CN113238560A - 基于线段信息的机器人旋转地图方法 - Google Patents
基于线段信息的机器人旋转地图方法 Download PDFInfo
- Publication number
- CN113238560A CN113238560A CN202110567138.XA CN202110567138A CN113238560A CN 113238560 A CN113238560 A CN 113238560A CN 202110567138 A CN202110567138 A CN 202110567138A CN 113238560 A CN113238560 A CN 113238560A
- Authority
- CN
- China
- Prior art keywords
- line segment
- pixel
- edge
- map
- gradient
- 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 28
- 230000004888 barrier function Effects 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 4
- 230000010354 integration Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 4
- 230000008859 change Effects 0.000 description 5
- 238000012935 Averaging Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010408 sweeping 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
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种基于线段信息的机器人旋转地图方法，该方法包括以下步骤：S1：将栅格地图进行二值化处理，获得二值化地图，并对二值化地图中的障碍物和非障碍物所在像素进行标记；S2：根据标记信息获取障碍物边缘所在像素的梯度，并且根据梯度的方向获取该像素的障碍物边缘的方向；S3：根据像素的梯度和障碍物边缘的方向来获取若干像素集合，然后从每个像素集合中获取线段；S4：从若干线段中选择最适线段，并根据最适线段获得旋转角度，然后使栅格地图根据旋转角度进行旋转。从二值化地图的障碍物中提取最适线段，并根据最适线段来使地图在视觉上处于水平状态，机器人在工作过程中可以快速、准确进行定位和规划路线。
Description
技术领域
本发明涉及智能机器人技术领域，具体涉及一种基于线段信息的机器人旋转地图方法。
背景技术
移动机器人在进行移动前，会先对自身的位置进行建图和定位，然后在根据建立的地形图和自身所处的位置进行移动，因为扫地机器人的初始位姿是随机的，因此无法保证建图获得的地图在视觉上处于水平状态，即长度较长的线段角度为水平或竖直，而在非水平的状态下线段会呈锯齿状，如果地图再视觉上不处于水平状态，机器人在工作时无法有效定位，导致机器人无法有效规划路线。
发明内容
为解决上述问题，本发明公开基于线段信息的机器人旋转地图方法，通过地图上的线段信息来快速获取地图的旋转角度，并对地图进行旋转，使地图在视觉上处于水平状态，机器人在工作过程中可以快速、准确进行定位和规划路线。具体技术方案如下：
一种基于线段信息的机器人旋转地图方法，该方法包括以下步骤：S1：将栅格地图进行二值化处理，获得二值化地图，并对二值化地图中的障碍物和非障碍物所在像素进行标记；S2：根据标记信息获取障碍物边缘所在像素的梯度，并且根据梯度的方向获取该像素的障碍物边缘的方向；S3：根据像素的梯度和障碍物边缘的方向来获取若干像素集合，然后从每个像素集合中获取线段；S4：从若干线段中选择最适线段，并根据最适线段获得旋转角度，然后使栅格地图根据旋转角度进行旋转。与现有技术相比，本申请方案根据二值化地图中的障碍物边缘所在的像素的梯度和边缘方向来提取若干线段，然后从若干线段中选取最适线段，并根据最适线段来旋转地图，使地图在视觉上处于水平状态，机器人在工作过程中可以快速、准确进行定位和规划路线。
进一步地，步骤S1中，所述栅格地图为概率栅格地图，对二值化地图中的障碍物和非障碍物所在像素分别标记为地图储存格式的最大值和最小值，使障碍物边缘在数值上产生梯度。通过将栅格地图二值化并进行标记，将地图简化，计算简单。
进一步地，步骤S2中，获取障碍物的边缘所在像素的梯度前，对图像进行高斯模糊来增强边缘特征。通过高斯模糊来增强边缘特征，提高数据的准确性。
