CN108122412B - 用于监控机器人检测车辆乱停的方法 - Google Patents
用于监控机器人检测车辆乱停的方法 Download PDFInfo
- Publication number
- CN108122412B CN108122412B CN201611061455.XA CN201611061455A CN108122412B CN 108122412 B CN108122412 B CN 108122412B CN 201611061455 A CN201611061455 A CN 201611061455A CN 108122412 B CN108122412 B CN 108122412B
- Authority
- CN
- China
- Prior art keywords
- robot
- vehicle
- parking space
- tof camera
- dimensional map
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012544 monitoring process Methods 0.000 title claims abstract description 23
- 230000000007 visual effect Effects 0.000 claims abstract description 6
- 230000009466 transformation Effects 0.000 claims description 18
- 238000013519 translation Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 8
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明涉及智能控制技术领域,具体为用于监控机器人检测车辆乱停的方法,包括以下步骤:S1、TOF相机采集图像,构建三维地图,并将车位信息注册到所述三维地图;S2、所述TOF相机实时定位机器人位置;S3、所述TOF相机实时检测视场内的障碍物,判断所述障碍物属性;若所述障碍物属性为车辆,判断所述车辆是否位于注册的车位附近,是则执行步骤S4;S4、通过彩色相机检测车位的线条信息,经所述线条信息判断车辆是否位于车位内。本发明的用于监控机器人检测车辆乱停的方法,可用于室外移动机器人对小区、园区中车辆乱停的检测,替代保安人员实现车辆乱停的检测与自动记录,提高机器人的智能性。
Description
技术领域
本发明涉及智能控制技术领域,特别涉及一种用于监控机器人检测车辆乱停的方法。
背景技术
小区监控机器人主要用于替代保安实现小区或园区的巡逻,并对小区或园区内车辆乱停情况进行检测,如发现车辆乱停则记录下车牌号,将数据传送给后台管理软件,或通知管理人员对违停车辆进行处理。
目前,对于车辆乱停的检测均基于相机固定,将相机固定在高处,面向需监控的区域,相机工作前需对场景进行校准,即在相机图像中划出需要监控的区域,并划出车位区域和非车位区域。当有车辆乱停时,通过检测车辆在图像中的位置是否在已经划定的区域来判断车辆是否停在车位内。
上述方法需要相机固定在一个位置,不能移动,采用单个相机能够实现监测的范围有限,若实现整个小区或园区车辆乱停的监测,需要多个相机才能实现。
对小区监控机器人而言,需要将相机放置在机器人本体上,在移动过程中实现车辆乱停的检测,而现有的方法不适用小区监控机器人。
发明内容
本发明旨在克服现有监控机器人检测车辆乱停不智能的技术缺陷,提供一种用于监控机器人检测车辆乱停的方法。
为实现上述目的,本发明采用以下技术方案:
本发明提供一种用于监控机器人检测车辆乱停的方法,包括以下步骤:S1、TOF相机采集图像,构建三维地图,并将车位信息注册到所述三维地图;S2、所述TOF相机实时定位机器人位置;S3、所述TOF相机实时检测视场内的障碍物,判断所述障碍物属性;若所述障碍物属性为车辆,判断所述车辆是否位于注册的车位附近,是则执行步骤S4;S4、通过彩色相机检测车位的线条信息,经所述线条信息判断车辆是否位于车位内。
一些实施例中,步骤S1中,所述TOF相机采集图像,构建三维地图,包括,所述TOF相机采集当前视场内的深度图像;将相邻两帧图像进行匹配计算,通过所述匹配计算估计机器人移动姿态;将两帧图像拼接,作为三维地图信息存储。
