CN114510033A - 基于车位的规划作业方法、装置、设备及存储介质 - Google Patents
基于车位的规划作业方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114510033A CN114510033A CN202210014835.7A CN202210014835A CN114510033A CN 114510033 A CN114510033 A CN 114510033A CN 202210014835 A CN202210014835 A CN 202210014835A CN 114510033 A CN114510033 A CN 114510033A
- Authority
- CN
- China
- Prior art keywords
- parking space
- parking
- path
- target
- marking
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000003860 storage Methods 0.000 title claims abstract description 33
- 238000010276 construction Methods 0.000 claims description 52
- 238000004080 punching Methods 0.000 claims description 44
- 238000004458 analytical method Methods 0.000 claims description 24
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 7
- 238000002922 simulated annealing Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 7
- 239000000284 extract Substances 0.000 description 5
- 230000002068 genetic effect Effects 0.000 description 4
- 238000009434 installation Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 239000002390 adhesive tape Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000007704 transition Effects 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
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01C—CONSTRUCTION OF, OR SURFACES FOR, ROADS, SPORTS GROUNDS, OR THE LIKE; MACHINES OR AUXILIARY TOOLS FOR CONSTRUCTION OR REPAIR
- E01C23/00—Auxiliary devices or arrangements for constructing, repairing, reconditioning, or taking-up road or like surfaces
- E01C23/16—Devices for marking-out, applying, or forming traffic or like markings on finished paving; Protecting fresh markings
- E01C23/20—Devices for marking-out, applying, or forming traffic or like markings on finished paving; Protecting fresh markings for forming markings in situ
-
- 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- 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
- G05D1/0253—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 extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
-
- 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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Optics & Photonics (AREA)
- Structural Engineering (AREA)
- Civil Engineering (AREA)
- Architecture (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Manipulator (AREA)
Abstract
本发明涉及人工智能领域,公开了基于车位的规划作业方法、装置、设备及存储介质,用于提升车位划线时的精准度。方法包括:从预置的建筑信息化模型中提取车位位置信息,其中,所述车位位置信息用于指示车位的尺寸信息及坐标信息;根据所述车位位置信息确定多种车位类型,并通过每种车位类型和所述车位位置信息进行自动划线路径规划,得到目标划线路径;基于所述目标划线路径进行车位划线,得到每种车位类型对应的目标划线车位。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种基于车位的规划作业方法、装置、设备及存储介质。
背景技术
目前,上普遍采用人工手动方式进行地库车位线、标识的绘制。人工绘制车位线大致步骤如下:进行现场精准测量,按照图纸进行精准定位,需要绘制车位线的两侧铺贴美纹纸或者胶带,手动绘制车位线,移除美纹纸或者胶带。
