CN112987019A - 多机器人激光slam方法、系统及其全向移动slam装置 - Google Patents
多机器人激光slam方法、系统及其全向移动slam装置 Download PDFInfo
- Publication number
- CN112987019A CN112987019A CN202110270384.9A CN202110270384A CN112987019A CN 112987019 A CN112987019 A CN 112987019A CN 202110270384 A CN202110270384 A CN 202110270384A CN 112987019 A CN112987019 A CN 112987019A
- Authority
- CN
- China
- Prior art keywords
- map
- slam
- omnidirectional
- local
- omnidirectional mobile
- 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
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
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/481—Constructional features, e.g. arrangements of optical elements
- G01S7/4817—Constructional features, e.g. arrangements of optical elements relating to scanning
Abstract
本发明公开了一种多机器人激光SLAM方法、系统及其全向移动SLAM装置,解决了目前室内多机器人SLAM算法对计算能力要求高、对传输带宽要求高、难以实时高效处理的弊端,其技术方案要点是使用携带有激光扫描测距雷达的全向移动SLAM装置,每台装置都将获得的局部环境地图信息的更新增量通过无线通信网络上传到中心节点,然后中心节点对每个全向移动SLAM装置上传的地图进行拼接,并将拼接后的地图推送给环境中的每台全向移动SLAM装置,帮助地面全向移动SLAM装置规划后续路径,本发明的一种多机器人激光SLAM方法、系统及其全向移动SLAM装置,能有效减少传输和处理的数据,降低对计算能力的要求,系统更加鲁棒和高效,减少了传输过程的带宽需求。
Description
技术领域
本发明涉及群体机器人环境感知技术,特别涉及多机器人激光SLAM方法、系统及其全向移动SLAM装置。
背景技术
智能机器人领域研究的一个重要问题是在不确定的环境中,机器人如何能够实现自身定位,同时对环境进行建图,获取环境信息。在同时定位与地图构建(SimultaneousLocalization and Mapping,SLAM)问题中,机器人在运动过程中获得一张环境地图的同时确定自己相对于该地图的位置。SLAM方法是机器人实现自主定位和导航的有效方式。
与单机器人SLAM相比,多机器人协作完成的SLAM具有更准确、更高效的优势,但也带来诸多技术上的难点,例如多机器人之间如何有效覆盖整个区域,如何进行地图拼接,现有多机器人SLAM算法仍存在对计算能力要求高、对传输带宽要求高、难以实时高效处理的弊端。
发明内容
本发明的目的是提供一种多机器人激光SLAM方法、系统及其全向移动SLAM装置,能有效减少传输和处理的数据,降低对计算能力的要求,系统更加鲁棒和高效,减少了传输过程的带宽需求。
本发明的上述技术目的是通过以下技术方案得以实现的:
一种多机器人激光SLAM方法,包括有以下步骤:
S1、将若干携带有激光扫描测距雷达的地面全向移动SLAM装置分散放置于室内环境的不同位置;
S2、调整确保每一台地面全向移动SLAM装置和中心节点彼此之间通过无线通信网络进行指令和数据传输;
S3、任务初始阶段,中心节点发出指令,各地面全向移动SLAM装置开始随机运动;
S4、在每台全向移动SLAM装置上运行使用激光扫描测距雷达的单机器人激光SLAM算法,每台全向移动SLAM装置将自己建立的本地地图的增量更新传输给中心节点;
S5、中心节点接收每台全向移动SLAM装置建立的局部地图,通过地图拼接算法实时将多张局部地图拼接为一张范围逐渐增大的全局地图;
S6、中心节点在合成后的地图中规划每台全向移动SLAM装置下一步的探索运动轨迹,将运动命令推送给每台全向移动SLAM装置以保证整个环境都能被探索到;
S7、重复步骤S4-S6,中心节点每次依次接收局部地图的增量更新,将局部地图的增量更新合并至全局地图中并进行优化,直至任务结束。
作为优选,步骤S5具体为:
S501、中心节点接收每台全向移动SLAM装置发送的局部地图增量更新,将每台全向移动SLAM装置的局部地图增量更新添加到对应全向移动SLAM装置的地图中,并对每台全向移动SLAM装置的局部栅格地图进行优化;
S502、计算每台全向移动SLAM装置的局部占据栅格地图之间的变换;
S503、确定地图之间最终的变换:
S504、对拼接得到的全局地图进行优化。
作为优选,步骤S502具体包括有:
提取每一张局部栅格地图的ORB特征;
对每对局部栅格地图之间的特征进行特征匹配;
求解每对局部栅格地图之间的坐标变换矩阵,使用RANSAC方法对特征进行筛选,使用SVD方法进行坐标变换矩阵的求解,并计算对应匹配的置信度;
形成一张匹配拓扑图,图的顶点为局部栅格地图,边为局部栅格地图之间的变换矩阵和匹配置信度。
作为优选,对应的两张局部占据栅格地图的置信度的计算具体为:
confidence=inliers_number/(a+b*matched_features_number)
其中,inliers_number表示RANSAC获取的内点数量,以matched_features_number表示两张占据栅格地图之间匹配成功的特征点数量;
a,b为非负数,在特定任务中为定值,a根据任务中RANSAC获取的内点数量对置信度的影响确定,RANSAC获取的内点数量影响越大a数值越小,b根据任务中成功匹配的特征点数量对置信度的影响确定,成功匹配的特征点数量影响越大b数值越小。
作为优选,步骤S503具体包括有:
剔除置信度小于阈值的匹配,即删掉匹配图中的一些置信度不高的边;
在匹配图中寻找加权最大连通分量,即匹配的局部栅格地图数量最多的区域;
在加权最大连通分量中建立最大生成树;
将其中一张局部地图的参考系视为全局参考系,遍历生成树以获得其他地图相对于全局参考系的坐标变换矩阵,实现地图的拼接。
综上所述,本发明具有以下有益效果:
根据每台全向移动SLAM装置各自进行运动探测,将获取的局部地图传送至中心节点,中心节点根据地图拼接算法进行地图拼接,且中心节点每次完成地图拼接之后,将根据合成的地图为每个全向移动SLAM装置规划下一步的探索运动路径,并将运动命令推送给每个全向移动SLAM装置,进而能保证整个环境都能被探索到;
通过全向移动SLAM装置的全向运动模式,可实现在原地旋转和任意方向移动,运动灵活,激光扫描测距雷达装在地面全向移动SLAM装置上方,通过安装高度的调节,可以有效解决若干个激光雷达之间彼此干涉的问题;
中心节点运行的地图拼接算法使用全向移动SLAM装置上传的占据栅格地图来生成合并的地图,对栅格地图之间进行特征匹配和鲁棒的变换估计,并使用概率模型评估估计变换的置信度并进行筛选,得到栅格地图之间的匹配拓扑图,通过抽象的方式将局部地图之间的关系简化为拓扑图,使得在算力允许的范围内能处理来自任意数量的机器人的地图;
本方法的实现不依赖于特定的单机器人SLAM算法,只需要每台全向移动SLAM装置上运行的使用激光扫描测距雷达的单机器人SLAM算法建立的地图形式为占据栅格地图,能进行增量式更新;
对传输的地图信息进行压缩,只传输地图的增量更新而不是整个地图,可大大减少要传输和处理的数据,使系统更加鲁棒和高效,减少了传输过程的带宽需求,可有效的提高效率。
附图说明
图1为全向移动SLAM装置的结构示意图;
图2为图1中A部的局部放大图;
图3为多机器人激光SLAM方法的流程示意图;
图4为多机器人激光SLAM方法中步骤S5的具体流程示意图;
图5为采用三台全向移动SLAM装置进行模拟的示意图;
图6为采用模拟获取的局部地图及拼接地图示意图。
图中:1、全向移动SLAM装置;2、激光扫描测距雷达;3、上安装板;4、下安装板;5、减振机构;51、安装座;52、安装架;521、外筒;5211、抵接台;522、内杆;5221、调节螺栓;6、驱动组件;61、连接机构;611、固定座;612、连接座;613、连接块;62、电机;63、全向轮。
具体实施方式
以下结合附图对本发明作进一步详细说明。
根据一个或多个实施例,公开了一种多机器人全向移动SLAM装置,如图1及图2所示,由上至下依次有激光扫描测距雷达、上安装板、下安装板、减振机构、驱动组件。
激光扫描测距雷达通过螺柱固定安装在上安装板的上表面,且通过选取的螺柱的高度不等可使得多台全向移动SLAM装置的激光扫描测距雷达之间互不干扰,每台全向移动SLAM装置可单独进行运动并探测获取对应的局部地图。例如当有三台全向移动SLAM装置时,可设置安装螺柱的高度分别为30mm、40mm及50mm。同样,控制电路模块也固定安装在上安装板的上表面,包括有无线收发模块、供电模块,用于为激光扫描测距雷达、驱动组件进行供电及进行中心节点指令的传输,可将每台全向移动SLAM装置的运动轨迹以及探测获得的局部地图传送至中心节点。优选通过螺柱和支架板对激光扫描测距雷达进行固定安装。
上安装板和下安装板之间相互平行,相互之间通过铜柱进行连接支撑,上安装板和下安装板的表面均开设有若干通孔,可用于铜柱、螺柱等的安装之外,还有助于轻便化。
驱动组件包括有全向轮、连接机构、电机。
全向轮设置有四个,位于下安装板的四个边角下方,全向轮均垂直抵接在地面上,且相邻的两个全向轮之间呈相互垂直设置,全向轮由电机驱动旋转,当需要实现垂直方向运动时,电机停止驱动,全向轮上的被动轮进行旋转,实现垂直方向上的运动。
电机水平安装在全向轮一侧,对应于全向轮设置有四个,且转子穿套固定在全向轮的轴心进行驱动,电机通过外壳固定安装在连接机构实现固定连接。
连接机构对应于全向轮设置有四组,包括有固定座和连接座,固定座与连接座均呈U型设置,固定座U型开口朝下,通过螺钉固定安装在下安装板的下表面,连接座的两端铰接在固定座的开口内侧,能实现连接座在竖直方向上的转动调节。连接座的侧壁弧状过渡延伸至电机的外侧,远离固定座的一端开设有套设在电机外侧的安装孔,实现连接座与电机的连接,进而实现连接机构对电机与全向轮的安装连接。
减振机构对应于全向轮设置有四组,每组均包括有安装座、安装架以及减振弹簧。
安装座呈开口朝上的U型设置,通过螺钉安装在下安装板的上表面,安装架倾斜连接在安装板和对应连接机构靠近全向轮的一端,下安装板在安装座一侧至全向轮的方向开设有供安装架穿套的开槽。
安装架包括有两段,为相互套设的外筒和内杆,内杆活动穿套在外筒内能实现沿中心轴向上安装架的长度变化,外筒远离全向轮的一端通过螺栓铰接在安装座的U型开口内,内杆靠近全向轮的一端通过螺栓铰接在连接机构上,连接机构在连接座的上方固定安装有连接块,且连接块朝向安装架一侧开设有供内杆铰接的缺口槽。外筒靠近安装座的外侧壁周向凸起环设有抵接台,内杆在靠近连接块的一端套设安装有可进行调节的调节螺栓。减振弹簧套设在安装架上,图示中未装配,减振弹簧的两端分别抵接在抵接台和调节螺栓,套设在安装架的外筒和内杆。通过调节螺栓可对减振弹簧进行微调,以实现对全向轮安装高度的微调。通过减振弹簧和安装架外筒内杆的设置,可实现在运动过程中的减振。
将激光扫描测距雷达通过螺柱安装在上安装板的上表面;通过螺钉将减振机构及连接机构分别安装在下安装板的上、下表面上,并通过减振机构的内杆端部与连接机构上的连接块进行连接;
将电机穿套在连接座内进行固定安装,将各全向轮固定连接至对应电机的转子实现安装,并通过铜柱将上安装板和下安装板之间进行固定连接;
通过控制电路模块接收中心节点发送的运动轨迹指令,各全向移动SLAM装置在室内进行运动,通过激光扫描测距雷达实时进行探测以获取运动轨迹对应的局部地图;并再次通过控制电路模块将获取的局部地图发送至中心节点,以便于后续的地图拼接处理。
根据一个或多个实施例,公开了一种多机器人激光SLAM系统,包括有若干台全向移动SLAM装置及中心节点。各台全向移动SLAM装置均携带有激光扫描测距雷达,在室内运动时可实时探测通过SLAM算法获取对应的局部地图,中心节点通信连接于各全向移动SLAM装置,接收各台全向移动SLAM装置探测获取的局部地图,同时将设定的运动轨迹指令发送至各台全向移动SLAM装置,以实现多台全向移动SLAM装置,同时在环境内探测,并根据地图拼接法对各局部地图进行拼接获取整体地图。
每台全向移动SLAM装置上安装的激光扫描测距雷达的安装高度两两之间互不相等,以避免在运动时各全向移动SLAM装置之间的激光干扰。
各台全向移动SLAM装置对获取的局部地图进行本地存储,并且根据运动持续探测获取有更新增量,全向移动SLAM装置将每次的更新增量发送至中心节点,以减少中心节点进行地图拼接算法时的计算量,也减少数据传输的带宽要求,可大大减少要传输和处理的数据,使系统更加鲁棒和高效,可有效的提高效率。
根据一个或多个实施例,公开了一种多机器人激光SLAM方法,如图3所示,包括有以下步骤:
S1、将若干携带有激光扫描测距雷达的地面全向移动SLAM装置分散放置于室内环境的不同位置;
S2、调整确保每一台地面全向移动SLAM装置和中心节点批次之间通过无线通信网络进行指令和数据传输;
S3、任务初始阶段,中心节点发出指令,各地面全向移动SLAM装置开始随机运动;
S4、在每台全向移动SLAM装置上运行使用激光扫描测距雷达的单机器人激光SLAM算法,每台全向移动SLAM装置将自己建立的本地地图的增量更新传输给中心节点;
S5、中心节点接收每台全向移动SLAM装置建立的局部地图,通过地图拼接算法实时将多张局部地图拼接为一张范围逐渐增大的地图;
S6、中心节点在合成后的地图中规划每台全向移动SLAM装置下一步的探索运动轨迹,将运动命令推送给每台全向移动SLAM装置以保证整个环境都能被探索到;
S7、重复步骤S4-S6,中心节点每次依次接收局部地图的增量更新,将局部地图的增量更新合并至全局地图中并进行优化,直至任务结束。
其中,如图4所示,步骤S5具体为:
S501、中心节点接收每台全向移动SLAM装置发送的局部地图增量更新,将每台全向移动SLAM装置的局部地图增量更新添加到对应全向移动SLAM装置的地图中,并对每台全向移动SLAM装置的局部栅格地图进行优化。
S502、计算每台全向移动SLAM装置的局部占据栅格地图之间的变换,包括
提取每一张局部栅格地图的ORB特征;
对每对局部栅格地图之间的特征进行特征匹配;
求解每对局部栅格地图之间的坐标变换矩阵,使用RANSAC方法对特征进行筛选,使用SVD方法进行坐标变换矩阵的求解,并计算对应匹配的置信度;
形成一张匹配拓扑图,图的顶点为局部栅格地图,边为局部栅格地图之间的变换矩阵和匹配置信度;
对应的两张局部占据栅格地图的置信度的计算具体为:
confidence=inliers_number/(a+b*matched_features_number)
其中,inliers_number表示RANSAC获取的内点数量,以matched_features_number表示两张占据栅格地图之间匹配成功的特征点数量;
a,b为非负数,在特定任务中为定值,a根据任务中RANSAC获取的内点数量对置信度的影响确定,RANSAC获取的内点数量影响越大a数值越小,b根据任务中成功匹配的特征点数量对置信度的影响确定,成功匹配的特征点数量影响越大b数值越小。
S503、确定地图之间最终的变换,具体为:
剔除置信度小于阈值的匹配,即删掉匹配图中的一些置信度不高的边;
在匹配图中寻找加权最大连通分量,即匹配的局部栅格地图数量最多的区域;
在加权最大连通分量中建立最大生成树;
将其中一张局部地图的参考系视为全局参考系,遍历生成树以获得其他地图相对于全局参考系的坐标变换矩阵,实现地图的拼接。
S504、对拼接得到的全局地图进行优化。
如图5所示,通过三台全向移动SLAM装置A、B、C对某一设定室内环境进行地图测量、拼接。中心节点向全向移动SLAM装置A、B、C发布开始指令后,各全向移动SLAM装置独立进行运动,并发送对应获取的局部地图至中心节点,获取的局部地图分别如图6(a)、(b)、(c)所示,根据上述步骤各全向移动SLAM装置的更新增量添加至对应局部地图中进行拼接,可获得整体地图如图6中(d)所示。每台全向移动SLAM装置所构建的地图都只覆盖了整个环境的一部分,中心节点上拼接后的地图包括了三张局部地图的内容。通过上述方法可以做到实时运行,而且在单机器人SLAM地图存在缺陷的情况下仍能良好地实现地图拼接功能。中心节点将根据合成的地图为每个全向移动SLAM装置规划下一步的探索运动路径,并将运动命令推送给每个全向移动SLAM装置,实现对环境的自主探索。
本具体实施例仅仅是对本发明的解释,其并不是对本发明的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本发明的权利要求范围内都受到专利法的保护。
Claims (10)
1.一种多机器人激光SLAM方法,其特征是,包括有以下步骤:
S1、将若干携带有激光扫描测距雷达的地面全向移动SLAM装置分散放置于室内环境的不同位置;
S2、调整确保每一台地面全向移动SLAM装置和中心节点彼此之间通过无线通信网络进行指令和数据传输;
S3、任务初始阶段,中心节点发出指令,各地面全向移动SLAM装置开始随机运动;
S4、在每台全向移动SLAM装置上运行使用激光扫描测距雷达的单机器人激光SLAM算法,每台全向移动SLAM装置将自己建立的本地地图的增量更新传输给中心节点;
S5、中心节点接收每台全向移动SLAM装置建立的局部地图,通过地图拼接算法实时将多张局部地图拼接为一张范围逐渐增大的全局地图;
S6、中心节点在合成后的地图中规划每台全向移动SLAM装置下一步的探索运动轨迹,将运动命令推送给每台全向移动SLAM装置以保证整个环境都能被探索到;
S7、重复步骤S4-S6,中心节点每次依次接收局部地图的增量更新,将局部地图的增量更新合并至全局地图中并进行优化,直至任务结束。
2.根据权利要求1所述的多机器人激光SLAM方法,其特征是,步骤S5具体为:
S501、中心节点接收每台全向移动SLAM装置发送的局部地图增量更新,将每台全向移动SLAM装置的局部地图增量更新添加到对应全向移动SLAM装置的地图中,并对每台全向移动SLAM装置的局部栅格地图进行优化;
S502、计算每台全向移动SLAM装置的局部占据栅格地图之间的变换;
S503、确定地图之间最终的变换:
S504、对拼接得到的全局地图进行优化。
3.根据权利要求2所述的多机器人激光SLAM方法,其特征是:步骤S502具体包括有:
提取每一张局部栅格地图的ORB特征;
对每对局部栅格地图之间的特征进行特征匹配;
求解每对局部栅格地图之间的坐标变换矩阵,使用RANSAC方法对特征进行筛选,使用SVD方法进行坐标变换矩阵的求解,并计算对应匹配的置信度;
形成一张匹配拓扑图,图的顶点为局部栅格地图,边为局部栅格地图之间的变换矩阵和匹配置信度。
4.根据权利要求3所述的多机器人激光SLAM方法,其特征是,对应的两张局部占据栅格地图的置信度的计算具体为:
confidence=inliers_number/(a+b*matched_features_number)
其中,inliers_number表示RANSAC获取的内点数量,以matched_features_number表示两张占据栅格地图之间匹配成功的特征点数量;
a,b为非负数,在特定任务中为定值,a根据任务中RANSAC获取的内点数量对置信度的影响确定,RANSAC获取的内点数量影响越大a数值越小,b根据任务中成功匹配的特征点数量对置信度的影响确定,成功匹配的特征点数量影响越大b数值越小。
5.根据权利要求4所述的多机器人激光SLAM方法,其特征是,步骤S503具体包括有:
剔除置信度小于阈值的匹配,即删掉匹配图中的一些置信度不高的边;
在匹配图中寻找加权最大连通分量,即匹配的局部栅格地图数量最多的区域;
在加权最大连通分量中建立最大生成树;
将其中一张局部地图的参考系视为全局参考系,遍历生成树以获得其他地图相对于全局参考系的坐标变换矩阵,实现地图的拼接。
6.一种全向移动SLAM装置,其特征是:包括有
上安装板及下安装板,相互之间平行,通过铜柱进行支撑连接;
激光扫描测距雷达,通过螺柱安装在上安装板的上表面,对运动轨迹经过的室内环境进行探测获取对应局部地图;
驱动组件,包括有四个垂直抵接于地面的全向轮;连接于下安装板和全向轮之间对全向轮进行连接安装的连接机构;还包括设置有四个对应于各全向轮,转子固定连接至全向轮轴心的电机;
减振机构,设置有四组对应于各全向轮,一端连接安装于下安装板,另一端连接安装于连接机构靠近全向轮的一端。
7.根据权利要求6所述的全向移动SLAM装置,其特征是:相邻所述全向轮相互垂直。
8.根据权利要求6所述的全向移动SLAM装置,其特征是:所述减振机构包括有安装座、安装架、减振弹簧;
所述安装座呈U型;所述安装架包括有套设的外筒和内杆,所述内杆活动穿套于外筒内,所述外筒远离伸缩段的一端通过螺栓铰接于安装座,所述内杆远离外筒的一端铰接于连接机构;
所述外筒靠近安装座的外侧壁环设有抵接台,所述内杆于靠近连接机构的一侧连接安装有调节螺栓;所述减振弹簧套设于安装架且抵接于抵接台和调节螺栓之间。
9.根据权利要求9所述的全向移动SLAM装置,其特征是:每组所述连接机构均包括有固定安装于下安装板下表面的固定座、铰接连接于固定座的连接座;所述连接座固定套设于电机外侧;
所述连接座靠近全向轮的一侧上方固定连接有连接块,所述减振机构的内杆端部铰接于连接块。
10.一种多机器人激光SLAM系统,其特征是:包括有
全向移动SLAM装置,设置有若干台,均携带有激光扫描测距雷达,运动探索获取室内环境局部地图;
中心节点,发送运动轨迹指令至各全向移动SLAM装置,接收各全向移动SLAM装置测量获取的局部地图,并根据地图拼接算法进行地图拼接;
若干所述全向移动SLAM装置上各激光扫描测距雷达的安装高度两两之间互不相等。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110270384.9A CN112987019A (zh) | 2021-03-12 | 2021-03-12 | 多机器人激光slam方法、系统及其全向移动slam装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110270384.9A CN112987019A (zh) | 2021-03-12 | 2021-03-12 | 多机器人激光slam方法、系统及其全向移动slam装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112987019A true CN112987019A (zh) | 2021-06-18 |
Family
ID=76334634
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110270384.9A Pending CN112987019A (zh) | 2021-03-12 | 2021-03-12 | 多机器人激光slam方法、系统及其全向移动slam装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112987019A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115793649A (zh) * | 2022-11-29 | 2023-03-14 | 硕能(上海)自动化科技有限公司 | 一种电缆沟自动巡检装置及巡检方法 |
-
2021
- 2021-03-12 CN CN202110270384.9A patent/CN112987019A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115793649A (zh) * | 2022-11-29 | 2023-03-14 | 硕能(上海)自动化科技有限公司 | 一种电缆沟自动巡检装置及巡检方法 |
CN115793649B (zh) * | 2022-11-29 | 2023-09-01 | 硕能(上海)自动化科技有限公司 | 一种电缆沟自动巡检装置及巡检方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110009761B (zh) | 智能设备自动巡检路径规划方法及系统 | |
CN102116625B (zh) | 巡线机器人gis-gps导航方法 | |
CN104162894B (zh) | 清扫机器人及清扫机器人的定位方法 | |
CN105823478A (zh) | 一种自主避障导航信息共享和使用方法 | |
CN102662410B (zh) | 一种面向运动目标追踪的视觉系统及其控制方法 | |
CN110254258B (zh) | 一种无人机无线充电系统及方法 | |
CN104154861A (zh) | 大型堆积物料体积绕行测量装置和方法 | |
KR20190109324A (ko) | 로봇 충전대의 위치를 추천하기 위한 방법, 장치 및 시스템 | |
CN111273128A (zh) | 一种用于检测地下电缆故障的管道机器人 | |
CN112987019A (zh) | 多机器人激光slam方法、系统及其全向移动slam装置 | |
CN110595448A (zh) | 一种自动测绘机器人装置及其测绘方法 | |
KR20210033808A (ko) | 아웃도어 영역에서 이종의 위치정보 획득 메커니즘을 적용하는 방법 및 이를 구현하는 로봇과 클라우드 서버 | |
CN111897253B (zh) | 一种基于5g技术的远程可监控多轴协同智能控制器 | |
CN109839111A (zh) | 一种基于视觉定位的室内多机器人编队系统 | |
CN114280601B (zh) | 多角度可调节雷视一体机传感器 | |
CN114593691A (zh) | 一种可实现单线激光重构三维场景的方法及装置 | |
CN215219163U (zh) | 多机器人激光slam系统及其全向移动slam装置 | |
CN110614639A (zh) | 一种基于ros的变电站巡检机器人系统及其方法 | |
CN115773738A (zh) | 一种激光测量实现空间姿态定位的测量方法 | |
CN113074698B (zh) | 一种基于机器视觉的智能杆塔倾斜检测系统 | |
Jarvis | An autonomous heavy duty outdoor robotic tracked vehicle | |
CN114625122A (zh) | 一种基于uwb与激光雷达的机器人跟随和避障方法及系统 | |
TWI817844B (zh) | 場域勘測的方法及系統 | |
CN111923050A (zh) | 一种大场景下的移动机器人建图方法 | |
CN217032716U (zh) | 基于不同直径的轮胎更换结构、移动式牲畜测重系统 |
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 |