一些实施例中,所述匹配计算具体为,将两帧图像中的点云分别记为两个集合X=x1,x2,...,xm和Y=y1,y2,...,ym,对所述两个点云做旋转变换和平移变换,并进行迭代计算,对于集合X中的每一个点用当前的旋转变换和平移变换在Y集合中搜寻最近的点。
一些实施例中,所述TOF相机采集图像速度为30帧。
一些实施例中,步骤S2中,TOF相机实时定位机器人位置,具体为,所述TOF相机将相邻两帧图像的匹配,通过匹配信息获得机器人姿态改变,并计算机器人移动的位置。
一些实施例中,步骤S2还包括,IMU校正精确定位机器人位置,所述IMU校正包括,机器人移动中实时计算机器人的重力加速度和角速度的变化,将所述变化转换为机器人位置的改变,并将所述改变与机器人的码盘值融合。
一些实施例中,步骤S3中,所述判断所述车辆是否位于注册的车位附近为,根据所述车辆相对于机器人的位置信息和所述机器人在三维地图的位置信息计算车辆在三维地图中的位置,并调用注册到所述三维地图中的车位信息,判断车辆是否在车位附近。
一些实施例中,步骤S4中,经所述线条信息判断车辆是否位于车位内,具体为,判断车辆与机器人之间车位线条的完整性,是则车辆的车位纵向符合;移动机器人判断车位横向的两车位线条的完整性,是则车辆停放符合。
本发明的有益效果在于:本发明的用于监控机器人检测车辆乱停的方法,通过TOF相机采集图像,构建三维地图,并将车位信息注册到所述三维地图;所述TOF相机实时检测视场内的障碍物,判断所述障碍物属性;若所述障碍物属性为车辆,判断所述车辆是否位于注册的车位附近;以及通过彩色相机检测车位的线条信息,经所述线条信息判断车辆是否位于车位内。可用于室外移动机器人对小区、园区中车辆乱停的检测,替代保安人员实现车辆乱停的检测与自动记录,提高机器人的智能性。
附图说明
图1是本发明用于监控机器人检测车辆乱停的方法流程图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
如图1所示,本发明实施例的一种用于监控机器人检测车辆乱停的方法。包括以下步骤:
S1、TOF(Time of flight,飞行时间)相机采集图像,构建三维地图,并将车位信息注册到所述三维地图。
优选地,所述TOF相机采集图像,构建三维地图,包括,所述TOF相机采集当前视场内的深度图像;将相邻两帧图像进行匹配计算,通过所述匹配计算估计机器人移动姿态;将两帧图像拼接,作为三维地图信息存储。
S2、所述TOF相机实时定位机器人位置。
其中,TOF相机实时定位机器人位置,具体为,所述TOF相机将相邻两帧图像的匹配,通过匹配信息获得机器人姿态改变,并计算机器人移动的位置。
S3、所述TOF相机实时检测视场内的障碍物,判断所述障碍物属性;若所述障碍物属性为车辆,判断所述车辆是否位于注册的车位附近,是则执行步骤S4。
S4、通过彩色相机检测车位的线条信息,经所述线条信息判断车辆是否位于车位内。
本发明一实施例的用于监控机器人检测车辆乱停的方法。包括以下步骤:
S1、TOF相机采集图像,构建三维地图,并将车位信息注册到所述三维地图。
优选地,所述TOF相机以30帧速度采集图像,构建三维地图,包括,所述TOF相机采集当前视场内的深度图像;将相邻两帧图像进行匹配计算,通过所述匹配计算估计机器人移动姿态;将两帧图像拼接,作为三维地图信息存储。
S2、所述TOF相机将相邻两帧图像的匹配,通过匹配信息获得机器人姿态改变,并计算机器人移动的位置。
S3、所述TOF相机实时检测视场内的障碍物,判断所述障碍物属性;若所述障碍物属性为车辆,根据所述车辆相对于机器人的位置信息和所述机器人在三维地图的位置信息计算车辆在三维地图中的位置,并调用注册到所述三维地图中的车位信息,判断车辆是否在车位附近,是则执行步骤S4。
S4、通过彩色相机检测车位的线条信息,经所述线条信息判断车辆是否位于车位内。
本发明一实施例的用于监控机器人检测车辆乱停的方法。包括以下步骤:
S1、TOF相机采集图像,构建三维地图,并将车位信息注册到所述三维地图。
优选地,所述TOF相机以30帧速度采集图像,构建三维地图,包括,所述TOF相机采集当前视场内的深度图像;将相邻两帧图像进行匹配计算,通过所述匹配计算估计机器人移动姿态;将两帧图像拼接,作为三维地图信息存储。
上述匹配计算具体包括,将两帧图像中的点云分别记为两个集合X=x1,x2,...,xm和Y=y1,y2,...,ym,对所述两个点云做旋转变换和平移变换,并进行迭代计算,对于集合X中的每一个点用当前的旋转变换和平移变换在Y集合中搜寻最近的点。
S2、所述TOF相机实时定位机器人位置。
其中,TOF相机实时定位机器人位置,具体为,所述TOF相机将相邻两帧图像的匹配,通过匹配信息获得机器人姿态改变,并计算机器人移动的位置。
S3、所述TOF相机实时检测视场内的障碍物,判断所述障碍物属性;若所述障碍物属性为车辆,根据所述车辆相对于机器人的位置信息和所述机器人在三维地图的位置信息计算车辆在三维地图中的位置,并调用注册到所述三维地图中的车位信息,判断车辆是否在车位附近,是则执行步骤S4。
S4、通过彩色相机检测车位的线条信息,判断车辆与机器人之间车位线条的完整性,是则车辆的车位纵向符合;移动机器人判断车位横向的两车位线条的完整性,是则车辆停放符合。
本发明另一实施例的用于监控机器人检测车辆乱停的方法。包括以下步骤:
S1、所述TOF相机以30帧速度采集图像,构建三维地图,包括,所述TOF相机采集当前视场内的深度图像;将相邻两帧图像进行匹配计算,通过所述匹配计算估计机器人移动姿态;将两帧图像拼接,作为三维地图信息存储。
其中,匹配计算具体为,将两帧图像中的点云分别记为两个集合X=x1,x2,...,xm和Y=y1,y2,...,ym,对所述两个点云做R旋转变换和t平移变换,初始化R和t并进行迭代计算,对于集合X中的每一个点用当前的旋转变换和平移变换在Y集合中搜寻最近的点。
其中变换最小化均方误差为:最小化均方误差为:
对所有的点采用上述变换,得到图像中所有的匹配对。用每一对的坐标列一个方程,得到一系列的方程,并求解最优的R和t最小化上面的误差,如此循环往复。
在建地图的过程中,将车位在地图中的位置信息注册到三维地图中,即地图中相应的点云,并给该点云按照车位顺序进行编号,即车位信息加入到地图当中。
S2、建完三维地图,机器人在地图内进行自主巡逻。TOF相机实时定位机器人位置,所述TOF相机将相邻两帧图像的匹配,通过匹配信息获得机器人姿态改变,并计算机器人移动的位置。
具体地,机器人移动过程中,利用步骤S1实现TOF相机相邻两帧图像的匹配,通过匹配信息获得机器人姿态的改变,即R和t,通过R和t计算机器人移动的位置,即机器人在三维地图中的位置。
由于匹配并不是每次都成功,由于场景比较空旷或场景对于光的反射率比较低,会出现相邻两帧匹配误差较大的情况。IMU(惯性测量单元,Inertial measurement unit)校正精确定位机器人位置,IMU校正包括,机器人移动中实时计算机器人的重力加速度和角速度的变化,将所述变化转换为机器人位置的改变,并将所述改变与机器人的码盘值融合。
其中,融合为:
Pk=[I-KkHk]Pk,k-1
利用位置值判断TOF相机相邻两帧图像是否匹配成功。若TOF相机计算的R和t远大于IMU校正所估计机器人位姿改变的值,则匹配失败;或可以设定一阈值,当TOF相机计算的R和t与IMU校正所估计机器人位姿改变的值的差大于该阈值,则匹配失败。且在TOF相机下次匹配成功之前,将IMU校正估计的值作为机器人在三维地图中的实际位置。
S3、所述TOF相机实时检测视场内的障碍物,判断所述障碍物属性,具体为对障碍物进行模式识别,利用汽车识别技术判断障碍物是否为车辆。
若所述障碍物属性为车辆,根据所述车辆相对于机器人的位置信息和所述机器人在三维地图的位置信息计算车辆在三维地图中的位置,并调用注册到所述三维地图中的车位信息,判断车辆是否在车位附近,是则执行步骤S4。
由于该定位存在较大的误差,一般在10cm以上,如果判断车辆在车位附近,则利用彩色相机对车辆是否停在车位内进行精确检测,具体如步骤S4。
S4、通过彩色相机检测车位的线条信息,采用hough变换将线条全部提取;判断车辆与机器人之间车位线条的完整性,是则车辆的车位纵向符合;移动机器人判断车位横向的两车位线条的完整性,是则车辆停放符合。
如果上述三条线任意一条不符合要求,则车辆没有完全停放在车位内,完成车辆乱停的检测。
本发明的用于监控机器人检测车辆乱停的方法,通过TOF相机采集图像,构建三维地图,并将车位信息注册到所述三维地图;所述TOF相机实时检测视场内的障碍物,判断所述障碍物属性;若所述障碍物属性为车辆,判断所述车辆是否位于注册的车位附近;以及通过彩色相机检测车位的线条信息,经所述线条信息判断车辆是否位于车位内。可用于室外移动机器人对小区、园区中车辆乱停的检测,替代保安人员实现车辆乱停的检测与自动记录,提高机器人的智能性。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、磁盘或光盘等。
以上对本发明所提供的一种用于监控机器人检测车辆乱停的方法进行了详细介绍,对于本领域的一般技术人员,依据本发明实施例的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (7)
1.一种用于监控机器人检测车辆乱停的方法,其特征在于,包括以下步骤:
S1、TOF相机采集图像,构建三维地图,并将车位信息注册到所述三维地图;
S2、所述TOF相机实时定位机器人位置;
S3、所述TOF相机实时检测视场内的障碍物,判断所述障碍物属性;若所述障碍物属性为车辆,判断所述车辆是否位于注册的车位附近,是则执行步骤S4;
S4、通过彩色相机检测车位的线条信息,经所述线条信息判断车辆是否位于车位内;
步骤S3中,所述判断所述车辆是否位于注册的车位附近为,根据所述车辆相对于机器人的位置信息和所述机器人在三维地图的位置信息计算车辆在三维地图中的位置,并调用注册到所述三维地图中的车位信息,判断车辆是否在车位附近。
2.如权利要求1所述的用于监控机器人检测车辆乱停的方法,其特征在于,步骤S1中,所述TOF相机采集图像,构建三维地图,包括,所述TOF相机采集当前视场内的深度图像;将相邻两帧图像进行匹配计算,通过所述匹配计算估计机器人移动姿态;将两帧图像拼接,作为三维地图信息存储。
3.如权利要求2所述的用于监控机器人检测车辆乱停的方法,其特征在于,所述匹配计算具体为,将两帧图像中的点云分别记为两个集合X=x1,x2,...,xm和Y=y1,y2,...,ym,对所述两个点云做旋转变换和平移变换,并进行迭代计算,对于集合X中的每一个点用当前的旋转变换和平移变换在Y集合中搜寻最近的点。
4.如权利要求1所述的用于监控机器人检测车辆乱停的方法,其特征在于,所述TOF相机采集图像速度为30帧。
5.如权利要求1所述的用于监控机器人检测车辆乱停的方法,其特征在于,步骤S2中,TOF相机实时定位机器人位置,具体为,所述TOF相机将相邻两帧图像的匹配,通过匹配信息获得机器人姿态改变,并计算机器人移动的位置。
6.如权利要求5所述的用于监控机器人检测车辆乱停的方法,其特征在于,步骤S2还包括,IMU校正精确定位机器人位置,所述IMU校正包括,机器人移动中实时计算机器人的重力加速度和角速度的变化,将所述变化转换为机器人位置的改变,并将所述改变与机器人的码盘值融合。
7.如权利要求1所述的用于监控机器人检测车辆乱停的方法,其特征在于,步骤S4中,经所述线条信息判断车辆是否位于车位内,具体为,判断车辆与机器人之间车位线条的完整性,是则车辆的车位纵向符合;移动机器人判断车位横向的两车位线条的完整性,是则车辆停放符合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611061455.XA CN108122412B (zh) | 2016-11-26 | 2016-11-26 | 用于监控机器人检测车辆乱停的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611061455.XA CN108122412B (zh) | 2016-11-26 | 2016-11-26 | 用于监控机器人检测车辆乱停的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108122412A CN108122412A (zh) | 2018-06-05 |
CN108122412B true CN108122412B (zh) | 2021-03-16 |
Family
ID=62223703
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611061455.XA Active CN108122412B (zh) | 2016-11-26 | 2016-11-26 | 用于监控机器人检测车辆乱停的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108122412B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109164410A (zh) * | 2018-08-10 | 2019-01-08 | 深圳市荣睿和芯科技有限公司 | Rfid定位及追踪方法、***及计算机可读存储介质 |
CN112070798A (zh) * | 2019-06-11 | 2020-12-11 | 中兴通讯股份有限公司 | 库位的检测方法及装置、存储介质和电子装置 |
CN111267665B (zh) * | 2020-02-17 | 2021-12-21 | 国网安徽电动汽车服务有限公司 | 一种利用图像判定汽车类型实现电动汽车充电的方法 |
CN113034925B (zh) * | 2021-03-24 | 2022-08-05 | 安徽超视野智能科技有限公司 | 一种用于智慧社区的视频识别车辆非法占道的检测方法 |
CN114446059A (zh) * | 2021-12-29 | 2022-05-06 | 北京智联云海科技有限公司 | 一种车载监测路侧停车车辆的***及方法 |
CN116386373A (zh) * | 2023-06-05 | 2023-07-04 | 好停车(北京)信息技术有限公司天津分公司 | 车辆定位方法、装置、存储介质及电子设备 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101183427A (zh) * | 2007-12-05 | 2008-05-21 | 浙江工业大学 | 基于计算机视觉的违章停车检测装置 |
CN201138451Y (zh) * | 2007-12-10 | 2008-10-22 | 华中科技大学 | 机器人自主定位*** |
CN103824455A (zh) * | 2014-02-24 | 2014-05-28 | 宁波众信智能科技有限公司 | 道路巡逻***及控制方法 |
KR20140075406A (ko) * | 2012-12-11 | 2014-06-19 | 한국전자통신연구원 | 군집 로봇 기반 주차 관리 시스템 |
CN203746230U (zh) * | 2014-02-24 | 2014-07-30 | 宁波众信智能科技有限公司 | 道路巡逻机器人及道路巡逻*** |
CN104121902A (zh) * | 2014-06-28 | 2014-10-29 | 福州大学 | 基于Xtion摄像机的室内机器人视觉里程计实现方法 |
CN104764457A (zh) * | 2015-04-21 | 2015-07-08 | 北京理工大学 | 一种用于无人车的城市环境构图方法 |
CN104981377A (zh) * | 2012-11-27 | 2015-10-14 | 克劳德帕克公司 | 使用多个摄像头的单个多车辆停车位的控制使用 |
CN105023459A (zh) * | 2015-06-29 | 2015-11-04 | 杨秀莲 | 一种车位车牌移动式识别装置及识别方法 |
CN106097743A (zh) * | 2016-08-13 | 2016-11-09 | 张选琪 | 车辆识别无人机*** |
-
2016
- 2016-11-26 CN CN201611061455.XA patent/CN108122412B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101183427A (zh) * | 2007-12-05 | 2008-05-21 | 浙江工业大学 | 基于计算机视觉的违章停车检测装置 |
CN201138451Y (zh) * | 2007-12-10 | 2008-10-22 | 华中科技大学 | 机器人自主定位*** |
CN104981377A (zh) * | 2012-11-27 | 2015-10-14 | 克劳德帕克公司 | 使用多个摄像头的单个多车辆停车位的控制使用 |
KR20140075406A (ko) * | 2012-12-11 | 2014-06-19 | 한국전자통신연구원 | 군집 로봇 기반 주차 관리 시스템 |
CN103824455A (zh) * | 2014-02-24 | 2014-05-28 | 宁波众信智能科技有限公司 | 道路巡逻***及控制方法 |
CN203746230U (zh) * | 2014-02-24 | 2014-07-30 | 宁波众信智能科技有限公司 | 道路巡逻机器人及道路巡逻*** |
CN104121902A (zh) * | 2014-06-28 | 2014-10-29 | 福州大学 | 基于Xtion摄像机的室内机器人视觉里程计实现方法 |
CN104764457A (zh) * | 2015-04-21 | 2015-07-08 | 北京理工大学 | 一种用于无人车的城市环境构图方法 |
CN105023459A (zh) * | 2015-06-29 | 2015-11-04 | 杨秀莲 | 一种车位车牌移动式识别装置及识别方法 |
CN106097743A (zh) * | 2016-08-13 | 2016-11-09 | 张选琪 | 车辆识别无人机*** |
Non-Patent Citations (2)
Title |
---|
基于TOF相机的三维点云地图创建和可视化研究;胡淼;《中国优秀硕士学位论文全文数据库信息科技辑》;20130215;第I140-325页 * |
移动式微小型自重构机器人***研究;钟鸣;《万方数据》;20130331;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108122412A (zh) | 2018-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108122412B (zh) | 用于监控机器人检测车辆乱停的方法 | |
CN109631896B (zh) | 一种基于车辆视觉和运动信息的停车场自主泊车定位方法 | |
CN111081064B (zh) | 一种车载以太网的自动泊车***及自动代客泊车方法 | |
US7321386B2 (en) | Robust stereo-driven video-based surveillance | |
CN111611853B (zh) | 一种传感信息融合方法、装置及存储介质 | |
EP2460629B1 (en) | Control method for localization and navigation of mobile robot and mobile robot using same | |
CN111376895B (zh) | 一种环视泊车感知方法、装置、自动泊车***和车辆 | |
CN114842438A (zh) | 用于自动驾驶汽车的地形检测方法、***及可读存储介质 | |
CN111986506A (zh) | 基于多视觉***的机械式停车位泊车方法 | |
CN111274847B (zh) | 一种定位方法 | |
Siam et al. | On-board multiple target detection and tracking on camera-equipped aerial vehicles | |
CN108748184B (zh) | 一种基于区域地图标识的机器人巡逻方法及机器人设备 | |
CN113256716B (zh) | 一种机器人的控制方法及机器人 | |
CN110992424B (zh) | 基于双目视觉的定位方法和*** | |
CN111739333B (zh) | 一种空车位识别方法 | |
CN114454875A (zh) | 一种基于强化学习的城市道路自动泊车方法及*** | |
CN111295666A (zh) | 一种车道线检测方法、装置、控制设备及存储介质 | |
CN111213154A (zh) | 一种车道线检测方法、设备、移动平台及存储介质 | |
CN112950696A (zh) | 导航地图的生成方法及生成装置、电子设备 | |
TW202244847A (zh) | 目標跟蹤方法、裝置、電子設備及儲存媒體 | |
CN110864670B (zh) | 目标障碍物位置的获取方法和*** | |
CN111739332B (zh) | 一种停车场管理*** | |
CN111754388B (zh) | 一种建图方法及车载终端 | |
CN113673288A (zh) | 空闲车位检测方法、装置、计算机设备及存储介质 | |
CN113379850B (zh) | 移动机器人控制方法、装置、移动机器人及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |