CN115439821A - 基于多目视觉agv的定位与跟踪方法及系统 - Google Patents
基于多目视觉agv的定位与跟踪方法及系统 Download PDFInfo
- Publication number
- CN115439821A CN115439821A CN202211305507.9A CN202211305507A CN115439821A CN 115439821 A CN115439821 A CN 115439821A CN 202211305507 A CN202211305507 A CN 202211305507A CN 115439821 A CN115439821 A CN 115439821A
- Authority
- CN
- China
- Prior art keywords
- agv
- positioning
- point
- calibration plate
- video image
- 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 31
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000012549 training Methods 0.000 claims description 18
- 239000003550 marker Substances 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 12
- 238000002372 labelling Methods 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000012795 verification Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000013519 translation Methods 0.000 claims description 3
- 230000004888 barrier function Effects 0.000 abstract description 4
- 206010063385 Intellectualisation Diseases 0.000 abstract description 3
- 238000003860 storage Methods 0.000 abstract description 2
- 230000000007 visual effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于多目视觉的AGV定位与跟踪方法及系统,所述方法及系统包括以下步骤:S1、视频获取步骤;S2、视频图像处理步骤;S3、视频图像特征提取步骤;S4、地图拼接步骤;S5、物体识别步骤;S6、目标定位与跟踪步骤。利用本发明,解决基于全局视觉导航AGV受障碍物阻挡视野或单个摄像头获取定位失败的问题,能够更精确的对AGV进行定位和跟踪,有效提高运输效率,降低运输成本,对于智能仓储、无人搬运等行业的智能化具有重要意义。
Description
技术领域
本发明设计一种基于多目视觉AGV的的定位与跟踪方法,尤其涉及一种基于多目视觉的AGV定位与跟踪方法及系统。
背景技术
目前,工业生产自动化、智能化仍然是我国发展的重要方向,自动导引车AGV是机器人产业的重要分支,AGV是具有自主导航功能的运输车,其有着灵活性高、成本低、智能高效的特点,广泛应用与仓库、餐饮、医疗、清洁等场合,提高了人们的生活质量和工作效率。
当今社会用于监控的摄像头已遍布人们的生活场景中,以视觉定位导引的方式控制AGV工作已成为主流,但是目前普遍应用单目视觉导引方式控制AGV,这种方式观察的视野有限,无法满足在较大的空间运行的需求,并且无法解决AGV导航过程中受障碍物阻挡视野或单个摄像头获取定位失败的问题,并且地图不精确,误差较大,不能更好的完成任务。因此,需一种多目视觉导引方式来解决这个问题。
发明内容
为克服现有技术存在的问题,本发明提供了一种基于多目视觉的AGV跟踪方法及系统,利用本发明提供的技术方案,可以解决基于视觉导航AGV受障碍物阻挡视野或单个摄像头获取定位失败以及观察视野小,地图误差大的问题。
本发明的目的可通过下列技术方案来实现:一种基于多目视觉AGV的定位与跟踪方法,包括以下步骤:
S1、视频获取步骤,通过安装在三个不同方向的摄像头拍摄所需视频图像;
S2、视频图像处理步骤,通过张正友标定法对所获取的视频图像进行畸变校正;
S3、视频图像特征提取步骤,通过对视频图像中的特定矩形标定板进行HSV模式转化,并对其进行二值化,执行闭操作得到标定板掩膜,对其使用canny算子进行角点检测获取角点,对图像进行透视变换;
S4、地图拼接步骤,在标定板内设计了方形、圆形和三角形三个标识物,利用标识物来自动识别各个角点,采用缝合线的方式在重合区域将视频图像进行拼接,形成全局地图;
S5、物体识别步骤,通过三个不同方向的摄像头对AGV进行图像采集,再使用Labeling工具对AGV进行标注形成数据集,以一定的比例分为训练集和验证集并对其进行模型训练,识别AGV;
S6、目标定位与跟踪步骤,在AGV车顶前后设置一大一小两个色块,通过提取两个色块的质心坐标得到AGV中心点和AGV方向,将三个摄像头得到的信息融合,再使用基于ROS平台设计全局导引AGV的路径控制算法进行操控AGV到达指定地点。
在上述的一种基于多目视觉AGV的定位与跟踪方法,所述S3步骤中,canny算子利用高斯函数平滑图像,其高斯函数如下所示:
其中,σ为高斯滤波函数的标准差。
在上述的一种基于多目视觉AGV的定位与跟踪方法,所述S4具体包括以下步骤:
S41、在透视变换图像中选取左上角为原点,以标定板的边长为边长,款选标定板的ROI区域;
S42、通过灰度阈值将ROI区域二值化后使用轮廓提取算法;
S43、通过轮廓近似的算法得到轮廓的顶点,根据轮廓顶点确定形状,定点数为3则为三角形、4则为矩形、0则为圆心;
S44、通过计算轮廓的空间距得到形状的质心,通过角点和质心之间的距离,确定标定板中对应的点,采用缝合线的方式在重合区域将视频图像进行拼接,形成全局地图。
在上述的一种基于多目视觉AGV的定位与跟踪方法,所述S4步骤中,空间距的表达式如下所示:
Mij=∑x,yCt(x,y)xiyj (2)
其中,Ct(x,y)表示轮廓的点集坐标。
在上述的一种基于多目视觉AGV的定位与跟踪方法,所述S6具体包括以下步骤:
S61、在识别到AGV的视频图像中,分割出AGV的ROI区域,根据色块的HSV区间对其进行二值化处理;
S62、提取两个色块的轮廓,计算轮廓的空间距得到两个色块的质心,通过两个色块的质心坐标求中心点,其中心点为AGV的中心点;
S63、通过函数计算两个色块的轮廓面积,根据轮廓面积大小对应相应色块的质心坐标,AGV的方向为小色块的质心指向大色块的质心的射线与图像坐标系x轴正方向的夹角,将定位信息进行求和取平均值;
S64、计算AGV与路径点坐标系的变换关系,控制AGV旋转至目标路径点方向,先发送一半次数的直行控制指令,通过监听AGV坐标系与路径点坐标系的变换,再次计算到目标路径点的平移和旋转量,以此反复调整直行方向,当AGV与目标路径点距离小于设定的阈值时,认为到达了目标点。
根据上述方法的发明构思,本发明还提供了一种基于多目视觉的AGV定位与跟踪系统,所述系统包括有:
视频获取模块,用于利用安装在三个不同方向的摄像头获取的具有目标区域并有重叠区域的视频图像;
视频图像处理模块,用于对视频图像进行畸变校正,以便减少误差;
视频图像特征提取模块,用于对视频图像中的特定矩形标定板进行HSV模式转化,并对其进行二值化,执行闭操作得到标定板掩膜,对其使用canny算子进行角点检测获取角点,对图像进行透视变换;
地图拼接模块,用于利用标识物来自动识别各个角点,采用缝合线的方式在重合区域将视频图像进行拼接,形成全局地图;
物体识别模块,用于三个不同方向的摄像头对AGV进行图像采集,再使用Labeling工具对AGV进行标注形成数据集,以一定的比例分为训练集和验证集并对其进行模型训练,识别AGV;
目标定位与跟踪模块,用于通过提取两个色块的质心坐标得到AGV中心点和AGV方向,将三个摄像头得到的信息融合,再使用基于ROS平台设计全局导引AGV的路径控制算法进行操控AGV到达指定地点。
与现有技术相比,本发明一种基于多目视觉AGV的定位与跟踪方法及系统的优点为:通过视频图像处理模对视频图像进行畸变校正,以便减少误差;通过视频图像特征提取模块对视频图像中的特定矩形标定板进行HSV模式转化,并对其进行二值化,执行闭操作得到标定板掩膜,对其使用canny算子进行角点检测获取角点,对图像进行透视变换;通过地图拼接模块用于利用标识物来自动识别各个角点,采用缝合线的方式在重合区域将视频图像进行拼接,形成全局地图,首先能够自动识别角点无需手动选取,其次增大了观察的视野,提高了地图精度;通过目标定位与跟踪模块,首先能够更精准的获得AGV的中心点,提高了定位精度。
附图说明
图1为本发明实施例所述方法的流程示意图
图2为地图拼接的过程示意图
图3为目标定位与跟踪的过程示意图
图4为本发明实施例所述系统的模块结构示意图
具体实施方式
附图仅用于示例性说明;
为了更好的说明本示例,附图某些部件会有省略、放大或缩小,并不能代表实际产品的尺寸。
下面结合附图和实例对本发明的技术方案做进一步的描述,但本发明并不限于这些实施例。
如附图1所示,本发明一种基于多目视觉AGV的定位与跟踪方法,包括一下步骤:
S1、视频获取步骤,通过安装在三个不同方向的摄像头拍摄所需视频图像;
S2、视频图像处理步骤,通过张正友标定法对所获取的视频图像进行畸变校正;
S3、视频图像特征提取步骤,通过对视频图像中的特定矩形标定板进行HSV模式转化,并对其进行二值化,执行闭操作得到标定板掩膜,对其使用canny算子进行角点检测获取角点,对图像进行透视变换;
其中,所述S33内容中,canny算子利用高斯函数平滑图像,其高斯函数如下所示:
其中,σ为高斯滤波函数的标准差。
S4、地图拼接步骤,在标定板内设计了方形、圆形和三角形三个标识物,利用标识物来自动识别各个角点,采用缝合线的方式在重合区域将视频图像进行拼接,形成全局地图;
如附图2所示,其中包括如下具体内容:
S41、在透视变换图像中选取左上角为原点,以标定板的边长为边长,款选标定板的ROI区域;
S42、通过灰度阈值将ROI区域二值化后使用轮廓提取算法;
S43、通过轮廓近似的算法得到轮廓的顶点,根据轮廓顶点确定形状,定点数为3则为三角形、4则为矩形、0则为圆心;
S44、通过计算轮廓的空间距得到形状的质心,通过角点和质心之间的距离,确定标定板中对应的点,采用缝合线的方式在重合区域将视频图像进行拼接,形成全局地图。
其中,所述S44内容中,空间距的表达式如下所示:
Mij=∑x,yCt(x,y)xiyj (2)
其中,Ct(x,y)表示轮廓的点集坐标。
S5、物体识别步骤,通过三个不同方向的摄像头对AGV进行图像采集,再使用Labeling工具对AGV进行标注形成数据集,以一定的比例分为训练集和验证集并对其进行模型训练,识别AGV;
S6、目标定位与跟踪步骤,在AGV车顶前后设置一大一小两个色块,通过提取两个色块的质心坐标得到AGV中心点和AGV方向,将三个摄像头得到的信息融合,再使用基于ROS平台设计全局导引AGV的路径控制算法进行操控AGV到达指定地点。
如附图3所示,其中包括如下具体内容:
S61、在识别到AGV的视频图像中,分割出AGV的ROI区域,根据色块的HSV区间对其进行二值化处理;
S62、提取两个色块的轮廓,计算轮廓的空间距得到两个色块的质心,通过两个色块的质心坐标求中心点,其中心点为AGV的中心点;
S63、通过函数计算两个色块的轮廓面积,根据轮廓面积大小对应相应色块的质心坐标,AGV的方向为小色块的质心指向大色块的质心的射线与图像坐标系x轴正方向的夹角,将定位信息进行求和取平均值;
S64、计算AGV与路径点坐标系的变换关系,控制AGV旋转至目标路径点方向,先发送一半次数的直行控制指令,通过监听AGV坐标系与路径点坐标系的变换,再次计算到目标路径点的平移和旋转量,以此反复调整直行方向,当AGV与目标路径点距离小于设定的阈值时,认为到达了目标点。
如附图4所示,一种基于多目视觉AGV的定位与跟踪系统,所述系统包括视频获取模块、视频图像处理模块、视频图像特征提取模块、地图拼接模块、物体识别模块、目标定位与跟踪模块,其中:
视频获取模块,用于利用安装在三个不同方向的摄像头获取的具有目标区域并有重叠区域的视频图像;
视频图像处理模块,用于对视频图像进行畸变校正,以便减少误差;
视频图像特征提取模块,用于对视频图像中的特定矩形标定板进行HSV模式转化,并对其进行二值化,执行闭操作得到标定板掩膜,对其使用canny算子进行角点检测获取角点,对图像进行透视变换;
地图拼接模块,用于利用标识物来自动识别各个角点,采用缝合线的方式在重合区域将视频图像进行拼接,形成全局地图;
物体识别模块,用于三个不同方向的摄像头对AGV进行图像采集,再使用Labeling工具对AGV进行标注形成数据集,以一定的比例分为训练集和验证集并对其进行模型训练,识别AGV;
目标定位与跟踪模块,用于通过提取两个色块的质心坐标得到AGV中心点和AGV方向,将三个摄像头得到的信息融合,再使用基于ROS平台设计全局导引AGV的路径控制算法进行操控AGV到达指定地点。
利用本发明提供的技术方案,解决基于全局视觉导航AGV受障碍物阻挡视野或单个摄像头获取定位失败的问题,能够更精确的对AGV进行定位和跟踪,有效提高运输效率,降低运输成本,对于智能仓储、无人搬运等行业的智能化具有重要意义。
上述实施例为本发明的较佳的实现方式,并非是对本发明的限定,在不脱离本发明的发明构思的前提下,任何显而易见的替换均在本发明的保护范围之内。
Claims (6)
1.一种基于多目视觉的AGV定位与跟踪方法,其特征在于,所述方法包括以下步骤:
S1、视频获取步骤,通过安装在三个不同方向的摄像头拍摄所需视频图像;
S2、视频图像处理步骤,通过张正友标定法对所获取的视频图像进行畸变校正;
S3、视频图像特征提取步骤,通过对视频图像中的特定矩形标定板进行HSV模式转化,并对其进行二值化,执行闭操作得到标定板掩膜,对其使用canny算子进行角点检测获取角点,对图像进行透视变换;
S4、地图拼接步骤,在标定板内设计了方形、圆形和三角形三个标识物,利用标识物来自动识别各个角点,采用缝合线的方式在重合区域将视频图像进行拼接,形成全局地图;
S5、物体识别步骤,通过三个不同方向的摄像头对AGV进行图像采集,再使用Labeling工具对AGV进行标注形成数据集,以一定的比例分为训练集和验证集并对其进行模型训练,识别AGV;
S6、目标定位与跟踪步骤,在AGV车顶前后设置一大一小两个色块,通过提取两个色块的质心坐标得到AGV中心点和AGV方向,将三个摄像头得到的信息融合,再使用基于ROS平台设计全局导引AGV的路径控制算法进行操控AGV到达指定地点。
3.根据权利要求1所述的基于多目视觉AGV的定位与跟踪方法,其特征在于,所述S4包括以下步骤:
S41、在透视变换图像中选取左上角为原点,以标定板的边长为边长,框选标定板的ROI区域;
S42、通过灰度阈值将ROI区域二值化后使用轮廓提取算法;
S43、通过轮廓近似的算法得到轮廓的顶点,根据轮廓顶点确定形状,定点数为3则为三角形、4则为矩形、0则为圆心;
S44、通过计算轮廓的空间距得到形状的质心,通过角点和质心之间的距离,确定标定板中对应的点,并将其进行相应匹配,采用缝合线的方式在重合区域将视频图像划分拼接,形成全局地图。
4.根据权利要求3所述的基于多目视觉AGV的定位与跟踪方法,其特征在于,所述S44步骤中,空间距的表达式如下所示:
Mij=∑x,yCt(x,y)xiyj (2)
其中,Ct(x,y)表示轮廓的点集坐标。
5.根据权利要求1所述的基于多目视觉AGV的定位与跟踪方法,其特征在于,所述S6包括以下步骤:
S61、在识别到AGV的视频图像中,分割出AGV的ROI区域,根据色块的HSV区间对其进行二值化处理;
S62、提取两个色块的轮廓,计算轮廓的空间距得到两个色块的质心,通过两个色块的质心坐标求中心点,其中心点为AGV的中心点;
S63、通过函数计算两个色块的轮廓面积,根据轮廓面积大小对应相应色块的质心坐标,AGV的方向为小色块的质心指向大色块的质心的射线与图像坐标系x轴正方向的夹角,将定位信息进行求和取平均值;
S64、计算AGV与路径点坐标系的变换关系,控制AGV旋转至目标路径点方向,先发送一半次数的直行控制指令,通过监听AGV坐标系与路径点坐标系的变换,再次计算到目标路径点的平移和旋转量,以此反复调整直行方向,当AGV与目标路径点距离小于设定的阈值时,认为到达了目标点。
6.一种基于多目视觉AGV的定位与跟踪系统,其特征在于,
应用如权利要求1-5任一所述的基于多目视觉的AGV定位与跟踪方法,其包括视频获取模块、视频图像处理模块、视频图像特征提取模块、地图拼接模块、物体识别模块、目标定位与跟踪模块;
视频获取模块,用于利用安装在三个不同方向的摄像头获取的具有目标区域并有重叠区域的视频图像;
视频图像处理模块,用于对视频图像进行畸变校正,以便减少误差;
视频图像特征提取模块,用于对视频图像中的特定矩形标定板进行HSV模式转化,并对其进行二值化,执行闭操作得到标定板掩膜,对其使用canny算子进行角点检测获取角点,对图像进行透视变换;
地图拼接模块,用于利用标识物来自动识别各个角点,采用缝合线的方式在重合区域将视频图像进行拼接,形成全局地图;
物体识别模块,用于三个不同方向的摄像头对AGV进行图像采集,再使用Labeling工具对AGV进行标注形成数据集,以一定的比例分为训练集和验证集并对其进行模型训练,识别AGV;
目标定位与跟踪模块,用于通过提取两个色块的质心坐标得到AGV中心点和AGV方向,将三个摄像头得到的信息融合,再使用基于ROS平台设计全局导引AGV的路径控制算法进行操控AGV到达指定地点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211305507.9A CN115439821A (zh) | 2022-10-24 | 2022-10-24 | 基于多目视觉agv的定位与跟踪方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211305507.9A CN115439821A (zh) | 2022-10-24 | 2022-10-24 | 基于多目视觉agv的定位与跟踪方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115439821A true CN115439821A (zh) | 2022-12-06 |
Family
ID=84252906
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211305507.9A Pending CN115439821A (zh) | 2022-10-24 | 2022-10-24 | 基于多目视觉agv的定位与跟踪方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115439821A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116437016A (zh) * | 2023-06-13 | 2023-07-14 | 武汉中观自动化科技有限公司 | 物体扫描方法、装置、电子设备及存储介质 |
-
2022
- 2022-10-24 CN CN202211305507.9A patent/CN115439821A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116437016A (zh) * | 2023-06-13 | 2023-07-14 | 武汉中观自动化科技有限公司 | 物体扫描方法、装置、电子设备及存储介质 |
CN116437016B (zh) * | 2023-06-13 | 2023-10-10 | 武汉中观自动化科技有限公司 | 物体扫描方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10930015B2 (en) | Method and system for calibrating multiple cameras | |
CN110096059B (zh) | 自动驾驶方法、装置、设备及存储介质 | |
Veľas et al. | Calibration of rgb camera with velodyne lidar | |
CN110163912B (zh) | 二维码位姿标定方法、装置及系统 | |
CN111611989B (zh) | 一种基于自主机器人的多目标精准定位识别方法 | |
Pegard et al. | A mobile robot using a panoramic view | |
CN108305264A (zh) | 一种基于图像处理的无人机精确着陆方法 | |
CN104835173A (zh) | 一种基于机器视觉的定位方法 | |
Momeni-k et al. | Height estimation from a single camera view | |
CN110488838A (zh) | 一种室内自主导航机器人精确重复定位方法 | |
CN115439821A (zh) | 基于多目视觉agv的定位与跟踪方法及系统 | |
Avgeris et al. | Single vision-based self-localization for autonomous robotic agents | |
CN112363495A (zh) | 一种畜禽养殖场巡检机器人的导航方法 | |
CN113378701B (zh) | 一种基于无人机的地面多agv状态监测方法 | |
WO2023036212A1 (zh) | 货架定位方法、货架对接方法以及装置、设备、介质 | |
CN114911244B (zh) | 田埂避障控制方法、装置和农用自动驾驶设备 | |
Mutka et al. | A low cost vision based localization system using fiducial markers | |
CN109584296A (zh) | 一种基于单目视觉的叉车识别测距方法 | |
CN205352386U (zh) | 一种基于机器人的分布式视觉定位系统 | |
CN115902977A (zh) | 基于视觉和gps的变电站机器人双重定位方法及系统 | |
CN114237280A (zh) | 一种无人机精准降落机巢平台的方法 | |
Liu et al. | An image-based accurate alignment for substation inspection robot | |
CN114019963B (zh) | 一种面向桌面集群机器人的外部定位系统 | |
Shilin et al. | Application of a Depth Camera for Constructing Complex Three-Dimensional Models in Multiple Scanning Complexes | |
Calera et al. | Under-Canopy Navigation for an Agricultural Rover Based on Image Data |
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 |