CN114993314A - 用于酒店清洁机器人的融合定位方法及系统 - Google Patents
用于酒店清洁机器人的融合定位方法及系统 Download PDFInfo
- Publication number
- CN114993314A CN114993314A CN202210552221.4A CN202210552221A CN114993314A CN 114993314 A CN114993314 A CN 114993314A CN 202210552221 A CN202210552221 A CN 202210552221A CN 114993314 A CN114993314 A CN 114993314A
- Authority
- CN
- China
- Prior art keywords
- positioning
- cleaning
- robot
- target room
- point
- 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
Images
Classifications
-
- 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
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
Abstract
本发明提供了一种用于酒店清洁机器人的融合定位方法及系统,包括如下步骤:目标房间行进步骤:机器人采用amcl全局定位行走到目标房间外;清洁定位步骤:机器人在到达目标房间前将amcl全局定位更换为icp全局定位,采用icp全局定位进行清洁定位。本发明解决了传统amcl定位算法在酒店长廊发生定位偏移或丢失的问题。
Description
技术领域
本发明涉及清洁机器人的技术领域,具体地,涉及用于酒店清洁机器人的融合定位方法及系统。尤其是,优选的涉及一种用于酒店清洁机器人的低算力高精度的2D融合定位方法。
背景技术
酒店清洁机器人是一种作业于酒店卫生间的特殊机器人,该机器人进行作业的时候需要在不同的房间之间进行穿梭,因此酒店长廊及房间便成了该机器人的主要活动场所,传统的2d定位算法一般采用amcl(自适应蒙特卡洛定位)定位算法,该算法也是目前较为主流的定位算法。
公开号为CN112068547A的中国发明专利文献公开了一种基于AMCL的机器人定位方法、装置和机器人,包括:获取机器人在当前时刻采集的激光数据,以及获取当前时刻的地图图片;利用所述激光数据与所述地图图片,对由AMCL算法预测得到的初始粒子群中的粒子分布进行优化处理,得到优化后的粒子群,优化后的粒子群中粒子分布较初始粒子群中粒子分布集中;采用AMCL算法对优化后的粒子群进行处理,实现机器人的实时定位。
针对上述中的相关技术,发明人认为上述方法在实际使用过程中容易在长廊中发生定位偏移甚至定位丢失现象,且在清扫作业时也无法达到高精度定位的要求。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种用于酒店清洁机器人的融合定位方法及系统。
根据本发明提供的一种用于酒店清洁机器人的融合定位方法,包括如下步骤:
目标房间行进步骤:机器人采用自适应蒙特卡洛定位全局定位行走到目标房间外;
清洁定位步骤:机器人在到达目标房间前将自适应蒙特卡洛定位全局定位更换为迭代就近点法全局定位,采用迭代就近点法全局定位进行清洁定位。
优选的,所述目标房间行进步骤包括如下步骤:
地图建立步骤:利用激光雷达建立相应的导航所使用的栅格地图;
点位标记步骤:在栅格地图上标记出各房间点位以及房间内各个清洁点位;
房间行走步骤:下发清洁任务,机器人前往目标房间点位对应的目标房间,在行进的过程中采用自适应蒙特卡洛定位全局定位。
优选的,所述清洁定位步骤包括如下步骤:
定位更换步骤:当机器人在到达目标房间门口前采用迭代就近点法的全局定位方式,并拿自适应蒙特卡洛定位的定位位置作为迭代就近点法的初始位置;
清洁点位定位步骤:当从迭代就近点法的初始位置到达目标房间门口后,机器人开始进入各个清洁点位,在到达目标清洁点位前使用迭代就近点法的全局定位方式。
优选的,在所述地图建立步骤中,利用二维激光雷达建立相应的导航所使用的2D栅格地图。
优选的,在所述定位更换步骤中,对迭代就近点法的初始位置进行处理,在指定阈值范围内得到最佳匹配结果,最佳匹配结果为处理后的迭代就近点法的初始位置;
在清洁点位定位步骤中,当从处理后的迭代就近点法的初始位置到达目标房间门口后,机器人开始进入各个清洁点位。
根据本发明提供的一种用于酒店清洁机器人的融合定位系统,包括如下模块:
目标房间行进模块:机器人采用自适应蒙特卡洛定位全局定位行走到目标房间外;
清洁定位模块:机器人在到达目标房间前将自适应蒙特卡洛定位全局定位更换为迭代就近点法全局定位,采用迭代就近点法全局定位进行清洁定位。
优选的,所述目标房间行进模块包括如下模块:
地图建立模块:利用激光雷达建立相应的导航所使用的栅格地图;
点位标记模块:在栅格地图上标记出各房间点位以及房间内各个清洁点位;
房间行走模块:下发清洁任务,机器人前往目标房间点位对应的目标房间,在行进的过程中采用自适应蒙特卡洛定位全局定位。
优选的,所述清洁定位模块包括如下模块:
定位更换模块:当机器人在到达目标房间门口前采用迭代就近点法的全局定位方式,并拿自适应蒙特卡洛定位的定位位置作为迭代就近点法的初始位置;
清洁点位定位模块:当从迭代就近点法的初始位置到达目标房间门口后,机器人开始进入各个清洁点位,在到达目标清洁点位前使用迭代就近点法的全局定位方式。
优选的,在所述地图建立模块中,利用二维激光雷达建立相应的导航所使用的2D栅格地图。
优选的,在所述定位更换模块中,对迭代就近点法的初始位置进行处理,在指定阈值范围内得到最佳匹配结果,最佳匹配结果为处理后的迭代就近点法的初始位置;
在清洁点位定位模块中,当从处理后的迭代就近点法的初始位置到达目标房间门口后,机器人开始进入各个清洁点位。
与现有技术相比,本发明具有如下的有益效果:
1、本发明解决了传统amcl定位算法在酒店长廊发生定位偏移或丢失的问题;
2、本发明降低了计算机算力,从而降低了计算机成本,提高了定位算法运行效率;
3、本发明提高了清洁目标点的到点精度,大大提高了后期机器人清洁的稳定性和准确性。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明流程图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明实施例公开了一种用于酒店清洁机器人的低算力高精度的2D融合定位方法,如图1所示,包括如下步骤:步骤1:利用二维激光雷达建立相应的导航所使用的2d栅格地图。
具体为,利用二维激光雷达建立相应的导航所使用的2d栅格地图,栅格地图建立时尽可能保证地图的完整性,机器人在进行建图时往往无法保证扫描到每一个角落,或无法保证建图时的地图与使用时的地图完全一致,因此需要人为对地图进行修改,将不完整的地方补充完整(例如墙壁、门和一些固定物体等),另外删除掉地图中的动态障碍物以及噪点,这样有助于增强后期的整体定位效果。
步骤2:在地图上标记出各房间点位以及房间内各个清洁点位。具体为,有了二维栅格地图后只需要通过ros自带的数据可视化软件rviz标记出各个房间点位以及房间内的所有清洁点位即可,并记录下这些点位的坐标(x,y,θ),用于后期的全局路径规划所使用。x代表横坐标值,y代表纵坐标值,θ代表点位的朝向(与x轴正方向的夹角(-π~π),π表示圆周率)。
步骤3:随着清洁任务的下发,机器人开始从布草间出发,前往目标房间,由于行走过程对定位的要求不高,因此在行进的过程中采用amcl全局定位方法,此时的cpu消耗较低。
步骤4:当机器人快抵达房间门口时则采用icp(迭代就近点法)的全局定位方式,并拿上一帧amcl的定位位置作为icp的初始位置(上一帧amcl的定位位置为在amcl定位切换至icp定位时需要保留最近一次的机器人位置,然后拿该位置作为下一次icp匹配的初始位置),在一定阈值范围内得到最佳匹配结果(对icp的初始位置处理后得到的位置),并弥补了长廊环境带来的定位偏移,最终达到目的地。
该阈值范围一般是人为设定的,根据以下最小化均方误差公式,代入目标数据点(当前2d激光雷达传感器通过扫描得到的激光点云数据)和待匹配数据点(步骤1所建立的栅格地图点云数据)的(x,y)值以及一个初始变换矩阵(旋转平移矩阵)即可得到一个误差值,再通过不断地迭代,使得这个误差值最小。
其中,xi和yi分别代表目标点云中的点坐标和待匹配点云中的点坐标;而e(X,Y)代表误差值;R和t分别代表旋转矩阵和平移矩阵;i表示点数;m表示最大点数。
而这个阈值设定就是对这个误差值的设定,一般设置得比较小,如0.00001m,这样可以使得icp达到收敛状态,输出最终的匹配结果。平移和旋转矩阵,用于计算出机器人位置经过icp全局匹配后的最终位置(经过icp匹配后得到的最佳匹配位置,这个最佳匹配位置就是通过上述误差公式不断迭代而来)。
步骤5:当到达房间门口后,则机器人开始进入各个清洁点位,在到达目标点位前继续使用icp的全局定位方式,最大程度提高到点精度。
本发明提出了一种基于icp(迭代就近点法)的高精度定位方法,虽然icp定位精度很高但其对运算的要求也很高,因此本发明将两者进行了结合,在保证定位精度的情况下大大降低cpu的消耗,最大程度地利用好计算资源,同时也最大程度地控制了运算成本。在酒店清洁机器人运行环境中,针对传统amcl定位方法存在的两大问题,本发明提出了一种低算力高精度的2d融合定位方法进行解决:利用icp的全局匹配能力可以很好地解决因酒店长廊所带来的传统amcl定位方法偏移或丢失的问题,通过icp的高精度匹配能力可以解决在清扫作业时对机器人作业位置的高精度定位要求,通过将icp与amcl两者的有效结合可以在一定程度上降低计算机cpu的消耗,可以满足低成本计算机的算力需求。
本发明实施例还公开了一种用于酒店清洁机器人的融合定位方法,如图1所示,包括如下步骤:目标房间行进步骤:机器人采用自适应蒙特卡洛定位全局定位行走到目标房间外。
目标房间行进步骤包括如下步骤:地图建立步骤:利用激光雷达建立相应的导航所使用的栅格地图。利用二维激光雷达建立相应的导航所使用的2D栅格地图。点位标记步骤:在栅格地图上标记出各房间点位以及房间内各个清洁点位。房间行走步骤:下发清洁任务,机器人前往目标房间点位对应的目标房间,在行进的过程中采用自适应蒙特卡洛定位全局定位。
清洁定位步骤:机器人在到达目标房间前将自适应蒙特卡洛定位全局定位更换为迭代就近点法全局定位,采用迭代就近点法全局定位进行清洁定位。
清洁定位步骤包括如下步骤:定位更换步骤:当机器人在到达目标房间门口前采用迭代就近点法的全局定位方式,并拿自适应蒙特卡洛定位的定位位置作为迭代就近点法的初始位置。对迭代就近点法的初始位置进行处理,在指定阈值范围内得到最佳匹配结果,最佳匹配结果为处理后的迭代就近点法的初始位置。
清洁点位定位步骤:当从处理后的迭代就近点法的初始位置到达目标房间门口后,机器人开始进入各个清洁点位,在到达目标清洁点位前使用迭代就近点法的全局定位方式。
本发明实施例还公开了一种用于酒店清洁机器人的融合定位系统,如图1所示,包括如下模块:目标房间行进模块:机器人采用自适应蒙特卡洛定位全局定位行走到目标房间外。
目标房间行进模块包括如下模块:地图建立模块:利用激光雷达建立相应的导航所使用的栅格地图。利用二维激光雷达建立相应的导航所使用的2D栅格地图。点位标记模块:在栅格地图上标记出各房间点位以及房间内各个清洁点位。房间行走模块:下发清洁任务,机器人前往目标房间点位对应的目标房间,在行进的过程中采用自适应蒙特卡洛定位全局定位。
清洁定位模块:机器人在到达目标房间前将自适应蒙特卡洛定位全局定位更换为迭代就近点法全局定位,采用迭代就近点法全局定位进行清洁定位。
清洁定位模块包括如下模块:定位更换模块:当机器人在到达目标房间门口前采用迭代就近点法的全局定位方式,并拿自适应蒙特卡洛定位的定位位置作为迭代就近点法的初始位置。对迭代就近点法的初始位置进行处理,在指定阈值范围内得到最佳匹配结果,最佳匹配结果为处理后的迭代就近点法的初始位置。
清洁点位定位模块:当从处理后的迭代就近点法的初始位置到达目标房间门口后,机器人开始进入各个清洁点位,在到达目标清洁点位前使用迭代就近点法的全局定位方式。
本发明的创造初衷是为了在酒店场景中实现稳定且高精度的机器人自主导航系统,而在自主导航的过程中定位系统是不可或缺的一部分,它可以保障机器人在行走过程中严格按照预定路线行走,最终到达指定目标点。
传统室内机器人的定位系统往往使用比较单一的定位方法,其中amcl是基于ros(机器人操作系统)的一种最常用的定位方法,它是一种自适应蒙特卡洛定位,源于MCL算法的一种增强,而蒙特卡洛定位(MCL)基于粒子滤波算法,其一大优点是不受场景的限制,算法简捷快速,同时也可以兼顾算法的精度问题。粒子滤波使用粒子密度(也就是单位区间内的粒子数)表征事件的发生概率。根据选定的评估方程来推算事件的置信程度,并根据该结果重新调整粒子的分布情况。经过若干次迭代之后,粒子就高度分布在可能性高的区域了。该定位算法计算要求低,无需很高算力的工控机便能跑起来,这也大大控制了产品的成本,然而其在酒店长廊环境中的定位效果不佳,常常由于长廊过长而导航定位的偏移甚至丢失,这就导致了定位的稳定性变差,且由于在酒店场景中机器人经常需要自主乘梯上下楼,而一般酒店的电梯都比较小,因此需要确保机器人在进出电梯时定位精确,有利于进出电梯的路径规划,否则容易导致规划失败或机器人位置偏移到地图边界外。另外本专利所涉及的机器人为酒店清洁机器人,在进行清洁工作前必须保证机器人所在清洁点位的精度,不然将会影响到整个清洁系统的精度和稳定性,而该定位方法恰恰无法满足这一点。
而迭代最近点(Iterative Closest Point,下简称ICP)算法目前多用于3d点云匹配领域,在3d场景定位中用得比较多,因其匹配精度高而闻名,目前该算法也慢慢开始适用于2d场景中,然而由于其算法本身的迭代性质,对算力具有一定的要求,因此也提高了机器人对中央处理器的要求,提高了机器人的成本,阻碍了产品化的步伐,但其高精度的优点又恰好弥补了以上所述的amcl存在的缺陷。
本发明能将二者进行结合,优劣互补便能在保证机器人稳定导航的过程中尽可能提高机器人的定位精度,并且降低了计算机的整体算力。当然如何结合且如何才能保证最大程度的降低算力则需要对使用场景有深刻的认识。
该清洁机器人的使用场景为酒店,而酒店长廊型环境比较多,因此在长廊中往往需要借助icp的精准定位进行定位纠偏,保证最终的到点精度。然后在整个导航到点的过程中又无需全程使用icp定位,因此本专利所使用的方法便是在导航过程中实时监控机器人的位置,当机器人靠近目标点位时(提前设定距离目标点的范围阈值),使用icp匹配的方法进行高精度定位,而其余时刻则使用amcl定位方式即可。这样也大大降低了计算机整体的cpu消耗。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以,本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构;也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种用于酒店清洁机器人的融合定位方法,其特征在于,包括如下步骤:
目标房间行进步骤:机器人采用自适应蒙特卡洛定位全局定位行走到目标房间外;
清洁定位步骤:机器人在到达目标房间前将自适应蒙特卡洛定位全局定位更换为迭代就近点法全局定位,采用迭代就近点法全局定位进行清洁定位。
2.根据权利要求1所述的用于酒店清洁机器人的融合定位方法,其特征在于,所述目标房间行进步骤包括如下步骤:
地图建立步骤:利用激光雷达建立相应的导航所使用的栅格地图;
点位标记步骤:在栅格地图上标记出各房间点位以及房间内各个清洁点位;
房间行走步骤:下发清洁任务,机器人前往目标房间点位对应的目标房间,在行进的过程中采用自适应蒙特卡洛定位全局定位。
3.根据权利要求2所述的用于酒店清洁机器人的融合定位方法,其特征在于,所述清洁定位步骤包括如下步骤:
定位更换步骤:当机器人在到达目标房间门口前采用迭代就近点法的全局定位方式,并拿自适应蒙特卡洛定位的定位位置作为迭代就近点法的初始位置;
清洁点位定位步骤:当从迭代就近点法的初始位置到达目标房间门口后,机器人开始进入各个清洁点位,在到达目标清洁点位前使用迭代就近点法的全局定位方式。
4.根据权利要求2所述的酒店清洁机器人的融合定位方法,其特征在于,在所述地图建立步骤中,利用二维激光雷达建立相应的导航所使用的2D栅格地图。
5.根据权利要求3所述的酒店清洁机器人的融合定位方法,其特征在于,在所述定位更换步骤中,对迭代就近点法的初始位置进行处理,在指定阈值范围内得到最佳匹配结果,最佳匹配结果为处理后的迭代就近点法的初始位置;
在清洁点位定位步骤中,当从处理后的迭代就近点法的初始位置到达目标房间门口后,机器人开始进入各个清洁点位。
6.一种用于酒店清洁机器人的融合定位系统,其特征在于,包括如下模块:
目标房间行进模块:机器人采用自适应蒙特卡洛定位全局定位行走到目标房间外;
清洁定位模块:机器人在到达目标房间前将自适应蒙特卡洛定位全局定位更换为迭代就近点法全局定位,采用迭代就近点法全局定位进行清洁定位。
7.根据权利要求6所述的用于酒店清洁机器人的融合定位系统,其特征在于,所述目标房间行进模块包括如下模块:
地图建立模块:利用激光雷达建立相应的导航所使用的栅格地图;
点位标记模块:在栅格地图上标记出各房间点位以及房间内各个清洁点位;
房间行走模块:下发清洁任务,机器人前往目标房间点位对应的目标房间,在行进的过程中采用自适应蒙特卡洛定位全局定位。
8.根据权利要求7所述的用于酒店清洁机器人的融合定位系统,其特征在于,所述清洁定位模块包括如下模块:
定位更换模块:当机器人在到达目标房间门口前采用迭代就近点法的全局定位方式,并拿自适应蒙特卡洛定位的定位位置作为迭代就近点法的初始位置;
清洁点位定位模块:当从迭代就近点法的初始位置到达目标房间门口后,机器人开始进入各个清洁点位,在到达目标清洁点位前使用迭代就近点法的全局定位方式。
9.根据权利要求7所述的酒店清洁机器人的融合定位系统,其特征在于,在所述地图建立模块中,利用二维激光雷达建立相应的导航所使用的2D栅格地图。
10.根据权利要求8所述的酒店清洁机器人的融合定位系统,其特征在于,在所述定位更换模块中,对迭代就近点法的初始位置进行处理,在指定阈值范围内得到最佳匹配结果,最佳匹配结果为处理后的迭代就近点法的初始位置;
在清洁点位定位模块中,当从处理后的迭代就近点法的初始位置到达目标房间门口后,机器人开始进入各个清洁点位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210552221.4A CN114993314A (zh) | 2022-05-20 | 2022-05-20 | 用于酒店清洁机器人的融合定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210552221.4A CN114993314A (zh) | 2022-05-20 | 2022-05-20 | 用于酒店清洁机器人的融合定位方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114993314A true CN114993314A (zh) | 2022-09-02 |
Family
ID=83028202
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210552221.4A Pending CN114993314A (zh) | 2022-05-20 | 2022-05-20 | 用于酒店清洁机器人的融合定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114993314A (zh) |
-
2022
- 2022-05-20 CN CN202210552221.4A patent/CN114993314A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110874100A (zh) | 用于使用视觉稀疏地图进行自主导航的系统和方法 | |
CN108253958B (zh) | 一种稀疏环境下的机器人实时定位方法 | |
JP6881723B2 (ja) | 作業領域における移動ロボットの角度補正方法および移動ロボット | |
Shen et al. | Autonomous multi-floor indoor navigation with a computationally constrained MAV | |
CN107837044B (zh) | 清洁机器人的分区清洁方法、装置及机器人 | |
Miki et al. | Elevation mapping for locomotion and navigation using gpu | |
JP2016522089A (ja) | 複雑な表面検査及び加工のための制御された自律型ロボットシステム | |
Shen et al. | Obtaining liftoff indoors: Autonomous navigation in confined indoor environments | |
Gao et al. | Multi-mobile robot autonomous navigation system for intelligent logistics | |
CN116182837A (zh) | 基于视觉激光雷达惯性紧耦合的定位建图方法 | |
CN114460965A (zh) | 一种基于改进人工势场法的无人机三维避障方法 | |
Toan et al. | Using modification of visibility-graph in solving the problem of finding shortest path for robot | |
Heidenreich et al. | LaneSLAM--Simultaneous Pose and Lane Estimation Using Maps with Lane-Level Accuracy | |
CN114993314A (zh) | 用于酒店清洁机器人的融合定位方法及系统 | |
Danping et al. | Simultaneous localization and mapping based on Lidar | |
Kim | Indoor localization and point cloud generation for building interior modeling | |
Lee et al. | Map generation and localization for a LEGO NXT robot | |
Zhang et al. | Hybrid iteration and optimization-based three-dimensional reconstruction for space non-cooperative targets with monocular vision and sparse lidar fusion | |
Yu et al. | Indoor Localization Based on Fusion of AprilTag and Adaptive Monte Carlo | |
Zeng et al. | An Indoor 2D LiDAR SLAM and Localization Method Based on Artificial Landmark Assistance | |
Zhang et al. | Integrated the Artificial Potential Field with the Leader–Follower Approach for Unmanned Aerial Vehicles Cooperative Obstacle Avoidance | |
CN113404319B (zh) | 螺杆洞封堵路径规划方法、装置、设备和存储介质 | |
Li et al. | Research on Rao-Blackwellized Particle Filter SLAM Based On Grey Wolf Optimizer | |
Aouina et al. | 3d modeling with a moving tilting laser sensor for indoor environments | |
Zhang et al. | A Graph-Based SLAM Method Assisted by Visual Marker in the Degenerate Scenes |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230406 Address after: 311231 building 3, No. 477, Hongxing Road, Qiaonan block, economic and Technological Development Zone, Xiaoshan District, Hangzhou City, Zhejiang Province Applicant after: Hangzhou Jingwu Intelligent Technology Co.,Ltd. Address before: 2 / F, 979 Yunhan Road, Lingang xinpian District, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai 200120 Applicant before: Shanghai jingwukuzu Technology Development Co.,Ltd. |