CN110686687A - 视觉机器人构建地图的方法、机器人和芯片 - Google Patents

视觉机器人构建地图的方法、机器人和芯片 Download PDF

Info

Publication number
CN110686687A
CN110686687A CN201911048628.8A CN201911048628A CN110686687A CN 110686687 A CN110686687 A CN 110686687A CN 201911048628 A CN201911048628 A CN 201911048628A CN 110686687 A CN110686687 A CN 110686687A
Authority
CN
China
Prior art keywords
map
picture frame
robot
preset
feature
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.)
Granted
Application number
CN201911048628.8A
Other languages
English (en)
Other versions
CN110686687B (zh
Inventor
肖刚军
赖钦伟
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.)
Zhuhai Amicro Semiconductor Co Ltd
Original Assignee
Zhuhai Amicro Semiconductor 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 Zhuhai Amicro Semiconductor Co Ltd filed Critical Zhuhai Amicro Semiconductor Co Ltd
Priority to CN201911048628.8A priority Critical patent/CN110686687B/zh
Publication of CN110686687A publication Critical patent/CN110686687A/zh
Application granted granted Critical
Publication of CN110686687B publication Critical patent/CN110686687B/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
    • G01C21/26—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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/04—Interpretation of pictures

Abstract

本发明属于智能机器人领域，涉及一种视觉机器人构建地图的方法、机器人及芯片，通过获取拍摄数据，并对所述拍摄数据进行条纹图案检测；当检测到所述拍摄数据的画面中包括条纹图案时，通过激光照射装置在所述条纹图案对应的位置上形成预设形状的光斑；获取所述拍摄数据中包含所述光斑的第一画面帧和第二画面帧；对所述第一画面帧和所述第二画面帧进行特征提取，并进行特征匹配，以根据特征匹配结果构建地图。通过降低特征匹配错误，提高位移计算准确度，从而达到降低地图误差的效果。

