CN112363501A - 无人驾驶扫地车的避障方法、装置、系统及存储介质 - Google Patents
无人驾驶扫地车的避障方法、装置、系统及存储介质 Download PDFInfo
- Publication number
- CN112363501A CN112363501A CN202011194640.2A CN202011194640A CN112363501A CN 112363501 A CN112363501 A CN 112363501A CN 202011194640 A CN202011194640 A CN 202011194640A CN 112363501 A CN112363501 A CN 112363501A
- Authority
- CN
- China
- Prior art keywords
- data
- point cloud
- unmanned
- obstacle
- obstacle avoidance
- 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
- 238000010408 sweeping Methods 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 24
- 241001417527 Pempheridae Species 0.000 claims abstract description 36
- 230000011218 segmentation Effects 0.000 claims abstract description 19
- 230000004888 barrier function Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 2
- 230000001360 synchronised effect Effects 0.000 claims description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000008569 process 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- 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
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
-
- 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
- G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
-
- 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
- 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
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
-
- 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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Theoretical Computer Science (AREA)
- Electromagnetism (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Astronomy & Astrophysics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Traffic Control Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种无人驾驶扫地车的避障方法、装置、系统及存储介质,包括如下步骤:采集无人驾驶扫地车固定位置处多线激光雷达的三维点云数据作为第一种数据;采集无人驾驶扫地车固定位置处的红外传感器的数据信息作为第二种数据;采集无人驾驶扫地车固定位置处的超声波雷达的距离信息作为第三种数据;采集无人驾驶扫地车固定位置处的深度摄像头点云信息作为第四种数据;以第一幅点云数据为参考点云数据,将其他点云数据统一转换到第一幅点云数据的坐标系下;对避障点云进行若干区域分割,根据分割后的区域是否检测到障碍物控制无人驾驶清扫车加减速,从而实现无人清扫车平滑顺畅地避开障碍物。
Description
技术领域
本发明涉及无人驾驶扫地车技术领域,尤其涉及一种无人驾驶扫地车的避障方法、装置、系统以及存储介质。
背景技术
随着智能机器人的发展,在智能机器人自动导航过程中,仅仅通过一个传感器实现自动避障是很困难的,往往需要融合多种传感器,其中融合激光雷达,摄像头,超声波雷达,红外传感器是比较常见的,因此,通过多种传感器能够提高避障的准确性。
发明内容
本发明所要解决的技术问题是如何提供一种能够有效的提高避障的准确性的无人驾驶扫地车的避障方法。
为解决上述技术问题,本发明所采取的技术方案是:一种无人驾驶扫地车的避障方法,其特征在于包括如下步骤:
采集无人驾驶扫地车固定位置处多线激光雷达的三维点云数据作为第一种数据;
采集无人驾驶扫地车固定位置处的红外传感器的数据信息作为第二种数据;
采集无人驾驶扫地车固定位置处的超声波雷达的距离信息作为第三种数据;
采集无人驾驶扫地车固定位置处的深度摄像头点云信息作为第四种数据;
将第二种数据、第三种数据和第四种数据类型归一化为第一种数据类型,得到四幅点云数据;
以第一幅点云数据为参考点云数据,将其他点云数据统一转换到第一幅点云数据的坐标系下;
将四幅点云数据进行点云拼接,拼接后得到一幅用于无人驾驶扫地车的避障点云数据;
利用避障点云局部路径生成器生成绕开障碍物的路径;
对避障点云进行若干区域分割,根据分割后的区域是否检测到障碍物控制无人驾驶清扫车加减速,从而实现无人清扫车平滑顺畅地避开障碍物。
本发明还公开了一种无人驾驶扫地车的避障装置,其特征在于包括:
第一种数据生成模块:用于采集无人驾驶扫地车固定位置处多线激光雷达的三维点云数据作为第一种数据;
第二种数据生成模块:用于采集无人驾驶扫地车固定位置处的红外传感器的数据信息作为第二种数据;
第三种数据生成模块:用于采集无人驾驶扫地车固定位置处的超声波雷达的距离信息作为第三种数据;
第四种数据生成模块:用于采集无人驾驶扫地车固定位置处的深度摄像头点云信息作为第四种数据;
点云生成模块:用于将第二种数据、第三种数据和第四种数据类型归一化为第一种数据类型,得到四幅点云数据;
坐标系变换模块:用于以第一幅点云数据为参考点云数据,将其他点云数据统一转换到第一幅点云数据的坐标系下;
点云数据拼接模块:用于将四幅点云数据进行点云拼接,拼接后得到一幅用于无人驾驶扫地车的避障点云数据;
路径生成模块:利用避障点云局部路径生成器生成绕开障碍物的路径;
避障模块:对避障点云进行若干区域分割,根据分割后的区域是否检测到障碍物控制无人驾驶清扫车加减速,从而实现无人清扫车平滑顺畅地避开障碍物。
本发明还公开了一种无人驾驶扫地车的避障系统,其特征在于包括:
至少一个多线激光雷达或者至少一个单线激光雷达、超声波雷达、红外传感器、深度摄像头和处理设备;处理设备与至少一个多线激光雷达或者至少一个单线激光雷达连接,超声波雷达、红外传感器、深度摄像头与处理设备之间刚性连接,处理设备包括:一个或多个处理器;所述处理器内运行有所述的避障方法。
本发明还公开了一种计算机可读存储介质,其特征在于:其上存储有计算机程序,该程序被一个或者多个处理器执行时实现所述的避障方法。
采用上述技术方案所产生的有益效果在于:本申请所述方法通过多种传感器实现避障,将多个传感器采集的数据进行有效融合,提高了避障的准确性。所述方法化繁为简,灵活方便,可自由增减障碍物检测传感器数量与类型,全方位保证了无人驾驶清扫车的行车安全。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1是本发明实施例所述方法的流程图;
图2是本发明实施例所述装置的原理框图;
图3是本发明实施例所述系统的原理框图;
具体实施方式
下面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,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。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他实施例,都属于本发明保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
如图1所示,本发明实施例公开了一种无人驾驶扫地车的避障方法,包括如下步骤:
采集无人驾驶扫地车固定位置处多线激光雷达的三维点云数据作为第一种数据;
采集无人驾驶扫地车固定位置处的红外传感器的数据信息作为第二种数据;
采集无人驾驶扫地车固定位置处的超声波雷达的距离信息作为第三种数据;
采集无人驾驶扫地车固定位置处的深度摄像头点云信息作为第四种数据;
将第二种数据、第三种数据和第四种数据类型归一化为第一种数据类型,得到四幅点云数据;
以第一幅点云数据为参考点云数据,将其他点云数据统一转换到第一幅点云数据的坐标系下;
将四幅点云数据进行点云拼接,拼接后得到一幅用于无人驾驶扫地车的避障点云数据;
利用避障点云局部路径生成器生成绕开障碍物的路径;
对避障点云进行若干区域分割,根据分割后的区域是否检测到障碍物控制无人驾驶清扫车加减速,从而实现无人清扫车平滑顺畅地避开障碍物。
进一步的:将第二种数据和第三种数据和第四种数据类型归一化为第一种数据类型,得到四幅点云数据,将第二种数据和第三种数据和第四种数据类型由非点云数据格式转换为点云数据格式,并且保证四幅点云数据在时间上是同步的。
进一步的:以第一幅点云数据为参考点云数据,将其他点云数据统一转换到第一幅点云数据的坐标系下,根据其他传感器到第一个传感器的相对距离,分别计算其到第一传感器的旋转矩阵,根据其对应的旋转矩阵,将其点云数据转换到第一点云数据的坐标系下。
进一步的:根据转换后的位于同一坐标系下的四幅点云数据进行点云数据逐一进行配准拼接,拼接后得到一幅用于无人驾驶扫地车的避障点云数据。
进一步的:根据拼接后的避障点云数据,使用投影平面算法,将该三维点云数据投影到栅格地图的二维平面上,并且等待局部路径生成器生成绕开障碍物的局部路径。