进一步地，步骤S2中，获取障碍物边缘所在像素的梯度包括以下步骤：确定障碍物边缘所在像素在栅格地图上的位置，对该像素的上下左右四个像素进行卷积分来得到障碍物边缘所在像素的梯度。
进一步地，获取碍物边缘所在像素的梯度后，通过反正切函数获取所述梯度的方向，然后根据梯度的方向获取障碍物边缘的方向；其中，梯度的方向与障碍物边缘的方向垂直。
进一步地，步骤S3中，根据像素的梯度和障碍物边缘的方向来获取若干像素集合包括以下步骤：对超过设定阈值的梯度按照从大到小进行排序，然后从最大的梯度所在像素开始，以该像素为中心，将设定范围内且障碍物边缘的方向之间的角度在设定值内的像素组成像素集合，得到若干像素集合。通过将像素从大到小的排序来组成集合，防止出现遗漏像素的情况。
进一步地，步骤S3中，从像素集合中获取线段包括以下步骤：获取像素集合的最小外接矩形，然后将最小外接矩形与较长的矩形中轴线相交得到的线段提取出来，记录线段的端点和角度信息。
进一步地，最小外接矩形的获取方法为，将像素集合中每个像素的边缘方向以距离为反比加权平均得到最小外接矩形的长的方向，然后以最小外接矩形的长的方向做平行线得到最小外接矩形的长，对最小外接矩形的长做垂线来得到最小外接矩形的宽。
进一步地，步骤S4中，选择最适线段包括以下步骤：步骤S11：从获取的若干线段中选取其中一条线段作为当前参考边，并获取当前参考边长度，进入步骤S12；步骤S12：将其余N-1条线段在当前参考边方向上进行投影，获取其余N-1条线段对应的N-1个第一投影值,将其余N-1条线段在与当前参考边呈九十度的方向上进行投影，获取其余N-1条线段对应的N-1个第二投影值，进入步骤S13；步骤S13：取同一线段对应的第一投影值和第二投影值中的较大值与第一预设参数b的乘积作为该线段对应的第三投影值，获取其余N-1条线段对应的N-1个第三投影值，进入步骤S14；步骤S14：计算当前参考边长度与其余N-1条线段对应的N-1个第三投影值的和值，将所述当前参考边长度与其余N-1条线段对应的N-1个第三投影值的和值作为当前参考边对应的该线段的线段总长度，进入步骤S15；步骤S15：重复前述步骤S11至S15直至遍历N条线段，获取N条线段对应的N个线段总长度，进入步骤S16;步骤S16：选取N个线段总长度中的最大值对应的线段作为最适线段。通过比较，从若干线段中选出的最适线段更准确。
进一步地，步骤S4中，旋转角度的获取包括：计算出最适线段与x轴或y轴之间的最小夹角，该夹角为地图的旋转角度。
附图说明
图1为本发明一种实施例中所述的基于线段信息的机器人旋转地图方法的流程图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
参照图1可知，一种基于线段信息的机器人旋转地图方法，该方法包括以下步骤：S1：将栅格地图进行二值化处理，获得二值化地图，并对二值化地图中的障碍物和非障碍物所在像素进行标记；S2：根据标记信息获取障碍物边缘所在像素的梯度，并且根据梯度的方向获取该像素的障碍物边缘的方向；S3：根据像素的梯度和障碍物边缘的方向来获取若干像素集合，然后从每个像素集合中获取线段；S4：从若干线段中选择最适线段，并根据最适线段获得旋转角度，然后使栅格地图根据旋转角度进行旋转。与现有技术相比，本申请方案根据二值化地图中的障碍物边缘所在的像素的梯度和边缘方向来提取若干线段，然后从若干线段中选取最适线段，并根据最适线段来旋转地图，使地图在视觉上处于水平状态，机器人在工作过程中可以快速、准确进行定位和规划路线。
作为其中一种实施例，步骤S1中，所述栅格地图为概率栅格地图，对二值化地图中的障碍物和非障碍物所在像素分别标记为地图储存格式的最大值和最小值，使障碍物边缘在数值上产生梯度。通过将栅格地图二值化并进行标记，将地图简化，计算简单。步骤S2中，获取障碍物的边缘所在像素的梯度前，对图像进行高斯模糊来增强边缘特征。通过高斯模糊来增强边缘特征，提高数据的准确性。步骤S2中，获取障碍物边缘所在像素的梯度包括以下步骤：确定障碍物边缘所在像素在栅格地图上的位置，对该像素的上下左右四个像素进行卷积分来得到障碍物边缘所在像素的梯度。获取碍物边缘所在像素的梯度后，通过反正切函数获取所述梯度的方向，然后根据梯度的方向获取障碍物边缘的方向；其中，梯度的方向与障碍物边缘的方向垂直。图像梯度是指图像某像素在x和y两个方向上的变化率（与相邻像素比较），是一个二维向量，由2个分量组成，X轴的变化、Y轴的变化。其中X轴的变化是指当前像素右侧（X加1）的像素值减去当前像素左侧（X减1）的像素值。同理，Y轴的变化是当前像素下方（Y加1）的像素值减去当前像素上方（Y减1）的像素值。计算出来这2个分量，形成一个二维向量，就得到了该像素的图像梯度。取反正切arctan，可得到梯度角度。
作为其中一种实施例，步骤S3中，根据像素的梯度和障碍物边缘的方向来获取若干像素集合包括以下步骤：对超过设定阈值的梯度按照从大到小进行排序，然后从最大的梯度所在像素开始，以该像素为中心，将设定范围内且障碍物边缘的方向之间的角度在设定值内的像素组成像素集合，得到若干像素集合。通过将像素从大到小的排序来组成集合，防止出现遗漏像素的情况。
