CN112799095A - 静态地图生成方法、装置、计算机设备及存储介质 - Google Patents
静态地图生成方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN112799095A CN112799095A CN202011640136.0A CN202011640136A CN112799095A CN 112799095 A CN112799095 A CN 112799095A CN 202011640136 A CN202011640136 A CN 202011640136A CN 112799095 A CN112799095 A CN 112799095A
- Authority
- CN
- China
- Prior art keywords
- data
- map
- point cloud
- static
- pose
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Multimedia (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及机器人定位领域,公开了一种静态地图生成方法、装置、计算机设备及存储介质,其方法包括:获取在同一时间段采集的深度图像数据和位姿数据;根据位姿数据确定与深度图像数据同步的位姿信息;基于位姿信息和与深度图像数据对应的安装位置对深度图像数据进行处理,生成机器人坐标系中的点云数据;根据预设截取规则对点云数据进行截取,生成局域点云数据;根据局域点云数据更新全局障碍物地图数据,全局障碍物地图数据的坐标系为世界坐标系;根据全局障碍物地图数据对初始静态地图进行更新,更新完毕的初始静态地图即为静态地图。本发明可以解决现有静态地图生产成本和地图精度无法同时兼顾的问题。
Description
技术领域
本发明涉及机器人定位领域,尤其涉及一种静态地图生成方法、装置、计算机设备及存储介质。
背景技术
机器人在正常工作前,一般需要通过定位和建图,以完成工作部署。定位和建图可以使用单线激光雷达、多线激光雷达、或者深度相机。单线激光雷达的成本低,但其感知范围为一个二维平面,生成的地图信息量低。多线激光雷达可以感知三维空间,但其价格昂贵,限制了其应用范围。深度相机一般用于构建三维地图,生成的三维地图会占用较大的存储空间,而且,对于一些活动空间为二维平面的机器人,三维地图并无法进一步提高机器人的定位精度,反而提高了存储空间和数据处理方面的要求。
发明内容
基于此,有必要针对上述技术问题,提供一种静态地图生成方法、装置、计算机设备及存储介质,以解决生产成本和地图精度无法同时兼顾的问题。
一种静态地图生成方法,包括:
获取在同一时间段采集的深度图像数据和位姿数据;
根据所述位姿数据确定与所述深度图像数据同步的位姿信息;
基于所述位姿信息和与所述深度图像数据对应的安装位置对所述深度图像数据进行处理,生成机器人坐标系中的点云数据;
根据预设截取规则对所述点云数据进行截取,生成局域点云数据;
根据所述局域点云数据更新全局障碍物地图数据,所述全局障碍物地图数据的坐标系为世界坐标系;
根据所述全局障碍物地图数据对初始静态地图进行更新,更新完毕的所述初始静态地图即为静态地图。
一种静态地图生成装置,包括:
获取数据模块,用于获取在同一时间段采集的深度图像数据和位姿数据;
确定同步位姿信息模块,用于根据所述位姿数据确定与所述深度图像数据同步的位姿信息;
生成点云模块,用于基于所述位姿信息和与所述深度图像数据对应的安装位置对所述深度图像数据进行处理,生成机器人坐标系中的点云数据;
点云截取模块,用于根据预设截取规则对所述点云数据进行截取,生成局域点云数据;
障碍物地图更新模块,用于根据所述局域点云数据更新全局障碍物地图数据,所述全局障碍物地图数据的坐标系为世界坐标系;
静态地图更新模块,用于根据所述全局障碍物地图数据对初始静态地图进行更新,更新完毕的所述初始静态地图即为静态地图。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令,所述处理器执行所述计算机可读指令时实现上述静态地图生成方法。
一个或多个存储有计算机可读指令的可读存储介质,所述计算机可读指令被一个或多个处理器执行时,使得所述一个或多个处理器执行如上述静态地图生成方法。
上述静态地图生成方法、装置、计算机设备及存储介质,通过获取在同一时间段采集的深度图像数据和位姿数据,以获得生成静态地图的原始数据。根据所述位姿数据确定与所述深度图像数据同步的位姿信息,以确定位姿数据与深度图像数据的关联关系(通过时间关联)。基于所述位姿信息和与所述深度图像数据对应的安装位置对所述深度图像数据进行处理,生成机器人坐标系中的点云数据,以将深度图像数据转换为容易处理的三维数据(即点云数据),无需构建三维模型,大大节省计算资源。根据预设截取规则对所述点云数据进行截取,生成局域点云数据,以对点云进行筛选,一方面提高点云的精度,另一方面减少数据处理量。根据所述局域点云数据更新全局障碍物地图数据,所述全局障碍物地图数据的坐标系为世界坐标系,以将三维数据处理为二维数据。根据所述全局障碍物地图数据对初始静态地图进行更新,更新完毕的所述初始静态地图即为静态地图,以生成静态地图。本发明可以解决现有静态地图生产成本和地图精度无法同时兼顾的问题,同时采用了地图衰减机制,有效处理动态障碍物,减少动态障碍物对静态地图正确率的影响。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例中静态地图生成方法的一流程示意图;
图2是本发明一实施例中未更新过的初始静态地图;
图3是本发明一实施例中处于机器人坐标系的局域障碍物地图;
图4是本发明一实施例中处于世界坐标系的全局障碍物地图;
图5是本发明一实施例中深度相机感知区域的示意图;
图6是本发明一实施例中四个不同时刻局域障碍物地图与初始静态地图的比较;
图7是本发明一实施例中静态地图生成装置的一结构示意图;
图8是本发明一实施例中计算机设备的一示意图。
具体实施方式
下面将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,所描述的实施例是本发明一部分实施例,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作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。
在一实施例中,如图1所示,提供一种静态地图生成方法,包括如下步骤:
S10、获取在同一时间段采集的深度图像数据和位姿数据。
可理解地,深度图像数据指的是安装在机器人上的深度相机采集到的带有深度信息的图像数据。一些情况下,深度图像数据也可称为RGBD数据。深度图像数据包括若干帧深度图像。每帧深度图像标记有其采集时间所对应的时间戳。
位姿数据则为机器人上的定位传感器采集到的机器人位置和姿态(通常用角度表示)。位姿数据包括若干个位姿信息。位姿信息可以包括平面坐标(X,Y轴上的值),角度。每个位姿信息都有其对应的采集时间。
同一时间段可以指深度图像数据和位姿数据的采集时间都是在机器人的建图阶段。由于深度相机与定位传感器是相互独立的采集设备,其采样频率可以相同也可以不同。因而,深度图像数据和位姿数据虽然是在同一时间段采集,但对于处于特定时刻的某一帧深度图像,并不一定有相同时刻的位姿信息,但在包含该特定时刻的时间区间(如总长度为10秒)内,存在一个或多个位姿信息。
S20、根据所述位姿数据确定与所述深度图像数据同步的位姿信息。
可理解地,同步指的是处于相同时刻。对于深度图像数据中采集时间为指定时刻的深度图像,若位姿数据中包含指定时刻的位姿信息,则直接获取该指定时刻的位姿信息,即为与深度图像数据同步的位姿信息;若位姿数据中不包含指定时刻的位姿信息,则可以获取指定时刻之前最邻近的第一位姿信息,指定时刻之后最邻近的第二位姿信息,根据第一位姿信息和第二位姿信息推测指定时刻的位姿信息,即为与深度图像数据同步的位姿信息。
S30、基于所述位姿信息和与所述深度图像数据对应的安装位置对所述深度图像数据进行处理,生成机器人坐标系中的点云数据。
可理解地,与深度图像数据对应的安装位置,指的是深度相机在机器人的安装位置。通常情况下,深度图像数据的安装位置可以转换为机器人坐标系中的坐标点。位姿信息可以确定机器人坐标系在世界坐标系的方位(如,可以是机器人坐标系原点在世界坐标系的位置,以及机器人坐标系的X轴与世界坐标系的X轴的夹角)。每帧深度图像可以生成一个点云。按时间顺序依次遍历所有深度图像(即深度图像数据),可以获得多个点云,形成点云数据。也就是说,点云数据包括若干点云。在一示例中,可以基于深度相机的内部参数,将深度图像转换为相机坐标下的点云,再根据安装位置相机坐标下的点云数据转换为机器人坐标系的点云。
S40、根据预设截取规则对所述点云数据进行截取,生成局域点云数据。
可理解地,为了保证静态地图的准确性,预设截取规则可以规定,选取深度相机前方(也即机器人前方)指定空间范围内的点云。指定空间范围与深度相机的成像能力相关。在一示例中,预设截取规则可以设置为:截取深度相机前方2米以内,高于地面且低于机器人视觉高度的点云。通过对点云进行截取,可以生成局域点云。局域点云可以大大减少点云数据的处理量,同时提高点云的质量。局域点云数据包括若干局域点云。
S50、根据所述局域点云数据更新全局障碍物地图数据,所述全局障碍物地图数据的坐标系为世界坐标系。
可理解地,局域点云数据转换至全局障碍物地图数据,需要经过投影和坐标系切换的操作。可以先投影再切换坐标系,也可以先切换坐标系再投影。在一示例中,局域点云先在机器人坐标系进行投影,生成局域障碍物地图,然后再基于位姿信息确定的机器人坐标系在世界坐标系的方位,将局域障碍物地图转换为全局障碍物地图。进行投影时,存在点投影的栅格的像素值设置为255,不存在点投影的栅格的像素值设置为0。多个局域点云数据可以生成多个全局障碍物地图。全局障碍物地图数据包括若干全局障碍物地图。
S60、根据所述全局障碍物地图数据对初始静态地图进行更新,更新完毕的所述初始静态地图即为静态地图。
可理解地,全局障碍物地图数据包括若干全局障碍物地图。可以按照时间顺序,使用各帧全局障碍物地图对初始静态地图进行更新。在一示例中,如图2所示,未更新过的初始静态地图为像素值为0的栅格地图。可以基于全局障碍物地图上栅格的像素值的大小对初始静态地图上对应的栅格的像素值进行更新。例如,若全局障碍物地图上栅格(100,100)的像素值为255,则更新后,初始静态地图上栅格(100,100)的像素值为V0+V1;若全局障碍物地图上栅格(100,100)的像素值为0,则更新后,初始静态地图上栅格(100,100)的像素值为V0-V2,在此处,V0为更新前静态地图上栅格(100,100)的像素值,V1和V2均为自定义的幅值(正数),可以根据实际需要设置。初始静态地图上栅格的像素值的取值范围为0~255,若更新后的像素值超出该范围,则更新后的像素值设置为0或255。
V1与V2分别控制静态地图栅格的像素值增加幅度和衰减幅度。对于动态障碍物,当动态障碍物未离开时,其所在位置对应的栅格的像素值会增加,当动态障碍物离开后,其所在位置对应的栅格的像素值会逐渐衰减,最终为0。因此,在机器人进行建图时,只要保证在动态障碍物离开后,继续在动态障碍物原停留地点采集数据,一般可以消除动态障碍物的干扰。而由于静态障碍物位置不发生变化,其所在位置对应的栅格的像素值不会衰减,因此,静态障碍物所在位置对应的栅格的像素值为较高的值。
步骤S10-S60中,获取在同一时间段采集的深度图像数据和位姿数据,以获得生成静态地图的原始数据。根据所述位姿数据确定与所述深度图像数据同步的位姿信息,以确定位姿数据与深度图像数据的关联关系(通过时间关联)。基于所述位姿信息和与所述深度图像数据对应的安装位置对所述深度图像数据进行处理,生成机器人坐标系中的点云数据,以将深度图像数据转换为容易处理的三维数据(即点云数据),无需构建三维模型,大大节省计算资源。根据预设截取规则对所述点云数据进行截取,生成局域点云数据,以对点云进行筛选,一方面提高点云的精度,另一方面减少数据处理量。根据所述局域点云数据更新全局障碍物地图数据,所述全局障碍物地图数据的坐标系为世界坐标系,以将三维数据处理为二维数据。根据所述全局障碍物地图数据对初始静态地图进行更新,更新完毕的所述初始静态地图即为静态地图,以生成静态地图。
可选的,步骤S50,即所述根据所述局域点云数据更新全局障碍物地图数据,所述全局障碍物地图数据的坐标系为世界坐标系,包括:
S501、根据所述局域点云数据更新局域障碍物地图数据,所述局域障碍物地图数据的坐标系为机器人坐标系;
S502、将更新后的局域障碍物地图数据转换为所述全局障碍物地图数据。
可理解地,根据局域点云数据更新局域障碍物地图数据,即为将点云中的各个点向机器人坐标的地平面(X轴与Y轴所成平面)投影。当点云中所有点投影完毕,即完成局域障碍物地图数据的更新。进行投影时,局域障碍物地图上,被点云投影的栅格,对应的像素值设置成255,未被点云投影的栅格,对应的像素值保持原有的取值0。如图3所示,图3为处于机器人坐标系的局域障碍物地图。
可以根据位姿信息确定的机器人坐标系在世界坐标系的方位,将更新后的局域障碍物地图数据转换为全局障碍物地图数据。全局障碍物地图数据的坐标系为世界坐标系。如图4所示,图4为处于世界坐标系的全局障碍物地图。
可选的,步骤S10之前,即所述获取同步采集的深度图像数据和位姿数据之前,还包括:
S11、获取建图过程中以预设条件间隔采集到的多个初始位姿数据;
S12、利用预设回环检测算法对所述多个初始位姿数据进行矫正以获得所述位姿数据。
可理解地,初始位姿数据为未经矫正的数据。初始位姿数据是机器人进行建图过程时采集的数据。机器人建图可以采用的方法包括但不限于基于激光雷达的建图方法,基于二维码的建图方法。
可选的,为减少计算量,在建图的过程中是以预设条件间隔来采集初始位姿数据的,可选的,该预设条件间隔可以是时间间隔,例如每隔0.5S采集一次,也可以是帧数间隔,例如每隔10帧采集一次,还可以是角度间隔,例如每变化幅度相比上次采集时大于30度时可以采集一次,或者是距离间隔,例如每运行超过0.5m可以采集一次等,这里不做限定。因此在整个建图过程中,会采集得到多个初始位姿数据,例如可以是10个,也可以是20个等等。
一般机器人在建图过程中,有一个回环检测和优化的过程。在推行机器人的过程中,机器人可以根据里程计得到其当前的准确度较低的初始位姿数据。初始位姿数据受传感器或处理算法的影响较大。当机器人推行回到原点时,由于误差的存在,机器人可能认为自身与原点还有较大偏差。通过回环检测功能,可以让机器人明确终点(即原点)的位置信息,通过计算测量值与真实值的偏差,矫正多个初始位姿数据,获得准确性更高的位姿数据,可选的,每一初始位姿数据矫正会形成矫正位姿数据,多个矫正位姿数据组成该位姿数据。
可选的,步骤S20,即所述根据所述位姿数据确定与所述深度图像数据同步的位姿信息,包括:
S201、获取所述深度图像数据的采集时间;
S202、判断所述位姿数据是否存在处于所述采集时间的位姿信息;
S203、若所述位姿数据不存在处于所述采集时间的位姿信息,通过插值算法处理所述位姿数据,生成处于所述采集时间的位姿信息,所述处于所述采集时间的位姿信息以及所述位姿数据即为与所述深度图像数据同步的位姿信息。
可理解地,深度图像数据的采集时间,即为各个深度图像的生成时间,可用时间戳表示。也就是说,深度图像数据的采集时间包括了若干深度图像的时间戳。位姿数据包括若干位姿信息。每个位姿信息都有其对应的采集时间。位姿信息的采集时间也可以用时间戳表示。
可以根据深度图像的时间戳在位姿数据查找是否有对应的位姿信息,若存在,则该位姿信息为与深度图像数据同步的位姿信息。若不存在,可以通过插值算法确定深度图像的时间戳所对应的位姿信息。具体可以利用时间关系与采集时间最相邻的位姿数据来生成位于采集时间的位姿数据。
例如,可以获取指定时间戳之前最邻近的矫正位姿数据,指定时间戳之后最邻近的矫正位姿数据,根据两个矫正位姿数据推测指定时间戳的位姿信息,即为与深度图像数据同步的位姿信息。
可选的,将处于采集时间的位姿信息以及位姿数据即为与所述深度图像数据同步的位姿信息。其中,选取采集时间对于的位姿数据作为与深度图像数据同步的位姿信息。
可选的,步骤S40,即所述根据预设截取规则对所述点云数据进行截取,生成局域点云数据,包括:
S401、根据所述位姿信息确定所述机器人的面向位置;
S402、根据所述面向位置确定目标区域,根据所述目标区域从所述点云数据截取出所述局域点云数据,所述目标区域包括所述机器人前方指定距离以内,高于地面且低于机器人视觉高度的感知区域。
可理解地,位姿信息包括了机器人的平面坐标和角度信息,可以通过位姿信息中的角度信息确定机器人的面向位置。在一些情况下,角度信息可以包括平面转动角(水平方向)和/或仰角(垂直方向)。在一示例中,可以定义为,角度为0°,面向位置朝右,角度为180°,面向位置朝左。
通过机器人的面向位置可以确定深度相机的感知区域(即感知范围)。深度相机的感知区域可以是相机的成像区域。而目标区域小于或等于深度相机的感知区域。如图5所示,图5为深度相机感知区域的示意图。图5中,由于点云数据仅分布在RGBD(在此处表示深度相机)感知范围(扇形区域),在使用局域点云数据更新局域障碍物地图数据时,仅需要对RGBD感知范围内的栅格进行更新,对处于RGBD感知盲区不进行更新。
目标区域包括机器人前方指定距离以内,高于地面且低于机器人视觉高度的感知区域。指定距离可以根据实际需要进行设置。在一示例中,目标区域可以设置为:深度相机前方2米以内,高于地面且低于机器人视觉高度的区域。通过对点云进行截取,可以生成局域点云。局域点云可以大大减少点云数据的处理量,同时提高点云的质量。在此处,局域点云数据包括若干局域点云。
可选的,步骤S501,即所述根据所述局域点云数据更新局域障碍物地图数据,所述局域障碍物地图数据的坐标系为机器人坐标系,包括:
S5011、将所述局域点云数据向处于地平面的局域障碍物地图进行投影,将存在点投影的栅格的像素值设置为指定像素值;
S5012、在所述局域点云数据中所有点完成投影后,完成所述局域障碍物地图数据的更新。
可理解地,可以将点云中的各个点向机器人坐标的地平面(X轴与Y轴所成平面)投影。当点云中所有点投影完毕,即完成局域障碍物地图数据的更新。进行投影时,局域障碍物地图上,被点云投影的栅格,对应的像素值设置成255,未被点云投影的栅格,对应的像素值保持原有的取值0。如图3所示,图3为处于机器人坐标系的局域障碍物地图。
可选的,步骤S60,即所述根据所述全局障碍物地图数据对初始静态地图进行更新,更新完毕的所述初始静态地图即为静态地图,包括:
S601、若所述全局障碍物地图数据中的第一指定栅格的像素值大于0,将第一静态栅格的像素值增加第一预设幅值,且增加所述第一预设幅值后的所述第一静态栅格的像素值不大于255,所述第一静态栅格为所述初始静态地图中与所述第一指定栅格对应的栅格;
