CN111546348A - 机器人位置标定方法和位置标定系统 - Google Patents
机器人位置标定方法和位置标定系统 Download PDFInfo
- Publication number
- CN111546348A CN111546348A CN202010525641.4A CN202010525641A CN111546348A CN 111546348 A CN111546348 A CN 111546348A CN 202010525641 A CN202010525641 A CN 202010525641A CN 111546348 A CN111546348 A CN 111546348A
- Authority
- CN
- China
- Prior art keywords
- robot
- calibration
- determining
- data
- laser
- 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
Images
Classifications
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供一种机器人位置标定方法和位置标定系统,包括参考机器人和至少一个标定机器人,每个标定机器人包括激光传感器,通过获取参考机器人的定位数据;针对每个标定机器人,根据定位数据确定标定机器人的位置;基于标定机器人的位置和激光数据,确定参考机器人相对于标定机器人的标定位置。通过本发明采用的机器人位置标定方法可以根据实际环境进行多机器人之间的位置标定,准确感知其他机器人的位置,使得机器人的运行更加安全可靠。
Description
技术领域
本发明总体说来涉及机器人技术领域,更具体地讲,涉及一种机器人位置标定方法和位置标定系统。
背景技术
随着服务机器人行业的快速发展与应用落地,为解决单个机器人配送效率低的问题,在同一环境下配置多个机器人执行导航任务已成为必然的技术发展趋势,为了确保多机器人之间避障的安全性,机器人本体需要准确感知其他机器人的位置(即机器人轮廓位置),并输出给导航系统的决策规划层与控制层,使机器人导航过程中能够安全绕开周围的机器人。目前的规避方案通常有两种:第一种方案是通过采集机器人的运动状态获取定位数据,但当机器人的运动状态较快时,定位数据会有一定的滞后性,另外机器人自身的SLAM(Simultaneous Localization and Mapping,同步定位与地图构建)系统定位精度也可能会导致多机器人间的位置误判发生碰撞;第二种方案是通过棚顶摄像头构建全局定位系统,这种方法在面对大型复杂场景时需要巨大的施工量。因此,如何准确感知其他机器人的位置成为亟待解决的技术问题。
发明内容
本发明的示例性实施例的目的在于提供一种机器人位置标定方法和位置标定系统,以克服上述至少一个缺陷。
在一个总体方面,提供一种机器人位置标定方法,包括参考机器人和至少一个标定机器人,每个标定机器人包括激光传感器,所述方法包括:
获取所述参考机器人的定位数据;
针对每个标定机器人,根据所述定位数据确定所述标定机器人的位置;
基于所述标定机器人的位置和激光数据,确定所述参考机器人相对于所述标定机器人的标定位置。
具体的,所述参考机器人和至少一个标定机器人之间通过2.4G通信装置进行数据通信。
具体的,所述激光传感器为2d激光雷达。
具体的,针对每个标定机器人,根据所述定位数据确定所述标定机器人的位置,包括:
将所述定位数据作为所述标定机器人的位置参考数据;
将所述位置参考数据转换成在所述标定机器人坐标系下的位置。
具体的,基于所述标定机器人的位置和激光数据,确定所述参考机器人相对于所述标定机器人的标定位置,包括:
基于所述标定机器人的位置,确定所述标定机器人的激光传感器的扫描范围;
根据所述扫描范围内的激光数据,确定所述参考机器人相对于所述标定机器人的标定位置。
具体的,根据所述扫描范围内的激光数据,确定所述参考机器人相对于所述标定机器人的标定位置,包括:
将所述扫描范围内的激光数据进行聚类处理;
根据聚类结果确定距离所述标定机器人的位置是否满足预设条件;
当满足预设条件时,确定所述参考机器人相对于所述标定机器人的标定位置。
另一方面,提供了一种机器人位置标定系统,包括参考机器人和至少一个标定机器人,每个标定机器人包括激光传感器,所述系统包括::
获取模块,用于获取所述参考机器人的定位数据;
确定模块,用于针对每个标定机器人,根据所述定位数据确定所述标定机器人的位置;
位置标定模块,用于基于所述标定机器人的位置和激光数据,确定所述参考机器人相对于所述标定机器人的标定位置。
具体的,所述系统中还包括用于参考机器人和至少一个标定机器人之间通信的2.4G通信装置。
具体的,所述激光传感器为2d激光雷达。
具体的,所述确定模块包括:
确定单元,用于将所述定位数据作为所述标定机器人的位置参考数据;
转换单元,用于将所述位置参考数据转换成在所述标定机器人坐标系下的位置。
具体的,所述位置标定模块具体用于基于所述标定机器人的位置,确定所述标定机器人的激光传感器的扫描范围;根据所述扫描范围内的激光数据,确定所述参考机器人相对于所述标定机器人的标定位置。
具体的,所述位置标定模块还用于将所述扫描范围内的激光数据进行聚类处理;根据聚类结果确定距离所述标定机器人的位置是否满足预设条件;当满足预设条件时,确定所述参考机器人相对于所述标定机器人的标定位置。
又一方面,提供一种机器人,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如上所述机器人位置标定的方法。
采用本发明示例性实施例的机器人位置标定方法和位置标定系统,包括参考机器人和至少一个标定机器人,每个标定机器人包括激光传感器,通过获取参考机器人的定位数据;针对每个标定机器人,根据定位数据确定标定机器人的位置;基于标定机器人的位置和激光数据,确定参考机器人相对于标定机器人的标定位置。通过本发明采用的机器人位置标定方法可以根据实际环境进行多机器人之间的位置标定,准确感知其他机器人的位置,使得机器人的运行更加安全可靠。
附图说明
通过下面结合附图进行的描述,本发明的上述和其他目的和特点将会变得更加清楚,其中:
图1示出根据本发明示例性实施例的机器人位置标定方法的流程图;
图2示出根据本发明示例性实施例的另一种机器人位置标定方法的流程图;
图3示出根据本发明示例性实施例的机器人位置标定方法的示意图;
图4示出根据本发明示例性实施例的机器人位置标定系统的框图;
图5示出根据本发明示例性实施例的机器人的控制框图。
具体实施方式
现在,将参照附图更充分地描述不同的示例实施例,一些示例性实施例在附图中示出。
本发明实施例提供了一种机器人位置标定方法,其中,机器人包括一个参考机器人和至少一个标定机器人,每个标定机器人包括激光传感器,图1示出了根据本发明示例性实施例的机器人位置标定方法的流程图。
在步骤S10中,获取参考机器人的定位数据。
示例性的,参考机器人和标定机器人之间通过2.4G通信装置进行数据通信,标定机器人上的激光传感器为2d激光雷达。
获取参考机器人自身的SLAM系统中的定位数据。
在步骤S20中,针对每个标定机器人,根据定位数据确定标定机器人的位置。
在本步骤中,在获取参考机器人自身的SLAM系统中的定位数据后,将定位数据作为标定机器人的位置参考数据,当实际环境中存在多个标定机器人时,该定位数据可以作为所有标定机器人的位置参考数据;将位置参考数据转换成在标定机器人坐标系下的位置,转换方法可以为极坐标转换、柱坐标转换等常见的坐标转换方法,目的是为了得到标定机器人视角下的周围环境中的机器人。
在步骤S30中,基于标定机器人的位置和激光数据,确定参考机器人相对于标定机器人的标定位置。
示例性的,本发明实施例还提供了一种机器人位置标定方法,如图2所示,包括:
步骤S301,基于标定机器人的位置,确定标定机器人的激光传感器的扫描范围。
根据步骤S20中确定的标定机器人的位置,在该位置上根据置信度确定标定机器人的激光传感器能够扫描到的扫描范围。
步骤S302,根据扫描范围内的激光数据,确定参考机器人相对于标定机器人的标定位置。
在得到标定机器人的激光传感器能够扫描到的扫描范围后,获取该扫描范围内的激光数据,根据扫描范围内的激光数据确定参考机器人相对于标定机器人的标定位置。
示例性的,根据扫描范围内的激光数据,确定参考机器人相对于标定机器人的标定位置还包括:将扫描范围内的激光数据进行聚类处理;根据聚类结果确定距离标定机器人的位置是否满足预设条件;当满足预设条件时,确定参考机器人相对于标定机器人的标定位置。
将扫描范围内的激光数据进行聚类处理,得到聚类结果,例如,得到N个候选激光点簇,针对这N个候选激光点簇,确定距离标定机器人的位置是否满足预设条件,该预设条件可以为选取距离标定机器人的位置最近的激光点簇,可以取该激光点簇的质心作为参考机器人相对于该标定机器人的标定位置。但预设条件不限于此,也可以将预设条件设置为满足用户需求的其他条件。
在本步骤中,为了筛选出哪些激光数据是落在标定机器人视角下的,还可以将激光数据进行轮廓匹配,扫描出参考机器人的轮廓和已知的参考机器人轮廓进行比较,进行模糊处理,但该计算方法计算量大,并且受限于机器人轮廓的外形。
下面以A机器人为参考机器人、本机器人为标定机器人为例,图3示出本发明实施例的机器人位置标定方法的示意图。
参照图3,根据多机器人共享的SLAM位置数据确定激光扫描范围,首先以多机器人共享的A机器人位置为圆心,R为半径作圆,该圆表征了A机器人位置的最大可能性分布范围。然后在本机器人的坐标系的圆心点O向该圆作两条切线,分别记作:OS、OE,∠SOE即为A机器人可能被本机器人激光的扫描范围。对∠SOE内的激光数据点进行聚类,聚类的条件可以是计算相邻两个激光数据点Pt1(x1,y1)和Pt2(x2,y2)的距离,计算公式可以为:
D=sqrt((x1-x2)^2+(y1-y2)^2)
当D小于Threshold_D_C时,Threshold_D_C可以为第一预设值,则该两个激光数据点为同一个点簇,结合该聚类条件,从射线OS开始逐点向射线OE进行遍历计算,最终得到N个候选激光点簇,记作C1,C2,…,CN。
对得到的N个候选激光点簇进行合并,点簇间的合并条件是计算相邻的两个点簇的首、末两点间的距离,当该距离小于Threshold_D_K时,Threshold_D_K可以为第二预设值。通过本步骤合并可得到K个候选激光点簇,记作F1,F2,…,FK。
标定A机器人的位置:计算每个激光点簇的质心位置,记作P1,P2,…,PK。按照欧氏距离从中选出距离A机器人位置pa(xa,ya)最近的点,并以该簇的质心点作为A机器人的标定位置。
本发明示例性实施例的机器人位置标定方法,包括参考机器人和至少一个标定机器人,每个标定机器人包括激光传感器,通过获取参考机器人的定位数据;针对每个标定机器人,根据定位数据确定标定机器人的位置;基于标定机器人的位置和激光数据,确定参考机器人相对于标定机器人的标定位置。通过本发明采用的机器人位置标定方法可以根据实际环境进行多机器人之间的位置标定,准确感知其他机器人的位置,使得机器人的运行更加安全可靠。
本发明实施例还提供了一种机器人位置标定系统100,图4示出根据本发明示例性实施例的机器人位置标定系统的框图,包括参考机器人和至少一个标定机器人,每个标定机器人包括激光传感器。位置标定系统100包括:
获取模块101,用于获取参考机器人的定位数据;
确定模块102,用于针对每个标定机器人,根据定位数据确定标定机器人的位置;
位置标定模块103,用于基于标定机器人的位置和激光数据,确定参考机器人相对于标定机器人的标定位置。
示例性的,机器人位置标定系统中还包括用于参考机器人和至少一个标定机器人之间通信的2.4G通信装置。
示例性的,激光传感器为2d激光雷达。
示例性的,确定模块102包括:
确定单元,用于将定位数据作为标定机器人的位置参考数据;
转换单元,用于将位置参考数据转换成在标定机器人坐标系下的位置。
示例性的,位置标定模块103具体用于基于标定机器人的位置,确定标定机器人的激光传感器的扫描范围;根据扫描范围内的激光数据,确定参考机器人相对于标定机器人的标定位置。
示例性的,位置标定模块103还用于将扫描范围内的激光数据进行聚类处理;根据聚类结果确定距离标定机器人的位置是否满足预设条件;当满足预设条件时,确定参考机器人相对于标定机器人的标定位置。
示例性的,位置标定模块103根据扫描范围内的激光数据,确定参考机器人相对于标定机器人的标定位置还包括:将扫描范围内的激光数据进行聚类处理;根据聚类结果确定距离标定机器人的位置是否满足预设条件;当满足预设条件时,确定参考机器人相对于标定机器人的标定位置。
位置标定模块103将扫描范围内的激光数据进行聚类处理,得到聚类结果,例如,得到N个候选激光点簇,针对这N个候选激光点簇,确定距离标定机器人的位置是否满足预设条件,该预设条件可以为选取距离标定机器人的位置最近的激光点簇,可以取该激光点簇的质心作为参考机器人相对于该标定机器人的标定位置。但预设条件不限于此,也可以将预设条件设置为满足用户需求的其他条件。
本发明示例性实施例的位置标定系统,包括参考机器人和至少一个标定机器人,每个标定机器人包括激光传感器,通过获取参考机器人的定位数据;针对每个标定机器人,根据定位数据确定标定机器人的位置;基于标定机器人的位置和激光数据,确定参考机器人相对于标定机器人的标定位置。通过本发明采用的机器人位置标定方法可以根据实际环境进行多机器人之间的位置标定,准确感知其他机器人的位置,使得机器人的运行更加安全可靠。
本发明还提供了一种机器人,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如上所述位置标定的方法。
如图5所示,根据本发明示例性实施例的机器人200包括:处理器201和存储器202。
具体说来,存储器202用于存储计算机程序,计算机程序在被处理器201执行时实现上述的位置标定方法。
尽管已参照优选实施例表示和描述了本发明,但本领域技术人员应该理解,在不脱离由权利要求限定的本发明的精神和范围的情况下,可以对这些实施例进行各种修改和变换。
Claims (13)
1.一种机器人位置标定方法,其特征在于,包括参考机器人和至少一个标定机器人,每个标定机器人包括激光传感器,所述方法包括:
获取所述参考机器人的定位数据;
针对每个标定机器人,根据所述定位数据确定所述标定机器人的位置;
基于所述标定机器人的位置和激光数据,确定所述参考机器人相对于所述标定机器人的标定位置。
2.如权利要求1所述的位置标定方法,其特征在于,所述参考机器人和至少一个标定机器人之间通过2.4G通信装置进行数据通信。
3.如权利要求1所述的位置标定方法,其特征在于,所述激光传感器为2d激光雷达。
4.如权利要求1所述的位置标定方法,其特征在于,针对每个标定机器人,根据所述定位数据确定所述标定机器人的位置,包括:
将所述定位数据作为所述标定机器人的位置参考数据;
将所述位置参考数据转换成在所述标定机器人坐标系下的位置。
5.如权利要求1所述的位置标定方法,其特征在于,基于所述标定机器人的位置和激光数据,确定所述参考机器人相对于所述标定机器人的标定位置,包括:
基于所述标定机器人的位置,确定所述标定机器人的激光传感器的扫描范围;
根据所述扫描范围内的激光数据,确定所述参考机器人相对于所述标定机器人的标定位置。
6.如权利要求5所述的位置标定方法,其特征在于,根据所述扫描范围内的激光数据,确定所述参考机器人相对于所述标定机器人的标定位置,包括:
将所述扫描范围内的激光数据进行聚类处理;
根据聚类结果确定距离所述标定机器人的位置是否满足预设条件;
当满足预设条件时,确定所述参考机器人相对于所述标定机器人的标定位置。
7.一种机器人位置标定系统,其特征在于,包括参考机器人和至少一个标定机器人,每个标定机器人包括激光传感器,所述系统包括::
获取模块,用于获取所述参考机器人的定位数据;
确定模块,用于针对每个标定机器人,根据所述定位数据确定所述标定机器人的位置;
位置标定模块,用于基于所述标定机器人的位置和激光数据,确定所述参考机器人相对于所述标定机器人的标定位置。
8.如权利要求7所述的位置标定系统,其特征在于,所述系统中还包括用于参考机器人和至少一个标定机器人之间通信的2.4G通信装置。
9.如权利要求7所述的位置标定系统,其特征在于,所述激光传感器为2d激光雷达。
10.如权利要求7所述的位置标定系统,其特征在于,所述确定模块包括:
确定单元,用于将所述定位数据作为所述标定机器人的位置参考数据;
转换单元,用于将所述位置参考数据转换成在所述标定机器人坐标系下的位置。
11.如权利要求7所述的位置标定系统,其特征在于,所述位置标定模块具体用于基于所述标定机器人的位置,确定所述标定机器人的激光传感器的扫描范围;根据所述扫描范围内的激光数据,确定所述参考机器人相对于所述标定机器人的标定位置。
12.如权利要求11所述的位置标定系统,其特征在于,所述位置标定模块还用于将所述扫描范围内的激光数据进行聚类处理;根据聚类结果确定距离所述标定机器人的位置是否满足预设条件;当满足预设条件时,确定所述参考机器人相对于所述标定机器人的标定位置。
13.一种机器人,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6任一项所述机器人位置标定的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010525641.4A CN111546348A (zh) | 2020-06-10 | 2020-06-10 | 机器人位置标定方法和位置标定系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010525641.4A CN111546348A (zh) | 2020-06-10 | 2020-06-10 | 机器人位置标定方法和位置标定系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111546348A true CN111546348A (zh) | 2020-08-18 |
Family
ID=72007009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010525641.4A Pending CN111546348A (zh) | 2020-06-10 | 2020-06-10 | 机器人位置标定方法和位置标定系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111546348A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112720490A (zh) * | 2020-12-26 | 2021-04-30 | 上海有个机器人有限公司 | 一种基于多机器人的位置融合感知方法和系统 |
CN113334383A (zh) * | 2021-06-22 | 2021-09-03 | 华中科技大学 | 一种基于线激光测量仪的机器人末端工具偏置标定方法 |
CN116358531A (zh) * | 2023-06-01 | 2023-06-30 | 佛山云曼健康科技有限公司 | 地图构建方法、装置、机器人和存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106643701A (zh) * | 2017-01-16 | 2017-05-10 | 深圳优地科技有限公司 | 一种机器人互相检测方法及装置 |
CN107443377A (zh) * | 2017-08-10 | 2017-12-08 | 埃夫特智能装备股份有限公司 | 传感器‑机器人坐标系转换方法及机器人手眼标定方法 |
CN108818540A (zh) * | 2018-08-28 | 2018-11-16 | 珠海格力智能装备有限公司 | 补偿参数的方法及装置、处理器和存储介质 |
CN108838991A (zh) * | 2018-03-06 | 2018-11-20 | 南昌工程学院 | 一种自主类人双臂机器人及其对运动目标的跟踪操作系统 |
CN208818162U (zh) * | 2018-07-27 | 2019-05-03 | 深圳大学 | 定位机器人 |
CN110039536A (zh) * | 2019-03-12 | 2019-07-23 | 广东工业大学 | 室内地图构造和定位的自导航机器人系统及图像匹配方法 |
CN110147095A (zh) * | 2019-03-15 | 2019-08-20 | 广东工业大学 | 基于路标信息与多传感器数据融合的机器人重定位方法 |
WO2019194602A1 (ko) * | 2018-04-04 | 2019-10-10 | 엘지전자 주식회사 | 위치 보정 기능이 향상된 주행 제어장치 및 이를 이용한 로봇 청소기 |
CN110497417A (zh) * | 2019-09-25 | 2019-11-26 | 李宏达 | 一种基于高精度三维空间定位系统的多轴机器人 |
CN110579215A (zh) * | 2019-10-22 | 2019-12-17 | 上海木木机器人技术有限公司 | 基于环境特征描述的定位方法、移动机器人和存储介质 |
CN110928312A (zh) * | 2019-12-16 | 2020-03-27 | 深圳市银星智能科技股份有限公司 | 机器人位置确定方法、非易失性计算机可读存储介质及机器人 |
CN111208829A (zh) * | 2020-02-21 | 2020-05-29 | 南京邮电大学 | 基于分布式预设时间状态观测器的多移动机器人编队方法 |
-
2020
- 2020-06-10 CN CN202010525641.4A patent/CN111546348A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106643701A (zh) * | 2017-01-16 | 2017-05-10 | 深圳优地科技有限公司 | 一种机器人互相检测方法及装置 |
CN107443377A (zh) * | 2017-08-10 | 2017-12-08 | 埃夫特智能装备股份有限公司 | 传感器‑机器人坐标系转换方法及机器人手眼标定方法 |
CN108838991A (zh) * | 2018-03-06 | 2018-11-20 | 南昌工程学院 | 一种自主类人双臂机器人及其对运动目标的跟踪操作系统 |
WO2019194602A1 (ko) * | 2018-04-04 | 2019-10-10 | 엘지전자 주식회사 | 위치 보정 기능이 향상된 주행 제어장치 및 이를 이용한 로봇 청소기 |
CN208818162U (zh) * | 2018-07-27 | 2019-05-03 | 深圳大学 | 定位机器人 |
CN108818540A (zh) * | 2018-08-28 | 2018-11-16 | 珠海格力智能装备有限公司 | 补偿参数的方法及装置、处理器和存储介质 |
CN110039536A (zh) * | 2019-03-12 | 2019-07-23 | 广东工业大学 | 室内地图构造和定位的自导航机器人系统及图像匹配方法 |
CN110147095A (zh) * | 2019-03-15 | 2019-08-20 | 广东工业大学 | 基于路标信息与多传感器数据融合的机器人重定位方法 |
CN110497417A (zh) * | 2019-09-25 | 2019-11-26 | 李宏达 | 一种基于高精度三维空间定位系统的多轴机器人 |
CN110579215A (zh) * | 2019-10-22 | 2019-12-17 | 上海木木机器人技术有限公司 | 基于环境特征描述的定位方法、移动机器人和存储介质 |
CN110928312A (zh) * | 2019-12-16 | 2020-03-27 | 深圳市银星智能科技股份有限公司 | 机器人位置确定方法、非易失性计算机可读存储介质及机器人 |
CN111208829A (zh) * | 2020-02-21 | 2020-05-29 | 南京邮电大学 | 基于分布式预设时间状态观测器的多移动机器人编队方法 |
Non-Patent Citations (3)
Title |
---|
曲丽萍: "《未知环境下智能机器人自主导航定位方法与应用》", 30 June 2017, 哈尔滨工业大学出版社 * |
蒋刚等编著: "《工业机器人》", 31 January 2011, 西南交通大学出版社 * |
陈慧岩等主编: "《车辆信息技术》", 31 December 2013, 北京理工大学出版社 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112720490A (zh) * | 2020-12-26 | 2021-04-30 | 上海有个机器人有限公司 | 一种基于多机器人的位置融合感知方法和系统 |
CN113334383A (zh) * | 2021-06-22 | 2021-09-03 | 华中科技大学 | 一种基于线激光测量仪的机器人末端工具偏置标定方法 |
CN116358531A (zh) * | 2023-06-01 | 2023-06-30 | 佛山云曼健康科技有限公司 | 地图构建方法、装置、机器人和存储介质 |
CN116358531B (zh) * | 2023-06-01 | 2023-09-01 | 佛山市星曼信息科技有限公司 | 地图构建方法、装置、机器人和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11372101B2 (en) | Method and apparatus for determining relative pose, device and medium | |
CN109141437B (zh) | 一种机器人全局重定位方法 | |
CN111546348A (zh) | 机器人位置标定方法和位置标定系统 | |
EP3629057A2 (en) | Method and apparatus for calibrating relative pose and medium | |
CN109975773B (zh) | 毫米波雷达标定方法、装置、设备和存储介质 | |
CN108983213B (zh) | 障碍物静止状态的确定方法、装置、设备及存储介质 | |
CN108638062B (zh) | 机器人定位方法、装置、定位设备及存储介质 | |
US5677836A (en) | Method for producing a cellularly structured environment map of a self-propelled, mobile unit that orients itself in the environment at least with the assistance of sensors based on wave refection | |
CN110889808B (zh) | 一种定位的方法、装置、设备及存储介质 | |
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 | |
JP2020046427A (ja) | マルチセンサーのキャリブレーション方法とその装置、コンピュータ機器、媒体及び車両 | |
CN111258320A (zh) | 一种机器人避障的方法及装置、机器人、可读存储介质 | |
CN111563450B (zh) | 数据处理方法、装置、设备及存储介质 | |
US20200233061A1 (en) | Method and system for creating an inverse sensor model and method for detecting obstacles | |
JP2024509690A (ja) | 三次元地図を構築する方法および装置 | |
US11954918B2 (en) | Object detection device, object detection method, and storage medium | |
KR102247879B1 (ko) | 로봇 및 재충전 위치 확정 방법과 장치 | |
CN112285739A (zh) | 一种数据处理方法、装置、设备及存储介质 | |
WO2019171491A1 (ja) | 移動体制御装置、移動体、移動体制御システム、移動体制御方法および記録媒体 | |
CN113240745A (zh) | 点云数据标定方法、装置、计算机设备和存储介质 | |
CN113093218A (zh) | 斜坡检测方法及驱动设备、存储介质 | |
CN111837084B (zh) | 控制装置、控制方法和程序 | |
CN112462784B (zh) | 机器人位姿确定方法、装置、设备和介质 | |
US11620846B2 (en) | Data processing method for multi-sensor fusion, positioning apparatus and virtual reality device | |
US20220156533A1 (en) | Object detection in vehicles using cross-modality sensors |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200818 |