CN111999744A - 一种无人机多方位探测、多角度智能避障方法 - Google Patents
一种无人机多方位探测、多角度智能避障方法 Download PDFInfo
- Publication number
- CN111999744A CN111999744A CN202010752862.5A CN202010752862A CN111999744A CN 111999744 A CN111999744 A CN 111999744A CN 202010752862 A CN202010752862 A CN 202010752862A CN 111999744 A CN111999744 A CN 111999744A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- obstacle avoidance
- image
- distance
- 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
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/933—Lidar systems specially adapted for specific applications for anti-collision purposes of aircraft or spacecraft
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Electromagnetism (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种无人机多方位探测、多角度智能避障方法，包括以下步骤：通过激光雷达测量距离；通过数据处理模块对激光雷达采集数据进行处理；避障控制系统根据采集数据进行避障流程。上述技术方案利用多线激光雷达可同时在两个方向对导线、树障及周围环境进行360°扫描，利用定位与制图算法分析传感器获取的环境信息，建立无人机周围环境地图并对无人机自身进行定位，在已有环境地图后利用算法规划出无人机飞抵目标点的最佳路径，探测精度高，使用的环境比较广泛，不受天气光线等因素影响，在黑暗的环境中也能使用。
Description
技术领域
本发明涉及无人机控制领域，尤其涉及一种无人机多方位探测、多角度智能避障方法。
背景技术
有资料显示，现有的无人机避障方式主要有超声波避障和红外线避障，其中超声波避障主要是将超声波传感器挂载在无人机上与控制器通信连接，无人机进行作业时，传感器不断向周围发射超声波，遇到障碍物波会反射回来，接收到回传的反射信号即可推算出前方障碍物的距离及方位，超声波传感器模块具有重量轻、体积小、测距方法简单、价格便宜、不易受光波影响等优点。红外线避障原理与超声波避障原理大致相同，不同的是超声波范围较小且精度低，红外线测量的数据则更为精确，但极易受到其他光源的影响导致精度降低甚至是数据错误。
当障碍物表面具有较强的磁性或者折射能力的时候，超声波传感器测距效果会大大降低，同时由于使用的无人机为多旋翼机型，飞行时旋翼产生的噪声也会对超声波产生不小的影响。
红外避障技术是利用红外发射器发射红外光，通过发射光和回波光时间差的测量获得障碍物的距离信息，进而达到避障的目的。依赖于障碍物的反射能力且属于单点测距，只能获得特定方向上的距离信息，且测距范围较小，故其避障的效率和精度有限。红外线极易受到其他光源的影响，仅能在没有其他光源干扰的情况下保证测量数据的精确度。架空输电线架设的环境复杂多样，故红外线干扰并不适用于架空输电线路巡检作业时的避障操作。
中国专利文献CN108062109A公开了一种“无人机避障方法”。包括以下步骤：S1：在无人机上安装激光器及卫星定位接收机；S2：无人机飞行过程中，通过激光器采集无人机周围的障碍物信息；S3：将三维地图库导入无人机的信息处理模块，将采集的障碍物信息进行坐标转换，并在三维地图库中搜索出目标区域的三维地图；S4：根据目标区域的三维地图，重新规划飞行路线，实现无人机自主避障。上述技术方案仅利用激光器采集结合三维地图库进行避障，地图难以准确显示无人机周围环境细节，容易出现事故。
发明内容
本发明主要解决原有的无人机避障方法易受环境影响的技术问题，提供一种无人机多方位探测、多角度智能避障方法，利用多线激光雷达可同时在两个方向对导线、树障及周围环境进行360°扫描，利用定位与制图算法分析传感器获取的环境信息，建立无人机周围环境地图并对无人机自身进行定位，在已有环境地图后利用算法规划出无人机飞抵目标点的最佳路径，探测精度高，使用的环境比较广泛，不受天气光线等因素影响，在黑暗的环境中也能使用。
本发明的上述技术问题主要是通过下述技术方案得以解决的：本发明包括以下步骤：
(1)通过激光雷达测量距离；
(2)通过数据处理模块对激光雷达采集数据进行处理；
(3)避障控制系统根据采集数据进行避障流程。
数据处理模块将多线激光雷达采集到的所有数据信息进行综合处理，通过算法计算出无人机的实时飞行速度及位置方向信息。最后，将计算出的参数加载到无人机飞行控制器中，规划出合理的必涨路径，从而控制无人机飞行路径。
作为优选，所述的步骤1中激光雷达为多线激光雷达，同时在两个方向以每秒8000次的扫描频率实现360°全方位扫描。多线激光雷达可同时在两个方向对导线、树障及周围环境进行360°扫描，激光雷达扫描一周即可得到周围障碍物的的相对距离及方位。
作为优选，所述的多线激光雷达测量得到数据为距离为0.1m至8m之间的二维点云数据。多线激光雷达通过给目标障碍物连续发送激光束，然后用传感器接收被反射回来的光束，通过探测激光束发射至回传的时间从而可得到障碍物的距离。
作为优选，还包括GPS传感器，所述GPS传感器实时获取经/纬度信息。数据处理模块将多线激光雷达采集到的距离信息和GPS传感器实时获取经/纬度信息进行综合处理。
作为优选，所述的步骤2数据处理模块对激光雷达采集数据进行算法处理，滤掉高频信号以保障数据稳定，对时间窗口内取均值以消除误差，根据角度与距离通过三角函数推算出各物体间的距离，通过逻辑算法分辨出障碍物的准确距离得到无人机的偏移量。
作为优选，所述的步骤2包括以下分步骤：
(2.1)将本发明的无人机定义为一个四边形；
(2.2)设定无人机与障碍物的安全距离；
(2.3)利用相似原则计算出无人机在图像中的尺寸大小U'(四旋翼角分别表示为A′B′C′D′)，由相似三角形定理，
其中f代表相机焦距，S代表与障碍物的距离，U代表实际W无人机的尺寸，U'代表无人机在图像中的尺寸；
(2.4)当h＝α时，在所拍摄到的图像中搜索最佳安全区域，即在图像中寻找一个尺寸为U'w*U'_h且像素值均大于β的像素模块，所述β根据α确定；
(2.5)确定无人机摄像头在图像中的位置；
(2.6)假定图像的中心为摄像头位置，以无人尺寸的宽度为宽度，以深度图的宽度为长度，形成搜索区域块，该区域块为无人机安全路径筛选范围；
(2.7)采用基于矩形块的遍历方式，对各个区域块进行遍历；
(2.8)确定无人机偏移方向以及像素距离后，计算无人机实际飞行过程中的偏移距离。
作为优选，所述的步骤2.7中具体遍历方式如下：以图像坐标系为基础，首先以d_w/2-U'_w(其中，U'_w为无人机尺寸U'的宽度)所在列为起点，将矩形块(大小为U'_h*1)往右遍历区域块，同样，以d_w/2-U'_w所在列为起点，将矩形块(大小为U'_h*1)往左遍历区域块；其次，统计存在连续U'_w个且像素值均大于θ的矩形块，记录最后一列矩形块在对应图像坐标系下的位置，即X轴下的坐标值，从左往右遍历的计为U'-r，从右往左遍历的计为Ur-1。
作为优选，所述的步骤2.8具体计算过程包括；分别计算Ul-r、Ur-l与图像中心点所在列的差值，用像素距离p、q表示，若没有找到相应的p、q值，则无人机紧急悬停；若找到，则比较p、q大小，若p>q，则往右偏；p<q，则往左偏；p＝q，则直行；确定无人机偏移方向以及像素距离后，按照公式：
计算无人机实际飞行过程中的偏移距离。
作为优选，所述的步骤3避障流程包括：
(3.1)激光雷达扫描导线周围环境，摄像头拍摄导线；
(3.2)激光雷达传感器接收到回传的激光信号，立即启动避障程序；
(3.3)将回传的激光信号处理成具体的位置数据信息，得出障碍物的高度、位置等信息；
(3.4)读取相机拍摄的图像，在图像中提取兴趣区域；
(3.5)利用图像处理算法对待选区域进行特征检测，并利用最近邻匹配方法进行特征点的初始匹配；
(3.6)将特征点的深度信息按照避障策略进行层次划分，并对每个层次上的特征点采用凸包运算生成简化的深度图；
(3.7)在深度图的基础上，采用区域块搜索的方式进行安全路径的寻找；
(3.8)根据安全路径与当前路径的差别，判断无人机的偏移方向与距离。
作为优选，所述的步骤3.4具体包括：在对障碍物特征点检测之前，首先对兴趣区域进行提取，大约原始图像的五分之二高，并且从原图像大约五分之一开始提取，长度和原图像一致，此区域是无人机安全路径的待选区域。
本发明的有益效果是：
1.探测精度高，同时发射的频率也较高。
2.激光雷达使用的环境比较广泛，不受天气光线等因素影响，在黑暗的环境中也能使用。
附图说明
图1是本发明的一种电路原理连接结构图。
图2是本发明的一种无人机成像示意图。
图3是本发明的一种无人机成像原理图。
图4是本发明的一种无人机路径规划流程图
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。实施例：本实施例的一种无人机多方位探测、多角度智能避障方法，如图1所示，包括以下步骤：
(1)通过激光雷达测量距离。激光雷达为多线激光雷达，同时在两个方向以每秒8000次的扫描频率实现360°全方位扫描。多线激光雷达可同时在两个方向对导线、树障及周围环境进行360°扫描，激光雷达扫描一周即可得到周围障碍物的的相对距离及方位。多线激光雷达通过给目标障碍物连续发送激光束，然后用传感器接收被反射回来的光束，通过探测激光束发射至回传的时间从而可得到障碍物的距离。多线激光雷达测量得到数据为距离为0.1m至8m之间的二维点云数据。还包括GPS传感器，所述GPS传感器实时获取经/纬度信息。数据处理模块将多线激光雷达采集到的距离信息和GPS传感器实时获取经/纬度信息进行综合处理。
(2)通过数据处理模块对激光雷达采集数据进行处理。数据处理模块对激光雷达采集数据进行算法处理，滤掉高频信号以保障数据稳定，对时间窗口内取均值以消除误差，根据角度与距离通过三角函数推算出各物体间的距离，通过逻辑算法分辨出障碍物的准确距离得到无人机的偏移量。
(2.1)将本发明的无人机定义为一个四边形。
(2.2)设定无人机与障碍物的安全距离。
(2.3)如图2、图3所示，利用相似原则计算出无人机在图像中的尺寸大小U'(四旋翼角分别表示为A′B′C′D′)，由相似三角形定理，
其中f代表相机焦距，S代表与障碍物的距离，U代表实际W无人机的尺寸，U'代表无人机在图像中的尺寸。
(2.4)当h＝α时，在所拍摄到的图像中搜索最佳安全区域，即在图像中寻找一个尺寸为U'w*U'_h且像素值均大于β的像素模块，所述β根据α确定。
(2.5)确定无人机摄像头在图像中的位置。
(2.6)假定图像的中心为摄像头位置，以无人尺寸的宽度为宽度，以深度图的宽度为长度，形成搜索区域块，该区域块为无人机安全路径筛选范围；
(2.7)采用基于矩形块的遍历方式，对各个区域块进行遍历。具体遍历方式如下：以图像坐标系为基础，首先以d_w/2-U'_w(其中，U'_w为无人机尺寸U'的宽度)所在列为起点，将矩形块(大小为U'_h*1)往右遍历区域块，同样，以d_w/2-U'_w所在列为起点，将矩形块(大小为U'_h*1)往左遍历区域块；其次，统计存在连续U'_w个且像素值均大于θ的矩形块，记录最后一列矩形块在对应图像坐标系下的位置，即X轴下的坐标值，从左往右遍历的计为U'-r，从右往左遍历的计为Ur-1。
(2.8)确定无人机偏移方向以及像素距离后，计算无人机实际飞行过程中的偏移距离。具体计算过程包括；分别计算Ul-r、Ur-l与图像中心点所在列的差值，用像素距离p、q表示，若没有找到相应的p、q值，则无人机紧急悬停；若找到，则比较p、q大小，若p>q，则往右偏；p<q，则往左偏；p＝q，则直行；确定无人机偏移方向以及像素距离后，按照公式：
计算无人机实际飞行过程中的偏移距离。
(3)如图4所示，避障控制系统根据采集数据进行避障流程。
(3.1)激光雷达扫描导线周围环境，摄像头拍摄导线。
(3.2)激光雷达传感器接收到回传的激光信号，立即启动避障程序。
(3.3)将回传的激光信号处理成具体的位置数据信息，得出障碍物的高度、位置等信息。
(3.4)读取相机拍摄的图像，在图像中提取兴趣区域。在对障碍物特征点检测之前，首先对兴趣区域进行提取，大约原始图像的五分之二高，并且从原图像大约五分之一开始提取，长度和原图像一致，此区域是无人机安全路径的待选区域。
(3.5)利用图像处理算法对待选区域进行特征检测，并利用最近邻匹配方法进行特征点的初始匹配。
(3.6)将特征点的深度信息按照避障策略进行层次划分，并对每个层次上的特征点采用凸包运算生成简化的深度图。
(3.7)在深度图的基础上，采用区域块搜索的方式进行安全路径的寻找。
(3.8)根据安全路径与当前路径的差别，判断无人机的偏移方向与距离。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
尽管本文较多地使用了激光雷达、遍历等术语，但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质；把它们解释成任何一种附加的限制都是与本发明精神相违背的。
Claims (10)
1.一种无人机多方位探测、多角度智能避障方法，其特征在于，包括以下步骤：
(1)通过激光雷达测量距离；
(2)通过数据处理模块对激光雷达采集数据进行处理；
(3)避障控制系统根据采集数据进行避障流程。
2.根据权利要求1所述的一种无人机多方位探测、多角度智能避障方法，其特征在于，所述步骤1中激光雷达为多线激光雷达，同时在两个方向以每秒8000次的扫描频率实现360°全方位扫描。
3.根据权利要求2所述的一种无人机多方位探测、多角度智能避障方法，其特征在于，所述多线激光雷达测量得到数据为距离为0.1m至8m之间的二维点云数据。
4.根据权利要求1所述的一种无人机多方位探测、多角度智能避障方法，其特征在于，还包括GPS传感器，所述GPS传感器实时获取经/纬度信息。
5.根据权利要求1所述的一种无人机多方位探测、多角度智能避障方法，其特征在于，所述步骤2数据处理模块对激光雷达采集数据进行算法处理，滤掉高频信号以保障数据稳定，对时间窗口内取均值以消除误差，根据角度与距离通过三角函数推算出各物体间的距离，通过逻辑算法分辨出障碍物的准确距离得到无人机的偏移量。
6.根据权利要求5所述的一种无人机多方位探测、多角度智能避障方法，其特征在于，所述步骤2包括以下分步骤：
(2.1)将本发明的无人机定义为一个四边形；
(2.2)设定无人机与障碍物的安全距离；
(2.3)利用相似原则计算出无人机在图像中的尺寸大小U'(四旋翼角分别表示为A′B′C′D′)，由相似三角形定理，
其中f代表相机焦距，S代表与障碍物的距离，U代表实际W无人机的尺寸，U'代表无人机在图像中的尺寸；
(2.4)当h＝α时，在所拍摄到的图像中搜索最佳安全区域，即在图像中寻找一个尺寸为U'w*U'_h且像素值均大于β的像素模块，所述β根据α确定；
(2.5)确定无人机摄像头在图像中的位置；
(2.6)假定图像的中心为摄像头位置，以无人尺寸的宽度为宽度，以深度图的宽度为长度，形成搜索区域块，该区域块为无人机安全路径筛选范围；
(2.7)采用基于矩形块的遍历方式，对各个区域块进行遍历；
(2.8)确定无人机偏移方向以及像素距离后，计算无人机实际飞行过程中的偏移距离。
7.根据权利要求6所述的一种无人机多方位探测、多角度智能避障方法，其特征在于，所述步骤2.7中具体遍历方式如下：以图像坐标系为基础，首先以d_w/2-U'_w(其中，U'_w为无人机尺寸U'的宽度)所在列为起点，将矩形块(大小为U'_h*1)往右遍历区域块，同样，以d_w/2-U'_w所在列为起点，将矩形块(大小为U'_h*1)往左遍历区域块；其次，统计存在连续U'_w个且像素值均大于θ的矩形块，记录最后一列矩形块在对应图像坐标系下的位置，即X轴下的坐标值，从左往右遍历的计为U'-r，从右往左遍历的计为Ur-1。
8.根据权利要求1所述的一种无人机多方位探测、多角度智能避障方法，其特征在于，所述步骤2.8具体计算过程包括；分别计算Ul-r、Ur-l与图像中心点所在列的差值，用像素距离p、q表示，若没有找到相应的p、q值，则无人机紧急悬停；若找到，则比较p、q大小，若p>q，则往右偏；p<q，则往左偏；p＝q，则直行；确定无人机偏移方向以及像素距离后，按照公式：
计算无人机实际飞行过程中的偏移距离。
9.根据权利要求1所述的一种无人机多方位探测、多角度智能避障方法，其特征在于，所述步骤3避障流程包括：
(3.1)激光雷达扫描导线周围环境，摄像头拍摄导线；
(3.2)激光雷达传感器接收到回传的激光信号，立即启动避障程序；
(3.3)将回传的激光信号处理成具体的位置数据信息，得出障碍物的高度、位置等信息；
(3.4)读取相机拍摄的图像，在图像中提取兴趣区域；
(3.5)利用图像处理算法对待选区域进行特征检测，并利用最近邻匹配方法进行特征点的初始匹配；
(3.6)将特征点的深度信息按照避障策略进行层次划分，并对每个层次上的特征点采用凸包运算生成简化的深度图；
(3.7)在深度图的基础上，采用区域块搜索的方式进行安全路径的寻找；
(3.8)根据安全路径与当前路径的差别，判断无人机的偏移方向与距离。
10.根据权利要求9所述的一种无人机多方位探测、多角度智能避障方法，其特征在于，所述步骤3.4具体包括：在对障碍物特征点检测之前，首先对兴趣区域进行提取，大约原始图像的五分之二高，并且从原图像大约五分之一开始提取，长度和原图像一致，此区域是无人机安全路径的待选区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010752862.5A CN111999744A (zh) | 2020-07-30 | 2020-07-30 | 一种无人机多方位探测、多角度智能避障方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010752862.5A CN111999744A (zh) | 2020-07-30 | 2020-07-30 | 一种无人机多方位探测、多角度智能避障方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111999744A true CN111999744A (zh) | 2020-11-27 |
Family
ID=73462511
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010752862.5A Pending CN111999744A (zh) | 2020-07-30 | 2020-07-30 | 一种无人机多方位探测、多角度智能避障方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111999744A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112650300A (zh) * | 2021-01-07 | 2021-04-13 | 深圳市君航品牌策划管理有限公司 | 一种无人机避障方法和装置 |
| CN113376658A (zh) * | 2021-05-08 | 2021-09-10 | 广东电网有限责任公司广州供电局 | 一种基于单线激光雷达的无人机自主避障方法及系统 |
| CN114859942A (zh) * | 2022-07-06 | 2022-08-05 | 北京云迹科技股份有限公司 | 一种机器人运动控制方法、装置、电子设备及存储介质 |
| WO2022183450A1 (zh) * | 2021-03-04 | 2022-09-09 | 深圳市大疆创新科技有限公司 | 电力巡检方法、无人机及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106597472A (zh) * | 2016-12-21 | 2017-04-26 | 深圳市镭神智能系统有限公司 | 基于激光雷达的智能车防撞系统及方法 |
| US20180275277A1 (en) * | 2017-03-22 | 2018-09-27 | Here Global B.V. | Method, apparatus and computer program product for mapping and modeling a three dimensional structure |
| CN109541613A (zh) * | 2018-11-26 | 2019-03-29 | 国网宁夏电力有限公司银川供电公司 | 基于单线激光测距的架空高压导线巡检系统及巡检方法 |
| CN111324143A (zh) * | 2020-02-28 | 2020-06-23 | 广东电网有限责任公司 | 无人机自主巡视避障系统、方法及计算机设备 |
-
2020
- 2020-07-30 CN CN202010752862.5A patent/CN111999744A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106597472A (zh) * | 2016-12-21 | 2017-04-26 | 深圳市镭神智能系统有限公司 | 基于激光雷达的智能车防撞系统及方法 |
| US20180275277A1 (en) * | 2017-03-22 | 2018-09-27 | Here Global B.V. | Method, apparatus and computer program product for mapping and modeling a three dimensional structure |
| CN109541613A (zh) * | 2018-11-26 | 2019-03-29 | 国网宁夏电力有限公司银川供电公司 | 基于单线激光测距的架空高压导线巡检系统及巡检方法 |
| CN111324143A (zh) * | 2020-02-28 | 2020-06-23 | 广东电网有限责任公司 | 无人机自主巡视避障系统、方法及计算机设备 |
Non-Patent Citations (1)
| Title |
|---|
| 杨维: "基于单目视觉的旋翼无人机自主避障研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112650300A (zh) * | 2021-01-07 | 2021-04-13 | 深圳市君航品牌策划管理有限公司 | 一种无人机避障方法和装置 |
| CN112650300B (zh) * | 2021-01-07 | 2024-05-24 | 深圳市智胜联合科技有限公司 | 一种无人机避障方法和装置 |
| WO2022183450A1 (zh) * | 2021-03-04 | 2022-09-09 | 深圳市大疆创新科技有限公司 | 电力巡检方法、无人机及存储介质 |
| CN113376658A (zh) * | 2021-05-08 | 2021-09-10 | 广东电网有限责任公司广州供电局 | 一种基于单线激光雷达的无人机自主避障方法及系统 |
| CN114859942A (zh) * | 2022-07-06 | 2022-08-05 | 北京云迹科技股份有限公司 | 一种机器人运动控制方法、装置、电子设备及存储介质 |
| CN114859942B (zh) * | 2022-07-06 | 2022-10-04 | 北京云迹科技股份有限公司 | 一种机器人运动控制方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | TOF lidar development in autonomous vehicle | |
| Hong et al. | Radarslam: Radar based large-scale slam in all weathers | |
| CN109444911B (zh) | 一种单目相机和激光雷达信息融合的无人艇水面目标检测识别与定位方法 | |
| Sun et al. | A 3D LiDAR data-based dedicated road boundary detection algorithm for autonomous vehicles | |
| CN111999744A (zh) | 一种无人机多方位探测、多角度智能避障方法 | |
| EP3283843B1 (en) | Generating 3-dimensional maps of a scene using passive and active measurements | |
| CN110609570A (zh) | 一种基于无人机的自主避障巡检方法 | |
| JP3561473B2 (ja) | 物体位置の追跡・検知方法及びビークル | |
| WO2020243962A1 (zh) | 物体检测方法、电子设备和可移动平台 | |
| CN114080625A (zh) | 绝对位姿确定方法、电子设备及可移动平台 | |
| CN112698306A (zh) | 一种多激光雷达结合相机解决地图构建盲区的系统和方法 | |
| US10937232B2 (en) | Dense mapping using range sensor multi-scanning and multi-view geometry from successive image frames | |
| CN113566833A (zh) | 一种多传感器融合的车辆定位方法及系统 | |
| Cui et al. | 3D detection and tracking for on-road vehicles with a monovision camera and dual low-cost 4D mmWave radars | |
| CN113743171A (zh) | 目标检测方法及装置 | |
| JP2023546813A (ja) | 自律車両用途のための速度推定および物体追跡 | |
| WO2022198637A1 (zh) | 点云滤噪方法、系统和可移动平台 | |
| Jiang et al. | A survey of underwater acoustic SLAM system | |
| CN111781606A (zh) | 一种新型激光雷达和超声波雷达融合的小型化实现方法 | |
| WO2022083529A1 (zh) | 一种数据处理方法及装置 | |
| CN111123260B (zh) | 一种毫米波雷达和可见光摄像的环境物体状态识别方法 | |
| CN114925769B (zh) | 一种多传感器数据融合处理系统 | |
| Iannucci et al. | Cross-Modal Localization: Using automotive radar for absolute geolocation within a map produced with visible-light imagery | |
| CN114581889A (zh) | 一种融合方法、装置、设备、介质及产品 | |
| Kim et al. | Imaging sonar based navigation method for backtracking of AUV |
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 |
Application publication date: 20201127 |
|
| RJ01 | Rejection of invention patent application after publication |