CN117011375A - 障碍物识别方法、装置、电子设备及存储介质 - Google Patents

障碍物识别方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN117011375A
CN117011375A CN202211741448.XA CN202211741448A CN117011375A CN 117011375 A CN117011375 A CN 117011375A CN 202211741448 A CN202211741448 A CN 202211741448A CN 117011375 A CN117011375 A CN 117011375A
Authority
CN
China
Prior art keywords
laser
coordinate system
acquiring
obstacle
laser light
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
CN202211741448.XA
Other languages
English (en)
Inventor
蔡为燕
郭明理
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.)
Beijing Stone Innovation Technology Co ltd
Original Assignee
Beijing Stone Innovation Technology Co ltd
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 Beijing Stone Innovation Technology Co ltd filed Critical Beijing Stone Innovation Technology Co ltd
Priority to CN202211741448.XA priority Critical patent/CN117011375A/zh
Publication of CN117011375A publication Critical patent/CN117011375A/zh
Priority to PCT/CN2023/140007 priority patent/WO2024140348A1/zh
Priority to TW112151735A priority patent/TW202426963A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30261—Obstacle

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本公开提供了一种障碍物识别方法、装置、电子设备及存储介质。该方法包括：采集目标区域的激光图像；提取激光图像中的候选激光光条；获取参考激光线在激光图像中的理论位置；基于理论位置从候选激光光条中筛选出有效激光光条；基于有效激光光条在世界坐标系的位置得到障碍物的位置。该方法，通过参考激光线在激光图像中的理论位置从对候选激光光条进行中筛选，能够提高有效激光光条识别的准确率，进而提高障碍物识别的准确性。

Description

障碍物识别方法、装置、电子设备及存储介质
技术领域
本发明涉及障碍物识别技术领域，尤其涉及一种障碍物识别方法、装置、电子设备及存储介质。
背景技术
移动机器人在执行清扫任务过程中，需要准确的识别出障碍物与机器人的相对位置关系，并在2D栅格地图上标记障碍物从而实现避障效果。在移动机器人工作的环境中，会存在大量材质特殊，形状各异的障碍物类型。具有反光材质，吸光材质，形状低矮等属性的障碍物，通常对移动机器人的环境感知能力提出了较高的要求。
发明内容
本发明提供了一种障碍物识别方法、装置、移动机器人电子设备及存储介质，用于提高障碍物识别的准确性。
根据本发明的第一方面，提供了一种障碍物识别方法，包括：
采集目标区域的激光图像；
提取所述激光图像中的候选激光光条；
获取参考激光线在所述激光图像中的理论位置；
基于所述理论位置从所述候选激光光条中筛选出有效激光光条；
基于所述有效激光光条在世界坐标系的位置得到障碍物的位置。
在一些实施例中，获取参考激光线在所述激光图像中的理论位置包括：
获取相机坐标系下所述激光的光平面方程；
获取相机坐标系下的参考平面方程；
获取所述光平面方程和所述参考平面方程的交线表达式得到所述理论位置。
在一些实施例中，获取相机坐标系下参考平面方程具体包括：
基于从所述相机坐标系到所述世界坐标系的变换矩阵Twc将世界坐标系下参考平面上多个点的坐标转换为相机坐标系下的坐标；
基于转换后所述多个点的坐标建立相机坐标系下参考平面方程。
在一些实施例中，用于移动机器人，所述相机坐标系到所述世界坐标系的变换矩阵Twc的获取方法包括：
获取移动机器人坐标系与所述相机坐标系的变换矩阵TRC；
通过惯性测量单元获取当前所述移动机器人在世界坐标系下的姿态TWI；
获取惯性测量单元坐标系与所述移动机器人坐标系的变换矩阵TRI；
计算所述相机坐标系到所述世界坐标系的变换矩阵Twc：
在一些实施例中，获取所述光平面方程和所述参考平面方程的交线表达式得到所述理论位置具体包括：选取参考激光线在相机坐标系下的两点Pa＝(xa，ya，za)和Pb＝(xb，yb，zb)，令za＝1，zb＝2，带入所述光平面方程和所述参考平面方程得到xa、ya、xb和yb；
基于xa和va求得Pa在像素坐标系下的坐标(ua，va)；
基于xb和yb求得Pb在像素坐标系下的坐标(ub，vb)；
建立交线表达式：
Aflx+Bfly+Cflz＝0
基于(ua，va)和(ub，vb)求得交线表达式的参数。
在一些实施例中，采集目标区域的激光图像包括：
向目标区域发射水平线激光，所述水平线激光与参考平面的夹角大于0°且小于90°；
获取所述目标区域的激光图像。
在一些实施例中，还包括：
获取所述目标区域的背景图像；
获取所述目标区域的激光图像后，还包括：
基于所述背景图像对所述激光图像进行背景差分。
在一些实施例中，用于移动机器人，基于所述背景图像对所述激光图像进行背景差分前，还包括：
获取移动机器人的运动信息；
基于所述运动信息对所述背景图像进行运动补偿。
在一些实施例中，提取所述激光图像中的候选激光光条具体包括：
从所述激光图像中提取像素灰度值大于预设灰度值的像素区域作为所述候选激光光条。
在一些实施例中，基于所述理论位置从所述候选激光光条中筛选出有效激光光条具体包括：
获取每个所述候选激光光条与所述理论位置的距离；
将所述距离最小的候选激光光条作为有效激光光条。
在一些实施例中，基于所述有效激光光条在世界坐标系的位置得到障碍物的位置具体包括：
获取所述有效激光光条的中心像素点在世界坐标系的位置，得到所述障碍物的位置。
根据本发明的第二方面，提供了一种障碍物识别装置，包括：
采集模块，用于采集目标区域的激光图像；
提取模块，用于提取所述激光图像中的候选激光光条；
获取模块，用于获取参考激光线在所述激光图像中的理论位置；
筛选模块，用于基于所述理论位置从所述候选激光光条中筛选出有效激光光条；
转换模块，用于基于所述有效激光光条在世界坐标系的位置得到障碍物的位置。
根据本发明的第三方面，提供了一种移动机器人，包括：
机器人本体；
水平激光模组，设置在所述机器人本体上，所述水平激光模组包括红外线激光发射器和摄像头，所述水平激光模组用于采集目标区域的激光图像并发送给控制模块；
惯性测量单元，设置在所述机器人本体内，用于获取移动机器人在世界坐标系下的姿态并发送给控制模块；
控制模块，用于执行上述任一实施例所述的障碍物识别方法。
根据本发明的第四方面，提供了一种电子设备，包括：
处理器；以及
存储程序的存储器，
其中，所述程序包括指令，所述指令在由所述处理器执行时使所述处理器执行上述任一实施例所述的方法。
根据本发明的第五方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行上述任一实施例所述的方法
本公开实施例提供的一种障碍物识别方法，通过参考激光线在激光图像中的理论位置从对候选激光光条进行中筛选，能够提高有效激光光条识别的准确率，进而提高障碍物识别的准确性。
附图说明
图1为本公开实施例提供的一种障碍物识别方法的流程图；
图2为本公开实施例提供的移动机器人的示意图；
图3是本公开实施例提供的运动补偿示意图；
图4为不存在障碍物时的激光图像；
图5为存在障碍物时的激光图像；
图6为本公开实施例提供的一种障碍物识别装置的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
图1为本公开实施例提供的一种障碍物识别方法的流程图。如图1所示，本公开实施例提供了一种障碍物识别方法，包括如下步骤：
S101：采集目标区域的激光图像。
S102：提取激光图像中的候选激光光条；
S103：获取参考激光线在激光图像中的理论位置；
S104：基于理论位置从候选激光光条中筛选出有效激光光条；
S105：基于有效激光光条在世界坐标系的位置得到障碍物的位置。
本实施例提供的一种障碍物识别方法，通过参考激光线在激光图像中的理论位置对候选激光光条进行筛选，有效解决了场景中存在反光、折射等对激光图像的影响，能够提高有效激光光条识别的准确率，进而提高障碍物识别的准确性。
具体地，可以将地面作为参考平面，将地线作为参考激光线。
在一些实施例中，障碍物识别方法用于移动机器人，移动机器人可以为清扫机器人。移动机器人包括：
机器人本体；
水平激光模组，设置在机器人本体上，水平激光模组包括红外线激光发射器和摄像头，水平激光模组用于采集目标区域的激光图像并发送给控制模块。本实施例中，目标区域为机器人本体的目标移动区域，红外线激光发射器用于向机器人本体的移动方向发射水平线激光，水平线激光的光平面与参考平面的夹角大于0°且小于90°，水平线激光的光平面与参考平面的夹角可以为45°、50°或60°。当水平线激光的光路打到障碍物时，会改变激光图像中的激光光条位置。利用这一现象通过在摄像头中的成像，在激光图像中可以有效的找用于表征障碍物的有效激光光条。通过有效激光光条在相机坐标系中的位置可以解算出在世界坐标系下障碍物表面的位置信息。
惯性测量单元，设置在机器人本体内，用于获取移动机器人在世界坐标系下的姿态并发送给控制模块；控制模块，用于执行任一实施例提供的障碍物识别方法。
本实施例通过红外线激光发射器主动发射水平线激光可以有效地避免环境光源所带来的影响。水平线激光的光平面与参考平面的交线距离移动机器人较近，可以减少光线的二次反射和折射，避免对后续有效激光光条的提取带来不利影响。同时相比于竖直方向的线激光，构成的避障盲区较小，可以有效识别近距离的低矮障碍物
图2为本公开实施例提供的移动机器人的示意图。如图2所示，实际使用时，先定义世界坐标系为移动机器人坐标系为/>惯性测量单元坐标系为/>相机坐标系为/>
加载摄像头内外参数，内外参数包括从相机坐标系到像素坐标系的映射和从相机坐标系到机器人坐标系的变换矩阵/>机器人未移动时，机器人坐标系与世界坐标系相同。
在相机坐标系下激光的光平面方程为Alaserx+Blasery+Claserz+Dlaser＝0。
在相机坐标系下参考平面方程为Arefx+Brefy+Crefz+Dref＝0。
在世界坐标系下，选取参考平面上的三个点：变换到相机坐标系下为因此可以求得相机坐标系下的参考平面方程参数为
Aref＝(y2-y1)·(z3-z1)-(y3-y1)·(z2-z1)
Bref＝(z2-z1)·(x3-x1)-(z3-z1)·(x2-x1)
Cref＝(x2-x1)·(y3-y1)-(x3-x1)·(y2-y1)
Dref＝0-(Aref·x1+Bref·y1+Cref·z1)
由相机坐标系下的参考平面方程和光平面方程，确定两平面的交线在相机标系下的位置，即参考激光线在激光图像中的理论位置表达式。
在相机坐标系下，选取落在参考激光线理论位置表达式上的两点Pa＝(xa，ya，za)和Pb＝(xb，yb，zb)，令za＝1，zb＝2。以Pa为例，满足以下等式关系
Alaserxa+Blaserya+Claserza+Dlaser＝0
Arefxa+Brefya+Crefza+Dref＝0
可以求得，
同理，Pb也可以以同样的方式求得。
b)计算Pa和Pb在像素坐标系下的坐标，两点连线确定像素坐标系下的参考激光线理论位置表达式Aflx+Bfly+Cflz＝0：
以Pa为例，求得该点在像素坐标系下的坐标(ua，va)
同理，求得Pb在像素坐标系下的坐标(ub，vb)；连接两点，确定参考激光线理论位置表达式各参数：
Afl＝vb-ub，Bfl＝ua-ub，Cfl＝(va-vb)*ua+(ub-ua)*ub。
在一些实施例中，移动机器人发生移动后，移动机器人坐标系与世界坐标系不同，相机坐标系到世界坐标系的变换矩阵Twc的获取方法包括：
获取移动机器人坐标系与相机坐标系的变换矩阵TRC；
通过惯性测量单元获取当前时刻下移动机器人在世界坐标系下的姿态TWI；
获取惯性测量单元坐标系与移动机器人坐标系的变换矩阵TRI；
求得当前时刻下机器人坐标系相对于世界坐标系的变换关系为
于是可以计算相机坐标系到世界坐标系的变换矩阵Twc：
本实施例提供的障碍物识别方法通过惯性测量单元能够对相机坐标系到世界坐标系的变换矩阵进行实时修正，以适应移动机器人的运动。
在一些实施例中，步骤S101具体包括：
向目标区域发射水平线激光，水平线激光与参考平面的夹角大于0°且小于90°；
获取目标区域的激光图像。
还包括：
获取目标区域的背景图像，背景图像在关闭水平线激光的情况下采集；
获取目标区域的激光图像后，还包括：
基于背景图像对激光图像进行背景差分。
本实施例提供的障碍物识别方法通过点亮水平线激光和关闭水平线激光进行背景差分，能够过滤环境光照影响，提高障碍物识别的精度。
图3是本公开实施例提供的运动补偿示意图。如图3所示，当机器人存在角速度时，由于点亮水平线激光和关闭水平线激光的时刻不同，激光图像和背景图像在水平方向上存在像素错位，因此基于背景图像对激光图像进行背景差分前，还包括使用惯性测量单元测量的旋转角度对背景图像进行运动补偿。
本发明实施例提供的障碍物识别方法考虑到运动过程中移动机器人可能存在的颠簸，使用了惯性测量单元获取运动数据，一方面用于修正线激光光平面在运动过程中的位置；另一方面，对需要用于背景差分的背景图像进行运动补偿，从而实现背景图像与激光图像的对齐。
如图3所示，当移动机器人绕着zR轴顺时针旋转θ角度时，相当于P点相对于相机坐标系的yC轴顺时针旋转了θ角度。对于图像来说，同一个点，在像素坐标系下的成像由p点转移到了p′点。当先在t时刻拍摄背景图像，后在t′时刻拍摄激光图像时，P点在背景图像上的像素坐标值为p＝(u，v)，那么它在激光图像上的像素坐标值p′＝(u′，v′)可以计算为：
在一些实施例中，步骤S102具体包括：从经过背景差分的激光图像中提取像素灰度值大于预设灰度值的像素区域作为候选激光光条。
具体地，对激光图像的每一列像素点进行遍历，提取宽度大于预设宽度且亮度大于预设亮度的像素区域作为候选激光光条。
图4为不存在障碍物时的激光图像，图5为存在障碍物时的激光图像。如图4、5所示，单线线激光光面发射时，在一列的一段上仅能形成一个线激光光条，其余亮点是反光或者噪点。因此在同一列上，仅可能存在一段候选激光光条。距离参考激光线的理论位置越近，候选激光光条为有效激光光条的概率越高，同时中心像素灰度值越大，候选激光光条为有效激光光条的概率越高。在一些实施例中，步骤S104具体包括：获取每个候选激光光条与理论位置的距离；
获取每个候选激光光条中心像素点的灰度值；
基于距离和灰度值计算每个候选激光光条的评分；
将评分最高的候选激光光条作为有效激光光条；
其中，灰度值越高评分越高，距离越小评分越高。
在一些实施例中，步骤S105具体包括：
在确定有效激光光条中心像素点p＝(u，v)后，先恢复该像素点对应的相机坐标系下的障碍物点云坐标PC＝(x，y，z)：
根据从相机坐标系到像素坐标系的映射可以建立以下约束：
同时，来自线激光光平面的点一定落在线激光光平面上，因此由在相机坐标系下的线激光光平面方程，可以建立以下约束：
Alaserx+Blasery+Claserz+Dlascr＝0，
由此可以求解得：
在求得在相机坐标系下的障碍物点云坐标PC＝(x，y，z)后，通过从相机坐标系到移动机器人坐标系的变换矩阵和当前移动机器人在世界坐标系下的位姿/>可以恢复出在移动机器人坐标系下的坐标：
图6为本公开实施例提供的一种障碍物识别装置的示意图。如图6所示，基于同一构思，本公开示例性实施例还提供一种障碍物识别装置，包括：
采集模块1，用于采集目标区域的激光图像；
提取模块2，用于提取激光图像中的候选激光光条；
获取模块3，用于获取参考激光线在激光图像中的理论位置；
筛选模块4，用于基于理论位置从候选激光光条中筛选出有效激光光条；
转换模块5，用于基于有效激光光条在世界坐标系的位置得到障碍物的位置。
本公开示例性实施例还提供一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器。所述存储器存储有能够被所述至少一个处理器执行的计算机程序，所述计算机程序在被所述至少一个处理器执行时用于使所述电子设备执行根据本公开实施例的方法。
本公开示例性实施例还提供一种存储有计算机程序的非瞬时计算机可读存储介质，其中，所述计算机程序在被计算机的处理器执行时用于使所述计算机执行根据本公开实施例的方法。
应当理解的是，本公开的上述具体实施方式仅仅用于示例性说明或解释本公开的原理，而不构成对本公开的限制。因此，在不偏离本公开的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。此外，本公开所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (10)

1.一种障碍物识别方法，其特征在于，包括：
采集目标区域的激光图像；
提取所述激光图像中的候选激光光条；
获取参考激光线在所述激光图像中的理论位置；
基于所述理论位置从所述候选激光光条中筛选出有效激光光条；
基于所述有效激光光条在世界坐标系的位置得到障碍物的位置。
2.根据权利要求1所述的一种障碍物识别方法，其特征在于，获取参考激光线在所述激光图像中的理论位置包括：
获取相机坐标系下所述激光的光平面方程；
获取相机坐标系下的参考平面方程；
获取所述光平面方程和所述参考平面方程的交线表达式得到所述理论位置。
3.根据权利要求2所述的一种障碍物识别方法，其特征在于，获取相机坐标系下参考平面方程具体包括：
基于从所述相机坐标系到所述世界坐标系的变换矩阵Twc将世界坐标系下参考平面上多个点的坐标转换为相机坐标系下的坐标；
基于转换后所述多个点的坐标建立相机坐标系下的参考平面方程。
4.根据权利要求3所述的一种障碍物识别方法，其特征在于，用于移动机器人，所述相机坐标系到所述世界坐标系的变换矩阵Twc的获取方法包括：
获取移动机器人坐标系与所述相机坐标系的变换矩阵TRC；
通过惯性测量单元获取当前所述移动机器人在世界坐标系下的姿态TWI；
获取惯性测量单元坐标系与所述移动机器人坐标系的变换矩阵TRI；
计算所述相机坐标系到所述世界坐标系的变换矩阵Twc：
5.根据权利要求2所述的一种障碍物识别方法，其特征在于，获取所述光平面方程和所述参考平面方程的交线表达式得到所述理论位置具体包括：选取参考激光线在相机坐标系下的两点Pa＝(xa，ya，za)和Pb＝(xb，yb，zb)，令za＝1，zb＝2，带入所述光平面方程和所述参考平面方程得到xa、ya、xb和yb；
基于xa和ya求得Pa在像素坐标系下的坐标(ua，va)；
基于xb和yb求得Pb在像素坐标系下的坐标(ub，vb)；
建立交线表达式：
Aflx+Bfly+Cflz＝0
基于(ua，va)和(ub，vb)求得交线表达式的参数。
6.根据权利要求1所述的一种障碍物识别方法，其特征在于，采集目标区域的激光图像包括：
向目标区域发射水平线激光，所述水平线激光与参考平面的夹角大于0°且小于90°；
获取所述目标区域的激光图像。
7.一种障碍物识别装置，其特征在于，包括：
采集模块，用于采集目标区域的激光图像；
提取模块，用于提取所述激光图像中的候选激光光条；
获取模块，用于获取参考激光线在所述激光图像中的理论位置；
筛选模块，用于基于所述理论位置从所述候选激光光条中筛选出有效激光光条；
转换模块，用于基于所述有效激光光条在世界坐标系的位置得到障碍物的位置。
8.一种移动机器人，其特征在于，包括：
机器人本体；
水平激光模组，设置在所述机器人本体上，所述水平激光模组包括红外线激光发射器和摄像头，所述水平激光模组用于采集目标区域的激光图像并发送给控制模块；
惯性测量单元，设置在所述机器人本体内，用于获取移动机器人在世界坐标系下的姿态并发送给控制模块；
控制模块，用于执行权利要求1-6任一项所述的障碍物识别方法。
9.一种电子设备，包括：
处理器；以及
存储程序的存储器，
其中，所述程序包括指令，所述指令在由所述处理器执行时使所述处理器执行根据权利要求1-6中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
CN202211741448.XA 2022-12-30 2022-12-30 障碍物识别方法、装置、电子设备及存储介质 Pending CN117011375A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202211741448.XA CN117011375A (zh) 2022-12-30 2022-12-30 障碍物识别方法、装置、电子设备及存储介质
PCT/CN2023/140007 WO2024140348A1 (zh) 2022-12-30 2023-12-19 障碍物识别方法、装置、电子设备及存储介质
TW112151735A TW202426963A (zh) 2022-12-30 2023-12-29 障礙物識別方法、裝置、移動機器人、電子設備及存儲有電腦指令的非暫態電腦可讀存儲介質

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211741448.XA CN117011375A (zh) 2022-12-30 2022-12-30 障碍物识别方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN117011375A true CN117011375A (zh) 2023-11-07

Family

ID=88571649

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211741448.XA Pending CN117011375A (zh) 2022-12-30 2022-12-30 障碍物识别方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN117011375A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024140348A1 (zh) * 2022-12-30 2024-07-04 北京石头创新科技有限公司 障碍物识别方法、装置、电子设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024140348A1 (zh) * 2022-12-30 2024-07-04 北京石头创新科技有限公司 障碍物识别方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
WO2021093240A1 (en) Method and system for camera-lidar calibration
JP6034775B2 (ja) カメラ校正装置
CN108965690B (zh) 图像处理系统、图像处理装置及计算机可读存储介质
US9495750B2 (en) Image processing apparatus, image processing method, and storage medium for position and orientation measurement of a measurement target object
JP2022514912A (ja) センサのキャリブレーション方法、装置、システム、車両、機器及び記憶媒体
US8508527B2 (en) Apparatus and method of building map for mobile robot
CN103065323B (zh) 一种基于单应性变换矩阵的分段空间对准方法
JP2006252473A (ja) 障害物検出装置、キャリブレーション装置、キャリブレーション方法およびキャリブレーションプログラム
CN116907458A (zh) 基于光学目标的室内车辆导航的系统和方法
EP2940422B1 (en) Detection apparatus, detection method and manipulator
US11654571B2 (en) Three-dimensional data generation device and robot control system
CN109143167B (zh) 一种障碍信息获取装置及方法
JP2016103230A (ja) 画像処理装置、画像処理方法、及びプログラム
Yan et al. Joint camera intrinsic and lidar-camera extrinsic calibration
JP2016197287A (ja) 情報処理装置、情報処理方法、プログラム
CN112288825B (zh) 相机标定方法、装置、电子设备、存储介质和路侧设备
WO2019136613A1 (zh) 机器人室内定位的方法及装置
JP5228614B2 (ja) パラメータ計算装置、パラメータ計算システムおよびプログラム
CN116619358A (zh) 一种矿山自主探测机器人自适应定位优化与建图方法
CN117011375A (zh) 障碍物识别方法、装置、电子设备及存储介质
US20180231474A1 (en) Apparatus and method for generating operation program of inspection system
JP6410231B2 (ja) 位置合わせ装置、位置合わせ方法及び位置合わせ用コンピュータプログラム
KR20200076628A (ko) 모바일 디바이스의 위치 측정 방법, 위치 측정 장치 및 전자 디바이스
US20230089195A1 (en) Control device, control system, control method, and recording medium with control program recorded thereon
KR102525568B1 (ko) 반사판을 이용한 원거리 라이다 위치 보정 시스템 및 방법

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