CN110955263A - 移动机器人的主动感知与自主趋近方法及移动机器人系统 - Google Patents
移动机器人的主动感知与自主趋近方法及移动机器人系统 Download PDFInfo
- Publication number
- CN110955263A CN110955263A CN201911421317.1A CN201911421317A CN110955263A CN 110955263 A CN110955263 A CN 110955263A CN 201911421317 A CN201911421317 A CN 201911421317A CN 110955263 A CN110955263 A CN 110955263A
- Authority
- CN
- China
- Prior art keywords
- target
- mobile robot
- global
- autonomous
- dynamic
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000013459 approach Methods 0.000 claims abstract description 37
- 238000001514 detection method Methods 0.000 claims abstract description 14
- 238000012163 sequencing technique Methods 0.000 claims abstract description 14
- 230000008447 perception Effects 0.000 claims abstract description 12
- 230000003068 static effect Effects 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 5
- 230000007613 environmental effect Effects 0.000 abstract description 3
- 238000011160 research Methods 0.000 description 8
- 230000004807 localization Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007321 biological mechanism Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004899 motility Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/12—Target-seeking control
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供一种移动机器人的主动感知与自主趋近方法及移动机器人系统。方法包括根据SLAM构建待监控环境的全局环境地图；利用多种传感器分别观测待监控环境中存在的目标；根据观测到任一目标的传感器数量，推算出任一目标在全局环境地图中的全局位置；将检测到的多个目标按照预设规则进行排序，根据排序结果判断是否对任一目标执行抵近观测；响应于对任一目标执行抵近观测，采用自主趋近的方式到达任一目标附近；利用路径跟踪方法，沿着任一目标的邻域边界线运动，实现对任一目标不同角度的进一步观测。将基于多传感器的目标检测与移动机器人的自主趋近融合起来，以提高移动机器人主动感知的效率，有效改善移动机器人环境感知和目标探测的效果。
Description
技术领域
本发明涉及移动机器人技术领域，具体涉及一种移动机器人的主动感知与自主趋近方法以及一种移动机器人系统。
背景技术
移动机器人要想在环境中自主地执行任务，以下五个关键环节是必不可少的：1)、自主定位或外界辅助定位，确定自身的位置和目的地；2)、构建或利用已存在的环境模型，确定所有障碍物和自身的相对位置；3)、目标检测和识别，确定环境中可能存在的目标；4)、自主导航，采用合理的避障和路径规划算法；5)、任务执行，对目标对象执行给定的操作。
当前，针对移动机器人主动感知目标的研究还相对较少，有些研究针对多机器人的协同主动观测，有些研究针对固定监控网络的主动观测，这些研究通常仅能对目标进行被动地观测，即仅观测进入监控网络视野范围内的目标，缺乏移动机器人的能动性；
也有针对移动机器人的主动感知，但也主要是针对开阔环境下多传感器协同配合方面，对自主趋近同样体现主动性的技术没有涉及；还有些研究针对多机器人的协同搜索，主要是利用轨迹规划方法进行环境主动探索方面的研究，对于目标的显著性研究没有涉及。目前，主动感知的相关研究方兴未艾，主要是对于人类的主观能动性，注意力机制等方面的生物机理仍然没有定论，但主动性对于移动机器人的感知是有益的，如何将它引入到机器智能中，现有研究尚处于积极探索的阶段。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一，提供一种移动机器人的主动感知与自主趋近方法以及一种移动机器人系统。
