CN116820074A - 确定机器人拥堵点位置的方法、装置、机器人及存储介质 - Google Patents
确定机器人拥堵点位置的方法、装置、机器人及存储介质 Download PDFInfo
- Publication number
- CN116820074A CN116820074A CN202210282361.4A CN202210282361A CN116820074A CN 116820074 A CN116820074 A CN 116820074A CN 202210282361 A CN202210282361 A CN 202210282361A CN 116820074 A CN116820074 A CN 116820074A
- Authority
- CN
- China
- Prior art keywords
- robot
- path
- determining
- target
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000010586 diagram Methods 0.000 claims description 47
- 238000013507 mapping Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 description 6
- 230000009471 action Effects 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及机器人路径规划领域,公开了一种确定机器人拥堵点位置的方法、装置、机器人及存储介质,获取目标区域的场景障碍物图和拓扑路径图,在拓扑路径图中确定机器人的当前位置以及目标点,并确定机器人的当前位置至目标点的目标路径,将目标路径映射到场景障碍物图后,确定目标路径上任一像素点所在位置的路径宽度,并判断路径宽度是否大于预设宽度,若否,则判定该像素点为拥堵点并获取该拥堵点的位置信息。可见,本申请在确定出机器人的目标路径后,还可以确定机器人会被卡在哪里不能通行,提高了机器人的通行可靠性。
Description
技术领域
本发明涉及机器人路径规划领域,特别是涉及一种确定机器人拥堵点位置的方法、装置、机器人及存储介质。
背景技术
目前,随着机器人行业的快速发展,机器人的路径规划问题越来越值得重视,现有技术中,机器人获取了目标区域的障碍物图后,会基于障碍物图进行路径规划。但机器人在按照规划好的路径实际行进过程中,由于机器人自身宽度等原因的限制,导致机器人在路径途中会出现被卡住的现象。可见,现有技术的机器人只能规划出机器人的行进路径,并不能知道机器人可能会在哪个位置被卡住。
发明内容
本发明的目的是提供一种确定机器人拥堵点位置的方法、装置、机器人及存储介质,不仅可以规划出机器人的行进路线,也能知道机器人具体是被卡在哪里不能通行。
为解决上述技术问题,本发明提供了一种确定机器人拥堵点位置的方法,包括:
获取目标区域的场景障碍物图和拓扑路径图;
在所述拓扑路径图中确定机器人的当前位置以及目标点,并确定所述机器人从所述当前位置至所述目标点的目标路径;
将所述目标路径映射至所述场景障碍物图中,确定所述目标路径上任一位置的路径宽度;
判断所述路径宽度是否大于预设宽度,若否,则判定路径宽度不大于所述预设宽度的位置所在点为拥堵点并确定所述拥堵点的位置。
在一实施例中,所述确定所述目标路径上任一位置的路径宽度,包括:
确定位置,记录沿所述位置的路径切线的垂直方向上经过所述位置的不接触障碍物的最长直线距离,所述最长直线距离即为所述路径宽度。
在一实施例中,获取目标区域的场景障碍物图,包括:
通过距离传感器获取目标区域的点云信息;
将所述点云信息投影至机器人坐标系上以得到投影图像;
将所述投影图像按照比例尺进行像素化,得到所述目标区域的场景障碍物图。
在一实施例中,所述确定所述拥堵点的位置,包括:
将所述拥堵点的位置转换至世界坐标系中,确定所述拥堵点的坐标。
在一实施例中,还包括:
若所述路径宽度大于预设宽度,则判定所述目标路径上不存在拥堵点;
根据所述目标路径上不存在拥堵点的结果,将所述目标路径所在的区域标记为可通行区域。
在一实施例中,在判定所述路径宽度不大于所述预设宽度之后,还包括:
通过预设算法对所述机器人的当前位置到所述目标点之间的路径进行路径搜索,若能搜索到从所述机器人的当前位置至所述目标点的通行路径,则判定所述机器人可以到达所述目标点,否则,则判定所述机器人无法到达所述目标点。
在一实施例中,在所述获取目标区域的场景障碍物图和拓扑路径图之后,还包括:
确定所述机器人的朝向,在机器人坐标系中根据机器人的当前位置以及所述机器人的朝向确定兴趣矩形区域并确定所述兴趣矩形区域的四个顶点的坐标,所述机器人的当前位置位于所述兴趣矩形区域的中心位置;
将所述兴趣矩形区域映射至所述场景障碍地图和拓扑路径图中,得到拓扑路径图中的兴趣矩形区域和所述场景障碍物图中的兴趣矩形区域;
所述在所述拓扑路径图中确定所述机器人的当前位置以及目标点,包括:
在所述拓扑路径图中的兴趣矩形区域中确定所述机器人的当前位置,在所述兴趣区域中选取距离所述机器人的当前位置最远的一个坐标点作为所述目标点;
所述将所述目标路径映射至所述场景障碍物图中,包括:
将所述目标路径映射至所述场景障碍物图中的兴趣矩形区域。
为解决上述技术问题,本发明还提供了一种确定机器人的拥堵点位置的装置,包括:
获取模块,用于获取目标区域的场景障碍物图和拓扑路径图;
目标路径确定模块,用于在所述拓扑路径图中确定所述机器人的当前位置以及目标点,并确定所述机器人从所述当前位置至所述目标点的目标路径;
路径宽度确定模块,用于将所述目标路径映射至所述场景障碍物图中,确定所述目标路径上任一位置的路径宽度;
判断模块,用于判断所述路径宽度是否大于预设宽度,若否,则判定路径宽度不大于所述预设宽度的位置所在点为拥堵点并触发拥堵点位置获取模块;
所述拥堵点位置获取模块,用于确定所述拥堵点的位置
为解决上述技术问题,本发明还提供了一种机器人,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序以实现如上述所述的确定机器人拥堵点位置的方法的步骤。
为解决上述技术问题,本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述所述的方法。
本发明提供了一种确定机器人拥堵点位置的方法、装置、机器人及存储介质,先获取目标区域的场景障碍物图和拓扑路径图,在拓扑路径图中确定机器人的当前位置以及目标点,并确定机器人的当前位置至目标点的目标路径,将目标路径映射到场景障碍物图后,确定目标路径上任一位置的路径宽度,并判断路径宽度是否大于预设宽度,若否,则判定该位置所在点为拥堵点并获取该拥堵点的位置信息。可见本申请在确定出机器人的目标路径后,还可以确定机器人会被卡在哪里不能通行,提高了机器人的通行可靠性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对现有技术和实施例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为本发明提供的一种确定机器人拥堵点位置的方法的流程图;
图2为本发明提供的一种确定机器人拥堵点位置的装置的结构示意图;
图3为本发明提供的一种机器人的结构示意图。
具体实施方式
本发明的核心是提供一种确定机器人拥堵点位置的方法、装置、机器人及存储介质,不仅可以规划出机器人的行进路线,也能知道机器人具体是被卡在哪里不能通行。
为使本发明实施例的目的、技术方案和优点更加清楚,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他实施例,都属于本发明保护的范围。
请参照图1,图1为本发明提供的一种确定机器人拥堵点位置的方法的流程图,包括:
S11:获取目标区域的场景障碍物图和拓扑路径图;
S12:在拓扑路径图中确定机器人的当前位置以及目标点,并确定机器人从当前位置至目标点的目标路径;
S13:将目标路径映射至场景障碍物图中,确定目标路径上任一位置的路径宽度;
S14:判断路径宽度是否大于预设宽度,若否,进入S15;
S15:判定路径宽度不大于预设宽度的位置所在点为拥堵点并确定拥堵点的位置。
本实施例中,先获取目标区域的场景障碍物图和拓扑路径图,这里的目标区域指的是为机器人规划的需要行走的区域,也即机器人实际使用过程中的空间区域,然后在拓扑路径图上确定机器人的当前位置和机器人需要移动到的目标点,从而就可以确定机器人从当前位置至目标点之间的目标路径。将机器人的当前位置到目标点之间的目标路径映射到场景障碍物图中,确定这一目标路径上任一位置的路径宽度,这里的路径宽度可以指的是在该位置的路径切线方向上没有障碍物的空间的宽度,然后通过判断路径宽度是否大于预设宽度来判断该位置是否为拥堵点,如果路径宽度没有大于预设宽度,则认为该位置的宽度不足以使得机器人通行,也就说明机器人在该位置会被卡住,则判断该位置为拥堵点并获取该拥堵点的位置。可见通过这种方式,就可以知道机器人的目标路径的可行区域和不可行区域(也即拥堵点的位置),以便确定机器人具体是在哪个位置会出现被卡住的情况,这里的目标路径即在拓扑路径图中的规划的路径中确定的从机器人的当前位置至目标点之间的路径。
需要注意的是,这里的拓扑路径图是根据获取的场景障碍物图通过人工或者自动的方式绘制得到,本发明在此不做特别的限定。
还需要注意的是,由于拓扑路径图是根据场景障碍物图绘制得到,因此拓扑路径图与场景障碍物图应该有相同的比例尺,同时图上的点也可以实现一一映射。
综上,本发明提供了一种确定机器人拥堵点位置的方法,先获取目标区域的场景障碍物图和拓扑路径图,在拓扑路径图中确定机器人的当前位置以及目标点,并确定机器人的当前位置至目标点的目标路径,将目标路径映射到场景障碍物图后,确定目标路径上任一像素点所在位置的路径宽度,并判断路径宽度是否大于预设宽度,若否,则判定该像素点为拥堵点并获取该拥堵点的位置信息。可见本申请在确定出机器人的目标路径后,还可以确定机器人会被卡在哪里不能通行,提高了机器人的通行可靠性。
在上述实施例的基础上:
在一实施例中,确定所述目标路径上任一位置的路径宽度,包括:
确定位置,记录该位置的路径切线的垂直方向上经过该位置的不接触障碍物的最长直线距离,该最长直线距离即为路径宽度。
本实施例中,考虑到机器人实际行进过程中,因为机器人自身宽度的原因,有可能会出现被卡住的情况,因此就需要确定目标路径上各个位置的路径宽度以判断各个位置的宽度是否足够机器人通行,本方案判断某个位置的路径宽度时,先确定位置,然后再计算沿该位置的路径切线的垂直方向上经过该位置的连续无障碍物的最长直线距离,其中,最长直线距离可以通过像素点的个数来体现,也即用连续无障碍物的像素点的个数来表示路径宽度,当连续无障碍物的像素点的个数达到预设值时,就表明该位置的路径宽度足够机器人通行,当连续无障碍物的像素点的个数没达到预设值时,则认为该位置的路径宽度不足以使机器人通行,会导致机器人卡住的情况,此时该像素点也就为拥堵点,通过这种方式来确定路径宽度,实现方式简易。
在一实施例中,确定所述机器人从当前位置至目标点的目标路径,包括:
确定机器人的朝向;在所述机器人的当前位置至所述目标点的路径中,以所述机器人朝向的路径确定为目标路径。
本实施例中,考虑到实际使用情况中,机器人的行进方向是由其朝向决定的,因此在确定机器人的目标路径时,会先确定机器人的朝向,然后在这个朝向方向上确定机器人当前位置至目标点的目标路径,增加了方案的可行性。
在一实施例中,获取目标区域的场景障碍物图,包括:
通过距离传感器获取目标区域的点云信息;
将点云信息投影至机器人坐标系上以得到投影图像;
将投影图像按照比例尺进行像素化,得到目标区域的场景障碍物图。
本实施例中,目标区域的场景障碍物图是通过设置在机器人上的距离传感器先获取目标区域的点云信息,这里的点云信息指的是目标区域内的三维坐标系中的三维空间点,能够表征出该目标区域内,哪些区域存在障碍物,哪些区域不存在障碍物,然后将点云信息在机器人坐标系上从上往下投影,就可以得到一个包含障碍物信息的二维图像,最后将该二维图像按照比例尺进行像素化,就可以得到目标区域的场景障碍物图,像素化使得场景障碍物图中的每个像素点都可以表征该像素点的位置是否存在障碍物,可见,通过该种方式确定的场景障碍物图的精度高。
在一实施例中,确定所述拥堵点的位置,包括:
将拥堵点的位置转换至世界坐标系中,确定拥堵点的坐标。
本实施例中,考虑到在判定存在拥堵点时,还需要获取拥堵点的位置信息,以知道机器人具体被卡在了哪个地方,因此本方案中,在判定像素点为拥堵点后,还会将该拥堵点的位置转换到世界坐标系中,这样就可以得到该拥堵点的坐标信息,并且记录下该坐标信息,便于后续机器人的路径规划。
在一实施例中,还包括:
若路径宽度大于预设宽度,则判定目标路径上不存在拥堵点;
根据目标路径上不存在拥堵点的结果,将目标路径所在的区域标记为可通行区域。
本实施例中,若目标路径上的任一像素点所在位置的路径宽度都大于预设宽度,则表示从机器人的当前位置到目标点的目标路径上,任一位置的路径宽度都满足机器人的通行条件,也即该目标路径上不存在拥堵点,然后就可以将该目标路径所在的区域标记为机器人的可通行区域,增加了机器人的通行可靠性。
在一实施例中,在判定所述路径宽度不大于所述预设宽度之后,还包括:
通过预设算法对所述机器人的当前位置到所述目标点之间的路径进行路径搜索,若能搜索到从机器人的当前位置至目标点的通行路径,则判定机器人可以到达目标点,否则,则判定机器人无法到达目标点。
本实施例中,考虑到原先的路径规划可能不是唯一的到达目标终点的路径,因此本方案中判断拓扑路径图中的目标路径上存在拥堵点从而判断目标点不可达的结果不一定准确,因此在判断目标路径上存在拥堵点之后,本方案还通过预设算法例如A star算法对机器人的当前位置到目标点之间的路径进行一个路径搜索,当搜索到能达到目标终点的路径时,则认为目标点可达,当未能搜索到能达到目标点的路径时,判定机器人无法到达目标点,提高了机器人的可行路径的确定可靠性。
