CN106681330A - 基于多传感器数据融合的机器人导航方法及装置 - Google Patents
基于多传感器数据融合的机器人导航方法及装置 Download PDFInfo
- Publication number
- CN106681330A CN106681330A CN201710061225.1A CN201710061225A CN106681330A CN 106681330 A CN106681330 A CN 106681330A CN 201710061225 A CN201710061225 A CN 201710061225A CN 106681330 A CN106681330 A CN 106681330A
- Authority
- CN
- China
- Prior art keywords
- data
- robot
- sensor
- map
- laser radar
- 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 79
- 230000004927 fusion Effects 0.000 title claims abstract description 43
- 238000004422 calculation algorithm Methods 0.000 claims description 51
- 230000008569 process Effects 0.000 claims description 31
- 238000005516 engineering process Methods 0.000 claims description 18
- 230000004807 localization Effects 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 5
- 238000002604 ultrasonography Methods 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 2
- 230000004888 barrier function Effects 0.000 abstract description 26
- 230000000694 effects Effects 0.000 abstract description 15
- 239000002245 particle Substances 0.000 description 7
- 230000000007 visual effect Effects 0.000 description 5
- 241001269238 Data Species 0.000 description 3
- 206010034719 Personality change Diseases 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004899 motility Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
-
- 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
-
- 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
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
-
- 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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Acoustics & Sound (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Navigation (AREA)
Abstract
本发明提供了一种基于多传感器数据融合的机器人导航方法及装置,包括:根据激光雷达传感器采集到的数据和编码器数据,构建总体环境地图;实时根据激光雷达传感器、加速度计传感器、陀螺仪传感器和磁强计传感器采集的数据、总体环境地图、以及编码器数据,获得机器人在总体环境地图中的当前位置;实时根据总体环境地图和机器人的当前位置,获得机器人从当前位置到目标位置的规划路线;根据当前位置和规划路线,利用激光雷达传感器、深度摄像头、超声波传感器和红外传感器采集的数据、以及编码器数据,控制机器人避开障碍物移动。本方案在合理利用传感器实现机器人导航的基础上,灵活应用于多种场景,并且兼顾成本,能够实现较好的自主导航效果。
Description
技术领域
本发明实施例涉及人工智能技术领域,尤其涉及一种基于多传感器数据融合的机器人导航方法及装置。
背景技术
机器人自主导航技术是智能机器人领域的热门技术,通过自主导航技术,机器人可以智能的在环境中移动,从而完成导引、搬运、交互等任务。所以自主导航技术是机器人走向智能化的基础,无法自主移动的机器人不能称之为智能机器人。
现有的机器人自主导航技术可大致分为两大类:一类是有源的自主导航技术,一类是无源的自主导航技术。有源的自主导航技术即机器人需要依赖外部设备实现的自主导航,例如需要在环境中部署基站、使用GPS设备等,因此灵活性差。此外由于GPS本身的限制,其无法应用于室内环境下的定位,并且GPS的精度往往也无法满足机器人自主行走的要求。无源的自主导航技术指机器人无需依赖外部设备,只使用自身传感器实现自主导航。这一类技术灵活性好,可应用在室内或室外环境下,无需专业人员、专业设备部署。
但是,现有的无源自主导航技术通常使用单一传感器,无法提供较为全面的数据,即便使用多种传感器,也通常是将各传感器采集的数据不合理地融合,导致自主导航效果较差。
发明内容
本发明实施例提供一种基于多传感器数据融合的机器人导航方法及装置,用于解决现有的机器人自主导航效果较差的技术问题。
本发明实施例提供一种基于多传感器数据融合的机器人导航方法,包括:根据激光雷达传感器采集到的数据和编码器数据,利用即时定位与地图构建技术,构建总体环境地图;实时根据所述激光雷达传感器、加速度计传感器、陀螺仪传感器和磁强计传感器采集的数据、所述总体环境地图、以及编码器数据,通过视觉定位算法获得所述机器人在所述总体环境地图中的当前位置;实时根据所述总体环境地图和所述机器人的当前位置,通过路径规划算法获得所述机器人从所述当前位置到目标位置的规划路线;根据所述当前位置和所述规划路线,利用所述激光雷达传感器、深度摄像头、超声波传感器和红外传感器采集的数据、以及编码器数据,通过局部路径规划算法控制所述机器人避开障碍物移动。
本发明实施例提供一种基于多传感器数据融合的机器人导航装置,包括:地图构建模块,用于根据激光雷达传感器采集到的数据和编码器数据,利用即时定位与地图构建技术,构建总体环境地图;实时定位模块,用于实时根据所述激光雷达传感器、加速度计传感器、陀螺仪传感器和磁强计传感器采集的数据、所述总体环境地图、以及编码器数据,通过视觉定位算法获得所述机器人在所述总体环境地图中的当前位置;路线规划模块,用于实时根据所述总体环境地图和所述机器人的当前位置,通过路径规划算法获得所述机器人从所述当前位置到目标位置的规划路线;控制模块,用于根据所述当前位置和所述规划路线,利用所述激光雷达传感器、深度摄像头、超声波传感器和红外传感器采集的数据、以及编码器数据,通过局部路径规划算法控制所述机器人避开障碍物移动。
本发明提供的基于多传感器数据融合的机器人导航方法及装置,利用激光雷达传感器采集到的数据和编码器数据,构建总体环境地图,并根据编码器数据、激光雷达传感器、加速度计传感器、陀螺仪传感器和磁强计传感器采集的数据对机器人进行实时定位,根据机器人的当前位置规划路线,并结合激光雷达传感器、深度摄像头、超声波传感器和红外传感器采集的数据,控制机器人避开障碍物移动,从而实现机器人自主导航,本方案基于不同传感器的特点,利用不同的传感器数据进行融合并用于相应的处理,在合理利用传感器实现机器人导航的基础上,灵活应用于多种场景,并且兼顾成本,能够实现较好的自主导航效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍。
图1为本发明实施例一提供的基于多传感器数据融合的机器人导航方法的流程示意图;
图2为本发明实施例二提供的基于多传感器数据融合的机器人导航方法的流程示意图;
图3A为本发明实施例三提供的一种基于多传感器数据融合的机器人导航方法的流程示意图;
图3B为本发明实施例三提供的另一种基于多传感器数据融合的机器人导航方法的流程示意图;
图4为本发明实施例四提供的基于多传感器数据融合的机器人导航方法的流程示意图;
图5为本发明实施例五提供的基于多传感器数据融合的机器人导航装置的结构示意图;
图6为本发明实施例六提供的基于多传感器数据融合的机器人导航装置的结构示意图;
图7A为本发明实施例七提供的一种基于多传感器数据融合的机器人导航装置的结构示意图;
图7B为本发明实施例七提供的另一种基于多传感器数据融合的机器人导航装置的结构示意图;
图8为本发明实施例八提供的基于多传感器数据融合的机器人导航装置的结构示意图。
具体实施方式
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。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。
为了清楚起见,首先说明本发明使用的特定词或短语的定义。
激光雷达:提供机器人距离周围环境障碍物的距离信息,通常为周围环境的一个二维切面。可用于地图构建、定位、实时避障等。精度较高,稳定性高,噪声低,成本高。可视距离远,近距离处盲区小。
深度摄像头:提供机器人距离周围环境障碍物的距离信息,通常为周围环境的三维点云。可用于地图构建、定位、实时避障等。精度较低,稳定性低,噪声高,成本相对较低。可视距离近,近距离盲区大。
超声波传感器:提供机器人距离周围环境障碍物的距离信息,通常为一维单点。可用于实时避障。数据精度低,稳定性低,噪声高,成本很低。可视距离较远,近距离处盲区大。
红外传感器:提供机器人距离周围环境障碍物的距离信息,通常为一维单点。可用于实时避障。数据精度相对高,稳定性相对高,噪声相对高,成本很低。可视距离近,近距离处无盲区。
加速度计:可提供机器人的瞬时线加速度值。可用于定位、实时避障。
陀螺仪:可提供机器人的瞬时角速度。可用于定位、实时避障。
磁强计:可提供机器人的绝对朝向估计。可用于定位、实时避障。
编码器:可提供机器人行走的里程、速度等估计。用于定位、实时避障。
图1为本发明实施例一提供的基于多传感器数据融合的机器人导航方法的流程示意图,如图1所示,本实施例以该方法应用于机器人导航装置中来举例说明,该机器人导航装置可集成在机器人自主导航***中,该方法包括:
101、根据激光雷达传感器采集到的数据和编码器数据,利用即时定位与地图构建技术,构建总体环境地图。
具体地,即时定位与地图构建方法(Simultaneous Localization And Mapping,简称SLAM)包括但不限于:扫描匹配、图优化等方法。
以实际场景举例来说:当将机器人置于一个新环境时,需要使用即时定位与地图构建方法,绘制当前环境的地图。具体的,控制机器人在该环境中移动,激光雷达传感器不断收集数据,并利用SLAM算法,实时计算并绘制出相应的总体环境地图,该总体环境地图为二维栅格地图,该二维栅格地图后续主要用于全局的路径规划及机器人自主定位。其中,激光雷达传感器采集的数据用于SLAM算法的数据匹配,编码器数据用于为SLAM算法的每次迭代提供初始估计,从而加速地图构建过程。
上述建立的总体环境地图可以被重复使用,因此地图构建过程往往只需要进行一次。只有当环境有很大程度的改变,或机器人被置于新环境时,才需要重新构建总体环境地图。
由于全局的路径规划只是作为机器人实际行走过程的大方向参考,因此只需确定大致的路径即可。相应的,进行全局路径规划只要求总体环境地图包括环境的主要信息即可,以室内环境为例,可以包括:墙、室内家具、室外电线杆等,而激光雷达传感器提供的环境二维切面数据足够提供以上主要信息。另外,机器人进行自主定位时,需要实时的传感器数据与地图做匹配,而该匹配过程主要基于大的线特征,例如:墙、大型障碍物等,而激光雷达的二维切面信息也足以提供这些信息。尽管自主定位对于精度的要求较高,激光雷达传感器采集的数据往往精度高,噪声小,因此基于激光雷达数据构建的地图可以优化自主定位的效果。可见,采用激光雷达传感器采集的数据构建总体环境地图,能够在构建环境地图和实现自主定位的基础上,节省地图构建所需的时间,减小数据处理量,提高导航效率。实际应用中,可以将激光雷达传感器安装在机器人的底盘上。
102、实时根据所述激光雷达传感器、加速度计传感器、陀螺仪传感器和磁强计传感器采集的数据、所述总体环境地图、以及编码器数据,通过视觉定位算法获得所述机器人在所述总体环境地图中的当前位置。
以实际场景举例来说:基于前述步骤构建的总体环境地图,利用激光雷达传感器、加速度计传感器、陀螺仪传感器和磁强计传感器采集的数据进行实时定位,获得机器人的当前位置,该当前位置为机器人当前在总体环境地图下的位置信息。
103、实时根据所述总体环境地图和所述机器人的当前位置,通过路径规划算法获得所述机器人从所述当前位置到目标位置的规划路线。
其中,路径规划算法包括但不限于:A star算法、迪杰斯特拉算法等。
以实际场景举例来说:对机器人进行定位,即获取机器人的当前位置后,即可根据机器人的当前位置和前述步骤构建的总体环境地图,进行从当前位置至目标位置的路线规划,获得规划路线。
104、根据所述当前位置和所述规划路线,利用所述激光雷达传感器、深度摄像头、超声波传感器和红外传感器采集的数据、以及编码器数据,通过局部路径规划算法控制所述机器人避开障碍物移动。
其中,局部规划算法包括但不限于:动态窗口模拟、D Star算法等。
以实际场景举例来说:基于实时得到的规划路线和机器人的当前位置,通过激光雷达传感器、深度摄像头、超声波传感器和红外传感器采集的数据,通过局部路径规划算法进行决策,可控制机器人移动行走,并在移动行走过程中实时避开周围的静态或动态障碍物。
具体的,由于局部路径规划要保证机器人行走的安全及流畅,因此需要使用激光雷达、深度摄像头、超声波传感器、红外传感器采集的数据和编码器数据进行融合。
实际应用中,由于激光雷达传感器无法检测到高于或低于自身激光雷达切面的障碍物,因此可以在激光雷达传感器更低处安装红外传感器和超声波传感器,以检测近地面障碍物。由于超声波有近距离盲区但可视距离远,而红外可视距离近但无近距离盲区,因此将两者配合使用,达到可视距离远无盲区的效果。此外,使用深度摄像头获取近处环境的三维点云数据,可以直接得到机器人前方遮挡的所有物体信息。
本实施例提供的基于多传感器数据融合的机器人导航方法,利用激光雷达传感器采集到的数据和编码器数据,构建总体环境地图,并根据编码器数据、激光雷达传感器、加速度计传感器、陀螺仪传感器和磁强计传感器采集的数据对机器人进行实时定位,根据机器人的当前位置规划路线,并结合激光雷达传感器、深度摄像头、超声波传感器和红外传感器采集的数据,控制机器人避开障碍物移动,从而实现机器人自主导航,本方案基于不同传感器的特点,利用不同的传感器数据进行融合并用于相应的处理,在合理利用传感器实现机器人导航的基础上,灵活应用于多种场景,并且兼顾成本,能够实现较好的自主导航效果。
图2为本发明实施例二提供的基于多传感器数据融合的机器人导航方法的流程示意图,如图2所示,本实施例仍以该方法应用于机器人导航装置中来举例说明,在实施例一的基础上,102包括:
201、根据磁强计传感器采集的数据,对所述机器人的姿态进行初始化;
202、实时根据当前时刻与上一时刻所述加速度计传感器和所述陀螺仪传感器采集的数据、以及所述编码器数据,计算当前时刻相对于上一时刻所述机器人的位置和姿态变化估计;
203、确定所述总体环境地图中与所述位置和姿态变化估计对应的地图点,获得所述地图点的地图数据;
204、通过将所述激光雷达传感器当前采集的数据与所述地图点的地图数据分别进行匹配,获得所述机器人的当前位置,所述机器人的当前位置为匹配度最高的地图点的位置。
以实际场景举例来说:在初始化时,首先读取磁强计传感器采集的数据,获得机器人绝对朝向的初始估计,使用这个初始估计进行方向初始化。在机器人移动过程中,不断读取编码器数据、以及所述加速度计传感器和所述陀螺仪传感器采集的数据,计算当前时刻相对于上一时刻的位置和姿态变化估计。其中,对编码器数据进行积分处理即可获得位置和姿态变化估计,对加速度计传感器采集的数据进行积分可以获得位置变化估计,对陀螺仪传感器采集的数据进行积分可以获得姿态变化估计,之后通过对上述三者加权平均,即可得到当前时刻相对于上一时刻的位置和姿态变化估计。之后,根据位置和姿态变化估计,用相应地图点的地图数据和激光雷达传感器当前采集的数据做匹配,匹配度最高的地图点即为机器人的当前位置。
具体地,可以采用蒙特卡洛粒子滤波方法进行机器人自主定位。相应的,根据磁强计传感器采集的数据,对粒子的姿态进行初始化,在机器人移动过程中,实时根据当前时刻与上一时刻所述加速度计传感器和所述陀螺仪传感器采集的数据、以及所述编码器数据,计算当前时刻相对于上一时刻的粒子位置和姿态变化估计,根据位置和姿态变化估计确定一些地图点,将这些地图点的地图数据与激光雷达传感器当前采集的数据做匹配,匹配度最高的地图点即为机器人的当前位置。
在上述匹配过程中,激光雷达传感器的精度高、噪声低,且观测距离远,可以获取远处的线特征,而匹配的主要依据便是线特征。因此,只基于激光雷达传感器采集的数据进行匹配即可,可以有效节省匹配所需时间,提高机器人定位的效率,从而更快实现导航。
并且,结合使用编码器数据、加速度计传感器、陀螺仪传感器计算当前粒子的位置和姿态变化估计,实现多源融合,可以提高机器人定位的准确度,从而更准确可靠地实现机器人导航。
本实施例提供的基于多传感器数据融合的机器人导航方法,在实现机器人自主定位的过程中,结合使用编码器数据、加速度计传感器、陀螺仪传感器计算当前的位置和姿态变化估计,仅基于激光雷达传感器采集的数据进行匹配,不但可以有效节省匹配所需时间,还能提高机器人定位的准确度,从而更快速准确可靠地实现机器人导航。
图3A为本发明实施例三提供的一种基于多传感器数据融合的机器人导航方法的流程示意图,如图3A所示,本实施例仍以该方法应用于机器人导航装置中来举例说明,在实施例一或实施例二的基础上,104包括:
301、实时根据所述超声波传感器数据或所述红外传感器采集的数据,判断所述机器人是否处于移动受阻状态;
302、若所述机器人未处于移动受阻状态,则根据所述深度摄像头和所述激光雷达传感器当前采集的数据,构建局部环境地图,并根据所述局部环境地图、所述机器人的当前位置和规划路线,通过局部路径规划算法控制所述机器人避开障碍物移动。
以实际场景举例来说:局部规划策略总体分为两个情形,一个情形是正常状态下的规划策略,另一个情形是特殊状态处理。具体的,针对第一种情形,实时根据超声波传感器数据或红外传感器采集的数据,判断所述机器人是否处于移动受阻状态,若未处于移动受阻状态,即机器人正常行走过程中,使用常规的规划策略进行规划,即根据深度摄像头和所激光雷达传感器当前采集的数据构建的局部环境地图,结合前面获取的机器人的当前位置和规划路线,通过局部路径规划算法控制机器人避开障碍物移动。具体地,可以采用动态窗口模拟算法进行机器人移动控制。
本实施例中,动态窗口模拟算法会依据各传感器采集数据,实时构建机器人周围小范围内的局部环境地图,再基于该局部环境地图模拟计算,进行决策。具体的,局部环境地图的构建采用二维面数据和三维点云数据,即激光雷达传感器和深度摄像头采集的数据。采用这两种传感器的原因是局部环境地图需要实时更新,如果将类似超声波传感器和红外传感器采集的一维点数据构建到局部环境地图,可能会导致无法清理掉障碍物的问题,即当某一时刻下,超声波传感器或红外传感器观测到有一个障碍物,而下一时刻观测的并不是这个障碍物点所在的位置,也就无法确定上一时刻的障碍物是否还依然存在,逐渐地局部环境地图会逐渐累积障碍物,导致决策下的机器人无路可走,最终导致导航失败。而二维面数据和三维点云数据就不存在这个问题,因为激光雷达传感器和深度摄像头观测的不是一个点,而是一个范围,因此可以在大部分范围内保证地图的实时性,提高导航的可靠性。
针对另一种情形,即实时根据超声波传感器数据或红外传感器采集的数据,判断所述机器人处于移动受阻状态时,即机器人遇到特殊情况,例如:距离障碍物过近、由于定位误差导致的与障碍物重合、被障碍物包围等情况,则进入特殊状态处理,具体的,可以根据超声波传感器数据或红外传感器当前采集的数据及预设的方向选择策略,控制所述机器人避开障碍物移动。相应的,如图3B所示,图3B为本发明实施例三提供的另一种基于多传感器数据融合的机器人导航方法的流程示意图,如图3B所示,本实施例仍以该方法应用于基于多传感器数据融合的机器人导航装置中来举例说明,在图3A所示实施方式的基础上,在301之后,还可以包括:
303、若所述机器人处于移动受阻状态,则根据所述超声波传感器数据或所述红外传感器当前采集的数据及预设的方向选择策略,控制所述机器人避开障碍物移动。
其中,超声波传感器和红外传感器用于特殊情况处理,例如,当超声波传感器或红外传感器观测到距离障碍物过近、机器人被包围或由于定位误差机器人认为自身与障碍物重合等情况时,则进行特殊状态处理。此时不再依据局部环境地图进行决策,而是直接选择向远离障碍物的方向进行逃离,具体的方向选择策略可使用包括但不限于最近点反方向、人工势场合成等方式进行选择。
本实施例提供的基于多传感器数据融合的机器人导航方法,在对机器人的移动控制策略中,基于超声波传感器数据或红外传感器采集的数据判定当前状态,若正常,则根据深度摄像头和激光雷达传感器当前采集的数据构建局部环境地图,并基于该局部环境地图,结合机器人当前位置和规划路线,控制机器人避开障碍物移动,否则,采用预设的方向选择策略进行逃离,从而确保机器人导航的可靠性。
进一步的,图4为本发明实施例四提供的基于多传感器数据融合的机器人导航方法的流程示意图,如图4所示,本实施例仍以该方法应用于机器人导航装置中来举例说明,在实施例三的基础上,302中所述根据所述深度摄像头和所述激光雷达传感器当前采集的数据,构建局部环境地图,包括:
401、对所述深度摄像头当前采集的数据进行去噪,并将去噪后的数据向二维平面进行投影,获得二维投影数据;
402、若二维投影数据相应位置不存在所述激光雷达传感器采集的数据,则将相应位置的局部环境地图数据以对应的二维投影数据进行填充;