作为其中一种实施例，步骤S3中，从像素集合中获取线段包括以下步骤：获取像素集合的最小外接矩形，然后将最小外接矩形与较长的矩形中轴线相交得到的线段提取出来，所述线段为最小外接矩形的两个宽的中点之间的连线，记录线段的端点和角度信息。最小外接矩形的获取方法为，将像素集合中每个像素的边缘方向以距离为反比加权平均得到最小外接矩形的长的方向，然后以最小外接矩形的长的方向做平行线得到最小外接矩形的长，对最小外接矩形的长做垂线来得到最小外接矩形的宽。也可以通过minAreaRect函数来获取最小外接矩形，获取最小外接矩形的方法有多种，而且为现有技术，此处就不在详细赘述。线段的端点为最小外接矩形的宽的中点，可以根据其在概率栅格地图上的位置直接得到相应的坐标，线段与最小外接矩形的长平行，角度信息就为最小外接矩形的长的方向。
作为其中一种实施例，步骤S4中，选择最适线段包括以下步骤：步骤S11：从获取的若干线段中选取其中一条线段作为当前参考边，并获取当前参考边长度，进入步骤S12；步骤S12：将其余N-1条线段在当前参考边方向上进行投影，获取其余N-1条线段对应的N-1个第一投影值,将其余N-1条线段在与当前参考边呈九十度的方向上进行投影，获取其余N-1条线段对应的N-1个第二投影值，进入步骤S13；步骤S13：取同一线段对应的第一投影值和第二投影值中的较大值与第一预设参数b的乘积作为该线段对应的第三投影值，获取其余N-1条线段对应的N-1个第三投影值，进入步骤S14；步骤S14：计算当前参考边长度与其余N-1条线段对应的N-1个第三投影值的和值，将所述当前参考边长度与其余N-1条线段对应的N-1个第三投影值的和值作为当前参考边对应的该线段的线段总长度，进入步骤S15；步骤S15：重复前述步骤S11至S15直至遍历N条线段，获取N条线段对应的N个线段总长度，进入步骤S16;步骤S16：选取N个线段总长度中的最大值对应的线段作为最适线段。通过比较，从若干线段中选出的最适线段更准确。该方法主要为了获得代表地图方向的线段，而且长度尽量长且与该线段方向相近的线段数量尽量多。
作为其中一种实施例，步骤S4中，旋转角度的获取包括：计算出最适线段与x轴或y轴之间的最小夹角，该夹角为地图的旋转角度。最适线段与x轴之间的夹角比最适线段与y轴之间的夹角小，就计算最适线段与x轴之间的夹角，然后旋转相应的角度，使最适线段与x轴平行，则完成地图的旋转。同理，如果最适线段与y轴之间的夹角比最适线段与x轴之间的夹角小，则计算最适线段与y轴之间的夹角，并进行相应的旋转。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上各实施例仅表达了本发明的几种实施例，其描述较为具体和详细，但并不能因此而理解为发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。
Claims (10)
1.一种基于线段信息的机器人旋转地图方法，其特征在于，该方法包括以下步骤：
S1：将栅格地图进行二值化处理，获得二值化地图，并对二值化地图中的障碍物和非障碍物所在像素进行标记；
S2：根据标记信息获取障碍物边缘所在像素的梯度，并且根据梯度的方向获取该像素的障碍物边缘的方向；
S3：根据像素的梯度和障碍物边缘的方向来获取若干像素集合，然后从每个像素集合中获取线段；
S4：从若干线段中选择最适线段，并根据最适线段获得旋转角度，然后使栅格地图根据旋转角度进行旋转。
2.根据权利要求1所述的基于线段信息的机器人旋转地图方法，其特征在于，步骤S1中，所述栅格地图为概率栅格地图，对二值化地图中的障碍物和非障碍物所在像素分别标记为地图储存格式的最大值和最小值，使障碍物边缘在数值上产生梯度。
3.根据权利要求1所述的基于线段信息的机器人旋转地图方法，其特征在于，步骤S2中，获取障碍物的边缘所在像素的梯度前，对图像进行高斯模糊来增强边缘特征。
4.根据权利要求1所述的基于线段信息的机器人旋转地图方法，其特征在于，步骤S2中，获取障碍物边缘所在像素的梯度包括以下步骤：
确定障碍物边缘所在像素在栅格地图上的位置，对该像素的上下左右四个像素进行卷积分来得到障碍物边缘所在像素的梯度。
5.根据权利要求4所述的基于线段信息的机器人旋转地图方法，其特征在于，获取碍物边缘所在像素的梯度后，通过反正切函数获取所述梯度的方向，然后根据梯度的方向获取障碍物边缘的方向；
其中，梯度的方向与障碍物边缘的方向垂直。
6.根据权利要求1所述的基于线段信息的机器人旋转地图方法，其特征在于，步骤S3中，根据像素的梯度和障碍物边缘的方向来获取若干像素集合包括以下步骤：
对超过设定阈值的梯度按照从大到小进行排序，然后从最大的梯度所在像素开始，以该像素为中心，将设定范围内且障碍物边缘的方向之间的角度在设定值内的像素组成像素集合，得到若干像素集合。