为了解决上述技术问题，本发明一方面提供一种移动机器人的主动感知与自主趋近方法，包括：
根据SLAM构建待监控环境的全局环境地图；
利用多种传感器分别观测所述待监控环境中存在的目标；
根据观测到任一目标的传感器数量，推算出所述任一目标在所述全局环境地图中的全局位置；
将检测到的多个目标按照预设规则进行排序，根据排序结果判断是否对所述任一目标执行抵近观测；
响应于对所述任一目标执行抵近观测，采用自主趋近的方式到达所述任一目标附近；
利用路径跟踪方法，沿着所述任一目标的邻域边界线运动，实现对所述任一目标不同角度的进一步观测。
可选地，所述根据观测到任一目标的传感器数量，推算出所述任一目标在所述全局环境地图中的全局位置，包括：
若仅有一个传感器观测到所述任一目标，则直接估计所述任一目标相对于该传感器的位置，并以此作为所述全局位置；或，
若有多个传感器观测到所述任一目标，则根据当前传感器的精度、识别的准确度，给出可调节的不同权重，以得到对所述任一目标的类别和属性的联合检测，以及相对位置的联合估计；
结合移动机器人当前的自主定位结果，推算出所述任一目标在全局环境地图中的位置，以此作为所述全局位置。
可选地，所述采用自主趋近的方式到达所述任一目标附近，包括：
对于静态目标，将预设的两条线的交点作为移动机器人自主趋近的目标位置；
根据所述静态目标的全局位置，执行针对动态障碍物的避障策略，以到达所述静态目标附近。
可选地，所述两条线包括目标半径为R的邻域的边界线以及所述任一目标与移动机器人当前位置的连线。
可选地，所述采用自主趋近的方式到达所述任一目标附近，包括：
对于动态目标，动态调整自主趋近的目标位置；
以所动态目标的当前位置作为参考目标位置，并保持与所述动态目标的距离在目标半径R或目标半径R以上；
执行针对所述动态目标的跟踪策略，以到达所述动态目标附近。
本发明的另一方面，提供一种移动机器人系统，包括：
构建模块，用于根据SLAM方法构建待监控环境的全局环境地图；
观测模块，用于观测所述待监控环境中存在的目标；
计算模块，用于根据观测到任一目标的传感器数量，推算出所述任一目标在所述全局环境地图中的全局位置；
排序模块，用于将检测到的多个目标按照预设规则进行排序，根据排序结果判断是否对所述任一目标执行抵近观测；
趋近模块，用于响应于对所述任一目标执行抵近观测，采用自主趋近的方式到达所述任一目标附近；
跟踪模块，用于利用路径跟踪方法，沿着所述任一目标的邻域边界线运动，实现对所述任一目标不同角度的进一步观测。
可选地，所述计算模块，具体用于：
若仅有一个传感器观测到所述任一目标，则直接估计所述任一目标相对于该传感器的位置，并以此作为所述全局位置；
若有多个传感器观测到所述任一目标，则根据当前传感器的精度、识别的准确度，给出可调节的不同权重，以得到对所述任一目标的类别和属性的联合检测，以及相对位置的联合估计；结合移动机器人当前的自主定位结果，推算出该目标在全局环境地图中的位置，以此作为所述全局位置。
可选地，所述趋近模块，具体用于：
对于静态目标，将预设的两条线的交点作为移动机器人自主趋近的目标位置；
根据所述静态目标的全局位置，执行针对动态障碍物的避障策略，以到达所述静态目标附近。
可选地，所述两条线包括目标半径为R的邻域的边界线以及所述任一目标与移动机器人当前位置的连线。
可选地，所述趋近模块，具体用于：
对于动态目标，动态调整自主趋近的目标位置；
以所动态目标的当前位置作为参考目标位置，并保持与所述动态目标的距离在目标半径R或目标半径R以上；
执行针对所述动态目标的跟踪策略，以到达所述动态目标附近。
本发明的移动机器人的主动感知与自主趋近方法及移动机器人系统，将基于多传感器的目标检测与移动机器人的自主趋近融合起来，以提高移动机器人主动感知的效率，有效改善移动机器人环境感知和目标探测的效果，相较于被动观测，使之能够发现更多的目标，并对目标有更为详尽的观测。
附图说明
图1为本发明实施例移动机器人的主动感知与自主趋近方法的流程图；
图2为本发明实施例移动机器人系统的结构示意图。
具体实施方式
为使本领域技术人员更好地理解本发明的技术方案，下面结合附图和具体实施方式对本发明作进一步详细描述。
如图1所示，一种移动机器人的主动感知与自主趋近方法S100，该方法S100包括：
S110、根据SLAM构建待监控环境的全局环境地图。
具体地，在本步骤中，SLAM(Simultaneous Localization And Mapping)，也称为CML(Concurrent Mapping and Localization)，同时定位与地图构建，或即时定位与地图构建。问题可以描述为：将一个机器人放入未知环境中的未知位置，是否有办法让机器人在移动的过程中，一边确定自身在环境中的位置，一边逐步描绘出此环境完全的地图，所谓完全的地图(a consistent map)是指不受障碍行进到该环境中可进入的每个角落。具体地SLAM构建全局环境地图的方式可以采取常规的一些构建方式，本实施例对此并不具体限制。
S120、利用多种传感器分别观测所述待监控环境中存在的目标。
具体地，在本步骤中，多种传感器，例如，可以为视觉传感器、激光传感器、声音传感器以及红外传感器等等，移动机器人在环境中漫游的过程中，可以利用该些传感器对待监控环境中存在的目标进行观测。
S130、根据观测到任一目标的传感器数量，推算出所述任一目标在所述全局环境地图中的全局位置。
具体地，在本步骤中，针对同一个目标，有可能仅有一个传感器观测到，也有可能多个传感器均观测到该同一个目标，因此，针对观测到同一个目标的传感器数量，推算出该目标在全局环境地图中的全局位置。例如，在仅有一个传感器观测到所述任一目标，则直接估计所述任一目标相对于该传感器的位置，并以此作为所述全局位置。再例如，若有多个传感器观测到所述任一目标，则根据当前传感器的精度、识别的准确度，给出可调节的不同权重，以得到对所述任一目标的类别和属性的联合检测，以及相对位置的联合估计；结合移动机器人当前的自主定位结果，推算出所述任一目标在全局环境地图中的位置，以此作为所述全局位置。
S140、将检测到的多个目标按照预设规则进行排序，根据排序结果判断是否对所述任一目标执行抵近观测。
具体地，在本步骤中，例如，以能否获取目标的类别、属性等视觉信息，以及目标的距离为评价标准，对检测到的多个目标进行排序，若不需要抵近观测，则可以直接将全局位置记录在所述全局环境地图中。
S150、响应于对所述任一目标执行抵近观测，采用自主趋近的方式到达所述任一目标附近。
具体地，在本步骤中，对于静态目标，将预设的两条线的交点作为移动机器人自主趋近的目标位置，所述两条线包括目标半径为R的邻域的边界线以及所述任一目标与移动机器人当前位置的连线。根据所述静态目标的全局位置，执行针对动态障碍物的避障策略，以到达所述静态目标附近。反之，对于动态目标，动态调整自主趋近的目标位置；以所动态目标的当前位置作为参考目标位置，并保持与所述动态目标的距离在目标半径R或目标半径R以上；执行针对所述动态目标的跟踪策略，以到达所述动态目标附近。
S160、利用路径跟踪方法，沿着所述任一目标的邻域边界线运动，实现对所述任一目标不同角度的进一步观测。
本实施例的移动机器人的主动感知与自主趋近方法，将基于多传感器的目标检测与移动机器人的自主趋近融合起来，以提高移动机器人主动感知的效率，有效改善移动机器人环境感知和目标探测的效果，相较于被动观测，使之能够发现更多的目标，并对目标有更为详尽的观测。
本发明的另一方面，如图2所示，提供一种移动机器人系统100，包括：
构建模块110，用于根据SLAM方法构建待监控环境的全局环境地图；
观测模块120，用于观测所述待监控环境中存在的目标；
计算模块130，用于根据观测到任一目标的传感器数量，推算出所述任一目标在所述全局环境地图中的全局位置；
排序模块140，用于将检测到的多个目标按照预设规则进行排序，根据排序结果判断是否对所述任一目标执行抵近观测；
趋近模块150，用于响应于对所述任一目标执行抵近观测，采用自主趋近的方式到达所述任一目标附近；
跟踪模块160，用于利用路径跟踪方法，沿着所述任一目标的邻域边界线运动，实现对所述任一目标不同角度的进一步观测。
本实施例的移动机器人，将基于多传感器的目标检测与移动机器人的自主趋近融合起来，以提高移动机器人主动感知的效率，有效改善移动机器人环境感知和目标探测的效果，相较于被动观测，使之能够发现更多的目标，并对目标有更为详尽的观测。
可选地，所述计算模块130，具体用于：
若仅有一个传感器观测到所述任一目标，则直接估计所述任一目标相对于该传感器的位置，并以此作为所述全局位置；
若有多个传感器观测到所述任一目标，则根据当前传感器的精度、识别的准确度，给出可调节的不同权重，以得到对所述任一目标的类别和属性的联合检测，以及相对位置的联合估计；结合移动机器人当前的自主定位结果，推算出该目标在全局环境地图中的位置，以此作为所述全局位置。
可选地，所述趋近模块150，具体用于：
对于静态目标，将预设的两条线的交点作为移动机器人自主趋近的目标位置；
根据所述静态目标的全局位置，执行针对动态障碍物的避障策略，以到达所述静态目标附近。
可选地，所述两条线包括目标半径为R的邻域的边界线以及所述任一目标与移动机器人当前位置的连线。
可选地，所述趋近模块150，具体用于：
对于动态目标，动态调整自主趋近的目标位置；
以所动态目标的当前位置作为参考目标位置，并保持与所述动态目标的距离在目标半径R或目标半径R以上；
执行针对所述动态目标的跟踪策略，以到达所述动态目标附近。
本实施例的移动机器人包括但不限于以下使用场景：
1)服务机器人：在服务场所，自主地在大范围室内场景下运动，发现有需要帮助或者想要交互的人员。
2)安防机器人：可以配合监控网络使用，在追踪观测目标的过程中，探索监控网络涉及不到的区域，起到提早发现危险人员或异常行为的目的。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。
Claims (10)
1.一种移动机器人的主动感知与自主趋近方法，其特征在于，包括：
根据SLAM构建待监控环境的全局环境地图；
利用多种传感器分别观测所述待监控环境中存在的目标；
根据观测到任一目标的传感器数量，推算出所述任一目标在所述全局环境地图中的全局位置；
将检测到的多个目标按照预设规则进行排序，根据排序结果判断是否对所述任一目标执行抵近观测；
响应于对所述任一目标执行抵近观测，采用自主趋近的方式到达所述任一目标附近；
利用路径跟踪方法，沿着所述任一目标的邻域边界线运动，实现对所述任一目标不同角度的进一步观测。
2.根据权利要求1所述的方法，其特征在于，所述根据观测到任一目标的传感器数量，推算出所述任一目标在所述全局环境地图中的全局位置，包括：
若仅有一个传感器观测到所述任一目标，则直接估计所述任一目标相对于该传感器的位置，并以此作为所述全局位置；或，
若有多个传感器观测到所述任一目标，则根据当前传感器的精度、识别的准确度，给出可调节的不同权重，以得到对所述任一目标的类别和属性的联合检测，以及相对位置的联合估计；
结合移动机器人当前的自主定位结果，推算出所述任一目标在全局环境地图中的位置，以此作为所述全局位置。
3.根据权利要求1或2所述的方法，其特征在于，所述采用自主趋近的方式到达所述任一目标附近，包括：
对于静态目标，将预设的两条线的交点作为移动机器人自主趋近的目标位置；
根据所述静态目标的全局位置，执行针对动态障碍物的避障策略，以到达所述静态目标附近。
4.根据权利要求3所述的方法，其特征在于，所述两条线包括目标半径为R的邻域的边界线以及所述任一目标与移动机器人当前位置的连线。
5.根据权利要求1或2所述的方法，其特征在于，所述采用自主趋近的方式到达所述任一目标附近，包括：
对于动态目标，动态调整自主趋近的目标位置；
以所动态目标的当前位置作为参考目标位置，并保持与所述动态目标的距离在目标半径R或目标半径R以上；
执行针对所述动态目标的跟踪策略，以到达所述动态目标附近。
6.一种移动机器人系统，其特征在于，包括：
构建模块，用于根据SLAM方法构建待监控环境的全局环境地图；
观测模块，用于观测所述待监控环境中存在的目标；
计算模块，用于根据观测到任一目标的传感器数量，推算出所述任一目标在所述全局环境地图中的全局位置；
排序模块，用于将检测到的多个目标按照预设规则进行排序，根据排序结果判断是否对所述任一目标执行抵近观测；
趋近模块，用于响应于对所述任一目标执行抵近观测，采用自主趋近的方式到达所述任一目标附近；
跟踪模块，用于利用路径跟踪方法，沿着所述任一目标的邻域边界线运动，实现对所述任一目标不同角度的进一步观测。
7.根据权利要求6所述的移动机器人系统，其特征在于，所述计算模块，具体用于：
若仅有一个传感器观测到所述任一目标，则直接估计所述任一目标相对于该传感器的位置，并以此作为所述全局位置；
若有多个传感器观测到所述任一目标，则根据当前传感器的精度、识别的准确度，给出可调节的不同权重，以得到对所述任一目标的类别和属性的联合检测，以及相对位置的联合估计；结合移动机器人当前的自主定位结果，推算出该目标在全局环境地图中的位置，以此作为所述全局位置。
8.根据权利要求6或7所述的移动机器人系统，其特征在于，所述趋近模块，具体用于：
对于静态目标，将预设的两条线的交点作为移动机器人自主趋近的目标位置；
根据所述静态目标的全局位置，执行针对动态障碍物的避障策略，以到达所述静态目标附近。
9.根据权利要求8所述的移动机器人系统，其特征在于，所述两条线包括目标半径为R的邻域的边界线以及所述任一目标与移动机器人当前位置的连线。
10.根据权利要求6或7所述的移动机器人系统，其特征在于，所述趋近模块，具体用于：
对于动态目标，动态调整自主趋近的目标位置；
以所动态目标的当前位置作为参考目标位置，并保持与所述动态目标的距离在目标半径R或目标半径R以上；
执行针对所述动态目标的跟踪策略，以到达所述动态目标附近。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911421317.1A CN110955263A (zh) | 2019-12-31 | 2019-12-31 | 移动机器人的主动感知与自主趋近方法及移动机器人系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911421317.1A CN110955263A (zh) | 2019-12-31 | 2019-12-31 | 移动机器人的主动感知与自主趋近方法及移动机器人系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110955263A true CN110955263A (zh) | 2020-04-03 |
Family
ID=69985664
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911421317.1A Pending CN110955263A (zh) | 2019-12-31 | 2019-12-31 | 移动机器人的主动感知与自主趋近方法及移动机器人系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110955263A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112652073A (zh) * | 2020-12-31 | 2021-04-13 | 中国电子科技集团公司信息科学研究院 | 一种基于云网端机器人的自主导览方法及系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1877475A (zh) * | 2005-06-09 | 2006-12-13 | 索尼株式会社 | 网络系统、移动体装置及其控制方法、以及计算机程序 |
| JP2007296586A (ja) * | 2006-04-27 | 2007-11-15 | Toyota Motor Corp | 自律移動型ロボット |