Description

视觉机器人构建地图的方法、机器人和芯片
技术领域
本发明涉及智能机器人技术领域，尤其涉及一种视觉机器人构建地图的方法、机器人和芯片。
背景技术
随着机器人技术的发展，智能机器人已经在慢慢地参与我们的日常生活，而这些智能机器人一般具有定位导航功能。目前主流的机器人定位与构建地图技术是SLAM(Simultaneous Localization And Mapping，即时定位与地图构建)，即在未知环境中，让机器人一边移动一边绘制出当前环境的地图。在绘制地图的过程中，需要获取当前环境的图像，并将位移前后的图像进行特征匹配，根据匹配结果获取机器人的位移量。由于当前环境中可能存在周期性的纹理，可能导致特征点匹配错误，这样导致计算的位移准确度较低，从而导致构建的地图误差较大的缺点。
发明内容
本发明的主要目的在于提供一种视觉机器人构建地图的方法、机器人及芯片，旨在达成降低地图误差的效果。
为实现上述目的，本发明提供的视觉机器人构建地图的方法，包括以下步骤：获取拍摄数据，并对所述拍摄数据进行条纹图案检测；当检测到所述拍摄数据的画面中包括条纹图案时，通过激光照射装置在所述条纹图案对应的位置上形成预设形状的光斑；获取所述拍摄数据中包含所述光斑的第一画面帧和第二画面帧；对所述第一画面帧和所述第二画面帧进行特征提取，并进行特征匹配，以根据特征匹配结果构建地图。
可选地，所述对所述第一画面帧和所述第二画面帧进行特征提取，并进行特征匹配，以根据特征匹配结果构建地图的步骤，还包括：对所述第一画面帧和所述第二画面帧进行特征提取，并进行特征匹配；获取特征匹配结果，并根据所述匹配结果计算两帧间的位移；根据所述位移构建地图。
可选地，所述根据所述位移构建地图的步骤包括：判断所述第二画面帧的特征是否为预设特征；当所述第二画面帧的特征不为预设特征时，根据地图数据和所述位移计算所述特征的地图坐标，将所述特征保存为预设特征更新地图数据。
可选地，所述对所述第一画面帧和所述第二画面帧进行特征提取，并进行特征匹配，以根据特征匹配结果构建地图的步骤之前，还包括：对所述第一画面帧和所述第二画面帧进行预处理。
可选地，所述预处理包括：灰度化处理、降噪处理、图像增强处理、图像边缘处理及二值化处理中的至少一个。
可选地，所述对所述第一画面帧和所述第二画面帧进行特征提取，并进行特征匹配的步骤，还包括：对所述第一画面帧和所述第二画面帧进行特征提取；获取所述特征的关键点信息；根据所述关键点信息计算所述特征的描述信息；根据所述特征的描述信息进行匹配。
可选地，所述对所述第一画面帧和所述第二画面帧进行特征提取，并进行特征匹配，以根据特征匹配结果构建地图的步骤之后，还包括：检测所述地图数据中是否存在与所述第二画面帧之间的相似度大于预设相似度的预设图像数据；当存在与所述第二画面帧之间的相似度大于预设相似度的预设图像数据时，获取所述第二画面帧与所述预设图像数据的坐标差，根据所述坐标差更新所述地图数据。
可选地，所述条纹图案为渐变图案或者周期性变化的纹理图案。
此外，为实现上述目的，本发明还提供了一种机器人，所述机器人包括：激光发射装置、摄像装置、驱动装置、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的控制程序，所述控制程序被所述处理器执行时实现如上述所述的视觉机器人构建地图的方法的步骤。
此外，为实现上述目的，本发明还提供了一种芯片，所述芯片上存储有构建地图程序，所述构建地图程序被处理器执行时实现如上述所述的视觉机器人构建地图的方法的步骤。
本发明提出的一种视觉机器人构建地图的方法、机器人及芯片，获取拍摄数据，并对所述拍摄数据进行条纹图案检测；当检测到所述拍摄数据的画面中包括条纹图案时，通过激光照射装置在所述条纹图案对应的位置上形成预设形状的光斑；获取所述拍摄数据中包含所述光斑的第一画面帧和第二画面帧；对所述第一画面帧和所述第二画面帧进行特征提取，并进行特征匹配，以根据特征匹配结果构建地图。通过降低特征匹配错误，提高位移计算准确度，从而达到降低地图误差的效果。
附图说明
图1是本发明实施例方案涉及的机器人结构示意图；
图2为本发明所述视觉机器人构建地图的方法的一种实施例的流程示意图；
图3为本发明所述视觉机器人构建地图的方法的另一实施例的流程示意图；
图4为本发明所述视觉机器人构建地图的方法的又一实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
现有的机器人定位与构建地图技术，在绘制地图的过程中，需要获取当前环境的图像，并将位移前后的图像进行特征匹配，根据匹配结果获取机器人的位移量。由于当前环境中可能存在周期性的纹理，可能导致特征点匹配错误，这样导致计算的位移准确度较低，从而导致构建的地图误差较大的缺点。
为了解决构建的地图误差较大的缺点，本发明实施例提出了一种视觉机器人构建地图的方法，机器人及芯片。其中，所述视觉机器人构建地图的方法的主要解决方案是：获取拍摄数据，并对所述拍摄数据进行条纹图案检测；当检测到所述拍摄数据的画面中包括条纹图案时，通过激光照射装置在所述条纹图案对应的位置上形成预设形状的光斑；获取所述拍摄数据中包含所述光斑的第一画面帧和第二画面帧；对所述第一画面帧和所述第二画面帧进行特征提取，并进行特征匹配，以根据特征匹配结果构建地图。
由于本方案在所述条纹图案上形成预设光斑之后，提取所述画面帧的特征进行匹配，降低特征匹配错误。因此，本发明实施例提出的视觉机器人构建地图的方法可以解决上述缺陷，这样达到降低地图误差的效果。
如图1所示，图1是本发明实施例方案涉及的硬件运行环境的机器人结构示意图。
如图1所示，该机器人可以包括：通信总线1001，处理器1002，例如CPU，，驱动装置1003，激光发射装置1004，摄像装置1005，存储器1006。其中，通信总线1001用于实现这些组件之间的连接通信。驱动装置1003是驱动所述机器人移动的装置。激光发射装置1004是在激光发射路线上的形成预设光斑的装置。摄像装置1005是拍摄所述机器人所在空间的装置，可以是单目相机、双目相机和RGB-D（深度相机）等。存储器1006可以是高速RAM存储器，也可以是稳定的存储器（non-volatile memory），例如磁盘存储器。存储器1006可选的还可以是独立于前述处理器1002的存储装置。
本领域技术人员可以理解，图1中示出的机器人结构并不构成对机器人的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1006中可以包括驱动模块、摄像模块、激光发射模块以及构建地图程序。
在图1所示的机器人中，处理器1002可以用于调用存储器1006中存储的控制程序，并执行以下操作：获取拍摄数据，并对所述拍摄数据进行条纹图案检测；当检测到所述拍摄数据的画面中包括条纹图案时，通过激光照射装置在所述条纹图案对应的位置上形成预设形状的光斑；获取所述拍摄数据中包含所述光斑的第一画面帧和第二画面帧；对所述第一画面帧和所述第二画面帧进行特征提取，并进行特征匹配，以根据特征匹配结果构建地图。
进一步地，处理器1002可以调用存储器1006中存储的构建地图程序，还执行以下操作：检测所述地图数据中是否存在与所述第二画面帧之间的相似度大于预设相似度的预设图像数据；当存在与所述第二画面帧之间的相似度大于预设相似度的预设图像数据时，获取所述第二画面帧与所述预设图像数据的坐标差，根据所述坐标差更新所述地图数据。
参照图2，在本发明视觉机器人构建地图的方法的一实施例中，所述视觉机器人构建地图的方法包括以下步骤：步骤S10、获取拍摄数据，并对所述拍摄数据进行条纹图案检测；步骤S20、当检测到所述拍摄数据的画面中包括条纹图案时，通过激光照射装置在所述条纹图案对应的位置上形成预设形状的光斑；步骤S30、获取所述拍摄数据中包含所述光斑的第一画面帧和第二画面帧；步骤S40、对所述第一画面帧和所述第二画面帧进行特征提取，并进行特征匹配，以根据特征匹配结果构建地图。
