CN113237479A - 一种室内导航方法、系统、装置及存储介质 - Google Patents
一种室内导航方法、系统、装置及存储介质 Download PDFInfo
- Publication number
- CN113237479A CN113237479A CN202110504107.XA CN202110504107A CN113237479A CN 113237479 A CN113237479 A CN 113237479A CN 202110504107 A CN202110504107 A CN 202110504107A CN 113237479 A CN113237479 A CN 113237479A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- data
- image
- model
- cloud data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000002372 labelling Methods 0.000 claims abstract description 20
- 238000006243 chemical reaction Methods 0.000 claims abstract description 15
- 238000005070 sampling Methods 0.000 claims abstract description 13
- 238000013075 data extraction Methods 0.000 claims abstract description 4
- 238000012937 correction Methods 0.000 claims description 9
- 238000013519 translation Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 5
- 239000003795 chemical substances by application Substances 0.000 claims description 3
- 238000005728 strengthening Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 abstract description 2
- 238000010276 construction Methods 0.000 abstract 1
- 239000011159 matrix material Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种室内导航方法、系统、装置及存储介质，该方法包括：提取图像数据并进行3D点云转换，得到3D点云数据；根据3D点云数据进行点云拼接并生成3D模型；基于投影方式将3D模型转换为2D栅格地图；基于五点采样法对2D栅格地图进行标注，得到标注后地图；获取用户当前位置和目的地位置，并基于标注后地图生成导航路径。该系统包括：数据提取模块、模型构建模块、地图转换模块、标注模块和路径生成模块。该装置包括存储器以及用于执行上述室内导航方法的处理器。通过使用本发明，能够能够快速根据用户位置和目的地位置生成对应的导航路径。本发明作为一种室内导航方法、系统、装置及存储介质，可广泛应用于视觉导航领域。
Description
技术领域
本发明涉及视觉导航领域，尤其涉及一种室内导航方法、系统、装置及存储介质。
背景技术
随着社会的发展，大型的商场、机场、地下室等室内环境的空间变得越来越大和复杂，许多人会在其中迷失方向、难于确定前进的方向，从而浪费宝贵的时间，基于这样情况，室内导航应运而生，找到到达目的地的最短、最方便、最安全的路径是室内导航最受关注的点。目前的室内导航大多依赖于预先由人工绘制的地图模型而实现，人工绘图与电脑路径计算时常出现匹配问题，另外，有时候对室内格局进行改造后，由于地图模型没有更新从而导致室内导航出错。
发明内容
为了解决上述技术问题，本发明的目的是提供一种室内导航方法、系统、装置及存储介质，能够快速根据用户位置和目的地位置生成对应的导航路径。
本发明所采用的第一技术方案是：一种室内导航方法，包括以下步骤：
S1、提取图像数据并进行3D点云转换，得到3D点云数据；
S2、根据3D点云数据进行点云拼接并生成3D模型；
S3、基于投影方式将3D模型转换为2D栅格地图；
S4、基于五点采样法对2D栅格地图进行标注，得到标注后地图；
S5、获取用户当前位置和目的地位置，并基于标注后地图生成导航路径。
进一步，还包括：
S6、根据导航路径前进，动态更新路径信息并语音播放。
进一步，所述取图像数据并进行3D点云转换，得到3D点云数据这一步骤，其具体包括：
S11、获取摄像机状态的数组并从数组中提取多帧RGB图像和深度图像；
S12、以第一帧RGB图像、对应的深度图像，并结合摄像机的内置参数将2D图像的数据点转换为3D空间数据点，得到模型3D点云数据。
进一步，所述根据3D点云数据进行点云拼接并生成3D模型这一步骤，其具体包括：
S21、获取下一帧的RGB图像和深度图像并与前一帧的RGB图像提取共同图像特征；
S22、根据共同图像特征将两帧RGB图像合并，得到共同特征图像；
S23、从共同特征图像中提取前一帧RGB图像2D数据并转换为对比用3D点云数据；
S24、根据对比用3D点云数据从共同特征图像中提取下一帧RGB图像2D数据并结合摄像机的内置参数计算下一帧图像相对前一帧图像的平移向量和旋转向量；
S25、将下一帧RGB图像2D数据转换为修正用3D点云数据并结合平移向量和旋转向量将修正用3D点云数据合并到模型3D点云数据，得到新的模型3D点云数据。
S26、返回步骤S21直至没有下一帧RGB图像，生成最终3D模型。
进一步，所述将修正用3D点云数据合并到模型3D点云数据还包括进行全局回环检测调整3D点云数据位置。
进一步，所述基于五点采样法对2D栅格地图进行标注，得到标注后地图这一步骤，其具体包括：
S41、基于五点采样法在2D栅格地图上标注三类位置信息，包括安全位置、未知位置和危险位置，得到标注信息；
S42、基于标注信息对预构建的Agent模型进行强化训练，得到训练完成的模型；
S43、基于训练完成的模型对2D栅格地图重新标注，得到标注后地图。
本发明所采用的第二技术方案是：一种室内导航系统，包括：
数据提取模块，用于提取图像数据并进行3D点云转换，得到3D点云数据；
模型构建模块，用于根据3D点云数据进行点云拼接并生成3D模型；
地图转换模块，用于基于投影方式将3D模型转换为2D栅格地图；
标注模块，用于基于五点采样法对2D栅格地图进行标注，得到标注后地图；
路径生成模块，用于获取用户当前位置和目的地位置，并基于标注后地图生成导航路径。
进一步，还包括：
实时更新模块，用于根据导航路径前进，动态更新路径信息并语音播放。
本发明所采用的第三技术方案是：一种室内导航装置，包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如上所述一种室内导航方法。
本发明所采用的第四技术方案是：一种存储介质，其中存储有处理器可执行的指令，其特征在于：所述处理器可执行的指令在由处理器执行时用于实现如上所述一种室内导航方法。
本发明方法、系统、装置及存储介质的有益效果是：本发明先提取3D点云数据并将多帧3D点云数据合并以生成较为准确的3D模型，然后投影转换为2D删格地图，最后结合2D栅格地图和导航路径算法实现室内导航。
附图说明
图1是本发明一种室内导航方法的步骤流程图；
图2是本发明具体实施例2D图像数据转换成3D点云数据的示意图；
图3是本发明一种室内导航系统的结构框图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
如图1所示，本发明提供了一种室内导航方法，该方法包括以下步骤：
S1、提取图像数据并进行3D点云转换，得到3D点云数据；
S2、根据3D点云数据进行点云拼接并生成3D模型；
S3、基于投影方式将3D模型转换为2D栅格地图；
S4、基于五点采样法对2D栅格地图进行标注，得到标注后地图；
具体地，在用户使用时会在地图上选取前往的目的地，这一目的地的标注有两种方法。一是训练深度学习模型，在探索环境的同时使用此模型自动判断当前区域的所属名称，并且标注在地图中。二是人为判断标注，在得到完整的地图信息后，人为在地图上添加区域位置名称或修改已标注的区域位置名称。
S5、获取用户当前位置和目的地位置，并基于标注后地图生成导航路径。
具体地，用户导航前需要在室内环境中对自身位置进行室内定位，为达到这一位置存在两种方法。一是使用手上的摄像机对周围环境拍下一张照片，将此照片上传到系统中，系统会根据设计好的算法利用此照片和保存的室内3D点云数据进行匹配，以此自动定位用户所在位置。二是用户手动定位，用户在地图中根据观察到的周围环境信息，自主在地图上确定自身所在的位置。
进一步作为本方法的优选实施例，还包括：
S6、根据导航路径前进，动态更新路径信息并语音播放。
具体地，用户定位自身位置、选取目标地点后，导航算法进行运算规划导航路径(如果是机器人便将路径信息转换成机器人前进、方向信息)，在用户前进过程中动态更新规划的路径信息，并且进行语音播报路径信息提醒用户。
进一步作为本方法的优选实施例，所述提取图像数据并进行3D点云转换，得到3D点云数据这一步骤，其具体包括：
S11、获取摄像机状态的数组并从数组中提取多帧RGB图像和深度图像；
S12、以第一帧RGB图像、对应的深度图像，并结合摄像机的内置参数将2D图像的数据点转换为3D空间数据点，得到模型3D点云数据。
具体地，摄像机的内置参数包括焦距[fx，fy]、纵横偏移量[Cx，Cy]，2D图像数据转换成3D点云数据，根据摄像机的小孔成像原理，需要用到三组数据：RGB图像rgb_image、深度图像dep_image、摄像机内置参数camera_matrix。
RGB图像rgb_image是一组(240,320,3)的数据矩阵，数值范围在(0～255)之间的整型。深度图像dep_image是一组(240,320)的数据矩阵，数值范围在(0～255)之间的整型。
摄像机内置参数在出厂时便固定好，是一组(3,3)的数据矩阵。
参照图2，根据针孔相机模型可以求到，一个空间点[x,y,z]和它在图像中的像素坐标[u,v,d](d指的是深度数据)：
d＝z·s
其中，fx和fy指的是摄像机在x，y两个轴上的焦距，Cx，Cy指的是摄像机的光圈中心，s指的是深度图的缩放因子。
以此便可根据已知的像素坐标[u,v,d]，推导出其所在三维空间上的坐标[x,y,z]：
使用此公式结合深度图数据dep_image和摄像机内置参数camera_matrix，便可计算出这一帧图像数据点在三维空间上的分布，在使用RGB图像数据rgb_image即可对每一个三维空间数据点进行上色，这些信息会被保存在一组(240x320,4)的数据矩阵中。
在矩阵(240x320,4)中的[240x320][0]、[240x320][1]、[240x320][2]、[240x320][3]分别保存三空间中数据点的x轴坐标、y轴坐标、深度信息、rgb信息。矩阵中的一行数据为三维空间中的一个点point，一组矩阵数据为三维空间中的点云points，使用PCL库包的PointCloud_PointXYZRGBA()接口便可将点云数据可视化。
进一步作为本方法优选实施例，所述根据3D点云数据进行点云拼接并生成3D模型这一步骤，其具体包括：
S21、获取下一帧的RGB图像和深度图像并与前一帧的RGB图像提取共同图像特征；
S22、根据共同图像特征将两帧RGB图像合并，得到共同特征图像；
具体地，系统运行过程中会保存两张连续图像的数据和矩阵，并且分别提取两张连续图像的特征，然后对两张图像特征按照一定的约束条件进行优化匹配，挑选良好的共同特征，挑选好后，将两帧涵盖共同特征的连续图像合并保存成一张图片。
S23、从共同特征图像中提取前一帧RGB图像2D数据并转换为对比用3D点云数据；
S24、根据对比用3D点云数据从共同特征图像中提取下一帧RGB图像2D数据并结合摄像机的内置参数计算下一帧图像相对前一帧图像的平移向量和旋转向量；
具体地，平移向量和旋转向量的求解采用pnp算法，在具有共同特征的图片中提取第一帧图片的数据，然后将提取到的2D数据转换为3D点云数据，读取第二帧图片的2D数据，接着结合摄像机的内置参数根据算法计算出第二帧图像相对第一帧图像的平移向量和旋转向量。
S25、将下一帧RGB图像2D数据转换为修正用3D点云数据并结合平移向量和旋转向量将修正用3D点云数据合并到模型3D点云数据，得到新的模型3D点云数据。
具体地，将获取到的第二帧图像相对第一帧图像的平移向量和旋转向量，使用罗德里格斯变换将其转换成变换矩阵(4x4)，然后使用PCL点云库合并点云的算法，将第二帧图像的点云数据合并到整体模型的点云数据中。
S26、返回步骤S21直至没有下一帧RGB图像，生成最终3D模型。
具体地，将得到的3D点云模型使用octomap工具制作octotree 3D模型，这样不但可以节省3D点云模型保存与定位导航相关联系较低的数据空间，还可以提取到对定位导航更为关键的数据信息。
进一步作为本方法优选实施例，所述将修正用3D点云数据合并到模型3D点云数据还包括进行全局回环检测调整3D点云数据位置。
具体地，在点云数据拼接的过程中，不可避免地出现微小甚至较大的误差，而且误差会随着拼接的次数增加而累积。为减小误差有效的操作便是回环检测，使用全局回环检测不断调整点云数据的3D空间位置，以此制作良好的3D点云模型。
进一步作为本方法优选实施例，所述基于五点采样法对2D栅格地图进行标注，得到标注后地图这一步骤，其具体包括：
S41、基于五点采样法在2D栅格地图上标注三类位置信息，包括安全位置、未知位置和危险位置，得到标注信息；
