CN115185287A - 一种智能多水下机器人动态避障及围捕控制系统 - Google Patents
一种智能多水下机器人动态避障及围捕控制系统 Download PDFInfo
- Publication number
- CN115185287A CN115185287A CN202210909326.0A CN202210909326A CN115185287A CN 115185287 A CN115185287 A CN 115185287A CN 202210909326 A CN202210909326 A CN 202210909326A CN 115185287 A CN115185287 A CN 115185287A
- Authority
- CN
- China
- Prior art keywords
- enclosure
- target
- underwater robot
- underwater
- robot
- 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
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 14
- 238000003062 neural network model Methods 0.000 claims abstract description 14
- 238000010276 construction Methods 0.000 claims description 11
- 238000000034 method Methods 0.000 claims description 10
- 230000000007 visual effect Effects 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010191 image analysis Methods 0.000 claims description 3
- 230000033001 locomotion Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003068 static effect 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
- G05D1/04—Control of altitude or depth
- G05D1/06—Rate of change of altitude or depth
- G05D1/0692—Rate of change of altitude or depth specially adapted for under-water vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种智能多水下机器人动态避障及围捕控制系统，涉及动态围捕技术领域，通过设置物体识别模块，使用CNN深度神经网络模型训练出可识别围捕目标的模型；在水下机器人发现围捕目标后，设置包围圈构造模块，通过预先在围捕目标周围构造好的包围圈范围，为每个水下机器人提前计算进入包围圈位置；每个水下机器人从当前位置直接前往进入包围圈的位置即可完成包围；且在某个水下机器人遇到难以绕过的障碍物时，其他水下机器人动态的构造新的包围圈；并在包围圈完成后，通过缩小包围圈的方式捕获围捕目标；解决了动态围捕以及动态规避障碍物的问题。
Description
技术领域
本发明属于水下机器人领域，涉及动态围捕技术，具体是一种智能多水下机器人动态避障及围捕控制系统。
背景技术
随着移动机器人应用领域的不断扩大，对机器人的要求也越来越高。在面对一些复杂、需要并行完成任务时，单个机器人难以胜任，需要多个机器人协调合作来共同完成任务。在多机器人协调合作的任务中，水下围捕任务由于围捕目标处于运动状态且在水下的环境深受环境影响；
现有的水下围捕技术中，往往考虑的是静态的围捕目标，且在围捕过程中，未能考虑到规避障碍物的问题；
为此，提出一种智能多水下机器人动态避障及围捕控制系统。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种智能多水下机器人动态避障及围捕控制系统，该一种智能多水下机器人动态避障及围捕控制系统通过设置物体识别模块，使用CNN深度神经网络模型训练出可识别围捕目标的模型；在水下机器人发现围捕目标后，设置包围圈构造模块，通过预先在围捕目标周围构造好的包围圈范围，为每个水下机器人提前计算进入包围圈位置；每个水下机器人从当前位置直接前往进入包围圈的位置即可完成包围；且在某个水下机器人遇到难以绕过的障碍物时，其他水下机器人动态的构造新的包围圈；并在包围圈完成后，通过缩小包围圈的方式捕获围捕目标；解决了动态围捕以及动态规避障碍物的问题。
为实现上述目的，根据本发明的第一方面的实施例提出一种智能多水下机器人动态避障及围捕控制系统，包括物体识别模块、包围圈构造模块、动态避障模块以及围捕模块；
所述物体识别模块用于区分围捕目标与非围捕目标；
所述物体识别模块包括安装在每个水下机器人上的物体识别程序；所述物体识别程序区分围捕目标与非围捕目标包括以下步骤：
步骤S1：所述物体识别模块预先人工收集若干围捕目标与非围捕目标图片；并将每张图片对应标记为围捕目标与非围捕目标；所述非围捕目标图片可以是任意除围捕目标外的物体图片；
步骤S2：将收集的图片作为训练集输入至CNN神经网络模型，以围捕目标和非围捕目标为目标值，判断训练集中的每张图片是否为围捕目标；并以判断的准确率为训练目标；训练CNN神经网络模型；直至准确率达到95％以上；将训练完成的CNN神经网络模型标记为M；
水下机器人在运动过程中，通过携带的智能摄像头实时获取视野内的环境；且智能摄像头将视野内的环境发送至物体识别模块，物体识别模块使用CNN神经网络模型M实时判断视野内是否出现围捕目标以及非围捕目标；
水下机器人均携带有定位及通信装置；定位装置用于确定自身位置；通信装置用于实时与其他水下机器人交换信息；每个水下机器人实时向其他水下机器人通过无线信号广播自身位置信息；
当某个水下机器人通过物体识别模块预发现围捕目标时，向其他水下机器人发送围捕目标位置以及移动方向和速度；其中，移动方向和速度根据若干视频帧后，围捕目标的位置变化情况确定；
所述包围圈构造模块主要用于水下机器人在发现围捕目标后，构造出一个包围围捕目标的包围圈；
所述包围圈构造模块构造包围圈包括以下步骤：
步骤P1：每个水下机器人根据其他水下机器人位置与围捕目标的位置、移动方向与速度，确认自身在包围圈中的方位；
所述每个水下机器人确认自身在包围圈中的方位包括以下步骤：
步骤Q1：将水下机器人数量标记为N；将距离围捕目标最近的水下机器人编号为1号；在水平方向，以1号水下机器人为起始点，按顺时针旋转，将其余水下机器人从编号2至编号N依次进行编号；
步骤Q2：1号水下机器人计算在水平方向，以围捕目标为圆心，R为半径的包围圈的范围；其中R为根据实际经验设置的围捕半径；1号机器人计算出进入包围圈最近的点位置；将该位置标记为P1；
步骤Q3:1号机器将位置P1广播至其余水下机器人；其余水下机器人分别计算自身进入包围圈的位置；计算方式为，从P1点开始，沿以围捕目标为圆心，R为半径的圆的顺时针方向进行旋转，每隔旋转距离
依次作为编号为2，3…N的水下机器人的进入包围圈位置；并将编号为i的水下机器人进入包围圈的位置标记为Pi；其中，i＝1,2,…N；
步骤P2：可以理解的是，围捕目标的位置是实时变化的；因此，由1号水下机器人实时获取围捕目标的位置、移动速度以及方向；并向其他水下机器人广播围捕目标位置、移动速度以及方向；
每个水下机器人i实时同步更新自身进入包围圈的位置Pi，并实时沿水下机器人与围捕目标的直线方向以最大速度前往位置Pi；直至距离围捕目标的距离小于R+r；其中，r为根据实际经验设置的调控距离；
步骤P3：在距离围捕目标小于R+r时，水下机器人i以大于围捕目标移动速度幅度α的速度向位置Pi前进；其中幅度α根据实际经验设置；直至每个水下机器人i到达对应的位置Pi；水下机器人的速度调整为与围捕目标移动速度相同；
其中，所述动态避障模块主要用于水下机器人在遇到非围捕目标时进行主动避让；
在一个优选的实施例中，所述动态避障模块为安装在每台水下机器人上的决策程序；在水下机器人i移动的过程中通过物体识别模块实时分析前进路线中出现的物体；当检测的物体为非围捕目标时，所述动态避障模块使用图像分析技术计算非围猎目标体积；
可以理解的是，规避障碍物时间过长会导致水下机器人i的前进路线计划延误，从而可能会使围捕目标逃脱从水下机器人i的方向；因此，若目标体积大于预先设定的体积阈值V，水下机器人i向其他水下机器人发送包围圈重构信号；所述体积阈值V根据实际经验设置；其他水下机器人接收到包围圈重构信号后，重新确认自身在包围圈中的方位；此时包围圈位置中不包含水下机器人i的位置；直至水下机器人i绕过非围捕目标，各个水下机器人再重新确认自身在包围圈中的方位；
所述围捕模块主要用于在包围圈中捕获围捕目标；
在一个优选的实施例中，所述围捕模块为每个水下机器人上的围捕程序；所述围捕模块在水下机器人对围捕目标形成包围圈时，每个水下机器人向围捕目标移动，缩短与围捕目标的距离；当某个水下机器人距离围捕目标的距离小于抓捕距离时，对围捕目标进行抓捕。
与现有技术相比，本发明的有益效果是：
本发明通过设置物体识别模块，使用CNN深度神经网络模型训练出可识别围捕目标的模型；在水下机器人发现围捕目标后，设置包围圈构造模块，通过预先在围捕目标周围构造好的包围圈范围，为每个水下机器人提前计算进入包围圈位置；每个水下机器人从当前位置直接前往进入包围圈的位置即可完成包围；且在某个水下机器人遇到难以绕过的障碍物时，其他水下机器人动态的构造新的包围圈；并在包围圈完成后，通过缩小包围圈的方式捕获围捕目标；解决了动态围捕以及动态规避障碍物的问题。
附图说明
图1为本发明的原理图。
具体实施方式
下面将结合实施例对本发明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它实施例，都属于本发明保护的范围。
如图1所示，一种智能多水下机器人动态避障及围捕控制系统，包括物体识别模块、包围圈构造模块、动态避障模块以及围捕模块；
其中，所述物体识别模块主要用于区分围捕目标与非围捕目标；
在一个优选的实时例中，所述物体识别模块包括安装在每个水下机器人上的物体识别程序；所述物体识别程序区分围捕目标与非围捕目标包括以下步骤：
步骤S1：所述物体识别模块预先人工收集若干围捕目标与非围捕目标图片；并将每张图片对应标记为围捕目标与非围捕目标；所述非围捕目标图片可以是任意除围捕目标外的物体图片；
步骤S2：将收集的图片作为训练集输入至CNN神经网络模型，以围捕目标和非围捕目标为目标值，判断训练集中的每张图片是否为围捕目标；并以判断的准确率为训练目标；训练CNN神经网络模型；直至准确率达到95％以上；将训练完成的CNN神经网络模型标记为M；
水下机器人在运动过程中，通过携带的智能摄像头实时获取视野内的环境；且智能摄像头将视野内的环境发送至物体识别模块，物体识别模块使用CNN神经网络模型M实时判断视野内是否出现围捕目标以及非围捕目标；
可以理解的是，水下机器人均携带有定位及通信装置；定位装置用于确定自身位置；通信装置用于实时与其他水下机器人交换信息；每个水下机器人实时向其他水下机器人通过无线信号广播自身位置信息；
进一步的，当某个水下机器人通过物体识别模块预发现围捕目标时，向其他水下机器人发送围捕目标位置以及移动方向和速度；其中，移动方向和速度根据若干视频帧后，围捕目标的位置变化情况确定；
其中，所述包围圈构造模块主要用于水下机器人在发现围捕目标后，构造出一个包围围捕目标的包围圈；
可以理解的是，围捕目标的位置是动态变化的，而为了保证围捕目标不存在逃跑方向，使用包围圈的方式进行围捕为最优选择；
在一个优选的实施例中，所述包围圈构造模块构造包围圈包括以下步骤：
步骤P1：每个水下机器人根据其他水下机器人位置与围捕目标的位置、移动方向与速度，确认自身在包围圈中的方位；
所述每个水下机器人确认自身在包围圈中的方位包括以下步骤：
步骤Q1：将水下机器人数量标记为N；将距离围捕目标最近的水下机器人编号为1号；在水平方向，以1号水下机器人为起始点，按顺时针旋转，将其余水下机器人从编号2至编号N依次进行编号；
步骤Q2：1号水下机器人计算在水平方向，以围捕目标为圆心，R为半径的包围圈的范围；其中R为根据实际经验设置的围捕半径；1号机器人计算出进入包围圈最近的点位置；将该位置标记为P1；
步骤Q3:1号机器将位置P1广播至其余水下机器人；其余水下机器人分别计算自身进入包围圈的位置；计算方式为，从P1点开始，沿以围捕目标为圆心，R为半径的圆的顺时针方向进行旋转，每隔旋转距离
依次作为编号为2，3…N的水下机器人的进入包围圈位置；并将编号为i的水下机器人进入包围圈的位置标记为Pi；其中，i＝1,2,…N；
步骤P2：可以理解的是，围捕目标的位置是实时变化的；因此，由1号水下机器人实时获取围捕目标的位置、移动速度以及方向；并向其他水下机器人广播围捕目标位置、移动速度以及方向；
每个水下机器人i实时同步更新自身进入包围圈的位置Pi，并实时沿水下机器人与围捕目标的直线方向以最大速度前往位置Pi；直至距离围捕目标的距离小于R+r；其中，r为根据实际经验设置的调控距离；可以理解的是，水下机器人的最大速度应当大于围捕目标的移动速度；
步骤P3：在距离围捕目标小于R+r时，水下机器人i以大于围捕目标移动速度幅度α的速度向位置Pi前进；其中幅度α根据实际经验设置；直至每个水下机器人i到达对应的位置Pi；水下机器人的速度调整为与围捕目标移动速度相同；
可以理解的是，上述步骤中使用圆形包围圈对围捕目标进行围捕仅为本发明的一个优选的实施例；其余的包围圈形状均在本发明的保护范围之内；
其中，所述动态避障模块主要用于水下机器人在遇到非围捕目标时进行主动避让；
可以理解的是，水下的环境较为复杂；往往存在一些障碍物在水下机器人的前进路线中，需要水下机器人提前进行规避；
在一个优选的实施例中，所述动态避障模块为安装在每台水下机器人上的决策程序；在水下机器人i移动的过程中通过物体识别模块实时分析前进路线中出现的物体；当检测的物体为非围捕目标时，所述动态避障模块使用图像分析技术计算非围猎目标体积；
可以理解的是，规避障碍物时间过长会导致水下机器人i的前进路线计划延误，从而可能会使围捕目标逃脱从水下机器人i的方向；因此，若目标体积大于预先设定的体积阈值V，水下机器人i向其他水下机器人发送包围圈重构信号；所述体积阈值V根据实际经验设置；其他水下机器人接收到包围圈重构信号后，重新确认自身在包围圈中的方位；此时包围圈位置中不包含水下机器人i的位置；直至水下机器人i绕过非围捕目标，各个水下机器人再重新确认自身在包围圈中的方位；
其中，所述围捕模块主要用于在包围圈中捕获围捕目标；
可以理解的是，当包围圈形成时，每个水下机器人与围捕目标的距离保持在半径R的范围内；因此，只需要将半径R的范围缩小即可捕获围捕目标；
在一个优选的实施例中，所述围捕模块为每个水下机器人上的围捕程序；所述围捕模块在水下机器人对围捕目标形成包围圈时，每个水下机器人向围捕目标移动，缩短与围捕目标的距离；当某个水下机器人距离围捕目标的距离小于抓捕距离时，对围捕目标进行抓捕。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。
Claims (8)
1.一种智能多水下机器人动态避障及围捕控制系统，其特征在于，包括物体识别模块、包围圈构造模块、动态避障模块以及围捕模块；
所述物体识别模块用于区分围捕目标与非围捕目标；
水下机器人在运动过程中，通过携带的智能摄像头实时获取视野内的环境；且智能摄像头将视野内的环境发送至物体识别模块，用于识别视野内是否包含围捕目标；当某个水下机器人通过物体识别模块预发现围捕目标时，向其他水下机器人发送围捕目标位置以及移动方向和速度；
所述包围圈构造模块用于水下机器人在发现围捕目标后，为每个水下机器人计算出对应的包围圈位置，从而构造出一个包围围捕目标的包围圈；
所述动态避障模块用于水下机器人在遇到非围捕目标时进行主动避让；并对是否重新构造包围圈进行决策；
所述围捕模块用于在包围圈形成时捕获围捕目标。
2.根据权利要求1所述的一种智能多水下机器人动态避障及围捕控制系统，其特征在于，所述物体识别模块区分围捕目标与非围捕目标包括以下步骤：
步骤S1：所述物体识别模块预先人工收集若干围捕目标与非围捕目标图片；并将每张图片对应标记为围捕目标与非围捕目标；
步骤S2：将收集的图片作为训练集输入至CNN神经网络模型，以围捕目标和非围捕目标为目标值，判断训练集中的每张图片是否为围捕目标；并以判断的准确率为训练目标；训练CNN神经网络模型；直至准确率达到95％以上；将训练完成的CNN神经网络模型标记为M。
3.根据权利要求1所述的一种智能多水下机器人动态避障及围捕控制系统，其特征在于，所述移动方向和速度根据若干视频帧后，围捕目标的位置变化情况确定。
4.根据权利要求1所述的一种智能多水下机器人动态避障及围捕控制系统，其特征在于，水下机器人均携带有定位及通信装置；定位装置用于确定自身位置；通信装置用于实时与其他水下机器人交换信息；每个水下机器人实时向其他水下机器人通过无线信号广播自身位置信息。
5.根据权利要求1所述的一种智能多水下机器人动态避障及围捕控制系统，其特征在于，所述包围圈构造模块构造包围圈包括以下步骤：
步骤P1：每个水下机器人根据其他水下机器人位置与围捕目标的位置、移动方向与速度，确认自身在包围圈中的位置；
步骤P2：由1号水下机器人实时获取围捕目标的位置、移动速度以及方向；并向其他水下机器人广播围捕目标位置、移动速度以及方向；
每个水下机器人i实时同步更新自身进入包围圈的位置Pi，并实时沿水下机器人与围捕目标的直线方向以最大速度前往位置Pi；直至距离围捕目标的距离小于R+r；其中，r为根据实际经验设置的调控距离；
步骤P3：在距离围捕目标小于R+r时，水下机器人i以大于围捕目标移动速度幅度α的速度向位置Pi前进；其中幅度α根据实际经验设置；直至每个水下机器人i到达对应的位置Pi；水下机器人的速度调整为与围捕目标移动速度相同。
6.根据权利要求5所述的一种智能多水下机器人动态避障及围捕控制系统，其特征在于，所述每个水下机器人确认自身在包围圈中的方位包括以下步骤：
步骤Q1：将水下机器人数量标记为N；将距离围捕目标最近的水下机器人编号为1号；在水平方向，以1号水下机器人为起始点，按顺时针旋转，将其余水下机器人从编号2至编号N依次进行编号；
步骤Q2：1号水下机器人计算在水平方向，以围捕目标为圆心，R为半径的包围圈的范围；其中R为根据实际经验设置的围捕半径；1号机器人计算出进入包围圈最近的点位置；将该位置标记为P1；
步骤Q3:1号机器将位置P1广播至其余水下机器人；其余水下机器人分别计算自身进入包围圈的位置；计算方式为，从P1点开始，沿以围捕目标为圆心，R为半径的圆的顺时针方向进行旋转，每隔旋转距离
依次作为编号为2，3…N的水下机器人的进入包围圈位置；并将编号为i的水下机器人进入包围圈的位置标记为Pi；其中，i＝1,2,…N。
7.根据权利要求1或5所述的一种智能多水下机器人动态避障及围捕控制系统，其特征在于，在水下机器人i移动的过程中通过物体识别模块实时分析前进路线中出现的物体；当检测的物体为非围捕目标时，所述动态避障模块使用图像分析技术计算非围猎目标体积；
若目标体积大于预先设定的体积阈值V，水下机器人i向其他水下机器人发送包围圈重构信号；所述体积阈值V根据实际经验设置；其他水下机器人接收到包围圈重构信号后，重新确认自身在包围圈中的方位；此时包围圈位置中不包含水下机器人i的位置；直至水下机器人i绕过非围捕目标，各个水下机器人再重新确认自身在包围圈中的方位。
8.根据权利要求1所述的一种智能多水下机器人动态避障及围捕控制系统，其特征在于，所述围捕模块在水下机器人对围捕目标形成包围圈时，每个水下机器人向围捕目标移动，缩短与围捕目标的距离；当某个水下机器人距离围捕目标的距离小于抓捕距离时，对围捕目标进行抓捕。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210909326.0A CN115185287A (zh) | 2022-07-29 | 2022-07-29 | 一种智能多水下机器人动态避障及围捕控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210909326.0A CN115185287A (zh) | 2022-07-29 | 2022-07-29 | 一种智能多水下机器人动态避障及围捕控制系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115185287A true CN115185287A (zh) | 2022-10-14 |
Family
ID=83521012
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210909326.0A Pending CN115185287A (zh) | 2022-07-29 | 2022-07-29 | 一种智能多水下机器人动态避障及围捕控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115185287A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116434081A (zh) * | 2023-04-25 | 2023-07-14 | 广东工业大学 | 一种基于5g+云边端水下机器人控制管理方法及系统 |
-
2022
- 2022-07-29 CN CN202210909326.0A patent/CN115185287A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116434081A (zh) * | 2023-04-25 | 2023-07-14 | 广东工业大学 | 一种基于5g+云边端水下机器人控制管理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106303442B (zh) | 追踪路径拓扑结构建立方法、目标对象追踪方法及设备 | |
| CN109657575B (zh) | 室外施工人员智能视频跟踪算法 | |
| CN108055501A (zh) | 一种目标检测及跟踪的视频监控系统及方法 | |
| US11475671B2 (en) | Multiple robots assisted surveillance system | |
| CN105760824A (zh) | 一种运动人体跟踪方法和系统 | |
| CN110570454A (zh) | 一种检测异物入侵的方法及装置 | |
| CN111311649A (zh) | 一种室内物联视频跟踪方法和系统 | |
| CN101379825A (zh) | 自动跟踪设备和自动跟踪方法 | |
| CN111988524A (zh) | 一种无人机与摄像头协同避障方法、服务器及存储介质 | |
| CN111079722B (zh) | 一种吊装过程人员安全监测方法及系统 | |
| CN111399517B (zh) | 基于uwb定位系统的轨道式巡检机器人的跟随监控方法 | |
| CN115185287A (zh) | 一种智能多水下机器人动态避障及围捕控制系统 | |
| CN113910224B (zh) | 机器人跟随的方法、装置及电子设备 | |
| CN113452912A (zh) | 巡视机器人的云台摄像机的控制方法、装置、设备及介质 | |
| CN109982044A (zh) | 一种基于cctv传感网的目标定位跟踪系统的跟踪方法 | |
| CN110047092A (zh) | 一种复杂环境下多目标实时跟踪方法 | |
| CN115311617A (zh) | 城轨车站区域客流信息获取方法及系统 | |
| CN111432334B (zh) | 一种轨道式巡检机器人的跟随监控方法及系统 | |
| CN112785564B (zh) | 一种基于机械臂的行人检测跟踪系统与方法 | |
| US11209796B2 (en) | Surveillance system with intelligent robotic surveillance device | |
| CN112422895A (zh) | 基于无人机的图像分析跟踪、定位系统及方法 | |
| CN116380110A (zh) | 一种基于大数据无人驾驶车辆实时路径规划方法 | |
| CN112601021B (zh) | 一种网络摄像机监控视频的处理方法及系统 | |
| CN109540138A (zh) | 基于视觉神经网络的室内导航方法、系统及可读存储器 | |
| CN114332632A (zh) | 一种安全帽识别装置及方法 |
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 |