CN116476073A - 一种末端位置确定方法、装置、电子设备和存储介质 - Google Patents
一种末端位置确定方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN116476073A CN116476073A CN202310668834.9A CN202310668834A CN116476073A CN 116476073 A CN116476073 A CN 116476073A CN 202310668834 A CN202310668834 A CN 202310668834A CN 116476073 A CN116476073 A CN 116476073A
- Authority
- CN
- China
- Prior art keywords
- information
- current
- motion parameter
- end position
- motion
- 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 45
- 238000006073 displacement reaction Methods 0.000 claims description 27
- 230000001133 acceleration Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 description 23
- 238000012545 processing Methods 0.000 description 11
- 230000036461 convulsion Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 239000012636 effector Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本发明实施例公开了一种末端位置确定方法、装置、电子设备和存储介质,该方法包括:获取目标机器人在当前时刻所处于的当前末端位置对应的当前运动状态信息;获取目标机器人的上一末端位置对应的上一运动参数信息和上一运动参数协方差信息;将当前运动状态信息、上一运动参数信息和上一运动参数协方差信息输入至目标预测网络模型中进行当前末端位置的预测;基于目标预测网络模型输出的当前运动参数信息,确定目标机器人在当前时刻所处于的当前末端位置。通过本发明实施例的技术方案,提高末端位置确定的准确性。
Description
技术领域
本发明实施例涉及计算机技术,尤其涉及一种末端位置确定方法、装置、电子设备和存储介质。
背景技术
机器人在运作时需要确定机器人的末端设备所在的位置。目前,通常是在末端设备上加装标定球,并通过近红外光学定位相机识别标定球的位置,间接确定末端设备所在的位置。然而,由于机器人运作过程中出现的机械振动和近红外光学定位相机中的传感器的测量误差,会导致末端位置确定的不准确。
发明内容
本发明实施例提供了一种末端位置确定方法、装置、电子设备和存储介质,以提高末端位置确定的准确性。
第一方面,本发明实施例提供了一种末端位置确定方法,包括:
获取目标机器人在当前时刻所处于的当前末端位置对应的当前运动状态信息,其中,所述当前运动状态信息包括:通过所述目标机器人自身获得的第一运动状态信息和通过定位相机获得的第二运动状态信息;
获取所述目标机器人的上一末端位置对应的上一运动参数信息和上一运动参数协方差信息;
将所述当前运动状态信息、所述上一运动参数信息和所述上一运动参数协方差信息输入至目标预测网络模型中进行当前末端位置的预测,其中,所述目标预测网络模型用于:基于所述当前运动状态信息、所述上一运动参数信息和所述上一运动参数协方差信息进行位置预测和调整,确定并输出当前运动参数信息和当前运动参数协方差信息;
基于所述目标预测网络模型输出的当前运动参数信息,确定所述目标机器人在当前时刻所处于的当前末端位置。
第二方面,本发明实施例提供了一种末端位置确定装置,包括:
当前运动状态信息获取模块,用于获取目标机器人在当前时刻所处于的当前末端位置对应的当前运动状态信息,其中,所述当前运动状态信息包括:通过所述目标机器人自身获得的第一运动状态信息和通过定位相机获得的第二运动状态信息;
上一运动参数信息获取模块,用于获取所述目标机器人的上一末端位置对应的上一运动参数信息和上一运动参数协方差信息;
当前末端位置预测模块,用于将所述当前运动状态信息、所述上一运动参数信息和所述上一运动参数协方差信息输入至目标预测网络模型中进行当前末端位置的预测,其中,所述目标预测网络模型用于:基于所述当前运动状态信息、所述上一运动参数信息和所述上一运动参数协方差信息进行位置预测和调整,确定并输出当前运动参数信息和当前运动参数协方差信息;
当前末端位置确定模块,用于基于所述目标预测网络模型输出的当前运动参数信息,确定所述目标机器人在当前时刻所处于的当前末端位置。
第三方面,本发明实施例提供了一种电子设备,所述电子设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明任意实施例所提供的末端位置确定方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任意实施例所提供的末端位置确定方法。
本发明实施例的技术方案,通过获取目标机器人在当前时刻所处于的当前末端位置对应的当前运动状态信息,其中,所述当前运动状态信息包括:通过所述目标机器人自身获得的第一运动状态信息和通过定位相机获得的第二运动状态信息;获取所述目标机器人的上一末端位置对应的上一运动参数信息和上一运动参数协方差信息;将所述当前运动状态信息、所述上一运动参数信息和所述上一运动参数协方差信息输入至目标预测网络模型中进行当前末端位置的预测,从而在所述目标预测网络模型中,基于所述上一运动参数信息和所述上一运动参数协方差信息进行末端位置预测,并基于所述当前运动状态信息对预测出的末端位置信息进行调整;目标预测网络模型确定并输出当前运动参数信息和当前运动参数协方差信息;基于所述目标预测网络模型输出的当前运动参数信息,确定所述目标机器人在当前时刻所处于的当前末端位置,从而使得调整后的末端位置更接近实际末端位置,进而提高末端位置确定的准确性。
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是本发明实施例一提供的一种末端位置确定方法的流程图;
图2是本发明实施例二提供的一种末端位置确定方法的流程图;
图3是本发明实施例三提供的一种末端位置确定装置的结构示意图;
图4是本发明实施例四提供的一种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末端位置确定方法的流程图,本实施例可适用于对手术机器人末端执行器的位置自动确定的情况,该方法可以由末端位置确定装置来执行,该末端位置确定装置可以采用硬件和/或软件的形式实现,该末端位置确定装置可配置于电子设备中。如图1所示,该方法包括:
S110、获取目标机器人在当前时刻所处于的当前末端位置对应的当前运动状态信息,其中,当前运动状态信息包括:通过目标机器人自身获得的第一运动状态信息和通过定位相机获得的第二运动状态信息。
其中,目标机器人可以是指在运行时需要实时确定末端位置的机器人。例如,目标机器人可以是但不限于手术机器人。末端位置可以是指目标机器人末端执行器的位置。当前末端位置可以是指当前时刻下目标机器人对应的末端位置。当前运动状态信息可以包括第一运动状态信息和第二运动状态信息。第一运动状态信息可以是但不限于由矩阵组成的信息。第一运动状态信息可以通过目标机器人自身获得的运动状态信息。第二运动状态信息可以通过定位相机获得的运动状态信息。第二运动状态信息可以是但不限于由矩阵组成的信息。当前运动状态信息可以包括目标机器人的当前末端位置对应的位移信息、速度信息、角位移信息和角速度信息。例如,第一运动状态信息可以是其中,下角标“1”用于表示通过目标机器人自身获得的运动状态信息。第二运动状态信息可以是其中,下角标“2”用于表示通过定位相机获得的运动状态信息。X表示x方向的位移值,Y表示y方向的位移值,Z表示z方向的位移值,/>表示x方向的速度值,/>表示y方向的速度值,/>表示z方向的速度值,Rx表示x方向的角位移值,Ry表示y方向的角位移值,Rz表示z方向的角位移值,/>表示x方向的角速度值,/>表示y方向的角速度值,/>表示z方向的角速度值。
S120、获取目标机器人的上一末端位置对应的上一运动参数信息和上一运动参数协方差信息。
其中,上一末端位置可以是指上一时刻下目标机器人对应的末端位置。上一运动参数信息可以是指目标预测网络模型上一时刻下输出的运动参数信息。上一运动参数信息可以包括目标机器人的上一末端位置对应的位移信息、速度信息、加速度信息、角位移信息、角速度信息和角加速度信息。运动参数信息可以是但不限于由矩阵组成的信息。例如,上一运动参数信息可以是其中,/>表示x方向的加速度值,/>表示y方向的加速度值,/>表示z方向的加速度值,/>表示x方向的角加速度值,/>表示y方向的角加速度值,/>表示z方向的角加速度值。上一运动参数协方差信息可以是指目标预测网络模型上一时刻下输出的运动参数协方差信息。运动参数协方差信息可以是指配合运动状态信息和运动参数信息对预测末端位置进行调整的比重信息。运动参数协方差信息可以是但不限于由矩阵组成的信息。
S130、将当前运动状态信息、上一运动参数信息和上一运动参数协方差信息输入至目标预测网络模型中进行当前末端位置的预测,其中,目标预测网络模型用于:基于当前运动状态信息、上一运动参数信息和上一运动参数协方差信息进行位置预测和调整,确定并输出当前运动参数信息和当前运动参数协方差信息。
其中,当前运动参数信息可以是指目标机器人在当前时刻所处于的当前末端位置对应的运动参数信息。当前运动参数协方差信息可以是指目标机器人在当前时刻所处于的当前末端位置对应的运动参数协方差信息。
具体地,将当前运动状态信息、上一运动参数信息和上一运动参数协方差信息输入至目标预测网络模型中进行当前末端位置的预测。在目标预测网络模型中,基于上一运动参数信息和上一运动参数协方差信息进行末端位置的预测,并基于当前运动状态信息对预测的末端位置进行调整,从而更加准确地确定并输出目标机器人在当前时刻所处于的当前末端位置对应的当前运动参数信息和当前运动参数协方差信息。
S140、基于目标预测网络模型输出的当前运动参数信息,确定目标机器人在当前时刻所处于的当前末端位置。
其中,当前末端位置可以是指经过位置调整后确定的目标机器人在当前时刻所处于的末端位置。具体地,基于目标预测网络模型输出的当前运动参数信息中与位移量相关的元素,确定目标机器人在当前时刻所处于的当前末端位置。在初始时刻下目标机器人的初始末端位置是固定的。例如,可以利用当前运动参数信息中与位移量相关的元素X、Y、Z、Rx、Ry、Rz,在初始末端位置的基础上进行逐个位移元素和角位移元素的相加处理,确定出目标机器人在当前时刻所处于的当前末端位置。
本发明实施例的技术方案,通过获取目标机器人在当前时刻所处于的当前末端位置对应的当前运动状态信息,其中,当前运动状态信息包括:通过目标机器人自身获得的第一运动状态信息和通过定位相机获得的第二运动状态信息;获取目标机器人的上一末端位置对应的上一运动参数信息和上一运动参数协方差信息;将当前运动状态信息、上一运动参数信息和上一运动参数协方差信息输入至目标预测网络模型中进行当前末端位置的预测,从而在目标预测网络模型中,基于上一运动参数信息和上一运动参数协方差信息进行末端位置预测,并基于当前运动状态信息对预测出的末端位置信息进行调整;目标预测网络模型确定并输出当前运动参数信息和当前运动参数协方差信息;基于目标预测网络模型输出的当前运动参数信息,确定目标机器人在当前时刻所处于的当前末端位置,从而使得调整后的末端位置更接近实际末端位置,进而提高末端位置确定的准确性。
实施例二
图2为本发明实施例二提供的一种末端位置确定方法的流程图,本实施例在上述实施例的基础上,对基于当前运动状态信息、上一运动参数信息和上一运动参数协方差信息进行位置预测和调整的过程进行详细描述。其中与上述各实施例相同或相应的术语的解释在此不再赘述。如图2所示,该方法包括:
S210、获取目标机器人在当前时刻所处于的当前末端位置对应的当前运动状态信息,其中,当前运动状态信息包括:通过目标机器人自身获得的第一运动状态信息和通过定位相机获得的第二运动状态信息。
S220、获取目标机器人的上一末端位置对应的上一运动参数信息和上一运动参数协方差信息。
S230、将上一运动参数信息和上一运动参数协方差信息输入至位置预测子模型中,在位置预测子模型中进行当前末端位置的预测,确定当前末端位置对应的待选运动参数信息和待选运动参数协方差信息。
其中,目标预测网络模型可以包括位置预测子模型和位置调整子模型。位置预测子模型用于:基于上一运动参数信息和上一运动参数协方差信息进行当前末端位置的预测,确定并输出当前末端位置对应的待选运动参数信息和待选运动参数协方差信息。待选运动参数信息可以是指上一运动参数信息经过当前末端位置预测处理后获得的运动参数信息。待选运动参数协方差信息可以是指上一运动参数协方差信息经过当前末端位置预测处理后获得的运动参数协方差信息。
具体地,将上一运动参数信息和上一运动参数协方差信息输入至位置预测子模型中,在位置预测子模型中利用上一运动参数信息中的各个元素可以进行当前末端位置的预测,并确定当前末端位置对应的待选运动参数信息。例如,可以利用z方向上的上一时刻的加速度信息、速度信息、位移信息确定当前时刻的位移信息。可用下列公式表示:其中,/>为上一时刻z方向上的加加速度,/>为当前时刻z方向上的位移预测值。Δt为上一时刻与当前时刻之间的时间差值。从而实现针对机器人末端执行器受外力作用偏移指定位置,建立位置预测子模型,能更准确的贴合实际情况,在该子模型基础上进行测量数据融合,进而实现末端位置调整。
需要说明的是,每一时刻下机器人末端位置对应的x、y、z方向上的加加速度和角加加速度是不变的。例如,z方向上的每一时刻下加加速度可以表示为其中,下角标k可用于表示当前时刻,下角标k-1可用于表示上一时刻。可通过加加速度信息确定当前时刻的加速度信息。可用上一时刻下的加加速度/> 表示当前时刻的加速度/>其中,/>可用上一时刻下的加加速度/>加速度/>和速度/>表示当前时刻的速度/>其中,/>
S240、将当前运动状态信息、待选运动参数信息和待选运动参数协方差信息输入至位置调整子模型中,在位置调整子模型中进行当前末端位置的调整,确定当前运动参数信息和当前运动参数协方差信息。
其中,目标预测网络模型可以包括位置预测子模型和位置调整子模型。位置调整子模型用于:基于当前运动状态信息、待选运动参数信息和待选运动参数协方差信息进行当前末端位置的调整,确定并输出当前末端位置对应的当前运动参数信息和当前运动参数协方差信息。当前运动参数信息可以是指待选运动参数信息经过当前末端位置调整处理后获得的运动参数信息。当前运动参数协方差信息可以是指待选运动参数协方差信息经过当前末端位置调整处理后获得的运动参数协方差信息。
具体地,将当前运动状态信息、待选运动参数信息和待选运动参数协方差信息输入至位置调整子模型中。在位置调整子模型中,利用当前运动状态信息对待选运动参数信息和待选运动参数协方差信息进行调整,从而实现对当前末端位置的调整,确定并输出当前末端位置对应的当前运动参数信息和当前运动参数协方差信息。
S250、基于目标预测网络模型输出的当前运动参数信息,确定目标机器人在当前时刻所处于的当前末端位置。
本发明实施例的技术方案,通过将上一运动参数信息和上一运动参数协方差信息输入至位置预测子模型中,在位置预测子模型中进行当前末端位置的预测,确定当前末端位置对应的待选运动参数信息和待选运动参数协方差信息。将当前运动状态信息、待选运动参数信息和待选运动参数协方差信息输入至位置调整子模型中,在位置调整子模型中进行当前末端位置的调整,确定当前运动参数信息和当前运动参数协方差信息,从而基于采集的实际末端位置信息实现对初步预测出的当前末端位置进行位置调整操作,进而使得调整后的末端位置更接近实际末端位置,进一步提高末端位置确定的准确性。
在上述技术方案的基础上,“在位置预测子模型中进行当前末端位置的预测,确定当前末端位置对应的待选运动参数信息和待选运动参数协方差信息”可以包括:将上一运动参数信息与预设系统状态系数进行相乘,并将相乘结果与预设运动控制信息进行相加,获得当前末端位置对应的待选运动参数信息;将预设系统状态系数、上一运动参数协方差信息和预设系统状态系数对应的转置信息进行相乘,并将相乘结果与预设第一噪声信息进行相加,获得当前末端位置对应的待选运动参数协方差信息。
其中,上一运动参数信息可以是1×18的矩阵Mk-1。预设系统状态系数可以用矩阵F表示。预设运动控制信息可以用表示,如下所示:
其中,G为18×6的控制矩阵,为是由x、y、z三个方向的加加速度和角加加速度组成的1×6的矩阵。待选运动参数信息可用/>表示,其中,/>上一运动参数协方差信息可用18×18的协方差矩阵Pk-1表示。预设第一噪声信息可用18×18的过程噪声矩阵Q表示。待选运动参数协方差信息可用协方差矩阵Pk表示,其中,Pk=FPk-1FT+Q。
需要说明的是,初始协方差矩阵P0为预设的主对角线元素为1的18阶单位矩阵。第一时刻运动参数协方差信息可用矩阵P1表示,其中,P1=FP0FT+Q。
在上述技术方案的基础上,S240可以包括:将当前运动状态信息中的第一运动状态信息、待选运动参数信息和待选运动参数协方差信息输入至第一位置调整单元中,在第一位置调整单元中进行首次位置调整,确定当前末端位置对应的候选运动参数信息和候选运动参数协方差信息;将当前运动状态信息中的第二运动状态信息、候选运动参数信息和候选运动参数协方差信息输入至第二位置调整单元中,在第二位置调整单元中进行再次位置调整,确定当前末端位置对应的当前运动参数信息和当前运动参数协方差信息。
其中,位置调整子模型可以包括具有相同结构的第一位置调整单元和第二位置调整单元。候选运动参数信息可以是指待选运动参数信息经过首次位置调整后获得的运动参数信息。候选运动参数协方差信息可以是指待选运动参数协方差信息经过首次位置调整后获得的运动参数协方差信息。
具体地,将当前运动状态信息中的第一运动状态信息、待选运动参数信息和待选运动参数协方差信息输入至第一位置调整单元。在第一位置调整单元中,基于第一运动状态信息对末端位置进行首次调整,并将待选运动参数信息和待选运动参数协方差信息更新为当前末端位置对应的候选运动参数信息和候选运动参数协方差信息。将第二运动状态信息、候选运动参数信息和候选运动参数协方差信息输入至第二位置调整单元。在第二位置调整单元中,基于第二运动状态信息对末端位置进行再次调整,并将候选运动参数信息和候选运动参数协方差信息更新为当前运动参数信息和当前运动参数协方差信息,从而通过同构双传感器卡尔曼滤波的方式,综合机器人本体和定位相机的实际测量数据,用于减小单一传感器测量带来的末端位置估计误差,实现最优末端位置预测,进一步提高末端位置确定的准确性。
在上述技术方案的基础上,“在第一位置调整单元中进行首次位置调整,确定当前末端位置对应的候选运动参数信息和候选运动参数协方差信息”可以包括:将预设目标观测信息、待选运动参数协方差信息和预设目标观测信息对应的转置信息进行相乘,并将相乘结果与预设第二噪声信息进行相加,获得第一权重信息;将待选运动参数协方差信息与预设目标观测信息对应的转置信息进行相乘,并将相乘结果与第一权重信息进行相除,获得第二权重信息;将预设目标观测信息与待选运动参数信息进行相乘,并确定当前运动状态信息中的第一运动状态信息与该相乘结果之间的差值;将差值与第二权重信息进行相乘,并将相乘结果与待选运动参数信息进行相加,获得当前末端位置对应的候选运动参数信息;将第二权重信息、预设目标观测信息和待选运动参数协方差信息进行相乘,并将待选运动参数协方差信息与该相乘结果进行相减,获得当前末端位置对应的候选运动参数协方差信息。
其中,预设目标观测信息可用12×18的观测矩阵H表示。待选运动参数协方差信息可用协方差矩阵Pk表示。预设第二噪声信息可用18×18的测量噪声矩阵Q1表示。第一权重信息可用HPkHT+Q1表示,如下所示:
第二权重信息利用K1表示,即K1为首次卡尔曼增益。第一运动状态信息可用Nk1表示。待选运动参数信息可用/>表示。候选运动参数信息可用/>表示,其中,/>候选运动参数协方差信息可用Pk1表示,其中,Pk1=Pk-K1HPk。
在上述技术方案的基础上,“在第二位置调整单元中进行再次位置调整,确定当前末端位置对应的当前运动参数信息和当前运动参数协方差信息”可以包括:将预设目标观测信息、候选运动参数协方差信息和预设目标观测信息对应的转置信息进行相乘,并将相乘结果与预设第三噪声信息进行相加,获得第三权重信息;将候选运动参数协方差信息与预设目标观测信息对应的转置信息进行相乘,并将相乘结果与第三权重信息进行相除,获得第四权重信息;将预设目标观测信息与候选运动参数信息进行相乘,并确定当前运动状态信息中的第二运动状态信息与该相乘结果之间的差值;将差值与第四权重信息进行相乘,并将相乘结果与候选运动参数信息进行相加,获得当前末端位置对应的当前运动参数信息;将第四权重信息、预设目标观测信息和候选运动参数协方差信息进行相乘,并将候选运动参数协方差信息与该相乘结果进行相减,获得当前末端位置对应的当前运动参数协方差信息。
其中,预设目标观测信息可用12×18的观测矩阵H表示。候选运动参数协方差信息可用协方差矩阵Pk1表示。预设第三噪声信息可用18×18的测量噪声矩阵Q2表示。第三权重信息可用HPk1HT+Q2表示。第四权重信息利用K2表示,即K2为再次卡尔曼增益。第二运动状态信息可用Nk2表示。候选运动参数信息可用/>表示。当前运动参数信息可用/>表示,其中,/>当前运动参数协方差信息可用Pk2表示,其中,Pk2=Pk1-K2HPk1。
需要说明的是,可根据业务需求调节不同的噪声矩阵参数,以适应不同类型的机器人和定位相机。Q1为机器人测量的噪声矩阵,主对角元素为每个测量的状态量(如位移、速度和加速度等)的方差,其余元素为0。Q2为定位相机测量的噪声矩阵,主对角元素为每个测量的状态量(如位移、速度和加速度等)的方差,其余元素为0。
以下是本发明实施例提供的末端位置确定装置的实施例,该装置与上述各实施例的末端位置确定方法属于同一个发明构思,在末端位置确定装置的实施例中未详尽描述的细节内容,可以参考上述末端位置确定方法的实施例。
实施例三
图3为本发明实施例三提供的一种末端位置确定装置的结构示意图。如图3所示,该装置包括:当前运动状态信息获取模块310、上一运动参数信息获取模块320、当前末端位置预测模块330和当前末端位置确定模块340。
其中,当前运动状态信息获取模块310,用于获取目标机器人在当前时刻所处于的当前末端位置对应的当前运动状态信息,其中,当前运动状态信息包括:通过目标机器人自身获得的第一运动状态信息和通过定位相机获得的第二运动状态信息;上一运动参数信息获取模块320,用于获取目标机器人的上一末端位置对应的上一运动参数信息和上一运动参数协方差信息;当前末端位置预测模块330,用于将当前运动状态信息、上一运动参数信息和上一运动参数协方差信息输入至目标预测网络模型中进行当前末端位置的预测,其中,目标预测网络模型用于:基于当前运动状态信息、上一运动参数信息和上一运动参数协方差信息进行位置预测和调整,确定并输出当前运动参数信息和当前运动参数协方差信息;当前末端位置确定模块340,用于基于目标预测网络模型输出的当前运动参数信息,确定目标机器人在当前时刻所处于的当前末端位置。
本发明实施例的技术方案,通过获取目标机器人在当前时刻所处于的当前末端位置对应的当前运动状态信息,其中,当前运动状态信息包括:通过目标机器人自身获得的第一运动状态信息和通过定位相机获得的第二运动状态信息;获取目标机器人的上一末端位置对应的上一运动参数信息和上一运动参数协方差信息;将当前运动状态信息、上一运动参数信息和上一运动参数协方差信息输入至目标预测网络模型中进行当前末端位置的预测,从而在目标预测网络模型中,基于上一运动参数信息和上一运动参数协方差信息进行末端位置预测,并基于当前运动状态信息对预测出的末端位置信息进行调整;目标预测网络模型确定并输出当前运动参数信息和当前运动参数协方差信息;基于目标预测网络模型输出的当前运动参数信息,确定目标机器人在当前时刻所处于的当前末端位置,从而使得调整后的末端位置更接近实际末端位置,进而提高末端位置确定的准确性。
可选地,当前运动状态信息包括:目标机器人的当前末端位置对应的位移信息、速度信息、角位移信息和角速度信息;上一运动参数信息包括:目标机器人的上一末端位置对应的位移信息、速度信息、加速度信息、角位移信息、角速度信息和角加速度信息。
可选地,目标预测网络模型包括:位置预测子模型和位置调整子模型;
当前末端位置预测模块330可以包括:
待选运动参数信息确定子模块,用于将上一运动参数信息和上一运动参数协方差信息输入至位置预测子模型中,在位置预测子模型中进行当前末端位置的预测,确定当前末端位置对应的待选运动参数信息和待选运动参数协方差信息;
当前运动参数信息确定子模块,用于将当前运动状态信息、待选运动参数信息和待选运动参数协方差信息输入至位置调整子模型中,在位置调整子模型中进行当前末端位置的调整,确定当前运动参数信息和当前运动参数协方差信息。
可选地,待选运动参数信息确定子模块具体用于:将上一运动参数信息与预设系统状态系数进行相乘,并将相乘结果与预设运动控制信息进行相加,获得当前末端位置对应的待选运动参数信息;将预设系统状态系数、上一运动参数协方差信息和预设系统状态系数对应的转置信息进行相乘,并将相乘结果与预设第一噪声信息进行相加,获得当前末端位置对应的待选运动参数协方差信息。
可选地,位置调整子模型包括:具有相同结构的第一位置调整单元和第二位置调整单元;
当前运动参数信息确定子模块,可以包括:
候选运动参数信息确定子单元,用于将当前运动状态信息中的第一运动状态信息、待选运动参数信息和待选运动参数协方差信息输入至第一位置调整单元中,在第一位置调整单元中进行首次位置调整,确定当前末端位置对应的候选运动参数信息和候选运动参数协方差信息;
当前运动参数信息确定子单元,用于将当前运动状态信息中的第二运动状态信息、候选运动参数信息和候选运动参数协方差信息输入至第二位置调整单元中,在第二位置调整单元中进行再次位置调整,确定当前末端位置对应的当前运动参数信息和当前运动参数协方差信息。
可选地,候选运动参数信息确定子单元具体用于:将预设目标观测信息、待选运动参数协方差信息和预设目标观测信息对应的转置信息进行相乘,并将相乘结果与预设第二噪声信息进行相加,获得第一权重信息;将待选运动参数协方差信息与预设目标观测信息对应的转置信息进行相乘,并将相乘结果与第一权重信息进行相除,获得第二权重信息;将预设目标观测信息与待选运动参数信息进行相乘,并确定当前运动状态信息中的第一运动状态信息与该相乘结果之间的差值;将差值与第二权重信息进行相乘,并将相乘结果与待选运动参数信息进行相加,获得当前末端位置对应的候选运动参数信息;将第二权重信息、预设目标观测信息和待选运动参数协方差信息进行相乘,并将待选运动参数协方差信息与该相乘结果进行相减,获得当前末端位置对应的候选运动参数协方差信息。
可选地,当前运动参数信息确定子单元具体用于:将预设目标观测信息、候选运动参数协方差信息和预设目标观测信息对应的转置信息进行相乘,并将相乘结果与预设第三噪声信息进行相加,获得第三权重信息;将候选运动参数协方差信息与预设目标观测信息对应的转置信息进行相乘,并将相乘结果与第三权重信息进行相除,获得第四权重信息;将预设目标观测信息与候选运动参数信息进行相乘,并确定当前运动状态信息中的第二运动状态信息与该相乘结果之间的差值;将差值与第四权重信息进行相乘,并将相乘结果与候选运动参数信息进行相加,获得当前末端位置对应的当前运动参数信息;将第四权重信息、预设目标观测信息和候选运动参数协方差信息进行相乘,并将候选运动参数协方差信息与该相乘结果进行相减,获得当前末端位置对应的当前运动参数协方差信息。
实施例四
图4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4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RAM 13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、ROM 12以及RAM 13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,例如末端位置确定方法。
在一些实施例中,末端位置确定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ROM 12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RAM 13并由处理器11执行时,可以执行上文描述的末端位置确定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)而被配置为执行末端位置确定方法。
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)
1.一种末端位置确定方法,其特征在于,包括:
获取目标机器人在当前时刻所处于的当前末端位置对应的当前运动状态信息,其中,所述当前运动状态信息包括:通过所述目标机器人自身获得的第一运动状态信息和通过定位相机获得的第二运动状态信息;
获取所述目标机器人的上一末端位置对应的上一运动参数信息和上一运动参数协方差信息;
将所述当前运动状态信息、所述上一运动参数信息和所述上一运动参数协方差信息输入至目标预测网络模型中进行当前末端位置的预测,其中,所述目标预测网络模型用于:基于所述当前运动状态信息、所述上一运动参数信息和所述上一运动参数协方差信息进行位置预测和调整,确定并输出当前运动参数信息和当前运动参数协方差信息;
基于所述目标预测网络模型输出的当前运动参数信息,确定所述目标机器人在当前时刻所处于的当前末端位置。
2.根据权利要求1所述的方法,其特征在于,所述当前运动状态信息包括:所述目标机器人的当前末端位置对应的位移信息、速度信息、角位移信息和角速度信息;
所述上一运动参数信息包括:所述目标机器人的上一末端位置对应的位移信息、速度信息、加速度信息、角位移信息、角速度信息和角加速度信息。
3.根据权利要求1所述的方法,其特征在于,所述目标预测网络模型包括:位置预测子模型和位置调整子模型;
所述将所述当前运动状态信息、所述上一运动参数信息和所述上一运动参数协方差信息输入至目标预测网络模型中进行当前末端位置的预测,包括:
将所述上一运动参数信息和所述上一运动参数协方差信息输入至所述位置预测子模型中,在所述位置预测子模型中进行当前末端位置的预测,确定当前末端位置对应的待选运动参数信息和待选运动参数协方差信息;
将所述当前运动状态信息、所述待选运动参数信息和所述待选运动参数协方差信息输入至位置调整子模型中,在所述位置调整子模型中进行当前末端位置的调整,确定当前运动参数信息和当前运动参数协方差信息。
4.根据权利要求3所述的方法,其特征在于,所述在所述位置预测子模型中进行当前末端位置的预测,确定当前末端位置对应的待选运动参数信息和待选运动参数协方差信息,包括:
将所述上一运动参数信息与预设系统状态系数进行相乘,并将相乘结果与预设运动控制信息进行相加,获得当前末端位置对应的待选运动参数信息;
将所述预设系统状态系数、所述上一运动参数协方差信息和预设系统状态系数对应的转置信息进行相乘,并将相乘结果与预设第一噪声信息进行相加,获得当前末端位置对应的待选运动参数协方差信息。
5.根据权利要求3所述的方法,其特征在于,所述位置调整子模型包括:具有相同结构的第一位置调整单元和第二位置调整单元;
所述将所述当前运动状态信息、所述待选运动参数信息和所述待选运动参数协方差信息输入至位置调整子模型中,在所述位置调整子模型中进行当前末端位置的调整,确定当前运动参数信息和当前运动参数协方差信息,包括:
将所述当前运动状态信息中的第一运动状态信息、所述待选运动参数信息和所述待选运动参数协方差信息输入至所述第一位置调整单元中,在所述第一位置调整单元中进行首次位置调整,确定当前末端位置对应的候选运动参数信息和候选运动参数协方差信息;
将所述当前运动状态信息中的第二运动状态信息、所述候选运动参数信息和所述候选运动参数协方差信息输入至所述第二位置调整单元中,在所述第二位置调整单元中进行再次位置调整,确定当前末端位置对应的当前运动参数信息和当前运动参数协方差信息。
6.根据权利要求5所述的方法,其特征在于,所述在所述第一位置调整单元中进行首次位置调整,确定当前末端位置对应的候选运动参数信息和候选运动参数协方差信息,包括:
将预设目标观测信息、所述待选运动参数协方差信息和预设目标观测信息对应的转置信息进行相乘,并将相乘结果与预设第二噪声信息进行相加,获得第一权重信息;
将所述待选运动参数协方差信息与预设目标观测信息对应的转置信息进行相乘,并将相乘结果与所述第一权重信息进行相除,获得第二权重信息;
将所述预设目标观测信息与所述待选运动参数信息进行相乘,并确定所述当前运动状态信息中的第一运动状态信息与该相乘结果之间的差值;
将所述差值与所述第二权重信息进行相乘,并将相乘结果与所述待选运动参数信息进行相加,获得当前末端位置对应的候选运动参数信息;
将所述第二权重信息、所述预设目标观测信息和所述待选运动参数协方差信息进行相乘,并将所述待选运动参数协方差信息与该相乘结果进行相减,获得当前末端位置对应的候选运动参数协方差信息。
7.根据权利要求5所述的方法,其特征在于,所述在所述第二位置调整单元中进行再次位置调整,确定当前末端位置对应的当前运动参数信息和当前运动参数协方差信息,包括:
将预设目标观测信息、所述候选运动参数协方差信息和预设目标观测信息对应的转置信息进行相乘,并将相乘结果与预设第三噪声信息进行相加,获得第三权重信息;
将所述候选运动参数协方差信息与预设目标观测信息对应的转置信息进行相乘,并将相乘结果与所述第三权重信息进行相除,获得第四权重信息;
将所述预设目标观测信息与所述候选运动参数信息进行相乘,并确定所述当前运动状态信息中的第二运动状态信息与该相乘结果之间的差值;
将所述差值与所述第四权重信息进行相乘,并将相乘结果与所述候选运动参数信息进行相加,获得当前末端位置对应的当前运动参数信息;
将所述第四权重信息、所述预设目标观测信息和所述候选运动参数协方差信息进行相乘,并将所述候选运动参数协方差信息与该相乘结果进行相减,获得当前末端位置对应的当前运动参数协方差信息。
8.一种末端位置确定装置,其特征在于,包括:
当前运动状态信息获取模块,用于获取目标机器人在当前时刻所处于的当前末端位置对应的当前运动状态信息,其中,所述当前运动状态信息包括:通过所述目标机器人自身获得的第一运动状态信息和通过定位相机获得的第二运动状态信息;
上一运动参数信息获取模块,用于获取所述目标机器人的上一末端位置对应的上一运动参数信息和上一运动参数协方差信息;
当前末端位置预测模块,用于将所述当前运动状态信息、所述上一运动参数信息和所述上一运动参数协方差信息输入至目标预测网络模型中进行当前末端位置的预测,其中,所述目标预测网络模型用于:基于所述当前运动状态信息、所述上一运动参数信息和所述上一运动参数协方差信息进行位置预测和调整,确定并输出当前运动参数信息和当前运动参数协方差信息;
当前末端位置确定模块,用于基于所述目标预测网络模型输出的当前运动参数信息,确定所述目标机器人在当前时刻所处于的当前末端位置。
9.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的末端位置确定方法。
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如权利要求1-7中任一所述的末端位置确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310668834.9A CN116476073A (zh) | 2023-06-07 | 2023-06-07 | 一种末端位置确定方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310668834.9A CN116476073A (zh) | 2023-06-07 | 2023-06-07 | 一种末端位置确定方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116476073A true CN116476073A (zh) | 2023-07-25 |
Family
ID=87215900
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310668834.9A Pending CN116476073A (zh) | 2023-06-07 | 2023-06-07 | 一种末端位置确定方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116476073A (zh) |
-
2023
- 2023-06-07 CN CN202310668834.9A patent/CN116476073A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111460375B (zh) | 定位数据有效性确定方法、装置、设备和介质 | |
CN114312843B (zh) | 用于确定信息的方法和装置 | |
CN115273071A (zh) | 一种物体识别方法、装置、电子设备及存储介质 | |
CN113029136A (zh) | 定位信息处理的方法、设备、存储介质及程序产品 | |
CN116476073A (zh) | 一种末端位置确定方法、装置、电子设备和存储介质 | |
CN114596362B (zh) | 一种高点摄像头坐标计算方法、装置、电子设备及介质 | |
CN115235527A (zh) | 传感器外参标定方法、装置以及电子设备 | |
CN117289686B (zh) | 一种参数标定方法、装置、电子设备及存储介质 | |
CN117589188B (zh) | 行车路径规划方法、装置、电子设备和存储介质 | |
CN116380056B (zh) | 惯性定位方法、装置、电子设备及存储介质 | |
CN116448105B (zh) | 位姿更新方法、装置、电子设备和存储介质 | |
CN117739993B (zh) | 一种机器人定位方法、装置、机器人及存储介质 | |
CN116295389B (zh) | 一种捷联罗经系统状态平稳切换方法、装置、设备和介质 | |
CN113658277B (zh) | 立体匹配方法、模型训练方法、相关装置及电子设备 | |
CN116703963A (zh) | 一种ar跟踪方法、装置、ar设备及存储介质 | |
CN117889851A (zh) | 姿态确定方法、装置、设备及存储介质 | |
CN117725834A (zh) | 坡度估计参数优化方法、装置、电子设备及存储介质 | |
CN118243107A (zh) | 一种应用于机器人的重定位方法、装置、设备以及介质 | |
CN116520255A (zh) | 一种滤波方法 | |
CN117346782A (zh) | 定位优化方法、装置、电子设备和存储介质 | |
CN114964229A (zh) | 航位推算方法、装置及电子设备 | |
CN118143947A (zh) | 一种位姿确定方法、装置、设备和存储介质 | |
CN117742243A (zh) | 一种设备动作碰撞预测方法、装置、电子设备及存储介质 | |
CN118190025A (zh) | 陀螺仪安装姿态的确定方法、装置、设备及存储介质 | |
CN115755022A (zh) | 目标跟踪方法、装置、设备及介质 |
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 |