7.根据权利要求1所述的基于线段信息的机器人旋转地图方法，其特征在于，步骤S3中，从像素集合中获取线段包括以下步骤：
获取像素集合的最小外接矩形，然后将最小外接矩形与较长的矩形中轴线相交得到的线段提取出来，记录线段的端点和角度信息。
8.根据权利要求7所述的基于线段信息的机器人旋转地图方法，其特征在于，最小外接矩形的获取方法为，将像素集合中每个像素的边缘方向以距离为反比加权平均得到最小外接矩形的长的方向，然后以最小外接矩形的长的方向做平行线得到最小外接矩形的长，对最小外接矩形的长做垂线来得到最小外接矩形的宽。
9.根据权利要求1所述的基于线段信息的机器人旋转地图方法，其特征在于，步骤S4中，选择最适线段包括以下步骤：
步骤S11：从获取的若干线段中选取其中一条线段作为当前参考边，并获取当前参考边长度，进入步骤S12；
步骤S12：将其余N-1条线段在当前参考边方向上进行投影，获取其余N-1条线段对应的N-1个第一投影值,将其余N-1条线段在与当前参考边呈九十度的方向上进行投影，获取其余N-1条线段对应的N-1个第二投影值，进入步骤S13；
步骤S13：取同一线段对应的第一投影值和第二投影值中的较大值与第一预设参数b的乘积作为该线段对应的第三投影值，获取其余N-1条线段对应的N-1个第三投影值，进入步骤S14；
步骤S14：计算当前参考边长度与其余N-1条线段对应的N-1个第三投影值的和值，将所述当前参考边长度与其余N-1条线段对应的N-1个第三投影值的和值作为当前参考边对应的该线段的线段总长度，进入步骤S15；
步骤S15：重复前述步骤S11至S15直至遍历N条线段，获取N条线段对应的N个线段总长度，进入步骤S16;
步骤S16：选取N个线段总长度中的最大值对应的线段作为最适线段。
10.根据权利要求1所述的基于线段信息的机器人旋转地图方法，其特征在于，步骤S4中，旋转角度的获取包括：
计算出最适线段与x轴或y轴之间的最小夹角，该夹角为地图的旋转角度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110567138.XA CN113238560A (zh) | 2021-05-24 | 2021-05-24 | 基于线段信息的机器人旋转地图方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110567138.XA CN113238560A (zh) | 2021-05-24 | 2021-05-24 | 基于线段信息的机器人旋转地图方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113238560A true CN113238560A (zh) | 2021-08-10 |
Family
ID=77138411
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110567138.XA Pending CN113238560A (zh) | 2021-05-24 | 2021-05-24 | 基于线段信息的机器人旋转地图方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113238560A (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6337925B1 (en) * | 2000-05-08 | 2002-01-08 | Adobe Systems Incorporated | Method for determining a border in a complex scene with applications to image masking |
| US20100189360A1 (en) * | 2007-11-09 | 2010-07-29 | Okita Kunio | Information processing apparatus and information processing method |
| US20120076420A1 (en) * | 2010-09-29 | 2012-03-29 | Olympus Corporation | Image processing apparatus, image processing method, and computer-readable storage device |
| CN106127778A (zh) * | 2016-06-27 | 2016-11-16 | 安徽慧视金瞳科技有限公司 | 一种用于投影交互系统的直线检测方法 |
| CN106886981A (zh) * | 2016-12-30 | 2017-06-23 | 中国科学院自动化研究所 | 基于边缘检测的图像边缘增强方法和系统 |
| CN108387234A (zh) * | 2018-02-06 | 2018-08-10 | 广州科语机器人有限公司 | 基于激光测距传感器的移动机器人的地图创建方法 |
| CN108717709A (zh) * | 2018-05-24 | 2018-10-30 | 东北大学 | 图像处理系统及图像处理方法 |
| CN109492647A (zh) * | 2018-06-20 | 2019-03-19 | 国网江苏省电力有限公司泰州供电分公司 | 一种电网机器人障碍物识别方法 |
| CN109541634A (zh) * | 2018-12-28 | 2019-03-29 | 歌尔股份有限公司 | 一种路径规划方法、装置和移动设备 |
| US20200081125A1 (en) * | 2018-09-07 | 2020-03-12 | Shenzhen Silver Star Intelligent Technology Co., Ltd. | Method and robot of mapping |
| CN110956081A (zh) * | 2019-10-14 | 2020-04-03 | 广东星舆科技有限公司 | 车辆与交通标线位置关系的识别方法、装置及存储介质 |
| CN111754422A (zh) * | 2020-06-02 | 2020-10-09 | 浙江工业大学 | 一种基于EDLines和LSM的视觉巡边方法 |
| US20210090285A1 (en) * | 2019-09-20 | 2021-03-25 | Samsung Electronics Co., Ltd. | Method and apparatus with location estimation |
| CN112747734A (zh) * | 2019-10-31 | 2021-05-04 | 深圳拓邦股份有限公司 | 环境地图方向调整方法、系统及装置 |
-
2021
- 2021-05-24 CN CN202110567138.XA patent/CN113238560A/zh active Pending
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6337925B1 (en) * | 2000-05-08 | 2002-01-08 | Adobe Systems Incorporated | Method for determining a border in a complex scene with applications to image masking |
| US20100189360A1 (en) * | 2007-11-09 | 2010-07-29 | Okita Kunio | Information processing apparatus and information processing method |
| US20120076420A1 (en) * | 2010-09-29 | 2012-03-29 | Olympus Corporation | Image processing apparatus, image processing method, and computer-readable storage device |
| CN106127778A (zh) * | 2016-06-27 | 2016-11-16 | 安徽慧视金瞳科技有限公司 | 一种用于投影交互系统的直线检测方法 |
| CN106886981A (zh) * | 2016-12-30 | 2017-06-23 | 中国科学院自动化研究所 | 基于边缘检测的图像边缘增强方法和系统 |
| WO2019154119A1 (zh) * | 2018-02-06 | 2019-08-15 | 广州科语机器人有限公司 | 基于激光测距传感器的移动机器人的地图创建方法 |
| CN108387234A (zh) * | 2018-02-06 | 2018-08-10 | 广州科语机器人有限公司 | 基于激光测距传感器的移动机器人的地图创建方法 |
| CN108717709A (zh) * | 2018-05-24 | 2018-10-30 | 东北大学 | 图像处理系统及图像处理方法 |
| CN109492647A (zh) * | 2018-06-20 | 2019-03-19 | 国网江苏省电力有限公司泰州供电分公司 | 一种电网机器人障碍物识别方法 |
| US20200081125A1 (en) * | 2018-09-07 | 2020-03-12 | Shenzhen Silver Star Intelligent Technology Co., Ltd. | Method and robot of mapping |
| CN109541634A (zh) * | 2018-12-28 | 2019-03-29 | 歌尔股份有限公司 | 一种路径规划方法、装置和移动设备 |
| US20210090285A1 (en) * | 2019-09-20 | 2021-03-25 | Samsung Electronics Co., Ltd. | Method and apparatus with location estimation |
| CN110956081A (zh) * | 2019-10-14 | 2020-04-03 | 广东星舆科技有限公司 | 车辆与交通标线位置关系的识别方法、装置及存储介质 |
| CN112747734A (zh) * | 2019-10-31 | 2021-05-04 | 深圳拓邦股份有限公司 | 环境地图方向调整方法、系统及装置 |
| CN111754422A (zh) * | 2020-06-02 | 2020-10-09 | 浙江工业大学 | 一种基于EDLines和LSM的视觉巡边方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110309687B (zh) | 一种二维码图像的校正方法及校正装置 | |
| CN107463918B (zh) | 基于激光点云与影像数据融合的车道线提取方法 | |
| WO2020134082A1 (zh) | 一种路径规划方法、装置和移动设备 | |
| CN108280450B (zh) | 一种基于车道线的高速公路路面检测方法 | |
| CN109934826B (zh) | 一种基于图卷积网络的图像特征分割方法 | |
| CN109859226B (zh) | 一种图形分割的棋盘格角点亚像素的检测方法 | |
| CN107092871B (zh) | 基于多尺度多特征融合的遥感影像建筑物检测方法 | |
| CN103456003A (zh) | 对象跟踪装置及方法以及错误特征点剔除装置及方法 | |
| CN107609510B (zh) | 一种岸桥下集卡定位方法及设备 | |
| CN111681285B (zh) | 一种标定方法、装置、电子设备及存储介质 | |
| CN109409163B (zh) | 一种基于纹理特性的qr码快速定位方法 | |
| CN110399762A (zh) | 一种基于单目图像的车道线检测的方法及装置 | |
| CN106980851B (zh) | 一种数据矩阵dm码的定位方法及装置 | |
| CN106875430B (zh) | 动态背景下基于固定形态的单一运动目标追踪方法和装置 | |
| CN112101205A (zh) | 基于多任务网络的训练方法和装置 | |
| CN111915628A (zh) | 一种基于预测目标密集边界点的单阶段实例分割方法 | |
| CN114648640B (zh) | 一种目标物单体化方法、装置、设备及存储介质 | |
| CN116222381A (zh) | 电极涂层尺寸测量方法和装置 | |
| CN108389177B (zh) | 一种车辆保险杠破损检测方法及交通安全预警方法 | |
| JP7188336B2 (ja) | 付着物検出装置、および付着物検出方法 | |
| CN113238560A (zh) | 基于线段信息的机器人旋转地图方法 | |
| CN108805896B (zh) | 一种应用于城市环境的距离图像分割方法 | |
| CN105373793A (zh) | 一种qr码图像几何校正的顶点定位方法 | |
| CN114898321A (zh) | 道路可行驶区域检测方法、装置、设备、介质及系统 | |
| CN112651393B (zh) | 兴趣点数据处理方法、装置、设备及存储介质 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 519000 2706, No. 3000, Huandao East Road, Hengqin new area, Zhuhai, Guangdong Applicant after: Zhuhai Yiwei Semiconductor Co.,Ltd. Address before: Room 105-514, No.6 Baohua Road, Hengqin New District, Zhuhai City, Guangdong Province Applicant before: AMICRO SEMICONDUCTOR Co.,Ltd. |