S42、基于标注信息对预构建的Agent模型进行强化训练，得到训练完成的模型；
S43、基于训练完成的模型对2D栅格地图重新标注，得到标注后地图。
如图3所示，一种室内导航系统，包括：
数据提取模块，用于提取图像数据并进行3D点云转换，得到3D点云数据；
模型构建模块，用于根据3D点云数据进行点云拼接并生成3D模型；
地图转换模块，用于基于投影方式将3D模型转换为2D栅格地图；
标注模块，用于基于五点采样法对2D栅格地图进行标注，得到标注后地图；
路径生成模块，用于获取用户当前位置和目的地位置，并基于标注后地图生成导航路径。
进一步作为本系统优选实施例，还包括：
实时更新模块，用于根据导航路径前进，动态更新路径信息并语音播放。
上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
一种室内导航装置：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如上所述一种室内导航方法。
上述方法实施例中的内容均适用于本装置实施例中，本装置实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
一种存储介质，其中存储有处理器可执行的指令，其特征在于：所述处理器可执行的指令在由处理器执行时用于实现如上所述一种室内导航方法。
上述方法实施例中的内容均适用于本存储介质实施例中，本存储介质实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种室内导航方法，其特征在于，包括以下步骤：
S1、提取图像数据并进行3D点云转换，得到3D点云数据；
S2、根据3D点云数据进行点云拼接并生成3D模型；
S3、基于投影方式将3D模型转换为2D栅格地图；
S4、基于五点采样法对2D栅格地图进行标注，得到标注后地图；
S5、获取用户当前位置和目的地位置，并基于标注后地图生成导航路径。
2.根据权利要求1所述一种室内导航方法，其特征在于，还包括：
S6、根据导航路径前进，动态更新路径信息并语音播放。
3.根据权利要求2所述一种室内导航方法，其特征在于，所述提取图像数据并进行3D点云转换，得到3D点云数据这一步骤，其具体包括：
S11、获取摄像机状态的数组并从数组中提取多帧RGB图像和深度图像；
S12、以第一帧RGB图像、对应的深度图像，并结合摄像机的内置参数将2D图像的数据点转换为3D空间数据点，得到模型3D点云数据。
4.根据权利要求3所述一种室内导航方法，其特征在于，所述根据3D点云数据进行点云拼接并生成3D模型这一步骤，其具体包括：
S21、获取下一帧的RGB图像和深度图像并与前一帧的RGB图像提取共同图像特征；
S22、根据共同图像特征将两帧RGB图像合并，得到共同特征图像；
S23、从共同特征图像中提取前一帧RGB图像2D数据并转换为对比用3D点云数据；
S24、根据对比用3D点云数据从共同特征图像中提取下一帧RGB图像2D数据并结合摄像机的内置参数计算下一帧图像相对前一帧图像的平移向量和旋转向量；
S25、将下一帧RGB图像2D数据转换为修正用3D点云数据并结合平移向量和旋转向量将修正用3D点云数据合并到模型3D点云数据，得到新的模型3D点云数据。
S26、返回步骤S21直至没有下一帧RGB图像，生成最终3D模型。
5.根据权利要求4所述一种室内导航方法，其特征在于，所述将修正用3D点云数据合并到模型3D点云数据还包括进行全局回环检测调整3D点云数据位置。
6.根据权利要求5所述一种室内导航方法，其特征在于，所述基于五点采样法对2D栅格地图进行标注，得到标注后地图这一步骤，其具体包括：
S41、基于五点采样法在2D栅格地图上标注三类位置信息，包括安全位置、未知位置和危险位置，得到标注信息；
S42、基于标注信息对预构建的Agent模型进行强化训练，得到训练完成的模型；
S43、基于训练完成的模型对2D栅格地图重新标注，得到标注后地图。
7.一种室内导航系统，其特征在于，包括：
数据提取模块，用于提取图像数据并进行3D点云转换，得到3D点云数据；
模型构建模块，用于根据3D点云数据进行点云拼接并生成3D模型；
地图转换模块，用于基于投影方式将3D模型转换为2D栅格地图；
标注模块，用于基于五点采样法对2D栅格地图进行标注，得到标注后地图；
路径生成模块，用于获取用户当前位置和目的地位置，并基于标注后地图生成导航路径。
8.根据权利要求7所述一种室内导航系统，其特征在于，还包括：
实时更新模块，用于根据导航路径前进，动态更新路径信息并语音播放。
9.一种室内导航装置，其特征在于，包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-6任一项所述一种室内导航方法。
10.一种存储介质，其中存储有处理器可执行的指令，其特征在于：所述处理器可执行的指令在由处理器执行时用于实现如权利要求1-6任一项所述一种室内导航方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110504107.XA CN113237479A (zh) | 2021-05-10 | 2021-05-10 | 一种室内导航方法、系统、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110504107.XA CN113237479A (zh) | 2021-05-10 | 2021-05-10 | 一种室内导航方法、系统、装置及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113237479A true CN113237479A (zh) | 2021-08-10 |
Family
ID=77132874
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110504107.XA Pending CN113237479A (zh) | 2021-05-10 | 2021-05-10 | 一种室内导航方法、系统、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113237479A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105843223A (zh) * | 2016-03-23 | 2016-08-10 | 东南大学 | 一种基于空间词袋模型的移动机器人三维建图与避障方法 |
| CN106940186A (zh) * | 2017-02-16 | 2017-07-11 | 华中科技大学 | 一种机器人自主定位与导航方法及系统 |
| CN110455306A (zh) * | 2018-05-07 | 2019-11-15 | 南京图易科技有限责任公司 | 一种基于深度学习的机器人场景识别与语义导航地图标注方法 |
| CN111598916A (zh) * | 2020-05-19 | 2020-08-28 | 金华航大北斗应用技术有限公司 | 一种基于rgb-d信息的室内占据栅格地图的制备方法 |
| CN111609851A (zh) * | 2020-05-28 | 2020-09-01 | 北京理工大学 | 一种移动型导盲机器人系统及导盲方法 |
| CN112014857A (zh) * | 2020-08-31 | 2020-12-01 | 上海宇航系统工程研究所 | 用于智能巡检的三维激光雷达定位导航方法及巡检机器人 |
| CN112506200A (zh) * | 2020-12-14 | 2021-03-16 | 广州视源电子科技股份有限公司 | 机器人定位方法、装置、机器人及存储介质 |
-
2021
- 2021-05-10 CN CN202110504107.XA patent/CN113237479A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105843223A (zh) * | 2016-03-23 | 2016-08-10 | 东南大学 | 一种基于空间词袋模型的移动机器人三维建图与避障方法 |
| CN106940186A (zh) * | 2017-02-16 | 2017-07-11 | 华中科技大学 | 一种机器人自主定位与导航方法及系统 |
| CN110455306A (zh) * | 2018-05-07 | 2019-11-15 | 南京图易科技有限责任公司 | 一种基于深度学习的机器人场景识别与语义导航地图标注方法 |
| CN111598916A (zh) * | 2020-05-19 | 2020-08-28 | 金华航大北斗应用技术有限公司 | 一种基于rgb-d信息的室内占据栅格地图的制备方法 |
| CN111609851A (zh) * | 2020-05-28 | 2020-09-01 | 北京理工大学 | 一种移动型导盲机器人系统及导盲方法 |
| CN112014857A (zh) * | 2020-08-31 | 2020-12-01 | 上海宇航系统工程研究所 | 用于智能巡检的三维激光雷达定位导航方法及巡检机器人 |
| CN112506200A (zh) * | 2020-12-14 | 2021-03-16 | 广州视源电子科技股份有限公司 | 机器人定位方法、装置、机器人及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 李卫成;汪地;宗殿栋;姜海龙;: "基于RGBD的机器人室内SLAM与路径规划系统", 工业控制计算机, no. 03, 25 March 2016 (2016-03-25) * |
| 林志林;张国良;王蜂;姚二亮;贾枭;: "一种基于VSLAM的室内导航地图制备方法", 电光与控制, no. 01 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107990899B (zh) | 一种基于slam的定位方法和系统 | |
| US20210074012A1 (en) | Dynamic scene three-dimensional reconstruction method, apparatus and system, server, and medium | |
| US10268201B2 (en) | Vehicle automated parking system and method | |
| CN111462207A (zh) | 一种融合直接法与特征法的rgb-d同时定位与地图创建方法 | |
| JP2019536170A (ja) | 仮想的に拡張された視覚的同時位置特定及びマッピングのシステム及び方法 | |
| US11417069B1 (en) | Object and camera localization system and localization method for mapping of the real world | |
| KR20080029080A (ko) | 단안 줌 카메라를 이용한 이동로봇의 자기위치 추정 시스템및 방법 | |
| CN111161334B (zh) | 一种基于深度学习的语义地图构建方法 | |
| CN110361005A (zh) | 定位方法、定位装置、可读存储介质及电子设备 | |
| US8509522B2 (en) | Camera translation using rotation from device | |
| CN112967340A (zh) | 同时定位和地图构建方法、装置、电子设备及存储介质 | |
| CN114549766B (zh) | 一种实时ar可视化方法、装置、设备及存储介质 | |
| CN113052907A (zh) | 一种动态环境移动机器人的定位方法 | |
| CN115830135A (zh) | 一种图像处理方法、装置及电子设备 | |
| EP3825804A1 (en) | Map construction method, apparatus, storage medium and electronic device | |
| Sartipi et al. | Decentralized visual-inertial localization and mapping on mobile devices for augmented reality | |
| KR20010055957A (ko) | 증강현실 기반의 3차원 트래커와 컴퓨터 비젼을 이용한영상 정합 방법 | |
| CN117011660A (zh) | 一种低纹理场景下融合深度信息的点线特征slam方法 | |
| CN110796706A (zh) | 视觉定位方法及系统 | |
| WO2023088127A1 (zh) | 室内导航方法、服务器、装置和终端 | |
| CN113237479A (zh) | 一种室内导航方法、系统、装置及存储介质 | |
| CN114926542A (zh) | 基于光学定位系统的混合现实固定参考系校准方法 | |
| KR102218805B1 (ko) | 빔프로젝터 및 깊이 카메라를 구비한 모바일 로봇 기반의 증강현실 시스템 및 그 시스템의 좌표계 보정 방법 | |
| CN112991463A (zh) | 相机标定方法、装置、设备、存储介质和程序产品 | |
| CN114596363B (zh) | 一种三维点云标注方法、装置及终端 |
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 |