CN113341970A - 智能巡检导航避障系统、方法、存储介质和巡检车 - Google Patents

智能巡检导航避障系统、方法、存储介质和巡检车 Download PDF

Info

Publication number
CN113341970A
CN113341970A CN202110608979.0A CN202110608979A CN113341970A CN 113341970 A CN113341970 A CN 113341970A CN 202110608979 A CN202110608979 A CN 202110608979A CN 113341970 A CN113341970 A CN 113341970A
Authority
CN
China
Prior art keywords
global
obstacle
path
information
local
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
Application number
CN202110608979.0A
Other languages
English (en)
Inventor
任思旭
谷孝东
袁晨星
曹葵康
常华
刘军传
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Tztek Precision Co ltd
Tztek Technology Co Ltd
Original Assignee
Suzhou Tztek Precision Co ltd
Tztek Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suzhou Tztek Precision Co ltd, Tztek Technology Co Ltd filed Critical Suzhou Tztek Precision Co ltd
Priority to CN202110608979.0A priority Critical patent/CN113341970A/zh
Publication of CN113341970A publication Critical patent/CN113341970A/zh
Pending legal-status Critical Current

Links

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
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • 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
    • 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
    • G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

本发明提供了一种智能巡检导航避障系统、方法、存储介质和巡检车，属于巡检机器人领域，系统包括高精地图模块、全局代价地图形成模块、激光点云获取模块、局部代价地图形成模块、故障感知信息模块和规划模块；由所述系统实施的方法包括获取全局代价地图和局部代价地图、设定全局路径、设定局部路径，最后将局部路径融合进全局路径，形成实时监测避障的规划路径。方法和系统通过全局代价地图融合实时监测生成的局部代价地图合成规划路径，减少了防跌落组件和方法，节省了成本，提高了路径规划的智能化。

