CN114881853A - 一种智能割草机局部全景图创建方法、装置、电子设备及存储介质 - Google Patents
一种智能割草机局部全景图创建方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114881853A CN114881853A CN202210293568.1A CN202210293568A CN114881853A CN 114881853 A CN114881853 A CN 114881853A CN 202210293568 A CN202210293568 A CN 202210293568A CN 114881853 A CN114881853 A CN 114881853A
- Authority
- CN
- China
- Prior art keywords
- mower
- real
- panorama
- target object
- image information
- 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 67
- 230000008569 process Effects 0.000 claims abstract description 27
- 238000004590 computer program Methods 0.000 claims description 16
- 244000025254 Cannabis sativa Species 0.000 claims description 8
- 230000003287 optical effect Effects 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Harvester Elements (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请涉及一种智能割草机局部全景图创建方法、装置、电子设备及存储介质。其包括:S1、在割草机移动过程中,获取所述割草机当前的实时位置,并基于所述实时位置构建预设范围的初始地图;S2、获取所述割草机采集的实时环境图像信息,并提取所述实时环境图像信息中各标的物信息,所述标的物信息包括标的物的属性和标的物的位置;S3、根据所述标的物的位置和所述标的物的属性在所述初始地图生成与所述标的物对应的图像信息,以得到所述割草机当前位置的全景图。实施本申请能够提高割草机在运行过程中的可靠性。
Description
技术领域
本申请涉及移动机器人技术领域,更具体地说,涉及一种智能割草机局部全景图创建方法、装置、电子设备及存储介质。
背景技术
当前机器人在进行视觉识别时,其通常采用实时获取的视觉信息进行当前环境判断。而机器人在实时进行AI视觉识别时,其获取的视觉信息只有当前摄像头看到的区域的信息,这样就导致机器人在一些作业场景中得不到足够的信息来做正确的判断。比如沿边、脱困等。如,在沿边时,机器人走到拐角时就看不到边界了,这个时候实时的信息是完全没有用的。
申请内容
本申请要解决的技术问题在于,提供一种智能割草机局部全景图创建方法、装置、电子设备及存储介质。
本申请解决其技术问题所采用的技术方案是:构造一种智能割草机局部全景图创建方法,包括:
S1、在割草机移动过程中,获取所述割草机当前的实时位置,并基于所述实时位置构建预设范围的初始地图;
S2、获取所述割草机采集的实时环境图像信息,并提取所述实时环境图像信息中各标的物信息,所述标的物信息包括标的物的属性和标的物的位置;
S3、根据所述标的物的位置和所述标的物的属性在所述初始地图生成与所述标的物对应的图像信息,以得到所述割草机当前位置的全景图。
优选地,本申请的智能割草机局部全景图创建方法中,在所述步骤S1中,所述基于所述实时位置构建预设范围的初始地图,包括:
基于所述实时位置获取所述割草机的历史全景图,并根据所述历史全景图获取所述初始地图。
优选地,本申请的智能割草机局部全景图创建方法中,在所述步骤S2中,所述提取所述实时环境图像信息中各标的物信息,包括:
基于AI深度学习获取所述标的物的属性。
优选地,本申请的智能割草机局部全景图创建方法中,所述标的物的属性包括草地和非草地。
优选地,本申请的智能割草机局部全景图创建方法中,在所述步骤S2中,所述提取所述实时环境图像信息中各标的物信息,包括:
以所述割草机的实时位置为初始原点,通过光学测距获取所述标的物的相对所述初始原点的第一坐标;
以所述割草机对应的导航原点为原点,对所述第一坐标进行转换以得到所述标的物的第二坐标;