进一步的:对避障点云进行若干区域分割,根据拼接后的避障点云数据首次分割,选出车体所在区域,根据剩下的点云作二次分割,选出后退区域;根据剩下的点云作三次分割,选出减速区域,根据剩下的点云作三次分割,选出停车区域,根据剩下的点云作四次分割,选出旋转区域;其中,以上区域选择顺序不限,区域选择类别不限定。当检测到某一区域中有障碍物时,计算出与障碍物的相对位置,清扫车作出相对应的后退、减速、停止、旋转等一系列响应动作,最后通过跟踪绕开障碍物的局部路径,从而实现清扫车避开障碍物。
如图2所示,相应的,本发明实施例还公开了一种无人驾驶扫地车的避障装置,包括:
第一种数据生成模块:用于采集无人驾驶扫地车固定位置处多线激光雷达的三维点云数据作为第一种数据;
第二种数据生成模块:用于采集无人驾驶扫地车固定位置处的红外传感器的数据信息作为第二种数据;
第三种数据生成模块:用于采集无人驾驶扫地车固定位置处的超声波雷达的距离信息作为第三种数据;
第四种数据生成模块:用于采集无人驾驶扫地车固定位置处的深度摄像头点云信息作为第四种数据;
点云生成模块:用于将第二种数据、第三种数据和第四种数据类型归一化为第一种数据类型,得到四幅点云数据;
坐标系变换模块:用于以第一幅点云数据为参考点云数据,将其他点云数据统一转换到第一幅点云数据的坐标系下;
点云数据拼接模块:用于将四幅点云数据进行点云拼接,拼接后得到一幅用于无人驾驶扫地车的避障点云数据;
路径生成模块:利用避障点云局部路径生成器生成绕开障碍物的路径;
避障模块:对避障点云进行若干区域分割,根据分割后的区域是否检测到障碍物控制无人驾驶清扫车加减速,从而实现无人清扫车平滑顺畅地避开障碍物。
进一步的,如图3所示,本发明还公开了一种无人驾驶扫地车的避障系统,包括:
至少一个多线激光雷达或者至少一个单线激光雷达、超声波雷达、红外传感器、深度摄像头和处理设备;处理设备与至少一个多线激光雷达或者至少一个单线激光雷达连接,超声波雷达、红外传感器、深度摄像头与处理设备之间刚性连接,处理设备包括:一个或多个处理器;所述处理器内运行有所述的避障方法。
进一步的,本发明还公开了一种计算机可读存储介质,其上存储有计算机程序,该程序被一个或者多个处理器执行时实现所述的避障方法。
所述方法化繁为简,灵活方便,可自由增减障碍物检测传感器数量与类型,全方位保证了无人驾驶清扫车的行车安全。
Claims (9)
1.一种无人驾驶扫地车的避障方法,其特征在于包括如下步骤:
采集无人驾驶扫地车固定位置处多线激光雷达的三维点云数据作为第一种数据;
采集无人驾驶扫地车固定位置处的红外传感器的数据信息作为第二种数据;
采集无人驾驶扫地车固定位置处的超声波雷达的距离信息作为第三种数据;
采集无人驾驶扫地车固定位置处的深度摄像头点云信息作为第四种数据;
将第二种数据、第三种数据和第四种数据类型归一化为第一种数据类型,得到四幅点云数据;
以第一幅点云数据为参考点云数据,将其他点云数据统一转换到第一幅点云数据的坐标系下;
将四幅点云数据进行点云拼接,拼接后得到一幅用于无人驾驶扫地车的避障点云数据;
利用避障点云局部路径生成器生成绕开障碍物的路径;
对避障点云进行若干区域分割,根据分割后的区域是否检测到障碍物控制无人驾驶清扫车加减速,从而实现无人清扫车平滑顺畅地避开障碍物。
2.如权利要求1所述的无人驾驶扫地车的避障方法,其特征在于:
将第一种数据、第二种数据、第三种数据和第四种数据类型由非点云数据格式转换为点云数据格式,并且保证四幅点云数据在时间上是同步的;将第二种数据、第三种数据和第四种数据类型归一化为第一种数据类型,得到四幅点云数据。
3.如权利要求1所述的无人驾驶扫地车的避障方法,其特征在于:
以第一幅点云数据为参考点云数据,将其他点云数据统一转换到第一幅点云数据的坐标系下,根据其他传感器到第一个传感器的相对距离,分别计算其到第一传感器的旋转矩阵,根据其对应的旋转矩阵,将其点云数据转换到第一点云数据的坐标系下。
4.如权利要求1所述的无人驾驶扫地车的避障方法,其特征在于:根据转换后的位于同一坐标系下的四幅点云数据进行点云数据逐一进行配准拼接,拼接后得到一幅用于无人驾驶扫地车的避障点云数据。
5.如权利要求1所述的无人驾驶扫地车的避障方法,其特征在于:根据拼接后的避障点云数据,使用投影平面算法,将该三维点云数据投影到栅格地图的二维平面上,并且等待局部路径生成器生成绕开障碍物的局部路径。
6.如权利要求1所述的无人驾驶扫地车的避障方法,其特征在于:对避障点云进行若干区域分割,根据拼接后的避障点云数据首次分割,选出车体所在区域,根据剩下的点云作二次分割,选出后退区域;根据剩下的点云作三次分割,选出减速区域,根据剩下的点云作四次分割,选出停车区域,根据剩下的点云作五次分割,选出旋转区域;其中,以上区域选择顺序不限,区域选择类别不限定;当检测到某一区域中有障碍物时,计算出与障碍物的相对位置,清扫车作出相对应的响应动作,最后通过跟踪绕开障碍物的局部路径,从而实现清扫车避开障碍物。
7.一种无人驾驶扫地车的避障装置,其特征在于包括:
第一种数据生成模块:用于采集无人驾驶扫地车固定位置处多线激光雷达的三维点云数据作为第一种数据;
第二种数据生成模块:用于采集无人驾驶扫地车固定位置处的红外传感器的数据信息作为第二种数据;
第三种数据生成模块:用于采集无人驾驶扫地车固定位置处的超声波雷达的距离信息作为第三种数据;
第四种数据生成模块:用于采集无人驾驶扫地车固定位置处的深度摄像头点云信息作为第四种数据;
点云生成模块:用于将第二种数据、第三种数据和第四种数据类型归一化为第一种数据类型,得到四幅点云数据;
坐标系变换模块:用于以第一幅点云数据为参考点云数据,将其他点云数据统一转换到第一幅点云数据的坐标系下;
点云数据拼接模块:用于将四幅点云数据进行点云拼接,拼接后得到一幅用于无人驾驶扫地车的避障点云数据;
路径生成模块:利用避障点云局部路径生成器生成绕开障碍物的路径;
避障模块:对避障点云进行若干区域分割,根据分割后的区域是否检测到障碍物控制无人驾驶清扫车加减速,从而实现无人清扫车平滑顺畅地避开障碍物。
8.一种无人驾驶扫地车的避障系统,其特征在于包括:
至少一个多线激光雷达或者至少一个单线激光雷达、超声波雷达、红外传感器、深度摄像头和处理设备;处理设备与至少一个多线激光雷达或者至少一个单线激光雷达连接,超声波雷达、红外传感器、深度摄像头与处理设备之间刚性连接,处理设备包括:一个或多个处理器;所述处理器内运行有如权利要求1-6中任意一项所述的避障方法。
9.一种计算机可读存储介质,其特征在于:其上存储有计算机程序,该程序被一个或者多个处理器执行时实现如权利要求1-6中任意一项所述的避障方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011194640.2A CN112363501A (zh) | 2020-10-30 | 2020-10-30 | 无人驾驶扫地车的避障方法、装置、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011194640.2A CN112363501A (zh) | 2020-10-30 | 2020-10-30 | 无人驾驶扫地车的避障方法、装置、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112363501A true CN112363501A (zh) | 2021-02-12 |
Family
ID=74513229
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011194640.2A Pending CN112363501A (zh) | 2020-10-30 | 2020-10-30 | 无人驾驶扫地车的避障方法、装置、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112363501A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113589829A (zh) * | 2021-09-29 | 2021-11-02 | 江苏天策机器人科技有限公司 | 一种移动机器人的多传感器区域避障方法 |
CN113848938A (zh) * | 2021-10-14 | 2021-12-28 | 西安现代控制技术研究所 | 一种低成本无人驾驶汽车避障装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105711597A (zh) * | 2016-02-25 | 2016-06-29 | 江苏大学 | 前方局部行驶环境感知系统及方法 |
CN107703935A (zh) * | 2017-09-12 | 2018-02-16 | 安徽胜佳和电子科技有限公司 | 多个数据权重融合进行避障的方法、存储装置及移动终端 |
CN108646739A (zh) * | 2018-05-14 | 2018-10-12 | 北京智行者科技有限公司 | 一种传感信息融合方法 |
CN110632608A (zh) * | 2018-06-21 | 2019-12-31 | 北京京东尚科信息技术有限公司 | 一种基于激光点云的目标检测方法和装置 |
CN111191600A (zh) * | 2019-12-30 | 2020-05-22 | 深圳元戎启行科技有限公司 | 障碍物检测方法、装置、计算机设备和存储介质 |
WO2020150904A1 (en) * | 2019-01-22 | 2020-07-30 | SZ DJI Technology Co., Ltd. | Neural network based obstacle detection for mobile platforms, and associated systems and methods |
-
2020
- 2020-10-30 CN CN202011194640.2A patent/CN112363501A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105711597A (zh) * | 2016-02-25 | 2016-06-29 | 江苏大学 | 前方局部行驶环境感知系统及方法 |
CN107703935A (zh) * | 2017-09-12 | 2018-02-16 | 安徽胜佳和电子科技有限公司 | 多个数据权重融合进行避障的方法、存储装置及移动终端 |
CN108646739A (zh) * | 2018-05-14 | 2018-10-12 | 北京智行者科技有限公司 | 一种传感信息融合方法 |
CN110632608A (zh) * | 2018-06-21 | 2019-12-31 | 北京京东尚科信息技术有限公司 | 一种基于激光点云的目标检测方法和装置 |
WO2020150904A1 (en) * | 2019-01-22 | 2020-07-30 | SZ DJI Technology Co., Ltd. | Neural network based obstacle detection for mobile platforms, and associated systems and methods |
CN111191600A (zh) * | 2019-12-30 | 2020-05-22 | 深圳元戎启行科技有限公司 | 障碍物检测方法、装置、计算机设备和存储介质 |
Non-Patent Citations (2)
Title |
---|
毕欣: "自主无人系统的智能环境感知技术", 31 May 2020, 华中科技大学出版社, pages: 71 * |
陈超等: "基于异质传感器信息融合的移动机器人同步定位与构图", 科学技术与工程, no. 13, pages 91 - 96 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113589829A (zh) * | 2021-09-29 | 2021-11-02 | 江苏天策机器人科技有限公司 | 一种移动机器人的多传感器区域避障方法 |
CN113848938A (zh) * | 2021-10-14 | 2021-12-28 | 西安现代控制技术研究所 | 一种低成本无人驾驶汽车避障装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110765894B (zh) | 目标检测方法、装置、设备及计算机可读存储介质 | |
CN113741438B (zh) | 路径规划方法、装置、存储介质、芯片及机器人 | |
CN112363501A (zh) | 无人驾驶扫地车的避障方法、装置、系统及存储介质 | |
CN111699410B (zh) | 点云的处理方法、设备和计算机可读存储介质 | |
CN112298168B (zh) | 一种车位检测方法及装置、自动泊车方法及装置 | |
CN110850859B (zh) | 一种机器人及其避障方法和避障系统 | |
CN111413983A (zh) | 一种无人驾驶车辆的环境感知方法及控制端 | |
CN110705385B (zh) | 一种障碍物角度的检测方法、装置、设备及介质 | |
CN110780670B (zh) | 基于模糊控制算法的机器人避障控制方法 | |
US20200135014A1 (en) | Cooperative mapping for autonomous vehicles, robots or multi-agent systems | |
CN114200945B (zh) | 一种移动机器人的安全控制方法 | |
WO2019089017A1 (en) | Mobile robots to generate occupancy maps | |
CN115781678A (zh) | 智能机器人的垃圾处理方法及系统 | |
Lei et al. | Automated Lane Change Behavior Prediction and Environmental Perception Based on SLAM Technology | |
CN114842106A (zh) | 栅格地图的构建方法及构建装置、自行走装置、存储介质 | |
CN111695497B (zh) | 基于运动信息的行人识别方法、介质、终端和装置 | |
CN113282088A (zh) | 工程车的无人驾驶方法、装置、设备、存储介质及工程车 | |
CN117032215A (zh) | 一种基于双目视觉的移动机器人物体识别及定位方法 | |
CN112182122A (zh) | 一种移动机器人工作环境导航地图的获取方法及装置 | |
CN114905520A (zh) | 双臂协作机器人安全限位方法、装置、设备及存储介质 | |
CN111157996B (zh) | 一种停车机器人行驶安全检测方法 | |
CN113298044A (zh) | 基于定位补偿的障碍物检测方法、系统、设备及存储介质 | |
Vatavu et al. | Environment perception using dynamic polylines and particle based occupancy grids | |
JP2021196632A (ja) | 予測装置、予測方法、プログラムおよび車両制御システム | |
CN116382308B (zh) | 智能化移动机械自主寻径与避障方法、装置、设备及介质 |
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 |