CN111179377B - 机器人建图方法、相应的机器人及存储介质 - Google Patents

机器人建图方法、相应的机器人及存储介质 Download PDF

Info

Publication number
CN111179377B
CN111179377B CN201911416830.1A CN201911416830A CN111179377B CN 111179377 B CN111179377 B CN 111179377B CN 201911416830 A CN201911416830 A CN 201911416830A CN 111179377 B CN111179377 B CN 111179377B
Authority
CN
China
Prior art keywords
identifier
robot
detected
current scene
loop
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
Application number
CN201911416830.1A
Other languages
English (en)
Other versions
CN111179377A (zh
Inventor
郭睿
谢琨
蒋晨晨
刘志超
庞建新
熊友军
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.)
Ubtech Robotics Corp
Original Assignee
Ubtech Robotics Corp
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 Ubtech Robotics Corp filed Critical Ubtech Robotics Corp
Priority to CN201911416830.1A priority Critical patent/CN111179377B/zh
Publication of CN111179377A publication Critical patent/CN111179377A/zh
Priority to US16/935,231 priority patent/US11654572B2/en
Application granted granted Critical
Publication of CN111179377B publication Critical patent/CN111179377B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/206—Drawing of charts or graphs
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
    • B25J9/1697—Vision controlled systems
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J13/00—Controls for manipulators
    • B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1602—Programme controls characterised by the control system, structure, architecture
    • B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1628—Programme controls characterised by the control loop
    • B25J9/1653—Programme controls characterised by the control loop parameters identification, estimation, stiffness, accuracy, error analysis
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0234—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/22—Character recognition characterised by the type of writing
    • G06V30/224—Character recognition characterised by the type of writing of printed characters having additional code marks or containing code marks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/61—Scene description
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/09—Recognition of logos

Abstract

本申请提供一种机器人建图方法、相应的机器人及存储介质，该机器人建图方法包括侦测当前场景中的标识物，标识物带有能被机器人识别的标识信息，判断侦测的标识物是否满足预设条件，当侦测的标识物满足预设条件时，基于标识物而对当前场景建图。该机器人建图方法不仅能够对当前场景进行建图，且能够有效降低回环难度及出现误回环的次数。

Description

机器人建图方法、相应的机器人及存储介质
技术领域
本发明涉及导航技术领域，尤其涉及一种机器人建图方法、相应的机器人及存储介质。
背景技术
在一些大场景中，如商超、机场、机房等，经常需要对当前场景进行建图以提供较好的导航定位服务。
目前，一般利用搭载有激光或者视觉等传感器的机器装置对当前场景进行回环建图，以提供导航定位服务；然而由于商超、机场、机房等地方其场景较大，且周围环境高度相似，采用搭载有激光或者视觉等传感器的机器装置对当前场景建图，易出现回环难、误回环的问题。
发明内容
本申请提供一种机器人建图方法、相应的机器人及存储介质，该机器人建图方法不仅能够对当前场景进行建图，且能够有效降低回环难度及出现误回环的次数。
为解决上述技术问题，本申请采用的第一个技术方案是：提供一种机器人建图方法，该建图方法包括：
侦测当前场景中的标识物，所述标识物带有能被所述机器人识别的标识信息；
判断侦测的标识物是否满足预设条件，当侦测的标识物满足预设条件时，基于标识物而对当前场景建图。
为解决上述技术问题，本申请采用的第二个技术方案是：提供一种具有建图功能的机器人，该机器人包括侦测模块、判断模块和建图模块；其中，侦测模块用于侦测当前场景中的标识物，所述标识物带有能被所述机器人识别的标识信息；判断模块用于判断侦测的标识物是否满足预设条件；建图模块用于在侦测的标识物满足预设条件时，基于标识物而对当前场景建图。
为解决上述技术问题，本申请采用的第三个技术方案是：提供一种具有建图功能的机器人，该机器人包括存储器和处理器，其中，存储器中存储有程序指令，处理器连接存储器以调取程序指令并根据程序指令执行上述所涉及的方法。
为解决上述技术问题，本申请采用的第四个技术方案是：提供一种存储介质，该存储介质存储有程序指令，程序指令被调取以执行上述所涉及的方法。
本申请提供的机器人建图方法、相应的机器人及存储介质，该机器人建图方法通过对当前场景中的带有能被机器人识别的标识信息的标识物进行侦测，并判断侦测的标识物是否满足预设条件，当侦测的标识物满足预设条件时，基于标识物而对当前场景进行建图；由于该方法是通过侦测当前场景中的标识物而对当前场景进行建图，相比于现有技术中通过搭载有激光或视觉等传感器的机器装置直接对当前场景进行建图的方式，能够有效降低回环难度及出现误回环的次数；同时，由于本申请的上述方法是在侦测的标识物满足预设条件之后进行回环处理以对当前场景进行建图，能够有效避免频繁回环使得机器人系统负载过大，从而对建图质量造成影响的问题，进而能够通过该方法构建质量较好的环境地图，以提供更加精准的导航定位服务。
附图说明
图1为本申请第一实施例提供的机器人建图方法的流程示意图；
图2为图1中步骤S10的具体流程示意图；
图3为本申请第二实施例提供的机器人建图方法的流程示意图；
图4为本申请第三实施例提供的机器人建图方法的流程示意图；
图5为本申请第四实施例提供的机器人建图方法的流程示意图；
图6为本申请第五实施例提供的机器人建图方法的流程示意图；
图7为本申请第六实施例提供的机器人建图方法的流程示意图；
图8为本申请一实施例提供的具有建图功能的机器人的结构示意图；
图9为本申请另一实施例提供的具有建图功能的机器人的结构示意图；
图10为本申请一实施例提供的存储介质的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本申请中的术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。本申请实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
下面结合附图和实施例对本申请进行详细的说明。
请参阅图1，图1为本申请第一实施例提供的机器人建图方法的流程示意图。在本实施例中，提供一种机器人建图方法，该建图方法包括：
步骤S10：侦测当前场景中的标识物。
为了准确而高效率的构建大场景、高相似环境下的导航地图，在当前场景中的特定位置预先放置一些特殊标识物，并对所有标识物依次进行编号，以形成相应的标识信息(ID)，同时启动机器人的建图模式，以对当前场景中的标识物进行侦测，相比于现有技术中通过搭载有激光或视觉等传感器的机器装置直接对当前场景进行建图的方式，基于侦测当前场景中的标识物然后进行建图，能够有效降低回环难度及出现误回环的次数。
需要说明的是，本申请中的机器人可用于对当前场景进行建图，其内部设置有建图模式，该建图模式的具体结构与功能与现有技术中的建图模式的结构与功能相同或相似，且可实现相同或相似的技术效果，在此不再赘述。
具体的，上述特定位置可以是纹理缺乏的地方，如商场中狭长隐秘的厕所通道里、机场中空旷高大的客厅中心等；也可以是环境相似的场景，如商场中相同的店铺门口、扶梯周围、机房中服务器陈列一致的通道口机柜上等。
具体的，上述标识物包括带有识别码或者识别信号的物品，其中，识别码包括二维码，识别信号包括WIFI、蓝牙、超宽带或射频识别信号；在具体实施过程中，当前场景的不同特定位置可以只部署一种标识物，如，在当前场景的各个特定位置分别部署包括二维码的物品以作为标识物；当然，也可在当前场景的一些特定位置部署包括二维码的物品以作为标识物，而在其它一些特定位置部署包括WIFI、蓝牙、超宽带或射频识别信号的物品以作为标识物，本实施例对此并不加以限制。在具体实施过程中，在当前场景的某一特定位置设置一个标识物即可。
具体的，参见图2，图2为图1中步骤S10的具体流程示意图，步骤S10具体包括：
步骤S200：对当前场景进行检测。
具体的，若标识物为带有二维码的物品时，则获取一帧当前特定位置的图像，其中，获取图像的频率具体可为10帧/秒；若标识物为带有识别信号的物品时，则进行识别信号检测，其中，检测频率具体可为1次/秒。具体的，标识物的检测方法具体可参见现有技术中的检测方法，且可达到相同或相似的技术效果，在此不再赘述。
步骤S201：判断当前场景中是否存在标识物。
具体的，若标识物为带有二维码的物品时，则判断获取的当前特定位置的图像中是否存在标识物；若标识物为带有识别信号的物品时，则判断是否能检测到识别信号；若不存在，则执行步骤S202；若存在，则执行步骤S11。
步骤S202；将次数变量清零。
具体的，将次数变量清零之后，然后重新执行步骤S200。
步骤S11：判断侦测的标识物是否满足预设条件，当侦测的标识物满足预设条件时，基于标识物而对当前场景建图。
具体的，预设条件包括距离条件、次数条件和时间条件中的至少一种。
其中，距离条件具体是指标识物与机器人之间的距离小于距离阈值；具体的，距离阈值可为2米。
其中，次数条件具体是指次数变量大于次数阈值；其中，次数变量具体是指连续检测到满足距离条件的标识物的次数，次数阈值具体可为3。
其中，时间条件具体是指满足次数条件后的当前回环发布时刻与上一次最后回环发布时刻的时间差值大于时间阈值；其中，上一次最后回环发布时刻具体是指由该标识物引起的，系统最新一次满足距离条件、次数条件和时间条件后向激光或者视觉SLAM发布该次回环时的时刻；具体的，时间阈值可为300秒，即，5分钟内只响应一次该标志物所触发的回环处理操作，以避免频繁回环使得机器人系统负载过大，从而对建图质量造成影响的问题，进而能够通过该方法构建质量较好的环境地图，以提供更加精准的导航定位服务。
本实施例提供的机器人建图方法，通过对当前场景中的带有能被机器人识别的标识信息的标识物进行侦测，并判断侦测的标识物是否满足预设条件，当侦测的标识物满足预设条件时，基于标识物而对当前场景进行建图；由于该方法是通过侦测当前场景中的标识物而对当前场景进行建图，相比于现有技术中通过搭载有激光或视觉等传感器的机器装置直接对当前场景进行建图的方式，能够有效降低回环难度及出现误回环的次数；同时，由于本申请的上述方法是在侦测的标识物满足预设条件之后进行回环处理以对当前场景进行建图，能够有效避免频繁回环使得机器人系统负载过大，从而对建图质量造成影响的问题，进而能够通过该方法构建质量较好的环境地图，以提供更加精准的导航定位服务。
参见图3，图3为本申请第二实施例提供的机器人建图方法的流程示意图；在本实施例中，提供一种机器人建图方法，该建图方法包括：
步骤S300：对当前场景进行检测。
步骤S301：判断当前场景中是否存在标识物。
具体的，若不存在，则执行步骤S302；若存在，则执行步骤S303。
步骤S302；将次数变量清零。
具体的，步骤S300至步骤S302的具体实施过程与上述实施例中步骤S200至步骤S202的具体实施过程相同或相似，且可达到相同或相似的技术效果，本实施例在此不再赘述。
步骤S303：识别标识物的标识信息(ID)，并根据标识信息在建图数据库中检索标识物。
具体的，若在步骤S301中侦测到存在该标识物，则对该标识物进行识别以获取相应的标识信息，然后在当前的建图数据库db中检索该ID。
步骤S304：若未在建图数据库中检索到标识信息，则将标识物的标识信息输入至建图数据库中并获取首次侦测标识物的回环发布时刻。
具体的，建图数据库db中包含两个字段：标识物ID字段(变量名为id)和由该标识物所触发的系统最后回环发布时刻字段(变量名为last_loop_pub_time)。该最后回环发布时刻字段在标识物首次被检测识别时需要初始化一个系统默认值；在具体实施过程中，该系统默认值可设置成首次侦测标识物的回环发布时刻；另外，该系统默认值之后可依次由每次该标识物所触发的系统回环发布时刻更新，该字段最终保存的是由该标识物所触发的最近一次回环发布时刻。
步骤S305：判断侦测的标识物是否满足预设条件，当侦测的标识物满足预设条件时，基于标识物而对当前场景建图。
具体的，步骤S305的具体实施过程与上述实施例中步骤S11的具体实施过程相同或相似，且可达到相同或相似的技术效果，本实施例在此不再赘述。
本实施例提供的机器人建图方法，通过对当前场景进行检测，然后判断当前场景中是否存在标识物，若存在，则识别标识物的标识信息并根据标识信息在建图数据库中检索标识物，若未在建图数据库中检索到标识信息，则将标识物的标识信息输入至建图数据库中并获取首次侦测标识物的回环发布时刻，然后判断侦测的标识物是否满足预设条件，当侦测的标识物满足预设条件时，基于标识物而对当前场景建图；本实施例中通过对当前场景中的带有能被机器人识别的标识信息的标识物进行检测识别然后进行建图，相比于现有技术中通过搭载有激光或视觉等传感器的机器装置直接对当前场景进行建图的方式，能够有效降低回环难度及出现误回环的次数；且由于本申请的上述方法是在侦测的标识物满足预设条件之后进行回环处理以对当前场景进行建图，能够有效避免频繁回环使得机器人系统负载过大，从而对建图质量造成影响的问题，进而能够通过该方法构建质量较好的环境地图，以提供更加精准的导航定位服务。
参见图4，图4为本申请第三实施例提供的机器人建图方法的流程示意图；在本实施例中，提供一种机器人建图方法，该建图方法包括：
步骤S400：对当前场景进行检测。
步骤S401：判断当前场景中是否存在标识物。
具体的，若不存在，则执行步骤S402；若存在，则执行步骤S403。
步骤S402；将次数变量清零。
具体的，步骤S400至步骤S402的具体实施过程与上述实施例中步骤S300至步骤S302的具体实施过程相同或相似，且可达到相同或相似的技术效果，本实施例在此不再赘述。
步骤S403：识别并获取标识物的标识信息。
具体的，可参见现有技术中标识信息的识别方法对标识物的标识信息进行识别以获取标识物的标识信息，在此不再赘述。
步骤S404：根据标识信息在建图数据库中检索标识物并判断当前的建图数据库db中是否存在该标识信息。
具体的，建图数据库db中存储有若干标识信息，若在当前的建图数据库db中能够搜索到该标识信息，即，当前的建图数据库db中存在该标识信息，说明机器人不是第一次经过该位置，则执行步骤S406；若在当前的建图数据库db中不能搜索到该标识信息，即，当前的建图数据库db中不存在该标识信息，说明机器人是第一次经过该位置，则执行步骤S405。
步骤S405：将标识物的标识信息输入至建图数据库中并获取首次侦测标识物的回环发布时刻。
步骤S406：判断侦测的标识物是否满足预设条件，当侦测的标识物满足预设条件时，基于标识物而对当前场景建图。
具体的，步骤S405至步骤S406的其它具体实施过程与上述第二实施例中的步骤S304至步骤S305的具体实施过程相同或相似，且可达到相同或相似的技术效果，本实施例在此不再赘述。
本实施例提供的机器人建图方法，通过对当前场景进行检测，然后判断当前场景中是否存在标识物，若存在，则识别标识物的标识信息，然后根据标识信息在建图数据库中检索标识物并判断当前的建图数据库db中是否存在该标识信息，若不存在，则将标识物的标识信息输入至建图数据库中并获取首次侦测标识物的回环发布时刻，然后判断侦测的标识物是否满足预设条件，当侦测的标识物满足预设条件时，基于标识物而对当前场景建图；本实施例中通过对当前场景中的带有能被机器人识别的标识信息的标识物进行检测识别然后进行建图，相比于现有技术中通过搭载有激光或视觉等传感器的机器装置直接对当前场景进行建图的方式，能够有效降低回环难度及出现误回环的次数；且由于本申请的上述方法是在侦测的标识物满足预设条件之后进行回环处理以对当前场景进行建图，能够有效避免频繁回环使得机器人系统负载过大，从而对建图质量造成影响的问题，进而能够通过该方法构建质量较好的环境地图，以提供更加精准的导航定位服务。
请参见图5，为本申请第四实施例提供的机器人建图方法的流程示意图；在本实施例中，提供一种机器人建图方法，该建图方法中所涉及的预设条件具体可为距离条件；具体的，该建图方法包括：
步骤S500：对当前场景进行检测。
步骤S501：判断当前场景中是否存在标识物。
具体的，若不存在，则执行步骤S502；若存在，则执行步骤S503。
步骤S502；将次数变量清零。
具体的，将次数变量清零后重新执行步骤S500。
步骤S503：识别并获取标识物的标识信息。
步骤S504：根据标识信息在建图数据库中检索标识物并判断当前的建图数据库db中是否存在该标识信息。
具体的，若存在，则执行步骤S506，若不存在，则执行步骤S505。
步骤S505：将标识物的标识信息输入至建图数据库中并获取首次侦测标识物的回环发布时刻。
具体的，上述步骤S500至步骤S505的具体实施过程与上述实施方式中步骤S400至步骤S405的具体实施过程相同或相似，且可实现相同或相似的技术效果，本实施例在此不再赘述。
步骤S506：判断本次侦测的标识物与机器人的距离是否小于距离阈值。
在对标识物侦测的过程中，同时获取标识物与机器人的欧式距离，然后将该欧式距离与距离阈值进行比较，以判断标识物与机器人的欧式距离是否小于距离阈值，若是，则执行步骤S507；若否，执行步骤S502。
具体的，标识物与机器人的欧式距离具体可通过现有技术中欧式距离的测量方法进行获取；具体的，距离阈值可为2米。
步骤S507：确定侦测的标识物满足预设条件，并输出回环信号以基于标识物而对当前场景建图。
具体的，当侦测的标识物依次满足距离条件后，输出相应的回环信号以基于该标识物对当前场景进行建图；在具体实施过程中，对该标识物所在场景进行建图之后，继续执行步骤S500，然后重新对其它位置的场景进行检测，直至对整个大场景建图完成为止。
本实施例提供的机器人建图方法，通过对当前场景中的带有能被机器人识别的标识信息的标识物进行检测识别然后进行建图，相比于现有技术中通过搭载有激光或视觉等传感器的机器装置直接对当前场景进行建图的方式，能够有效降低回环难度及出现误回环的次数；且由于本实施例的上述方法是在侦测的标识物满足距离之后进行回环处理以对当前场景进行建图，能够有效避免频繁回环使得机器人系统负载过大，从而对建图质量造成影响的问题，进而能够通过该方法构建质量较好的环境地图，以提供更加精准的导航定位服务。
请参见图6，为本申请第五实施例提供的机器人建图方法的流程示意图；在本实施例中，提供一种机器人建图方法，该建图方法中所涉及的预设条件具体可为次数条件；具体的，该建图方法包括：
步骤S600：对当前场景进行检测。
步骤S601：判断当前场景中是否存在标识物。
具体的，若不存在，则执行步骤S602；若存在，则执行步骤S603。
步骤S602；将次数变量清零。
具体的，将次数变量清零后重新执行步骤S600。
步骤S603：识别并获取标识物的标识信息。
步骤S604：根据标识信息在建图数据库中检索标识物并判断当前的建图数据库db中是否存在该标识信息。
具体的，若存在，则执行步骤S606，若不存在，则执行步骤S605。
步骤S605：将标识物的标识信息输入至建图数据库中并获取首次侦测标识物的回环发布时刻。
步骤S606：判断本次侦测的标识物与机器人的距离是否小于距离阈值。
具体的，若是，则执行步骤S607；若否，则执行步骤S602。
具体的，上述步骤S600至步骤S606的具体实施过程与上述第四实施例中步骤S500至步骤S506所涉及的具体实施过程相同或相似，且可实现相同或相似的技术效果，本实施例在此不再赘述。
步骤S607：将侦测次数变量加一。
步骤S608：判断侦测次数变量是否大于次数阈值。
具体的，侦测次数变量具体是指连续侦测到标识物与机器人的距离小于距离阈值的次数，其中，次数阈值具体可为3，即，判断侦测次数变量是否大于3次，若否，则执行步骤S600；若是，执行步骤S609。
步骤S609：确定侦测的标识物满足预设条件，并输出回环信号以基于标识物而对当前场景建图。
具体的，当侦测的标识物依次满足距离条件后，输出相应的回环信号以基于该标识物对当前场景进行建图；在具体实施过程中，对该标识物所在场景进行建图之后，继续执行步骤S600，然后重新对其它位置的场景进行检测，直至对整个大场景建图完成为止。
本实施例提供的机器人建图方法，通过对当前场景中的带有能被机器人识别的标识信息的标识物进行检测识别然后进行建图，相比于现有技术中通过搭载有激光或视觉等传感器的机器装置直接对当前场景进行建图的方式，能够有效降低回环难度及出现误回环的次数；且由于本申请的上述方法是在侦测的标识物满足次数条件之后进行回环处理以对当前场景进行建图，能够有效避免频繁回环使得机器人系统负载过大，从而对建图质量造成影响的问题，进而能够通过该方法构建质量较好的环境地图，以提供更加精准的导航定位服务；同时，由于次数条件是在满足距离条件的基础上进行的，因此，相比于在侦测的标识物满足距离条件之后进行回环处理以对当前场景进行建图的方案，能够更大程度地降低回环频率，从而进一步避免频繁回环使得机器人系统负载过大，从而对建图质量造成影响的问题，进而能够通过该方法构建质量较好的环境地图，以提供更加精准的导航定位服务。
请参见图7，为本申请第六实施例提供的机器人建图方法的流程示意图；在本实施例中，提供一种机器人建图方法，该建图方法中所涉及的预设条件具体可为次数条件；具体的，该建图方法包括：：
步骤S700：对当前场景进行检测。
步骤S701：判断当前场景中是否存在标识物。
具体的，若不存在，则执行步骤S702；若存在，则执行步骤S703。
步骤S702；将次数变量清零。
具体的，将次数变量清零后重新执行步骤S700。
步骤S703：识别并获取标识物的标识信息。
步骤S704：根据标识信息在建图数据库中检索标识物并判断当前的建图数据库db中是否存在该标识信息。
具体的，若存在，则执行步骤S706，若不存在，则执行步骤S705。
步骤S705：将标识物的标识信息输入至建图数据库中并获取首次侦测标识物的回环发布时刻。
步骤S706：判断本次侦测的标识物与机器人的距离是否小于距离阈值。
在对标识物侦测的过程中，同时获取标识物与机器人的欧式距离，然后将该欧式距离与距离阈值进行比较，以判断标识物与机器人的欧式距离是否小于距离阈值，若是，则执行步骤S707；若否，执行步骤S702。
具体的，标识物与机器人的欧式距离具体可通过现有技术中欧式距离的测量方法进行获取；具体的，距离阈值可为2米。
步骤S707：将侦测次数变量加一。
步骤S708：判断侦测次数变量是否大于次数阈值。
具体的，若否，则执行步骤S700；若是，执行步骤S709。
具体的，上述步骤S700至步骤S708的具体实施过程与上述第五实施例中步骤S600至步骤S608所涉及的具体实施过程相同或相似，且可实现相同或相似的技术效果，本实施例在此不再赘述。
步骤S709：获取本次侦测标识物的回环发布时刻以作为当前回环发布时刻，并计算当前回环发布时刻与上一次最后回环发布时刻的时间差值。
可以理解的是，当前回环发布时刻是该次满足次数阈值时的回环发布时刻。
步骤S710：判断当前回环发布时刻与上一次最后回环发布时刻的时间差值是否大于时间阈值。
具体的，若当前回环发布时刻与上一次最后回环发布时刻的时间差值大于时间阈值，则执行步骤S711；若当前回环发布时刻与上一次最后回环发布时刻的时间差值小于或等于时间阈值，则执行步骤S702。
具体的，时间阈值可为300秒，在具体实施方式中，若上一次最后回环发布时刻为8时0分0秒，当前回环发布时刻为8时2分10秒，则当前回环发布时刻与上一次最后回环发布时刻的时间差值为2分10秒，即130秒，时间差值130秒小于时间阈值300秒，则执行步骤S502；在另一具体实施方式中，若上一次最后回环发布时刻为8时0分0秒，当前回环发布时刻为8时5分10秒，则当前回环发布时刻与上一次最后回环发布时刻的时间差值为5分10秒，即310秒，时间差值310秒大于时间阈值300秒，则执行步骤S711。
步骤S711：确定侦测的标识物满足预设条件，并输出回环信号以基于标识物而对当前场景建图。
具体的，当侦测的标识物依次满足距离条件、次数条件和时间条件后，输出相应的回环信号以基于该标识物对当前场景进行建图。同时，将该标识物对应的最后回环发布字段更新为当前回环发布时刻，此处即为上述的该次满足次数阈值时的回环发布时刻。比如，上述实施方式中所涉及的满足次数条件的最后回环发布时刻为8时5分10秒，如果该次回环是首次发布，则将该标识物对应的最后回环发布时刻由系统默认值更新为8时5分10秒；若第二次满足次数条件的最后回环发布时刻为8时12分10秒，则将8时5分10秒更新为8时12分10秒；若第三次满足次数条件的最后回环发布时刻为8时18分10秒，则将8时12分10秒更新为8时18分10秒，以此类推。
在具体实施过程中，对该标识物所在场景进行建图之后，继续执行步骤S702，然后重新对其它位置的场景进行检测，直至对整个大场景建图完成为止。
本实施例提供的机器人建图方法，通过对当前场景中的带有能被机器人识别的标识信息的标识物进行检测识别然后进行建图，相比于现有技术中通过搭载有激光或视觉等传感器的机器装置直接对当前场景进行建图的方式，能够有效降低回环难度及出现误回环的次数；且由于本申请的上述方法是在侦测的标识物满足时间条件之后进行回环处理以对当前场景进行建图，能够有效避免频繁回环使得机器人系统负载过大，从而对建图质量造成影响的问题，进而能够通过该方法构建质量较好的环境地图，以提供更加精准的导航定位服务；同时，由于时间条件是在满足距离条件和次数条件的基础上进行的，因此，相比于在侦测的标识物满足距离条件和次数条件之后进行回环处理以对当前场景进行建图的方案，能够进一步降低回环频率，从而进一步避免频繁回环使得机器人系统负载过大，而对建图质量造成影响的问题，进而能够通过该方法构建质量较好的环境地图，以提供更加精准的导航定位服务。
此外，本实施例提供的机器人建图方法，该建图方法效率和准确性较高，能够有效降低如商超、机场、机房等大场景、高相似环境下的视觉或者激光建图中的回环难度及出现误回环的次数，从而有助于其构建更加高质量的环境地图，用于提供精准的导航定位服务；且该建图方法具备通用性强、实用性好的特点。
请参阅图8，图8为本申请一实施例提供的具有建图功能的机器人40的结构示意图；在本实施例中，提供一种具有建图功能的机器人40，该机器人包括侦测模块400、判断模块401和建图模块402。
其中，侦测模块400用于侦测当前场景中的标识物。
具体的，为了准确而高效率的构建大场景、高相似环境下的导航地图，在当前场景中的特定位置预先放置一些特殊标识物，并对所有标识物依次进行编号，以形成相应的标识信息(ID)，同时启动机器人的建图模式，以对当前场景中的标识物进行侦测，相比于现有技术中通过搭载有激光或视觉等传感器的机器装置直接对当前场景进行建图的方式，基于侦测当前场景中的标识物然后进行建图，能够有效降低回环难度及出现误回环的次数。
需要说明的是，本申请中的机器人可用于对当前场景进行建图，其内部设置有建图模式，该建图模式的具体结构与功能与现有技术中的建图模式的结构与功能相同或相似，且可实现相同或相似的技术效果，在此不再赘述。
具体的，上述特定位置可以是纹理缺乏的地方，如商场中狭长隐秘的厕所通道里、机场中空旷高大的客厅中心等；也可以是环境相似的场景，如商场中相同的店铺门口、扶梯周围、机房中服务器陈列一致的通道口机柜上等。
具体的，上述标识物包括带有识别码或者识别信号的物品，其中，识别码包括二维码，识别信号包括WIFI、蓝牙、超宽带或射频识别信号；在具体实施过程中，当前场景的不同特定位置可以部署同一种标识物，如，在当前场景的各个特定位置分别部署包括二维码的物品以作为标识物；当然，也可在当前场景的某些特定位置部署包括二维码的物品以作为标识物，在某些特定位置部署包括WIFI、蓝牙、超宽带或射频识别信号的物品以作为标识物，本实施例对此并不加以限制。在具体实施过程中，在当前场景的某一特定位置设置一个标识物即可。
其中，判断模块401用于判断侦测的标识物是否满足预设条件；建图模块402用于在侦测的标识物满足预设条件时，基于标识物而对当前场景建图。
具体的，预设条件包括距离条件、次数条件和时间条件。
其中，距离条件具体是指标识物与机器人之间的距离小于距离阈值；具体的，距离阈值可为2米。
其中，次数条件具体是指次数变量大于次数阈值；其中，次数变量具体是指连续检测到满足距离条件的标识物的次数，次数阈值具体可为3。
其中，时间条件具体是指最后回环发布时刻与首次回环发布时刻的时间差值大于时间阈值；其中，首次回环发布时刻具体是指首次侦测到该标识物的回环发布时刻，最后回环发布时刻具体是指满足次数条件后侦测到的标识物的回环发布时刻；具体的，时间阈值可为300秒，即，5分钟内只响应一次该标志物所触发的回环处理操作，以避免频繁回环使得机器人系统负载过大，从而对建图质量造成影响的问题，进而能够通过该方法构建质量较好的环境地图，以提供更加精准的导航定位服务。
请参阅图9，图9为本申请另一实施例提供的具有建图功能的机器人的结构示意图；在本实施例中，提供另一种具有建图功能的机器人，该机器人包括存储器500和处理器501。
其中，存储器500中存储有程序指令，处理器501连接存储器500以调取程序指令并根据程序指令执行上述实施例所涉及的机器人建图方法。
其中，处理器501还可以称为CPU(Central Processing Unit，中央处理单元)。处理器501可能是一种集成电路芯片，具有信号的处理能力。处理器501还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(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。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。
存储器500可以为内存条、TF卡等，可以存储具有建图功能的机器人中全部信息，包括输入的原始数据、计算机程序、中间运行结果和最终运行结果都保存在存储器500中。它根据控制器指定的位置存入和取出信息。有了存储器500，具有建图功能的机器人才有记忆功能，才能保证正常工作。具有建图功能的机器人中的存储器500按用途存储器可分为主存储器(内存)和辅助存储器(外存)，也有分为外部存储器和内部存储器的分类方法。外存通常是磁性介质或光盘等，能长期保存信息。内存指主板上的存储部件，用来存放当前正在执行的数据和程序，但仅用于暂时存放程序和数据，关闭电源或断电，数据会丢失。
具有建图功能的机器人还包括其他的器件，其与现有技术中的具有建图功能的机器人中的其他器件及功能相同，在此不再赘述。
请参阅图10，图10为本申请一实施例提供的存储介质的结构示意图。在本实施例中，提供一种存储介质，该存储介质存储有程序指令600，程序指令600被调取以执行上述实施例所涉及的机器人建图方法。
其中，该程序指令600可以以软件产品的形式存储在上述存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储装置包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random AccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质，或者是计算机、服务器、手机、平板等终端设备。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，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信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
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。
以上所述仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (8)

1.一种机器人建图方法，其特征在于，包括：
侦测当前场景中的标识物，所述标识物带有能被所述机器人识别的标识信息；
判断侦测的所述标识物是否满足预设条件，当侦测的所述标识物满足所述预设条件时，基于所述标识物而对所述当前场景建图，所述预设条件包括距离条件、次数条件和时间条件中的至少一种；
其中，所述判断侦测的所述标识物是否满足预设条件，具体包括：
判断本次侦测的所述标识物与所述机器人的距离是否小于距离阈值；
若是，则确定侦测的所述标识物满足所述预设条件，并输出回环信号以基于所述标识物而对所述当前场景建图；
若否，则将侦测次数变量清零，并返回侦测当前场景中的标识物的步骤以继续下一次侦测。
2.根据权利要求1所述的方法，其特征在于，在所述判断侦测的所述标识物是否满足预设条件的步骤之前，所述方法进一步包括：
识别所述标识物的标识信息，并根据所述标识信息在建图数据库中检索所述标识物；
若未在所述建图数据库中检索到所述标识信息，则将所述标识物的标识信息输入至所述建图数据库中并获取首次侦测所述标识物的回环发布时刻。
3.根据权利要求2所述的方法，其特征在于，所述判断侦测的所述标识物是否满足预设条件的步骤，具体包括：
判断符合所述距离条件的所述标识物的侦测次数变量是否大于次数阈值；
若是，则确定侦测的所述标识物满足所述预设条件，并输出回环信号以基于所述标识物而对所述当前场景建图；
若否，则将侦测次数变量清零，并返回侦测当前场景中的标识物的步骤以继续下一次侦测。
4.根据权利要求2所述的方法，其特征在于，所述判断侦测的所述标识物是否满足预设条件的步骤，具体包括：
获取符合所述次数条件的本次侦测标识物的回环发布时刻以作为当前回环发布时刻，并计算当前回环发布时刻与上一次最后回环发布时刻的时间差值；
判断当前回环发布时刻与上一次最后回环发布时刻的时间差值是否大于时间阈值；
若是，则确定侦测的所述标识物满足所述预设条件，并输出回环信号以基于所述标识物而对所述当前场景建图；
若否，则将侦测次数变量清零，并返回侦测当前场景中的标识物的步骤以继续下一次侦测。
5.根据权利要求1所述的方法，其特征在于，所述标识物包括带有识别码或者识别信号的物品，其中，所述识别码包括二维码，所述识别信号至少包括WIFI、蓝牙、超宽带或射频识别信号中的任意一种。
6.一种具有建图功能的机器人，其特征在于，包括：
侦测模块，用于侦测当前场景中的标识物，所述标识物带有能被所述机器人识别的标识信息；
判断模块，用于判断侦测的所述标识物是否满足预设条件，所述预设条件包括距离条件、次数条件和时间条件中的至少一种；
建图模块，用于在侦测的所述标识物满足所述预设条件时，基于所述标识物而对所述当前场景建图；
其中，所述用于判断侦测的所述标识物是否满足预设条件，具体包括：
用于判断本次侦测的所述标识物与所述机器人的距离是否小于距离阈值；
若是，则确定侦测的所述标识物满足所述预设条件，并输出回环信号以使所述建图模块基于所述标识物而对所述当前场景建图；
若否，则将侦测次数变量清零，并返回侦测当前场景中的标识物的步骤以使所述侦测模块继续下一次侦测。
7.一种具有建图功能的机器人，其特征在于，包括：存储器和处理器，其中，所述存储器中存储有程序指令，所述处理器连接所述存储器以调取所述程序指令并根据所述程序指令执行如权利要求1-5任一项所述的方法。
8.一种存储介质，其特征在于，存储有程序指令，所述程序指令被调取以执行如权利要求1-5任一项所述的方法。
CN201911416830.1A 2019-12-31 2019-12-31 机器人建图方法、相应的机器人及存储介质 Active CN111179377B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201911416830.1A CN111179377B (zh) 2019-12-31 2019-12-31 机器人建图方法、相应的机器人及存储介质
US16/935,231 US11654572B2 (en) 2019-12-31 2020-07-22 Robot mapping method and robot and computer readable storage medium using the same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911416830.1A CN111179377B (zh) 2019-12-31 2019-12-31 机器人建图方法、相应的机器人及存储介质

Publications (2)

Publication Number Publication Date
CN111179377A CN111179377A (zh) 2020-05-19
CN111179377B true CN111179377B (zh) 2024-04-26

Family

ID=70652397

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911416830.1A Active CN111179377B (zh) 2019-12-31 2019-12-31 机器人建图方法、相应的机器人及存储介质

Country Status (2)

Country Link
US (1) US11654572B2 (zh)
CN (1) CN111179377B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112146662B (zh) * 2020-09-29 2022-06-10 炬星科技（深圳）有限公司 一种引导建图方法、设备及计算机可读存储介质
CN113829353B (zh) * 2021-06-07 2023-06-13 深圳市普渡科技有限公司 机器人、地图构建方法、装置和存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104991463A (zh) * 2015-05-21 2015-10-21 北京云迹科技有限公司 机器人半自主建图方法及系统
CN108062098A (zh) * 2017-12-11 2018-05-22 子歌教育机器人（深圳）有限公司 智能机器人的地图构建方法和系统
CN108198216A (zh) * 2017-12-12 2018-06-22 深圳市神州云海智能科技有限公司 一种机器人及其基于标识物的位姿估计方法和装置
CN108634874A (zh) * 2018-05-11 2018-10-12 南京华捷艾米软件科技有限公司 扫地机器人及其清扫方法
CN109978083A (zh) * 2017-12-27 2019-07-05 深圳市优必选科技有限公司 机器人监测物品环境状态的方法、装置及设备
CN109976325A (zh) * 2017-12-27 2019-07-05 深圳市优必选科技有限公司 机器人管理物品的方法、装置及设备
CN110470296A (zh) * 2018-05-11 2019-11-19 珠海格力电器股份有限公司 一种定位方法、定位机器人及计算机存储介质
CN110516527A (zh) * 2019-07-08 2019-11-29 广东工业大学 一种基于实例分割的视觉slam回环检测改进方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11493930B2 (en) * 2018-09-28 2022-11-08 Intrinsic Innovation Llc Determining changes in marker setups for robot localization

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104991463A (zh) * 2015-05-21 2015-10-21 北京云迹科技有限公司 机器人半自主建图方法及系统
CN108062098A (zh) * 2017-12-11 2018-05-22 子歌教育机器人（深圳）有限公司 智能机器人的地图构建方法和系统
CN108198216A (zh) * 2017-12-12 2018-06-22 深圳市神州云海智能科技有限公司 一种机器人及其基于标识物的位姿估计方法和装置
CN109978083A (zh) * 2017-12-27 2019-07-05 深圳市优必选科技有限公司 机器人监测物品环境状态的方法、装置及设备
CN109976325A (zh) * 2017-12-27 2019-07-05 深圳市优必选科技有限公司 机器人管理物品的方法、装置及设备
CN108634874A (zh) * 2018-05-11 2018-10-12 南京华捷艾米软件科技有限公司 扫地机器人及其清扫方法
CN110470296A (zh) * 2018-05-11 2019-11-19 珠海格力电器股份有限公司 一种定位方法、定位机器人及计算机存储介质
CN110516527A (zh) * 2019-07-08 2019-11-29 广东工业大学 一种基于实例分割的视觉slam回环检测改进方法

Also Published As

Publication number Publication date
US20210197388A1 (en) 2021-07-01
US11654572B2 (en) 2023-05-23
CN111179377A (zh) 2020-05-19

Similar Documents

Publication Publication Date Title
CN110730422B (zh) 基于uwb的定位方法、装置、系统及终端设备
KR102280610B1 (ko) 전자 장치의 위치 추정 방법 및 장치
EP3440851B1 (en) Proactive actions on mobile device using uniquely-identifiable and unlabeled locations
US20160084658A1 (en) Method and apparatus for trajectory crowd sourcing for updating map portal information
JP6254282B2 (ja) 位置決定のためにＷｉ−Ｆｉアクセスポイントを選択するためのシステムおよび方法
CN111179377B (zh) 机器人建图方法、相应的机器人及存储介质
WO2017218164A1 (en) Determining location of mobile device using sensor space to physical space mapping
CN106772229B (zh) 室内定位方法和相关设备
EP3174328A1 (en) System and method for radio signal coverage mapping
CN109699032A (zh) Wifi接入点定位的方法、终端设备及存储介质
US9380424B2 (en) Crowdsourced signal propagation model
CN103259777A (zh) 多媒体服务系统和操作该系统的方法
US20160134719A1 (en) Methods and systems for displaying graphic representations in a user interface
CN112860718A (zh) 地铁站指纹库更新方法、装置、计算机设备及存储介质
US20230094992A1 (en) Method, electronic device, and storage medium for generating wireless signal fingerprint database
JP2012137296A (ja) 携帯端末の測位方法
US20150177359A1 (en) Method for using and generating a map
EP3293483B1 (en) Improved floor detection based on determined floor detection parameters
CN104113910A (zh) 无线通信网络中的定位系统
CN115308684A (zh) 一种uwb超宽带室内定位方法及装置
CN111132309B (zh) 一种定位方法、装置、服务器及存储介质
CN109831737B (zh) 一种基于置信度的蓝牙定位方法、装置、设备和系统
CN109116342B (zh) 定位方法、装置、介质和计算设备
US10178559B2 (en) Incomplete navigation data of indoor positioning systems
KR20220077233A (ko) 클러스터 기반의 실내 위치 측정 장치 및 방법

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