CN113566827A - 一种基于信息融合的变电站巡检机器人室内定位方法 - Google Patents

一种基于信息融合的变电站巡检机器人室内定位方法 Download PDF

Info

Publication number
CN113566827A
CN113566827A CN202110778600.0A CN202110778600A CN113566827A CN 113566827 A CN113566827 A CN 113566827A CN 202110778600 A CN202110778600 A CN 202110778600A CN 113566827 A CN113566827 A CN 113566827A
Authority
CN
China
Prior art keywords
robot
measured
positioning mode
dimensional code
pose
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
CN202110778600.0A
Other languages
English (en)
Inventor
谢枫
谢登科
陈海浪
阮勇
刘耀中
周贺
王锦涛
季鹏程
严宇鹏
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.)
China Energy Engineering Group Anhui Electric Power Design Institute Co Ltd
Original Assignee
China Energy Engineering Group Anhui Electric Power Design Institute 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 China Energy Engineering Group Anhui Electric Power Design Institute Co Ltd filed Critical China Energy Engineering Group Anhui Electric Power Design Institute Co Ltd
Priority to CN202110778600.0A priority Critical patent/CN113566827A/zh
Publication of CN113566827A publication Critical patent/CN113566827A/zh
Pending legal-status Critical Current

Links

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
    • G06K7/1417—2D bar codes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical code
    • G06K7/1443—Methods for optical code recognition including a method step for retrieval of the optical code locating of the code in an image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Toxicology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Electromagnetism (AREA)
  • Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Manipulator (AREA)

Abstract

本发明提供一种基于信息融合的变电站巡检机器人室内定位方法，包括对二维码进行扫描拍照，并对获得的二维码图像进行处理；计算出待测机器人在二维码定位方式下的位姿；估算出待测机器人在二维码定位方式下的线速度和角速度；测量出待测机器人在惯性测量定位方式下的线速度和角速度；估算出待测机器人在惯性测量定位方式下的位姿；构建观测器；迭代计算出待测机器人在惯性测量定位方式下的位姿偏差估计值；计算出待测机器人的最终位姿。本发明通过将二维码定位方式和惯性测量定位方式进行信息融合，构建基于变电站巡检机器人姿态运动学的观测器模型，能够实时快速、准确地估计变电站巡检机器人的实时位姿。