403、若所述二维投影数据相应位置存在所述激光雷达传感器采集的数据,则将所述二维投影数据和所述激光雷达传感器采集的数据进行加权平均,以获得相应位置的局部环境地图数据。
以实际场景举例来说:局部规划策略总体分为两个情形,一个情形是正常状态下的规划策略,另一个情形是特殊状态处理。具体的,针对第一种情形,实时根据超声波传感器数据或红外传感器采集的数据,判断所述机器人是否处于移动受阻状态,若未处于移动受阻状态,即机器人正常行走过程中,使用常规的规划策略进行规划,即根据深度摄像头和所激光雷达传感器当前采集的数据构建的局部环境地图,结合前面获取的机器人的当前位置和规划路线,通过局部路径规划算法控制机器人避开障碍物移动。
本实施例中,以采用动态窗口模拟算法控制机器人移动为例,动态窗口模拟算法是基于二维栅格地图,因此需要先对三维点云数据进行去噪,然后将三维点云数据向二维平面进行投影获得二维投影数据,此时将三维点云数据分列投影,如果某一列有障碍物点,则此列的投影结果为障碍物,否则投影为空闲。将二维投影数据与激光雷达传感器采集的二维平面数据进行融合,具体策略为,使用二维投影数据对激光雷达传感器采集的二维数据进行更新,即对于激光雷达传感器未观测到的位置直接使用获得的二维投影数据进行填充,对于激光雷达传感器观测到的位置,采用二维投影数据和激光雷达传感器采集到的数据进行加权平均。此方法适用于多个深度摄像头和多个激光雷达传感器。
本实施例提供的基于多传感器数据融合的机器人导航方法,将深度摄像头采集的三维点云数据进行去噪投影,基于获得的二维投影数据和激光雷达传感器采集到的二维平面数据进行融合,构建局部环境地图,实现对机器人的移动控制,本实施例通过将二维平面数据,三维点云数据进行融合处理,可以达到较好的局部规划效果,提高导航准确性。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
图5为本发明实施例五提供的基于多传感器数据融合的机器人导航装置的结构示意图,如图5所示,该机器人导航装置可集成在机器人自主导航***中,该装置包括:
地图构建模块51,用于根据激光雷达传感器采集到的数据和编码器数据,利用即时定位与地图构建技术,构建总体环境地图;
实时定位模块52,用于实时根据所述激光雷达传感器、加速度计传感器、陀螺仪传感器和磁强计传感器采集的数据、所述总体环境地图、以及编码器数据,通过视觉定位算法获得所述机器人在所述总体环境地图中的当前位置;
路线规划模块53,用于实时根据所述总体环境地图和所述机器人的当前位置,通过路径规划算法获得所述机器人从所述当前位置到目标位置的规划路线;
控制模块54,用于根据所述当前位置和所述规划路线,利用所述激光雷达传感器、深度摄像头、超声波传感器和红外传感器采集的数据、以及编码器数据,通过局部路径规划算法控制所述机器人避开障碍物移动。
具体地,地图构建模块51采用的即时定位与地图构建方法包括但不限于:扫描匹配、图优化等方法。以实际场景举例来说:当将机器人置于一个新环境时,需要使用即时定位与地图构建方法,绘制当前环境的地图。具体的,控制机器人在该环境中移动,激光雷达传感器不断收集数据,地图构建模块51利用SLAM算法,实时计算并绘制出相应的总体环境地图。基于地图构建模块51构建的总体环境地图,实时定位模块52利用激光雷达传感器、加速度计传感器、陀螺仪传感器和磁强计传感器采集的数据进行实时定位,获得机器人的当前位置。实时定位模块52获取机器人的当前位置后,路线规划模块53根据实时定位模块52获得的机器人的当前位置和地图构建模块51构建的总体环境地图,进行从当前位置至目标位置的路线规划,获得规划路线。基于实时得到的规划路线和机器人的当前位置,控制模块54通过激光雷达传感器、深度摄像头、超声波传感器和红外传感器采集的数据,通过局部路径规划算法进行决策,可控制机器人移动行走,并在移动行走过程中实时避开周围的静态或动态障碍物。
其中,所述总体环境地图为二维栅格地图。激光雷达传感器采集的数据用于SLAM算法的数据匹配,编码器数据用于为SLAM算法的每次迭代提供初始估计,从而加速地图构建过程。并且激光雷达传感器采集的数据往往精度高,噪声小,因此基于激光雷达数据构建的地图可以优化自主定位的效果。采用激光雷达传感器采集的数据构建总体环境地图,能够在构建环境地图和实现自主定位的基础上,节省地图构建所需的时间,减小数据处理量,提高导航效率。实际应用中,可以将激光雷达传感器安装在机器人的底盘上。
上述建立的总体环境地图可以被重复使用,因此地图构建模块51往往只需要进行一次地图构建过程。只有当环境有很大程度的改变,或机器人被置于新环境时,地图构建模块51才需要重新构建总体环境地图。
其中,路径规划算法包括但不限于:A star算法、迪杰斯特拉算法等,局部规划算法包括但不限于:动态窗口模拟、D Star算法等。
具体的,由于局部路径规划要保证机器人行走的安全及流畅,因此需要使用激光雷达、深度摄像头、超声波传感器、红外传感器采集的数据和编码器数据进行融合。
其中,本实施例提供的机器人导航装置可以执行实施例一的方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
本实施例提供的基于多传感器数据融合的机器人导航装置,利用激光雷达传感器采集到的数据和编码器数据,构建总体环境地图,并根据编码器数据、激光雷达传感器、加速度计传感器、陀螺仪传感器和磁强计传感器采集的数据对机器人进行实时定位,根据机器人的当前位置规划路线,并结合激光雷达传感器、深度摄像头、超声波传感器和红外传感器采集的数据,控制机器人避开障碍物移动,从而实现机器人自主导航,本方案基于不同传感器的特点,利用不同的传感器数据进行融合并用于相应的处理,在合理利用传感器实现机器人导航的基础上,灵活应用于多种场景,并且兼顾成本,能够实现较好的自主导航效果。
图6为本发明实施例六提供的基于多传感器数据融合的机器人导航装置的结构示意图,如图6所示,在实施例五的基础上,实时定位模块52包括:
初始化单元521,用于根据所述磁强计传感器采集的数据,对所述机器人的姿态进行初始化;
估计单元522,用于实时根据当前时刻与上一时刻所述加速度计传感器和所述陀螺仪传感器采集的数据、以及所述编码器数据,计算当前时刻相对于上一时刻所述机器人的位置和姿态变化估计;
获取单元523,用于确定所述总体环境地图中与所述位置和姿态变化估计对应的地图点,获得所述地图点的地图数据;
匹配单元524,用于通过将所述激光雷达传感器当前采集的数据与所述地图点的地图数据分别进行匹配,获得所述机器人的当前位置,所述机器人的当前位置为匹配度最高的地图点的位置。
以实际场景举例来说:在初始化时,初始化单元521读取磁强计传感器采集的数据,获得机器人绝对朝向的初始估计,使用这个初始估计进行方向初始化。在机器人移动过程中,估计单元522不断读取编码器数据、以及所述加速度计传感器和所述陀螺仪传感器采集的数据,计算当前时刻相对于上一时刻机器人的位置和姿态变化估计。其中,对编码器数据进行积分处理即可获得位置和姿态变化估计,对加速度计传感器采集的数据进行积分可以获得位置变化估计,对陀螺仪传感器采集的数据进行积分可以获得姿态变化估计,之后通过对上述三者加权平均,即可得到当前时刻相对于上一时刻的位置和姿态变化估计。之后,获取单元523根据位置和姿态变化估计确定相应的地图点,匹配单元524用相应地图点的地图数据和激光雷达传感器当前采集的数据做匹配,匹配度最高的地图点即为机器人的当前位置。
具体地,可以采用蒙特卡洛粒子滤波方法进行机器人自主定位。相应的,初始化单元521根据磁强计传感器采集的数据,对粒子的姿态进行初始化,在机器人移动过程中,估计单元522实时根据当前时刻与上一时刻所述加速度计传感器和所述陀螺仪传感器采集的数据、以及所述编码器数据,计算当前时刻相对于上一时刻的粒子位置和姿态变化估计,获取单元523根据位置和姿态变化估计确定一些地图点,匹配单元524将这些地图点的地图数据与激光雷达传感器当前采集的数据做匹配,匹配度最高的地图点即为机器人的当前位置。
在上述匹配过程中,激光雷达传感器的精度高、噪声低,且观测距离远,可以获取远处的线特征,而匹配的主要依据便是线特征。因此,只基于激光雷达传感器采集的数据进行匹配即可,可以有效节省匹配所需时间,提高机器人定位的效率,从而更快实现导航。
并且,结合使用编码器数据、加速度计传感器、陀螺仪传感器计算当前位置和姿态变化估计,实现多源融合,可以提高机器人定位的准确度,从而更准确可靠地实现机器人导航。
其中,本实施例提供的机器人导航装置可以执行实施例二的方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
本实施例提供的基于多传感器数据融合的机器人导航装置,在实现机器人自主定位的过程中,结合使用编码器数据、加速度计传感器、陀螺仪传感器计算当前位置和姿态变化估计,仅基于激光雷达传感器采集的数据进行匹配,不但可以有效节省匹配所需时间,还能提高机器人定位的准确度,从而更快速准确可靠地实现机器人导航。
图7A为本发明实施例七提供的一种基于多传感器数据融合的机器人导航装置的结构示意图,如图7A所示,在实施例五或实施例六的基础上,控制模块54包括:
检测单元541,用于实时根据所述超声波传感器数据或所述红外传感器采集的数据,判断所述机器人是否处于移动受阻状态;
第一控制单元542,用于若检测单元541检测到所述机器人未处于移动受阻状态,则根据所述深度摄像头和所述激光雷达传感器当前采集的数据,构建局部环境地图,并根据所述局部环境地图、所述机器人的当前位置和规划路线,通过局部路径规划算法控制所述机器人避开障碍物移动。
以实际场景举例:局部规划策略总体分为两个情形,一个情形是正常状态下的规划策略,另一个情形是特殊状态处理。具体的,针对第一种情形,检测单元541实时根据超声波传感器数据或红外传感器采集的数据,判断所述机器人是否处于移动受阻状态,若未处于移动受阻状态,即机器人正常行走过程中,则第一控制单元542使用常规的规划策略进行规划,即根据深度摄像头和所激光雷达传感器当前采集的数据构建的局部环境地图,结合前面获取的机器人的当前位置和规划路线,通过局部路径规划算法控制机器人避开障碍物移动。具体地,可以采用动态窗口模拟算法进行机器人移动控制。
针对另一种情形,即实时根据超声波传感器数据或红外传感器采集的数据,检测单元541判断所述机器人处于移动受阻状态时,即机器人遇到特殊情况,例如:距离障碍物过近、由于定位误差导致的与障碍物重合、被障碍物包围等情况,则进入特殊状态处理,具体的,可以根据超声波传感器数据或红外传感器当前采集的数据及预设的方向选择策略,控制所述机器人避开障碍物移动。相应的,如图7B所示,图7B为本发明实施例七提供的另一种基于多传感器数据融合的机器人导航装置的结构示意图,如图7B所示,在图7A所示实施方式的基础上,控制模块54还包括:
第二控制单元543,用于若检测单元541检测到所述机器人处于移动受阻状态,则根据所述超声波传感器数据或所述红外传感器当前采集的数据及预设的方向选择策略,控制所述机器人避开障碍物移动。
其中,超声波传感器和红外传感器用于特殊情况处理,例如,当检测单元541通过超声波传感器或红外传感器观测到距离障碍物过近、机器人被包围或由于定位误差机器人认为自身与障碍物重合等情况时,则第二控制单元543进行特殊状态处理。此时不再依据局部环境地图进行决策,而是直接选择向远离障碍物的方向进行逃离,具体的方向选择策略可使用包括但不限于最近点反方向、人工势场合成等方式进行选择。
