CN115562304A - 一种基于深度点云的移动机器人视觉伺服控制方法和系统 - Google Patents

一种基于深度点云的移动机器人视觉伺服控制方法和系统 Download PDF

Info

Publication number
CN115562304A
CN115562304A CN202211354478.5A CN202211354478A CN115562304A CN 115562304 A CN115562304 A CN 115562304A CN 202211354478 A CN202211354478 A CN 202211354478A CN 115562304 A CN115562304 A CN 115562304A
Authority
CN
China
Prior art keywords
mobile robot
pose
obstacle
point cloud
depth 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
Application number
CN202211354478.5A
Other languages
English (en)
Inventor
徐孝彬
王文
陈子恒
冉莹莹
谭治英
徐林森
骆敏舟
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.)
Jiangsu China Israel Industrial Technology Research Institute
Changzhou Campus of Hohai University
Original Assignee
Jiangsu China Israel Industrial Technology Research Institute
Changzhou Campus of Hohai University
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 Jiangsu China Israel Industrial Technology Research Institute, Changzhou Campus of Hohai University filed Critical Jiangsu China Israel Industrial Technology Research Institute
Priority to CN202211354478.5A priority Critical patent/CN115562304A/zh
Publication of CN115562304A publication Critical patent/CN115562304A/zh
Pending legal-status Critical Current

Links

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
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • 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
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Electromagnetism (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种基于深度点云的移动机器人视觉伺服控制方法和系统，方法包括：获取移动机器人周围环境深度点云信息；对所获取的深度点云信息进行预处理，得到障碍物的方向和距离信息；根据障碍物的方向和距离信息以及移动机器人的当前位姿计算得到移动机器人与障碍物的当前相对位置；根据预设的移动机器人的期望位姿、移动机器人的当前位姿以及移动机器人与障碍物的当前相对位置计算得到移动机器人的位姿误差；根据移动机器人的位姿误差调整移动机器人的位姿。本发明解决了传统的视觉伺服对弱纹理特征图像特征难以提取的问题，且计算量更低、鲁棒性更高、稳定性更好。

Description

一种基于深度点云的移动机器人视觉伺服控制方法和系统
技术领域
本发明属于移动机器人技术领域，具体涉及一种基于深度点云的移动机器人视觉伺服控制方法和系统。
背景技术
移动机器人是一种集合环境感知和行为控制于一体的智能系统，在生产制造、医疗救援以及生活服务领域都有着广阔的发展前景。针对移动机器人控制问题，各种传感器的应用层出不穷，其中视觉伺服控制法是当下应用最广泛的方法之一。
目前，大部分视觉伺服控制使用的是基于图像的方法，根据传感器获取的图像信息将图像特征参数的变化同机器人位姿变化联系起来，从而进行控制，但是该方法存在机器人轨迹难以控制、对环境要求高的缺点。另一种基于位置的视觉伺服控制方法是根据当前位姿与目标位姿计算出控制量，实现控制轨迹，但是过于依赖于目标位姿的估计精度，且图像误差的鲁棒性过差。
发明内容
本发明的目的在于克服现有技术中的不足，提供一种基于深度点云的移动机器人视觉伺服控制方法和系统，解决了传统的视觉伺服对弱纹理特征图像特征难以提取的问题，且计算量更低、鲁棒性更高、稳定性更好。
本发明提供了如下的技术方案：
第一方面，提供一种基于深度点云的移动机器人视觉伺服控制方法，包括：
获取移动机器人周围环境深度点云信息；
对所获取的深度点云信息进行预处理，得到障碍物的方向和距离信息；
根据障碍物的方向和距离信息以及移动机器人的当前位姿计算得到移动机器人与障碍物的当前相对位置；
根据预设的移动机器人的期望位姿、移动机器人的当前位姿以及移动机器人与障碍物的当前相对位置计算得到移动机器人的位姿误差；
根据移动机器人的位姿误差调整移动机器人的位姿。
进一步的，所述深度点云信息通过Realsence D435深度相机采集，对所述深度点云信息进行的预处理包括：体素滤波、坐标变换、直通滤波、高斯滤波、降维处理以及将点云的直角坐标转换为极坐标。
进一步的，所述移动机器人的当前位姿根据移动机器人的运动学模型获得；所述移动机器人的运动学模型的建立方法包括：
在世界坐标系的X-Y平面内设定移动机器人的起始位置，当移动机器人在世界坐标系下运动时，建立其运动学方程：
Figure BDA0003920475480000021
Figure BDA0003920475480000022
式中，vi和ωi分别为移动机器人在机器人坐标系中的线速度和角速度；
Figure BDA0003920475480000031
为移动机器人在世界坐标系中的位姿(xi,yi,θi)对时间的一阶导数，假定移动机器人质心与中心重合，(xi,yi)为移动机器人的几何中心坐标，θi为移动机器人的线速度矢量与X轴的夹角；viL和viR分别为移动机器人左右两履带的速度，L1为移动机器人左右两履带之间的距离。
进一步的，计算所述移动机器人与障碍物的当前相对位置的方法包括：
Figure BDA0003920475480000032
Figure BDA0003920475480000033
式中，de为移动机器人与障碍物的垂直距离，d为移动机器人沿着其横坐标X0方向与障碍物的直线距离，
Figure BDA0003920475480000034
与
Figure BDA0003920475480000035
分别为移动机器人以横坐标X0方向为角平分线向左右两边发散的角度，θt为移动机器人至障碍物的垂线与横坐标X0之间偏离的夹角，p1为移动机器人沿着
Figure BDA0003920475480000036
方向与障碍物的直线距离，p2为机器人沿着
Figure BDA0003920475480000037
方向与障碍物的直线距离。
进一步的，计算所述移动机器人的位姿误差的方法包括：在世界坐标系下，令：
Δp＝p*-p (5)
Figure BDA0003920475480000041
其中
Figure BDA0003920475480000042
则：
Figure BDA0003920475480000043
式中，Δp＝[xe,ye,θe]为移动机器人的位姿误差，P*＝[x1,y1,θ1]为移动机器人的期望位姿，P＝[x0,y0,θ0]为移动机器人的当前位姿。
进一步的，若所述移动机器人的位姿误差大于设定阈值，则基于移动机器人的位姿误差和李雅普诺夫函数计算移动机器人的控制率，建立视觉伺服控制器以实时调整移动机器人的位姿，直至移动机器人的位姿误差小于设定阈值，结束流程，完成移动机器人的位姿调整。
进一步的，计算所述移动机器人的控制率的方法包括：
对移动机器人的位置误差Δp进行微分：
Figure BDA0003920475480000044
根据移动机器人的位置误差微分
Figure BDA0003920475480000045
选取V函数为李雅普诺夫函数：
Figure BDA0003920475480000051
对V函数进行微分：
Figure BDA0003920475480000052
计算移动机器人的控制率为：
Figure BDA0003920475480000053
将公式(11)带入公式(10)证明移动机器人控制率的稳定性，得到：
Figure BDA0003920475480000054
式中，
Figure BDA0003920475480000055
为移动机器人的位置误差微分，式中
Figure BDA0003920475480000056
为V函数的微分，v0和v1分别为移动机器人当前位姿和期望位姿的速度，ω0和ω1分别为移动机器人当前位姿和期望位姿的角速度，k1，k2，k3＞0，均为控制参数。
第二方面，提供一种基于深度点云的移动机器人视觉伺服控制系统，包括：
信息获取模块，用于获取移动机器人周围环境深度点云信息；
预处理模块，用于对所获取的深度点云信息进行预处理，得到障碍物的方向和距离信息；
第一数据处理模块，用于根据障碍物的方向和距离信息以及移动机器人的当前位姿计算得到移动机器人与障碍物的当前相对位置；
第二数据处理模块，根据预设的移动机器人的期望位姿、移动机器人的当前位姿以及移动机器人与障碍物的当前相对位置计算得到移动机器人的位姿误差；
位姿调整模块，用于根据移动机器人的位姿误差调整移动机器人的位姿。
第三方面，提供一种基于深度点云的移动机器人视觉伺服控制装置，包括处理器及存储介质；所述存储介质用于存储指令；所述处理器用于根据所述指令进行操作以执行第一方面所述方法的步骤。
第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现第一方面所述方法的步骤。
与现有技术相比，本发明的有益效果是：
本发明基于移动机器人周围环境深度点云信息，通过对深度点云信息进行预处理得到障碍物的方向和距离信息，进而计算移动机器人与障碍物的当前相对位置以及移动机器人的位姿误差，最终根据移动机器人的位姿误差不断调整移动机器人的位姿以达期望位置，解决了传统的视觉伺服对弱纹理特征图像特征难以提取的问题，且计算量更低、鲁棒性更高、稳定性更好。
附图说明
图1是本发明实施例中基于深度点云的移动机器人视觉伺服控制方法的流程示意图；
图2是本发明实施例中移动机器人的运动学模型；
图3是本发明实施例中深度点云信息预处理的流程示意图；
图4是本发明实施例中移动机器人与障碍物的相对位置关系数学模型。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例1
如图1所示，本实施例以四履带双摇臂差速移动机器人为例，提供一种基于深度点云的移动机器人视觉伺服控制方法，具体包括以下步骤：
步骤一、如图2所示，在世界坐标系的X-Y平面内设定移动机器人的起始位置，当移动机器人在世界坐标系下运动时，建立其运动学模型方程：
Figure BDA0003920475480000071
其中：
Figure BDA0003920475480000072
式中，vi和ωi分别为移动机器人在机器人坐标系中的线速度和角速度；
Figure BDA0003920475480000081
为移动机器人在世界坐标系中的位姿(xi,yi,θi)对时间的一阶导数，假定移动机器人质心与中心重合，(xi,yi)为移动机器人的几何中心坐标，θi为移动机器人的线速度矢量与X轴的夹角；viL和viR分别为移动机器人左右两履带的速度，L1为移动机器人左右两履带之间的距离。
步骤二、通过Realsence D435深度相机实时采集移动机器人的周围环境深度点云信息。
步骤三、如图3所示，对步骤二中获取的深度点云信息进行预处理，包括：体素滤波、坐标变换、直通滤波、高斯滤波、降维处理以及将点云的直角坐标转换为极坐标，得到障碍物的方向和距离信息。
步骤四、如图4所示，根据步骤三得到的障碍物的方向和距离信息以及移动机器人的当前位姿建立数学关系，计算得到移动机器人与障碍物的当前相对位置，具体为：
Figure BDA0003920475480000082
计算获得：
Figure BDA0003920475480000083
式中，de为移动机器人与障碍物的垂直距离，d为移动机器人沿着其横坐标X0方向与障碍物的直线距离，
Figure BDA0003920475480000097
与
Figure BDA0003920475480000098
分别为移动机器人以横坐标X0方向为角平分线向左右两边发散的角度，θt为移动机器人至障碍物的垂线与横坐标X0之间偏离的夹角，p1为移动机器人沿着
Figure BDA0003920475480000091
方向与障碍物的直线距离，p2为机器人沿着
Figure BDA0003920475480000092
方向与障碍物的直线距离。
步骤五、根据预设的移动机器人的期望位姿、移动机器人的当前位姿以及移动机器人与障碍物的当前相对位置计算得到移动机器人的位姿误差。具体的，在世界坐标系下，设定移动机器人的期望位姿P*＝[x1,y1,θ1]，根据移动机器人的运动学模型获得移动机器人的当前位姿P＝[x0,y0,θ0]，构建移动机器人的位姿误差模型：
Δp＝p*-p (5)
Figure BDA0003920475480000093
其中，Δp＝[xe,ye,θe]为移动机器人的位姿误差，
Figure BDA0003920475480000094
Figure BDA0003920475480000095
则：
Figure BDA0003920475480000096
步骤六、若移动机器人的位姿误差大于设定阈值ε，则基于移动机器人的位姿误差和李雅普诺夫函数计算移动机器人的控制率，建立视觉伺服控制器以实时调整移动机器人的位姿，具体为：
对移动机器人的位置误差Δp进行微分：
Figure BDA0003920475480000101
根据移动机器人的位置误差微分
Figure BDA0003920475480000102
选取V函数为李雅普诺夫函数：
Figure BDA0003920475480000103
对V函数(9)进行微分：
Figure BDA0003920475480000104
由公式(10)可得移动机器人的控制率为：
Figure BDA0003920475480000105
式中，
Figure BDA0003920475480000106
为移动机器人的位置误差微分，式中
Figure BDA0003920475480000107
为V函数的微分，v0和v1分别为移动机器人当前位姿和期望位姿的速度，ω0和ω1分别为移动机器人当前位姿和期望位姿的角速度，k1，k2，k3＞0，均为控制参数。
将公式(11)带入公式(10)证明移动机器人控制率的稳定性，得到：
Figure BDA0003920475480000111
由公式(9)和公式(12)可知，选取的V函数是满足李雅普诺夫稳定性条件的，所提出的移动机器人的控制率是稳定的。
步骤七、重复步骤一至步骤六，直至移动机器人的位姿误差小于设定阈值ε，结束流程，移动机器人以垂直于障碍物方向的姿态到达期望位置，完成移动机器人的位姿调整。
实施例2
本实施例提供一种基于深度点云的移动机器人视觉伺服控制系统，包括：
信息获取模块，用于获取移动机器人周围环境深度点云信息；
预处理模块，用于对所获取的深度点云信息进行预处理，得到障碍物的方向和距离信息；
第一数据处理模块，用于根据障碍物的方向和距离信息以及移动机器人的当前位姿计算得到移动机器人与障碍物的当前相对位置；
第二数据处理模块，根据预设的移动机器人的期望位姿、移动机器人的当前位姿以及移动机器人与障碍物的当前相对位置计算得到移动机器人的位姿误差；
位姿调整模块，用于根据移动机器人的位姿误差调整移动机器人的位姿。
实施例3
本实施例提供一种基于深度点云的移动机器人视觉伺服控制装置，包括处理器及存储介质；所述存储介质用于存储指令；所述处理器用于根据所述指令进行操作以执行实施例1所述方法的步骤。
实施例4
本实施例提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现实施例1所述方法的步骤。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (10)

1.一种基于深度点云的移动机器人视觉伺服控制方法，其特征在于，包括：
获取移动机器人周围环境深度点云信息；
对所获取的深度点云信息进行预处理，得到障碍物的方向和距离信息；
根据障碍物的方向和距离信息以及移动机器人的当前位姿计算得到移动机器人与障碍物的当前相对位置；
根据预设的移动机器人的期望位姿、移动机器人的当前位姿以及移动机器人与障碍物的当前相对位置计算得到移动机器人的位姿误差；
根据移动机器人的位姿误差调整移动机器人的位姿。
2.根据权利要求1所述的基于深度点云的移动机器人视觉伺服控制方法，其特征在于，所述深度点云信息通过Realsence D435深度相机采集，对所述深度点云信息进行的预处理包括：体素滤波、坐标变换、直通滤波、高斯滤波、降维处理以及将点云的直角坐标转换为极坐标。
3.根据权利要求1所述的基于深度点云的移动机器人视觉伺服控制方法，其特征在于，所述移动机器人的当前位姿根据移动机器人的运动学模型获得；所述移动机器人的运动学模型的建立方法包括：
在世界坐标系的X-Y平面内设定移动机器人的起始位置，当移动机器人在世界坐标系下运动时，建立其运动学方程：
Figure FDA0003920475470000011
Figure FDA0003920475470000021
式中，vi和ωi分别为移动机器人在机器人坐标系中的线速度和角速度；
Figure FDA0003920475470000022
为移动机器人在世界坐标系中的位姿(xi,yi,θi)对时间的一阶导数，假定移动机器人质心与中心重合，(xi,yi)为移动机器人的几何中心坐标，θi为移动机器人的线速度矢量与X轴的夹角；viL和viR分别为移动机器人左右两履带的速度，L1为移动机器人左右两履带之间的距离。
4.根据权利要求1所述的基于深度点云的移动机器人视觉伺服控制方法，其特征在于，计算所述移动机器人与障碍物的当前相对位置的方法包括：
Figure FDA0003920475470000023
Figure FDA0003920475470000024
式中，de为移动机器人与障碍物的垂直距离，d为移动机器人沿着其横坐标X0方向与障碍物的直线距离，
Figure FDA0003920475470000025
与
Figure FDA0003920475470000026
分别为移动机器人以横坐标X0方向为角平分线向左右两边发散的角度，θt为移动机器人至障碍物的垂线与横坐标X0之间偏离的夹角，p1为移动机器人沿着
Figure FDA0003920475470000031
方向与障碍物的直线距离，p2为机器人沿着
Figure FDA0003920475470000032
方向与障碍物的直线距离。
5.根据权利要求4所述的基于深度点云的移动机器人视觉伺服控制方法，其特征在于，计算所述移动机器人的位姿误差的方法包括：在世界坐标系下，令：
Δp＝p*-p (5)
Figure FDA0003920475470000033
其中
Figure FDA0003920475470000034
则：
Figure FDA0003920475470000035
式中，Δp＝[xe,ye,θe]为移动机器人的位姿误差，P*＝[x1,y1,θ1]为移动机器人的期望位姿，P＝[x0,y0,θ0]为移动机器人的当前位姿。
6.根据权利要求5所述的基于深度点云的移动机器人视觉伺服控制方法，其特征在于，若所述移动机器人的位姿误差大于设定阈值，则基于移动机器人的位姿误差和李雅普诺夫函数计算移动机器人的控制率，建立视觉伺服控制器以实时调整移动机器人的位姿，直至移动机器人的位姿误差小于设定阈值，结束流程，完成移动机器人的位姿调整。
7.根据权利要求6所述的基于深度点云的移动机器人视觉伺服控制方法，其特征在于，计算所述移动机器人的控制率的方法包括：
对移动机器人的位置误差Δp进行微分：
Figure FDA0003920475470000041
根据移动机器人的位置误差微分
Figure FDA0003920475470000042
选取V函数为李雅普诺夫函数：
Figure FDA0003920475470000043
对V函数进行微分：
Figure FDA0003920475470000044
计算移动机器人的控制率为：
Figure FDA0003920475470000045
将公式(11)带入公式(10)证明移动机器人控制率的稳定性，得到：
Figure FDA0003920475470000046
式中，
Figure FDA0003920475470000047
为移动机器人的位置误差微分，式中
Figure FDA0003920475470000048
为V函数的微分，v0和v1分别为移动机器人当前位姿和期望位姿的速度，ω0和ω1分别为移动机器人当前位姿和期望位姿的角速度，k1，k2，k3＞0，均为控制参数。
8.一种基于深度点云的移动机器人视觉伺服控制系统，其特征在于，包括：
信息获取模块，用于获取移动机器人周围环境深度点云信息；
预处理模块，用于对所获取的深度点云信息进行预处理，得到障碍物的方向和距离信息；
第一数据处理模块，用于根据障碍物的方向和距离信息以及移动机器人的当前位姿计算得到移动机器人与障碍物的当前相对位置；
第二数据处理模块，根据预设的移动机器人的期望位姿、移动机器人的当前位姿以及移动机器人与障碍物的当前相对位置计算得到移动机器人的位姿误差；
位姿调整模块，用于根据移动机器人的位姿误差调整移动机器人的位姿。
9.一种基于深度点云的移动机器人视觉伺服控制装置，其特征在于，包括处理器及存储介质；所述存储介质用于存储指令；所述处理器用于根据所述指令进行操作以执行权利要求1～7任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1～7任一项所述方法的步骤。
CN202211354478.5A 2022-11-01 2022-11-01 一种基于深度点云的移动机器人视觉伺服控制方法和系统 Pending CN115562304A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211354478.5A CN115562304A (zh) 2022-11-01 2022-11-01 一种基于深度点云的移动机器人视觉伺服控制方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211354478.5A CN115562304A (zh) 2022-11-01 2022-11-01 一种基于深度点云的移动机器人视觉伺服控制方法和系统

Publications (1)

Publication Number Publication Date
CN115562304A true CN115562304A (zh) 2023-01-03

Family

ID=84769548

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211354478.5A Pending CN115562304A (zh) 2022-11-01 2022-11-01 一种基于深度点云的移动机器人视觉伺服控制方法和系统

Country Status (1)

Country Link
CN (1) CN115562304A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116974288A (zh) * 2023-09-20 2023-10-31 深圳鹏行智能研究有限公司 机器人控制方法以及机器人

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116974288A (zh) * 2023-09-20 2023-10-31 深圳鹏行智能研究有限公司 机器人控制方法以及机器人
CN116974288B (zh) * 2023-09-20 2024-03-15 深圳鹏行智能研究有限公司 机器人控制方法以及机器人

Similar Documents

Publication Publication Date Title
Piazzi et al. Quintic G/sup 2/-splines for the iterative steering of vision-based autonomous vehicles
CN109131325B (zh) 智能驾驶汽车的三维可拓预瞄切换的车道保持控制方法
CN105081524B (zh) 焊接过程中轨迹在线动态规划与焊道跟踪协同的控制方法
CN114043479B (zh) 一种误差矫正的地坪磨抛机器人轨迹纠偏方法及装置
CN113093804B (zh) 基于反演滑模控制的无人艇编队控制方法和控制系统
CN111308884A (zh) 一种全向移动agv多舵轮协同控制方法
CN107589720A (zh) 一种等效平面交叉耦合控制方法
CN115562304A (zh) 一种基于深度点云的移动机器人视觉伺服控制方法和系统
CN109032128B (zh) 离散多agv非质点系统的三角编队控制方法
CN115032984A (zh) 一种面向港口物流智能机器人的半自主导航方法及系统
CN114740863A (zh) 一种基于领航跟随的多机编队控制方法及装置
CN112099505B (zh) 一种低复杂度的移动机器人视觉伺服编队控制方法
CN112379638B (zh) 一种基于有限脉冲响应滤波的样条曲线插补方法
CN112650217B (zh) 一种基于评估函数的机器人轨迹跟踪策略动态优化方法
CN110722547B (zh) 模型未知动态场景下移动机器人视觉镇定
Wang et al. Fuzzy-PI double-layer stability control of an online vision-based tracking system
CN115903833A (zh) 一种移动机器人的追踪控制方法
Linlin Research on robot motion control and trajectory tracking based on agricultural seeding
Cui et al. AGV research based on inertial navigation and vision fusion
Hwang et al. Robust 2D map building with motion-free ICP algorithm for mobile robot navigation
Chang et al. Mobile robot navigation and control with monocular surveillance cameras
CN104527780A (zh) 一种四轮独立转向车辆的转向控制方法
Wang et al. Visual Servoing Control Method of 3D Robot Based on 3D Point Cloud Processing
CN112123370B (zh) 期望位姿变动的移动机器人视觉镇定控制
Chen et al. Multi-Sensor Fusion Tomato Picking Robot Localization and Mapping Research

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