Description

一种基于信息融合的变电站巡检机器人室内定位方法
技术领域
本发明涉及变电站巡检机器人室内定位技术领域，具体是一种基于信息融合的变电站巡检机器人室内定位方法。
背景技术
变电站巡检机器人是一种全自主运行的地面移动机器人，其可携带可见光摄像机、红外热像仪、拾音器等传感器对电力设备进行自动巡检，有效降低人工巡检的劳动强度，保障变电站设备安全运行。
在变电站巡检机器人的应用中，精确定位导航是保证其完成巡检任务的关键。目前，变电站巡检机器人采用的有差分GPS、航位推算、惯性测量及人工路标视觉标识等定位导航方式。
惯性测量单元(Inertial measurement unit，简称IMU)是测量物体三轴姿态角以及加速度的装置。陀螺仪和加速度计是IMU的主要元件，多用于飞行器和变电站巡检机器人的位姿估计。
市面上常见的用于变电站巡检机器人的陀螺仪和加速度计，如微机陀螺仪和MEMS加速度计，具有体积小、重量轻、可靠性好、易于系统集成等优点，但由于陀螺仪和加速度计都是通过积分来估计当前变电站巡检机器人的位姿的，长时间运动会造成偏差的累积。
目前最为广泛使用的人工路标视觉标识是二维码，这种定位技术所需的定位算法相对简单易用，精度较高，计算速度也更快，但是在较为复杂的环境中容易造成某一时刻的视觉定位缺失。
发明内容
本发明要解决的技术问题是提供一种基于信息融合的变电站巡检机器人室内定位方法，该方法通过融合二维码和惯性测量单元两方面的测量信息，进而得到变电站巡检机器人的精确位姿，提升其室内定位的精度。
本发明的技术方案为：
一种基于信息融合的变电站巡检机器人室内定位方法，包括以下步骤：
(1)利用安装在待测机器人中心位置的相机，对二维码进行扫描拍照，并对获得的二维码图像进行处理；
(2)利用处理后的二维码图像携带的坐标信息，计算出待测机器人在二维码定位方式下的位姿；
(3)根据计算出的待测机器人在二维码定位方式下的位姿，估算出待测机器人在二维码定位方式下的线速度和角速度；
(4)利用安装在待测机器人上的惯性测量单元，测量出待测机器人在惯性测量定位方式下的线速度和角速度；
(5)根据测量出的待测机器人在惯性测量定位方式下的线速度和角速度，估算出待测机器人在惯性测量定位方式下的位姿；
(6)构建以待测机器人在二维码定位方式和惯性测量定位方式下的线速度和角速度为输入，以待测机器人在惯性测量定位方式下的位姿偏差估计值为输出的观测器；
(7)将待测机器人在二维码定位方式和惯性测量定位方式下的线速度和角速度输入构建的观测器中，迭代计算出待测机器人在惯性测量定位方式下的位姿偏差估计值；
(8)根据待测机器人在惯性测量定位方式下的位姿偏差估计值和位姿，计算出待测机器人的最终位姿。
所述的基于信息融合的变电站巡检机器人室内定位方法，步骤(1)中，对获得的二维码图像进行处理，具体包括：
(11)对获得的二维码图像进行灰度化处理，得到灰度化图像；
(12)采用以下公式对得到的灰度化图像进行二值化处理，得到二值化图像：
Figure BDA0003155292320000031
其中，f(x，y)表示灰度化图像中像素点的灰度值，g(x,y)表示二值化图像中像素点的灰度值，T表示阈值；
(13)对得到的二值化图像进行矩形区域分块，取每块矩形区域内所有像素点灰度值的中值作为窗口值，借助每块矩形区域的窗口值对相应的矩形区域进行滤波处理。
所述的基于信息融合的变电站巡检机器人室内定位方法，步骤(2)中，采用以下公式计算出待测机器人在二维码定位方式下的位姿：
Figure BDA0003155292320000032
其中，Tes1表示待测机器人在二维码定位方式下的位姿，xc、yc和θc分别表示二维码定位方式下待测机器人的中心位置在机器人坐标系中的横坐标、纵坐标和偏航角，TA表示二维码的中心位置在二维码坐标系中的坐标，R1表示相机坐标系与二维码坐标系的映射矩阵，R2表示机器人坐标系与相机坐标系的映射矩阵；
步骤(3)中，采用以下运动学方程估算出待测机器人在二维码定位方式下的线速度和角速度：
Figure BDA0003155292320000041
其中，vc、ωc分别表示待测机器人在二维码定位方式下的线速度和角速度；
步骤(5)中，采用以下运动学方程估算出待测机器人在惯性测量定位方式下的位姿：
Figure BDA0003155292320000042
Figure BDA0003155292320000043
其中，v、ω分别表示待测机器人在惯性测量定位方式下的线速度和角速度，Tes2表示待测机器人在惯性测量定位方式下的位姿，x、y和θ分别表示惯性测量定位方式下待测机器人的中心位置在机器人坐标系中的横坐标、纵坐标和偏航角；
步骤(6)中，构建的观测器如下：
Figure BDA0003155292320000051
其中，φ和ψ为中间变量，φ＝sinθe，ψ＝cosθe，xe、ye和θe分别表示惯性测量定位方式下待测机器人的中心位置在机器人坐标系中的横坐标偏差、纵坐标偏差和偏航角偏差，
Figure BDA0003155292320000052
和
Figure BDA0003155292320000053
分别表示xe、ye、φ和ψ的估计值，k为恒定值，A为2×2的赫尔维茨矩阵，P和Q为2×2的正定矩阵；
步骤(7)中，待测机器人在惯性测量定位方式下的位姿偏差估计值如下：
Figure BDA0003155292320000054
其中，Tes3表示待测机器人在惯性测量定位方式下的位姿偏差，
Figure BDA0003155292320000055
表示Tes3的估计值，
Figure BDA0003155292320000056
表示θe的估计值；
步骤(8)中，采用以下公式计算出待测机器人的最终位姿：
Figure BDA0003155292320000057
其中，Tes表示待测机器人的最终位姿。
由上述技术方案可知，本发明通过将二维码定位方式和惯性测量定位方式进行信息融合，得到的变电站巡检机器人的最终位姿比单一定位方式得到的位姿信息更加精确；构建基于变电站巡检机器人姿态运动学的观测器模型，具有更强的针对性、更高的抗干扰性和更快的收敛性；因此，本发明能够实时快速、准确地估计变电站巡检机器人的实时位姿。
附图说明
图1是本发明的方法流程图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
如图1所示，一种基于信息融合的变电站巡检机器人室内定位方法，包括以下步骤：
S1、利用安装在待测机器人中心位置的相机，对二维码进行扫描拍照，并对获得的二维码图像进行处理，具体包括：
S11、对获得的二维码图像进行灰度化处理，得到灰度化图像。
S12、对得到的灰度化图像进行二值化处理，即把灰度化图像中所有像素点的灰度值都变成0(黑)或者255(白)，得到二值化图像。
为了得到理想结果，需要确定一个阈值对灰度化图像中像素点的灰度值进行区别和归类，将每个像素点的灰度值与阈值比较，小于等于阈值的变为0，大于阈值的变为255，具体如下：
Figure BDA0003155292320000061
其中，f(x,y)表示灰度化图像中像素点的灰度值，g(x,y)表示二值化图像中像素点的灰度值，T表示阈值。
S13、对得到的二值化图像进行中值滤波处理，以去除二值化图像的噪声，平滑二值化图像边缘信息。
首先对二值化图像进行矩形区域分块，再采用以下公式计算得到每块矩形区域内所有像素点灰度值的中值，并将每块矩形区域的中值作为窗口值，最后借助每块矩形区域的窗口值对相应的矩形区域进行滤波处理：
Figure BDA0003155292320000071
其中，y表示矩形区域内的灰度中值，Med表示取中值函数，n表示矩形区域内的像素点个数，t1,t2,t3,…,tn分别表示矩形区域内第1,2,3,…,n个像素点的灰度值；
Figure BDA0003155292320000072
表示当n为奇数时，矩形区域内第
Figure BDA0003155292320000073
个像素点的灰度值，
Figure BDA0003155292320000074
和
Figure BDA0003155292320000075
分别表示当n为偶数时，矩形区域内第
Figure BDA0003155292320000076
和
Figure BDA0003155292320000077
个像素点的灰度值。
S2、利用处理后的二维码图像携带的坐标信息，计算出待测机器人在二维码定位方式下的位姿：
相机安装于待测机器人的几何中心位置，相机成像中心与待测机器人的中心重合且有相同的正方向，故相机成像中心位置坐标可以转化为待测机器人的中心位置坐标。
在提取二维码的中心位置坐标后，采用以下的坐标传递公式即可计算出待测机器人在二维码定位方式下的位姿：
Figure BDA0003155292320000078
其中，Tes1表示待测机器人在二维码定位方式下的位姿，xc、yc和θc分别表示二维码定位方式下待测机器人的中心位置在机器人坐标系中的横坐标、纵坐标和偏航角，TA表示二维码的中心位置在二维码坐标系中的坐标，R1表示相机坐标系与二维码坐标系的映射矩阵，R2表示机器人坐标系与相机坐标系的映射矩阵。
S3、根据计算出的待测机器人在二维码定位方式下的位姿，采用以下运动学方程估算出待测机器人在二维码定位方式下的线速度和角速度：
Figure BDA0003155292320000081
其中，vc、ωc分别表示待测机器人在二维码定位方式下的线速度和角速度。
S4、利用安装在待测机器人上的惯性测量单元，测量出待测机器人在惯性测量定位方式下的线速度和角速度，其中，线速度可以由加速度计积分得到，角速度可以由陀螺仪得到。
S5、根据测量出的待测机器人在惯性测量定位方式下的线速度和角速度，采用以下运动学方程估算出待测机器人在惯性测量定位方式下的位姿：
Figure BDA0003155292320000082
Figure BDA0003155292320000083
其中，v、ω分别表示待测机器人在惯性测量定位方式下的线速度和角速度，Tes2表示待测机器人在惯性测量定位方式下的位姿，x、y和θ分别表示惯性测量定位方式下待测机器人的中心位置在机器人坐标系中的横坐标、纵坐标和偏航角。
S6、构建以待测机器人在二维码定位方式和惯性测量定位方式下的线速度和角速度为输入，以待测机器人在惯性测量定位方式下的位姿偏差估计值为输出的观测器：
Figure BDA0003155292320000091
其中，φ和ψ为中间变量，φ＝sinθe，ψ＝cosθe，xe、ye和θe分别表示惯性测量定位方式下待测机器人的中心位置在机器人坐标系中的横坐标偏差、纵坐标偏差和偏航角偏差，
Figure BDA0003155292320000092
和
Figure BDA0003155292320000093
分别表示xe、ye、φ和ψ的估计值，k为恒定值，A为2×2的赫尔维茨矩阵，P和Q为2×2的正定矩阵。
S7、将待测机器人在二维码定位方式和惯性测量定位方式下的线速度和角速度输入构建的观测器中，迭代计算出待测机器人在惯性测量定位方式下的位姿偏差估计值：
Figure BDA0003155292320000094
其中，Tes3表示待测机器人在惯性测量定位方式下的位姿偏差，
Figure BDA0003155292320000095
表示Tes3的估计值，
Figure BDA0003155292320000096
表示θe的估计值。
S8、根据待测机器人在惯性测量定位方式下的位姿偏差估计值和位姿，采用以下公式计算出待测机器人的最终位姿：
Figure BDA0003155292320000101
其中，Tes表示待测机器人的最终位姿。
本发明的观测器构建过程如下：
给出待测机器人在惯性测量定位方式下的位姿偏差方程：
Figure BDA0003155292320000102
经过计算，得到上式的一阶导数为：
Figure BDA0003155292320000103
为了方便计算，作如下定义：
Figure BDA0003155292320000104
带入前式，则有：
Figure BDA0003155292320000105
则构建观测器如下：
Figure BDA0003155292320000106
构建的观测器合理性分析如下：
定义中间变量
Figure BDA0003155292320000107
和
Figure BDA0003155292320000108
Figure BDA0003155292320000111
则有：
Figure BDA0003155292320000112
Figure BDA0003155292320000113
由Barbalat引理可知，
Figure BDA0003155292320000114
趋近于原点，即通过观测器得到的待测机器人在惯性测量定位方式下的位姿偏差估计值
Figure BDA0003155292320000115
趋近于真实值Tes3。
综上所述，本发明通过室内二维码定位变电站巡检机器人的位姿，采用变电站巡检机器人内部的惯性测量单元进行输出结果的补偿，通过分析变电站巡检机器人的运动模型，构建一个观测器融合变电站巡检机器人惯性测量单元和二维码定位得到的相关信息，从而得到更加精确的变电站巡检机器人位姿信息。
以上所述实施方式仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明的权利要求书确定的保护范围内。

Claims (3)

1.一种基于信息融合的变电站巡检机器人室内定位方法，其特征在于，包括以下步骤：
(1)利用安装在待测机器人中心位置的相机，对二维码进行扫描拍照，并对获得的二维码图像进行处理；
(2)利用处理后的二维码图像携带的坐标信息，计算出待测机器人在二维码定位方式下的位姿；
(3)根据计算出的待测机器人在二维码定位方式下的位姿，估算出待测机器人在二维码定位方式下的线速度和角速度；
(4)利用安装在待测机器人上的惯性测量单元，测量出待测机器人在惯性测量定位方式下的线速度和角速度；
(5)根据测量出的待测机器人在惯性测量定位方式下的线速度和角速度，估算出待测机器人在惯性测量定位方式下的位姿；
(6)构建以待测机器人在二维码定位方式和惯性测量定位方式下的线速度和角速度为输入，以待测机器人在惯性测量定位方式下的位姿偏差估计值为输出的观测器；
(7)将待测机器人在二维码定位方式和惯性测量定位方式下的线速度和角速度输入构建的观测器中，迭代计算出待测机器人在惯性测量定位方式下的位姿偏差估计值；
(8)根据待测机器人在惯性测量定位方式下的位姿偏差估计值和位姿，计算出待测机器人的最终位姿。
2.根据权利要求1所述的基于信息融合的变电站巡检机器人室内定位方法，其特征在于，步骤(1)中，对获得的二维码图像进行处理，具体包括：
(11)对获得的二维码图像进行灰度化处理，得到灰度化图像；
(12)采用以下公式对得到的灰度化图像进行二值化处理，得到二值化图像：
Figure FDA0003155292310000021
其中，f(x,y)表示灰度化图像中像素点的灰度值，g(x,y)表示二值化图像中像素点的灰度值，T表示阈值；
(13)对得到的二值化图像进行矩形区域分块，取每块矩形区域内所有像素点灰度值的中值作为窗口值，借助每块矩形区域的窗口值对相应的矩形区域进行滤波处理。
3.根据权利要求1所述的基于信息融合的变电站巡检机器人室内定位方法，其特征在于，步骤(2)中，采用以下公式计算出待测机器人在二维码定位方式下的位姿：
Figure FDA0003155292310000022
其中，Tes1表示待测机器人在二维码定位方式下的位姿，xc、yc和θc分别表示二维码定位方式下待测机器人的中心位置在机器人坐标系中的横坐标、纵坐标和偏航角，TA表示二维码的中心位置在二维码坐标系中的坐标，R1表示相机坐标系与二维码坐标系的映射矩阵，R2表示机器人坐标系与相机坐标系的映射矩阵；
步骤(3)中，采用以下运动学方程估算出待测机器人在二维码定位方式下的线速度和角速度：
Figure FDA0003155292310000031
其中，vc、ωc分别表示待测机器人在二维码定位方式下的线速度和角速度；
步骤(5)中，采用以下运动学方程估算出待测机器人在惯性测量定位方式下的位姿：
Figure FDA0003155292310000032
Figure FDA0003155292310000033
其中，v、ω分别表示待测机器人在惯性测量定位方式下的线速度和角速度，Tes2表示待测机器人在惯性测量定位方式下的位姿，x、y和θ分别表示惯性测量定位方式下待测机器人的中心位置在机器人坐标系中的横坐标、纵坐标和偏航角；
步骤(6)中，构建的观测器如下：
Figure FDA0003155292310000034
其中，φ和ψ为中间变量，φ＝sinθe，ψ＝cosθe，xe、ye和θe分别表示惯性测量定位方式下待测机器人的中心位置在机器人坐标系中的横坐标偏差、纵坐标偏差和偏航角偏差，
Figure FDA0003155292310000035
和
Figure FDA0003155292310000036
分别表示xe、ye、φ和ψ的估计值，k为恒定值，A为2×2的赫尔维茨矩阵，P和Q为2×2的正定矩阵；
步骤(7)中，待测机器人在惯性测量定位方式下的位姿偏差估计值如下：
Figure FDA0003155292310000041
其中，Tes3表示待测机器人在惯性测量定位方式下的位姿偏差，
Figure FDA0003155292310000042
表示Tes3的估计值，
Figure FDA0003155292310000043
表示θe的估计值；
步骤(8)中，采用以下公式计算出待测机器人的最终位姿：
Figure FDA0003155292310000044
其中，Tes表示待测机器人的最终位姿。
CN202110778600.0A 2021-07-09 2021-07-09 一种基于信息融合的变电站巡检机器人室内定位方法 Pending CN113566827A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110778600.0A CN113566827A (zh) 2021-07-09 2021-07-09 一种基于信息融合的变电站巡检机器人室内定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110778600.0A CN113566827A (zh) 2021-07-09 2021-07-09 一种基于信息融合的变电站巡检机器人室内定位方法

Publications (1)

Publication Number Publication Date
CN113566827A true CN113566827A (zh) 2021-10-29

Family

ID=78164289

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110778600.0A Pending CN113566827A (zh) 2021-07-09 2021-07-09 一种基于信息融合的变电站巡检机器人室内定位方法

Country Status (1)

Country Link
CN (1) CN113566827A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114167867A (zh) * 2021-12-02 2022-03-11 南方电网电力科技股份有限公司 一种巡检机器人的定位与控制方法及相关装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050065724A1 (en) * 2003-09-23 2005-03-24 Lee Seung Yong RFID tag installation system using a vehicle and method thereof
CN106323294A (zh) * 2016-11-04 2017-01-11 新疆大学 变电站巡检机器人定位方法及定位装置
WO2019183928A1 (zh) * 2018-03-30 2019-10-03 深圳市神州云海智能科技有限公司 一种室内机器人定位的方法及机器人
CN110345937A (zh) * 2019-08-09 2019-10-18 东莞市普灵思智能电子有限公司 一种基于二维码的导航定姿定位方法和系统
CN111113415A (zh) * 2019-12-19 2020-05-08 上海点甜农业专业合作社 一种基于二维码路标、摄像头和陀螺仪的机器人定位方法
CN111639505A (zh) * 2020-05-29 2020-09-08 广东电网有限责任公司电力科学研究院 一种用于室内巡检机器人的混合定位导航系统及方法
CN112097768A (zh) * 2020-11-17 2020-12-18 深圳市优必选科技股份有限公司 机器人位姿的确定方法、装置、机器人及存储介质
KR20210026795A (ko) * 2019-09-02 2021-03-10 경북대학교 산학협력단 Ｉｍｕ 센서와 카메라를 이용한 하이브리드 실내 측위 시스템
CN112539746A (zh) * 2020-10-21 2021-03-23 济南大学 基于多频卡尔曼滤波的机器人视觉/ins组合定位方法及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050065724A1 (en) * 2003-09-23 2005-03-24 Lee Seung Yong RFID tag installation system using a vehicle and method thereof
CN106323294A (zh) * 2016-11-04 2017-01-11 新疆大学 变电站巡检机器人定位方法及定位装置
WO2019183928A1 (zh) * 2018-03-30 2019-10-03 深圳市神州云海智能科技有限公司 一种室内机器人定位的方法及机器人
CN110345937A (zh) * 2019-08-09 2019-10-18 东莞市普灵思智能电子有限公司 一种基于二维码的导航定姿定位方法和系统
KR20210026795A (ko) * 2019-09-02 2021-03-10 경북대학교 산학협력단 Ｉｍｕ 센서와 카메라를 이용한 하이브리드 실내 측위 시스템
CN111113415A (zh) * 2019-12-19 2020-05-08 上海点甜农业专业合作社 一种基于二维码路标、摄像头和陀螺仪的机器人定位方法
CN111639505A (zh) * 2020-05-29 2020-09-08 广东电网有限责任公司电力科学研究院 一种用于室内巡检机器人的混合定位导航系统及方法
CN112539746A (zh) * 2020-10-21 2021-03-23 济南大学 基于多频卡尔曼滤波的机器人视觉/ins组合定位方法及系统
CN112097768A (zh) * 2020-11-17 2020-12-18 深圳市优必选科技股份有限公司 机器人位姿的确定方法、装置、机器人及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王家恩等: "基于QR码视觉定位的移动机器人复合导航方法研究", 《仪器仪表学报》, vol. 39, no. 8, 31 August 2018 (2018-08-31), pages 230 - 238 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114167867A (zh) * 2021-12-02 2022-03-11 南方电网电力科技股份有限公司 一种巡检机器人的定位与控制方法及相关装置

Similar Documents

Publication Publication Date Title
CN111595333B (zh) 视觉惯性激光数据融合的模块化无人车定位方法及系统
CN109887057B (zh) 生成高精度地图的方法和装置
CN101839721B (zh) 自主交会对接中的视觉导航方法
CN108052103B (zh) 基于深度惯性里程计的巡检机器人地下空间同时定位和地图构建方法
Wen et al. An indoor backpack system for 2-D and 3-D mapping of building interiors
CN108759826B (zh) 一种基于手机和无人机多传感参数融合的无人机运动跟踪方法
CN103954283A (zh) 基于景象匹配/视觉里程的惯性组合导航方法
US20180075614A1 (en) Method of Depth Estimation Using a Camera and Inertial Sensor
Momeni-k et al. Height estimation from a single camera view
CN112102403B (zh) 用于输电塔场景下的自主巡检无人机的高精度定位方法及其系统
CN113188557B (zh) 一种融合语义特征的视觉惯性组合导航方法
CN114608554B (zh) 一种手持slam设备以及机器人即时定位与建图方法
CN113220818B (zh) 一种停车场自动建图与高精度定位方法
Karam et al. Integrating a low-cost mems imu into a laser-based slam for indoor mobile mapping
CN111308415A (zh) 一种基于时间延迟的在线估计位姿的方法和设备
CN116359905A (zh) 基于4d毫米波雷达的位姿图slam计算方法及系统
CN112179373A (zh) 一种视觉里程计的测量方法及视觉里程计
CN116772844A (zh) 一种基于动态环境下的视觉惯性室内机器人的导航方法
Hinzmann et al. Flexible stereo: constrained, non-rigid, wide-baseline stereo vision for fixed-wing aerial platforms
CN114529585A (zh) 基于深度视觉和惯性测量的移动设备自主定位方法
WO2023283987A1 (zh) 无人系统的传感器安全性检测方法、设备及存储介质
CN113566827A (zh) 一种基于信息融合的变电站巡检机器人室内定位方法
CN112577479A (zh) 基于地图元素数据的多传感器融合车辆定位方法及装置
CN113701750A (zh) 一种井下多传感器的融合定位系统
Fang et al. A motion tracking method by combining the IMU and camera in mobile devices

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