CN114442615A - 一种基于障碍物属性的机器人行进策略确定方法和系统 - Google Patents
一种基于障碍物属性的机器人行进策略确定方法和系统 Download PDFInfo
- Publication number
- CN114442615A CN114442615A CN202111671683.XA CN202111671683A CN114442615A CN 114442615 A CN114442615 A CN 114442615A CN 202111671683 A CN202111671683 A CN 202111671683A CN 114442615 A CN114442615 A CN 114442615A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- information
- robot
- determination method
- attribute
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000004888 barrier function Effects 0.000 title claims abstract description 14
- 230000004927 fusion Effects 0.000 claims abstract description 28
- 238000000605 extraction Methods 0.000 claims abstract description 7
- 238000005070 sampling Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 7
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 5
- 239000003086 colorant Substances 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000002411 adverse Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- 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
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Aviation & Aerospace Engineering (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于障碍物属性的机器人行进策略确定方法和系统,利用根据双目摄像机进行图像实时采集,对图像进行融合后,根据所述图像进行障碍物提取,计算障碍物信息,根据所述障碍物信息获取障碍物属性信息,根据障碍物属性信息以及机器人自身属性信息确定行进策略,所述机器人根据行进策略调整行进路线,减少配准算法复杂会导致融合时间,本方法有效提高对障碍物建模精度,会提高机器人行进的安全性与时效性。
Description
技术领域:
本发明属于机器人控制领域,尤其涉及一种基于障碍物属性的机器人行进策略确定方法。
背景技术:
机器人通过搭载外部传感器对未知环境进行探索已经是人工智能领域发展的一个重要方向。目前,机器人己经在侦察任务、深海探测、灾难抢险、搜索营救等未知环境下进行目标搜寻的任务中发挥着越来越重要的作用。通过此研究让越来越多的新科技产品辅助机器人去完成各种高难度的任务,提高效率,推动了人类社会的进步。其中,移动机器人一直是人工智能研究领域的热点,越来越多的学者针对机器人的不同应用层面深入研发新技能,使其能够作业的范围在不断扩大,机器人自主探索己取得了巨大的突破,特别是在未知环境下机器人的自主探索成为了研究重点。
在机器人采集的三维局部点云图像融合时会出现融合效率较低的问题。对三维点云图进行融合时需要对点云图进行配准,当配准度较低时会出现误匹配,直接导致点云图的融合结果较差;并且配准算法复杂会导致融合时间较长,并且会导致对障碍物建模造成不良影响,导致建模精度下降,进一步会影响机器人行进的安全性与时效性。如何提高对障碍物属性判断准确性成为了亟待解决的问题。
发明内容
针对目前现有的配准算法复杂会导致融合时间较长,并且会导致对障碍物建模造成不良影响,导致建模精度下降的问题,利用根据双目摄像机进行图像实时采集,对图像进行融合后,根据所述图像进行障碍物提取,计算障碍物信息,根据所述障碍物信息获取障碍物属性信息,根据障碍物属性信息以及机器人自身属性信息确定行进策略,所述机器人根据行进策略调整行进路线,减少配准算法复杂会导致融合时间,本方法有效提高对障碍物建模精度,会提高机器人行进的安全性与时效性。
本发明为解决以上技术问题所采取的技术方案是:
基于障碍物属性的机器人行进策略确定方法包括:
S1、根据双目摄像机进行图像实时采集,其中双目摄像机为水平左右设置;
S2、根据所述图像进行障碍物提取,
S3、计算障碍物信息,根据所述障碍物信息获取障碍物属性信息,
S4、根据障碍物属性信息以及机器人自身属性信息确定行进策略,
S5、所述机器人根据行进策略调整行进路线。
进一步地,所述双目摄像机为RGB-D相机,所述双目摄像机中央设置红外线传感器。
进一步地,所述双目摄像机独立对周围环境进行描述,根据重叠区域的空间位置特征,把两个独立坐标系下的点云融合到同一坐标系中,在两个点云中寻找重叠区域后进行图像融合。
进一步地,所述图像融合包括:
S11、对点云进行预处理,将带有颜色信息的点云图转换为不含颜色信息的点云图,
S12、对所述点云图进行下采样,利用采样一致性初始融合算法进行一次匹配后,
S13、利用迭代最近点算法进行二次匹配,获得融合后三维点云图。
进一步地,所述障碍物提取包括,从融合后三维点云图中分割出障碍物的位置与尺寸信息,所述分割包括计算背景颜色与其他区域颜色的差值,当差值超过第一阈值时,则该区域为障碍物区域。
进一步地,计算障碍物信息包括,根据图像中障碍物位置与尺寸信息获取所述障碍物的纹理特征,颜色特征,形态特征;基于所述红外线传感器获得所述障碍物的温度信息;根据所述障碍物的尺寸信息,纹理特征,颜色特征,形态特征,温度特征确定障碍物的影响因子。
进一步地,根据障碍物影响因子以及机器人自身属性信息确定当前行进路线安全等级,根据初始行进策略与所述前行进路线安全等级确定是否规避障碍物。
进一步地,若障碍物温度信息超过第二阈值,判断障碍物为生命体,则开启声光驱离装置进行驱离。
进一步地,所述障碍物包括阴障碍物,所述阴障碍物为明显低于可通行路面的结构。
进一步地,所述图像融合中特征点与立体空间关联关系为:
其中It(u,v)为t时刻帧特征点,d为特征点It(u,v)的深度值,S为深度图的缩放因子,k为相机的内部参数矩阵,Pt(x,y,z)为立体空间坐标;r为相机变换姿态参数。
进一步地,参数矩阵k为:
其中,fx和fy为相机在x轴和y轴的焦距,cx和cy为相机透镜的光圈值。
基于障碍物属性的机器人行进策略确定系统包括:
图像采集模块,用于根据双目摄像机进行图像实时采集,其中双目摄像机为水平左右设置;
图像处理模块,用于根据所述图像进行融合后,对障碍物提取,
障碍物分析模块,用于计算障碍物信息,根据所述障碍物信息获取障碍物属性信息,
行进策略模块,用于根据障碍物属性信息以及机器人自身属性信息确定行进策略,
路线规划模块,用于根据行进策略调整行进路线。
进一步地,图像处理模块中包括图像融合模块,其包括:
预处理模块,用于对点云进行预处理,将带有颜色信息的点云图转换为不含颜色信息的点云图,
一次匹配模块,对所述点云图进行下采样,利用采样一致性初始融合算法进行一次匹配后,
二次匹配模块,利用迭代最近点算法进行二次匹配,获得融合后三维点云图。
进一步地,障碍物分析模块中分割包括计算背景颜色与其他区域颜色的差值,当差值超过第一阈值时,则该区域为障碍物区域。
进一步地,计算障碍物信息包括,根据图像中障碍物位置与尺寸信息获取所述障碍物的纹理特征,颜色特征,形态特征;基于所述红外线传感器获得所述障碍物的温度信息;根据所述障碍物的尺寸信息,纹理特征,颜色特征,形态特征,温度特征确定障碍物的影响因子。
进一步地,根据障碍物影响因子以及机器人自身属性信息确定当前行进路线安全等级,根据初始行进策略与所述前行进路线安全等级确定是否规避障碍物。
进一步地,若障碍物温度信息超过第二阈值,判断障碍物为生命体,则开启声光驱离装置进行驱离。
进一步地,所述障碍物包括阴障碍物,所述阴障碍物为明显低于可通行路面的结构。
进一步地,所述图像融合中特征点与立体空间关联关系为:
其中It(u,v)为t时刻帧特征点,d为特征点It(u,v)的深度值,S为深度图的缩放因子,k为相机的内部参数矩阵,Pt(x,y,z)为立体空间坐标;r为相机变换姿态参数。
