CN114299392A - 移动机器人及其门槛识别方法、装置及存储介质 - Google Patents
移动机器人及其门槛识别方法、装置及存储介质 Download PDFInfo
- Publication number
- CN114299392A CN114299392A CN202111629143.5A CN202111629143A CN114299392A CN 114299392 A CN114299392 A CN 114299392A CN 202111629143 A CN202111629143 A CN 202111629143A CN 114299392 A CN114299392 A CN 114299392A
- Authority
- CN
- China
- Prior art keywords
- endpoint
- threshold
- cloud data
- coordinate information
- mobile robot
- 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
Images
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种移动机器人及其门槛识别方法、装置及存储介质,其中,方法包括以下步骤:获取第一目标对象在第一预设高度的第一点云数据,以及获取第二目标对象在第二预设高度的第二点云数据,其中,第一预设高度对应门槛高度设置,第二预设高度大于第一预设高度;对第一点云数据和第二点云数据进行端点提取处理,分别获得第一端点和第二端点;根据第一端点的第一坐标信息和第二端点的第二坐标信息识别门槛。由此,针对不同高度的点云数据进行端点提取处理,并根据端点坐标信息进行门槛识别,从而,移动机器人无需跨越或靠近门槛就可以远距离识别出门槛,增加移动机器人的缓冲响应时间。
Description
技术领域
本发明涉及移动机器人技术领域,尤其涉及一种移动机器人的门槛识别方法、一种计算机可读存储介质、一种移动机器人和一种移动机器人的门槛识别装置。
背景技术
现在,机器人门槛识别技术已经可以十分精确识别门槛特征,但是仍然存在一个问题,那就是效率问题。
以现有技术的扫地机为例,门槛识别技术通常采用以下两种方式:一种是物理方式检测,即通过对扫地机跨越高度限制,越过即是门槛,然而该方法对周围环境感知性较差,不能提前发现门槛,另一种是通过有限的感知技术和物理方式结合实现对障碍物特征分析,以达到区分门槛和一般障碍物,然而该方法由于识别范围较小,对于道路变化反应较慢,有一定试错成本。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此,本发明的第一个目的在于提出一种移动机器人的,能够针对不同高度的点云数据进行端点提取处理,并根据端点坐标信息进行门槛识别,从而,移动机器人无需跨越或靠近门槛就可以远距离识别出门槛,增加移动机器人的缓冲响应时间。
本发明的第二个目的在于提出一种计算机可读存储介质。
本发明的第三个目的在于提出一种移动机器人。
本发明的第四个目的在于提出一种移动机器人的门槛识别装置。
为达到上述目的,本发明第一方面实施例提出的移动机器人的门槛识别方法,包括:获取第一目标对象在第一预设高度的第一点云数据,以及获取第二目标对象在第二预设高度的第二点云数据,其中,所述第一预设高度对应门槛高度设置,所述第二预设高度大于所述第一预设高度;对所述第一点云数据和所述第二点云数据进行端点提取处理,分别获得第一端点和第二端点;根据所述第一端点的第一坐标信息和所述第二端点的第二坐标信息识别门槛。
根据本发明实施例提出的移动机器人的门槛识别方法,获取第一目标对象在第一预设高度的第一点云数据,以及获取第二目标对象在第二预设高度的第二点云数据,其中,第一预设高度对应门槛高度设置,第二预设高度大于第一预设高度,并对第一点云数据和第二点云数据进行端点提取处理,分别获得第一端点和第二端点,进而,根据第一端点的第一坐标信息和第二端点的第二坐标信息识别门槛。由此,针对不同高度的点云数据进行端点提取处理,并根据端点坐标信息进行门槛识别,从而,移动机器人无需跨越或靠近门槛就可以远距离识别出门槛,增加移动机器人的缓冲响应时间。
另外,根据本发明实施例的移动机器人的门槛识别方法,还可以具有如下的附加技术特征:
根据本发明的一个实施例,所述第一点云数据由第一检测单元在所述第一预设高度扫描获得;以及,所述第二点云数据由第二检测单元在所述第二预设高度扫描获得。
根据本发明的一个实施例,所述第一检测单元通过激光检测方式对在所述第一预设高度的所述第一目标对象进行扫描,所述第二检测单元通过所述激光检测方式对在所述第二预设高度的所述第二目标对象进行扫描。
根据本发明的一个实施例,所述第一检测单元为线激光测距装置,且对应所述第一预设高度设置、所述第二检测单元点为所述线激光测距装置、点激光测距装置和面激光测距装置中的至少一种,且对应所述第二预设高度设置。
根据本发明的一个实施例,所述第一检测单元为所述线激光测距装置,所述第二检测单元为所述点激光测距装置,其中,对所述第一点云数据和所述第二点云数据进行端点提取处理,包括:根据所述第一点云数据生成激光线段,对所述激光线段的两端进行端点提取处理,以获得所述第一端点;以及,对所述第二点云数据进行聚类运算以生成对应所述第二点云数据的聚类线段,对所述对应所述第二点云数据的聚类线段的两端进行端点提取处理,以获得所述第二端点。
根据本发明的一个实施例,根据所述第一端点的第一坐标信息和所述第二端点的第二坐标信息识别门槛,包括:对所述第一端点和所述第二端点进行坐标转换,以使所述第一坐标信息和所述第二坐标信息位于同一坐标系内;根据位于所述同一坐标系内的所述第一坐标信息和所述第二坐标信息识别门槛。
根据本发明的一个实施例,根据位于所述同一坐标系内的所述第一坐标信息和所述第二坐标信息识别门槛,包括:根据所述第一端点的第一坐标信息和所述第二端点的第二坐标信息,判断是否有至少一个所述第二端点位于所述第一端点组成的线段上;若有至少一个所述第二端点位于所述第一端点组成的线段上,则识别所述第一目标对象为所述门槛。
根据本发明的一个实施例,根据位于所述同一坐标系内的所述第一坐标信息和所述第二坐标信息识别门槛,还包括:若所述第二端点均未位于所述第一端点组成的线段上,则进一步判断所述第一端点是否均位于所述第二端点组成的线段上,或者,判断所述第一端点是否位于所述第二端点组成的多个线段之间;若所述第一端点均位于第二端点组成的线段上,则识别所述第一目标对象为墙体,以及,若所述第一端点位于所述第二端点组成的多个线段之间,则识别所述第一目标对象为门槛。
根据本发明的一个实施例,在识别所述第一目标对象为门槛后,所述移动机器人的门槛识别方法的方法,还包括:获取第三目标对象在第三预设高度的第三点云数据,其中,所述第三预设高度大于所述第二预设高度;对所述第三点云数据进行端点提取处理,获得第三端点;根据所述第一端点的第一坐标信息和所述第三端点的第三坐标信息,判断是否控制所述移动机器人继续行进。
根据本发明的一个实施例,对所述第三点云数据进行端点提取处理,包括:对所述第三点云数据进行聚类运算以生成对应所述第三点云数据的聚类线段,并对所述对应所述第三点云数据的聚类线段的两端进行端点提取处理,以获得所述第三端点。
根据本发明的一个实施例,根据所述第一端点的第一坐标信息和所述第三端点的第三坐标信息,判断是否控制所述移动机器人继续行进,包括:对所述第一端点和所述第三端点进行坐标转换,以使所述第一坐标信息和所述第三坐标信息位于同一坐标系内;根据位于所述同一坐标系内的所述第一端点的第一坐标信息和所述第三端点的第三坐标信息,判断所述第一端点是否均位于所述第三端点组成的线段上;若所述第一端点均位于所述第三端点组成的线段上,则识别所述第三目标对象为门梁,控制所述移动机器人停止继续行进,并进行转向。
根据本发明的一个实施例,所述第三检测单元点为所述线激光测距装置、点激光测距装置和面激光测距装置中的至少一种,且对应所述第三预设高度设置。
为达到上述目的,本发明第二方面实施例提出的计算机可读存储介质,其上存储有移动机器人的门槛识别程序,所述移动机器人的门槛识别程序被处理器执行时如上所述的移动机器人的门槛识别方法。
根据本发明实施例提出的计算机可读存储介质,能够针对不同高度的点云数据进行端点提取处理,并根据端点坐标信息进行门槛识别,从而,移动机器人无需跨越或靠近门槛就可以远距离识别出门槛,增加移动机器人的缓冲响应时间。
为达到上述目的,本发明第三方面实施例提出的移动机器人,包括存储器、处理器及存储在存储器上并可在处理器上运行的移动机器人的门槛识别程序,所述处理器执行所述移动机器人的门槛识别程序时,实现如上所述的移动机器人的门槛识别方法。
根据本发明实施例提出的移动机器人,能够针对不同高度的点云数据进行端点提取处理,并根据端点坐标信息进行门槛识别,从而,移动机器人无需跨越或靠近门槛就可以远距离识别出门槛,增加移动机器人的缓冲响应时间。
为达到上述目的,本发明第四方面提出的移动机器人的门槛识别装置,所述装置包括:获取模块,所述获取模块用于获取第一目标对象在第一预设高度的第一点云数据,以及获取第二目标对象在第二预设高度的第二点云数据,其中,所述第一预设高度对应门槛高度设置,所述第二预设高度大于所述第一预设高度;端点提取模块,所述端点提取模块用于对所述第一点云数据和所述第二点云数据进行端点提取处理,分别获得第一端点和第二端点;识别模块,所述识别模块用于根据所述第一端点的第一坐标信息和所述第二端点的第二坐标信息识别门槛。
根据本发明实施例的移动机器人的门槛识别装置,通过获取模块获取第一目标对象在第一预设高度的第一点云数据,以及获取第二目标对象在第二预设高度的第二点云数据,其中,第一预设高度对应门槛高度设置,第二预设高度大于第一预设高度,并通过端点提取模块对第一点云数据和第二点云数据进行端点提取处理,分别获得第一端点和第二端点,进而,通过识别模块根据第一端点的第一坐标信息和第二端点的第二坐标信息识别门槛。由此,针对不同高度的点云数据进行端点提取处理,并根据端点坐标信息进行门槛识别,从而,移动机器人无需跨越或靠近门槛就可以远距离识别出门槛,可以在移动机器人高速运动的同时提前识别门槛,增加移动机器人的缓冲响应时间,有利于移动机器人进行路径规划和合理跨越门槛。此外,利用第一端点和第二端点的坐标信息识别门槛的方法,无需复杂的计算,计算简单方便,同时准确率较高,可以较大减少运算量,降低芯片的负载以及功耗。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
图1是根据本发明实施例的移动机器人的门槛识别方法的流程示意图;
图2是根据本发明一个具体实施例的移动机器人的检测单元设置方式示意图;
图3是根据本发明一个实施例的移动机器人的门槛识别方法的流程示意图;
图4是根据本发明一个实施例的移动机器人的门槛识别方法的流程示意图;
图5是根据本发明一个具体实施例的激光线段和聚类点线段的位置分布示意图;
图6是根据本发明一个实施例的移动机器人的门槛识别方法的流程示意图;
图7是根据本发明一个具体实施例的激光线段和聚类点线段的位置分布示意图;
图8是根据本发明一个具体实施例的激光线段和聚类点线段的位置分布示意图;
图9是根据本发明一个实施例的移动机器人的门槛识别方法的流程示意图;
图10是根据本发明一个实施例的移动机器人的门槛识别方法的流程示意图;
图11是根据本发明一个具体实施例的激光线段和聚类点线段的位置分布示意图;
图12是根据本发明实施例的移动机器人的门槛识别装置的方框示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的移动机器人的门槛识别方法、计算机可读存储介质、移动机器人和移动机器人的门槛识别装置。
图1是根据本发明实施例的移动机器人的门槛识别方法的流程示意图。
如图1所示,移动机器人的门槛识别方法,包括以下步骤:
S101,获取第一目标对象在第一预设高度的第一点云数据,以及获取第二目标对象在第二预设高度的第二点云数据,其中,第一预设高度对应门槛高度设置,第二预设高度大于第一预设高度。
可以理解的是,第一目标对象可以为对应第一预设高度的障碍物或被扫描物,例如门槛,第二目标对象可以为对应第二预设高度的障碍物或被扫描物,例如墙体。
具体地,在本发明的一个实施例中,第一点云数据可以由第一检测单元在第一预设高度扫描获得,以及,第二点云数据可以由第二检测单元在第二预设高度扫描获得。
更具体地,在本发明的实施例中,第一检测单元可以为线激光测距装置,且可以对应第一预设高度进行设置,如假设门槛的第一预设高度为2cm,则第一检测单元的安装高度可以设为离地面2cm或者小于2cm的高度,也可以高于门槛高度如离地面3cm或10cm的高度,或者大于2cm的其他高度,在此不做限定,只要能检测到门槛即可,第二检测单元可以为线激光测距装置、点激光测距装置和面激光测距装置中的至少一种,且可以对应第二预设高度进行设置,如第一检测单元的安装高度为离地面2cm的高度,则第二检测单元的安装高度可以设为离地面3cm或10cm的高度,或者大于2cm的其他高度,在此不做限定,只要第二检测单元的安装高度能够检测到第二预设高度的墙体或者其他障碍物即可,以便于第一检测单元可以通过激光检测方式对在第一预设高度的第一目标对象进行扫描,以及,第二检测单元可以通过激光检测方式对在第二预设高度的第二目标对象进行扫描。换言之,对应第一预设高度设置的第一检测单元用于获得低位扫描高度的第一点云数据,对应第二预设高度设置的第二检测单元用于获得中位扫描高度的第二点云数据。
应理解的是,第一检测单元设为线激光测距装置,该线激光测距装置的激光是倾斜向下发射,其在门槛以及其他第一目标对象的光显示为横向线段,该横向线段具有直接的首尾端点,有利于减少后续的端点提取步骤,减少运算量,提高运算速度,且该线激光发射的激光角度及可视距离能控制检测的距离,可根据门槛高度灵活调整以检测到门槛,相应的该线激光测距装置的安装高度可以与第二检测单元的安装高度一致,在此不做限定。
同时,为了提高第二检测单元扫描到第二目标对象的准确性,在本发明的实施例中,如图2所示,第二检测单元可以优选为点激光测距装置,其中,点激光测距装置的高度扫描范围大于线激光测距装置的高度扫描范围,以检测更大高度范围。
另外,在本发明未示出的实施例中,第一检测单元和第二检测单元还可以通过超声波检测或者摄像头检测等其它检测方式对在第一预设高度的第一目标对象进行扫描,以及对在第二预设高度的第二目标对象进行扫描。
S102,对第一点云数据和第二点云数据进行端点提取处理,分别获得第一端点和第二端点。
具体地,第一检测单元为线激光测距装置,第二检测单元为点激光测距装置,其中,如图所示,对第一点云数据和第二点云数据进行端点提取处理,包括:
根据第一点云数据生成激光线段,对激光线段的两端进行端点提取处理,以获得第一端点。
应理解的是,由于第一检测单元为线激光测距装置,因此,第一点云数据具有线性的特点,可以直接生成对应的激光线段,进而,可以通过对激光线段的两端进行端点提取处理,以获得第一端点,其中,第一端点包括激光线段的首尾端点。
以及,对第二点云数据进行聚类运算以生成对应第二点云数据的聚类线段,对对应第二点云数据的聚类线段的两端进行端点提取处理,以获得第二端点。
应理解的是,当第二检测单元非线激光测距装置时,由于第二点云数据不具有线性的特点,无法直接生成对应的激光线段,因此需要先通过对第二点云数据进行聚类运算以生成对应第二点云数据的聚类线段,再对对应第二点云数据的聚类线段的两端进行端点提取处理,以获得第二端点,其中,第二端点包括聚类线段的首尾端点,例如,可以通过计算对应第二点云数据的聚类线段中的每个聚类点之间的距离,以将距离最大的两个聚类点确定为第二端点。
可选地,在本发明的实施例中,可以基于欧式距离对第二点云数据进行聚类运算,也可以基于密度对第二点云数据进行聚类运算。
S103,根据第一端点的第一坐标信息和第二端点的第二坐标信息识别门槛。
由此,在本发明的实施例中,可以通过设置在第一预设高度的线激光测距装置对第一目标对象进行扫描,以及通过设置在第二预设高度的点激光测距装置对第二目标对象进行扫描,以获取不同预设高度的点云数据,并对点云数据进行端点提取处理,以根据第一端点的第一坐标信息和第二端点的第二坐标信息进行门槛识别,从而,使得移动机器人无需跨越或靠近门槛就可以远距离识别出门槛,可以在移动机器人高速运动的同时提前识别门槛,增加移动机器人的缓冲响应时间,有利于移动机器人进行路径规划和合理跨越门槛。此外,利用第一端点和第二端点的坐标信息识别门槛的方法,无需复杂的计算,计算简单方便,同时准确率较高,可以较大减少运算量,降低芯片的负载以及功耗。
进一步地,如图3所示,根据第一端点的第一坐标信息和第二端点的第二坐标信息识别门槛,包括:
S201,对第一端点和第二端点进行坐标转换,以使第一坐标信息和第二坐标信息位于同一坐标系内。
应理解的是,由于线激光测距装置、点激光测距装置和面激光测距装置所采集的点云数据为极坐标系数据,因此,在本发明的实施例中,为进一步地简化移动机器人的数据运算量,还可以对第一端点和第二端点进行坐标转换,以使第一坐标信息和第二坐标信息位于同一坐标系内,例如,将第一点云数据和第二点云数据均转换为笛卡尔坐标系数据。
S202,根据位于同一坐标系内的第一坐标信息和第二坐标信息识别门槛。
下面结合附图4-11和本发明的具体实施例,对识别门槛的具体实施方式进行相应的说明。
如图4所示,根据位于同一坐标系内的第一坐标信息和第二坐标信息识别门槛,包括:
S301,根据第一端点的第一坐标信息和第二端点的第二坐标信息,判断是否有至少一个第二端点位于第一端点组成的线段上。
举例而言,以第一端点中的激光线段首端点作为坐标原点,激光线段作为坐标x轴,构建笛卡尔坐标系,并将第二端点的第二坐标信息垂直投影至与第一端点的第一坐标信息对应的坐标x轴上,以判断第二端点是否位于第一端点组成的线段上,此时,若投影后的第二端点对应的x轴坐标位于激光线段的首端点x轴坐标与激光线段的尾端点x轴坐标之间,则可以判断至少一个第二端点位于第一端点组成的线段上,反之,则可以判断第二端点未位于第一端点组成的线段上。
以第二端点的任一端点为例进行说明,假设第一端点的第一坐标信息分别对应为首端点(0,0)和尾端点(X1,0),第二端点的第二坐标信息对应为(X21,Y21),此时,可以将第二端点的第二坐标信息垂直投影至坐标x轴,以判断第二端点是否位于第一端点组成的线段上,例如,假设垂直投影后的第二端点的第二坐标信息对应的x轴坐标X21位于第一端点的第一坐标信息(如x轴坐标0,即坐标原点)的左侧,或者,垂直投影后的第二端点的第二坐标信息对应的x轴坐标X21位于第一端点的第一坐标信息(如x轴坐标X1)的右侧,则可以判断第二端点未位于第一端点组成的线段上,又例如,假设垂直投影后的第二端点的第二坐标信息对应的x轴坐标X21位于第一端点的第一坐标信息的x轴坐标0与X1之间,则可以判断至少一个第二端点位于第一端点组成的线段上。
S302,若有至少一个第二端点位于第一端点组成的线段上,则识别第一目标对象为门槛。
应理解的是,如果有至少一个第二端点位于第一端点组成的线段上,如图5所示,此时,可以判断出第一检测单元扫描获得的是对应墙体与门槛交界处的第一点云数据,第二检测单元扫描获得的是对应墙体的第二点云数据,因此,移动机器人可以识别出第一目标对象为门槛。
进一步地,如图6所示,根据位于同一坐标系内的第一坐标信息和第二坐标信息识别门槛,还包括:
S401,若第二端点均未位于第一端点组成的线段上,则进一步判断第一端点是否均位于第二端点组成的线段上,或者,判断第一端点是否位于第二端点组成的多个线段之间。
同样地,以第一端点中的激光线段首端点作为坐标原点,激光线段作为坐标x轴,构建笛卡尔坐标系,并将第一端点的第一坐标信息垂直投影至与第二端点的第二坐标信息对应的坐标x轴上,以进一步判断第一端点是否均位于第二端点组成的线段上,或者,判断第一端点是否位于第二端点组成的多个线段之间,此时,若投影后的第一端点对应的x轴坐标均位于聚类线段的首端点x轴坐标与聚类线段的尾端点x轴坐标之间,则可以判断第一端点均位于第二端点组成的线段上,以及,若投影后的第一端点对应的x轴坐标位于一条聚类线段的尾端点x轴坐标与另一条聚类线段的首端点x轴坐标之间,则可以判断第一端点位于第二端点组成的多个线段之间。
以第一端点的首尾端点为例进行说明,假设第一端点的第一坐标信息对应为(0,0)和(X1,0),第二端点的第二坐标信息分别对应为(X21,Y)、(X22,Y)、(X23,Y)、(X24,Y),以(X21,Y)和(X22,Y)作为首尾端点组成第一条聚类线段,以及以(X23,Y)和(X24,Y)作为首尾端点组成第二条聚类线段,此时,可以将第一端点的第一坐标信息垂直投影至第一条聚类线段或第二条聚类线段上,以判断第一端点是否均位于第二端点组成的线段上,例如,假设垂直投影后的第一坐标信息x轴坐标0和X1均位于X21和X22之间,或者,第一坐标信息x轴坐标0和X1均位于X23和X24之间,则可以判断第一端点均位于第二端点组成的线段上,又例如,假设垂直投影后的第一坐标信息x轴坐标0或X1位于X23和X24之间,则可以判断第一端点位于第二端点组成的多个线段之间。
S402,若第一端点均位于第二端点组成的线段上,则识别第一目标对象为墙体,以及,若第一端点位于第二端点组成的多个线段之间,则识别第一目标对象为门槛。
应理解的是,如果第一端点均位于第二端点组成的线段上,如图7所示,此时,可以判断出第一检测单元扫描获得的是对应墙体的第一点云数据,第二检测单元扫描获得的是对应墙体的第二点云数据,因此,移动机器人可以识别出第一目标对象为墙体。
以及,如果第一端点位于第二端点组成的多个线段之间,如图8所示,此时,可以判断出第一检测单元扫描获得的是对应门槛的第一点云数据,第二检测单元扫描获得的是对应墙体的第二点云数据,因此,移动机器人可以识别出第一目标对象为门槛。
进一步地,如图9所示,在识别第一目标对象为门槛后,移动机器人的门槛识别方法,还包括:
S501,获取第三目标对象在第三预设高度的第三点云数据,其中,第三预设高度大于第二预设高度。
可以理解的是,第三目标对象可以为对应第三预设高度的障碍物或被扫描物,此时当移动机器人的整体高度较高时,如假设移动机器人的整体高度设为70cm,则在移动机器人过程中,可能会撞到小于或等于70cm的障碍物,例如门梁。
具体地,在本发明的一个实施例中,第三点云数据可以由第三检测单元在第三预设高度扫描获得。
更具体地,在本发明的实施例中,第三检测单元可以为线激光测距装置、点激光测距装置和面激光测距装置中的至少一种,且对应第三预设高度进行设置,如第二检测单元的安装高度为离地面30cm的高度,本实施例中,则第二检测单元的安装高度可以设为离地面40cm或50cm的高度,或者大于30cm的其他高度,在此不做限定,只要第三检测单元的安装高度能够检测到第三预设高度的墙体或者其他障碍物,并且第三检测单元的安装高度高于第二检测单元的安装高度,即可,以便于第三检测单元可以通过激光检测方式对在第三预设高度的第三目标对象进行扫描并相应实施避障策略。换言之,对应第三预设高度设置的第三检测单元用于获得高位扫描高度的第三点云数据。
应理解的是,为了提高第三检测单元扫描到第三目标对象的准确性,在本发明的实施例中,如图2所示,第三检测单元可以优选为面激光测距装置,其中,面激光测距装置的高度扫描范围大于点激光测距装置的高度扫描范围,以检测更大高度范围,使得在行进过程中,以保证对应移动机器人的整体高度范围的障碍物能被检测识别,防止移动机器人碰撞到障碍物。
另外,在本发明未示出的实施例中,第三检测单元还可以通过超声波检测或者摄像头检测等其它检测方式对在第三预设高度的第三目标对象进行扫描。
S502,对第三点云数据进行端点提取处理,获得第三端点。
具体地,对第三点云数据进行端点提取处理,包括:对第三点云数据进行聚类运算以生成对应第三点云数据的聚类线段,并对对应第三点云数据的聚类线段的两端进行端点提取处理,以获得第三端点。
可以理解的是,本发明实施例中提取第三端点的具体实施方式与前述提取第二端点的具体实施方式相对应,为减少冗余,在此不再赘述。
S503,根据第一端点的第一坐标信息和第三端点的第三坐标信息,判断是否控制移动机器人继续行进。
具体地,如图10所示,根据第一端点的第一坐标信息和第三端点的第三坐标信息,判断是否控制移动机器人继续行进,包括:
S601,对第一端点和第三端点进行坐标转换,以使第一坐标信息和第三坐标信息位于同一坐标系内。
应理解的是,由于线激光测距装置、点激光测距装置和面激光测距装置所采集的点云数据为极坐标系数据,因此,在本发明的实施例中,为进一步地简化移动机器人的数据运算量,还可以对第一端点和第三端点进行坐标转换,以使第一坐标信息和第三坐标信息位于同一坐标系内,例如,将第一点云数据和第三点云数据均转换为笛卡尔坐标系数据。
S602,根据位于同一坐标系内的第一端点的第一坐标信息和第三端点的第三坐标信息,判断第一端点是否均位于第三端点组成的线段上。
需要说明的是,本发明实施例中使第一坐标信息和第三坐标信息位于同一坐标系内的具体实施方式与前述使第一坐标信息和第二坐标信息位于同一坐标系内的具体实施方式相对应,以及本发明实施例中判断第一端点是否均位于第三端点组成的线段上的具体实施方式与前述判断第一端点是否均位于第二端点组成的线段上的具体实施方式相对应,为减少冗余,在此不再赘述。
S603,若第一端点均位于第三端点组成的线段上,则识别第三目标对象为门梁,控制移动机器人停止继续行进,并进行转向。
应理解的是,如果第一端点均位于第三端点组成的线段上,如图11所示,此时,可以判断出第一检测单元扫描获得的是对应门槛的第一点云数据,第三检测单元扫描获得的是对应门梁的第三点云数据,因此,移动机器人可以识别出第三目标对象为门梁,此时,可以控制移动机器人停止继续行进,并进行转向,以避免移动机器人与门梁发生碰撞。
需要说明的是,在本发明的实施例中,在获取前述第一端点的第一坐标信息、第二端点的第二坐标信息和第三端点的第三坐标信息之后,还可以将第一端点的第一坐标信息预存至第一检测单元的内存空间、将第二端点预存至第二检测单元的内存空间,以及将第三端点预存至第三检测单元的内存空间。
另外,在本发明的实施例中,还可以进一步结合坐标偏移阈值,判断是否有至少一个第二端点位于第一端点组成的线段上、判断第一端点是否均位于第二端点组成的线段上,或者,判断第一端点是否位于第二端点组成的多个线段之间,以及判断第一端点是否均位于第三端点组成的线段上,从而,避免把在门外或门内某些障碍物误识别为门槛。
综上,根据本发明实施例提出的移动机器人的门槛识别方法,获取第一目标对象在第一预设高度的第一点云数据,以及获取第二目标对象在第二预设高度的第二点云数据,其中,第一预设高度对应门槛高度设置,第二预设高度大于第一预设高度,并对第一点云数据和第二点云数据进行端点提取处理,分别获得第一端点和第二端点,进而,根据第一端点的第一坐标信息和第二端点的第二坐标信息识别门槛。由此,针对不同高度的点云数据进行端点提取处理,并根据端点坐标信息进行门槛识别,从而,移动机器人无需跨越或靠近门槛就可以远距离识别出门槛,可以在移动机器人高速运动的同时提前识别门槛,增加移动机器人的缓冲响应时间,有利于移动机器人进行路径规划和合理跨越门槛。此外,利用第一端点和第二端点的坐标信息识别门槛的方法,无需复杂的计算,计算简单方便,同时准确率较高,可以较大减少运算量,降低芯片的负载以及功耗。
具体地,基于前述本发明实施例的移动机器人的门槛识别方法,本发明还提出了一种计算机可读存储介质,其上存储有移动机器人的门槛识别程序,移动机器人的门槛识别程序被处理器执行时实现如所述的移动机器人的门槛识别方法。
需要说明的是,根据本发明实施例的计算机可读存储介质在执行所述移动机器人的门槛识别程序时,能够实现前述一一对应的移动机器人的门槛识别方法的具体实施方式,在此不再赘述。
综上,根据本发明实施例提出的计算机可读存储介质,能够针对不同高度的点云数据进行端点提取处理,并根据端点坐标信息进行门槛识别,从而,移动机器人无需跨越或靠近门槛就可以远距离识别出门槛,增加移动机器人的缓冲响应时间。
具体地,基于前述本发明实施例的移动机器人的门槛识别方法,本发明还提出了一种移动机器人,包括存储器、处理器及存储在存储器上并可在处理器上运行的移动机器人的门槛识别程序,处理器执行移动机器人的门槛识别程序时,实现根据如前所述的移动机器人的门槛识别方法。
需要说明的是,根据本发明实施例的移动机器人在执行所述移动机器人的门槛识别程序时,能够实现前述一一对应的移动机器人的门槛识别方法的具体实施方式,在此不再赘述。
可选地,移动机器人可包括扫地机器人、快递机器人和外卖机器人等。
另外,本发明实施例的移动机器人的其他构成及作用对本领域的技术人员来说是已知的,为减少冗余,此处不做赘述。
综上,根据本发明实施例提出的移动机器人,能够针对不同高度的点云数据进行端点提取处理,并根据端点坐标信息进行门槛识别,从而,移动机器人无需跨越或靠近门槛就可以远距离识别出门槛,增加移动机器人的缓冲响应时间。
图12是根据本发明实施例的移动机器人的门槛识别装置的方框示意图。
如图12所示,移动机器人的门槛识别装置100包括:获取模块10、端点提取模块20和识别模块30。
具体地,获取模块10用于获取第一目标对象在第一预设高度的第一点云数据,以及获取第二目标对象在第二预设高度的第二点云数据,其中,第一预设高度对应门槛高度设置,第二预设高度大于第一预设高度;端点提取模块20用于对第一点云数据和第二点云数据进行端点提取处理,分别获得第一端点和第二端点;识别模块30用于根据第一端点的第一坐标信息和第二端点的第二坐标信息识别门槛。
进一步地,获取模块10包括第一检测单元和第二检测单元,第一点云数据由第一检测单元在第一预设高度扫描获得;以及,第二点云数据由第二检测单元在第二预设高度扫描获得。
进一步地,第一检测单元通过激光检测方式对在第一预设高度的第一目标对象进行扫描,第二检测单元通过激光检测方式对在第二预设高度的第二目标对象进行扫描。
进一步地,第一检测单元为线激光测距装置,且对应第一预设高度设置,第二检测单元点为线激光测距装置、点激光测距装置和面激光测距装置中的至少一种,且对应第二预设高度设置。
进一步地,第一检测单元为线激光测距装置,第二检测单元为点激光测距装置,所述端点提取模块20还用于,根据第一点云数据生成激光线段,对激光线段的两端进行端点提取处理,以获得第一端点;以及,对第二点云数据进行聚类运算以生成对应第二点云数据的聚类线段,对对应第二点云数据的聚类线段的两端进行端点提取处理,以获得第二端点。
进一步地,识别模块30还用于,对第一端点和第二端点进行坐标转换,以使第一坐标信息和第二坐标信息位于同一坐标系内;根据位于同一坐标系内的第一坐标信息和第二坐标信息识别门槛。
进一步地,识别模块30还用于,根据第一端点的第一坐标信息和第二端点的第二坐标信息,判断是否有至少一个第二端点位于第一端点组成的线段上;若有至少一个第二端点位于第一端点组成的线段上,则识别第一目标对象为门槛。
进一步地,识别模块30还用于,若第二端点均未位于第一端点组成的线段上,则进一步判断第一端点是否均位于第二端点组成的线段上,或者,判断第一端点是否位于第二端点组成的多个线段之间;若第一端点均位于第二端点组成的线段上,则识别第一目标对象为墙体,以及,若第一端点位于第二端点组成的多个线段之间,则识别第一目标对象为门槛。
进一步地,获取模块10包括第三检测单元,获取模块10还用于,在识别第一目标对象为门槛后,获取第三目标对象在第三预设高度的第三点云数据,其中,第三预设高度大于第二预设高度;端点提取模块20还用于,对第三点云数据进行端点提取处理,获得第三端点;识别模块30还用于,根据第一端点的第一坐标信息和第三端点的第三坐标信息,判断是否控制移动机器人继续行进。
进一步地,端点提取模块20还用于,对第三点云数据进行聚类运算以生成对应第三点云数据的聚类线段,并对对应第三点云数据的聚类线段的两端进行端点提取处理,以获得第三端点。
进一步地,识别模块30还用于对第一端点和第三端点进行坐标转换,以使第一坐标信息和第三坐标信息位于同一坐标系内;根据位于同一坐标系内的第一端点的第一坐标信息和第三端点的第三坐标信息,判断第一端点是否均位于第三端点组成的线段上;若第一端点均位于第三端点组成的线段上,则识别第三目标对象为门梁,控制移动机器人停止继续行进,并进行转向。
进一步地,第三检测单元点为线激光测距装置、点激光测距装置和面激光测距装置中的至少一种,且对应第三预设高度设置。
需要说明的是,本发明实施例的移动机器人的门槛识别装置100的具体实施方式与前述本发明实施例的移动机器人的门槛识别方法的具体实施方式一一对应,为减少冗余,在此不再赘述。
综上,根据本发明实施例的移动机器人的门槛识别装置,通过获取模块获取第一目标对象在第一预设高度的第一点云数据,以及获取第二目标对象在第二预设高度的第二点云数据,其中,第一预设高度对应门槛高度设置,第二预设高度大于第一预设高度,并通过端点提取模块对第一点云数据和第二点云数据进行端点提取处理,分别获得第一端点和第二端点,进而,通过识别模块根据第一端点的第一坐标信息和第二端点的第二坐标信息识别门槛。由此,针对不同高度的点云数据进行端点提取处理,并根据端点坐标信息进行门槛识别,从而,移动机器人无需跨越或靠近门槛就可以远距离识别出门槛,可以在移动机器人高速运动的同时提前识别门槛,增加移动机器人的缓冲响应时间,有利于移动机器人进行路径规划和合理跨越门槛。此外,利用第一端点和第二端点的坐标信息识别门槛的方法,无需复杂的计算,计算简单方便,同时准确率较高,可以较大减少运算量,降低芯片的负载以及功耗。
需要说明的是,在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (15)
1.一种移动机器人的门槛识别方法,其特征在于,所述方法包括以下步骤:
获取第一目标对象在第一预设高度的第一点云数据,以及获取第二目标对象在第二预设高度的第二点云数据,其中,所述第一预设高度对应门槛高度设置,所述第二预设高度大于所述第一预设高度;
对所述第一点云数据和所述第二点云数据进行端点提取处理,分别获得第一端点和第二端点;
根据所述第一端点的第一坐标信息和所述第二端点的第二坐标信息识别门槛。
2.根据权利要求1所述的移动机器人的门槛识别方法,其特征在于,所述第一点云数据由第一检测单元在所述第一预设高度扫描获得;以及,所述第二点云数据由第二检测单元在所述第二预设高度扫描获得。
3.如权利要求2所述的移动机器人的门槛识别方法,其特征在于,所述第一检测单元通过激光检测方式对在所述第一预设高度的所述第一目标对象进行扫描,所述第二检测单元通过所述激光检测方式对在所述第二预设高度的所述第二目标对象进行扫描。
4.如权利要求2所述的移动机器人的门槛识别方法,其特征在于,所述第一检测单元为线激光测距装置,且对应所述第一预设高度设置,所述第二检测单元点为所述线激光测距装置、点激光测距装置和面激光测距装置中的至少一种,且对应所述第二预设高度设置。
5.如权利要求2所述的移动机器人的门槛识别方法,其特征在于,所述第一检测单元为所述线激光测距装置,所述第二检测单元为所述点激光测距装置,其中,对所述第一点云数据和所述第二点云数据进行端点提取处理,包括:
根据所述第一点云数据生成激光线段,对所述激光线段的两端进行端点提取处理,以获得所述第一端点;以及,
对所述第二点云数据进行聚类运算以生成对应所述第二点云数据的聚类线段,对所述对应所述第二点云数据的聚类线段的两端进行端点提取处理,以获得所述第二端点。
6.根据权利要求5所述的移动机器人的门槛识别方法,其特征在于,根据所述第一端点的第一坐标信息和所述第二端点的第二坐标信息识别门槛,包括:
对所述第一端点和所述第二端点进行坐标转换,以使所述第一坐标信息和所述第二坐标信息位于同一坐标系内;
根据位于所述同一坐标系内的所述第一坐标信息和所述第二坐标信息识别门槛。
7.根据权利要求6所述的移动机器人的门槛识别方法,其特征在于,根据位于所述同一坐标系内的所述第一坐标信息和所述第二坐标信息识别门槛,包括:
根据所述第一端点的第一坐标信息和所述第二端点的第二坐标信息,判断是否有至少一个所述第二端点位于所述第一端点组成的线段上;
若有至少一个所述第二端点位于所述第一端点组成的线段上,则识别所述第一目标对象为所述门槛。
8.根据权利要求7所述的移动机器人的门槛识别方法,其特征在于,根据位于所述同一坐标系内的所述第一坐标信息和所述第二坐标信息识别门槛,还包括:
若所述第二端点均未位于所述第一端点组成的线段上,则进一步判断所述第一端点是否均位于所述第二端点组成的线段上,或者,判断所述第一端点是否位于所述第二端点组成的多个线段之间;
若所述第一端点均位于第二端点组成的线段上,则识别所述第一目标对象为墙体,以及,若所述第一端点位于所述第二端点组成的多个线段之间,则识别所述第一目标对象为门槛。
9.如权利要求1-8中任一项所述的移动机器人的门槛识别方法,其特征在于,在识别所述第一目标对象为门槛后,所述方法还包括:
获取第三目标对象在第三预设高度的第三点云数据,其中,所述第三预设高度大于所述第二预设高度;
对所述第三点云数据进行端点提取处理,获得第三端点;
根据所述第一端点的第一坐标信息和所述第三端点的第三坐标信息,判断是否控制所述移动机器人继续行进。
10.如权利要求9所述的移动机器人的门槛识别方法,其特征在于,对所述第三点云数据进行端点提取处理,包括:
对所述第三点云数据进行聚类运算以生成对应所述第三点云数据的聚类线段,并对所述对应所述第三点云数据的聚类线段的两端进行端点提取处理,以获得所述第三端点。
11.如权利要求10所述的移动机器人的门槛识别方法,其特征在于,根据所述第一端点的第一坐标信息和所述第三端点的第三坐标信息,判断是否控制所述移动机器人继续行进,包括:
对所述第一端点和所述第三端点进行坐标转换,以使所述第一坐标信息和所述第三坐标信息位于同一坐标系内;
根据位于所述同一坐标系内的所述第一端点的第一坐标信息和所述第三端点的第三坐标信息,判断所述第一端点是否均位于所述第三端点组成的线段上;
若所述第一端点均位于所述第三端点组成的线段上,则识别所述第三目标对象为门梁,控制所述移动机器人停止继续行进,并进行转向。
12.如权利要求9所述的移动机器人的门槛识别方法,其特征在于,所述第三检测单元点为所述线激光测距装置、点激光测距装置和面激光测距装置中的至少一种,且对应所述第三预设高度设置。
13.一种计算机可读存储介质,其特征在于,其上存储有移动机器人的门槛识别程序,所述移动机器人的门槛识别程序被处理器执行时实现根据权利要求1-12中任一项所述的移动机器人的门槛识别方法。
14.一种移动机器人,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的移动机器人的门槛识别程序,所述处理器执行所述移动机器人的门槛识别程序时,实现根据权利要求1-12中任一项所述的移动机器人的门槛识别方法。
15.一种移动机器人的门槛识别装置,其特征在于,所述装置包括:
获取模块,所述获取模块用于获取第一目标对象在第一预设高度的第一点云数据,以及获取第二目标对象在第二预设高度的第二点云数据,其中,所述第一预设高度对应门槛高度设置,所述第二预设高度大于所述第一预设高度;
端点提取模块,所述端点提取模块用于对所述第一点云数据和所述第二点云数据进行端点提取处理,分别获得第一端点和第二端点;
识别模块,所述识别模块用于根据所述第一端点的第一坐标信息和所述第二端点的第二坐标信息识别门槛。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111629143.5A CN114299392A (zh) | 2021-12-28 | 2021-12-28 | 移动机器人及其门槛识别方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111629143.5A CN114299392A (zh) | 2021-12-28 | 2021-12-28 | 移动机器人及其门槛识别方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114299392A true CN114299392A (zh) | 2022-04-08 |
Family
ID=80972241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111629143.5A Pending CN114299392A (zh) | 2021-12-28 | 2021-12-28 | 移动机器人及其门槛识别方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114299392A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115123897A (zh) * | 2022-08-30 | 2022-09-30 | 深圳市海清视讯科技有限公司 | 对象检测方法、装置及设备 |
-
2021
- 2021-12-28 CN CN202111629143.5A patent/CN114299392A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115123897A (zh) * | 2022-08-30 | 2022-09-30 | 深圳市海清视讯科技有限公司 | 对象检测方法、装置及设备 |
CN115123897B (zh) * | 2022-08-30 | 2023-01-06 | 深圳市海清视讯科技有限公司 | 对象检测方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112415998B (zh) | 一种基于tof摄像头的障碍物分类避障控制系统 | |
US9170327B2 (en) | Apparatus and method for providing obstacle information in autonomous mobile vehicle | |
KR101878827B1 (ko) | 다채널 라이더 기반 이동로봇의 장애물 검출 장치 및 방법, 및 이를 구비한 이동로봇 | |
JP6705636B2 (ja) | 電気掃除機 | |
US9239580B2 (en) | Autonomous mobile robot, self position estimation method, environmental map generation method, environmental map generation apparatus, and data structure for environmental map | |
CN109567678B (zh) | 扫地机器人的清扫控制方法及其装置和扫地机器人 | |
CN112363513B (zh) | 一种基于深度信息的障碍物分类避障控制方法 | |
CN109001757B (zh) | 一种基于2d激光雷达的车位智能检测方法 | |
CN113741438A (zh) | 路径规划方法、装置、存储介质、芯片及机器人 | |
CN112455430B (zh) | 无车位线的斜列车位的检测方法、泊车方法及泊车系统 | |
US20200166349A1 (en) | Parking support apparatus | |
CN110471086B (zh) | 一种雷达测障系统及方法 | |
CN110082783B (zh) | 一种悬崖检测的方法及装置 | |
CN111694358A (zh) | 运送机器人的控制方法、装置、运送机器人和存储介质 | |
CN114052561B (zh) | 自移动机器人 | |
CN114299392A (zh) | 移动机器人及其门槛识别方法、装置及存储介质 | |
CN111505652A (zh) | 一种地图建立方法、装置及作业设备 | |
JP4745159B2 (ja) | 移動ロボット | |
CN113490973B (zh) | 信息处理装置以及移动机器人 | |
JP2010026727A (ja) | 自律移動装置 | |
CN114529539A (zh) | 无人设备路面障碍检测方法、装置、无人设备及存储介质 | |
CN113467451A (zh) | 机器人的回充方法和装置、电子设备和可读存储介质 | |
KR102275671B1 (ko) | 객체 형태 검출 장치 및 방법 | |
KR101784584B1 (ko) | 레이저 회전을 이용하여 3차원 물체를 판별하는 장치 및 방법 | |
KR20220120908A (ko) | 이동 로봇 및 이동 로봇의 제어 방법 |
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 |