CN114537057A - 一种应用于金属网胎面的车轮地形识别方法 - Google Patents
一种应用于金属网胎面的车轮地形识别方法 Download PDFInfo
- Publication number
- CN114537057A CN114537057A CN202210215997.7A CN202210215997A CN114537057A CN 114537057 A CN114537057 A CN 114537057A CN 202210215997 A CN202210215997 A CN 202210215997A CN 114537057 A CN114537057 A CN 114537057A
- Authority
- CN
- China
- Prior art keywords
- terrain
- wheel
- state
- deformation structure
- metal mesh
- 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.)
- Granted
Links
- 239000002184 metal Substances 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000001514 detection method Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000013480 data collection Methods 0.000 claims abstract description 4
- 238000003491 array Methods 0.000 claims description 15
- 238000012876 topography Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60C—VEHICLE TYRES; TYRE INFLATION; TYRE CHANGING; CONNECTING VALVES TO INFLATABLE ELASTIC BODIES IN GENERAL; DEVICES OR ARRANGEMENTS RELATED TO TYRES
- B60C23/00—Devices for measuring, signalling, controlling, or distributing tyre pressure or temperature, specially adapted for mounting on vehicles; Arrangement of tyre inflating devices on vehicles, e.g. of pumps or of tanks; Tyre cooling arrangements
- B60C23/06—Signalling devices actuated by deformation of the tyre, e.g. tyre mounted deformation sensors or indirect determination of tyre deformation based on wheel speed, wheel-centre to ground distance or inclination of wheel axle
- B60C23/064—Signalling devices actuated by deformation of the tyre, e.g. tyre mounted deformation sensors or indirect determination of tyre deformation based on wheel speed, wheel-centre to ground distance or inclination of wheel axle comprising tyre mounted deformation sensors, e.g. to determine road contact area
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
- Manipulator (AREA)
