CN113110448B - 基于最小二乘的目标检测方法、系统、机器人和存储介质 - Google Patents
基于最小二乘的目标检测方法、系统、机器人和存储介质 Download PDFInfo
- Publication number
- CN113110448B CN113110448B CN202110396273.2A CN202110396273A CN113110448B CN 113110448 B CN113110448 B CN 113110448B CN 202110396273 A CN202110396273 A CN 202110396273A CN 113110448 B CN113110448 B CN 113110448B
- Authority
- CN
- China
- Prior art keywords
- target
- track
- moving object
- increment
- equation
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 47
- 238000004364 calculation method Methods 0.000 claims abstract description 39
- 238000013507 mapping Methods 0.000 claims abstract description 30
- 230000006870 function Effects 0.000 claims description 31
- 238000006073 displacement reaction Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 description 20
- 238000005516 engineering process Methods 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005034 decoration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012546 transfer Methods 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
- G05D1/0231—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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Electromagnetism (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供了一种基于最小二乘的目标检测方法、系统、机器人和存储介质，其方法包括：获取当前时刻运动对象在场地平面上的位置坐标；获取所述运动对象的预设规划轨迹所对应的曲线方程；所述预设规划轨迹所对应平面为所述场地平面；根据所述位置坐标和曲线方程构建目标最小二乘问题；通过一阶梯度法对所述目标最小二乘问题进行迭代求解；根据求解结果计算得到所述运动对象在所述预设规划轨迹上的映射。本发明降低计算复杂度和计算量快速寻找运动对象的最邻近点。
Description
技术领域
本发明涉及数据处理技术领域，尤指一种基于最小二乘的目标检测方法、系统、机器人和存储介质。
背景技术
在自动驾驶汽车、机器人等领域的规划、控制等多个算法模块中，经常需要求取机器人与当前规划轨迹之间相对位置关系，找到机器人在规划轨迹上的映射点，其中一种即寻找最邻近点作为映射点，数学上即是求取平面内一点到平面内一曲线上的最邻近点的过程。
工程上，一般采用暴力遍历的方法求解，该种方法耗时较大，对计算能力较弱的处理器不友好。因此，如何避免大量计算，简单、高效查找最临近点是本领域技术人员急需解决的技术问题。
发明内容
本发明的目的是提供一种基于最小二乘的目标检测方法、系统、机器人和存储介质，实现降低计算复杂度和计算量快速寻找运动对象的最邻近点。
本发明提供的技术方案如下：
本发明提供一种基于最小二乘的目标检测方法，包括步骤：
获取当前时刻运动对象在场地平面上的位置坐标；
获取所述运动对象的预设规划轨迹所对应的曲线方程；所述预设规划轨迹所对应平面为所述场地平面；
根据所述位置坐标和曲线方程构建目标最小二乘问题；
通过一阶梯度法对所述目标最小二乘问题进行迭代求解；
根据求解结果计算得到所述运动对象在所述预设规划轨迹上的映射点。
进一步的，所述根据所述位置坐标和曲线方程构建目标最小二乘问题包括步骤：
从所述曲线方程上任意选取一任意点的曲线坐标；
根据同一平面内两点之间距离公式，根据所述曲线坐标和位置坐标生成目标函数，以完成所述目标最小二乘问题的构建。
进一步的，所述通过一阶梯度法对所述目标最小二乘问题进行迭代求解包括步骤：
根据所述目标函数和位置坐标进行泰勒展开得到泰勒多项式；
根据所述泰勒多项式和所述一阶梯度法得到增量方程；
根据所述位置坐标的X轴坐标值作为初始值，对所述增量方程进行迭代计算得到目标增量；
根据所述目标增量和所述增量方程计算得到一阶导数，将所述一阶导数作为所述求解结果。
进一步的，所述根据求解结果计算得到所述运动对象在所述预设规划轨迹上的映射点之后包括步骤：
根据所述映射点和所述位置坐标所对应的实际轨迹点，计算得到位移偏差量；
根据所述位移偏差量调整所述运动对象的当前运动轨迹，使得所述当前运动轨迹与所述预设规划轨迹重合。
5、一种基于最小二乘的目标检测系统，其特征在于，包括：
坐标获取模块，用于获取当前时刻运动对象在场地平面上的位置坐标；
轨迹获取模块，用于获取所述运动对象的预设规划轨迹所对应的曲线方程；所述预设规划轨迹所对应平面为所述场地平面；
问题构建模块，用于根据所述位置坐标和曲线方程构建目标最小二乘问题；
迭代计算模块，用于通过一阶梯度法对所述目标最小二乘问题进行迭代求解；
处理模块，用于根据求解结果计算得到所述运动对象在所述预设规划轨迹上的映射点。
进一步的，所述问题构建模块包括：
选取单元，用于从所述曲线方程上任意选取一任意点的曲线坐标；
生成单元，用于根据同一平面内两点之间距离公式，根据所述曲线坐标和位置坐标生成目标函数，以完成所述目标最小二乘问题的构建。
进一步的，所述迭代计算模块包括：
增量计算单元，用于根据所述目标函数和位置坐标进行泰勒展开得到泰勒多项式，根据所述泰勒多项式和所述一阶梯度法得到增量方程；
迭代计算单元，用于根据所述位置坐标的X轴坐标值作为初始值，对所述增量方程进行迭代计算得到目标增量；
求解计算单元，用于根据所述目标增量和所述增量方程计算得到一阶导数，将所述一阶导数作为所述求解结果。
进一步的，还包括：
差值计算模块，用于根据所述映射点和所述位置坐标所对应的实际轨迹点，计算得到位移偏差量；
轨迹调整模块，用于根据所述位移偏差量调整所述运动对象的当前运动轨迹，使得所述当前运动轨迹与所述预设规划轨迹重合。
本发明还提供一种机器人，包括处理器、存储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程序，所述处理器，用于执行所述存储器上所存放的计算机程序，实现如所述的基于最小二乘的目标检测方法所执行的操作。
本发明还提供一种存储介质，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现如所述的基于最小二乘的目标检测方法所执行的操作。
通过本发明提供的一种基于最小二乘的目标检测方法、系统、机器人和存储介质，能够降低计算复杂度和计算量快速寻找运动对象的最邻近点。
附图说明
下面将以明确易懂的方式，结合附图说明优选实施方式，对一种基于最小二乘的目标检测方法、系统、机器人和存储介质的上述特性、技术特征、优点及其实现方式予以进一步说明。
图1是本发明一种基于最小二乘的目标检测方法的一个实施例的流程图；
图2是本发明一种基于最小二乘的目标检测方法的另一个实施例的流程图；
图3是本发明一种基于最小二乘的目标检测方法的另一个实施例的流程图；
图4是本发明一种基于最小二乘的目标检测系统的一个实施例的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其他实施例中也可以实现本申请。在其他情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所述描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其他特征、整体、步骤、操作、元素、组件和/或集合的存在或添加。
为使图面简洁，各图中只示意性地表示出了与本发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
另外，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。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的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。
本发明的一个实施例，如图1所示，一种基于最小二乘的目标检测方法，包括：
S100获取当前时刻运动对象在场地平面上的位置坐标；
具体的，场地类型包括但是不限于工厂、医院等使用方室内场地，还包括公路、马路等室外场地。不论是哪种类型的场地，运动对象均在场地上移动或行进，而场地一般是二维的平面。本发明的运动对象泛指在地面活动的目标，运动对象包括但是不限于人，机器人，无人车等等。执行主体通过GPS定位技术、惯性导航定位技术等等现有技术可以实现获取当前时刻运动对象在场地平面上的位置坐标，此为现有技术再次不再详细说明。
S200获取所述运动对象的预设规划轨迹所对应的曲线方程；所述预设规划轨迹所对应平面为所述场地平面；
具体的，由于运动对象在从出发地点到目的地移动，均需要预先根据出发地点、目的地以及场地平面上的障碍物情况，事先进行路径规划生成预设规划轨迹。因此，执行主体可获取预设规划轨迹所对应的曲线方程。
S300根据所述位置坐标和曲线方程构建目标最小二乘问题；
S400通过一阶梯度法对所述目标最小二乘问题进行迭代求解；
S500根据求解结果计算得到所述运动对象在所述预设规划轨迹上的映射点。
具体的，执行主体根据位置坐标和曲线方程构建目标最小二乘问题，然后通过单向的一阶梯度法对所述目标最小二乘问题依次进行迭代求解，多次迭代直至计算得到求解结果后，执行主体将求解所得的求解结果代入曲线方程，可以计算得到得到运动对象的位置坐标到曲线方程上的最邻近点坐标即为运动对象在所述预设规划轨迹上的映射点。
本发明的执行主体可以是机器人、无人车、移动终端或者服务器。例如，当运动对象为机器人、无人车时，执行主体就是机器人、无人车自身，当然还可以是服务器。当运动对象是人时，执行主体就是移动终端，当然还可以是服务器。
本发明将映射点通过最小二乘法计算，耗时小，对处理器的计算能力要求低，并且能够简单、高效查找最临近点即映射点，便于高精度跟踪运动对象的实际移动轨迹和预设规划轨迹的偏差，有利于运动对象及时根据预设规划轨迹进行运动，避免计算复杂而且计算量大的问题，大大降低机器人、无人车、移动终端或者服务器计算复杂度的同时也减少计算量，对机器人、无人车、移动终端或者服务器的硬件要求低，易推广实施。
本发明的一个实施例，如图2所示，一种基于最小二乘的目标检测方法，包括：
S100获取当前时刻运动对象在场地平面上的位置坐标；
S200获取所述运动对象的预设规划轨迹所对应的曲线方程；所述预设规划轨迹所对应平面为所述场地平面；
S310从所述曲线方程上任意选取一任意点的曲线坐标；
S320根据同一平面内两点之间距离公式，根据所述曲线坐标和位置坐标生成目标函数，以完成所述目标最小二乘问题的构建；
具体的，假设当前时刻运动对象在场地平面上的位置坐标为P0(x0，y0),并且假设运动对象的预设规划轨迹所对应的曲线方程为f(x)，例如以一元三次方曲线为例：f(x)＝a0+a1x+a2x2+a3x3。抽象选取曲线方程f(x)上任意点的曲线坐标为P(x，a0+a1x+a2x2+a3x3)。因为，同一平面内两点之间距离公式为平方差计算，因此，机器人、无人车、移动终端或者服务器可根据曲线坐标和位置坐标生成目标函数如下公式(1)所示：
其中，F(x)为目标函数，x0为当前时刻运动对象在场地平面上的X轴坐标，y0为当前时刻运动对象在场地平面上的Y轴坐标。
S410根据所述目标函数和位置坐标进行泰勒展开得到泰勒多项式；
S420根据所述泰勒多项式和所述一阶梯度法得到增量方程；
S430根据所述位置坐标的X轴坐标值作为初始值，对所述增量方程进行迭代计算得到目标增量；
S440根据所述目标增量和所述增量方程计算得到一阶导数，将所述一阶导数作为所述求解结果；
具体的，机器人、无人车、移动终端或者服务器通过上述方式获取到目标函数后，将目标函数F(x)在x0附近进行泰勒展开得到泰勒多项式如下所示：
其中，J是F(x)关于x的一阶导数即雅可比矩阵(Jacobian矩阵)，H是关于x的二阶导数即海塞矩阵(Hessian矩阵)。机器人、无人车、移动终端或者服务器选择只保留一阶项，并且取增量为反向梯度，就可以获得保证函数下降的增量方程为下列公式(2)所示：
Δx*＝-J(x0)*eta (2)
其中，Δx*即为保证目标函数下降的增量解，eta为增量迭代的步长。
机器人、无人车、移动终端或者服务器自位置坐标的X轴坐标值x0处开始迭代，对于第k次迭代，寻找一个增量Δxk，使得目标函数达到极小值。
优选的，机器人、无人车、移动终端或者服务器需要预先确定一个合适的增量阈值ΔX，若足够小，例如取0.005，则停止迭代。否则，确定一个合适的步长阈值etam，例如取0.12，继续迭代直至计算获取最终的目标增量为止：
xk＝xk-1-J(xk-1)*eta
其中，xk为第k次迭代结果，增量阈值ΔX与步长阈值etam需根据不同系统分析不同取值。
S500根据求解结果计算得到所述运动对象在所述预设规划轨迹上的映射点。
本发明通过构建非线性最小二乘问题，表征平面内一点与平面内一曲线的位置关系，求取该点与该曲线最邻近点坐标，在自动驾驶汽车、机器人等领域的规划、控制等多个算法模块可以作为一种基础工具使用。本发明通过一阶梯度法求解该非线性最小二乘问题，该方法简单、直观，且直接在x0处作为初始值迭代，并选取了合适的增量阈值与步长避免了大量迭代次数，求解相对其他非线性优化方法消耗算力小。本发明由于进行泰勒展开后目标函数变成了多项式，因此求解增量时只需计算求增量方程即可，计算量小且简单。
本发明的一个实施例，如图3所示，一种基于最小二乘的目标检测方法，包括：
S100获取当前时刻运动对象在场地平面上的位置坐标；
S200获取所述运动对象的预设规划轨迹所对应的曲线方程；所述预设规划轨迹所对应平面为所述场地平面；
S300根据所述位置坐标和曲线方程构建目标最小二乘问题；
S400通过一阶梯度法对所述目标最小二乘问题进行迭代求解；
S500根据求解结果计算得到所述运动对象在所述预设规划轨迹上的映射点；
S600根据所述映射点和所述位置坐标所对应的实际轨迹点，计算得到位移偏差量；
S700根据所述位移偏差量调整所述运动对象的当前运动轨迹，使得所述当前运动轨迹与所述预设规划轨迹重合。
具体的，根据位置坐标所对应的实际轨迹点和映射点，能够使用空间向量法计算获取运动对象在当前时刻所在位置与映射点之间的偏差角和偏差位移，进而，根据偏差角和偏差位移调整运动对象的当前运动轨迹，使得运动对象每前进一段就自动纠正自身一段轨迹，以便使得运动对象的整体实际运动轨迹与所述预设规划轨迹重合。本发明消除运动对象实际运动轨迹与预设规划轨迹之间偏差，提高可靠性，提高运动对象的运动轨迹精度以及长时间移动的稳定性。
本发明的一个实施例，如图4所示，一种基于最小二乘的目标检测系统，包括：
坐标获取模块，用于获取当前时刻运动对象在场地平面上的位置坐标；
轨迹获取模块，用于获取所述运动对象的预设规划轨迹所对应的曲线方程；所述预设规划轨迹所对应平面为所述场地平面；
问题构建模块，用于根据所述位置坐标和曲线方程构建目标最小二乘问题；
迭代计算模块，用于通过一阶梯度法对所述目标最小二乘问题进行迭代求解；
处理模块，用于根据求解结果计算得到所述运动对象在所述预设规划轨迹上的映射点。
具体的，场地类型包括但是不限于工厂、医院等使用方室内场地，还包括公路、马路等室外场地。不论是哪种类型的场地，运动对象均在场地上移动或行进，而场地一般是二维的平面。本发明的运动对象泛指在地面活动的目标，运动对象包括但是不限于人，机器人，无人车等等。执行主体通过GPS定位技术、惯性导航定位技术等等现有技术可以实现获取当前时刻运动对象在场地平面上的位置坐标，此为现有技术再次不再详细说明。
由于运动对象在从出发地点到目的地移动，均需要预先根据出发地点、目的地以及场地平面上的障碍物情况，事先进行路径规划生成预设规划轨迹。因此，执行主体可获取预设规划轨迹所对应的曲线方程。
执行主体根据位置坐标和曲线方程构建目标最小二乘问题，然后通过单向的一阶梯度法对所述目标最小二乘问题依次进行迭代求解，多次迭代直至计算得到求解结果后，执行主体将求解所得的求解结果代入曲线方程，可以计算得到得到运动对象的位置坐标到曲线方程上的最邻近点坐标即为运动对象在所述预设规划轨迹上的映射点。
本发明的执行主体可以是机器人、无人车、移动终端或者服务器。例如，当运动对象为机器人、无人车时，执行主体就是机器人、无人车自身，当然还可以是服务器。当运动对象是人时，执行主体就是移动终端，当然还可以是服务器。
本发明将映射点通过最小二乘法计算，耗时小，对处理器的计算能力要求低，并且能够简单、高效查找最临近点即映射点，便于高精度跟踪运动对象的实际移动轨迹和预设规划轨迹的偏差，有利于运动对象及时根据预设规划轨迹进行运动，避免计算复杂而且计算量大的问题，大大降低机器人、无人车、移动终端或者服务器计算复杂度的同时也减少计算量，对机器人、无人车、移动终端或者服务器的硬件要求低，易推广实施。
基于前述实施例，所述问题构建模块包括：
选取单元，用于从所述曲线方程上任意选取一任意点的曲线坐标；
生成单元，用于根据同一平面内两点之间距离公式，根据所述曲线坐标和位置坐标生成目标函数，以完成所述目标最小二乘问题的构建。
具体的，假设当前时刻运动对象在场地平面上的位置坐标为P0(x0，y0),并且假设运动对象的预设规划轨迹所对应的曲线方程为f(x)，例如以一元三次方曲线为例：f(x)＝a0+a1x+a2x2+a3x3。抽象选取曲线方程f(x)上任意点的曲线坐标为P(x，a0+a1x+a2x2+a3x3)。因为，同一平面内两点之间距离公式为平方差计算，因此，机器人、无人车、移动终端或者服务器可根据曲线坐标和位置坐标生成目标函数如下公式(1)所示：
其中，F(x)为目标函数，x0为当前时刻运动对象在场地平面上的X轴坐标，y0为当前时刻运动对象在场地平面上的Y轴坐标。
基于前述实施例，所述迭代计算模块包括：
增量计算单元，用于根据所述目标函数和位置坐标进行泰勒展开得到泰勒多项式，根据所述泰勒多项式和所述一阶梯度法得到增量方程；
迭代计算单元，用于根据所述位置坐标的X轴坐标值作为初始值，对所述增量方程进行迭代计算得到目标增量；
求解计算单元，用于根据所述目标增量和所述增量方程计算得到一阶导数，将所述一阶导数作为所述求解结果。
具体的，机器人、无人车、移动终端或者服务器通过上述方式获取到目标函数后，将目标函数F(x)在x0附近进行泰勒展开得到泰勒多项式如下所示：
其中，J是F(x)关于x的一阶导数即雅可比矩阵(Jacobian矩阵)，H是关于x的二阶导数即海塞矩阵(Hessian矩阵)。机器人、无人车、移动终端或者服务器选择只保留一阶项，并且取增量为反向梯度，就可以获得保证函数下降的增量方程为下列公式(2)所示：
Δx*＝-J(x0)*eta (2)
其中，Δx*即为保证目标函数下降的增量解，eta为增量迭代的步长。
机器人、无人车、移动终端或者服务器自位置坐标的X轴坐标值x0处开始迭代，对于第k次迭代，寻找一个增量Δxk，使得目标函数达到极小值。
优选的，机器人、无人车、移动终端或者服务器需要预先确定一个合适的增量阈值ΔX，若足够小，例如取0.005，则停止迭代。否则，确定一个合适的步长阈值etam，例如取0.12，继续迭代直至计算获取最终的目标增量为止：
xk＝xk-1-J(xk-1)*eta
其中，xk为第k次迭代结果，增量阈值ΔX与步长阈值etam需根据不同系统分析不同取值。
本发明通过构建非线性最小二乘问题，表征平面内一点与平面内一曲线的位置关系，求取该点与该曲线最邻近点坐标，在自动驾驶汽车、机器人等领域的规划、控制等多个算法模块可以作为一种基础工具使用。本发明通过一阶梯度法求解该非线性最小二乘问题，该方法简单、直观，且直接在x0处作为初始值迭代，并选取了合适的增量阈值与步长避免了大量迭代次数，求解相对其他非线性优化方法消耗算力小。本发明由于进行泰勒展开后目标函数变成了多项式，因此求解增量时只需计算求增量方程即可，计算量小且简单。
基于前述实施例，还包括：
差值计算模块，用于根据所述映射点和所述位置坐标所对应的实际轨迹点，计算得到位移偏差量；
轨迹调整模块，用于根据所述位移偏差量调整所述运动对象的当前运动轨迹，使得所述当前运动轨迹与所述预设规划轨迹重合。
具体的，根据位置坐标所对应的实际轨迹点和映射点，能够使用空间向量法计算获取运动对象在当前时刻所在位置与映射点之间的偏差角和偏差位移，进而，根据偏差角和偏差位移调整运动对象的当前运动轨迹，使得运动对象每前进一段就自动纠正自身一段轨迹，以便使得运动对象的整体实际运动轨迹与所述预设规划轨迹重合。本发明消除运动对象实际运动轨迹与预设规划轨迹之间偏差，提高可靠性，提高运动对象的运动轨迹精度以及长时间移动的稳定性。
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，仅以上述各程序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程序模块完成，即将所述装置的内部结构划分成不同的程序单元或模块，以完成以上描述的全部或者部分功能。实施例中的各程序模块可以集成在一个处理单元中，也可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处理单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序单元的形式实现。另外，各程序模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。
本发明的一个实施例，一种机器人，包括处理器、存储器，其中，存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的计算机程序，实现上述所对应方法实施例中的基于最小二乘的目标检测方法。
所述机器人可以为桌上型计算机、笔记本、掌上电脑、平板型计算机、手机、人机交互屏等设备。所述机器人可包括，但不仅限于处理器、存储器。本领域技术人员可以理解，上述仅仅是机器人的示例，并不构成对机器人的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如：机器人还可以包括输入/输出接口、显示设备、网络接入设备、通信总线、通信接口等。通信接口和通信总线，还可以包括输入/输出接口，其中，处理器、存储器、输入/输出接口和通信接口通过通信总线完成相互间的通信。该存储器存储有计算机程序，该处理器用于执行存储器上所存放的计算机程序，实现上述所对应方法实施例中的基于最小二乘的目标检测方法。
所述处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器可以是所述机器人的内部存储单元，例如：机器人的硬盘或内存。所述存储器也可以是所述机器人的外部存储设备，例如：所述机器人上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器还可以既包括所述机器人的内部存储单元也包括外部存储设备。所述存储器用于存储所述计算机程序以及所述机器人所需要的其他程序和数据。所述存储器还可以用于暂时地存储已经输出或者将要输出的数据。
通信总线是连接所描述的元素的电路并且在这些元素之间实现传输。例如，处理器通过通信总线从其它元素接收到命令，解密接收到的命令，根据解密的命令执行计算或数据处理。存储器可以包括程序模块，例如内核(kernel)，中间件(middleware)，应用程序编程接口(Application Programming Interface，API)和应用。该程序模块可以是有软件、固件或硬件、或其中的至少两种组成。输入/输出接口转发用户通过输入/输出接口(例如感应器、键盘、触摸屏)输入的命令或数据。通信接口将该机器人与其它网络设备、用户设备、网络进行连接。例如，通信接口可以通过有线或无线连接到网络以连接到外部其它的网络设备或用户设备。无线通信可以包括以下至少一种：无线保真(WiFi)，蓝牙(BT)，近距离无线通信技术(NFC)，全球卫星定位系统(GPS)和蜂窝通信等等。有线通信可以包括以下至少一种：通用串行总线(USB)，高清晰度多媒体接口(HDMI)，异步传输标准接口(RS-232)等等。网络可以是电信网络和通信网络。通信网络可以为计算机网络、因特网、物联网、电话网络。机器人可以通过通信接口连接网络，机器人和其它网络设备通信所用的协议可以被应用、应用程序编程接口(API)、中间件、内核和通信接口至少一个支持。
本发明的一个实施例，一种存储介质，存储介质中存储有至少一条指令，指令由处理器加载并执行以实现上述基于最小二乘的目标检测方法对应实施例所执行的操作。例如，存储介质可以是只读内存(ROM)、随机存取存储器(RAM)、只读光盘(CD-ROM)、磁带、软盘和光数据存储设备等。
它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述或记载的部分，可以参见其他实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/机器人和方法，可以通过其他的方式实现。例如，以上所描述的装置/机器人实施例仅仅是示意性的，例如，所述模块或单元的划分，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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性、机械或其他的形式。
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能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。
所述集成的模块/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，可以存储在一个存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序发送指令给相关的硬件完成，所述的计算机程序可存储于一存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述存储介质可以包括：能够携带所述计算机程序的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如：在某些司法管辖区，根据立法和专利实践，计算机可读的存储介质不包括电载波信号和电信信号。
应当说明的是，上述实施例均可根据需要自由组合。以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种基于最小二乘的目标检测方法，其特征在于，包括步骤：
获取当前时刻运动对象在场地平面上的位置坐标；
获取所述运动对象的预设规划轨迹所对应的曲线方程；所述预设规划轨迹所对应平面为所述场地平面；
根据所述位置坐标和曲线方程构建目标最小二乘问题；
通过一阶梯度法对所述目标最小二乘问题进行迭代求解；
根据求解结果计算得到所述运动对象在所述预设规划轨迹上的映射点；
所述通过一阶梯度法对所述目标最小二乘问题进行迭代求解包括步骤：
根据所述目标函数和位置坐标进行泰勒展开得到泰勒多项式；
根据所述泰勒多项式和所述一阶梯度法得到增量方程；
根据所述位置坐标的X轴坐标值作为初始值，对所述增量方程进行迭代计算得到目标增量；
根据所述目标增量和所述增量方程计算得到一阶导数，将所述一阶导数作为所述求解结果。
2.根据权利要求1所述的基于最小二乘的目标检测方法，其特征在于，所述根据所述位置坐标和曲线方程构建目标最小二乘问题包括步骤：
从所述曲线方程上任意选取一任意点的曲线坐标；
根据同一平面内两点之间距离公式，根据所述曲线坐标和位置坐标生成目标函数，以完成所述目标最小二乘问题的构建。
3.根据权利要求1-2任一项所述的基于最小二乘的目标检测方法，其特征在于，所述根据求解结果计算得到所述运动对象在所述预设规划轨迹上的映射点之后包括步骤：
根据所述映射点和所述位置坐标所对应的实际轨迹点，计算得到位移偏差量；
根据所述位移偏差量调整所述运动对象的当前运动轨迹，使得所述当前运动轨迹与所述预设规划轨迹重合。
4.一种基于最小二乘的目标检测系统，其特征在于，包括：
坐标获取模块，用于获取当前时刻运动对象在场地平面上的位置坐标；
轨迹获取模块，用于获取所述运动对象的预设规划轨迹所对应的曲线方程；所述预设规划轨迹所对应平面为所述场地平面；
问题构建模块，用于根据所述位置坐标和曲线方程构建目标最小二乘问题；
迭代计算模块，用于通过一阶梯度法对所述目标最小二乘问题进行迭代求解；
处理模块，用于根据求解结果计算得到所述运动对象在所述预设规划轨迹上的映射点；
所述迭代计算模块包括：
增量计算单元，用于根据所述目标函数和位置坐标进行泰勒展开得到泰勒多项式，根据所述泰勒多项式和所述一阶梯度法得到增量方程；
迭代计算单元，用于根据所述位置坐标的X轴坐标值作为初始值，对所述增量方程进行迭代计算得到目标增量；
求解计算单元，用于根据所述目标增量和所述增量方程计算得到一阶导数，将所述一阶导数作为所述求解结果。
5.根据权利要求4所述的基于最小二乘的目标检测系统，其特征在于，所述问题构建模块包括：
选取单元，用于从所述曲线方程上任意选取一任意点的曲线坐标；
生成单元，用于根据同一平面内两点之间距离公式，根据所述曲线坐标和位置坐标生成目标函数，以完成所述目标最小二乘问题的构建。
6.根据权利要求4-5任一项所述的基于最小二乘的目标检测系统，其特征在于，还包括：
差值计算模块，用于根据所述映射点和所述位置坐标所对应的实际轨迹点，计算得到位移偏差量；
轨迹调整模块，用于根据所述位移偏差量调整所述运动对象的当前运动轨迹，使得所述当前运动轨迹与所述预设规划轨迹重合。
7.一种机器人，其特征在于，包括处理器、存储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程序，所述处理器，用于执行所述存储器上所存放的计算机程序，实现如权利要求1至权利要求3任一项所述的基于最小二乘的目标检测方法所执行的操作。
8.一种存储介质，其特征在于，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现如权利要求1至权利要求3任一项所述的基于最小二乘的目标检测方法所执行的操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110396273.2A CN113110448B (zh) | 2021-04-13 | 2021-04-13 | 基于最小二乘的目标检测方法、系统、机器人和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110396273.2A CN113110448B (zh) | 2021-04-13 | 2021-04-13 | 基于最小二乘的目标检测方法、系统、机器人和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113110448A CN113110448A (zh) | 2021-07-13 |
| CN113110448B true CN113110448B (zh) | 2023-01-17 |
Family
ID=76716819
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110396273.2A Active CN113110448B (zh) | 2021-04-13 | 2021-04-13 | 基于最小二乘的目标检测方法、系统、机器人和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113110448B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104848870A (zh) * | 2015-06-05 | 2015-08-19 | 深圳市凯立德科技股份有限公司 | 一种偏航后的导航路径规划方法及设备 |
| CN105867379A (zh) * | 2016-04-13 | 2016-08-17 | 上海物景智能科技有限公司 | 一种机器人的运动控制方法及控制系统 |
| CN110598231A (zh) * | 2019-05-27 | 2019-12-20 | 合肥工业大学 | 一种仿生翼型叶片的设计方法 |
| CN111338339A (zh) * | 2020-02-20 | 2020-06-26 | 北京京东乾石科技有限公司 | 轨迹规划方法、装置、电子设备及计算机可读介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN100565244C (zh) * | 2007-10-31 | 2009-12-02 | 北京航空航天大学 | 多模多目标精密跟踪装置和方法 |
| CN101718870B (zh) * | 2009-11-13 | 2012-07-04 | 西安电子科技大学 | 图像域的高速、微弱目标航迹检测方法 |
-
2021
- 2021-04-13 CN CN202110396273.2A patent/CN113110448B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104848870A (zh) * | 2015-06-05 | 2015-08-19 | 深圳市凯立德科技股份有限公司 | 一种偏航后的导航路径规划方法及设备 |
| CN105867379A (zh) * | 2016-04-13 | 2016-08-17 | 上海物景智能科技有限公司 | 一种机器人的运动控制方法及控制系统 |
| CN110598231A (zh) * | 2019-05-27 | 2019-12-20 | 合肥工业大学 | 一种仿生翼型叶片的设计方法 |
| CN111338339A (zh) * | 2020-02-20 | 2020-06-26 | 北京京东乾石科技有限公司 | 轨迹规划方法、装置、电子设备及计算机可读介质 |
Non-Patent Citations (8)
| Title |
|---|
| A Novel Least Square Twin Support Vector Regression;Zhiqiang Zhang，等;《Neural Process Lett》;20181231;第1187–1200页 * |
| 低中放废物处置场核素经地下水迁移对环境影响预测;王金生，等;《环境科学学报》;20000331;第20卷(第2期);第162-167页 * |
| 基于导频的光OFDM系统信道估计;张智强，邱绍峰;《通信技术》;20111231;第44卷(第01期);第32-33页 * |
| 基于最小二乘原理的距离深度域矩阵滤波器研究;周敏，等;《科学技术创新》;20191231;第69-70页 * |
| 基于移动最小二乘法的轨迹拟合切线方位角计算;姚连璧，钱瑾斐;《同济大学学报(自然科学版)》;20181130;第46卷(第11期);第1589-1593页 * |
| 大口径光学元件磁流变加工驻留时间求解算法;李龙响，等;《光学学报》;20140531;第34卷(第5期);第1-7页 * |
| 大部件对接中iGPS高精度位姿测量优化设计;林雪竹，等;《航空学报》;20150425;第36卷(第4期);第1299-1311页 * |
| 用最小二乘法选择既有曲线最佳半径;刘冬初，解传银;《铁道学报》;19870930;第85-89页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113110448A (zh) | 2021-07-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10852139B2 (en) | Positioning method, positioning device, and robot | |
| JP2021177168A (ja) | 車両のデッドレコニング方法、装置、デバイス、記憶媒体、及びプログラム | |
| CN102762957A (zh) | 历史交通数据压缩 | |
| US10288437B2 (en) | Routing with data version stitching | |
| CN110471409B (zh) | 机器人巡检方法、装置、计算机可读存储介质及机器人 | |
| CN111319041B (zh) | 一种机器人位姿确定方法、装置、可读存储介质及机器人 | |
| CN109724597B (zh) | 一种基于函数迭代积分的惯性导航解算方法及系统 | |
| CN112643665B (zh) | 一种绝对位姿传感器安装误差的标定方法和装置 | |
| CN116079697B (zh) | 一种基于图像的单目视觉伺服方法、装置、设备及介质 | |
| CN110887493A (zh) | 基于局部地图匹配的轨迹推算方法、介质、终端和装置 | |
| CN111508072A (zh) | 地图构建方法、装置、电子设备及存储介质 | |
| KR20210057402A (ko) | 비주얼 로컬리제이션과 오도메트리를 기반으로 한 경로 추적 방법 및 시스템 | |
| CN117036422A (zh) | 车道线跟踪的方法、装置、设备及存储介质 | |
| CN113110423A (zh) | 步态轨迹规划方法、装置、计算机可读存储介质及机器人 | |
| CN114926549B (zh) | 三维点云处理方法、装置、设备以及存储介质 | |
| CN113110448B (zh) | 基于最小二乘的目标检测方法、系统、机器人和存储介质 | |
| CN113306570A (zh) | 用于控制自动驾驶车辆的方法、装置和自动驾驶配送车 | |
| CN115839726B (zh) | 磁传感器和角速度传感器联合标定的方法、系统及介质 | |
| CN112729349B (zh) | 里程计在线标定的方法、装置、电子设备及存储介质 | |
| CN111487972A (zh) | 一种踢球的步态规划方法、装置、可读存储介质及机器人 | |
| CN114527760A (zh) | 一种路径规划方法、系统、终端设备和存储介质 | |
| CN114227686A (zh) | 一种机器人避障控制方法、装置、终端设备及存储介质 | |
| CN115205419A (zh) | 即时定位与地图构建方法、装置、电子设备及可读存储介质 | |
| CN112157651B (zh) | 位姿确定方法、装置及机器人 | |
| WO2024093203A1 (zh) | 位姿调整方法、位姿调整装置、电子设备及可读存储介质 |
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 |