WO2022088680A1 - 一种局部点云地图构建方法及视觉机器人 - Google Patents

一种局部点云地图构建方法及视觉机器人 Download PDF

Info

Publication number
WO2022088680A1
WO2022088680A1 PCT/CN2021/098145 CN2021098145W WO2022088680A1 WO 2022088680 A1 WO2022088680 A1 WO 2022088680A1 CN 2021098145 W CN2021098145 W CN 2021098145W WO 2022088680 A1 WO2022088680 A1 WO 2022088680A1
Authority
WO
WIPO (PCT)
Prior art keywords
point cloud
preset
mobile robot
key frame
detection block
Prior art date
Application number
PCT/CN2021/098145
Other languages
English (en)
French (fr)
Inventor
严勇显
赖钦伟
肖刚军
Original Assignee
珠海一微半导体股份有限公司
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 珠海一微半导体股份有限公司 filed Critical 珠海一微半导体股份有限公司
Priority to JP2022540796A priority Critical patent/JP7375206B2/ja
Priority to US17/785,403 priority patent/US20230249353A1/en
Priority to KR1020227022513A priority patent/KR20220113977A/ko
Priority to EP21884422.3A priority patent/EP4083921A4/en
Publication of WO2022088680A1 publication Critical patent/WO2022088680A1/zh

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
    • 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
    • B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
    • B25J9/1697—Vision controlled systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
    • B25J19/02—Sensing devices
    • B25J19/021—Optical sensing devices
    • B25J19/023—Optical sensing devices including video camera means
    • 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
    • B25J9/1666—Avoiding collision or forbidden zones
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3837—Data obtained from a single source
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G01S17/894—3D imaging with simultaneous measurement of time-of-flight at a 2D array of receiver pixels, e.g. time-of-flight cameras or flash lidar
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration by the use of histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • G06T7/593—Depth or shape recovery from multiple images from stereo images
    • 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
    • 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
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/40—Robotics, robotics mapping to robotics vision
    • G05B2219/40298—Manipulator on vehicle, wheels, mobile
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Abstract

本发明公开一种局部点云地图构建方法及视觉机器人，该局部点云地图构建方法根据预设的显著位姿变化条件采样反映机器人周边大范围区域位置的点云，使得移动机器人利用这些关键帧建立能够完整覆盖到移动机器人前方的障碍物分布状况的局部点云地图，然后以三维直方图的形式去描述出不同高度位置的点云，方便使用点云在不同检测块的三维区域分布特征去除杂散点，提高过近过远障碍物场景的局部点云地图的适应性，显著降低超近距离下的障碍物位置识别定位的难度和误判概率。

Description

一种局部点云地图构建方法及视觉机器人 技术领域
在此处键入技术领域描述段落。
 背景技术
在此处键入背景技术描述段落。
 技术问题
在此处键入技术问题描述段落。
 技术解决方案
在此处键入技术解决方案描述段落。
 有益效果
在此处键入有益效果描述段落。
 附图说明
在此处键入附图说明描述段落。
 本发明的最佳实施方式
在此处键入本发明的最佳实施方式描述段落。
 本发明的实施方式
在此处键入本发明的实施方式描述段落。
 工业实用性
在此处键入工业实用性描述段落。
 序列表自由内容
在此处键入序列表自由内容描述段落。

Claims (20)

  1. 一种局部点云地图构建方法，其特征在于，该局部点云地图构建方法包括：步骤1、在移动机器人运动的过程中，控制移动机器人的3d-tof摄像头保持采集深度图像，并根据预设的显著位姿变化条件将3d-tof摄像头实时采集的当前帧深度图像插入关键帧序列内；然后进入步骤2；步骤2、控制关键帧序列内的深度图像的预设有效特征点进行位姿变换，以成为摄像头坐标系下的点云，然后进入步骤3； 步骤3、在移动机器人的3d-tof摄像头的实时视角范围内，设置一个位于水平地面的预设目标平面区域，并在这个预设目标平面区域设置与其匹配的检测块，使得点云以三维直方图的形式标记在预设目标平面区域的正上方，然后进入步骤4；步骤4、根据点云在各个检测块的高度位置分布特征，先剔除相应的检测块内呈现离散分布状态的点云，再剔除具有被阻挡采集视线的高度特征的检测块内的点云，然后进入步骤5；步骤5、将各个检测块内分布的剩余的点云的位置标记为局部点云地图的三维位置，以实现局部点云地图的构建。
  2. 根据权利要求1所述局部点云地图构建方法，其特征在于，所述根据预设的显著位姿变化条件将3d-tof摄像头实时采集的当前帧深度图像插入关键帧序列内的方法具体包括：分别计算移动机器人的3d-tof摄像头当前采集的当前帧深度图像中的预设有效特征点与所述关键帧序列内的每一关键帧中的相同的预设有效特征点的相对位姿；其中，关键帧序列是移动机器人预先存储的连续排列的包括预设有效特征点的深度图像的序列；当所有计算出的相对位姿都满足预设的显著位姿变化条件时，将3d-tof摄像头当前采集的当前帧深度图像配置为新的关键帧，再将这个新的关键帧插入所述关键帧序列，以使得下一次参与前述的相对位姿计算的关键帧反映移动机器人最新的相对位置关系；其中，预设有效特征点是所述3d-tof摄像头的视角范围内用于表征移动机器人的前方的障碍物的分布位置特征，障碍物的分布位置特征包括存在障碍物和/或不存在障碍物。
  3. 根据权利要求2所述局部点云地图构建方法，其特征在于，所述关键帧序列内的每一关键帧中的预设有效特征点与其对应关键帧下的3d-tof摄像头的距离和偏转角度都通过平移旋转的方式转换到所述当前帧深度图像对应所属的摄像头坐标系下，以实现所述位姿变换；其中，所述局部点云地图的地图坐标系是当前帧深度图像对应的摄像头坐标系。
  4. 根据权利要求3所述局部点云地图构建方法，其特征在于，所述所有计算出的相对位姿都满足预设的显著位姿变化条件具体为：计算出的相对位姿包括：移动机器人的3d-tof摄像头当前采集的当前帧深度图像中的预设有效特征点分别与发生所述位姿变换后的关键帧序列内的每一关键帧中的相同的预设有效特征点之间的深度距离变化量及其对应的偏转角度变化量；当所有的深度距离变化量都大于预设距离变化阈值、且所有的偏转角度变化量都大于预设角度变化阈值时，确定满足所述预设的显著位姿变化条件。
  5. 根据权利要求4所述局部点云地图构建方法，其特征在于，所述关键帧序列内的每一关键帧中的相同的预设有效特征点与其对应关键帧下的3d-tof摄像头的距离是：所述3d-tof摄像头预先采集并插入所述关键帧序列的深度图像的预设有效特征点对应的实际位置点到3d-tof摄像头的成像平面的深度距离，这个深度距离的变化量用于表示所述移动机器人发生的位移的大小程度；所述关键帧序列内的每一关键帧中的相同的预设有效特征点相对于其对应关键帧下的3d-tof摄像头的偏转角度是：所述3d-tof摄像头在采集到并插入所述关键帧序列的深度图像时的镜头朝向角度，这个镜头朝向角度的变化量用于表示所述移动机器人转动的角度。
  6. 根据权利要求1所述局部点云地图构建方法，其特征在于，所述步骤1包括：当移动机器人的3d-tof摄像头当前采集到当前帧深度图像时，调用移动机器人内部设置的惯性传感器测量移动机器人的当前位姿；然后调用预先保存的关键帧序列内的每一关键帧对应的移动机器人实时位姿，分别计算移动机器人的当前位姿与每一关键帧对应的移动机器人实时位姿之间的相对位姿。
  7. 根据权利要求6所述局部点云地图构建方法，其特征在于，所述所有计算出的相对位姿都满足预设的显著位姿变化条件具体为：计算出的相对位姿包括：移动机器人的3d-tof摄像头当前采集的当前帧深度图像中的预设有效特征点分别与预先采集到所述关键帧中相同的或同类型的预设有效特征点之间产生的移动机器人的行走距离变化量及同一采集过程中发生的偏转角度变化量；当所有的行走距离变化量都大于预设距离变化阈值、且所有的偏转角度变化量都大于预设角度变化阈值时，确定满足所述预设的显著位姿变化条件；其中，所述预设有效特征点是所述3d-tof摄像头的视角范围内用于表征移动机器人的前方的障碍物的分布位置特征，障碍物的分布位置特征包括存在障碍物和/或不存在障碍物。
  8. 根据权利要求7所述局部点云地图构建方法，其特征在于，所述惯性传感器包括内设于移动机器人的机体中心的码盘和内设于移动机器人的机体中心的陀螺仪，码盘用于测量移动机器人的行走距离变化量，陀螺仪用于测量同一采集过程中移动机器人的偏转角度变化量；其中，码盘测量得到的移动机器人位置坐标通过所述移动机器人的机体中心与3d-tof摄像头的刚体连接关系转换到所述当前帧深度图像对应所属的摄像头坐标系下，以构建起局部点云地图。
  9. 根据权利要求8所述局部点云地图构建方法，其特征在于，所述关键帧序列内存在三帧或三帧以上的深度图像。
  10. 根据权利要求9所述局部点云地图构建方法，其特征在于，所述移动机器人采用先进先出的内存存储形式来缓存所述关键帧序列，以使所述移动机器人在移动过程中获得与3d-tof摄像头当前实时采集的一帧深度图像在时间上是最近的所述关键帧。
  11. 根据权利要求1至10任一项所述局部点云地图构建方法，其特征在于，所述预设目标平面区域是一个矩形区域，矩形区域的一边的中点是3d-tof摄像头的位置，这一边的长度等于所述移动机器人的机体直径，与该边垂直的另一边设置在3d-tof摄像头的视角前方，用于表征所述3d-tof摄像头采集的深度图像中的可探测深度距离。
  12. 根据权利要求11所述局部点云地图构建方法，其特征在于，所述步骤4中，当检测到一个所述点云的三维坐标位置落入其中一个所述检测块内时，则确定这个所述点云分布在这个所述检测块中，并记录这个点云的高度。
  13. 根据权利要求11所述局部点云地图构建方法，其特征在于，所述各点云以三维直方图的形式标记的方法包括：设置所述三维直方图所属的三维坐标系的坐标原点是3d-tof摄像头的位置，设置所述预设目标平面区域覆盖到这个三维坐标系的横轴的正方向的所述机体直径的一半的距离，设置所述预设目标平面区域覆盖到这个三维坐标系的横轴的负方向的所述机体直径的一半的距离，设置所述预设目标平面区域覆盖到这个三维坐标系的纵轴的正方向的所述可探测深度距离，设置所述检测块沿着这个三维坐标系的竖轴分布，配置所述检测块在这个三维坐标系的竖轴上占据的竖直高度用于表示所述检测块分布的点云的高度，对所述点云划分得到所述预设数量的三维直方图中，实现以三维直方图的形式存储所述点云；其中，所述三维直方图所属的三维坐标系与所述局部地图的坐标系相同。
  14. 根据权利要求13所述局部点云地图构建方法，其特征在于，所述预设目标平面区域的面积与所述检测块的水平投影面积的比值是预设整数，以使得预设目标平面区域全部被预设整数的检测块平均划分占据。
  15. 根据权利要求13所述局部点云地图构建方法，其特征在于，所述步骤4中，所述剔除相应的检测块内呈现离散分布状态的点云的方法具体包括：判断到所述检测块内分布的点云的数量是否小于定位数目阈值，是则将这个检测块分布的点云剔除，然后再剔除具有被阻挡采集视线的高度特征的检测块内的点云；否则直接剔除具有被阻挡采集视线的高度特征的检测块内的点云；其中，这个定位数目阈值用于描述所述离散分布状态；和/或，判断是否存在一个检测块的邻域都没有分布有点云，是则剔除这个检测块内分布的点云，然后再剔除具有被阻挡采集视线的高度特征的检测块内的点云；否则直接剔除具有被阻挡采集视线的高度特征的检测块内的点云。
  16. 根据权利要求15所述局部点云地图构建方法，其特征在于，所述步骤4中，所述剔除具有被阻挡采集视线的高度特征的检测块内的点云的方法包括：步骤41、沿着远离3d-tof摄像头的方向检测每一列检测块分布的点云的高度，分别判断各列检测块中是否存在从矮至高变化的检测块序列，是则进入步骤42，否则进入步骤43；其中，从矮至高变化是对应参与判断的各个检测块中分布的最大高度的点云的高度位置变化，每个检测块分布的点云的最大高度表示各自检测块的高度；步骤42、记录这一检测块序列中的高度最大的点云所属的检测块，再将这个记录的检测块后方的高度相对小的检测块分布的点云剔除，然后返回步骤41；步骤43、记录这一检测块序列中的高度最大的点云所属的检测块，再将这个记录的检测块后方的检测块分布的点云剔除。
  17. 根据权利要求16所述局部点云地图构建方法，其特征在于，所述关键帧序列内的关键帧上的预设有效特征点包括非过曝点、非欠曝点、非过远点、非过近点以及最大竖直高度大于20mm的像素点，其中，非过远点的深度值和非过近点的深度值都处于200mm至500mm之间。
  18. 根据权利要求16所述局部点云地图构建方法，其特征在于，所述预设有效特征点是用于表征所述障碍物的特征点，或用于表征所述障碍物之外的标准路标的特征点；其中，所述3d-tof摄像头在移动机器人移动过程中从不同的方向采集到所述预设有效特征点的不同帧深度图像。
  19. 根据权利要求15所述局部点云地图构建方法，其特征在于，判断是否存在一个检测块的8个邻域都没有分布有点云，是则剔除这个检测块内分布的点云。
  20. 一种视觉机器人，其特征在于，包括：3d-tof摄像头和处理单元，处理单元用于执行权利要求1至19任一项所述的局部点云地图构建方法；3d-tof摄像头装配在视觉机器人的机体上，以使该3d-tof摄像头的视角覆盖所述视觉机器人的前方。
PCT/CN2021/098145 2020-10-30 2021-06-03 一种局部点云地图构建方法及视觉机器人 WO2022088680A1 (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2022540796A JP7375206B2 (ja) 2020-10-30 2021-06-03 局所点群地図の構築方法及び視覚ロボット
US17/785,403 US20230249353A1 (en) 2020-10-30 2021-06-03 Method for building a local point cloud map and Vision Robot
KR1020227022513A KR20220113977A (ko) 2020-10-30 2021-06-03 로컬 포인트 클라우드 맵 생성 방법 및 시각 로봇
EP21884422.3A EP4083921A4 (en) 2020-10-30 2021-06-03 LOCAL POINT CLOUD MAP CONSTRUCTION METHOD AND VISION ROBOT

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202011192850.8A CN112348893B (zh) 2020-10-30 2020-10-30 一种局部点云地图构建方法及视觉机器人
CN202011192850.8 2020-10-30

Publications (1)

Publication Number Publication Date
WO2022088680A1 true WO2022088680A1 (zh) 2022-05-05

Family

ID=74356944

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2021/098145 WO2022088680A1 (zh) 2020-10-30 2021-06-03 一种局部点云地图构建方法及视觉机器人

Country Status (6)

Country Link
US (1) US20230249353A1 (zh)
EP (1) EP4083921A4 (zh)
JP (1) JP7375206B2 (zh)
KR (1) KR20220113977A (zh)
CN (1) CN112348893B (zh)
WO (1) WO2022088680A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112348893B (zh) * 2020-10-30 2021-11-19 珠海一微半导体股份有限公司 一种局部点云地图构建方法及视觉机器人
CN113686347A (zh) * 2021-08-11 2021-11-23 追觅创新科技(苏州)有限公司 机器人导航路径的生成方法及装置
CN113787516A (zh) * 2021-08-16 2021-12-14 深圳优地科技有限公司 定位方法、装置和机器人
WO2023204105A1 (ja) * 2022-04-21 2023-10-26 ソニーセミコンダクタソリューションズ株式会社 信号処理装置、信号処理方法、データ製造方法
CN115273068B (zh) * 2022-08-02 2023-05-12 湖南大学无锡智能控制研究院 一种激光点云动态障碍物剔除方法、装置及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140350839A1 (en) * 2013-05-23 2014-11-27 Irobot Corporation Simultaneous Localization And Mapping For A Mobile Robot
CN106441306A (zh) * 2016-10-18 2017-02-22 华东师范大学 自主定位与地图构建的智能生命探测机器人
CN107160395A (zh) * 2017-06-07 2017-09-15 中国人民解放军装甲兵工程学院 地图构建方法及机器人控制系统
CN110031825A (zh) 2019-04-17 2019-07-19 北京智行者科技有限公司 激光定位初始化方法
CN112348893A (zh) * 2020-10-30 2021-02-09 珠海市一微半导体有限公司 一种局部点云地图构建方法及视觉机器人

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9183631B2 (en) * 2012-06-29 2015-11-10 Mitsubishi Electric Research Laboratories, Inc. Method for registering points and planes of 3D data in multiple coordinate systems
CN104732518B (zh) * 2015-01-19 2017-09-01 北京工业大学 一种基于智能机器人地面特征的ptam改进方法
KR102403504B1 (ko) * 2015-11-26 2022-05-31 삼성전자주식회사 이동 로봇 및 그 제어 방법
WO2019039733A1 (ko) * 2017-08-21 2019-02-28 (주)유진로봇 카메라와 라이다를 이용한 융합 센서 및 이동체
US10708627B2 (en) * 2019-03-04 2020-07-07 Intel Corporation Volumetric video compression with motion history
CN110221603B (zh) * 2019-05-13 2020-08-14 浙江大学 一种基于激光雷达多帧点云融合的远距离障碍物检测方法
CN110264567B (zh) * 2019-06-19 2022-10-14 南京邮电大学 一种基于标记点的实时三维建模方法
CN110689622B (zh) * 2019-07-05 2021-08-27 电子科技大学 一种基于点云分割匹配闭环校正的同步定位与构图方法
CN110501017A (zh) * 2019-08-12 2019-11-26 华南理工大学 一种基于orb_slam2的移动机器人导航地图生成方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140350839A1 (en) * 2013-05-23 2014-11-27 Irobot Corporation Simultaneous Localization And Mapping For A Mobile Robot
CN106441306A (zh) * 2016-10-18 2017-02-22 华东师范大学 自主定位与地图构建的智能生命探测机器人
CN107160395A (zh) * 2017-06-07 2017-09-15 中国人民解放军装甲兵工程学院 地图构建方法及机器人控制系统
CN110031825A (zh) 2019-04-17 2019-07-19 北京智行者科技有限公司 激光定位初始化方法
CN112348893A (zh) * 2020-10-30 2021-02-09 珠海市一微半导体有限公司 一种局部点云地图构建方法及视觉机器人

Also Published As

Publication number Publication date
KR20220113977A (ko) 2022-08-17
EP4083921A1 (en) 2022-11-02
CN112348893B (zh) 2021-11-19
EP4083921A4 (en) 2023-08-23
JP2023509153A (ja) 2023-03-07
JP7375206B2 (ja) 2023-11-07
US20230249353A1 (en) 2023-08-10
CN112348893A (zh) 2021-02-09

Similar Documents

Publication Publication Date Title
WO2022088680A1 (zh) 一种局部点云地图构建方法及视觉机器人
US11854272B2 (en) Hazard detection from a camera in a scene with moving shadows
CN107738612B (zh) 基于全景视觉辅助系统的自动泊车停车位检测与识别系统
KR101647370B1 (ko) 카메라 및 레이더를 이용한 교통정보 관리시스템
JP4930046B2 (ja) 路面判別方法および路面判別装置
JP3337197B2 (ja) 車外監視装置
US20120327236A1 (en) Vehicle Periphery Monitoring System
JP4872769B2 (ja) 路面判別装置および路面判別方法
JP2002197444A (ja) 車両の走行路認識装置
JP2008052517A (ja) 交通量計測方法および交通量計測装置
JP2008102620A (ja) 画像処理装置
JP2002074368A (ja) 移動物体認識追跡装置
JP6035620B2 (ja) 車載ステレオカメラシステム及びそのキャリブレーション方法
JPH1166319A (ja) 移動体検出方法及び装置並びに移動体認識方法及び装置並びに人間検出方法及び装置
JP4344860B2 (ja) ステレオ画像を用いた道路平面領域並びに障害物検出方法
JP2006234682A (ja) 対象物判定装置
JP2007280387A (ja) 物体移動の検出方法及び検出装置
JP4696925B2 (ja) 画像処理装置
JP3516118B2 (ja) 物体認識方法および物体認識装置
JP2008033781A (ja) 路面勾配検出装置及び画像表示装置
JP4752319B2 (ja) 画像認識装置及び画像認識方法
JP2006050451A (ja) 障害物警告システム及び画像処理装置
JP3605955B2 (ja) 車輌判別装置
EP3163533A1 (en) Adaptive view projection for a vehicle camera system
CN112330808B (zh) 一种基于局部地图的优化方法及视觉机器人

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21884422

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022540796

Country of ref document: JP

Kind code of ref document: A

Ref document number: 20227022513

Country of ref document: KR

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 2021884422

Country of ref document: EP

Effective date: 20220627

NENP Non-entry into the national phase

Ref country code: DE