CN112306064A - 一种双目视觉识障的rgv控制系统及方法 - Google Patents
一种双目视觉识障的rgv控制系统及方法 Download PDFInfo
- Publication number
- CN112306064A CN112306064A CN202011214367.5A CN202011214367A CN112306064A CN 112306064 A CN112306064 A CN 112306064A CN 202011214367 A CN202011214367 A CN 202011214367A CN 112306064 A CN112306064 A CN 112306064A
- Authority
- CN
- China
- Prior art keywords
- rgv
- control unit
- image
- unit
- lower computer
- 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
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000004891 communication Methods 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 230000004888 barrier function Effects 0.000 claims abstract description 10
- 230000003993 interaction Effects 0.000 claims abstract description 9
- 230000002776 aggregation Effects 0.000 claims description 8
- 238000004220 aggregation Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 claims 3
- 230000001276 controlling effect Effects 0.000 claims 1
- 238000003384 imaging method Methods 0.000 claims 1
- 230000009466 transformation Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000006735 deficit Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 238000006116 polymerization reaction Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/97—Determining parameters from multiple pictures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种双目视觉识障的RGV控制系统及方法。该系统包括：主控单元、千兆交换机和RGV组单元。主控单元由人机交互单元、图像识障单元、通信模块组成，RGV组单元由一台或多台RGV组成，每台RGV配有一个下位机控制单元，下位机控制单元将采集到的双目图像传至主控单元，经主控单元图像识障计算后，实现对存在风险的障碍物识别，并将制动指令下发至下位机控制单元，指使下位机控制单元对驱动模块完成驱动控制和行走定位，最终实现避障功能。本发明采用双目视觉，避免了当前RGV主流避障传感方式的诸多局限，且通过主控单元对多台RGV多路图像的集中处理，降低了每台RGV的硬件性能要求，进而可降低系统部署成本。
Description
技术领域
本发明涉及RGV控制技术领域，具体地说是一种双目视觉识障的RGV控制系统及方法。
背景技术
RGV由于其较高的安全性及稳定性，在工业制造、机械加工、物料调度、仓库物资储存和物流产品的运输与分类等众多领域起关键作用。
目前RGV避障系统多采用超声波、红外和激光雷达等传感器。超声波及红外传感器仅能实现障碍物的大体判断，存在检测盲区及误感应情况，且多台RGV环境下易发生多个传感器的声波、光波互相干扰的问题。激光雷达包含2维雷达和3维雷达，2维雷达呈平面扫描，仅能判断特定穿过该扫描平面的物体，3维雷达可实现障碍物立体和位置信息的精准识别，但部署成本较高。同上述传感器相比，视觉传感器之间不会产生任何干扰，能获取到大量环境图像信息，且价格较为低廉。
双目视觉是机器视觉的重要组成，是进行三维测量的重要方式，当前主要用于物体扫描、工件定位、空间测距等对实时性要求不高的场合，无人驾驶等实时性要求较高的双目视觉算法对硬件性能要求较高。RGV的使用条件决定其硬件需保持足够的经济性，故当前尚未有较为成熟的基于双目视觉避障的RGV控制技术。本发明以FPGA为下位机控制核心，以主控单元为图像处理算法载体，提出了新的控制系统方式及识障算法，能够保证识障实时性要求的同时，兼顾RGV部署的经济性，具有重大的社会意义和经济效益。
发明内容
本发明的目的在于提供一种双目视觉识障的RGV控制系统及方法，通过视觉感应减少当前RGV传感方式存在的诸多问题及局限，并保证多台RGV部署的经济性。
本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。
根据本发明实施例的第一方面，提供一种双目视觉识障的RGV控制系统，该系统包括主控单元、千兆交换机和RGV组单元。
主控单元由人机交互单元、图像识障单元、通信模块组成。
RGV组单元由一台或多台RGV组成，每台RGV配有一个下位机控制单元，负责所属RGV的控制。
千兆交换机用于主控单元与RGV组单元之间的数据传输。
图像识障单元用于判断当前位置运行前方有无障碍物。
人机交互单元用于对图像识障单元的算法参数、RGV目标位置及驱动参数进行设置，
通信模块用于接收下位机控制单元传来的信息。
下位机控制单元由FPGA处理器、双目相机模块1、双目相机模块2、通信模块、驱动模块、定位模块组成，双目相机模块1、双目相机模块2分别位于RGV前后端，可分别采集RGV正向、反向运行前方图像。
FPGA处理器将双目相机模块1或双目相机模块2采集的运行前方图像，与运行方向数据、定位模块采集的位置数据一同经过通信模块和千兆交换机上传至主控单元。
根据本发明实施例的第二方面，提供一种双目视觉识障的RGV控制方法，包括如下步骤：
a、主控单元通过通信模块接收下位机控制单元上传的行走方向前的左、右图像、位置及运行方向数据；
b、通过高斯变换对左、右图像进行滤波处理，降低图像中噪声对图像匹配及障碍物识别造成的影响；
c、对滤波后左、右图像进行经改进的Census变换的代价计算，代价计算结果作为图像匹配的相似度对左、右图像进行视差范围内搜索以计算出图像匹配点对应视差的代价值。
d、对左、右图像的代价值进行半全局匹配聚合，利用多个一维动态规划求取图像的最优视差，确定当前位置运行方向前端的深度信息；
e、将当前位置及方向的深度信息与存储的无障碍深度信息进行差值计算，根据差值结果判断有无障碍物。
本发明的优点：相比RGV现有识障技术，本发明采用以FPGA为核心的下位机与主控单元相结合模式，通过双目视觉算法进行识障，可以针对不同距离和大小的障碍物进行识别，在确保识别准确性、实时性的同时，兼顾经济性的目标。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。本发明的具体实施方式由以下实施例及其附图详细给出。
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，本发明的示意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是本发明中双目视觉识障的RGV控制系统组成示意图。
图2是本发明中双目视觉识障的RGV控制方法流程示意图。
具体实施方式
实施例第一方面，一种双目视觉识障的RGV控制系统。
如图1所示，本发明所提供的双目视觉识障的RGV控制系统包括主控单元1.1、千兆网交换机1.2和RGV组单元1.3，均部署于本地端，一个本地系统包含一个主控单元1.1和一个RGV组单元1.3。
主控单元1.1由人机交互单元1.11、图像识障单元1.12和通信模块1.13组成。
人机交互单元1.11可对图像识障单元1.12的算法参数进行设置，可对RGV目标位置及驱动参数进行设置。
RGV组单元1.3由由一台或多台RGV组成，每台RGV配有一个下位机控制单元1.31，负责所属RGV的控制。
下位机控制单元1.31由FPGA处理器1.311、通信模块1.312、双目相机模块11.313、双目相机模块21.314、驱动模块1.315、定位模块1.316组成，双目相机模块11.313、双目相机模块21.314分别位于RGV前、后两端，采集视野范围为前、后端一定距离内略宽于RGV宽度的运行方向包含轨道的双目图像。
定位模块1.316中编码器实时记录RGV当前位置，并将位置传至FPGA处理器1.311。
实施例第二方面，一种双目视觉识障的RGV控制方法。
如图2所示，本发明所提供的双目视觉识障的RGV控制方法包括如下步骤：
S1、下位机控制单元1.31接收主控单元1.1指令进而动作，并向主控单元1.1实时上传数据，具体过程包括：人机交互单元1.11在接收到输入的RGV运动指令后，将指令通过通信模块1.13和千兆交换机1.2传至目标RGV下位机控制单元1.31中的通信模块1.312，经由FPGA处理器1.311分析后，控制驱动模块1.315动作，定位模块1.316中编码器实时记录RGV当前位置并传至FPGA处理器1.311，运行方向端的双目摄像头模块实时采集运行前方的左、右图像。FPGA处理器1.311在RGV运行过程中将运行方向数据、位置数据及左、右图像数据经由通信模块1.312和千兆交换机1.2传至主控单元1.1。
S2、图像识障单元1.12利用高斯变换对接收到的左、右图像数据进行高斯滤波处理，过滤对图像匹配及障碍物识别产生影响的图像噪声。高斯滤波函数公式如下：
式中，G(x,y)为图像中坐标为(x,y)的像素值，σ为高斯函数的平滑尺度，σ越大则高斯函数对图像的影响越大，对噪声的抑制作用越强。
S3、对滤波后的左、右图像进行经改进的Census变换的代价计算，具体过程包括：分别对左、右图像求取邻域的像素灰度值均值，然后进行中心像素的Census编码，求出汉明距离。改进的Census变换是将邻域像素灰度的平均值
作为对比对象，改进的Census变换公式如下：
式中，
为领域像素的平均值，P2为P的邻域像素的灰度值。在进行变换后，对于左图的像素点，采用汉明距方法与作为参考的右图进行匹配低价计算，匹配
代价公式如下：
Cdis(x,y,d)＝Ccensus(x,y,d)+Cgrad(x,y,d) (3)
式中，d为视差，Ccensus(x,y,d)为改进的Census变换所产生的汉明代价，Cgrad(x,y,d)为通过图像求取梯度而产生的代价匹配，Cgrad(x,y,d)具体为通过图像求取梯度并将目标图像中各像素在不同视差下的梯度与参考图像的梯度进行计算，左、右图像梯度求取公式如下：
Ilgrad(x,y)＝(Il(x+1,y)-Il(x-1,y))/2 (4)
Irgrad(x,y)＝(Ir(x+1,y)-Ir(x-1,y))/2 (5)
式中，Il和Ir分别表示左、右图像对应像素经改进的Census变换后的二进制码流，基于梯度的匹配代价Cgrad(x,y,d)的求取公式如下：
Cgrad(x,y,d)＝min{2,|Irgrad(x+d,y)-Ilgrad(x,y)|} (6)
通过改进的Census变换求出各像素的匹配相似度，然后用汉明距来表示各像素在不同视差上的匹配代价，对于像素的每个匹配代价都表示该像素点在对应深度的匹配值，得到各匹配代价后，进行代价聚合就得到代价最小的匹配像素，最后得到整个图像的视差图D。
S4、对左、右图像的代价值进行半全局匹配聚合，以多个方向的一维方向的动态规划实现图像的匹配聚合，具有准确度高，对光线不均匀及遮挡等鲁棒性高的特点，半全局匹配的基于视差图D的动态函数E(D)如下：
式中，第一项
为所在像素点在各个深度上的匹配代价，第二项与第三项为能量函数的惩罚项，q是待匹配像素点p的邻域内像素，T为截断函数，当截断函数内容为真时，T为1，否则T为0。
待匹配的像素点p在深度d时的各方向总的聚合代价设为S(p,d)，其是由对所有方向上的一维动态规划最小解求和所得，在方向r中，像素点p在视差d处的代价Lr(p,d)定义为：
式中，C(p,d)为匹配像素点p在深度d上的匹配代价，在S3步骤中求取，
为前一个像素点的最小路径代价，P1为常量。各方向上的匹配代价进行加和取得总的代价S(p,d)公式如下：
根据路径不同，聚合的方向也不同，路径越多聚合效果越好，同时耗时越长。为保证实时性要求，本处采用4路径聚合方式。
S5、根据半全局匹配聚合求取最优视差后，得到图像的深度数据，通过同位置与存储的无障碍深度数据的差值计算，求取障碍物区域，具体过程包括：将当前位置m和方向c所计算的深度图像数据表示为二维数组Dmc，与初始化存储的该位置及方向无障碍深度图像数据Dmc'进行差值计算，得到每个像素位置的深度差h(x,y)，分别根据深度阈值h0将深度差数据二值化，公式如下：
式中，b(x,y)表示对应像素位置二值化值，根据面积阈值s0保留连通区域面积大于s0的区域，作为障碍物识别区域，实现障碍物的判断，相比传统边缘检测等方式，识别障碍物的速度更为快速。
Claims (9)
1.一种双目视觉识障的RGV控制系统，包括：主控单元、千兆交换机和RGV组单元。
2.根据权利要求1所述的主控单元，其特征在于：由人机交互单元、图像识障单元、通信模块组成。
3.根据权利要求1所述的RGV组单元，其特征在于：由一台或多台RGV组成，每台RGV配有一个下位机控制单元，负责所属RGV的控制。
4.根据权利要求1所述的千兆交换机，其特征在于：用于所述主控单元与所述RGV组单元之间的数据传输。
5.根据权利要求2所述的图像识障单元，其特征在于：用于判断上传至主控单元的双目图像中有无障碍物。
6.根据权利要求2所述的人机交互单元，其特征在于：用于对图像识障单元的算法参数、RGV目标位置及驱动参数进行设置。
7.根据权利要求2所述的通信模块，其特征在于：用于接收下位机控制单元上传的图像、方向及位置信息，以及向下位机控制单元下发控制指令。
8.根据权利要求3所述的下位机控制单元，其特征在于：包括FPGA处理器、双目相机模块1、双目相机模块2、通信模块、驱动模块、定位模块，所述双目相机模块1、双目相机模块2分别位于所述RGV前后端，可分别采集RGV正向、反向运行前方图像；所述FPGA处理器将双目相机模块1或双目相机模块2采集的运行前方图像，运行方向数据、定位模块采集的位置数据一同经过通信模块和千兆交换机上传至主控单元。
9.一种双目视觉识障的RGV控制方法，其特征在于，其具体操作步骤如下：
(1)所述主控单元通过通信模块接收下位机控制单元上传的左、右图像、运行方向及位置数据，
(2)由图像识障单元根据图像识障算法判断下位机控制单元在当前位置运行前方有无障碍物，
(3)根据识障结果向对应下位机控制单元下发控制指令，下位机接收控制指令后控制驱动模块完成对应动作；
(4)所述图像识障算法首先对左、右图像分别进行高斯滤噪，降低图像噪声对后续算法的影响，其次对左、右图像分别进行经改进的Census的代价计算，代价计算结果作为图像匹配的相似度对左、右图像进行视差范围内搜索以计算出图像匹配点对应视差的代价值，然后对左、右图像的代价值进行半全局匹配聚合，利用多个一维动态规划求取图像的最优视差，确定图像的深度信息，最后通过与该位置、方向的无障碍深度图的差值计算，进行障碍物有无的判断。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011214367.5A CN112306064A (zh) | 2020-11-04 | 2020-11-04 | 一种双目视觉识障的rgv控制系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011214367.5A CN112306064A (zh) | 2020-11-04 | 2020-11-04 | 一种双目视觉识障的rgv控制系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112306064A true CN112306064A (zh) | 2021-02-02 |
Family
ID=74324759
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011214367.5A Pending CN112306064A (zh) | 2020-11-04 | 2020-11-04 | 一种双目视觉识障的rgv控制系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112306064A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114694125A (zh) * | 2022-05-31 | 2022-07-01 | 杭州蓝芯科技有限公司 | 一种用于轨道异物识别的数据处理方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100890523B1 (ko) * | 2008-12-30 | 2009-03-27 | 정근섭 | 무인반송차 제어 시스템 |
| CN103646396A (zh) * | 2013-11-29 | 2014-03-19 | 清华大学深圳研究生院 | 双目立体匹配算法的匹配代价算法和非局部立体匹配算法 |
| CN106843282A (zh) * | 2017-03-17 | 2017-06-13 | 东南大学 | 基于m100开发平台的区域完全搜索与避障系统及方法 |
| CN107256562A (zh) * | 2017-05-25 | 2017-10-17 | 山东师范大学 | 基于双目视觉系统的图像去雾方法和装置 |
| CN108805906A (zh) * | 2018-05-25 | 2018-11-13 | 哈尔滨工业大学 | 一种基于深度图的运动障碍物检测及定位方法 |
| CN109872324A (zh) * | 2019-03-20 | 2019-06-11 | 苏州博众机器人有限公司 | 地面障碍物检测方法、装置、设备和存储介质 |
| CN111210481A (zh) * | 2020-01-10 | 2020-05-29 | 大连理工大学 | 多波段立体相机的深度估计加速方法 |
| CN111260597A (zh) * | 2020-01-10 | 2020-06-09 | 大连理工大学 | 一种多波段立体相机的视差图像融合方法 |
| CN111479662A (zh) * | 2017-10-25 | 2020-07-31 | Lg电子株式会社 | 学习障碍物的人工智能移动机器人及其控制方法 |
| CN111762155A (zh) * | 2020-06-09 | 2020-10-13 | 安徽奇点智能新能源汽车有限公司 | 车用测距系统及方法 |
| CN111862182A (zh) * | 2020-07-15 | 2020-10-30 | 上海炬佑智能科技有限公司 | ToF相机及其地面障碍物检测方法、地面导航设备 |
-
2020
- 2020-11-04 CN CN202011214367.5A patent/CN112306064A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100890523B1 (ko) * | 2008-12-30 | 2009-03-27 | 정근섭 | 무인반송차 제어 시스템 |
| CN103646396A (zh) * | 2013-11-29 | 2014-03-19 | 清华大学深圳研究生院 | 双目立体匹配算法的匹配代价算法和非局部立体匹配算法 |
| CN106843282A (zh) * | 2017-03-17 | 2017-06-13 | 东南大学 | 基于m100开发平台的区域完全搜索与避障系统及方法 |
| CN107256562A (zh) * | 2017-05-25 | 2017-10-17 | 山东师范大学 | 基于双目视觉系统的图像去雾方法和装置 |
| CN111479662A (zh) * | 2017-10-25 | 2020-07-31 | Lg电子株式会社 | 学习障碍物的人工智能移动机器人及其控制方法 |
| CN108805906A (zh) * | 2018-05-25 | 2018-11-13 | 哈尔滨工业大学 | 一种基于深度图的运动障碍物检测及定位方法 |
| CN109872324A (zh) * | 2019-03-20 | 2019-06-11 | 苏州博众机器人有限公司 | 地面障碍物检测方法、装置、设备和存储介质 |
| CN111210481A (zh) * | 2020-01-10 | 2020-05-29 | 大连理工大学 | 多波段立体相机的深度估计加速方法 |
| CN111260597A (zh) * | 2020-01-10 | 2020-06-09 | 大连理工大学 | 一种多波段立体相机的视差图像融合方法 |
| CN111762155A (zh) * | 2020-06-09 | 2020-10-13 | 安徽奇点智能新能源汽车有限公司 | 车用测距系统及方法 |
| CN111862182A (zh) * | 2020-07-15 | 2020-10-30 | 上海炬佑智能科技有限公司 | ToF相机及其地面障碍物检测方法、地面导航设备 |
Non-Patent Citations (1)
| Title |
|---|
| 唐东林等: "爬壁机器人双目视觉障碍检测系统", 机械科学与技术, vol. 39, no. 5, 31 May 2020 (2020-05-31), pages 765 - 772 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114694125A (zh) * | 2022-05-31 | 2022-07-01 | 杭州蓝芯科技有限公司 | 一种用于轨道异物识别的数据处理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108320510B (zh) | 一种基于无人机航拍视频交通信息统计方法及系统 | |
| Jafari et al. | Real-time RGB-D based people detection and tracking for mobile robots and head-worn cameras | |
| CN110244322A (zh) | 基于多源传感器的路面施工机器人环境感知系统及方法 | |
| JP5297078B2 (ja) | 車両の死角における移動物体を検知するための方法、および死角検知装置 | |
| CN110765922A (zh) | 一种agv用双目视觉物体检测障碍物系统 | |
| Erbs et al. | Moving vehicle detection by optimal segmentation of the dynamic stixel world | |
| EP2960858B1 (en) | Sensor system for determining distance information based on stereoscopic images | |
| CA2950791A1 (en) | Binocular visual navigation system and method based on power robot | |
| CN115049700A (zh) | 一种目标检测方法及装置 | |
| CN112232139B (zh) | 一种基于Yolo v4与Tof算法相结合的避障方法 | |
| Neto et al. | Real-time estimation of drivable image area based on monocular vision | |
| Qian et al. | Hy-Seg: A hybrid method for ground segmentation using point clouds | |
| CN110992424A (zh) | 基于双目视觉的定位方法和系统 | |
| Qu et al. | An efficient L-shape fitting method for vehicle pose detection with 2D lidar | |
| Yang et al. | On-road collision warning based on multiple FOE segmentation using a dashboard camera | |
| JP4956099B2 (ja) | 壁検出装置 | |
| CN116699602A (zh) | 一种基于毫米波雷达和相机融合的目标检测系统及方法 | |
| CN112306064A (zh) | 一种双目视觉识障的rgv控制系统及方法 | |
| CN114092778A (zh) | 基于表征学习的雷达摄像头数据融合系统及方法 | |
| CN114495066A (zh) | 一种辅助倒车的方法 | |
| CN117409393A (zh) | 一种焦炉机车激光点云与视觉融合障碍物检测方法及系统 | |
| Oniga et al. | A fast ransac based approach for computing the orientation of obstacles in traffic scenes | |
| Borgmann et al. | Pedestrian detection and tracking in sparse MLS point clouds using a neural network and voting-based approach | |
| Wu et al. | Research progress of obstacle detection based on monocular vision | |
| Sun et al. | The study on intelligent vehicle collision-avoidance system with vision perception and fuzzy decision making |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 050081, friendship South Avenue, 46 West Bridge, Hebei, Shijiazhuang Applicant after: Hebei electromechanical integration pilot base Co.,Ltd. Address before: 050081, friendship South Avenue, 46 West Bridge, Hebei, Shijiazhuang Applicant before: HEBEI MECHATRONICS INTERMEDIATE PILOT PRODUCTION BASE |