S602、若所述全局障碍物地图数据中的第二指定栅格的像素值为0,将第二静态栅格的像素值减少第二预设幅值,且减少所述第二预设幅值后的所述第二静态栅格的像素值不小于0,所述第二静态栅格为所述初始静态地图中与所述第二指定栅格对应的栅格。
可理解地,可以按照时间顺序,将全局障碍物地图数据中的多个全局障碍物地图逐帧对初始静态地图进行更新。当所有全局障碍物地图更新完毕,即可获得静态地图。静态地图中,无障碍物处栅格的像素值为0,表现为黑色,有障碍物处栅格的像素值大于0。像素值越大,表示障碍物存在的概率越高。因而,存在障碍物的栅格在静态地图表现为灰色或白色。
根据全局障碍物地图对初始静态地图进行更新时,若全局障碍物地图中的第一指定栅格的像素值大于0(一般为255),将第一静态栅格的像素值增加第一预设幅值,且增加第一预设幅值后的第一静态栅格的像素值不大于255,第一静态栅格为初始静态地图中与第一指定栅格对应的栅格。第一预设幅值为正数,可以根据实际需要设置。第一预设幅值的大小,与每秒钟全局障碍物地图的帧数成反比,与变亮时间(像素值从0持续增长到255的时间)成反比。
若全局障碍物地图数据中的第二指定栅格的像素值为0,将第二静态栅格的像素值减少第二预设幅值,且减少第二预设幅值后的第二静态栅格的像素值不小于0,第二静态栅格为初始静态地图中与第二指定栅格对应的栅格。第二预设幅值为正数,可以根据实际需要设置。第二预设幅值的大小,与每秒钟全局障碍物地图的帧数成反比,与衰减时间(像素值从255持续减少到0的时间)成反比。
在一示例中,如图6所示,图6中第一行图像为四个不同时刻的局域障碍物地图,第二行图像为四个不同时刻的初始静态地图。其中,白色箭头指向位置为机器人在对应时刻(T=0-3)的实际位置。机器人感知范围为前方±90度,沿X轴方向向前行驶,机器人前方有一L形的静态障碍物和一点状的动态障碍物,该动态障碍物也沿X轴方向向前行驶。以下为4个时刻初始静态地图的更新过程。
T=0时刻,机器人观察到前方L形和点形障碍物(图6左一上),将其转到世界坐标系下,生成相应的全局障碍物地图(图6中未示出,可参考图3和图4),相应的位置栅格值开始增加V1(图6左一下)。
T=1时刻,机器人向前运动了一个栅格,动态障碍物也向前运动了一个栅格(图6左二上)。由于在新的位置观察到动态障碍物,将该位置对应的栅格值增加V1,而上一帧动态障碍物所在的位置没有观察到物体,该位置对应的栅格值衰减V2,即变暗。对L形静态障碍物,由于其所在位置与上一帧相同,因此,其所在位置栅格值继续增加V1,即变亮(图6左二下)。
T=2时刻,机器人继续向前运动了一个栅格,动态障碍物也继续向前运动了一个栅格(图6右二上)。由于在新的位置观察到动态障碍物,将该位置对应的栅格值增加V1,而上两帧动态障碍物所在的位置没有观察到物体,对应的栅格值衰减V2,即变暗。对L形静态障碍物,由于其所在位置与上一帧相同,因此,其所在位置栅格值继续增加V1,即变亮(图6右二下)。
T=3时刻,机器人继续向前运动了一个栅格,动态障碍物也继续向前运动了一个栅格(图6右一上)。由于在新的位置观察到动态障碍物,将该位置对应的栅格值增加V1,而上三帧动态障碍物所在的位置没有观察到物体,对应的栅格值衰减V2,即变暗,而T=0时刻动态障碍物所在位置的栅格值已经衰减至0,即与背景相同。对L形静态障碍物,其最左端部分已经进入到机器人盲区,该栅格值不再更新,而其余部分仍在机器人感知范围内,且位置与上一帧相同,因此,其所在位置栅格值继续增加V1,即变亮(图6右一下)。
可选的,步骤S60之后,即所述根据所述全局障碍物地图数据对初始静态地图进行更新,更新完毕的所述初始静态地图即为静态地图之后,还包括:
S61、获取码图数据;
S62、根据所述码图数据和所述静态地图生成机器人的拓扑路径。
可理解地,码图数据可以指在机器人建图的过程中采集的视觉标志识别数据。在机器人建图前,在机器人推行路径上粘贴若干视觉标志(marker)(一般粘贴在天花板上)。码图数据可以确定机器人的位置。而静态地图则包含了障碍物信息。根据码图数据和静态地图可以规划机器人的可行路径,即为拓扑路径。
可选地,码图数据即机器人根据二维码等进行建图形成的地图,该地图是不考虑障碍物信息的,因此如果仅仅基于该地图进行拓扑路径会导致机器人在进行运行时,不会提前考虑到障碍物的影响(而在快监测到时才会即时性的避让,会影响到整个避让的时间和路径),从而影响运行效果。本申请通过构建静态地图,并利用静态地图中的障碍物信息与码图数据一起形成拓扑路径,即在开始规划拓扑路径的时,就将障碍物信息考虑进去,从而使得机器人在运行过程中,会提前考虑到障碍物,即预先提供避让方式,从而生产完整的一个避让路径,从而有效的提高运行效果。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一实施例中,提供一种静态地图生成装置,该静态地图生成装置与上述实施例中静态地图生成方法一一对应。如图7所示,该静态地图生成装置包括获取数据模块10、确定同步位姿信息模块20、生成点云模块30、点云截取模块40、障碍物地图更新模块50和静态地图更新模块60。各功能模块详细说明如下:
获取数据模块10,用于获取在同一时间段采集的深度图像数据和位姿数据;
确定同步位姿信息模块20,用于根据所述位姿数据确定与所述深度图像数据同步的位姿信息;
生成点云模块30,用于基于所述位姿信息和与所述深度图像数据对应的安装位置对所述深度图像数据进行处理,生成机器人坐标系中的点云数据;
点云截取模块40,用于根据预设截取规则对所述点云数据进行截取,生成局域点云数据;
障碍物地图更新模块50,用于根据所述局域点云数据更新全局障碍物地图数据,所述全局障碍物地图数据的坐标系为世界坐标系;
静态地图更新模块60,用于根据所述全局障碍物地图数据对初始静态地图进行更新,更新完毕的所述初始静态地图即为静态地图。
可选的,障碍物地图更新模块50包括:
局域地图更新单元,用于根据所述局域点云数据更新局域障碍物地图数据,所述局域障碍物地图数据的坐标系为机器人坐标系;
全局地图转换单元,用于将更新后的局域障碍物地图数据转换为所述全局障碍物地图数据。
可选的,静态地图生成装置还包括:
获取初始数据模块,用于获取包含若干矫正位姿数据的初始位姿数据;
数据校正模块,用于根据所述矫正位姿数据对所述初始位姿数据矫正,生成所述位姿数据。
可选的,确定同步位姿信息模块20包括:
获取采集时间单元,用于获取所述深度图像数据的采集时间;
判断位姿信息单元,用于判断所述位姿数据是否存在处于所述采集时间的位姿信息;
生成位姿信息单元,用于若所述位姿数据不存在处于所述采集时间的位姿信息,通过插值算法处理所述位姿数据,生成处于所述采集时间的位姿信息,所述处于所述采集时间的位姿信息即为与所述深度图像数据同步的位姿信息。
可选的,点云截取模块40包括:
确定面向单元,用于根据所述位姿信息确定所述机器人的面向位置;
点云截取单元,用于根据所述面向位置确定目标区域,根据所述目标区域从所述点云数据截取出所述局域点云数据,所述目标区域包括所述机器人前方指定距离以内,高于地面且低于机器人视觉高度的感知区域。
可选的,局域地图更新单元包括:
投影单元,用于将所述局域点云数据向处于地平面的局域障碍物地图进行投影,将存在点投影的栅格的像素值设置为指定像素值;
完成局域地图更新单元,用于在所述局域点云数据中所有点完成投影后,完成所述局域障碍物地图数据的更新。
可选的,静态地图更新模块60包括:
第一更新单元,用于若所述全局障碍物地图数据中的第一指定栅格的像素值大于0,将第一静态栅格的像素值增加第一预设幅值,且增加所述第一预设幅值后的所述第一静态栅格的像素值不大于255,所述第一静态栅格为所述初始静态地图中与所述第一指定栅格对应的栅格;
第二更新单元,用于若所述全局障碍物地图数据中的第二指定栅格的像素值为0,将第二静态栅格的像素值减少第二预设幅值,且减少所述第二预设幅值后的所述第二静态栅格的像素值不小于0,所述第二静态栅格为所述初始静态地图中与所述第二指定栅格对应的栅格。
可选的,静态地图生成装置还包括:
获取码图数据模块,用于获取码图数据;
生成拓扑路径模块,用于根据所述码图数据和所述静态地图生成机器人的拓扑路径。
关于静态地图生成装置的具体限定可以参见上文中对于静态地图生成方法的限定,在此不再赘述。上述静态地图生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括可读存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机可读指令。该内存储器为可读存储介质中的操作系统和计算机可读指令的运行提供环境。该计算机设备的网络接口用于与外部服务器通过网络连接通信。该计算机可读指令被处理器执行时以实现一种静态地图生成方法。本实施例所提供的可读存储介质包括非易失性可读存储介质和易失性可读存储介质。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机可读指令,处理器执行计算机可读指令时实现以下步骤:
获取在同一时间段采集的深度图像数据和位姿数据;
根据所述位姿数据确定与所述深度图像数据同步的位姿信息;
基于所述位姿信息和与所述深度图像数据对应的安装位置对所述深度图像数据进行处理,生成机器人坐标系中的点云数据;
根据预设截取规则对所述点云数据进行截取,生成局域点云数据;
根据所述局域点云数据更新全局障碍物地图数据,所述全局障碍物地图数据的坐标系为世界坐标系;
根据所述全局障碍物地图数据对初始静态地图进行更新,更新完毕的所述初始静态地图即为静态地图。
在一个实施例中,提供了一个或多个存储有计算机可读指令的计算机可读存储介质,本实施例所提供的可读存储介质包括非易失性可读存储介质和易失性可读存储介质。可读存储介质上存储有计算机可读指令,计算机可读指令被一个或多个处理器执行时实现以下步骤:
获取在同一时间段采集的深度图像数据和位姿数据;
根据所述位姿数据确定与所述深度图像数据同步的位姿信息;
基于所述位姿信息和与所述深度图像数据对应的安装位置对所述深度图像数据进行处理,生成机器人坐标系中的点云数据;
根据预设截取规则对所述点云数据进行截取,生成局域点云数据;
根据所述局域点云数据更新全局障碍物地图数据,所述全局障碍物地图数据的坐标系为世界坐标系;
根据所述全局障碍物地图数据对初始静态地图进行更新,更新完毕的所述初始静态地图即为静态地图。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机可读指令来指令相关的硬件来完成,所述的计算机可读指令可存储于一非易失性可读取存储介质或易失性可读存储介质中,该计算机可读指令在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (12)
1.一种静态地图生成方法,其特征在于,包括:
获取在同一时间段采集的深度图像数据和位姿数据;
根据所述位姿数据确定与所述深度图像数据同步的位姿信息;
基于所述位姿信息和与所述深度图像数据对应的安装位置对所述深度图像数据进行处理,生成机器人坐标系中的点云数据;
根据预设截取规则对所述点云数据进行截取,生成局域点云数据;
根据所述局域点云数据更新全局障碍物地图数据,所述全局障碍物地图数据的坐标系为世界坐标系;
根据所述全局障碍物地图数据对初始静态地图进行更新,更新完毕的所述初始静态地图即为静态地图。
2.如权利要求1所述的静态地图生成方法,其特征在于,所述根据所述局域点云数据更新全局障碍物地图数据,所述全局障碍物地图数据的坐标系为世界坐标系,包括:
根据所述局域点云数据更新局域障碍物地图数据,所述局域障碍物地图数据的坐标系为机器人坐标系;
将更新后的局域障碍物地图数据转换为所述全局障碍物地图数据。
3.如权利要求1所述的静态地图生成方法,其特征在于,所述获取同步采集的深度图像数据和位姿数据之前,还包括:
获取建图过程中以预设条件间隔采集到的多个初始位姿数据;
利用预设回环检测算法对所述多个初始位姿数据进行矫正以获得所述位姿数据。
4.如权利要求1所述的静态地图生成方法,其特征在于,所述根据所述位姿数据确定与所述深度图像数据同步的位姿信息,包括:
获取所述深度图像数据的采集时间;
判断所述位姿数据是否存在处于所述采集时间的位姿信息;
若所述位姿数据不存在处于所述采集时间的位姿信息,通过插值算法处理所述位姿数据,生成处于所述采集时间的位姿信息,所述处于所述采集时间的位姿信息以及所述位姿数据即为与所述深度图像数据同步的位姿信息。
5.根据权利要求4所述的静态地图生成方法,其特征在于,所述通过插值算法处理所述位姿数据,生成处于所述采集时间的位姿信息,包括:
利用时间关系与所述采集时间最相邻的所述位姿数据来生成位于所述采集时间的位姿信息。
6.如权利要求1所述的静态地图生成方法,其特征在于,所述根据预设截取规则对所述点云数据进行截取,生成局域点云数据,包括:
根据所述位姿信息确定所述机器人的面向位置;
根据所述面向位置确定目标区域,根据所述目标区域从所述点云数据截取出所述局域点云数据,所述目标区域包括所述机器人前方指定距离以内,高于地面且低于机器人视觉高度的感知区域。
7.如权利要求2所述的静态地图生成方法,其特征在于,所述根据所述局域点云数据更新局域障碍物地图数据,所述局域障碍物地图数据的坐标系为机器人坐标系,包括:
将所述局域点云数据向处于地平面的局域障碍物地图进行投影,将存在点投影的栅格的像素值设置为指定像素值;
在所述局域点云数据中所有点完成投影后,完成所述局域障碍物地图数据的更新。
8.如权利要求1所述的静态地图生成方法,其特征在于,所述根据所述全局障碍物地图数据对初始静态地图进行更新,更新完毕的所述初始静态地图即为静态地图,包括:
若所述全局障碍物地图数据中的第一指定栅格的像素值大于0,将第一静态栅格的像素值增加第一预设幅值,且增加所述第一预设幅值后的所述第一静态栅格的像素值不大于255,所述第一静态栅格为所述初始静态地图中与所述第一指定栅格对应的栅格;
若所述全局障碍物地图数据中的第二指定栅格的像素值为0,将第二静态栅格的像素值减少第二预设幅值,且减少所述第二预设幅值后的所述第二静态栅格的像素值不小于0,所述第二静态栅格为所述初始静态地图中与所述第二指定栅格对应的栅格。
9.如权利要求1所述的静态地图生成方法,其特征在于,所述根据所述全局障碍物地图数据对初始静态地图进行更新,更新完毕的所述初始静态地图即为静态地图之后,还包括:
获取码图数据;
根据所述码图数据和所述静态地图生成机器人的拓扑路径。
10.一种静态地图生成装置,其特征在于,包括:
获取数据模块,用于获取在同一时间段采集的深度图像数据和位姿数据;
确定同步位姿信息模块,用于根据所述位姿数据确定与所述深度图像数据同步的位姿信息;
生成点云模块,用于基于所述位姿信息和与所述深度图像数据对应的安装位置对所述深度图像数据进行处理,生成机器人坐标系中的点云数据;
点云截取模块,用于根据预设截取规则对所述点云数据进行截取,生成局域点云数据;
障碍物地图更新模块,用于根据所述局域点云数据更新全局障碍物地图数据,所述全局障碍物地图数据的坐标系为世界坐标系;
静态地图更新模块,用于根据所述全局障碍物地图数据对初始静态地图进行更新,更新完毕的所述初始静态地图即为静态地图。
11.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令,其特征在于,所述处理器执行所述计算机可读指令时实现如权利要求1至9中任一项所述静态地图生成方法。
12.一个或多个存储有计算机可读指令的可读存储介质,所述计算机可读指令被一个或多个处理器执行时,使得所述一个或多个处理器执行如权利要求1至9中任一项所述静态地图生成方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011640136.0A CN112799095B (zh) | 2020-12-31 | 2020-12-31 | 静态地图生成方法、装置、计算机设备及存储介质 |
PCT/CN2021/137379 WO2022143114A1 (zh) | 2020-12-31 | 2021-12-13 | 静态地图生成方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011640136.0A CN112799095B (zh) | 2020-12-31 | 2020-12-31 | 静态地图生成方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112799095A true CN112799095A (zh) | 2021-05-14 |
CN112799095B CN112799095B (zh) | 2023-03-14 |
Family
ID=75809087
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011640136.0A Active CN112799095B (zh) | 2020-12-31 | 2020-12-31 | 静态地图生成方法、装置、计算机设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112799095B (zh) |
WO (1) | WO2022143114A1 (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113313765A (zh) * | 2021-05-28 | 2021-08-27 | 上海高仙自动化科技发展有限公司 | 定位方法、装置、电子设备和存储介质 |
CN113313764A (zh) * | 2021-05-28 | 2021-08-27 | 上海高仙自动化科技发展有限公司 | 定位方法、装置、电子设备和存储介质 |
CN113703001A (zh) * | 2021-08-30 | 2021-11-26 | 上海景吾智能科技有限公司 | 一种在机器人已有地图上生成障碍物的方法、系统及介质 |
CN113724383A (zh) * | 2021-07-30 | 2021-11-30 | 深圳市普渡科技有限公司 | 机器人拓扑地图生成系统、方法、计算机设备及存储介质 |
CN113776517A (zh) * | 2021-09-03 | 2021-12-10 | Oppo广东移动通信有限公司 | 地图生成方法、装置、系统、存储介质及电子设备 |
CN114322990A (zh) * | 2021-12-30 | 2022-04-12 | 杭州海康机器人技术有限公司 | 一种用于构建移动机器人地图之数据的采集方法、装置 |
CN114577216A (zh) * | 2022-03-31 | 2022-06-03 | 美智纵横科技有限责任公司 | 导航地图构建方法、装置、机器人及存储介质 |
CN114677588A (zh) * | 2022-03-18 | 2022-06-28 | 深圳市普渡科技有限公司 | 障碍物检测的方法、装置、机器人和存储介质 |
WO2022143114A1 (zh) * | 2020-12-31 | 2022-07-07 | 深圳市普渡科技有限公司 | 静态地图生成方法、装置、计算机设备及存储介质 |
CN113776517B (zh) * | 2021-09-03 | 2024-05-31 | Oppo广东移动通信有限公司 | 地图生成方法、装置、系统、存储介质及电子设备 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114353779B (zh) * | 2021-09-30 | 2024-05-10 | 南京晨光集团有限责任公司 | 一种采用点云投影快速更新机器人局部代价地图的方法 |
CN115683109B (zh) * | 2022-10-19 | 2024-05-17 | 北京理工大学 | 基于cuda和三维栅格地图的视觉动态障碍物检测方法 |
CN115890676A (zh) * | 2022-11-28 | 2023-04-04 | 深圳优地科技有限公司 | 机器人控制方法、机器人及存储介质 |
CN116051775B (zh) * | 2023-03-06 | 2023-08-04 | 超节点创新科技(深圳)有限公司 | 语义地图构建方法、移动机器人及存储介质 |
CN116010725B (zh) * | 2023-03-23 | 2023-10-13 | 北京白龙马云行科技有限公司 | 地图点位集合动态展示方法、装置、计算机设备及介质 |
CN116588573B (zh) * | 2023-04-28 | 2024-02-02 | 北京云中未来科技有限公司 | 一种仓储智能起重系统的散料抓取控制方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180161986A1 (en) * | 2016-12-12 | 2018-06-14 | The Charles Stark Draper Laboratory, Inc. | System and method for semantic simultaneous localization and mapping of static and dynamic objects |
CN109579847A (zh) * | 2018-12-13 | 2019-04-05 | 歌尔股份有限公司 | 同步定位与地图构建中关键帧提取方法、装置和智能设备 |
CN110163968A (zh) * | 2019-05-28 | 2019-08-23 | 山东大学 | Rgbd相机大型三维场景构建方法及系统 |
CN111415388A (zh) * | 2020-03-17 | 2020-07-14 | Oppo广东移动通信有限公司 | 一种视觉定位方法及终端 |
CN111665826A (zh) * | 2019-03-06 | 2020-09-15 | 北京奇虎科技有限公司 | 基于激光雷达与单目相机的深度图获取方法及扫地机器人 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9052721B1 (en) * | 2012-08-28 | 2015-06-09 | Google Inc. | Method for correcting alignment of vehicle mounted laser scans with an elevation map for obstacle detection |
KR102403504B1 (ko) * | 2015-11-26 | 2022-05-31 | 삼성전자주식회사 | 이동 로봇 및 그 제어 방법 |
CN109658373A (zh) * | 2017-10-10 | 2019-04-19 | 中兴通讯股份有限公司 | 一种巡检方法、设备及计算机可读存储介质 |
WO2019144286A1 (zh) * | 2018-01-23 | 2019-08-01 | 深圳市大疆创新科技有限公司 | 障碍物检测方法、移动平台及计算机可读存储介质 |
CN109558471B (zh) * | 2018-11-14 | 2020-10-16 | 广州广电研究院有限公司 | 栅格地图的更新方法、装置、存储介质和系统 |
CN112799095B (zh) * | 2020-12-31 | 2023-03-14 | 深圳市普渡科技有限公司 | 静态地图生成方法、装置、计算机设备及存储介质 |
-
2020
- 2020-12-31 CN CN202011640136.0A patent/CN112799095B/zh active Active
-
2021
- 2021-12-13 WO PCT/CN2021/137379 patent/WO2022143114A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180161986A1 (en) * | 2016-12-12 | 2018-06-14 | The Charles Stark Draper Laboratory, Inc. | System and method for semantic simultaneous localization and mapping of static and dynamic objects |
CN109579847A (zh) * | 2018-12-13 | 2019-04-05 | 歌尔股份有限公司 | 同步定位与地图构建中关键帧提取方法、装置和智能设备 |
CN111665826A (zh) * | 2019-03-06 | 2020-09-15 | 北京奇虎科技有限公司 | 基于激光雷达与单目相机的深度图获取方法及扫地机器人 |
CN110163968A (zh) * | 2019-05-28 | 2019-08-23 | 山东大学 | Rgbd相机大型三维场景构建方法及系统 |
CN111415388A (zh) * | 2020-03-17 | 2020-07-14 | Oppo广东移动通信有限公司 | 一种视觉定位方法及终端 |
Non-Patent Citations (1)
Title |
---|
熊军林 等: ""基于RGB-D图像的具有滤波处理和位姿优化的同时定位与建图"", 《中国科学技术大学学报》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022143114A1 (zh) * | 2020-12-31 | 2022-07-07 | 深圳市普渡科技有限公司 | 静态地图生成方法、装置、计算机设备及存储介质 |
CN113313764A (zh) * | 2021-05-28 | 2021-08-27 | 上海高仙自动化科技发展有限公司 | 定位方法、装置、电子设备和存储介质 |
CN113313765B (zh) * | 2021-05-28 | 2023-12-01 | 上海高仙自动化科技发展有限公司 | 定位方法、装置、电子设备和存储介质 |
CN113313765A (zh) * | 2021-05-28 | 2021-08-27 | 上海高仙自动化科技发展有限公司 | 定位方法、装置、电子设备和存储介质 |
CN113313764B (zh) * | 2021-05-28 | 2023-08-29 | 上海高仙自动化科技发展有限公司 | 定位方法、装置、电子设备和存储介质 |
CN113724383A (zh) * | 2021-07-30 | 2021-11-30 | 深圳市普渡科技有限公司 | 机器人拓扑地图生成系统、方法、计算机设备及存储介质 |
CN113703001A (zh) * | 2021-08-30 | 2021-11-26 | 上海景吾智能科技有限公司 | 一种在机器人已有地图上生成障碍物的方法、系统及介质 |
CN113776517A (zh) * | 2021-09-03 | 2021-12-10 | Oppo广东移动通信有限公司 | 地图生成方法、装置、系统、存储介质及电子设备 |
CN113776517B (zh) * | 2021-09-03 | 2024-05-31 | Oppo广东移动通信有限公司 | 地图生成方法、装置、系统、存储介质及电子设备 |
CN114322990A (zh) * | 2021-12-30 | 2022-04-12 | 杭州海康机器人技术有限公司 | 一种用于构建移动机器人地图之数据的采集方法、装置 |
CN114322990B (zh) * | 2021-12-30 | 2024-04-19 | 杭州海康机器人股份有限公司 | 一种用于构建移动机器人地图之数据的采集方法、装置 |
CN114677588A (zh) * | 2022-03-18 | 2022-06-28 | 深圳市普渡科技有限公司 | 障碍物检测的方法、装置、机器人和存储介质 |
CN114577216A (zh) * | 2022-03-31 | 2022-06-03 | 美智纵横科技有限责任公司 | 导航地图构建方法、装置、机器人及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112799095B (zh) | 2023-03-14 |
WO2022143114A1 (zh) | 2022-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112799095B (zh) | 静态地图生成方法、装置、计算机设备及存储介质 | |
CN111583663B (zh) | 基于稀疏点云的单目感知修正方法、装置及存储介质 | |
US20230185292A1 (en) | Industrial safety monitoring configuration using a digital twin | |
WO2020211812A1 (zh) | 一种飞行器降落方法及装置 | |
US20010018640A1 (en) | Obstacle detecting apparatus and method, and storage medium which stores program for implementing the method | |
EP4283567A1 (en) | Three-dimensional map construction method and apparatus | |
CN113850807B (zh) | 图像亚像素匹配定位方法、系统、设备及介质 | |
CN112802092B (zh) | 一种障碍物感知方法、装置以及电子设备 | |
CN111862214A (zh) | 计算机设备定位方法、装置、计算机设备和存储介质 | |
CN112558043A (zh) | 一种激光雷达的标定方法及电子设备 | |
CN115143951A (zh) | 栅格地图更新系统、方法、计算机设备及存储介质 | |
CN115578712A (zh) | 一种图像稳像方法、装置、电子设备及存储介质 | |
CN113240745A (zh) | 点云数据标定方法、装置、计算机设备和存储介质 | |
CN115372987A (zh) | 基于激光雷达的车道线提取方法、装置、介质及设备 | |
CN115100287A (zh) | 外参标定方法及机器人 | |
CN114677588A (zh) | 障碍物检测的方法、装置、机器人和存储介质 | |
CN112883134A (zh) | 数据融合建图方法、装置、电子设备及存储介质 | |
CN117433511B (zh) | 一种多传感器融合定位方法 | |
CN117629188B (zh) | 一种基于激光和视觉融合的agv导航方法及系统 | |
CN112669388B (zh) | 激光雷达与摄像装置的标定方法及装置、可读存储介质 | |
CN113091759B (zh) | 位姿处理、地图构建方法及装置 | |
CN114234977A (zh) | 一种多机器人地图建立方法、装置、设备及介质 | |
CN116810801A (zh) | 一种多模块机器人的同步控制方法、系统、设备及介质 | |
CN115406434A (zh) | 室内机器人的导航地图自主更新方法、设备和存储介质 | |
CN114373010A (zh) | 建图回环校正方法、装置及介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |