CN115406434A - 室内机器人的导航地图自主更新方法、设备和存储介质 - Google Patents
室内机器人的导航地图自主更新方法、设备和存储介质 Download PDFInfo
- Publication number
- CN115406434A CN115406434A CN202210988477.XA CN202210988477A CN115406434A CN 115406434 A CN115406434 A CN 115406434A CN 202210988477 A CN202210988477 A CN 202210988477A CN 115406434 A CN115406434 A CN 115406434A
- Authority
- CN
- China
- Prior art keywords
- real
- map
- point cloud
- robot
- time
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000004891 communication Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 101100512352 Enterococcus faecalis (strain TX4000 / JH2-2) mapP gene Proteins 0.000 claims 1
- 238000010276 construction Methods 0.000 abstract description 13
- 238000005457 optimization Methods 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/383—Indoor 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
- G01C21/3837—Data obtained from a single source
Abstract
本发明提供室内机器人的导航地图自主更新方法,包括S1、建筑场地基础地图预搭建:S2、机器人进场并采集实时信息:S3、搭建模块建立实时子图点云数据:S4、确定机器人高精度坐标:S5、判断是否触发三维场景地图的更新。本发明三维激光扫描仪提供的高精度二维导航地图,获取当前时刻所述单线激光雷达和运动底盘的相关数据,实现机器人当前时刻的定位导航功能,实时构建由关键帧组成的更新后的局部地图,并且定时求解由多个局部地图与当前时刻激光帧数据构建多约束的优化问题,以保证更新后地图的精度,方便后续建筑机器人进入建筑场地后的导航定位功能不受当次建筑机器人操作修改室内建筑场景的影响。
Description
技术领域
本发明涉及建筑机械人技术领域,具体为室内机器人的导航地图自主更新方法、设备和存储介质。
背景技术
在建筑室内移动机器人应用场景中,常常会使用三维激光扫描仪对室内场景进行三维地图构建,从而生成高精度的二维导航地图;
在机器人运动过程中采用单线激光雷达扫描周围环境特征得到的激光点云数据和高精度地图做匹配运算,得到机器人当前定位信息。但是,在机器人在建筑场景下的移动过程中,会存在扫描到的特征与高精度地图不符的现象,导致定位不准确和不稳定,而重新使用三维激光扫描仪进行场景扫图需要大量时间,无法适用于现场的导航地图实时更新。
发明内容
针对现有技术存在的不足,本发明目的是提供室内机器人的导航地图自主更新方法、设备和存储介质,可以解决现有定位不准确和不稳定、导航地图无法更新的问题。
为了实现上述目的,本发明是技术方案如下:
本发明是通过如下的技术方案来实现:室内机器人的导航地图自主更新方法,
所述更新方法包括以下步骤:
S1、建筑场地基础地图预搭建:
使用三维激光扫描仪扫描建筑场地,得到该建筑场地的三维场景地图和二维导航地图;三维场景地图中内置有多个基础子图点云数据,基础子图点云数据内置有多个基础点云数据库;
S2、机器人进场并采集实时信息:
录入工作任务至机器人,机器人驶入建筑场地:
机器人自带有单线激光雷达扫描实时点云数据,机器人底部的底盘里程计纪录机器人的实时位姿变化数据;
S3、搭建模块建立实时子图点云数据:
将机器人拍摄的实时点云数据与基础点云数据库作对比,得到校正位姿变化数据;
根据校正位姿变化数据的变化量生成实时子图云点数据;
确定初步定位坐标以及实时局部地图;
S4、确定机器人高精度坐标:
根据初步定位坐标反解出高精度实时点云数据;
高精度实时点云数据在二维导航地图中的坐标即为机器人高精度坐标;
S5、判断是否触发三维场景地图的更新:
是,则将实时局部地图更新至三维场景地图;
否,则不更新。
进一步的,在S3中,所述将机器人拍摄的实时点云数据与基础点云数据库作对比,得到校正位姿变化数据具体的为:
S3.1、将实时点云数据与基础点云数据库做匹配,得到与实时点云数据匹配的基础点云数据;
S3.2、将基础点云数据置于二维导航地图中,得到基础位姿变化数据;
S3.3、将基础位姿变化数据与实时位姿变化数据作融合得到校正位姿变化数据。
进一步的,在S3中,所述根据校正位姿变化数据的变化量生成实时子图云点数据具体的为;
S3.4、判断校正位姿变化数据的变化量是否达到关键帧录入阈值;
是,则将当前的实时点云数据作为一个关键帧录入至实时子图点云数据,进入下一步;
否,则返回S3.1。
进一步的,所述关键帧录入阈值为:校正位姿变化数据中的机械人位移量超过30cm或机器人偏转角度超过15°。
进一步的,在S3中,确定初步定位坐标以及实时局部地图具体的为;
S3.5、将校正位姿变化数据置于二维导航地图中,得到机器人初步定位坐标;
S3.6、将S3.4中构建的子图点云数据与初步定位坐标作融合,生成实时局部地图。
进一步的,在S3中,还包括;
S3.7、判断子图点云数据是否达到帧数阈值;
是,则剔除距离当前时间戳最久的关键帧,进入下一步;
否,则直接进入下一步。
进一步的,在S3中,还包括;
S3.8、判断是否到达定位更新阈值:
是,则输出此时的实时点云数据、初步定位坐标至定位模块,定位模块开始工作,搭建模块返回S3.1;
否,则直接返回S3.1。
进一步的,在S4中,所述根据初步定位坐标反解出高精度实时点云数据具体的为:
定位模块将初步定位坐标置于三维场景地图,得到此时的目标基础子点云数据;
将实时点云数据与目标基础子点云数据作匹配,得到高精度实时点云数据。
进一步的,在S5中,所述将实时局部地图更新至三维场景地图具体的为:
每个实时局部地图由构建其的第一个关键帧的位姿作为其位姿:
建立高精度实时点云数据与实时局部地图之间的约束;
建立高精度实时点云数据与全部局部地图之间的约束,全部局部地图由多个实时局部地图组成;
以实时局部地图的初始激光帧数据的位姿作为该实时局部地图的中心位置,生成固定大小的栅格地图,所述实时局部地图分辨率与已有的高精度地图保持一致;
初始栅格地图的每个像素都标记未更新的标记概率值Pinit;
对匹配后且已矫正位姿的关键帧激光雷达数据进行地图数据的填充,计算激光扫描的点所在位置在地图上的坐标索引以及激光中心到激光点连线上的所有点在地图上的坐标索引,在确定矫正后关键帧位姿Tε后,计算方法如下:
再根据地图原点在实时局部地图中的porigin空间位置和在实时局部地图中的像素索引位置,对实时局部地图中的plocal空间位置进行像素索引计算;对于激光扫描的点赋值为扫描标记概率值Phit,对于激光中心到激光扫描到的点连线上的点赋值为未扫描标记概率值Pmiss;当有新的关键帧更新地图时,迭代更新栅格中的概率值,所述更新方法如下:
Mnew(x)=Odds-1(Odds(Mold(x)*Odds(p)))
更新完成后,当实时局部地图更新关键帧次数达到限制阈值时,对实时局部地图内所有像素的概率值做像素值的一一转换,并将像素值小于有效值阈值的像素置为无效占有值,最终构建成可定位导航的实时局部地图。
一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行上述所述室内机器人的导航地图自主更新方法对应的操作。
一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行上述所述的室内机器人的导航地图自主更新方法对应的操作。
与现有技术相比,本发明的有益效果包括:
三维激光扫描仪提供的高精度二维导航地图,获取当前时刻所述单线激光雷达和运动底盘的相关数据,实现机器人当前时刻的定位导航功能,实时构建由关键帧组成的更新后的局部地图,并且定时求解由多个局部地图与当前时刻激光帧数据构建多约束的优化问题,以保证更新后地图的精度,方便后续建筑机器人进入建筑场地后的导航定位功能不受当次建筑机器人操作修改室内建筑场景的影响。
附图说明
参照附图来说明本发明的公开内容。应当了解,附图仅仅用于说明目的,而并非意在对本发明的保护范围构成限制,在附图中,相同的附图标记用于指代相同的部件。其中:
图1为本发明室内机器人的导航地图自主更新方法的整体结构示意图;
图2为本发明室内建筑机器人的导航地图自主更新设备结构示意图。
具体实施方式
容易理解,根据本发明的技术方案,在不变更本发明实质精神下,本领域的一般技术人员可以提出可相互替换的多种结构方式以及实现方式。因此,以下具体实施方式以及附图仅是对本发明的技术方案的示例性说明,而不应当视为本发明的全部或者视为对本发明技术方案的限定或限制。
实施例一
室内机器人的导航地图自主更新方法,所述更新方法包括以下步骤:
S1、建筑场地基础地图预搭建:
使用三维激光扫描仪扫描建筑场地,得到该建筑场地的三维场景地图和二维导航地图;三维场景地图中内置有多个基础子图点云数据,基础子图点云数据内置有多个基础点云数据库;
S2、机器人进场并采集实时信息:
录入工作任务至机器人,机器人驶入建筑场地:
机器人自带有单线激光雷达扫描实时点云数据,机器人底部的底盘里程计纪录机器人的实时位姿变化数据;
S3、搭建模块建立实时子图点云数据:
将机器人拍摄的实时点云数据与基础点云数据库作对比,得到校正位姿变化数据;具体的为:
S3.1、将实时点云数据与基础点云数据库做匹配,得到与实时点云数据匹配的基础点云数据;
S3.2、将基础点云数据置于二维导航地图中,得到基础位姿变化数据;
S3.3、将基础位姿变化数据与实时位姿变化数据作融合得到校正位姿变化数据;
此步骤用以先校正机器人量程计所得数据,使得下步骤中录入的实时点云数据、初步坐标确定,更为准确可靠,消除机器误差;
根据校正位姿变化数据的变化量生成实时子图云点数据,具体的为:
S3.4、判断校正位姿变化数据的变化量是否达到关键帧录入阈值;关键帧录入阈值为:校正位姿变化数据中的机械人位移量超过30cm或机器人偏转角度超过15度;
是,则将当前的实时点云数据作为一个关键帧录入至实时子图点云数据,进入S3.5;
否,则返回S3.1;
此步骤用以先建立子图点云数据,为后续生成局部图、更新地图做准备;
确定初步定位坐标以及实时局部地图,具体的为:
S3.5、将校正位姿变化数据置于二维导航地图中,得到机器人初步定位坐标;
S3.6、将S3.4中构建的子图点云数据与初步定位坐标作融合,生成实时局部地图;实时局部地图中涵盖了机器人当前所扫描到的子图点云数据和初步定位坐标,便于后续进一步优化处理;
S3.7、判断子图点云数据是否达到帧数阈值;示例性的帧数阈值为10帧;
是,则剔除距离当前时间戳最久的关键帧,进入S3.8;
否,则直接进入S3.8。
此步骤,子图点云数据超过10帧时,则剔除距离当前时间戳最久的关键帧,并加入新的关键帧数据,可有效提高数据处理速度、精度程度,避免存储过多冗余信息;
S3.8、判断是否到达定位更新阈值,示例性的定位更新阈值为1-3s;
是,则输出此时的实时点云数据、初步定位坐标至定位模块,定位模块开始工作,搭建模块返回S3.1;
否,则直接返回S3.1;
此步骤用以确定需要确定在定位时,应该上传的实时点云数据、初步坐标;
S4、确定机器人高精度坐标:
根据初步定位坐标反解出高精度实时点云数据,具体的为:定位模块将初步定位坐标置于三维场景地图,得到此时的目标基础子点云数据;将实时点云数据与目标基础子点云数据作匹配,得到高精度实时点云数据;
此步骤中,通过将初步定位坐标的目标基础子点云数据与实时点云数据作对比融合,找到相匹配的地方,即可确定,高精度实时点云数据,能够消除单线激光雷达的扫描误差,解决当环境改变时,无法定位的问题,同时高精度实时点云数据只用来高精度定位,也不会改变实时点云数据,进而不会影响后续地图更新操作;
高精度实时点云数据在二维导航地图中的坐标即为机器人高精度坐标;
S5、判断是否触发三维场景地图的更新:实时点云数据发生变化则更新,未发生变化则不更新;
是,则将实时局部地图更新至三维场景地图;
否,则不更新。
传统的地图更新方法常常会依赖于单线激光雷达扫描到的特征数据,但是在建筑场地时常会出现激光扫描到错误特征的情况,由于单线激光扫描得到的特征存在不利影响,使得更新后的导航地图出现质量差,影响后续定位的稳定性与准确性;为解决上述问题,给出如下的更新方法:
每个实时局部地图由构建其的第一个关键帧的位姿作为其位姿:
建立高精度实时点云数据与实时局部地图之间的约束;
建立高精度实时点云数据与全部局部地图之间的约束,全部局部地图由多个实时局部地图组成;
以实时局部地图的初始激光帧数据的位姿作为该实时局部地图的中心位置,生成固定大小的栅格地图,所述实时局部地图分辨率与已有的高精度地图保持一致;
初始栅格地图的每个像素都标记未更新的标记概率值Pinit;
对匹配后且已矫正位姿的关键帧激光雷达数据进行地图数据的填充,计算激光扫描的点所在位置在地图上的坐标索引以及激光中心到激光点连线上的所有点在地图上的坐标索引,在确定矫正后关键帧位姿Tε后,计算方法如下:
再根据地图原点在实时局部地图中的porigin空间位置和在实时局部地图中的像素索引位置,对实时局部地图中的plocal空间位置进行像素索引计算;对于激光扫描的点赋值为扫描标记概率值Phit,对于激光中心到激光扫描到的点连线上的点赋值为未扫描标记概率值Pmiss;当有新的关键帧更新地图时,迭代更新栅格中的概率值,所述更新方法如下:
Mnew(x)=Odds-1(Odds(Mold(x)*Odds(p)))
更新完成后,当实时局部地图更新关键帧次数达到限制阈值时,对实时局部地图内所有像素的概率值做像素值的一一转换,并将像素值小于有效值阈值的像素置为无效占有值,最终构建成可定位导航的实时局部地图。
首先用三维激光扫描仪得到高精度二维导航地图,保证了建筑机器人在进场时定位的高精度,从而保证了关键帧拼接构建更新实时局部地图的初始位姿精度;
同时,用概率值的方式记录每个地图点被更新的值,最后将小于有效值阈值的地图像素点都剔除的方式,有效的避免了错误冗余信息的干扰,有效地保证了后续定位过程的准确性和稳定性;
这种方式,用自主更新地图的方法,在建筑机器人完成一次施工后,便可得到当前最新的二维导航地图,避免了再次使用三维激光扫描仪的复杂操作,保证了建筑场地施工的时效性。
实施例二
一个室内建筑机器人的导航地图自主更新设备,所述自主更新设备基于实施一的方法工作;
所述建筑机器人设备包括:至少一个三维激光扫描仪,能够在建筑机器人进入室内建筑工地前对室内场景进行扫描建图,并提供初始高精度二维导航地图,保证机器人能够正常导航作业;至少一个单线激光雷达和一个运动底盘,在机器人运动过程中提供里程计和激光数据,保证机器人的正常定位,并不断生成更新的局部地图;至少一个处理器;以及,至少一个与所述处理器通信连续的存储器;其中,所述存储器有可被所述处理器执行的指令,所述指令被所述处理器执行,能够:处理三维激光扫描仪提供的高精度二维导航地图,获取当前时刻所述单线激光雷达和运动底盘的相关数据,实现机器人当前时刻的定位导航功能,实时构建由关键帧组成的更新后的局部地图,并且定时求解由多个局部地图与当前时刻激光帧数据构建多约束的优化问题,以保证更新后地图的精度,方便后续建筑机器人进入建筑场地后的导航定位功能不受当次建筑机器人操作修改室内建筑场景的影响。
实施例三
一种计算机存储介质,存储有计算机可执行指令,可执行指令用以执行实施例一的方法;
所述计算机可执行指令设置为:处理三维激光扫描仪提供的高精度二维导航地图,获取当前时刻所述单线激光雷达和运动底盘的相关数据,实现机器人当前时刻的定位导航功能,实时构建由关键帧组成的更新后的局部地图,并且定时求解由多个局部地图与当前时刻激光帧数据构建多约束的优化问题,以保证更新后地图的精度,方便后续建筑机器人进入建筑场地后的导航定位功能不受当次建筑机器人操作修改室内建筑场景的影响。
本发明的技术范围不仅仅局限于上述说明中的内容,本领域技术人员可以在不脱离本发明技术思想的前提下,对上述实施例进行多种变形和修改,而这些变形和修改均应当属于本发明的保护范围内。
Claims (10)
1.室内机器人的导航地图自主更新方法,其特征在于:所述更新方法包括以下步骤:
S1、建筑场地基础地图预搭建:
使用三维激光扫描仪扫描建筑场地,得到该建筑场地的三维场景地图和二维导航地图;三维场景地图中内置有多个基础子图点云数据,基础子图点云数据内置有多个基础点云数据库;
S2、机器人进场并采集实时信息:
录入工作任务至机器人,机器人驶入建筑场地:
机器人自带有单线激光雷达扫描实时点云数据,机器人底部的底盘里程计纪录机器人的实时位姿变化数据;
S3、搭建模块建立实时子图点云数据:
将机器人拍摄的实时点云数据与基础点云数据库作对比,得到校正位姿变化数据;
根据校正位姿变化数据的变化量生成实时子图云点数据;
确定初步定位坐标以及实时局部地图;
S4、确定机器人高精度坐标:
根据初步定位坐标反解出高精度实时点云数据;
高精度实时点云数据在二维导航地图中的坐标即为机器人高精度坐标;
S5、判断是否触发三维场景地图的更新:
是,则将实时局部地图更新至三维场景地图;
否,则不更新。
2.根据权利要求2所述的室内机器人的导航地图自主更新方法,其特征在于:在S3中,所述将机器人拍摄的实时点云数据与基础点云数据库作对比,得到校正位姿变化数据具体的为:
S3.1、将实时点云数据与基础点云数据库做匹配,得到与实时点云数据匹配的基础点云数据;
S3.2、将基础点云数据置于二维导航地图中,得到基础位姿变化数据;
S3.3、将基础位姿变化数据与实时位姿变化数据作融合得到校正位姿变化数据。
3.根据权利要求2所述的室内机器人的导航地图自主更新方法,其特征在于:在S3中,所述根据校正位姿变化数据的变化量生成实时子图云点数据具体的为;
S3.4、判断校正位姿变化数据的变化量是否达到关键帧录入阈值;
是,则将当前的实时点云数据作为一个关键帧录入至实时子图点云数据,进入下一步;
否,则返回S3.1。
4.根据权利要求2所述的室内机器人的导航地图自主更新方法,其特征在于:所述关键帧录入阈值为:校正位姿变化数据中的机械人位移量超过30cm或机器人偏转角度超过15°。
5.根据权利要求4所述的室内机器人的导航地图自主更新方法,其特征在于:在S3中,确定初步定位坐标以及实时局部地图具体的为;
S3.5、将校正位姿变化数据置于二维导航地图中,得到机器人初步定位坐标;
S3.6、将S3.4中构建的子图点云数据与初步定位坐标作融合,生成实时局部地图。
6.根据权利要求5所述的室内机器人的导航地图自主更新方法,其特征在于:在S3中,还包括;
S3.7、判断子图点云数据是否达到帧数阈值;
是,则剔除距离当前时间戳最久的关键帧,进入下一步;
否,则直接进入下一步。
S3.8、判断是否到达定位更新阈值:
是,则输出此时的实时点云数据、初步定位坐标至定位模块,定位模块开始工作,搭建模块返回S3.1;
否,则直接返回S3.1。
7.根据权利要求5所述的室内机器人的导航地图自主更新方法,其特征在于:在S4中,所述根据初步定位坐标反解出高精度实时点云数据具体的为:
定位模块将初步定位坐标置于三维场景地图,得到此时的目标基础子点云数据;
将实时点云数据与目标基础子点云数据作匹配,得到高精度实时点云数据。
8.根据权利要求5所述的室内机器人的导航地图自主更新方法,其特征在于:在S5中,所述将实时局部地图更新至三维场景地图具体的为:
每个实时局部地图由构建其的第一个关键帧的位姿作为其位姿:
建立高精度实时点云数据与实时局部地图之间的约束;
建立高精度实时点云数据与全部局部地图之间的约束,全部局部地图由多个实时局部地图组成;
以实时局部地图的初始激光帧数据的位姿作为该实时局部地图的中心位置,生成固定大小的栅格地图,所述实时局部地图分辨率与已有的高精度地图保持一致;
初始栅格地图的每个像素都标记未更新的标记概率值Pinit;
对匹配后且已矫正位姿的关键帧激光雷达数据进行地图数据的填充,计算激光扫描的点所在位置在地图上的坐标索引以及激光中心到激光点连线上的所有点在地图上的坐标索引,在确定矫正后关键帧位姿Tε后,计算方法如下:
再根据地图原点在实时局部地图中的porigin空间位置和在实时局部地图中的像素索引位置,对实时局部地图中的plocal空间位置进行像素索引计算;对于激光扫描的点赋值为扫描标记概率值Phit,对于激光中心到激光扫描到的点连线上的点赋值为未扫描标记概率值Pmiss;当有新的关键帧更新地图时,迭代更新栅格中的概率值,所述更新方法如下:
Mnew(x)=Odds-1(Odds(Mold(x)*Odds(p)))
更新完成后,当实时局部地图更新关键帧次数达到限制阈值时,对实时局部地图内所有像素的概率值做像素值的一一转换,并将像素值小于有效值阈值的像素置为无效占有值,最终构建成可定位导航的实时局部地图。
9.一种计算设备,其特征在于,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-8中任一项所述室内机器人的导航地图自主更新方法对应的操作。
10.一种计算机存储介质,其特征在于,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如权利要求1-8中任一项所述的室内机器人的导航地图自主更新方法对应的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210988477.XA CN115406434B (zh) | 2022-08-17 | 2022-08-17 | 室内机器人的导航地图自主更新方法、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210988477.XA CN115406434B (zh) | 2022-08-17 | 2022-08-17 | 室内机器人的导航地图自主更新方法、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115406434A true CN115406434A (zh) | 2022-11-29 |
CN115406434B CN115406434B (zh) | 2024-05-07 |
Family
ID=84159834
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210988477.XA Active CN115406434B (zh) | 2022-08-17 | 2022-08-17 | 室内机器人的导航地图自主更新方法、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115406434B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020103108A1 (zh) * | 2018-11-22 | 2020-05-28 | 深圳市大疆创新科技有限公司 | 一种语义生成方法、设备、飞行器及存储介质 |
WO2021109167A1 (zh) * | 2019-12-06 | 2021-06-10 | 苏州艾吉威机器人有限公司 | 三维激光建图方法及系统 |
WO2022016320A1 (zh) * | 2020-07-20 | 2022-01-27 | 深圳元戎启行科技有限公司 | 地图更新方法、装置、计算机设备和存储介质 |
WO2022021133A1 (zh) * | 2020-07-29 | 2022-02-03 | 上海高仙自动化科技发展有限公司 | 计算机设备定位方法、装置、计算机设备和存储介质 |
WO2022041257A1 (zh) * | 2020-08-31 | 2022-03-03 | 深圳市大疆创新科技有限公司 | 三维地图处理方法、装置、可移动平台及存储介质 |
-
2022
- 2022-08-17 CN CN202210988477.XA patent/CN115406434B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020103108A1 (zh) * | 2018-11-22 | 2020-05-28 | 深圳市大疆创新科技有限公司 | 一种语义生成方法、设备、飞行器及存储介质 |
WO2021109167A1 (zh) * | 2019-12-06 | 2021-06-10 | 苏州艾吉威机器人有限公司 | 三维激光建图方法及系统 |
WO2022016320A1 (zh) * | 2020-07-20 | 2022-01-27 | 深圳元戎启行科技有限公司 | 地图更新方法、装置、计算机设备和存储介质 |
WO2022021133A1 (zh) * | 2020-07-29 | 2022-02-03 | 上海高仙自动化科技发展有限公司 | 计算机设备定位方法、装置、计算机设备和存储介质 |
WO2022041257A1 (zh) * | 2020-08-31 | 2022-03-03 | 深圳市大疆创新科技有限公司 | 三维地图处理方法、装置、可移动平台及存储介质 |
Non-Patent Citations (4)
Title |
---|
KIM, CHANSOO等: "Updating point cloud layer of high definition (hd) map based on crowd-sourcing of multiple vehicles installed lida", 《IEEE ACCESS》, no. 9, 6 January 2022 (2022-01-06), pages 8028 - 8046 * |
李富朋等: "室内移动机器人导航语义地图构建技术研究", 《万方学位论文在线期刊库》, 10 January 2022 (2022-01-10), pages 1 - 64 * |
李志强: "基于深度学习的视觉SLAM方法研究与终端实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 08, 15 August 2021 (2021-08-15), pages 138 - 298 * |
沈欣等: "基于改进Cartographer的激光SLAM算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 01, 15 January 2022 (2022-01-15), pages 138 - 1108 * |
Also Published As
Publication number | Publication date |
---|---|
CN115406434B (zh) | 2024-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108827249B (zh) | 一种地图构建方法和装置 | |
CN111121754A (zh) | 移动机器人定位导航方法、装置、移动机器人及存储介质 | |
CN112070770B (zh) | 一种高精度三维地图与二维栅格地图同步构建方法 | |
CN113409459B (zh) | 高精地图的生产方法、装置、设备和计算机存储介质 | |
CN113048980B (zh) | 位姿优化方法、装置、电子设备及存储介质 | |
CN111862214B (zh) | 计算机设备定位方法、装置、计算机设备和存储介质 | |
WO2023273169A1 (zh) | 一种融合视觉与激光的2.5d地图构建方法 | |
CN112363158A (zh) | 机器人的位姿估计方法、机器人和计算机存储介质 | |
CN112907211A (zh) | 基于bim的工程进度监理方法、装置、设备及存储介质 | |
CN113375683A (zh) | 机器人环境地图实时更新方法 | |
CN111913169A (zh) | 激光雷达内参、点云数据的修正方法、设备及存储介质 | |
CN116883604A (zh) | 一种基于天、空、地影像的三维建模技术方法 | |
CN115406434B (zh) | 室内机器人的导航地图自主更新方法、设备和存储介质 | |
CN114820953B (zh) | 一种数据处理方法、装置、设备以及存储介质 | |
KR102458559B1 (ko) | 휴대용 단말기를 이용한 건설 분야 시공 관리 시스템 및 방법 | |
JP5953393B2 (ja) | ロボットシステム及び地図更新方法 | |
CN113218392A (zh) | 室内定位导航方法及导航装置 | |
Fu et al. | Costmap construction and pseudo-lidar conversion method of mobile robot based on monocular camera | |
CN115685223B (zh) | 位置识别方法、装置、电子设备及可读存储介质 | |
CN117456120A (zh) | 基于移动机器人的大场景地图构建方法及系统 | |
CN116067356A (zh) | 基于结构平面图的机器人室内导航地图生成方法和系统 | |
CN114066982A (zh) | 点云对齐方法、装置、设备及存储介质 | |
CN114092638A (zh) | 点云地图构建方法、装置、设备、存储介质及计算机程序 | |
CN114677600A (zh) | 违建检测方法、违建检测系统、计算机设备及存储介质 | |
CN117422774A (zh) | 机器人自主建图方法、装置、系统、电子设备及可读存储介质 |
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 |