别是单目视觉传感器，其在距离测量(特别是运动中的动态测量)方面的准确不足，本专利通过讲激光传感器的测量数据融合进来，使得轮椅对障碍物的环境建图更为精确；(3)在局部建图和全局建图中增加回环检测来不断修正建图数据，降低里程误差和观测误差的累积。
下面结合说明书附图对本发明作进一步描述。
附图说明
图1为本发明所提供的智能轮椅自主避障避障及导航方法的框架流程示意图。
图2为本发明所提供的智能轮椅基于图优化的环境局部建图方法示意图。
具体实施方式
结合图1，一种智能轮椅的障碍物检测与自主避障方法，包括以下步骤：
步骤1，坐标系模型、运动模型、激光传感器观测模型，通过里程数估计轮椅的行进位姿；
步骤2，通过视觉传感器检测行进中的环境障碍物并确定障碍物边缘轮廓；
步骤3，通过图优化的建图算法创建局部地图；
步骤4，根据局部建图结果，通过栅格法生成全局一致的地图；
步骤5，根据障碍物与轮椅位姿状态，通过斥力势场法规划轮椅避障的方向及速度。
步骤1，智能轮椅为两轮差动，通过历计的差分运算可建立轮椅的运动模型，进行位姿预测。传感器观测模型可通过前、后两个位置激光传感器提取局部环境点云数据的特征，以前传感器为主、后为辅来进行观测信息融合。
步骤2，单目视觉传感器分布于智能轮椅前方，采用光流法检测视频流中物体的模糊距离：主要是根据行进中的轮椅上视觉传感器的视频流中，比较相邻帧中图像的像素变化率，距离轮椅较近的物体其随时间的像素变化率会比较大，超过阈值时被认为是该时刻的主要障碍物。确定主要目标障碍物后，并通过边缘检测确定障碍物轮廓，构建障碍物的坐标信息，并与激光传感器所捕捉的观测信息进行融合。
步骤3，将传感器测得的融合后的环境数据进行相邻帧的匹配，进行局部环境建图：主要是对采集的点云数据的前后两帧进行匹配。在对两帧的点集进行预处理(剔除孤立点)后，对于前一帧中的每个点，从后一帧中选取与它的欧氏距离最近的点，一一对应地生成点对集，在满足误差函数最小的条件下求得旋转矩阵R和对比点集P，t为平移矩阵，pi为当前帧的点集，pi'为pi在参数(R,t)下旋转变换得到的新点集，通过迭代直到新点集与对应点集的配准误差最小或达到最大迭代次数，n表示每一帧中采样的点集中的元素个数。
步骤4，根据局部建图结果，通过栅格法生成全局一致的地图。回环检测用于判断该时刻所生成的局部地图是否在之前的建图中出现过，用以检测当前观测点与已有观测点之间的关系，增加当前帧与观测帧之间的约束，降低累计误差。由于单帧的激光数据包含的环境特征较少且回环匹配效率较低，本方法将全局地图划分为局部地图，减少了里程误差和观测误差的累积。参照图2，为增加建图的快速性，通过多分辨率搜索的方法来增加建图的准确性和快速性。通过传感器测得的参考观测数据建立高、低分辨率的两种查找表，先取低分辨率的数据结合当前观测值进行局部地图的粗匹配，确定局部环境信息，然后用完整的高分辨率点云数据修正局部地图。
步骤5，通过斥力势场法规划轮椅避障方向。构建斥力场函数其中，k表示斥力场增益函数，为所选障碍点坐标向量，为当前时刻智能轮椅的坐标向量；将地图中的所有障碍点的斥力场合成得到一个斥力向量，该斥力向量与轮椅的速度向量进行向量相加，得到的和向量为轮椅的算术避障向量，即得到轮椅避障方向。

Claims (6)

1.一种智能轮椅的障碍物检测与自主避障方法，其特征在于，包括以下步骤：
通过里程计估计轮椅的行进位姿，建立运动模型和观测模型；
激光测距传感器采集周围环境数据，通过单目视觉传感器收集并检测视频内障碍物轮廓；
通过基于图优化的建图算法对周围环境进行局部建图；
根据局部建图结果，通过栅格法生成全局一致的地图；
根据地图中障碍物与轮椅之间的位姿状态关系，通过斥力势场法规划轮椅避障方向。
2.根据权利要求1所述的方法，其特征在于，运动模型为
其中，xi、yi为本时刻采样的轮椅坐标，xi-1、yi-1为上一时刻采样的轮椅坐标，θi为本时刻采样的轮椅相位角，θi-1为上一时刻采样的轮椅相位角，w(i)为系统噪声，；
观测模型为：
其中，pi、θi为极坐标系下的传感器观测的距离和相位角，xz、yz为环境障碍的位置坐标，xj(i)、yj(i)、θj(i)为传感器的位姿状态坐标，λ(i)为传感器的噪声。
3.根据权利要求1所述的方法，其特征在于，局部建图具体包括：
对于传感器测得的融合后的环境数据相邻两帧，前一帧中的采样点，从后一帧中选取与它的欧氏距离最近的点，一一对应地生成点对集；
在满足误差函数最小的条件下求得旋转矩阵R和对比点集P，t为平移矩阵，pi为当前帧的点集，pi'为pi在参数(R,t)下旋转变换得到的新点集，n表示每一帧中采样的点集中的元素个数；
计算新点集与前一帧对应的采样点之间的配准误差重新选取采样点进行迭代，直到满足阈值条件即该次所得的配准误差小于给定的阈值或者达到设定的最大迭代次数，获得旋转变换矩阵(R,t)作为相邻帧的匹配参数。
4.根据权利要求3所述的方法，其特征在于，所述融合后的环境数据为激光传感器在某一时刻观测到的局部环境障碍物的方位角及距离和视觉传感器检测到的障碍物边缘的方位角及距离之间相互修正得到的环境数据帧，即用激光传感器获取的障碍物距离信息替代视觉传感器获取的障碍物距离信息，用视觉传感器获取的确定障碍物方位角信息替代激光传感器获取的方位角信息。
5.根据权利要求1所述的方法，其特征在于，栅格法具体为：
以轮椅为中心所建立起的局部地图分割为N×N的栅格地图，并对每个栅格赋予权值，栅格权值为栅格与轮椅距离的平方；
在轮椅的行进中，通过比较每一帧中对应的栅格地图的权值来选定权值最大的局部栅格地图来拼凑成全图地图。
6.根据权利要求1所述的方法，其特征在于，通过斥力势场法规划轮椅避障方向具体包括：
构建斥力场函数其中，k表示斥力场增益函数，为所选障碍点坐标向量，为当前时刻智能轮椅的坐标向量；
将地图中的所有障碍点的斥力场合成得到一个斥力向量，该斥力向量与轮椅的速度向量进行向量相加，得到的和向量为轮椅的算术避障向量，即得到轮椅避障方向。
CN201910805593.1A 2019-08-29 2019-08-29 智能轮椅的障碍物检测与自主避障方法 Pending CN110471422A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910805593.1A CN110471422A (zh) 2019-08-29 2019-08-29 智能轮椅的障碍物检测与自主避障方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910805593.1A CN110471422A (zh) 2019-08-29 2019-08-29 智能轮椅的障碍物检测与自主避障方法

Publications (1)

Publication Number Publication Date
CN110471422A true CN110471422A (zh) 2019-11-19

Family

ID=68513825

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910805593.1A Pending CN110471422A (zh) 2019-08-29 2019-08-29 智能轮椅的障碍物检测与自主避障方法

Country Status (1)

Country Link
CN (1) CN110471422A (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111402308A (zh) * 2020-03-17 2020-07-10 北京百度网讯科技有限公司 障碍物速度的确定方法、装置、设备和介质
CN111707279A (zh) * 2020-05-19 2020-09-25 上海有个机器人有限公司 一种激光点云与地图的匹配评价方法、介质、终端和装置
CN112116656A (zh) * 2020-08-03 2020-12-22 歌尔股份有限公司 同步定位与地图构建slam中的增量建图方法和装置
CN112869968A (zh) * 2021-01-14 2021-06-01 北京三角洲机器人科技有限公司 一种基于电动轮椅自主运行方法及其装置
CN112869969A (zh) * 2021-01-14 2021-06-01 北京三角洲机器人科技有限公司 一种用于电动轮椅的全方位通行策略生成系统和方法
CN113034579A (zh) * 2021-03-08 2021-06-25 江苏集萃微纳自动化系统与装备技术研究所有限公司 一种移动机器人基于激光数据的动态障碍物轨迹预测方法
CN113288611A (zh) * 2021-05-17 2021-08-24 北京三角洲机器人科技有限公司 一种基于电动轮椅行进场景的操作安全保障方法和系统
WO2022017320A1 (zh) * 2020-07-21 2022-01-27 影石创新科技股份有限公司 障碍物信息获取方法、避障方法、移动装置及计算机可读存储介质
CN114046796A (zh) * 2021-11-04 2022-02-15 南京理工大学 一种智能轮椅自主行走算法、装置及介质
CN115469665A (zh) * 2022-09-16 2022-12-13 广东工业大学 一种适应于动态环境的智能轮椅目标跟踪控制方法和系统
CN116520681A (zh) * 2023-07-03 2023-08-01 小舟科技有限公司 轮椅自动行驶控制方法及装置、自动行驶轮椅

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102706342A (zh) * 2012-05-31 2012-10-03 重庆邮电大学 一种智能移动机器人的定位与环境建模方法
CN105139072A (zh) * 2015-09-09 2015-12-09 东华大学 应用于非循迹智能小车避障系统的强化学习算法
CN106595630A (zh) * 2015-10-14 2017-04-26 山东鲁能智能技术有限公司 一种基于激光导航变电站巡检机器人的建图系统与方法
CN106708054A (zh) * 2017-01-24 2017-05-24 贵州电网有限责任公司电力科学研究院 结合地图栅格与势场法避障的巡检机器人路径规划方法
CN108594825A (zh) * 2018-05-31 2018-09-28 四川斐讯信息技术有限公司 基于深度相机的扫地机器人控制方法及系统
CN108663681A (zh) * 2018-05-16 2018-10-16 华南理工大学 基于双目摄像头与二维激光雷达的移动机器人导航方法
CN108665540A (zh) * 2018-03-16 2018-10-16 浙江工业大学 基于双目视觉特征和imu信息的机器人定位与地图构建系统
CN108762255A (zh) * 2018-05-03 2018-11-06 南京理工大学 一种室内智能移动机器人及控制方法
CN109308737A (zh) * 2018-07-11 2019-02-05 重庆邮电大学 一种三阶段式点云配准方法的移动机器人v-slam方法
CN109557928A (zh) * 2019-01-17 2019-04-02 湖北亿咖通科技有限公司 基于矢量地图和栅格地图的自动驾驶车辆路径规划方法
CN109634286A (zh) * 2019-01-21 2019-04-16 深圳市傲基电子商务股份有限公司 割草机器人视觉避障方法、割草机器人和可读存储介质
CN109634279A (zh) * 2018-12-17 2019-04-16 武汉科技大学 基于激光雷达与单目视觉的物体定位方法
CN109917420A (zh) * 2019-02-27 2019-06-21 科沃斯商用机器人有限公司 一种自动行走装置和机器人
CN109910011A (zh) * 2019-03-29 2019-06-21 齐鲁工业大学 一种基于多传感器的机械臂避障方法和机械臂

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102706342A (zh) * 2012-05-31 2012-10-03 重庆邮电大学 一种智能移动机器人的定位与环境建模方法
CN105139072A (zh) * 2015-09-09 2015-12-09 东华大学 应用于非循迹智能小车避障系统的强化学习算法
CN106595630A (zh) * 2015-10-14 2017-04-26 山东鲁能智能技术有限公司 一种基于激光导航变电站巡检机器人的建图系统与方法
CN106708054A (zh) * 2017-01-24 2017-05-24 贵州电网有限责任公司电力科学研究院 结合地图栅格与势场法避障的巡检机器人路径规划方法
CN108665540A (zh) * 2018-03-16 2018-10-16 浙江工业大学 基于双目视觉特征和imu信息的机器人定位与地图构建系统
CN108762255A (zh) * 2018-05-03 2018-11-06 南京理工大学 一种室内智能移动机器人及控制方法
CN108663681A (zh) * 2018-05-16 2018-10-16 华南理工大学 基于双目摄像头与二维激光雷达的移动机器人导航方法
CN108594825A (zh) * 2018-05-31 2018-09-28 四川斐讯信息技术有限公司 基于深度相机的扫地机器人控制方法及系统
CN109308737A (zh) * 2018-07-11 2019-02-05 重庆邮电大学 一种三阶段式点云配准方法的移动机器人v-slam方法
CN109634279A (zh) * 2018-12-17 2019-04-16 武汉科技大学 基于激光雷达与单目视觉的物体定位方法
CN109557928A (zh) * 2019-01-17 2019-04-02 湖北亿咖通科技有限公司 基于矢量地图和栅格地图的自动驾驶车辆路径规划方法
CN109634286A (zh) * 2019-01-21 2019-04-16 深圳市傲基电子商务股份有限公司 割草机器人视觉避障方法、割草机器人和可读存储介质
CN109917420A (zh) * 2019-02-27 2019-06-21 科沃斯商用机器人有限公司 一种自动行走装置和机器人
CN109910011A (zh) * 2019-03-29 2019-06-21 齐鲁工业大学 一种基于多传感器的机械臂避障方法和机械臂

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
袁源强: "智能轮椅室内建图及自主导航技术研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111402308A (zh) * 2020-03-17 2020-07-10 北京百度网讯科技有限公司 障碍物速度的确定方法、装置、设备和介质
CN111402308B (zh) * 2020-03-17 2023-08-04 阿波罗智能技术(北京)有限公司 障碍物速度的确定方法、装置、设备和介质
CN111707279A (zh) * 2020-05-19 2020-09-25 上海有个机器人有限公司 一种激光点云与地图的匹配评价方法、介质、终端和装置
CN111707279B (zh) * 2020-05-19 2023-09-08 上海有个机器人有限公司 一种激光点云与地图的匹配评价方法、介质、终端和装置
WO2022017320A1 (zh) * 2020-07-21 2022-01-27 影石创新科技股份有限公司 障碍物信息获取方法、避障方法、移动装置及计算机可读存储介质
CN112116656A (zh) * 2020-08-03 2020-12-22 歌尔股份有限公司 同步定位与地图构建slam中的增量建图方法和装置
CN112869969A (zh) * 2021-01-14 2021-06-01 北京三角洲机器人科技有限公司 一种用于电动轮椅的全方位通行策略生成系统和方法
CN112869969B (zh) * 2021-01-14 2023-01-17 安徽金百合医疗器械有限公司 一种用于电动轮椅的全方位通行策略生成系统和方法
CN112869968A (zh) * 2021-01-14 2021-06-01 北京三角洲机器人科技有限公司 一种基于电动轮椅自主运行方法及其装置
CN113034579A (zh) * 2021-03-08 2021-06-25 江苏集萃微纳自动化系统与装备技术研究所有限公司 一种移动机器人基于激光数据的动态障碍物轨迹预测方法
CN113034579B (zh) * 2021-03-08 2023-11-24 江苏集萃微纳自动化系统与装备技术研究所有限公司 一种移动机器人基于激光数据的动态障碍物轨迹预测方法
CN113288611A (zh) * 2021-05-17 2021-08-24 北京三角洲机器人科技有限公司 一种基于电动轮椅行进场景的操作安全保障方法和系统
CN114046796A (zh) * 2021-11-04 2022-02-15 南京理工大学 一种智能轮椅自主行走算法、装置及介质
CN115469665A (zh) * 2022-09-16 2022-12-13 广东工业大学 一种适应于动态环境的智能轮椅目标跟踪控制方法和系统
CN116520681A (zh) * 2023-07-03 2023-08-01 小舟科技有限公司 轮椅自动行驶控制方法及装置、自动行驶轮椅
CN116520681B (zh) * 2023-07-03 2023-09-05 小舟科技有限公司 轮椅自动行驶控制方法及装置、自动行驶轮椅

Similar Documents

Publication Publication Date Title
CN110471422A (zh) 智能轮椅的障碍物检测与自主避障方法
US11579623B2 (en) Mobile robot system and method for generating map data using straight lines extracted from visual images
CN103954275B (zh) 基于车道线检测和gis地图信息开发的视觉导航方法
CN107144285B (zh) 位姿信息确定方法、装置和可移动设备
Fruh et al. 3D model generation for cities using aerial photographs and ground level laser scans
EP2761323B1 (en) Localising transportable apparatus
CN109341705A (zh) 智能探测机器人同时定位与地图构建系统
CN101576384A (zh) 一种基于视觉信息校正的室内移动机器人实时导航方法
Hervieu et al. Road side detection and reconstruction using LIDAR sensor
Schwesinger et al. A smart wheelchair ecosystem for autonomous navigation in urban environments
CN113903011A (zh) 一种适用于室内停车场的语义地图构建及定位方法
CN114018248A (zh) 一种融合码盘和激光雷达的里程计方法与建图方法
CN109947093A (zh) 一种基于双目视觉的智能避障算法
CN114526745A (zh) 一种紧耦合激光雷达和惯性里程计的建图方法及系统
CN107063276A (zh) 一种无延迟高精度的无人车车载导航装置与方法
Burger et al. Unstructured road slam using map predictive road tracking
Huang et al. Probabilistic lane estimation for autonomous driving using basis curves
CN113358117A (zh) 一种利用地图的视觉惯性室内定位方法
Schüle et al. Augmenting night vision video images with longer distance road course information
CN115562076B (zh) 用于无人驾驶矿车的仿真系统、方法以及存储介质
Muffert et al. Stix-fusion: A probabilistic stixel integration technique
Jayasuriya et al. Leveraging deep learning based object detection for localising autonomous personal mobility devices in sparse maps
Boschenriedter et al. Multi-session visual roadway mapping
CN113916221A (zh) 一种融合视觉里程计和bp网络的自适应行人航迹推算方法
Pazhayampallil et al. Deep Learning Lane Detection for Autonomous Vehicle Localization

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: 20191119

RJ01 Rejection of invention patent application after publication