Description

智能巡检导航避障系统、方法、存储介质和巡检车
技术领域
本发明属于巡检机器人领域，具体涉及一种智能巡检导航避障系统、方法、存储介质和巡检车。
背景技术
随着社会和技术的发展，巡检机器人辅助/替代人工进行巡检得到广泛应用，也使得机器人巡检成为一种未来发展趋势。该应用特别在高危、恶劣、重复作业的环境，成为替代人工巡检的首要选择。巡检机器人具有运动速度快、运行噪声小及维护方便等优点，极大程度降低巡检人员的工作强度，提高巡检效率。
然而，当前的巡检机器人也存在一些问题，如建图、导航、路径、避障等技术不够成熟，尤其对于复杂环境如港口、电厂、野外等难以自主行走，需要人工辅助等问题。同时，路径规划比较程序化，缺乏智能性，因此，亟需一种智能化的自主导航避障巡检机器人。
发明内容
为了克服现有技术的不足，本发明的目的在于提供一种智能巡检导航避障系统、方法、存储介质和巡检车，其能解决上述问题。
一种智能巡检导航避障系统，系统包括高精地图模块、全局代价地图形成模块、激光点云获取模块、局部代价地图形成模块、故障感知信息模块和规划模块。
所述高精地图模块提供参考高精地图，提取所述参考高精地图的3D点云信息和经标注的矢量信息。
所述全局代价地图形成模块接收高精地图的3D点云信息和经标注的矢量信息，通过伪代码算法生成固定不变的全局代价地图。
所述激光点云获取模块包括激光雷达和GPS天线，其中，激光雷达实时扫描获取3D点云形式的环境信息，GPS天线同步获取激光雷达的扫描范围所处的全球地理位置信息。
所述局部代价地图形成模块接收所述环境信息和全球地理位置信息，并将二者融合后输出实时更新的局部代价地图。
所述故障感知信息模块包括传感器组件和/或视像组件，以实时获取当前帧图像信息和/或点云信息，提取障碍目标特征，并将障碍目标特征信息传输给全局代价地图形成模块、局部代价地图形成模块和规划模块。
所述规划模块接收全局代价地图、局部代价地图和障碍目标特征信息，根据预设起点和终点规划全局路径，根据障碍目标特征信息规划避开障碍的局部路径，两条路径综合输出避障的规划路径。
优选的，所述障碍目标包括静态道路障碍物和动态障碍物。
本发明还提供了一种智能巡检导航避障方法，方法包括以下步骤：
S1、获取全局代价地图和局部代价地图。
S2、设定全局路径，根据设置的起点和终点在全局代价地图上规划一条全局路径，以此规划无人巡检车的大致行进路线。
S3、设定局部路径，实时判定是否存在障碍目标，若不存在障碍目标，则无人巡检车按照全局路径行进，若监测并判定存在障碍目标，则提取障碍目标特征信息，规划避开障碍目标的局部路径，并进入下一步。
S4、形成避障的规划路径，将局部路径融合进全局路径，且局部路径的优先级大于全局路径的优先级，以此在全局路径上判定需避让的障碍目标时，调整为局部路径，待越过障碍目标完成局部路径则切换回全局路径行驶，以此形成实时监测避障的规划路径。
本发明还提供了一种计算机可读存储介质，其中存储有计算机指令，所述计算机指令适于由无人巡检车的处理器加载，并执前述方法。
本发明还提供了一种智能无人巡检车，包括车体、建图雷达组件、卫星天线、避障监测组件以及智能巡检导航避障系统，所述建图雷达组件包括前端激光雷达、中间激光雷达、和顶端激光雷达，所述避障监测组件包括前端毫米波雷达、环视相机、顶端双目相机和超声波雷达。其中，所述建图雷达组件用于获取3D点云形式的环境信息，所述卫星天线用于获取全球地理位置信息。所述避障监测组件用于实时获取当前帧图像信息和/或点云信息，提取障碍目标特征，实现障碍信息感知。所述智能巡检导航避障系统实施前述方法，输出规划地图以实现复杂环境的智能巡检。
相比现有技术，本发明的有益效果在于：方法和系统通过全局代价地图融合实时监测生成的局部代价地图合成规划路径，减少了防跌落组件和方法，节省了成本，提高了路径规划的智能化。
附图说明
图1为本发明智能巡检导航避障系统的功能模块示意图；
图2为智能巡检导航避障方法的流程示意图；
图3为智能无人巡检车的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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的一部分实施例，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做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
应当理解，本说明书中所使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
第一实施例
一种智能巡检导航避障系统，参见图1，系统包括高精地图模块、全局代价地图形成模块、激光点云获取模块、局部代价地图形成模块、故障感知信息模块和规划模块。系统基于两张代价地图和障碍感知信息来实现，由规划模块根据代价地图和障碍感知信息进行相应计算和判断，最终输出一条安全路径、即规划路径来供智能无人巡检车通行。
其中，高精地图模块提供参考高精地图，提取所述参考高精地图的3D点云信息和经标注的矢量信息。
其中，全局代价地图形成模块接收高精地图的3D点云信息和经标注的矢量信息，通过伪代码算法生成固定不变的全局代价地图。
其中，激光点云获取模块包括激光雷达和GPS天线，其中，激光雷达实时扫描获取3D点云形式的环境信息，GPS天线同步获取激光雷达的扫描范围所处的全球地理位置信息。
其中，局部代价地图形成模块接收所述环境信息和全球地理位置信息，并将二者融合后输出实时更新的局部代价地图。
进一步的，所述全局代价地图和局部代价地图均为2D图像，且为包含可通行和不可用两种信息的二值图，其中所述全局代价地图用于描述固定的全局道路可通行状况，所述局部代价地图用于描述实时更新的局部道路可通行状况。
由此可见，全局代价地图是通过参考高精地图中的3D点云信息和矢量信息来生成2D代价图，是一张固定不变的代价地图；而局部代价地图是通过当前帧激光输入3D点云和所覆盖的矢量信息来生成2D代价图，是一张实时更新的代价图。
其中，故障感知信息模块包括传感器组件和/或视像组件，以实时获取当前帧图像信息和/或点云信息，提取障碍目标特征，并将障碍目标特征信息传输给全局代价地图形成模块、局部代价地图形成模块和规划模块。
进一步的，所述故障感知信息模块的传感器组件包括超声探测传感器和/或毫米波雷达传感器，所述视像组件包括相机。
进一步的，所述障碍目标特征信息包括传感器坐标系下的障碍物位置、形状和大小等信息，所述障碍目标特征信息由传感器坐标系变换到全局坐标系(地图坐标系)和全局代价地图坐标系下，再传递给规划模块和局部代价地图进行相应的判断。
所述障碍目标包括静态道路障碍物和动态障碍物，静态道路障碍物如施工场地堆放物等。
其中，规划模块接收全局代价地图、局部代价地图和障碍目标特征信息，根据预设起点和终点规划全局路径，根据障碍目标特征信息规划避开障碍的局部路径，两条路径综合输出避障的规划路径。
第二实施例
一种智能巡检导航避障方法，该方法由第一实施例的智能巡检导航避障系统实施。参见图3，方法包括以下步骤：
S1、获取全局代价地图和局部代价地图。
S2、设定全局路径，根据设置的起点和终点在全局代价地图上规划一条全局路径，以此规划无人巡检车的大致行进路线。
S3、设定局部路径，实时判定是否存在障碍目标，若不存在障碍目标，则无人巡检车按照全局路径行进，若监测并判定存在障碍目标，则提取障碍目标特征信息，规划避开障碍目标的局部路径，并进入下一步。
在步骤S3中，设定障碍物与无人巡检车的安全距离阈值，当监测到障碍物，并判定障碍物与无人巡检车的距离≤所述安全距离阈值时，判定障碍物为障碍目标，需要进行避让并规划局部路径。
S4、形成避障的规划路径，将局部路径融合进全局路径，且局部路径的优先级大于全局路径的优先级，以此在全局路径上判定需避让的障碍目标时，调整为局部路径，待越过障碍目标完成局部路径则切换回全局路径行驶，以此形成实时监测避障的规划路径。
综上，该方法先根据所设置的起点和终点，在全局代价地图上规划一条全局路径，用来把控无人巡检车的大致行进路线。然后计算障碍物信息同全局路径的相对位置关系，如果全局路径附近不存在障碍物，那么认为全局路径是安全的，智能无人巡检车则暂时沿全局路径行驶。如果全局路径附近存在障碍物，并且障碍物距离无人车的距离达到了进行规划的阈值，则判定为障碍目标，并根据感知障碍的位置来指定一个临时局部目标，在局部代价地图上规划一条避开障碍的局部路径，然后会沿着局部路径行驶，避开障碍后边会切换回全局路径行驶，以此类推。
第三实施例
本发明还提供了一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令适于由无人巡检车的处理器加载，并在运行时执行前述方法的步骤。其中，所述方法请参见前述部分的详细介绍，此处不再赘述。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于计算机可读存储介质中，计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、VisualBasic、Fortran2003、Perl、COBOL2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或处理设备上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。
第四实施例
一种智能无人巡检车，参见图3，包括车体1、建图雷达组件、卫星天线5、避障监测组件以及根据第一实施例所述的智能巡检导航避障系统，所述建图雷达组件包括前端激光雷达2、中间激光雷达3、和顶端激光雷达4，所述避障监测组件包括前端毫米波雷达6、环视相机7、顶端双目相机8和超声波雷达(图中未示)。其中，所述建图雷达组件用于获取3D点云形式的环境信息，所述卫星天线5用于获取全球地理位置信息。所述避障监测组件用于实时获取当前帧图像信息和/或点云信息，提取障碍目标特征，实现障碍信息感知。所述智能巡检导航避障系统实施第二实施例所述的方法，输出规划地图以实现复杂环境的智能巡检。
需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
最后应说明的是：以上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。

Claims (10)

1.一种智能巡检导航避障系统，其特征在于：系统包括高精地图模块、全局代价地图形成模块、激光点云获取模块、局部代价地图形成模块、故障感知信息模块和规划模块；
所述高精地图模块提供参考高精地图，提取所述参考高精地图的3D点云信息和经标注的矢量信息；
所述全局代价地图形成模块接收高精地图的3D点云信息和经标注的矢量信息，通过伪代码算法生成固定不变的全局代价地图；
所述激光点云获取模块包括激光雷达和GPS天线，其中，激光雷达实时扫描获取3D点云形式的环境信息，GPS天线同步获取激光雷达的扫描范围所处的全球地理位置信息；
所述局部代价地图形成模块接收所述环境信息和全球地理位置信息，并将二者融合后输出实时更新的局部代价地图；
所述故障感知信息模块包括传感器组件和/或视像组件，以实时获取当前帧图像信息和/或点云信息，提取障碍目标特征，并将障碍目标特征信息传输给全局代价地图形成模块、局部代价地图形成模块和规划模块；
所述规划模块接收全局代价地图、局部代价地图和障碍目标特征信息，根据预设起点和终点规划全局路径，根据障碍目标特征信息规划避开障碍的局部路径，两条路径综合输出避障的规划路径。
2.根据权利要求1所述的智能巡检导航避障系统，其特征在于：所述全局代价地图和局部代价地图均为2D图像，且为包含可通行和不可用两种信息的二值图，其中所述全局代价地图用于描述固定的全局道路可通行状况，所述局部代价地图用于描述实时更新的局部道路可通行状况。
3.根据权利要求1所述的智能巡检导航避障系统，其特征在于：所述故障感知信息模块的传感器组件包括超声探测传感器和/或毫米波雷达传感器，所述视像组件包括相机。
4.根据权利要求3所述的智能巡检导航避障系统，其特征在于：所述障碍目标特征信息包括传感器坐标系下的障碍物位置、形状和大小信息，所述障碍目标特征信息由传感器坐标系变换到全局坐标系(地图坐标系)和全局代价地图坐标系下，再传递给规划模块和局部代价地图进行相应的判断。
5.根据权利要求3所述的智能巡检导航避障系统，其特征在于：所述障碍目标包括静态道路障碍物和动态障碍物。
6.一种智能巡检导航避障方法，其特征在于，方法包括以下步骤：
S1、获取全局代价地图和局部代价地图；
S2、设定全局路径，根据设置的起点和终点在全局代价地图上规划一条全局路径，以此规划无人巡检车的大致行进路线；
S3、设定局部路径，实时判定是否存在障碍目标，若不存在障碍目标，则无人巡检车按照全局路径行进，若监测并判定存在障碍目标，则提取障碍目标特征信息，规划避开障碍目标的局部路径，并进入下一步；
S4、形成避障的规划路径，将局部路径融合进全局路径，且局部路径的优先级大于全局路径的优先级，以此在全局路径上判定需避让的障碍目标时，调整为局部路径，待越过障碍目标完成局部路径则切换回全局路径行驶，以此形成实时监测避障的规划路径。
7.根据权利要求6所述的方法，其特征在于：在步骤S3中，设定障碍物与无人巡检车的安全距离阈值，当监测到障碍物，并判定障碍物与无人巡检车的距离≤所述安全距离阈值时，判定障碍物为障碍目标，需要进行避让并规划局部路径。
8.根据权利要求7所述的方法，其特征在于：所述方法由权利要求1～5任一项所述的智能巡检导航避障系统实施。
9.一种计算机可读存储介质，其中存储有计算机指令，其特征在于，所述计算机指令适于由无人巡检车的处理器加载，并执行权利要求6或7所述的方法。
10.一种智能无人巡检车，其特征在于：包括车体(1)、建图雷达组件、卫星天线(5)、避障监测组件以及根据权利要求1～5任一项所述的智能巡检导航避障系统，所述建图雷达组件包括前端激光雷达(2)、中间激光雷达(3)、和顶端激光雷达(4)，所述避障监测组件包括前端毫米波雷达(6)、环视相机(7)、顶端双目相机(8)和超声波雷达；其中，所述建图雷达组件用于获取3D点云形式的环境信息，所述卫星天线(5)用于获取全球地理位置信息；所述避障监测组件用于实时获取当前帧图像信息和/或点云信息，提取障碍目标特征，实现障碍信息感知；所述智能巡检导航避障系统实施权利要求6或7所述的方法，输出规划地图以实现复杂环境的智能巡检。
CN202110608979.0A 2021-06-01 2021-06-01 智能巡检导航避障系统、方法、存储介质和巡检车 Pending CN113341970A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110608979.0A CN113341970A (zh) 2021-06-01 2021-06-01 智能巡检导航避障系统、方法、存储介质和巡检车