以所述第二坐标为所述标的物的位置。
优选地,本申请的智能割草机局部全景图创建方法中,在所述步骤S2中,所述提取所述实时环境图像信息中各标的物信息,包括:
提取所述实时环境图像信息中的预设大小的像素块为所述标的物。
优选地,本申请的智能割草机局部全景图创建方法中,所述预设范围包括以所述实时位置为中心的区域。
本申请还构造一种智能割草机局部全景图创建装置,包括:
初始地图获取单元,用于在割草机移动过程中,获取所述割草机当前的实时位置,并基于所述实时位置构建预设范围的初始地图;
标的物信息获取单元,用于获取所述割草机采集的实时环境图像信息,并提取所述实时环境图像信息中各标的物信息,所述标的物信息包括标的物的属性和标的物的位置;
全景图获取单元,用于根据所述标的物的位置和所述标的物的属性在所述初始地图生成与所述标的物对应的图像信息,以得到所述割草机的当前位置的全景图。
本申请还构造一种计算机存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上面任意一项所述的智能割草机局部全景图创建方法。
本申请还构造一种电子设备,包括存储器和处理器;
所述存储器用于存储计算机程序;
所述处理器用于执行所述计算机程序实现如上面任一项所述的智能割草机局部全景图创建方法。
实施本申请的一种智能割草机局部全景图创建方法、装置、电子设备及存储介质,具有以下有益效果:能够提高割草机在运行过程中的可靠性。
附图说明
下面将结合附图及实施例对本申请作进一步说明,附图中:
图1是本申请一种智能割草机局部全景图创建方法一实施例的程序流程图;
图2是本申请一种智能割草机局部全景图创建方法另一实施例的程序流程图;
图3是本申请一种智能割草机局部全景图创建方法中一实施例的示意图;
图4是本申请一种智能割草机局部全景图创建方法中一实施例的示意图;
图5是本申请一种智能割草机局部全景图创建方法中一实施例的示意图;
图6是本申请一种智能割草机局部全景图创建装置一实施例的逻辑框图。
具体实施方式
为了对本申请的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明本申请的具体实施方式。
如图1所示,在本申请的一种智能割草机局部全景图创建方法第一实施例中,包括:S1、在割草机移动过程中,获取所述割草机当前的实时位置,并基于所述实时位置构建预设范围的初始地图;具体的,该局部全景图构建的过程是实时的,其是在割草机移动过程中,根据割草机的实时位置进行构建。其具体的为,在割草机移动过程中,实时的获取割草机的实时位置,在每一实时位置进行全景图的构建。其先基于割草机的实时位置获取一预设范围的初始地图。在一实施例中,该初始地图可以为用户输入。
S2、获取所述割草机采集的实时环境图像信息,并提取所述实时环境图像信息中各标的物信息,所述标的物信息包括标的物的属性和标的物的位置;具体的,在割草机运行过程中,割草机会基于其运行过程实时进行环境图像采集,例如进行摄像得到对应的实时环境图像信息。获取此时割草机采集到的实时环境图像信息,从该实时环境图像信息中进行标的物信息提取,其中标的物是用来表征图像显示过程中的成像单元。标的物信息可以包括标的物的属性和标的物的位置,该标的物的属性可以表征标的物属于的何种标的物,即对应在地图中如何显示,标的物的位置即可以对应标的物在地图中位置。
S3、根据所述标的物的位置和所述标的物的属性在所述初始地图生成与所述标的物对应的图像信息,以得到所述割草机的当前位置的全景图。具体的,在获取各个标的物在地图中的显示方式和显示位置后,即可以在初始地图中生成该标的物对应的图像信息,对各个标的物的图像显示信息进行集合后,即可以得到完整的割草机当前位置对应的全景图。
可选的,在本申请的智能割草机局部全景图创建方法中,在所述步骤S1中,所述基于所述实时位置构建预设范围的初始地图,包括:基于所述实时位置获取所述割草机的历史全景图,并根据所述历史全景图获取所述初始地图。具体的,由于割草机在全景图构建的动作是实时的,其实际上可以对割草机形成的实时全景图进行存储的,其可以基于之前割草机获取的历史全景图进行初始地图的构建,该历史全景图可以为上一次运行到当前位置时获取的全景图,也可以为割草机在运行到当前位置时、在前一个位置获得的全景图。通过该基础,可以有效的节约沟通任务量,能够实现快速的构图。例如,其在位置变动较少时,其可能有部分标的物信息与历史全景图对应的部分标的物信息相同,那么其对这一部分可以直接用之前的构图信息。只对新增加的或者有变动的标的物信息进行标的物构图。
可选的,在本申请的智能割草机局部全景图创建方法中,在所述步骤S2中,所述提取所述实时环境图像信息中各标的物信息,包括:基于AI深度学习获取所述标的物的属性。具体的,对获取的图像信息可以通过AI深度学习,判断标的物到底属于何种物体,并对应对应的显示。割草机中通过识别的为草地或者非草地的识别,其草地识别后进行草地信息显示,例如通过一种颜色或者特定的符号显示该标的物为草地,最终得到整个草地区域的显示。其在识别为非草地时,其可以采用特定的颜色或者特定的符号显示该标的物为非草地,最终可以得到整个非草地区域的显示。在一实施例中,对非草地的显示,还可以基于深度的机器学习过程获取为障碍物或者平地的识别,最终通过特定的颜色或者特定的符号进行显示。可以理解,机器的深度学习可以基于现有的神经网络学习过程。
可选的,如图2所示,在本申请的智能割草机局部全景图创建方法中,在所述步骤S2中,所述提取所述实时环境图像信息中各标的物信息,包括:S21、以所述割草机的实时位置为初始原点,通过光学测距获取所述标的物的相对所述初始原点的第一坐标;S22、以所述割草机对应的导航原点为原点,对所述第一坐标进行转换以得到所述标的物的第二坐标;S23、以所述第二坐标为所述标的物的位置。具体的,可以通过视觉单目测距的原理计算出每一个标的物的导航坐标(x,y),导航坐标转化成栅格坐标。其中,导航坐标是浮点型,比如(1.01,2.01),表示这个点离基站作为原点的x方向1.01米,y方向2.01米。参照图3其具体过程可以为,利用底片和实际地面间的垂直视场角关系计算得到Y方向距离。参照图4,由于在水平方向上,镜头和底片之间的直角三角形与镜头和地面的直角三角形呈相似关系,利用这个关系可以计算水平方向距离,即得到标的物在X方向距离。上面得到的Y方向距离和X方向距离均为以摄像头为原点,由于摄像头设置在割草机上,即可以理解为以割草机为原点得到的标的物的坐标。在该位置获取过程中,可以进行动态校正:即根据pitch角的变化来调节摄像头倾角、摄像头高度等参数;根据roll角来调节标的物坐标。基于坐标变换将第一坐标进行坐标变换,最终得到相对于导航点的第二坐标。在一实施例中,由于一般在割草机构图时以基站为起点进行构图,因此其该导航点通常设置于基站。参照图5,其中次级坐标系为以割草机为原点的坐标,第一坐标为在次级坐标系的位置,导航坐标系为以导航点为原点的坐标,第二坐标为在导航坐标系内的坐标。一标的物B点的次级坐标为:y`2=y`1cos(β)±x`1sin(β);则该标的物B点的导航坐标为(x`2+x,y`2+y)。
可选的,在所述步骤S2中,所述提取所述实时环境图像信息中各标的物信息,包括:提取所述实时环境图像信息中的预设大小的像素块为所述标的物。具体的,在对实时环境图像进行分析的过程,其可以根据实时环境图像中像素进行分析,其中像素可以为单个的像素点,也可以为一定大小的像素块,该像素块可以理解为包含若干像素点。
可选的,所述预设范围包括以所述实时位置为中心的区域。具体的,为了更好的进行割草机周边环境的监测,其在生成割草机当前位置的全景图时,保证割草机位于全景图的中心位置。并在全景图总生成割草机对应的标识。此外,全景图的显示形状可以为任意的、适用于各种场景的形状。在一实施例,显示的全景图为正方形,在另一实施例中,显示的全景图为圆形。
通过上述过程可以实现在割草机运行过程中,得到割草机对应的全景图,使得割草机在沿边或者避障过程中,其可靠性更高,以提高割草机在整个工作过程中运行过程的可靠性。
如图6所示,本申请的一种智能割草机局部全景图创建装置,其包括:
初始地图获取单元110,用于在割草机移动过程中,获取所述割草机当前的实时位置,并基于所述实时位置构建预设范围的初始地图;
标的物信息获取单元120,用于获取所述割草机采集的实时环境图像信息,并提取所述实时环境图像信息中各标的物信息,所述标的物信息包括标的物的属性和标的物的位置;
全景图获取单元130,用于根据所述标的物的位置和所述标的物的属性在所述初始地图生成与所述标的物对应的图像信息,以得到所述割草机的当前位置的全景图。
具体的,这里的智能割草机局部全景图创建装置各单元之间具体的配合操作过程具体可以参照上述智能割草机局部全景图创建方法,这里不再赘述。
另,本申请的一种电子设备,包括存储器和处理器;存储器用于存储计算机程序;处理器用于执行计算机程序实现如上面任意的智能割草机局部全景图创建方法。具体的,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过电子设备下载和安装并且执行时,执行本申请实施例的方法中限定的上述功能。本申请中的电子设备可为笔记本、台式机、平板电脑、智能手机等终端,也可为服务器。
另,本申请的一种计算机存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上面任意一项的智能割草机局部全景图创建方法。具体的,需要说明的是,本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于是电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
可以理解的,以上实施例仅表达了本申请的优选实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制;应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,可以对上述技术特点进行自由组合,还可以做出若干变形和改进,这些都属于本申请的保护范围;因此,凡跟本申请权利要求范围所做的等同变换与修饰,均应属于本申请权利要求的涵盖范围。
Claims (10)
1.一种智能割草机局部全景图创建方法,其特征在于,包括:
S1、在割草机移动过程中,获取所述割草机当前的实时位置,并基于所述实时位置构建预设范围的初始地图;
S2、获取所述割草机采集的实时环境图像信息,并提取所述实时环境图像信息中各标的物信息,所述标的物信息包括标的物的属性和标的物的位置;
S3、根据所述标的物的位置和所述标的物的属性在所述初始地图生成与所述标的物对应的图像信息,以得到所述割草机当前位置的全景图。
2.根据权利要求1所述的智能割草机局部全景图创建方法,其特征在于,在所述步骤S1中,所述基于所述实时位置构建预设范围的初始地图,包括:
基于所述实时位置获取所述割草机的历史全景图,并根据所述历史全景图获取所述初始地图。
3.根据权利要求1所述的智能割草机局部全景图创建方法,其特征在于,在所述步骤S2中,所述提取所述实时环境图像信息中各标的物信息,包括:
基于AI深度学习获取所述标的物的属性。
4.根据权利要求3所述的智能割草机局部全景图创建方法,其特征在于,所述标的物的属性包括草地和非草地。
5.根据权利要求1所述的智能割草机局部全景图创建方法,其特征在于,在所述步骤S2中,所述提取所述实时环境图像信息中各标的物信息,包括:
以所述割草机的实时位置为初始原点,通过光学测距获取所述标的物的相对所述初始原点的第一坐标;
以所述割草机对应的导航原点为原点,对所述第一坐标进行转换以得到所述标的物的第二坐标;
以所述第二坐标为所述标的物的位置。
6.根据权利要求1所述的智能割草机局部全景图创建方法,其特征在于,在所述步骤S2中,所述提取所述实时环境图像信息中各标的物信息,包括:
提取所述实时环境图像信息中的预设大小的像素块为所述标的物。
7.根据权利要求1所述的智能割草机局部全景图创建方法,其特征在于,所述预设范围包括以所述实时位置为中心的区域。
8.一种智能割草机局部全景图创建装置,其特征在于,包括:
初始地图获取单元,用于在割草机移动过程中,获取所述割草机当前的实时位置,并基于所述实时位置构建预设范围的初始地图;
标的物信息获取单元,用于获取所述割草机采集的实时环境图像信息,并提取所述实时环境图像信息中各标的物信息,所述标的物信息包括标的物的属性和标的物的位置;
全景图获取单元,用于根据所述标的物的位置和所述标的物的属性在所述初始地图生成与所述标的物对应的图像信息,以得到所述割草机的当前位置的全景图。
9.一种计算机存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7中任意一项所述的智能割草机局部全景图创建方法。
10.一种电子设备,其特征在于,包括存储器和处理器;
所述存储器用于存储计算机程序;
所述处理器用于执行所述计算机程序实现如权利要求1-7任一项所述的智能割草机局部全景图创建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210293568.1A CN114881853A (zh) | 2022-03-24 | 2022-03-24 | 一种智能割草机局部全景图创建方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210293568.1A CN114881853A (zh) | 2022-03-24 | 2022-03-24 | 一种智能割草机局部全景图创建方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114881853A true CN114881853A (zh) | 2022-08-09 |
Family
ID=82667348
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210293568.1A Pending CN114881853A (zh) | 2022-03-24 | 2022-03-24 | 一种智能割草机局部全景图创建方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114881853A (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2689650A1 (en) * | 2012-07-27 | 2014-01-29 | Honda Research Institute Europe GmbH | Trainable autonomous lawn mower |
US20160165795A1 (en) * | 2014-12-15 | 2016-06-16 | Irobot Corporation | Robot lawnmower mapping |
CN108428239A (zh) * | 2018-03-20 | 2018-08-21 | 东南大学 | 基于图像纹理特征提取的智能割草机边界识别方法 |
CN108919814A (zh) * | 2018-08-15 | 2018-11-30 | 杭州慧慧科技有限公司 | 割草机工作区域生成方法、装置及系统 |
CN109247118A (zh) * | 2018-08-24 | 2019-01-22 | 宁波市德霖机械有限公司 | 基于全景摄像头构建电子地图的智能割草机 |
CN109258060A (zh) * | 2018-08-24 | 2019-01-25 | 宁波市德霖机械有限公司 | 基于特殊图像标识识别的地图构建智能割草机 |
CN111028658A (zh) * | 2019-11-18 | 2020-04-17 | 杭州晶一智能科技有限公司 | 一种基于gps和在线地图的割草机器人电子地图构建方法 |
CN111813126A (zh) * | 2020-07-27 | 2020-10-23 | 河北工业大学 | 一种基于神经网络的智能避障控制系统及其方法 |
CN112487872A (zh) * | 2020-11-10 | 2021-03-12 | 河北工业大学 | 智能割草机器人的避障控制方法及控制系统 |
CN213424010U (zh) * | 2020-12-16 | 2021-06-11 | 四川省机械研究设计院(集团)有限公司 | 一种割草机器人割草范围识别装置 |
CN113435287A (zh) * | 2021-06-21 | 2021-09-24 | 深圳拓邦股份有限公司 | 草地障碍物识别方法、装置、割草机器人及可读存储介质 |
CN114119679A (zh) * | 2021-10-08 | 2022-03-01 | 江汉大学 | 一种割草机器人草坪边界标定方法、割草机器人及存储介质 |
-
2022
- 2022-03-24 CN CN202210293568.1A patent/CN114881853A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2689650A1 (en) * | 2012-07-27 | 2014-01-29 | Honda Research Institute Europe GmbH | Trainable autonomous lawn mower |
US20160165795A1 (en) * | 2014-12-15 | 2016-06-16 | Irobot Corporation | Robot lawnmower mapping |
CN106662452A (zh) * | 2014-12-15 | 2017-05-10 | 美国 iRobot 公司 | 割草机器人的地图构建 |
CN108428239A (zh) * | 2018-03-20 | 2018-08-21 | 东南大学 | 基于图像纹理特征提取的智能割草机边界识别方法 |
CN108919814A (zh) * | 2018-08-15 | 2018-11-30 | 杭州慧慧科技有限公司 | 割草机工作区域生成方法、装置及系统 |
CN109247118A (zh) * | 2018-08-24 | 2019-01-22 | 宁波市德霖机械有限公司 | 基于全景摄像头构建电子地图的智能割草机 |
CN109258060A (zh) * | 2018-08-24 | 2019-01-25 | 宁波市德霖机械有限公司 | 基于特殊图像标识识别的地图构建智能割草机 |
CN111028658A (zh) * | 2019-11-18 | 2020-04-17 | 杭州晶一智能科技有限公司 | 一种基于gps和在线地图的割草机器人电子地图构建方法 |
CN111813126A (zh) * | 2020-07-27 | 2020-10-23 | 河北工业大学 | 一种基于神经网络的智能避障控制系统及其方法 |
CN112487872A (zh) * | 2020-11-10 | 2021-03-12 | 河北工业大学 | 智能割草机器人的避障控制方法及控制系统 |
CN213424010U (zh) * | 2020-12-16 | 2021-06-11 | 四川省机械研究设计院(集团)有限公司 | 一种割草机器人割草范围识别装置 |
CN113435287A (zh) * | 2021-06-21 | 2021-09-24 | 深圳拓邦股份有限公司 | 草地障碍物识别方法、装置、割草机器人及可读存储介质 |
CN114119679A (zh) * | 2021-10-08 | 2022-03-01 | 江汉大学 | 一种割草机器人草坪边界标定方法、割草机器人及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110222787B (zh) | 多尺度目标检测方法、装置、计算机设备及存储介质 | |
CN110163064B (zh) | 一种道路标志物的识别方法、装置及存储介质 | |
CN107907124A (zh) | 基于场景重识的定位方法、电子设备、存储介质、系统 | |
US10733777B2 (en) | Annotation generation for an image network | |
CN107767454A (zh) | 一种实景三维移动快速建模方法、装置及系统 | |
CN112818925A (zh) | 一种城市建筑和树冠识别方法 | |
US20220004740A1 (en) | Apparatus and Method For Three-Dimensional Object Recognition | |
CN112489099A (zh) | 点云配准方法、装置、存储介质及电子设备 | |
CN108597034B (zh) | 用于生成信息的方法和装置 | |
EP3825804A1 (en) | Map construction method, apparatus, storage medium and electronic device | |
CN110928959B (zh) | 一种实体之间关系特征信息的确定方法、装置、电子设备及存储介质 | |
CN115563732A (zh) | 基于虚拟现实的喷涂轨迹仿真优化方法及装置 | |
CN113177941B (zh) | 一种钢卷边裂识别方法、系统、介质和终端 | |
CN114881853A (zh) | 一种智能割草机局部全景图创建方法、装置、电子设备及存储介质 | |
CN115375857A (zh) | 三维场景重建方法、装置、设备及存储介质 | |
CN113902768A (zh) | 一种基于可微渲染的三维人脸模型边缘优化方法及系统 | |
CN115700805A (zh) | 植物高度检测方法、装置、设备及存储介质 | |
Li et al. | Low-cost 3D building modeling via image processing | |
CN113222025A (zh) | 一种基于激光雷达的可行区域标签生成方法 | |
CN114494396B (zh) | 作业对象高度确定方法、装置、设备和存储介质 | |
CN111222448A (zh) | 图像转换方法及相关产品 | |
CN113658313B (zh) | 人脸模型的渲染方法、装置及电子设备 | |
CN114723923B (zh) | 一种传动解决方案模拟展示系统和方法 | |
CN115527074B (zh) | 一种车辆检测框的生成方法、生成装置及计算机设备 | |
CN108446671A (zh) | 一种人脸追踪方法及系统 |
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 |