传统车位绘制制作流程复杂,人工操作测量工作大,需要在地面按照图纸精准测量,于无法精准控制绘制质量、非直线道路线难以控制精度,无法保证行走过程中精准的沿直线、斜线或者曲线行走;绘制厚度和宽度难以控制,导致绘制效果不佳,严重影响观感,易造成凹凸不平的痕迹和宽度不一致的问题。进行路径规划及规划作业机器人自动划线,可以降低施工复杂度,提高车位划线的精确度。
发明内容
本发明实施例提供了一种基于车位的规划作业方法、装置、设备及存储介质,用于提升车位划线时的精准度。
本发明第一方面提供了一种基于车位的规划作业方法,包括:从预置的建筑信息化模型中提取车位位置信息,其中,所述车位位置信息用于指示车位的尺寸信息及坐标信息;根据所述车位位置信息确定多种车位类型,并通过每种车位类型和所述车位位置信息进行自动划线路径规划,得到目标划线路径;基于所述目标划线路径进行车位划线,得到每种车位类型对应的目标划线车位。
通过上述的技术方案,规划作业机器人获取车位线、道路线的位置,提供给地库车位规划作业机器人对车位线和道路线绘制,利用机器人本体激光导航进行精准定位,无需任何的测量工作,可以提升施工效率。
可选的,在本发明第一方面的第一种实现方式中,述从预置的建筑信息化模型中提取车位位置信息包括:从预置的建筑信息化模型中读取对应的施工图纸信息,并对所述施工图纸信息进行分析,确定多个施工区域;对每一所述施工区域进行车位位置分析,得到多个车位绘制线信息;将所述多个车位绘制线信息进行存储格式转化,得到对应的结构化数据并将所述结构化数据作为所述车位位置信息。
通过上述的技术方案,按照不同的区域进行数据的提取,提取的车位绘制线信息作为路径规划的前置数据,后续规划作业机器人同样按照结构化数据格式进行存储,能够为机器人的智能施工提供详细的数字化数据,提升施工作业的准确性。
可选的,在本发明第一方面的第二种实现方式中,所述根据所述车位位置信息确定多种车位类型,并通过每种车位类型和所述车位位置信息进行自动划线路径规划,得到目标划线路径包括:对所述车位位置信息进行扫描分析,确定多种车位类型,其中,所述多种车位类型包括单车位类型、双车位类型及三车位类型;通过预设的作业初始点选择原则对每种所述车位类型和所述车位位置信息进行初始点坐标计算,确定多个作业初始点;通过所述多个作业初始点进行自动划线路径规划,得到目标划线路径。
通过上述的技术方案,规划作业机器人首先在提取车位数据的时候,将车位按照单车位、双车位、三车位等进行分类存储,按照不同的车位类型进行机器人作业的路径规划,能够具有针对性的对不同车位类型进行存储,以便于后续对不同类型车位进行路线规划,提升准确度。
可选的,在本发明第一方面的第三种实现方式中,所述通过所述多个作业初始点进行自动划线路径规划,得到目标划线路径包括:对所述多个作业初始点进行坐标分析,从所述多个作业初始点中确定目标作业起点及目标作业终点;通过预置的最短路径算法对所述目标作业起点及目标作业终点进行路径分析,确定目标划线路径。
通过上述的技术方案,可以避免机器人轮子碾压到已经绘制好的地面车位线。因为在车位的两侧以及车位尾部往往存在柱子或者存在墙面,因此选择车位开口处能保证机器人的作业路径沿着一个方向快速作业,并且不会破坏已经完成的工作面。使得机器人作业交付面满足施工质量要求,相比人工大大提高作业效率。
可选的,在本发明第一方面的第四种实现方式中,所述基于所述目标划线路径进行车位划线,得到每种车位类型对应的目标划线车位包括:根据所述目标划线路径从所述目标作业起点进行划线作业,并按照预设的偏差值通过预置的精度控制构件进行作业位置控制;当划线作业至所述目标划线路径中设置的转向位置时,控制预置的滑动模组构件对预置的划线构件进行位置转换,当位置转换完成时,按照所述目标划线路径继续进行车位划线;当车位划线作业至所述目标作业终点时,得到每种车位类型对应的目标划线车位。
通过上述的技术方案,规划作业机器人采用滑动模组划线构件进行划线作业,可以保证规划作业机器人行走过程中的坐标以及位姿角度,保证机器人行走按照严格的直线或者斜线或者曲线进行车位线和道路线的绘制作业。保证了划线要求成品完成精度高、工作效率高。
可选的,在本发明第一方面的第五种实现方式中,在所述基于所述目标划线路径进行车位划线,得到每种车位类型对应的目标划线车位之后,还包括:从预置的建筑信息化模型中获取车位挡板的孔位信息,得到对应的多个车位挡板孔位坐标;通过所述多个车位挡板孔位坐标进行最短打孔路径分析,确定对应的目标打孔路径;基于所述目标打孔路径依次进行车位挡板孔位打孔。
通过上述的技术方案,车位挡板孔位坐标在施工图中包含有对应的数据信息,规划作业机器人从施工图中进行数据提取,能够为机器人的智能施工提供详细的数字化数据,提升施工作业的准确性。
可选的,在本发明第一方面的第六种实现方式中,所述通过所述多个车位挡板孔位坐标进行最短打孔路径分析,确定对应的目标打孔路径包括:对所述多个车位挡板孔位坐标进行数量分析,确定对应的车位挡板数量并判断所述车位挡板数量是否大于预设阈值;若否,则根据预置的质心偏角算法对所述多个车位挡板孔位坐标进行路径分析,确定对应的时序坐标集合并作为所述目标打孔路径;若是,则对所述多个车位挡板孔位坐标进行相邻长度计算,确定每对相邻车位挡板孔位的距离数值;将所述每对相邻车位挡板孔位的距离数值输入所述预置的模拟退火算法中进行路径生成及迭代训练,得到对应的目标打孔路径。
通过上述的技术方案,机器人作业过程中进行全局规划,由于地库形状复杂,车位排布没有一定的顺序,可以有效的将作业区域的所有打孔位置进行排序,然后按照指定的顺序进行作业,使得机器人的作业路径最短,作业效率最高。
本发明第二方面提供了一种基于车位的规划作业装置,包括:提取模块,用于从预置的建筑信息化模型中提取车位位置信息,其中,所述车位位置信息用于指示车位的尺寸信息及坐标信息;规划模块,用于根据所述车位位置信息确定多种车位类型,并通过每种车位类型和所述车位位置信息进行自动划线路径规划,得到目标划线路径;划线模块,用于基于所述目标划线路径进行车位划线,得到每种车位类型对应的目标划线车位。
通过上述的技术方案,规划作业装置获取车位线、道路线的位置,提供给地库车位规划作业机器人对车位线和道路线绘制,利用机器人本体激光导航进行精准定位,无需任何的测量工作,可以提升施工效率。
可选的,在本发明第二方面的第一种实现方式中,所述提取模块具体用于:从预置的建筑信息化模型中读取对应的施工图纸信息,并对所述施工图纸信息进行分析,确定多个施工区域;对每一所述施工区域进行车位位置分析,得到多个车位绘制线信息;将所述多个车位绘制线信息进行存储格式转化,得到对应的结构化数据并将所述结构化数据作为所述车位位置信息。
通过上述的技术方案,按照不同的区域进行数据的提取,提取的车位绘制线信息作为路径规划的前置数据,后续规划作业装置同样按照结构化数据格式进行存储,能够为规划作业装置的智能施工提供详细的数字化数据,提升施工作业的准确性。
可选的,在本发明第二方面的第二种实现方式中,所述规划模块还包括:
信息扫描单元,用于对所述车位位置信息进行扫描分析,确定多种车位类型,其中,所述多种车位类型包括单车位类型、双车位类型及三车位类型;
坐标计算单元,用于通过预设的作业初始点选择原则对每种所述车位类型和所述车位位置信息进行初始点坐标计算,确定多个作业初始点;
路径规划单元,用于通过所述多个作业初始点进行自动划线路径规划,得到目标划线路径。
通过上述的技术方案,规划作业装置首先在提取车位数据的时候,将车位按照单车位、双车位、三车位等进行分类存储,按照不同的车位类型进行机器人作业的路径规划,能够具有针对性的对不同车位类型进行存储,以便于后续对不同类型车位进行路线规划,提升准确度。
可选的,在本发明第二方面的第三种实现方式中,所述路径规划单元具体用于:对所述多个作业初始点进行坐标分析,从所述多个作业初始点中确定目标作业起点及目标作业终点;通过预置的最短路径算法对所述目标作业起点及目标作业终点进行路径分析,确定目标划线路径。
通过上述的技术方案,可以避免规划作业装置轮子碾压到已经绘制好的地面车位线。因为在车位的两侧以及车位尾部往往存在柱子或者存在墙面,因此选择车位开口处能保证机器人的作业路径沿着一个方向快速作业,并且不会破坏已经完成的工作面。使得规划作业装置作业交付面满足施工质量要求,相比人工大大提高作业效率。
可选的,在本发明第二方面的第四种实现方式中,所述划线模块具体用于:根据所述目标划线路径从所述目标作业起点进行划线作业,并按照预设的偏差值通过预置的精度控制构件进行作业位置控制;当划线作业至所述目标划线路径中设置的转向位置时,控制预置的滑动模组构件对预置的划线构件进行位置转换,当位置转换完成时,按照所述目标划线路径继续进行车位划线;当车位划线作业至所述目标作业终点时,得到每种车位类型对应的目标划线车位。
通过上述的技术方案,规划作业机器人采用滑动模组划线构件进行划线作业,可以保证规划作业机器人行走过程中的坐标以及位姿角度,保证机器人行走按照严格的直线或者斜线或者曲线进行车位线和道路线的绘制作业。保证了划线要求成品完成精度高、工作效率高。
可选的,在本发明第二方面的第五种实现方式中,所述基于车位的规划作业装置还包括:
获取模块,用于从预置的建筑信息化模型中获取车位挡板的孔位信息,得到对应的多个车位挡板孔位坐标;
分析模块,用于通过所述多个车位挡板孔位坐标进行最短打孔路径分析,确定对应的目标打孔路径;
打孔模块,用于基于所述目标打孔路径依次进行车位挡板孔位打孔。
通过上述的技术方案,车位挡板孔位坐标在施工图中包含有对应的数据信息,规划作业装置从施工图中进行数据提取,能够为规划作业装置的智能施工提供详细的数字化数据,提升施工作业的准确性。
可选的,在本发明第二方面的第六种实现方式中,所述分析模块具体用于:对所述多个车位挡板孔位坐标进行数量分析,确定对应的车位挡板数量并判断所述车位挡板数量是否大于预设阈值;若否,则根据预置的质心偏角算法对所述多个车位挡板孔位坐标进行路径分析,确定对应的时序坐标集合并作为所述目标打孔路径;若是,则对所述多个车位挡板孔位坐标进行相邻长度计算,确定每对相邻车位挡板孔位的距离数值;将所述每对相邻车位挡板孔位的距离数值输入所述预置的模拟退火算法中进行路径生成及迭代训练,得到对应的目标打孔路径。
通过上述的技术方案,规划作业装置作业过程中进行全局规划,由于地库形状复杂,车位排布没有一定的顺序,可以有效的将作业区域的所有打孔位置进行排序,然后按照指定的顺序进行作业,使得规划作业装置的作业路径最短,作业效率最高。
本发明第三方面提供了一种计算机设备,包括:存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述计算机设备执行上述的基于车位的规划作业方法。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的基于车位的规划作业方法。
本发明提供的技术方案中,规划作业机器人获取车位线、道路线的位置,提供给地库车位规划作业机器人对车位线和道路线绘制,利用机器人本体激光导航进行精准定位,无需任何的测量工作,可以提升施工效率。按照车位排布顺序,依照从上到下、从左到右的作业顺序规则,分别完成单车位、双车位、三车位机器人作业路径规划,然后每个车位之间根据地库的建筑空间数据,避免碰撞柱子或者墙面,将多个车位的路径进行串联,从而完成整个区域的地库车位划线作业,直到整个地库车位完成作业。根据每种类型的车位,进行路径规划,通过给出机器人行走过程中的坐标以及位姿角度,保证地库规划作业机器人按照路径规划的顺序以及位置进行作业,可以有效提升车位划线的准确度。
附图说明
图1为本发明实施例中基于车位的规划作业方法的一个实施例示意图;
图2为本发明实施例中基于车位的规划作业方法的另一个实施例示意图;
图3为本发明实施例中基于车位的规划作业装置的一个实施例示意图;
图4为本发明实施例中基于车位的规划作业装置的另一个实施例示意图;
图5为本发明实施例中计算机设备的一个实施例示意图;
图6为本发明实施例中单车位作业顺序示意图示意图;
图7为本发明实施例中双车位作业顺序示意图示意图;
图8为本发明实施例中三车位作业顺序示意图示意图;
图9为本发明实施例中多车位连续作业顺序示意图。
具体实施方式
本发明实施例提供了一种基于车位的规划作业方法、装置、设备及存储介质,用于提升车位划线时的精准度。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中基于车位的规划作业方法的一个实施例包括:
101、从预置的建筑信息化模型中提取车位位置信息,其中,车位位置信息用于指示车位的尺寸信息及坐标信息;
可以理解的是,本发明的执行主体可以为基于车位的规划作业装置,还可以是规划作业机器人,具体此处不做限定。本发明实施例以规划作业机器人为执行主体为例进行说明。
需要说明的是,规划作业机器人从预置的建筑信息化模型中获取地下车库标线施工图图纸信息,在图纸中有具体的每个车位的位置信息,如车位的长度和宽度。根据施工图图纸的信息,提取出地库规划作业机器人作业需要的地库车位为的信息,为机器人的智能施工提供详细的数字化数据。
102、根据车位位置信息确定多种车位类型,并通过每种车位类型和车位位置信息进行自动划线路径规划,得到目标划线路径;
具体的,规划作业机器人针对每种不同的车库类型,如何进行地库规划作业机器人的自动路径规划。首先在提取车位数据的时候,将车位按照单车位、双车位、三车位等进行分类存储,按照不同的车位类型进行机器人作业的路径规划。
103、基于目标划线路径进行车位划线,得到每种车位类型对应的目标划线车位。
具体的,目标划线路径生成后,选择距离起始点最近车位起始点位作为第一个作业车位。按照顺时针排列车位组件顺序,依次连通上一作业结束点位与下一作业起始点位,形成完整作业路径。选择从机器人起始作业点后,按照车位排布顺序,依照从上到下、从左到右的作业顺序规则,分别完成单车位、双车位、三车位机器人作业路径规划,然后每个车位之间根据地库的建筑空间数据,避免碰撞柱子或者墙面,将多个车位的路径进行串联,从而完成整个区域的地库车位划线作业,直到整个地库车位完成作业。根据每种类型的车位,进行路径规划,通过给出机器人行走过程中的坐标以及位姿角度,保证地库规划作业机器人按照路径规划的顺序以及位置进行作业。
本发明实施例中,规划作业机器人获取车位线、道路线的位置,提供给地库车位规划作业机器人对车位线和道路线绘制,利用机器人本体激光导航进行精准定位,无需任何的测量工作,可以提升施工效率。按照车位排布顺序,依照从上到下、从左到右的作业顺序规则,分别完成单车位、双车位、三车位机器人作业路径规划,然后每个车位之间根据地库的建筑空间数据,避免碰撞柱子或者墙面,将多个车位的路径进行串联,从而完成整个区域的地库车位划线作业,直到整个地库车位完成作业。根据每种类型的车位,进行路径规划,通过给出机器人行走过程中的坐标以及位姿角度,保证地库规划作业机器人按照路径规划的顺序以及位置进行作业,可以有效提升车位划线的准确度。
请参阅图2,本发明实施例中基于车位的规划作业方法的另一个实施例包括:
201、从预置的建筑信息化模型中提取车位位置信息,其中,车位位置信息用于指示车位的尺寸信息及坐标信息;
具体的,规划作业机器人从预置的建筑信息化模型中读取对应的施工图纸信息,并对施工图纸信息进行分析,确定多个施工区域;规划作业机器人对每一施工区域进行车位位置分析,得到多个车位绘制线信息;规划作业机器人将多个车位绘制线信息进行存储格式转化,得到对应的结构化数据并将结构化数据作为车位位置信息。
其中,规划作业机器人从地下车库施工图中,可以进行自动提取车位的位置信息,同时规划作业机器人按照现场施工范围分区,按照不同的区域进行数据的提取,提取的车位绘制线信息作为路径规划的前置数据,后续规划作业机器人同样按照结构化数据格式进行存储,能够为机器人的智能施工提供详细的数字化数据。
202、对车位位置信息进行扫描分析,确定多种车位类型,其中,多种车位类型包括单车位类型、双车位类型及三车位类型;
具体的,规划作业机器人针对每种不同的车库类型进行地库规划作业机器人的自动路径规划,规划作业机器人首先在提取车位数据的时候,将车位按照单车位、双车位、三车位等进行分类存储,按照不同的车位类型进行机器人作业的路径规划。
203、通过预设的作业初始点选择原则对每种车位类型和车位位置信息进行初始点坐标计算,确定多个作业初始点;
具体的,规划作业机器人通过不同的车位类型确定对应的车位边线数据点位集,车位线点位集合按照顺时针顺序进行表示,其中,需要说明的是。机器人根据孔位位置坐标,筛选收边点位,将最后完成的一道绘制线称为收边点位,确定每种车位类型对应的多个作业初始点坐标,该预设的作业初始点选择原则是根据单个车位起点选择划线路径最短的作业初始点,具体的,选择为车位入库侧,转场空间大,可以避免机器人轮子碾压到已经绘制好的地面车位线。因为在车位的两侧以及车位尾部往往存在柱子或者存在墙面,因此选择车位开口处能保证机器人的作业路径沿着一个方向快速作业,并且不会破坏已经完成的工作面。使得机器人作业交付面满足施工质量要求,相比人工大大提高作业效率。
204、通过多个作业初始点进行自动划线路径规划,得到目标划线路径;
具体的,规划作业机器人对多个作业初始点进行坐标分析,从多个作业初始点中确定目标作业起点及目标作业终点;规划作业机器人通过预置的最短路径算法对目标作业起点及目标作业终点进行路径分析,确定目标划线路径。
其中,基于施工图纸的预设坐标轴,规划作业机器人对每种车位类型对应的多个作业初始点进行坐标分析,若车位朝向Y轴正方向,则初始点位即沿Y轴正方向所示的车位方向的左下角点位,若车位朝向Y轴负方向,则初始点位为车位右上角点位;若车位朝向X轴正方向,则初始点位为车位左上角点位;若车位朝向X轴负方向,则初始点位为车位右下角点位。如图6所示的单车位作业顺序示意图,当目标作业起点为A时,规划作业机器人的移动路径为O→A→B→C→D→O→A→D→E,双车位作业顺序如图7所示,O→A→B→D→F→G→C→G→O→A→F→E为作业起点为A时规划作业机器人的移动路径,三车位作业顺序如图8所示,当目标作业起点为A时,则移动路径顺序为O→A→B→F→G→H→D→C→I→O→A→G→E。
需要说明的是,当针对每种车位类型对应的目标划线路径生成后,选择距离初始作业起点最近目标作业起点位作为第一个作业车位。如图9所示的多车位连续作业顺序示意图,按照顺时针排列车位划线顺序,依次连通上一目标作业终点与下一目标作业终点,形成完整作业路径。其中,机器人底盘默认正方向为Y轴正方向,作业顺序为沿着车位顺时针方向。选择从机器人起始作业点后,按照车位排布顺序,依照从上到下、从左到右的作业顺序规则,分别完成单车位、双车位、三车位机器人作业路径规划,确定与每种车位类型对应的目标规划路径。
205、基于目标划线路径进行车位划线,得到每种车位类型对应的目标划线车位;
具体的,规划作业机器人根据目标划线路径从目标作业起点进行划线作业,并按照预设的偏差值通过预置的精度控制构件进行作业位置控制;当划线作业至目标划线路径中设置的转向位置时,规划作业机器人控制预置的滑动模组构件对预置的划线构件进行位置转换,当位置转换完成时,按照目标划线路径继续进行车位划线;当规划作业机器人作业至目标作业终点时,得到每种车位类型对应的目标划线车位。
其中,规划作业机器人将每种车位类型对应的目标划线路径载入预置规划作业机器人,通过规划作业机器人依次进行车位划线,得到每种车位类型对应的目标划线车位,其中,通过规划作业机器人施工,将极大的降低施工复杂度,提高施工作业效率,减少人工的参与。根据每种类型的车位,进行路径规划,通过给出机器人行走过程中的坐标以及位姿角度,保证规划作业机器人按照路径规划的顺序以及位置进行作业,地库划线要求成品完成精度高,绘制车位线要求精度一般要求控制在±5毫米之内,但是规划作业机器人移动精度一般为±20毫米,为了解决精度问题,规划作业机器人采用视觉相机进行实时作业拍摄,解决行走偏差对车位划线带来的不利影响,应用激光雷达进行导航定位保证机器人全局定位控制在±20毫米,应用视觉高精度的特性进行作业过程中的二次精定位,保证机器人的作业精度在±5毫米之内,控制机器人移动位置与角度可以精准控制机器人行走直线和斜线或者圆弧等,当划线作业至目标划线路径中设置的转向位置时,通过滑动模组构件进行划线构件位置转换,主要通过目标作业底盘点位坐标计算进行位置转换数据计算,其中,若上装点位坐标坐标系与地图坐标系一致,则底盘坐标=点位坐标-上装结束点位坐标,若上装点位坐标坐标系与地图坐标系不一致,则转换上装坐标至地图坐标,获取底盘点位坐标。底盘旋转角与车位方位一致,且所有点位底盘旋转角一致,具体的,旋转坐标计算公式如下:
其中,α为旋转角,旋转中心为车位中心点。设未底盘转前点位坐标集合S=[X,Y]。则旋转后点位坐标集合S',其中,(x0,y0)表示未旋转点位坐标,(x1,y1)表示旋转后点位坐标,当位置转换完成时,不改变底盘的方向。此种作业方式,既提高了作业效率,又减少了底盘轮子的旋转对完成面的影响,后续按照目标划线路径继续进行车位划线,规划作业机器人根据每个车位之间地库的建筑空间数据,避免碰撞柱子或者墙面,将多个车位的路径进行串联,从而完成整个区域的地库车位划线作业,直到整个地库车位完成作业,其中,规划作业机器人采用滑动模组划线构件进行划线作业,可以保证规划作业机器人行走过程中的坐标以及位姿角度,保证机器人行走按照严格的直线或者斜线或者曲线进行车位线和道路线的绘制作业。保证了划线要求成品完成精度高、工作效率高。
206、从预置的建筑信息化模型中获取车位挡板的孔位信息,得到对应的多个车位挡板孔位坐标;
具体的,规划作业机器人从预置的从预置的建筑信息化模型中获取车位挡板的孔位信息,得到对应的多个车位挡板孔位坐标,需要说明的是,车位挡板孔位坐标在施工图中包含有对应的数据信息,规划作业机器人从施工图中进行数据提取,得到对应的多个车位挡板孔位坐标。
207、通过多个车位挡板孔位坐标进行最短打孔路径分析,确定对应的目标打孔路径;
具体的,规划作业机器人对多个车位挡板孔位坐标进行数量分析,确定对应的车位挡板数量并判断车位挡板数量是否大于预设阈值;若否,规划作业机器人则根据预置的质心偏角算法对多个车位挡板孔位坐标进行路径分析,确定对应的时序坐标集合并作为目标打孔路径;若是,规划作业机器人则对多个车位挡板孔位坐标进行相邻长度计算,确定每对相邻车位挡板孔位的距离数值;规划作业机器人将每对相邻车位挡板孔位的距离数值输入预置的模拟退火算法中进行路径生成及迭代训练,得到对应的目标打孔路径。
其中,规划作业机器人对多个车位挡板孔位坐标进行数量分析,规划作业机器人获取车位挡板孔位坐标集合,进而设定初始作业点位置,后续规划作业机器人将作业点位进行问题抽象,遍历所有节点的最短路径,采用模拟退火算法,遗传算法等均可进行最短路径求解,当点位数量较少,按照车位孔点位进行顺时针或逆时针排序,按照顺时针排列点位进行举例说明,规划作业机器人获取多个车位挡板孔位坐标中的质心坐标,并对各点位相对质心偏角进行求解,得到对应的多个偏角大小,并对偏角大小进行排序,进而获取坐标索引,生成顺时针坐标集合,确定对应的目标打孔路径。当点位数量超过一定数值,采用模拟退火进行最佳路径求解,规划作业机器人统计孔位两两之间距离,进行路径初始化处理,随机生成一条初始路径集合,规划作业机器人随机产生路径点位互换元素,后续设置评价函数,更新路径迭代后,计算路径评价值。以预置的模拟退火准则作为数据更新标准,当路径更新评价值小于阈值时迭代退出,输出对应的目标打孔路径,可选的,本步骤还可以采用遗传算法进行路径分析,规划作业机器人确定所有打孔位置的坐标集合,并进行个体编码,规划作业机器人按照打孔坐标集合构造存储图结构,规划作业机器人进行遗传算子设计,其中包括选择算子、交叉算子、变异算子、插入算子、删除算子,后续规划作业机器人进行迭代次数控制,获得满足排序的坐标序列并将其作为对应的目标打孔路径。
208、基于目标打孔路径依次进行车位挡板孔位打孔。
具体的,规划作业机器人根据该目标打孔路径的信息,依次进行车位挡板孔位打孔。
本发明实施例中,因为地库车位多、地库形状复杂,车位排布没有一定的顺序,在机器人作业过程中就需要先进行全局规划,规划作业机器人获取多个车位挡板孔位坐标中的质心坐标,并对各点位相对质心偏角进行求解,得到对应的多个偏角大小,并对偏角大小进行排序,进而获取坐标索引,生成顺时针坐标集合,确定对应的目标打孔路径。有效的将作业区域的所有打孔位置进行排序,然后按照指定的顺序进行作业,使得机器人的作业路径最短,作业准确度最高。
请参阅图3,本发明实施例中基于车位的规划作业装置的一个实施例包括:
提取模块301,用于从预置的建筑信息化模型中提取车位位置信息,其中,所述车位位置信息用于指示车位的尺寸信息及坐标信息;
规划模块302,用于根据所述车位位置信息确定多种车位类型,并通过每种车位类型和所述车位位置信息进行自动划线路径规划,得到目标划线路径;
划线模块303,用于基于所述目标划线路径进行车位划线,得到每种车位类型对应的目标划线车位。
请参阅图4,本发明实施例中基于车位的规划作业装置的另一个实施例包括:
提取模块301,用于从预置的建筑信息化模型中提取车位位置信息,其中,所述车位位置信息用于指示车位的尺寸信息及坐标信息;
规划模块302,用于根据所述车位位置信息确定多种车位类型,并通过每种车位类型和所述车位位置信息进行自动划线路径规划,得到目标划线路径;
划线模块303,用于基于所述目标划线路径进行车位划线,得到每种车位类型对应的目标划线车位。
可选的,所述提取模块301具体用于:从预置的建筑信息化模型中读取对应的施工图纸信息,并对所述施工图纸信息进行分析,确定多个施工区域;对每一所述施工区域进行车位位置分析,得到多个车位绘制线信息;将所述多个车位绘制线信息进行存储格式转化,得到对应的结构化数据并将所述结构化数据作为所述车位位置信息。
可选的,所述规划模块302还包括:
信息扫描单元3021,用于对所述车位位置信息进行扫描分析,确定多种车位类型,其中,所述多种车位类型包括单车位类型、双车位类型及三车位类型;
坐标计算单元3022,用于通过预设的作业初始点选择原则对每种所述车位类型和所述车位位置信息进行初始点坐标计算,确定多个作业初始点;
路径规划单元3023,用于通过所述多个作业初始点进行自动划线路径规划,得到目标划线路径。
可选的,所述路径规划单元3023具体用于:对所述多个作业初始点进行坐标分析,从所述多个作业初始点中确定目标作业起点及目标作业终点;通过预置的最短路径算法对所述目标作业起点及目标作业终点进行路径分析,确定目标划线路径。
可选的,所述划线模块302具体用于:根据所述目标划线路径从所述目标作业起点进行划线作业,并按照预设的偏差值通过预置的精度控制构件进行作业位置控制;当划线作业至所述目标划线路径中设置的转向位置时,控制预置的滑动模组构件对预置的划线构件进行位置转换,当位置转换完成时,按照所述目标划线路径继续进行车位划线;当车位划线作业至所述目标作业终点时,得到每种车位类型对应的目标划线车位。
可选的,所述基于车位的规划作业装置还包括:
获取模块304,用于从预置的建筑信息化模型中获取车位挡板的孔位信息,得到对应的多个车位挡板孔位坐标;
分析模块305,用于通过所述多个车位挡板孔位坐标进行最短打孔路径分析,确定对应的目标打孔路径;
打孔模块306,用于基于所述目标打孔路径依次进行车位挡板孔位打孔。
可选的,所述分析模块305具体用于:对所述多个车位挡板孔位坐标进行数量分析,确定对应的车位挡板数量并判断所述车位挡板数量是否大于预设阈值;若否,则根据预置的质心偏角算法对所述多个车位挡板孔位坐标进行路径分析,确定对应的时序坐标集合并作为所述目标打孔路径;若是,则对所述多个车位挡板孔位坐标进行相邻长度计算,确定每对相邻车位挡板孔位的距离数值;将所述每对相邻车位挡板孔位的距离数值输入所述预置的模拟退火算法中进行路径生成及迭代训练,得到对应的目标打孔路径。
图5是本发明实施例提供的一种计算机设备的结构示意图,该计算机设备500可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(centralprocessing units,CPU)510(例如,一个或一个以上处理器)和存储器520,一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中,存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出),每一模块可以包括对计算机设备500中的一系列指令操作。更进一步地,处理器510可以设置为与存储介质530通信,在计算机设备500上执行存储介质530中的一系列指令操作。
计算机设备500还可以包括一个或一个以上电源540,一个或一个以上有线或无线网络接口550,一个或一个以上输入输出接口560,和/或,一个或一个以上操作系统531,例如Windows Serve,Mac OS等等。本领域技术人员可以理解,图5示出的计算机设备结构并不构成对计算机设备的限定,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。
本发明还提供一种计算机设备,所述计算机设备包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述各实施例中的所述基于车位的规划作业方法的步骤。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述基于车位的规划作业方法的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或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一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等种可以存储程序代码的介质。
Claims (10)
1.一种基于车位的规划作业方法,其特征在于,包括:
从预置的建筑信息化模型中提取车位位置信息,其中,所述车位位置信息用于指示车位的尺寸信息及坐标信息;
根据所述车位位置信息确定多种车位类型,并通过每种车位类型和所述车位位置信息进行自动划线路径规划,得到目标划线路径;
基于所述目标划线路径进行车位划线,得到每种车位类型对应的目标划线车位。
2.根据权利要求1所述的基于车位的规划作业方法,其特征在于,所述从预置的建筑信息化模型中提取车位位置信息包括:
从预置的建筑信息化模型中读取对应的施工图纸信息,并对所述施工图纸信息进行分析,确定多个施工区域;
对每一所述施工区域进行车位位置分析,得到多个车位绘制线信息;
将所述多个车位绘制线信息进行存储格式转化,得到对应的结构化数据并将所述结构化数据作为所述车位位置信息。
3.根据权利要求1所述的基于车位的规划作业方法,其特征在于,所述根据所述车位位置信息确定多种车位类型,并通过每种车位类型和所述车位位置信息进行自动划线路径规划,得到目标划线路径包括:
对所述车位位置信息进行扫描分析,确定多种车位类型,其中,所述多种车位类型包括单车位类型、双车位类型及三车位类型;
通过预设的作业初始点选择原则对每种所述车位类型和所述车位位置信息进行初始点坐标计算,确定多个作业初始点;
通过所述多个作业初始点进行自动划线路径规划,得到目标划线路径。
4.根据权利要求3所述的基于车位的规划作业方法,其特征在于,所述通过所述多个作业初始点进行自动划线路径规划,得到目标划线路径包括:
对所述多个作业初始点进行坐标分析,从所述多个作业初始点中确定目标作业起点及目标作业终点;
通过预置的最短路径算法对所述目标作业起点及目标作业终点进行路径分析,确定目标划线路径。
5.根据权利要求4所述的基于车位的规划作业方法,其特征在于,所述基于所述目标划线路径进行车位划线,得到每种车位类型对应的目标划线车位包括:
根据所述目标划线路径从所述目标作业起点进行划线作业,并按照预设的偏差值通过预置的精度控制构件进行作业位置控制;
当划线作业至所述目标划线路径中设置的转向位置时,控制预置的滑动模组构件对预置的划线构件进行位置转换,当位置转换完成时,按照所述目标划线路径继续进行车位划线;
当车位划线作业至所述目标作业终点时,得到每种车位类型对应的目标划线车位。
6.根据权利要求1所述的基于车位的规划作业方法,其特征在于,在所述基于所述目标划线路径进行车位划线,得到每种车位类型对应的目标划线车位之后,还包括:
从预置的建筑信息化模型中获取车位挡板的孔位信息,得到对应的多个车位挡板孔位坐标;
通过所述多个车位挡板孔位坐标进行最短打孔路径分析,确定对应的目标打孔路径;
基于所述目标打孔路径依次进行车位挡板孔位打孔。
7.根据权利要求1-6中任一项所述的基于车位的规划作业方法,其特征在于,所述通过所述多个车位挡板孔位坐标进行最短打孔路径分析,确定对应的目标打孔路径包括:
对所述多个车位挡板孔位坐标进行数量分析,确定对应的车位挡板数量并判断所述车位挡板数量是否大于预设阈值;
若否,则根据预置的质心偏角算法对所述多个车位挡板孔位坐标进行路径分析,确定对应的时序坐标集合并作为所述目标打孔路径;
若是,则对所述多个车位挡板孔位坐标进行相邻长度计算,确定每对相邻车位挡板孔位的距离数值;
将所述每对相邻车位挡板孔位的距离数值输入所述预置的模拟退火算法中进行路径生成及迭代训练,得到对应的目标打孔路径。
8.一种基于车位的规划作业装置,其特征在于,所述基于车位的规划作业装置包括:
提取模块,用于从预置的建筑信息化模型中提取车位位置信息,其中,所述车位位置信息用于指示车位的尺寸信息及坐标信息;
规划模块,用于根据所述车位位置信息确定多种车位类型,并通过每种车位类型和所述车位位置信息进行自动划线路径规划,得到目标划线路径;
划线模块,用于基于所述目标划线路径进行车位划线,得到每种车位类型对应的目标划线车位。
9.一种计算机设备,其特征在于,所述计算机设备包括:存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述计算机设备执行根据权利要求1-7中任意一项所述的基于车位的规划作业方法。
10.一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指令,其特征在于,所述指令被处理器执行时实现根据权利要求1-7中任一项所述基于车位的规划作业方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210014835.7A CN114510033A (zh) | 2022-01-07 | 2022-01-07 | 基于车位的规划作业方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210014835.7A CN114510033A (zh) | 2022-01-07 | 2022-01-07 | 基于车位的规划作业方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114510033A true CN114510033A (zh) | 2022-05-17 |
Family
ID=81549629
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210014835.7A Pending CN114510033A (zh) | 2022-01-07 | 2022-01-07 | 基于车位的规划作业方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114510033A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115131897A (zh) * | 2022-07-01 | 2022-09-30 | 潍柴动力股份有限公司 | 行驶路线的存储方法以及其存储装置 |
CN115577869A (zh) * | 2022-08-29 | 2023-01-06 | 上海天华建筑设计有限公司 | 一种基于遗传算法的地库车位自动排布方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108615404A (zh) * | 2018-06-15 | 2018-10-02 | 北京四象网讯科技有限公司 | 自动规划停车场车位的方法、装置及可读存储介质 |
CN110162928A (zh) * | 2019-06-06 | 2019-08-23 | 宝业湖北建工集团有限公司 | 基于bim的车位检测方法、装置及电子设备 |
CN110375744A (zh) * | 2019-08-02 | 2019-10-25 | 金瓜子科技发展(北京)有限公司 | 一种路径处理方法和装置 |
US10692375B1 (en) * | 2019-02-05 | 2020-06-23 | Capital One Services, Llc | Lotless storage of vehicle inventory |
EP3683781A1 (en) * | 2017-09-15 | 2020-07-22 | Router Technologies (Hangzhou) Inc. | Parking space service and management system and method based on parking space state information |
CN111814235A (zh) * | 2020-07-01 | 2020-10-23 | 广东博智林机器人有限公司 | 车位排布优化和多边形简化方法、装置、设备和存储介质 |
CN113392437A (zh) * | 2021-06-10 | 2021-09-14 | 万翼科技有限公司 | 数据输出方法及相关装置 |
CN113469398A (zh) * | 2020-03-31 | 2021-10-01 | 广东博智林机器人有限公司 | 一种路径规划方法、装置、电子设备及存储介质 |
CN113506456A (zh) * | 2021-06-01 | 2021-10-15 | 上海追势科技有限公司 | 一种基于停车场地图数据引导的自主泊车导航方法 |
CN113650604A (zh) * | 2021-09-15 | 2021-11-16 | 恒大新能源汽车投资控股集团有限公司 | 一种自动泊车控制方法、装置、电子设备和存储介质 |
CN113868350A (zh) * | 2021-09-03 | 2021-12-31 | 恒大新能源汽车投资控股集团有限公司 | 一种停车场地图处理方法、车辆及设备 |
-
2022
- 2022-01-07 CN CN202210014835.7A patent/CN114510033A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3683781A1 (en) * | 2017-09-15 | 2020-07-22 | Router Technologies (Hangzhou) Inc. | Parking space service and management system and method based on parking space state information |
CN108615404A (zh) * | 2018-06-15 | 2018-10-02 | 北京四象网讯科技有限公司 | 自动规划停车场车位的方法、装置及可读存储介质 |
US10692375B1 (en) * | 2019-02-05 | 2020-06-23 | Capital One Services, Llc | Lotless storage of vehicle inventory |
CN110162928A (zh) * | 2019-06-06 | 2019-08-23 | 宝业湖北建工集团有限公司 | 基于bim的车位检测方法、装置及电子设备 |
CN110375744A (zh) * | 2019-08-02 | 2019-10-25 | 金瓜子科技发展(北京)有限公司 | 一种路径处理方法和装置 |
CN113469398A (zh) * | 2020-03-31 | 2021-10-01 | 广东博智林机器人有限公司 | 一种路径规划方法、装置、电子设备及存储介质 |
CN111814235A (zh) * | 2020-07-01 | 2020-10-23 | 广东博智林机器人有限公司 | 车位排布优化和多边形简化方法、装置、设备和存储介质 |
CN113506456A (zh) * | 2021-06-01 | 2021-10-15 | 上海追势科技有限公司 | 一种基于停车场地图数据引导的自主泊车导航方法 |
CN113392437A (zh) * | 2021-06-10 | 2021-09-14 | 万翼科技有限公司 | 数据输出方法及相关装置 |
CN113868350A (zh) * | 2021-09-03 | 2021-12-31 | 恒大新能源汽车投资控股集团有限公司 | 一种停车场地图处理方法、车辆及设备 |
CN113650604A (zh) * | 2021-09-15 | 2021-11-16 | 恒大新能源汽车投资控股集团有限公司 | 一种自动泊车控制方法、装置、电子设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
周向涛: "大型地下停车场环境设计研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, no. 05, 15 May 2015 (2015-05-15), pages 038 - 302 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115131897A (zh) * | 2022-07-01 | 2022-09-30 | 潍柴动力股份有限公司 | 行驶路线的存储方法以及其存储装置 |
CN115577869A (zh) * | 2022-08-29 | 2023-01-06 | 上海天华建筑设计有限公司 | 一种基于遗传算法的地库车位自动排布方法 |
CN115577869B (zh) * | 2022-08-29 | 2023-10-27 | 上海天华建筑设计有限公司 | 一种基于遗传算法的地库车位自动排布方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104819724B (zh) | 一种基于gis的无人地面车辆自主行驶辅助系统 | |
CN114510033A (zh) | 基于车位的规划作业方法、装置、设备及存储介质 | |
CN105957342B (zh) | 基于众包时空大数据的车道级道路测图方法及系统 | |
US8384776B2 (en) | Detection of topological structure from sensor data with application to autonomous driving in semi-structured environments | |
JP2018534603A (ja) | 高精度地図データの処理方法、装置、記憶媒体及び機器 | |
CN111897365B (zh) | 一种等高线引导线的自主车三维路径规划方法 | |
CN113405558B (zh) | 自动驾驶地图的构建方法及相关装置 | |
CN104914870B (zh) | 基于岭回归超限学习机的户外机器人局部路径规划方法 | |
CN109491375A (zh) | 用于自动驾驶车辆的基于驾驶场景的路径规划 | |
CN104268862B (zh) | 一种自主车三维地形可通行性分析方法 | |
CN108089572A (zh) | 用于稳健且有效的车辆定位的算法和基础设施 | |
CN106920278B (zh) | 一种基于Reeb图的立交桥三维建模方法 | |
CN112180943B (zh) | 一种基于视觉图像和激光雷达的水下机器人导航避障方法 | |
CN110986956B (zh) | 一种基于改进的蒙特卡洛算法的自主学习全局定位方法 | |
CN104700398A (zh) | 一种点云场景物体提取方法 | |
CN115268443A (zh) | 一种机器人避障路径规划方法 | |
CN110806585A (zh) | 一种基于树干聚类跟踪的机器人定位方法及系统 | |
CN114758086B (zh) | 一种城市道路信息模型的构建方法及装置 | |
CN111678503A (zh) | 一种无人机航测控制点布置和识别的方法及系统 | |
CN112435336B (zh) | 一种弯道类型识别方法、装置、电子设备及存储介质 | |
CN104793492B (zh) | 一种基于熵和灰关联度的室内环境特征提取方法 | |
CN112230638A (zh) | 一种车辆的停车路径规划方法和装置 | |
CN111310919B (zh) | 基于场景切分和局部路径规划的驾驶控制策略训练方法 | |
CN103198182A (zh) | 基于视觉感知仿真模拟技术的行人指路标志设计方法 | |
CN116859909B (zh) | 一种智能机器人的路径规划方法 |
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 |