CN110887489A - 一种基于ar机器人的slam算法的实验方法 - Google Patents

一种基于ar机器人的slam算法的实验方法 Download PDF

Info

Publication number
CN110887489A
CN110887489A CN201911159612.4A CN201911159612A CN110887489A CN 110887489 A CN110887489 A CN 110887489A CN 201911159612 A CN201911159612 A CN 201911159612A CN 110887489 A CN110887489 A CN 110887489A
Authority
CN
China
Prior art keywords
robot
map
gazebo
program
parameters
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
CN201911159612.4A
Other languages
English (en)
Inventor
许爱国
陈科霖
黄科
张斌
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.)
Shenzhen Chenxin Times Technology Co Ltd
Original Assignee
Shenzhen Chenxin Times 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 Shenzhen Chenxin Times Technology Co Ltd filed Critical Shenzhen Chenxin Times Technology Co Ltd
Priority to CN201911159612.4A priority Critical patent/CN110887489A/zh
Publication of CN110887489A publication Critical patent/CN110887489A/zh
Pending legal-status Critical Current

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Graphics (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明公开了一种基于AR机器人的SLAM算法的实验方法，涉及增强现实技术领域。使用Gazebo软件进行模拟地图绘制，通过ROS搭建仿真环境，同时构建AR机器人节点，数据接收与发送，获取并处理传感器数据，并发送给SLAM算法程序，SLAM程序处理完后将地图发送到Rviz，Gazebo模拟环境搭建，Gazebo启动时需要的地图参数，AR机器人的参数，Gazebo启动时同时启动将Kinect传感器接收的视觉信息转化为激光信息的程序，还包括扫描的高度和范围等参数，完成后启动Gazebo程序，Rviz环境搭建，在显示AR机器人以及AR机器人通过运动时创建二维地图，通过ROS的launch文件搭建Rviz平台。通过使用SLAM算法能够使AR机器人稳定的绘制出模拟环境的地图。

Description

一种基于AR机器人的SLAM算法的实验方法
技术领域
本发明涉及增强现实技术领域，具体为一种基于AR机器人的SLAM算法的实验方法。
背景技术
增强现实简称AR，是一种实时地计算摄影机影像的位置及角度并加上相应图像的技术，最早于1990年提出。包含了多媒体、三维建模、实时视频显示及控制、多传感器溶合、实时跟踪及注册、场景融合等新技术与新手段，它将计算机生成的虚拟物体或关于真实物体的非几何信息叠加到真实世界的场景之上，实现了对真实世界的增强。
现有的对于移动终端基于AR的SLAM算法的评测方案，评测人员选择应用了SLAM算法的AR场景，并设定每种AR场景下的一组测试动作，在每种AR场景下评测人员手持移动终端反复地执行该组测试动作，并观察3D虚拟物体在真实场景中的漂移和抖动，以及能否实现重定位和重定位时3D虚拟物体的偏移距离等。现有的对于应用于移动终端的基于AR的SLAM算法的评测为手工测试和人为主观判断，导致移动终端呈现的AR场景中出现3D虚拟物体在真实场景中的漂移和抖动以及重定位时3D虚拟物体的偏移距离大的问题。
发明内容
针对现有技术的不足，本发明提供了一种基于AR机器人的SLAM算法的实验方法，具备辅助实现AR场景更加真实化并且实现虚拟物体的偏移小等优点，解决了虚拟物体的偏移距离大的问题。
为实现上述辅助实现AR场景更加真实化并且实现虚拟物体的偏移小的目的，本发明提供如下技术方案：一种基于AR机器人的SLAM算法的实验方法，包括以下步骤：
S1、使用Gazebo软件进行模拟地图绘制；
S2、通过ROS搭建仿真环境，同时构建AR机器人节点，数据接收与发送，获取并处理传感器数据，并发送给SLAM算法程序，SLAM程序处理完后将地图发送到Rviz；
S3、Gazebo模拟环境搭建，Gazebo启动时需要的地图参数，AR机器人的参数，Gazebo启动时同时启动将Kinect传感器接收的视觉信息转化为激光信息的程序，还包括扫描的高度和范围等参数，完成后启动Gazebo程序；
S4、Rviz环境搭建，在显示AR机器人以及AR机器人通过运动时创建二维地图，通过ROS的launch文件搭建Rviz平台，包括参数有获取AR机器人位姿的话题、获取地图信息的话题、网格和激光信息；
S5、数据接收与发送，采用Publish和Subscribe话题的方式，采集到的Kinect数据传给SLAM算法程序绘制地图；
S6、在地图绘制完后，将地图信息发送到响应的话题时，将其形象地显示出来，这时使用Rviz工具显示AR机器人绘制地图的全过程，包括Kinect扫描到的障碍物边缘，移动AR机器人的移动过程，地图的形成过程；
S7、更新地图后的输出数据发布到Rviz平台显示当前的AR机器人的预估位姿和地图创建情况，运动控制部分从Gazebo平台获取里程计数据控制AR机器人的移动和转动控制；
S8、对实验数据进行分析。
作为本发明的一种优选技术方案，所述S1-S8中,使用的SLAM算法包括粒子滤波算法、梯度下降扫描匹配算法、基于频率的地图绘制算法和基于视觉的位姿变化估计算法。
作为本发明的一种优选技术方案，所述粒子滤波算法梯度下降扫描匹配算法用于根据视觉数据修正位姿，基于频率的地图绘制算法用于更新地图，基于视觉的位姿变化估算算法用于辅助预估位姿情况。
作为本发明的一种优选技术方案，所述S1-S8中，SLAM算法参数包括视觉传感器参数、扫描匹配算法用到的参数、创建的地图的参数和运动模型的噪声参数。
作为本发明的一种优选技术方案，所述S2中，ROS系统用键盘控制AR机器人的移动，且添加了AR机器人运动控制的程序，AR机器人移动程序使用Python编写。
作为本发明的一种优选技术方案，所述S2中，AR机器人节点输入的数据中话题有里程计信息和视觉信息，输出的话题专用于控制AR机器人的行动，且在Gazebo的配置文件里面进行设定。
作为本发明的一种优选技术方案，所述S2中，Gazebo模拟环境搭建，Gazebo启动时需要的地图参数，地图参数主要参考步骤S1中使用Gazebo软件进行模拟地图绘制，AR机器人的参数，Gazebo启动时同时启动将Kinect传感器接收的视觉信息转化为激光信息的程序，还包括扫描的高度和范围等参数，完成后启动Gazebo程序。
作为本发明的一种优选技术方案，所述S6中，利用SLAM算法程序绘制地图后，将地图信息发送到响应的话题时，将其形象地显示出来，这时使用Rviz工具显示AR机器人绘制地图的全过程，包括Kinect扫描到的障碍物边缘，移动AR机器人的移动过程，地图的形成过程。
有益效果
与现有技术相比，本发明提供了一种基于AR机器人的SLAM算法的实验方法，具备以下有益效果：通过使用SLAM算法能够使AR机器人稳定的绘制出模拟环境的地图，而且AR机器人运动控制程序能够使得机器人跑遍整个地图，大大增加了虚拟现实的增强感，并且利用视觉传感器的数据对移动距离和旋转角度进行估计，从而对里程计数据进行修正，改善传感器精度。
附图说明
图1为本发明提供了一种基于AR机器人的SLAM算法的实验方法的流程图。
具体实施方式
下面将结合本发明的实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，一种基于AR机器人的SLAM算法的实验方法，包括以下步骤：
S1、使用Gazebo软件进行模拟地图绘制；
S2、通过ROS搭建仿真环境，同时构建AR机器人节点，数据接收与发送，获取并处理传感器数据，并发送给SLAM算法程序，SLAM程序处理完后将地图发送到Rviz；
S3、Gazebo模拟环境搭建，Gazebo启动时需要的地图参数，AR机器人的参数，Gazebo启动时同时启动将Kinect传感器接收的视觉信息转化为激光信息的程序，还包括扫描的高度和范围等参数，完成后启动Gazebo程序；
S4、Rviz环境搭建，在显示AR机器人以及AR机器人通过运动时创建二维地图，通过ROS的launch文件搭建Rviz平台，包括参数有获取AR机器人位姿的话题、获取地图信息的话题、网格和激光信息；
S5、数据接收与发送，采用Publish和Subscribe话题的方式，采集到的Kinect数据传给SLAM算法程序绘制地图；
S6、在地图绘制完后，将地图信息发送到响应的话题时，将其形象地显示出来，这时使用Rviz工具显示AR机器人绘制地图的全过程，包括Kinect扫描到的障碍物边缘，移动AR机器人的移动过程，地图的形成过程；
S7、更新地图后的输出数据发布到Rviz平台显示当前的AR机器人的预估位姿和地图创建情况，运动控制部分从Gazebo平台获取里程计数据控制AR机器人的移动和转动控制；
S8、对实验数据进行分析。
通过使用SLAM算法能够使AR机器人稳定的绘制出模拟环境的地图，而且AR机器人运动控制程序能够使得机器人跑遍整个地图，大大增加了虚拟现实的增强感，并且利用视觉传感器的数据对移动距离和旋转角度进行估计，从而对里程计数据进行修正，改善传感器精度。
作为本实施例的一种具体技术方案，所述S1-S8中,使用的SLAM算法包括粒子滤波算法、梯度下降扫描匹配算法、基于频率的地图绘制算法和基于视觉的位姿变化估计算法，所述粒子滤波算法梯度下降扫描匹配算法用于根据视觉数据修正位姿，基于频率的地图绘制算法用于更新地图，基于视觉的位姿变化估算算法用于辅助预估位姿情况。
本实施方案中，多重算法增加数据的精确性。
作为本实施例的一种具体技术方案，所述S1-S8中，SLAM算法参数包括视觉传感器参数、扫描匹配算法用到的参数、创建的地图的参数和运动模型的噪声参数。
本实施方案中，视觉传感器参数包括扫描的最大的范围，用于创建地图时所用到的最大范围，扫描匹配算法用到的参数包括初始步长、匹配的搜索窗口大小和平滑似然估计的增益，创建的地图的参数如地图的大小，每块栅格所代表的实际的地图大小等。
作为本实施例的一种具体技术方案，所述S2中，ROS系统用键盘控制AR机器人的移动，且添加了AR机器人运动控制的程序，AR机器人移动程序使用Python编写。
本实施方案中，将机器人移动的命令发送到相应的话题实现对机器人的移动。
作为本实施例的一种具体技术方案，所述S2中，AR机器人节点输入的数据中话题有里程计信息和视觉信息，输出的话题专用于控制AR机器人的行动，且在Gazebo的配置文件里面进行设定。
本实施方案中，AR机器人运动程序根据里程计信息来判断前进的距离或者转动的角度是否达到预期要求，同时对机器人发送信息，使得其在达到目标前一直动作，如果在运动的过程中从视觉信息中提取的信息表示即将碰到障碍物，则机器人将打断之前的操作，并采取相应的行动来避免碰撞。
作为本发明的一种优选技术方案，所述S2中，Gazebo模拟环境搭建，Gazebo启动时需要的地图参数，地图参数主要参考步骤S1中使用Gazebo软件进行模拟地图绘制，AR机器人的参数，Gazebo启动时同时启动将Kinect传感器接收的视觉信息转化为激光信息的程序，还包括扫描的高度和范围等参数，完成后启动Gazebo程序。
作为本发明的一种优选技术方案，所述S6中，利用SLAM算法程序绘制地图后，将地图信息发送到响应的话题时，将其形象地显示出来，这时使用Rviz工具显示AR机器人绘制地图的全过程，包括Kinect扫描到的障碍物边缘，移动AR机器人的移动过程，地图的形成过程。
本发明的工作原理：针对具体情况使用到的算法包括用于机器人位姿修正的梯度下降的扫描匹配算法，以及用于绘制地图的基于频率的地图绘制算法，利用视觉传感器对算法的实现过程进行了改善，使得位姿变化更加准确，基于ROS平台，仿真环境使用的是Gazebo，核心部分包括SLAM算法部分和机器人运动控制部分，利用视觉传感器的数据对移动距离和旋转角度进行估计，从而对里程计数据进行修正，改善传感器精度，该方法在适用环境下是简单可行的。
综上所述，该基于AR机器人的SLAM算法的实验方法，通过使用SLAM算法能够使AR机器人稳定的绘制出模拟环境的地图，而且AR机器人运动控制程序能够使得机器人跑遍整个地图，大大增加了虚拟现实的增强感，并且利用视觉传感器的数据对移动距离和旋转角度进行估计，从而对里程计数据进行修正，改善传感器精度。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (8)

1.一种基于AR机器人的SLAM算法的实验方法，其特征在于，包括以下步骤：
S1、使用Gazebo软件进行模拟地图绘制；
S2、通过ROS搭建仿真环境，同时构建AR机器人节点，数据接收与发送，获取并处理传感器数据，并发送给SLAM算法程序，SLAM程序处理完后将地图发送到Rviz；
S3、Gazebo模拟环境搭建，Gazebo启动时需要的地图参数，AR机器人的参数，Gazebo启动时同时启动将Kinect传感器接收的视觉信息转化为激光信息的程序，还包括扫描的高度和范围等参数，完成后启动Gazebo程序；
S4、Rviz环境搭建，在显示AR机器人以及AR机器人通过运动时创建二维地图，通过ROS的launch文件搭建Rviz平台，包括参数有获取AR机器人位姿的话题、获取地图信息的话题、网格和激光信息；
S5、数据接收与发送，采用Publish和Subscribe话题的方式，采集到的Kinect数据传给SLAM算法程序绘制地图；
S6、在地图绘制完后，将地图信息发送到响应的话题时，将其形象地显示出来，这时使用Rviz工具显示AR机器人绘制地图的全过程，包括Kinect扫描到的障碍物边缘，移动AR机器人的移动过程，地图的形成过程；
S7、更新地图后的输出数据发布到Rviz平台显示当前的AR机器人的预估位姿和地图创建情况，运动控制部分从Gazebo平台获取里程计数据控制AR机器人的移动和转动控制；
S8、对实验数据进行分析。
2.根据权利要求1所述的一种基于AR机器人的SLAM算法的实验方法，其特征在于，所述S1-S8中,使用的SLAM算法包括粒子滤波算法、梯度下降扫描匹配算法、基于频率的地图绘制算法和基于视觉的位姿变化估计算法。
3.根据权利要求2所述的一种基于AR机器人的SLAM算法的实验方法，其特征在于，所述粒子滤波算法梯度下降扫描匹配算法用于根据视觉数据修正位姿，基于频率的地图绘制算法用于更新地图，基于视觉的位姿变化估算算法用于辅助预估位姿情况。
4.根据权利要求1所述的一种基于AR机器人的SLAM算法的实验方法，其特征在于，所述S1-S8中，SLAM算法参数包括视觉传感器参数、扫描匹配算法用到的参数、创建的地图的参数和运动模型的噪声参数。
5.根据权利要求1所述的一种基于AR机器人的SLAM算法的实验方法，其特征在于，所述S2中，ROS系统用键盘控制AR机器人的移动，且添加了AR机器人运动控制的程序，AR机器人移动程序使用Python编写。
6.根据权利要求1所述的一种基于AR机器人的SLAM算法的实验方法，其特征在于，所述S2中，AR机器人节点输入的数据中话题有里程计信息和视觉信息，输出的话题专用于控制AR机器人的行动，且在Gazebo的配置文件里面进行设定。
7.根据权利要求1所述的一种基于AR机器人的SLAM算法的实验方法，其特征在于，所述S2中，Gazebo模拟环境搭建，Gazebo启动时需要的地图参数，地图参数主要参考步骤S1中使用Gazebo软件进行模拟地图绘制，AR机器人的参数，Gazebo启动时同时启动将Kinect传感器接收的视觉信息转化为激光信息的程序，还包括扫描的高度和范围等参数，完成后启动Gazebo程序。
8.根据权利要求1所述的一种基于AR机器人的SLAM算法的实验方法，其特征在于，所述S6中，利用SLAM算法程序绘制地图后，将地图信息发送到响应的话题时，将其形象地显示出来，这时使用Rviz工具显示AR机器人绘制地图的全过程，包括Kinect扫描到的障碍物边缘，移动AR机器人的移动过程，地图的形成过程。
CN201911159612.4A 2019-11-22 2019-11-22 一种基于ar机器人的slam算法的实验方法 Pending CN110887489A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911159612.4A CN110887489A (zh) 2019-11-22 2019-11-22 一种基于ar机器人的slam算法的实验方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911159612.4A CN110887489A (zh) 2019-11-22 2019-11-22 一种基于ar机器人的slam算法的实验方法

Publications (1)

Publication Number Publication Date
CN110887489A true CN110887489A (zh) 2020-03-17

Family

ID=69748508

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911159612.4A Pending CN110887489A (zh) 2019-11-22 2019-11-22 一种基于ar机器人的slam算法的实验方法

Country Status (1)

Country Link
CN (1) CN110887489A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111708283A (zh) * 2020-06-29 2020-09-25 炬星科技（深圳）有限公司 一种机器人仿真方法、设备以及计算机可读存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104950695A (zh) * 2015-07-15 2015-09-30 浙江工业大学 一种通用的无人机视觉仿真平台
CN107063264A (zh) * 2017-04-13 2017-08-18 杭州申昊科技股份有限公司 一种适用于大规模变电站环境的机器人地图创建方法
CN108646761A (zh) * 2018-07-12 2018-10-12 郑州大学 基于ros的机器人室内环境探索、避障和目标跟踪方法
CN108765563A (zh) * 2018-05-31 2018-11-06 北京百度网讯科技有限公司 基于ar的slam算法的处理方法、装置及设备
CN109079736A (zh) * 2018-08-02 2018-12-25 广东工业大学 一种基于ros的移动机器人平台的控制方法及系统
CN109782768A (zh) * 2019-01-26 2019-05-21 哈尔滨玄智科技有限公司 一种适配于内行星式复合轮系搬运机器人的自主导航系统
CN110262283A (zh) * 2019-06-11 2019-09-20 远形时空科技（北京）有限公司 一种多场景的视觉机器人仿真平台及方法
CN110333513A (zh) * 2019-07-10 2019-10-15 国网四川省电力公司电力科学研究院 一种融合最小二乘法的粒子滤波slam方法
CN110333720A (zh) * 2019-07-10 2019-10-15 国网四川省电力公司电力科学研究院 一种基于粒子滤波的slam优化方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104950695A (zh) * 2015-07-15 2015-09-30 浙江工业大学 一种通用的无人机视觉仿真平台
CN107063264A (zh) * 2017-04-13 2017-08-18 杭州申昊科技股份有限公司 一种适用于大规模变电站环境的机器人地图创建方法
CN108765563A (zh) * 2018-05-31 2018-11-06 北京百度网讯科技有限公司 基于ar的slam算法的处理方法、装置及设备
CN108646761A (zh) * 2018-07-12 2018-10-12 郑州大学 基于ros的机器人室内环境探索、避障和目标跟踪方法
CN109079736A (zh) * 2018-08-02 2018-12-25 广东工业大学 一种基于ros的移动机器人平台的控制方法及系统
CN109782768A (zh) * 2019-01-26 2019-05-21 哈尔滨玄智科技有限公司 一种适配于内行星式复合轮系搬运机器人的自主导航系统
CN110262283A (zh) * 2019-06-11 2019-09-20 远形时空科技（北京）有限公司 一种多场景的视觉机器人仿真平台及方法
CN110333513A (zh) * 2019-07-10 2019-10-15 国网四川省电力公司电力科学研究院 一种融合最小二乘法的粒子滤波slam方法
CN110333720A (zh) * 2019-07-10 2019-10-15 国网四川省电力公司电力科学研究院 一种基于粒子滤波的slam优化方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111708283A (zh) * 2020-06-29 2020-09-25 炬星科技（深圳）有限公司 一种机器人仿真方法、设备以及计算机可读存储介质

Similar Documents

Publication Publication Date Title
Choi et al. An integrated mixed reality system for safety-aware human-robot collaboration using deep learning and digital twin generation
CN112859859B (zh) 一种基于三维障碍物体素对象映射的动态栅格地图更新方法
JP6571274B2 (ja) レーザ深度マップサンプリングのためのシステム及び方法
CN108161882B (zh) 一种基于增强现实的机器人示教再现方法及装置
CN109416843B (zh) 实时高度映射
CN110216674B (zh) 一种冗余自由度机械臂视觉伺服避障系统
US11393169B2 (en) Photogrammetry of building using machine learning based inference
CN108297115B (zh) 一种机器人的自主重定位方法
CN110728739B (zh) 一种基于视频流的虚拟人控制与交互方法
CN111645065A (zh) 一种基于深度强化学习的机械臂运动规划方法
CN107665508B (zh) 实现增强现实的方法及系统
CN112752028B (zh) 移动平台的位姿确定方法、装置、设备和存储介质
CN107025661B (zh) 一种实现增强现实的方法、服务器、终端及系统
CN111241940B (zh) 一种机器人的远程控制方法、人体边界框确定方法及系统
CN112580582A (zh) 动作学习方法、装置、介质及电子设备
JP2021177144A (ja) 情報処理装置、情報処理方法及びープログラム
CN110887489A (zh) 一种基于ar机器人的slam算法的实验方法
CN114815851A (zh) 机器人跟随方法、装置、电子设备以及存储介质
CN114169546A (zh) 一种基于深度学习的mr远程协同装配系统及方法
CN113021329B (zh) 一种机器人运动控制方法、装置、可读存储介质及机器人
Klaser et al. Simulation of an autonomous vehicle with a vision-based navigation system in unstructured terrains using OctoMap
RU2685996C1 (ru) Способ и система предиктивного избегания столкновения манипулятора с человеком
Cui et al. Simulation and Implementation of Slam Drawing Based on Ros Wheeled Mobile Robot
Paton et al. Eyes in the back of your head: Robust visual teach & repeat using multiple stereo cameras
CN106960474B (zh) 一种基于高度探测器以自动计算3d模型移动后的高度的系统与方法

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