CN108873908B - 基于视觉slam和网络地图结合的机器人城市导航*** - Google Patents
基于视觉slam和网络地图结合的机器人城市导航*** Download PDFInfo
- Publication number
- CN108873908B CN108873908B CN201810764916.2A CN201810764916A CN108873908B CN 108873908 B CN108873908 B CN 108873908B CN 201810764916 A CN201810764916 A CN 201810764916A CN 108873908 B CN108873908 B CN 108873908B
- Authority
- CN
- China
- Prior art keywords
- wheeled robot
- path
- map
- robot
- dimensional
- 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
- 230000000007 visual effect Effects 0.000 title claims abstract description 113
- 238000012545 processing Methods 0.000 claims abstract description 113
- 238000005457 optimization Methods 0.000 claims abstract description 30
- 230000007613 environmental effect Effects 0.000 claims description 40
- 238000000034 method Methods 0.000 claims description 25
- 238000004891 communication Methods 0.000 claims description 17
- 238000006073 displacement reaction Methods 0.000 claims description 11
- 230000033001 locomotion Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 7
- 230000007704 transition Effects 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 11
- 238000011161 development Methods 0.000 description 5
- 230000004888 barrier function Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000011065 in-situ storage Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000007726 management 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
- 238000011002 quantification Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- 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
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供了一种基于视觉SLAM和网络地图结合的机器人城市导航***，其在利用全局路径规划确定网络地图中轮式机器人达到目标地点位置的城市道路导航路径的基础上，借助视觉SLAM处理得到的轮式机器人所处位置区域的环境物体空间占据情况对城市道路导航路径加以进一步的局部避障路径优化，从而通过视觉SLAM和网络地图相结合，弥补了仅依赖于全局路径规划进行轮式机器人导航控制所存在的多方面技术限制和不足，能够对轮式机器人提供更加细致的定位和路径导航，更好的保证轮式机器人能够按照局部避障路径优化后的城市道路导航路径得以顺利通行，进而更好的确保对轮式机器人路径规划和导航的准确性和通行有效性。
Description
技术领域
本发明涉及机器人导航路径规划技术和视觉SLAM处理技术领域，特别涉及一种基于视觉SLAM和网络地图结合的机器人城市导航***。
背景技术
导航技术一直以来都是移动机器人领域的重点研究技术。它与机器人定位，3D地图重建，路径规划等技术息息相关。目前较为热点的自动驾驶应用技术中，轮式机器人的路径规划与导航，是重要的技术组成部分。路径规划，是指在一个含有障碍物的环境中，按照一定的性能指标或需求，为轮式机器人规划出一条从起始点到目标点的最优的无碰撞路径。在实际的运行过程中，常存在环境信息量大、障碍物变化快、机器人定位不准等问题，影响路径规划和导航的准确性和有效性。
基于环境先验信息的全局路径规划，是根据已有的环境地图搜索一条从起始位置节点到目标位置节点的最优或者次优的通行路径，是目前较为常用的导航路径规划应用方法。在当前技术条件下，使用较多的环境地图通常是网络地图。网络地图是利用计算机技术，以数字方式存储和查阅的地图；网络地图储存资讯的方法，一般使用向量式图像储存，地图比例可放大、缩小或旋转而不影响显示效果；且目前网络地图的呈现精度已经达到城市道路级别以上，能够清晰的显示呈现不同城市道路间的路径差异、记录不同城市道路的通行宽度等，并能够借助网络获取并结合实时交通路况信息，呈现城市道路的通行拥堵程度。同时，利用网络地图结合全球定位***（Global Positioning System，GPS）进行全局路径规划的通行路径规划方式也已有多种成熟规划方案得以广泛应用，如最短路径规划方式、最快通行路径规划方式、特定路线规避或优先的路径规划方式等。
但是，全局路径规划通常只能应用于静态障碍物或者环境信息已知的环境中。当环境中障碍物不断运动时，或者无法提前获得准确先验地图的情况时，全局路径规划将不再凑效。另外，全局路径规划使用的全球定位***（Global Positioning System，GPS）对于室内或者障碍物较为复杂的环境，这种方案将束手无策，此外也无法实时获取机器人通行尺寸级别精度的定位以及提供环境临场障碍物信息。这些局限性，都限制了仅依赖于全局路径规划对轮式机器人路径规划和导航的准确性和有效性，时常导致轮式机器人无法真正有效的按照导航路径通行。
近年来，基于激光雷达或视觉图像的即时定位与地图构建（SimultaneousLocalization And Mapping，SLAM）***得到了快速的发展。SLAM技术能够根据传感器测量数据，建立环境地图，同时估计机器人自身的位置和姿态。尤其是视觉SLAM，采用双目视觉传感器或摄像机，能够在成本较为低廉的情况下（相较于激光雷达），获取包含尽可能丰富的方位特征信息量，用以执行局部区域环境的即使定位和路径特征地图构建；同时搭配上基于双目视觉传感器或摄像机采集图像而获得的视觉深度图像，能够有效地提供障碍物的三维占据信息，能够用以重建局部环境3D场景地图。
因此，如何充分的利用这些技术，针对轮式机器人的城市导航问题提供更准确、更有效通行的解决方案，已经成为了行业内的热点研究方向。
发明内容
针对现有技术中存在的上述不足，本发明的目的在于提供一种基于视觉SLAM和网络地图结合的机器人城市导航***，用于对轮式机器人提供更加细致的定位和路径导航，以更好的确保对轮式机器人路径规划和导航的准确性和通行有效性。
为实现上述目的，本发明采用的基于视觉SLAM和网络地图结合的机器人城市导航***方案是：
基于视觉SLAM和网络地图结合的机器人城市导航***，包括数据通信处理模块、视觉SLAM处理模块、三维场景重建模块、全局路径规划模块、局部路径规划模块和机器人控制指令生成模块；
所述数据通信处理模块用于获取通过轮式机器人上的双目摄像机采集的视觉深度图像、以及通过轮式机器人上的定位传感器采集的地理位置信息；
所述视觉SLAM处理模块用于实时对获取的视觉深度图像进行即时定位与地图构建处理，从而根据视觉深度图像对应区域的变化情况增量式地建立区域路径特征地图，并实时确定轮式机器人在所述区域路径特征地图中的位置状态信息和姿态信息；
所述三维场景重建模块用于实时从获取的视觉深度图像中提取环境物体三维占据信息，并基于视觉SLAM处理模块处理得到的区域路径特征地图、以及轮式机器人在区域路径特征地图中的位置状态信息和姿态信息，根据视觉深度图像对应区域的变化情况增量式地重构建立相应于区域路径特征地图的区域三维场景地图，用以呈现轮式机器人所处位置区域的环境物体三维占据情况，并实时确定轮式机器人在所述区域三维场景地图中的位置状态信息和姿态信息；
所述全局路径规划模块用于根据设定的目标地点位置以及获取到的轮式机器人的地理位置信息，实时确定轮式机器人在网络地图中的位置坐标，并在网络地图中规划确定轮式机器人达到目标地点位置的城市道路导航路径；
所述局部路径规划模块用于对三维场景重建模块处理得到的区域三维场景地图进行平面二维化处理，得到对应的用以呈现轮式机器人所处位置区域的环境物体二维平面占据情况的区域二维场景地图，进而确定轮式机器人在所述区域二维场景地图中的位置状态信息，并根据轮式机器人在网络地图中的位置坐标，建立轮式机器人在网络地图和区域二维场景地图中的位置坐标对应关系，从而根据二维场景地图中轮式机器人所处位置区域的环境物体二维平面占据情况，对网络地图中轮式机器人达到目标地点位置的城市道路导航路径进行局部避障路径优化处理；
所述机器人控制指令生成模块用于根据轮式机器人在所述区域三维场景地图中的位置状态信息和姿态信息、以及经过局部避障路径优化处理后的网络地图中轮式机器人达到目标地点位置的城市道路导航路径，生成相应的机器人运行控制指令。
上述基于视觉SLAM和网络地图结合的机器人城市导航***中，作为优选方案，所述视觉SLAM处理模块的处理过程为：
读取视觉深度图像，根据视觉深度图像中每相邻两帧图像所对应区域的运动变化情况，通过即时定位与地图构建处理，运算确定轮式机器人的位移量和姿态变化量，并基于视觉深度图像中各帧图像所呈现的区域路径特征，结合每相邻两帧图像对应的轮式机器人的位移量和姿态变化量，确定每相邻两帧图像呈现的区域路径特征的相对位移量，从而根据视觉深度图像中各帧图像增量式地持续更新建立出区域路径特征地图，并实时确定轮式机器人在所述区域路径特征地图中的位置状态信息和姿态信息。
上述基于视觉SLAM和网络地图结合的机器人城市导航***中，作为优选方案，所述三维场景重建模块的处理过程为：
读取视觉深度图像，实时地对视觉深度图像中各帧图像分别进行三维特征点识别处理，标记出各帧图像中所呈现的环境物体的三维空间特征点坐标，得到对应的环境物体三维占据特征点坐标集，从而依据各帧图像各自对应的环境物体三维占据特征点坐标集，基于视觉SLAM处理模块处理得到的区域路径特征地图、以及机器人在区域路径特征地图中的位置状态信息和姿态信息，根据视觉深度图像中各帧图像增量式地持续更新重构建立出相应于区域路径特征地图的区域三维场景地图，且在所述区域三维场景地图中通过环境物体的三维空间特征点坐标呈现出轮式机器人所处位置区域的环境物体三维占据情况，并实时确定轮式机器人在所述区域三维场景地图中的位置状态信息和姿态信息。
上述基于视觉SLAM和网络地图结合的机器人城市导航***中，作为优选方案，所述全局路径规划模块在网络地图中规划确定轮式机器人达到目标地点位置的城市道路导航路径时，通过获取网络地图中城市道路通行宽度信息、实时交通路况信息，结合轮式机器人的三维尺寸信息，规划出能够供轮式机器人顺利通过、且平均时速能够达到预定平均时速阈值条件下的路径最短的达到目标地点位置的城市道路导航路径。
上述基于视觉SLAM和网络地图结合的机器人城市导航***中，作为优选方案，所述局部路径规划模块根据二维场景地图中轮式机器人所处位置区域的环境物体二维平面占据情况对网络地图中轮式机器人达到目标地点位置的城市道路导航路径进行局部避障路径优化处理时，根据计算二维场景地图中轮式机器人所处位置区域的环境物体二维平面占据情况计算出环境物体间的可通过尺寸，结合轮式机器人的平面二维尺寸信息、以及网络地图中轮式机器人达到目标地点位置的城市道路导航路径，规划出能够供轮式机器人顺利通过、且路线平滑过渡的局部避障通行路径，进而对所述城市道路导航路径进行局部避障路径优化处理。
上述基于视觉SLAM和网络地图结合的机器人城市导航***中，作为优选方案，所述局部路径规划模块还用于根据轮式机器人在网络地图和区域二维场景地图中的位置坐标对应关系，对轮式机器人在网络地图中的位置坐标以及轮式机器人在所述区域三维场景地图中的位置状态信息和姿态信息进行累计误差的校正处理。
