CN110927732A - 位姿识别方法、电子设备和存储介质 - Google Patents

位姿识别方法、电子设备和存储介质 Download PDF

Info

Publication number
CN110927732A
CN110927732A CN201911001325.0A CN201911001325A CN110927732A CN 110927732 A CN110927732 A CN 110927732A CN 201911001325 A CN201911001325 A CN 201911001325A CN 110927732 A CN110927732 A CN 110927732A
Authority
CN
China
Prior art keywords
point cloud
pose
cloud data
reflective
guided vehicle
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
CN201911001325.0A
Other languages
English (en)
Inventor
王隆潭
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.)
Shanghai Bingtong Intelligent Technology Co Ltd
Original Assignee
Shanghai Bingtong Intelligent 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 Shanghai Bingtong Intelligent Technology Co Ltd filed Critical Shanghai Bingtong Intelligent Technology Co Ltd
Priority to CN201911001325.0A priority Critical patent/CN110927732A/zh
Publication of CN110927732A publication Critical patent/CN110927732A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Electromagnetism (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明实施例涉及自动导引车控制技术领域，公开了一种位姿识别方法、电子设备和存储介质。该方法包括：通过设置于自动导引车上的传感装置获取点云数据；从点云数据中识别得到目标点云；其中，目标点云为预先部署于对接位置处的两个反光定位件对应的点云数据；根据目标点云以及两个反光定位件的预设参数拟合得到自动导引车相对于对接位置的位姿；其中，自动导引车根据位姿进行导航。本发明实施方式可提高自动导引车等的定位准确度以及可靠度，从而能够满足一些高精度定位需求。

Description

位姿识别方法、电子设备和存储介质
技术领域
本发明涉及自动导引车控制技术领域，特别涉及一种位姿识别方法、电子设备和存储介质。
背景技术
AGV(Automated Guided Vehicle，自动导引车)是装备有电磁或光学等自动导引装置，能够沿规定的导引路径行驶，具有安全保护以及各种移载功能的运输车。激光具有准直性和不发散性，能够准确测量距离，因而广泛用于机器人定位导航。激光SLAM(Simultaneous Localization and Mapping,即时定位与地图构建)是现有比较典型且被广泛应用的导航技术。基于激光SLAM的导航方案部署方便、使用简单、技术成熟。
与此同时，发明人发现相关技术至少存在以下问题：激光SLAM技术尚有一些难以克服的点，例如场景的时变性、对称性和激光的稀疏性等等，这些因素的存在都对SLAM定位的准确性和可靠性提出了挑战。并且，目前基于SLAM的定位导航方法尚达不到毫米级的定位精度，无法满足某些特定场景的应用要求。
发明内容
本发明实施方式的目的在于提供一种位姿识别方法、电子设备和存储介质，可提高自动导引车等的定位准确度以及可靠度，从而满足一些高精度定位需求。
为解决上述技术问题，本发明的实施方式提供了一种位姿识别方法，包括：
通过设置于自动导引车上的传感装置获取点云数据；
从所述点云数据中识别得到目标点云；其中，所述目标点云为预先部署于对接位置处的两个反光定位件对应的点云数据；
根据所述目标点云以及所述两个反光定位件的预设参数拟合得到所述自动导引车相对于所述对接位置的位姿；其中，所述自动导引车根据所述位姿进行导航。
本发明的实施方式还提供了一种电子设备，包括：存储器和处理器，存储器存储计算机程序，处理器运行所述计算机程序以实现如前所述的位姿识别方法。
本发明的实施方式还提供了一种存储介质，用于存储计算机可读程序，所述计算机可读程序用于供计算机执行如前所述的位姿识别方法。
本发明实施方式相对于现有技术而言，预先在对接位置处部署两个反光定位件，通过设置于自动导引车上的传感装置获取点云数据，并从点云数据中识别得到两个反光定位件对应的目标点云，根据目标点云以及两个反光定位件的预设参数拟合得到自动导引车相对于对接位置的位姿，从而实现自动导引车的自动导航。本发明实施方式通过利用两个反光定位件的预设参数得到自动导引车的位姿，由于两个反光定位件的预设参数具有较高的准确性，因而可避免场景时变性、对称性以及激光稀疏性等不利因素对于位姿识别结果的影响，使得位姿识别结果更为准确、可靠，进而满足更高的定位精度需求。
作为一个实施例，所述反光定位件为反光柱，所述两个反光定位件的预设参数包括所述两个反光柱之间的距离；
所述从所述点云数据中识别得到目标点云，具体包括：
对所述点云数据进行聚类；
根据聚类结果以及所述两个反光柱之间的距离筛选得到所述目标点云。
作为一个实施例，所述聚类结果包含若干个点云簇；
所述根据聚类结果以及所述两个反光柱之间的距离筛选得到所述目标点云，具体包括：
计算得到各所述点云簇的重心；
确定所述聚类结果中包含的点云簇中是否存在两个目标簇；其中，所述两个目标簇的重心之间的距离与所述两个反光柱之间的距离满足预设条件；
若存在所述两个目标簇，则提取所述两个目标簇对应的点云数据作为所述目标点云。
作为一个实施例，在所述根据聚类结果以及所述两个反光柱之间的距离筛选得到所述目标点云之前，还包括：
确定所述聚类结果中是否存在噪声簇；
若存在所述噪声簇，则从所述聚类结果中删除所述噪声簇。
作为一个实施例，所述噪声簇对应的点云数据包含的点数小于预设值。
作为一个实施例，在所述对所述点云数据进行聚类之前，还包括：
过滤掉获取的所述点云数据中光强值小于预设光强阈值的点云数据。
作为一个实施例，所述两个反光柱的半径相同，所述反光柱的半径大于或者等于3毫米且小于或者等于5厘米。
作为一个实施例，所述两个反光柱之间的距离在预设范围内取值。
附图说明
图1是根据本发明第一实施方式位姿识别方法的光伏板AGV传送系统的结构示意图；
图2是根据本发明第一实施方式位姿识别方法的光伏板AGV的结构示意图；
图3是根据本发明第一实施方式位姿识别方法的流程图；
图4是根据本发明第二实施方式位姿识别方法的流程图；
图5是根据本发明第三实施方式电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，为了使读者更好地理解本发明而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本发明所要求保护的技术方案。
本发明的第一实施方式涉及一种位姿识别方法，包括：通过设置于自动导引车上的传感装置获取点云数据；从点云数据中识别得到目标点云；其中，目标点云为预先部署于对接位置处的两个反光定位件对应的点云数据；根据目标点云以及两个反光定位件的预设参数拟合得到自动导引车相对于对接位置的位姿；其中，自动导引车根据位姿进行导航。本发明实施方式相对于现有激光SLAM定位导航方法而言，预先在对接位置处部署两个反光定位件，通过设置于自动导引车上的传感装置获取点云数据，并从点云数据中识别得到两个反光定位件对应的目标点云，根据目标点云以及两个反光定位件的预设参数拟合得到自动导引车相对于对接位置的位姿，从而实现自动导引车的自动导航。本发明实施方式通过利用两个反光定位件的预设参数得到自动导引车的位姿，由于两个反光定位件的预设参数具有较高的准确性，因而可避免场景时变性、对称性以及激光稀疏性等不利因素对于位姿识别结果的影响，使得位姿识别结果更为准确、可靠，进而满足更高的定位精度需求。
本实施方式的位姿识别方法可以实现毫米级的局部高精度定位，下面结合图1至图3对本实施方式的位姿识别方法进行详细说明。本实施方式以光伏板AGV传送系统为例，该系统用于在光伏板生产线上运输光伏板，其是一种典型的需要高精度定位的应用，本实施方式对于应用场景不做具体限制。如图1、2所示，光伏板AGV传送系统包括光伏板自动导引车1、对接工位2、第一反光柱3、第二反光柱4和激光雷达5。光伏板自动导引车1自动将硅片花篮运送到指定的对接工位2，并精准对接到传送系统的传送带上之后，完成光伏板传输。
在实际应用中，第一反光柱3和第二反光柱4预先部署在对接工位2的两侧，且不被遮挡，能够被光伏板自动导引车1上配置的激光雷达5照射到。第一反光柱3和第二反光柱4的轴线均垂直地面，两者之间的距离(记为H)在预设范围内，比如H在1至2米之间取值，然不限于此。H可以为固定值，即第一反光柱3和第二反光柱4固定安装在对接工位2上。或者，H也可以根据需要调整，即第一反光柱3和第二反光柱4可移动地设置于对接工位上，当H的值发生变化时，需要及时上报至光伏板自动导引车1。需要说明的是，不同对接工位上的第一反光柱3以及第二反光柱4之间的距离H可以相同，也可以不同。当存在不同的H时，光伏板自动导引车1可通过已知技术识别出当前对接工位上的第一反光板3和第二反光板4之间的距离，此处不再赘述。作为举例而非限制，第一反光柱3和第二反光柱4均为圆柱，且两者的半径r相同，在实际应用中，r可以在大于或者等于3厘米且于或者等于5厘米的范围内取值，比如反光柱的半径为5厘米。本实施方式中，第一反光柱3和第二反光柱均可由PCV管材制成，且PVC管材表面覆盖高反光材料。需要说明的是，第一反光柱3和第二反光柱4作为辅助反光定位件的一种，本实施方式对其形状以及具体尺寸均不作限制。
如图3所示，本实施方式的位姿识别方法包括步骤301至步骤307。
步骤301：通过设置于自动导引车上的传感装置获取点云数据。
其中，自动导引车比如为光伏板自动导引车1，传感装置比如为激光雷达，然不限于此。对接工位2上的第一反光柱3和第二反光柱4被激光雷达5照射后，返回强度很高的光线使得激光雷达5获取光强值很高的扫描数据，激光雷达5将扫描数据转换成点云数据后提供给光伏板自动导引车1。在一些例子中，本实施方式的位姿识别方法也可由其他控制设备,比如AGV的中控执行，此时，由AGV将接收到的点云数据转发至中控处理。点云数据包含扫描到的每个点到激光雷达5的测距值和光强值，测距值可用于计算每个点的坐标信息。
步骤302：过滤掉获取的点云数据中光强值小于预设光强阈值的点云数据。
本实施方式中，第一反光柱3和第二反光柱4反射形成的光强值远高于环境中其他物体(亦称背景)反射形成的光强值，因此，可以通过设置合适的光强阈值，将点云数据中由背景形成的光强值过滤掉，从而有利于提高处理效率。预设光强阈值的大小可以根据反光柱的光强值确定，此处不再赘述。
步骤303：按照几何空间的距离对点云数据进行聚类。
具体而言，即是根据不同点在物理空间的距离进行聚类，并根据聚类结果将点云数据分簇。在实际应用中，可以采用欧几里得算法对过滤后的点云数据进行聚类，具体采用欧氏距离判定两个点是否为同一类，比如，如果A点与B点之间的欧氏距离在设定范围以内，则A点和B点为同类。具体地，可使用K-DTree对点云数据中的临近点进行搜索，点云数据中的欧氏距离在2cm以内的被判定为近邻。本实施方式对于聚类算法不作具体限制。通过聚类、分簇，可以将过滤后的点云数据中的不同高反射强度的反射源形成的点云数据区分开。分簇后点云数据可能被分为一簇或者多簇，具体由获取的点云数据以及聚类算法确定。比如，当过滤后的点云数据包含由反射源C以及反光柱所形成的点云数据时，通过聚类、分簇，可以将点云数据分为反射源C对应的一簇点云数据以及反光柱对应的一簇点云数据。
步骤304：计算得到各点云簇的重心。
具体地，可以将该簇点云中所有点的坐标值相加，再除以该簇点云中点的数量，即可得到该簇点云的重心，比如为(x,y)。以此类推，分别得到点云数据中各点云簇的重心。
步骤305：确定聚类结果中包含的点云簇中是否存在两个目标簇，若聚类结果中存在两个目标簇，则执行步骤306，若不存在两个目标簇，则返回步骤301。
其中，两个目标簇的重心之间的距离与两个反光柱之间的距离满足预设条件。比如，计算每两个点云簇的重心之间的欧式距离，将计算出的欧氏距离中最接近第一反光柱和第二反光柱之间的距离H的两个点云簇作为两个目标簇，然不限于此，在一些例子中，也可以将两个点云簇的欧氏距离与H之比在预设比值范围内的两个点云簇作为目标点云簇，该预设比值范围比如为大于或者等于0.7且小于或者等于1。
步骤306：提取两个目标簇对应的点云数据作为目标点云。
从而可得到第一反光柱和第二反光柱对应的点云数据。
步骤307：根据目标点云以及两个反光定位件的预设参数拟合得到自动导引车相对于对接位置的位姿。
其中，自动导引车根据位姿进行导航。具体地，两个反光定位件的预设参数包括第一反光柱和第二反光柱的坐标以及半径。其中，第一反光柱和第二反光柱的世界坐标以及半径均可预先获得。步骤307中，给点云(即第一反光柱和第二反光柱的中点对应的点)一个初始位置Pi和初始角度Ai，通过非线性拟合，将目标点云(即第一反光柱和第二反光柱对应的点云)与两个半径为r,圆心距离为H，圆心点真实坐标分别为C1、C2的几何形状做拟合，从而求解真实的光伏板AGV与对接工位的相对位置P和旋转角度A，进而求得AGV在世界坐标系下的高精度位姿。具体地，获取的点云数据为S＝{p1,p2,p3,......pn}，点云数据所在坐标系是AGV坐标系oa-xy；而反光柱所在坐标系是世界坐标系ow-xy；两个反光柱圆心坐标分别为p′1和p′2，反光柱半径为r。计算目标点云与预设参数的残差，具体计算公式如下：
Figure BDA0002241427250000061
其中，旋转矩阵R为：
Figure BDA0002241427250000062
平移矩阵T为：
Figure BDA0002241427250000063
n表示过滤后点云中的第n个点，Pn表示第n个点的位置，φ表示旋转角度。经过多次迭代计算，使得残差E最小，从而得到最优的位姿R、T，进而使得AGV能够根据该位姿与对接工位进行对接。
本实施方式与现有技术相比，通过在对接工位预先部署两个反光柱，并利用该两个反光柱的点云数据以及其坐标、半径等拟合得到AGV相对于对接工位的真实位姿，由于两个反光柱的坐标以及半径等均为可预先获得的精确数据，因此可避免现有激光SLAM定位方法中由于场景时变性、对称性以及激光稀疏性等不利因素造成的准确性、可靠性低的问题，提高AGV位姿识别的准确性，比如使得AGV的坐标可以精确到5毫米级，从而可以满足光伏传送等对识别精度要求更高的应用的需求。并且，反光柱安装方便、便于拆卸、易于运输，实施成本低。
本发明的第二实施方式涉及一种位姿识别方法，第二实施方式在第一实施方式的基础上做出进一步改进，主要改进之处在于：本实施方式对分簇后的点云数据进一步进行过滤，从而进一步降低计算量。
如图4所示，本实施方式的位姿识别方法包括步骤401至步骤409。其中，步骤401至步骤403与第一实施方式的步骤101至步骤103分别对应相同，步骤406至步骤409与第一实施方式的步骤304至步骤307分别对应相同，此处不再赘述。
步骤404：确定聚类结果中是否存在噪声簇，若存在噪声簇，则执行步骤405，否则执行步骤406。
其中，噪声簇对应的点云数据包含的点数小于预设值。步骤404中，逐一确定聚类结果中的各个簇中包含的点数是否小于预设值，若小于预设值，则确定该簇为噪声簇，否则确定该簇不为噪声簇。其中，预设值的大小可以根据实际经验确定。
步骤405：从聚类结果中删除噪声簇。
本实施方式与现有技术相比，通过在对接工位预先部署两个反光柱，并利用该两个反光柱的点云数据以及其坐标、半径等拟合得到AGV相对于对接工位的真实位姿，由于两个反光柱的坐标以及半径等均为可预先获得的精确数据，因此可避免现有激光SLAM定位方法中由于场景时变性、对称性以及激光稀疏性等不利因素造成的准确性、可靠性低的问题，提高AGV位姿识别的准确性，比如使得AGV的坐标可以精确到5毫米级，从而可以满足光伏传送等对识别精度要求更高的应用的需求。并且，反光柱安装方便、便于拆卸、易于运输，实施成本低。而且，本实施方式通过识别和删除噪声簇，有利于进一步降低计算量。
本发明的第三实施方式涉及一种电子设备，包括但不限于AGV以及AGV的控制设备，比如中控。如图5所示，该电子设备包括：存储器502和处理器501；
其中，所述存储器502存储有可被所述至少一个处理器501执行的指令，所述指令被所述至少一个处理器501执行以实现：通过设置于自动导引车上的传感装置获取点云数据；从点云数据中识别得到目标点云；其中，目标点云为预先部署于对接位置处的两个反光定位件对应的点云数据；根据目标点云以及两个反光定位件的预设参数拟合得到自动导引车相对于对接位置的位姿；其中，自动导引车根据位姿进行导航。
该电子设备包括一个或多个处理器501以及存储器502，图5中以一个处理器501为例。处理器501、存储器502可以通过总线或者其他方式连接，图5中以通过总线连接为例。存储器502作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。处理器501通过运行存储在存储器502中的非易失性软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述位姿识别方法。
存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序。此外，存储器502可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施方式中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至外接设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个模块存储在存储器502中，当被一个或者多个处理器501执行时，执行上述任意方法实施方式中的位姿识别方法。
上述设备可执行本发明实施方式所提供的方法，具备执行方法相应的功能模块和有益效果，未在本实施方式中详尽描述的技术细节，可参见本发明实施方式所提供的方法。
本实施方式与现有技术相比，通过在对接工位预先部署两个反光柱，并利用该两个反光柱的点云数据以及其坐标、半径等拟合得到AGV相对于对接工位的真实位姿，由于两个反光柱的坐标以及半径等均为可预先获得的精确数据，因此可避免现有激光SLAM定位方法中由于场景时变性、对称性以及激光稀疏性等不利因素造成的准确性、可靠性低的问题，提高AGV位姿识别的准确性，比如使得AGV的坐标可以精确到5毫米级，从而可以满足光伏传送等对识别精度要求更高的应用的需求。并且，反光柱安装方便、便于拆卸、易于运输，实施成本低。
本发明的第四实施方式涉及一种非易失性存储介质，用于存储计算机可读程序，所述计算机可读程序用于供计算机执行上述部分或全部的方法实施例。
即，本领域技术人员可以理解，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相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。

Claims (10)

1.一种位姿识别方法，其特征在于，包括：
通过设置于自动导引车上的传感装置获取点云数据；
从所述点云数据中识别得到目标点云；其中，所述目标点云为预先部署于对接位置处的两个反光定位件对应的点云数据；
根据所述目标点云以及所述两个反光定位件的预设参数拟合得到所述自动导引车相对于所述对接位置的位姿；其中，所述自动导引车根据所述位姿进行导航。
2.根据权利要求1所述的位姿识别方法，其特征在于，所述反光定位件为反光柱，所述两个反光定位件的预设参数包括两个所述反光柱之间的距离；
所述从所述点云数据中识别得到目标点云，具体包括：
按照几何空间的距离对所述点云数据进行聚类；
根据聚类结果以及所述两个反光柱之间的距离筛选得到所述目标点云。
3.根据权利要求2所述的位姿识别方法，其特征在于，所述聚类结果包含若干个点云簇；
所述根据聚类结果以及所述两个反光柱之间的距离筛选得到所述目标点云，具体包括：
计算得到各所述点云簇的重心；
确定所述聚类结果中包含的点云簇中是否存在两个目标簇；其中，所述两个目标簇的重心之间的距离与所述两个反光柱之间的距离满足预设条件；
若存在所述两个目标簇，则提取所述两个目标簇对应的点云数据作为所述目标点云。
4.根据权利要求3所述的位姿识别方法，其特征在于，在所述根据聚类结果以及所述两个反光柱之间的距离筛选得到所述目标点云之前，还包括：
确定所述聚类结果中是否存在噪声簇；
若存在所述噪声簇，则从所述聚类结果中删除所述噪声簇。
5.根据权利要求4所述的位姿识别方法，其特征在于，所述噪声簇对应的点云数据包含的点数小于预设值。
6.根据权利要求2至5中任一项所述的位姿识别方法，其特征在于，在所述对所述点云数据进行聚类之前，还包括：
过滤掉获取的所述点云数据中光强值小于预设光强阈值的点云数据。
7.根据权利要求2所述的位姿识别方法，其特征在于，所述两个反光柱的半径相同，所述反光柱的半径大于或者等于3厘米且小于或者等于5厘米。
8.根据权利要求2所述的位姿识别方法，其特征在于，所述两个反光柱之间的距离在预设范围内取值。
9.一种电子设备，其特征在于，包括：存储器和处理器，存储器存储计算机程序，处理器运行所述计算机程序以实现如权利要求1至8中任一项所述的位姿识别方法。
10.一种存储介质，其特征在于，用于存储计算机可读程序，所述计算机可读程序用于供计算机执行如权利要求1至8中任一项所述的位姿识别方法。
CN201911001325.0A 2019-10-21 2019-10-21 位姿识别方法、电子设备和存储介质 Pending CN110927732A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911001325.0A CN110927732A (zh) 2019-10-21 2019-10-21 位姿识别方法、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911001325.0A CN110927732A (zh) 2019-10-21 2019-10-21 位姿识别方法、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN110927732A true CN110927732A (zh) 2020-03-27

Family

ID=69849357

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911001325.0A Pending CN110927732A (zh) 2019-10-21 2019-10-21 位姿识别方法、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN110927732A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111694013A (zh) * 2020-06-11 2020-09-22 三一机器人科技有限公司 一种反光柱建图方法、装置、设备及存储介质
CN112327312A (zh) * 2020-10-28 2021-02-05 上海高仙自动化科技发展有限公司 一种车辆位姿确定方法、装置、车辆及存储介质
CN113465606A (zh) * 2021-06-30 2021-10-01 三一机器人科技有限公司 末端工位定位方法、装置及电子设备
CN113673276A (zh) * 2020-05-13 2021-11-19 广东博智林机器人有限公司 目标物体识别对接方法、装置、电子设备及存储介质
CN113984065A (zh) * 2021-10-27 2022-01-28 山东亚历山大智能科技有限公司 一种用于室内机器人的反光板地图生成方法及系统
CN114371710A (zh) * 2022-01-07 2022-04-19 牧原肉食品有限公司 基于反光柱的移动机器人的导航方法、设备及可读存储介质
CN114675281A (zh) * 2021-12-31 2022-06-28 广东贝导智能科技有限公司 一种设备定位方法、装置、电子设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3024679A1 (de) * 1980-06-30 1982-01-21 Rainer 7602 Oberkirch Hess Optisches kantenerkennungsgeraet
CN107144853A (zh) * 2017-07-13 2017-09-08 浙江科钛机器人股份有限公司 一种基于数据筛选的双反光柱激光定位与导航方法
CN107817500A (zh) * 2017-07-28 2018-03-20 浙江工业大学 一种模块化舞台激光定位方法
CN109084738A (zh) * 2018-07-06 2018-12-25 上海宾通智能科技有限公司 一种可调节高度的标定系统及标定方法
CN109816050A (zh) * 2019-02-23 2019-05-28 深圳市商汤科技有限公司 物体位姿估计方法及装置
CN110082775A (zh) * 2019-05-23 2019-08-02 北京主线科技有限公司 基于激光装置的车辆定位方法和系统
CN110132130A (zh) * 2019-03-05 2019-08-16 上海宾通智能科技有限公司 激光雷达位置标定方法、系统及其数据处理方法、系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3024679A1 (de) * 1980-06-30 1982-01-21 Rainer 7602 Oberkirch Hess Optisches kantenerkennungsgeraet
CN107144853A (zh) * 2017-07-13 2017-09-08 浙江科钛机器人股份有限公司 一种基于数据筛选的双反光柱激光定位与导航方法
CN107817500A (zh) * 2017-07-28 2018-03-20 浙江工业大学 一种模块化舞台激光定位方法
CN109084738A (zh) * 2018-07-06 2018-12-25 上海宾通智能科技有限公司 一种可调节高度的标定系统及标定方法
CN109816050A (zh) * 2019-02-23 2019-05-28 深圳市商汤科技有限公司 物体位姿估计方法及装置
CN110132130A (zh) * 2019-03-05 2019-08-16 上海宾通智能科技有限公司 激光雷达位置标定方法、系统及其数据处理方法、系统
CN110082775A (zh) * 2019-05-23 2019-08-02 北京主线科技有限公司 基于激光装置的车辆定位方法和系统

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113673276A (zh) * 2020-05-13 2021-11-19 广东博智林机器人有限公司 目标物体识别对接方法、装置、电子设备及存储介质
CN111694013A (zh) * 2020-06-11 2020-09-22 三一机器人科技有限公司 一种反光柱建图方法、装置、设备及存储介质
CN111694013B (zh) * 2020-06-11 2023-03-28 三一机器人科技有限公司 一种反光柱建图方法、装置、设备及存储介质
CN112327312A (zh) * 2020-10-28 2021-02-05 上海高仙自动化科技发展有限公司 一种车辆位姿确定方法、装置、车辆及存储介质
CN113465606A (zh) * 2021-06-30 2021-10-01 三一机器人科技有限公司 末端工位定位方法、装置及电子设备
CN113984065A (zh) * 2021-10-27 2022-01-28 山东亚历山大智能科技有限公司 一种用于室内机器人的反光板地图生成方法及系统
CN114675281A (zh) * 2021-12-31 2022-06-28 广东贝导智能科技有限公司 一种设备定位方法、装置、电子设备及存储介质
CN114371710A (zh) * 2022-01-07 2022-04-19 牧原肉食品有限公司 基于反光柱的移动机器人的导航方法、设备及可读存储介质
CN114371710B (zh) * 2022-01-07 2024-04-30 牧原肉食品有限公司 基于反光柱的移动机器人的导航方法、设备及可读存储介质

Similar Documents

Publication Publication Date Title
CN110927732A (zh) 位姿识别方法、电子设备和存储介质
CN110793512A (zh) 位姿识别方法、装置、电子设备和存储介质
JP6811763B2 (ja) 点群データ収集軌跡を調整するための方法、装置、およびコンピュータ読み取り可能な媒体
CN112179330B (zh) 移动设备的位姿确定方法及装置
CN110561423B (zh) 位姿变换的方法、机器人及存储介质
CN111624622B (zh) 障碍物检测方法、装置
CN114820391B (zh) 基于点云处理的仓储托盘检测定位方法及系统
US20200124725A1 (en) Navigable region recognition and topology matching, and associated systems and methods
WO2021035618A1 (zh) 点云分割方法、系统和可移动平台
CN113920134A (zh) 一种基于多线激光雷达的斜坡地面点云分割方法及系统
EP3447729A1 (en) 2d vehicle localizing using geoarcs
LU500407B1 (en) Real-time positioning method for inspection robot
CN112465908B (zh) 一种物体定位方法、装置、终端设备及存储介质
CN111308500A (zh) 基于单线激光雷达的障碍物感知方法、装置和计算机终端
Lyasheva et al. The image analysis using fast radial symmetry transform in control systems base on the computer vision
CN113807293B (zh) 减速带的检测方法、系统、设备及计算机可读存储介质
CN109635641B (zh) 道路边界线的确定方法、装置、设备和存储介质
CN114489050A (zh) 沿直线行驶的避障路线控制方法、装置、设备及存储介质
CN112306049A (zh) 自主机器人及其避障方法、装置和存储介质
CN112223281A (zh) 机器人及其定位方法和装置
CN114966630B (zh) 一种基于目标球体的多激光雷达校准方法及系统
CN110455274B (zh) 基于倒角距离形状匹配的agv初始定位方法及定位系统
CN113607154A (zh) 一种室内机器人二维自主定位方法、系统、设备及介质
CN114688992B (zh) 一种反光物的识别方法、装置、电子设备及存储介质
TWI804845B (zh) 物件定位方法及物件定位系統

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200327