CN105955275B - 一种机器人路径规划方法及*** - Google Patents

一种机器人路径规划方法及*** Download PDF

Info

Publication number
CN105955275B
CN105955275B CN201610362715.0A CN201610362715A CN105955275B CN 105955275 B CN105955275 B CN 105955275B CN 201610362715 A CN201610362715 A CN 201610362715A CN 105955275 B CN105955275 B CN 105955275B
Authority
CN
China
Prior art keywords
point cloud
volume
robot
data
bounding box
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.)
Active
Application number
CN201610362715.0A
Other languages
English (en)
Other versions
CN105955275A (zh
Inventor
胡瑞端
赵术开
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.)
Shenzhen Huaxun Ark Photoelectric Technology Co ltd
Original Assignee
China Communication 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 China Communication Technology Co Ltd filed Critical China Communication Technology Co Ltd
Priority to CN201610362715.0A priority Critical patent/CN105955275B/zh
Publication of CN105955275A publication Critical patent/CN105955275A/zh
Application granted granted Critical
Publication of CN105955275B publication Critical patent/CN105955275B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G05D1/0251—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 extracting 3D information from a plurality of images taken from different locations, e.g. stereo vision

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Electromagnetism (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Manipulator (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种机器人路径规划方法及***，涉及电子技术领域。该方法包括：采用安装在机器人顶部的3D体感相机实时采集机器人前方预设范围内障碍物的3D点云数据；对3D点云数据进行背景裁剪，以除去3D点云数据中的背景数据；采用集群抽取算法将除去背景数据后的3D点云数据分割成多个点云区块；分别计算各个点云区块的三维空间体积；判断各个点云区块的三维空间体积是否小于预设体积阈值；若小于预设体积阈值，则将该点云区块从所述3D点云数据中除去，以重新建立位于机器人前方预设范围内的区域地图；根据区域地图进行路径规划。本发明能够提高机器人的整体路径规划能力，使机器人在进行路径规划时忽略体积小的障碍物，为机器人规划出最优路径。

Description

一种机器人路径规划方法及***
技术领域
本发明属于电子技术领域，尤其涉及一种机器人路径规划方法及***。
背景技术
家用机器人是为人类服务的特种机器人，主要从事家庭服务，维护、保养、修理、运输、清洗以及监护等工作。据***欧洲经济委员会及国际机器人协会统计截止到2007年末，有410万家用服务机器人走进了人们的生活。在我国，家庭智能机器人作为一个新兴的开苏发展产业，已经成为国家“十一五”发展规划的扶植重点。
路径规划作为机器人自主运动中的关键问题，在机器人的相关技术研究中有着重要的地位。现有的家用机器人的路径规划方案一般是在根据机器人***导航的行驶路径向目标点移动时，采用位于机器人底部的2D激光扫描仪探测上述行驶路径上是否有障碍物，若无障碍物则按照上述行驶路径移动至目标点，相反，若有障碍物，则需要重新规划新的路径。这种路径规划方案只能探测距离机器人最近的物体，无法判断在这个物体之后是否还有其他障碍物的存在，缺少整体路径规划能力；此外，这种路径规划方案无法判断障碍物的尺寸大小，即使是一个很小的障碍物都必须使机器人避开绕过，局限性很大。
发明内容
本发明实施例的目的在于提供一种机器人路径规划方法及***，旨在解决上述家用机器人的路径规划方案缺少整体路径规划能力以及无法判断障碍物的尺寸大小，即使是一个很小的障碍物都必须使机器人避开绕过，局限性很大的问题。
本发明实施例是这样实现的，一种机器人路径规划方法，包括：
采用安装在机器人顶部的3D体感相机实时采集所述机器人前方预设范围内障碍物的3D点云数据；
对所述3D点云数据进行背景裁剪，以除去所述3D点云数据中的背景数据；
采用集群抽取算法将除去背景数据后的3D点云数据分割成多个点云区块；
分别计算各个点云区块的三维空间体积；
判断各个点云区块的三维空间体积是否小于预设体积阈值；
若小于预设体积阈值，则将该点云区块从所述3D点云数据中除去，以重新建立位于所述机器人前方预设范围内的区域地图；
根据所述区域地图对所述机器人进行路径规划。
在上述技术方案的基础上，所述采用集群抽取算法将除去背景数据后的3D点云数据分割成多个点云区块之前还包括：
采用边缘噪点过滤算法对除去背景数据后的3D点云数据进行滤波处理。
在上述技术方案的基础上，对所述3D点云数据进行背景裁剪，以除去所述3D点云数据中的背景数据具体包括：
计算所述3D点云数据中各平面的尺寸，以获取所述3D点云数据中最大尺寸平面；
计算出所述最大尺寸平面的空间位置信息，并根据所述空间位置信息将所有属于所述最大尺寸平面的点云作为背景数据裁剪掉。
在上述技术方案的基础上，所述分别计算各个点云区块的三维空间体积具体包括：
采用有向包围盒算法分别计算出各个点云区块所对应的包围盒；
计算各包围盒的体积，将所述包围盒的体积作为与其对应的点云区块的三维空间体积。
在上述技术方案的基础上，所述计算各包围盒的体积，将所述包围盒的体积作为与其对应的点云区块的三维空间体积之前还包括：
计算出各点云区块中所有点的重心位置；
根据各点云区块的重心位置按照一定比例对各点云区块所对应的包围盒的长、宽、高进行调整，使所述包围盒的重心位置与其对应的点云区块中所有点的重心位置重合。
本发明实施例的另一目的在于提供一种机器人路径规划***，包括：
3D体感相机，所述3D体感相机安装在机器人的顶部，用于实时采集所述机器人前方预设范围内障碍物的3D点云数据；
点云裁剪模块，用于对所述3D点云数据进行背景裁剪，以除去所述3D点云数据中的背景数据；
点云区块划分模块，用于采用集群抽取算法将除去背景数据后的3D点云数据分割成多个点云区块；
点云区块体积计算模块，用于分别计算各个点云区块的三维空间体积；
判断模块，用于判断各个点云区块的三维空间体积是否小于预设体积阈值；
区域地图重建模块，用于若小于预设体积阈值，则将该点云区块从所述3D点云数据中除去，以重新建立位于所述机器人前方预设范围内的区域地图；
路径规划模块，用于根据所述区域地图对所述机器人进行路径规划。
在上述技术方案的基础上，所述的机器人路径规划***还包括：
滤波处理模块，用于采用边缘噪点过滤算法对除去背景数据后的3D点云数据进行滤波处理。
在上述技术方案的基础上，所述点云裁剪模块具体用于：
计算所述3D点云数据中各平面的尺寸，以获取所述3D点云数据中最大尺寸平面；
计算出所述最大尺寸平面的空间位置信息，并根据所述空间位置信息将所有属于所述最大尺寸平面的点云作为背景数据裁剪掉。
在上述技术方案的基础上，所述点云区块体积计算模块包括：
包围盒获取单元，用于采用有向包围盒算法分别计算出各个点云区块所对应的包围盒；
包围盒体积计算单元，用于计算各包围盒的体积，将所述包围盒的体积作为与其对应的点云区块的三维空间体积。
在上述技术方案的基础上，所述点云区块体积计算模块还包括：
点云区块重心计算单元，用于计算出各点云区块中所有点的重心位置；
包围盒重心调整单元，用于根据各点云区块的重心位置按照一定比例对各点云区块所对应的包围盒的长、宽、高进行调整，使所述包围盒的重心位置与其对应的点云区块中所有点的重心位置重合。
实施本发明实施例提供的一种机器人路径规划方法及***具有以下有益效果：
本发明实施例由于首先采用安装在机器人顶部的3D体感相机实时采集所述机器人前方预设范围内障碍物的3D点云数据，从而能够检测出机器人前方预设范围内的所有障碍物，提高了机器人的整体路径规划能力；由于采用集群抽取算法将除去背景数据后的3D点云数据分割成多个点云区块；分别计算各个点云区块的三维空间体积；判断各个点云区块的三维空间体积是否小于预设体积阈值；若小于预设体积阈值，则将该点云区块从所述3D点云数据中除去，以重新建立位于所述机器人前方预设范围内的区域地图；最后根据所述区域地图对所述机器人进行路径规划，从而能够使机器人在进行路径规划时忽略体积小的障碍物，为机器人规划出最优路径，克服了现有机器人的路径规划方案无法判断障碍物的尺寸大小，即使是一个很小的障碍物都必须使机器人避开绕过，局限性很大的问题。
附图说明
图1是本发明实施例提供的一种机器人路径规划方法的具体实现流程图；
图2是本发明实施例提供的一种机器人路径规划***的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
图1是本发明实施例提供的一种机器人路径规划方法的具体实现流程图。参见图1所示，本实施例提供的一种机器人路径规划方法包括：
在S101中，采用安装在机器人顶部的3D体感相机实时采集所述机器人前方预设范围内障碍物的3D点云数据。
本实施例中，由于采用安装在机器人顶部的3D体感相机采集机器人前方的障碍物信息，从而可以获取机器人前方预设范围内所有障碍物信息，克服了现有技术中存在的采用2D激光扫描仪只能扫描到离机器人最近的物体，而无法检测到该物体之后是否还有其他障碍物的缺陷。进一步的，本实施例中的预设范围为10m以内。
在S102中，对所述3D点云数据进行背景裁剪，以除去所述3D点云数据中的背景数据。进一步的，S102具体包括：
计算所述3D点云数据中各平面的尺寸，以获取所述3D点云数据中最大尺寸平面；
计算出所述最大尺寸平面的空间位置信息，并根据所述空间位置信息将所有属于所述最大尺寸平面的点云作为背景数据裁剪掉。
在本实施例中，所述3D点云数据中的最大尺寸地面即为机器人所处环境中的地面，即障碍物的3D点云数据中的背景，因此本实施例中，首先获取3D点云数据中的最大尺寸平面，然后计算其空间位置，根据其空间位置将其从3D点云数据中裁剪掉，这样能够大幅减少后续处理的点云数据，提高后续数据处理速度和精度。
在S103中，采用集群抽取算法将除去背景数据后的3D点云数据分割成多个点云区块。
在本实施例中，采集群抽取算法将出去背景数据后的3D点云数据分割成多个点云区块具体是利用3D点云数据中点与点之间的空间距离来划分点云区块的，具体的：首先设定一个距离阈值，判断一个点是否属于一个点云区块，则分别计算出该点距离该点云区块中所有点的距离，若其中有一个距离小于设定的距离阈值，则说明该点属于该点云区块，否则，以该点作为新的点云区块的起始点重复上述集群抽取算法，直到所有点云区块被区分出来为止。
需要说明的是，在其他实现示例中，步骤S103之前还可以包括：采用边缘噪点过滤算法对除去背景数据后的3D点云数据进行滤波处理。这样可以除去3D体感相机硬件本身产生的噪点，进一步提高后续点云数据处理的精确度。
在S104中，分别计算各个点云区块的三维空间体积。
在本实施例中，S104具体包括：
采用有向包围盒算法分别计算出各个点云区块所对应的包围盒；
计算各包围盒的体积，将所述包围盒的体积作为与其对应的点云区块的三维空间体积。
需要说明的是，在其他实现示例中，所述计算各包围盒的体积，将所述包围盒的体积作为与其对应的点云区块的三维空间体积之前还可以包括：计算出各点云区块中所有点的重心位置；根据各点云区块的重心位置按照一定比例对各点云区块所对应的包围盒的长、宽、高进行调整，使所述包围盒的重心位置与其对应的点云区块中所有点的重心位置重合。例如：如果计算出所述点云区块中所有点的重心位置位于包围盒的下方，那么说明包围盒上方的点比较稀疏，这样很有可能是没有处理干净的噪点所致，此时按照一定的比例对所述包围盒的长宽高进行调整，以使所述包围盒的重心位置与所述点云区块的重心位置重合，然后再计算包围盒的体积，将包围盒的体积作为点云区块的体积。这样可以使得包围盒的体积大小更接近实际障碍物的体积大小，得到更加精确的结果。
在S105中，判断各个点云区块的三维空间体积是否小于预设体积阈值，若小于预设体积阈值则进入步骤S106，反之，不做处理。
在本实施例中，所述预设体积阈值可由用户根据自身需求自行设定或更改。
在S106中，将该点云区块从所述3D点云数据中除去，以重新建立位于所述机器人前方预设范围内的区域地图。
在本实施例中，若所述点云区块的三维空间体积小于预设体积阈值，则说明该点云区块所对应的障碍物体积较小，所述机器人可以不避绕过该障碍物进行路径规划，此时将该点云区块从所述3D点云数据中除去即可；相反，若所述点云区块的三维空间体积大于或等于预设体积阈值，则说明该点云区块对应的障碍物体积较大，所述机器人进行路径规划时需要避开该障碍物，此时则保留所述3D点云数据中的该点云区块。
在S107中，根据所述区域地图对所述机器人进行路径规划。
在本实施例中，由于根据重建的区域地图对所述机器人进行路径规划，而重建的区域地图中除去了体积较小的障碍物，从而能够使得机器人在进行路径规划时直接忽略体积较小的障碍物，获得最优路径。
以上可以看出，本实施例提供的一种机器人路径规划方法不仅能够检测出机器人前方预设范围内的所有障碍物，提高机器人的整体路径规划能力，而且还能够使机器人在进行路径规划时忽略体积小的障碍物，为机器人规划出最优路径，克服了现有机器人的路径规划方案无法判断障碍物的尺寸大小，即使是一个很小的障碍物都必须使机器人避开绕过，局限性很大的问题。
图2是本发明实施例提供的一种机器人路径规划***的结构示意图，该***用于运行图1所示实施例提供的方法。为了便于说明仅仅示出了与本实施例相关的部分。
参见图2所示，本实施例提供的一种机器人路径规划***，包括：
3D体感相机1，所述3D体感相机1安装在机器人的顶部，用于实时采集所述机器人前方预设范围内障碍物的3D点云数据；
点云裁剪模块2，用于对所述3D点云数据进行背景裁剪，以除去所述3D点云数据中的背景数据；
点云区块划分模块3，用于采用集群抽取算法将除去背景数据后的3D点云数据分割成多个点云区块；
点云区块体积计算模块5，用于分别计算各个点云区块的三维空间体积；
判断模块6，用于判断各个点云区块的三维空间体积是否小于预设体积阈值；
区域地图重建模块7，用于若小于预设体积阈值，则将该点云区块从所述3D点云数据中除去，以重新建立位于所述机器人前方预设范围内的区域地图；
路径规划模块8，用于根据所述区域地图对所述机器人进行路径规划。
可选的，所述的机器人路径规划***还包括：
滤波处理模块4，用于采用边缘噪点过滤算法对除去背景数据后的3D点云数据进行滤波处理。
可选的，所述点云裁剪模块2具体用于：
计算所述3D点云数据中各平面的尺寸，以获取所述3D点云数据中最大尺寸平面；
计算出所述最大尺寸平面的空间位置信息，并根据所述空间位置信息将所有属于所述最大尺寸平面的点云作为背景数据裁剪掉。
可选的，所述点云区块体积计算模块5包括：
包围盒获取单元52，用于采用有向包围盒算法分别计算出各个点云区块所对应的包围盒；
包围盒体积计算单元54，用于计算各包围盒的体积，将所述包围盒的体积作为与其对应的点云区块的三维空间体积。
可选的，所述点云区块体积计算模块还包括：
点云区块重心计算单元51，用于计算出各点云区块中所有点的重心位置；
包围盒重心调整单元53，用于根据各点云区块的重心位置按照一定比例对各点云区块所对应的包围盒的长、宽、高进行调整，使所述包围盒的重心位置与其对应的点云区块中所有点的重心位置重合。
需要说明的是，本发明实施例提供的上述终端中各个模块，由于与本发明方法实施例基于同一构思，其带来的技术效果与本发明方法实施例相同，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。
因此，可以看出，本实施例提供的一种机器人路径规划***同样不仅能够检测出机器人前方预设范围内的所有障碍物，提高机器人的整体路径规划能力，而且还能够使机器人在进行路径规划时忽略体积小的障碍物，为机器人规划出最优路径，克服了现有机器人的路径规划方案无法判断障碍物的尺寸大小，即使是一个很小的障碍物都必须使机器人避开绕过，局限性很大的问题。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种机器人路径规划方法，其特征在于，包括：
采用安装在机器人顶部的3D体感相机实时采集所述机器人前方预设范围内障碍物的3D点云数据；
对所述3D点云数据进行背景裁剪，以除去所述3D点云数据中的背景数据；
采用集群抽取算法将除去背景数据后的3D点云数据分割成多个点云区块；
分别计算各个点云区块的三维空间体积；
判断各个点云区块的三维空间体积是否小于预设体积阈值；
若小于预设体积阈值，则将小于预设体积阈值的三维空间体积对应的点云区块从所述3D点云数据中除去，以重新建立位于所述机器人前方预设范围内的区域地图；其中，除去的点云区块对应的障碍物的体积较小，所述区域地图中不包含体积较小的障碍物；
根据所述区域地图对所述机器人进行路径规划，其中，规划出的路径不避绕所述体积较小的障碍物。
2.如权利要求1所述的机器人路径规划方法，其特征在于，所述采用集群抽取算法将除去背景数据后的3D点云数据分割成多个点云区块之前还包括：
采用边缘噪点过滤算法对除去背景数据后的3D点云数据进行滤波处理。
3.如权利要求1所述的机器人路径规划方法，其特征在于，对所述3D点云数据进行背景裁剪，以除去所述3D点云数据中的背景数据具体包括：
计算所述3D点云数据中各平面的尺寸，以获取所述3D点云数据中最大尺寸平面；
计算出所述最大尺寸平面的空间位置信息，并根据所述空间位置信息将所有属于所述最大尺寸平面的点云作为背景数据裁剪掉。
4.如权利要求1所述的机器人路径规划方法，其特征在于，所述分别计算各个点云区块的三维空间体积具体包括：
采用有向包围盒算法分别计算出各个点云区块所对应的包围盒；
计算各包围盒的体积，将所述包围盒的体积作为与其对应的点云区块的三维空间体积。
5.如权利要求4所述的机器人路径规划方法，其特征在于，所述计算各包围盒的体积，将所述包围盒的体积作为与其对应的点云区块的三维空间体积之前还包括：
计算出各点云区块中所有点的重心位置；
根据各点云区块的重心位置按照一定比例对各点云区块所对应的包围盒的长、宽、高进行调整，使所述包围盒的重心位置与其对应的点云区块中所有点的重心位置重合。
6.一种机器人路径规划***，其特征在于，包括：
3D体感相机，所述3D体感相机安装在机器人的顶部，用于实时采集所述机器人前方预设范围内障碍物的3D点云数据；
点云裁剪模块，用于对所述3D点云数据进行背景裁剪，以除去所述3D点云数据中的背景数据；
点云区块划分模块，用于采用集群抽取算法将除去背景数据后的3D点云数据分割成多个点云区块；
点云区块体积计算模块，用于分别计算各个点云区块的三维空间体积；
判断模块，用于判断各个点云区块的三维空间体积是否小于预设体积阈值；
区域地图重建模块，用于若小于预设体积阈值，则将小于预设体积阈值的三维空间体积对应的点云区块从所述3D点云数据中除去，以重新建立位于所述机器人前方预设范围内的区域地图；其中，除去的点云区块对应的障碍物的体积较小，所述区域地图中不包含体积较小的障碍物；
路径规划模块，用于根据所述区域地图对所述机器人进行路径规划，其中，规划出的路径不避绕所述体积较小的障碍物。
7.如权利要求6所述的机器人路径规划***，其特征在于，还包括：
滤波处理模块，用于采用边缘噪点过滤算法对除去背景数据后的3D点云数据进行滤波处理。
8.如权利要求6所述的机器人路径规划***，其特征在于，所述点云裁剪模块具体用于：
计算所述3D点云数据中各平面的尺寸，以获取所述3D点云数据中最大尺寸平面；
计算出所述最大尺寸平面的空间位置信息，并根据所述空间位置信息将所有属于所述最大尺寸平面的点云作为背景数据裁剪掉。
9.如权利要求6所述的机器人路径规划***，其特征在于，所述点云区块体积计算模块包括：
包围盒获取单元，用于采用有向包围盒算法分别计算出各个点云区块所对应的包围盒；
包围盒体积计算单元，用于计算各包围盒的体积，将所述包围盒的体积作为与其对应的点云区块的三维空间体积。
10.如权利要求9所述的机器人路径规划***，其特征在于，所述点云区块体积计算模块还包括：
点云区块重心计算单元，用于计算出各点云区块中所有点的重心位置；
包围盒重心调整单元，用于根据各点云区块的重心位置按照一定比例对各点云区块所对应的包围盒的长、宽、高进行调整，使所述包围盒的重心位置与其对应的点云区块中所有点的重心位置重合。
CN201610362715.0A 2016-05-26 2016-05-26 一种机器人路径规划方法及*** Active CN105955275B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610362715.0A CN105955275B (zh) 2016-05-26 2016-05-26 一种机器人路径规划方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610362715.0A CN105955275B (zh) 2016-05-26 2016-05-26 一种机器人路径规划方法及***

Publications (2)

Publication Number Publication Date
CN105955275A CN105955275A (zh) 2016-09-21
CN105955275B true CN105955275B (zh) 2021-07-13

Family

ID=56910791

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610362715.0A Active CN105955275B (zh) 2016-05-26 2016-05-26 一种机器人路径规划方法及***

Country Status (1)

Country Link
CN (1) CN105955275B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106647742B (zh) * 2016-10-31 2019-09-20 纳恩博（北京）科技有限公司 移动路径规划方法及装置
CN107491070A (zh) * 2017-08-31 2017-12-19 成都通甲优博科技有限责任公司 一种移动机器人路径规划方法及装置
CN109079738B (zh) * 2018-08-24 2022-05-06 北京密塔网络科技有限公司 一种自适应agv机器人及自适应导航方法
CN110375736B (zh) * 2018-11-28 2021-02-26 北京京东尚科信息技术有限公司 智能设备的路径规划方法、***、设备及可读存储介质
CN110209153A (zh) * 2019-04-09 2019-09-06 丰疆智能科技股份有限公司 自动收割机的倒伏行驶规划***及其方法
CN111290393A (zh) * 2020-03-04 2020-06-16 上海高仙自动化科技发展有限公司 行驶控制方法及装置、智能机器人及计算机可读存储介质
CN111459172B (zh) * 2020-05-20 2023-10-31 中国北方车辆研究所 围界安防无人巡逻车自主导航***
CN115240160A (zh) * 2021-11-26 2022-10-25 上海仙途智能科技有限公司 无人清扫车贴边清扫时的避障方法、装置及设备

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1779685A (zh) * 2004-11-26 2006-05-31 鸿富锦精密工业（深圳）有限公司 点云自动剪切***及方法
CN101533529A (zh) * 2009-01-23 2009-09-16 北京建筑工程学院 基于深度图像的三维空间数据处理方法与装置
CN102915564A (zh) * 2012-08-31 2013-02-06 浙江理工大学 一种基于有向包围盒和轴向包围盒的脚楦匹配方法
CN103116360A (zh) * 2013-01-31 2013-05-22 南京航空航天大学 一种无人机避障控制方法
CN103576680A (zh) * 2012-07-25 2014-02-12 中国原子能科学研究院 一种机器人路径规划方法及装置
CN103955920A (zh) * 2014-04-14 2014-07-30 桂林电子科技大学 基于三维点云分割的双目视觉障碍物检测方法
CN103970134A (zh) * 2014-04-16 2014-08-06 江苏科技大学 多移动机器人***协作实验平台及其视觉分割和定位方法
CN104484522A (zh) * 2014-12-11 2015-04-01 西南科技大学 一种基于现实场景的机器人模拟演练***的构建方法
CN104516350A (zh) * 2013-09-26 2015-04-15 沈阳工业大学 一种复杂环境中的移动机器人路径规划方法
CN104536445A (zh) * 2014-12-19 2015-04-22 深圳先进技术研究院 移动导航方法和***
CN105353768A (zh) * 2015-12-08 2016-02-24 清华大学 狭窄空间内基于随机采样的无人机轨迹规划方法
CN105492985A (zh) * 2014-09-05 2016-04-13 深圳市大疆创新科技有限公司 多传感器环境地图构建
CN105509748A (zh) * 2015-12-29 2016-04-20 深圳先进技术研究院 机器人的导航方法及装置
CN105550688A (zh) * 2015-12-04 2016-05-04 百度在线网络技术（北京）有限公司 点云数据的分类方法及装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102902864B (zh) * 2012-10-17 2015-01-21 山东理工大学 三维物体的近似最小体积包围盒快速求解方法
CN104392486B (zh) * 2014-11-25 2017-07-28 西安理工大学 一种点云场景重建方法
CN104616349B (zh) * 2015-01-30 2017-07-28 天津大学 基于局部曲面变化因子的散乱点云数据精简处理方法
CN104899883B (zh) * 2015-05-29 2017-10-20 北京航空航天大学 一种深度图像场景的室内对象立方体检测方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1779685A (zh) * 2004-11-26 2006-05-31 鸿富锦精密工业（深圳）有限公司 点云自动剪切***及方法
CN101533529A (zh) * 2009-01-23 2009-09-16 北京建筑工程学院 基于深度图像的三维空间数据处理方法与装置
CN103576680A (zh) * 2012-07-25 2014-02-12 中国原子能科学研究院 一种机器人路径规划方法及装置
CN102915564A (zh) * 2012-08-31 2013-02-06 浙江理工大学 一种基于有向包围盒和轴向包围盒的脚楦匹配方法
CN103116360A (zh) * 2013-01-31 2013-05-22 南京航空航天大学 一种无人机避障控制方法
CN104516350A (zh) * 2013-09-26 2015-04-15 沈阳工业大学 一种复杂环境中的移动机器人路径规划方法
CN103955920A (zh) * 2014-04-14 2014-07-30 桂林电子科技大学 基于三维点云分割的双目视觉障碍物检测方法
CN103970134A (zh) * 2014-04-16 2014-08-06 江苏科技大学 多移动机器人***协作实验平台及其视觉分割和定位方法
CN105492985A (zh) * 2014-09-05 2016-04-13 深圳市大疆创新科技有限公司 多传感器环境地图构建
CN104484522A (zh) * 2014-12-11 2015-04-01 西南科技大学 一种基于现实场景的机器人模拟演练***的构建方法
CN104536445A (zh) * 2014-12-19 2015-04-22 深圳先进技术研究院 移动导航方法和***
CN105550688A (zh) * 2015-12-04 2016-05-04 百度在线网络技术（北京）有限公司 点云数据的分类方法及装置
CN105353768A (zh) * 2015-12-08 2016-02-24 清华大学 狭窄空间内基于随机采样的无人机轨迹规划方法
CN105509748A (zh) * 2015-12-29 2016-04-20 深圳先进技术研究院 机器人的导航方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
面向服务机器人的室内语义地图构建的研究;王锋;《中国博士学位论文全文数据库》;20141015;I140-47 *

Also Published As

Publication number Publication date
CN105955275A (zh) 2016-09-21

Similar Documents

Publication Publication Date Title
CN105955275B (zh) 一种机器人路径规划方法及***
KR102198724B1 (ko) 포인트 클라우드 데이터를 처리하기 위한 방법 및 장치
CN110320531B (zh) 基于激光雷达的障碍物识别方法、地图创建方法及装置
CN110780305B (zh) 一种基于多线激光雷达的赛道锥桶检测及目标点追踪方法
CN105184852B (zh) 一种基于激光点云的城市道路识别方法及装置
US20190086923A1 (en) Method and apparatus for generating obstacle motion information for autonomous vehicle
CN108873013B (zh) 一种采用多线激光雷达的道路可通行区域获取方法
CN110674705B (zh) 基于多线激光雷达的小型障碍物检测方法及装置
WO2022016311A1 (zh) 基于点云的三维重建方法、装置和计算机设备
CN109344687B (zh) 基于视觉的障碍物检测方法、装置、移动设备
CN111537994B (zh) 一种无人矿卡障碍物检测方法
CN106951847A (zh) 障碍物检测方法、装置、设备及存储介质
CN109900338B (zh) 一种路面坑槽体积测量方法及装置
CN105300403A (zh) 一种基于双目视觉的车辆里程计算法
CN103679120A (zh) 不平道路的检测方法和***
CN111880196A (zh) 一种无人矿车抗干扰方法、***及计算机设备
CN109489584A (zh) 一种基于3d技术的隧道限界检测***及隧道限界识别方法
WO2022121177A1 (zh) 一种基于扫描线的道路点云的提取方法
CN110110678B (zh) 道路边界的确定方法和装置、存储介质及电子装置
EP4105908A1 (en) Method, apparatus, server, and computer program for collision accident prevention
CN114266960A (zh) 一种点云信息与深度学习相结合的障碍物检测方法
CN116030289A (zh) 基于激光雷达的铁路危情监测方法
CN113658226B (zh) 一种限高装置高度检测方法和***
CN117250610B (zh) 基于激光雷达的入侵人员预警方法及***
CN114842166A (zh) 应用于结构化道路的负障碍检测方法、***、介质及设备

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
PD01 Discharge of preservation of patent
PD01 Discharge of preservation of patent

Date of cancellation: 20230421

Granted publication date: 20210713

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230731

Address after: 518000 404, building 37, chentian Industrial Zone, chentian community, Xixiang street, Bao'an District, Shenzhen City, Guangdong Province

Patentee after: Shenzhen Huaxun ark Photoelectric Technology Co.,Ltd.

Address before: 518000 1st floor, building 37, chentian Industrial Zone, Baoan District, Shenzhen City, Guangdong Province

Patentee before: CHINA COMMUNICATION TECHNOLOGY Co.,Ltd.