在本实施例中，所述拍摄数据是所述摄像装置拍摄的所述机器人所处空间的画面帧。所述条纹图案为渐变图案或者周期性变化的纹理图案。所述预设形状的光斑是所述激光发射装置在具有条纹图案的物体上形成的具有特定形状的光斑，用于区分拍摄数据中的相似特征。所述特征可以是边缘轮廓特征，包括凸包、凹缺、角点、线夹角和多边形等。所述关键点信息是所述画面帧的所述特征在图像中的相对位置信息，可以包括特征的坐标信息和方向信息。所述描述信息是描述了特征及其周围的像素信息。所述预设特征是预先保存的地图特征及其相关信息。所述地图数据包含预设图像数据、所述预设特征及其相互关系。
所述摄像装置拍摄机器人当前所处的空间环境，并将所述拍摄数据发送给所述处理器，所述处理器接收所述拍摄数据后，提取所述拍摄数据的画面帧，并提取所述画面帧的图像特征，根据所述图像特征判断所述画面帧是否存在条纹图案。当所述画面帧中存在条纹图案时，所述激光发射装置在具有条纹图案的物体上形成预设形状的光斑。所述摄像装置将当前拍摄数据作为第一画面帧发送给所述处理器，所述驱动装置驱动所述机器人发生位移，并将位移后的所述拍摄数据作为第二画面帧发送给所述处理器。所述处理器提取所述第一画面帧的图像特征作为第一特征，获取所述第一特征的第一关键点信息，并根据第一关键点信息计算所述第一特征的第一描述信息；同样的，提取所述第二画面帧的图像特征作为第二特征，获取所述第二特征的第二关键点信息，并根据第二关键点信息计算所述第一特征的第二描述信息；根据所述第一描述信息和所述第二描述信息计算所述第一特征和所述第二特征的匹配度。当所述匹配度大于预设匹配度时，获取相互匹配的所述第一特征和所述第二特征，获取所述机器人位移前与所述匹配的第一特征的第一距离，获取所述机器人位移后与所述匹配的第二特征的第二距离。根据所述第一距离和第二距离计算所述机器人的位移。获取所述第二画面帧的特征并读取存储器中的预设特征，逐一判断所述第二画面帧的特征是否为预设特征；当所述第二画面帧的特征不为预设特征时，根据存储器中相关的地图数据和所述位移计算所述特征的地图坐标，将所述特征及其相关信息保存为预设特征。
在本实施例公开的技术方案中，由于传统的地图构建方法是直接对位移前后的图像进行特征匹配，然后根据匹配结果获取机器人的位移量，而当前环境中可能存在周期性的纹理，可能导致特征点匹配错误，这样导致计算的位移准确度较低，从而导致构建的地图误差较大的缺点。
本实施例所述的视觉机器人构建地图的方法，在获取位移前后的图像之前，获取所述拍摄数据，并对所述拍摄数据进行条纹图案检测；当检测到所述拍摄数据的画面中包括条纹图案时，通过激光照射装置在所述条纹图案对应的位置上形成预设形状的光斑；这样避免了特征匹配错误，提高了位移的准确度，降低了地图误差。
参照图3，基于上述实施例，在本发明的另一实施例中，所述步骤S40对所述第一画面帧和所述第二画面帧进行特征提取，并进行特征匹配，以根据特征匹配结果构建地图的步骤之前，还包括以下步骤：步骤S50、对所述第一画面帧和所述第二画面帧进行预处理。
在本实施例中，所述预处理包括：灰度化处理、降噪处理、图像增强处理、图像边缘处理及二值化处理中的至少一个。
在本实施例中，通过对所述第一画面帧和所述第二画面帧进行预处理，降低由于画面帧不清晰而导致所提取的特征误差较大的缺点。
参照图4，基于上述实施例，在本发明的另一实施例中，所述步骤S40对所述第一画面帧和所述第二画面帧进行特征提取，并进行特征匹配，以根据特征匹配结果构建地图的步骤之后，还包括以下步骤：步骤S60、检测所述地图数据中是否存在与所述第二画面帧之间的相似度大于预设相似度的预设图像数据；步骤S70、当存在与所述第二画面帧之间的相似度大于预设相似度的预设图像数据时，获取所述第二画面帧与所述预设图像数据的坐标差，根据所述坐标差更新所述地图数据。
在本实施例中，所述预设图像数据是地图数据中预先保存的画面帧，所述预设相似度是判断所述第二画面帧与所述预设图像数据相似的临界值。所述坐标差是所述第二画面帧与所述预设图像数据的相似预设特征的地图坐标差异。
处理器读取所述第二画面帧的特征的描述信息，并与存储器中的预设图像数据的所述预设特征的描述信息进行特征匹配，并将相似子特征与预设特征的比值作为所述第二画面帧与所述预设图像数据的相似度。当存储器中存在与所述第二画面帧之间的所述相似度大于所述预设相似度的预设图像数据时，判断所述第二画面帧与所述预设图像数据构成回环。计算所述第二画面帧与所述预设图像数据的坐标差，根据所述坐标差更新所述地图数据。
本实施例所述的视觉机器人构建地图的方法，对所述第二画面帧进行回环检测，当所述第二画面帧判断为回环时，进行回环处理，优化地图数据。这样降低了地图的累计误差。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一个机器人执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种视觉机器人构建地图的方法，其特征在于，所述基于视觉SLAM的地图构建方法包括以下步骤：
获取拍摄数据，并对所述拍摄数据进行条纹图案检测；
当检测到所述拍摄数据的画面中包括条纹图案时，通过激光照射装置在所述条纹图案对应的位置上形成预设形状的光斑；
获取所述拍摄数据中包含所述光斑的第一画面帧和第二画面帧；
对所述第一画面帧和所述第二画面帧进行特征提取，并进行特征匹配，以根据特征匹配结果构建地图。
2.如权利要求1所述的视觉机器人构建地图的方法，其特征在于， 所述对所述第一画面帧和所述第二画面帧进行特征提取，并进行特征匹配，以根据特征匹配结果构建地图的步骤，还包括：
对所述第一画面帧和所述第二画面帧进行特征提取，并进行特征匹配；
获取特征匹配结果，并根据所述匹配结果计算两帧间的位移；
根据所述位移构建地图。
3.如权利要求2所述的视觉机器人构建地图的方法，其特征在于，所述根据所述位移构建地图的步骤包括：
判断所述第二画面帧的特征是否为预设特征；
当所述第二画面帧的特征不为预设特征时，根据地图数据和所述位移计算所述特征的地图坐标，将所述特征保存为预设特征更新地图数据。
4.如权利要求1所述的视觉机器人构建地图的方法，其特征在于，所述对所述第一画面帧和所述第二画面帧进行特征提取，并进行特征匹配，以根据特征匹配结果构建地图的步骤之前，还包括：
对所述第一画面帧和所述第二画面帧进行预处理。
5.如权利要求4所述的视觉机器人构建地图的方法，其特征在于，所述预处理包括：灰度化处理、降噪处理、图像增强处理、图像边缘处理及二值化处理中的至少一个。
6.如权利要求2所述的视觉机器人构建地图的方法，其特征在于，所述对所述第一画面帧和所述第二画面帧进行特征提取，并进行特征匹配的步骤，还包括：
对所述第一画面帧和所述第二画面帧进行特征提取；
获取所述特征的关键点信息；
根据所述关键点信息计算所述特征的描述信息；
根据所述特征的描述信息进行匹配。
7.如权利要求1所述的视觉机器人构建地图的方法，其特征在于，所述对所述第一画面帧和所述第二画面帧进行特征提取，并进行特征匹配，以根据特征匹配结果构建地图的步骤之后，还包括：
检测所述地图数据中是否存在与所述第二画面帧之间的相似度大于预设相似度的预设图像数据；
当存在与所述第二画面帧之间的相似度大于预设相似度的预设图像数据时，获取所述第二画面帧与所述预设图像数据的坐标差，根据所述坐标差更新所述地图数据。
8.如权利要求1所述的视觉机器人构建地图的方法，其特征在于，所述条纹图案为渐变图案或者周期性变化的纹理图案。
9.一种机器人，其特征在于，所述机器人包括：激光发射装置、摄像装置、驱动装置、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的构建地图程序，所述构建地图程序被所述处理器执行时实现如权利要求1至8中任一项所述的视觉机器人构建地图的方法的步骤。
10.一种芯片，其特征在于，所述芯片上存储有构建地图程序，所述构建地图程序被处理器执行时实现如权利要求1至8中任一项所述的视觉机器人构建地图的方法的步骤。
CN201911048628.8A 2019-10-31 2019-10-31 视觉机器人构建地图的方法、机器人和芯片 Active CN110686687B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911048628.8A CN110686687B (zh) 2019-10-31 2019-10-31 视觉机器人构建地图的方法、机器人和芯片

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911048628.8A CN110686687B (zh) 2019-10-31 2019-10-31 视觉机器人构建地图的方法、机器人和芯片

Publications (2)

Publication Number Publication Date
CN110686687A true CN110686687A (zh) 2020-01-14
CN110686687B CN110686687B (zh) 2021-11-09

Family

ID=69114928

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911048628.8A Active CN110686687B (zh) 2019-10-31 2019-10-31 视觉机器人构建地图的方法、机器人和芯片

Country Status (1)

Country Link
CN (1) CN110686687B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113535877A (zh) * 2021-07-16 2021-10-22 上海高仙自动化科技发展有限公司 智能机器人地图的更新方法、装置、设备、介质及芯片

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102956031A (zh) * 2011-08-22 2013-03-06 北京新岸线移动多媒体技术有限公司 一种三维场景信息获取方法和装置
CN104217428A (zh) * 2014-08-22 2014-12-17 南京邮电大学 一种融合特征匹配和数据关联的视频监控多目标跟踪方法
CN104236548A (zh) * 2014-09-12 2014-12-24 清华大学 一种微型无人机室内自主导航方法
CN107941168A (zh) * 2018-01-17 2018-04-20 杨佳苗 基于散斑位置标定的反射式条纹面形测量方法与装置
CN108171734A (zh) * 2017-12-25 2018-06-15 西安因诺航空科技有限公司 一种orb特征提取与匹配的方法及装置
CN108256574A (zh) * 2018-01-16 2018-07-06 广东省智能制造研究所 机器人定位方法及装置
EP3427008A1 (en) * 2016-03-11 2019-01-16 Kaarta, Inc. Laser scanner with real-time, online ego-motion estimation
CN109520480A (zh) * 2019-01-22 2019-03-26 合刃科技（深圳）有限公司 基于双目立体视觉的测距方法及测距系统
CN109974722A (zh) * 2019-04-12 2019-07-05 珠海市一微半导体有限公司 一种视觉机器人的地图更新控制方法及地图更新控制系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102956031A (zh) * 2011-08-22 2013-03-06 北京新岸线移动多媒体技术有限公司 一种三维场景信息获取方法和装置
CN104217428A (zh) * 2014-08-22 2014-12-17 南京邮电大学 一种融合特征匹配和数据关联的视频监控多目标跟踪方法
CN104236548A (zh) * 2014-09-12 2014-12-24 清华大学 一种微型无人机室内自主导航方法
EP3427008A1 (en) * 2016-03-11 2019-01-16 Kaarta, Inc. Laser scanner with real-time, online ego-motion estimation
CN108171734A (zh) * 2017-12-25 2018-06-15 西安因诺航空科技有限公司 一种orb特征提取与匹配的方法及装置
CN108256574A (zh) * 2018-01-16 2018-07-06 广东省智能制造研究所 机器人定位方法及装置
CN107941168A (zh) * 2018-01-17 2018-04-20 杨佳苗 基于散斑位置标定的反射式条纹面形测量方法与装置
CN109520480A (zh) * 2019-01-22 2019-03-26 合刃科技（深圳）有限公司 基于双目立体视觉的测距方法及测距系统
CN109974722A (zh) * 2019-04-12 2019-07-05 珠海市一微半导体有限公司 一种视觉机器人的地图更新控制方法及地图更新控制系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113535877A (zh) * 2021-07-16 2021-10-22 上海高仙自动化科技发展有限公司 智能机器人地图的更新方法、装置、设备、介质及芯片
CN113535877B (zh) * 2021-07-16 2023-05-30 上海高仙自动化科技发展有限公司 智能机器人地图的更新方法、装置、设备、介质及芯片

Also Published As

Publication number Publication date
CN110686687B (zh) 2021-11-09

Similar Documents

Publication Publication Date Title
CN107507167B (zh) 一种基于点云平面轮廓匹配的货物托盘检测方法及系统
US20210190513A1 (en) Navigation map updating method and apparatus and robot using the same
US10275649B2 (en) Apparatus of recognizing position of mobile robot using direct tracking and method thereof
US10399228B2 (en) Apparatus for recognizing position of mobile robot using edge based refinement and method thereof
US11830216B2 (en) Information processing apparatus, information processing method, and storage medium
CN110587597B (zh) 一种基于激光雷达的slam闭环检测方法及检测系统
US10659762B2 (en) Stereo camera
CN111402313A (zh) 图像深度恢复方法和装置
CN113012210A (zh) 深度图的生成方法、装置、电子设备和存储介质
CN112083403B (zh) 用于虚拟场景的定位追踪误差校正方法及系统
CN112348817B (zh) 车位识别方法、装置、车载终端和存储介质
JP4767052B2 (ja) 光軸ずれ検出装置
CN110686687B (zh) 视觉机器人构建地图的方法、机器人和芯片
KR102490521B1 (ko) 라이다 좌표계와 카메라 좌표계의 벡터 정합을 통한 자동 캘리브레이션 방법
CN112802114A (zh) 多视觉传感器融合装置及其方法和电子设备
JP2001194126A (ja) 三次元形状計測装置および三次元形状計測方法、並びにプログラム提供媒体
CN113052907B (zh) 一种动态环境移动机器人的定位方法
CN112529011A (zh) 目标检测方法及相关装置
JP2020173584A (ja) 物体検出装置
CN115496923A (zh) 一种基于不确定性感知的多模态融合目标检测方法及装置
CN115656991A (zh) 车辆外参标定方法、装置、设备以及存储介质
JPH01271883A (ja) 指紋中心検出方式
CN112596070B (zh) 一种基于激光及视觉融合的机器人定位方法
CN109584287B (zh) 一种基于深度学习目标检测的空间编码结构光解码方法
CN116778066B (zh) 数据处理方法、装置、设备及介质

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