进一步地,参数矩阵k为:
其中,fx和fy为相机在x轴和y轴的焦距,cx和cy为相机透镜的光圈值
本发明的有益效果如下:
利用根据双目摄像机进行图像实时采集,对图像进行融合后,根据所述图像进行障碍物提取,计算障碍物信息,根据所述障碍物信息获取障碍物属性信息,根据障碍物属性信息以及机器人自身属性信息确定行进策略,所述机器人根据行进策略调整行进路线,减少配准算法复杂会导致融合时间,本方法采用二次匹配融合建模,有效提高对障碍物建模精度,会提高机器人行进的安全性与时效性。
上述说明,仅是本发明技术方案的概述,为了能够更清楚了解本发明技术手段,可依照说明书的内容予以实施,并且为了让本发明的上述说明和其它目的、特征及优点能够更明显易懂,特举较佳实施例,详细说明如下。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为本发明的基于障碍物属性的机器人行进策略确定方法的流程图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
在本发明的描述中,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。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。
实施例1,基于障碍物属性的机器人行进策略确定方法包括:
基于障碍物属性的机器人行进策略确定方法包括:
S1、根据双目摄像机进行图像实时采集,其中双目摄像机为水平左右设置;
S2、根据所述图像进行障碍物提取,
S3、计算障碍物信息,根据所述障碍物信息获取障碍物属性信息,
S4、根据障碍物属性信息以及机器人自身属性信息确定行进策略,
S5、所述机器人根据行进策略调整行进路线。
进一步地,所述双目摄像机为RGB-D相机,所述双目摄像机中央设置红外线传感器。
进一步地,所述双目摄像机独立对周围环境进行描述,根据重叠区域的空间位置特征,把两个独立坐标系下的点云融合到同一坐标系中,在两个点云中寻找重叠区域后进行图像融合。
进一步地,所述图像融合包括:
S11、对点云进行预处理,将带有颜色信息的点云图转换为不含颜色信息的点云图,
S12、对所述点云图进行下采样,利用采样一致性初始融合算法进行一次匹配后,
S13、利用迭代最近点算法进行二次匹配,获得融合后三维点云图。
进一步地,所述障碍物提取包括,从融合后三维点云图中分割出障碍物的位置与尺寸信息,所述分割包括计算背景颜色与其他区域颜色的差值,当差值超过第一阈值时,则该区域为障碍物区域。
进一步地,计算障碍物信息包括,根据图像中障碍物位置与尺寸信息获取所述障碍物的纹理特征,颜色特征,形态特征;基于所述红外线传感器获得所述障碍物的温度信息;根据所述障碍物的尺寸信息,纹理特征,颜色特征,形态特征,温度特征确定障碍物的影响因子。
进一步地,根据障碍物影响因子以及机器人自身属性信息确定当前行进路线安全等级,根据初始行进策略与所述前行进路线安全等级确定是否规避障碍物。
进一步地,若障碍物温度信息超过第二阈值,判断障碍物为生命体,则开启声光驱离装置进行驱离。
进一步地,所述障碍物包括阴障碍物,所述阴障碍物为明显低于可通行路面的结构。
进一步地,所述图像融合中特征点与立体空间关联关系为:
其中It(u,v)为t时刻帧特征点,d为特征点It(u,v)的深度值,S为深度图的缩放因子,k为相机的内部参数矩阵,Pt(x,y,z)为立体空间坐标;r为相机变换姿态参数。
进一步地,参数矩阵k为:
其中,fx和fy为相机在x轴和y轴的焦距,cx和cy为相机透镜的光圈值。
实施例2,基于障碍物属性的机器人行进策略确定系统包括:
基于障碍物属性的机器人行进策略确定系统包括:
图像采集模块,用于根据双目摄像机进行图像实时采集,其中双目摄像机为水平左右设置;
图像处理模块,用于根据所述图像进行融合后,对障碍物提取,
障碍物分析模块,用于计算障碍物信息,根据所述障碍物信息获取障碍物属性信息,
行进策略模块,用于根据障碍物属性信息以及机器人自身属性信息确定行进策略,
路线规划模块,用于根据行进策略调整行进路线。
进一步地,图像处理模块中包括图像融合模块,其包括:
预处理模块,用于对点云进行预处理,将带有颜色信息的点云图转换为不含颜色信息的点云图,
一次匹配模块,对所述点云图进行下采样,利用采样一致性初始融合算法进行一次匹配后,
二次匹配模块,利用迭代最近点算法进行二次匹配,获得融合后三维点云图。
进一步地,障碍物分析模块中分割包括计算背景颜色与其他区域颜色的差值,当差值超过第一阈值时,则该区域为障碍物区域。
进一步地,计算障碍物信息包括,根据图像中障碍物位置与尺寸信息获取所述障碍物的纹理特征,颜色特征,形态特征;基于所述红外线传感器获得所述障碍物的温度信息;根据所述障碍物的尺寸信息,纹理特征,颜色特征,形态特征,温度特征确定障碍物的影响因子。
进一步地,根据障碍物影响因子以及机器人自身属性信息确定当前行进路线安全等级,根据初始行进策略与所述前行进路线安全等级确定是否规避障碍物。
进一步地,若障碍物温度信息超过第二阈值,判断障碍物为生命体,则开启声光驱离装置进行驱离。
进一步地,所述障碍物包括阴障碍物,所述阴障碍物为明显低于可通行路面的结构。
进一步地,所述图像融合中特征点与立体空间关联关系为:
其中It(u,v)为t时刻帧特征点,d为特征点It(u,v)的深度值,S为深度图的缩放因子,k为相机的内部参数矩阵,Pt(x,y,z)为立体空间坐标;r,t为相机变换姿态参数。
进一步地,参数矩阵k为:
其中,fx和fy为相机在x轴和y轴的焦距,cx和cy为相机透镜的光圈值。
本发明的优点在于:
利用根据双目摄像机进行图像实时采集,对图像进行融合后,根据所述图像进行障碍物提取,计算障碍物信息,根据所述障碍物信息获取障碍物属性信息,根据障碍物属性信息以及机器人自身属性信息确定行进策略,所述机器人根据行进策略调整行进路线,减少配准算法复杂会导致融合时间,本方法采用二次匹配融合建模,有效提高对障碍物建模精度,会提高机器人行进的安全性与时效性。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种基于障碍物属性的机器人行进策略确定方法,其特征在于,该方法包括:
S1、根据双目摄像机进行图像实时采集,其中双目摄像机为水平左右设置;
S2、根据所述图像进行障碍物提取,
S3、计算障碍物信息,根据所述障碍物信息获取障碍物属性信息,
S4、根据障碍物属性信息以及机器人自身属性信息确定行进策略,
S5、所述机器人根据行进策略调整行进路线。
2.根据权利要求1所述基于障碍物属性的机器人行进策略确定方法,其特征在于:所述双目摄像机为RGB-D相机,所述双目摄像机中央设置红外线传感器。
3.根据权利要求2所述基于障碍物属性的机器人行进策略确定方法,其特征在于:所述双目摄像机独立对周围环境进行描述,根据重叠区域的空间位置特征,把两个独立坐标系下的点云融合到同一坐标系中,在两个点云中寻找重叠区域后进行图像融合。
4.根据权利要求3所述基于障碍物属性的机器人行进策略确定方法,其特征在于:所述图像融合包括,
S11、对点云进行预处理,将带有颜色信息的点云图转换为不含颜色信息的点云图,
S12、对所述点云图进行下采样,利用采样一致性初始融合算法进行一次匹配后,
S13、利用迭代最近点算法进行二次匹配,获得融合后三维点云图。
5.根据权利要求4所述基于基于障碍物属性的机器人行进策略确定方法,其特征在于:所述障碍物提取包括,从融合后三维点云图中分割出障碍物的位置与尺寸信息,所述分割包括计算背景颜色与其他区域颜色的差值,当差值超过第一阈值时,则该区域为障碍物区域。
6.根据权利要求5所述基于障碍物属性的机器人行进策略确定方法,其特征在于:计算障碍物信息包括,根据图像中障碍物位置与尺寸信息获取所述障碍物的纹理特征,颜色特征,形态特征;基于所述红外线传感器获得所述障碍物的温度信息;根据所述障碍物的尺寸信息,纹理特征,颜色特征,形态特征,温度特征确定障碍物的影响因子。
7.根据权利要求6所述基于障碍物属性的机器人行进策略确定方法,其特征在于:根据障碍物影响因子以及机器人自身属性信息确定当前行进路线安全等级,根据初始行进策略与所述前行进路线安全等级确定是否规避障碍物。
8.根据权利要求5所述基于障碍物属性的机器人行进策略确定方法,其特征在于:若障碍物温度信息超过第二阈值,判断障碍物为生命体,则开启声光驱离装置进行驱离。
9.根据权利要求1所述基于障碍物属性的机器人行进策略确定方法,其特征在于:所述障碍物包括阴障碍物,所述阴障碍物为明显低于可通行路面的结构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111671683.XA CN114442615A (zh) | 2021-12-31 | 2021-12-31 | 一种基于障碍物属性的机器人行进策略确定方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111671683.XA CN114442615A (zh) | 2021-12-31 | 2021-12-31 | 一种基于障碍物属性的机器人行进策略确定方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114442615A true CN114442615A (zh) | 2022-05-06 |
Family
ID=81365175
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111671683.XA Withdrawn CN114442615A (zh) | 2021-12-31 | 2021-12-31 | 一种基于障碍物属性的机器人行进策略确定方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114442615A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015024407A1 (zh) * | 2013-08-19 | 2015-02-26 | 国家电网公司 | 基于电力机器人的双目视觉导航系统及方法 |
CN104899869A (zh) * | 2015-05-14 | 2015-09-09 | 浙江大学 | 基于rgb-d相机和姿态传感器的平面和障碍检测方法 |
CN106650701A (zh) * | 2017-01-05 | 2017-05-10 | 华南理工大学 | 基于双目视觉的室内阴影环境下障碍物检测方法及装置 |
WO2019000417A1 (en) * | 2017-06-30 | 2019-01-03 | SZ DJI Technology Co., Ltd. | SYSTEMS AND METHODS OF GENERATING CARDS |
WO2019007038A1 (zh) * | 2017-07-05 | 2019-01-10 | 广东宝乐机器人股份有限公司 | 扫地机器人、扫地机器人系统及其工作方法 |
CN110503040A (zh) * | 2019-08-23 | 2019-11-26 | 斯坦德机器人(深圳)有限公司 | 障碍物检测方法及装置 |
CN113345008A (zh) * | 2021-05-31 | 2021-09-03 | 湖南大学 | 一种考虑轮式机器人位姿估计的激光雷达动态障碍物检测方法 |
-
2021
- 2021-12-31 CN CN202111671683.XA patent/CN114442615A/zh not_active Withdrawn
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015024407A1 (zh) * | 2013-08-19 | 2015-02-26 | 国家电网公司 | 基于电力机器人的双目视觉导航系统及方法 |
CN104899869A (zh) * | 2015-05-14 | 2015-09-09 | 浙江大学 | 基于rgb-d相机和姿态传感器的平面和障碍检测方法 |
CN106650701A (zh) * | 2017-01-05 | 2017-05-10 | 华南理工大学 | 基于双目视觉的室内阴影环境下障碍物检测方法及装置 |
WO2019000417A1 (en) * | 2017-06-30 | 2019-01-03 | SZ DJI Technology Co., Ltd. | SYSTEMS AND METHODS OF GENERATING CARDS |
WO2019007038A1 (zh) * | 2017-07-05 | 2019-01-10 | 广东宝乐机器人股份有限公司 | 扫地机器人、扫地机器人系统及其工作方法 |
CN109213137A (zh) * | 2017-07-05 | 2019-01-15 | 广东宝乐机器人股份有限公司 | 扫地机器人、扫地机器人系统及其工作方法 |
CN110503040A (zh) * | 2019-08-23 | 2019-11-26 | 斯坦德机器人(深圳)有限公司 | 障碍物检测方法及装置 |
CN113345008A (zh) * | 2021-05-31 | 2021-09-03 | 湖南大学 | 一种考虑轮式机器人位姿估计的激光雷达动态障碍物检测方法 |
Non-Patent Citations (4)
Title |
---|
刘毅: "结合Kinect的双目视觉场景三维重建", pages 138 - 2959 * |
董伯麟;柴旭;: "基于IMU/视觉融合的导航定位算法研究", 压电与声光, no. 05, 20 October 2020 (2020-10-20) * |
蔡军;陈科宇;张毅;: "基于Kinect的改进移动机器人视觉SLAM", 智能系统学报, no. 05, 24 April 2018 (2018-04-24), pages 734 - 740 * |
陈文: "基于深度相机的移动机器人SLAM研究", 《中国优秀硕士论文全文数据库 信息科技辑》, no. 02, 15 February 2020 (2020-02-15), pages 140 - 512 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110188696B (zh) | 一种水面无人装备多源感知方法及系统 | |
CN105866790B (zh) | 一种考虑激光发射强度的激光雷达障碍物识别方法及系统 | |
CN111210518B (zh) | 基于视觉融合地标的拓扑地图生成方法 | |
CA2950791C (en) | Binocular visual navigation system and method based on power robot | |
CN111598916A (zh) | 一种基于rgb-d信息的室内占据栅格地图的制备方法 | |
CN110988912A (zh) | 自动驾驶车辆的道路目标与距离检测方法、系统、装置 | |
CN109579825B (zh) | 基于双目视觉和卷积神经网络的机器人定位系统及方法 | |
US11379963B2 (en) | Information processing method and device, cloud-based processing device, and computer program product | |
CN106595659A (zh) | 城市复杂环境下多无人机视觉slam的地图融合方法 | |
CN113255520A (zh) | 基于双目视觉和深度学习的车辆避障方法与电子设备 | |
Yang et al. | V-disparity based UGV obstacle detection in rough outdoor terrain | |
CN109000655B (zh) | 机器人仿生室内定位导航方法 | |
CN106446785A (zh) | 基于双目视觉的可行道路检测方法 | |
CN108646727A (zh) | 一种视觉充电座及其定位方法和回充方法 | |
CN113643345A (zh) | 一种基于双光融合的多目道路智能识别方法 | |
CN109490926B (zh) | 一种基于双目相机和gnss的路径规划方法 | |
CN117152249A (zh) | 基于语义一致性的多无人机协同建图与感知方法及系统 | |
CN116957360A (zh) | 一种基于无人机的空间观测与重建方法及系统 | |
CN114442615A (zh) | 一种基于障碍物属性的机器人行进策略确定方法和系统 | |
Lim et al. | MSDPN: Monocular depth prediction with partial laser observation using multi-stage neural networks | |
CN112182122A (zh) | 一种移动机器人工作环境导航地图的获取方法及装置 | |
CN115307622A (zh) | 在动态环境下基于深度学习的自主建图方法和系统 | |
CN115482282A (zh) | 自动驾驶场景下具有多目标追踪能力的动态slam方法 | |
CN114509061A (zh) | 一种基于障碍物属性的机器人行进路径确定方法和系统 | |
CN114152955A (zh) | 一种基于slam技术的障碍物高精度识别系统 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220506 |