CN113935946B - 实时检测地下障碍物的方法及装置 - Google Patents

实时检测地下障碍物的方法及装置 Download PDF

Info

Publication number
CN113935946B
CN113935946B CN202111049795.1A CN202111049795A CN113935946B CN 113935946 B CN113935946 B CN 113935946B CN 202111049795 A CN202111049795 A CN 202111049795A CN 113935946 B CN113935946 B CN 113935946B
Authority
CN
China
Prior art keywords
point cloud
point
ground fault
clusters
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.)
Active
Application number
CN202111049795.1A
Other languages
English (en)
Other versions
CN113935946A (zh
Inventor
刘建圻
温俊彬
曾碧
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.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
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 Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN202111049795.1A priority Critical patent/CN113935946B/zh
Publication of CN113935946A publication Critical patent/CN113935946A/zh
Application granted granted Critical
Publication of CN113935946B publication Critical patent/CN113935946B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Traffic Control Systems (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明提供一种实时检测地下障碍物的方法及装置，包括：生成点云数据后，对点云数据进行体素化降采样处理，得到处理后的点云数据；将点云分割成若干块地面断层点云，聚类出若干个点云簇作为地面断层点簇；通过所述地面断层点簇，获取每一个点簇的最大深度位置以及宽度信息，利用所述机器车的位姿约束，得到地面断层的地面面积；根据所述地面断层点簇的位置、大小信息以及所述地面断层的地面面积，得到平面点云信息，获取地下障碍物的信息；本发明所述的方法能够实时提高机器车避障功能的准确性、稳定性。

Description

实时检测地下障碍物的方法及装置
技术领域
本专利涉及一种基于相机点云的机器车局部规划实时检测地下障碍物的方法、装置，属于实时检测领域。
背景技术
在现有的机器人技术中，大部分的移动机器人依靠2d激光雷达实现自动避障功能，还有通过双目相机计算障碍物深度和利用彩色图像对障碍物进行分割，此种算法较为复杂而且计算量大，实时性较低；以及使用rgbd相机点云进行自适应密度聚类算法，通过计算质心来计算地面断层面积的方法，此种算法在遇到地面大大断层等室内楼梯口，在宽敞的环境中易检测失败。
目前已有的解决方法，包括：如，基于YOLO算法的视觉系统，可以识别可能成为移动机器人路径障碍的静态物体；对比传统机器车避障方法，可以预定义障碍物进行训练，得到较好的识别准确率，误差低于3,64％；但对于机器车而言，需要用到深度学习，消耗算力，无法满足前进过程中的实时性要求；还有，如根据rgbd深度相机生成三维点云，做自适应点云聚类，分割出障碍物点云簇，根据障碍物三维点云点簇质心及大小得出障碍物的信息，最后转换为2d激光雷达信息；但是这种方案在点云信息不全时会误检，无法达到避障目的。
一种具有实时检测地下障碍物的方法及装置亟待研发。
发明内容
为了解决现有技术的不足，本发明提供一种实时检测地下障碍物的方法及装置，其技术方案如下：
一种实时检测地下障碍物的方法，包括：
生成点云数据后，对点云数据进行体素化降采样处理，得到处理后的点云数据；
将点云分割成若干块地面断层点云，聚类出若干个点云簇作为地面断层点簇；
通过所述地面断层点簇，获取每一个点簇的最大深度位置以及宽度信息，利用所述机器车的位姿约束，得到地面断层的地面面积；
根据所述地面断层点簇的位置、大小信息以及所述地面断层的地面面积，得到平面点云信息，获取地下障碍物的信息。
所述“生成点云数据后，对点云数据进行体素化降采样处理，得到处理后的点云数据”，包括：
使用Astra相机驱动生成点云数据；
利用PCL点云库对所述点云数据进行体素化降采样处理，设置体素栅格大小，并将降采样后的点云保存为sorCloud，格式为PointXYZ。
在所述“生成点云数据后，对点云数据进行体素化降采样处理，得到处理后的点云数据”之后，还包括：无关点云剔除的步骤：
通过直通滤波器，将高于地面的点云以及设定距离之外的点云剔除。
所述“将点云分割成若干块地面断层点云，聚类出若干个点云簇作为地面断层点簇”，包括：
利用PCL点云库中的欧式聚类算法对所述点云数据进行聚类，将点云分割成若干块地面断层点云；
设置每一簇点云数据的最低点云点数和最大点云点数，得到地下障碍物点云。
所述“通过所述地面断层点簇，获取每一个点簇的最大深度位置以及宽度信息，利用所述机器车的位姿约束，得到地面断层的地面面积”，包括：
通过所述地面断层点簇，获取每一个点簇的最大深度位置以及宽度信息，得到最大深度点与机器车相机间的连线，并且获取该连线与水平面的夹角；
通过三角形相似性，得到地面断层的宽度，进而得到地面断层地面面积。
一种如上所述的实时检测地下障碍物的方法在机器车局部规划方向上的应用。
一种实时检测地下障碍物的装置，包括：
采集模块，用于生成点云数据；
聚类模块，与所述采集模块进行数据交互，用于对所述点云数据进行聚类，获得若干个点云簇作为地面断层点簇；
处理模块，与所述聚类模块进行数据交互，用于通过所述地面断层点簇获得地下障碍物地面面积，并将该地下障碍物地面面积转换为平面点云信息；
通信模块，与所述处理模块进行数据交互，用于通过所述通信模块将所述平面点云信息发送至机器车的局部规划器，实现避障。
一种实时检测地下障碍物的系统，包括：
机器车，用于巡航；
如上所述的实时检测地下障碍物的装置，与所述机器车进行数据通信，用于向所述机器车发送平面点云信息，实现所述机器车的避障。
一种实时检测地下障碍物的电子装置，包括：
存储介质，用于存储计算机程序；
处理单元，与所述存储介质进行数据交换，用于在进行实时检测地下障碍物时，通过所述处理单元执行所述计算机程序，进行如上所述的一种实时检测地下障碍物的方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序；
所述计算机程序在运行时，执行如上所述的一种实时检测地下障碍物的方法的步骤。
本发明的有益效果是：
本发明所述的方法，在生成点云数据后，对点云数据进行体素化降采样处理，得到处理后的点云数据；然后，将点云分割成若干块地面断层点云，聚类出若干个点云簇作为地面断层点簇；再通过所述地面断层点簇，获取每一个点簇的最大深度位置以及宽度信息，利用所述机器车的位姿约束，得到地面断层的地面面积；最后，根据所述地面断层点簇的位置、大小信息以及所述地面断层的地面面积，得到平面点云信息，获取地下障碍物的信息；对于本发明所述的方法，其整个过程的计算量较使用了深度学习的障碍物识别算法以及图像分割算法低，在三维点云的计算方法中较计算质心的方法更为准确，能够实时提高机器车避障功能的准确性、稳定性。
本发明所述的装置，通过采集模块生成点云数据；聚类模块与所述采集模块进行数据交互，对所述点云数据进行聚类，获得若干个点云簇作为地面断层点簇；然后通过处理模块与所述聚类模块进行数据交互，用于通过所述地面断层点簇获得地下障碍物地面面积，并将该地下障碍物地面面积转换为平面点云信息；最后，利用通信模块与所述处理模块进行数据交互，用于通过所述通信模块将所述平面点云信息发送至机器车的局部规划器，实现避障。本发明所述的装置，解决了机器车在未知环境下只能得到地面断层洞内单侧竖直面点云，无法完整检测到地面断层面积大小，进而无法实现避障一个难题，同时能满足机器车前进的实时性要求。
附图说明
图1为本发明的地面断层识别的整体流程框图；
图2为本发明地下障碍物检测识别结果示意图；
图3为本发明的地面断层宽度计算示意图；
图4为本发明所述的装置的结构框图。
其中，1.深度相机；2.欧式聚类后的地面断层点云；3.识别后构造的地面断层边缘的描点点云；100.采集模块；200.聚类模块；300.处理模块；400.通信模块；500.机器车。
具体实施方式
本发明所述的方法步骤如图1所示，在本部分提供本发明所述方法在机器车局部规划方向上应用的实施例。
实施例：
如图1和图2所示，本实例提供了基于rgbd相机点云的机器车局部规划实时检测地面断层的方法，包括：降采样预处理、无关点云剔除、点云欧式聚类、计算地下障碍物地面面积和数据转换五个部分；在本实例中，使用了乐视三合一体感摄像头LeTMC-520作为深度相机，如图2中相机1所示。
下面分别介绍每一部分的具体实现步骤：
1.预处理：使用ROS中的Astra相机驱动生成点云数据，在得到点云数据后，用PCL点云库对点云数据进行体素化降采样处理，设置体素栅格大小为1立方厘米，并将降采样后的点云保存为sorCloud，优选格式为PointXYZ；在本步骤中，对点云数据进行降采样能够保证计算结果的实时性；
2.无关点云剔除：在本文所述场景中，仅需实现对机器车前方两米范围内的地下障碍物的识别检测，故通过直通滤波器，将高于地面的点云以及两米之外的点云剔除；可以节省不必要的算力；
3.欧式聚类：利用PCL点云库中的欧式聚类算法对上一步中的三维点云进行聚类，这种聚类办法可以剔除三维点云中的噪点，去除干扰，将点云分割成若干块地面断层点云；优选的，设置每一簇最低的点云点数50，以保证去除深度相机点云干扰，所得结果均为地下障碍物点云；具体的，对点云构造kd数，然后设定最小点数为50，最大点数25000，点间最大距离为2厘米，从而聚类出若干个点云簇；
4.计算地下障碍物地面面积：通过上一步获得的地面断层点簇，计算每一个点簇的最大深度位置以及宽度信息，根据已知的位姿约束，可以得到最大深度点与相机间的连线与水平面的夹角，通过三角形相似性，得到地面断层的宽度，进而得到地面断层地面面积；如图3所示，可计算得到地面断层宽度信息：
Figure BDA0003252327400000061
5.数据转换：根据点簇的位置、大小信息以及上一步计算的地面断层地面面积信息，用2d矩形生成高度为0.2米的平面点云信息，传递给机器车局部规划器，供小车局部规划器避障使用；其中，每一个点簇都会在0.2米的高度出构造出一个矩形，地面断层点云越复杂，最终的拟合效果就会越好。
本文还提供一种实施例：
如图4，一种实时检测地下障碍物的装置，包括：采集模块100、聚类模块200、处理模块300以及通信模块400；其中，采集模块100用于生成点云数据；聚类模块200与所述采集模块100进行数据交互，用于对所述点云数据进行聚类，获得若干个点云簇作为地面断层点簇；处理模块300与所述聚类模块200进行数据交互，用于通过所述地面断层点簇获得地下障碍物地面面积，并将该地下障碍物地面面积转换为平面点云信息；通信模块400与所述处理模块300进行数据交互，用于通过所述通信模块400将所述平面点云信息发送至机器车500的局部规划器，实现避障。
本发明还提供一种实施例：
一种实时检测地下障碍物的系统，包括：机器车，用于巡航和如上所述的实时检测地下障碍物的装置；实时检测地下障碍物的装置与所述机器车进行数据通信，用于向所述机器车发送平面点云信息，实现所述机器车的避障。
本发明还提供一种实施例：
一种实时检测地下障碍物的电子装置，包括：存储介质和处理单元；其中，存储介质用于存储计算机程序；处理单元与所述存储介质进行数据交换，用于在进行实时检测地下障碍物时，通过所述处理单元执行所述计算机程序，进行如上所述的一种实时检测地下障碍物的方法的步骤。
本发明还提供一种实施例：
一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行如上所示的方法的程序代码。该计算机程序可以从网络上被下载和安装。在该计算机程序被CPU执行时，执行本发明的系统中限定的上述功能。
本发明还提供一种实施例：
一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序；所述计算机程序在运行时，执行如上所述的一种实时检测地下障碍物的方法的步骤。
在本发明中，计算机可读的存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
以上公开的仅为本发明的几个具体实施场景，但是，本发明并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。

Claims (8)

1.一种实时检测地下障碍物的方法，用于机器车避障，其特征在于，包括：
生成点云数据后，对点云数据进行体素化降采样处理，得到处理后的点云数据；
将点云分割成若干块地面断层点云，聚类出若干个点云簇作为地面断层点簇；
通过所述地面断层点簇，获取每一个点簇的最大深度位置以及宽度信息，利用所述机器车的位姿约束，得到地面断层的地面面积；
根据所述地面断层点簇的位置、大小信息以及所述地面断层的地面面积，得到平面点云信息，获取地下障碍物的信息；
所述“通过所述地面断层点簇，获取每一个点簇的最大深度位置以及宽度信息，利用所述机器车的位姿约束，得到地面断层的地面面积”，包括：
通过所述地面断层点簇，获取每一个点簇的最大深度位置以及宽度信息，得到最大深度点与机器车相机间的连线，并且获取该连线与水平面的夹角；
通过三角形相似性，得到地面断层的宽度，进而得到地面断层地面面积。
2.根据权利要求1所述的一种实时检测地下障碍物的方法，其特征在于，所述“生成点云数据后，对点云数据进行体素化降采样处理，得到处理后的点云数据”，包括：
使用Astra 相机驱动生成点云数据；
利用 PCL 点云库对所述点云数据进行体素化降采样处理，设置体素栅格大小，并将降采样后的点云保存为 sorCloud，格式为 PointXYZ。
3.根据权利要求1所述的一种实时检测地下障碍物的方法，其特征在于，在所述“生成点云数据后，对点云数据进行体素化降采样处理，得到处理后的点云数据”之后，还包括：无关点云剔除的步骤：
通过直通滤波器，将高于地面的点云以及设定距离之外的点云剔除。
4.根据权利要求1所述的一种实时检测地下障碍物的方法，其特征在于，所述“将点云分割成若干块地面断层点云，聚类出若干个点云簇作为地面断层点簇”，包括：
利用 PCL 点云库中的欧式聚类算法对所述点云数据进行聚类，将点云分割成若干块地面断层点云；
设置每一簇点云数据的最低点云点数和最大点云点数，得到地下障碍物点云。
5.一种实时检测地下障碍物的装置，基于权利要求1所述的实时检测地下障碍物的方法，其特征在于，包括：
采集模块，用于生成点云数据；
聚类模块，与所述采集模块进行数据交互，用于对所述点云数据进行聚类，获得若干个点云簇作为地面断层点簇；
处理模块，与所述聚类模块进行数据交互，用于通过所述地面断层点簇获得地下障碍物地面面积，并将该地下障碍物地面面积转换为平面点云信息；
通信模块，与所述处理模块进行数据交互，用于通过所述通信模块将所述平面点云信息发送至机器车的局部规划器，实现避障。
6.一种实时检测地下障碍物的系统，其特征在于，包括：
机器车，用于巡航；
如权利要求5所述的实时检测地下障碍物的装置，与所述机器车进行数据通信，用于向所述机器车发送平面点云信息，实现所述机器车的避障。
7.一种实时检测地下障碍物的电子装置，其特征在于，包括：
存储介质，用于存储计算机程序；
处理单元，与所述存储介质进行数据交换，用于在进行实时检测地下障碍物时，通过所述处理单元执行所述计算机程序，进行如权利要求1-4中任一权利要求所述的一种实时检测地下障碍物的方法的步骤。
8.一种计算机可读存储介质，其特征在于：
所述计算机可读存储介质内存储有计算机程序；
所述计算机程序在运行时，执行如权利要求1-4中任一权利要求所述的一种实时检测地下障碍物的方法的步骤。
CN202111049795.1A 2021-09-08 2021-09-08 实时检测地下障碍物的方法及装置 Active CN113935946B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111049795.1A CN113935946B (zh) 2021-09-08 2021-09-08 实时检测地下障碍物的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111049795.1A CN113935946B (zh) 2021-09-08 2021-09-08 实时检测地下障碍物的方法及装置

Publications (2)

Publication Number Publication Date
CN113935946A CN113935946A (zh) 2022-01-14
CN113935946B true CN113935946B (zh) 2023-04-18

Family

ID=79275313

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111049795.1A Active CN113935946B (zh) 2021-09-08 2021-09-08 实时检测地下障碍物的方法及装置

Country Status (1)

Country Link
CN (1) CN113935946B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115236696B (zh) * 2022-09-22 2022-12-09 毫末智行科技有限公司 确定障碍物的方法、装置、电子设备及存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110687549B (zh) * 2019-10-25 2022-02-25 阿波罗智能技术(北京)有限公司 障碍物检测方法和装置
CN111291708B (zh) * 2020-02-25 2023-03-28 华南理工大学 融合深度相机的变电站巡检机器人障碍物检测识别方法
CN112258489A (zh) * 2020-10-30 2021-01-22 广东杜尼智能机器人工程技术研究中心有限公司 扫地机器人路面凹陷的检测方法
CN112464812B (zh) * 2020-11-27 2023-11-24 西北工业大学 一种基于车辆的凹陷类障碍物检测方法
CN113176585B (zh) * 2021-04-14 2024-03-22 浙江工业大学 一种基于三维激光雷达的路面异常检测方法

Also Published As

Publication number Publication date
CN113935946A (zh) 2022-01-14

Similar Documents

Publication Publication Date Title
CN110286387B (zh) 应用于自动驾驶系统的障碍物检测方法、装置及存储介质
EP3660618B1 (en) Map building and positioning of robot
CN110097553B (zh) 基于即时定位建图与三维语义分割的语义建图系统
CA2950791C (en) Binocular visual navigation system and method based on power robot
CN108470174B (zh) 障碍物分割方法及装置、计算机设备及可读介质
CN108303096B (zh) 一种视觉辅助激光定位系统及方法
CN115049700A (zh) 一种目标检测方法及装置
CN109816780B (zh) 一种双目序列影像的输电线路三维点云生成方法及装置
EP4166281A1 (en) Method and apparatus for robot to grab three-dimensional object
CN112097732A (zh) 一种基于双目相机的三维测距方法、系统、设备及可读存储介质
CN107885224A (zh) 基于三目立体视觉的无人机避障方法
WO2020237516A1 (zh) 点云的处理方法、设备和计算机可读存储介质
CN112171675B (zh) 一种移动机器人的避障方法、装置、机器人及存储介质
CN110705385B (zh) 一种障碍物角度的检测方法、装置、设备及介质
CN115641553B (zh) 掘进机作业环境侵入物的在线检测装置及方法
CN111126116A (zh) 无人船河道垃圾识别方法及系统
CN113920134A (zh) 一种基于多线激光雷达的斜坡地面点云分割方法及系统
WO2024087962A1 (zh) 车厢姿态识别系统、方法、电子设备及存储介质
CN114612616A (zh) 建图方法、装置、电子设备和存储介质
CN113112491A (zh) 一种悬崖检测方法、装置、机器人及存储介质
CN113674355A (zh) 一种基于相机与激光雷达的目标识别与定位方法
CN113935946B (zh) 实时检测地下障碍物的方法及装置
CN113936210A (zh) 塔吊防撞方法
CN114764885A (zh) 障碍物的检测方法、装置、计算机可读存储介质和处理器
CN113536959A (zh) 一种基于立体视觉的动态障碍物检测方法

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