CN110823225A - 室内动态情景下的定位方法和装置 - Google Patents
室内动态情景下的定位方法和装置 Download PDFInfo
- Publication number
- CN110823225A CN110823225A CN201911039034.0A CN201911039034A CN110823225A CN 110823225 A CN110823225 A CN 110823225A CN 201911039034 A CN201911039034 A CN 201911039034A CN 110823225 A CN110823225 A CN 110823225A
- Authority
- CN
- China
- Prior art keywords
- current frame
- previous frame
- matching
- module
- global pose
- 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
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
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
-
- 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
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种室内动态情景下的定位方法和装置,涉及室内定位领域。该方法包括:在室内动态情景下,实时获取当前帧;在当前帧和上一帧之间确定匹配的图像特征,根据匹配的图像特征,估计当前帧和上一帧之间的变换矩阵;根据所述变换矩阵计算当前帧和上一帧匹配的百分数,当所述百分数小于指定的阈值时,采用轮轴里程计来更新全局位姿;检测运动过程中是否经过关键点,如果是,则对所述全局位姿进行细化。该装置包括:获取模块、匹配模块、更新模块和细化模块。本申请实现了在存在障碍物和动态事件的情况下进行室内定位,通过已知空间的关键点来优化定位信息,并结合轮轴里程计在特定场景下得到更优化的结果。
Description
技术领域
本申请涉及室内定位领域,特别是涉及一种室内动态情景下的定位方法和装置。
背景技术
机器人在许多不同的领域都有应用,一个实际的功能是让机器人能够知道其当前在这种环境中的姿态,实际上这也一直是SLAM(Simultaneous Localization AndMapping,即时定位与地图构建)研究中一个非常核心的内容。
移动机器人的定位是指机器人在任何给定时刻都能知道自己的姿态,机器人可能会依赖于各种各样的传感器,例如基于轮轴里程计的轮轴测程法,基于激光雷达的激光测程法,基于图像传感器的图像测程法,基于GPS((Global Positioning System,全球定位系统)的定位方法等。针对vSLAM(Visual Simultaneous Localization And Mapping,基于视觉的即时定位与地图构建)计算方法大致可分为基于卡尔曼滤波的方法,基于粒子滤波器的方法和基于图优化方法的三类,其核心是寻找特征点。
Howard提出了一种实时的视觉定位方法,成为了今天大多数基于视觉里程计测量的基础。目前,大多数基于视觉里程计的方法都试图优化这些方法,以产生更好的结果。Kitt等人使用迭代的卡尔曼滤波器来估计机器人的运动。Klein和Murray提出了一种称为PTAM(Parallel Tracking And Mapping,并行跟踪与映射)的SLAM方法来创建场景地图,并同时估计相机的姿态。Pire等人采用PTAM方法,并提出了S-PTAM,克服了PTAM方法的局限性。Geiger等人提出了libviso SLAM算法来计算机器人的姿态,并利用高分辨率立体图像实时构建三维地图。Khosoussi等人提出了一种高效的图优化算法,该算法利用SLAM的可分离结构,实现了可靠、快速的收敛。针对图优化眩晕算法中闭环检测或数据处理中存在的伪约束问题,提出了DCS(Dynamic Covariance Scaling,动态协方差缩放)和最大混合方法来应付动态环境。
但是,上述现有技术中却存在各种问题。激光提供了距离深度信息,但没有提供视觉环境信息,相机提供了关于环境的视觉信息,但没有提供距离深度,GPS不善于在室内环境中工作,或者其信号可能在不同城市环境中受到较大影响。并且由于激光传感器过于昂贵,基于视觉的机器人凭借其传感器的廉价性受到了重视。而上述介绍的视觉领域的特征点比较算法多针对静态的环境,在存在如人类移动或者其他动态事件的环境下,特征点的选取很困难,而且定位效果不好。
发明内容
本申请的目的在于克服上述问题或者至少部分地解决或缓减解决上述问题。
根据本申请的一个方面,提供了一种室内动态情景下的定位方法,包括:
在室内动态情景下,实时获取当前帧;
在所述当前帧和上一帧之间确定匹配的图像特征,根据所述匹配的图像特征,估计所述当前帧和上一帧之间的变换矩阵;
根据所述变换矩阵计算所述当前帧和上一帧匹配的百分数,当所述百分数小于指定的阈值时,采用轮轴里程计来更新全局位姿;
检测运动过程中是否经过关键点,如果是,则对所述全局位姿进行细化。
可选地,检测运动过程中是否经过关键点,包括:
根据90度方向的gabor滤波器,当检测到关键点的特征物的垂直线条时,确定运动过程中经过关键点。
可选地,所述方法还包括:
设置所述滤波器只允许特定频段的频率通过并拒绝其他频段的频率。
可选地,对所述全局位姿进行细化,包括:
计算相机坐标系和世界坐标系的相对误差,如果所述相对误差小于指定的阈值,则认为所述相对误差对应的特征点与所述关键点配对正确,用所述关键点的坐标更新所述全局位姿中的坐标,消除累计误差。
可选地,在所述当前帧和上一帧之间确定匹配的图像特征,包括:
基于RANSAC(Random Sample Consensus,随机样本一致性),在所述当前帧和上一帧之间确定匹配的图像特征。
根据本申请的另一个方面,提供了一种室内动态情景下的定位装置,包括:
获取模块,其配置成在室内动态情景下,实时获取当前帧;
匹配模块,其配置成在所述当前帧和上一帧之间确定匹配的图像特征,根据所述匹配的图像特征,估计所述当前帧和上一帧之间的变换矩阵;
更新模块,其配置成根据所述变换矩阵计算所述当前帧和上一帧匹配的百分数,当所述百分数小于指定的阈值时,采用轮轴里程计来更新全局位姿;
细化模块,其配置成检测运动过程中是否经过关键点,如果是,则对所述全局位姿进行细化。
可选地,所述细化模块具体配置成:
根据90度方向的gabor滤波器,当检测到关键点的特征物的垂直线条时,确定运动过程中经过关键点。
可选地,所述细化模块还配置成:
设置所述滤波器只允许特定频段的频率通过并拒绝其他频段的频率。
可选地,所述细化模块具体配置成:
计算相机坐标系和世界坐标系的相对误差,如果所述相对误差小于指定的阈值,则认为所述相对误差对应的特征点与所述关键点配对正确,用所述关键点的坐标更新所述全局位姿中的坐标,消除累计误差。
可选地,所述匹配模块具体配置成:
基于RANSAC随机样本一致性,在所述当前帧和上一帧之间确定匹配的图像特征。
根据本申请的又一个方面,提供了一种计算设备,包括存储器、处理器和存储在所述存储器内并能由所述处理器运行的计算机程序,其中,所述处理器执行所述计算机程序时实现如上所述的方法。
根据本申请的又一个方面,提供了一种计算机可读存储介质,优选为非易失性可读存储介质,其内存储有计算机程序,所述计算机程序在由处理器执行时实现如上所述的方法。
根据本申请的又一个方面,提供了一种计算机程序产品,包括计算机可读代码,当所述计算机可读代码由计算机设备执行时,导致所述计算机设备执行上述的方法。
本申请提供的技术方案,通过在室内动态情景下,实时获取当前帧;在所述当前帧和上一帧之间确定匹配的图像特征,根据所述匹配的图像特征,估计所述当前帧和上一帧之间的变换矩阵;根据所述变换矩阵计算所述当前帧和上一帧匹配的百分数,当所述百分数小于指定的阈值时,采用轮轴里程计来更新全局位姿;检测运动过程中是否经过关键点,如果是,则对所述全局位姿进行细化,实现了在存在障碍物和动态事件的情况下进行室内定位,通过已知空间的关键点来优化定位信息,并结合轮轴里程计在特定场景下得到更优化的结果。
根据下文结合附图对本申请的具体实施例的详细描述,本领域技术人员将会更加明了本申请的上述以及其他目的、优点和特征。
附图说明
后文将参照附图以示例性而非限制性的方式详细描述本申请的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解,这些附图未必是按比例绘制的。附图中:
图1是根据本申请一个实施例的室内动态情景下的定位方法流程图;
图2是根据本申请另一个实施例的室内动态情景下的定位方法流程图;
图3是根据本申请另一个实施例的室内动态情景下的定位装置结构图;
图4是根据本申请另一个实施例的计算设备结构图;
图5是根据本申请另一个实施例的计算机可读存储介质结构图。
具体实施方式
图1是根据本申请一个实施例的室内动态情景下的定位方法流程图。参见图1,该方法包括:
101:在室内动态情景下,实时获取当前帧;
102:在当前帧和上一帧之间确定匹配的图像特征,根据匹配的图像特征,估计当前帧和上一帧之间的变换矩阵;
103:根据变换矩阵计算当前帧和上一帧匹配的百分数,当百分数小于指定的阈值时,采用轮轴里程计来更新全局位姿;
104:检测运动过程中是否经过关键点,如果是,则对全局位姿进行细化。
本实施例中,可选的,检测运动过程中是否经过关键点,包括:
根据90度方向的gabor滤波器,当检测到关键点的特征物的垂直线条时,确定运动过程中经过关键点。
本实施例中,可选的,上述方法还包括:
设置滤波器只允许特定频段的频率通过并拒绝其他频段的频率。
本实施例中,可选的,对全局位姿进行细化,包括:
计算相机坐标系和世界坐标系的相对误差,如果相对误差小于指定的阈值,则认为相对误差对应的特征点与关键点配对正确,用关键点的坐标更新全局位姿中的坐标,消除累计误差。
本实施例中,可选的,在当前帧和上一帧之间确定匹配的图像特征,包括:
基于RANSAC随机样本一致性,在当前帧和上一帧之间确定匹配的图像特征。
本实施例提供的上述方法,通过在室内动态情景下,实时获取当前帧;在所述当前帧和上一帧之间确定匹配的图像特征,根据所述匹配的图像特征,估计所述当前帧和上一帧之间的变换矩阵;根据所述变换矩阵计算所述当前帧和上一帧匹配的百分数,当所述百分数小于指定的阈值时,采用轮轴里程计来更新全局位姿;检测运动过程中是否经过关键点,如果是,则对所述全局位姿进行细化,实现了在存在障碍物和动态事件的情况下进行室内定位,通过已知空间的关键点来优化定位信息,并结合轮轴里程计在特定场景下得到更优化的结果。
图2是根据本申请另一个实施例的室内动态情景下的定位方法流程图。参见图2,该方法包括:
201:在室内动态情景下,实时获取当前帧;
202:基于RANSAC随机样本一致性,在当前帧和上一帧之间确定匹配的图像特征;
203:根据匹配的图像特征,估计当前帧和上一帧之间的变换矩阵;
其中,估计的变换矩阵为T=(r,t),即当前帧和上一帧之间的变换(旋转r和平移t)。
204:根据变换矩阵计算当前帧和上一帧匹配的百分数,当百分数小于指定的阈值时,采用轮轴里程计来更新全局位姿;
其中,百分数小于指定的阈值,可能是因为多种原因,比如场景是白墙,或者其他缺少特征的情况,或者缺乏足够好的静态特性等等,在这种情况下,依靠轮轴里程计来更新机器人的姿态。
205:根据90度方向的gabor滤波器,当检测到关键点的特征物的垂直线条时,确定运动过程中经过关键点;
本实施例中,关键点通常位于两个垂直墙壁的交点。也可以是在两面墙的交点上形成一个角度或者一个柱子,这些关键点的特征物是垂直于地面的,因此可以使用一个90度方向的gabor过滤器来检测垂直线条,从而确定出是否经过关键点。其中,还可以设置gabor滤波器只允许特定频段的频率通过并拒绝其他频段的频率。
206:计算相机坐标系和世界坐标系的相对误差,如果相对误差小于指定的阈值,则认为相对误差对应的特征点与关键点配对正确,用关键点的坐标更新全局位姿中的坐标,消除累计误差。
本实施例提供的上述方法,通过在室内动态情景下,实时获取当前帧;在所述当前帧和上一帧之间确定匹配的图像特征,根据所述匹配的图像特征,估计所述当前帧和上一帧之间的变换矩阵;根据所述变换矩阵计算所述当前帧和上一帧匹配的百分数,当所述百分数小于指定的阈值时,采用轮轴里程计来更新全局位姿;检测运动过程中是否经过关键点,如果是,则对所述全局位姿进行细化,实现了在存在障碍物和动态事件的情况下进行室内定位,通过已知空间的关键点来优化定位信息,并结合轮轴里程计在特定场景下得到更优化的结果。
图3是根据本申请另一个实施例的室内动态情景下的定位装置结构图。参见图3,该装置包括:
获取模块301,其配置成在室内动态情景下,实时获取当前帧;
匹配模块302,其配置成在当前帧和上一帧之间确定匹配的图像特征,根据匹配的图像特征,估计当前帧和上一帧之间的变换矩阵;
更新模块303,其配置成根据变换矩阵计算当前帧和上一帧匹配的百分数,当百分数小于指定的阈值时,采用轮轴里程计来更新全局位姿;
细化模块304,其配置成检测运动过程中是否经过关键点,如果是,则对全局位姿进行细化。
本实施例中,可选的,细化模块具体配置成:
根据90度方向的gabor滤波器,当检测到关键点的特征物的垂直线条时,确定运动过程中经过关键点。
本实施例中,可选的,细化模块还配置成:
设置滤波器只允许特定频段的频率通过并拒绝其他频段的频率。
本实施例中,可选的,细化模块具体配置成:
计算相机坐标系和世界坐标系的相对误差,如果相对误差小于指定的阈值,则认为相对误差对应的特征点与关键点配对正确,用关键点的坐标更新全局位姿中的坐标,消除累计误差。
本实施例中,可选的,匹配模块具体配置成:
基于RANSAC随机样本一致性,在当前帧和上一帧之间确定匹配的图像特征。
本实施例提供的上述装置,可以执行上述任一方法实施例提供的方法,详细过程详见方法实施例中的描述,此处不再赘述。
本实施例提供的上述装置,通过在室内动态情景下,实时获取当前帧;在所述当前帧和上一帧之间确定匹配的图像特征,根据所述匹配的图像特征,估计所述当前帧和上一帧之间的变换矩阵;根据所述变换矩阵计算所述当前帧和上一帧匹配的百分数,当所述百分数小于指定的阈值时,采用轮轴里程计来更新全局位姿;检测运动过程中是否经过关键点,如果是,则对所述全局位姿进行细化,实现了在存在障碍物和动态事件的情况下进行室内定位,通过已知空间的关键点来优化定位信息,并结合轮轴里程计在特定场景下得到更优化的结果。
根据下文结合附图对本申请的具体实施例的详细描述,本领域技术人员将会更加明了本申请的上述以及其他目的、优点和特征。
本申请实施例还提供了一种计算设备,参照图4,该计算设备包括存储器1120、处理器1110和存储在所述存储器1120内并能由所述处理器1110运行的计算机程序,该计算机程序存储于存储器1120中的用于程序代码的空间1130,该计算机程序在由处理器1110执行时实现用于执行任一项根据本发明的方法步骤1131。
本申请实施例还提供了一种计算机可读存储介质。参照图5,该计算机可读存储介质包括用于程序代码的存储单元,该存储单元设置有用于执行根据本发明的方法步骤的程序1131′,该程序被处理器执行。
本申请实施例还提供了一种包含指令的计算机程序产品。当该计算机程序产品在计算机上运行时,使得计算机执行根据本发明的方法步骤。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、获取其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
专业人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令处理器完成,所述的程序可以存储于计算机可读存储介质中,所述存储介质是非短暂性(英文:non-transitory)介质,例如随机存取存储器,只读存储器,快闪存储器,硬盘,固态硬盘,磁带(英文:magnetic tape),软盘(英文:floppy disk),光盘(英文:optical disc)及其任意组合。
以上所述,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种室内动态情景下的定位方法,包括:
在室内动态情景下,实时获取当前帧;
在所述当前帧和上一帧之间确定匹配的图像特征,根据所述匹配的图像特征,估计所述当前帧和上一帧之间的变换矩阵;
根据所述变换矩阵计算所述当前帧和上一帧匹配的百分数,当所述百分数小于指定的阈值时,采用轮轴里程计来更新全局位姿;
检测运动过程中是否经过关键点,如果是,则对所述全局位姿进行细化。
2.根据权利要求1所述的方法,其特征在于,检测运动过程中是否经过关键点,包括:
根据90度方向的gabor滤波器,当检测到关键点的特征物的垂直线条时,确定运动过程中经过关键点。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
设置所述滤波器只允许特定频段的频率通过并拒绝其他频段的频率。
4.根据权利要求1所述的方法,其特征在于,对所述全局位姿进行细化,包括:
计算相机坐标系和世界坐标系的相对误差,如果所述相对误差小于指定的阈值,则认为所述相对误差对应的特征点与所述关键点配对正确,用所述关键点的坐标更新所述全局位姿中的坐标,消除累计误差。
5.根据权利要求1-4中任一项所述的方法,其特征在于,在所述当前帧和上一帧之间确定匹配的图像特征,包括:
基于RANSAC随机样本一致性,在所述当前帧和上一帧之间确定匹配的图像特征。
6.一种室内动态情景下的定位装置,包括:
获取模块,其配置成在室内动态情景下,实时获取当前帧;
匹配模块,其配置成在所述当前帧和上一帧之间确定匹配的图像特征,根据所述匹配的图像特征,估计所述当前帧和上一帧之间的变换矩阵;
更新模块,其配置成根据所述变换矩阵计算所述当前帧和上一帧匹配的百分数,当所述百分数小于指定的阈值时,采用轮轴里程计来更新全局位姿;
细化模块,其配置成检测运动过程中是否经过关键点,如果是,则对所述全局位姿进行细化。
7.根据权利要求6所述的装置,其特征在于,所述细化模块具体配置成:
根据90度方向的gabor滤波器,当检测到关键点的特征物的垂直线条时,确定运动过程中经过关键点。
8.根据权利要求7所述的装置,其特征在于,所述细化模块还配置成:
设置所述滤波器只允许特定频段的频率通过并拒绝其他频段的频率。
9.根据权利要求6所述的装置,其特征在于,所述细化模块具体配置成:
计算相机坐标系和世界坐标系的相对误差,如果所述相对误差小于指定的阈值,则认为所述相对误差对应的特征点与所述关键点配对正确,用所述关键点的坐标更新所述全局位姿中的坐标,消除累计误差。
10.根据权利要求6-9中任一项所述的装置,其特征在于,所述匹配模块具体配置成:
基于RANSAC随机样本一致性,在所述当前帧和上一帧之间确定匹配的图像特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911039034.0A CN110823225A (zh) | 2019-10-29 | 2019-10-29 | 室内动态情景下的定位方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911039034.0A CN110823225A (zh) | 2019-10-29 | 2019-10-29 | 室内动态情景下的定位方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110823225A true CN110823225A (zh) | 2020-02-21 |
Family
ID=69551076
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911039034.0A Pending CN110823225A (zh) | 2019-10-29 | 2019-10-29 | 室内动态情景下的定位方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110823225A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111595336A (zh) * | 2020-07-27 | 2020-08-28 | 北京云迹科技有限公司 | 一种机器人定位信息的确定方法及装置 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105841687A (zh) * | 2015-01-14 | 2016-08-10 | 上海智乘网络科技有限公司 | 室内定位方法和系统 |
CN107063246A (zh) * | 2017-04-24 | 2017-08-18 | 齐鲁工业大学 | 一种视觉导航/惯性导航的松散组合导航方法 |
CN107564060A (zh) * | 2017-07-13 | 2018-01-09 | 塔米智能科技(北京)有限公司 | 一种消除slam导航累积误差的方法 |
CN108571960A (zh) * | 2017-03-09 | 2018-09-25 | 深圳市朗驰欣创科技股份有限公司 | 一种定位方法和定位设备 |
CN109000649A (zh) * | 2018-05-29 | 2018-12-14 | 重庆大学 | 一种基于直角弯道特征的全方位移动机器人位姿校准方法 |
CN109389641A (zh) * | 2017-08-02 | 2019-02-26 | 北京贝虎机器人技术有限公司 | 室内地图综合数据生成方法及室内重定位方法 |
CN109631887A (zh) * | 2018-12-29 | 2019-04-16 | 重庆邮电大学 | 基于双目、加速度与陀螺仪的惯性导航高精度定位方法 |
CN109959377A (zh) * | 2017-12-25 | 2019-07-02 | 北京东方兴华科技发展有限责任公司 | 一种机器人导航定位系统及方法 |
CN109974721A (zh) * | 2019-01-08 | 2019-07-05 | 武汉中海庭数据技术有限公司 | 一种基于高精度地图的视觉回环检测方法和装置 |
CN110009681A (zh) * | 2019-03-25 | 2019-07-12 | 中国计量大学 | 一种基于imu辅助的单目视觉里程计位姿处理方法 |
CN110097064A (zh) * | 2019-05-14 | 2019-08-06 | 驭势科技(北京)有限公司 | 一种建图方法及装置 |
CN110174108A (zh) * | 2019-05-13 | 2019-08-27 | 杭州蓝芯科技有限公司 | 一种仿人的基于拓扑地图的agv自主定位导航方法 |
CN110223348A (zh) * | 2019-02-25 | 2019-09-10 | 湖南大学 | 基于rgb-d相机的机器人场景自适应位姿估计方法 |
CN110246147A (zh) * | 2019-05-14 | 2019-09-17 | 中国科学院深圳先进技术研究院 | 视觉惯性里程计方法、视觉惯性里程计装置及移动设备 |
CN110262546A (zh) * | 2019-06-18 | 2019-09-20 | 武汉大学 | 一种隧道智能无人机巡检系统及方法 |
CN110260857A (zh) * | 2019-07-02 | 2019-09-20 | 北京百度网讯科技有限公司 | 视觉地图的校准方法、装置及存储介质 |
-
2019
- 2019-10-29 CN CN201911039034.0A patent/CN110823225A/zh active Pending
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105841687A (zh) * | 2015-01-14 | 2016-08-10 | 上海智乘网络科技有限公司 | 室内定位方法和系统 |
CN108571960A (zh) * | 2017-03-09 | 2018-09-25 | 深圳市朗驰欣创科技股份有限公司 | 一种定位方法和定位设备 |
CN107063246A (zh) * | 2017-04-24 | 2017-08-18 | 齐鲁工业大学 | 一种视觉导航/惯性导航的松散组合导航方法 |
CN107564060A (zh) * | 2017-07-13 | 2018-01-09 | 塔米智能科技(北京)有限公司 | 一种消除slam导航累积误差的方法 |
CN109389641A (zh) * | 2017-08-02 | 2019-02-26 | 北京贝虎机器人技术有限公司 | 室内地图综合数据生成方法及室内重定位方法 |
CN109959377A (zh) * | 2017-12-25 | 2019-07-02 | 北京东方兴华科技发展有限责任公司 | 一种机器人导航定位系统及方法 |
CN109000649A (zh) * | 2018-05-29 | 2018-12-14 | 重庆大学 | 一种基于直角弯道特征的全方位移动机器人位姿校准方法 |
CN109631887A (zh) * | 2018-12-29 | 2019-04-16 | 重庆邮电大学 | 基于双目、加速度与陀螺仪的惯性导航高精度定位方法 |
CN109974721A (zh) * | 2019-01-08 | 2019-07-05 | 武汉中海庭数据技术有限公司 | 一种基于高精度地图的视觉回环检测方法和装置 |
CN110223348A (zh) * | 2019-02-25 | 2019-09-10 | 湖南大学 | 基于rgb-d相机的机器人场景自适应位姿估计方法 |
CN110009681A (zh) * | 2019-03-25 | 2019-07-12 | 中国计量大学 | 一种基于imu辅助的单目视觉里程计位姿处理方法 |
CN110174108A (zh) * | 2019-05-13 | 2019-08-27 | 杭州蓝芯科技有限公司 | 一种仿人的基于拓扑地图的agv自主定位导航方法 |
CN110097064A (zh) * | 2019-05-14 | 2019-08-06 | 驭势科技(北京)有限公司 | 一种建图方法及装置 |
CN110246147A (zh) * | 2019-05-14 | 2019-09-17 | 中国科学院深圳先进技术研究院 | 视觉惯性里程计方法、视觉惯性里程计装置及移动设备 |
CN110262546A (zh) * | 2019-06-18 | 2019-09-20 | 武汉大学 | 一种隧道智能无人机巡检系统及方法 |
CN110260857A (zh) * | 2019-07-02 | 2019-09-20 | 北京百度网讯科技有限公司 | 视觉地图的校准方法、装置及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111595336A (zh) * | 2020-07-27 | 2020-08-28 | 北京云迹科技有限公司 | 一种机器人定位信息的确定方法及装置 |
CN111595336B (zh) * | 2020-07-27 | 2020-10-27 | 北京云迹科技有限公司 | 一种机器人定位信息的确定方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109084746B (zh) | 用于具有辅助传感器的自主平台引导系统的单目模式 | |
US10275649B2 (en) | Apparatus of recognizing position of mobile robot using direct tracking and method thereof | |
Pei et al. | Optimal heading estimation based multidimensional particle filter for pedestrian indoor positioning | |
US11859982B2 (en) | System for determining position both indoor and outdoor | |
US10636168B2 (en) | Image processing apparatus, method, and program | |
US10399228B2 (en) | Apparatus for recognizing position of mobile robot using edge based refinement and method thereof | |
US10937191B2 (en) | Predictive simultaneous localization and mapping system using prior user session positional information | |
CN109461208B (zh) | 三维地图处理方法、装置、介质和计算设备 | |
US20190096089A1 (en) | Enabling use of three-dimensonal locations of features with two-dimensional images | |
US20190242952A1 (en) | Compensating for Distortion in an Electromagnetic Tracking System | |
US20080065267A1 (en) | Method, medium, and system estimating pose of mobile robots | |
US20150235367A1 (en) | Method of determining a position and orientation of a device associated with a capturing device for capturing at least one image | |
CN111121754A (zh) | 移动机器人定位导航方法、装置、移动机器人及存储介质 | |
JP7131994B2 (ja) | 自己位置推定装置、自己位置推定方法、自己位置推定プログラム、学習装置、学習方法及び学習プログラム | |
Michot et al. | Bi-objective bundle adjustment with application to multi-sensor slam | |
Bai et al. | Using Sky‐pointing fish‐eye camera and LiDAR to aid GNSS single‐point positioning in urban canyons | |
WO2019099605A1 (en) | Methods and systems for geo-referencing mapping systems | |
US20220230350A1 (en) | Position recognition method and system based on visual information processing | |
CN104848861A (zh) | 一种基于图像消失点识别技术的移动设备姿态测量方法 | |
Xian et al. | Fusing stereo camera and low-cost inertial measurement unit for autonomous navigation in a tightly-coupled approach | |
CN110648353A (zh) | 一种基于单目传感器的机器人室内定位方法和装置 | |
CN111882494B (zh) | 位姿图处理方法、装置、计算机设备和存储介质 | |
CN110823225A (zh) | 室内动态情景下的定位方法和装置 | |
CN112967393A (zh) | 车辆移动轨迹的修正方法、装置、电子设备及存储介质 | |
CN115962773A (zh) | 一种移动机器人同步定位与地图构建方法、装置和设备 |
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: 20200221 |
|
RJ01 | Rejection of invention patent application after publication |