CN115139303A - 一种栅格井盖检测方法、装置、设备及存储介质 - Google Patents

一种栅格井盖检测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN115139303A
CN115139303A CN202210848911.4A CN202210848911A CN115139303A CN 115139303 A CN115139303 A CN 115139303A CN 202210848911 A CN202210848911 A CN 202210848911A CN 115139303 A CN115139303 A CN 115139303A
Authority
CN
China
Prior art keywords
grid
point cloud
cloud data
data
ground
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
Application number
CN202210848911.4A
Other languages
English (en)
Inventor
王鑫
赖志林
王利红
周谦
黄彬
杨晓东
吴华勃
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Saite Intelligent Technology Co Ltd
Original Assignee
Guangzhou Saite Intelligent Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Saite Intelligent Technology Co Ltd filed Critical Guangzhou Saite Intelligent Technology Co Ltd
Priority to CN202210848911.4A priority Critical patent/CN115139303A/zh
Publication of CN115139303A publication Critical patent/CN115139303A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B25HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25JMANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00Programme-controlled manipulators
    • B25J9/16Programme controls
    • B25J9/1656Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B25HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25JMANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00Programme-controlled manipulators
    • B25J9/16Programme controls
    • B25J9/1602Programme controls characterised by the control system, structure, architecture
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/50Depth or shape recovery
    • G06T7/521Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/26Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/44Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10028Range image; Depth image; 3D point clouds
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20081Training; Learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20084Artificial neural networks [ANN]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Robotics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Automation & Control Theory (AREA)
  • Optics & Photonics (AREA)
  • Geometry (AREA)
  • Instructional Devices (AREA)

Abstract

本发明公开一种栅格井盖检测方法、装置、设备及存储介质,该方法包括:移动机器人移动时,实时获取移动机器人的位置信息以及点云数据,对各点云数据分割得到地面点云数据以及地下点云数据,在移动机器人内存储的导航地图中定位位置信息,并将以位置信息为中心的预设范围的区域进行栅格化处理,获得栅格数据,将地面点云数据投影至栅格数据,以获得地面点云数据落入的栅格,标记为地面栅格,将地下点云数据投影至栅格数据,若各地下点云数据落入的栅格均为地面栅格,判定预设范围的区域存在栅格井盖,指示移动机器人按照导航地图的在先规划导航路线进行移动,实现实时、快速对道路的栅格井盖做出准确判断,并指示移动机器人无需绕行栅格井盖。

Description

一种栅格井盖检测方法、装置、设备及存储介质
技术领域
本发明路况识别的技术领域,尤其涉及一种栅格井盖检测方法、装置、设备及存储介质。
背景技术
在移动机器人、自动驾驶领域,路况信息感知尤为重要,其中,道路上存在下水道井盖的场景较为常见,其中下水道井盖又大部分为栅格井盖。
正常情况下,在建设下水道井盖时,为了确保道路安全,会将下水道井盖与道路平面齐平,移动机器人等是可以正常在下水道井盖的表面通行的。但是由于目前移动机器人在对路况进行确定从而规划导航路线时,是通过采集道路图像以及激光点云,然后通过采集的信息对路况进行识别,这样的方式,容易把下水道井盖视为障碍物,判断为不可通行或绕行,特别是具有多个泄水孔的栅格井盖尤其容易被误判。
当前,为了准确地感知下水道井盖,主流的做法是依赖先验地图,即提前将路况信息存储到地图中,这种地图一般为二维平面矢量地图或三维点云地图,在地图制作时需要将下水道井盖信息在地图上进行标注,工作量较大。另外,先验地图都不具备时效性,无法应对临时变化的场景,例如因道路施工等原因将下水道井盖移去等情况。
发明内容
本发明提供了一种栅格井盖检测方法、装置、设备及存储介质,以解决移动机器人难以准确识别道路中的栅格井盖的问题,在无需依赖提前标记路况的先验地图以及图像识别技术的基础上,实现对栅格井盖快速、准确的判断。
根据本发明的一方面,提供了一种栅格井盖检测方法,所述方法应用于移动机器人,所述方法包括:
在移动机器人移动的过程中,实时获取所述移动机器人的位置信息以及点云数据;
对各点云数据进行分割,得到地面点云数据以及地下点云数据;
在所述移动机器人内存储的导航地图中定位所述位置信息,并将以所述位置信息为中心的预设范围的区域进行栅格化处理,获得栅格数据,其中,所述栅格数据中各栅格的边长大于预设边长,所述预设边长根据栅格井盖泄水孔的尺寸确定;
将所述地面点云数据投影至所述栅格数据中,以获得所述地面点云数据落入的栅格,标记为地面栅格;
将所述地下点云数据投影至所述栅格数据中,若各所述地下点云数据落入的栅格均为所述地面栅格,则判定所述移动机器人的所述预设范围的区域存在栅格井盖,指示所述移动机器人按照所述导航地图的在先规划导航路线进行移动。
根据本发明的一方面,提供了一种栅格井盖检测装置,所述装置应用于移动机器人,所述装置包括:
获取模块,用于在移动机器人移动的过程中,实时获取所述移动机器人的位置信息以及点云数据;
分割模块,用于对各点云数据进行分割,得到地面点云数据以及地下点云数据;
栅格化处理模块,用于在所述移动机器人内存储的导航地图中定位所述位置信息,并将以所述位置信息为中心的预设范围的区域进行栅格化处理,获得栅格数据,其中,所述栅格数据中各栅格的边长大于预设边长,所述预设边长根据栅格井盖泄水孔的尺寸确定;
地面栅格标记模块,用于将所述地面点云数据投影至所述栅格数据中,以获得所述地面点云数据落入的栅格,标记为地面栅格;
栅格井盖判定模块,用于将所述地下点云数据投影至所述栅格数据中,若各所述地下点云数据落入的栅格均为所述地面栅格,则判定所述移动机器人的所述预设范围的区域存在栅格井盖,指示所述移动机器人按照所述导航地图的在先规划导航路线进行移动。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的一种栅格井盖检测方法。
根据本发明的另一方面,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存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的一种栅格井盖检测方法。
本发明实施例的技术方案提供了一种栅格井盖检测方法,该方法应用于移动机器人,在移动机器人移动的过程中,实时获取移动机器人的位置信息以及点云数据,对各点云数据进行分割,得到地面点云数据以及地下点云数据,在移动机器人内存储的导航地图中定位位置信息,并将以位置信息为中心的预设范围的区域进行栅格化处理,获得栅格数据,其中,栅格数据中各栅格的边长大于预设边长,预设边长根据栅格井盖泄水孔的尺寸确定,使得会存在泄水孔对应位置的栅格都同时也会有地面位置的存在,将地面点云数据投影至栅格数据中,以获得地面点云数据落入的栅格,标记为地面栅格,将地下点云数据投影至栅格数据中,若各地下点云数据落入的栅格均为地面栅格,则判定移动机器人的预设范围的区域存在栅格井盖,本发明实施例可以无需依赖提前对路况做好标记的地图而实现实时对路面的栅格井盖做检测,利用栅格井盖的结构特点来设置各栅格的大小,可以快速对路上存在的栅格井盖做出准确的判断,当移动机器人的移动路线中存在栅格井盖时,可以指示无需进行绕行
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种栅格井盖检测方法的流程图;
图2是根据本发明实施例一提供的一种栅格化处理初始示意图;
图3是根据本发明实施例一提供的一种栅格井盖示意图;
图4是根据本发明实施例一提供的一种栅格井盖的栅格数据投影示意图;
图5是根据本发明实施例一提供的一种凹陷区域的栅格数据示意图;
图6是根据本发明实施例一提供的一种地面栅格标记示意图;
图7是根据本发明实施例二提供的一种栅格井盖检测装置的结构示意图;
图8是实现本发明实施例的一种栅格井盖检测方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,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”等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,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,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。
实施例一
图1为本发明实施例一提供了一种栅格井盖检测方法的流程图,该方法应用于移动机器人。
目前,解决背景技术中提及的在先验地图中对特殊路况进行提前标注需要大量的人工而且不能很好地适应实际的场景发生改变的问题,移动机器人对于道路中的特殊路况的识别,通常是采集行驶过程中移动机器人周围的图像,根据预先设置的特殊路况的图像对该采集到的图像进行比对识别,在识别出图像中包含有特殊路况时指示移动机器人,或者根据该特殊路况向移动机器人发送对应的驾驶指令,如前方有凹坑,该驾驶指令可以控制车辆减速、右拐至右方车道等。这样的方式需要对预先设置的特殊路况的图像进行训练,并且在对图片进行比对识别时需要经过对图片进行特征提取,然后经过多层神经网络最终得出比对结果,该计算过程复杂、所用的时间较长。
为了提高识别道路凹陷的效率,可以放弃图片识别的方式,直接采用点云数据进行判断。但是,在移动机器人在行走过程中,利用多线激光雷达采集点云数据时,当遇到栅格井盖,激光雷达会穿过栅格井盖的泄水区域,照射在栅格井盖以下,因此在栅格井盖处会存在地面以下的点云数据,移动机器人会将其视为凹陷障碍而进行绕行或触发防跌落保护造成无法正常通行。
本实施例提出的一种栅格井盖检测方法,直接对点云数据进行处理,省去对图片处理的过程,在减少了识别时间的同时还可以保证识别的准确性,使移动机器人在面对栅格井盖时,即使是存在较多泄水孔的栅格井盖,也可以平稳通过。
该方法可以由一种栅格井盖检测装置来执行,该用于栅格井盖检测装置可以采用硬件和/或软件的形式实现。
如图1所示,该方法包括如下步骤:
S110,在移动机器人移动的过程中,实时获取移动机器人的位置信息以及点云数据。
在移动机器人移动的过程中,可以通过多种类型的传感器实时感测外部的环境信息从而确定移动机器人的位置信息以及点云数据。例如,可以通过位置传感器(如GPS)感测位置信息,从而实时确定移动机器人的位置信息;可以通过在移动机器人中配置激光雷达,从而由激光雷达实时采集得到点云数据。在具体实现中可以采用多线激光雷达。
S120,对各点云数据进行分割,得到地面点云数据以及地下点云数据。
在实时获取得到点云数据后,可以对点云数据进行分割,分割后可以确定各点云数据是属于地面点云数据,或者是属于地下点云数据。
在对各点云数据进行分割时,为了可以准确地确定各点云数据中的地面点云数据还是地下点云数据,可以将点云数据进行地面分割,地面分割的方式有很多种,例如平面栅格法、点云法向量法、模型拟合法、面元网格法等。
在一种实现中,可以从移动机器人在当前道路进行平稳移动过程中得到的点云数据进行随机抽样,并根据随机抽样得到的点云数据的坐标,确定地面点云的参考高度值,并利用参考高度值设定高度范围,例如地面点云高度范围以及地下点云高度范围,将各点云数据的坐标中的高度值(即Z轴的值)与设定的高度范围进行比较,从而确定各点云数据具体是地面点云数据还是地下点云数据。
在一种实施例中,S120包括如下步骤:
基于各点云数据进行平面拟合,得到拟合地面点;
确定各点云数据的高度以及拟合地面点的高度,并对各点云数据与拟合地面点进行高度比较;
将位于拟合地面点下方超过一定距离阈值的点云数据确定为地下点云数据,将位于拟合地面点指定高度距离范围内的点云数据确定为地面点云数据。
可以通过对各点云数据进行平面拟合,得到拟合地面点,目前对于平面拟合的方式已经较为成熟,此处不作详细解释,对具体的平面拟合方式也不做限定。
通过平面拟合,得到平面上的拟合地面点后,可以将各点云数据与拟合地面点进行高度比较。可以先确定各点云数据以及拟合地面点的点云坐标,通过点云坐标可以确定各自的高度,
将位于拟合地面点下方超过一定距离阈值的点云数据确定为地下点云数据,将位于拟合地面点指定高度距离范围内的点云数据确定为地面点云数据,位于拟合地面点上方超过指定高度距离范围的点云数据确定为地上点云数据。
通过地面分割的操作,得到的地面分割结果可以包括地面点云数据、地下点云数据以及地上点云数据。在对栅格井盖进行检测时,由于是因为存在地下点云数据导致移动机器人出现误判为凹陷,因此,对于地面分割结果中确定为地上点云数据的点云数据可以进行舍弃。舍弃后剩余地面点云数据以及地下点云数据。
S130,在移动机器人内存储的导航地图中定位位置信息,并将以位置信息为中心的预设范围的区域进行栅格化处理,获得栅格数据,其中,栅格数据中各栅格的边长大于预设边长,预设边长根据栅格井盖泄水孔的尺寸确定。
在移动机器人的移动过程中,移动机器人中多种类型的传感器可以感测到周围环境并将信息进行结合,构建动态地图,并从构建的动态地图中确定用于导航移动的导航地图。
在对以位置信息为中心的预设范围的区域进行栅格化处理时,得到的栅格数据可以位于水平坐标系中(二维坐标系),在解析几何的概念上,平面可以无限延伸,在一个抽象出来的平面(即水平坐标系)中,只有移动机器人周围的区域,甚至是只有移动机器人前进方向上一定角度范围和一定距离范围内的区域才有检测的必要。因此,参考图2的一种栅格化处理初始示意图,可以将移动机器人所在的整个道路平面区域看作是水平坐标系中的整个平面,A为移动机器人,将用B框起的区域看作是以移动机器人的位置信息为中心的预设范围的区域进行栅格化处理后得到的栅格数据。示例性地,以移动机器人为中心,边长为5米的区域进行栅格化处理,得到多个边长为0.05米的格子,也就是栅格。
在进行栅格化处理时,可以首先对整个水平坐标系中的整个平面划分为多个大小相同的矩形区域,每个矩形区域即为一个栅格,所有栅格的组合可以视为一个网格。当然,栅格和网格并不是向用户呈现进行区域划分的视觉效果,其仅用作描述栅格井盖检测时的过程。
网格的大小以及每个栅格的大小,可以根据移动机器人的类型、行驶速度、传感器类别、导航精度、使用场景等信息来决定,属于经验值。
参考图3的一种栅格井盖示意图,栅格井盖是包含若干个泄水孔,泄水孔通过横梁围成的井盖,是目前道路上常见的下水道井盖。在目前的移动机器人识别路况技术而言,相比于泄水孔少且小的井盖,栅格井盖被移动机器人误判为凹陷障碍的可能性会更大。
在本实施例中,检测的是栅格井盖,栅格数据中各栅格的边长大于预设边长,预设边长根据栅格井盖泄水孔的尺寸确定。
对于不同类型栅格井盖泄水孔而言,由于需要确保泄水的效率同时也要尽量确保行人的人身以及财产安全,因此栅格井盖泄水孔的尺寸是具有不同的尺寸标准的,预设变长可以根据移动机器人所常走的路段中所用的上个井盖泄水孔的尺寸标准来进行设定。
各栅格的边长大于预设边长,意味着将栅格井盖与栅格数据进行对应时,对于每一个栅格而言,即使栅格完全包括泄水孔的整个宽度部分,也还会有部分位置会包括位于地面的、用来围成泄水孔的横梁的部分或者是其他处于地面的部分,这样可以确保当存在栅格井盖时,每个栅格都会存在地面点云数据。栅格井盖的横梁可以参考图3中的a。
在一种实施例中,预设边长与栅格井盖泄水孔的宽度相等。
在确定移动机器人的应用场景中所使用的栅格井盖泄水孔的尺寸标准后,可以针对栅格井盖泄水孔的宽度设置栅格的边长。在确保栅格井盖能不被误判为凹陷障碍的前提下,其他类型的井盖被误判的几率会更低。将预设边长设置为与栅格井盖泄水孔的宽度相等,也就是栅格数据中各栅格的边长大于栅格井盖泄水孔的宽度,这样既可以尽可能将栅格数据中的各栅格的边长可以最大化,使得整个过程的运算效率不会因为栅格的边长由于过小而被拖慢,也可以确保当存在栅格井盖时,每个栅格都会存在地面点云数据,确保了检测栅格井盖的准确性。
S140,将地面点云数据投影至栅格数据中,以获得地面点云数据落入的栅格,标记为地面栅格。
移动机器人在按照导航地图进行移动时,激光雷达采集的点云数据也会跟着移动机器人的移动而相应地改变。可以通过确定移动机器人在导航地图上实时的位姿(位置和方向),从而确定各出点云数据在导航地图上位置,也就是点云数据的坐标。在确定点云数据的坐标以后,可以按照一定的转换规则,将点云数据投影至栅格数据中,例如采用空间几何中计算空间点到平面的投影点坐标的方式,来计算点云数据在投影至栅格数据中的投影坐标。在确定点云数据在投影至栅格数据中的投影坐标后,可以与各栅格在栅格数据中的位置进行对应,地面点云数据落入的栅格,标记为地面栅格。
在一种实施例中,栅格数据位于二维坐标系中,S140中将地面点云数据投影至栅格数据中,包括:
获取栅格数据所在的二维坐标系;
获取地面点云数据的横轴坐标值以及纵轴坐标值,并根据横轴坐标值以及纵轴坐标值在二维坐标系中标记当前点云数据。
由于点云数据位于三维坐标系中,而栅格数据位于二维坐标系中,每个点云数据都有x、y、z三个坐标值,可以在获取栅格数据所在的二维坐标系后先确定该二维坐标系的横坐标以及纵坐标的单位长度,可以直接沿所在的三维坐标系中的z轴的方向投影至栅格数据所在的二维坐标系中,也就是从点云数据的坐标中取出横轴坐标值x以及纵轴坐标值y,从而确定点云数据投影至栅格数据所在的二维坐标系中的坐标为(x,y)。也可以按照一定的坐标转换策略,确定投影在二维坐标系中时的坐标,例如可以按照一定的比例对点云数据的横轴坐标值以及纵轴坐标值进行变换,示例性的,当点云数据的横轴坐标值为5,纵轴坐标值为10,指定比例为5,则在二维坐标系中标记当前点云数据时,二维坐标系中的横坐标可以是5÷5=1,在二维坐标系中的纵坐标可以是10÷5=2。
S150,将地下点云数据投影至栅格数据中,若各地下点云数据落入的栅格均为地面栅格,则判定移动机器人的预设范围的区域存在栅格井盖,则指示移动机器人按照导航地图的在先规划导航路线进行移动。
在获得部分或全部的栅格被标记为地面栅格的栅格数据后,将地下点云数据投影至栅格数据中,参考图4的一种栅格井盖的栅格数据投影示意图,由于栅格的边长大于泄水孔的宽度,每个栅格必然会包含部分横梁或者井盖其他的非泄水孔的位置,因此,对于栅格数据中栅格井盖所在的地面对应的区域,也就是图4所示的网格,每一个栅格都必然会因为存在地面点云数据,而被标记为地面栅格,地面栅格相当于图4中灰色的栅格C,图4中下方的黑色点D代表地下点云数据,图4中的白色点E代表地下点云数据投影到栅格数据中的情况。
当各地下点云数据落入的栅格均为地面栅格,意味着这些地下点云数据为无效障碍点,可以判定移动机器人的预设范围的区域存在栅格井盖。本实施例利用栅格井盖的泄水孔与横梁之间距离较近的特点,在存在地下点云数据的情况下,栅格数据中栅格井盖所在的地面对应的区域又全部标记为地面栅格,则可认为此时存在不影响正常通行的栅格井盖。
在判定移动机器人的预设范围的区域存在栅格井盖之后,无论栅格井盖是否存在于在先规划导航路线中,都可以指示移动机器人直接按照在先规划导航路线继续进行移动,栅格井盖并不会对移动机器人的正常移动造成影响。
在一种实施例中,还包括如下步骤:
若各地下点云数据落入的栅格不为地面栅格,则将地下点云数据落入的栅格作为地下栅格;
在导航地图中定位地下栅格的位置,若该位置在导航地图的在先规划导航路线上,则指示移动机器人绕行,以避开该位置。
参考图5的一种凹陷区域的栅格数据示意图,图5中灰色的栅格C为地面栅格,对于图5中白色的栅格F,在将地下点云数据投影至栅格数据之前为空白状态,当各地下点云数据落入的栅格不为地面栅格,而是空白状态的栅格时,则将地下点云数据落入的空白状态栅格标记为地下栅格G,对于落入地下栅格的地下点云数据可以认为是有效障碍点H。
可以先在二维坐标系中确定地下栅格在栅格数据中的位置,根据地下栅格在栅格数据中的位置,在导航地图中进行定位,可以在导航地图中将定位的地下栅格的位置确认为凹陷区域。
确定出来的凹陷区域只是指示以移动机器人为中心的一定区域范围内存在凹陷情况,该凹陷区域不一定会位于导航地图的在先规划导航路线上,只有凹陷区域位于导航地图的在先规划导航路线上时才会影响移动机器人的正常行驶,则指示移动机器人对凹陷区域的位置进行绕行。
在另一种实现中,可以先确定位置相连的地下栅格的个数以及位置相连的地下栅格在导航地图中定位出来的位置所占的面积大小,再结合移动机器人的自身情况确定是否需要视作为障碍,例如凹陷区域面积远小于移动机器人的轮子与地面的接触面,对移动机器人的移动不造成影响,则可以指示移动机器人按照导航路线正常移动。
在一种实施例中,还包括如下步骤:
在移动机器人移动的过程中,根据位置信息,获得实时确定的区域,并根据该区域确定栅格数据;
判断在先获得的栅格数据与实时确定的栅格数据之间是否存在重叠区域;
若是,则在该实时确定的栅格数据中保留重叠区域中的地面栅格以及地下栅格。
由于激光雷达线束比较稀疏,单一时刻的栅格数据难以反映准确的、完整的地面情况,参考图6的一种地面栅格标记示意图,以移动机器人A为中心采集点云数据,图6中的所有点状代表激光雷达在某一时刻中采集得到的地面点云I,从图6中可以看出,每一个地面点云I所在的栅格会被标记为灰色,也就是标记为地面栅格C。但是对于图中白色的栅格F而言,存在实际上也属于地面栅格的可能性,但是由于激光雷达线束比较稀疏未能采集到相应的地面点云I,导致栅格处于空白状态,未被标记。
为了弥补激光雷达采集点云数据时的不足,得到更加符合实际情况的栅格数据,在确定当前位置的栅格数据时,可以根据位置信息,获得实时确定的区域,并针对该区域进行栅格化处理获得实时确定的栅格数据。
可以判断在先获得的栅格数据与实时确定的栅格数据之间是否存在重叠区域,如果存在重叠区域,则可以重叠区域中的地面栅格以及地下栅格,在存在部分标记的栅格的基础上再确定栅格数据。若不存在重叠区域时,只能是在全部未标记的栅格中确定栅格数据。
在先获得的栅格数据可以是上一时刻的栅格数据,由于栅格数据指示一个区域范围,当前实时确定的栅格数据与上一时刻的栅格数据之间大概率存在重叠区域,确定重叠区域后,在实时确定的栅格数据保留重叠区域中的地面栅格以及地下栅格,在保留了重叠区域中的地面栅格以及地下栅格的情况下,栅格数据在当前时刻的地面点云数据投影后,未被标记的栅格数量会大大减少,栅格数据的标记情况会更加接近实际情况。