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110608979.0A CN113341970A (zh) 2021-06-01 2021-06-01 智能巡检导航避障系统、方法、存储介质和巡检车

Publications (1)

Publication Number Publication Date
CN113341970A true CN113341970A (zh) 2021-09-03

Family

ID=77474109

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110608979.0A Pending CN113341970A (zh) 2021-06-01 2021-06-01 智能巡检导航避障系统、方法、存储介质和巡检车

Country Status (1)

Country Link
CN (1) CN113341970A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113848890A (zh) * 2021-09-09 2021-12-28 山东新一代信息产业技术研究院有限公司 一种园区安防方法及设备
CN114625121A (zh) * 2022-01-24 2022-06-14 成都理工大学 基于多传感器融合的自主巡检探索小车系统及导航方法
CN114674333A (zh) * 2022-03-22 2022-06-28 中国电信股份有限公司 移动设备的导航方法、设备、系统及介质
CN115540896A (zh) * 2022-12-06 2022-12-30 广汽埃安新能源汽车股份有限公司 路径规划方法、装置、电子设备和计算机可读介质
CN115752480A (zh) * 2022-12-09 2023-03-07 佛山市稚蒙环境科技有限公司 一种基于物联网的采样装置管理系统及方法
WO2023097889A1 (zh) * 2021-12-01 2023-06-08 威刚科技股份有限公司 无人移动载具以及一环境场域中的导引避障方法
CN116382308A (zh) * 2023-06-05 2023-07-04 华侨大学 智能化移动机械自主寻径与避障方法、装置、设备及介质
CN117346791A (zh) * 2023-12-01 2024-01-05 北京科技大学 基于视觉图像的智能轮椅路径规划方法及系统
CN117968666A (zh) * 2024-04-02 2024-05-03 国网江苏省电力有限公司常州供电分公司 基于融合slam的变电站巡检机器人定位与导航方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108444482A (zh) * 2018-06-15 2018-08-24 东北大学 一种无人机自主寻路避障方法及系统
CN110543190A (zh) * 2018-12-10 2019-12-06 西安电子科技大学 智能目标搜索中无人设备的路径规划方法
CN110955242A (zh) * 2019-11-22 2020-04-03 深圳市优必选科技股份有限公司 机器人导航方法、系统、机器人及存储介质
CN111399506A (zh) * 2020-03-13 2020-07-10 大连海事大学 一种基于动力学约束的全局-局部混合无人船路径规划方法
CN111426326A (zh) * 2020-01-17 2020-07-17 深圳市镭神智能系统有限公司 一种导航方法、装置、设备、系统及存储介质
CN111522339A (zh) * 2020-04-20 2020-08-11 北京农业信息技术研究中心 畜禽舍巡检机器人自动路径规划与定位方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108444482A (zh) * 2018-06-15 2018-08-24 东北大学 一种无人机自主寻路避障方法及系统
CN110543190A (zh) * 2018-12-10 2019-12-06 西安电子科技大学 智能目标搜索中无人设备的路径规划方法
CN110955242A (zh) * 2019-11-22 2020-04-03 深圳市优必选科技股份有限公司 机器人导航方法、系统、机器人及存储介质
CN111426326A (zh) * 2020-01-17 2020-07-17 深圳市镭神智能系统有限公司 一种导航方法、装置、设备、系统及存储介质
CN111399506A (zh) * 2020-03-13 2020-07-10 大连海事大学 一种基于动力学约束的全局-局部混合无人船路径规划方法
CN111522339A (zh) * 2020-04-20 2020-08-11 北京农业信息技术研究中心 畜禽舍巡检机器人自动路径规划与定位方法及装置

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113848890A (zh) * 2021-09-09 2021-12-28 山东新一代信息产业技术研究院有限公司 一种园区安防方法及设备
WO2023097889A1 (zh) * 2021-12-01 2023-06-08 威刚科技股份有限公司 无人移动载具以及一环境场域中的导引避障方法
CN114625121A (zh) * 2022-01-24 2022-06-14 成都理工大学 基于多传感器融合的自主巡检探索小车系统及导航方法
CN114674333A (zh) * 2022-03-22 2022-06-28 中国电信股份有限公司 移动设备的导航方法、设备、系统及介质
CN114674333B (zh) * 2022-03-22 2023-12-08 中国电信股份有限公司 移动设备的导航方法、设备、系统及介质
CN115540896A (zh) * 2022-12-06 2022-12-30 广汽埃安新能源汽车股份有限公司 路径规划方法、装置、电子设备和计算机可读介质
CN115540896B (zh) * 2022-12-06 2023-03-07 广汽埃安新能源汽车股份有限公司 路径规划方法、装置、电子设备和计算机可读介质
CN115752480A (zh) * 2022-12-09 2023-03-07 佛山市稚蒙环境科技有限公司 一种基于物联网的采样装置管理系统及方法
CN115752480B (zh) * 2022-12-09 2023-11-21 佛山市稚蒙环境科技有限公司 一种基于物联网的采样装置管理系统及方法
CN116382308A (zh) * 2023-06-05 2023-07-04 华侨大学 智能化移动机械自主寻径与避障方法、装置、设备及介质
CN116382308B (zh) * 2023-06-05 2023-09-05 华侨大学 智能化移动机械自主寻径与避障方法、装置、设备及介质
CN117346791A (zh) * 2023-12-01 2024-01-05 北京科技大学 基于视觉图像的智能轮椅路径规划方法及系统
CN117346791B (zh) * 2023-12-01 2024-03-22 北京科技大学 基于视觉图像的智能轮椅路径规划方法及系统
CN117968666A (zh) * 2024-04-02 2024-05-03 国网江苏省电力有限公司常州供电分公司 基于融合slam的变电站巡检机器人定位与导航方法

Similar Documents

Publication Publication Date Title
CN113341970A (zh) 智能巡检导航避障系统、方法、存储介质和巡检车
Asadi et al. Vision-based integrated mobile robotic system for real-time applications in construction
CN110658531B (zh) 一种用于港口自动驾驶车辆的动态目标追踪方法
US10109198B2 (en) Method and apparatus of networked scene rendering and augmentation in vehicular environments in autonomous driving systems
CN107328418B (zh) 移动机器人在陌生室内场景下的核辐射探测路径自主规划方法
US20210004974A1 (en) Systems and methods for semi-supervised depth estimation according to an arbitrary camera
JP7170619B2 (ja) 走行経路を生成するための方法及び装置
CN113219988B (zh) 避障路径智能规划方法、存储介质和无人巡检车
US11250576B2 (en) Systems and methods for estimating dynamics of objects using temporal changes encoded in a difference map
US11442464B2 (en) Bird's eye view map based recognition and motion prediction for autonomous systems
Varga et al. Super-sensor for 360-degree environment perception: Point cloud segmentation using image features
US20220292711A1 (en) Pose estimation method and device, related equipment and storage medium
US20220057806A1 (en) Systems and methods for obstacle detection using a neural network model, depth maps, and segmentation maps
CN111413983A (zh) 一种无人驾驶车辆的环境感知方法及控制端
US20220153310A1 (en) Automatic Annotation of Object Trajectories in Multiple Dimensions
US10974730B2 (en) Vehicle perception system on-line diangostics and prognostics
EP4246437A1 (en) Method and apparatus for detecting motion information of target, and device and medium
US11200679B1 (en) System and method for generating a probability distribution of a location of an object
CN109960254B (zh) 机器人及其路径规划方法
WO2023283186A1 (en) Two-wheeled, self-balancing robot
Hamieh et al. Construction of autonomous driving maps employing lidar odometry
Ivancsits et al. Visual navigation system for small unmanned aerial vehicles
US20210156710A1 (en) Map processing method, device, and computer-readable storage medium
CN113340314B (zh) 局部代价地图的生成方法、存储介质和智能无人巡检车
CN116405778A (zh) 主动视觉跟踪移动目标方法及装置

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210903