其中,本实施例提供的机器人导航装置可以执行实施例三的方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
本实施例提供的基于多传感器数据融合的机器人导航装置,在对机器人的移动控制策略中,基于超声波传感器数据或红外传感器采集的数据判定当前状态,若正常,则根据深度摄像头和激光雷达传感器当前采集的数据构建局部环境地图,并基于该局部环境地图,结合机器人当前位置和规划路线,控制机器人避开障碍物移动,否则,采用预设的方向选择策略进行逃离,从而确保机器人导航的可靠性。
图8为本发明实施例八提供的基于多传感器数据融合的机器人导航装置的结构示意图,如图8所示,在实施例七的基础上,第一控制单元542包括:
投影子单元81,用于对所述深度摄像头当前采集的数据进行去噪,并将去噪后的数据向二维平面进行投影,获得二维投影数据;
处理子单元82,用于若二维投影数据相应位置不存在所述激光雷达传感器采集的数据,则将相应位置的局部环境地图数据以对应的二维投影数据进行填充;
处理子单元82,还用于若所述二维投影数据相应位置存在所述激光雷达传感器采集的数据,则将所述二维投影数据和所述激光雷达传感器采集的数据进行加权平均,以获得相应位置的局部环境地图数据。
本实施例中,以采用动态窗口模拟算法控制机器人移动为例,动态窗口模拟算法是基于二维栅格地图,因此需要投影子单元81先对三维点云数据进行去噪,然后将三维点云数据向二维平面进行投影获得二维投影数据,此时将三维点云数据分列投影,如果某一列有障碍物点,则此列的投影结果为障碍物,否则投影为空闲。处理子单元82将二维投影数据与激光雷达传感器采集的二维平面数据进行融合,具体策略为,使用二维投影数据对激光雷达传感器采集的二维数据进行更新,即对于激光雷达传感器未观测到的位置直接使用获得的二维投影数据进行填充,对于激光雷达传感器观测到的位置,采用二维投影数据和激光雷达传感器采集到的数据进行加权平均。此方法适用于多个深度摄像头和多个激光雷达传感器。
其中,本实施例提供的机器人导航装置可以执行实施例四的方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
本实施例提供的基于多传感器数据融合的机器人导航装置,将深度摄像头采集的三维点云数据进行去噪投影,基于获得的二维投影数据和激光雷达传感器采集到的二维平面数据进行融合,构建局部环境地图,实现对机器人的移动控制,本实施例通过将二维平面数据,三维点云数据进行融合处理,可以达到较好的局部规划效果,提高导航准确性。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种基于多传感器数据融合的机器人导航方法,其特征在于,包括:
根据激光雷达传感器采集到的数据和编码器数据,利用即时定位与地图构建技术,构建总体环境地图;
实时根据所述激光雷达传感器、加速度计传感器、陀螺仪传感器和磁强计传感器采集的数据、所述总体环境地图、以及编码器数据,通过视觉定位算法获得所述机器人在所述总体环境地图中的当前位置;
实时根据所述总体环境地图和所述机器人的当前位置,通过路径规划算法获得所述机器人从所述当前位置到目标位置的规划路线;
根据所述当前位置和所述规划路线,利用所述激光雷达传感器、深度摄像头、超声波传感器和红外传感器采集的数据、以及编码器数据,通过局部路径规划算法控制所述机器人避开障碍物移动。
2.根据权利要求1所述的方法,其特征在于,所述实时根据所述激光雷达传感器、加速度计传感器、陀螺仪传感器和磁强计传感器采集的数据、所述总体环境地图、以及编码器数据,通过视觉定位算法获得所述机器人在所述总体环境地图中的当前位置,包括:
根据所述磁强计传感器采集的数据,对所述机器人的姿态进行初始化;
实时根据当前时刻与上一时刻所述加速度计传感器和所述陀螺仪传感器采集的数据、以及所述编码器数据,计算当前时刻相对于上一时刻所述机器人的位置和姿态变化估计;
确定所述总体环境地图中与所述位置和姿态变化估计对应的地图点,获得所述地图点的地图数据;
通过将所述激光雷达传感器当前采集的数据与所述地图点的地图数据分别进行匹配,获得所述机器人的当前位置,所述机器人的当前位置为匹配度最高的地图点的位置。
3.根据权利要求1所述的方法,其特征在于,所述根据所述当前位置和所述规划路线,利用所述激光雷达传感器、深度摄像头、超声波传感器和红外传感器采集的数据、以及编码器数据,通过局部路径规划算法控制所述机器人避开障碍物移动,包括:
实时根据所述超声波传感器数据或所述红外传感器采集的数据,判断所述机器人是否处于移动受阻状态;
若所述机器人未处于移动受阻状态,则根据所述深度摄像头和所述激光雷达传感器当前采集的数据,构建局部环境地图,并根据所述局部环境地图、所述机器人的当前位置和规划路线,通过局部路径规划算法控制所述机器人避开障碍物移动。
4.根据权利要求3所述的方法,其特征在于,所述实时根据所述超声波传感器数据或所述红外传感器采集的数据,判断所述机器人是否处于移动受阻状态之后,还包括:
若所述机器人处于移动受阻状态,则根据所述超声波传感器数据或所述红外传感器当前采集的数据及预设的方向选择策略,控制所述机器人避开障碍物移动。
5.根据权利要求3或4所述的方法,其特征在于,所述根据所述深度摄像头和所述激光雷达传感器当前采集的数据,构建局部环境地图,包括:
对所述深度摄像头当前采集的数据进行去噪,并将去噪后的数据向二维平面进行投影,获得二维投影数据;
若二维投影数据相应位置不存在所述激光雷达传感器采集的数据,则将相应位置的局部环境地图数据以对应的二维投影数据进行填充;
若所述二维投影数据相应位置存在所述激光雷达传感器采集的数据,则将所述二维投影数据和所述激光雷达传感器采集的数据进行加权平均,以获得相应位置的局部环境地图数据。
6.一种基于多传感器数据融合的机器人导航装置,其特征在于,包括:
地图构建模块,用于根据激光雷达传感器采集到的数据和编码器数据,利用即时定位与地图构建技术,构建总体环境地图;
实时定位模块,用于实时根据所述激光雷达传感器、加速度计传感器、陀螺仪传感器和磁强计传感器采集的数据、所述总体环境地图、以及编码器数据,通过视觉定位算法获得所述机器人在所述总体环境地图中的当前位置;
路线规划模块,用于实时根据所述总体环境地图和所述机器人的当前位置,通过路径规划算法获得所述机器人从所述当前位置到目标位置的规划路线;
控制模块,用于根据所述当前位置和所述规划路线,利用所述激光雷达传感器、深度摄像头、超声波传感器和红外传感器采集的数据、以及编码器数据,通过局部路径规划算法控制所述机器人避开障碍物移动。
7.根据权利要求6所述的装置,其特征在于,所述实时定位模块,包括:
初始化单元,用于根据所述磁强计传感器采集的数据,对所述机器人的姿态进行初始化;
估计单元,用于实时根据当前时刻与上一时刻所述加速度计传感器和所述陀螺仪传感器采集的数据、以及所述编码器数据,计算当前时刻相对于上一时刻所述机器人的位置和姿态变化估计;
获取单元,用于确定所述总体环境地图中与所述位置和姿态变化估计对应的地图点,获得所述地图点的地图数据;
匹配单元,用于通过将所述激光雷达传感器当前采集的数据与所述地图点的地图数据分别进行匹配,获得所述机器人的当前位置,所述机器人的当前位置为匹配度最高的地图点的位置。
8.根据权利要求6所述的装置,其特征在于,所述控制模块,包括:
检测单元,用于实时根据所述超声波传感器数据或所述红外传感器采集的数据,判断所述机器人是否处于移动受阻状态;
第一控制单元,用于若所述检测单元检测到所述机器人未处于移动受阻状态,则根据所述深度摄像头和所述激光雷达传感器当前采集的数据,构建局部环境地图,并根据所述局部环境地图、所述机器人的当前位置和规划路线,通过局部路径规划算法控制所述机器人避开障碍物移动。
9.根据权利要求8所述的装置,其特征在于,所述控制模块,还包括:
第二控制单元,用于若所述检测单元检测到所述机器人处于移动受阻状态,则根据所述超声波传感器数据或所述红外传感器当前采集的数据及预设的方向选择策略,控制所述机器人避开障碍物移动。
10.根据权利要求8或9所述的装置,其特征在于,所述第一控制单元,包括:
投影子单元,用于对所述深度摄像头当前采集的数据进行去噪,并将去噪后的数据向二维平面进行投影,获得二维投影数据;
处理子单元,用于若二维投影数据相应位置不存在所述激光雷达传感器采集的数据,则将相应位置的局部环境地图数据以对应的二维投影数据进行填充;
所述处理子单元,还用于若所述二维投影数据相应位置存在所述激光雷达传感器采集的数据,则将所述二维投影数据和所述激光雷达传感器采集的数据进行加权平均,以获得相应位置的局部环境地图数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710061225.1A CN106681330A (zh) | 2017-01-25 | 2017-01-25 | 基于多传感器数据融合的机器人导航方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710061225.1A CN106681330A (zh) | 2017-01-25 | 2017-01-25 | 基于多传感器数据融合的机器人导航方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106681330A true CN106681330A (zh) | 2017-05-17 |
Family
ID=58859252
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710061225.1A Pending CN106681330A (zh) | 2017-01-25 | 2017-01-25 | 基于多传感器数据融合的机器人导航方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106681330A (zh) |
Cited By (85)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107092264A (zh) * | 2017-06-21 | 2017-08-25 | 北京理工大学 | 面向银行厅堂环境的服务机器人自主导航与自动充电方法 |
CN107167148A (zh) * | 2017-05-24 | 2017-09-15 | 安科机器人有限公司 | 同步定位与地图构建方法和设备 |
CN107193283A (zh) * | 2017-07-27 | 2017-09-22 | 青岛诺动机器人有限公司 | 一种自主导航的移动机器人及其操作方法 |
CN107193282A (zh) * | 2017-06-16 | 2017-09-22 | 北京军立方机器人科技有限公司 | 一种智能安防机器人及智能安防*** |
CN107284544A (zh) * | 2017-07-30 | 2017-10-24 | 福州大学 | 一种多功能的通用移动机器人底盘及其应用方法 |
CN107291082A (zh) * | 2017-07-18 | 2017-10-24 | 佛山科学技术学院 | 一种蚯蚓仿生机器人的控制***及其控制方法 |
CN107301654A (zh) * | 2017-06-12 | 2017-10-27 | 西北工业大学 | 一种多传感器的高精度即时定位与建图方法 |
CN107357297A (zh) * | 2017-08-21 | 2017-11-17 | 深圳市镭神智能***有限公司 | 一种扫地机器人导航***及其导航方法 |
CN107422735A (zh) * | 2017-07-29 | 2017-12-01 | 深圳力子机器人有限公司 | 一种无轨导航agv激光与视觉特征混合导航方法 |
CN107462892A (zh) * | 2017-07-28 | 2017-12-12 | 深圳普思英察科技有限公司 | 基于多超声传感器的移动机器人同步定位与地图构建方法 |
CN107655473A (zh) * | 2017-09-20 | 2018-02-02 | 南京航空航天大学 | 基于slam技术的航天器相对自主导航*** |
CN107703935A (zh) * | 2017-09-12 | 2018-02-16 | 安徽胜佳和电子科技有限公司 | 多个数据权重融合进行避障的方法、存储装置及移动终端 |
CN108168560A (zh) * | 2017-12-27 | 2018-06-15 | 沈阳智远弘业机器人有限公司 | 一种用于全向agv的复合导航控制方法 |
CN108196548A (zh) * | 2018-01-08 | 2018-06-22 | 四川文理学院 | 一种基于Arduino语言及路径跟随算法的机器人控制器 |
CN108241463A (zh) * | 2018-01-02 | 2018-07-03 | 京东方科技集团股份有限公司 | 投影装置的控制方法及其控制装置、投影装置 |
CN108326845A (zh) * | 2017-12-11 | 2018-07-27 | 浙江捷尚人工智能研究发展有限公司 | 基于双目相机和激光雷达的机器人定位方法、装置及*** |
CN108375373A (zh) * | 2018-01-30 | 2018-08-07 | 深圳市同川科技有限公司 | 机器人及其导航方法、导航装置 |
CN108422419A (zh) * | 2018-02-09 | 2018-08-21 | 上海芯智能科技有限公司 | 一种智能机器人及其控制方法和*** |
CN108500992A (zh) * | 2018-04-09 | 2018-09-07 | 中山火炬高新企业孵化器有限公司 | 一种多功能的移动安防机器人 |
CN108731664A (zh) * | 2018-05-18 | 2018-11-02 | 深圳清创新科技有限公司 | 机器人状态估计方法、装置、计算机设备和存储介质 |
CN108776474A (zh) * | 2018-05-24 | 2018-11-09 | 中山赛伯坦智能科技有限公司 | 集成高精度导航定位与深度学习的机器人嵌入式计算终端 |
CN108839061A (zh) * | 2018-05-31 | 2018-11-20 | 芜湖星途机器人科技有限公司 | 自导航机器人 |
CN108839060A (zh) * | 2018-05-31 | 2018-11-20 | 芜湖星途机器人科技有限公司 | 自导航机器人 |
CN108858226A (zh) * | 2018-07-20 | 2018-11-23 | 佛山科学技术学院 | 一种多传感器融合slam技术的餐具智能回收机器人 |
CN108958250A (zh) * | 2018-07-13 | 2018-12-07 | 华南理工大学 | 多传感器移动平台及基于已知地图的导航与避障方法 |
CN109059927A (zh) * | 2018-08-21 | 2018-12-21 | 南京邮电大学 | 复杂环境下多传感器的移动机器人slam建图方法和*** |
CN109062201A (zh) * | 2018-07-23 | 2018-12-21 | 南京理工大学 | 基于ros的智能导航微***及其控制方法 |
CN109084732A (zh) * | 2018-06-29 | 2018-12-25 | 北京旷视科技有限公司 | 定位与导航方法、装置及处理设备 |
CN109141364A (zh) * | 2018-08-01 | 2019-01-04 | 北京进化者机器人科技有限公司 | 障碍物检测方法、***及机器人 |
CN109164804A (zh) * | 2018-08-27 | 2019-01-08 | 苏州边际智能科技有限公司 | 一种基于多传感器信息融合的机器人控制*** |
CN109298629A (zh) * | 2017-07-24 | 2019-02-01 | 来福机器人 | 用于为自主和非自主位置意识提供鲁棒跟踪的容错 |
CN109318890A (zh) * | 2018-06-29 | 2019-02-12 | 北京理工大学 | 一种基于动态窗口及障碍物势能场的无人车动态避障方法 |
CN109357696A (zh) * | 2018-09-28 | 2019-02-19 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 多源传感器信息融合闭环测试架构 |
CN109375629A (zh) * | 2018-12-05 | 2019-02-22 | 苏州博众机器人有限公司 | 一种巡逻车及其导航避障方法 |
CN109483507A (zh) * | 2018-12-04 | 2019-03-19 | 北京壹氢科技有限公司 | 一种多个轮式机器人行走的室内视觉定位方法 |
CN109506661A (zh) * | 2019-01-11 | 2019-03-22 | 轻客小觅智能科技(北京)有限公司 | 一种机器人的定位方法、装置、机器人及存储介质 |
CN109582032A (zh) * | 2018-10-11 | 2019-04-05 | 天津大学 | 多旋翼无人机在复杂环境下的快速实时避障路径选择方法 |
WO2019080156A1 (zh) * | 2017-10-24 | 2019-05-02 | 深圳市沃特沃德股份有限公司 | 机器人的移动方法、装置和机器人 |
CN109874655A (zh) * | 2019-04-24 | 2019-06-14 | 贺梓庭 | 一种盆栽浇花机的自动控制*** |
CN109959935A (zh) * | 2017-12-14 | 2019-07-02 | 北京欣奕华科技有限公司 | 一种地图建立方法、地图建立装置及机器人 |
CN109960254A (zh) * | 2017-12-25 | 2019-07-02 | 深圳市优必选科技有限公司 | 机器人及其路径规划方法 |
CN109978272A (zh) * | 2019-03-30 | 2019-07-05 | 华南理工大学 | 一种基于多个全向移动机器人的路径规划***及方法 |
CN110220517A (zh) * | 2019-07-08 | 2019-09-10 | 紫光云技术有限公司 | 一种结合环境语意的室内机器人鲁棒slam方法 |
CN110320913A (zh) * | 2019-07-10 | 2019-10-11 | 苏州欧博智慧机器人有限公司 | 低速无人驾驶控制装置及方法 |
CN110377029A (zh) * | 2019-06-27 | 2019-10-25 | 北京汽车集团有限公司 | 车辆自动驾驶的控制方法和装置 |
CN110427002A (zh) * | 2019-07-29 | 2019-11-08 | 南京市晨枭软件技术有限公司 | 一种用于智能制造的自动巡查***及方法 |
CN110553652A (zh) * | 2019-10-12 | 2019-12-10 | 上海高仙自动化科技发展有限公司 | 机器人多传感器融合定位方法及其应用 |
CN110658816A (zh) * | 2019-09-27 | 2020-01-07 | 东南大学 | 一种基于智能组件的移动机器人导航与控制方法 |
CN110673603A (zh) * | 2019-10-31 | 2020-01-10 | 郑州轻工业学院 | 一种火场自主导航侦察机器人 |
CN110750097A (zh) * | 2019-10-17 | 2020-02-04 | 上海飒智智能科技有限公司 | 一种室内机器人导航***及建图、定位和移动方法 |
CN110782506A (zh) * | 2019-11-21 | 2020-02-11 | 大连理工大学 | 一种利用红外相机和深度相机融合构建栅格地图的方法 |
CN110823211A (zh) * | 2019-10-29 | 2020-02-21 | 珠海市一微半导体有限公司 | 基于视觉slam的多传感器地图构建的方法、装置及芯片 |
CN110873562A (zh) * | 2018-08-29 | 2020-03-10 | 香港商女娲创造股份有限公司 | 机器人导航*** |
CN110882110A (zh) * | 2019-12-02 | 2020-03-17 | 深圳职业技术学院 | 一种小区域智能行进轮椅 |
CN110916562A (zh) * | 2018-09-18 | 2020-03-27 | 科沃斯机器人股份有限公司 | 自主移动设备、控制方法及存储介质 |
CN110967028A (zh) * | 2019-11-26 | 2020-04-07 | 深圳优地科技有限公司 | 导航地图构建方法、装置、机器人及存储介质 |
CN111006655A (zh) * | 2019-10-21 | 2020-04-14 | 南京理工大学 | 机场巡检机器人多场景自主导航定位方法 |
CN111123925A (zh) * | 2019-12-19 | 2020-05-08 | 天津联汇智造科技有限公司 | 一种移动机器人导航***以及方法 |
CN111168669A (zh) * | 2019-12-26 | 2020-05-19 | 上海高仙自动化科技发展有限公司 | 机器人控制方法、机器人和可读存储介质 |
CN111275750A (zh) * | 2020-01-19 | 2020-06-12 | 武汉大学 | 基于多传感器融合的室内空间全景图像生成方法 |
CN111338361A (zh) * | 2020-05-22 | 2020-06-26 | 浙江远传信息技术股份有限公司 | 低速无人车避障方法、装置、设备及介质 |
CN111432171A (zh) * | 2020-03-19 | 2020-07-17 | 上海品览数据科技有限公司 | 一种基于视觉的商品盘点设备及其***和盘点方法 |
CN111609852A (zh) * | 2019-02-25 | 2020-09-01 | 北京奇虎科技有限公司 | 语义地图构建方法、扫地机器人及电子设备 |
CN111619556A (zh) * | 2020-05-22 | 2020-09-04 | 奇瑞汽车股份有限公司 | 汽车的避障控制方法、装置及存储介质 |
CN111665470A (zh) * | 2019-03-07 | 2020-09-15 | 阿里巴巴集团控股有限公司 | 一种定位方法及装置和机器人 |
CN111949027A (zh) * | 2020-08-10 | 2020-11-17 | 珠海一维弦机器人有限公司 | 自适应的机器人导航方法和装置 |
RU2740229C1 (ru) * | 2020-03-19 | 2021-01-12 | Автономная некоммерческая образовательная организация высшего образования "Сколковский институт науки и технологий" | Способ локализации и построения навигационных карт мобильного сервисного робота |
CN112454348A (zh) * | 2019-09-06 | 2021-03-09 | 李臣学 | 一种智能机器人 |
WO2021051754A1 (zh) * | 2019-09-17 | 2021-03-25 | 五邑大学 | 基于物联网和slam技术的智能医疗物资补给机器人 |
CN112578778A (zh) * | 2019-09-27 | 2021-03-30 | 上海尊颐智能科技有限公司 | 一种机能辅助装置的导航控制方法及导航*** |
US10990104B2 (en) | 2019-01-10 | 2021-04-27 | General Electric Company | Systems and methods including motorized apparatus for calibrating sensors |
CN112947433A (zh) * | 2021-02-03 | 2021-06-11 | 中国农业大学 | 一种果园移动机器人及其自主导航方法 |
CN112985505A (zh) * | 2021-03-02 | 2021-06-18 | 清华大学 | 移动与固定感知结合的室内环境时空分布场生成方法 |
CN113189987A (zh) * | 2021-04-19 | 2021-07-30 | 西安交通大学 | 基于多传感器信息融合的复杂地形路径规划方法及*** |
CN113226143A (zh) * | 2018-12-18 | 2021-08-06 | 特里纳米克斯股份有限公司 | 自主家用电器 |
CN113282088A (zh) * | 2021-05-21 | 2021-08-20 | 潍柴动力股份有限公司 | 工程车的无人驾驶方法、装置、设备、存储介质及工程车 |
CN113485381A (zh) * | 2021-08-24 | 2021-10-08 | 山东新一代信息产业技术研究院有限公司 | 一种基于多传感器的机器人移动***及方法 |
CN113793351A (zh) * | 2021-09-30 | 2021-12-14 | 中国人民解放军国防科技大学 | 基于等高线的多层轮廓图案的激光填充方法及装置 |
CN114222366A (zh) * | 2021-08-06 | 2022-03-22 | 深圳技术大学 | 一种基于单基站的室内定位方法及装置 |
CN114371716A (zh) * | 2022-01-20 | 2022-04-19 | 红骐科技(杭州)有限公司 | 一种用于消防机器人的自动驾驶巡检方法 |
CN114384920A (zh) * | 2022-03-23 | 2022-04-22 | 安徽大学 | 一种基于局部栅格地图实时构建的动态避障方法 |
CN115283360A (zh) * | 2022-10-08 | 2022-11-04 | 天津盛安机械设备有限公司 | 基于地铁智能吹扫的视觉点云路径自动规划***及方法 |
CN115384657A (zh) * | 2022-09-16 | 2022-11-25 | 中国民航大学 | 一种基于激光定位的智能机器人 |
WO2023036083A1 (zh) * | 2021-09-08 | 2023-03-16 | 汤恩智能科技(上海)有限公司 | 传感器数据处理方法、***及可读存储介质 |
CN116225029A (zh) * | 2023-05-05 | 2023-06-06 | 北华航天工业学院 | 一种机器人路径规划方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050182518A1 (en) * | 2004-02-13 | 2005-08-18 | Evolution Robotics, Inc. | Robust sensor fusion for mapping and localization in a simultaneous localization and mapping (SLAM) system |
CN103777629A (zh) * | 2013-09-05 | 2014-05-07 | 武汉汉迪机器人科技有限公司 | 自导向运载平台及该运载平台导航控制方法 |
CN103914068A (zh) * | 2013-01-07 | 2014-07-09 | 中国人民解放军第二炮兵工程大学 | 一种基于栅格地图的服务机器人自主导航方法 |
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 |
CN105783913A (zh) * | 2016-03-08 | 2016-07-20 | 中山大学 | 一种融合车载多传感器的slam装置及其控制方法 |
CN106325275A (zh) * | 2016-09-14 | 2017-01-11 | 广州今甲智能科技有限公司 | 一种机器人导航的***、方法及装置 |
-
2017
- 2017-01-25 CN CN201710061225.1A patent/CN106681330A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050182518A1 (en) * | 2004-02-13 | 2005-08-18 | Evolution Robotics, Inc. | Robust sensor fusion for mapping and localization in a simultaneous localization and mapping (SLAM) system |
CN103914068A (zh) * | 2013-01-07 | 2014-07-09 | 中国人民解放军第二炮兵工程大学 | 一种基于栅格地图的服务机器人自主导航方法 |
CN103777629A (zh) * | 2013-09-05 | 2014-05-07 | 武汉汉迪机器人科技有限公司 | 自导向运载平台及该运载平台导航控制方法 |
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 |
CN105783913A (zh) * | 2016-03-08 | 2016-07-20 | 中山大学 | 一种融合车载多传感器的slam装置及其控制方法 |
CN106325275A (zh) * | 2016-09-14 | 2017-01-11 | 广州今甲智能科技有限公司 | 一种机器人导航的***、方法及装置 |
Non-Patent Citations (1)
Title |
---|
王芳 等: "惯性与传感器技术在智能机器人导航控制中的应用", 《惯性技术发展动态发展方向研讨会文集》 * |
Cited By (114)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107167148A (zh) * | 2017-05-24 | 2017-09-15 | 安科机器人有限公司 | 同步定位与地图构建方法和设备 |
CN107301654A (zh) * | 2017-06-12 | 2017-10-27 | 西北工业大学 | 一种多传感器的高精度即时定位与建图方法 |
CN107193282A (zh) * | 2017-06-16 | 2017-09-22 | 北京军立方机器人科技有限公司 | 一种智能安防机器人及智能安防*** |
CN107193282B (zh) * | 2017-06-16 | 2020-07-14 | 哈工大机器人集团北京军立方科技有限公司 | 一种智能安防机器人及智能安防*** |
CN107092264A (zh) * | 2017-06-21 | 2017-08-25 | 北京理工大学 | 面向银行厅堂环境的服务机器人自主导航与自动充电方法 |
CN107291082A (zh) * | 2017-07-18 | 2017-10-24 | 佛山科学技术学院 | 一种蚯蚓仿生机器人的控制***及其控制方法 |
CN109298629A (zh) * | 2017-07-24 | 2019-02-01 | 来福机器人 | 用于为自主和非自主位置意识提供鲁棒跟踪的容错 |
CN109298629B (zh) * | 2017-07-24 | 2023-08-15 | 南京市远弗科技有限公司 | 在未绘制地图区域中引导移动平台的***及方法 |
CN107193283A (zh) * | 2017-07-27 | 2017-09-22 | 青岛诺动机器人有限公司 | 一种自主导航的移动机器人及其操作方法 |
CN107462892A (zh) * | 2017-07-28 | 2017-12-12 | 深圳普思英察科技有限公司 | 基于多超声传感器的移动机器人同步定位与地图构建方法 |
CN107462892B (zh) * | 2017-07-28 | 2021-11-30 | 深圳市远弗科技有限公司 | 基于多超声传感器的移动机器人同步定位与地图构建方法 |
CN107422735A (zh) * | 2017-07-29 | 2017-12-01 | 深圳力子机器人有限公司 | 一种无轨导航agv激光与视觉特征混合导航方法 |
CN107284544A (zh) * | 2017-07-30 | 2017-10-24 | 福州大学 | 一种多功能的通用移动机器人底盘及其应用方法 |
CN107357297A (zh) * | 2017-08-21 | 2017-11-17 | 深圳市镭神智能***有限公司 | 一种扫地机器人导航***及其导航方法 |
CN107703935A (zh) * | 2017-09-12 | 2018-02-16 | 安徽胜佳和电子科技有限公司 | 多个数据权重融合进行避障的方法、存储装置及移动终端 |
CN107655473A (zh) * | 2017-09-20 | 2018-02-02 | 南京航空航天大学 | 基于slam技术的航天器相对自主导航*** |
CN107655473B (zh) * | 2017-09-20 | 2020-07-28 | 南京航空航天大学 | 基于slam技术的航天器相对自主导航*** |
WO2019080156A1 (zh) * | 2017-10-24 | 2019-05-02 | 深圳市沃特沃德股份有限公司 | 机器人的移动方法、装置和机器人 |
CN108326845A (zh) * | 2017-12-11 | 2018-07-27 | 浙江捷尚人工智能研究发展有限公司 | 基于双目相机和激光雷达的机器人定位方法、装置及*** |
CN108326845B (zh) * | 2017-12-11 | 2020-06-26 | 浙江捷尚人工智能研究发展有限公司 | 基于双目相机和激光雷达的机器人定位方法、装置及*** |
CN109959935A (zh) * | 2017-12-14 | 2019-07-02 | 北京欣奕华科技有限公司 | 一种地图建立方法、地图建立装置及机器人 |
CN109959935B (zh) * | 2017-12-14 | 2020-10-23 | 北京欣奕华科技有限公司 | 一种地图建立方法、地图建立装置及机器人 |
CN109960254A (zh) * | 2017-12-25 | 2019-07-02 | 深圳市优必选科技有限公司 | 机器人及其路径规划方法 |
CN109960254B (zh) * | 2017-12-25 | 2022-09-23 | 深圳市优必选科技有限公司 | 机器人及其路径规划方法 |
CN108168560A (zh) * | 2017-12-27 | 2018-06-15 | 沈阳智远弘业机器人有限公司 | 一种用于全向agv的复合导航控制方法 |
CN108168560B (zh) * | 2017-12-27 | 2021-06-08 | 沈阳智远弘业机器人有限公司 | 一种用于全向agv的复合导航控制方法 |
CN108241463B (zh) * | 2018-01-02 | 2021-02-12 | 京东方科技集团股份有限公司 | 投影装置的控制方法及其控制装置、投影装置 |
CN108241463A (zh) * | 2018-01-02 | 2018-07-03 | 京东方科技集团股份有限公司 | 投影装置的控制方法及其控制装置、投影装置 |
CN108196548A (zh) * | 2018-01-08 | 2018-06-22 | 四川文理学院 | 一种基于Arduino语言及路径跟随算法的机器人控制器 |
CN108375373A (zh) * | 2018-01-30 | 2018-08-07 | 深圳市同川科技有限公司 | 机器人及其导航方法、导航装置 |
CN108422419A (zh) * | 2018-02-09 | 2018-08-21 | 上海芯智能科技有限公司 | 一种智能机器人及其控制方法和*** |
CN108500992A (zh) * | 2018-04-09 | 2018-09-07 | 中山火炬高新企业孵化器有限公司 | 一种多功能的移动安防机器人 |
CN108731664B (zh) * | 2018-05-18 | 2020-08-11 | 深圳一清创新科技有限公司 | 机器人状态估计方法、装置、计算机设备和存储介质 |
CN108731664A (zh) * | 2018-05-18 | 2018-11-02 | 深圳清创新科技有限公司 | 机器人状态估计方法、装置、计算机设备和存储介质 |
CN108776474B (zh) * | 2018-05-24 | 2022-03-15 | 中山赛伯坦智能科技有限公司 | 集成高精度导航定位与深度学习的机器人嵌入式计算终端 |
CN108776474A (zh) * | 2018-05-24 | 2018-11-09 | 中山赛伯坦智能科技有限公司 | 集成高精度导航定位与深度学习的机器人嵌入式计算终端 |
CN108839061A (zh) * | 2018-05-31 | 2018-11-20 | 芜湖星途机器人科技有限公司 | 自导航机器人 |
CN108839060A (zh) * | 2018-05-31 | 2018-11-20 | 芜湖星途机器人科技有限公司 | 自导航机器人 |
CN109084732A (zh) * | 2018-06-29 | 2018-12-25 | 北京旷视科技有限公司 | 定位与导航方法、装置及处理设备 |
CN109318890A (zh) * | 2018-06-29 | 2019-02-12 | 北京理工大学 | 一种基于动态窗口及障碍物势能场的无人车动态避障方法 |
CN108958250A (zh) * | 2018-07-13 | 2018-12-07 | 华南理工大学 | 多传感器移动平台及基于已知地图的导航与避障方法 |
CN108858226A (zh) * | 2018-07-20 | 2018-11-23 | 佛山科学技术学院 | 一种多传感器融合slam技术的餐具智能回收机器人 |
CN109062201A (zh) * | 2018-07-23 | 2018-12-21 | 南京理工大学 | 基于ros的智能导航微***及其控制方法 |
CN109062201B (zh) * | 2018-07-23 | 2021-09-03 | 南京理工大学 | 基于ros的智能导航微***及其控制方法 |
CN109141364A (zh) * | 2018-08-01 | 2019-01-04 | 北京进化者机器人科技有限公司 | 障碍物检测方法、***及机器人 |
CN109141364B (zh) * | 2018-08-01 | 2020-11-03 | 北京进化者机器人科技有限公司 | 障碍物检测方法、***及机器人 |
CN109059927A (zh) * | 2018-08-21 | 2018-12-21 | 南京邮电大学 | 复杂环境下多传感器的移动机器人slam建图方法和*** |
CN109164804A (zh) * | 2018-08-27 | 2019-01-08 | 苏州边际智能科技有限公司 | 一种基于多传感器信息融合的机器人控制*** |
CN110873562A (zh) * | 2018-08-29 | 2020-03-10 | 香港商女娲创造股份有限公司 | 机器人导航*** |
CN110916562A (zh) * | 2018-09-18 | 2020-03-27 | 科沃斯机器人股份有限公司 | 自主移动设备、控制方法及存储介质 |
CN109357696B (zh) * | 2018-09-28 | 2020-10-23 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 多源传感器信息融合闭环测试架构 |
CN109357696A (zh) * | 2018-09-28 | 2019-02-19 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 多源传感器信息融合闭环测试架构 |
CN109582032B (zh) * | 2018-10-11 | 2021-10-12 | 天津大学 | 多旋翼无人机在复杂环境下的快速实时避障路径选择方法 |
CN109582032A (zh) * | 2018-10-11 | 2019-04-05 | 天津大学 | 多旋翼无人机在复杂环境下的快速实时避障路径选择方法 |
CN109483507B (zh) * | 2018-12-04 | 2021-06-29 | 北京壹氢科技有限公司 | 一种多个轮式机器人行走的室内视觉定位方法 |
CN109483507A (zh) * | 2018-12-04 | 2019-03-19 | 北京壹氢科技有限公司 | 一种多个轮式机器人行走的室内视觉定位方法 |
CN109375629A (zh) * | 2018-12-05 | 2019-02-22 | 苏州博众机器人有限公司 | 一种巡逻车及其导航避障方法 |
CN113226143A (zh) * | 2018-12-18 | 2021-08-06 | 特里纳米克斯股份有限公司 | 自主家用电器 |
US10990104B2 (en) | 2019-01-10 | 2021-04-27 | General Electric Company | Systems and methods including motorized apparatus for calibrating sensors |
CN109506661A (zh) * | 2019-01-11 | 2019-03-22 | 轻客小觅智能科技(北京)有限公司 | 一种机器人的定位方法、装置、机器人及存储介质 |
CN111609852A (zh) * | 2019-02-25 | 2020-09-01 | 北京奇虎科技有限公司 | 语义地图构建方法、扫地机器人及电子设备 |
CN111665470A (zh) * | 2019-03-07 | 2020-09-15 | 阿里巴巴集团控股有限公司 | 一种定位方法及装置和机器人 |
CN109978272B (zh) * | 2019-03-30 | 2022-11-18 | 华南理工大学 | 一种基于多个全向移动机器人的路径规划***及方法 |
CN109978272A (zh) * | 2019-03-30 | 2019-07-05 | 华南理工大学 | 一种基于多个全向移动机器人的路径规划***及方法 |
CN109874655A (zh) * | 2019-04-24 | 2019-06-14 | 贺梓庭 | 一种盆栽浇花机的自动控制*** |
CN110377029A (zh) * | 2019-06-27 | 2019-10-25 | 北京汽车集团有限公司 | 车辆自动驾驶的控制方法和装置 |
CN110220517A (zh) * | 2019-07-08 | 2019-09-10 | 紫光云技术有限公司 | 一种结合环境语意的室内机器人鲁棒slam方法 |
CN110320913A (zh) * | 2019-07-10 | 2019-10-11 | 苏州欧博智慧机器人有限公司 | 低速无人驾驶控制装置及方法 |
CN110427002A (zh) * | 2019-07-29 | 2019-11-08 | 南京市晨枭软件技术有限公司 | 一种用于智能制造的自动巡查***及方法 |
CN112454348A (zh) * | 2019-09-06 | 2021-03-09 | 李臣学 | 一种智能机器人 |
WO2021051754A1 (zh) * | 2019-09-17 | 2021-03-25 | 五邑大学 | 基于物联网和slam技术的智能医疗物资补给机器人 |
CN110658816A (zh) * | 2019-09-27 | 2020-01-07 | 东南大学 | 一种基于智能组件的移动机器人导航与控制方法 |
CN110658816B (zh) * | 2019-09-27 | 2022-10-25 | 东南大学 | 一种基于智能组件的移动机器人导航与控制方法 |
CN112578778A (zh) * | 2019-09-27 | 2021-03-30 | 上海尊颐智能科技有限公司 | 一种机能辅助装置的导航控制方法及导航*** |
CN110553652B (zh) * | 2019-10-12 | 2022-06-24 | 上海高仙自动化科技发展有限公司 | 机器人多传感器融合定位方法及其应用 |
CN110553652A (zh) * | 2019-10-12 | 2019-12-10 | 上海高仙自动化科技发展有限公司 | 机器人多传感器融合定位方法及其应用 |
CN110750097A (zh) * | 2019-10-17 | 2020-02-04 | 上海飒智智能科技有限公司 | 一种室内机器人导航***及建图、定位和移动方法 |
CN111006655A (zh) * | 2019-10-21 | 2020-04-14 | 南京理工大学 | 机场巡检机器人多场景自主导航定位方法 |
CN110823211A (zh) * | 2019-10-29 | 2020-02-21 | 珠海市一微半导体有限公司 | 基于视觉slam的多传感器地图构建的方法、装置及芯片 |
CN110673603B (zh) * | 2019-10-31 | 2023-10-24 | 郑州轻工业大学 | 一种火场自主导航侦察机器人 |
CN110673603A (zh) * | 2019-10-31 | 2020-01-10 | 郑州轻工业学院 | 一种火场自主导航侦察机器人 |
CN110782506A (zh) * | 2019-11-21 | 2020-02-11 | 大连理工大学 | 一种利用红外相机和深度相机融合构建栅格地图的方法 |
CN110782506B (zh) * | 2019-11-21 | 2021-04-20 | 大连理工大学 | 一种利用红外相机和深度相机融合构建栅格地图的方法 |
CN110967028B (zh) * | 2019-11-26 | 2022-04-12 | 深圳优地科技有限公司 | 导航地图构建方法、装置、机器人及存储介质 |
CN110967028A (zh) * | 2019-11-26 | 2020-04-07 | 深圳优地科技有限公司 | 导航地图构建方法、装置、机器人及存储介质 |
CN110882110A (zh) * | 2019-12-02 | 2020-03-17 | 深圳职业技术学院 | 一种小区域智能行进轮椅 |
CN111123925A (zh) * | 2019-12-19 | 2020-05-08 | 天津联汇智造科技有限公司 | 一种移动机器人导航***以及方法 |
CN111168669B (zh) * | 2019-12-26 | 2021-12-03 | 上海高仙自动化科技发展有限公司 | 机器人控制方法、机器人和可读存储介质 |
CN111168669A (zh) * | 2019-12-26 | 2020-05-19 | 上海高仙自动化科技发展有限公司 | 机器人控制方法、机器人和可读存储介质 |
CN111275750A (zh) * | 2020-01-19 | 2020-06-12 | 武汉大学 | 基于多传感器融合的室内空间全景图像生成方法 |
CN111432171B (zh) * | 2020-03-19 | 2021-12-07 | 上海品览数据科技有限公司 | 一种基于视觉的商品盘点设备及其***和盘点方法 |
RU2740229C1 (ru) * | 2020-03-19 | 2021-01-12 | Автономная некоммерческая образовательная организация высшего образования "Сколковский институт науки и технологий" | Способ локализации и построения навигационных карт мобильного сервисного робота |
CN111432171A (zh) * | 2020-03-19 | 2020-07-17 | 上海品览数据科技有限公司 | 一种基于视觉的商品盘点设备及其***和盘点方法 |
CN111619556A (zh) * | 2020-05-22 | 2020-09-04 | 奇瑞汽车股份有限公司 | 汽车的避障控制方法、装置及存储介质 |
CN111619556B (zh) * | 2020-05-22 | 2022-05-03 | 奇瑞汽车股份有限公司 | 汽车的避障控制方法、装置及存储介质 |
CN111338361A (zh) * | 2020-05-22 | 2020-06-26 | 浙江远传信息技术股份有限公司 | 低速无人车避障方法、装置、设备及介质 |
CN111949027A (zh) * | 2020-08-10 | 2020-11-17 | 珠海一维弦机器人有限公司 | 自适应的机器人导航方法和装置 |
CN112947433A (zh) * | 2021-02-03 | 2021-06-11 | 中国农业大学 | 一种果园移动机器人及其自主导航方法 |
CN112947433B (zh) * | 2021-02-03 | 2023-05-02 | 中国农业大学 | 一种果园移动机器人及其自主导航方法 |
CN112985505A (zh) * | 2021-03-02 | 2021-06-18 | 清华大学 | 移动与固定感知结合的室内环境时空分布场生成方法 |
CN113189987A (zh) * | 2021-04-19 | 2021-07-30 | 西安交通大学 | 基于多传感器信息融合的复杂地形路径规划方法及*** |
CN113282088A (zh) * | 2021-05-21 | 2021-08-20 | 潍柴动力股份有限公司 | 工程车的无人驾驶方法、装置、设备、存储介质及工程车 |
CN114222366A (zh) * | 2021-08-06 | 2022-03-22 | 深圳技术大学 | 一种基于单基站的室内定位方法及装置 |
CN113485381A (zh) * | 2021-08-24 | 2021-10-08 | 山东新一代信息产业技术研究院有限公司 | 一种基于多传感器的机器人移动***及方法 |
WO2023036083A1 (zh) * | 2021-09-08 | 2023-03-16 | 汤恩智能科技(上海)有限公司 | 传感器数据处理方法、***及可读存储介质 |
CN113793351A (zh) * | 2021-09-30 | 2021-12-14 | 中国人民解放军国防科技大学 | 基于等高线的多层轮廓图案的激光填充方法及装置 |
CN113793351B (zh) * | 2021-09-30 | 2023-06-02 | 中国人民解放军国防科技大学 | 基于等高线的多层轮廓图案的激光填充方法及装置 |
CN114371716A (zh) * | 2022-01-20 | 2022-04-19 | 红骐科技(杭州)有限公司 | 一种用于消防机器人的自动驾驶巡检方法 |
CN114384920A (zh) * | 2022-03-23 | 2022-04-22 | 安徽大学 | 一种基于局部栅格地图实时构建的动态避障方法 |
US11720110B2 (en) | 2022-03-23 | 2023-08-08 | Anhui University | Dynamic obstacle avoidance method based on real-time local grid map construction |
CN115384657A (zh) * | 2022-09-16 | 2022-11-25 | 中国民航大学 | 一种基于激光定位的智能机器人 |
CN115283360B (zh) * | 2022-10-08 | 2022-12-27 | 天津盛安机械设备有限公司 | 基于地铁智能吹扫的视觉点云路径自动规划***及方法 |
CN115283360A (zh) * | 2022-10-08 | 2022-11-04 | 天津盛安机械设备有限公司 | 基于地铁智能吹扫的视觉点云路径自动规划***及方法 |
CN116225029A (zh) * | 2023-05-05 | 2023-06-06 | 北华航天工业学院 | 一种机器人路径规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106681330A (zh) | 基于多传感器数据融合的机器人导航方法及装置 | |
CN109916393B (zh) | 一种基于机器人位姿的多重栅格值导航方法及其应用 | |
CN104914865B (zh) | 变电站巡检机器人定位导航***及方法 | |
CN107655473B (zh) | 基于slam技术的航天器相对自主导航*** | |
CN105043396B (zh) | 一种移动机器人室内自建地图的方法和*** | |
CN103869814B (zh) | 一种终端定位和导航方法以及可移动的终端 | |
EP3086196B1 (en) | Method and control system for surveying and mapping a terrain while operating a bulldozer | |
Kriegman et al. | A mobile robot: Sensing, planning and locomotion | |
CN102042835B (zh) | 自主式水下机器人组合导航*** | |
CN105955273A (zh) | 室内机器人导航***及方法 | |
CN103472823B (zh) | 一种智能机器人用的栅格地图创建方法 | |
KR20180079428A (ko) | 자동 로컬리제이션을 위한 장치 및 방법 | |
CN107966989A (zh) | 一种机器人自主导航*** | |
CN106168805A (zh) | 基于云计算的机器人自主行走的方法 | |
CN107544501A (zh) | 一种智能机器人智慧行走控制***及其方法 | |
CN108345005A (zh) | 巷道掘进机的实时连续自主定位定向***及导航定位方法 | |
CN104236548A (zh) | 一种微型无人机室内自主导航方法 | |
CN112518739A (zh) | 履带式底盘机器人侦察智能化自主导航方法 | |
CN115256414B (zh) | 矿用钻孔机器人及其与地质、巷道模型的耦合作业方法 | |
CN111949032A (zh) | 一种基于强化学习的3d避障导航***及方法 | |
CN104406589B (zh) | 一种飞行器穿越雷达区的飞行方法 | |
CN112652001B (zh) | 基于扩展卡尔曼滤波的水下机器人多传感器融合定位*** | |
CN114034299B (zh) | 一种基于主动激光slam的导航*** | |
CN207965645U (zh) | 一种机器人自主导航*** | |
CN113686347B (zh) | 机器人导航路径的生成方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170517 |
|
RJ01 | Rejection of invention patent application after publication |