需要说明的是,保留重叠区域中的地面栅格以及地下栅格,并不意味着重叠区域中一定存在地下栅格,指的是如果在先存在地下栅格,则会对其进行保留。
在一种实施例中,还包括如下步骤:
根据实时获取到的点云数据,对实时确定的栅格数据中未被标记的栅格进行标记。
在栅格数据中,可能会存在从重叠区域中保留而来的地面栅格以及地下栅格,此外,还会存在未被标记的栅格。未被标记的栅格可能是根据位置信息获得实时确定的区域中的非重叠区域中的栅格,也可能是在重叠区域中的栅格。地面点云数据落入栅格数据的未被标记的栅格时,则将栅格数据的未被标记的栅格标记为地面栅格。地下点云数据落入栅格数据的未被标记的栅格时,则将栅格数据的未被标记的栅格标记为地下栅格。
在移动过程中针对重叠区域的未被标记的栅格做标记,可以理解为对由于激光雷达采集的点云较稀疏而产生的大量未被标记的栅格做修正修补,以得到更加接近实际地面以及地下情况的栅格数据。
本发明实施例提供了一种栅格井盖检测方法,该方法应用于移动机器人,在移动机器人移动的过程中,实时获取移动机器人的位置信息以及点云数据,对各点云数据进行分割,得到地面点云数据以及地下点云数据,在移动机器人内存储的导航地图中定位位置信息,并将以位置信息为中心的预设范围的区域进行栅格化处理,获得栅格数据,其中,栅格数据中各栅格的边长大于预设边长,预设边长根据栅格井盖泄水孔的尺寸确定,使得会存在泄水孔对应位置的栅格都同时也会有地面位置的存在,将地面点云数据投影至栅格数据中,以获得地面点云数据落入的栅格,标记为地面栅格,将地下点云数据投影至栅格数据中,若各地下点云数据落入的栅格均为地面栅格,则判定移动机器人的预设范围的区域存在栅格井盖,本发明实施例可以无需依赖提前对路况做好标记的地图而实现实时对路面的栅格井盖做检测,利用栅格井盖的结构特点来设置各栅格的大小,可以快速对路上存在的栅格井盖做出准确的判断,当移动机器人的移动路线中存在栅格井盖时,可以指示无需进行绕行。
实施例二
图7为本发明实施例二提供的一种栅格井盖检测装置,所述装置应用于移动机器人,所述装置包括:
获取模块710,用于在移动机器人移动的过程中,实时获取所述移动机器人的位置信息以及点云数据;
分割模块720,用于对各点云数据进行分割,得到地面点云数据以及地下点云数据;
栅格化处理模块730,用于在所述移动机器人内存储的导航地图中定位所述位置信息,并将以所述位置信息为中心的预设范围的区域进行栅格化处理,获得栅格数据,其中,所述栅格数据中各栅格的边长大于预设边长,所述预设边长根据栅格井盖泄水孔的尺寸确定;
地面栅格标记模块740,用于将所述地面点云数据投影至所述栅格数据中,以获得所述地面点云数据落入的栅格,标记为地面栅格;
栅格井盖判定模块750,用于将所述地下点云数据投影至所述栅格数据中,若各所述地下点云数据落入的栅格均为所述地面栅格,则判定所述移动机器人的所述预设范围的区域存在栅格井盖,指示所述移动机器人按照所述导航地图的在先规划导航路线进行移动。
在一种实施例中,所述分割模块720,包括如下子模块:
平面拟合子模块,用于基于各点云数据进行平面拟合,得到拟合地面点;
比较子模块,用于确定各点云数据的高度以及所述拟合地面点的高度,并对各点云数据与所述拟合地面点进行高度比较;
执行子模块,用于将位于所述拟合地面点下方超过一定距离阈值的点云数据确定为地下点云数据,将位于所述拟合地面点指定高度距离范围内的点云数据确定为地面点云数据。
在一种实施例中,所述实时栅格数据位于二维坐标系中;
所述地面栅格标记模块740,包括如下子模块:
二维坐标系获取子模块,用于获取所述栅格数据所在的二维坐标系;
点云数据标记子模块,用于获取所述地面点云数据的横轴坐标值以及纵轴坐标值,并根据所述横轴坐标值以及所述纵轴坐标值在所述二维坐标系中标记当前点云数据。
在一种实施例中,所述装置还包括如下模块:
地下栅格确定模块,用于当各所述地下点云数据落入的栅格不为所述地面栅格,则将所述地下点云数据落入的栅格作为地下栅格;
绕行模块,用于在所述导航地图中定位所述地下栅格的位置,若该位置在所述导航地图的在先规划导航路线上,则指示所述移动机器人绕行,以避开该位置。
在一种实施例中,所述预设边长与栅格井盖泄水孔的宽度相等。
在一种实施例中,所述装置还包括如下模块:
栅格数据确定模块,用于在移动机器人移动的过程中,根据所述位置信息,获得实时确定的区域,并根据该区域确定栅格数据;
判断模块,用于判断在先获得的栅格数据与实时确定的栅格数据之间是否存在重叠区域;
保留模块,用于当存在重叠区域时,则在该实时确定的栅格数据中保留所述重叠区域中的地面栅格以及地下栅格。
在一种实施例中,所述装置还用于:
根据实时获取到的点云数据,对实时确定的栅格数据中未被标记的栅格进行标记。
本发明实施例所提供的一种栅格井盖检测装置可实现本发明实施例一所提供的一种栅格井盖检测方法,具备执行方法相应的功能模块和有益效果。
实施例三
图8示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图8所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM12以及RAM13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如一种栅格井盖检测方法。
在一些实施例中,一种栅格井盖检测方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM13并由处理器11执行时,可以执行上文描述的一种栅格井盖检测方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行一种栅格井盖检测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。

Claims (10)

1.一种栅格井盖检测方法,其特征在于,所述方法应用于移动机器人,所述方法包括:
在移动机器人移动的过程中,实时获取所述移动机器人的位置信息以及点云数据;
对各点云数据进行分割,得到地面点云数据以及地下点云数据;
在所述移动机器人内存储的导航地图中定位所述位置信息,并将以所述位置信息为中心的预设范围的区域进行栅格化处理,获得栅格数据,其中,所述栅格数据中各栅格的边长大于预设边长,所述预设边长根据栅格井盖泄水孔的尺寸确定;
将所述地面点云数据投影至所述栅格数据中,以获得所述地面点云数据落入的栅格,标记为地面栅格;
将所述地下点云数据投影至所述栅格数据中,若各所述地下点云数据落入的栅格均为所述地面栅格,则判定所述移动机器人的所述预设范围的区域存在栅格井盖,指示所述移动机器人按照所述导航地图的在先规划导航路线进行移动。
2.根据权利要求1所述的方法,其特征在于,所述对各点云数据进行分割,得到地面点云数据以及地下点云数据,包括:
基于各点云数据进行平面拟合,得到拟合地面点;
确定各点云数据的高度以及所述拟合地面点的高度,并对各点云数据与所述拟合地面点进行高度比较;
将位于所述拟合地面点下方超过一定距离阈值的点云数据确定为地下点云数据,将位于所述拟合地面点指定高度距离范围内的点云数据确定为地面点云数据。
3.根据权利要求2所述的方法,其特征在于,所述栅格数据位于二维坐标系中;
所述将所述地面点云数据投影至所述栅格数据中,包括:
获取所述栅格数据所在的二维坐标系;
获取所述地面点云数据的横轴坐标值以及纵轴坐标值,并根据所述横轴坐标值以及所述纵轴坐标值在所述二维坐标系中标记当前点云数据。
4.根据权利要求1-3任一所述的方法,其特征在于,所述方法还包括:
若各所述地下点云数据落入的栅格不为所述地面栅格,则将所述地下点云数据落入的栅格作为地下栅格;
在所述导航地图中定位所述地下栅格的位置,若该位置在所述导航地图的在先规划导航路线上,则指示所述移动机器人绕行,以避开该位置。
5.根据权利要求1-3任一所述的方法,其特征在于,所述预设边长与栅格井盖泄水孔的宽度相等。
6.根据权利要求4所述的方法,其特征在于,所述方法还包括:
在移动机器人移动的过程中,根据所述位置信息,获得实时确定的区域,并根据该区域确定栅格数据;
判断在先获得的栅格数据与实时确定的栅格数据之间是否存在重叠区域;
若是,则在该实时确定的栅格数据中保留所述重叠区域中的地面栅格以及地下栅格。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
根据实时获取到的点云数据,对实时确定的栅格数据中未被标记的栅格进行标记。
8.一种栅格井盖检测装置,其特征在于,所述装置应用于移动机器人,所述装置包括:
获取模块,用于在移动机器人移动的过程中,实时获取所述移动机器人的位置信息以及点云数据;
分割模块,用于对各点云数据进行分割,得到地面点云数据以及地下点云数据;
栅格化处理模块,用于在所述移动机器人内存储的导航地图中定位所述位置信息,并将以所述位置信息为中心的预设范围的区域进行栅格化处理,获得栅格数据,其中,所述栅格数据中各栅格的边长大于预设边长,所述预设边长根据栅格井盖泄水孔的尺寸确定;
地面栅格标记模块,用于将所述地面点云数据投影至所述栅格数据中,以获得所述地面点云数据落入的栅格,标记为地面栅格;
栅格井盖判定模块,用于将所述地下点云数据投影至所述栅格数据中,若各所述地下点云数据落入的栅格均为所述地面栅格,则判定所述移动机器人的所述预设范围的区域存在栅格井盖,指示所述移动机器人按照所述导航地图的在先规划导航路线进行移动。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的一种栅格井盖检测方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的一种栅格井盖检测方法。
CN202210848911.4A 2022-07-19 2022-07-19 一种栅格井盖检测方法、装置、设备及存储介质 Pending CN115139303A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210848911.4A CN115139303A (zh) 2022-07-19 2022-07-19 一种栅格井盖检测方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210848911.4A CN115139303A (zh) 2022-07-19 2022-07-19 一种栅格井盖检测方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN115139303A true CN115139303A (zh) 2022-10-04

Family

ID=83411660

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210848911.4A Pending CN115139303A (zh) 2022-07-19 2022-07-19 一种栅格井盖检测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115139303A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116311095A (zh) * 2023-03-16 2023-06-23 广州市衡正工程质量检测有限公司 基于区域划分的路面检测方法、计算机设备及存储介质
CN116852348A (zh) * 2023-06-01 2023-10-10 中国航空油料集团有限公司 井盖定位方法、装置和系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116311095A (zh) * 2023-03-16 2023-06-23 广州市衡正工程质量检测有限公司 基于区域划分的路面检测方法、计算机设备及存储介质
CN116311095B (zh) * 2023-03-16 2024-01-02 广州市衡正工程质量检测有限公司 基于区域划分的路面检测方法、计算机设备及存储介质
CN116852348A (zh) * 2023-06-01 2023-10-10 中国航空油料集团有限公司 井盖定位方法、装置和系统
CN116852348B (zh) * 2023-06-01 2023-12-15 中国航空油料集团有限公司 井盖定位方法、装置和系统

Similar Documents

Publication Publication Date Title
CN110286387B (zh) 应用于自动驾驶系统的障碍物检测方法、装置及存储介质
US11709058B2 (en) Path planning method and device and mobile device
EP3581890B1 (en) Method and device for positioning
CN110176078B (zh) 一种训练集数据的标注方法及装置
CN115139303A (zh) 一种栅格井盖检测方法、装置、设备及存储介质
CN113421432B (zh) 交通限行信息检测方法、装置、电子设备和存储介质
CN113378760A (zh) 训练目标检测模型和检测目标的方法及装置
CN111427374B (zh) 飞机泊位引导方法、装置及设备
CN112526999A (zh) 速度规划方法、装置、电子设备和存储介质
CN111160132B (zh) 障碍物所在车道的确定方法、装置、电子设备和存储介质
CN114882316A (zh) 目标检测模型训练方法、目标检测方法及装置
CN114815851A (zh) 机器人跟随方法、装置、电子设备以及存储介质
CN114596706A (zh) 路侧感知系统的检测方法及装置、电子设备和路侧设备
CN113554882A (zh) 用于输出信息的方法、装置、设备以及存储介质
CN113587937A (zh) 车辆的定位方法、装置、电子设备和存储介质
CN114581890B (zh) 确定车道线的方法、装置、电子设备和存储介质
CN114581615B (zh) 一种数据处理方法、装置、设备和存储介质
CN114155508B (zh) 一种道路变化检测方法、装置、设备以及存储介质
CN118015580A (zh) 一种基于点云的3d车道线检测方法、装置、设备及存储介质
CN115876210A (zh) 地图数据生成方法、装置、电子设备及存储介质
CN118035788A (zh) 一种目标车辆相对位置分类方法、装置、设备及存储介质
CN114842465A (zh) 车牌检测方法、装置、电子设备、介质及智能交通设备
CN113640810A (zh) 空间车位检测方法、设备、存储介质和程序产品
CN117908549A (zh) 移动设备控制方法、装置以及电子设备
CN117853614A (zh) 高精地图元素变更情况的检测方法、装置和车辆

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