Abstract
本发明涉及轮式探测机器人地形自感知，更具体的说是一种应用于金属网胎面的车轮地形识别方法。方法包括：步骤1：位于金属网胎面上的应变片1号持续记录数据，当应变片1号接触到地形时应变片1号、2号和3号开始按照顺序记录金属网胎面与地形之间的变形数据；步骤2：完成数据收集后对变形数据进行中心化处理，然后求解最值，并通过应变片1号、2号和3号所记录数据的斜率进行地形的判断；步骤3：判断完成后，结合车轮变形结构当前的状态进行对比判断，如果地形与车轮变形结构当前状态不匹配，则控制车轮变形结构进行变形。适用于在恶劣气候及无光环境下的地形探测，且降低对探测机器人处理器的要求。
Description
技术领域
本发明涉及轮式探测机器人地形自感知，更具体的说是一种应用于金属网胎面的车轮地形识别方法。
背景技术
随着经济的快速发展，目前在危险检测及户外探测作业的场所中，探测机器人的出现替代了人的工作。因此，对探测机器人的研究设计具备重要意义。而现有的探测机器人主要有轮式和足式，其中轮式因其具备行进速度快，结构简单等优势得到了广泛应用。然而轮式探测机器人也存在越障能力、地形适应能力差的问题，目前常用的解决办法是通过机器视觉识别地形，并控制车轮变形结构根据地形进行变形，其主要是通过机器视觉对探测机器人周围环境进行图像采集及处理，结合深度学习进行地形的识别。而户外地形相对交错复杂，所需要的图像处理算法更加复杂、成本更高、对识别效率及准确率影响较大，且部分环境属于无光环境，视觉识别无法正常工作，这极大的限制了探测机器人在特殊、危险环境下的广泛应用。
发明内容
本发明的目的是一种应用于金属网胎面的车轮地形识别方法，提供了一种有别于机器视觉识别策略的地形识别方法，适用于在恶劣气候及无光环境下的地形探测，且降低对探测机器人处理器的要求。
本发明的目的可以通过以下技术方案来实现：
一种应用于金属网胎面的车轮地形识别方法，包括以下步骤：
步骤1：位于金属网胎面上的应变片1号持续记录数据，当应变片1号接触到地形时应变片1号、2号和3号开始按照顺序记录金属网胎面与地形之间的变形数据；
步骤2：完成数据收集后对变形数据进行中心化处理，然后求解最值，并通过应变片1号、2号和3号所记录数据的斜率进行地形的判断；
步骤3：判断完成后，结合车轮变形结构当前的状态进行对比判断，如果地形与车轮变形结构当前状态不匹配，则控制车轮变形结构进行变形。
所述步骤2包括：
步骤2.1、对原始数据中心化处理后的数据进行求解最大值和最小值；
步骤2.2、对最值是否在Y＝0这条线附近进行判断，如果在Y＝0这条线附近，则其对应的横坐标为X＝0，如果不在Y＝0这条线附近，则记录其横坐标；
步骤2.3、根据记录的最大值和最小值的坐标求解该组数据的斜率，如果应变片1号、2号和3号所获取的三组数据的斜率均大于0，则该地形为平整地形，如果应变片1号、2号和3号所获取的三组数据的斜率均小于0，则该地形为松软地形，其他结果均为沟壑地形。
所述步骤1中的变形数据为金属网胎面与地形之间的应变，是通过应变片进行测量。
所述步骤2中的中心化处理是指用每一个具体数据减去该组数据的平均值，也叫作零均值化。
所述中心化处理的步骤为：
1)将每一个应变片采集的数据分别存储在三个数组中，三个数组为data1[250]、data2[250]和data3[250]；
2)通过for循环求解每个数组的和，然后再求解每一个数组的平均值；
3)通过for循环将每个数组的值均减去平均数，得到三个新的数组，这三个数组的纵坐标均在y＝0上下波动，便于后面进行每个数组的计算。
所述步骤3中车轮变形结构变形为三种状态，分别为初始态、变径态和变宽态，初始态对应的地形为平整地形，变径态对应的地形为沟壑地形，变宽态对应的地形为松软地形，如果车轮变形结构的状态与步骤2所判断地形不匹配，则车轮变形结构根据步骤2判定的地形进行变形。
所述步骤3中根据车轮变形结构当前的状态进行对比判断的详细步骤为：
1)在探测机器人开始行驶时，其车轮变形结构为初始态，主要是适用于平整地形，并且此时控制器会记录车轮变形结构的状态；
2)由于应变片传感器安装在金属网胎面上，车轮变形结构每转动一周，其就会进行一次地形识别，当通过步骤1和步骤2的方法进行识别判断后，会得到地形的状态；
3)当得到地形的状态后，会与车轮变形结构的当前的状态进行对比，如果地形和车轮变形结构分别是是平整地形和初始态、松软地形和变宽态、沟壑地形和变径态，则不需要控制变形结构进行变形，探测机器人继续前进；
4)当地形和车轮变形结构的状态不是上述对应关系时，则探测机器人在控制器的控制下停止前进，并根据地形和车轮变形结构的对应关系进行变形。
所述初始态即车轮变形结构处于未发生变形的状态；所述变宽态指的是车轮变形结构相比于初始态的宽度增大；所述变径态指的是车轮变形结构相比于初始态的直径变大。
所述应变片1号、2号和3号的位置分别沿着车轮变形结构金属网胎面周向进行分布，其间距根据车速和车轮变形结构直径确定。
所述间距L根据车轮变形结构的直径D确定，即L＝1/(N*n)*πD；其中N为将车轮变形结构划分为几等份。
附图说明
下面结合附图和具体实施方法对本发明做进一步详细的说明。
图1为本发明一种应用于金属网胎面的车轮地形识别方法的总体流程图；
图2为本发明金属网状胎面与地形接触示意图；
图3为三个应变片的安装位置示意图；
图4为地形识别详细流程图；
图中：1、金属网胎面；2、车轮变形结构；3、平整地形；4、沟壑地形；5、松软地形；6、应变片1号；7、应变片2号；8、应变片3号。
具体实施方式
本发明的目的是一种应用于金属网胎面的车轮地形识别方法，可以解决机器视觉识别算法复杂、难以在无光环境下工作等问题。
本发明的目的可以通过以下技术方案来实现：
一种应用于金属网胎面的车轮地形识别方法，包括以下步骤：
步骤1：位于金属网胎面上的应变片1号持续记录数据，当应变片1号接触到地形时应变片1号、2号和3号开始按照顺序记录金属网胎面与地形之间的变形数据；
步骤2：完成数据收集后对变形数据进行中心化处理，然后求解最值，并通过应变片1号、2号和3号所记录数据的斜率进行地形的判断；
步骤3：判断完成后，结合车轮变形结构当前的状态进行对比判断，如果地形与车轮变形结构当前状态不匹配，则控制车轮变形结构进行变形。
所述步骤2包括：
步骤2.1、对原始数据中心化处理后的数据进行求解最大值和最小值；
步骤2.2、对最值是否在Y＝0这条线附近进行判断，如果在Y＝0这条线附近，则其对应的横坐标为X＝0，如果不在Y＝0这条线附近，则记录其横坐标；
步骤2.3、根据记录的最大值和最小值的坐标求解该组数据的斜率，如果应变片1号、2号和3号所获取的三组数据的斜率均大于0，则该地形为平整地形，如果应变片1号、2号和3号所获取的三组数据的斜率均小于0，则该地形为松软地形，其他结果均为沟壑地形。
所述步骤1中的变形数据为金属网胎面与地形之间的应变，是通过应变片进行测量。应变片为现有技术中的应变片传感器，是由敏感栅构成用于测量应变的元件，使用时将其牢固地粘贴在构件的测点上，构件受力后由于测点发生应变，敏感栅也随之变形而使其电阻发生变化，再由专用仪器测得其电阻变化大小，并转换为测点的应变值。
所述步骤2中的中心化处理是指用每一个具体数据减去该组数据的平均值，也叫作零均值化。就是一个平移的过程，平移后所有数据的中心是(0，0)，该组数据的均值为零。
所述中心化处理的步骤为：
1)将每一个应变片采集的数据分别存储在三个数组中，三个数组为data1[250]、data2[250]和data3[250]；
2)通过for循环求解每个数组的和，然后再求解每一个数组的平均值；
3)通过for循环将每个数组的值均减去平均数，得到三个新的数组，这三个数组的纵坐标均在y＝0上下波动，便于后面进行每个数组的计算。
具体的原始数据中心化处理的过程为：先分别求解出三组数组的平均数。然后用原始数据中数组的每一个数据减去平均数，进一步将上述数据分别存入大小为250的三个数组中，实现中心化处理，这里大小为250指的是数组的长度，里面可以储存250个数据，然后利用max和min函数求解出每一个数组中的最大值和最小值，并对最值是否在Y＝0这条线附近进行判断，如果在Y＝0这条线附近，则其对应的横坐标为X＝0，如果不在Y＝0这条线附近，则记录其横坐标。
利用max和min函数求解出每一个数组中的最大值和最小值就是利用for循环，将上面的数组中的每一个数据进行一个对比，首先是对比第一个和第二个，并分别将其中较大和较小的数据进行记录，然后用其中的一个较大或者较小的数据与第三个数据进行对比，并分别将其中较大和较小的数据进行记录，以此往复，便将数组中的每一个数据进行了对比，最后保留下来的便是这个数组中的最大值和最小值。
对上述每一个数组的最值进行求斜率的操作，并设置计数变量t1和t2，初始值为0，如果斜率为正，则t1加1，如果斜率为负，则t2加1，以此往复，完成三个数组的计算；根据计数变量的结果对地形进行判断，t1为3，则为平整地形，t2为3，则为松软地形，其他情况则为沟壑地形。
所述步骤3中车轮变形结构变形为三种状态，分别为初始态、变径态和变宽态，初始态对应的地形为平整地形，变径态对应的地形为沟壑地形，变宽态对应的地形为松软地形，如果车轮变形结构的状态与步骤2所判断地形不匹配，则车轮变形结构根据步骤2判定的地形进行变形。
所述步骤3中根据车轮变形结构当前的状态进行对比判断的详细步骤为：
1)在探测机器人开始行驶时，其车轮变形结构为初始态，主要是适用于平整地形，并且此时控制器会记录车轮变形结构的状态；
2)由于应变片传感器安装在金属网胎面上，车轮变形结构每转动一周，其就会进行一次地形识别，当通过步骤1和步骤2的方法进行识别判断后，会得到地形的状态；
3)当得到地形的状态后，会与车轮变形结构的当前的状态进行对比，如果地形和车轮变形结构分别是是平整地形和初始态、松软地形和变宽态、沟壑地形和变径态，则不需要控制变形结构进行变形，探测机器人继续前进；
4)当地形和车轮变形结构的状态不是上述对应关系时，则探测机器人在控制器的控制下停止前进，并根据地形和车轮变形结构的对应关系进行变形。例如，现在车轮变形结构是初始态，但是地形识别出来的是沟壑地形，则车轮变形结构需要从初始态变成变径态，当完成变形后，探测机器人继续前进。探测机器人车轮变形结构每转动一圈便会对地形进行识别及地形与车轮变形结构状态的对比判断，并以此往复前进。
所述初始态即车轮变形结构处于未发生变形的状态；所述变宽态指的是车轮变形结构相比于初始态的宽度增大；所述变径态指的是车轮变形结构相比于初始态的直径变大。平整地形对应的车轮变形结构的初始态，即车轮变形结构处于未发生变形的状态，初始态主要是用于平整地形下的行驶；松软地形对应的车轮变形结构的变宽态，变宽态指的是车轮变形结构相比于初始态的宽度增大，有助于提高车轮变形结构在松软地形中的通过能力，其中典型的地形是沙土地形，车轮变形结构变宽增加了金属网胎面和地形之间的接触面积，避免其陷入沙土中导致无法继续前进；变径态指的是车轮变形结构相比于初始态的直径变大，车轮变形结构直径变大有助于提高探测机器人的越障能力，主要是适用于沟壑地形，保证探测机器人能安全、迅速通过沟壑地形。
所述应变片1号、2号和3号的位置分别沿着车轮变形结构金属网胎面周向进行分布，其间距根据车速和车轮变形结构直径确定。
所述间距L根据车轮变形结构的直径D确定，即L＝1/(N*n)*πD；其中N为将车轮变形结构划分为几等份。这里划分为4等份，式中n为应变片传感器的数量，此处为3。
Claims (10)
1.一种应用于金属网胎面的车轮地形识别方法，其特征在于，包括以下步骤：
步骤1：位于金属网胎面上的应变片1号持续记录数据，当应变片1号接触到地形时应变片1号、2号和3号开始按照顺序记录金属网胎面与地形之间的变形数据；
步骤2：完成数据收集后对变形数据进行中心化处理，然后求解最值，并通过应变片1号、2号和3号所记录数据的斜率进行地形的判断；
步骤3：判断完成后，结合车轮变形结构当前的状态进行对比判断，如果地形与车轮变形结构当前状态不匹配，则控制车轮变形结构进行变形。
2.根据权利要求1所述的一种应用于金属网胎面的车轮地形识别方法，其特征在于：所述步骤2包括：
步骤2.1、对原始数据中心化处理后的数据进行求解最大值和最小值；
步骤2.2、对最值是否在Y＝0这条线附近进行判断，如果在Y＝0这条线附近，则其对应的横坐标为X＝0，如果不在Y＝0这条线附近，则记录其横坐标；
步骤2.3、根据记录的最大值和最小值的坐标求解该组数据的斜率，如果应变片1号、2号和3号所获取的三组数据的斜率均大于0，则该地形为平整地形，如果应变片1号、2号和3号所获取的三组数据的斜率均小于0，则该地形为松软地形，其他结果均为沟壑地形。
3.根据权利要求1所述的一种应用于金属网胎面的车轮地形识别方法，其特征在于：所述步骤1中的变形数据为金属网胎面与地形之间的应变，是通过应变片进行测量。
4.根据权利要求3所述的一种应用于金属网胎面的车轮地形识别方法，其特征在于：所述步骤2中的中心化处理是指用每一个具体数据减去该组数据的平均值，也叫作零均值化。
5.根据权利要求4所述的一种应用于金属网胎面的车轮地形识别方法，其特征在于：所述中心化处理的步骤为：
1)将每一个应变片采集的数据分别存储在三个数组中，三个数组为data1[250]、data2[250]和data3[250]；
2)通过for循环求解每个数组的和，然后再求解每一个数组的平均值；
3)通过for循环将每个数组的值均减去平均数，得到三个新的数组，这三个数组的纵坐标均在y＝0上下波动，便于后面进行每个数组的计算。
6.根据权利要求1所述的一种应用于金属网胎面的车轮地形识别方法，其特征在于：所述步骤3中车轮变形结构变形为三种状态，分别为初始态、变径态和变宽态，初始态对应的地形为平整地形，变径态对应的地形为沟壑地形，变宽态对应的地形为松软地形，如果车轮变形结构的状态与步骤2所判断地形不匹配，则车轮变形结构根据步骤2判定的地形进行变形。
7.根据权利要求6所述的一种应用于金属网胎面的车轮地形识别方法，其特征在于：所述步骤3中根据车轮变形结构当前的状态进行对比判断的详细步骤为：
1)在探测机器人开始行驶时，其车轮变形结构为初始态，主要是适用于平整地形，并且此时控制器会记录车轮变形结构的状态；
2)由于应变片传感器安装在金属网胎面上，车轮变形结构每转动一周，其就会进行一次地形识别，当通过步骤1和步骤2的方法进行识别判断后，会得到地形的状态；
3)当得到地形的状态后，会与车轮变形结构的当前的状态进行对比，如果地形和车轮变形结构分别是是平整地形和初始态、松软地形和变宽态、沟壑地形和变径态，则不需要控制变形结构进行变形，探测机器人继续前进；
4)当地形和车轮变形结构的状态不是上述对应关系时，则探测机器人在控制器的控制下停止前进，并根据地形和车轮变形结构的对应关系进行变形。
8.根据权利要求6或7所述的一种应用于金属网胎面的车轮地形识别方法，其特征在于：所述初始态即车轮变形结构处于未发生变形的状态；所述变宽态指的是车轮变形结构相比于初始态的宽度增大；所述变径态指的是车轮变形结构相比于初始态的直径变大。
9.根据权利要求1所述的一种应用于金属网胎面的车轮地形识别方法，其特征在于：所述应变片1号、2号和3号的位置分别沿着车轮变形结构金属网胎面周向进行分布，其间距根据车速和车轮变形结构直径确定。
10.根据权利要求9所述的一种应用于金属网胎面的车轮地形识别方法，其特征在于：所述间距L根据车轮变形结构的直径D确定，即L＝1/(N*n)*πD；其中N为将车轮变形结构划分为几等份。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210215997.7A CN114537057B (zh) | 2022-03-07 | 2022-03-07 | 一种应用于金属网胎面的车轮地形识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210215997.7A CN114537057B (zh) | 2022-03-07 | 2022-03-07 | 一种应用于金属网胎面的车轮地形识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114537057A true CN114537057A (zh) | 2022-05-27 |
| CN114537057B CN114537057B (zh) | 2024-01-26 |
Family
ID=81662899
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210215997.7A Active CN114537057B (zh) | 2022-03-07 | 2022-03-07 | 一种应用于金属网胎面的车轮地形识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114537057B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106066645A (zh) * | 2015-04-21 | 2016-11-02 | 赫克斯冈技术中心 | 在操作推土机的同时测量和绘制地形的方法和控制系统 |
| EP3273201A1 (fr) * | 2016-07-21 | 2018-01-24 | Renault Trucks Defense | Methode de calcul d'un itineraire pour un engin tout terrain |
| CN109829410A (zh) * | 2019-01-23 | 2019-05-31 | 东南大学 | 一种基于多传感器信息融合的竖向车轮力识别方法 |
| CN111598142A (zh) * | 2020-04-26 | 2020-08-28 | 南京工业大学 | 一种用于轮式移动机器人的室外地形分类方法 |
-
2022
- 2022-03-07 CN CN202210215997.7A patent/CN114537057B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106066645A (zh) * | 2015-04-21 | 2016-11-02 | 赫克斯冈技术中心 | 在操作推土机的同时测量和绘制地形的方法和控制系统 |
| EP3273201A1 (fr) * | 2016-07-21 | 2018-01-24 | Renault Trucks Defense | Methode de calcul d'un itineraire pour un engin tout terrain |
| CN109829410A (zh) * | 2019-01-23 | 2019-05-31 | 东南大学 | 一种基于多传感器信息融合的竖向车轮力识别方法 |
| CN111598142A (zh) * | 2020-04-26 | 2020-08-28 | 南京工业大学 | 一种用于轮式移动机器人的室外地形分类方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114537057B (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113761649B (zh) | 一种基于一维卷积神经网络的智能汽车轮胎偏磨预测方法 | |
| CN104535586A (zh) | 带钢边部缺陷检测识别方法 | |
| CN108205667A (zh) | 车道线检测方法及装置、车道线检测终端、存储介质 | |
| CN110378210B (zh) | 一种基于轻量化YOLOv3的车辆和车牌检测及长短焦融合测距方法 | |
| CN110659548B (zh) | 车辆及其目标检测方法、装置 | |
| CN113642529B (zh) | 基于ga-bp神经网络的障碍物尺寸预测系统及方法 | |
| CN109614868A (zh) | 汽车轮胎花纹图像直线识别系统 | |
| CN105404866B (zh) | 一种多模式自动实施人体状态感知的实现方法 | |
| CN113406296A (zh) | 一种基于深度学习的煤岩智能识别系统 | |
| CN106803066A (zh) | 一种基于Hough变换的车辆偏航角确定方法 | |
| CN114537057A (zh) | 一种应用于金属网胎面的车轮地形识别方法 | |
| CN115730483A (zh) | 基于胎内应变分析的轮胎垂向力与侧偏力联合估计方法 | |
| CN113936259B (zh) | 一种基于视觉感知的智能汽车车身姿态控制方法及系统 | |
| CN111738089A (zh) | 一种地铁巡检agv故障检测方法 | |
| CN118428174A (zh) | 一种轮胎载荷估计方法和系统 | |
| CN114611569A (zh) | 一种基于知识辅助的雷达目标深度学习分类方法、系统 | |
| CN110509925B (zh) | 一种基于车联网数据的急转弯识别方法 | |
| CN103136517A (zh) | 一种基于关键列选择的滚动指纹图像序列实时拼接方法 | |
| CN113076988A (zh) | 基于神经网络的移动机器人视觉slam关键帧自适应筛选方法 | |
| CN113205108A (zh) | 一种基于YOLOv4的多目标车辆检测跟踪方法 | |
| CN109916483B (zh) | 称重设备联合监控方法及装置 | |
| CN116503341A (zh) | 一种汽车涂装胶泡缺陷的预测与原因分析方法 | |
| CN115511964A (zh) | 一种管道内机器人定位方法及系统 | |
| CN107340855A (zh) | 一种基于静电探测的车载多媒体手势控制方法 | |
| CN113469133A (zh) | 一种基于深度学习的车道线检测方法 |
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 |