| CN102297692A (zh) * | 2011-07-12 | 2011-12-28 | 重庆邮电大学 | 用于智能轮椅在转角区域的自定位方法 |
| CN103901895A (zh) * | 2014-04-18 | 2014-07-02 | 江苏久祥汽车电器集团有限公司 | 一种基于无极FastSLAM算法和匹配优化目标定位方法及机器人 |
| CN104007240A (zh) * | 2014-06-13 | 2014-08-27 | 重庆大学 | 一种基于双目识别与电子鼻网络气体检测的融合定位技术 |
| CN106093994A (zh) * | 2016-05-31 | 2016-11-09 | 山东大学 | 一种基于自适应加权混合卡尔曼滤波的多源联合定位方法 |
| CN106441306A (zh) * | 2016-10-18 | 2017-02-22 | 华东师范大学 | 自主定位与地图构建的智能生命探测机器人 |
| CN108829137A (zh) * | 2018-05-23 | 2018-11-16 | 中国科学院深圳先进技术研究院 | 一种机器人目标追踪的避障方法及装置 |
| CN110082781A (zh) * | 2019-05-20 | 2019-08-02 | 东北大学秦皇岛分校 | 基于slam技术与图像识别的火源定位方法及系统 |
| CN110427462A (zh) * | 2019-08-06 | 2019-11-08 | 北京云迹科技有限公司 | 与用户互动的方法、装置、存储介质及服务机器人 |
-
2019
- 2019-12-31 CN CN201911421317.1A patent/CN110955263A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1877475A (zh) * | 2005-06-09 | 2006-12-13 | 索尼株式会社 | 网络系统、移动体装置及其控制方法、以及计算机程序 |
| JP2007296586A (ja) * | 2006-04-27 | 2007-11-15 | Toyota Motor Corp | 自律移動型ロボット |
| CN102297692A (zh) * | 2011-07-12 | 2011-12-28 | 重庆邮电大学 | 用于智能轮椅在转角区域的自定位方法 |
| CN103901895A (zh) * | 2014-04-18 | 2014-07-02 | 江苏久祥汽车电器集团有限公司 | 一种基于无极FastSLAM算法和匹配优化目标定位方法及机器人 |
| CN104007240A (zh) * | 2014-06-13 | 2014-08-27 | 重庆大学 | 一种基于双目识别与电子鼻网络气体检测的融合定位技术 |
| CN106093994A (zh) * | 2016-05-31 | 2016-11-09 | 山东大学 | 一种基于自适应加权混合卡尔曼滤波的多源联合定位方法 |
| CN106441306A (zh) * | 2016-10-18 | 2017-02-22 | 华东师范大学 | 自主定位与地图构建的智能生命探测机器人 |
| CN108829137A (zh) * | 2018-05-23 | 2018-11-16 | 中国科学院深圳先进技术研究院 | 一种机器人目标追踪的避障方法及装置 |
| CN110082781A (zh) * | 2019-05-20 | 2019-08-02 | 东北大学秦皇岛分校 | 基于slam技术与图像识别的火源定位方法及系统 |
| CN110427462A (zh) * | 2019-08-06 | 2019-11-08 | 北京云迹科技有限公司 | 与用户互动的方法、装置、存储介质及服务机器人 |
Non-Patent Citations (4)
| Title |
|---|
| 袁亮: "基于状态估计的服务机器人主动感知系统的研究", 《组合机床与自动化加工技术》 * |
| 袁亮: "基于状态估计的服务机器人主动感知系统的研究", 《组合机床与自动化加工技术》, 31 May 2014 (2014-05-31) * |
| 路光达: "基于仿生行为的移动机器人主动嗅觉技术研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
| 路光达: "基于仿生行为的移动机器人主动嗅觉技术研究", 《中国博士学位论文全文数据库 信息科技辑》, 15 May 2012 (2012-05-15), pages 31 - 64 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112652073A (zh) * | 2020-12-31 | 2021-04-13 | 中国电子科技集团公司信息科学研究院 | 一种基于云网端机器人的自主导览方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5080333B2 (ja) | 自律移動体のための物体認識装置 | |
| US10127677B1 (en) | Using observations from one or more robots to generate a spatio-temporal model that defines pose values for a plurality of objects in an environment | |
| Song et al. | Navigation control design of a mobile robot by integrating obstacle avoidance and LiDAR SLAM | |
| CN105629970A (zh) | 一种基于超声波的机器人定位避障方法 | |
| Luo et al. | Multi-robot rendezvous based on bearing-aided hierarchical tracking of network topology | |
| Juliá et al. | A hybrid solution to the multi-robot integrated exploration problem | |
| Wang et al. | Master-followed multiple robots cooperation SLAM adapted to search and rescue environment | |
| JP2011054082A (ja) | 自律移動装置 | |
| CN111487960A (zh) | 一种基于定位能力估计的移动机器人路径规划方法 | |
| Kwok et al. | Bearing-only slam in indoor environments using a modified particle filter | |
| CN110955263A (zh) | 移动机器人的主动感知与自主趋近方法及移动机器人系统 | |
| Brscic et al. | Mobile robot as physical agent of Intelligent Space | |
| Wang et al. | Research on autonomous planning method based on improved quantum Particle Swarm Optimization for Autonomous Underwater Vehicle | |
| JP6438354B2 (ja) | 自己位置推定装置及び自己位置推定装置を備えた移動体 | |
| Stroupe et al. | Merging gaussian distributions for object localization in multi-robot systems | |
| Husodo et al. | Dynamic motion planning for conducting obstacle avoidance maneuver of fixed wing autonomous aerial vehicle | |
| Uenoyama et al. | Temporal segmentation of environmental map based on changing rate of activity areas and improvement of tracking method using LRF | |
| RU2619542C1 (ru) | Способ управления подвижным роботом | |
| Ghandour et al. | Interactive collision avoidance system for indoor mobile robots based on human-robot interaction | |
| Chen et al. | Towards Efficient Distributed Collision Avoidance for Heterogeneous Mobile Robots | |
| Laskar et al. | EKF and K-means to Generate Optimized Paths of a Mobile Robot | |
| KR102445846B1 (ko) | 장애물 추적 시스템 및 장애물 추적 방법 | |
| Tessier et al. | A new landmark and sensor selection method for vehicle localization and guidance | |
| Zheng et al. | Rendezvous of wheeled mobile robots using bearings-only or range-only measurements | |
| Masuzawa et al. | Observation planning for efficient environment information summarization |
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 |