CN111618908A - 基于任务的机器人平台自主能力测试装置及测试方法 - Google Patents
基于任务的机器人平台自主能力测试装置及测试方法 Download PDFInfo
- Publication number
- CN111618908A CN111618908A CN202010392172.3A CN202010392172A CN111618908A CN 111618908 A CN111618908 A CN 111618908A CN 202010392172 A CN202010392172 A CN 202010392172A CN 111618908 A CN111618908 A CN 111618908A
- Authority
- CN
- China
- Prior art keywords
- robot platform
- score
- obstacle
- task
- target
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
- B25J19/0095—Means or methods for testing manipulators
Abstract
本发明公开了一种基于任务的机器人平台自主能力测试装置及测试方法,包括:定位获取模块,其采集机器人平台的位置信息,并发送至评价模块;感知决策获取模块,其获取机器人平台运行过程中感知和决策的处理结果信息,并发送至评价模块;评价模块,其根据机器人平台的位置信息以及处理结果信息,计算机器人平台的自主能力得分;本发明通过结合机器人平台的位置信息以及处理结果信息,综合评价机器人平台的自主机动能力和智能性,能够在研发的前期对机器人平台的自主机动能力和智能性进行评价,加快研发速度。
Description
技术领域
本发明涉及机器人平台领域,具体涉及一种基于任务的机器人平台自主能力测试装置及测试方法。
背景技术
机器人平台可以进行侦察、灭火、设备运输和物资配送等任务。
现有技术中的机器人平台仍以遥控操作为主,自主性和智能性有限,且完成任务的效果无法进行有效量化测试,较为先进的现有技术中,使用单一指标衡量机器人平台,无法全面的反映机器人平台的自主机动性能。
发明内容
为解决上述技术问题,本发明提供一种基于任务的机器人平台自主能力测试装置及测试方法。
为解决上述技术问题,本发明采用如下技术方案:
一种基于任务的机器人平台自主能力测试装置,包括:
定位获取模块,其采集机器人平台的位置信息,并发送至评价模块;
感知决策获取模块,其获取机器人平台运行过程中感知和决策的处理结果信息,并发送至评价模块;
评价模块,其根据机器人平台的位置信息以及处理结果信息,计算机器人平台的自主能力得分。
一种基于任务的机器人平台自主能力测试装置的测试方法,包括以下步骤:
步骤一:机器人平台接收任务指令后,躲避障碍物目标,自主机动至任务点,开始执行特定任务;
步骤二:采集机器人平台运行过程中的位置信息、处理结果信息;
步骤三:根据位置信息以及处理结果信息,计算机器人平台的自主机动能力得分。
具体地,步骤二中,所述位置信息为机器人平台执行特定任务过程中对障碍物目标的位置进行估计所得到的目标位置,所述处理结果信息为从机器人平台从接收到任务指令到开始执行特定任务的过程中对障碍物目标进行检测所花费的检测用时;步骤三中,计算机器人平台的自主机动能力得分时还需考虑人工干预的次数,所述人工干预的次数为机器人平台被障碍物目标阻挡无法继续工作后进行人工纠正的次数,根据预设规则将检测用时转化为检测用时分数ST,根据预设规则将人工干预的次数转化为人工干预分数SI,根据目标位置与障碍物目标的实际位置的偏差确定目标检测精度分数SP,则机器人平台的自主机动能力得分SB=wTST+wISI+wPSP,其中wT、wI以及wP分别为检测用时分数的权值、人工干预分数的权值以及目标检测精度分数的权值。
具体地,障碍物目标的实际位置为A点,目标位置为B点,根据A点与B点之间的距离大小确定目标检测精度分数SP。
具体地,步骤一中,所述障碍物目标包括高于地面的正障碍目标以及低于地面的负障碍目标。
具体地,步骤二中,所述位置信息为机器人平台检测各障碍物目标过程中的自身位置信息,所述处理结果信息包括各障碍物目标的类型、数量以及尺寸大小;步骤三中计算机器人平台的自主机动能力得分时:从接收到任务指令至到达任务点的过程中,机器人平台对障碍物目标进行检测的数量为NumI,则准确率得分其中Numo为障碍物目标的总数量,机器人平台对被检测的障碍物目标的类型得出正确检测结果的数量为NumC,则正确率得分将机器人平台获取到的障碍物目标的估计尺寸与这些障碍物目标的实际尺寸做差得到尺寸差值,并将这些尺寸差值求和得到总尺寸差值DISC,则外形尺寸得分将机器人平台的自身位置信息转化为机器人平台的运动路径,运动路径到各个障碍物目标之间存在最短距离min(disci),将这些最短距离求和得到最短距离之和则避障能力得分其中n为被检测的障碍物目标的数量;机器人平台的自主机动能力得分SB1=waccSacc+wcurrScurr+wcSc+wdSd,其中wacc为准确率得分的权值,wcurr为正确率得分的权值,wc为外形尺寸得分的权值,wd为避障能力得分的权值。
具体地,所述障碍物目标还包括在检测机器人平台自主机动能力的过程中其位置会发生变动的动态障碍目标。
具体地,步骤二中,所述位置信息为机器人平台检测各障碍物目标过程中的自身位置信息,所述处理结果信息包括障碍物目标的类型、数量、尺寸大小以及动态障碍目标的速度;步骤三中计算机器人平台的自主机动能力得分时:从接收到任务指令至到达任务点的过程中,机器人平台对障碍物目标进行检测的数量为NumI,则准确率得分其中Numo为障碍物目标的总数量,机器人平台对被检测的障碍物目标的类型得出正确检测结果的数量为NumC,则正确率得分将机器人平台获取到的障碍物目标的估计尺寸与这些障碍物目标的实际尺寸做差得到尺寸差值,并将这些尺寸差值求和得到总尺寸差值DISC,则外形尺寸得分将机器人平台的自身位置信息转化为机器人平台的运动路径,运动路径到各个被检测的障碍物目标之间存在最短距离min(disci),将这些最短距离求和得到最短距离之和则避障能力得分机器人平台获取到的动态障碍目标的估计速度与动态障碍目标的实际速度做差得到速度差值,将这些速度差值求和得到总速度差值V,则速度精度得分其中n为机器人平台所检测的动态障碍目标的数量,机器人平台的自主机动能力得分SB2=waccSacc+wcurrScurr+wcSc+wdSd+wVSV,其中wacc为准确率得分的权值,wcurr为正确率得分的权值,wc为外形尺寸得分的权值,wd为避障能力得分的权值,wV为速度精度得分的权值。
与现有技术相比,本发明的有益技术效果是:
1.从机器人平台接收到任务指令至到达任务点的过程中,本发明通过结合机器人平台的位置信息以及处理结果信息,综合评价机器人平台的自主机动能力和智能性,能够在研发的前期对机器人平台的自主机动能力和智能性进行评价,可以有效加速机器人平台的研发效率。
附图说明
图1为本发明机器人平台执行特定任务过程中检测并躲避障碍物的示意图;
图2为本发明目标位置与障碍物目标的实际位置存在偏差的示意图;
图3为本发明测试方法的示意图。
具体实施方式
下面结合附图对本发明的一种优选实施方式作详细的说明。
一种基于任务的机器人平台自主能力测试装置,包括:
定位获取模块,其采集机器人平台的位置信息,并发送至评价模块;
感知决策获取模块,其获取机器人平台运行过程中感知和决策的处理结果信息,并发送至评价模块;
评价模块,其根据机器人平台的位置信息以及处理结果信息,计算机器人平台的自主能力得分。
定位获取模块和感知决策获取模块集成在一个机器端数据采集盒内,该机器端数据采集盒放置在机器人平台上,并与机器人平台进行信号连接,采集机器人平台的相关数据,并将这些数据发送至评价模块,评价模块位于远端的测试服务器内,用于对机器人平台的自主机动能力进行测试。
机器人平台从接收到任务指令到开始执行特定任务的过程中,会遇到很多障碍物,机器人平台需要感知这些障碍物并作出决策,机器人平台在这个过程中的感知行为以及做出的决策形成了处理结果信息。
如图3所示,一种基于任务的机器人平台自主能力测试装置的测试方法,包括以下步骤:
S1:机器人平台接收任务指令后,躲避障碍物目标,自主机动至任务点,开始执行特定任务;
S2:采集机器人平台运行过程中的位置信息、处理结果信息;
S3:根据位置信息以及处理结果信息,计算机器人平台的自主机动能力得分。
本发明的机器人平台基于任务指令驱动,当接收到任务指令以后,机器人平台将去往任务点执行特定任务,在这个过程中机器人平台需要检测并躲避障碍物。
机器人平台上具有视频采集模块,机器人平台通过视频采集模块对障碍物目标进行识别,并根据识别结果进行相应的动作。
机器人平台多应用在搜救工作或者消防工作中,其任务指令是较为笼统的,机器人平台需要结合任务指令、位置信息以及现场采集的视频信息做出具体的处理结果,产生处理结果信息,在这个过程中,机器人平台能够表现出一定的自主性,以弥补任务指令不够细致的缺陷。
如图1所示,在去往执行特定任务的途中,机器人平台需要绕过障碍目标并快速到达任务点,本发明中的装置和测试方法,需要对机器人平台的这个搜索过程所表现出的自主机动能力和智能性进行评价,以便更好地了解机器人平台的自主机动作业能力,进行快速迭代升级,能够加速具有自主机动性的机器人平台的研发速度。
具体地,步骤二中,所述位置信息为机器人平台执行特定任务过程中对障碍物目标的位置进行估计所得到的目标位置,所述处理结果信息为从机器人平台从接收到任务指令到开始执行特定任务的过程中对障碍物目标进行检测所花费的检测用时;步骤三中,计算机器人平台的自主机动能力得分时还需考虑人工干预的次数,所述人工干预的次数为机器人平台被障碍物目标阻挡无法继续工作后进行人工纠正的次数,根据预设规则将检测用时转化为检测用时分数ST,根据预设规则将人工干预的次数转化为人工干预分数SI,根据目标位置与障碍物目标的实际位置的偏差确定目标检测精度分数SP,则机器人平台的自主机动能力得分SB=wTST+wISI+wPSP,其中wT、wI以及wP分别为检测用时分数的权值、人工干预分数的权值以及目标检测精度分数的权值。
一种简单却有效的方法是通过整个的检测用时、人工干预次数以及目标检测精度对机器人平台表现出的自主机动性进行评价,检测用时能够概括的体现机器人平台的避障速度以及路径选择能力,人工干预次数能够体现机器人平台的避障准确度,目标检测精度能够体现机器人平台的检测精度,上述三者能够综合体现机器人平台的自主机动性。
具体地,障碍物目标的实际位置为A点,目标位置为B点,根据A点与B点之间的距离大小确定目标检测精度分数SP。
如图2所示,将障碍物目标的实际位置A点、目标位置B点转化为GPS坐标,可以设置一个阈值范围,如果连线AB的长度大于这个阈值范围则判定检测精度分数为0分,即目标检测精度不合格;也可以将不同范围内AB的长度对应一个不同的分数,从而得到目标检测精度分数。
具体地,步骤一中,所述障碍物目标包括高于地面的正障碍目标以及低于地面的负障碍目标。
除此之外,所述障碍物目标还可以包括其他类型的障碍物目标。
如图1所示,所述正障碍目标是高于地面的障碍物,所述负障碍目标是低于地面的坑洼,机器人平台遇到这些障碍可能会被卡住无法继续工作,所以需要绕开,有些障碍目标是任务执行中不存在的,或者是概括存在的,需要机器人平台结合自身搭载的各种传感器识别这些障碍目标,并有效绕开,以便快速到达任务点。
具体地,步骤二中,所述位置信息为机器人平台检测各障碍物目标过程中的自身位置信息,所述处理结果信息包括各障碍物目标的类型、数量以及尺寸大小;步骤三中计算机器人平台的自主机动能力得分时:从接收到任务指令至到达任务点的过程中,机器人平台对障碍物目标进行检测的数量为NumI,则准确率得分其中Numo为障碍物目标的总数量,机器人平台对被检测的障碍物目标的类型得出正确检测结果的数量为NumC,则正确率得分将机器人平台获取到的障碍物目标的估计尺寸与这些障碍物目标的实际尺寸做差得到尺寸差值,并将这些尺寸差值求和得到总尺寸差值DISC,则外形尺寸得分将机器人平台的自身位置信息转化为机器人平台的运动路径,运动路径到各个障碍物目标之间存在最短距离min(disci),将这些最短距离求和得到最短距离之和则避障能力得分其中n为被检测的障碍物目标的数量;机器人平台的自主机动能力得分SB1=waccSacc+wcurrScurr+wcSc+wdSd,其中wacc为准确率得分的权值,wcurr为正确率得分的权值,wc为外形尺寸得分的权值,wd为避障能力得分的权值。
有些搜索区域内不包含动态障碍目标,此时本发明的测试方法不需要考虑动态障碍目标的检测。
这种情况下,机器人平台会对障碍物目标的种类、外形尺寸、数量进行识别,并绕开障碍物目标,到达任务点,本发明对机器人平台检测-绕开的整个过程所表现出的自主机动性进行评价,其具体内容包括对障碍物目标检测的准确率、正确率、外形尺寸以及机器人平台的避障能力;其中准确率是指整个搜寻过程中,机器人所有被检测的障碍物目标的数量与障碍物目标总数量的比值,这个数值越大,说明机器人平台的检测效率越高,对地形的掌握能力越强;正确率是指检测障碍物目标后,机器人给出正确的类型检测结果的数量与障碍物目标总数量的比值,这个数值越大,说明机器人平台的检测精度高,识别能力强;外形尺寸关乎机器人平台的识别能力,能够正确检测出障碍物目标的外形尺寸,才能够为后续的救援等操作提供参考,也为机器人能够正确绕开障碍物目标提供了保障,本发明中外形尺寸取均值;避障能力是机器人平台自主机动能力的核心内容,最短距离之和越大,说明机器人平台在全局范围内能够最大限度的绕开障碍物,避障能力越好。
除此之外,还可以考虑检测反应能力,机器人平台发现障碍物时会改变原有的方向,如果机器人发现障碍物时距离障碍物越远,说明机器人平台的检测反应能力越强,则检测反应得分disi为机器人平台发现障碍物时距离障碍物的距离,SF在这里取均值。
具体地,所述障碍物目标还包括在检测机器人平台自主机动能力的过程中其位置会发生变动的动态障碍目标。
