CN112580630A - 机器人反光标志的识别方法、系统、机器人及计算机存储介质 - Google Patents
机器人反光标志的识别方法、系统、机器人及计算机存储介质 Download PDFInfo
- Publication number
- CN112580630A CN112580630A CN202011542187.XA CN202011542187A CN112580630A CN 112580630 A CN112580630 A CN 112580630A CN 202011542187 A CN202011542187 A CN 202011542187A CN 112580630 A CN112580630 A CN 112580630A
- Authority
- CN
- China
- Prior art keywords
- robot
- data points
- identifying
- data point
- reflective
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000012216 screening Methods 0.000 claims abstract description 29
- 239000003550 marker Substances 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 7
- 239000000463 material Substances 0.000 abstract description 7
- 230000003287 optical effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 238000011109 contamination Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
- G06V10/422—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation for representing the structure of the pattern or shape of an object therefor
- G06V10/426—Graphical representations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/24—Character recognition characterised by the processing or recognition method
- G06V30/242—Division of the character sequences into groups prior to recognition; Selection of dictionaries
- G06V30/244—Division of the character sequences into groups prior to recognition; Selection of dictionaries using graphical properties, e.g. alphabet type or font
-
- 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
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/09—Recognition of logos
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明提供一种机器人反光标志的识别方法，包括如下步骤：计算机器人移动空间内的数据点的特征评分；根据所述特征评分筛选出符合所述移动空间内的反光标志特征信息的数据点为有效数据点；根据所述有效数据点获取所述反光标志与所述机器人的位置关系。本发明还提供一种机器人反光标志的识别系统、机器人及计算机存储介质。本发明提供的机器人反光标志的识别方法、系统、机器人及计算机存储介质，提高了反光标志识别的准确性，避免了由于不同型号的同类传感器，在不同的远近、角度获得到的反光标志差异较大的问题，避免了反光标志部分沾污、遮挡，或环境内存在其他高反光材料导致的反光标志识别不准确的问题。
Description
【技术领域】
本发明涉及机器人技术领域，尤其涉及一种机器人反光标志的识别方法、系统、机器人及计算机存储介质。
【背景技术】
具备自主移动能力的机器人，可以通过识别场地中的一些特殊光学标志实现诸如定位校正、装置识别(如充电桩，货柜等)的功能。通常，通过将反光系数差别较大的材料组合在一起，形成特殊的条码图样，机器人自身的光学传感器(如激光雷达，红外，摄像头)在获取这些图样传感信息时能够获得在空间上形成的特殊分布数值(通常为反射光强参数)，从而获取到图样对应的特殊含义，进而获取光学标志和机器人之间的相对空间位置关系。这种光学标志不占用额外空间，且通过特殊的反光材料或加盖遮光片实现，具有人眼无感，不破坏环境美观的效果。
然而，机器人识别特殊的光学标志仍然面临着一些挑战，如不同型号的同类传感器，在不同的远近、角度获得到的反光图样差异比较大，此外，光学标志部分沾污、遮挡，或环境内存在其他高反光材料都有可能对光学标志识别的准确性带来极大的挑战。
鉴于此，实有必要提供一种新型的机器人反光标志的识别方法、系统、机器人及计算机存储介质以克服上述缺陷。
【发明内容】
本发明的目的是提供一种机器人反光标志的识别方法、系统、机器人及计算机存储介质，提高了反光标志识别的准确性。
为了实现上述目的，第一方面，本发明提供一种机器人反光标志的识别方法，包括如下步骤：计算机器人移动空间内的数据点的特征评分；根据所述特征评分筛选出符合所述移动空间内的反光标志特征信息的数据点为有效数据点；根据所述有效数据点获取所述反光标志与所述机器人的位置关系。
在一个优选实施方式中，所述计算机器人移动空间内数据点的特征评分的步骤，包括：对每个所述数据点进行拓展，形成与所述数据点对应的数据点簇；根据所述移动空间内的反光标志特征信息，计算每个所述数据点对应的数据点簇的特征评分。
在一个优选实施方式中，所述根据所述特征评分筛选出符合所述移动空间内的反光标志特征信息的数据点为有效数据点的步骤，包括：根据每个所述数据点对应的数据点簇的特征评分建立二维曲线或三维曲面；获取所述二维曲线或三维曲面上的峰值信息；根据所述峰值信息筛选出符合所述反光标志特征信息的数据点为有效数据点。
在一个优选实施方式中，所述根据所述有效数据点获取所述反光标志与所述机器人的位置关系的步骤，包括：根据所述有效数据点的空间特征形成拟合曲线；根据所述拟合曲线获取所述反光标志与所述机器人的位置关系。
第二方面，本发明还提供一种机器人反光标志的识别系统，包括：计算模块，用于计算机器人移动空间内的数据点的特征评分；筛选模块，用于根据所述特征评分筛选出符合所述移动空间内的反光标志特征信息的数据点为有效数据点；以及获取模块，用于根据所述有效数据点获取所述反光标志与所述机器人的位置关系。
在一个优选实施方式中，所述计算模块包括：拓展单元，用于对每个所述数据点进行拓展，形成与所述数据点对应的数据点簇；以及评分计算单元，用于根据所述移动空间内的反光标志特征信息，计算每个所述数据点对应的数据点簇的特征评分。
在一个优选实施方式中，所述筛选模块包括：创建单元，用于根据每个所述数据点对应的数据点簇的特征评分建立二维曲线或三维曲面；峰值获取单元，用于获取所述二维曲线或三维曲面上的峰值信息；以及阈值筛选单元，用于根据所述峰值信息筛选出符合所述反光标志特征信息的数据点为有效数据点。
在一个优选实施方式中，所述获取模块包括：拟合单元，用于根据所述有效数据点的空间特征形成拟合曲线；以及位置获取单元，用于根据所述拟合曲线获取所述反光标志与所述机器人的位置关系。
第三方面，本发明还提供一种机器人，包括：存储器、一个或多个处理器以及一个或多个执行器；所述存储器，用于存储一个或多个计算机程序；当所述一个或多个计算机程序被所述一个或多个处理器运行时，所述一个或多个处理器控制所述一个或多个执行器实现上述任意一项所述的机器人反光标志的识别方法。
第四方面，本发明还提供一种计算机存储介质，所述计算机存储介质内存储有计算机程序，所述计算机程序被处理器运行时控制执行器实现上述任意一项所述的机器人反光标志的识别方法。
相比于现有技术，本发明提供的机器人反光标志的识别方法、系统、机器人及计算机存储介质，首先计算机器人移动空间内的数据点的特征评分，再根据特征评分筛选出符合反光标志特征信息的数据点为有效数据点，最后根据有效数据点获取反光标志与机器人的位置关系，实现了机器人对反光标志的识别，通过对数据点进行特征评分并根据特征评分筛选出有效数据点，提高了反光标志识别的准确性，避免了由于不同型号的同类传感器，在不同的远近、角度获得到的反光标志差异较大的问题，避免了反光标志部分沾污、遮挡，或环境内存在其他高反光材料导致的反光标志识别不准确的问题，进一步提高了机器人定位校正、装置识别的准确性。
为使发明的上述目的、特征和优点能更明显易懂，下文特举本发明较佳实施例，并配合所附附图，作详细说明如下。
【附图说明】
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明提供的机器人反光标志的识别系统的原理框图；
图2为本发明提供的机器人反光标志的识别系统的筛选模块的原理框图；
图3为本发明提供的机器人反光标志的识别方法的流程图；
图4为本发明提供的机器人反光标志的识别方法的步骤S10的流程图；
图5为本发明提供的机器人反光标志的识别方法的步骤S10中对每个所述数据点进行拓展的示意图；
图6为本发明提供的机器人反光标志的识别方法的步骤S20的流程图；
图7为本发明提供的机器人反光标志的识别方法的步骤S20中数据点的特征分值曲线；
图8为本发明提供的机器人反光标志的识别方法的步骤S30的流程图；
图9为本发明提供的机器人的原理框图。
【具体实施方式】
下面将结合本发明实施例中附图，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一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。
请参阅图1，其为本发明提供的机器人反光标志的识别系统100的原理模块图。本发明提供的机器人反光标志的识别系统100，包括计算模块10、筛选模块20及获取模块30。
具体的，计算模块10用于计算机器人移动空间内的数据点的特征评分；筛选模块20根据所述特征评分筛选出符合所述移动空间内的反光标志特征信息的数据点为有效数据点；获取模块30用于根据所述有效数据点获取所述反光标志与所述机器人的位置关系。
进一步地，计算模块10包括拓展单元11及评分计算单元12。
具体的，拓展单元11用于对每个所述数据点进行拓展，形成与所述数据点对应的数据点簇；评分计算单元12用于根据所述移动空间内的反光标志特征信息，计算每个所述数据点对应的数据点簇的特征评分。
进一步地，筛选模块20包括创建单元21、峰值获取单元22及阈值筛选单元23。
具体的，创建单元21用于根据每个所述数据点对应的数据点簇的特征评分建立二维曲线或三维曲面；峰值获取单元22用于获取所述二维曲线或三维曲面上的峰值信息；阈值筛选单元23用于根据所述峰值信息筛选出符合所述反光标志特征信息的数据点为有效数据点。
进一步地，获取模块30包括拟合单元31及位置获取单元32。
进一步地，拟合单元31用于根据所述有效数据点的空间特征形成拟合曲线；位置获取单元32用于根据所述拟合曲线获取所述反光标志与所述机器人的位置关系。
可以理解地，上述各功能模块及单元可以软件程序的形式存储于存储器中，并由处理器执行。替代实施例中，上述各功能模块及单元也可为具有特定功能的硬件，例如，烧录有特定软件程序的芯片。
下面结合图3、图4、图6及图8对上述各功能模块及单元进行详细的介绍。
如图3所示，其为本发明提供的机器人反光标志的识别方法的流程图。所应说明的是，本发明的方法并不受限于下述步骤的顺序，且其他实施例中，本发明的方法可以只包括以下所述步骤的其中一部分，或者其中的部分步骤可以被删除。
本发明提供的机器人反光标志的识别方法100，包括如下步骤：
步骤S10：计算机器人移动空间内的数据点的特征评分。具体的，计算模块10对机器人上的传感器获取到的空间中所有的数据点进行评分，例如当传感器为激光雷达时，一个数据点则对应着一个固定角度上激光的距离和反射强度测量值，根据激光的距离和反射强度测量值计算数据点的特征评分。
步骤S20：根据所述特征评分筛选出符合所述移动空间内的反光标志特征信息的数据点为有效数据点。可以理解，若空间内存在多种反光标志，则每个数据点均得到了对应的多个特征评分。反光标志特征信息具体可以包括反光标志的总宽度、高亮区的宽度、低亮区的宽度等，反光标志特征信息是预存在机器人内部的。筛选模块20能够根据数据点的特征评分与反光标志特征信息进行比对，筛选出符合反光标志特征信息的数据点为有效数据点。
步骤S30：根据所述有效数据点获取所述反光标志与所述机器人的位置关系。具体的，获取模块30能够根据有效数据点的信息获取反光标志与机器人的位置关系，以使机器人得知反光标志的位置以及反光标志的种类，实现了机器人对反光标志的识别。
因此，本发明提供的机器人反光标志的识别方法及系统100，首先计算机器人移动空间内的数据点的特征评分，再根据特征评分筛选出符合反光标志特征信息的数据点为有效数据点，最后根据有效数据点获取反光标志与机器人的位置关系，实现了机器人对反光标志的识别，通过对数据点进行特征评分并根据特征评分筛选出有效数据点，提高了反光标志识别的准确性，避免了由于不同型号的同类传感器，在不同的远近、角度获得到的反光标志差异较大的问题，避免了反光标志部分沾污、遮挡，或环境内存在其他高反光材料导致的反光标志识别不准确的问题，进一步提高了机器人定位校正、装置识别的准确性。
进一步地，请参阅图4，步骤S10包括如下步骤：
步骤S11：对每个所述数据点进行拓展，形成与所述数据点对应的数据点簇。具体的，拓展单元11在数据点上，根据所需要识别的反光标志的空间信息进行拓展，形成一个数据点簇。如图5所示，当空间内存在反光标志A，且反光标志A的宽度为20cm，假设当前数据点位于反光标志中心，则在拓展时，需从当前数据点分别往左，往右各寻找10cm，寻找区域以内的其他数据点与当前数据点共同形成数据点簇。
步骤S12：根据所述移动空间内的反光标志特征信息，计算每个所述数据点对应的数据点簇的特征评分。具体的，评分计算单元12针对要识别的反光标志的反光特征在空间上的排布特征，给当前数据点打分。打分策略具体可以为：将反光标志的高亮度区域的数据点的强度数值相加得到R_h，将低亮度区域的数据点的强度数据相加得到R_l，则该数据点的特征评分S＝R_h-R_l。可以理解，打分策略不局限于这一种形式，打分的最终效果是，该数据点簇的空间和强度信息特征越接近于目标标志，得分越高。
进一步地，请参阅图6，步骤S20包括如下步骤：
步骤S21：根据每个所述数据点对应的数据点簇的特征评分建立二维曲线或三维曲面。具体的，创建单元21针对每个数据点的特征评分，一维数据(如激光雷达传感器)则能够创建形成二维曲线，二维数据则能够创建形成三维曲面。
步骤S22：获取所述二维曲线或三维曲面上的峰值信息。具体的，峰值获取单元22能够在曲线或曲面上利用峰值寻找算法，获取曲线或曲面上的峰值信息，峰值信息具体包括峰值点位置以及峰值大小。
步骤S23：根据所述峰值信息筛选出符合所述反光标志特征信息的数据点为有效数据点。阈值筛选单元23对峰值信息进行阈值筛选，获取最符合反光标志特征的数据点为有效数据点。如图7所示，为数据点的特征分值曲线，可以理解，特征阈值由机器人内预存的反光标志特征信息获得。
进一步地，请参阅图8，步骤S30包括如下步骤：
步骤S31：根据所述有效数据点的空间特征形成拟合曲线。具体的，得到了符合反光标志特征的有效数据点之后，拟合单元31需要对数据点的空间特征做进一步拟合，以进一步精确地获得反光标志和机器人之间的相对位置关系。
步骤S32：根据所述拟合曲线获取所述反光标志与所述机器人的位置关系。具体的，对于处于同一平面的反光标志，可以使用最小二乘、霍夫变换等方法拟合直线，位置获取单元32获取反光标志与机器人之间的角度、距离的位置关系。
需要说明的是，本发明提供的机器人反光标志的识别方法的所有实施例均适用于本发明提供的机器人反光标志的识别系统100，且均能够达到相同或相似的有益效果。
请参阅图9，本发明还提供一种机器人200，包括：存储器210、一个或多个处理器220以及一个或多个执行器230。
具体的，存储器210用于存储一个或多个计算机程序；当所述一个或多个计算机程序被一个或多个处理器220运行时，一个或多个处理器220控制一个或多个执行器230实现上述任意一项所述的机器人反光标志的识别方法。
其中，所述存储器210可以是，但不限于，随机存取存储器(Random AccessMemory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(ProgrammableRead-Only Memory，PROM)，可擦除只读存储器(Erasable Programmable Read-OnlyMemory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory，EEPROM)等。其中，存储器210用于存储程序，所述处理器220在接收到执行指令后运行所述程序，并控制执行器230实现上述任意一项所述的机器人反光标志的识别方法。可以理解，所述处理器220以及其他可能的组件对所述存储器210的访问可在存储控制器的控制下进行。
所述处理器220可能是一种集成电路芯片，具有信号的处理能力。处理器220可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等，还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(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，能够实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。
本发明还提供一种计算机存储介质，计算机存储介质内存储有计算机程序，所述计算机程序被处理器执行时，实现如前述实施例中任意一项所述的机器人反光标志的识别方法。
综上，本发明提供的机器人反光标志的识别方法、系统、机器人及计算机存储介质，首先计算机器人移动空间内的数据点的特征评分，再根据特征评分筛选出符合反光标志特征信息的数据点为有效数据点，最后根据有效数据点获取反光标志与机器人的位置关系，实现了机器人对反光标志的识别，通过对数据点进行特征评分并根据特征评分筛选出有效数据点，提高了反光标志识别的准确性，避免了由于不同型号的同类传感器，在不同的远近、角度获得到的反光标志差异较大的问题，避免了反光标志部分沾污、遮挡，或环境内存在其他高反光材料导致的反光标志识别不准确的问题，进一步提高了机器人定位校正、装置识别的准确性。
以上所述仅为本发明的实施方式，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种机器人反光标志的识别方法，其特征在于，包括如下步骤：
计算机器人移动空间内的数据点的特征评分；
根据所述特征评分筛选出符合所述移动空间内的反光标志特征信息的数据点为有效数据点；
根据所述有效数据点获取所述反光标志与所述机器人的位置关系。
2.如权利要求1所述的机器人反光标志的识别方法，其特征在于，所述计算机器人移动空间内数据点的特征评分的步骤，包括：
对每个所述数据点进行拓展，形成与所述数据点对应的数据点簇；
根据所述移动空间内的反光标志特征信息，计算每个所述数据点对应的数据点簇的特征评分。
3.如权利要求2所述的机器人反光标志的识别方法，其特征在于，所述根据所述特征评分筛选出符合所述移动空间内的反光标志特征信息的数据点为有效数据点的步骤，包括：
根据每个所述数据点对应的数据点簇的特征评分建立二维曲线或三维曲面；
获取所述二维曲线或三维曲面上的峰值信息；
根据所述峰值信息筛选出符合所述反光标志特征信息的数据点为有效数据点。
4.如权利要求3所述的机器人反光标志的识别方法，其特征在于，所述根据所述有效数据点获取所述反光标志与所述机器人的位置关系的步骤，包括：
根据所述有效数据点的空间特征形成拟合曲线；
根据所述拟合曲线获取所述反光标志与所述机器人的位置关系。
5.一种机器人反光标志的识别系统，其特征在于，包括：
计算模块，用于计算机器人移动空间内的数据点的特征评分；
筛选模块，用于根据所述特征评分筛选出符合所述移动空间内的反光标志特征信息的数据点为有效数据点；以及
获取模块，用于根据所述有效数据点获取所述反光标志与所述机器人的位置关系。
6.如权利要求5所述的机器人反光标志的识别系统，其特征在于，所述计算模块包括：
拓展单元，用于对每个所述数据点进行拓展，形成与所述数据点对应的数据点簇；以及
评分计算单元，用于根据所述移动空间内的反光标志特征信息，计算每个所述数据点对应的数据点簇的特征评分。
7.如权利要求6所述的机器人反光标志的识别系统，其特征在于，所述筛选模块包括：
创建单元，用于根据每个所述数据点对应的数据点簇的特征评分建立二维曲线或三维曲面；
峰值获取单元，用于获取所述二维曲线或三维曲面上的峰值信息；以及
阈值筛选单元，用于根据所述峰值信息筛选出符合所述反光标志特征信息的数据点为有效数据点。
8.如权利要求7所述的机器人反光标志的识别系统，其特征在于，所述获取模块包括：
拟合单元，用于根据所述有效数据点的空间特征形成拟合曲线；以及
位置获取单元，用于根据所述拟合曲线获取所述反光标志与所述机器人的位置关系。
9.一种机器人，其特征在于，包括：存储器、一个或多个处理器以及一个或多个执行器；
所述存储器，用于存储一个或多个计算机程序；
当所述一个或多个计算机程序被所述一个或多个处理器运行时，所述一个或多个处理器控制所述一个或多个执行器实现如权利要求1-4任意一项所述的机器人反光标志的识别方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质内存储有计算机程序，所述计算机程序被处理器运行时控制执行器实现如权利要求1-4任意一项所述的机器人反光标志的识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011542187.XA CN112580630B (zh) | 2020-12-23 | 2020-12-23 | 机器人反光标志的识别方法、系统、机器人及计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011542187.XA CN112580630B (zh) | 2020-12-23 | 2020-12-23 | 机器人反光标志的识别方法、系统、机器人及计算机存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112580630A true CN112580630A (zh) | 2021-03-30 |
| CN112580630B CN112580630B (zh) | 2024-09-24 |
Family
ID=75139174
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011542187.XA Active CN112580630B (zh) | 2020-12-23 | 2020-12-23 | 机器人反光标志的识别方法、系统、机器人及计算机存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112580630B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113588195A (zh) * | 2021-08-10 | 2021-11-02 | 同济大学 | 碰撞堵塞检测方法及装置 |
| WO2023236697A1 (zh) * | 2022-06-07 | 2023-12-14 | 速感科技（北京）有限公司 | 自主移动设备的回充方法和装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160259038A1 (en) * | 2015-03-05 | 2016-09-08 | Facet Technology Corp. | Methods and Apparatus for Increased Precision and Improved Range in a Multiple Detector LiDAR Array |
| CN107220382A (zh) * | 2017-06-28 | 2017-09-29 | 环球智达科技（北京）有限公司 | 数据分析方法 |
| CN110000784A (zh) * | 2019-04-09 | 2019-07-12 | 深圳市远弗科技有限公司 | 一种机器人回充定位导航方法、系统、设备及存储介质 |
| CN110770793A (zh) * | 2018-12-29 | 2020-02-07 | 深圳市瑞立视多媒体科技有限公司 | 一种三维轨迹数据的异常值处理方法及光学动作捕捉方法 |
-
2020
- 2020-12-23 CN CN202011542187.XA patent/CN112580630B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160259038A1 (en) * | 2015-03-05 | 2016-09-08 | Facet Technology Corp. | Methods and Apparatus for Increased Precision and Improved Range in a Multiple Detector LiDAR Array |
| CN107220382A (zh) * | 2017-06-28 | 2017-09-29 | 环球智达科技（北京）有限公司 | 数据分析方法 |
| CN110770793A (zh) * | 2018-12-29 | 2020-02-07 | 深圳市瑞立视多媒体科技有限公司 | 一种三维轨迹数据的异常值处理方法及光学动作捕捉方法 |
| CN110000784A (zh) * | 2019-04-09 | 2019-07-12 | 深圳市远弗科技有限公司 | 一种机器人回充定位导航方法、系统、设备及存储介质 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113588195A (zh) * | 2021-08-10 | 2021-11-02 | 同济大学 | 碰撞堵塞检测方法及装置 |
| CN113588195B (zh) * | 2021-08-10 | 2022-07-26 | 同济大学 | 碰撞堵塞检测方法及装置 |
| WO2023236697A1 (zh) * | 2022-06-07 | 2023-12-14 | 速感科技（北京）有限公司 | 自主移动设备的回充方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112580630B (zh) | 2024-09-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11320833B2 (en) | Data processing method, apparatus and terminal | |
| JP6825569B2 (ja) | 信号処理装置、信号処理方法、およびプログラム | |
| CN109658504B (zh) | 地图数据标注方法、装置、设备及存储介质 | |
| US10769421B2 (en) | Method for performing pedestrian detection with aid of light detection and ranging | |
| CN111191600A (zh) | 障碍物检测方法、装置、计算机设备和存储介质 | |
| JP6682833B2 (ja) | 物体認識アルゴリズムの機械学習のためのデータベース構築システム | |
| JP5602392B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
| JP5822255B2 (ja) | 対象物識別装置及びプログラム | |
| WO2022078513A1 (zh) | 定位方法、装置、自移动设备和存储介质 | |
| CN112464812B (zh) | 一种基于车辆的凹陷类障碍物检测方法 | |
| CN112580630A (zh) | 机器人反光标志的识别方法、系统、机器人及计算机存储介质 | |
| CN111380510B (zh) | 重定位方法及装置、机器人 | |
| US20090052779A1 (en) | Object recognizing apparatus | |
| JP2010256040A (ja) | 車両検出装置 | |
| CN114596313A (zh) | 一种基于室内点云的建筑物构件损伤检测方法及相关设备 | |
| US20230034208A1 (en) | Processing Apparatus and Point Cloud Elimination Method | |
| CN113536867B (zh) | 物体识别的方法、装置及系统 | |
| CN116299554A (zh) | 激光点云的生成方法、装置、车辆及存储介质 | |
| CN116559847A (zh) | 激光雷达的外部参数标定方法、装置及相关设备 | |
| CN113313629A (zh) | 交叉路口自动识别方法、系统及其模型保存方法、系统 | |
| CN110686687B (zh) | 视觉机器人构建地图的方法、机器人和芯片 | |
| JP7472759B2 (ja) | 位置推定装置、位置推定方法、及び位置推定プログラム | |
| CN114594485A (zh) | 利用LiDAR传感器识别高层结构物的装置和方法 | |
| CN112508932A (zh) | 基于仿真模板匹配的焊缝定位方法、系统及存储介质 | |
| JP6670712B2 (ja) | 自己位置推定装置、移動体及び自己位置推定方法 |
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 |