CN112263188B - 一种移动机器人行进方向的矫正方法及其设备 - Google Patents

一种移动机器人行进方向的矫正方法及其设备 Download PDF

Info

Publication number
CN112263188B
CN112263188B CN202011144586.0A CN202011144586A CN112263188B CN 112263188 B CN112263188 B CN 112263188B CN 202011144586 A CN202011144586 A CN 202011144586A CN 112263188 B CN112263188 B CN 112263188B
Authority
CN
China
Prior art keywords
straight line
angle
image
current
mobile robot
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
Application number
CN202011144586.0A
Other languages
English (en)
Other versions
CN112263188A (zh
Inventor
刘孟红
刘艳娇
潘岑蕙
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.)
Hunan Grand Pro Robot Technology Co ltd
Original Assignee
Hunan Grand Pro Robot Technology 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 Hunan Grand Pro Robot Technology Co ltd filed Critical Hunan Grand Pro Robot Technology Co ltd
Priority to CN202011144586.0A priority Critical patent/CN112263188B/zh
Publication of CN112263188A publication Critical patent/CN112263188A/zh
Application granted granted Critical
Publication of CN112263188B publication Critical patent/CN112263188B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
    • A47L11/24—Floor-sweeping machines, motor-driven
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
    • A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
    • A47L11/4011—Regulation of the cleaning machine by electric means; Control systems and remote control systems therefor
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
    • A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
    • A47L11/4061—Steering means; Means for avoiding obstacles; Details related to the place where the driver is accommodated
    • 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
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Remote Sensing (AREA)
  • Computer Graphics (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Manipulator (AREA)

Abstract

本发明公开了一种移动机器人行进方向的矫正方法及其设备，包括：获取环境图像；对环境图像进行直线检测，获取候选直线特征信息并分类合并；获取移动机器人当前旋转角度，预测当前时刻原始行进方向在图像的位置范围；对经过合并后的候选直线进行筛选，在预测的图像位置范围内，选择一条目标直线；根据所选择的目标直线位置信息，计算目标直线与视觉图像中心线的角度关系，并基于所述角度关系和机器人当前朝向位置，计算得到当前机器人行驶过程中行进方向矫正的旋转角度。本发明还公开了应用其方法的移动机器人设备。通过本发明减少了移动机器人因陀螺仪角度积分累计误差导致行进方向的偏移，增强了移动机器人对周围环境的感知能力。

Description

一种移动机器人行进方向的矫正方法及其设备
技术领域
本发明属于移动机器人领域，尤其涉及一种移动机器人行进方向的矫正方法及其设备。
背景技术
随着技术的不断发展，具有自主导航功能的移动机器人越来越被大众接受，被广泛应用在各个领域和场景。人们对移动机器人的自主导航精度的需求越来越高。自主导航系统需要移动机器人能够在行驶过程中始终保持正确的行进方向，并且具有矫正偏移行进方向的能力，以保证良好的路径规划，提升行进效率，增加其建立二维或三维地图的准确度和覆盖率。因此，移动机器人需要在行驶过程中不断计算自身行进方向与原始行进方向的偏移，以及时在行驶过程中矫正行进方向。
传统的移动机器人在行进过程中矫正行进方向主要依靠自身携带的高精度陀螺仪传感器来完成。通过在行驶过程中，不断检查陀螺仪传感器获取的角度信息来矫正移动机器人的行进方向，保证移动机器人能够始终保持沿正确的方向前进。
然而该方法存在的问题包括：高精度陀螺仪传感器只能直接测量在单个采样时间内角度的变化量，因此需要通过积分算法计算移动机器人实际的行进方向角度。虽然高精度陀螺仪传感器在单个采样时间内的误差漂移十分微小，但长时间的积分算法会使误差不断累积，算法得到的行进角度与移动机器人实际行进方向有明显的漂移，导致后续路径规划和建图都出现一定程度的错漏。不仅如此，只依赖陀螺仪传感器会导致移动机器人缺少对周围环境的感知，降低机器人对周围环境变化的适应能力。
发明内容
本发明的目的在于提供一种移动机器人初始行进方向选择方法及其设备，用于解决现在技术存在的因机器人初始方向的随机选择，导致的扫地机器人建立的地图出现错漏，发生漏扫或重复清扫等影响扫地机器人的整体清扫效果的问题。
为达到上述目的，一种移动机器人行进方向的矫正方法，包括：
基于视觉传感器获取环境图像；
对所述环境图像进行直线检测，获取候选直线并计算直线特征信息，基于直线特征信息，对所有候选直线进行分类合并；
基于陀螺仪传感器获取移动机器人当前旋转角度，并根据原始行进方向角度，预测当前时刻原始行进方向在图像的位置范围；
对所述经过分类合并后的候选直线进行筛选，在预测的图像位置范围内，选择一条符合场景条件的目标直线；
根据所选择的目标直线位置信息，计算目标直线与视觉图像中心线的角度关系，并基于所述角度关系和机器人当前朝向位置，计算得到当前机器人行驶过程中行进方向矫正的旋转角度。
进一步地，对所述环境图像进行直线检测的方法，包括直线段检测分割算法或者霍夫直线检测算法。
进一步地，所述直线特征信息包括直线的起点和终点位置、角度以及直线在图像坐标系下的直线方程。
进一步地，所述的对所有候选直线进行分类合并的方法，包括：按照不同角度区间对直线进行分类，比较直线的角度，以及直线在图像坐标系下的直线方程和位置，对候选直线进行分类合并。
进一步地，预测原始行进方向在当前时刻图像上的位置范围，其方法主要依据陀螺仪传感器与视觉传感器的相对位置关系，以及视觉传感器的成像原理，推导出视觉图像随陀螺仪传感器旋转的位置关系，然后根据当前时刻陀螺仪的旋转角度计算原始行进方向在当前图像上的位置范围。
进一步地，所述计算原始行进方向在当前图像上的位置范围，其具体实现方法为：在初始时刻的视觉图像中，原始行进方向与视觉图像的中心线为β角，当移动机器人旋转θ角时，陀螺仪旋转θ角，视觉传感器的图像是实际机器人的顶视场景的左右镜像图像，则获取的视觉图像中心线会旋转-θ角，原始行进方向与当前时刻的视觉图像中心线夹角为α＝β+θ，α就是预测原始行进方向在当前图像上的角度位置，然后前后拓展10度作为预测的角度位置范围。
进一步地，选择符合场景条件的目标直线，其方法至少包括：根据直线的长度、直线在视觉图像中的位置、以及直线间的相互关系，选取一条符合要求的目标直线。
进一步地，选取一条符合要求的目标直线,其具体方法至少包括：把所有候选直线按照直线长度从大到小依次遍历，遍历每条直线的时候，需要先检查当前直线是否在预测的角度位置范围内；再检查直线长度，如果直线足够长，比如超过视觉图像宽度的90％时，则认为找到目标直线；其次根据三维场景中组成墙角的2个墙面的直角关系，检查当前直线是否与其他直线有直角垂直关系，如果存在直角垂直关系，也认为找到目标直线。最后如果没有找到满足上述场景条件的直线，就再次遍历满足预测角度范围的直线，统计与当前直线角度相似的所有直线的总长度，找到长度总和最大且超过指定阈值的一组直线，再以这组直线的平均角度作为目标直线的角度信息。
一种移动机器人设备，包括：
图像获取模块，用于从视觉传感器获取环境图像；
图像的直线检测与合并模块，用于对所述环境图像进行直线检测，获取候选直线并计算直线特征信息，并基于所述直线特征信息，对所有候选直线进行分类合并；
角度范围预测模块，用于从陀螺仪传感器获取移动机器人当前旋转角度，并根据原始行进方向角度，预测当前时刻原始行进方向在图像的位置范围；
目标直线选取模块，用于对经过合并后的候选直线进行筛选，在预测的图像位置范围内，选择一条符合场景条件的目标直线；
角度转换模块，用于根据所选择的目标直线位置信息，计算目标直线与视觉图像中心线的角度关系。并基于所述角度关系和机器人当前朝向位置，计算得到当前机器人行驶过程中行进方向矫正的旋转角度。
本发明实施例提供的移动机器人行进方向的矫正方法及其设备的有益效果是：在移动机器人行驶过程中增加视觉图像信息对行进方向的监督和矫正，减少因陀螺仪角度积分累计误差导致行进方向的偏移，增强移动机器人对周围环境的感知能力。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示例性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1示出了本发明一种移动机器人行进方向的矫正方法流程图；
图2示出了本发明一种移动机器人设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白，举出优选实施例，对本发明进一步详细说明。然而，需要说明的是，说明书中列出的许多细节仅仅是为了使读者对本发明的一个或多个方面有一个透彻的理解，即便没有这些特定的细节也可以实现本发明的这些方面。
结合附图1所示的移动机器人行进方向的矫正方法，包括，
步骤1、基于视觉传感器获取环境图像，根据已知的相机内参和畸变参数对图像进行解畸变，得到解畸变之后的真实环境图像。
步骤2、对环境图像进行直线检测，获取候选直线并计算直线特征信息，并基于所述直线特征信息，对所有候选直线进行分类合并。
对环境图像进行直线检测，可以采用Line Segment Detector直线段检测或者Hough霍夫直线检测等算法。这些方法都是直接作用于灰度图上，根据直线轮廓在灰度图上像素的分布特征检测直线。
计算直线特征信息，包括但不限于：直线的起点和终点位置、角度theta以及直线在图像坐标系下的直线方程y＝k·x+b。
直线进行合并的方法，包括：按照不同角度区间对直线进行分类，比较直线的角度，以及直线在图像坐标系下的直线方程和位置，对候选直线进行分类合并。具体示例：将直线与图像中心线夹角范围限制在-90度到90度，按照2度的间隔划分成90个区间，然后把每条直线根据角度theta分类到不同的角度区间；比较每个区间内直线方程截距b，将截距间隔小于3的直线分到一类进行合并，合并方法为计算同一类直线的平均斜率和平均截距作为合并后的直线方程，然后取原始直线中距离最远的端点坐标值，根据合并后的直线方程计算得到合并后的新的直线端点。
步骤3、基于陀螺仪传感器获取移动机器人当前旋转角度，并根据原始行进方向角度，预测当前时刻原始行进方向在图像的位置范围；
预测原始行进方向在当前时刻图像上的位置范围，其方法主要依据陀螺仪传感器与视觉传感器的相对位置关系，以及视觉传感器的成像原理，推导出视觉图像随陀螺仪传感器旋转的位置关系，然后根据当前时刻陀螺仪的旋转角度计算原始行进方向在当前图像上的位置范围。
具体实现方法包括：当移动机器人旋转θ角时，陀螺仪的同样会旋转θ角。但因为视觉传感器的图像是实际机器人的顶视场景的左右镜像图像，所以获取的视觉图像中心线会旋转-θ角。假设在初始时刻的视觉图像中，原始行进方向与视觉图像的中心线为β角，当移动机器人旋转θ角时，陀螺仪旋转θ角，视觉图像中心线旋转-θ角，原始行进方向与当前时刻的视觉图像中心线夹角为α＝β+θ。α就是预测原始行进防线在当前图像上的角度位置，然后前后拓展10度作为预测的角度位置范围。
步骤4、对经过合并后的候选直线进行筛选，在预测的图像位置范围内，选择一条符合场景条件的目标直线；
选择符合场景条件的目标直线，其方法至少包括：根据直线的长度、直线在视觉图像中的位置、以及直线间的相互关系，选取一条符合要求的目标直线；
具体示例：把所有候选直线按照直线长度从大到小依次遍历。遍历每条直线的时候，需要先检查当前直线是否在预测的角度位置范围内；再检查直线长度，如果直线足够长，比如超过视觉图像宽度的90％时，则认为找到目标直线；其次根据三维场景中组成墙角的2个墙面的直角关系，检查当前直线是否与其他直线有直角垂直关系，如果存在直角垂直关系，也认为找到目标直线。最后如果没有找到满足上述场景条件的直线，就再次遍历满足预测角度范围的直线，统计与当前直线角度相似的所有直线的总长度，找到长度总和最大且超过指定阈值的一组直线，再以这组直线的平均角度作为目标直线的角度信息。
算法中涉及的所有阈值，与相机视角、环境相关，在实现时可根据具体情况进行调整。
步骤5、根据目标直线位置信息，计算目标直线与视觉图像中心线的角度关系。并基于所述角度关系和机器人当前朝向位置，计算得到当前机器人行驶过程中行进方向矫正的旋转角度。
为了和陀螺仪的角度旋转关系一致，目标直线与视觉图像中心线的角度关系同样也是逆时针为正，顺行时针为负，记为θ。然后基于之前所述的视觉图像与移动机器人的相对位置关系，可以得到当前移动机器人在驶过程中保持原始行进方向，也就是与目标直线平行方向，需要矫正的旋转角度为-θ。
在移动机器人行驶过程中增加视觉图像信息对行进方向的监督和矫正，减少因陀螺仪角度积分累计误差导致行进方向的偏移，增强移动机器人对周围环境的感知能力。
结合图2所示的移动机器人设备，基于视觉传感器和陀螺仪传感器，包括：
图像获取模块，用于从视觉传感器获取环境图像；
图像的直线检测与合并模块，用于对所述环境图像进行直线检测，获取候选直线并计算直线特征信息，并基于所述直线特征信息，对所有候选直线进行合并；
角度范围预测模块，用于从陀螺仪传感器获取移动机器人当前旋转角度，并根据原始行进方向角度，预测当前时刻原始行进方向在图像的位置范围；
目标直线选取模块，用于对经过合并后的候选直线进行筛选，在预测的图像位置范围内，选择一条符合场景条件的目标直线；
角度转换模块，用于根据所选择的目标直线位置信息，计算目标直线与视觉图像中心线的角度关系。并基于所述角度关系和机器人当前朝向位置，计算得到当前机器人行驶过程中行进方向矫正的旋转角度。
每个模块的具体方法实现，详见上述。
需要说明的是，本实施例中的各模块(或单元)是逻辑意义上的，具体实现时，多个模块(或单元)可以合并成一个模块(或单元)，一个模块(或单元)也可以拆分成多个模块(或单元)。以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (6)

1.一种移动机器人行进方向的矫正方法，其特征在于，包括：
基于视觉传感器获取环境图像；
对所述环境图像进行直线检测，获取候选直线并计算直线特征信息，基于直线特征信息，对所有候选直线进行分类合并；
基于陀螺仪传感器获取移动机器人当前旋转角度，并根据原始行进方向角度，预测当前时刻原始行进方向在图像的位置范围；
对所述经过分类合并后的候选直线进行筛选，在预测的图像位置范围内，选择一条符合场景条件的目标直线；
根据所选择的目标直线位置信息，计算目标直线与视觉图像中心线的角度关系，并基于所述角度关系和机器人当前朝向位置，计算得到当前机器人行驶过程中行进方向矫正的旋转角度；
所述选择符合场景条件的目标直线，其方法至少包括：根据直线的长度、直线在视觉图像中的位置、以及直线间的相互关系，选取一条符合要求的目标直线；
所述选取一条符合要求的目标直线,其具体方法至少包括：把所有候选直线按照直线长度从大到小依次遍历，遍历每条直线的时候，需要先检查当前直线是否在预测的角度位置范围内；再检查直线长度，如果直线长度超过视觉图像宽度的90%时，则认为找到目标直线；其次根据三维场景中组成墙角的2个墙面的直角关系，检查当前直线是否与其他直线有直角垂直关系，如果存在直角垂直关系，也认为找到目标直线；根据目标直线位置信息，计算目标直线与视觉图像中心线的角度关系，找到长度总和最大且超过指定阈值的一组直线，再以这组直线的平均角度作为目标直线的角度信息。
2.根据权利要求1所述的移动机器人行进方向的矫正方法，其特征在于，对所述环境图像进行直线检测的方法，包括直线段检测分割算法或者霍夫直线检测算法。
3.根据权利要求1所述的移动机器人行进方向的矫正方法，其特征在于，所述直线特征信息包括直线的起点和终点位置、角度以及直线在图像坐标系下的直线方程。
4.根据权利要求1所述的移动机器人行进方向的矫正方法，其特征在于，所述的对所有候选直线进行分类合并的方法，包括：按照不同角度区间对直线进行分类，比较直线的角度，以及直线在图像坐标系下的直线方程和位置，对候选直线进行分类合并。
5.根据权利要求1所述的移动机器人行进方向的矫正方法，其特征在于，预测原始行进方向在当前时刻图像上的位置范围，其方法主要依据陀螺仪传感器与视觉传感器的相对位置关系，以及视觉传感器的成像原理，推导出视觉图像随陀螺仪传感器旋转的位置关系，然后根据当前时刻陀螺仪的旋转角度计算原始行进方向在当前图像上的位置范围。
6.根据权利要求5所述的移动机器人行进方向的矫正方法，其特征在于，所述计算原始行进方向在当前图像上的位置范围，其具体实现方法为：在初始时刻的视觉图像中，原始行进方向与视觉图像的中心线为β角，当移动机器人旋转θ角时，陀螺仪旋转θ角，视觉传感器的图像是实际机器人的顶视场景的左右镜像图像，则获取的视觉图像中心线会旋转-θ角，原始行进方向与当前时刻的视觉图像中心线夹角为α=β+θ，α就是预测原始行进方向在当前图像上的角度位置，然后前后拓展10度作为预测的角度位置范围。
CN202011144586.0A 2020-10-22 2020-10-22 一种移动机器人行进方向的矫正方法及其设备 Active CN112263188B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011144586.0A CN112263188B (zh) 2020-10-22 2020-10-22 一种移动机器人行进方向的矫正方法及其设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011144586.0A CN112263188B (zh) 2020-10-22 2020-10-22 一种移动机器人行进方向的矫正方法及其设备

Publications (2)

Publication Number Publication Date
CN112263188A CN112263188A (zh) 2021-01-26
CN112263188B true CN112263188B (zh) 2022-04-05

Family

ID=74341498

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011144586.0A Active CN112263188B (zh) 2020-10-22 2020-10-22 一种移动机器人行进方向的矫正方法及其设备

Country Status (1)

Country Link
CN (1) CN112263188B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113932808B (zh) * 2021-11-02 2024-04-02 湖南格兰博智能科技有限责任公司 一种适用于视觉导航扫地机器人视觉和陀螺仪融合校正的算法
CN114569004B (zh) * 2022-02-22 2023-12-01 杭州萤石软件有限公司 行进方向调整方法、移动机器人系统及电子设备

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015194868A1 (ko) * 2014-06-17 2015-12-23 (주)유진로봇 광각 카메라가 탑재된 이동 로봇의 주행을 제어하기 위한 장치 및 그 방법
CN105118069B (zh) * 2015-09-30 2019-08-13 杭州南江机器人股份有限公司 一种复杂环境直线检测和筛选方法及应用该方法的机器人
CN107121981A (zh) * 2017-04-20 2017-09-01 杭州南江机器人股份有限公司 一种基于视觉的agv巡线导航和定位方法
CN106959695B (zh) * 2017-04-24 2019-08-02 广东宝乐机器人股份有限公司 移动机器人在工作区域内的角度修正方法及移动机器人
CN107255476B (zh) * 2017-07-06 2020-04-21 青岛海通胜行智能科技有限公司 一种基于惯性数据和视觉特征的室内定位方法和装置
CN109388093B (zh) * 2017-08-02 2020-09-15 苏州珊口智能科技有限公司 基于线特征识别的机器人姿态控制方法、系统及机器人
CN108646733B (zh) * 2018-04-27 2021-08-10 杭州艾豆智能科技有限公司 一种自动矫正的移动机器人的矫正方法
CN110801180B (zh) * 2018-08-03 2022-02-22 速感科技（北京）有限公司 清洁机器人的运行方法及装置
CN110954134B (zh) * 2019-12-04 2022-03-25 上海有个机器人有限公司 陀螺仪偏差校正方法、校正系统、电子设备及存储介质
CN111631637B (zh) * 2020-04-27 2021-08-24 珠海市一微半导体有限公司 视觉机器人确定最佳运动方向和最佳清扫方向的方法

Also Published As

Publication number Publication date
CN112263188A (zh) 2021-01-26

Similar Documents

Publication Publication Date Title
AU2020101932A4 (en) Binocular vision–based method and system for pose measurement of cantilever tunneling equipment
Levinson et al. Automatic online calibration of cameras and lasers.
CN110807809B (zh) 基于点线特征和深度滤波器的轻量级单目视觉定位方法
EP1843292B1 (en) Image processing device and method
JP5832341B2 (ja) 動画処理装置、動画処理方法および動画処理用のプログラム
CN112263188B (zh) 一种移动机器人行进方向的矫正方法及其设备
CN109815831B (zh) 一种车辆朝向获取方法及相关装置
KR20110092502A (ko) 이동식 감시 및 추적 장치 및 방법
Ruotsalainen et al. Visual-aided two-dimensional pedestrian indoor navigation with a smartphone
CN112381841A (zh) 一种动态场景下基于gms特征匹配的语义slam方法
US20040057601A1 (en) Method for image processing
Neves et al. Acquiring high-resolution face images in outdoor environments: A master-slave calibration algorithm
Miksch et al. Automatic extrinsic camera self-calibration based on homography and epipolar geometry
KR100994722B1 (ko) 카메라 핸드오프를 이용한 다중 카메라상의 연속적인 물체추적 방법
CN112180947B (zh) 一种移动机器人初始行进方向选择方法及其设备
Zhang et al. Dynpl-slam: A robust stereo visual slam system for dynamic scenes using points and lines
Ibisch et al. Towards highly automated driving in a parking garage: General object localization and tracking using an environment-embedded camera system
CN115797405A (zh) 一种基于车辆轴距的多镜头自适应跟踪方法
JPH10187974A (ja) 物流計測装置
CN111239761B (zh) 一种用于室内实时建立二维地图的方法
CN116151320A (zh) 一种抗动态目标干扰的视觉里程计方法及视觉里程计装置
CN109084778B (zh) 一种基于双目视觉和寻路缘技术的导航系统及导航方法
Baligh Jahromi et al. Layout slam with model based loop closure for 3d indoor corridor reconstruction
JPH1096607A (ja) 物体検出装置および平面推定方法
Kang et al. Robust Multi-camera SLAM with Manhattan Constraint toward Automated Valet Parking

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