具体地,步骤二中,所述位置信息为机器人平台检测各障碍物目标过程中的自身位置信息,所述处理结果信息包括障碍物目标的类型、数量、尺寸大小以及动态障碍目标的速度;步骤三中计算机器人平台的自主机动能力得分时:从接收到任务指令至到达任务点的过程中,机器人平台对障碍物目标进行检测的数量为NumI,则准确率得分其中Numo为障碍物目标的总数量,机器人平台对被检测的障碍物目标的类型得出正确检测结果的数量为NumC,则正确率得分将机器人平台获取到的障碍物目标的估计尺寸与这些障碍物目标的实际尺寸做差得到尺寸差值,并将这些尺寸差值求和得到总尺寸差值DISC,则外形尺寸得分将机器人平台的自身位置信息转化为机器人平台的运动路径,运动路径到各个被检测的障碍物目标之间存在最短距离min(disci),将这些最短距离求和得到最短距离之和则避障能力得分机器人平台获取到的动态障碍目标的估计速度与动态障碍目标的实际速度做差得到速度差值,将这些速度差值求和得到总速度差值V,则速度精度得分其中n为机器人平台所检测的动态障碍目标的数量,机器人平台的自主机动能力得分SB2=waccSacc+wcurrScurr+wcSc+wdSd+wVSV,其中wacc为准确率得分的权值,wcurr为正确率得分的权值,wc为外形尺寸得分的权值,wd为避障能力得分的权值,wV为速度精度得分的权值。
有些搜索区域内存在动态障碍目标,这些动态障碍目标会随着时间动态改变其位置,这些动态障碍目标在任务指令中可能没有体现,也可能只是概括体现,需要机器人平台结合任务指令进行动态的判断,并进行相应的动作,这样的判断和动作体现了机器人平台一定的自主性。
评价本发明中的机器人平台的自主机动能力,会将上述机器人平台的性能进行综合考虑,根据不同的需求,设置不同的权值,并将上述性能得分进行加和,得到最终的自主机动能力得分,能够综合评判机器人平台的自主机动能力。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内,不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立技术方案,说明书的这种叙述方式仅仅是为了清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (8)
1.一种基于任务的机器人平台自主能力测试装置,其特征在于,包括:
定位获取模块,其采集机器人平台的位置信息,并发送至评价模块;
感知决策获取模块,其获取机器人平台运行过程中感知和决策的处理结果信息,并发送至评价模块;
评价模块,其根据机器人平台的位置信息以及处理结果信息,计算机器人平台的自主能力得分。
2.一种如权利要求1所述的基于任务的机器人平台自主能力测试装置的测试方法,包括以下步骤:
步骤一:机器人平台接收任务指令后,躲避障碍物目标,自主机动至任务点,开始执行特定任务;
步骤二:采集机器人平台运行过程中的位置信息、处理结果信息;
步骤三:根据位置信息以及处理结果信息,计算机器人平台的自主机动能力得分。
3.根据权利要求2所述的基于任务的机器人平台自主能力测试装置的测试方法,其特征在于:步骤二中,所述位置信息为机器人平台执行特定任务过程中对障碍物目标的位置进行估计所得到的目标位置,所述处理结果信息为从机器人平台从接收到任务指令到开始执行特定任务的过程中对障碍物目标进行检测所花费的检测用时;步骤三中,计算机器人平台的自主机动能力得分时还需考虑人工干预的次数,所述人工干预的次数为机器人平台被障碍物目标阻挡无法继续工作后进行人工纠正的次数,根据预设规则将检测用时转化为检测用时分数ST,根据预设规则将人工干预的次数转化为人工干预分数SI,根据目标位置与障碍物目标的实际位置的偏差确定目标检测精度分数SP,则机器人平台的自主机动能力得分SB=wTST+wISI+wPSP,其中wT、wI以及wP分别为检测用时分数的权值、人工干预分数的权值以及目标检测精度分数的权值。
4.根据权利要求3所述的基于任务的机器人平台自主能力测试装置的测试方法,其特征在于:障碍物目标的实际位置为A点,目标位置为B点,根据A点与B点之间的距离大小确定目标检测精度分数SP。
5.根据权利要求2所述的基于任务的机器人平台自主能力测试装置的测试方法,其特征在于:步骤一中,所述障碍物目标包括高于地面的正障碍目标以及低于地面的负障碍目标。
6.根据权利要求5所述的基于任务的机器人平台自主能力测试装置的测试方法,其特征在于:步骤二中,所述位置信息为机器人平台检测各障碍物目标过程中的自身位置信息,所述处理结果信息包括各障碍物目标的类型、数量以及尺寸大小;步骤三中计算机器人平台的自主机动能力得分时:从接收到任务指令至到达任务点的过程中,机器人平台对障碍物目标进行检测的数量为NumI,则准确率得分其中Numo为障碍物目标的总数量,机器人平台对被检测的障碍物目标的类型得出正确检测结果的数量为NumC,则正确率得分将机器人平台获取到的障碍物目标的估计尺寸与这些障碍物目标的实际尺寸做差得到尺寸差值,并将这些尺寸差值求和得到总尺寸差值DISC,则外形尺寸得分将机器人平台的自身位置信息转化为机器人平台的运动路径,运动路径到各个障碍物目标之间存在最短距离min(disci),将这些最短距离求和得到最短距离之和则避障能力得分其中n为被检测的障碍物目标的数量;机器人平台的自主机动能力得分SB1=waccSacc+wcurrScurr+wcSc+wdSd,其中wacc为准确率得分的权值,wcurr为正确率得分的权值,wc为外形尺寸得分的权值,wd为避障能力得分的权值。
7.根据权利要求5所述的基于任务的机器人平台自主能力测试装置的测试方法,其特征在于:所述障碍物目标还包括在检测机器人平台自主机动能力的过程中其位置会发生变动的动态障碍目标。
8.根据权利要求7所述的基于任务的机器人平台自主能力测试装置的测试方法,其特征在于:步骤二中,所述位置信息为机器人平台检测各障碍物目标过程中的自身位置信息,所述处理结果信息包括障碍物目标的类型、数量、尺寸大小以及动态障碍目标的速度;步骤三中计算机器人平台的自主机动能力得分时:从接收到任务指令至到达任务点的过程中,机器人平台对障碍物目标进行检测的数量为NumI,则准确率得分其中Numo为障碍物目标的总数量,机器人平台对被检测的障碍物目标的类型得出正确检测结果的数量为NumC,则正确率得分将机器人平台获取到的障碍物目标的估计尺寸与这些障碍物目标的实际尺寸做差得到尺寸差值,并将这些尺寸差值求和得到总尺寸差值DISC,则外形尺寸得分将机器人平台的自身位置信息转化为机器人平台的运动路径,运动路径到各个被检测的障碍物目标之间存在最短距离min(disci),将这些最短距离求和得到最短距离之和则避障能力得分机器人平台获取到的动态障碍目标的估计速度与动态障碍目标的实际速度做差得到速度差值,将这些速度差值求和得到总速度差值V,则速度精度得分其中n为机器人平台所检测的动态障碍目标的数量,机器人平台的自主机动能力得分SB2=waccSacc+wcurrScurr+wcSc+wdSd+wVSV,其中wacc为准确率得分的权值,wcurr为正确率得分的权值,wc为外形尺寸得分的权值,wd为避障能力得分的权值,wV为速度精度得分的权值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010392172.3A CN111618908B (zh) | 2020-05-11 | 2020-05-11 | 基于任务的机器人平台自主能力测试装置及测试方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010392172.3A CN111618908B (zh) | 2020-05-11 | 2020-05-11 | 基于任务的机器人平台自主能力测试装置及测试方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111618908A true CN111618908A (zh) | 2020-09-04 |
CN111618908B CN111618908B (zh) | 2023-08-15 |
Family
ID=72256249
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010392172.3A Active CN111618908B (zh) | 2020-05-11 | 2020-05-11 | 基于任务的机器人平台自主能力测试装置及测试方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111618908B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020111718A1 (en) * | 1999-07-13 | 2002-08-15 | Eric Dormegnie | Method for predicting the comfort performance of a vehicle fitted with a suspension system |
KR20120046613A (ko) * | 2010-11-02 | 2012-05-10 | 삼성중공업 주식회사 | 자율주행 로봇 및 경로설정 방법 |
KR20120100279A (ko) * | 2011-03-03 | 2012-09-12 | 성균관대학교산학협력단 | 로봇 모바일 플랫폼의 내구성 평가시스템 및 내구성 평가방법 |
CN102854880A (zh) * | 2012-10-08 | 2013-01-02 | 中国矿业大学 | 面向混合地形区域不确定环境的机器人全局路径规划方法 |
CN103234763A (zh) * | 2013-04-09 | 2013-08-07 | 北京理工大学 | 一种无人驾驶车辆定量评价系统及评价方法 |
CN106525454A (zh) * | 2016-11-18 | 2017-03-22 | 特路(北京)科技有限公司 | 自动驾驶车辆的静态障碍物响应性能测试方法及测试场 |
CN106769085A (zh) * | 2016-12-14 | 2017-05-31 | 特路(北京)科技有限公司 | 自动驾驶车辆避让动态障碍物能力的测试方法及测试场 |
CN108469345A (zh) * | 2018-03-14 | 2018-08-31 | 北京汽车研究总院有限公司 | 一种车辆转弯能力测试方法和障碍装置 |
US20190066133A1 (en) * | 2016-11-11 | 2019-02-28 | Jpmorgan Chase Bank, N.A. | System and method for providing data science as a service |
CN109597410A (zh) * | 2018-11-28 | 2019-04-09 | 北京航天自动控制研究所 | 一种自主路径规划的可移动测试台及自主寻路方法 |
CN109614886A (zh) * | 2018-11-23 | 2019-04-12 | 中国人民解放军63966部队 | 一种无人/自主驾驶系统的性能评测方法及装置 |
CN110216715A (zh) * | 2019-06-28 | 2019-09-10 | 炬星科技(深圳)有限公司 | 机器人导航性能测试方法、系统、测试终端及存储介质 |
CN110488843A (zh) * | 2019-09-04 | 2019-11-22 | 深圳前海达闼云端智能科技有限公司 | 避障方法、移动机器人及计算机可读存储介质 |
CN111070180A (zh) * | 2019-12-30 | 2020-04-28 | 上海海事大学 | 基于ros的灾后救援通道检测机器人 |
-
2020
- 2020-05-11 CN CN202010392172.3A patent/CN111618908B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020111718A1 (en) * | 1999-07-13 | 2002-08-15 | Eric Dormegnie | Method for predicting the comfort performance of a vehicle fitted with a suspension system |
KR20120046613A (ko) * | 2010-11-02 | 2012-05-10 | 삼성중공업 주식회사 | 자율주행 로봇 및 경로설정 방법 |
KR20120100279A (ko) * | 2011-03-03 | 2012-09-12 | 성균관대학교산학협력단 | 로봇 모바일 플랫폼의 내구성 평가시스템 및 내구성 평가방법 |
CN102854880A (zh) * | 2012-10-08 | 2013-01-02 | 中国矿业大学 | 面向混合地形区域不确定环境的机器人全局路径规划方法 |
CN103234763A (zh) * | 2013-04-09 | 2013-08-07 | 北京理工大学 | 一种无人驾驶车辆定量评价系统及评价方法 |
US20190066133A1 (en) * | 2016-11-11 | 2019-02-28 | Jpmorgan Chase Bank, N.A. | System and method for providing data science as a service |
CN106525454A (zh) * | 2016-11-18 | 2017-03-22 | 特路(北京)科技有限公司 | 自动驾驶车辆的静态障碍物响应性能测试方法及测试场 |
CN106769085A (zh) * | 2016-12-14 | 2017-05-31 | 特路(北京)科技有限公司 | 自动驾驶车辆避让动态障碍物能力的测试方法及测试场 |
CN108469345A (zh) * | 2018-03-14 | 2018-08-31 | 北京汽车研究总院有限公司 | 一种车辆转弯能力测试方法和障碍装置 |
CN109614886A (zh) * | 2018-11-23 | 2019-04-12 | 中国人民解放军63966部队 | 一种无人/自主驾驶系统的性能评测方法及装置 |
CN109597410A (zh) * | 2018-11-28 | 2019-04-09 | 北京航天自动控制研究所 | 一种自主路径规划的可移动测试台及自主寻路方法 |
CN110216715A (zh) * | 2019-06-28 | 2019-09-10 | 炬星科技(深圳)有限公司 | 机器人导航性能测试方法、系统、测试终端及存储介质 |
CN110488843A (zh) * | 2019-09-04 | 2019-11-22 | 深圳前海达闼云端智能科技有限公司 | 避障方法、移动机器人及计算机可读存储介质 |
CN111070180A (zh) * | 2019-12-30 | 2020-04-28 | 上海海事大学 | 基于ros的灾后救援通道检测机器人 |
Also Published As
Publication number | Publication date |
---|---|
CN111618908B (zh) | 2023-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2016202515B2 (en) | Adaptive mapping with spatial summaries of sensor data | |
US8306738B2 (en) | Apparatus and method for building map | |
CN110673115A (zh) | 雷达与组合导航系统的联合标定方法、装置、设备及介质 | |
WO2018227980A1 (zh) | 基于摄像头传感器的车道线地图构建方法以及构建系统 | |
CN111881239B (zh) | 构建方法、构建装置、智能机器人及可读存储介质 | |
US10156847B2 (en) | Autonomous moving device | |
CN111136648B (zh) | 一种移动机器人的定位方法、定位装置及移动机器人 | |
US20220113139A1 (en) | Object recognition device, object recognition method and program | |
KR20200027087A (ko) | 로봇 및 그의 제어 방법 | |
CN112686951A (zh) | 用于确定机器人位置的方法、装置、终端及存储介质 | |
CN114663526A (zh) | 障碍物检测方法、装置、机器人及计算机可读存储介质 | |
CN113945937A (zh) | 精度检测方法、装置及存储介质 | |
US20130100281A1 (en) | Method, System and Computer Program Product for Detecting an Obstacle with a Camera | |
Guo et al. | The efficacy of neural planning metrics: A meta-analysis of pkl on nuscenes | |
CN111618908B (zh) | 基于任务的机器人平台自主能力测试装置及测试方法 | |
CN111723724A (zh) | 一种路面障碍物识别方法和相关装置 | |
CN111623783A (zh) | 一种初始定位方法、视觉导航设备、仓储系统 | |
Shang et al. | Vision Model-Based Real-Time Localization of Unmanned Aerial Vehicle for Autonomous Structure Inspection under GPS-Denied Environment | |
JP7179687B2 (ja) | 障害物検知装置 | |
NL2019877B1 (en) | Obstacle detection using horizon-based learning | |
Beran et al. | Navigation of robotics platform using monocular visual odometry | |
Kleiner et al. | Operator-assistive mapping in harsh environments | |
Valipour et al. | A vision-based automatic hotline tracking approach using unscented Kalman filter | |
KR102275671B1 (ko) | 객체 형태 검출 장치 및 방법 | |
US20240094002A1 (en) | Techniques for navigation and for estimating visual navigation performance |
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 |