CN111290384A - 一种多传感器融合的充电座检测方法 - Google Patents
一种多传感器融合的充电座检测方法 Download PDFInfo
- Publication number
- CN111290384A CN111290384A CN202010095131.8A CN202010095131A CN111290384A CN 111290384 A CN111290384 A CN 111290384A CN 202010095131 A CN202010095131 A CN 202010095131A CN 111290384 A CN111290384 A CN 111290384A
- Authority
- CN
- China
- Prior art keywords
- charging seat
- charging
- robot
- laser radar
- detection
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 88
- 230000010354 integration Effects 0.000 title description 4
- 230000000007 visual effect Effects 0.000 claims abstract description 32
- 230000004927 fusion Effects 0.000 claims abstract description 5
- 238000012360 testing method Methods 0.000 claims abstract description 5
- 230000006870 function Effects 0.000 claims description 25
- 238000000034 method Methods 0.000 claims description 15
- 238000011179 visual inspection Methods 0.000 claims description 10
- 238000013135 deep learning Methods 0.000 claims description 6
- 210000001503 joint Anatomy 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000002093 peripheral effect Effects 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
- G05D1/02—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
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- 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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请公开了一种多传感器融合的充电座检测方法，机器人上设置视觉检测传感器、激光雷达传感器，视觉检测到充电座后会在图片中生成一个矩形识别框表示充电座位置，根据矩形识别框左右两边在图片中的位置计算出矩形识别框相对于摄像头的方向，根据摄像头和激光雷达的位置关系，把矩形识别框的方向映射到激光雷达检测范围，通过计算激光雷达设定的检测范围内距离平均值，即得到充电座到机器人的准确距离；通过视觉和激光雷达协同测试，得到充电座距离机器人的方向和距离，本申请充分利用两种检测方式的优势，在机器人无地图信息情况下，准确定位充电座相对机器人的位置，提高机器人自动回充的成功率。
Description
技术领域
本发明涉及机器人技术领域，尤其是涉及一种多传感器融合的充电座检测方法。
背景技术
目前，机器人主要是依靠红外对管接收识别来完成机器人自动回充功能，机器人设备上的红外对管根据接收到的充电座上的红外对管位置来调整运动位置；在机器人领域，视觉检测充电座都是利用二维码等辅助工具来完成检测功能，实际检测到的是二维码而不是充电座本身。
在机器人无地图信息的情况下，目前技术存在自动回充成功率不高，机器人只有在能检测到充电座的红外数据范围内才能回充成功，机器人位置局限性大、增加额外成本、激光雷达检测充电座距离范围较小。
在机器人无地图信息情况下，如何提高机器人自动回充成功率、消除机器人自动回充位置局限性、提高机器人检测准确性是亟待解决的问题。
发明内容
本发明的目的是提供一种多传感器融合的充电座检测方法，机器人上设置视觉检测传感器、激光雷达传感器，视觉检测到充电座后会在图片中生成一个矩形识别框表示充电座位置，根据矩形识别框左右两边在图片中的位置计算出矩形识别框相对于摄像头的方向，根据摄像头和激光雷达的位置关系，把矩形识别框的方向映射到激光雷达检测范围，通过计算激光雷达设定的检测范围内距离平均值，即得到充电座到机器人的准确距离；通过视觉和激光雷达协同测试，得到充电座距离机器人的方向和距离。视觉检测与激光雷达检测相结合，充分发挥两种检测方式的优势，实现对充电座相对机器人位置的准确检测，提高机器人自动回充成功率。
本发明的上述发明目的通过以下技术方案得以实现：
一种多传感器融合的充电座检测方法，机器人上设置视觉检测传感器、激光雷达传感器，利用视觉检测传感器检测充电座所在的方向，在未检测到充电座时，开启探索建图功能，继续进行检测；将所述方向映射到激光雷达传感器的检测范围，通过激光雷达确认充电座到机器人的距离，并将机器人移动到充电座进行充电。
本发明进一步设置为：机器人查找充电座，包括以下步骤：
S1、接收到回充指令；
S2、开启视觉检测功能，寻找充电座；
S3、视觉检测是否检测到充电座，若是，进入下一步，若否，转S9；
S4、计算充电座相对机器人的方向范围；
S5、将所述方向范围映射到激光雷达的检测范围；
S6、计算激光雷达相对充电座范围的平均距离；
S7、计算充电座相对机器人的方向和距离；
S8、开启激光雷达检测充电座功能，移动到充电座，进行回充，转S15；
S9、开启探索建图功能；
S10、开启视觉检测功能，寻找充电座；
S11、视觉检测是否检测到充电座，若否，进入下一步，若是，转S4；
S12、继续进行探索建图；
S13、判断探索建图是否结束，若是，进入下一步，若否，转S10；
S14、寻找充电座失败；
S15、结束。
本发明进一步设置为：步骤S2中，开启视觉检测功能，机器人原地旋转一周，寻找充电座。
本发明进一步设置为：在机器人寻找充电座之前，机器人控制中心存储有充电座模型、充电座视觉检测模型。
本发明进一步设置为：利用激光雷达，建立充电座模型，包括以下步骤：
A1、改变机器人相对于充电座的方向与位置，收集正样本数据；
A2、将所有的正样本数据汇集到同一个文件中；
A3、收集充电座负样本数据；
A4、采用深度学习方法，生成充电座模型。
本发明进一步设置为：利用视觉传感器，建立充电座视觉检测模型，包括以下步骤：
B1、选取应用程序；
B2、采集充电座彩色图像，并标定充电座位置；
B3、将充电座彩色图像划分为训练集与测试集；
B4、进行神经网络训练，得到充电座视觉检测模型。
本发明进一步设置为：选用深度学习框架caffe；采用labelImg工具标记出采集图片中的充电座，利用caffe脚本生成指定的LMDB文件；在MobileNet-SSD目录下利用脚本生成可用的模型文件；在caffe目录下利用脚本将训练完的模型转换成NCNN需要的bin和param文件；把生成的bin和param文件替换NCNN内部的文件，即得到充电座视觉检测模型。
本发明进一步设置为：步骤S3中，将检测到的图像输入充电座视觉检测模型中进行学习，得出是否检测到充电座的结果。
本发明进一步设置为：步骤S4中，根据充电座在图片中的位置计算出充电座左右两边相对机器人的方向范围。
本发明进一步设置为：在计算充电座相对机器人的方向和距离后，步骤S8中，还包括以下步骤：
C1、选取充电座正前方某一位置作为机器人的临时目标点；
C2、机器人运动到所述临时目标点；
C3、开启激光雷达检测充电座功能；
C4、激光雷达检测到充电座的位置与方向；
C5、机器人准确移动到充电座，完成对接。
与现有技术相比，本发明的有益技术效果为：
1.本申请采用视觉检测与激光雷达相结合的检测方式，充分利用两种检测方式的优势，在机器人无地图信息情况下，准确定位充电座相对机器人的位置，提高机器人自动回充的成功率；
2.进一步地，本申请通过建立充电座模型、充电座视觉检测模型，对及时准确检测到充电座提供了依据；
3.进一步地，本申请将视觉检测到的方向数值映射到激光雷达检测，实现了两种检测方式的结合，为提高检测充电座准确位置提供保证；
4.进一步地，本申请通过设置临时目标点，充分发挥激光检测的准确性，再进行一次准确定位，提高机器人检测充电座灵活性和稳定性。
附图说明
图1是本发明的一个具体实施例的检测方法流程示意图；
图2是本发明的一个具体实施例的建立充电座模型流程示意图；
图3是本发明的一个具体实施例的建立充电座视觉检测模型流程示意图；
图4是本发明的一个具体实施例的激光雷达检测机器人移动流程示意图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
本发明的一种多传感器融合的充电座检测方法，机器人上设置视觉检测传感器、激光雷达传感器，视觉检测传感器、激光雷达传感器用于检测充电座图像与位置。具体地，利用视觉检测传感器检测充电座所在的方向，然后将所述方向映射到激光雷达传感器的检测范围，通过激光雷达确认充电座到机器人的距离。
视觉检测，对充电座形状和颜色无要求，充电座长和高均不小于10cm，只要能与平常物体区分开即可。
激光雷达检测，要求充电座正面形状为凹凸结构或者梯形结构，要与其他物体表面结构区分开。
机器人通过激光雷达传感器，收集充电座样本，建立充电座模型，如图2所示，包括以下步骤：
A1、改变机器人相对于充电座的方向与位置，收集正样本数据；
A2、将所有的正样本数据汇集到同一个文件中；
A3、收集充电座负样本数据；
A4、采用深度学习方法，生成充电座模型。
在本申请的一个具体实施例中，建立充电座模型，按照以下步骤进行：
E1、在ROS工作空间下载编译leg_tracker功能包；
E2、启动激光雷达，在终端输入命令rosbag record -O positive_1.bag /scan，就会把所有的激光数据记录到.bag文件中，进行正样本数据的收集，收集完成后，通过Ctrl+C结束该次数据记录的收集；
正样本数据为包含有充电座图像的数据。
E3、收集完正样本数据后，进行负样本数据的收集，负样本数据为不包含充电座图像的数据，在终端输入命令：rosbag record -O negative_1.bag /scan，并控制机器人在办公室来回走动，或者把容易出现误检的物体记录到负样本中。
E4、根据正负样本数据，通过脚本生成可用的充电座模型。
将充电座模块存储在机器人控制器中。
具体地，在收集充电座正样本数据时，优选地，在机器人前方1.5m范围内无其他障碍物影响，把机器人放在充电座前方1.2m范围以内，角度在-60°到60°之间不同位置和方向收集充电座激光数据。
为了正样本具有充分性，优选地，把机器人放在不同的距离和方向收集激光数据，N次移动位置，分别对应收集的N个记录文件positive_1.bag到positive_N.bag，每个文件记录2-10分钟激光数据。
N的取值大于等于5。
负样本采集时间大约在10-30分钟左右。
机器人通过视觉检测传感器，收集大量带有充电座的图片，建立充电座视觉检测模型，如图3所示，包括以下步骤：
B1、选取应用程序；
B2、采集充电座彩色图像，并标定充电座位置；
B3、将充电座彩色图像划分为训练集与测试集；
B4、进行神经网络训练，得到充电座视觉检测模型。
机器人将视觉检测模型存储在控制器中。
在本申请的一个具体实施例中，选用深度学习框架caffe；建立充电座视觉检测模型，按照以下步骤进行：
D1、下载编译caffe，切换到ssd分支；
D2、下载MobileNet-SSD到caffe文件夹下；
D3、利用机器人相机拍摄1万张左右带有充电座的图片，进行保存；
D4、采用labelImg工具标记出图片中的充电座，利用caffe脚本生成指定的LMDB文件；
D5、在MobileNet-SSD目录下利用脚本生成可用的模型文件；
D6、在caffe目录下利用脚本将训练完的模型转换成NCNN需要的bin和param文件；
D7、把生成的bin和param文件替换NCNN内部的文件，即获得识别充电座模型。
一种多传感器融合的充电座检测方法，如图1所示，包括以下步骤：
S1、接收到回充指令；
S2、开启视觉检测功能，寻找充电座；
S3、视觉检测是否检测到充电座，若是，进入下一步，若否，转S9；
S4、计算充电座相对机器人的方向范围；
S5、将所述方向范围映射到激光雷达的检测范围；
S6、计算激光雷达相对充电座范围的平均距离；
S7、计算充电座相对机器人的方向和距离；
S8、开启激光雷达检测充电座功能，移动到充电座，进行回充，转S15；
S9、开启探索建图功能；
S10、开启视觉检测功能，寻找充电座；
S11、视觉检测是否检测到充电座，若否，进入下一步，若是，转S4；
S12、继续进行探索建图；
S13、判断探索建图是否结束，若是，进入下一步，若否，转S10；
S14、寻找充电座失败；
S15、结束。
具体地，机器人检测到电池电量到设定值时，发出回充指令控制机器人回到充电座位置进行回充。
步骤S2中，在接收到回充指令后，机器人开启视觉检测功能，然后原地旋转一周，收集周边图像，寻找充电座。
机器人将收集到的周边图像，输入充电座视觉检测模型进行学习，得出是否检测到充电座的结果。
当检测到充电座后，根据充电座在图像中的位置，计算出充电座的左右两边相对机器人的方向范围。
根据视觉检测设备与激光雷达的相对位置关系，进行坐标系转换，把充电座的方向范围映射到激光雷达的检测范围。
经过计算，得到激光雷达在充电座范围内的平均测量距离。
再进行一次坐标系转换，得到充电座相对机器人的方向和距离。
机器人在无地图情况下，通过激光雷达扫描周边环境创建地图，激光雷达扫描到有障碍物的地方用黑色图像表示，未扫描的地方用灰色图像表示，扫描到无障碍物的地方用白色图像表示。机器人探索过程就是运动到未扫描的地方进行扫描直到该封闭区域所有的地方都扫描完成，机器人可以根据当前扫描得到的图像地图搜索哪些地方未扫描，以图像地图的白色区域和灰色区域的连接处确认机器人下一个运动目标点。
由于机器人上相机安装位置和视角的限制，视觉检测充电座的距离范围为1m-4m，激光雷达检测充电座的距离范围为0m-1m，通过两者结合的方式可以增加充电座的检测范围；视觉检测到充电座时根据充电座的标记框在图片中的位置，可以判断出充电座在机器人的方向，但是不能准确判断出充电座到机器人的距离，通过把视觉检测到充电座的方向映射到激光雷达检测的范围，通过激光雷达确认充电座到机器人的距离，通过视觉和激光结合的方式可以粗略判断出充电座相对机器人的位置。
在远处机器人通过视觉和激光雷达可以判断出充电座的大致方向和距离，但是还无法满足机器人完成对接成功的精度；因此，在远处得到充电座大致位置后，还包括以下步骤：
C1、选取充电座正前方某一位置作为机器人的临时目标点；
C2、机器人运动到所述临时目标点；
C3、开启激光雷达检测充电座功能；
C4、激光雷达检测到充电座的位置与方向；
C5、机器人准确移动到充电座，完成对接。
设置临时目标点，通过位置控制或者导航的方式控制机器人运动到临时目标点，到达临时目标点后只开启激光雷达检测充电座，在近距离处通过激光雷达可以准确获得充电座相对机器人的位置的方向，可以满足机器人完成对接成功的精度。
优选地，临时目标点选择在充电座正前方1米范围内，如0.5米处。
机器人在无地图情况下开始探索建图，在运动建图过程中，开启视觉检测充电座功能，如果视觉检测到充电座则停止建图，根据视觉检测识别框计算出充电座大致方向，把充电座方向映射到激光雷达检测范围，获取该范围内的激光雷达数据计算出充电座到机器人距离，大致得到充电座位置后，把充电座正前方50cm处作为机器人运动到的临时目标点，机器人达到目标点后开启激光雷达检测功能，准确检测出充电座位置和方向，机器人进入对接充电过程。
本具体实施方式的实施例均为本发明的较佳实施例，并非依此限制本发明的保护范围，故：凡依本发明的结构、形状、原理所做的等效变化，均应涵盖于本发明的保护范围之内。
Claims (10)
1.一种多传感器融合的充电座检测方法，其特征在于：机器人上设置视觉检测传感器、激光雷达传感器，利用视觉检测传感器检测充电座所在的方向，在未检测到充电座时，开启探索建图功能，继续进行检测；将所述方向映射到激光雷达传感器的检测范围，通过激光雷达确认充电座到机器人的距离，并将机器人移动到充电座进行充电。
2.根据权利要求1所述的充电座检测方法，其特征在于：机器人查找充电座，包括以下步骤：
S1、接收到回充指令；
S2、开启视觉检测功能，寻找充电座；
S3、视觉检测是否检测到充电座，若是，进入下一步，若否，转S9；
S4、计算充电座相对机器人的方向范围；
S5、将所述方向范围映射到激光雷达的检测范围；
S6、计算激光雷达相对充电座范围的平均距离；
S7、计算充电座相对机器人的方向和距离；
S8、开启激光雷达检测充电座功能，移动到充电座，进行回充，转S15；
S9、开启探索建图功能；
S10、开启视觉检测功能，寻找充电座；
S11、视觉检测是否检测到充电座，若否，进入下一步，若是，转S4；
S12、继续进行探索建图；
S13、判断探索建图是否结束，若是，进入下一步，若否，转S10；
S14、寻找充电座失败；
S15、结束。
3.根据权利要求2所述的充电座检测方法，其特征在于：步骤S2中，开启视觉检测功能，机器人原地旋转一周，寻找充电座。
4.根据权利要求2所述的充电座检测方法，其特征在于：在机器人寻找充电座之前，机器人控制中心存储有充电座模型、充电座视觉检测模型。
5.根据权利要求4所述的充电座检测方法，其特征在于：利用激光雷达，建立充电座模型，包括以下步骤：
A1、改变机器人相对于充电座的方向与位置，收集正样本数据；
A2、将所有的正样本数据汇集到同一个文件中；
A3、收集充电座负样本数据；
A4、采用深度学习方法，生成充电座模型。
6.根据权利要求4所述的充电座检测方法，其特征在于：利用视觉传感器，建立充电座视觉检测模型，包括以下步骤：
B1、选取应用程序；
B2、采集充电座彩色图像，并标定充电座位置；
B3、将充电座彩色图像划分为训练集与测试集；
B4、进行神经网络训练，得到充电座视觉检测模型。
7.根据权利要求6所述的充电座检测方法，其特征在于：选用深度学习框架caffe；采用labelImg工具标记出采集图片中的充电座，利用caffe脚本生成指定的LMDB文件；在MobileNet-SSD目录下利用脚本生成可用的模型文件；在caffe目录下利用脚本将训练完的模型转换成NCNN需要的bin和param文件；把生成的bin和param文件替换NCNN内部的文件，即得到充电座视觉检测模型。
8.根据权利要求2所述的充电座检测方法，其特征在于：步骤S3中，将检测到的图像输入充电座视觉检测模型中进行学习，得出是否检测到充电座的结果。
9.根据权利要求2所述的充电座检测方法，其特征在于：步骤S4中，根据充电座在图片中的位置计算出充电座左右两边相对机器人的方向范围。
10.根据权利要求2所述的充电座检测方法，其特征在于：在计算充电座相对机器人的方向和距离后，步骤S8中，还包括以下步骤：
C1、选取充电座正前方某一位置作为机器人的临时目标点；
C2、机器人运动到所述临时目标点；
C3、开启激光雷达检测充电座功能；
C4、激光雷达检测到充电座的位置与方向；
C5、机器人准确移动到充电座，完成对接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010095131.8A CN111290384B (zh) | 2020-02-14 | 2020-02-14 | 一种多传感器融合的充电座检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010095131.8A CN111290384B (zh) | 2020-02-14 | 2020-02-14 | 一种多传感器融合的充电座检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111290384A true CN111290384A (zh) | 2020-06-16 |
| CN111290384B CN111290384B (zh) | 2023-03-21 |
Family
ID=71026766
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010095131.8A Active CN111290384B (zh) | 2020-02-14 | 2020-02-14 | 一种多传感器融合的充电座检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111290384B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113190008A (zh) * | 2021-05-08 | 2021-07-30 | 珠海市一微半导体有限公司 | 一种延长移动机器人激光雷达使用寿命的方法、芯片和机器人 |
| CN113534796A (zh) * | 2021-07-07 | 2021-10-22 | 安徽淘云科技股份有限公司 | 电器设备的控制方法以及存储介质、电器设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107124014A (zh) * | 2016-12-30 | 2017-09-01 | 深圳市杉川机器人有限公司 | 一种移动机器人的充电方法及充电系统 |
| WO2018028361A1 (zh) * | 2016-08-09 | 2018-02-15 | 深圳光启合众科技有限公司 | 机器人的充电方法、装置和设备 |
| CN207718228U (zh) * | 2018-02-02 | 2018-08-10 | 福建（泉州）哈工大工程技术研究院 | 一种可靠的室内全向移动机器人自主充电系统 |
| CN110764516A (zh) * | 2019-12-06 | 2020-02-07 | 壹佰米机器人技术(北京)有限公司 | 基于激光雷达和红外传感器融合的快速回充方法 |
-
2020
- 2020-02-14 CN CN202010095131.8A patent/CN111290384B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018028361A1 (zh) * | 2016-08-09 | 2018-02-15 | 深圳光启合众科技有限公司 | 机器人的充电方法、装置和设备 |
| CN107124014A (zh) * | 2016-12-30 | 2017-09-01 | 深圳市杉川机器人有限公司 | 一种移动机器人的充电方法及充电系统 |
| CN207718228U (zh) * | 2018-02-02 | 2018-08-10 | 福建（泉州）哈工大工程技术研究院 | 一种可靠的室内全向移动机器人自主充电系统 |
| CN110764516A (zh) * | 2019-12-06 | 2020-02-07 | 壹佰米机器人技术(北京)有限公司 | 基于激光雷达和红外传感器融合的快速回充方法 |
Non-Patent Citations (1)
| Title |
|---|
| 赵一兵;王荣本;李琳辉;郑可勤;张如高;: "基于多传感器信息的前方障碍物检测" * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113190008A (zh) * | 2021-05-08 | 2021-07-30 | 珠海市一微半导体有限公司 | 一种延长移动机器人激光雷达使用寿命的方法、芯片和机器人 |
| CN113534796A (zh) * | 2021-07-07 | 2021-10-22 | 安徽淘云科技股份有限公司 | 电器设备的控制方法以及存储介质、电器设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111290384B (zh) | 2023-03-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109901590B (zh) | 桌面机器人的回充控制方法 | |
| CN110632915B (zh) | 机器人回充路径规划方法、机器人及充电系统 | |
| CN102737236B (zh) | 一种基于多模态传感器数据自动获取车辆训练样本方法 | |
| CN109872324A (zh) | 地面障碍物检测方法、装置、设备和存储介质 | |
| CN111290384B (zh) | 一种多传感器融合的充电座检测方法 | |
| CN109737981B (zh) | 基于多传感器的无人车目标搜索装置及方法 | |
| CN110293965B (zh) | 泊车方法和控制装置、车载设备及计算机可读介质 | |
| CN107399241B (zh) | 一种无线充电定位方法、装置、系统及电动汽车 | |
| Abdulla et al. | A new robust method for mobile robot multifloor navigation in distributed life science laboratories | |
| EP4050449A1 (en) | Method and device for robot positioning, smart robot, and storage medium | |
| CN109596121B (zh) | 一种机动站自动目标检测与空间定位方法 | |
| CN109740584B (zh) | 基于深度学习的自动泊车停车位检测方法 | |
| JP5775965B2 (ja) | ステレオカメラシステム及び移動体 | |
| CN110597265A (zh) | 一种扫地机器人回充方法和装置 | |
| WO2021036587A1 (zh) | 面向电力巡检场景的定位方法及系统 | |
| CN111199677B (zh) | 一种室外区域的工作地图自动建立方法，装置，存储介质及工作设备 | |
| CN112590773B (zh) | 车辆自动入库方法、装置、计算机设备和存储介质 | |
| Mi et al. | A vision-based displacement measurement system for foundation pit | |
| CN112022025A (zh) | 一种基于视觉定位的机器人自动回冲方法及系统 | |
| CN112886670A (zh) | 机器人的充电控制方法、装置、机器人及存储介质 | |
| CN115346256A (zh) | 机器人寻人方法及系统 | |
| KR101954963B1 (ko) | 수치지도 및 도로정밀지도 구축 자동화를 위한 장치 및 방법 | |
| KR101272422B1 (ko) | 레이저 스캐너와 인공표식 매칭을 이용한 위치측정장치 및 방법 | |
| JP3437671B2 (ja) | ランドマーク認識装置およびランドマーク認識方法 | |
| CN117470259A (zh) | 一种子母式空地协同多传感器融合三维建图系统 |
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 |