CN114454216B - 机器人的精度检测方法、装置、机器人及存储介质 - Google Patents
机器人的精度检测方法、装置、机器人及存储介质 Download PDFInfo
- Publication number
- CN114454216B CN114454216B CN202210225394.5A CN202210225394A CN114454216B CN 114454216 B CN114454216 B CN 114454216B CN 202210225394 A CN202210225394 A CN 202210225394A CN 114454216 B CN114454216 B CN 114454216B
- Authority
- CN
- China
- Prior art keywords
- robot
- contour
- coordinates
- preset
- precision detection
- 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
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
- B25J19/0095—Means or methods for testing manipulators
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Image Analysis (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种机器人的精度检测方法、装置、机器人及存储介质，机器人的精度检测方法包括：获取机器人所在测试场景的场景图像；根据所述场景图像提取所述机器人的轮廓；根据所述机器人的轮廓和预设测试信息判断所述机器人是否满足精度检测条件。如此，通过场景图像提取机器人轮廓即可实现机器人的精度检测，而无需人为在机器人的壳体上粘贴标记物，能够提高机器人精度检测的准确性。
Description
技术领域
本发明涉及机器人技术领域，尤其涉及一种机器人的精度检测方法、装置、机器人及存储介质。
背景技术
在完成机器人的设计后，需要对机器人进行精度检测，以提高机器人的使用性能。
然而，目前在对机器人进行精度检测时，通常是在机器人表面粘贴标记物，通过识别标记物的位置变化对机器人的移动位置进行表征。此种方式下，需要人为粘贴标记物作为参照物，属于有损检测。
发明内容
本发明的主要目的在于提供一种机器人的精度检测方法、装置、机器人及存储介质，旨在解决以人为粘贴标记物作为参照物的方式对机器人进行精度检测属于有损检测，不够便捷和智能的问题。
为实现上述目的，本发明提供一种机器人的精度检测方法，所述方法包括：
获取机器人所在测试场景的场景图像；
根据所述场景图像提取所述机器人的轮廓；
根据所述机器人的轮廓和预设测试信息判断所述机器人是否满足精度检测条件。
可选地，所述预设测试信息包括预设移动轨迹，所述精度检测条件包括路径精度检测条件，所述根据所述轮廓和预设测试信息判断所述机器人是否满足精度检测条件的步骤包括：
根据所述机器人的轮廓确定所述机器人的实际移动轨迹；
根据所述实际移动轨迹和所述预设移动轨迹判断所述机器人是否满足路径精度检测条件。
可选地，所述根据所述机器人的轮廓确定所述机器人的实际移动轨迹的步骤包括：
根据所述机器人的轮廓计算所述机器人的轮廓中心坐标；
将所述机器人的轮廓中心坐标作为所述机器人的实际移动坐标；
根据所述实际移动坐标确定所述机器人的实际移动轨迹。
可选地，所述根据所述实际移动轨迹和所述预设移动轨迹判断所述机器人是否满足路径精度检测条件的步骤包括：
计算所述实际移动轨迹中的实际移动坐标与所述预设移动轨迹中同一时间对应的预设移动坐标之间的距离；
若所述距离大于预设距离，则判定该时间所述机器人不满足实时路径精度检测条件；
若所述距离小于或等于预设距离，则判定该时间所述机器人满足实时路径精度检测条件。
可选地，所述根据所述实际移动轨迹和所述预设移动轨迹判断所述机器人是否满足路径精度检测条件的步骤包括：
根据所述实际移动轨迹和所述预设移动轨迹确定不满足实时路径精度检测条件的移动坐标数量，并获取所述实际移动轨迹中的移动坐标总数量；
在所述移动坐标数量与所述移动坐标总数量的比值大于预设比值时，确定所述机器人不满足路径精度检测条件；
在所述移动坐标数量与所述移动坐标总数量的比值小于或等于预设比值时，确定所述机器人满足路径精度检测条件。
可选地，所述机器人的壳体表面设置有标记物，所述根据所述机器人的轮廓和预设测试信息判断所述机器人是否满足精度检测条件的步骤之前，所述方法还包括：
根据所述场景图像确定所述标记物的位置坐标，得到标记物移动轨迹；
根据所述机器人的轮廓计算所述机器人的轮廓中心坐标，得到轮廓中心移动轨迹；
根据所述标记物移动轨迹和所述轮廓中心移动轨迹输出提示信息，以提示对所述机器人的测试参数进行调整。
可选地，所述根据所述标记物移动轨迹和所述轮廓中心移动轨迹输出提示信息的步骤包括：
确定所述轮廓中心移动轨迹中的轮廓中心坐标与所述标记物移动轨迹中同一时间对应的标记物位置坐标之间的距离；
根据所述距离输出提示信息，以提示对所述机器人的测试参数进行调整，所述测试参数包括所述场景图像的采集装置的位置。
可选地，所述预设测试信息包括所述测试场景中障碍物的轮廓，所述精度检测条件包括沿边精度检测条件，所述根据所述机器人的轮廓和预设测试信息判断所述机器人是否满足精度检测条件的步骤包括：
获取所述机器人的轮廓与所述障碍物的轮廓之间的最小轮廓距离；
在所述最小轮廓距离大于预设距离阈值时，确定所述机器人不满足沿边精度检测条件；
在所述最小轮廓距离小于或等于预设距离阈值时，确定所述机器人满足沿边精度检测条件。
可选地，所述获取所述机器人的轮廓与所述障碍物的轮廓之间的最小轮廓距离的步骤包括：
根据所述机器人的轮廓计算所述机器人的轮廓中心坐标；
根据所述轮廓中心坐标、所述机器人的轮廓以及所述障碍物的轮廓确定所述最小轮廓距离。
可选地，所述根据所述轮廓中心坐标、所述机器人的轮廓以及所述障碍物的轮廓确定所述最小轮廓距离的步骤包括：
根据所述障碍物的轮廓与所述轮廓中心坐标确定所述障碍物的轮廓上与所述轮廓中心坐标距离最近的障碍物轮廓点坐标；
根据所述障碍物轮廓点坐标、所述轮廓中心坐标和所述机器人的轮廓确定所述机器人的轮廓上距离所述障碍物轮廓点坐标距离最近的机器人轮廓点坐标；
获取所述障碍物轮廓点坐标与所述机器人轮廓点坐标之间的距离，得到所述最小轮廓距离。
此外，本发明还提出一种机器人的精度检测装置，所述机器人的精度检测装置包括：
获取模块，用于获取机器人所在测试场景的场景图像；
提取模块，用于根据场景图像提取所述机器人的轮廓；
判断模块，用于根据所述机器人的轮廓和预设测试信息判断所述机器人是否满足精度检测条件。
此外，本发明还提供一种机器人，所述机器人包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的机器人的精度检测程序，所述机器人的精度检测程序被所述处理器执行时实现上述任一项所述的机器人的精度检测方法的步骤。
此外，本发明还提供一种计算机可读的存储介质，所述存储介质上存储有机器人的精度检测程序，所述机器人的精度检测程序被处理器执行时实现上述任一项所述的机器人的精度检测方法的步骤。
本发明实施例提出的一种机器人的精度检测方法、装置、机器人及存储介质，通过获取机器人所在测试场景的场景图像，并根据所获取的场景图像提取机器人的轮廓，然后根据所提取的机器人的轮廓和预设测试信息判断机器人是否满足精度检测条件，使得通过场景图像自动提取机器人的轮廓即可根据机器人的轮廓和预设测试信息实现机器人的精度检测，而无需在机器人的壳体表面粘贴标记物作为参照物以有损检测的方式对机器人进行精度检测，能够提高机器人精度检测的便捷性和智能性，也更适合机器人的大批量检测。
附图说明
图1是本发明实施例方案涉及的机器人的结构示意图；
图2为本发明一实施例中机器人的精度检测方法的流程示意图；
图3为本发明一实施例中机器人的精度检测方法的流程示意图；
图4为本发明一实施例中机器人的精度检测方法的流程示意图；
图5为本发明一实施例中机器人的精度检测方法的流程示意图；
图6为本发明机器人的精度检测方法一实施例中计算最小轮廓距离的示例性示意图；
图7为本发明一实施例中机器人的精度检测方法的实现思路的示例性示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明的主要解决方案是：获取机器人所在测试场景的场景图像；根据所述场景图像提取所述机器人的轮廓；根据所述机器人的轮廓和预设测试信息判断所述机器人是否满足精度检测条件。
由于目前主要采用在机器人的壳体上粘贴标记物作为参照物的方式对机器人进行精度检测，然而此种方式属于有损检测，不利于提高机器人精度检测的便捷性和智能性。因而，本发明提供的上述解决方案，旨在提高机器人精度检测的便捷性和智能性。
如图1所示，图1是本发明实施例方案涉及的机器人的结构示意图。
如图1所示，该机器人可以包括：处理器1001，例如CPU，存储器1002，通信总线1003。其中，通信总线1003用于实现这些组件之间的连接通信。存储器1002可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1002可选的还可以是独立于前述处理器 1001的存储装置。
本领域技术人员可以理解，图1中示出的机器人的结构并不构成对机器人的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1002中可以包括机器人的精度检测程序。
在图1所示的机器人中，处理器1001可以用于调用存储器1002中存储的机器人的精度检测程序，并执行本发明实施例机器人的精度检测方法的相关步骤。
需要说明的是，以下本发明实施例提出的机器人的精度检测方法的执行主体可以是机器人的精度检测装置也可以是机器人。可选地，机器人的精度检测装置可设置于机器人，或者独立于机器人设置。当机器人的精度检测装置独立于机器人设置时，可与机器人通信连接。以下将以机器人作为执行主体为例对机器人的精度检测方法的各个实施例进行说明。可选地，所述机器人泛指可以按照预设控制程序自行移动的移动设备，可由轮系、驱动轮系的驱动部分和轮系上安装的用于搭载其他功能的平台组成。
参照图2，在一些实施例中，本发明提供一种机器人的精度检测方法，所述方法包括：
步骤S10：获取机器人所在测试场景的场景图像；
步骤S20：根据所述场景图像提取所述机器人的轮廓；
步骤S30：根据所述机器人的轮廓和预设测试信息判断所述机器人是否满足精度检测条件。
需要说明的是，机器人所在测试场景中至少可包括：用于采集测试场景的场景图像的图像采集装置(如摄像头)、用于对机器人进行精度检测的测试场地以及待测试的机器人。可选地，所述测试场景中可包括至少一个图像采集装置，所述图像采集装置可固定在所述测试场景中或在所述测试场景中移动。可选地，所述图像采集装置可与所述机器人通信连接。可选地，所述测试场地可包括：对机器人的沿边精度进行检测的测试场地，和/或，对机器人的路径精度进行检测的测试场地。其中，对机器人的沿边精度进行检测指的是检测机器人能够有效沿边的最小距离能否小于或等于预期的标准距离；对机器人的路径精度进行检测指的是检测机器人的实际移动轨迹与所规划的移动轨迹之间的偏差能否小于或等于预设偏差。
可选地，可在满足预设检测条件时，通过所述测试场景中的图像采集装置采集机器人所在测试场景的场景图像，以节省能耗；或者，也可通过所述测试场景中的图像采集装置实时采集机器人所在测试场景的场景图像，以避免漏检。可选地，预设检测条件可以是：接收到机器人的精度检测指令和/或检测到机器人出现在测试场地等，此处不作具体限定。
可选地，所述图像采集装置所采集的场景图像中包括机器人，以便于从场景图像中提取机器人的轮廓。
可选地，在根据场景图像提取机器人的轮廓时，可通过预先训练的轮廓提取模型从场景图像中提取机器人的轮廓；或者，通过特征点提取的方式从场景图像中提取机器人的轮廓等。
在一些实施例中，在根据场景图像提取机器人的轮廓时，可根据机器人表面的颜色特征从场景图像中提取机器人的轮廓。具体地，可先运用预设坐标转换公式对所述场景图像进行坐标转换，得到所述场景图像上的像素点的颜色空间值；然后，根据所述颜色空间值和所述机器人表面的颜色空间值对所述场景图像进行图像分割，得到分割后的闭合轮廓集；再根据所述机器人的尺寸信息从所述闭合轮廓集中筛选出所述机器人的轮廓。
可选地，预设坐标公式可以是RGB空间坐标转HSV空间坐标公式，以将场景图像上的像素点的RGB空间坐标转换为HSV空间坐标，得到所述场景图像上的像素点的颜色空间值。其中，HSV空间坐标可包括色调(H)、饱和度(S)和明度(V)这三个维度。
可选地，根据场景图像上的像素点的颜色空间值和机器人表面的颜色空间值对场景图像进行图像分割时，可根据机器人表面的颜色空间值和场景图像上的像素点的颜色空间值从场景图像上查找到与机器人表面的颜色空间值一致的闭合轮廓集。此时，所得到的闭合轮廓集中不仅包括机器人的轮廓还可能会包括与机器人表面的颜色空间值一致的背景物的轮廓。因而，为了对闭合轮廓集中机器人的轮廓和背景物的轮廓进行区分，可进一步结合机器人的长宽比例和面积等尺寸信息从闭合轮廓集中筛选出与该尺寸信息一致的闭合轮廓，所筛选出来的唯一闭合轮廓即为机器人的轮廓。
在获取机器人的轮廓之后，可根据机器人的轮廓和预设测试信息判断机器人是否满足精度检测条件，以确定机器人的精度检测是否合格。其中，在机器人满足精度检测条件时，认为机器人的精度检测合格；在机器人不满足精度检测条件时，认为机器人的精度检测不合格。
可选地，预设测试信息可包括预设位置信息，使得可根据机器人的轮廓确定机器人的位置信息，进而将机器人的位置信息与预设位置信息进行比对，根据比对结果确定机器人是否满足精度检测条件。例如，若机器人的位置信息与预设位置信息不一致，则认为机器人不满足精度检测条件；或者，若机器人的位置信息与预设位置信息的差值相差较大，如大于预设差值，则认为机器人不满足精度检测条件。
可选地，不同测试场景对应的预设测试信息不同。例如，在所述测试场景为对机器人的沿边精度进行检测时，对应的预设测试信息可以是预设沿边路径以及预设沿边路径上的障碍物的轮廓等；在所述测试场景为对机器人的路径精度进行检测时，对应的预设测试信息可以是：预先规划的预设移动轨迹。
可选地，不同的测试场景对应的精度检测方式和精度检测条件不同。例如，在测试场景为对机器人的沿边精度进行检测时，可通过实时监测机器人轮廓与预设沿边路径中的障碍物轮廓之间的距离，以监测机器人按照预设沿边路径进行沿边时，能够有效沿边的最小距离是否小于或等于预设沿边距离阈值，若监测到机器人按照预设沿边路径进行沿边时能够有效沿边的最小距离小于或等于预设沿边距离阈值，则认为所述机器人满足沿边精度检测条件，也即所述机器人的沿边精度检测合格；在测试场景为对机器人的路径精度进行检测时，可根据机器人的轮廓确定机器人的实际移动轨迹，并计算机器人的实际移动轨迹与预设移动轨迹之间的偏差是否小于或等于预设轨迹偏差阈值，若该偏差小于或等于预设轨迹偏差阈值，则认为所述机器人满足路径精度检测条件，也即所述机器人的精度检测合格。
本发明实施例通过获取机器人所在测试场景的场景图像，使得可以根据所获取的场景图像自动提取机器人的轮廓，进而根据机器人的轮廓和预设测试信息自动检测机器人是否满足精度检测条件，而无需在机器人的壳体设置标记作为参照物以对机器人进行精度检测，能够减少标记物粘贴的步骤，实现无标记物的无损精度检测，从而更有利于机器人的批量检测，以提高精度检测的便捷性和智能性。
参照图3，在一些实施例中，本发明提供一种机器人的精度检测方法，所述方法包括：
步骤S10：获取机器人所在测试场景的场景图像；
步骤S20：根据所述场景图像提取所述机器人的轮廓；
步骤S31：根据所述机器人的轮廓确定所述机器人的实际移动轨迹；
步骤S32：根据所述实际移动轨迹和预设移动轨迹判断所述机器人是否满足路径精度检测条件。
需要说明的是，在一些实施例中，测试场景可以是在对机器人的路径精度进行检测的场景；该测试场景下的预设测试信息可以是预设移动轨迹；所述精度检测条件可包括路径精度检测条件。在该测试场景下，可在为机器人设置测试起点和测试终点后，在该测试场景对应的测试场地中，控制机器人从测试起点移动测试终点。其中，在机器人移动过程中，可实时采集机器人在该测试场景下的场景图像，得到至少一帧场景图像。在获取场景图像后，可从所获取的场景图像中提取机器人的轮廓，得到机器人的至少一个轮廓。进而，可根据机器人的至少一个轮廓确定机器人的实际移动轨迹，然后根据机器人的实际移动轨迹和预设移动轨迹确定机器人是否满足路径精度检测条件。其中，预设移动轨迹指的是预先规划的机器人从测试起点移动测试终点的移动轨迹。
可选地，为了提高精度检测效率，在从所获取的场景图像中提取机器人的轮廓时，可以是每获取一帧场景图像后提取一次机器人的轮廓；为了避免场景图像获取、机器人移动控制与机器人轮廓提取并行运行时，增加系统负荷，也可以是在机器人到达测试终点后，再从所采集的每一帧场景图像中提取机器人的轮廓。对应地，可以每提取一次机器人的轮廓后，确定一次机器人的实际移动轨迹以对机器人的路径规划精度进行检测；也可以是在机器人到达测试终点后，根据所提取的机器人的所有轮廓确定机器人的实际移动轨迹，然以对机器人的路径规划精度进行检测。
在一些实施例中，实际移动轨迹可由多个轮廓中心坐标构成或者由多个轮廓中心坐标拟合得到。例如，在根据机器人的轮廓确定机器人的实际移动轨迹时，具体可以是：先根据机器人的轮廓计算机器人的轮廓中心坐标；然后以该轮廓中心坐标所在的坐标位置作为机器人的实际移动坐标；进而，根据所述实际移动坐标确定所述机器人的实际移动轨迹。可选地，所述机器人的轮廓中心具体可以是所述机器人的质心，例如构成所述机器人的轮廓形状的所有像素点的坐标的加权平均值。本发明实施例中，优选以所述机器人的轮廓的重心作为所述机器人的轮廓中心。又如，在提取到机器人的多个轮廓后，可对应获取到机器人的多个轮廓中心坐标。将所获取的多个轮廓中心坐标存入预设列表中，通过预设拟合函数拟合成直线即可得到机器人的实际移动轨迹。可选地，预设拟合函数可以是分段函数，使得可将机器人的实际移动轨迹拟合成多段连续的直线，以提高实际移动轨迹的准确性。
在一些实施例中，路径精度检测条件包括实时路径精度检测条件。在根据实际移动轨迹和预设移动轨迹判断机器人是否满足路径精度检测条件时，可对某一时刻机器人的实时路径精度进行检测，以判断该时刻机器人是否满足实时路径精度检测条件。具体地，可先计算实际移动轨迹中的实际移动坐标与预设移动轨迹中同一时间对应的预设移动坐标之间的坐标距离；然后根据该坐标距离确定该时间机器人是否满足实时路径精度检测条件。其中，在计算得到的坐标距离大于预设距离时，判定该时间机器人不满足实时路径精度检测条件；在计算得到的坐标距离小于或等于预设距离时，判定该时间机器人满足实时路径精度检测条件。
在一些实施例中，在根据实际移动轨迹和预设移动轨迹判断机器人是否满足路径精度检测条件时，可根据实际移动轨迹中不满足实时路径精度检测条件的实际移动坐标的数量判断机器人是否满足路径精度检测条件。例如，可在实际移动轨迹中不满足实时路径精度检测条件的实际移动坐标的数量小于或等于预设数量时，判定机器人满足路径精度检测条件；而在实际移动轨迹中不满足实时路径精度检测条件的实际移动坐标的数量大于预设数量时，判定机器人不满足路径精度检测条件。
为了提高机器人精度检测的准确性，本发明实施例中可根据实际移动轨迹中不满足实时路径精度检测条件的实际移动坐标的数量以及实际移动轨迹中实际移动坐标的总数量判断机器人是否满足路径精度检测条件。具体地，可先根据实际移动轨迹和预设移动轨迹确定实际移动轨迹中不满足实时路径精度检测条件的实际移动坐标，并统计实际移动轨迹中不满足实时路径精度检测条件的实际移动坐标的数量(记为移动坐标数量)以及实际移动轨迹中的实际移动坐标的总数量(记为移动坐标总数量)；然后，获取移动坐标数量与移动坐标总数量之间的比值，根据该比值判断机器人是否满足路径精度检测条件。其中，在移动坐标数量与移动坐标总数量之间的比值大于预设比值时，确定所述机器人不满足路径精度检测条件；在移动坐标数量与移动坐标总数量之间的比值小于或等于预设比值时，确定所述机器人满足路径精度检测条件。其中，根据实际移动轨迹和预设移动轨迹确定实际移动轨迹中不满足精度检测条件的实际移动坐标的方式可参照上述实施例，此处不再赘述。
本发明实施例通过在根据场景图像提取机器人的轮廓后，根据机器人的轮廓确定机器人的实际移动轨迹，然后根据实际移动轨迹和预设移动轨迹判断机器人是否满足路径精度检测条件，使得能够通过无标记物的无损方式实现机器人的轨迹规划精度的检测，以提高机器人的精度检测的便捷性与智能性。
参照图4，在一些实施例中，本发明提供一种机器人的精度检测方法，所述方法包括：
步骤S10：获取机器人所在测试场景的场景图像；
步骤S20：根据所述场景图像提取所述机器人的轮廓；
步骤S33：获取所述机器人的轮廓与所述测试场景中障碍物的轮廓之间的最小轮廓距离；
步骤S34：在所述最小轮廓距离大于预设距离阈值时，确定所述机器人不满足沿边精度检测条件；
步骤S35：在所述最小轮廓距离小于或等于预设距离阈值时，确定所述机器人满足沿边精度检测条件。
需要说明的是，在一些实施例中，测试场景可以是用于对机器人的沿边精度进行检测的场景；该测试场景下的预设测试信息可以是预设障碍物的轮廓；精度检测条件包括沿边精度检测条件。在该测试场景下，可预先设置障碍物，然后在该测试场景对应的测试场地中，控制机器人移动以对所述障碍物进行沿边。其中，在机器人对所述障碍物进行沿边的过程中，可实时采集机器人在该测试场景下的场景图像。一方面，可通过该场景图像提取机器人的轮廓，另一方面还可通过该场景图像提取障碍物的轮廓。其中，通过场景图像提取机器人的轮廓以及障碍物的轮廓的方式，可参照上述实施例，此处不再赘述。可选地，障碍物的轮廓也可以是预先设置的，此处不作具体限定。如此，在获取机器人轮廓与障碍物轮廓之后，可计算机器人的轮廓与障碍物的轮廓之间的轮廓距离，进而根据该轮廓距离判断机器人是否满足沿边精度检测条件。具体可以是：在获取机器人轮廓与障碍物轮廓之间的轮廓距离中的最小轮廓距离后，根据该最小轮廓距离判断机器人是否满足沿边精度检测条件。其中，障碍物的轮廓可由多个轮廓点(记为障碍物轮廓点)组成，机器人的轮廓也可由多个轮廓点(记为机器人轮廓点)组成。
可选地，在获取机器人的轮廓与障碍物的轮廓之间的轮廓距离中的最小轮廓距离时，可先计算机器人的轮廓上的轮廓点与障碍物的轮廓上的轮廓点之间的轮廓距离，得到各机器人轮廓点与各障碍物轮廓点之间的轮廓距离，然后从得到的多个轮廓距离中确定最小的轮廓距离，以该最小的轮廓距离作为机器人的轮廓与障碍物的轮廓之间的轮廓距离中的最小轮廓距离。
在一些实施例中，在获取机器人的轮廓与障碍物的轮廓之间的轮廓距离中的最小轮廓距离时，可先根据机器人的轮廓计算机器人的轮廓中心坐标，具体的计算方式可参照上述实施例，此处不再赘述。然后，根据机器人的轮廓、机器人的轮廓中心坐标以及障碍物的轮廓获取该最小轮廓距离。
可选地，根据机器人的轮廓、机器人的轮廓中心坐标以及障碍物的轮廓获取该最小轮廓距离时，可先根据机器人的轮廓中心坐标以及障碍物的轮廓确定障碍物的轮廓上距离轮廓中心坐标最近的障碍物轮廓点；然后根据机器人的轮廓、机器人的轮廓中心坐标以及障碍物轮廓点确定机器人的轮廓上距离所述障碍物轮廓点距离最近的机器人轮廓点；进而，可根据距离轮廓中心坐标最近的障碍物轮廓点和距离所述障碍物轮廓点距离最近的机器人轮廓点确定所述最小轮廓距离。
可选地，可根据机器人的轮廓中心坐标以及障碍物的轮廓确定障碍物的轮廓上的轮廓点与该轮廓中心坐标之间的距离，得到多个第一距离；从多个第一距离中确定最小的第一距离，以最小的第一距离对应的障碍物的轮廓上的轮廓点作为障碍物的轮廓上距离轮廓中心坐标最近的障碍物轮廓点。
在一些实施例中，在确定障碍物的轮廓上距离轮廓中心坐标最近的障碍物轮廓点后，可根据机器人的轮廓与该障碍物轮廓点确定机器人的轮廓上的轮廓点与该障碍物轮廓点之间的距离，得到第二距离；并且，可根据机器人的轮廓与该轮廓中心坐标确定机器人的轮廓上的轮廓点与该轮廓中心坐标之间的距离，得到第三距离；然后，获取所述第二距离与所述第三距离之间的和值，将最小的所述和值对应的机器人的轮廓上的轮廓点确定为所述机器人的轮廓上距离所述障碍物轮廓点距离最近的机器人轮廓点。
可选地，可获取距离轮廓中心坐标最近的障碍物轮廓点与距离障碍物轮廓点最近的机器人轮廓点之间的距离，得到第四距离；以该第四距离作为机器人的轮廓与障碍物的轮廓之间的最小轮廓距离。
在一些实施例中，在根据该最小轮廓距离判断机器人是否满足沿边精度检测条件时，具体可以是：在所述最小轮廓距离大于预设距离阈值时，确定所述机器人不满足沿边精度检测条件；在所述最小轮廓距离小于或等于预设距离阈值时，确定所述机器人满足沿边精度检测条件。其中，预设距离阈值可根据实际的精度需求设置，此处不作具体限定。
本发明实施例通过获取机器人轮廓与测试场景中障碍物轮廓之间的最小轮廓距离，根据该最小轮廓距离判断机器人是否满足沿边精度检测条件，使得能够通过无标记物的无损方式实现机器人的沿边精度检测，以提高机器人的沿边精度检测的便捷性与智能性。
参照图5，在一些实施例中，本发明提供一种机器人的精度检测方法，所述方法包括：
步骤S10：获取机器人所在测试场景的场景图像；
步骤S20：根据所述场景图像提取所述机器人的轮廓；
步骤S40：根据所述场景图像确定所述标记物的位置坐标，得到标记物移动轨迹；
步骤S50：根据所述机器人的轮廓计算所述机器人的轮廓中心坐标，得到轮廓中心移动轨迹；
步骤S60：根据所述标记物移动轨迹和所述轮廓中心移动轨迹输出提示信息，以提示对所述机器人的测试参数进行调整。
需要说明的是，在一些实施例中，在对机器人进行精度检测之前，可在机器人的壳体表面粘贴标记物，以通过该标记为表征机器人的质心，使得在设备调试阶段可通过识别该标记物的位置辅助验证由图像识别计算得出实际轨迹点的检测方法的精度。
具体地，在该测试场景下，可根据场景图像确定标记物的位置坐标，根据该位置坐标得到标记物移动轨迹；同时，可在根据场景图像提取机器人的轮廓后，根据机器人的轮廓计算机器人的轮廓中心坐标，得到轮廓中心移动轨迹。其中，根据机器人的轮廓计算机器人的轮廓中心坐标可参照上述实施例，此处不再赘述。在获取标记物移动轨迹和轮廓中心移动轨迹后，可根据标记物移动轨迹和轮廓中心移动轨迹输出提示信息，以提示对所述机器人的测试参数进行调整。
可选地，机器人的测试参数可包括：用于采集场景图像的图像采集装置的图像采集参数(如图像采集装置的位置、焦距和朝向等)以及测试场景中的测试环境参数(如测试路径的平坦度等会导致机器人倾斜的环境参数)等，此处不作具体限定。
可选地，提示信息的输出方式包括但不限于以下至少一个：语音、文字、图片、指示灯、振动等，此处不作具体限定。
在一些实施例中，可根据轮廓中心与标记物位置之间的距离确定是否需要对用于采集场景图像的图像采集装置的图像采集参数进行调整，以在需要对该图像采集装置的图像采集参数进行调整时，及时输出相应的提示信息，使得可以及时对图像采集装置的图像采集参数进行调整，以提高机器人精度检测的准确性。
示例性地，可先确定轮廓中心移动轨迹中的轮廓中心坐标与标记物移动轨迹中同一时间对应的标记物位置坐标之间的距离，根据该距离确定是否需要对图像采集装置的图像采集参数进行调整，在根据该距离确定需要对图像采集装置的图像采集参数进行调整时，输出提示信息，以提示对图像采集装置的图像采集参数进行调整。例如，在该距离大于预设距离时，认为需要对图像采集装置的图像采集参数进行调整；而在该距离小于或等于预设距离时，认为无需对图像采集装置的图像采集参数进行调整。
在一些实施例中，可结合机器人在场景图像中的位置坐标和同一时间下标记物的位置坐标与轮廓中心坐标之间的距离，确定是否需要对图像采集装置的图像采集参数进行调整。
示例性地，可分别获取机器人位于场景图像左侧时，标记物与轮廓中心在同一时间下的距离(记为左侧距离)，以及机器人位于场景图像右侧时，标记物与轮廓中心在同一时间下的距离(记为右侧距离)；将该左侧距离与该右侧距离进行比较；若左侧距离大于右侧距离，则认为图像采集装置偏右，此时需要向左调整图像采集装置，进而可对应输出第一提示信息，以提示向左调整图像采集装置的位置；若左侧距离小于右侧距离，则认为图像采集装置偏左，此时需要向右调整图像采集装置，进而可对应输出第二提示信息，以提示向右调整图像采集装置的位置。
可选地，可将图像采集装置设置在测试场景中的可移动支架上，使得可通过移动该可移动支架实现图像采集装置的位置调整。可选地，可移动支架设置有控制单元，该控制单元可与机器人通信连接，使得可通过机器人向该控制单元发送控制信息，以控制该可移动支架移动实现图像采集装置的位置调整。此时，在确定需要对图像采集装置的图像采集参数进行调整时，可将相应的位置调整信息发送至可移动支架的控制单元，使得可移动支架的控制单元可根据该位置调整信息控制可移动支架移动，以实现图像采集装置的位置调整。
可以理解的是，本发明实施例中涉及的标记物仅在对机器人进行精度检测的设备调试阶段使用，在机器人后续的精度检测过程中无需再使用标记物。
本发明实施例通过标记物移动轨迹和轮廓中心移动轨迹输出提示信息，以提示对所述机器人的测试参数进行调整，使得在设备调试阶段可以通过标记物辅助验证由图像识别计算得出实际轨迹点的检测方法的精度，以提高机器人精度检测的准确性。
一具体的应用实例中，测试场景中包含机器人，测试场地和固定摄像头 (也即用于采集场景图像的图像采集装置)。
1、可采用机器视觉方法识别机器人的轮廓并确定机器人的轮廓中心坐标。
(1)通过摄像头获取机器人所在测试场景的场景图像。
(2)基于opencv算法计算机器人的轮廓和轮廓中心坐标。
(2.1)利用RGB空间坐标转HSV空间坐标公式得到场景图像上各个像素点的HSV值，根据机器人壳体表面颜色的HSV经验值对场景图像进行阈值分割，得到分割后的闭合轮廓集；此时，所得到的闭合轮廓集中不仅包括机器人的轮廓，可能还包括与机器人具有相同色彩的背景物的轮廓。
(2.2)通过机器人特有的长宽比例和面积从分割后的闭合轮廓集中提取出机器人的轮廓。
(2.3)计算机器人的轮廓的重心坐标，以此作为机器人的轮廓中心坐标。
2、沿边精度检测
沿边精度检测指的是：判断机器人在运动过程中需要与障碍物保持一定距离，关键在于计算机器人与障碍物之间的最小距离，这里将机器人与障碍物之间的最小距离转换为计算机器人与障碍物的轮廓点之间的最小轮廓距离。
(1)在采用1中的方式根据场景图像获得障碍物的轮廓和机器人的轮廓后，可分别得到障碍物的轮廓集和机器人的轮廓集：
Cedge＝{(xe0，ye0)，(xe1，ye1)，...，(xem，yem)}
Crobot＝{(xr0，yr0)，(xr1，yr1)，...，(xrn，yrn)}
(2)可根据障碍物的轮廓集和机器人的轮廓集，采用以下求解算法求解机器人与障碍物的轮廓点之间的最小轮廓距离。
(2.1)根据机器人的轮廓集计算机器人的轮廓中心坐标O；
(2.2)计算障碍物的每个轮廓点e到机器人的轮廓中心坐标O之间的距离，记|eO|的最小值对应的障碍物轮廓点为E；
(2.3)计算机器人的每个轮廓点r到点O和点E之间的距离，记|Or|+|Er| 的最小值对应的机器人轮廓点为R；
(2.4)计算点E和点R之间的距离|ER|，|ER|即为机器人与障碍物的轮廓点之间的最小轮廓距离。具体的示意图可如图6所示。
(3)将计算得出的最小轮廓距离与一预设距离阈值进行比较，若最小轮廓距离大于该预设距离阈值，则判断该点沿边精度检测不达标。
3、路径精度检测
在获取机器人的轮廓中心后，可将所获取的机器人的轮廓中心存入列表拟合成直线作为机器人的实际轨迹，将此轨迹于获得的规划点轨迹进行实时比较，以此来判断机器人的路径精度是否达标。
(1)将机器人的轮廓中心坐标(Xreal，Yreal)与同一时间的机器人所规划的轨迹坐标(Xgoal，Ygoal)进行绝对距离计算，获得差值e：
差值e的范围若满足精度设计的要求，则可以验证规划轨迹点与实际运动轨迹点是否匹配，以此来验证机器人的路径精度。
(2)高精度路径的应该需要保证每个点的精度达标，故将所有差值e存入一个列表中，同时设置一个e的阈值，若差值e超过此阈值，说明这一点的路径精度不达标，也即不满足实时路径精度检测条件。
(3)再设置一个不达标点数占比的阈值，若不达标点数占总点数的个数超过此阈值，则判断机器人不满足路径精度检测条件，也即路径精度不达标。
(4)对于目标终点与实际终点也采用同种方案检测，若能匹配，则可验证机器人路径精度的准确度。
4、标记物辅助检测
(1)可在机器人的实际中心上设置一黑色标记物，根据摄像头采集的场景图像识别出标记物的位置坐标，以及根据摄像头采集的场景图像识别出机器人的轮廓，进而根据机器人的轮廓计算出机器人的质心坐标(也即轮廓中心坐标)。
(2)将标记物的位置坐标与机器人的质心坐标进行比较，比较二者之间的距离情况可用于提升机器人精度检测的准确性。
此外，这种标记只有在设计环节需要对机器人贴上标记物，来保障实际轨迹点的精度，从而提高全体方案的。思路和实际方法如图7所示。
此外，本发明实施例还提出一种机器人的精度检测装置，所述机器人的精度检测装置包括：
获取模块，用于获取机器人所在测试场景的场景图像；
提取模块，用于根据场景图像提取所述机器人的轮廓；
判断模块，用于根据所述机器人的轮廓和预设测试信息判断所述机器人是否满足精度检测条件。
需要说明的是，上述机器人的精度检测装置执行上述步骤的具体细节可参照上述机器人的精度检测装置方法中的实施步骤，此处不再赘述。
此外，本发明实施例还提出一种机器人，所述机器人包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的机器人的精度检测程序，所述机器人的精度检测程序被所述处理器执行时实现如上所述的机器人的精度检测方法的步骤；或者，所述机器人包括所述机器人的精度检测装置。
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有机器人的精度检测程序，所述机器人的精度检测程序被处理器执行时实现如上机器人的精度检测方法任一实施例的相关步骤。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台机器人执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (11)
1.一种机器人的精度检测方法，其特征在于，所述机器人的精度检测方法包括：
获取机器人所在测试场景的场景图像；
根据所述场景图像提取所述机器人的轮廓；
根据所述机器人的轮廓和预设测试信息判断所述机器人是否满足精度检测条件，所述预设测试信息包括预设移动轨迹，所述精度检测条件包括路径精度检测条件；
所述根据所述机器人的轮廓和预设测试信息判断所述机器人是否满足精度检测条件的步骤包括：
根据所述机器人的轮廓确定所述机器人的实际移动轨迹；
根据所述实际移动轨迹和所述预设移动轨迹判断所述机器人是否满足路径精度检测条件；
所述机器人的壳体表面设置有标记物，所述根据所述机器人的轮廓和预设测试信息判断所述机器人是否满足精度检测条件的步骤之前，所述方法还包括：
根据所述场景图像确定所述标记物的位置坐标，得到标记物移动轨迹；
根据所述机器人的轮廓计算所述机器人的轮廓中心坐标，得到轮廓中心移动轨迹；
根据所述标记物移动轨迹和所述轮廓中心移动轨迹输出提示信息，以提示对所述机器人的测试参数进行调整，所述测试参数包括用于采集场景图像的图像采集装置的图像采集参数和测试场景中的测试环境参数，所述测试环境参数为会导致机器人倾斜的环境参数。
2.如权利要求1所述的方法，其特征在于，所述根据所述机器人的轮廓确定所述机器人的实际移动轨迹的步骤包括：
根据所述机器人的轮廓计算所述机器人的轮廓中心坐标；
将所述机器人的轮廓中心坐标作为所述机器人的实际移动坐标；
根据所述实际移动坐标确定所述机器人的实际移动轨迹。
3.如权利要求1所述的方法，其特征在于，所述根据所述实际移动轨迹和所述预设移动轨迹判断所述机器人是否满足路径精度检测条件的步骤包括：
计算所述实际移动轨迹中的实际移动坐标与所述预设移动轨迹中同一时间对应的预设移动坐标之间的距离；
若所述距离大于预设距离，则判定该时间所述机器人不满足实时路径精度检测条件；
若所述距离小于或等于预设距离，则判定该时间所述机器人满足实时路径精度检测条件。
4.如权利要求1所述的方法，其特征在于，所述根据所述实际移动轨迹和所述预设移动轨迹判断所述机器人是否满足路径精度检测条件的步骤包括：
根据所述实际移动轨迹和所述预设移动轨迹确定不满足实时路径精度检测条件的移动坐标数量，并获取所述实际移动轨迹中的移动坐标总数量；
在所述移动坐标数量与所述移动坐标总数量的比值大于预设比值时，确定所述机器人不满足路径精度检测条件；
在所述移动坐标数量与所述移动坐标总数量的比值小于或等于预设比值时，确定所述机器人满足路径精度检测条件。
5.如权利要求1所述的方法，其特征在于，所述根据所述标记物移动轨迹和所述轮廓中心移动轨迹输出提示信息的步骤包括：
确定所述轮廓中心移动轨迹中的轮廓中心坐标与所述标记物移动轨迹中同一时间对应的标记物位置坐标之间的距离；
根据所述距离输出提示信息，以提示对所述机器人的测试参数进行调整，所述测试参数为所述场景图像的采集装置的位置。
6.如权利要求1所述的方法，其特征在于，所述预设测试信息包括所述测试场景中障碍物的轮廓，所述精度检测条件包括沿边精度检测条件，所述根据所述机器人的轮廓和预设测试信息判断所述机器人是否满足精度检测条件的步骤包括：
获取所述机器人的轮廓与所述障碍物的轮廓之间的最小轮廓距离；
在所述最小轮廓距离大于预设距离阈值时，确定所述机器人不满足沿边精度检测条件；
在所述最小轮廓距离小于或等于预设距离阈值时，确定所述机器人满足沿边精度检测条件。
7.如权利要求6所述的方法，其特征在于，所述获取所述机器人的轮廓与所述障碍物的轮廓之间的最小轮廓距离的步骤包括：
根据所述机器人的轮廓计算所述机器人的轮廓中心坐标；
根据所述轮廓中心坐标、所述机器人的轮廓以及所述障碍物的轮廓确定所述最小轮廓距离。
8.如权利要求6所述的方法，其特征在于，所述根据所述轮廓中心坐标、所述机器人的轮廓以及所述障碍物的轮廓确定所述最小轮廓距离的步骤包括：
根据所述障碍物的轮廓与所述轮廓中心坐标确定所述障碍物的轮廓上与所述轮廓中心坐标距离最近的障碍物轮廓点坐标；
根据所述障碍物轮廓点坐标、所述轮廓中心坐标和所述机器人的轮廓确定所述机器人的轮廓上距离所述障碍物轮廓点坐标距离最近的机器人轮廓点坐标；
获取所述障碍物轮廓点坐标与所述机器人轮廓点坐标之间的距离，得到所述最小轮廓距离。
9.一种机器人的精度检测装置，其特征在于，所述机器人的精度检测装置包括：
获取模块，用于获取机器人所在测试场景的场景图像；
提取模块，用于根据场景图像提取所述机器人的轮廓；
判断模块，用于根据所述机器人的轮廓和预设测试信息判断所述机器人是否满足精度检测条件，所述预设测试信息包括预设移动轨迹，所述精度检测条件包括路径精度检测条件，其中，根据所述机器人的轮廓确定所述机器人的实际移动轨迹；根据所述实际移动轨迹和所述预设移动轨迹判断所述机器人是否满足路径精度检测条件；所述机器人的壳体表面设置有标记物，根据所述场景图像确定所述标记物的位置坐标，得到标记物移动轨迹；根据所述机器人的轮廓计算所述机器人的轮廓中心坐标，得到轮廓中心移动轨迹；根据所述标记物移动轨迹和所述轮廓中心移动轨迹输出提示信息，以提示对所述机器人的测试参数进行调整，所述测试参数包括用于采集场景图像的图像采集装置的图像采集参数和测试场景中的测试环境参数，所述测试环境参数为会导致机器人倾斜的环境参数。
10.一种机器人，其特征在于，所述机器人包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的机器人的精度检测程序，所述机器人的精度检测程序被所述处理器执行时实现如权利要求1至8中任一项所述的机器人的精度检测方法的步骤。
11.一种存储介质，其特征在于，所述存储介质上存储有机器人的精度检测程序，所述机器人的精度检测程序被处理器执行时实现如权利要求1至8中任一项所述的机器人的精度检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210225394.5A CN114454216B (zh) | 2022-03-07 | 2022-03-07 | 机器人的精度检测方法、装置、机器人及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210225394.5A CN114454216B (zh) | 2022-03-07 | 2022-03-07 | 机器人的精度检测方法、装置、机器人及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114454216A CN114454216A (zh) | 2022-05-10 |
| CN114454216B true CN114454216B (zh) | 2023-10-10 |
Family
ID=81418127
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210225394.5A Active CN114454216B (zh) | 2022-03-07 | 2022-03-07 | 机器人的精度检测方法、装置、机器人及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114454216B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11202051A (ja) * | 1998-01-19 | 1999-07-30 | Tokyu Car Corp | 物体検知装置及び走行車 |
| CN102806560A (zh) * | 2012-08-24 | 2012-12-05 | 电子科技大学 | 一种可自动消除机器人运动累积误差的方法 |
| CN106541419A (zh) * | 2016-10-13 | 2017-03-29 | 同济大学 | 一种机器人轨迹误差的测量方法 |
| CN107481284A (zh) * | 2017-08-25 | 2017-12-15 | 京东方科技集团股份有限公司 | 目标物跟踪轨迹精度测量的方法、装置、终端及系统 |
| CN109567678A (zh) * | 2018-12-07 | 2019-04-05 | 江苏美的清洁电器股份有限公司 | 扫地机器人的清扫控制方法及其装置和扫地机器人 |
| CN109746909A (zh) * | 2017-11-08 | 2019-05-14 | 深圳先进技术研究院 | 一种机器人运动控制方法及设备 |
| CN111474931A (zh) * | 2020-04-22 | 2020-07-31 | 珠海市一微半导体有限公司 | 一种机器人沿直边行走的异常检测方法及脱卡的处理方法 |
| CN111830970A (zh) * | 2020-06-12 | 2020-10-27 | 珠海市一微半导体有限公司 | 一种机器人沿边行走的区域清扫规划方法、芯片及机器人 |
-
2022
- 2022-03-07 CN CN202210225394.5A patent/CN114454216B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11202051A (ja) * | 1998-01-19 | 1999-07-30 | Tokyu Car Corp | 物体検知装置及び走行車 |
| CN102806560A (zh) * | 2012-08-24 | 2012-12-05 | 电子科技大学 | 一种可自动消除机器人运动累积误差的方法 |
| CN106541419A (zh) * | 2016-10-13 | 2017-03-29 | 同济大学 | 一种机器人轨迹误差的测量方法 |
| CN107481284A (zh) * | 2017-08-25 | 2017-12-15 | 京东方科技集团股份有限公司 | 目标物跟踪轨迹精度测量的方法、装置、终端及系统 |
| CN109746909A (zh) * | 2017-11-08 | 2019-05-14 | 深圳先进技术研究院 | 一种机器人运动控制方法及设备 |
| CN109567678A (zh) * | 2018-12-07 | 2019-04-05 | 江苏美的清洁电器股份有限公司 | 扫地机器人的清扫控制方法及其装置和扫地机器人 |
| CN111474931A (zh) * | 2020-04-22 | 2020-07-31 | 珠海市一微半导体有限公司 | 一种机器人沿直边行走的异常检测方法及脱卡的处理方法 |
| CN111830970A (zh) * | 2020-06-12 | 2020-10-27 | 珠海市一微半导体有限公司 | 一种机器人沿边行走的区域清扫规划方法、芯片及机器人 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114454216A (zh) | 2022-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109977813B (zh) | 一种基于深度学习框架的巡检机器人目标定位方法 | |
| CN111683193B (zh) | 图像处理装置 | |
| EP3771198B1 (en) | Target tracking method and device, movable platform and storage medium | |
| CN111192189A (zh) | 一种汽车外形的三维自动检测方法及系统 | |
| CN106908064B (zh) | 一种基于Kinect2传感器的室内夜间视觉导航方法 | |
| CN110956069B (zh) | 一种行人3d位置的检测方法及装置、车载终端 | |
| CN111144207B (zh) | 一种基于多模态信息感知的人体检测和跟踪方法 | |
| CN112487964B (zh) | 姿态检测识别方法、设备及计算机可读存储介质 | |
| US11107245B2 (en) | Image processing device, ranging device, and method | |
| CN113298035A (zh) | 基于图像识别的无人机电力杆塔检测及自主巡航方法 | |
| CN111027381A (zh) | 利用单目相机识别障碍物的方法、装置、设备及存储介质 | |
| EP3836084A1 (en) | Charging device identification method, mobile robot and charging device identification system | |
| CN114359714A (zh) | 基于事件相机的无人体避障方法、装置及智能无人体 | |
| CN113593035A (zh) | 一种运动控制决策生成方法、装置、电子设备及存储介质 | |
| CN112699748B (zh) | 基于yolo及rgb图像的人车距离估计方法 | |
| JP7467368B2 (ja) | 画像処理装置、測距装置、方法及びプログラム | |
| CN114454216B (zh) | 机器人的精度检测方法、装置、机器人及存储介质 | |
| CN116486290B (zh) | 一种无人机监测追踪方法、装置、电子设备及存储介质 | |
| JP5953166B2 (ja) | 画像処理装置及びプログラム | |
| CN110322508A (zh) | 一种基于计算机视觉的辅助定位方法 | |
| CN115526897A (zh) | 特高压换流站消防机器人火焰定位方法及系统 | |
| CN113824880A (zh) | 一种基于目标检测和uwb定位的车辆跟踪方法 | |
| CN112286230A (zh) | 无人机视觉图像算法、避障步骤及其信息融合处理系统 | |
| CN112149687A (zh) | 目标识别的方法 | |
| CN115797397B (zh) | 一种机器人全天候自主跟随目标人员的方法及系统 |
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 | ||
| CB02 | Change of applicant information |
Address after: 518000, Building 1, Yunzhongcheng A2902, Wanke Yuncheng Phase 6, Dashi Er Road, Xili Community, Xishan District, Shenzhen City, Guangdong Province Applicant after: Yunjing intelligent (Shenzhen) Co.,Ltd. Applicant after: Yunjing Intelligent Innovation (Shenzhen) Co.,Ltd. Address before: 518000 unit 02, 2 / F, West Tower, baidu international building, 8 Haitian 1st Road, Binhai community, Yuehai street, Nanshan District, Shenzhen City, Guangdong Province Applicant before: Yunjing intelligent (Shenzhen) Co.,Ltd. Applicant before: YUNJING INTELLIGENCE TECHNOLOGY (DONGGUAN) Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |