CN112464801B - 一种机器人数据处理方法和装置 - Google Patents

一种机器人数据处理方法和装置 Download PDF

Info

Publication number
CN112464801B
CN112464801B CN202011347426.6A CN202011347426A CN112464801B CN 112464801 B CN112464801 B CN 112464801B CN 202011347426 A CN202011347426 A CN 202011347426A CN 112464801 B CN112464801 B CN 112464801B
Authority
CN
China
Prior art keywords
array
filtering
data
sliding window
target
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
CN202011347426.6A
Other languages
English (en)
Other versions
CN112464801A (zh
Inventor
王磊
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.)
Peitian Robot Technology Co Ltd
Original Assignee
Peitian 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 Peitian Robot Technology Co Ltd filed Critical Peitian Robot Technology Co Ltd
Priority to CN202011347426.6A priority Critical patent/CN112464801B/zh
Publication of CN112464801A publication Critical patent/CN112464801A/zh
Application granted granted Critical
Publication of CN112464801B publication Critical patent/CN112464801B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H03ELECTRONIC CIRCUITRY
    • H03HIMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H17/00Networks using digital techniques
    • H03H17/02Frequency selective networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02Preprocessing
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Physics (AREA)
  • Image Processing (AREA)

Abstract

本申请实施例公开了一种数据滤波方法和装置,用于对数据进行滑动窗口滤波处理。本申请实施例的方法包括:获取第一数组,所述第一数组包括N+k个一维排列的数据;使用滑动窗口算法对所述第一数组进行滤波,得到第一滤波数组;获取第二数组,所述第二数组包括N个一维排列的数据,且所述第二数组的第一个数据与所述第一数组的最后一个数据连续;将所述第一数组的尾部的k个数据添加到所述第二数组的头部,组成第二目标数组;使用滑动窗口算法对所述第二目标数组进行滤波,得到第二滤波数组。

