CN112212851B - 一种位姿确定方法、装置、存储介质及移动机器人 - Google Patents
一种位姿确定方法、装置、存储介质及移动机器人 Download PDFInfo
- Publication number
- CN112212851B CN112212851B CN201910614041.2A CN201910614041A CN112212851B CN 112212851 B CN112212851 B CN 112212851B CN 201910614041 A CN201910614041 A CN 201910614041A CN 112212851 B CN112212851 B CN 112212851B
- Authority
- CN
- China
- Prior art keywords
- mobile robot
- gradient
- environment contour
- map
- environment
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及移动机器人技术领域,尤其涉及一种位姿确定方法、装置、存储介质及移动机器人。所述方法构建出当前环境的局部地图,并按照第一预设角度间隔旋转局部地图后,确定各局部地图的第一环境轮廓点的第一梯度,并获取各第一环境轮廓点与对应的第一位置的相对位置;确定预先构建的全局地图的第二环境轮廓点的第二梯度;采用广义霍夫变换获取移动机器人在全局地图中的候选位姿;根据候选位姿和相对位置确定各第一环境轮廓点在全局地图中的第二位置,并根据第二位置获取各第一环境轮廓点的第二梯度;根据第一梯度和第二梯度计算各局部地图与全局地图之间的相似度,并根据相似度确定移动机器人的目标位姿,提高移动机器人中目标位姿定位的准确性。
Description
技术领域
本发明涉及移动机器人技术领域,尤其涉及一种移动机器人的位姿确定方法、装置、计算机可读存储介质及移动机器人。
背景技术
在无高精度外部定位系统的情况下,移动机器人在开机启动时、被绑架后或者定位丢失后,通常不知道其在全局地图中的当前位姿,使得在很多场景下均需要确定移动机器人在全局地图中的当前位姿。
现有技术中,通常采用粒子滤波算法来确定移动机器人在全局地图中的当前位姿,但粒子滤波算法是通过随机生成器在地图范围内生成采样位姿,并在采样位姿处通过相似度匹配算法得到相似度,以将粒子不断向相似度高的区域聚集,从而得到移动机器人在全局地图中的当前位姿,即粒子滤波算法中采样位姿是随机的,而无法确保每一次的采样位姿均包含移动机器人的真实位姿或者相近位姿,降低了移动机器人当前位姿的定位准确性。
发明内容
本发明实施例提供了一种移动机器人的位姿确定方法、装置、计算机可读存储介质及移动机器人,能够解决现有的移动机器人中当前位姿定位准确性差的问题。
本发明实施例的第一方面,提供了一种移动机器人的位姿确定方法,包括:
获取移动机器人当前环境的环境数据,并根据所述环境数据构建所述当前环境对应的局部地图;
按照第一预设角度间隔旋转所述局部地图,并获取所述移动机器人在各所述局部地图中的第一位置;
确定各所述局部地图的第一环境轮廓点和各所述第一环境轮廓点对应的第一梯度,并获取各所述第一环境轮廓点与对应的第一位置的相对位置;
确定所述移动机器人中预先构建的全局地图的第二环境轮廓点和各所述第二环境轮廓点对应的第二梯度;
采用广义霍夫变换获取所述移动机器人在所述全局地图中的候选位姿;
根据所述候选位姿和所述相对位置确定各所述第一环境轮廓点在所述全局地图中的第二位置,并根据所述第二位置获取各所述第一环境轮廓点对应的第二梯度;
根据所述第一梯度和所述第二梯度计算各所述候选位姿对应的局部地图与所述全局地图之间的相似度,并根据所述相似度确定所述移动机器人在所述全局地图中的目标位姿。
进一步地,所述确定所述局部地图的第一环境轮廓点和各所述第一环境轮廓点对应的第一梯度,包括:
采用索贝尔算子检测所述局部地图的第一环境轮廓点,并计算各所述第一环境轮廓点对应的第一梯度。
优选地,所述采用广义霍夫变换确定所述移动机器人在所述全局地图中的候选位姿,包括:
确定各所述第一环境轮廓点对应的第一梯度方向和各所述第二环境轮廓点对应的第二梯度方向;
按照第二预设角度间隔和所述第一梯度方向建立所述局部地图中所述相对位置对应的角度直方图;
根据所述第二梯度方向和所述角度直方图预测所述移动机器人在所述全局地图的第三位置,并统计各所述第三位置的出现次数;
根据各所述角出现次数确定所述移动机器人在所述全局地图中的候选位姿。
可选地,所述根据所述第二梯度方向和所述角度直方图预测所述移动机器人在所述全局地图中的第三位置,包括:
根据所述第二梯度方向确定各所述第二环境轮廓点在所述角度直方图中的角度区间;
获取所述角度区间中的各目标相对位置;
根据所述第二环境轮廓点和各所述目标相对位置预测所述移动机器人在所述全局地图中的第三位置。
进一步地,所述按照第二预设角度间隔和所述第一梯度方向建立所述局部地图中所述相对位置对应的角度直方图,包括:
按照预设处理方式对各所述第一梯度方向进行预处理,得到各所述第一梯度方向对应的第二角度;
按照第二预设角度间隔和所述第二角度建立所述局部地图中所述相对位置对应的角度直方图。
优选地,所述根据所述第一梯度和所述第二梯度计算各所述候选位姿对应的局部地图与所述全局地图之间的相似度,包括:
根据下述公式计算所述相似度:
其中,Scorei为第i个候选位姿对应的局部地图与全局地图之间的相似度,N为第一环境轮廓点的总个数,dxij l为第i个候选位姿对应的局部地图中的第j个第一环境轮廓点在第一方向的第一梯度,dyij l为第i个候选位姿对应的局部地图中的第j个第一环境轮廓点在第二方向的第一梯度,dxij g为第i个候选位姿对应的局部地图中的第j个第一环境轮廓点在第一方向的第二梯度,dyij g为第i个候选位姿对应的局部地图中的第j个第一环境轮廓点在第二方向的第二梯度。
本发明实施例的第二方面,提供了一种移动机器人的位姿确定装置,包括:
局部地图构建模块,用于获取移动机器人当前环境的环境数据,并根据所述环境数据构建所述当前环境对应的局部地图;
第一位置获取模块,用于按照第一预设角度间隔旋转所述局部地图,并获取所述移动机器人在各所述局部地图中的第一位置;
相对位置获取模块,用于确定各所述局部地图的第一环境轮廓点和各所述第一环境轮廓点对应的第一梯度,并获取各所述第一环境轮廓点与对应的第一位置的相对位置;
第二梯度确定模块,用于确定所述移动机器人中预先构建的全局地图的第二环境轮廓点和各所述第二环境轮廓点对应的第二梯度;
候选位姿获取模块,用于采用广义霍夫变换获取所述移动机器人在所述全局地图中的候选位姿;
第二位置确定模块,用于根据所述候选位姿和所述相对位置确定各所述第一环境轮廓点在所述全局地图中的第二位置,并根据所述第二位置获取各所述第一环境轮廓点对应的第二梯度;
目标位姿确定模块,用于根据所述第一梯度和所述第二梯度计算各所述候选位姿对应的局部地图与所述全局地图之间的相似度,并根据所述相似度确定所述移动机器人在所述全局地图中的目标位姿。
本发明实施例的第三方面,提供了一种移动机器人,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前述第一方面所述移动机器人的位姿确定方法的步骤。
本发明实施例的第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如前述第一方面所述移动机器人的位姿确定方法的步骤。
从以上技术方案可以看出,本发明实施例具有以下优点:
本发明实施例中,首先,获取移动机器人在各局部地图中的第一位置和各局部地图中的第一环境轮廓点对应的第一梯度,并确定各第一环境轮廓点与对应的第一位置之间的相对位置;其次,采用广义霍夫变换来确定移动机器人在全局地图中的候选位姿,以根据候选位姿与相对位置确定出各局部地图的第一环境轮廓点在全局地图中的第二位置,并根据第二位置确定各局部地图的第一环境轮廓点在全局地图中所对应的第二梯度;最后,根据各第一环境轮廓点在各局部地图中的第一梯度和在全局地图中的第二梯度来计算各局部地图与全局地图之间的相似度,从而可根据相似度确定移动机器人在全局地图中的目标位姿,即通过将局部地图中的环境轮廓点作为识别特征,并通过广义霍夫变换来确定移动机器人在全局地图中的候选位姿集,最后通过相似度计算方法确定各局部地图与全局地图的相似度以得到移动机器人在全局地图中的目标位姿,解决了现有移动机器人中位姿定位准确性差的问题,提高了移动机器人中目标位姿定位的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中一种移动机器人的位姿确定方法的一个实施例流程图;
图2为本发明实施例中移动机器人构建的局部地图的示意图;
图3为本发明实施例中移动机器人构建的全局地图的示意图;
图4为本发明实施例中一种移动机器人的位姿确定方法在一个应用场景下确定候选位姿的流程示意图;
图5为本发明实施例中一种移动机器人的位姿确定方法在一个应用场景下确定第三位置的流程示意图;
图6为本发明实施例中一种移动机器人的位姿确定装置的一个实施例结构图;
图7为本发明一实施例提供的一种移动机器人的示意图。
具体实施方式
本发明实施例提供了一种移动机器人的位姿确定方法、装置、计算机可读存储介质及移动机器人,用于解决现有的移动机器人中当前位姿定位准确性差的问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1,本发明实施例提供了一种移动机器人的位姿确定方法,所述位姿确定方法包括:
步骤S101、获取移动机器人当前环境的环境数据,并根据所述环境数据构建所述当前环境对应的局部地图;
本发明实施例中,当移动机器人丢失了其在全局地图中的位姿时,可控制所述移动机器人在当前位置自行旋转一周,并可通过所述移动机器人的激光装置,如激光扫描仪,获取所述移动机器人所在的当前环境的环境数据,从而可通过即时定位与地图构建(SLAM)技术(下文简称激光SLAM技术)来构建当前环境所对应的局部地图,如构建出如图2所示的局部地图。
需要说明的是,所述全局地图也可以是通过激光扫描仪,并利用激光SLAM技术来构建,即可控制所述移动机器人走遍其需导航或者工作所在的环境,并在所述移动机器人行走过程中,可通过激光扫描仪实时获取环境数据,从而可利用激光SLAM技术根据所获取的环境数据,创建移动机器人需导航或者工作所在的环境的全局地图,如构建出如图3所示的全局地图,并将所创建的全局地图存储于所述移动机器人的存储装置中,后续需要所述全局地图时则可从所述存储装置中获取所述全局地图。
步骤S102、按照第一预设角度间隔旋转所述局部地图,并获取所述移动机器人在各所述局部地图中的第一位置;
步骤S103、确定各所述局部地图的第一环境轮廓点和各所述第一环境轮廓点对应的第一梯度,并获取各所述第一环境轮廓点与对应的第一位置的相对位置;
对于步骤S102和步骤S103,在构建出当前环境对应的局部地图时,可确定所述移动机器人在所述局部地图中的第一位姿,其中,所述第一位姿包括所述移动机器人在所述局部地图中的第一位置(x,y)和第一航向角θ。同时,还可对所述局部地图进行环境轮廓的检测,以得到所述局部地图中的第一环境轮廓点,如得到所述局部地图中各所述第一环境轮廓点的位置(xi′,yi′)和各所述第一环境轮廓点所对应的第一梯度,并可根据各所述第一环境轮廓点的位置(xi′,yi′)和该局部地图中所述移动机器人的第一位置(x,y)计算得到各所述第一环境轮廓点与所述移动机器人的第一位置之间的相对位置(x-xi′,y-yi′),即该局部地图中的各相对位置为所述移动机器人的第一位置与对应的第一环境轮廓点的位置差。
具体地,本发明实施例中,可采用索贝尔算子来检测所述局部地图的第一环境轮廓点和计算各所述第一环境轮廓点对应的第一梯度,其中,所述第一梯度可包括各所述第一环境轮廓点在横向(也称X方向)的第一梯度dx和在纵向(也称Y方向)的第一梯度dy,所述索贝尔算子中X方向的卷积因子可以为Y方向的卷积因子可以为
进一步地,在得到所构建的初始的局部地图中的第一环境轮廓点等信息后,可对所述局部地图按照第一预设角度间隔进行旋转,如可按照2°的角度间隔来对所述局部地图进行旋转,并确定旋转后的各局部地图中所述移动机器人的第一位置和第一航向角,其中,旋转后的各局部地图中所述移动机器人的第一航向角则可根据(θ+2°*n)确定,θ为所述移动机器人在初始的局部地图中的第一航向角,n为各局部地图所对应的旋转次数。同时,可采用索贝尔算子来检测旋转后的各局部地图的第一环境轮廓点和各所述第一环境轮廓点对应的第一梯度,并获取各局部地图中的各所述第一环境轮廓点与该局部地图中移动机器人的第一位置之间的相对位置。
如在得到所构建的初始的局部地图中的第一环境轮廓点等信息后,可将所述局部地图旋转2°,以得到第一个旋转后的局部地图,并确定所述移动机器人在该第一个旋转后的局部地图中的第一位置(x1,y1)和第一航向角θ1,其中,所述移动机器人在该第一个旋转后的局部地图中的第一航向角θ1为(θ+2°),随后可采用索贝尔算子来检测该第一个旋转后的局部地图的第一环境轮廓点和各第一环境轮廓点对应的第一梯度,并获取该第一个旋转后的局部地图中的各第一环境轮廓点与第一位置(x1,y1)之间的相对位置。然后,可将此时的局部地图再次旋转2°,以得到第二个旋转后的局部地图,并确定所述移动机器人在该第二个旋转后的局部地图中的第二位置(x2,y2)和第一航向角θ2,其中,所述移动机器人在该第二个旋转后的局部地图中的第一航向角θ2为(θ+2°*2),随后可采用索贝尔算子来检测该第二个旋转后的局部地图的第一环境轮廓点和各第一环境轮廓点对应的第一梯度,并可获取该第二个旋转后的局部地图中的各第一环境轮廓点与该第二位置(x2,y2)之间的相对位置,依次类推,直到对所述局部地图进行179次的旋转,获取到位于不同角度的180个局部地图为止。
步骤S104、确定所述移动机器人中预先构建的全局地图的第二环境轮廓点和各所述第二环境轮廓点对应的第二梯度;
本发明实施例中,所述移动机器人的存储装置中存储有预先构建的全局地图,此时,可从所述存储装置中获取所述全局地图,并可同样采用索贝尔算子检测所述全局地图中的第二环境轮廓点和各所述第二环境轮廓点对应的第二梯度。
步骤S105、采用广义霍夫变换获取所述移动机器人在所述全局地图中的候选位姿;
在对初始的局部地图进行旋转,得到180个旋转后的局部地图后,即可得到所述移动机器人在各局部地图中所对应的180个第一位置,在得到移动机器人的这180个第一位置后,本发明实施例中,可采用广义霍夫变换得到这180个第一位置在所述全局地图中所对应的位置,以确定出所述移动机器人在所述全局地图中的候选位姿集。
具体地,如图4所示,本发明实施例中,所述采用广义霍夫变换确定所述移动机器人在所述全局地图中的候选位姿,可以包括:
步骤S401、确定各所述第一环境轮廓点对应的第一梯度方向和各所述第二环境轮廓点对应的第二梯度方向;
可以理解的是,在采用索贝尔算子检测出各局部地图的第一环境轮廓点和各所述第一环境轮廓点对应的第一梯度后,可通过确定出各局部地图中的各所述第一环境轮廓点对应的第一梯度方向,其中,Angleij为第i个局部地图的第j个第一环境轮廓点对应的第一梯度方向,Gxij为第i个局部地图的第j个第一环境轮廓点在X方向的第一梯度,Gyij为第i个局部地图的第j个第一环境轮廓点在Y方向的第一梯度。
同样地,在采用索贝尔算子检测出所述全局地图的第二环境轮廓点和各所述第二环境轮廓点对应的第二梯度后,也可通过确定出全局地图中的各所述第二环境轮廓点对应的第二梯度方向,此时,Anglej则为全局地图的第j个第二环境轮廓点对应的第二梯度方向,Gxj为全局地图的第j个第二环境轮廓点在X方向的第二梯度,Gyj为全局地图的第j个第二环境轮廓点在Y方向的第二梯度。
步骤S402、按照第二预设角度间隔和所述第一梯度方向建立所述局部地图中所述相对位置对应的角度直方图;
本发明实施例中,在确定出各所述局部地图中的各所述第一环境轮廓点对应的第一梯度方向和各所述第一环境轮廓点与对应的第一位置的相对位置之后,在每一局部地图中,可将各所述第一梯度方向与对应的相对位置建立对应关系,例如,在第一个局部地图中,确定出第一环境轮廓点A(xA′,yA′)的第一梯度方向为θA,而该第一个局部地图中,第一环境轮廓点A与移动机器人在该第一个局部地图的第一位置之间的相对位置为(xA-xA′,yA-yA′),则可将θA与相对位置(xA-xA′,yA-yA′)表示的点之间建立对应关系。
在此,在各所述局部地图中建立了第一梯度方向与相对位置之间的对应关系后,可按照第二预设角度间隔和所述第一梯度方向建立各所述局部地图中的相对位置所对应的角度直方图,即可首先在各所述局部地图中按照所述第二预设角度间隔对所述第一梯度方向进行划分,如在各所述局部地图中按照10°的角度间隔对所述第一梯度方向进行划分,比如将[0°,10°)划分为一个角度区间、将[10°,20°)划分为一个角度区间、将[20°,30°),等等,以此得到36个角度区间,然后确定各所述第一梯度方向所属的角度区间,并按照第一梯度方向与相对位置之间的对应关系,将各所述相对位置所表征的点划分至对应的第一梯度方向所属的角度区间内,从而完成对每一局部地图中相对位置的划分,得到各局部地图所对应的角度直方图。
步骤S403、根据所述第二梯度方向和所述角度直方图预测所述移动机器人在所述全局地图的第三位置,并统计各所述第三位置的出现次数;
步骤S404、根据各所述出现次数确定所述移动机器人在所述全局地图中的候选位姿。
本发明实施例中,在得到所述全局地图的各第二环境轮廓点对应的第二梯度方向后,可根据各所述第二梯度方向和所述角度直方图来预测所述局部地图中的移动机器人在所述全局地图中的可能位置,并将各可能位置和各可能位置所对应的局部地图中移动机器人的第一航向角确定为所述移动机器人在所述全局地图中的候选位姿。
具体地,如图5所示,本发明实施例中,所述根据所述第二梯度方向和所述角度直方图预测所述移动机器人在所述全局地图的第三位置,可以包括:
步骤S501、根据所述第二梯度方向确定各所述第二环境轮廓点在所述角度直方图中的角度区间;
步骤S502、获取所述角度区间中的各目标相对位置;
步骤S503、根据所述第二环境轮廓点和所述目标相对位置预测所述移动机器人在所述全局地图中的第三位置。
对于上述步骤S501至步骤S503,在每一个局部地图所对应的角度直方图中,可首先确定全局地图中的各第二环境轮廓点对应的第二梯度方向在该角度直方图中所属的角度区间,例如,当第一个局部地图所对应的角度直方图的角度区间依次为[0°,10°)、[10°,20°)、[20°,30°)、……、[350°,360°),而全局地图中的第一个第二环境轮廓点B(xB,yB)对应的第二梯度方向θB为125°时,则可确定出第二环境轮廓点B(xB,yB)在该第一个局部地图中所属的角度区间为[120°,130°)。
在此,在确定出第二环境轮廓点B(xB,yB)在该第一个局部地图中的角度区间为[120°,130°)后,则可将角度区间[120°,130°)中所有的相对位置均确定为目标相对位置,并根据各目标相对位置与第二环境轮廓点B(xB,yB)来确定出该第一个局部地图中的移动机器人在全局地图中所对应的第三位置,如可根据相对位置为移动机器人位置与环境轮廓点位置的位置差来确定出该第一个局部地图中的移动机器人在全局地图中所对应的第三位置,其中,第三位置为局部地图中的移动机器人在全局地图中的可能位置,例如当角度区间[120°,130°)中存在有O(xo,yO)、P(xP,yP)、Q(xQ,yQ)和R(xR,yR)4个相对位置时,则根据第二环境轮廓点B(xB,yB)可确定出该第一个局部地图中的移动机器人在全局地图中的可能位置有(xo+xB,yO+yB)、(xP+xB,yP+yB)、(xQ+xB,yQ+yB)和(xR+xB,yR+yB)4个,在根据第二环境轮廓点B(xB,yB)确定出该第一个局部地图中的移动机器人在全局地图中的可能位置后,可进一步获取全局地图中的下一个第二环境轮廓点,并根据下一个第二环境轮廓点确定出该第一个局部地图中的移动机器人在全局地图中的可能位置,以此类推,直到根据全局地图中的最后一个第二环境轮廓点确定出该第一局部地图中的移动机器人在全局地图中的可能位置为止。
可以理解的是,根据该第一个局部地图中不同的第二环境轮廓点确定的移动机器人在全局地图中的可能位置可能存在相同的,因此本发明实施例中,可统计该第一个局部地图中各可能位置的出现次数,并可将出现次数最多的可能位置确定为该第一个局部地图中的移动机器人在全局地图中的候选位置,以及将该第一个局部地图中移动机器人的第一航向角度确定该候选位置所对应的航向角,从而得到移动机器人在全局地图中的第一个候选位姿。
类似地,移动机器人在全局地图中的第二个候选位姿也可以根据上述方式获取,即同样可利用全局地图中的所有第二环境轮廓点来确定出第二个局部地图中的移动机器人在全局地图中的候选位置,并将该第二个局部地图中移动机器人的第一航向角度确定该候选位置所对应的航向角,从而得到移动机器人在全局地图中的第二个候选位姿,其他第三、第四、第五、……等候选位姿也可依此获取。
进一步地,所述按照第二预设角度间隔和所述第一梯度方向建立所述局部地图中所述相对位置对应的角度直方图,可以包括:
步骤a、按照预设处理方式对各所述第一梯度方向进行预处理,得到各所述第一梯度方向对应的第二角度;
步骤b、按照第二预设角度间隔和所述第二角度建立所述局部地图中所述相对位置对应的角度直方图。
同样地,在确定各第二梯度方向在角度直方图中所对应的角度区间时,也可首先对各第二梯度方向进行预处理,如可对各第二梯度方向进行加180°的预处理,使得各第二梯度方向落入[0°,360°]中,提高角度区间确定的准确性,从而提高移动机器人候选位姿确定的准确性。
步骤S106、根据所述候选位姿和所述相对位置确定各所述第一环境轮廓点在所述全局地图中的第二位置,并根据所述第二位置获取各所述第一环境轮廓点对应的第二梯度;
本发明实施例中,在确定出各局部地图中的移动机器人在全局地图中的候选位姿后,可根据各局部地图中移动机器人的第一位置与各第一环境轮廓点之间的相对位置,确定出各局部地图中的各第一环境轮廓点在全局地图中所对应的第二位置,即对于每一个局部地图而言,可将该局部地图中移动机器人在全局地图中所对应的候选位姿中的位置作为第一位置,并将第一位置与各相对位置的位置差确定为该局部地图中对应的第一环境轮廓点在全局地图中所对应的第二位置,从而可根据各第二位置获取各第一环境轮廓点在全局地图中对应的第二梯度。
例如,当确定出第一个局部地图中的移动机器人在全局地图中的候选位姿为S(xS,yS,θS),则可将(xS,yS)作为该第一个局部地图中移动机器人的第一位置,并可根据该第一位置以及该第一个局部地图中移动机器人的第一位置与各第一环境轮廓点的相对位置,确定出该局部地图中的各第一环境轮廓点在全局地图中所对应的第二位置,从而根据各第二位置获取该第一个局部地图中的各第一环境轮廓点在全局地图中所对应的第二梯度。依次类推,可据此确定出第二个局部地图、第三个局部地图、第四个局部地图、……、第m个局部地图中的各第一环境轮廓点在全局地图中所对应的第二梯度。
步骤S107、根据所述第一梯度和所述第二梯度计算各所述候选位姿对应的局部地图与所述全局地图之间的相似度,并根据所述相似度确定所述移动机器人在所述全局地图中的目标位姿。
可以理解的是,确定出每一个局部地图中的移动机器人在全局地图中的候选位姿,以及确定出各局部地图中的各第一环境轮廓点所对应的第一梯度和各局部地图中的各第一环境轮廓点在全局地图中所对应的第二梯度后,则可根据cosine相似度计算方法计算各局部地图与全局地图之间的相似度,并可根据相似度确定出移动机器人在全局地图中的目标位姿,如可将相似度最大的局部地图中移动机器人在全局地图中的候选位姿确定为移动机器人在全局地图中的目标位姿。
具体地,本发明实施例中,所述根据所述第一梯度和所述第二梯度计算各所述候选位姿对应的局部地图与所述全局地图之间的相似度,可以包括:
根据下述公式计算所述相似度:
其中,Scorei为第i个候选位姿对应的局部地图与全局地图之间的相似度,N为第一环境轮廓点的总个数,dxij 1为第i个候选位姿对应的局部地图中的第j个第一环境轮廓点在第一方向的第一梯度,dyij 1为第i个候选位姿对应的局部地图中的第j个第一环境轮廓点在第二方向的第一梯度,dxij g为第i个候选位姿对应的局部地图中的第j个第一环境轮廓点在第一方向的第二梯度,dyij g为第i个候选位姿对应的局部地图中的第j个第一环境轮廓点在第二方向的第二梯度。
可以理解的是,此处所述的第一方向为前述所述的横向或者X方向,此处所述的第二方向为前述所述的纵向或者Y方向。
本发明实施例中,首先,获取移动机器人在各局部地图中的第一位置和各局部地图中的第一环境轮廓点对应的第一梯度,并确定各第一环境轮廓点与对应的第一位置之间的相对位置;其次,采用广义霍夫变换来确定移动机器人在全局地图中的候选位姿,以根据候选位姿与相对位置确定出各局部地图的第一环境轮廓点在全局地图中的第二位置,并根据第二位置确定各局部地图的第一环境轮廓点在全局地图中所对应的第二梯度;最后,根据各第一环境轮廓点在各局部地图中的第一梯度和在全局地图中的第二梯度来计算各局部地图与全局地图之间的相似度,从而可根据相似度确定移动机器人在全局地图中的目标位姿,即通过将局部地图中的环境轮廓点作为识别特征,并通过广义霍夫变换来确定移动机器人在全局地图中的候选位姿集,最后通过相似度计算方法确定各局部地图与全局地图的相似度以得到移动机器人在全局地图中的目标位姿,解决了现有移动机器人中位姿定位准确性差的问题,提高了移动机器人中目标位姿定位的准确性。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
上面主要描述了一种移动机器人的位姿确定方法,下面将对一种移动机器人的位姿确定装置进行详细描述。
如图6所示,本发明实施例提供了一种移动机器人的位姿确定装置,所述位姿确定装置包括:
局部地图构建模块601,用于获取移动机器人当前环境的环境数据,并根据所述环境数据构建所述当前环境对应的局部地图;
第一位置获取模块602,用于按照第一预设角度间隔旋转所述局部地图,并获取所述移动机器人在各所述局部地图中的第一位置;
相对位置获取模块603,用于确定各所述局部地图的第一环境轮廓点和各所述第一环境轮廓点对应的第一梯度,并获取各所述第一环境轮廓点与对应的第一位置的相对位置;
第二梯度确定模块604,用于确定所述移动机器人中预先构建的全局地图的第二环境轮廓点和各所述第二环境轮廓点对应的第二梯度;
候选位姿获取模块605,用于采用广义霍夫变换获取所述移动机器人在所述全局地图中的候选位姿;
第二位置确定模块606,用于根据所述候选位姿和所述相对位置确定各所述第一环境轮廓点在所述全局地图中的第二位置,并根据所述第二位置获取各所述第一环境轮廓点对应的第二梯度;
目标位姿确定模块607,用于根据所述第一梯度和所述第二梯度计算各所述候选位姿对应的局部地图与所述全局地图之间的相似度,并根据所述相似度确定所述移动机器人在所述全局地图中的目标位姿。
进一步地,所述相对位置获取模块603,用于采用索贝尔算子检测所述局部地图的第一环境轮廓点,并计算各所述第一环境轮廓点对应的第一梯度。
优选地,所述候选位姿获取模块605,包括:
梯度方向确定单元,用于确定各所述第一环境轮廓点对应的第一梯度方向和各所述第二环境轮廓点对应的第二梯度方向;
角度直方图建立单元,用于按照第二预设角度间隔和所述第一梯度方向建立所述局部地图中所述相对位置对应的角度直方图;
第三位置预测单元,用于根据所述第二梯度方向和所述角度直方图预测所述移动机器人在所述全局地图的第三位置,并统计各所述第三位置的出现次数;
候选位姿候选单元,用于根据各所述出现次数确定所述移动机器人在所述全局地图中的候选位姿。
可选地,所述第三位置预测单元,包括:
角度区间确定子单元,用于根据所述第二梯度方向确定各所述第二环境轮廓点在所述角度直方图中的角度区间;
目标相对位置获取子单元,用于获取所述角度区间中的各目标相对位置;
第三位置预测单元,用于根据所述第二环境轮廓点和所述目标相对位置预测所述移动机器人在所述全局地图中的第三位置;
进一步地,所述角度直方图建立单元,包括:
第二角度获取子单元,用于按照预设处理方式对各所述第一梯度方向进行预处理,得到各所述第一梯度方向对应的第二角度;
角度直方图建立子单元,用于按照第二预设角度间隔和所述第二角度建立所述局部地图中所述相对位置对应的角度直方图。
优选地,所述目标位姿确定模块407,用于根据下述公式计算所述相似度:
其中,Scorei为第i个候选位姿对应的局部地图与全局地图之间的相似度,N为第一环境轮廓点的总个数,dxij l为第i个候选位姿对应的局部地图中的第j个第一环境轮廓点在第一方向的第一梯度,dyij l为第i个候选位姿对应的局部地图中的第j个第一环境轮廓点在第二方向的第一梯度,dxij g为第i个候选位姿对应的局部地图中的第j个第一环境轮廓点在第一方向的第二梯度,dyij g为第i个候选位姿对应的局部地图中的第j个第一环境轮廓点在第二方向的第二梯度。
图7是本发明一实施例提供的移动机器人的示意图。如图7所示,该实施例的移动机器人7包括:处理器70、存储器71以及存储在所述存储器71中并可在所述处理器70上运行的计算机程序72,例如移动机器人的位姿确定程序。所述处理器70执行所述计算机程序72时实现上述各个移动机器人的位姿确定方法实施例中的步骤,例如图1所示的步骤S101至步骤S107。或者,所述处理器70执行所述计算机程序72时实现上述各装置实施例中各模块/单元的功能,例如图6所示的模块601至模块607的功能。
示例性的,所述计算机程序72可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器71中,并由所述处理器70执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序72在所述移动机器人7中的执行过程。例如,所述计算机程序72可以被分割成局部地图构建模块、第一位置获取模块、相对位置获取模块、第二梯度确定模块、候选位姿获取模块、第二位置确定模块、目标位姿确定模块,各模块具体功能如下:
局部地图构建模块,用于获取移动机器人当前环境的环境数据,并根据所述环境数据构建所述当前环境对应的局部地图;
第一位置获取模块,用于按照第一预设角度间隔旋转所述局部地图,并获取所述移动机器人在各所述局部地图中的第一位置;
相对位置获取模块,用于确定各所述局部地图的第一环境轮廓点和各所述第一环境轮廓点对应的第一梯度,并获取各所述第一环境轮廓点与对应的第一位置的相对位置;
第二梯度确定模块,用于确定所述移动机器人中预先构建的全局地图的第二环境轮廓点和各所述第二环境轮廓点对应的第二梯度;
候选位姿获取模块,用于采用广义霍夫变换获取所述移动机器人在所述全局地图中的候选位姿;
第二位置确定模块,用于根据所述候选位姿和所述相对位置确定各所述第一环境轮廓点在所述全局地图中的第二位置,并根据所述第二位置获取各所述第一环境轮廓点对应的第二梯度;
目标位姿确定模块,用于根据所述第一梯度和所述第二梯度计算各所述候选位姿对应的局部地图与所述全局地图之间的相似度,并根据所述相似度确定所述移动机器人在所述全局地图中的目标位姿。
所述移动机器人可包括,但不仅限于,处理器70、存储器71。本领域技术人员可以理解,图7仅仅是移动机器人7的示例,并不构成对移动机器人7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,例如所述移动机器人还可以包括输入输出设备、网络接入设备、总线等。
所述处理器70可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器71可以是所述移动机器人7的内部存储单元,例如移动机器人7的硬盘或内存。所述存储器71也可以是所述移动机器人7的外部存储设备,例如所述移动机器人7上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器71还可以既包括所述移动机器人7的内部存储单元也包括外部存储设备。所述存储器71用于存储所述计算机程序以及所述移动机器人所需的其他程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各实施例的模块、单元和/或方法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种移动机器人的位姿确定方法,其特征在于,包括:
获取移动机器人当前环境的环境数据,并根据所述环境数据构建所述当前环境对应的局部地图;
按照第一预设角度间隔旋转所述局部地图,并获取所述移动机器人在各所述局部地图中的第一位置;
确定各所述局部地图的第一环境轮廓点和各所述第一环境轮廓点对应的第一梯度,并获取各所述第一环境轮廓点与对应的第一位置的相对位置;
确定所述移动机器人中预先构建的全局地图的第二环境轮廓点和各所述第二环境轮廓点对应的第二梯度;
采用广义霍夫变换获取所述移动机器人在所述全局地图中的候选位姿;
根据所述候选位姿和所述相对位置确定各所述第一环境轮廓点在所述全局地图中的第二位置,并根据所述第二位置获取各所述第一环境轮廓点对应的第二梯度;
根据所述第一梯度和所述第一环境轮廓点对应的第二梯度计算各所述候选位姿对应的局部地图与所述全局地图之间的相似度,并根据所述相似度确定所述移动机器人在所述全局地图中的目标位姿。
2.根据权利要求1所述的位姿确定方法,其特征在于,所述确定所述局部地图的第一环境轮廓点和各所述第一环境轮廓点对应的第一梯度,包括:
采用索贝尔算子检测所述局部地图的第一环境轮廓点,并计算各所述第一环境轮廓点对应的第一梯度。
3.根据权利要求1所述的位姿确定方法,其特征在于,所述采用广义霍夫变换确定所述移动机器人在所述全局地图中的候选位姿,包括:
确定各所述第一环境轮廓点对应的第一梯度方向和各所述第二环境轮廓点对应的第二梯度方向;
按照第二预设角度间隔和所述第一梯度方向建立所述局部地图中所述相对位置对应的角度直方图;
根据所述第二梯度方向和所述角度直方图预测所述移动机器人在所述全局地图中的第三位置,并统计各所述第三位置的出现次数;
根据各所述出现次数确定所述移动机器人在所述全局地图中的候选位姿。
4.根据权利要求3所述的位姿确定方法,其特征在于,所述根据所述第二梯度方向和所述角度直方图预测所述移动机器人在所述全局地图中的第三位置,包括:
根据所述第二梯度方向确定各所述第二环境轮廓点在所述角度直方图中的角度区间;
获取所述角度区间中的各目标相对位置;
根据所述第二环境轮廓点和各所述目标相对位置预测所述移动机器人在所述全局地图中的第三位置。
5.根据权利要求3所述的位姿确定方法,其特征在于,所述按照第二预设角度间隔和所述第一梯度方向建立所述局部地图中所述相对位置对应的角度直方图,包括:
按照预设处理方式对各所述第一梯度方向进行预处理,得到各所述第一梯度方向对应的第二角度;
按照第二预设角度间隔和所述第二角度建立所述局部地图中所述相对位置对应的角度直方图。
6.根据权利要求1至5中任一项所述的位姿确定方法,其特征在于,所述根据所述第一梯度和所述第一环境轮廓点对应的第二梯度计算各所述候选位姿对应的局部地图与所述全局地图之间的相似度,包括:
根据下述公式计算所述相似度:
其中,Scorei为第i个候选位姿对应的局部地图与全局地图之间的相似度,N为第一环境轮廓点的总个数,dxij l为第i个候选位姿对应的局部地图中的第j个第一环境轮廓点在第一方向的第一梯度,dyij l为第i个候选位姿对应的局部地图中的第j个第一环境轮廓点在第二方向的第一梯度,dxij g为第i个候选位姿对应的局部地图中的第j个第一环境轮廓点在第一方向的第二梯度,dyij g为第i个候选位姿对应的局部地图中的第j个第一环境轮廓点在第二方向的第二梯度。
7.一种移动机器人的位姿确定装置,其特征在于,包括:
局部地图构建模块,用于获取移动机器人当前环境的环境数据,并根据所述环境数据构建所述当前环境对应的局部地图;
第一位置获取模块,用于按照第一预设角度间隔旋转所述局部地图,并获取所述移动机器人在各所述局部地图中的第一位置;
相对位置获取模块,用于确定各所述局部地图的第一环境轮廓点和各所述第一环境轮廓点对应的第一梯度,并获取各所述第一环境轮廓点与对应的第一位置的相对位置;
第二梯度确定模块,用于确定所述移动机器人中预先构建的全局地图的第二环境轮廓点和各所述第二环境轮廓点对应的第二梯度;
候选位姿获取模块,用于采用广义霍夫变换获取所述移动机器人在所述全局地图中的候选位姿;
第二位置确定模块,用于根据所述候选位姿和所述相对位置确定各所述第一环境轮廓点在所述全局地图中的第二位置,并根据所述第二位置获取各所述第一环境轮廓点对应的第二梯度;
目标位姿确定模块,用于根据所述第一梯度和所述第一环境轮廓点对应的第二梯度计算各所述候选位姿对应的局部地图与所述全局地图之间的相似度,并根据所述相似度确定所述移动机器人在所述全局地图中的目标位姿。
8.根据权利要求7所述的位姿确定装置,其特征在于,所述相对位置获取模块,包括:
第一梯度计算单元,用于采用索贝尔算子检测所述局部地图的第一环境轮廓点,并计算各所述第一环境轮廓点对应的第一梯度。
9.一种移动机器人,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中任一项所述移动机器人的位姿确定方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述移动机器人的位姿确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910614041.2A CN112212851B (zh) | 2019-07-09 | 2019-07-09 | 一种位姿确定方法、装置、存储介质及移动机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910614041.2A CN112212851B (zh) | 2019-07-09 | 2019-07-09 | 一种位姿确定方法、装置、存储介质及移动机器人 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112212851A CN112212851A (zh) | 2021-01-12 |
CN112212851B true CN112212851B (zh) | 2022-08-05 |
Family
ID=74048250
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910614041.2A Active CN112212851B (zh) | 2019-07-09 | 2019-07-09 | 一种位姿确定方法、装置、存储介质及移动机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112212851B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113176783B (zh) * | 2021-05-26 | 2024-05-07 | 珠海一微半导体股份有限公司 | 基于地图匹配的定位控制方法、芯片及机器人 |
CN114001728A (zh) * | 2021-11-02 | 2022-02-01 | 诺力智能装备股份有限公司 | 移动机器人的控制方法、装置、存储介质及电子设备 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102007019057A1 (de) * | 2007-04-23 | 2008-10-30 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Vorrichtung und Verfahren zum Bestimmen eines Kanten-Histogramms, Vorrichtung und Verfahren zum Ablegen eines Bildes in einer Bilddatenbank, Vorrichtung und Verfahren zum Auffinden von zwei ähnlichen Bildern und Computerprogramm |
JP2011259342A (ja) * | 2010-06-11 | 2011-12-22 | Panasonic Corp | 画像処理装置および画像処理方法 |
KR20130068249A (ko) * | 2011-12-15 | 2013-06-26 | 한국전자통신연구원 | 이동체의 위치 추정 장치 및 방법 |
CN103247040B (zh) * | 2013-05-13 | 2015-11-25 | 北京工业大学 | 基于分层拓扑结构的多机器人系统地图拼接方法 |
JP6652400B2 (ja) * | 2016-02-15 | 2020-02-19 | 東芝エレクトロニックシステムズ株式会社 | 位置出力装置、及び位置出力方法 |
CN105928505B (zh) * | 2016-04-19 | 2019-01-29 | 深圳市神州云海智能科技有限公司 | 移动机器人的位姿确定方法和设备 |
CN105953798B (zh) * | 2016-04-19 | 2018-09-18 | 深圳市神州云海智能科技有限公司 | 移动机器人的位姿确定方法和设备 |
CN108981701B (zh) * | 2018-06-14 | 2022-05-10 | 广东易凌科技股份有限公司 | 一种基于激光slam的室内定位和导航方法 |
-
2019
- 2019-07-09 CN CN201910614041.2A patent/CN112212851B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112212851A (zh) | 2021-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110307838B (zh) | 机器人重定位方法、装置、计算机可读存储介质及机器人 | |
US10867189B2 (en) | Systems and methods for lane-marker detection | |
CN110850872A (zh) | 机器人巡检方法、装置、计算机可读存储介质及机器人 | |
CN112595323A (zh) | 机器人及其建图方法和装置 | |
CN110561423A (zh) | 位姿变换的方法、机器人及存储介质 | |
CN110412530B (zh) | 一种识别充电桩的方法、装置及机器人 | |
CN112215887B (zh) | 一种位姿确定方法、装置、存储介质及移动机器人 | |
CN109828250B (zh) | 一种雷达标定方法、标定装置及终端设备 | |
CN112212851B (zh) | 一种位姿确定方法、装置、存储介质及移动机器人 | |
CN111433780A (zh) | 车道线检测方法、设备、计算机可读存储介质 | |
CN110084743B (zh) | 基于多航带起始航迹约束的图像拼接与定位方法 | |
CN107610097A (zh) | 仪表定位方法、装置和终端设备 | |
CN110704652A (zh) | 基于多重注意力机制的车辆图像细粒度检索方法及装置 | |
Bermudez-Cameo et al. | Automatic line extraction in uncalibrated omnidirectional cameras with revolution symmetry | |
CN111145634B (zh) | 一种校正地图的方法及装置 | |
AU2021297896A1 (en) | Systems and methods for fine adjustment of roof models | |
CN114730472A (zh) | 车载相机的外部参数的标定方法及相关装置 | |
CN116449392A (zh) | 一种地图构建方法、装置、计算机设备及存储介质 | |
CN110673607A (zh) | 动态场景下的特征点提取方法、装置、及终端设备 | |
CN112198878B (zh) | 一种即时地图构建方法、装置、机器人及存储介质 | |
CN111157012B (zh) | 一种机器人导航方法、装置、可读存储介质及机器人 | |
CN112689234A (zh) | 室内车辆定位方法、装置、计算机设备和存储介质 | |
CN117387593A (zh) | 重定位方法、装置、电子设备和计算机可读存储介质 | |
CN115375774A (zh) | 确定相机外参的方法、装置、设备及存储介质 | |
CN108917768B (zh) | 无人机定位导航方法和系统 |
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 |