CN113688678A - 路标多歧义处理方法、机器人及存储介质 - Google Patents
路标多歧义处理方法、机器人及存储介质 Download PDFInfo
- Publication number
- CN113688678A CN113688678A CN202110821040.2A CN202110821040A CN113688678A CN 113688678 A CN113688678 A CN 113688678A CN 202110821040 A CN202110821040 A CN 202110821040A CN 113688678 A CN113688678 A CN 113688678A
- Authority
- CN
- China
- Prior art keywords
- landmark
- information
- road sign
- value
- ambiguous
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000013507 mapping Methods 0.000 claims abstract description 19
- 238000004590 computer program Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 description 24
- 230000008569 process Effects 0.000 description 13
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000010276 construction Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000005286 illumination Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000001960 triggered effect Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 2
- 238000009432 framing Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种路标多歧义处理方法、机器人及存储介质,该方法通过获取机器人通过图形采集设备沿预设路径行走时所采集的多帧路标图像;将多帧路标图像映射到同一世界坐标系下,并获取世界坐标系下多帧路标图像中路标的路标信息,路标信息包括路标值和世界路标坐标;基于路标信息的世界路标坐标确定存在歧义的至少两个路标信息;基于路标信息的路标值对所述存在歧义的至少两个路标信息进行歧义处理,以确定唯一正确的路标信息。因此,本发明实现了在构建路标地图或者定位时,解决了识别同一路标出现多歧义的问题,保证了识别的路标的唯一性,提高了机器人的构建路标地图或者定位的正确率,有效提升了机器人运行的鲁棒性。
Description
技术领域
本发明涉及机器人地图技术领域,尤其涉及一种路标多歧义处理方法、机器人及存储介质。
背景技术
随着社会的发展和技术的进步,机器人越来越深的介入到人类的日常生活中,例如家庭中的清洁机器人、工厂中的搬运机器人以及餐馆中的送餐机器人等。机器人想要实现上述所有功能就必须要准确的知道自身所在的位置,即实时定位,而实现机器人实时定位的先决条件是构建路标地图,这是实现机器人导航和其它智能行为的关键。构建路标地图的过程中需要引导机器人行走并采集行走路径上采集的图像,识别行走路径上的路标,通过定位出路标在路标地图上的坐标,以便后续机器人在独自行走时,寻找或者检测到被定位的路标之后就可以获得机器人的位姿信息,即机器人自身所在的位置,然而,由于在引导机器人行走并采集行走路径上采集的图像时,图像中的路标会出现被遮挡或者视觉角度变化等问题,以致机器人识别路标时会存在多种歧义的问题,即在行走过程中对同一路标的识别会出现多个路标值的问题,造成在路标地图中对同一路标会存储两种路标值,从而导致机器人在后续的建图过程之中,构建的路标地图鲁棒性较低。
发明内容
本发明提供一种路标多歧义处理方法、机器人及存储介质,实现了在构建路标地图或者定位时识别,解决了同一路标出现多歧义的问题,保证了识别的路标的唯一性,提高了机器人的构建路标地图或者定位的正确率,有效提升了机器人运行的鲁棒性。
一种机器人,包括存储器、处理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计算机可读指令,所述处理器执行所述计算机可读指令时实现如下步骤:
获取所述机器人通过所述图形采集设备沿预设路径行走时所采集的多帧路标图像;
将所述多帧路标图像映射到同一世界坐标系下,并获取所述世界坐标系下所述多帧路标图像中路标的路标信息,所述路标信息包括路标值和世界路标坐标;
基于所述路标信息的世界路标坐标确定存在歧义的至少两个路标信息;
基于所述路标信息的路标值对所述存在歧义的至少两个路标信息进行歧义处理,以确定唯一正确的路标信息。
一种路标多歧义处理方法,包括:
获取机器人通过图形采集设备沿预设路径行走时所采集的多帧路标图像;
将所述多帧路标图像映射到同一世界坐标系下,并获取所述世界坐标系下所述多帧路标图像中路标的路标信息,所述路标信息包括路标值和世界路标坐标;
基于所述路标信息的世界路标坐标确定存在歧义的至少两个路标信息;
基于所述路标信息的路标值对所述存在歧义的至少两个路标信息进行歧义处理,以确定唯一正确的路标信息。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述路标多歧义处理方法。
本发明提供的路标多歧义处理方法、机器人及存储介质,该方法通过获取所述机器人通过图形采集设备沿预设路径行走时所采集的多帧路标图像;将所述多帧路标图像映射到同一世界坐标系下,并获取所述世界坐标系下所述多帧路标图像中路标的路标信息,所述路标信息包括路标值和世界路标坐标;基于所述路标值和所述世界路标坐标对存在歧义的至少两个路标信息进行歧义处理,确定唯一正确的路标信息。如此,能够解决在构建路标地图或者定位时识别同一路标出现多歧义的问题,保证了路标地图中的路标的唯一性,提高了机器人的构建路标地图或者定位的正确率,保证了后续机器人定位的准确性,避免了机器人定位错误的风险,并有效提升了机器人运行的鲁棒性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例中路标多歧义处理系统的一示意图;
图2是本发明一实施例中路标多歧义处理方法的一流程图。
具体实施方式
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作出创造性劳动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。
在一个实施例中,提供了一种机器人,该机器人的内部结构图可以如图1所示。该机器人包括图形采集设备(图未示)、存储器、处理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计算机可读指令。其中,该机器人的处理器用于提供计算和控制能力。该机器人的存储器包括可读存储介质、内存储器。该可读存储介质存储有操作系统、计算机可读指令和数据库。该内存储器为可读存储介质中的操作系统和计算机可读指令的运行提供环境。该机器人的图像采集设备用于采集路标图像的设备。该计算机可读指令被处理器执行时以实现一种路标多歧义处理方法。本实施例所提供的可读存储介质包括非易失性可读存储介质和易失性可读存储介质。
在一实施例中,提供一种机器人,包括图像采集设备、存储器、处理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计算机可读指令,如图2所示,所述处理器执行所述计算机可读指令时实现如下步骤:
S10,获取所述机器人通过图形采集设备沿预设路径行走时所采集的多帧路标图像。
可理解地,在引导机器人沿所述预设路径行走之后,需要构建此次行走的路标地图时触发路标多歧义处理请求,所述路标多歧义处理请求的触发方式可以根据需求设定,比如触发方式可以为结束所述预设路径行走后自动触发,接收到构建路标地图的语音后自动触发,触发构建路标地图的按键等等触发方式,在机器人沿所述预设路径行走过程中,通过机器人中的图像采集设备,比如摄像头,采集机器人行走过程中前方或上方的路标,将机器人所采集包括有该路标的图像定义为所述路标图像,也可以在机器人行走规划后的所述预设路径过程中需要定位机器人位置时,采集到前方路标的路标图像,所述路标图像可以为包含有路标的图像,机器人在沿预设路径行走时会采集多个路标的所述路标图像。随后处理器可以获取由图形采集设备所采集的多帧路标图像,所述多帧路标图像为采集的所述路标图像的集合。
可选地,路标地图具体是将所有路标均投影到同一世界坐标系下后形成的世界坐标地图,该世界坐标地图包括多个路标的路标信息,且每个路标均只对应唯一的路标信息。
在可选场景中,对于任意一帧路标图像,可能包括有路标,且数量不定,即可能包括多个路标,且也有可能不包括路标,这里不做限定。
在可选实施例中,引导机器人沿所述预设路径行走具体可以通过用户推动,或者通过机器人自驱动等,这里均不作限定。
S20,将所述多帧路标图像映射到同一世界坐标系下,并获取所述世界坐标系下所述多帧路标图像中路标的路标信息,所述路标信息包括路标值和世界路标坐标。
随后,将所述多帧路标图像映射到同一世界坐标系下,并获取所述世界坐标系下所述多帧路标图像中路标的路标信息。
可选地,将多帧路标图像映射到同一世界坐标系具体通过该路标图像中的路标的路标值作为基础,使得多帧路标图像中相同的路标值在世界坐标系下有唯一的坐标。即将多帧路标图像投影到同一世界坐标系下。
可选地,映射到同一世界坐标系后,路标值会唯一化,即就算是一个路标值在不同的路标图像出现过,在映射到同一世界坐标系后,均只会在该世界坐标系有一个坐标。
在将所述多帧路标图像映射到同一世界坐标系下后,路标在世界坐标系下会有一个路标信息,则进一步获取所述世界坐标系下所述多帧路标图像中路标的在世界坐标系下的路标信息,即获取该路标在世界坐标系下的路标值和世界路标坐标。
可选地,由于在不同位置对同一路标进行采集路标图像时,由于角度导致的拍摄不全、光照或者遮掩等问题,同一路标在不同的路标图像中,可能会对应不同的路标值,如某个路标的路标值是“应”,在一些路标图像中,则会识别出的路标值是“应”,而在一些路标图像中,由于可能存在拍摄不全、光照或遮掩的问题,则可能会识别的路标值是“广”。因此,在映射到世界坐标系下时,由于路标值不同,则会在世界坐标系下同时存在“应”和“广”,从而影响到后续的建图或定位。
其具体存在有两种情况的影响,其一,如果同一世界坐标系还存在路标值实际的确为“广”的路标值,即同一世界坐标系下存在两个“广”的路标值,则由于建图需要保证路标值的唯一性,则会导致建图失败,其二,虽然同一世界坐标系不存在路标值实际的确为“广”的路标值,在建图顺利后,如果后续机器人在运行时,可能识别不到这个路标(受角度等偶然性影响,可能认为是一个“广”,大部分会认为是一个“应”),从而导致定位会有一些问题。
在一实施例中,所述获取所述世界坐标系下所述多帧路标图像中路标的路标信息,包括:
通过路标检测模型对所述多帧路标图像进行路标识别,识别出与各所述路标图像对应的图像信息;所述图像信息包括路标值和路标区域。
可理解地,所述路标检测模型为训练完成且用于识别路标的目标检测模型,所述路标检测模型的网络结构可以根据需求设定,比如所述路标检测模型的网络结构可以为基于YOLO(You Only Look Once)的网络结构,也可以为基于SSD(多尺度特征融合,也称为特征金字塔)的网络结构,或者为基于VGG16(卷积神经网络)的网络结构,所述路标识别的过程为提取所述路标图像中的路标特征,根据提取的所述路标特征进行分类,得到所述路标图像中的路标所属的路标值,以及根据提取的所述路标特征的回归,框出所述路标图像中路标区域的处理过程,所述路标特征为与路标相关的特征,例如:路标特征包括路标的颜色、形状、文字等特征,不同的路标有不同的路标值,所述路标值也可以为无,表明该路标图像中不包含路标,一个所述路标图像对应一个所述图像信息。
对所述多帧路标图像进行所述世界坐标系下的定位,得到所述多帧路标图像的世界路标坐标。
可理解地,根据所述图像信息中的所述路标区域在所述路标图像的位置,可以预估出该路标与机器人之间的距离,再通过机器人历史行走的距离及位置,通过三点定位,可以在构建所述世界坐标系或者构建后的所述世界坐标系中该路标的世界路标坐标。
将所述路标图像的所述路标值和所述世界路标坐标记录为所述路标图像的所述路标信息。
可理解地,将一个所述世界路标坐标和一个与该世界路标坐标对应的所述图像信息中的所述路标值相关联,并将一个所述世界路标坐标和一个所述路标值记录为一个所述多帧路标图像中路标的所述路标信息。
本实施例实现了通过路标检测模型对所述多帧路标图像进行路标识别,识别出与各所述路标图像对应的图像信息;对所述路标图像进行所述世界坐标系下的定位,得到所述路标图像的世界路标坐标;将所述路标图像的所述路标值和所述世界路标坐标记录为所述路标图像的所述路标信息,如此,能够自动识别出路标图像中的图像信息,为后续进行歧义处理提供了数据基础,确保路标信息识别的准确性。
在一实施例中,所述通过路标检测模型对所述多帧路标图像进行路标识别之前,所述处理器执行所述计算机可读指令时还实现如下步骤:
获取路标样本集合;所述路标样本集合包括多个路标样本,一个所述路标样本关联一个路标样本标签和一个样本区域。
可理解地,所述路标样本集合为所有所述路标样本的集合,所述路标样本为历史收集的包含有需要识别的路标的图像,所述路标样本标签为预设的路标的类别,所述样本区域为在所述路标样本中标注出路标的区域。
将所述路标样本输入含有初始参数的目标检测模型。
可理解地,所述初始参数为预设所述目标检测模型的初始值,所述目标检测模型的网络结构的初始参数可以通过迁移学习训练完成的识别其他与路标相关的目标检测模型的参数获得。
通过所述目标检测模型对所述路标样本进行路标特征提取,根据提取的所述路标特征识别出所述路标样本的样本结果;所述样本结果包括路标结果和区域结果。
可理解地,所述样本结果识别出所述路标样本中的路标的类别及框出该路标区域的结果,所述路标结果体现了所述路标样本中的路标的类别的结果,所述区域结果体现了所述路标样本中的路标的区域范围的结果。
根据所述路标样本标签和所述路标结果,以及所述样本区域和所述区域结果,确定出总损失值。
可理解地,通过损失函数衡量出所述路标样本标签和所述路标结果之间的差异,以及所述样本区域和所述区域结果之间的差异,分别得到标签损失值和区域损失值,通过对所述标签损失值和所述区域损失值加权求和,得到所述总损失值,所述总损失值体现了样本结果距离正确的路标样本标签和样本区域的差距。
其中,所述损失函数可以根据需求设定,比如损失函数为交叉熵损失函数。
在所述总损失值未达到预设的收敛条件时,迭代更新所述目标检测模型的初始参数,直至所述总损失值达到所述预设的收敛条件时,将收敛之后的所述目标检测模型记录为训练完成的路标识别检测模型。
可理解地,所述收敛条件可以为所述总损失值经过了10000次计算后值为很小且不会再下降的条件,即在所述总损失值经过10000次计算后值为很小且不会再下降时,停止训练,并将收敛之后的所述目标检测模型记录为训练完成的路标识别检测模型;所述收敛条件也可以为所述总损失值小于设定阈值的条件,即在所述总损失值小于设定阈值时,停止训练,并将收敛之后的所述目标检测模型记录为训练完成的路标识别检测模型,如此,在所述总损失值未达到预设的收敛条件时,不断调整初始参数,可以不断向准确的结果靠拢,让识别的准确率越来越高。
本实施例实现了通过获取包括多个路标样本的路标样本集合;一个所述路标样本关联一个路标样本标签和一个样本区域;将所述路标样本输入含有初始参数的目标检测模型;通过所述目标检测模型对所述路标样本进行路标特征提取,根据提取的所述路标特征识别出所述路标样本的样本结果;所述样本结果包括路标结果和区域结果;根据所述路标样本标签和所述路标结果,以及所述样本区域和所述区域结果,确定出总损失值;在所述总损失值未达到预设的收敛条件时,迭代更新所述目标检测模型的初始参数,直至所述总损失值达到所述预设的收敛条件时,将收敛之后的所述目标检测模型记录为训练完成的路标识别检测模型,如此,提供了一种用于提取路标特征进行识别的图像中的路标的训练方法,提高了路标识别的准确率和可靠性。
S30,基于所述路标信息的世界路标坐标确定存在歧义的至少两个路标信息。
可理解地,由于在不同位置对同一路标进行采集路标图像时,由于角度导致的拍摄不全、光照或者遮掩等问题,同一路标在不同的路标图像中,可能会对应不同的路标值,如某个路标的路标值是“应”,在一些路标图像中,则会识别出的路标值是“应”,而在一些路标图像中,由于可能存在拍摄不全、光照或遮掩的问题,则可能会识别的路标值是“广”。因此,在映射到世界坐标系下时,由于路标值不同,则会在世界坐标系下同时存在“应”和“广”,因此,需要对所有所述路标信息进行歧义处理。
在一实施例中,所述路标信息包括路标值和世界路标坐标,所述步骤S30中,所述基于所述路标信息的世界路标坐标确定存在歧义的至少两个路标信息。包括:
基于所述世界路标坐标确定连续的至少两个路标信息的距离是否小于预设值。
可理解地,所述预设值为预设两个世界坐标路标之间的距离,根据各个所述路标坐标,通过欧式距离算法,计算出彼此路标信息之间的距离值,计算出连续的两个路标信息的距离值,判断该距离值是否小于所述预设值。
在具体场景中,多个路标间隔分布在于机器人行走时的预设路径所对应的一条线上,因此多个路标在投影到世界坐标系下时,无论有无存在歧义,整体而言,多个路标信息也是呈线性分布的,并且该路标信息所对应的路标图像的时间信息以及坐世界路标坐标可以分辨多个路标信息的前后关系。如同一个路标在投影到一个世界坐标系后,出现歧义生成了两个路标信息,那么这两个路标信息实际而言对应的路标图像的时间信息也是连续的,并且这两个路标信息的坐标信息也是比较相近的。即本实施例中所提及的连续的至少两个路标信息是指至少两个路标信息对应的路标图像是连续的,和/或至少两个路标信息的世界路标坐标是相邻的。
其中,所述欧式距离算法为欧几里得距离或欧几里得度量算法,是在欧几里得空间中两点间直线距离。
若是,则将所述连续的至少两个路标信息确定为所述存在歧义的至少两个路标信息。
在可选实施例中,如果是,就将小于所述预设值的至少两个路标信息记录为存在歧义的至少两个路标信息,可选地,也可以将小于所述预设值的至少两个路标信息记录为一个歧义路标集合,该歧义路标集合包括存在歧义的至少两个路标信息。
可选地,所述歧义路标集合表明了识别同一个路标的路标信息的集合,一个所述歧义路标集合对应一个识别相同的一个路标的连续的所述路标图像的时间段,该时间段为机器人识别同一个坐标的路标从开始识别出路标值至结束识别出路标值的时间范围。
在可选实施例中,整个过程中,可能会确定一个、两个或多个歧义路标集合,每个歧义路标集合均对应一个路标在世界坐标系下的至少两个路标信息。
S40,基于所述路标信息的路标值对所述存在歧义的至少两个路标信息进行歧义处理,以确定唯一正确的路标信息。
可选地,可以基于路标信息的路标值对所述存在歧义的至少两个路标信息进行歧义处理,以确定唯一正确的路标信息。
在可选实施例中,在对世界坐标系的路标信息进行歧义处理后,则可以利用歧义处理后的世界坐标系来进一步构建路标地图。
在可选实施例中,所述歧义处理为通过预设置信度算法,计算各所述路标信息的单元置信度,从而根据所有单元置信度,确定出总置信度以及最大的总置信度,最大的所述总置信度为所有所述总置信度中最大的值,将与该总置信度最大的路标值确定为该歧义路标集合的路标值,并对该歧义路标集合中的其他路标值进行去除处理的过程,从而能够将歧义的路标值去除,保留唯一正确的路标值。
本实施例实现了通过获取所述机器人通过图形采集设备沿预设路径行走时所采集的多帧路标图像;将所述多帧路标图像映射到同一世界坐标系下,并获取所述世界坐标系下所述多帧路标图像中路标的路标信息;对多个所述路标信息进行歧义处理,如此,能够解决构建路标地图或者定位时识别同一路标出现多歧义的问题,保证了路标地图中的路标的唯一性,提高了机器人的构建路标地图或者定位的正确率,保证了后续机器人定位的准确性,避免了机器人定位错误的风险,并有效提升了机器人运行的鲁棒性。
可理解地,对该歧义路标集合(存在歧义的至少两个路标信息)中的所有所述路标信息进行歧义处理,所述歧义处理为通过预设置信度算法,计算各所述路标信息的单元置信度,从而根据所有单元置信度确定出总置信度以及最大的总置信度,最大的所述总置信度为所有所述总置信度中最大的值,将与该总置信度最大的路标值确定为该歧义路标集合(存在歧义的至少两个路标信息)的路标值,并对该歧义路标集合(存在歧义的至少两个路标信息)中的其他路标值进行去除处理的过程,从而能够对各个所述歧义路标集合进行歧义处理,从而确定唯一正确的路标信息,并可以将歧义的路标信息去除,去除方式具体可以是删除该路标信息,也可以是解除该路标信息与整个世界坐标系的映射关系,这里不做限定,保留各个所述歧义路标集合中唯一正确的路标值。
本实施例实现了通过基于所述世界路标坐标确定连续的多个路标信息的距离值是否小于预设值;若是,则将所述连续的多个路标信息确定为歧义路标集合;对所述歧义路标集合中的多个路标信息进行歧义处理,如此,能够自动识别出歧义路标集合,并通过歧义处理,自动保留正确的路标值。
在一实施例中,所述对所述歧义路标集合中的至少两个路标信息进行歧义处理,包括:
计算所述至少两个路标信息中路标值在对应的路标图像中的单元置信度。
可理解地,计算的方法为从所述歧义路标集合中确定包含路标值的路标图像,获取该路标图像中识别到的路标值所对应的路标区域的中心点,通过预设置信度算法,计算该中心点在该路标图像中的正态分布信息,根据所述正态分布信息确定出该路标图像中的路标值的所述单元置信度的方法。
可选地,所述预设置信度算法为基于图像尺寸信息和路标区域的中心点,对所述路标区域中的中心点进行正态置信度计算,并确定出所述路标信息的所述单元置信度的算法,所述正态置信度计算为计算所述中心点在所述路标图像的长度方向上的第一正态分布值以及宽度方向上的第二正态分布值,求第一正态分布值和第二正态分布值的加权和,并将加权和得的值作为所述正态分布信息的算法。
其中,所述路标信息还包括所述图像尺寸信息和所述路标区域,所述图像尺寸信息包括路标图像的长度方向上的尺寸和宽度方向上的尺寸,从概率维度出发,每个路标图像中识别到的路标的正确率服从正态分布,即路标图像中的长度方向(横轴)和宽度方向(纵轴)维度的正确率均符合正态分布,从而可以将路标图像中的各个像素点的像素坐标计算长度方向上的第一正态分布值和第二正态分布值,所述第一正态分布值为该像素点在长度方向上的置信度,所述第二正态分布值为该像素点在宽度方向上的置信度,根据所述第一正态分布值和所述第二正态分布值,确定出路标图像中的正态分布信息,基于该路标的中心点落入所述正态分布信息中的点确定出该路标值的所述单元置信度,通过所述单元置信度可以表明路标在该路标图像中的置信程度。
计算路标信息中路标值的在对应的路标图像中所有的单元置信度的和,并作为所述路标信息的总置信度。
可理解地,可理解的,一个路标值可能会对应多帧路标图像,每一个路标图像中的路标值均有一个单元置信度,将所述路标信息中与相同的路标值所对应的所有所述路标图像中的单元置信度进行求和,得到所述路标信息为该路标值的所述总置信度,如果一个歧义路标集合中有两种路标值为“广”或“应”,与路标值“广”对应的所有所述单元置信度求和,得到路标值为“广”的路标信息的总置信度;与路标值“应”对应的所有所述单元置信度求和,得到路标值为“应”对应的所有所述单元置信度求和,得到路标值为“应”的路标信息的总置信度。
将总置信度最大的路标信息的作为所述歧义路标集合中的确定路标信息。
可理解地,将最大的所述总置信度所对应的所述路标信息作为歧义路标集合中的所述确定路标信息,所述确定路标信息为对歧义路标集合进行歧义处理后去除歧义的路标值的干扰,而确定出歧义路标集合中唯一正确的路标信息。
本实施例实现了通过计算所述至少两个路标信息中路标值在对应的路标图像中的单元置信度;计算路标信息中路标值的在对应的路标图像中所有的单元置信度的和,并作为所述路标信息的总置信度;将总置信度最大的路标信息的作为所述歧义路标集合中的确定路标信息,如此,能够自动计算出各个路标值在路标图像中的单元置信度,并计算各个路标值的总置信度,从而将总置信度最大的路标值所对应的路标信息确定为歧义路标集合汇总的确定路标信息,实现了自动对出现多个歧义的路标的歧义路标集合进行歧义处理,保证了路标的唯一性,提高了机器人的构建路标地图或者定位的正确率,保证了机器人定位的准确性,避免了机器人定位错误的风险,并有效提升了机器人运行的鲁棒性。
在另一实施例中,所述对所述歧义路标集合中的至少两个路标信息进行歧义处理,包括:
计算所述至少两个路标信息中路标值在对应的路标图像中的单元置信度。
选取所述路标信息中路标值在对应的路标图像中单元置信度最大的单元置信度,并作为所述路标信息的总置信度。
可理解地,对所述歧义路标集合中的与相同的所有路标信息的路标值所对应的所述路标图像中的所有所述单元置信度进行降序排序,选取排序第一的单元置信度作为所述路标信息中该路标值对应的所述总置信度。
将总置信度最大的路标信息的作为所述歧义路标集合中的确定路标信息。
本实施例实现了通过计算所述至少两个路标信息中路标值在对应的路标图像中的单元置信度;选取所述路标信息中路标值在对应的路标图像中单元置信度最大的单元置信度,并作为所述路标信息的总置信度;将总置信度最大的路标信息的作为所述歧义路标集合中的确定路标信息,如此,能够自动计算出各个路标值在路标图像中的单元置信度,并选取各个路标值的最大的单元置信度作为各路标值的总置信度,从而将总置信度最大的路标值所对应的路标信息确定为歧义路标集合汇总的确定路标信息,实现了自动对出现多个歧义的路标的歧义路标集合进行歧义处理,保证了路标的唯一性,提高了机器人的构建路标地图或者定位的正确率,保证了机器人定位的准确性,避免了机器人定位错误的风险,并有效提升了机器人运行的鲁棒性。在一实施例中,所述计算所述至少两个路标信息中路标值在对应的路标图像中的单元置信度,包括:
从所述多帧路标图像确定包含所述路标值的路标图像作为与所述路标值对应的路标图像。
可理解地,从所述多帧路标图像中识别出包含有一个路标值的所述路标图像作为与该路标值对应的所述路标图像。
获取所述路标值对应的路标的中心点在所述路标图像中的正态分布信息。
可理解地,基于图像尺寸信息和路标区域的中心点,对所述路标区域中的中心点进行正态置信度计算,并确定出所述路标信息的所述单元置信度的算法,正态置信度计算为计算所述中心点在所述路标图像的长度方向上的第一正态分布值以及宽度方向上的第二正态分布值,求第一正态分布值和第二正态分布值的加权和,并将加权和得的值作为所述正态分布信息。
其中,从概率维度出发,每个路标图像中识别到的路标的正确率服从正态分布,即路标图像中的长度方向(横轴)和宽度方向(纵轴)维度的正确率均符合正态分布,从而可以将路标图像中的各个像素点的像素坐标计算长度方向上的第一正态分布值和第二正态分布值。
基于所述正态分布信息确定所述路标值的单元置信度。
可理解地,将该路标值的正态分布信息记录为所述路标值的所述单元置信度。
本实施例实现了通过从所述多帧路标图像确定包含所述路标值的路标图像作为与所述路标值对应的路标图像;获取所述路标值对应的路标的中心点在所述路标图像中的正态分布信息;基于所述正态分布信息确定所述路标值的单元置信度,如此,能够自动确定出各个路标图像所对应的路标值的单元置信度。
在一实施例中,所述获取所述路标值对应的路标的中心点在所述路标图像中的正态分布信息,包括:
计算所述中心点在所述路标图像的长度方向上的第一正态分布值。
可理解地,根据路标图像的路标信息所包含的图像尺寸信息和路标区域,计算出所述路标图像中的各个像素点在长度方向上存在一个服从正态分布的正确率,得到各个像素点的第一正态分布值,从而将所述中心点所对应的路标图像中的像素点的第一正态分布值记录为该中心点的第一正态分布值。
计算所述中心点在所述路标图像的宽度方向上的第二正态分布值。
可理解地,根据路标图像的路标信息所包含的图像尺寸信息和路标区域,计算出所述路标图像中的各个像素点在宽度方向上存在一个服从正态分布的正确率,得到各个像素点的第二正态分布值,从而将所述中心点所对应的路标图像中的像素点的第人正态分布值记录为该中心点的第二正态分布值。
将第一正态分布值和第二正态分布值的加权和作为所述正态分布信息。
可理解地,将获得的所述第一正态分布值和所述第二正态分布值分别乘于各自的权重,以加权处理,再将加权处理后的所述第一正态分布值和所述第二正态分布值求和,最终获得该路标图像中的路标值的所述正态分布信息。
其中,所述第一正态分布值的权重和所述第二正态分布值的权重可以根据需求设定,比如,所述第一正态分布值的权重和所述第二正态分布值的权重可以均为一,或者所述第一正态分布值的权重与所述第二正态分布值的权重之和为一等等。
本实施例实现了通过计算所述中心点在所述路标图像的长度方向上的第一正态分布值;计算所述中心点在所述路标图像的宽度方向上的第二正态分布值;将第一正态分布值和第二正态分布值的加权和作为所述正态分布信息,如此,实现了准确地衡量出中心点的正态分布信息,为后续的单元置信度计算提供了准确的数据基础,提高了输出正态分布信息的正确率和准确率。
在一实施例中,如图2所示,提供一种路标多歧义处理方法,该路标多歧义处理方法与上述实施例中机器人一一对应,并该路标多歧义处理方法应用在机器人中,该路标多歧义处理方法包括如下步骤:
S10,获取所述机器人通过图形采集设备沿预设路径行走时所采集的多帧路标图像。
S20,将所述多帧路标图像映射到同一世界坐标系下,并获取所述世界坐标系下所述多帧路标图像中路标的路标信息,所述路标信息包括路标值和世界路标坐标。
S30,基于所述路标信息的世界路标坐标确定存在歧义的至少两个路标信息。
S40,基于所述路标信息的路标值对所述存在歧义的至少两个路标信息进行歧义处理,以确定唯一正确的路标信息。
本实施例实现了通过获取所述机器人通过图形采集设备沿预设路径行走时所采集的多帧路标图像;将所述多帧路标图像映射到同一世界坐标系下,并获取所述世界坐标系下所述多帧路标图像中路标的路标信息,所述路标信息包括路标值和世界路标坐标;基于所述路标值和所述世界路标坐标对存在歧义的至少两个路标信息进行歧义处理,确定唯一正确的路标信息,如此,能够解决构建路标地图或者定位时识别同一路标出现多歧义的问题,保证了路标地图中的路标的唯一性,提高了机器人的构建路标地图或者定位的正确率,保证了后续机器人定位的准确性,避免了机器人定位错误的风险,并有效提升了机器人运行的鲁棒性。
在一实施例中,所述路标信息包括路标值和世界路标坐标,所述步骤S30中,所述基于所述路标值和所述世界路标坐标对存在歧义的至少两个路标信息进行歧义处理,包括:
基于所述世界路标坐标确定连续的至少两个路标信息的距离是否小于预设值。
若是,则将所述连续的至少两个路标信息确定为歧义路标集合。
对所述歧义路标集合中的至少两个路标信息进行歧义处理。
本实施例实现了通过基于所述世界路标坐标确定连续的多个路标信息的距离值是否小于预设值;若是,则将所述连续的多个路标信息确定为歧义路标集合;对所述歧义路标集合中的多个路标信息进行歧义处理,如此,能够自动识别出歧义路标集合,并通过歧义处理,自动保留正确的路标值。
在一实施例中,所述对所述歧义路标集合中的至少两个路标信息进行歧义处理,包括:
计算所述至少两个路标信息中路标值在对应的路标图像中的单元置信度。
计算路标信息中路标值的在对应的路标图像中所有的单元置信度的和,并作为所述路标信息的总置信度。
将总置信度最大的路标信息的作为所述歧义路标集合中的确定路标信息。
本实施例实现了通过计算所述至少两个路标信息中路标值在对应的路标图像中的单元置信度;计算路标信息中路标值的在对应的路标图像中所有的单元置信度的和,并作为所述路标信息的总置信度;将总置信度最大的路标信息的作为所述歧义路标集合中的确定路标信息,如此,能够自动计算出各个路标值在路标图像中的单元置信度,并计算各个路标值的总置信度,从而将总置信度最大的路标值所对应的路标信息确定为歧义路标集合汇总的确定路标信息,实现了自动对出现多个歧义的路标的歧义路标集合进行歧义处理,保证了路标的唯一性,提高了机器人的构建路标地图或者定位的正确率,保证了机器人定位的准确性,避免了机器人定位错误的风险,并有效提升了机器人运行的鲁棒性。
在另一实施例中,所述对所述歧义路标集合中的至少两个路标信息进行歧义处理,包括:
计算所述至少两个路标信息中路标值在对应的路标图像中的单元置信度。
选取所述路标信息中路标值在对应的路标图像中单元置信度最大的单元置信度,并作为所述路标信息的总置信度。
将总置信度最大的路标信息的作为所述歧义路标集合中的确定路标信息。
本实施例实现了通过计算所述至少两个路标信息中路标值在对应的路标图像中的单元置信度;选取所述路标信息中路标值在对应的路标图像中单元置信度最大的单元置信度,并作为所述路标信息的总置信度;将总置信度最大的路标信息的作为所述歧义路标集合中的确定路标信息,如此,能够自动计算出各个路标值在路标图像中的单元置信度,并选取各个路标值的最大的单元置信度作为各路标值的总置信度,从而将总置信度最大的路标值所对应的路标信息确定为歧义路标集合汇总的确定路标信息,实现了自动对出现多个歧义的路标的歧义路标集合进行歧义处理,保证了路标的唯一性,提高了机器人的构建路标地图或者定位的正确率,保证了机器人定位的准确性,避免了机器人定位错误的风险,并有效提升了机器人运行的鲁棒性。
在一实施例中,所述计算所述至少两个路标信息中路标值在对应的路标图像中的单元置信度,包括:
从所述多帧路标图像确定包含所述路标值的路标图像作为与所述路标值对应的路标图像。
获取所述路标值对应的路标的中心点在所述路标图像中的正态分布信息。
基于所述正态分布信息确定所述路标值的单元置信度。
本实施例实现了通过从所述多帧路标图像确定包含所述路标值的路标图像作为与所述路标值对应的路标图像;获取所述路标值对应的路标的中心点在所述路标图像中的正态分布信息;基于所述正态分布信息确定所述路标值的单元置信度,如此,能够自动确定出各个路标图像所对应的路标值的单元置信度。
在一实施例中,所述获取所述路标值对应的路标的中心点在所述路标图像中的正态分布信息,包括:
计算所述中心点在所述路标图像的长度方向上的第一正态分布值。
计算所述中心点在所述路标图像的宽度方向上的第二正态分布值。
将第一正态分布值和第二正态分布值的加权和作为所述正态分布信息。
本实施例实现了通过计算所述中心点在所述路标图像的长度方向上的第一正态分布值;计算所述中心点在所述路标图像的宽度方向上的第二正态分布值;将第一正态分布值和第二正态分布值的加权和作为所述正态分布信息,如此,实现了准确地衡量出中心点的正态分布信息,为后续的单元置信度计算提供了准确的数据基础,提高了输出正态分布信息的正确率和准确率。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述实施例中路标多歧义处理方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
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,仅以上述各功能单元、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功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述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,均应包含在本发明的保护范围之内。
Claims (13)
1.一种机器人,包括图形采集设备、存储器、处理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计算机可读指令,其特征在于,所述处理器执行所述计算机可读指令时实现如下步骤:
获取所述机器人通过所述图形采集设备沿预设路径行走时所采集的多帧路标图像;
将所述多帧路标图像映射到同一世界坐标系下,并获取所述世界坐标系下所述多帧路标图像中路标的路标信息,所述路标信息包括路标值和世界路标坐标;
基于所述路标信息的世界路标坐标确定存在歧义的至少两个路标信息;
基于所述路标信息的路标值对所述存在歧义的至少两个路标信息进行歧义处理,以确定唯一正确的路标信息。
2.根据权利要求1所述的机器人,其特征在于,所述基于所述路标信息的世界路标坐标确定存在歧义的至少两个路标信息,包括:
基于所述世界路标坐标确定连续的至少两个路标信息的距离是否小于预设值;
若是,则将所述连续的至少两个路标信息确定为所述存在歧义的至少两个路标信息。
3.根据权利要求1所述的机器人,其特征在于,所述基于所述路标信息的路标值对所述存在歧义的至少两个路标信息进行歧义处理,以确定唯一正确的路标信息,包括:
计算所述存在歧义的至少两个路标信息中路标值在对应的路标图像中的单元置信度;
计算所述路标信息中路标值在对应的所有路标图像中的单元置信度的和,并作为所述路标信息的总置信度;
将总置信度最大的路标信息作为所述存在歧义的至少两个路标信息中所述唯一正确的路标信息。
4.根据权利要求1所述的机器人,其特征在于,所述基于所述路标信息的路标值对所述存在歧义的至少两个路标信息进行歧义处理,以确定唯一正确的路标信息,包括:
计算所述存在歧义的至少两个路标信息中路标值在对应的路标图像中的单元置信度;
选取所述路标信息中路标值在对应的所有路标图像中单元置信度最大的单元置信度,并将所述单元置信度作为所述路标信息的总置信度;
将总置信度最大的路标信息的作为所述存在歧义的至少两个路标信息中所述唯一正确的路标信息。
5.根据权利要求3或4所述的机器人,其特征在于,所述计算所述存在歧义的至少两个路标信息中路标值在对应的路标图像中的单元置信度,包括:
从所述多帧路标图像确定包含所述路标值的路标图像作为与所述路标值对应的路标图像;
获取所述路标值对应的路标的中心点在所述路标图像中的正态分布信息;
基于所述正态分布信息确定所述路标值的在所述路标图像中的单元置信度。
6.根据权利要求5所述的机器人,其特征在于,所述获取所述路标值对应的路标的中心点在所述路标图像中的正态分布信息,包括:
计算所述中心点在所述路标图像的长度方向上的第一正态分布值;
计算所述中心点在所述路标图像的宽度方向上的第二正态分布值;
将第一正态分布值和第二正态分布值的加权和作为所述正态分布信息。
7.一种路标多歧义处理方法,其特征在于,包括:
获取机器人通过图形采集设备沿预设路径行走时所采集的多帧路标图像;
将所述多帧路标图像映射到同一世界坐标系下,并获取所述世界坐标系下所述多帧路标图像中路标的路标信息,所述路标信息包括路标值和世界路标坐标;
基于所述路标信息的世界路标坐标确定存在歧义的至少两个路标信息;
基于所述路标信息的路标值对所述存在歧义的至少两个路标信息进行歧义处理,以确定唯一正确的路标信息。
8.根据权利要求7所述的路标多歧义处理方法,其特征在于,所述基于所述路标信息的世界路标坐标确定存在歧义的至少两个路标信息,包括:
基于所述世界路标坐标确定连续的至少两个路标信息的距离是否小于预设值;
若是,则将所述连续的至少两个路标信息确定为所述存在歧义的至少两个路标信息。
9.根据权利要求7所述的路标多歧义处理方法,其特征在于,所述基于所述路标信息的路标值对所述存在歧义的至少两个路标信息进行歧义处理,以确定唯一正确的路标信息,包括:
计算所述存在歧义的至少两个路标信息中路标值在对应的路标图像中的单元置信度;
计算所述路标信息中路标值在对应的所有路标图像中的单元置信度的和,并作为所述路标信息的总置信度;
将总置信度最大的路标信息作为所述存在歧义的至少两个路标信息中所述唯一正确的路标信息。
10.根据权利要求7所述的路标多歧义处理方法,其特征在于,所述基于所述路标信息的路标值对所述存在歧义的至少两个路标信息进行歧义处理,以确定唯一正确的路标信息,包括:
计算所述存在歧义的至少两个路标信息中路标值在对应的路标图像中的单元置信度;
选取所述路标信息中路标值在对应的所有路标图像中单元置信度最大的单元置信度,并将所述单元置信度作为所述路标信息的总置信度;
将总置信度最大的路标信息的作为所述存在歧义的至少两个路标信息中所述唯一正确的路标信息。
11.根据权利要求9或10所述的路标多歧义处理方法,其特征在于,所述计算所述存在歧义的至少两个路标信息中路标值在对应的路标图像中的单元置信度,包括:
从所述多帧路标图像确定包含所述路标值的路标图像作为与所述路标值对应的路标图像;
获取所述路标值对应的路标的中心点在所述路标图像中的正态分布信息;
基于所述正态分布信息确定所述路标值的在所述路标图像中的单元置信度。
12.根据权利要求11所述的路标多歧义处理方法,其特征在于,所述获取所述路标值对应的路标的中心点在所述路标图像中的正态分布信息,包括:
计算所述中心点在所述路标图像的长度方向上的第一正态分布值;
计算所述中心点在所述路标图像的宽度方向上的第二正态分布值;
将第一正态分布值和第二正态分布值的加权和作为所述正态分布信息。
13.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求7至12任一项所述路标多歧义处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110821040.2A CN113688678B (zh) | 2021-07-20 | 2021-07-20 | 路标多歧义处理方法、机器人及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110821040.2A CN113688678B (zh) | 2021-07-20 | 2021-07-20 | 路标多歧义处理方法、机器人及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113688678A true CN113688678A (zh) | 2021-11-23 |
CN113688678B CN113688678B (zh) | 2024-04-12 |
Family
ID=78577479
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110821040.2A Active CN113688678B (zh) | 2021-07-20 | 2021-07-20 | 路标多歧义处理方法、机器人及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113688678B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009223817A (ja) * | 2008-03-18 | 2009-10-01 | Zenrin Co Ltd | 路面標示地図生成方法 |
CN105447856A (zh) * | 2015-11-17 | 2016-03-30 | 天津工业大学 | 基于机器人运动参数与特征向量的标记点匹配方法 |
CN105841687A (zh) * | 2015-01-14 | 2016-08-10 | 上海智乘网络科技有限公司 | 室内定位方法和系统 |
CN108180917A (zh) * | 2017-12-31 | 2018-06-19 | 芜湖哈特机器人产业技术研究院有限公司 | 一种基于位姿图优化的顶标地图构建方法 |
CN109682368A (zh) * | 2018-11-30 | 2019-04-26 | 上海肇观电子科技有限公司 | 机器人及地图构建方法、定位方法、电子设备、存储介质 |
CN110017841A (zh) * | 2019-05-13 | 2019-07-16 | 大有智能科技(嘉兴)有限公司 | 视觉定位方法及其导航方法 |
-
2021
- 2021-07-20 CN CN202110821040.2A patent/CN113688678B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009223817A (ja) * | 2008-03-18 | 2009-10-01 | Zenrin Co Ltd | 路面標示地図生成方法 |
CN105841687A (zh) * | 2015-01-14 | 2016-08-10 | 上海智乘网络科技有限公司 | 室内定位方法和系统 |
CN105447856A (zh) * | 2015-11-17 | 2016-03-30 | 天津工业大学 | 基于机器人运动参数与特征向量的标记点匹配方法 |
CN108180917A (zh) * | 2017-12-31 | 2018-06-19 | 芜湖哈特机器人产业技术研究院有限公司 | 一种基于位姿图优化的顶标地图构建方法 |
CN109682368A (zh) * | 2018-11-30 | 2019-04-26 | 上海肇观电子科技有限公司 | 机器人及地图构建方法、定位方法、电子设备、存储介质 |
CN110017841A (zh) * | 2019-05-13 | 2019-07-16 | 大有智能科技(嘉兴)有限公司 | 视觉定位方法及其导航方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113688678B (zh) | 2024-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111795704B (zh) | 一种视觉点云地图的构建方法、装置 | |
CN109934115B (zh) | 人脸识别模型的构建方法、人脸识别方法及电子设备 | |
CN111199564B (zh) | 智能移动终端的室内定位方法、装置与电子设备 | |
CN109074085B (zh) | 一种自主定位和地图建立方法、装置和机器人 | |
CN105740780B (zh) | 人脸活体检测的方法和装置 | |
CN111780764A (zh) | 一种基于视觉地图的视觉定位方法、装置 | |
CN111062239A (zh) | 人体目标检测方法、装置、计算机设备及存储介质 | |
CN110705478A (zh) | 人脸跟踪方法、装置、设备及存储介质 | |
CN113313763B (zh) | 一种基于神经网络的单目相机位姿优化方法及装置 | |
CN110796135B (zh) | 目标的定位方法及装置、计算机设备、计算机存储介质 | |
CN112949366B (zh) | 障碍物识别方法和装置 | |
CN112634368A (zh) | 场景目标的空间与或图模型生成方法、装置及电子设备 | |
CN111652929A (zh) | 一种视觉特征的识别定位方法及系统 | |
CN111160307A (zh) | 一种人脸识别方法及人脸识别打卡系统 | |
CN111950440A (zh) | 一种识别与定位门的方法、装置及存储介质 | |
CN109902619A (zh) | 图像闭环检测方法及系统 | |
CN112132853B (zh) | 地面导向箭头的构建方法及其装置、电子设备及存储介质 | |
CN111008576A (zh) | 行人检测及其模型训练、更新方法、设备及可读存储介质 | |
CN112183301A (zh) | 一种建筑物楼层智能识别方法及装置 | |
CN113780145A (zh) | 精子形态检测方法、装置、计算机设备和存储介质 | |
CN117611679A (zh) | 一种乒乓球桌标定方法、标定装置及存储介质 | |
CN113673288A (zh) | 空闲车位检测方法、装置、计算机设备及存储介质 | |
CN113688678A (zh) | 路标多歧义处理方法、机器人及存储介质 | |
CN112927269A (zh) | 基于环境语义的地图构建方法、装置和计算机设备 | |
CN111860626B (zh) | 基于无人机遥感和面向对象分类的水土保持监测方法及系统 |
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 |