CN111045026B - 一种识别充电桩位姿的方法及装置 - Google Patents
一种识别充电桩位姿的方法及装置 Download PDFInfo
- Publication number
- CN111045026B CN111045026B CN201911259906.4A CN201911259906A CN111045026B CN 111045026 B CN111045026 B CN 111045026B CN 201911259906 A CN201911259906 A CN 201911259906A CN 111045026 B CN111045026 B CN 111045026B
- Authority
- CN
- China
- Prior art keywords
- detection points
- detection
- charging pile
- detection point
- point
- 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.)
- Active
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
- G01S17/87—Combinations of systems using electromagnetic waves other than radio waves
- G01S17/875—Combinations of systems using electromagnetic waves other than radio waves for determining attitude
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Abstract
本申请适用于机器人充电技术领域,提供了一种识别充电桩位姿的方法及装置,包括:通过获取传感器采集的多个检测点各自对应的第一数据,在多个所述检测点中获取每个所述临界检测点两侧预设数量的第一相邻检测点的第一数据,若每个所述临界检测点两侧预设数量的第一相邻检测点中有且只有一侧存在所述光反射区对应的第一数据时,则根据多个所述检测点的排列顺序截取两个所述临界检测点之间的检测点作为所述充电桩的多个待识别检测点,根据多个所述待识别检测点对应的第一数据以及所述临界检测点对应的第一数据识别所述充电桩的位姿信息。通过上述方式可准确地获取充电桩的位姿信息,提高了机器人对充电桩位姿的识别准确率。
Description
技术领域
本申请属于机器人充电技术领域,尤其涉及一种识别充电桩位姿的方法、装置、机器人以及计算机可读存储介质。
背景技术
随着机器人逐渐渗透到日常生活中,机器人的智能化功能越来越丰富。其中,机器人的自动充电是一种较为常见的智能化功能。机器人通过传感器装置对充电桩进行识别并移动至充电桩处进行自动充电。
然而在传统技术中,自动充电功能大多依赖传感器识别充电桩形状特征来进行上桩充电,此方法容易受到环境中相似特征(类似形状的障碍物,如墙体等)的干扰,导致机器人无法准确得采集充电桩的位姿信息,使得机器人对充电桩位姿的识别准确率较低。
发明内容
有鉴于此,本申请实施例提供了一种识别充电桩位姿的方法及装置,可以解决机器人无法准确得采集充电桩的激光数据,使得机器人对充电桩位姿的识别准确率较低的技术问题。
本申请实施例的第一方面提供了一种识别充电桩位姿的方法,包括:
获取传感器采集的多个检测点各自对应的第一数据,所述多个检测点处于同一水平面且分布在所述光反射区以及非充电桩物体表面;所述第一数据用于表示每个所述检测点的光反射强度;所述第一数据按照多个检测点的顺序进行排列;
根据多个所述第一数据获取所述充电桩两侧的临界检测点;
在多个所述检测点中获取每个所述临界检测点两侧预设数量的第一相邻检测点的第一数据;
若每个所述临界检测点两侧预设数量的第一相邻检测点中有且只有一侧存在所述光反射区对应的第一数据时,则根据多个所述检测点的排列顺序截取两个所述临界检测点之间的检测点作为所述充电桩的多个待识别检测点;
根据多个所述待识别检测点对应的第一数据以及所述临界检测点对应的第一数据识别所述充电桩的位姿信息。
本申请实施例的第二方面提供了一种识别充电桩位姿的装置,包括:
第一获取单元,用于获取传感器采集的多个检测点各自对应的第一数据,所述多个检测点处于同一水平面且分布在光反射区以及非充电桩物体表面;所述第一数据用于表示每个所述检测点的光反射强度;所述第一数据按照多个检测点的顺序进行排列;
第二获取单元,用于根据多个所述第一数据获取所述充电桩两侧的临界检测点;
第三获取单元,用于在多个所述检测点中获取每个所述临界检测点两侧预设数量的第一相邻检测点的第一数据;
判断单元,用于若每个所述临界检测点两侧预设数量的第一相邻检测点中有且只有一侧存在所述光反射区对应的第一数据时,则根据多个所述检测点的排列顺序截取两个所述临界检测点之间的检测点作为所述充电桩的多个待识别检测点;
计算单元,用于根据多个所述待识别检测点对应的第一数据以及所述临界检测点对应的第一数据识别所述充电桩的位姿信息。
本申请实施例的第三方面提供了一种机器人,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述方法的步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面所述方法的步骤。
本申请实施例与现有技术相比存在的有益效果是:在本申请中,通过获取传感器采集的多个检测点各自对应的第一数据,根据多个所述第一数据获取所述充电桩两侧的临界检测点,在多个所述检测点中获取每个所述临界检测点两侧预设数量的第一相邻检测点的第一数据,若每个所述临界检测点两侧预设数量的第一相邻检测点中有且只有一侧存在所述光反射区对应的第一数据时,则根据多个所述检测点的排列顺序截取两个所述临界检测点之间的检测点作为所述充电桩的多个待识别检测点,根据多个所述待识别检测点对应的第一数据以及所述临界检测点对应的第一数据识别所述充电桩的位姿信息。通过上述方式可准确地获取充电桩的位姿信息,提高了机器人对充电桩位姿的识别准确率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1示出了本申请提供的一种识别充电桩位姿的系统的示意图;
图2示出了本申请提供的一种识别充电桩位姿的方法的示意性流程图;
图3示出了本申请提供的一种识别充电桩位姿的方法中机器人识别充电桩的示意图;
图4示出了本申请提供的一种识别充电桩位姿的方法中检测点的示意图;
图5示出了本申请提供的一种识别充电桩位姿的方法中步骤202的具体示意性流程图;
图6示出了本申请提供的一种识别充电桩位姿的方法中步骤2023的具体示意性流程图;
图7示出了本申请提供的一种识别充电桩位姿的方法中步骤205的具体示意性流程图;
图8示出了本申请提供的另一种识别充电桩位姿的方法的示意性流程图;
图9示出了本申请提供的另一种识别充电桩位姿的方法的示意性流程图;
图10示出了本申请提供的一种识别充电桩位姿的装置的示意图;
图11示出了本申请一实施例提供的一种机器人的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
随着机器人逐渐渗透到日常生活中,机器人的智能化功能越来越丰富。其中,机器人的自动充电是一种较为常见的智能化功能。机器人通过传感器装置对充电桩进行识别并移动至充电桩处进行自动充电。
然而在传统技术中,自动充电功能大多依赖传感器识别充电桩形状特征来进行上桩充电,此方法容易受到环境中相似特征(类似形状的障碍物,如墙体等)的干扰,导致机器人无法准确得采集充电桩的位姿信息,使得机器人对充电桩位姿的识别准确率较低。
有鉴于此,本申请实施例提供了一种识别充电桩位姿的方法、装置、机器人以及计算机可读存储介质,可以解决机器人无法准确得采集充电桩的激光数据,使得机器人对充电桩位姿的识别准确率较低的技术问题。
如图1本申请提供了一种识别充电桩位姿的系统1,请参见图1,图1示出了本申请提供的一种识别充电桩位姿的系统的示意图,如图1所示一种识别充电桩位姿的系统包括:充电桩101和机器人102。
所述充电桩101上设置有光反射区,所述光反射区的反射率远远大于非充电桩物体的反射率,进而区分充电桩和非充电桩物体的激光数据。所述充电桩的光反射区的形状包括但不限于三角形、圆形或椭圆形等。
所述机器人102包括但不限于光源发射器1021、传感器1022、处理器1023、存储器1024以及电源1025等部件。
所述光源发射器1021包括但不限于激光发射器和红外线发射器等。所述光源发射器1021用于向充电桩的所述光反射区和非充电桩物体表面发送光源,每一束光源在充电桩的所述光反射区和非充电桩物体表面形成多个检测点,相邻所述检测点间的夹角相同。当多个检测点与传感器1022的距离不同时,相邻检测点的距离也相应不同。
所述传感器1022用于采集的多个检测点各自对应的第一数据。
所述处理器1023用于获取传感器采集的多个检测点各自对应的第一数据;所述第一数据按照多个检测点的顺序进行排列;
根据多个所述第一数据获取所述充电桩101两侧的临界检测点;
在多个所述检测点中获取每个所述临界检测点两侧预设数量的第一相邻检测点的第一数据;
若每个所述临界检测点两侧预设数量的第一相邻检测点中有且只有一侧存在所述光反射区对应的第一数据时,则根据多个所述检测点的排列顺序截取两个所述临界检测点之间的检测点作为所述充电桩101的多个待识别检测点;
根据多个所述待识别检测点对应的第一数据以及所述临界检测点对应的第一数据识别所述充电桩101的位姿信息。
存储器1024用于存储软件程序以及模块,处理器1023通过运行存储在存储器1024的软件程序以及模块,从而执行机器人的各种功能应用以及数据处理。存储器1024可主要包括存储程序区和存储数据区。此外,存储器1024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、或其他易失性固态存储器件。
电源1025用于给各个部件供电,优选的,电源1025可以通过电源管理系统与处理器1023逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
基于上述硬件环境,本申请提出了一种识别充电桩位姿的方法。
请参见图2,图2示出了本申请提供的一种识别充电桩位姿的方法的示意性流程图。作为示例而非限定,该方法可以应用于上述机器人102中。
为了更好得解释本申请的技术方案,本实施例以扫地机器人为例,对本申请的技术方案进行解释。
如图2所示,该方法可以包括如下步骤:
步骤201,获取传感器采集的多个检测点各自对应的第一数据,所述多个检测点处于同一水平面且分布在所述光反射区以及非充电桩物体表面;所述第一数据用于表示每个所述检测点的光反射强度;所述第一数据按照多个检测点的顺序进行排列。
扫地机器人的光源发射器发出若干个射线,若干个射线间夹角相同并处于同一水平面上,若干个射线照射在充电桩和非充电桩物体的表面上形成多个所述检测点,请参见图3,图3示出了本申请提供的一种识别充电桩位姿的方法中机器人识别充电桩的示意图。如图3所示,a代表非充电桩物体,b代表充电桩,c代表扫地机器人,由扫地机器人c向非充电桩物体a和充电桩b发出若干个射线形成多个所述检测点,其中,光源发射器在360°(度)范围内都可以发出射线,图3中的射线范围仅仅是起实例作用,实际应用中射线的范围可以比图3所示更多或更少,在此不做限定。
由于光的反射原理,多个所述检测点将反射射线至所述传感器,传感器接收到反射射线得到多个所述检测点的光反射强度以及距离等信息,其中,由于充电桩上设置有光反射区,所述光反射区的反射率远远大于非充电桩物体的反射率,进而可通过不同的光反射强度区分充电桩和非充电桩物体的激光数据。传感器采集多个检测点的第一数据,请参见图4,图4示出了本申请提供的一种识别充电桩位姿的方法中检测点的示意图。如图4所示,图4与图3对应充电桩形状的检测点图示,在图4中黑色圆圈代表充电桩的检测点,灰色圆圈代表非充电桩物体的检测点,颜色的深浅代表了不同的光反射强度,黑色圆圈光反射强度大,灰色圆圈光反射强度小,检测点A和检测点B分别代表了充电桩的两侧。
处理器获取传感器采集的多个检测点各自对应的第一数据,所述第一数据包括但不限于检测点的光反射强度,检测点与传感器距离。
步骤202,根据多个所述第一数据获取所述充电桩两侧的临界检测点。
所述第一数据包括检测点与所述传感器的第一距离。处理器根据所述第一距离区分充电桩光反射区和非充电桩物体表面,进而获取所述充电桩两侧的临界检测点。其中,多个所述检测点是由同一光源发出多条射线在所述光反射区和非充电桩物体表面形成多个点,相邻所述检测点间的夹角相同。
具体地,所述根据多个所述第一数据获取所述充电桩两侧的临界检测点,具体包括以下步骤,请参见图5,图5示出了本申请提供的一种识别充电桩位姿的方法中步骤202的具体示意性流程图。作为示例而非限定,该方法可以应用于上述机器人102中。
如图5所示,该方法可以包括如下步骤:
步骤2021,根据所述第一距离以及所述夹角计算每个所述检测点的坐标信息。
根据如下公式计算每个所述检测点的坐标信息:
X=D1·sin(iθ),Y=D1·cos(iθ)
其中,D1表示所述第一距离,θ表示所述夹角,i表示当前检测点的排列顺序,所述排列顺序由机器人坐标的X轴由左至右进行排列。
步骤2022,根据所述坐标信息计算每两个相邻所述检测点之间的第二距离。
根据如下公式计算每两个相邻所述检测点之间的第二距离:
其中,X1和Y1表示当前检测点坐标信息,X2和Y2表示相邻检测点坐标信息。
步骤2023,根据所述第一距离和所述第二距离在多个所述检测点中获取所述临界检测点。
一方面,由于充电桩与传感器的距离,充电桩与非充电桩物体的距离不同,在实际应用场景中,充电桩与传感器距离往往小于非充电桩物体与传感器之间的距离,故可根据第一距离判断当前检测点是否为所述临界检测点。
另一方面,由于不同检测点与传感器的距离不同,且每个检测点之间的夹角相同,导致检测点与传感器距离越大,则相邻检测点距离越大,即第二距离越大。故,可综合第一距离和第二距离判断当前检测点是否为所述临界检测点,提高了获取临界检测点的准确度。
具体地,所述根据所述第一距离和所述第二距离在多个所述检测点中获取所述临界检测点,具体包括以下步骤,请参见图6,图6示出了本申请提供的一种识别充电桩位姿的方法中步骤2023的具体示意性流程图。作为示例而非限定,该方法可以应用于上述机器人102中。包括:
如图6所示,该方法可以包括如下步骤:
步骤2023a,若当前检测点的第一距离以及相邻的第二相邻检测点的第一距离之间的差值大于第一阈值,则确定当前检测点为所述临界检测点。
由于传感器与充电桩之间的第一距离,传感器与非充电桩物体之间的第一距离两者之间数值相差较大,故可根据两者之间的差值判断当前检测点是否为所述临界检测点,若当前检测点的第一距离以及相邻的第二相邻检测点的第一距离之间的差值大于第一阈值,则确定当前检测点为所述临界检测点。
步骤2023b,若当前检测点的第一距离以及相邻的第二相邻检测点的第一距离之间的差值小于第一阈值,则根据所述第一距离以及所述夹角计算所述当前检测点和所述第二相邻检测点之间的第三距离。
而当前检测点的第一距离以及相邻的第二相邻检测点的第一距离之间的差值小于第一阈值时,并不能完全确定当前检测点为所述临界检测点。故需根据所述第一距离以及所述夹角,计算所述当前检测点和所述第二相邻检测点之间的第三距离,进而根据所述第三距离判断当前检测点是否为所述临界检测点。所述第三距离根据如下公式进行计算:
其中,D1表示当前检测点的第一距离或相邻的第二相邻检测点的第一距离,θ表示所述当前检测点和所述第二相邻检测点之间的夹角。
步骤2023c,若所述第二距离与所述第三距离的差值大于第二阈值,则确定当前检测点为所述临界检测点。
当所述当前检测点和所述第二相邻检测点分别处于充电桩或非充电桩物体上,则所述第二距离与所述第三距离的差值较大。当所述当前检测点和所述第二相邻检测点都位于充电桩或非充电桩物体上,则所述第二距离与所述第三距离的差值较小。故若所述第二距离与所述第三距离的差值大于第二阈值,则确定当前检测点为所述临界检测点,若所述第二距离与所述第三距离的差值小于第二阈值,则确定当前检测点不为所述临界检测点。
步骤203,在多个所述检测点中获取每个所述临界检测点两侧预设数量的第一相邻检测点的第一数据。
当根据多个所述第一数据获取所述充电桩两侧的临界检测点后,为了进一步提高所述临界检测点的准确度。故需在多个所述检测点中获取每个所述临界检测点两侧预设数量的第一相邻检测点的第一数据,进而确定所述临界检测点是否为充电桩边缘对应的检测点。
步骤204,若每个所述临界检测点两侧预设数量的第一相邻检测点中有且只有一侧存在所述光反射区对应的第一数据时,则根据多个所述检测点的排列顺序截取两个所述临界检测点之间的检测点作为所述充电桩的多个待识别检测点。
由于所述临界检测点为充电桩的边缘,而充电桩边缘的一侧为反射区,另一侧为非充电桩物体表面。可通过判断每个所述临界检测点两侧预设数量的第一相邻检测点中是否存在所述光反射区对应的第一数据,进而判断所述临界检测点是否为充电桩边缘对应的检测点。
若每个所述临界检测点两侧预设数量的第一相邻检测点中有且只有一侧存在所述光反射区对应的第一数据时,则根据多个所述检测点的排列顺序截取两个所述临界检测点之间的检测点作为所述充电桩的多个待识别检测点。
若每个所述临界检测点两侧预设数量的第一相邻检测点中两侧都存在所述光反射区对应的第一数据或两侧都不存在所述光反射区对应的第一数据时 ,则表示当前临界检测点并不是充电桩边缘,需重新获取临界检测点。
步骤205,根据多个所述待识别检测点对应的第一数据以及所述临界检测点对应的第一数据识别所述充电桩的位姿信息。
根据多个所述待识别检测点对应的第一数据以及所述临界检测点对应的第一数据得到充电桩每个检测点的坐标信息,根据所述坐标信息计算所述充电桩的位姿信息。
在本实施例中,通过获取传感器采集的多个检测点各自对应的第一数据,根据多个所述第一数据获取所述充电桩两侧的临界检测点,在多个所述检测点中获取每个所述临界检测点两侧预设数量的第一相邻检测点的第一数据,若每个所述临界检测点两侧预设数量的第一相邻检测点中有且只有一侧存在所述光反射区对应的第一数据时,则根据多个所述检测点的排列顺序截取两个所述临界检测点之间的检测点作为所述充电桩的多个待识别检测点,根据多个所述待识别检测点对应的第一数据以及所述临界检测点对应的第一数据识别所述充电桩的位姿信息。通过上述方式可准确地获取充电桩的位姿信息,提高了机器人对充电桩位姿的识别准确率。
具体地,所述根据多个所述待识别检测点对应的第一数据以及所述临界检测点对应的第一数据识别所述充电桩的位姿信息,具体包括以下步骤,请参见图7,图7示出了本申请提供的一种识别充电桩位姿的方法中步骤205的具体示意性流程图。作为示例而非限定,该方法可以应用于上述机器人102中。
如图7所示,该方法可以包括如下步骤:
步骤701,根据两个所述临界检测点的所述坐标信息得到第一直线或根据多个所述待识别检测点的坐标信息进行直线拟合得到第一直线。
将两个所述临界检测点的所述坐标信息代入一元一次直线方程中,求得所述第一直线,即连接充电桩边缘。或将多个所述待识别检测点的坐标信息进行直线拟合得到第一直线。所述直线拟合可通过最小二乘拟合、梯度下降法以及高斯牛顿法进行计算。
步骤702,根据多个所述待识别检测点的坐标信息获取与所述第一直线距离最远的中心检测点。
当充电桩表面为三角形、圆形以及其它形状时,中心点与所述第一直线距离最远。可根据多个所述待识别检测点的坐标信息以及所述第一直线方程,计算每个待识别检测点到直线距离,选取与所述第一直线距离最远的检测点作为所述中心检测点。
步骤703,以所述中心检测点为分隔点将多个所述待识别检测点分为两个检测点组。
步骤704,根据每个所述检测点组的多个坐标信息进行直线拟合得到两条第二直线。
步骤705,计算两条所述第二直线的第一交点。
处理器根据两条所述第二直线的直线方程计算所述第一交点。
步骤706,根据所述第一交点和所述两个所述临界检测点构成的三角形,计算所述三角形的中线。
处理器根据所述第一交点和所述两个所述临界检测点的坐标信息,计算所述三角形的中线。
步骤707,根据所述中线获取充电桩与机器人的充电方向。
具体地,所述根据所述中线获取充电桩与机器人的充电方向,包括:计算所述中线和所述第一直线的第二交点,根据所述第一交点和所述第二交点获取所述充电方向。
作为本申请的一个实施例,可以根据两个所述临界检测点的坐标信息计算两者中点,将两者中点作为所述第二交点。将第二交点向第一交点的连接方向作为所述充电方向。
步骤708,将所述充电方向和所述中心检测点的坐标信息作为所述充电桩的位姿信息。
在本实施例中,通过根据两个所述临界检测点的所述坐标信息得到第一直线或根据多个所述待识别检测点的坐标信息进行直线拟合得到第一直线,根据多个所述待识别检测点的坐标信息获取与所述第一直线距离最远的中心检测点,以所述中心检测点为分隔点将多个所述待识别检测点分为两个检测点组,根据每个所述检测点组的多个坐标信息进行直线拟合得到两条第二直线,计算两条所述第二直线的第一交点,根据所述第一交点和所述两个所述临界检测点构成的三角形,计算所述三角形的中线,根据所述中线获取充电桩与机器人的充电方向,将所述充电方向和所述中心检测点的坐标信息作为所述充电桩的位姿信息。通过上述方式根据多个所述待识别检测点对应的第一数据以及所述临界检测点对应的第一数据识别所述充电桩的位姿信息,提高了机器人对充电桩位姿的识别准确率。
可选地,在上述图7所示实施例的基础上,在所述根据多个所述待识别检测点的坐标信息获取与所述第一直线距离最远的中心检测点之后,还包括如下步骤,请参见图8,图8示出了本申请提供的另一种识别充电桩位姿的方法的示意性流程图。作为示例而非限定,该方法可以应用于上述机器人102中。其中,本实施例中步骤801至步骤802以及步骤805至步骤810,与上一实施例中步骤701至步骤708相同,具体请参阅上一实施例中步骤701至步骤708的相关描述,此处不赘述。
如图8所示,该方法可以包括如下步骤:
步骤801,根据两个所述临界检测点的所述坐标信息得到第一直线或根据多个所述待识别检测点的坐标信息进行直线拟合得到第一直线。
步骤802,根据多个所述待识别检测点的坐标信息获取与所述第一直线距离最远的中心检测点。
步骤803,在多个检测点中获取所述中心检测点两侧预设数量的第三相邻检测点的第一数据。
为了避免由于错误的激光数据或计算失误等情况的发生,导致中心检测点出现偏差,本申请通过在多个检测点中获取所述中心检测点两侧预设数量的第三相邻检测点的第一数据,进而判断所述中心检测点是否准确。由于当所述中心检测点位于充电桩正中心时,则中心检测点两侧的第三相邻检测点必定均存在所述光反射区对应的第一数据。
步骤804,若所述中心检测点两侧预设数量的第三相邻检测点均存在所述光反射区对应的第一数据时,则执行所述以所述中心检测点为分隔点将多个所述待识别检测点分为两个检测点组的步骤以及后续步骤。
若所述中心检测点两侧预设数量的第三相邻检测点均存在所述光反射区对应的第一数据,则表明所述中心检测点位于充电桩上。
若所述中心检测点两侧预设数量的第三相邻检测点不存在所述光反射区对应的第一数据,则表明所述中心检测点位于非充电桩物体上。
若所述中心检测点两侧预设数量的第三相邻检测点只有一侧存在所述光反射区对应的第一数据,则表明所述中心检测点位于充电桩边缘。
步骤805,以所述中心检测点为分隔点将多个所述待识别检测点分为两个检测点组。
步骤806,根据每个所述检测点组的多个坐标信息进行直线拟合得到两条第二直线。
步骤807,计算两条所述第二直线的第一交点。
步骤808,根据所述第一交点和所述两个所述临界检测点构成的三角形,计算所述三角形的中线。
步骤809,根据所述中线获取充电桩与机器人的充电方向。
步骤810,将所述充电方向和所述中心检测点的坐标信息作为所述充电桩的位姿信息。
在本实施例中,通过在多个检测点中获取所述中心检测点两侧预设数量的第三相邻检测点的第一数据;若所述中心检测点两侧预设数量的第三相邻检测点均存在所述光反射区对应的第一数据时,则执行所述以所述中心检测点为分隔点将多个所述待识别检测点分为两个检测点组的步骤以及后续步骤。通过上述方式保证所述中心检测点位于充电桩中心,进而提高了机器人对充电桩位姿的识别准确率。
可选地,在上述图7所示实施例的基础上,在所述以所述中心检测点为分隔点将多个所述待识别检测点分为两个检测点组之后,还包括如下步骤,请参见图9,图9示出了本申请提供的另一种识别充电桩位姿的方法的示意性流程图。作为示例而非限定,该方法可以应用于上述机器人102中。其中,本实施例中步骤901至步骤903以及步骤906至步骤910,与上一实施例中步骤701 至步骤708相同,具体请参阅上一实施例中步骤701至步骤708的相关描述,此处不赘述。
如图9所示,该方法可以包括如下步骤:
步骤901,根据两个所述临界检测点的所述坐标信息得到第一直线或根据多个所述待识别检测点的坐标信息进行直线拟合得到第一直线。
步骤902,根据多个所述待识别检测点的坐标信息获取与所述第一直线距离最远的中心检测点。
步骤903,以所述中心检测点为分隔点将多个所述待识别检测点分为两个检测点组。
步骤904,将每组所述检测点组中的检测点对应的光反射强度进行两两相减得到多个差值。
为了确保每组所述检测点组中的检测点都在充电桩上,故将每组所述检测点组中的检测点对应的光反射强度进行两两相减得到多个差值,以判断每组所述检测点组中的检测点是否都处于充电桩上。
步骤905,若多个所述差值均小于或等于第三阈值,则执行所述根据每个所述检测点组的多个坐标信息进行直线拟合得到两条第二直线的步骤以及后续步骤。
若多个所述差值均小于或等于第三阈值,则表示每组所述检测点组中的检测点都在充电桩上。
若多个所述差值均大于第三阈值,则表示每组所述检测点组中的检测点不全处于充电桩上或全不处于充电桩上。
步骤906,根据每个所述检测点组的多个坐标信息进行直线拟合得到两条第二直线。
步骤907,计算两条所述第二直线的第一交点。
步骤908,根据所述第一交点和所述两个所述临界检测点构成的三角形,计算所述三角形的中线。
步骤909,根据所述中线获取充电桩与机器人的充电方向。
步骤910,将所述充电方向和所述中心检测点的坐标信息作为所述充电桩的位姿信息。
在本实施例中,通过将每组所述检测点组中的检测点对应的光反射强度进行两两相减得到多个差值,若多个所述差值均小于或等于第三阈值,则执行所述根据每个所述检测点组的多个坐标信息进行直线拟合得到两条第二直线的步骤以及后续步骤。通过上述方式保证每组所述检测点组中的检测点都位于充电桩上,进而提高了机器人对充电桩位姿的识别准确率。
如图10本申请提供了一种识别充电桩位姿的装置10,请参见图10,图10 示出了本申请提供的一种识别充电桩位姿的装置的示意图,如图10所示一种识别充电桩位姿的装置包括:
第一获取单元1001,用于获取传感器采集的多个检测点各自对应的第一数据,所述多个检测点处于同一水平面且分布在光反射区以及非充电桩物体表面;所述第一数据用于表示每个所述检测点的光反射强度;所述第一数据按照多个检测点的顺序进行排列;
第二获取单元1002,用于根据多个所述第一数据获取所述充电桩两侧的临界检测点;
第三获取单元1003,用于在多个所述检测点中获取每个所述临界检测点两侧预设数量的第一相邻检测点的第一数据;
判断单元1004,用于若每个所述临界检测点两侧预设数量的第一相邻检测点中有且只有一侧存在所述光反射区对应的第一数据时,则根据多个所述检测点的排列顺序截取两个所述临界检测点之间的检测点作为所述充电桩的多个待识别检测点;
计算单元1005,用于根据多个所述待识别检测点对应的第一数据以及所述临界检测点对应的第一数据识别所述充电桩的位姿信息。
本申请提供的一种识别充电桩位姿的装置,通过获取传感器采集的多个检测点各自对应的第一数据,根据多个所述第一数据获取所述充电桩两侧的临界检测点,在多个所述检测点中获取每个所述临界检测点两侧预设数量的第一相邻检测点的第一数据,若每个所述临界检测点两侧预设数量的第一相邻检测点中有且只有一侧存在所述光反射区对应的第一数据时,则根据多个所述检测点的排列顺序截取两个所述临界检测点之间的检测点作为所述充电桩的多个待识别检测点,根据多个所述待识别检测点对应的第一数据以及所述临界检测点对应的第一数据识别所述充电桩的位姿信息。通过上述方式可准确地获取充电桩的位姿信息,提高了机器人对充电桩位姿的识别准确率。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
图11示出了本申请一实施例提供的一种机器人的示意图。如图11所示,该实施例的一种机器人11包括:处理器110、存储器111以及存储在所述存储器111中并可在所述处理器110上运行的计算机程序112,例如一种识别充电桩位姿的程序。所述处理器110执行所述计算机程序112时实现上述各个一种识别充电桩位姿的方法实施例中的步骤,例如图2所示的步201至步骤205。或者,所述处理器110执行所述计算机程序112时实现上述各装置实施例中各单元的功能,例如图10所示单元1001至1005。
示例性的,所述计算机程序112可以被分割成一个或多个单元,所述一个或者多个单元被存储在所述存储器111中,并由所述处理器110执行,以完成本申请。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序112在所述一种机器人11中的执行过程。例如,所述计算机程序112可以被分割成获取单元和计算单元各单元具体功能如下:
第一获取单元,用于获取传感器采集的多个检测点各自对应的第一数据,所述多个检测点处于同一水平面且分布在光反射区以及非充电桩物体表面;所述第一数据用于表示每个所述检测点的光反射强度;所述第一数据按照多个检测点的顺序进行排列;
第二获取单元,用于根据多个所述第一数据获取所述充电桩两侧的临界检测点;
第三获取单元,用于在多个所述检测点中获取每个所述临界检测点两侧预设数量的第一相邻检测点的第一数据;
判断单元,用于若每个所述临界检测点两侧预设数量的第一相邻检测点中有且只有一侧存在所述光反射区对应的第一数据时,则根据多个所述检测点的排列顺序截取两个所述临界检测点之间的检测点作为所述充电桩的多个待识别检测点;
计算单元,用于根据多个所述待识别检测点对应的第一数据以及所述临界检测点对应的第一数据识别所述充电桩的位姿信息。
所述一种机器人11可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述一种机器人可包括,但不仅限于,处理器110、存储器111。本领域技术人员可以理解,图11仅仅是一种机器人11的示例,并不构成对一种机器人11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,例如所述一种机器人还可以包括输入输出设备、网络接入设备、总线等。
所称处理器110可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器111可以是所述一种机器人11的内部存储单元,例如一种机器人 11的硬盘或内存。所述存储器111也可以是所述一种机器人11的外部存储设备,例如所述一种机器人11上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器111还可以既包括所述一种机器人11的内部存储单元也包括外部存储设备。所述存储器111用于存储所述计算机程序以及所述一种机器人所需的其他程序和数据。所述存储器111还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,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、或者计算机软件和电子硬件的结合来实现。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。
在本申请所提供的实施例中,应该理解到,所揭露的机器人和方法,可以通过其它的方式实现。例如,以上所描述的机器人实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random AccessMemory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之间。
Claims (10)
1.一种识别充电桩位姿的方法,其特征在于,所述充电桩上设置有光反射区,所述方法包括:
获取传感器采集的多个检测点各自对应的第一数据,所述多个检测点处于同一水平面且分布在所述光反射区以及非充电桩物体表面;所述第一数据用于表示每个所述检测点的光反射强度;所述第一数据按照多个检测点的顺序进行排列;
根据多个所述第一数据获取所述充电桩两侧的临界检测点;
在多个所述检测点中获取每个所述临界检测点两侧预设数量的第一相邻检测点的第一数据;所述第一相邻检测点的第一数据用于确定所述临界检测点是否为充电桩边缘对应的检测点;
若每个所述临界检测点两侧预设数量的第一相邻检测点中有且只有一侧存在所述光反射区对应的第一数据时,则确认所述临界检测点为所述充电桩边缘对应的检测点;
根据多个所述检测点的排列顺序截取两个所述临界检测点之间的检测点作为所述充电桩的多个待识别检测点;
根据多个所述待识别检测点对应的第一数据以及所述临界检测点对应的第一数据识别所述充电桩的位姿信息。
2.如权利要求1所述的方法,其特征在于,所述第一数据包括检测点与所述传感器的第一距离;多个所述检测点是由同一光源发出多条射线在所述光反射区和非充电桩物体表面形成多个点,相邻所述检测点间的夹角相同;
相应的,所述根据多个所述第一数据获取所述充电桩两侧的临界检测点,包括:
根据所述第一距离以及所述夹角计算每个所述检测点的坐标信息;
根据所述坐标信息计算每两个相邻所述检测点之间的第二距离;
根据所述第一距离和所述第二距离在多个所述检测点中获取所述临界检测点。
3.如权利要求2所述的方法,其特征在于,所述根据所述第一距离和所述第二距离在多个所述检测点中获取所述临界检测点,包括:
若当前检测点的第一距离以及相邻的第二相邻检测点的第一距离之间的差值大于第一阈值,则确定当前检测点为所述临界检测点;
若当前检测点的第一距离以及相邻的第二相邻检测点的第一距离之间的差值小于第一阈值,则根据所述第一距离以及所述夹角计算所述当前检测点和所述第二相邻检测点之间的第三距离;
若所述第二距离与所述第三距离的差值大于第二阈值,则确定当前检测点为所述临界检测点。
4.如权利要求2所述的方法,其特征在于,所述根据多个所述待识别检测点对应的第一数据以及所述临界检测点对应的第一数据识别所述充电桩的位姿信息,包括:
根据两个所述临界检测点的所述坐标信息得到第一直线或根据多个所述待识别检测点的坐标信息进行直线拟合得到第一直线;
根据多个所述待识别检测点的坐标信息获取与所述第一直线距离最远的中心检测点;
以所述中心检测点为分隔点将多个所述待识别检测点分为两个检测点组;
根据每个所述检测点组的多个坐标信息进行直线拟合得到两条第二直线;
计算两条所述第二直线的第一交点;
根据所述第一交点和所述两个所述临界检测点构成的三角形,计算所述三角形的中线;
根据所述中线获取充电桩与机器人的充电方向;
将所述充电方向和所述中心检测点的坐标信息作为所述充电桩的位姿信息。
5.如权利要求4所述的方法,其特征在于,在所述根据多个所述待识别检测点的坐标信息获取与所述第一直线距离最远的中心检测点之后,还包括:
在多个检测点中获取所述中心检测点两侧预设数量的第三相邻检测点的第一数据;
若所述中心检测点两侧预设数量的第三相邻检测点均存在所述光反射区对应的第一数据时,则执行所述以所述中心检测点为分隔点将多个所述待识别检测点分为两个检测点组的步骤以及后续步骤。
6.如权利要求4所述的方法,其特征在于,在所述以所述中心检测点为分隔点将多个所述待识别检测点分为两个检测点组之后,还包括:
将每组所述检测点组中的检测点对应的光反射强度进行两两相减得到多个差值;
若多个所述差值均小于或等于第三阈值,则执行所述根据每个所述检测点组的多个坐标信息进行直线拟合得到两条第二直线的步骤以及后续步骤。
7.如权利要求4所述的方法,其特征在于,所述根据所述中线获取充电桩与机器人的充电方向,包括:
计算所述中线和所述第一直线的第二交点;
根据所述第一交点和所述第二交点获取所述充电方向。
8.一种识别充电桩位姿的装置,其特征在于,所述装置包括:
第一获取单元,用于获取传感器采集的多个检测点各自对应的第一数据,所述多个检测点处于同一水平面且分布在光反射区以及非充电桩物体表面;所述第一数据用于表示每个所述检测点的光反射强度;所述第一数据按照多个检测点的顺序进行排列;
第二获取单元,用于根据多个所述第一数据获取所述充电桩两侧的临界检测点;
第三获取单元,用于在多个所述检测点中获取每个所述临界检测点两侧预设数量的第一相邻检测点的第一数据;所述第一相邻检测点的第一数据用于确定所述临界检测点是否为充电桩边缘对应的检测点;
判断单元,用于若每个所述临界检测点两侧预设数量的第一相邻检测点中有且只有一侧存在所述光反射区对应的第一数据时,则确认所述临界检测点为所述充电桩边缘对应的检测点;
根据多个所述检测点的排列顺序截取两个所述临界检测点之间的检测点作为所述充电桩的多个待识别检测点;
计算单元,用于根据多个所述待识别检测点对应的第一数据以及所述临界检测点对应的第一数据识别所述充电桩的位姿信息。
9.一种机器人,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911259906.4A CN111045026B (zh) | 2019-12-10 | 2019-12-10 | 一种识别充电桩位姿的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911259906.4A CN111045026B (zh) | 2019-12-10 | 2019-12-10 | 一种识别充电桩位姿的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111045026A CN111045026A (zh) | 2020-04-21 |
CN111045026B true CN111045026B (zh) | 2022-03-18 |
Family
ID=70235549
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911259906.4A Active CN111045026B (zh) | 2019-12-10 | 2019-12-10 | 一种识别充电桩位姿的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111045026B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111856492B (zh) * | 2020-06-22 | 2021-04-23 | 北京驭光科技发展有限公司 | 动态船舶测高方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3062302A1 (en) * | 2015-02-27 | 2016-08-31 | GE Aviation Systems LLC | System and methods for providing situational awareness information for a relative navigation system |
CN206369965U (zh) * | 2016-12-26 | 2017-08-01 | 旗瀚科技有限公司 | 一种基于机器视觉识别的自动寻找充电桩机器人 |
CN107539160A (zh) * | 2017-09-29 | 2018-01-05 | 深圳悉罗机器人有限公司 | 充电桩及其识别方法、智能移动机器人 |
CN108988423A (zh) * | 2018-07-23 | 2018-12-11 | 深圳市银星智能科技股份有限公司 | 充电桩及其识别方法、智能移动装置、系统 |
CN110370266A (zh) * | 2018-04-13 | 2019-10-25 | 深圳市神州云海智能科技有限公司 | 一种机器人充电桩的定位方法及机器人 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9880263B2 (en) * | 2015-04-06 | 2018-01-30 | Waymo Llc | Long range steerable LIDAR system |
-
2019
- 2019-12-10 CN CN201911259906.4A patent/CN111045026B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3062302A1 (en) * | 2015-02-27 | 2016-08-31 | GE Aviation Systems LLC | System and methods for providing situational awareness information for a relative navigation system |
CN206369965U (zh) * | 2016-12-26 | 2017-08-01 | 旗瀚科技有限公司 | 一种基于机器视觉识别的自动寻找充电桩机器人 |
CN107539160A (zh) * | 2017-09-29 | 2018-01-05 | 深圳悉罗机器人有限公司 | 充电桩及其识别方法、智能移动机器人 |
CN110370266A (zh) * | 2018-04-13 | 2019-10-25 | 深圳市神州云海智能科技有限公司 | 一种机器人充电桩的定位方法及机器人 |
CN108988423A (zh) * | 2018-07-23 | 2018-12-11 | 深圳市银星智能科技股份有限公司 | 充电桩及其识别方法、智能移动装置、系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111045026A (zh) | 2020-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11189044B2 (en) | Method and device for detecting object stacking state and intelligent shelf | |
US11506769B2 (en) | Method and device for detecting precision of internal parameter of laser radar | |
US11043000B2 (en) | Measuring method and apparatus for damaged part of vehicle | |
CN109955246B (zh) | 悬崖检测方法、装置、终端设备及计算机可读存储介质 | |
CN109191553B (zh) | 点云渲染方法、装置、终端及存储介质 | |
CN110442120B (zh) | 控制机器人在不同场景下移动的方法、机器人及终端设备 | |
CN111077541A (zh) | 一种障碍物识别方法、障碍物识别装置及移动机器人 | |
CN111695429B (zh) | 视频图像目标关联方法、装置及终端设备 | |
CN111950543A (zh) | 一种目标检测方法和装置 | |
KR102247879B1 (ko) | 로봇 및 재충전 위치 확정 방법과 장치 | |
CN111142514B (zh) | 一种机器人及其避障方法和装置 | |
CN111045026B (zh) | 一种识别充电桩位姿的方法及装置 | |
CN114966651A (zh) | 可行驶区域检测方法、计算机设备、存储介质及车辆 | |
CN114550142A (zh) | 基于4d毫米波雷达和图像识别融合的车位检测方法 | |
CN111862208B (zh) | 一种基于屏幕光通信的车辆定位方法、装置及服务器 | |
WO2021092771A1 (zh) | 一种目标检测方法及装置、设备、存储介质 | |
CN111336938A (zh) | 一种机器人及其物体距离检测方法和装置 | |
EP4361958A1 (en) | Ground point cloud segmentation method and apparatus, and autonomous vehicle | |
CN112685860B (zh) | 一种曲面姿态检测方法、装置、终端设备及存储介质 | |
CN114744721A (zh) | 一种机器人的充电控制方法、终端设备及存储介质 | |
CN110909569B (zh) | 路况信息识别方法及终端设备 | |
CN109858304A (zh) | 二维码位置探测图形的检测方法、装置和存储介质 | |
CN115019157B (zh) | 目标物检测方法、装置、设备和计算机可读存储介质 | |
CN113538558B (zh) | 基于ir图的体积测量优化方法、系统、设备及存储介质 | |
CN113239906B (zh) | 车道线检测方法和装置 |
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 |