上述基于视觉SLAM和网络地图结合的机器人城市导航***中，作为优选方案，所述数据通信处理模块还用于获取通过轮式机器人上的姿态传感器采集的姿态参数信息；所述视觉SLAM处理模块还用于根据获取的轮式机器人的姿态参数信息，对轮式机器人在区域路径特征地图中的位置状态信息或/和姿态信息进行校正。
相比于现有技术，本发明具有以下有益效果：
1、本发明基于视觉SLAM和网络地图结合的机器人城市导航***，是在基于轮式机器人上构架有用于采集视觉深度图像的双目摄像机以及用于采集地理位置信息的定位传感器的技术基础上而开展的，利用视觉SLAM和网络地图相结合，在利用全局路径规划确定网络地图中轮式机器人达到目标地点位置的城市道路导航路径的基础上，借助视觉SLAM处理得到的轮式机器人所处位置区域的环境物体空间占据情况对城市道路导航路径加以进一步的局部避障路径优化，以弥补全局路径规划在先验地图信息不足够准确、环境中障碍物不断运动时导致导航失效，以及基于GPS地理位置定位对于室内或者障碍物复杂环境无法提供机器人通行尺寸级别的定位精度和环境临场障碍物信息而容易导致导航能力受限等缺陷，能够对轮式机器人提供更加细致的定位和路径导航，更好的保证轮式机器人能够按照局部避障路径优化后的城市道路导航路径得以顺利通行，进而更好的确保对轮式机器人路径规划和导航的准确性和通行有效性。
2、在本发明基于视觉SLAM和网络地图结合的机器人城市导航***中，全局路径规划模块在网络地图中规划确定轮式机器人达到目标地点位置的城市道路导航路径时，还可以采用城市路径代价规划方式确定的城市道路导航路径，能够让轮式机器人去行走不一定最短、但是行走最方便、最有利于通行的路径，帮助更好的保证对轮式机器人路径规划和导航的通行有效性。
3、在本发明基于视觉SLAM和网络地图结合的机器人城市导航***中，在针对全局路径规划的的城市道路导航路径进行局部避障路径优化处理的过程中，是基于区域三维场景地图进行二维压缩处理得到的区域二维场景地图来进行，减少了路径优化处理的运算处理量，有利于更好的保证对机器人导航路径规划的实时性。
附图说明
图1为本发明基于视觉SLAM和网络地图结合的机器人城市导航***的***构架示意图。
图2为本发明基于视觉SLAM和网络地图结合的机器人城市导航***的一种具体应用实现方式的硬件设计构架示意图。
具体实施方式
下面结合附图和具体实施方式对本发明基于视觉SLAM和网络地图结合的机器人城市导航***进行进一步的说明。
如图1所示，本发明提供了一种基于视觉SLAM和网络地图结合的机器人城市导航***，从整体***构架而言，其包括数据通信处理模块、视觉SLAM处理模块、三维场景重建模块、全局路径规划模块、局部路径规划模块和机器人控制指令生成模块。
数据通信处理模块用于获取通过轮式机器人上的双目摄像机采集的视觉深度图像、以及通过轮式机器人上的定位传感器采集的地理位置信息。
视觉SLAM处理模块用于实时对获取的视觉深度图像进行即时定位与地图构建处理（即视觉SLAM运算处理），从而根据视觉深度图像对应区域的变化情况增量式地建立区域路径特征地图，并实时确定轮式机器人在所述区域路径特征地图中的位置状态信息和姿态信息。
三维场景重建模块用于实时从获取的视觉深度图像中提取环境物体三维占据信息，并基于视觉SLAM处理模块处理得到的区域路径特征地图、以及机器人在区域路径特征地图中的位置状态信息和姿态信息，根据视觉深度图像对应区域的变化情况增量式地重构建立相应于区域路径特征地图的区域三维场景地图，用以呈现轮式机器人所处位置区域的环境物体三维占据情况，并实时确定轮式机器人在所述区域三维场景地图中的位置状态信息和姿态信息。
全局路径规划模块用于根据设定的目标地点位置以及获取到的轮式机器人的地理位置信息，实时确定轮式机器人在网络地图中的位置坐标，并在网络地图中规划确定轮式机器人达到目标地点位置的城市道路导航路径。
局部路径规划模块用于对三维场景重建模块处理得到的区域三维场景地图进行平面二维化处理，得到对应的用以呈现轮式机器人所处位置区域的环境物体二维平面占据情况的区域二维场景地图，进而确定轮式机器人在所述区域二维场景地图中的位置状态信息，并根据轮式机器人在网络地图中的位置坐标，建立轮式机器人在网络地图和区域二维场景地图中的位置坐标对应关系，从而根据二维场景地图中轮式机器人所处位置区域的环境物体二维平面占据情况，对网络地图中轮式机器人达到目标地点位置的城市道路导航路径进行局部避障路径优化处理。
机器人控制指令生成模块用于根据轮式机器人在所述区域三维场景地图中的位置状态信息和姿态信息、以及经过局部避障路径优化处理后的网络地图中轮式机器人达到目标地点位置的城市道路导航路径，生成相应的机器人运行控制指令。
本发明基于视觉SLAM和网络地图结合的机器人城市导航***，是在基于轮式机器人上构架有用于采集视觉深度图像的双目摄像机以及用于采集地理位置信息的定位传感器的技术基础上而开展的，其整体的***设计思路在于，获取通过轮式机器人上的双目摄像机采集的视觉深度图像，并通过视觉SLAM处理实时地进行增量式地区域路径特征地图的建立，且在轮式机器人移动过程中根据位置估计对其进行自主即时定位，实时确定轮式机器人在所述区域路径特征地图中的位置状态信息和姿态信息，且进一步的通过从视觉深度图像中提取环境物体三维占据信息，增量式地重构建立相应于区域路径特征地图的区域三维场景地图，以呈现轮式机器人所处位置区域的环境物体三维占据情况，并且在利用获取到的通过轮式机器人上的定位传感器采集的地理位置信息在网络地图中规划确定轮式机器人所在位置坐标达到目标地点位置的城市道路导航路径的基础上，为了减少路径优化处理的运算处理量，进一步通过对区域三维场景地图进行平面二维化处理后得到的区域二维场景地图呈现轮式机器人所处位置区域的环境物体二维平面占据情况，对应关联地对网络地图中轮式机器人的城市道路导航路径进行局部避障路径优化处理，进而根据局部避障路径优化处理后的城市道路导航路径，结合轮式机器人在所述区域三维场景地图中的位置状态信息和姿态信息，生成相应的机器人运行控制指令对轮式机器人进行导航控制。由此，利用视觉SLAM和网络地图相结合，在利用全局路径规划确定网络地图中轮式机器人达到目标地点位置的城市道路导航路径的基础上，借助视觉SLAM处理得到的轮式机器人所处位置区域的环境物体空间占据情况对城市道路导航路径加以进一步的局部避障路径优化，以弥补全局路径规划在先验地图信息不足够准确、环境中障碍物不断运动时导致导航失效，以及基于GPS地理位置定位对于室内或者障碍物复杂环境无法提供机器人通行尺寸级别的定位精度和环境临场障碍物信息而容易导致导航能力受限等缺陷，能够对轮式机器人提供更加细致的定位和路径导航，更好的保证轮式机器人能够按照局部避障路径优化后的城市道路导航路径得以顺利通行，进而更好的确保对轮式机器人路径规划和导航的准确性和通行有效性，可对轮式机器人城市街道运动导航、轮式机器人自动驾驶技术等应用，提供一种新的导航控制解决方案。
本发明基于视觉SLAM和网络地图结合的机器人城市导航***，在具体技术应用时，如图2所示，从硬件设计实现的角度而言，可以设计由上位机、数据处理板和机械驱动板的三层结构进行实现。其中，数据处理板和机械驱动板是放在轮式机器人上的，而上位机与轮式机器人之间可以设计通过移动蜂窝通信网络（例如4G-LTE）、WIFI网络等无线网络通信方式建立无线通信连接。数据处理板主要由嵌入式开发板、双目摄像机组成，例如可以采用NVIDIA Jetson TX2嵌入式开发板和ZED双目摄像机，其主要任务是利用嵌入式开发板的核心处理单元进行视觉深度图像的采集，进行视觉SLAM的轨迹跟踪和三维重建，以及根据周围环境进行局部避障路径优化处理等操作。机械驱动板可以设计采用微处理器开发板，例如可以采用ST公司的STM32F4单片机开发板，与轮式机器人的运行机构进行数据交换，轮式机器人的运行机构中设计包括例如驱动电机、GPS地理位置定位模块、姿态检测模块（例如9轴加速度计、陀螺仪、地磁传感器等）等，并通过蓝牙通信等方式与数据处理板进行数据通信，将采集到的运行状态信息上传到数据处理板中，为***采集必要的数据资源，且生成运行控制指令对轮式机器人的运行加以控制，以及执行电源管理等任务。上位机主要的功能是为用户提供一个良好的操作界面，同时实时显示机器人在网络地图上的位置坐标，呈现出城市街道地图，提供实时拍摄图像，提供基于网络地图的全局路径规划等，上位机可以通过有线通信网络或无线通信网络与数据处理板建立通信连接，例如，上位机服务器可以使用固定IP，数据处理板通过向上位机IP请求访问从而建立通信链接。从软件设计实现的角度而言，又可以设计客户端和服务器端两个部分。其中，客服端为安装在轮式机器人本地的软件工程部分，用于实时图像处理、传感器数据处理、视觉SLAM过程处理、三维场景重建过程处理、局部避障路径优化处理、以及机器人运动控制处理等。而服务器端为安装在上位机的软件工程部分，主要是提供上位机的远程操作界面，让用户能在远端基于网络地图对机器人进行目的地设定以及全局路径规划处理，服务器端还可以设计实时共享轮式机器人端的视觉深度图像视野以及其GPS地理位置信息，并在网络地图中对其进行位置坐标的标记和城市道路导航路径的呈现等。
在本发明基于视觉SLAM和网络地图结合的机器人城市导航***中，视觉SLAM处理模块的处理过程为：读取视觉深度图像，根据视觉深度图像中每相邻两帧图像所对应区域的运动变化情况，通过即时定位与地图构建处理，运算确定轮式机器人的位移量和姿态变化量，并基于视觉深度图像中各帧图像所呈现的区域路径特征，结合每相邻两帧图像对应的轮式机器人的位移量和姿态变化量，确定每相邻两帧图像呈现的区域路径特征的相对位移量，从而根据视觉深度图像中各帧图像增量式地持续更新建立出区域路径特征地图，并实时确定轮式机器人在所述区域路径特征地图中的位置状态信息和姿态信息。在确定轮式机器人在区域路径特征地图中的位置状态信息和姿态信息的过程中，视觉SLAM处理模块还可以进一步的执行回环检测，即识别轮式机器人曾经到达过的环境区域场景位置，用以触发全局路径规划的累计误差消除和优化，进而消除大范围内的积累误差问题，进一步提升导航精准度。
在本发明基于视觉SLAM和网络地图结合的机器人城市导航***中，三维场景重建模块是在视觉SLAM处理模块的基础上进行进一步的三维场景重建处理，其处理过程为：读取视觉深度图像，实时地对视觉深度图像中各帧图像分别进行三维特征点识别处理，标记出各帧图像中所呈现的环境物体的三维空间特征点坐标，得到对应的环境物体三维占据特征点坐标集，从而依据各帧图像各自对应的环境物体三维占据特征点坐标集，基于视觉SLAM处理模块处理得到的区域路径特征地图、以及机器人在区域路径特征地图中的位置状态信息和姿态信息，根据视觉深度图像中各帧图像增量式地持续更新重构建立出相应于区域路径特征地图的区域三维场景地图，且在所述区域三维场景地图中通过环境物体的三维空间特征点坐标呈现出轮式机器人所处位置区域的环境物体三维占据情况，并实时确定轮式机器人在所述区域三维场景地图中的位置状态信息和姿态信息。
在本发明基于视觉SLAM和网络地图结合的机器人城市导航***中，全局路径规划模块主要用于利用网络地图和轮式机器人的地理位置信息进行城市道路导航路径的全局路径规划，在实际应用中，其全局路径规划方式可以采用现有技术中成熟的规划方案，例如最短路径规划方式、最快通行路径规划方式、特定路线规避或优先的路径规划方式等。但作为优化选择方案，全局路径规划模块在网络地图中规划确定轮式机器人达到目标地点位置的城市道路导航路径时，可以采用本发明提出的城市路径代价规划方式，即通过获取网络地图中城市道路通行宽度信息、实时交通路况信息，结合轮式机器人的三维尺寸信息，规划出能够供轮式机器人顺利通过、且平均时速能够达到预定平均时速阈值条件下的路径最短的达到目标地点位置的城市道路导航路径。利用该城市路径代价规划方式规划确定的城市道路导航路径，能够让轮式机器人去行走不一定最短、但是行走最方便、最有利于通行的路径。
在本发明基于视觉SLAM和网络地图结合的机器人城市导航***中，局部路径规划模块的处理任务主要分为两个部分。第一个部分是对复杂的区域三维场景地图进行平面二维化处理，因为轮式机器人在城市道路通行时无法进行垂直运动，因此在针对进行局部避障路径优化处理时，无需考虑障碍物体的纵向高度信息，仅需考虑障碍物体的二维平面占据信息，因此无需浪费过多的计算资源便去根据三维复杂环境信息进行局部路径规划的数据处理，所以通过平面二维化处理，相当于将区域三维场景地图进行二维压缩处理为区域二维场景地图，减少路径优化处理的运算处理量；此外，如果为了进一步的降低运算处理量，在二维场景地图的二维化处理过程中，还可以将二维场景地图加以栅格化信息压缩处理，将其中呈现的环境物体二维平面占据情况加以栅格化，以每个栅格作为环境物体二维平面占据尺寸的基本计量单元，用于作为后续局部避障路径优化处理的避障尺寸量化依据，能够使得处理运算量得以更大幅的降低。通过降低运算处理量，有利于更好的保证对机器人导航路径规划的实时性。第二个部分则是根据二维场景地图中轮式机器人所处位置区域的环境物体二维平面占据情况对网络地图中轮式机器人达到目标地点位置的城市道路导航路径进行局部避障路径优化处理，在具体执行该处理时，本发明给出的方案是，根据计算二维场景地图中轮式机器人所处位置区域的环境物体二维平面占据情况计算出环境物体间的可通过尺寸，结合轮式机器人的平面二维尺寸信息、以及网络地图中轮式机器人达到目标地点位置的城市道路导航路径，规划出能够供轮式机器人顺利通过、且路线平滑过渡的局部避障通行路径，进而对所述城市道路导航路径进行局部避障路径优化处理。由此优化给出的能够供轮式机器人顺利通过、且路线平滑过渡的局部避障通行路径，对于机器人机械操作上来说，越平滑过渡的路径意味着可以对轮式机器人运行控制发送更少的运行状态变化指令，而越少的运行状态变化指令则表明能够具备更高的运行控制效率，同时也能够减少多指令带来的延迟误差等问题。
另外，在本发明基于视觉SLAM和网络地图结合的机器人城市导航***中，作为进一步的优化，由于局部路径规划模块建立了轮式机器人在网络地图和区域二维场景地图中的位置坐标对应关系，然而，借助视觉SLAM处理的即时定位特性，在确定轮式机器人在区域二维场景地图中的位置状态信息和姿态信息的同时，能够根据视觉深度图像中每相邻两帧图像所对应区域的运动变化情况运算确定轮式机器人的位移量和姿态变化量，从而能够随着视觉深度图像的不断运动变化对轮式机器人自身的位移量和姿态变化量进行不断重复矫正以降低累计误差；由此，为了进一步提高累计误差矫正精度，则可以进一步设计局部路径规划模块还用于根据轮式机器人在网络地图和区域二维场景地图中的位置坐标对应关系，对轮式机器人在网络地图中的位置坐标以及轮式机器人在所述区域三维场景地图中的位置状态信息和姿态信息进行累计误差的校正处理，更加准确的消除短时间内的位姿积累误差。此外，如果过轮式机器人上设置有用于采集器姿态参数信息的姿态传感器（例如惯性测量传感器（Inertial Measurement Unit，简称 IMU）等），则***中的数据通信处理模块还可以设计用于获取通过轮式机器人上的姿态传感器采集的姿态参数信息；相应地，视觉SLAM处理模块还可以设计用于根据获取的轮式机器人的姿态参数信息，用以对轮式机器人在区域路径特征地图中的位置状态信息或/和姿态信息进行校正，进一步的消除短时间内的位姿积累误差。同时，如果进一步的结合视觉SLAM处理模块执行回环检测对全局路径规划的累计误差消除和优化处理，则可以更进一步提高对轮式机器人进行城市导航的路径优化精度和导航控制精度。
综上所述，本发明基于视觉SLAM和网络地图结合的机器人城市导航***，在利用全局路径规划确定网络地图中轮式机器人达到目标地点位置的城市道路导航路径的基础上，借助视觉SLAM处理得到的轮式机器人所处位置区域的环境物体空间占据情况对城市道路导航路径加以进一步的局部避障路径优化，从而通过视觉SLAM和网络地图相结合，弥补了仅依赖于全局路径规划进行轮式机器人导航控制所存在的多方面技术限制和不足，能够对轮式机器人提供更加细致的定位和路径导航，更好的保证轮式机器人能够按照局部避障路径优化后的城市道路导航路径得以顺利通行，进而更好的确保对轮式机器人路径规划和导航的准确性和通行有效性，能够为轮式机器人城市街道运动导航、轮式机器人自动驾驶技术等应用，提供新的导航控制解决方案。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (7)
1.基于视觉SLAM和网络地图结合的机器人城市导航***，其特征在于，包括数据通信处理模块、视觉SLAM处理模块、三维场景重建模块、全局路径规划模块、局部路径规划模块和机器人控制指令生成模块；
所述数据通信处理模块用于获取通过轮式机器人上的双目摄像机采集的视觉深度图像、以及通过轮式机器人上的定位传感器采集的地理位置信息；
所述视觉SLAM处理模块用于实时对获取的视觉深度图像进行即时定位与地图构建处理，从而根据视觉深度图像对应区域的变化情况增量式地建立区域路径特征地图，并实时确定轮式机器人在所述区域路径特征地图中的位置状态信息和姿态信息；
所述三维场景重建模块用于实时从获取的视觉深度图像中提取环境物体三维占据信息，并基于视觉SLAM处理模块处理得到的区域路径特征地图、以及轮式机器人在区域路径特征地图中的位置状态信息和姿态信息，根据视觉深度图像对应区域的变化情况增量式地重构建立相应于区域路径特征地图的区域三维场景地图，用以呈现轮式机器人所处位置区域的环境物体三维占据情况，并实时确定轮式机器人在所述区域三维场景地图中的位置状态信息和姿态信息；
所述全局路径规划模块用于根据设定的目标地点位置以及获取到的轮式机器人的地理位置信息，实时确定轮式机器人在网络地图中的位置坐标，并在网络地图中规划确定轮式机器人达到目标地点位置的城市道路导航路径；
所述局部路径规划模块用于对三维场景重建模块处理得到的区域三维场景地图进行平面二维化处理，得到对应的用以呈现轮式机器人所处位置区域的环境物体二维平面占据情况的区域二维场景地图，进而确定轮式机器人在所述区域二维场景地图中的位置状态信息，并根据轮式机器人在网络地图中的位置坐标，建立轮式机器人在网络地图和区域二维场景地图中的位置坐标对应关系，从而根据二维场景地图中轮式机器人所处位置区域的环境物体二维平面占据情况，对网络地图中轮式机器人达到目标地点位置的城市道路导航路径进行局部避障路径优化处理；
所述机器人控制指令生成模块用于根据轮式机器人在所述区域三维场景地图中的位置状态信息和姿态信息、以及经过局部避障路径优化处理后的网络地图中轮式机器人达到目标地点位置的城市道路导航路径，生成相应的机器人运行控制指令。
2.根据权利要求1所述基于视觉SLAM和网络地图结合的机器人城市导航***，其特征在于，所述视觉SLAM处理模块的处理过程为：
读取视觉深度图像，根据视觉深度图像中每相邻两帧图像所对应区域的运动变化情况，通过即时定位与地图构建处理，运算确定轮式机器人的位移量和姿态变化量，并基于视觉深度图像中各帧图像所呈现的区域路径特征，结合每相邻两帧图像对应的轮式机器人的位移量和姿态变化量，确定每相邻两帧图像呈现的区域路径特征的相对位移量，从而根据视觉深度图像中各帧图像增量式地持续更新建立出区域路径特征地图，并实时确定轮式机器人在所述区域路径特征地图中的位置状态信息和姿态信息。
3.根据权利要求1所述基于视觉SLAM和网络地图结合的机器人城市导航***，其特征在于，所述三维场景重建模块的处理过程为：
读取视觉深度图像，实时地对视觉深度图像中各帧图像分别进行三维特征点识别处理，标记出各帧图像中所呈现的环境物体的三维空间特征点坐标，得到对应的环境物体三维占据特征点坐标集，从而依据各帧图像各自对应的环境物体三维占据特征点坐标集，基于视觉SLAM处理模块处理得到的区域路径特征地图、以及机器人在区域路径特征地图中的位置状态信息和姿态信息，根据视觉深度图像中各帧图像增量式地持续更新重构建立出相应于区域路径特征地图的区域三维场景地图，且在所述区域三维场景地图中通过环境物体的三维空间特征点坐标呈现出轮式机器人所处位置区域的环境物体三维占据情况，并实时确定轮式机器人在所述区域三维场景地图中的位置状态信息和姿态信息。
4.根据权利要求1所述基于视觉SLAM和网络地图结合的机器人城市导航***，其特征在于，所述全局路径规划模块在网络地图中规划确定轮式机器人达到目标地点位置的城市道路导航路径时，通过获取网络地图中城市道路通行宽度信息、实时交通路况信息，结合轮式机器人的三维尺寸信息，规划出能够供轮式机器人顺利通过、且平均时速能够达到预定平均时速阈值条件下的路径最短的达到目标地点位置的城市道路导航路径。
5.根据权利要求1所述基于视觉SLAM和网络地图结合的机器人城市导航***，其特征在于，所述局部路径规划模块根据二维场景地图中轮式机器人所处位置区域的环境物体二维平面占据情况对网络地图中轮式机器人达到目标地点位置的城市道路导航路径进行局部避障路径优化处理时，根据计算二维场景地图中轮式机器人所处位置区域的环境物体二维平面占据情况计算出环境物体间的可通过尺寸，结合轮式机器人的平面二维尺寸信息、以及网络地图中轮式机器人达到目标地点位置的城市道路导航路径，规划出能够供轮式机器人顺利通过、且路线平滑过渡的局部避障通行路径，进而对所述城市道路导航路径进行局部避障路径优化处理。
6.根据权利要求1所述基于视觉SLAM和网络地图结合的机器人城市导航***，其特征在于，所述局部路径规划模块还用于根据轮式机器人在网络地图和区域二维场景地图中的位置坐标对应关系，对轮式机器人在网络地图中的位置坐标以及轮式机器人在所述区域三维场景地图中的位置状态信息和姿态信息进行累计误差的校正处理。
7.根据权利要求1所述基于视觉SLAM和网络地图结合的机器人城市导航***，其特征在于，所述数据通信处理模块还用于获取通过轮式机器人上的姿态传感器采集的姿态参数信息；
所述视觉SLAM处理模块还用于根据获取的轮式机器人的姿态参数信息，对轮式机器人在区域路径特征地图中的位置状态信息或/和姿态信息进行校正。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810764916.2A CN108873908B (zh) | 2018-07-12 | 2018-07-12 | 基于视觉slam和网络地图结合的机器人城市导航*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810764916.2A CN108873908B (zh) | 2018-07-12 | 2018-07-12 | 基于视觉slam和网络地图结合的机器人城市导航*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108873908A CN108873908A (zh) | 2018-11-23 |
| CN108873908B true CN108873908B (zh) | 2020-01-24 |
Family
ID=64301596
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810764916.2A Active CN108873908B (zh) | 2018-07-12 | 2018-07-12 | 基于视觉slam和网络地图结合的机器人城市导航*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108873908B (zh) |
Families Citing this family (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109375211B (zh) * | 2018-12-10 | 2023-03-10 | 西安电子科技大学 | 基于雷达和多光学设备的可移动无人平台目标搜索方法 |
| CN109782766B (zh) * | 2019-01-25 | 2023-01-03 | 北京百度网讯科技有限公司 | 用于控制车辆行驶的方法和装置 |
| CN109782768A (zh) * | 2019-01-26 | 2019-05-21 | 哈尔滨玄智科技有限公司 | 一种适配于内行星式复合轮系搬运机器人的自主导航*** |
| CN111489393B (zh) * | 2019-01-28 | 2023-06-02 | 速感科技（北京）有限公司 | Vslam方法、控制器和可移动设备 |
| CN109828588A (zh) * | 2019-03-11 | 2019-05-31 | 浙江工业大学 | 一种基于多传感器融合的机器人室内路径规划方法 |
| CN111735433B (zh) * | 2019-03-25 | 2022-05-20 | 杭州海康威视数字技术股份有限公司 | 建立二维地图的方法和装置 |
| CN110083158B (zh) * | 2019-04-28 | 2022-08-16 | 深兰科技（上海）有限公司 | 一种确定局部规划路径的方法和设备 |
| CN110260857A (zh) * | 2019-07-02 | 2019-09-20 | 北京百度网讯科技有限公司 | 视觉地图的校准方法、装置及存储介质 |
| 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 |
| CN111369688B (zh) * | 2020-03-11 | 2023-05-09 | 暗物智能科技(广州)有限公司 | 一种结构化场景表达的认知导航方法及*** |
| CN111429791B (zh) * | 2020-04-09 | 2022-11-18 | 浙江大华技术股份有限公司 | 身份确定方法、装置、存储介质及电子装置 |
| CN115666738A (zh) * | 2020-06-30 | 2023-01-31 | 西门子股份公司 | 一种灭火***、服务器、消防机器人和灭火方法 |
| CN111762049A (zh) * | 2020-07-01 | 2020-10-13 | 国网智能科技股份有限公司 | 一种共享电动汽车自感应动态控制方法及*** |
| CN112629528A (zh) * | 2020-11-28 | 2021-04-09 | 北京瞪羚云智科技有限公司 | 利用视觉相机实现四足机器人定位导航***及其工作方法 |
| CN112998606B (zh) * | 2021-03-01 | 2022-04-22 | 深圳市无限动力发展有限公司 | 智能设备与清洁机的协作清扫方法、装置和计算机设备 |
| CN113110466B (zh) * | 2021-04-22 | 2021-12-21 | 深圳市井智高科机器人有限公司 | 一种用于agv机器人的高灵敏度避障***及方法 |
| CN113408784B (zh) * | 2021-05-18 | 2024-01-12 | 华中科技大学 | 多机器人移载协同装配方法及设备 |
| CN113820697B (zh) * | 2021-09-09 | 2024-03-26 | 中国电子科技集团公司第五十四研究所 | 一种基于城市建筑特征与三维地图的视觉定位方法 |
| CN114137955B (zh) * | 2021-10-26 | 2023-04-28 | 中国人民解放军军事科学院国防科技创新研究院 | 基于改进市场法的多机器人快速协同建图方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103413313A (zh) * | 2013-08-19 | 2013-11-27 | 国家电网公司 | 基于电力机器人的双目视觉导航***及方法 |
| CN107167139A (zh) * | 2017-05-24 | 2017-09-15 | 广东工业大学 | 一种变电站巡检机器人视觉定位导航方法及*** |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009026177A (ja) * | 2007-07-23 | 2009-02-05 | Clarion Co Ltd | 表示制御装置、表示制御方法および制御プログラム |
| US8473187B2 (en) * | 2009-06-01 | 2013-06-25 | Robert Bosch Gmbh | Method and apparatus for combining three-dimensional position and two-dimensional intensity mapping for localization |
| WO2012053030A1 (ja) * | 2010-10-19 | 2012-04-26 | 三菱電機株式会社 | ３次元立体表示装置 |
| CN103885443B (zh) * | 2012-12-20 | 2017-02-08 | 联想(北京)有限公司 | 用于即时定位与地图构建单元的设备、***和方法 |
| CN103389104B (zh) * | 2013-07-17 | 2015-12-02 | 北京龙图通信息技术有限公司 | 一种与二维导航同步的三维方向性导航方法及其装置 |
| CN103926927A (zh) * | 2014-05-05 | 2014-07-16 | 重庆大学 | 一种室内移动机器人双目视觉定位与三维建图方法 |
| JP6559535B2 (ja) * | 2015-10-22 | 2019-08-14 | 株式会社東芝 | 障害物マップ生成装置、その方法、及び、そのプログラム |
| CN105843223B (zh) * | 2016-03-23 | 2018-11-20 | 东南大学 | 一种基于空间词袋模型的移动机器人三维建图与避障方法 |
| CN107402569B (zh) * | 2016-05-19 | 2020-01-21 | 科沃斯机器人股份有限公司 | 自移动机器人及地图构建方法、组合机器人地图调用方法 |
| CN106767853B (zh) * | 2016-12-30 | 2020-01-21 | 中国科学院合肥物质科学研究院 | 一种基于多信息融合的无人驾驶车辆高精度定位方法 |
| CN107063256A (zh) * | 2017-01-23 | 2017-08-18 | 斑马信息科技有限公司 | 汽车同步建图与定位方法 |
| CN107203214B (zh) * | 2017-07-31 | 2018-03-27 | 中南大学 | 一种运载机器人复杂混合路径协同自适应智能规划方法 |
-
2018
- 2018-07-12 CN CN201810764916.2A patent/CN108873908B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103413313A (zh) * | 2013-08-19 | 2013-11-27 | 国家电网公司 | 基于电力机器人的双目视觉导航***及方法 |
| CN107167139A (zh) * | 2017-05-24 | 2017-09-15 | 广东工业大学 | 一种变电站巡检机器人视觉定位导航方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108873908A (zh) | 2018-11-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108873908B (zh) | 基于视觉slam和网络地图结合的机器人城市导航*** | |
| CN106461402B (zh) | 用于确定相对于数字地图的位置的方法及*** | |
| KR102630740B1 (ko) | 위치파악 참조 데이터를 생성하고 사용하는 방법 및 시스템 | |
| CN107356252B (zh) | 一种融合视觉里程计与物理里程计的室内机器人定位方法 | |
| KR20180079428A (ko) | 자동 로컬리제이션을 위한 장치 및 방법 | |
| CN102147260B (zh) | 电子地图匹配方法和装置 | |
| CN103412565B (zh) | 一种具有全局位置快速估计能力的机器人定位方法 | |
| JP6456405B2 (ja) | ３次元情報算出装置、３次元情報算出方法、および自律移動装置 | |
| CN110361027A (zh) | 基于单线激光雷达与双目相机数据融合的机器人路径规划方法 | |
| CN110617821B (zh) | 定位方法、装置及存储介质 | |
| CN108917758B (zh) | 一种基于ar的导航方法及*** | |
| US9098088B2 (en) | Method for building outdoor map for moving object and apparatus thereof | |
| CN104850134A (zh) | 一种无人机高精度自主避障飞行方法 | |
| CN109541535A (zh) | 一种基于uwb和视觉slam的agv室内定位及导航的方法 | |
| CN103747207A (zh) | 基于视频监控网络的定位与追踪方法 | |
| JP7245084B2 (ja) | 自動運転システム | |
| JP2022542289A (ja) | 地図作成方法、地図作成装置、電子機器、記憶媒体及びコンピュータプログラム製品 | |
| CN110426725B (zh) | 一种精确定位室内用户移动终端的方法 | |
| CN110031880B (zh) | 基于地理位置定位的高精度增强现实方法及设备 | |
| JP5852645B2 (ja) | 軌跡補正方法、軌跡補正装置および移動体装置 | |
| JP2022550691A (ja) | デジタル地図データを使用する方法およびシステム | |
| CN113776515B (zh) | 一种机器人导航方法、装置、计算机设备和存储介质 | |
| CN111856537B (zh) | 一种自动驾驶车辆的导航方法及装置 | |
| CN114719830B (zh) | 一种背负式移动测绘***及具有该***的测绘仪 | |
| CN112651991B (zh) | 视觉定位方法、装置及计算机*** |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20210511 Address after: 401120 No.1-4, 16th floor, no.6, Yangliu North Road, Yubei District, Chongqing Patentee after: Chongqing QiTeng Technology Co.,Ltd. Address before: 400044 No. 174 Sha Jie street, Shapingba District, Chongqing Patentee before: Chongqing University |
|
| TR01 | Transfer of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Robot City navigation system based on visual slam and network map Effective date of registration: 20210618 Granted publication date: 20200124 Pledgee: China Minsheng Banking Corp Chongqing branch Pledgor: Chongqing QiTeng Technology Co.,Ltd. Registration number: Y2021500000023 |
|
| CP01 | Change in the name or title of a patent holder |
Address after: 401120 No.1-4, 16th floor, no.6, Yangliu North Road, Yubei District, Chongqing Patentee after: Seven Teng Robot Co.,Ltd. Address before: 401120 No.1-4, 16th floor, no.6, Yangliu North Road, Yubei District, Chongqing Patentee before: Chongqing QiTeng Technology Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder | ||
| PM01 | Change of the registration of the contract for pledge of patent right |
Change date: 20221009 Registration number: Y2021500000023 Pledgor after: Seven Teng Robot Co.,Ltd. Pledgor before: Chongqing QiTeng Technology Co.,Ltd. |
|
| PM01 | Change of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20230925 Granted publication date: 20200124 Pledgee: China Minsheng Banking Corp Chongqing branch Pledgor: Seven Teng Robot Co.,Ltd. Registration number: Y2021500000023 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A Robot City Navigation System Based on the Combination of Visual SLAM and Network Map Effective date of registration: 20231019 Granted publication date: 20200124 Pledgee: Chongqing Yuzhong Sub branch of China Construction Bank Corp. Pledgor: Seven Teng Robot Co.,Ltd. Registration number: Y2023980061902 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |