CN111552764A - 一种车位检测方法、装置、系统及机器人和存储介质 - Google Patents

一种车位检测方法、装置、系统及机器人和存储介质 Download PDF

Info

Publication number
CN111552764A
CN111552764A CN202010413656.1A CN202010413656A CN111552764A CN 111552764 A CN111552764 A CN 111552764A CN 202010413656 A CN202010413656 A CN 202010413656A CN 111552764 A CN111552764 A CN 111552764A
Authority
CN
China
Prior art keywords
parking space
dimensional
grid map
dimensional grid
map
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
Application number
CN202010413656.1A
Other languages
English (en)
Other versions
CN111552764B (zh
Inventor
罗方龙
潘何浩
董敏杰
向良华
陈兆先
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.)
Huizhi Robot Technology Shenzhen Co ltd
Original Assignee
Flyingwings Intelligent Robot Technology Shanghai Co ltd
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 Flyingwings Intelligent Robot Technology Shanghai Co ltd filed Critical Flyingwings Intelligent Robot Technology Shanghai Co ltd
Priority to CN202010413656.1A priority Critical patent/CN111552764B/zh
Publication of CN111552764A publication Critical patent/CN111552764A/zh
Application granted granted Critical
Publication of CN111552764B publication Critical patent/CN111552764B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Remote Sensing (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明涉及一种车位检测方法、装置、系统及机器人和存储介质，属于机器人控制领域，包括以下步骤：步骤S1、构建二维栅格地图；步骤S2、获取车位边界框位置信息并建立二维栅格地图与三维地图的映射关系；步骤S3、将车位边界框位置信息与二维栅格地图结合，通过二维栅格地图与三维地图的映射关系，计算车位的位置信息。本发明提供一种车位检测方法、装置、系统及存储介质，通过构建二维栅格地图并直接对二维栅格地图进行识别处理，从而可直接在二维栅格地图上识别并计算出三维车位区域信息，降低技术实现难度的同时降低成本。

Description

一种车位检测方法、装置、系统及机器人和存储介质
技术领域
本发明涉及机器人控制领域，尤其是涉及一种车位检测方法、装置、系统及机器人和存储介质。
背景技术
随着科技的进步，驾驶式清洁机器人已经越来越多的被自动式清洁机器人取代。在自动泊车和地库清洁机器人相关领域需要对车位进行识别，以便对车位区域和通道区域实行不同的清扫方式和清扫强度。
目前自动识别使用的方法一般是通过车载摄像头采集彩色图片并利用计算机视觉识别技术进行检测识别。但是该方式最多只能得到车位在二维彩色图像上的像素位置信息，如果想要进一步应用该信息，一般还想要将该二维信息通过其他手段变换到真实的三维空间坐标系，这个变换过程通常包含非常复杂的环境检测传感器内外参标定和各种复杂的计算过程，整体实现难度较大，而且由于彩色图像容易受光照等环境因素影响导致整体非常不稳定。
因此，需要提出一种新的技术方案来解决上述技术问题。
发明内容
本发明的目的一是提供一种车位检测方法及装置，通过构建二维栅格地图并直接对二维栅格地图进行识别处理，从而可直接在二维栅格地图上识别并计算出三维车位区域信息，降低技术实现难度的同时降低成本。
本发明的上述一发明目的是通过以下技术方案得以实现的：
一种车位检测方法，包括以下步骤：
步骤S1、构建二维栅格地图；
步骤S2、获取车位边界框位置信息并建立二维栅格地图与三维地图的映射关系；
步骤S3、将车位边界框位置信息与二维栅格地图结合，通过二维栅格地图与三维地图的映射关系，计算车位的位置信息。
通过采用上述技术方案，通过清洁机器人在移动的过程中对停车场所内的环境进行扫描，根据扫描的图像结果构建出二维栅格地图，同时在扫描的图像中获取车位边界框信息，再通过二维栅格地图与三维地图的映射关系，从而快速得到三维空间信息，将车位边界框信息在二维栅格地图上结合，使得车位信息在二维栅格地图上体现，再利用二维栅格地图与三维地图之间的映射关系，从而得到车位在三维空间内的位置信息，降低技术实现难度的同时降低成本。
本发明进一步设置为：所述步骤S1中，构建二维栅格地图，包括以下步骤：
步骤S11、获取环境信息，通过环境检测传感器扫描得到停车场所内的环境信息；
步骤S12、数据处理，对所述环境检测传感器扫描到的环境信息以点云数据的形式进行存储处理；
步骤S13、二维栅格地图的构建，根据所述环境检测传感器扫描到的环境信息以导航地图的构建方式构建出二维栅格地图。
通过采用上述技术方案，通过在清洁机器人上设置环境检测传感器对停车场所环境进行扫描，在使用常规的导航地图的构建方式将扫描到的环境信息构建出二维栅格地图，利用二维栅格地图分辨率的已知行，从而便于三维地图与二维栅格地图对应关系的构建。
本发明进一步设置为：所述步骤S2中，通过使用神经网络物体检测方法对二维栅格地图进行识别处理从而获取车位边界框位置信息。
通过采用上述技术方案，通过神经网络物体检修方法直接对二维栅格地图进行识别处理，降低神经网络在检测过程中的难度。
本发明进一步设置为：步骤S3中，计算车位的位置信息，包括以下步骤：
步骤S31、将车位边界框位置信息投影到二维栅格地图上；
步骤S32、根据二维栅格地图与三维地图的映射关系，通过对二维数组进行拟合处理后存储所述二维栅格地图中的栅格所对应的三维地图的空间信息，从而计算出车位的位置信息。
通过采用上述技术方案，通过将获取到的车位边界框信息将其投射到二维栅格地图上，再利用二维数组拟合处理对二维栅格地图上投射的车位边界框信息进行整合，再将整合后的二维栅格地图与三维地图进行对应，从而计算出车位的位置信息，简化系统处理的步骤，降低处理难度。
本发明目的二是提供一种车位检测装置，具有降低车位检测计算量的特点。
本发明的另一技术目的是提供一种车位检测装置，包括：
检测模块，用于构建二维栅格地图；
处理模块，用于获取车位边界框位置信息并建立二维栅格地图与三维地图的映射关系；
计算模块，用于将车位边界框位置信息与二维栅格地图结合，通过二维栅格地图与三维地图的映射关系，计算车位的位置信息。
通过采用上述技术方案，利用检测装置对停车场所内环境进行扫描，获取停车场所内的环境信息并构建对应的二维栅格地图；在处理模块上对二维栅格地图以及环境信息进行处理，获取车位边界框位置信息的同时建立二维栅格地图与三维地图之间的关系，通过处理模块将车位边界框位置信息与栅格地图结合后，通过已知的二维栅格地图与三维地图之间的关系，从而得到车位在三维地图上的位置信息。
本发明目的三是提供一种应用于如上任一种车位检测方法的清洁机器人，具有清扫地面的同时能够对车位进行检测的特点。
本发明的另一技术目的是提供一种应用于如上任一种车位检测方法的清洁机器人，所述清洁机器人上设有环境检测传感器用于扫描停车场所内的环境信息。
通过采用上述技术方案，通过设置移动的清洁机器人，在清洁机器人上设置环境检测传感器，利用环境检测传感器对停车场所的环境进行检测扫描，从而实现清扫停车场所地面的同时能够自行对车位进行检测。
本发明进一步设置为：所述清洁机器人设有驾驶座和方向盘，所述环境检测传感器设置于驾驶座上方，所述方向盘上设有触控屏，所述触控屏连接自动控制系统和人工控制系统。
通过采用上述技术方案，通过设置驾驶座和方向盘，方便人工对清洁机器人进行控制，同时将环境检测传感器设置在驾驶座上方，避免人员坐在驾驶座上时，环境检测传感器受人员遮挡而影响检测效果，通过将触控屏设置在方向盘上，方便人工对自动控制系统和人工控制系统的切换。
本发明目的四是提供一种车位检测系统，具有存储并执行车位检测方法的功能，以保证清洁机器人和车位检测方法正常运转。
本发明的上述发明目的四是通过以下技术方案得以实现的：
一种车位检测系统，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行上述任一种车位检测方法的计算机程序。
通过采用上述技术方案，存储器用于存储使用车位检测方法的计算机程序，存储器内存储的计算机程序能够通处理器控制清洁机器人和检测装置运行。
本发明目的五是提供一种计算机可读存储介质，具有便于实现车位检测方法在其他清洁机器人上运转的特点。
本发明的上述发明目的五是通过以下技术方案得以实现的：
一种计算机可读存储介质，其特征在于：存储有能够被处理器加载并执行如上述任一种车位检测方法的计算机程序。
综上所述，本发明的有益技术效果为：通过设置移动的清洁机器人在其移动过程中对停车场所内环境信息进行采集，将采集到的环境信息进行处理构建出二维栅格地图，建立二维栅格地图与三维地图之间的关系，同时从扫描得到的环境信息获取车位边界框信息，再将车位边界框信息与二维栅格地图进行结合，最后根据二维栅格地图与三维地图的映射关系，从而快速获知车位在三维空间内的车位信息；用常规导航地图的构建方式来构建二维栅格地图，根据二维栅格地图与三维地图之间的关系，从而使得二维栅格地图上的位置信息能够快速在三维地图上体现，同时利用神经网络物体检测方法将对扫描图片进行处理并得到车位边界框信息，通过现有的换算拟合方法对车位位置整合到二维栅格地图上，从而得到车位的位置信息。
附图说明
图1是本发明的检测方法的流程示意图；
图2是本发明的检测装置的结构框图；
图3是本发明清洁机器人的整体结构示意图；
图4是本发明清洁机器人部分结构的控制框图。
图中：1、清洁机器人；11、驾驶座；12、方向盘；2、环境检测传感器；3、触控屏；4、人工控制系统；5、自动控制系统。
具体实施方式
以下结合附图对本发明作进一步详细说明。
实施例一：
参照图1和图3，为本发明公开的一种车位检测方法，应用于移动设备，移动设备包括但不限于移动机器人，在停车场所卫生清洁过程中，停车场所包括但不限于地下车库、室内停车场和露天停车场，通常需要对停车场所内的车位区域和通道区域采用不同的清洁方式进行清理，因此在地面清理之前需要对停车场所内的车位区域和非车位区域（即通道区域）进行区分。移动设备在移动过程中对车位进行检测，其检测方法包括以下步骤：
步骤S1、构建二维栅格地图。
具体地，为降低人工清理强度，现有的停车场所清洁通常采用清洁机器人进行清理，因此在清洁机器人对停车场所进行清洁之前需要明确其在对应停车场所的运动轨迹和区域，故需要建立停车场所内的栅格地图。栅格地图通过以下步骤构建：
步骤S11、获取环境信息，通过环境检测传感器2扫描得到停车场所内的环境信息。
具体地，环境检测传感器以激光雷达为主，可采用二维激光雷达也可采用三维激光雷达，本实施例中环境检测传感器2采用三维激光雷达，以降低环境检测传感器2对移动设备的使用高度限定。通过环境检测传感器2扫描得移动设备周围环境等到环境信息（即为激光雷达扫描得到的激光数据点），通过驱动移动设备在停车场所内移动，从而得到整个停车场所的环境信息。
步骤S12、数据处理，对环境检测传感器2扫描到的环境信息以点云数据的形式进行存储处理；
步骤S13、二维栅格地图的构建，根据环境检测传感器2扫描到的环境信息以导航地图的构建方式构建出二维栅格地图。
具体地，通过环境检测传感器扫描得到的环境信息并结合SLAM技术获得整个停车场所内的占据栅格地图；接着建立包括移动设备行走的通道区域的第一图层，并在通道区域内填充以第一填充色；建立包括障碍物的第二图层，并在第二图层内填充以第二填充色；建立包括未有障碍物而非移动设备行走的空白区域为第三图层，并在第三图层内填充以第三填充色；再将第一图层、第二图层以及第三图层进行融合生成栅格地图，从而实现将三维激光雷达扫描获取的三维图像转换成二维图像。
步骤S2、获取车位边界框位置信息，并建立二维栅格地图与三维地图的映射关系。
具体地，在步骤1的基础上，通过将二维图像输入到训练好的卷积神经网络模型中，使用神经网络物体检测方法直接对二维栅格地图进行识别处理，从而得到车位边界框的位置信息，具体包括如下步骤：
步骤S201、将二维图像输入到卷积神经网络模型中，提取二维图像中的特征图像；
步骤S202、利用区域建议网络对输入的二维图像进行训练，在区域建议网络最后一侧卷积层输出的特征图像上用n*n的窗口进行滑窗处理，每个滑动窗口都映射呈一个低维特征向量，完成候选区域的提取；
步骤S203、将区域建议网络提取的候选区域输入快速卷积神经网络中，将候选区域经过最后一层卷积层处理后得到的特征图像，输入ROI池化层进行处理，获得结果特征图；
步骤S204、将ROI池化层的输出输入到快速卷积神经网络的全连接层进行特征图像映射。
由于二维栅格地图的实际分辨率已知，所以相对地面的三维信息也是已知的，因此能够快速建立二维栅格地图与三维地图之间的映射关系。
步骤S3、将车位边界框位置信息与二维栅格地图结合，通过二维栅格地图与三维地图的映射关系，计算车位的位置信息。
具体地，通过对车辆的边框信息检测，从而获取车位边界框的位置信息，将车位边界框的位置信息录入到二维栅格地图中，计算车位的位置信息。移动设备在移动检测车位的过程中，由于部分车位停放有车辆的同时也可能存在部分车位未停放车辆，而这些未停放车辆的车位仍属于车位区域，即对检测过程中的空白区域进行划分时，为避免将未停放车辆的车位当成非车位区域，需要对现有检测到的车位边界框位置信息进行整合，从而计算出车位的位置信息。
车位的位置信息计算包括以下步骤：
步骤S31、将车位边界框位置信息投影到二维栅格地图上；
步骤S32、根据二维栅格地图与三维地图的映射关系，通过对二维数组进行拟合处理后存储二维栅格地图中的栅格所对应的三维地图的空间信息，从而计算出车位的位置信息。
同时为提高车位位置信息计算的准确性，可在不同时间段对停车场所进行多次车位检测，以避免特殊时间段内停车场所内车辆停放过少时造成的车位检测偏差，从而准确计算出车位的位置信息。本实施例中移动设备直接采用清洁机器人，以降低停车场所清扫成本。
实施例二：
参照图2，在一实施例中，提供一种车位检测装置与上述实施例一中的车位检测方法一一对应，用于对停车场所内的车位边界框位置信息进行检测，其包括检测模块、处理模块以及计算模块。各功能模块详细说明如下：
检测模块，用于构建二维栅格地图；
处理模块，用于获取车位边界框位置信息并建立二维栅格地图与三维地图的映射关系；
计算模块，用于将车位边界框位置信息与二维栅格地图结合，通过二维栅格地图与三维地图的映射关系，计算车位的位置信息。
具体地，通过检测模块对停车场所内的环境信息进行检测采集，本根据其获取到的环境信息构建二维栅格地图；处理模块获取车位边界框位置信息并根据二维栅格图像的实际分辨率，对应获取三维信息，从而快速建立二维栅格地图与三维地图之间的映射关系。计算模块将车位边界框信息与二维栅格地图结合，并根据处理模块获取到的车位边界框位置信息进行拟合处理，将未停放车辆的空白区域根据数据整合结果，划分为通道区域和车位区域。
实施例三：
参照图3，在一实施例中，提供了一种清洁机器人，其包括设置于清洁机器人顶部的环境检测传感器2，本实施例中环境检测传感器2采用三维激光雷达，以降低其在清洁机器人上的安装高度对检测准确性的影响。采用清洁机器人1以降低停车场所清洁成本，同时通过采用三维激光雷达作为环境检测传感器2，便于实施例一中的车位检测方法结合软硬件也能够适用在现有的清洁机器人1上。
参照图3和图4，为方便对清洁机器人1进行控制，清洁机器人1设有控制其移动的自动控制系统5和人工控制系统4，自动控制系统5控制清洁机器人1自主的在停车场所内进行移动和清扫，人工控制系统4则通过人工对清洁机器人1的行动轨迹和工作模式进行控制。为方便人工对清洁机器人1的控制，清洁机器人1设有驾驶座11和方向盘12，从而使得人工以驾驶的模式进行控制，同时方向盘12上设有触控屏3，触控屏3连接自动控制系统5和人工控制系统4，通过触摸触控屏3对自动控制系统5和人工控制系统4进行切换，同时也能够分别实现对自动控制系统5和人工控制系统4的参数设置，以及清洁机器人1的其他性能参数进行设置。
参照图3和图4，不论清洁机器人1是在人工控制系统4和自动控制系统5下，其在初次清理前都需要先对停车场所内的车位区域进行检测，清洁机器人1在移动过程中，通过其顶部的三维激光雷达对停车场所内的环境进行扫描，并通过现有常规的导航地图的构建方法构建出停车场所内的二维栅格地图，由于二维栅格地图的实际分辨率已知，因此相当于地面三维信息也是已知的。接着使用神经网络物体检测方法直接对二维栅格地图进行识别处理从而得到车位边界框位置信息，使用神经网络物体检测方法对二维图片进行识别，降低技术难度。最后结合二维栅格地图属性即可计算得到车位的位置信息，通过该种方法，直接在二维栅格地图上识别并计算出三维车位区域信息，从而大大降低技术难度和成本，同时采用激光雷达使得检测结果更加稳定。
实施例四：
在一实施例中，提供一种车位检测系统与上述实施例一中的车位检测方法一一对应，该车位检测系统的各模块电连接于车位检测装置中的环境检测传感器，车位检测系统包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器用于提供计算和控制能力，处理器执行计算机程序时实现以下方法步骤：
步骤S1、构建二维栅格地图；
步骤S2、获取车位边界框位置信息并建立二维栅格地图与三维地图的映射关系；
步骤S3、将车位边界框位置信息与二维栅格地图结合，通过二维栅格地图与三维地图的映射关系，计算车位的位置信息。
实施例五：
在一实施例中，提供了一种计算机可读存储介质，其存储有能够被处理器加载并执行上述车位检测方法的计算机程序，计算机程序被处理器执行时实现以下步骤：
步骤S1、构建二维栅格地图；
步骤S2、获取车位边界框位置信息并建立二维栅格地图与三维地图的映射关系；
步骤S3、将车位边界框位置信息与二维栅格地图结合，通过二维栅格地图与三维地图的映射关系，计算车位的位置信息。
所述计算机可读存储介质例如包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
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 (9)

1.一种车位检测方法，其特征在于：包括以下步骤：
步骤S1、构建二维栅格地图；
步骤S2、获取车位边界框位置信息并建立二维栅格地图与三维地图的映射关系；
步骤S3、将车位边界框位置信息与二维栅格地图结合，通过二维栅格地图与三维地图的映射关系，计算车位的位置信息。
2.根据权利要求1所述的一种车位检测方法，其特征在于：所述步骤S1中，构建二维栅格地图，包括以下步骤：
步骤S11、获取环境信息，通过环境检测传感器(2)扫描得到停车场所内的环境信息；
步骤S12、数据处理，对所述环境检测传感器(2)扫描到的环境信息以点云数据的形式进行存储处理；
步骤S13、二维栅格地图的构建，根据所述环境检测传感器(2)扫描到的环境信息以导航地图的构建方式构建出二维栅格地图。
3.根据权利要求2所述的一种车位检测方法，其特征在于：所述步骤S2中，通过使用神经网络物体检测方法对二维栅格地图进行识别处理从而获取车位边界框位置信息。
4.根据权利要求3所述的一种车位检测方法，其特征在于：步骤S3中，计算车位的位置信息，包括以下步骤：
步骤S31、将车位边界框位置信息投影到二维栅格地图上；
步骤S32、根据二维栅格地图与三维地图的映射关系，通过对二维数组进行拟合处理后存储所述二维栅格地图中的栅格所对应的三维地图的空间信息，从而计算出车位的位置信息。
5.一种车位检测装置，其特征在于：包括
检测模块，用于构建二维栅格地图；
处理模块，用于获取车位边界框位置信息并建立二维栅格地图与三维地图的映射关系；
计算模块，用于将车位边界框位置信息与二维栅格地图结合，通过二维栅格地图与三维地图的映射关系，计算车位的位置信息。
6.一种应用权利要求1至4任一所述车位检测方法的清洁机器人，其特征在于：所述清洁机器人(1)上设有环境检测传感器(2)用于扫描停车场所内的环境信息。
7.根据权利要求6所述的一种清洁机器人，其特征在于：所述清洁机器人(1)设有驾驶座(11)和方向盘(12)，所述环境检测传感器(2)设置于驾驶座(11)上方，所述方向盘(12)上设有触控屏(3)，所述触控屏(3)连接自动控制系统(5)和人工控制系统(4)。
8.一种车位检测系统，其特征在于：包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行如权利要求1至4中任一种方法的计算机程序。
9.一种计算机可读存储介质，其特征在于：存储有能够被处理器加载并执行如权利要求1至4中任一种方法的计算机程序。
CN202010413656.1A 2020-05-15 2020-05-15 一种车位检测方法、装置、系统及机器人和存储介质 Active CN111552764B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010413656.1A CN111552764B (zh) 2020-05-15 2020-05-15 一种车位检测方法、装置、系统及机器人和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010413656.1A CN111552764B (zh) 2020-05-15 2020-05-15 一种车位检测方法、装置、系统及机器人和存储介质

Publications (2)

Publication Number Publication Date
CN111552764A true CN111552764A (zh) 2020-08-18
CN111552764B CN111552764B (zh) 2023-07-25

Family

ID=72006472

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010413656.1A Active CN111552764B (zh) 2020-05-15 2020-05-15 一种车位检测方法、装置、系统及机器人和存储介质

Country Status (1)

Country Link
CN (1) CN111552764B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112070068A (zh) * 2020-10-13 2020-12-11 上海美迪索科电子科技有限公司 一种地图构建方法、装置、介质及设备
CN112967522A (zh) * 2021-01-29 2021-06-15 西藏宁算科技集团有限公司 基于深度学习和规划算法的智能车辆召唤方法及系统
CN114093195A (zh) * 2021-11-17 2022-02-25 深圳市豪位科技有限公司 记录车位标记方法及装置
CN114255584A (zh) * 2021-12-20 2022-03-29 济南博观智能科技有限公司 一种停放车辆的定位方法、系统、存储介质和电子设备
CN114446084A (zh) * 2022-01-25 2022-05-06 深圳鹊巢停车科技有限公司 一种5g物联网智慧车位查询平台
WO2022127572A1 (zh) * 2020-12-14 2022-06-23 北京石头创新科技有限公司 机器人三维地图位姿显示方法、装置、设备及存储介质
DE102022208405A1 (de) 2022-08-12 2024-02-15 Continental Autonomous Mobility Germany GmbH Verfahren zur Bestimmung einer Parklücke und einer Zielposition eines Fahrzeugs in der Parklücke

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017198517A (ja) * 2016-04-27 2017-11-02 株式会社国際電気通信基礎技術研究所 ３次元地図生成システム
CN109085608A (zh) * 2018-09-12 2018-12-25 奇瑞汽车股份有限公司 车辆周围障碍物检测方法及装置
CN109606354A (zh) * 2018-10-18 2019-04-12 同济大学 一种基于分层规划的自动泊车方法及辅助系统
CN109737974A (zh) * 2018-12-14 2019-05-10 中国科学院深圳先进技术研究院 一种3d导航语义地图更新方法、装置及设备
JP2019109675A (ja) * 2017-12-18 2019-07-04 株式会社豊田中央研究所 運転行動データ生成装置、運転行動データベース
CN110378919A (zh) * 2019-06-14 2019-10-25 江苏裕兰信息科技有限公司 一种基于slam的窄道通行障碍物检测方法
US20200097012A1 (en) * 2018-09-20 2020-03-26 Samsung Electronics Co., Ltd. Cleaning robot and method for performing task thereof

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017198517A (ja) * 2016-04-27 2017-11-02 株式会社国際電気通信基礎技術研究所 ３次元地図生成システム
JP2019109675A (ja) * 2017-12-18 2019-07-04 株式会社豊田中央研究所 運転行動データ生成装置、運転行動データベース
CN109085608A (zh) * 2018-09-12 2018-12-25 奇瑞汽车股份有限公司 车辆周围障碍物检测方法及装置
US20200097012A1 (en) * 2018-09-20 2020-03-26 Samsung Electronics Co., Ltd. Cleaning robot and method for performing task thereof
CN109606354A (zh) * 2018-10-18 2019-04-12 同济大学 一种基于分层规划的自动泊车方法及辅助系统
CN109737974A (zh) * 2018-12-14 2019-05-10 中国科学院深圳先进技术研究院 一种3d导航语义地图更新方法、装置及设备
CN110378919A (zh) * 2019-06-14 2019-10-25 江苏裕兰信息科技有限公司 一种基于slam的窄道通行障碍物检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
程健;项志宇;于海滨;刘济林;: "城市复杂环境下基于三维激光雷达实时车辆检测", 浙江大学学报(工学版) *
程健等: "城市复杂环境下基于三维激光雷达实时车辆检测" *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112070068A (zh) * 2020-10-13 2020-12-11 上海美迪索科电子科技有限公司 一种地图构建方法、装置、介质及设备
WO2022127572A1 (zh) * 2020-12-14 2022-06-23 北京石头创新科技有限公司 机器人三维地图位姿显示方法、装置、设备及存储介质
CN112967522A (zh) * 2021-01-29 2021-06-15 西藏宁算科技集团有限公司 基于深度学习和规划算法的智能车辆召唤方法及系统
CN114093195A (zh) * 2021-11-17 2022-02-25 深圳市豪位科技有限公司 记录车位标记方法及装置
CN114255584A (zh) * 2021-12-20 2022-03-29 济南博观智能科技有限公司 一种停放车辆的定位方法、系统、存储介质和电子设备
CN114446084A (zh) * 2022-01-25 2022-05-06 深圳鹊巢停车科技有限公司 一种5g物联网智慧车位查询平台
DE102022208405A1 (de) 2022-08-12 2024-02-15 Continental Autonomous Mobility Germany GmbH Verfahren zur Bestimmung einer Parklücke und einer Zielposition eines Fahrzeugs in der Parklücke

Also Published As

Publication number Publication date
CN111552764B (zh) 2023-07-25

Similar Documents

Publication Publication Date Title
CN111552764A (zh) 一种车位检测方法、装置、系统及机器人和存储介质
WO2022027869A1 (zh) 一种基于边界的机器人区域划分方法、芯片及机器人
CN112785643A (zh) 一种基于机器人平台的室内墙角二维语义地图构建方法
CN104536445B (zh) 移动导航方法和系统
CN109344687B (zh) 基于视觉的障碍物检测方法、装置、移动设备
Wulf et al. Colored 2D maps for robot navigation with 3D sensor data
US11249475B2 (en) Method and system for presenting trajectory of robot and environmental map
CN110956069B (zh) 一种行人3d位置的检测方法及装置、车载终端
CN110874101B (zh) 一种机器人清扫路径的生成方法及装置
CN112347876B (zh) 一种基于tof摄像头的障碍物识别方法、清洁机器人
Maier et al. Vision-based humanoid navigation using self-supervised obstacle detection
Almansa-Valverde et al. Mobile robot map building from time-of-flight camera
CN110262487B (zh) 一种障碍物检测方法、终端及计算机可读存储介质
CN109159137B (zh) 一种可视频评估洗地效果的洗地机器人
CN112287834A (zh) 机器人的巡检清洁方法、装置、机器人和存储介质
CN108968815A (zh) 一种扫地机器人障碍判定并沿边行走装置及方法
CN110163963A (zh) 一种基于slam的建图装置和建图方法
Lin et al. Construction of fisheye lens inverse perspective mapping model and its applications of obstacle detection
CN109316127A (zh) 一种扫地机器人洞口检测装置及未知区域探索方法
CN111198563B (zh) 一种用于足式机器人动态运动的地形识别方法及系统
Kaddis et al. Developing, Analyzing, and Evaluating Self-Drive Algorithms Using Electric Vehicles on a Test Course
CN112182122A (zh) 一种移动机器人工作环境导航地图的获取方法及装置
CN111325770A (zh) 基于rgbd相机的目标跟随方法、系统、装置
CN114353779B (zh) 一种采用点云投影快速更新机器人局部代价地图的方法
CN114092805A (zh) 一种基于建筑模型的机器狗识别裂痕方法

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20201126

Address after: B1205, phase II, Bolton Science Park, 1044 chaguang Road, Shuguang community, Xili street, Nanshan District, Shenzhen City, Guangdong Province

Applicant after: Huizhi robot technology (Shenzhen) Co.,Ltd.

Address before: 200000 Shanghai City, Pudong New Area Chinese (Shanghai) free trade zone fanchun Road No. 400 Building 1 layer 3

Applicant before: FLYINGWINGS INTELLIGENT ROBOT TECHNOLOGY (SHANGHAI) Co.,Ltd.

GR01 Patent grant
GR01 Patent grant