CN111999721A - 楼层识别方法、装置、系统及计算机可读存储介质 - Google Patents
楼层识别方法、装置、系统及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111999721A CN111999721A CN202010855385.5A CN202010855385A CN111999721A CN 111999721 A CN111999721 A CN 111999721A CN 202010855385 A CN202010855385 A CN 202010855385A CN 111999721 A CN111999721 A CN 111999721A
- Authority
- CN
- China
- Prior art keywords
- robot
- floor
- elevator
- current position
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 79
- 238000001514 detection method Methods 0.000 claims abstract description 88
- 230000001133 acceleration Effects 0.000 claims description 61
- 238000012937 correction Methods 0.000 claims description 61
- 230000008859 change Effects 0.000 claims description 27
- 238000012549 training Methods 0.000 claims description 18
- 230000004044 response Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 abstract description 7
- 230000008569 process Effects 0.000 description 24
- 238000004364 calculation method Methods 0.000 description 12
- 230000005484 gravity Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 2
- 238000012550 audit Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/02—Systems for determining distance or velocity not using reflection or reradiation using radio waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D5/00—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Indicating And Signalling Devices For Elevators (AREA)
Abstract
本发明公开了一种楼层识别方法、装置、系统及存储介质,属于数据处理技术领域。所述楼层识别方法包括:在机器人搭乘电梯时,判断所述电梯是否为停靠状态;若所述电梯为停靠状态,则获取预设信号源装置发射的检测信号;根据所述检测信号,确定所述机器人在当前位置所处的楼层数。本发明机器人在搭乘电梯时,可兼容不同形式的电梯、实现楼层识别。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种楼层识别方法、装置、系统及计算机可读存储介质。
背景技术
随着科技的快速发展,机器人已逐渐深入到人类生活的方方面面。目前,机器人在住宅、酒店、餐厅、工厂和仓库等场所得到了广泛应用。在大部分应用场景中,机器人需要执行跨楼层的工作任务,因此,机器人需要识别自身所处的楼层数,以搭乘电梯进入目标楼层进行工作。
目前,机器人基于物联网技术与电梯进行通讯,以识别自身所处的楼层数。然而,不同供应商的电梯之间没有统一的API(Application Programming Interface,应用程序接口)协议或通信接口,即现有的电梯没有统一的通信标准,工程师需要消耗大量时间对接机器人与电梯。因此,机器人如何兼容不同形式的电梯、实现楼层识别是目前亟需解决的问题。
发明内容
本发明的主要目的在于提供一种楼层识别方法、装置、系统及计算机可读存储介质,旨在使得机器人可兼容不同形式的电梯、实现楼层识别。
为实现上述目的,本发明提供一种楼层识别方法,所述楼层识别方法包括以下步骤:
在机器人搭乘电梯时,判断所述电梯是否为停靠状态;
若所述电梯为停靠状态,则获取预设信号源装置发射的检测信号;
根据所述检测信号,确定所述机器人在当前位置所处的楼层数。
可选地,所述在机器人搭乘电梯时,判断所述电梯是否为停靠状态的步骤包括:
在机器人搭乘电梯时,获取所述机器人在竖直方向上的加速度变化曲线;
根据所述加速度变化曲线,判断所述电梯是否为停靠状态。
可选地,在电梯通道的底部或顶部固定安装有所述预设信号源装置;
所述若所述电梯为停靠状态,则获取预设信号源装置发射的检测信号,包括:
若所述电梯为停靠状态,则发送一握手信号至所述预设信号源装置;
获取所述预设信号源装置响应所述握手信号并发送至所述机器人的检测信号。
可选地,所述根据所述检测信号,确定所述机器人在当前位置所处的楼层数的步骤包括:
根据所述检测信号,计算得到所述检测信号的信号强度;
根据所述信号强度,确定所述机器人与所述预设信号源装置的相对距离;
根据所述相对距离及所述预设信号源装置的位置,确定所述机器人在当前位置所处的楼层数。
可选地,所述预设信号源装置为预设楼层上的无线路由器;
所述根据所述检测信号,确定所述机器人在当前位置所处的楼层数,包括:
根据所述检测信号,计算得到所述无线路由器发射的WI-FI信号的信号强度,并获取所述无线路由器的标识信息;
根据所述标识信息与预设对应关系,确定所述无线路由器所处的楼层数;
根据所述信号强度及所述无线路由器所处的楼层数,确定所述机器人在当前位置所处的楼层数。
可选地,所述根据所述检测信号,确定所述机器人在当前位置所处的楼层数的步骤之后,所述楼层识别方法还包括:
获取电梯楼层数显示区域的视频数据;
根据所述视频数据,确定所述机器人在当前位置所处的楼层数的校正值;
判断所述机器人在当前位置所处的楼层数与所述校正值是否相同;
若所述机器人在当前位置所处的楼层数与所述校正值相同,则确定所述机器人在当前位置所处的楼层数为所述校正值。
可选地,所述根据所述检测信号,确定所述机器人所处的楼层数之后,所述楼层识别方法还包括:
获取电梯楼层数显示区域的视频数据;
根据所述检测信号、所述视频数据及预设楼层预测模型,确定所述机器人在当前位置所处的楼层数的校正值;
判断所述机器人在当前位置所处的楼层数与所述校正值是否相同;
若所述机器人在当前位置所处的楼层数与所述校正值相同,则确定所述机器人在当前位置所处的楼层数为所述校正值;
其中,根据所述检测信号、所述视频数据及所述机器人在当前位置所处的楼层数,得到历史数据,并将所述历史数据作为训练数据,根据所述训练数据进行建模,训练更新得到所述预设楼层预测模型。
此外,为实现上述目的,本发明还提供一种楼层识别装置,所述楼层识别装置包括:
判断模块,用于在机器人搭乘电梯时,判断所述电梯是否为停靠状态;
获取模块,用于若所述电梯为停靠状态,则获取预设信号源装置发射的检测信号;
确定模块,用于根据所述检测信号,确定所述机器人在当前位置所处的楼层数。
此外,为实现上述目的,本发明还提供一种楼层识别系统,所述楼层识别系统包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的楼层识别程序,所述楼层识别程序被所述处理器执行时实现如上所述的楼层识别方法的步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有楼层识别程序,所述楼层识别程序被处理器执行时实现如上所述的楼层识别方法的步骤。
本发明提供一种楼层识别方法、装置、系统及计算机可读存储介质,在机器人搭乘电梯时,判断电梯是否为停靠状态;若电梯为停靠状态,则获取预设信号源装置发射的检测信号;根据检测信号,确定机器人在当前位置所处的楼层数。本发明在机器人搭乘电梯的过程中,若机器人检测到电梯为停靠状态时,则获取预设信号源装置发射的检测信号,然后,根据该检测信号的强度,得到机器人与预设信号源装置之间的距离,根据该距离和预设信号源装置的位置,从而计算得到机器人在电梯内部的当前位置所处的楼层数。相比机器人基于物联网技术与电梯进行通讯,本发明机器人无需与电梯建立通讯连接,因此,本发明机器人可兼容不同形式的电梯、实现楼层识别。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的终端结构示意图;
图2为本发明楼层识别方法第一实施例的流程示意图;
图3为本发明楼层识别方法涉及的电梯下降过程的加速度变化曲线示意图;
图4为本发明楼层识别方法第二实施例的流程示意图;
图5为本发明楼层识别方法第三实施例的流程示意图;
图6为本发明楼层识别方法第四实施例的流程示意图;
图7为本发明楼层识别装置第一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的终端结构示意图。
本发明实施例终端为楼层识别设备,该楼层识别设备可以为机器人、PC(personalcomputer,个人计算机)、笔记本电脑、服务器等具有处理功能的终端设备。
如图1所示,该终端可以包括:处理器1001,例如CPU(Central Processing Unit,中央处理器),通信总线1002,用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的终端结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及楼层识别程序。
在图1所示的终端中,处理器1001可以用于调用存储器1005中存储的楼层识别程序,并执行以下操作:
在机器人搭乘电梯时,判断所述电梯是否为停靠状态;
若所述电梯为停靠状态,则获取预设信号源装置发射的检测信号;
根据所述检测信号,确定所述机器人在当前位置所处的楼层数。
进一步地,处理器1001可以用于调用存储器1005中存储的楼层识别程序,还执行以下操作:
在机器人搭乘电梯时,获取所述机器人在竖直方向上的加速度变化曲线;
根据所述加速度变化曲线,判断所述电梯是否为停靠状态。
进一步地,在电梯通道的底部或顶部固定安装有所述预设信号源装置;处理器1001可以用于调用存储器1005中存储的楼层识别程序,还执行以下操作:
若所述电梯为停靠状态,则发送一握手信号至所述预设信号源装置;
获取所述预设信号源装置响应所述握手信号并发送至所述机器人的检测信号。
进一步地,处理器1001可以用于调用存储器1005中存储的楼层识别程序,还执行以下操作:
根据所述检测信号,计算得到所述检测信号的信号强度;
根据所述信号强度,确定所述机器人与所述预设信号源装置的相对距离;
根据所述相对距离及所述预设信号源装置的位置,确定所述机器人在当前位置所处的楼层数。
进一步地,所述预设信号源装置为预设楼层上的无线路由器,处理器1001可以用于调用存储器1005中存储的楼层识别程序,还执行以下操作:
根据所述检测信号,计算得到所述无线路由器发射的WI-FI信号的信号强度,并获取所述无线路由器的标识信息;
根据所述标识信息与预设对应关系,确定所述无线路由器所处的楼层数;
根据所述信号强度及所述无线路由器所处的楼层数,确定所述机器人在当前位置所处的楼层数。
进一步地,处理器1001可以用于调用存储器1005中存储的楼层识别程序,还执行以下操作:
获取电梯楼层数显示区域的视频数据;
根据所述视频数据,确定所述机器人在当前位置所处的楼层数的校正值;
判断所述机器人在当前位置所处的楼层数与所述校正值是否相同;
若所述机器人在当前位置所处的楼层数与所述校正值相同,则确定所述机器人在当前位置所处的楼层数为所述校正值。
进一步地,处理器1001可以用于调用存储器1005中存储的楼层识别程序,还执行以下操作:
获取电梯楼层数显示区域的视频数据;
根据所述检测信号、所述视频数据及预设楼层预测模型,确定所述机器人在当前位置所处的楼层数的校正值;
判断所述机器人在当前位置所处的楼层数与所述校正值是否相同;
若所述机器人在当前位置所处的楼层数与所述校正值相同,则确定所述机器人在当前位置所处的楼层数为所述校正值;
其中,根据所述检测信号、所述视频数据及所述机器人在当前位置所处的楼层数,得到历史数据,并将所述历史数据作为训练数据,根据所述训练数据进行建模,训练更新得到所述预设楼层预测模型。
基于上述硬件结构,提出本发明楼层识别方法各个实施例。
本发明提供一种楼层识别方法。
参照图2,图2为本发明楼层识别方法第一实施例的流程示意图。
在本实施例中,该楼层识别方法包括以下步骤S10-S30:
步骤S10,在机器人搭乘电梯时,判断所述电梯是否为停靠状态;
在本实施例中,该楼层识别方法由楼层识别设备实现,该楼层识别设备可以为机器人、PC、笔记本电脑、服务器等具有处理功能的终端设备。该楼层识别设备以机器人为例进行说明。
在本实施例中,在机器人搭乘电梯时,判断电梯是否为停靠状态。其中,电梯为停靠状态的过程是指在电梯运行到目的地楼层时,由电梯停止运行、电梯门打开、电梯门关闭直至又开始运行的过程,该电梯为垂直升降电梯。
需要说明的是,检测机器人是否搭乘电梯可通过机器人自带的定位导航系统,确定机器人是否进入电梯。可以理解,定位导航系统中的导航地图为平面地图(二维地图),当机器人进入电梯时,定位导航系统显示机器人在该导航地图的电梯点(电梯所在的位置)。因此,当定位导航系统显示机器人在该导航地图的电梯点时,判定机器人位于电梯内,即检测到机器人搭乘电梯。
此外,还需要说明的是,当机器人相对于大地是静止时,电梯也处于静止状态,因此,当机器人检测到自身的运动状态为静止时,可间接地确定电梯为停靠状态。
作为电梯是否为停靠状态的其中一种判断方式,步骤S10可以包括以下步骤a11-a12:
步骤a11,在机器人搭乘电梯时,获取所述机器人在竖直方向上的加速度变化曲线;
首先,在搭乘电梯时,获取机器人在竖直方向上的加速度变化曲线。其中,机器人可安装IMU(Inertial Measurement Unit,惯性测量单元),该惯性测量单元通常包括3个加速度计和3个陀螺仪,通过该惯性测量单元可以检测到机器人在竖直方向上的加速度。具体的,机器人通过惯性测量单元检测机器人在竖直方向上的加速度及速度的方向,然后,根据检测到的加速度,生成加速度变化曲线。可以理解,根据速度的方向,可将加速度变化曲线分为电梯上升过程的加速度变化曲线及电梯下降过程的加速度变化曲线。
需要说明的是,在电梯从某一楼层上升到另一楼层的过程中,电梯会经过静止、加速上升、匀速运动、减速上升、静止五个阶段,并且由于机器人相对于电梯处于静止状态,机器人也同样经过上述五个阶段。在加速上升时,机器人会处于超重的状态,即机器人在竖直方向上的加速度大于重力加速度;在减速上升时,机器人会处于失重的状态,即机器人在竖直方向上的加速度小于重力加速度;在静止和匀速运动时,机器人在竖直方向上的加速度等于重力加速度。
此外,还需要说明的是,在电梯从某一楼层下降到另一楼层的过程中,电梯会经过静止、加速下降、匀速运动、减速下降、静止五个阶段,并且由于机器人相对于电梯处于静止状态,机器人也同样经过上述五个阶段。具体的,参照图3,图3为本发明楼层识别方法涉及的电梯下降过程的加速度变化曲线示意图。在加速下降时,机器人会处于失重的状态,即机器人在竖直方向上的加速度小于重力加速度;在减速下降时,机器人会处于超重的状态,即机器人在竖直方向上的加速度大于重力加速度;在静止和匀速运动时,机器人在竖直方向上的加速度等于重力加速度。
可以理解,重力加速度根据大气压强等环境因素进行变化,因此,重力加速度在标准重力加速度9.8m/s^2(米/秒的二次方)的上下进行浮动,但这一细微浮动相对于加速上升或加速下降导致机器人的加速度变化是可以乎略不计的。
步骤a12,根据所述加速度变化曲线,判断所述电梯是否为停靠状态。
然后,根据加速度变化曲线,判断电梯是否为停靠状态。具体的,在当前加速度变化曲线为电梯上升过程的加速度变化曲线时,当该加速度变化曲线经过等于重力加速度、大于重力加速度、等于重力加速度、小于重力加速度、等于重力加速度五个阶段时,判定电梯为停靠状态,即机器人由失重转换为正常(加速度等于重力加速度)时,间接判定电梯为停靠状态;在当前加速度变化曲线为电梯下降过程的加速度变化曲线时,当该加速度变化曲线经过等于重力加速度、小于重力加速度、等于重力加速度、大于重力加速度、等于重力加速度五个阶段时,判定电梯为停靠状态,即机器人由超重转换为正常(加速度等于重力加速度)时,间接判定电梯为停靠状态。
作为电梯是否为停靠状态的另外一种判断方式:首先,机器人通过摄像头获取电梯门的视频数据;然后,根据该视频数据,判断电梯门是否开启;最后,根据判断结果,确定电梯是否为停靠状态。具体的,机器人自身带有摄像头,通过自身的摄像头获取电梯门的视频数据,然后,根据该视频数据中视频帧的变化情况,即电梯门是否由关闭变化为开启,当电梯门由关闭变化为开启时,判定电梯为停靠状态。当然,也可以通过电梯间内的摄像头获取电梯门的视频数据,然后,将该视频数据发送至机器人。
步骤S20,若所述电梯为停靠状态,则获取预设信号源装置发射的检测信号;
在本实施例中,若电梯为停靠状态,则获取预设信号源装置发射的检测信号。其中,预设信号源装置由工程师进行安装的,其通常安装在电梯通道的顶部或底部,当然也可安装在电梯间的其它位置,此处不作具体限定。该预设信号源装置可以为脉冲发生器、调制信号发生器或正弦信号发生器等具有信号发射功能的信号源。
可以理解,机器人通过预设通信通道获取检测信号,该预设通信通道只允许预设信号源装置发射的信号进行传输,因此,机器人获取到的检测信号是准确的,不会受到其他信号源的干扰。
具体的,步骤S20包括以下步骤a21-a22:
步骤a21,若所述电梯为停靠状态,则发送一握手信号至所述预设信号源装置;
步骤a22,获取所述预设信号源装置响应所述握手信号并发送至所述机器人的检测信号。
若电梯为停靠状态,则发送一握手信号至预设信号源装置,然后获取预设信号源装置响应握手信号并发送至机器人的检测信号。
步骤S30,根据所述检测信号,确定所述机器人在当前位置所处的楼层数。
在获取到预设信号源装置发射的检测信号之后,根据检测信号,确定机器人在当前位置所处的楼层数。其中,检测信号由预设信号源装置决定,该检测信号可以是脉冲信号、调制信号或正弦信号等。
具体的,步骤S30包括以下步骤a31-33:
步骤a31,根据所述检测信号,计算得到所述检测信号的信号强度;
首先,根据检测信号,计算得到检测信号的信号强度。其中,信号强度的单位为dbm。
步骤a32,根据所述信号强度,确定所述机器人与所述预设信号源装置的相对距离;
然后,根据信号强度,确定机器人与预设信号源装置的相对距离。其中,由于预设信号源装置的位置是已知的,在申请中,预设信号源装置的位置与在电梯内的机器人处于同一竖直方向上,该相对距离可以作为机器人与预设信号源装置的高度差。具体的,根据信号强度,以及已知的预设信号源装置发射功率及信号衰减因子,计算得到机器人与预设信号源装置的相对距离,即计算得到机器人与预设信号源装置的高度差,该计算公式根据实际情况进行设定,或通过大量实验测量出经验公式用于表征信号强度与相对距离之间的关系,此处不作具体设定。
此外,还可以预先设定信号强度与相对距离的对应关系,该对应关系可以是映射表或映射图等,该对应关系可以通过上述具体的计算公式进行计算得到,也可以通过大量的实验数据得到。因此,根据信号强度及信号强度与相对距离的对应关系,可直接确定机器人与预设信号源装置的相对距离。
步骤a33,根据所述相对距离及所述预设信号源装置的位置,确定所述机器人在当前位置所处的楼层数。
在得到机器人与预设信号源装置的相对距离之后,根据相对距离及预设信号源装置的位置,确定机器人在当前位置所处的楼层数。其中,预设信号源装置的位置是已知的,例如负1楼、1楼及32楼等。具体的,以预设信号源装置的位置为1楼地面(最底层)及每一楼层的高度为3米为例进行说明,当机器人与预设信号源装置的相对距离为12米时,即高度差为12米,将该高度差与每一楼层的高度进行除法运算,计算得到4,然后将该计算结果与预设信号源装置的位置确定出机器人在当前位置所处的楼层数为4楼。相应的,若预设信号源装置的位置为最顶楼层的地面,只需将预设信号源装置的位置与上述计算结果进行相减即可,其他的计算过程与上述基本相同,此处不再一一赘述。
需要说明的是,预设信号源装置的位置通常在电梯通道的最底层或最顶层,以使上述计算过程无需考虑机器人在预设信号源装置的上方、还是下方。当然,也可以将预设信号源装置安装在电梯间的中部或其它位置,此时,只需再判断检测信号的传输方向即可,即判断检测信号是从机器人上方传输过来的、还是下方传输过来的。
此外,还需要说明的是,若检测信号为预设楼层上无线路由器发射的WI-FI(Wireless-Fidelity,无线网)信号,则根据WI-FI信号强度及无线路由器位置,确定机器人所处的楼层数,具体的执行过程可参照下述第二实施例,此处不作赘述。可以理解,还可以基于人工智能技术构建楼层预测模型,然后,根据检测信号及楼层预测模型,确定机器人在当前位置所处的楼层数,具体的执行过程可参照下述第三实施例,此处不作赘述。
本发明实施例提供一种楼层识别方法,在机器人搭乘电梯时,判断电梯是否为停靠状态;若电梯为停靠状态,则获取预设信号源装置发射的检测信号;根据检测信号,确定机器人在当前位置所处的楼层数。本发明实施例在机器人搭乘电梯的过程中,若机器人检测到电梯为停靠状态时,则获取预设信号源装置发射的检测信号,然后,根据该检测信号的强度,得到机器人与预设信号源装置在竖直方向上的高度差,由于预设信号源装置的位置及每一楼层的高度是已知的,将高度差与每一楼层的高度进行除法运算,计算得到预设信号源装置与机器人相差的楼层数,从而计算得到机器人在当前位置所处的楼层数。相比机器人基于物联网技术与电梯进行通讯,本发明实施例机器人无需与电梯建立通讯连接,因此,本发明实施例机器人可兼容不同形式的电梯、实现楼层识别。
进一步地,基于上述第一实施例,提出本发明楼层识别方法的第二实施例。
参照图4,图4为本发明楼层识别方法第二实施例的流程示意图。
在本实施例中,上述步骤S30包括:
步骤S34,根据所述检测信号,计算得到所述无线路由器发射的WI-FI信号的信号强度,并获取所述无线路由器的标识信息;
在本实施例中,根据检测信号,计算得到检测信号的信号强度,并获取无线路由器的标识信息。其中,检测信号为预设楼层上无线路由器发射的WI-FI信号,机器人通过局域网与该无线路由器进行通信连接,以获取无线路由器的标识信息,该标识信息可以为无线路由器ID、无线路由器序列号及路由标识等具有唯一性的标识信息。可以理解,该标识信息还可以包括无线路由器的位置信息、配置信息等信息。
需要说明的是,信号强度的单位为dbm(1毫瓦的分贝数),计算公式为信号强度=10lg(信号功率/1mw),该信号功率通过对检测信号进行微积分计算得到,此处不作具体赘述。
步骤S35,根据所述标识信息与预设对应关系,确定所述无线路由器所处的楼层数;
然后,根据标识信息与预设对应关系,确定无线路由器所处的楼层数。其中,预设对应关系是工程师预先设定的,通常一个楼宇有许多无线路由器,这些无线路由器遍布每个楼层,将这些无线路由器的标识信息与所对应的楼层数生成对应关系,然后,将该对应关系输入机器人。
步骤S36,根据所述信号强度及所述无线路由器所处的楼层数,确定所述机器人在当前位置所处的楼层数。
在得到无线路由器所处的楼层数之后,根据信号强度及无线路由器所处的楼层数,确定机器人在当前位置所处的楼层数。具体的,根据信号强度,以及已知的无线路由器(预设信号源装置)发射功率及信号衰减因子,计算得到机器人与无线路由器的相对距离,并且无线路由器与电梯的距离是已知的,可以理解,将该相对距离作为直角三角形的斜边,并将无线路由器与电梯的距离作为直角三角形的一直角边,然后通过勾股定理,计算得到直角三角形的另一直角边,该另一直角边为机器人与无线路由器的高度差,然后将该高度差与已知的每一楼层的高度相除,得到机器人与无线路由器相差的楼层数,然后,根据接收到的WI-FI信号方向,将无线路由器所处的楼层数与该相差的楼层数进行加法或减法运算,得到机器人在当前位置所处的楼层数。具体的,若接收到的WI-FI信号方向为从下往上,则将无线路由器所处的楼层数与该相差的楼层数进行加法运算,得到机器人在当前位置所处的楼层数;若接收到的WI-FI信号方向为从上往下,则将无线路由器所处的楼层数与该相差的楼层数进行减法运算。
可以理解,机器人在每一楼层接收到的WI-FI信号强度通常不一样,因此,无需判断WI-FI信号的方向,也可以通过上述计算过程确定机器人所处的楼层数。还可以预先设定信号强度与机器人所处的楼层数的对应关系,该对应关系可以是映射表或映射图等,该对应关系可以通过上述具体的计算公式进行计算得到,也可以通过大量的实验数据得到。因此,根据信号强度及信号强度与机器人所处的楼层数的对应关系,可直接确定机器人所处的楼层数。
本实施例中,通过将已有的无线路由器作为预设信号源装置,根据无线路由器发射的WI-FI信号,计算得到WI-FI信号的信号强度,并通过获取无线路由器的标识信息确定无线路由器所处的楼层数,然后,根据信号强度及无线路由器所处的楼层数,以及已知的无线路由器位置,构建一个竖直方向上的直角三角形,最后根据该直角三角形,确定机器人在当前位置所处的楼层数。因此,本实施例无需额外设置预设信号源装置,可减少硬件设备成本。
进一步地,基于上述第一实施例,提出本发明楼层识别方法的第三实施例。
参照图5,图5为本发明楼层识别方法第三实施例的流程示意图。
在本实施例中,在上述步骤S30之后,本发明楼层识别方法还包括以下步骤S40-S70:
步骤S40,获取电梯楼层数显示区域的视频数据;
在本实施例中,获取电梯楼层数显示区域的视频数据。其中,电梯楼层数显示区域可以为电梯楼层数按钮区域或电梯楼层数显示屏区域。具体的,可通过机器人自带的摄像头获取电梯楼层数显示区域的视频数据,当然,也可以通过电梯间内的摄像头获取电梯楼层数显示区域的视频数据,然后再将该视频数据发送至机器人。
步骤S50,根据所述视频数据,确定所述机器人在当前位置所处的楼层数的校正值;
在获取到视频数据之后,根据视频数据,确定机器人在当前位置所处的楼层数的校正值。具体的,若视频数据为电梯楼层数按钮区域的视频数据,则通过图像处理技术,观察楼层数按钮的变化情况,然后,根据该变化情况,确定机器人在当前位置所处的楼层数的校正值,以5楼按钮为例进行说明,当5楼按钮由亮变为暗时,判定机器人在当前位置所处的楼层数的校正值为5楼。此外,若视频数据为电梯楼层数显示屏区域的视频数据,则将该显示屏显示的楼层数作为机器人在当前位置所处的楼层数的校正值。
步骤S60,判断所述机器人在当前位置所处的楼层数与所述校正值是否相同;
步骤S70,若所述机器人在当前位置所处的楼层数与所述校正值相同,则确定所述机器人在当前位置所处的楼层数为所述校正值。
然后,判断机器人在当前位置所处的楼层数与校正值是否相同,若机器人在当前位置所处的楼层数与校正值相同,则确定机器人在当前位置所处的楼层数为校正值。可以理解,若机器人在当前位置所处的楼层数与校正值相同,则机器人在当前位置所处的楼层数是准确的,因此,机器人在当前位置所处的楼层数为校正值。
本实施例中,通过视频数据,再次确定机器人在当前位置所处的楼层数,当机器人在当前位置所处的楼层数的校正值与原本通过检测信号确定的机器人在当前位置所处的楼层数相同时,可双重判断机器人在当前位置所处的楼层数。因此,本实施例进一步提高机器人楼层识别的准确性。
在本申请中,若机器人在当前位置所处的楼层数与校正值不相同,则控制机器人走出电梯,并上报该视频数据至人工审核,以便通过人工校正的方式更正机器人自动识别的楼层数。
进一步地,基于上述第一实施例,提出本发明楼层识别方法的第四实施例。
参照图6,图6为本发明楼层识别方法第四实施例的流程示意图。
在本实施例中,在上述步骤S30之后,该楼层识别方法还包括以下步骤S80-S110:
步骤S80,获取电梯楼层数显示区域的视频数据;
在本实施例中,获取电梯楼层数显示区域的视频数据。其中,电梯楼层数显示区域可以为电梯楼层数按钮区域或电梯楼层数显示屏区域。具体的,可通过机器人自带的摄像头获取电梯楼层数显示区域的视频数据,当然,也可以通过电梯间内的摄像头获取电梯楼层数显示区域的视频数据,然后再将该视频数据发送至机器人。
步骤S90,根据所述检测信号、所述视频数据及预设楼层预测模型,确定所述机器人在当前位置所处的楼层数的校正值;
在获取到视频数据之后,根据检测信号、视频数据及预设楼层预测模型,确定机器人在当前位置所处的楼层数的校正值。其中,预设楼层预测模型,是基于人工智能技术对历史训练数据进行建模得到的楼层预测模型,该历史数据为机器人搭乘电梯运行一段时间的运行数据,该一段时间根据具体情况进行设定,例如半天、一天或两天等,此处不作具体限定。
可以理解,机器人通过设定的预设楼层预测模型,可快速确定机器人所处的楼层数,并且该预设楼层预测模型不仅考虑检测信号,还考虑视频数据,可进一步提高机器人楼层识别的准确性。
步骤S100,判断所述机器人在当前位置所处的楼层数与所述校正值是否相同;
步骤S110,若所述机器人在当前位置所处的楼层数与所述校正值相同,则确定所述机器人在当前位置所处的楼层数为所述校正值。
然后,判断机器人在当前位置所处的楼层数与校正值是否相同,若机器人在当前位置所处的楼层数与校正值相同,则确定机器人在当前位置所处的楼层数为校正值。可以理解,若机器人在当前位置所处的楼层数与校正值相同,则机器人在当前位置所处的楼层数是准确的,因此,机器人在当前位置所处的楼层数为校正值。
其中,所述预设楼层预测模型是根据所述检测信号、所述视频数据及所述机器人在当前位置所处的楼层数,得到历史数据,并将所述历史数据作为训练数据,根据所述训练数据进行建模,训练更新得到的。
通过将检测信号、视频数据及楼层数作为训练数据,然后,对训练数据进行建模,得到楼层预测模型,最后,根据楼层预测模型,更新预设楼层预测模型。
可以理解,在机器人搭乘电梯的过程中,实时将检测信号、视频数据及楼层数的数据更新到预设楼层预设模型中,将会不断提高预设楼层预测模型的准确性,从而进一步提高机器人楼层识别的准确性。
本实施例中,通过视频数据,再次确定机器人在当前位置所处的楼层数的校正值,当校正值与原本通过检测信号确定的机器人在当前位置所处的楼层数相同时,可双重判断机器人所处的楼层数,可进一步提高机器人楼层识别的准确性。机器人通过设定的预设楼层预测模型,无需经过一系列复杂的图像处理过程,可快速确定机器人在当前位置所处的楼层数的校正值,从而提高机器人楼层识别的效率。
在本申请中,若机器人在当前位置所处的楼层数与校正值不相同,则控制机器人走出电梯,并上报该视频数据至人工审核,以便通过人工校正的方式更正机器人自动识别的楼层数。
本发明还提供一种楼层识别装置。
参照图7,图7为本发明楼层识别装置第一实施例的功能模块示意图。
在本实施例中,所述楼层识别装置包括:
判断模块10,用于在机器人搭乘电梯时,判断所述电梯是否为停靠状态;
获取模块20,用于若所述电梯为停靠状态,则获取预设信号源装置发射的检测信号;
确定模块30,用于根据所述检测信号,确定所述机器人在当前位置所处的楼层数。
其中,上述楼层识别装置的各虚拟功能模块存储于图1所示楼层识别设备的存储器1005中,用于实现楼层识别程序的所有功能;各模块被处理器1001执行时,可实现楼层识别功能。
进一步地,所述判断模块10包括:
加速度获取单元,用于在机器人搭乘电梯时,获取所述机器人在竖直方向上的加速度变化曲线;
停靠判断单元,用于根据所述加速度变化曲线,判断所述电梯是否为停靠状态。
进一步地,在电梯通道的底部或顶部固定安装有所述预设信号源装置,所述获取模块20包括:
信号发送单元,用于若所述电梯为停靠状态,则发送一握手信号至所述预设信号源装置;
信号获取单元,用于获取所述预设信号源装置响应所述握手信号并发送至所述机器人的检测信号。
进一步地,所述确定模块30包括:
强度计算单元,用于根据所述检测信号,计算得到所述检测信号的信号强度;
距离确定单元,用于根据所述信号强度,确定所述机器人与所述预设信号源装置的相对距离;
第一楼层确定单元,用于根据所述相对距离及所述预设信号源装置的位置,确定所述机器人在当前位置所处的楼层数。
进一步地,所述预设信号源装置为预设楼层上的无线路由器,所述确定模块30包括:
标识获取单元,用于根据所述检测信号,计算得到所述无线路由器发射的WI-FI信号的信号强度,并获取所述无线路由器的标识信息;
第二楼层确定单元,用于根据所述标识信息与预设对应关系,确定所述无线路由器所处的楼层数;
第三楼层确定单元,用于根据所述信号强度及所述无线路由器所处的楼层数,确定所述机器人在当前位置所处的楼层数。
进一步地,所述楼层识别装置还包括:
视频获取模块,用于获取电梯楼层数显示区域的视频数据;
校正确定模块,用于根据所述视频数据,确定所述机器人在当前位置所处的楼层数的校正值;
校正判断模块,用于判断所述机器人在当前位置所处的楼层数与所述校正值是否相同;
楼层确定模块,用于若所述机器人在当前位置所处的楼层数与所述校正值相同,则确定所述机器人在当前位置所处的楼层数为所述校正值。
进一步地,所述楼层识别装置还包括:
视频获取模块,还用于获取电梯楼层数显示区域的视频数据;
校正确定模块,还用于根据所述检测信号、所述视频数据及预设楼层预测模型,确定所述机器人在当前位置所处的楼层数的校正值;
校正判断模块,还用于判断所述机器人在当前位置所处的楼层数与所述校正值是否相同;
楼层确定模块,还用于若所述机器人在当前位置所处的楼层数与所述校正值相同,则确定所述机器人在当前位置所处的楼层数为所述校正值。
其中,根据所述检测信号、所述视频数据及所述机器人在当前位置所处的楼层数,得到历史数据,并将所述历史数据作为训练数据,根据所述训练数据进行建模,训练更新得到预设楼层预测模型。
其中,上述楼层识别装置中各个模块的功能实现与上述楼层识别方法实施例中各步骤相对应,其功能和实现过程在此处不再一一赘述。
本发明还提供一种楼层识别系统,该楼层识别系统包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的楼层识别程序,所述楼层识别程序被所述处理器执行时实现如以上任一项实施例所述的楼层识别方法的步骤。
本发明楼层识别系统的具体实施例与上述楼层识别方法各实施例基本相同,在此不作赘述。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质上存储有楼层识别程序,所述楼层识别程序被处理器执行时实现如以上任一项实施例所述的楼层识别方法的步骤。
本发明计算机可读存储介质的具体实施例与上述楼层识别方法各实施例基本相同,在此不作赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明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,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种楼层识别方法,其特征在于,所述楼层识别方法包括:
在机器人搭乘电梯时,判断所述电梯是否为停靠状态;
若所述电梯为停靠状态,则获取预设信号源装置发射的检测信号;
根据所述检测信号,确定所述机器人在当前位置所处的楼层数。
2.如权利要求1所述的楼层识别方法,其特征在于,所述在机器人搭乘电梯时,判断所述电梯是否为停靠状态,包括:
在机器人搭乘电梯时,获取所述机器人在竖直方向上的加速度变化曲线;
根据所述加速度变化曲线,判断所述电梯是否为停靠状态。
3.如权利要求1所述的楼层识别方法,其特征在于,在电梯通道的底部或顶部固定安装有所述预设信号源装置;
所述若所述电梯为停靠状态,则获取预设信号源装置发射的检测信号,包括:
若所述电梯为停靠状态,则发送一握手信号至所述预设信号源装置;
获取所述预设信号源装置响应所述握手信号并发送至所述机器人的检测信号。
4.如权利要求1所述的楼层识别方法,其特征在于,所述根据所述检测信号,确定所述机器人在当前位置所处的楼层数,包括:
根据所述检测信号,计算得到所述检测信号的信号强度;
根据所述信号强度,确定所述机器人与所述预设信号源装置的相对距离;
根据所述相对距离及所述预设信号源装置的位置,确定所述机器人在当前位置所处的楼层数。
5.如权利要求1所述的楼层识别方法,其特征在于,所述预设信号源装置为预设楼层上的无线路由器;
所述根据所述检测信号,确定所述机器人在当前位置所处的楼层数,包括:
根据所述检测信号,计算得到所述无线路由器发射的WI-FI信号的信号强度,并获取所述无线路由器的标识信息;
根据所述标识信息与预设对应关系,确定所述无线路由器所处的楼层数;
根据所述信号强度及所述无线路由器所处的楼层数,确定所述机器人在当前位置所处的楼层数。
6.如权利要求1至5中任一项所述的楼层识别方法,其特征在于,所述根据所述检测信号,确定所述机器人在当前位置所处的楼层数之后,所述楼层识别方法还包括:
获取电梯楼层数显示区域的视频数据;
根据所述视频数据,确定所述机器人在当前位置所处的楼层数的校正值;
判断所述机器人在当前位置所处的楼层数与所述校正值是否相同;
若所述机器人在当前位置所处的楼层数与所述校正值相同,则确定所述机器人在当前位置所处的楼层数为所述校正值。
7.如权利要求1至5中任一项所述的楼层识别方法,其特征在于,所述根据所述检测信号,确定所述机器人所处的楼层数之后,所述楼层识别方法还包括:
获取电梯楼层数显示区域的视频数据;
根据所述检测信号、所述视频数据及预设楼层预测模型,确定所述机器人在当前位置所处的楼层数的校正值;
判断所述机器人在当前位置所处的楼层数与所述校正值是否相同;
若所述机器人在当前位置所处的楼层数与所述校正值相同,则确定所述机器人在当前位置所处的楼层数为所述校正值;
其中,根据所述检测信号、所述视频数据及所述机器人在当前位置所处的楼层数,得到历史数据,并将所述历史数据作为训练数据,根据所述训练数据进行建模,训练更新得到所述预设楼层预测模型。
8.一种楼层识别装置,其特征在于,所述楼层识别装置包括:
判断模块,用于在机器人搭乘电梯时,判断所述电梯是否为停靠状态;
获取模块,用于若所述电梯为停靠状态,则获取预设信号源装置发射的检测信号;
确定模块,用于根据所述检测信号,确定所述机器人在当前位置所处的楼层数。
9.一种楼层识别系统,其特征在于,所述楼层识别系统包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的楼层识别程序,所述楼层识别程序被所述处理器执行时实现如权利要求1至7中任一项所述的楼层识别方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有楼层识别程序,所述楼层识别程序被处理器执行时实现如权利要求1至7中任一项所述的楼层识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010855385.5A CN111999721B (zh) | 2020-08-21 | 2020-08-21 | 楼层识别方法、装置、系统及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010855385.5A CN111999721B (zh) | 2020-08-21 | 2020-08-21 | 楼层识别方法、装置、系统及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111999721A true CN111999721A (zh) | 2020-11-27 |
CN111999721B CN111999721B (zh) | 2024-01-30 |
Family
ID=73470247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010855385.5A Active CN111999721B (zh) | 2020-08-21 | 2020-08-21 | 楼层识别方法、装置、系统及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111999721B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112947420A (zh) * | 2021-01-27 | 2021-06-11 | 上海高仙自动化科技发展有限公司 | 一种设备运行状态识别方法、装置、机器人及存储介质 |
CN114022767A (zh) * | 2021-11-04 | 2022-02-08 | 上海擎朗智能科技有限公司 | 一种电梯楼层定位方法、装置、终端设备及存储介质 |
CN114212636A (zh) * | 2021-12-01 | 2022-03-22 | 北京云迹科技股份有限公司 | 基于移动机器人的电梯监测方法、装置、存储介质及设备 |
CN114735561A (zh) * | 2022-04-26 | 2022-07-12 | 北京三快在线科技有限公司 | 电梯停靠楼层的检测方法及装置 |
CN114873390A (zh) * | 2022-04-25 | 2022-08-09 | 北京云迹科技股份有限公司 | 机器人所处楼层预测方法及相关设备 |
CN115432524A (zh) * | 2022-10-21 | 2022-12-06 | 北京云迹科技股份有限公司 | 一种机器人楼层定位方法及相关设备 |
CN116907504A (zh) * | 2023-07-11 | 2023-10-20 | 湘潭大学 | 一种基于加速度计和气压计的电梯搭乘机器人楼层判断方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150153443A1 (en) * | 2012-04-23 | 2015-06-04 | Gerald Jules Rudolf Van Taunay | Method, system and computer program for determining distances and positions |
CN105806337A (zh) * | 2014-12-30 | 2016-07-27 | Tcl集团股份有限公司 | 一种应用于室内机器人的定位方法和室内机器人 |
CN107655471A (zh) * | 2017-08-02 | 2018-02-02 | 北京云迹科技有限公司 | 基于imu的楼层测量方法及机器人跨楼层导航方法 |
CN107777495A (zh) * | 2017-09-29 | 2018-03-09 | 上海有个机器人有限公司 | 一种电梯楼层自动识别方法、系统及控制终端 |
CN107835490A (zh) * | 2017-10-10 | 2018-03-23 | 深圳数位传媒科技有限公司 | 楼层位置定位方法、系统、服务器和计算机可读存储介质 |
CN207335731U (zh) * | 2017-07-27 | 2018-05-08 | 欧阳鑫 | 一种室内定位系统 |
CN208361622U (zh) * | 2018-04-26 | 2019-01-11 | 上海贝思特电气有限公司 | 一种电梯楼层获取装置 |
CN110177333A (zh) * | 2019-05-21 | 2019-08-27 | 平安科技(深圳)有限公司 | 室内定位方法、装置、系统、设备及存储介质 |
CN110697526A (zh) * | 2019-09-04 | 2020-01-17 | 深圳优地科技有限公司 | 一种电梯楼层检测方法及设备 |
-
2020
- 2020-08-21 CN CN202010855385.5A patent/CN111999721B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150153443A1 (en) * | 2012-04-23 | 2015-06-04 | Gerald Jules Rudolf Van Taunay | Method, system and computer program for determining distances and positions |
CN105806337A (zh) * | 2014-12-30 | 2016-07-27 | Tcl集团股份有限公司 | 一种应用于室内机器人的定位方法和室内机器人 |
CN207335731U (zh) * | 2017-07-27 | 2018-05-08 | 欧阳鑫 | 一种室内定位系统 |
CN107655471A (zh) * | 2017-08-02 | 2018-02-02 | 北京云迹科技有限公司 | 基于imu的楼层测量方法及机器人跨楼层导航方法 |
CN107777495A (zh) * | 2017-09-29 | 2018-03-09 | 上海有个机器人有限公司 | 一种电梯楼层自动识别方法、系统及控制终端 |
CN107835490A (zh) * | 2017-10-10 | 2018-03-23 | 深圳数位传媒科技有限公司 | 楼层位置定位方法、系统、服务器和计算机可读存储介质 |
CN208361622U (zh) * | 2018-04-26 | 2019-01-11 | 上海贝思特电气有限公司 | 一种电梯楼层获取装置 |
CN110177333A (zh) * | 2019-05-21 | 2019-08-27 | 平安科技(深圳)有限公司 | 室内定位方法、装置、系统、设备及存储介质 |
CN110697526A (zh) * | 2019-09-04 | 2020-01-17 | 深圳优地科技有限公司 | 一种电梯楼层检测方法及设备 |
Non-Patent Citations (1)
Title |
---|
司明豪;汪云甲;孙猛;王睿;: "基于Wi-Fi/气压计组合的楼层定位", 科学技术与工程, no. 33, pages 236 - 243 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112947420A (zh) * | 2021-01-27 | 2021-06-11 | 上海高仙自动化科技发展有限公司 | 一种设备运行状态识别方法、装置、机器人及存储介质 |
CN112947420B (zh) * | 2021-01-27 | 2024-05-28 | 上海高仙自动化科技发展有限公司 | 一种设备运行状态识别方法、装置、机器人及存储介质 |
CN114022767A (zh) * | 2021-11-04 | 2022-02-08 | 上海擎朗智能科技有限公司 | 一种电梯楼层定位方法、装置、终端设备及存储介质 |
CN114212636A (zh) * | 2021-12-01 | 2022-03-22 | 北京云迹科技股份有限公司 | 基于移动机器人的电梯监测方法、装置、存储介质及设备 |
CN114212636B (zh) * | 2021-12-01 | 2023-12-26 | 北京云迹科技股份有限公司 | 基于移动机器人的电梯监测方法、装置、存储介质及设备 |
CN114873390A (zh) * | 2022-04-25 | 2022-08-09 | 北京云迹科技股份有限公司 | 机器人所处楼层预测方法及相关设备 |
CN114873390B (zh) * | 2022-04-25 | 2024-03-26 | 北京云迹科技股份有限公司 | 机器人所处楼层预测方法及相关设备 |
CN114735561A (zh) * | 2022-04-26 | 2022-07-12 | 北京三快在线科技有限公司 | 电梯停靠楼层的检测方法及装置 |
CN115432524A (zh) * | 2022-10-21 | 2022-12-06 | 北京云迹科技股份有限公司 | 一种机器人楼层定位方法及相关设备 |
CN115432524B (zh) * | 2022-10-21 | 2023-12-26 | 北京云迹科技股份有限公司 | 一种机器人楼层定位方法及相关设备 |
CN116907504A (zh) * | 2023-07-11 | 2023-10-20 | 湘潭大学 | 一种基于加速度计和气压计的电梯搭乘机器人楼层判断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111999721B (zh) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111999721B (zh) | 楼层识别方法、装置、系统及计算机可读存储介质 | |
EP3594160B1 (en) | Elevator sensor system floor mapping | |
CN111086934B (zh) | 关联移动电梯呼叫 | |
JP2019507713A (ja) | ロボットがエレベータに乗っているときのフロア監視方法、電子デバイス、コンピュータ記憶媒体 | |
CN111792468B (zh) | 将机械定位与检测到的故障相匹配的电梯维护app | |
CN109422147A (zh) | 口头命令界面 | |
CN112340558B (zh) | 电梯轿厢的调平方法、投影装置及调平系统 | |
US10371531B2 (en) | Structure including a passageway | |
JP6747380B2 (ja) | 携帯端末、プログラム、エレベータの群管理システム、及びエレベータシステム | |
KR20190110463A (ko) | 다중 세그먼트 트립을 위한 직접적인 실시간 주행 표시 | |
KR20190134479A (ko) | 위치 표시 시스템 및 위치 표시 방법 | |
EP3733583A1 (en) | Elevator shaft distributed health level | |
JP6638424B2 (ja) | エレベータの群管理制御装置、群管理システム、及びエレベータシステム、並びにエレベータの群管理制御方法 | |
JPWO2015105074A1 (ja) | 制御パラメータ検出方法、エレベーター群管理シミュレーション方法、制御パラメータ検出装置及びエレベーター群管理シミュレーション装置 | |
JP2021080076A (ja) | エレベーター安全作業管理システムおよびエレベーター安全作業管理装置 | |
CN110386519A (zh) | 用于电梯的电子呼叫注册 | |
CN111099464B (zh) | 使用具有过滤的目的地楼层选择的用户装置的电梯服务请求 | |
CN113666209A (zh) | 基于电梯运行数据的楼层人群规模预测方法及相关设备 | |
JP6766990B1 (ja) | エレベーターの診断結果を示す情報を提示する情報提示システムおよび携帯端末 | |
US11477614B2 (en) | Device, system and method for vertical location change notifications based on periodic location reports | |
JPWO2020245969A1 (ja) | エレベーター装置 | |
CN113844964B (zh) | 机器人乘梯的控制方法、装置、电子设备和存储介质 | |
JP2019043779A (ja) | 情報処理システム、制御方法、プログラム | |
CN114229635B (zh) | 电梯错层判断方法、装置、设备及存储介质 | |
JP5007583B2 (ja) | エレベータの地震時管制運転システム |
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 |