在一实施例中,在获取目标区域的场景障碍物图和拓扑路径图之后,还包括:
确定机器人的朝向,在机器人坐标系中根据机器人的当前位置以及假期人的朝向确定兴趣矩形区域并确定兴趣矩形区域的四个顶点的坐标,机器人的当前位置位于兴趣矩形区域的中心位置;
将兴趣矩形区域映射至场景障碍地图和拓扑路径图中,得到拓扑路径图中的兴趣矩形区域和场景障碍物图中的兴趣矩形区域;
在拓扑路径图中确定机器人的当前位置以及目标点,包括:
在拓扑路径图中的兴趣矩形区域中确定机器人的当前位置,在兴趣区域中选取距离机器人的当前位置最远的一个坐标点作为目标点;
将目标路径映射至场景障碍物图中,包括:
将目标路径映射至场景障碍物图中的兴趣矩形区域。
本实施例中,考虑到机器人实际应用场景中,由于获取的目标区域的场景障碍物图及拓扑路径图是一个全局的图,这个全局的图可能超出了我们本身需要关注的区域,因此本方案中,在确定了机器人的当前位置后,我们设定了一个预设大小的兴趣矩形区域,例如我们的关注区域为机器人前方2m、后方1m,总长为3m,宽度为2m的矩形区域,则此时根据机器人的当前位置以及机器人的朝向就可以得到我们设定的兴趣矩形区域的四个顶点的坐标信息,将该四个顶点的坐标信息分别映射至场景障碍物图及拓扑路径图中,即可得到拓扑路径图中的兴趣矩形区域和场景障碍物图中的兴趣矩形区域,此时我们的目标点就是在拓扑路径图中的兴趣矩形区域中,在拓扑路径图中的兴趣矩形区域中的路径中选取离机器人的当前位置最远的点最为目标点,之后,再将该目标路径及目标终点映射至场景障碍物图中的兴趣矩阵区域,最后判断兴趣矩形区域中的目标路径上是否存在拥堵点,满足了用户的需求,提高了用户体验。
本发明还提供了一种确定机器人的拥堵点位置的装置,请参照图2,图2为本发明提供的一种确定机器人拥堵点位置的装置的结构示意图,包括:
获取模块21,用于获取目标区域的场景障碍物图和拓扑路径图;
目标路径确定模块22,用于在拓扑路径图中确定机器人的当前位置以及目标点,并确定机器人从当前位置至目标点的目标路径;
路径宽度确定模块23,用于将目标路径映射至场景障碍物图中,确定目标路径上任一位置的路径宽度;
判断模块24,用于判断路径宽度是否大于预设宽度,若否,则判定路径宽度不大于预设宽度的位置所在点为拥堵点并触发拥堵点位置获取模块25;
拥堵点位置获取模块25,用于确定拥堵点的位置。
对于本发明提供的一种确定机器人的拥堵点位置的装置的介绍请参照上述方法实施例,本发明在此不再赘述。
本发明还提供了一种机器人,请参照图3,图3为本发明提供的一种机器人的结构示意图,该机器人包括:
存储器31,用于存储计算机程序;
处理器32,用于执行计算机程序以实现如上述的确定机器人的拥堵点位置方法的步骤。
对于本发明提供的一种机器人的介绍请参照上述方法实施例,本发明在此不再赘述。
本发明还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现如上述的方法。
对于本发明提供的一种计算机可读存储介质的介绍请参照上述方法实施例,本发明在此不再赘述。
还需要说明的是,在本说明书中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其他实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种确定机器人拥堵点位置的方法,其特征在于,包括:
获取目标区域的场景障碍物图和拓扑路径图;
在所述拓扑路径图中确定机器人的当前位置以及目标点,并确定所述机器人从所述当前位置至所述目标点的目标路径;
将所述目标路径映射至所述场景障碍物图中,确定所述目标路径上任一位置的路径宽度;
判断所述路径宽度是否大于预设宽度,若否,则判定路径宽度不大于所述预设宽度的位置所在点为拥堵点并确定所述拥堵点的位置。
2.如权利要求1所述的确定机器人拥堵点位置的方法,其特征在于,所述确定所述目标路径上任一位置的路径宽度,包括:
确定位置,记录所述位置的路径切线的垂直方向上经过所述位置的不接触障碍物的最长直线距离,所述最长直线距离即为所述路径宽度。
3.如权利要求1所述的确定机器人拥堵点位置的方法,其特征在于,所述获取目标区域的场景障碍物图,包括:
通过距离传感器获取目标区域的点云信息;
将所述点云信息投影至机器人坐标系上以得到投影图像;
将所述投影图像按照比例尺进行像素化,得到所述目标区域的场景障碍物图。
4.如权利要求1所述的确定机器人拥堵点位置的方法,其特征在于,所述确定所述拥堵点的位置,包括:
将所述拥堵点的位置转换至世界坐标系中,确定所述拥堵点的坐标而确定所述拥堵点的位置。
5.如权利要求1所述的确定机器人拥堵点位置的方法,其特征在于,所述方法还包括:
若所述路径宽度大于预设宽度,则判定所述目标路径上不存在拥堵点;
根据所述目标路径上不存在拥堵点的结果,将所述目标路径所在的区域标记为可通行区域。
6.如权利要求1所述的确定机器人拥堵点位置的方法,其特征在于,在判定所述路径宽度不大于所述预设宽度之后,所述方法还包括:
通过预设算法对所述机器人的当前位置到所述目标点之间的路径进行路径搜索,若能搜索到从所述机器人的当前位置至所述目标点的通行路径,则判定所述机器人可以到达所述目标点,否则,则判定所述机器人无法到达所述目标点。
7.如权利要求1至6任一项所述的确定机器人拥堵点位置的方法,其特征在于,在所述获取目标区域的场景障碍物图和拓扑路径图之后,所述方法还包括:
确定所述机器人的朝向,在机器人坐标系中根据所述机器人的当前位置以及所述机器人的朝向确定兴趣矩形区域并确定所述兴趣矩形区域的四个顶点的坐标,所述机器人的当前位置位于所述兴趣矩形区域的中心位置;
将所述兴趣矩形区域映射至所述场景障碍地图和所述拓扑路径图中,得到所述拓扑路径图中的兴趣矩形区域和所述场景障碍物图中的兴趣矩形区域;
所述在所述拓扑路径图中确定所述机器人的当前位置以及目标点,包括:
在所述拓扑路径图中的兴趣矩形区域中确定所述机器人的当前位置,在所述兴趣区域中选取距离所述机器人的当前位置最远的一个坐标点作为所述目标点;
所述将所述目标路径映射至所述场景障碍物图中,包括:
将所述目标路径映射至所述场景障碍物图中的兴趣矩形区域。
8.一种确定机器人拥堵点位置的装置,其特征在于,包括:
获取模块,用于获取目标区域的场景障碍物图和拓扑路径图;
目标路径确定模块,用于在所述拓扑路径图中确定机器人的当前位置以及目标点,并确定所述机器人从所述当前位置至所述目标点的目标路径;
路径宽度确定模块,用于将所述目标路径映射至所述场景障碍物图中,确定所述目标路径上任一位置的路径宽度;
判断模块,用于判断所述路径宽度是否大于预设宽度,若否,则判定路径宽度不大于所述预设宽度的位置所在点为拥堵点并触发拥堵点位置获取模块;
所述拥堵点位置获取模块,用于确定所述拥堵点的位置。
9.一种机器人,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序以实现如权利要求1至7任一项所述的确定机器人拥堵点位置的方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210282361.4A CN116820074A (zh) | 2022-03-22 | 2022-03-22 | 确定机器人拥堵点位置的方法、装置、机器人及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210282361.4A CN116820074A (zh) | 2022-03-22 | 2022-03-22 | 确定机器人拥堵点位置的方法、装置、机器人及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116820074A true CN116820074A (zh) | 2023-09-29 |
Family
ID=88117167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210282361.4A Pending CN116820074A (zh) | 2022-03-22 | 2022-03-22 | 确定机器人拥堵点位置的方法、装置、机器人及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116820074A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117035587A (zh) * | 2023-10-09 | 2023-11-10 | 山东省智能机器人应用技术研究院 | 一种基于货物信息的多个机器人协同工作管理系统 |
-
2022
- 2022-03-22 CN CN202210282361.4A patent/CN116820074A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117035587A (zh) * | 2023-10-09 | 2023-11-10 | 山东省智能机器人应用技术研究院 | 一种基于货物信息的多个机器人协同工作管理系统 |
CN117035587B (zh) * | 2023-10-09 | 2024-01-16 | 山东省智能机器人应用技术研究院 | 一种基于货物信息的多个机器人协同工作管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3673407B1 (en) | Automatic occlusion detection in road network data | |
CN111220993B (zh) | 目标场景定位方法、装置、计算机设备和存储介质 | |
US11085775B2 (en) | Methods and systems for generating and using localisation reference data | |
US10240934B2 (en) | Method and system for determining a position relative to a digital map | |
CN107850449A (zh) | 用于生成及使用定位参考数据的方法及系统 | |
JP6456405B2 (ja) | 3次元情報算出装置、3次元情報算出方法、および自律移動装置 | |
JP2022504728A (ja) | ポジショニング方法、経路決定方法、装置、ロボットおよび記憶媒体 | |
TW200944830A (en) | System and method for map matching with sensor detected objects | |
CN112526993A (zh) | 栅格地图更新方法、装置、机器人及存储介质 | |
US9098088B2 (en) | Method for building outdoor map for moving object and apparatus thereof | |
US20200174492A1 (en) | Autonomous driving method and system using road view or aerial view map information | |
CN113741438A (zh) | 路径规划方法、装置、存储介质、芯片及机器人 | |
US11004332B2 (en) | Cooperative mapping for autonomous vehicles, robots or multi-agent systems | |
CN112292582A (zh) | 用于生成高清晰度地图的方法和系统 | |
CN110749901A (zh) | 自主移动机器人及其地图拼接方法、装置和可读存储介质 | |
KR102475039B1 (ko) | 지도 정보 갱신 장치, 방법 및 시스템 | |
US20230071794A1 (en) | Method and system for building lane-level map by using 3D point cloud map | |
EP3674665A1 (en) | Route planning algorithm for efficiently searching through meaningful links within a defined topology | |
JP2021103160A (ja) | 自律走行車意味マップ確立システム及び確立方法 | |
CN115494533A (zh) | 车辆定位方法、装置、存储介质及定位系统 | |
GB2578721A (en) | Method and system for processing image data utilizing deep neural network | |
CN116820074A (zh) | 确定机器人拥堵点位置的方法、装置、机器人及存储介质 | |
Flade et al. | Lane detection based camera to map alignment using open-source map data | |
CN112820141B (zh) | 一种泊车车位的检测方法和检测系统 | |
KR101706455B1 (ko) | 도로표지판 검출 기반 주행 차로 추정 방법 및 장치 |
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 |