Description

一种机器人数据处理方法和装置
技术领域
本申请实施例涉及数据处理领域,具体涉及一种机器人数据处理方法和装置。
背景技术
目前的激光测量技术中,在激光测量技术中,激光系统会将测量结果使用相同大小的数组发送到机器人控制系统中。但由于存在激光系统本身的误差及外界环境的扰动,激光测量系统传递到控制系统的数据存在较大的波动。这些数据波动会导致激光系统引导的机器人运行轨迹发生摆动,明显影响机器人的精度。
为了控制系统的数据波动,技术人员常采用滑动窗口滤波的方法,对数据进行滤波,以降低控制系统的数据波动程度。具体的方法是,每接收到激光系统测量的一个数组时,将该数组填充到数据队列中,然后使用预设宽度的窗口从数据队列中选取多个数据,并将从这些数据中求取平均值或中值作为结果,代替窗口中心的数据。
但是这样的滤波方法受到滑动窗口宽度的影响,无法对每个数组头部和尾部的几个数据进行滤波。
发明内容
本申请实施例提供了一种机器人数据处理方法和装置,可以降低数组的数据波动。
本申请第一方面提供一种机器人数据处理方法,包括:
获取第一数组,所述第一数组包括N+k个一维排列的数据;
使用滑动窗口算法对所述第一数组进行滤波,得到第一滤波数组;
获取第二数组,所述第二数组包括N个一维排列的数据,且所述第二数组的第一个数据与所述第一数组的最后一个数据连续;
将所述第一数组的尾部的k个数据添加到所述第二数组的头部,组成第二目标数组;
使用滑动窗口算法对所述第二目标数组进行滤波,得到第二滤波数组。
可选地,所述使用滑动窗口算法对所述第一数组进行滤波,得到第一滤波数组,包括:
使用宽度为2k+1的滑动窗口对所述第一数组进行均值滤波,得到第一滤波数组;
所述使用滑动窗口算法对所述第二目标数组进行滤波,得到第二滤波数组,包括:
使用宽度为2k+1的滑动窗口对所述第二目标数组进行均值滤波,得到第二滤波数组。
可选地,所述使用滑动窗口算法对所述第一数组进行滤波,得到第一滤波数组,包括:
使用宽度为2k+1的滑动窗口对所述第一数组进行中值滤波,得到第一滤波数组;
所述使用滑动窗口算法对所述第二目标数组进行滤波,得到第二滤波数组,包括:
使用宽度为2k+1的滑动窗口对所述第二目标数组进行中值滤波,得到第二滤波数组。
可选地,所述获取第一数组包括:
接收激光传感器发送的N+k个目标数据,每个所述目标数组的接收间隔相同;
将所述N+k个目标数据按照接收顺序排列为第一数组。
可选地,所述使用滑动窗口算法对所述第一数组进行滤波,得到第一滤波数组之后,所述方法还包括:
根据所述第一滤波数组控制机器人进行运动。
本申请第二方面提供一种机器人数据处理装置,该装置包括:
第一获取单元,用于获取第一数组,所述第一数组包括N+k个一维排列的数据;
第一滤波单元,用于使用滑动窗口算法对所述第一数组进行滤波,得到第一滤波数组;
第二获取单元,用于获取第二数组,所述第二数组包括N个一维排列的数据,且所述第二数组的第一个数据与所述第一数组的最后一个数据连续;
组合单元,用于将所述第一数组的尾部的k个数据添加到所述第二数组的头部,组成第二目标数组;
第二滤波单元,用于使用滑动窗口算法对所述第二目标数组进行滤波,得到第二滤波数组。
可选地,所述第一滤波单元具体用于:
使用宽度为2k+1的滑动窗口对所述第一数组进行均值滤波,得到第一滤波数组;
所述第二滤波单元具体用于:
使用宽度为2k+1的滑动窗口对所述第二目标数组进行均值滤波,得到第二滤波数组。
可选地,所述第一滤波单元具体用于:
使用宽度为2k+1的滑动窗口对所述第一数组进行中值滤波,得到第一滤波数组;
所述第二滤波单元具体用于:
使用宽度为2k+1的滑动窗口对所述第二目标数组进行中值滤波,得到第二滤波数组。
可选地,所述第一获取单元具体用于:
接收激光传感器发送的N+k个目标数据,每个所述目标数组的接收间隔相同;
将所述N+k个目标数据按照接收顺序排列为第一数组。
可选地,所述机器人数据处理装置还包括控制单元,所述控制单元用于根据所述第一滤波数组控制机器人进行运动。
本申请第三方面提供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使所述处理器实现第一方面中任一项所述的方法。
从以上技术方案可以看出,本申请实施例具有以下优点:本申请的机器人数据处理方法能够在滤波过程中,对各个中间数组的头部也进行窗口滤波,使得滤波后的数据更加平滑。
附图说明
图1为现有滑动窗口滤波算法的一个示意图;
图2为本申请提供的机器人数据处理方法的一个实施例示意图;
图3为本申请提供的机器人数据处理方法的一个实施例示意图;
图4为本申请提供的机器人数据处理方法的一个实施例示意图;
图5为本申请提供的机器人数据处理装置的一个实施例示意图;
具体实施方式
本申请实施例提供了一种机器人数据处理方法,可以对激光系统采集的数据进行滤波。
现有的滑动窗口滤波算法过程可以参见图1,处理器接收到N个数据后,将第1待处理数据至第N待处理数据按照顺序组成一个长度为N的队列1,从队列头部使用滑动窗口一次性框选若干个数据,求和后作为处于滑动窗口中心的数据的滤波结果输出。接着将滑动窗口向队列尾部偏移一个数据长度,再次框选若干个数据求和,重复操作直至队列末尾。然后再接收第N待处理数据至第2N待处理数据,将第N待处理数据至第2N待处理数据组成新的队列2,重复队列1中的滤波操作。从图1中可以看出,这种滤波方法要求滑动窗口的中心不能处于队列的起点或终点,否则会导致滑动窗口内没有足够个数的数据。因此最终输出结果时,每个队列起点和终点的数据都是未经滤波的,输出结果不够平滑。在滑动窗口宽度固定的前提下,N的取值越小,无法被滑动窗口滤波的数据也就越多。
为此,本基于传统的滑动窗口滤波算法进行了改良,提供了一种机器人数据处理方法。具体请参见图2,该方法的流程包括:
201、获取第一数组,所述第一数组包括N+k个一维排列的数据;
读取N+k个待处理的数据以组成第一数组,其中N和k都是正整数,且2k+1<N。这些待处理的数据按照先后顺序排列。
202、使用滑动窗口算法对所述第一数组进行滤波,得到第一滤波数组;
从第一数组的头部开始,使用滑动窗口每次框选若干个数据进行滤波,直至队尾,并将滤波结果输出为第一滤波数组。滤波后得到的第一滤波数组与原始的第一数组相比,方差更小,平滑性更好。优选的,滤波处理过程中,滑动窗口的大小时2k+1,也就是每次会选中2k+1个连续的数据进行滤波计算,并将计算结果作为处于滑动窗口中心的数据的滤波结果。
203、获取第二数组,所述第二数组包括N个一维排列的数据,且所述第二数组的第一个数据与所述第一数组的最后一个数据连续;
读取第二数组,为了统一数据格式,第二数组中同样包含有N个待处理的数据,这些待处理的数据同样按照先后顺序一维排列。与第一数组类似,第二数组波动性较大,需要进行滤波处理。第二数组与第一数组是连续的,也就是说第二数组的第一个数据与所述第一数组的最后一个数据排序上仅相差一位。
204、将所述第一数组的尾部的k个数据添加到所述第二数组的头部,组成第二目标数组;
截取第一数组尾部的k个数据添加到第二数组的头部,从而构成了第二目标数组,第二目标数组内包含的数据个数同样为N+k。
205、使用滑动窗口算法对所述第二目标数组进行滤波,输出第二滤波数组。
第二目标数组包含N+k个待处理数据,可以按照步骤202中相同的方式,对第二目标数组进行滑动窗口滤波,得到第二滤波数组,该第二滤波数组是比第二数组平滑度更好的一组数据。
可以理解的是,本申请所说的第一数组、第二数组、第二目标数组等数组都是具有先后排列顺序的一维数组,其中第一数组长度为N+k,第二数组长度为N,第二目标数组长度为N+k。其中滑动窗口宽度通常取奇数,滑动窗口的宽度可以用2k+1表示。
为了更好地使本领域技术人员理解本发明,下面以具体的数值对本发明进行举例说明。
首先请参阅图3,图3是本申请应用中位数滤波的一个具体实施例,用于滤波的滑动窗口宽度为2k+1,且k为自然数。以N=8,k=2进行举例说明,该实施例包括:
301、获取第一数组,所述第一数组包括10个一维排列的数据;
读取第一数组,第一数组中包含有10个待处理的数据,这些待处理的数据按照先后顺序排列。该第一数组通常是由其他设备(如激光传感器、温度传感器、超声探测器等传感器)按照固定时间间隔,每次发送一个待处理的数据至处理器中。处理器按照接收时间,将这些待处理数据按顺序保存在存储器中。
302、使用宽度为5滑动窗口算法对所述第一数组进行均值滤波,得到第一滤波数组;
使用宽度为5的滑动窗口对第一数组进行均值滤波,从第一数组的头部开始,每次从第一数组内选择5个排列在一起的数据求平均值;由于第一数组内包含10个待处理的数据,因此使用宽度为5的滑动窗口进行均值滤波后,会生成包含6个数据的第一滤波数组,且第一滤波数组内的6个数据分别对应第一数组内的第3至第8个待处理数据。
303、获取第二数组,所述第二数组内按顺序排列有N个数据;
读取包含有8个待处理的数据的第二数组,这些待处理的数据同样按照先后顺序排列。与第一数组类似,第二数组波动性较大,需要进行滤波处理。
304、将所述第一数组的尾部的2个数据添加到所述第二数组的头部,组成第二目标数组;
将第一数组尾部的2个数据添加到第二数组的头部,并且删除第二数组尾部的2个数据,从而构成一个包含10个数据的第二目标数组。
305、使用宽度为5的滑动窗口对所述第二目标数组进行均值滤波,输出第二滤波数组。
同样使用宽度为5的滑动窗口对第二目标数组进行均值滤波,从第二目标数组的头部开始,每次从第一数组内选择5个排列在一起的数据求平均值;由于第二目标数组内包含10个待处理的数据,因此使用宽度为5的滑动窗口进行均值滤波后,会生成包含6个数据的第二滤波数组。与第一滤波数组稍有不同,第二滤波数组内的6个数据分别对应第二数组内第1至第6个数据的滤波结果。
可以看出,图3的方法得到了第一数组内第3至第10个数据对应的滤波结果,和第二数组内前6个数据的滤波结果。如果将大量待滤波的数据从1开始进行编号,那么将编号1的待处理数组作为第一数组的第一数据,执行图3的滤波方法可以得到3号至16号待滤波数据对应的滤波结果。从编号14的待处理数据开始,重复图3中的方法,就可以得到编号14至27的滤波结果。依此类推,就可以对大量待滤波的数据进行连续的滑动窗口滤波操作,并使得在滤波处理的过程中,不会出现滑动窗口无法框选的待处理的数据,滤波结果的平滑性有了显著的提高。
可以理解的是,图3所示实施例所列举的N和k取值仅用于帮助本领域技术人员更好地理解本发明,本领域技术人员可以在不付出创造性劳动的前提下,将N和k替换为其他的正整数值,本领域技术人员还可以将均值滤波替换为中位数滤波或其他可能的滑动窗口滤波算法。
本发明的机器人数据处理方法中,如果滑动窗口宽度固定不变,只要N满足N>2k+1,就不会在滤波过程中出现无法被滑动窗口框选并滤波的待处理数据。
401、获取第一数组,所述第一数组包括N+k个一维排列的数据;
读取N+k个待处理的数据以组成第一数组,其中N和k都是正整数,且2k+1<N。这些待处理的数据按照先后顺序排列。
402、使用滑动窗口算法对所述第一数组进行滤波,得到第一滤波数组;
从第一数组的头部开始,使用滑动窗口每次框选若干个数据进行滤波,直至队尾,并将滤波结果输出为第一滤波数组。滤波后得到的第一滤波数组与原始的第一数组相比,方差更小,平滑性更好。优选的,滤波处理过程中,滑动窗口的大小时2k+1,也就是每次会选中2k+1个连续的数据进行滤波计算,并将计算结果作为处于滑动窗口中心的数据的滤波结果。
403、根据所述第一滤波数组控制机器人进行运动;
404、获取第二数组,所述第二数组包括N个一维排列的数据,且所述第二数组的第一个数据与所述第一数组的最后一个数据连续;
405、将所述第一数组的尾部的k个数据添加到所述第二数组的头部,组成第二目标数组;
406、使用滑动窗口算法对所述第二目标数组进行滤波,输出第二滤波数组。
407、根据所述第二滤波数组控制机器人进行运动。
本申请提供的机器人数据处理方法尤其适用于机器人控制器,由于第一滤波数组和第二滤波数组平滑性更好,因此使用滤波后的第一滤波数组和第二滤波数组控制机器人运动,机器人的运行轨迹会更加平稳。
图5出示了一种机器人数据处理装置,该装置包括:
第一获取单元501,用于获取第一数组,所述第一数组包括N+k个一维排列的数据;
第一滤波单元502,用于使用滑动窗口算法对所述第一数组进行滤波,得到第一滤波数组;
第二获取单元503,用于获取第二数组,所述第二数组包括N个一维排列的数据,且所述第二数组的第一个数据与所述第一数组的最后一个数据连续;
组合单元504,用于将所述第一数组的尾部的k个数据添加到所述第二数组的头部,组成第二目标数组;
第二滤波单元505,用于使用滑动窗口算法对所述第二目标数组进行滤波,得到第二滤波数组。
可选地,第一滤波单元502具体用于:
使用宽度为2k+1的滑动窗口对所述第一数组进行均值滤波,得到第一滤波数组;
第二滤波单元505具体用于:
使用宽度为2k+1的滑动窗口对所述第二目标数组进行均值滤波,得到第二滤波数组。
可选地,第一滤波单元502具体用于:
使用宽度为2k+1的滑动窗口对所述第一数组进行中值滤波,得到第一滤波数组;
第二滤波单元505具体用于:
使用宽度为2k+1的滑动窗口对所述第二目标数组进行中值滤波,得到第二滤波数组。
可选地,第一获取单元501具体用于:
接收激光传感器发送的N+k个目标数据,每个所述目标数组的接收间隔相同;
将所述N+k个目标数据按照接收顺序排列为第一数组。
可选地,机器人数据处理装置还包括:
第一控制单元506,用于根据所述第一滤波数组控制机器人进行运动;
第二控制单元507,用于根据所述第二滤波数组控制机器人进行运动。
本申请实施例还提供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,可以使处理器实现第图2至图4中出示的任意一种机器人数据处理方法。
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,在本申请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,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,read-onlymemory)、随机存取存储器(RAM,randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (4)

1.一种机器人数据处理方法,其特征在于,包括:
获取第一数组,所述第一数组包括N+k个一维排列的数据;
所述获取第一数组包括:
接收激光传感器发送的N+k个目标数据,每个所述目标数据的接收间隔相同;
将所述N+k个目标数据按照接收顺序排列为第一数组;
使用滑动窗口算法对所述第一数组进行滤波,得到第一滤波数组;
所述使用滑动窗口算法对所述第一数组进行滤波,得到第一滤波数组,包括:
使用宽度为2k+1的滑动窗口对所述第一数组进行均值滤波,得到第一滤波数组;
获取第二数组,所述第二数组包括N个一维排列的数据,且所述第二数组的第一个数据与所述第一数组的最后一个数据连续;
将所述第一数组的尾部的k个数据添加到所述第二数组的头部,组成第二目标数组;
所述使用滑动窗口算法对所述第一数组进行滤波,得到第一滤波数组之后,所述方法还包括:
根据所述第一滤波数组控制机器人进行运动;
所述使用滑动窗口算法对所述第二数组进行滤波,得到第二滤波数组之后,所述方法还包括:
根据所述第二滤波数组控制机器人进行运动;
使用滑动窗口算法对所述第二目标数组进行滤波,得到第二滤波数组;
所述使用滑动窗口算法对所述第二目标数组进行滤波,得到第二滤波数组,包括:
使用宽度为2k+1的滑动窗口对所述第二目标数组进行均值滤波,得到第二滤波数组。
2.根据权利要求1所述的机器人数据处理方法,其特征在于,
所述使用滑动窗口算法对所述第一数组进行滤波,得到第一滤波数组,包括:
使用宽度为2k+1的滑动窗口对所述第一数组进行中值滤波,得到第一滤波数组;
所述使用滑动窗口算法对所述第二目标数组进行滤波,得到第二滤波数组,包括:
使用宽度为2k+1的滑动窗口对所述第二目标数组进行中值滤波,得到第二滤波数组。
3.一种机器人数据处理装置,其特征在于,包括:
第一获取单元,用于获取第一数组,所述第一数组包括N+k个一维排列的数据;
所述第一获取单元具体用于:
接收激光传感器发送的N+k个目标数据,每个所述目标数据的接收间隔相同;
将所述N+k个目标数据按照接收顺序排列为第一数组;
第一滤波单元,用于使用滑动窗口算法对所述第一数组进行滤波,得到第一滤波数组;
所述第一滤波单元具体用于:
使用宽度为2k+1的滑动窗口对所述第一数组进行均值滤波,得到第一滤波数组;
第二获取单元,用于获取第二数组,所述第二数组包括N个一维排列的数据,且所述第二数组的第一个数据与所述第一数组的最后一个数据连续;
组合单元,用于将所述第一数组的尾部的k个数据添加到所述第二数组的头部,组成第二目标数组;
第二滤波单元,用于使用滑动窗口算法对所述第二目标数组进行滤波,得到第二滤波数组;
所述第二滤波单元具体用于:
使用宽度为2k+1的滑动窗口对所述第二目标数组进行均值滤波,得到第二滤波数组;
所述机器人数据处理装置还包括:
第一控制单元,用于根据所述第一滤波数组控制机器人进行运动;
第二控制单元,用于根据所述第二滤波数组控制机器人进行运动。
4.根据权利要求3所述的机器人数据处理装置,其特征在于,
所述第一滤波单元具体用于:
使用宽度为2k+1的滑动窗口对所述第一数组进行中值滤波,得到第一滤波数组;
所述第二滤波单元具体用于:
使用宽度为2k+1的滑动窗口对所述第二目标数组进行中值滤波,得到第二滤波数组。
CN202011347426.6A 2020-11-26 2020-11-26 一种机器人数据处理方法和装置 Active CN112464801B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011347426.6A CN112464801B (zh) 2020-11-26 2020-11-26 一种机器人数据处理方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011347426.6A CN112464801B (zh) 2020-11-26 2020-11-26 一种机器人数据处理方法和装置

Publications (2)

Publication Number Publication Date
CN112464801A CN112464801A (zh) 2021-03-09
CN112464801B true CN112464801B (zh) 2023-04-18

Family

ID=74809506

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011347426.6A Active CN112464801B (zh) 2020-11-26 2020-11-26 一种机器人数据处理方法和装置

Country Status (1)

Country Link
CN (1) CN112464801B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104579239A (zh) * 2014-12-19 2015-04-29 广东宝莱特医用科技股份有限公司 一种滤波系统的过滤方法
CN107831484A (zh) * 2017-09-29 2018-03-23 深圳市行者机器人技术有限公司 一种基于激光雷达的阶梯数据获取方法及装置
CN108961170A (zh) * 2017-05-24 2018-12-07 阿里巴巴集团控股有限公司 图像处理方法、装置和系统
CN109314781A (zh) * 2016-06-07 2019-02-05 联发科技股份有限公司 用于虚拟现实视频处理的边界填充的方法与装置
CN110322417A (zh) * 2019-07-10 2019-10-11 深圳西顺万合科技有限公司 图像处理实现方法及系统
CN110782477A (zh) * 2019-10-10 2020-02-11 重庆第二师范学院 基于序列图像的运动目标快速检测方法、计算机视觉系统
CN110815188A (zh) * 2019-11-19 2020-02-21 福州大学 基于肢体运动进行工业机器人示教的系统及方法
CN111156921A (zh) * 2019-12-18 2020-05-15 哈尔滨工业大学 一种基于滑动窗口均值滤波的轮廓数据处理方法
CN111936929A (zh) * 2018-03-22 2020-11-13 联发科技股份有限公司 采用360°虚拟现实投影的投影布局的重构的基于投影的帧的样本适应性偏移滤波方法用于重构的基于投影的帧的样本适应性偏移滤波方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8638395B2 (en) * 2009-06-05 2014-01-28 Cisco Technology, Inc. Consolidating prior temporally-matched frames in 3D-based video denoising
FR3089664A1 (fr) * 2018-12-05 2020-06-12 Stmicroelectronics (Rousset) Sas Procédé et dispositif pour réduire la charge de calcul d’un microprocesseur destiné à traiter des données par un réseau de neurones à convolution

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104579239A (zh) * 2014-12-19 2015-04-29 广东宝莱特医用科技股份有限公司 一种滤波系统的过滤方法
CN109314781A (zh) * 2016-06-07 2019-02-05 联发科技股份有限公司 用于虚拟现实视频处理的边界填充的方法与装置
CN108961170A (zh) * 2017-05-24 2018-12-07 阿里巴巴集团控股有限公司 图像处理方法、装置和系统
CN107831484A (zh) * 2017-09-29 2018-03-23 深圳市行者机器人技术有限公司 一种基于激光雷达的阶梯数据获取方法及装置
CN111936929A (zh) * 2018-03-22 2020-11-13 联发科技股份有限公司 采用360°虚拟现实投影的投影布局的重构的基于投影的帧的样本适应性偏移滤波方法用于重构的基于投影的帧的样本适应性偏移滤波方法
CN110322417A (zh) * 2019-07-10 2019-10-11 深圳西顺万合科技有限公司 图像处理实现方法及系统
CN110782477A (zh) * 2019-10-10 2020-02-11 重庆第二师范学院 基于序列图像的运动目标快速检测方法、计算机视觉系统
CN110815188A (zh) * 2019-11-19 2020-02-21 福州大学 基于肢体运动进行工业机器人示教的系统及方法
CN111156921A (zh) * 2019-12-18 2020-05-15 哈尔滨工业大学 一种基于滑动窗口均值滤波的轮廓数据处理方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A bit-level systolic array for median filter;L.-W.Chang等;《IEEE Transactions on Signal Processing 》;19920831;第40卷(第8期);2079-2083 *
基于相关滤波跟踪算法的研究;汤懿;《中国优秀硕士学位论文全文数据库 信息科技辑》;20200115;第2020年卷(第1期);I135-747 *

Also Published As

Publication number Publication date
CN112464801A (zh) 2021-03-09

Similar Documents

Publication Publication Date Title
JP4875041B2 (ja) データ圧縮システムおよび方法
CN109754359B (zh) 一种应用于卷积神经网络的池化处理的方法及系统
CN109859314B (zh) 三维重建方法、装置、电子设备和存储介质
EP3823284B1 (en) Video image component prediction methods, decoder and encoder
CN103229508A (zh) 图像编码装置以及图像编码方法
CN111008701A (zh) 一种基于神经网络的数据量化方法、装置及计算机可读存储介质
CN112464801B (zh) 一种机器人数据处理方法和装置
CN110399976B (zh) 计算装置和计算方法
CN111985617A (zh) 3d卷积神经网络在神经网络处理器上的处理方法和装置
CN114648444A (zh) 应用在神经网络数据处理中的向量上采样计算方法及装置
CN115861472A (zh) 一种图像重构方法、装置、设备及介质
CN114494011A (zh) 图像插值方法及装置、处理设备、存储介质
CN110053253B (zh) 振镜扫描路径的优化方法与装置
CN114025118A (zh) 一种低码率视频重构方法、系统、电子设备及存储介质
CN110545373B (zh) 空间环境的感知方法及装置
CN110348566B (zh) 一种生成神经网络训练用数字信号的方法和系统
CN114140340A (zh) 图像数据的伪影处理方法及装置、存储介质、终端
CN106844480A (zh) 一种清洗比对入库方法
JP2008090686A5 (zh)
CN111353428A (zh) 动作信息识别方法、装置、电子设备及存储介质
EP2648179A1 (en) Image processing device, image processing method
CN105824858A (zh) 一种高维向量的哈希方法及装置
CN115063299B (zh) 一种图像预处理方法、装置、电子设备以及存储介质
CN114070732B (zh) 基于物联网的数据处理方法、装置、设备及介质
JP2006352451A (ja) 画像処理装置

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