CN109579863A - 基于图像处理的未知地形导航***及方法 - Google Patents
基于图像处理的未知地形导航***及方法 Download PDFInfo
- Publication number
- CN109579863A CN109579863A CN201811522084.XA CN201811522084A CN109579863A CN 109579863 A CN109579863 A CN 109579863A CN 201811522084 A CN201811522084 A CN 201811522084A CN 109579863 A CN109579863 A CN 109579863A
- Authority
- CN
- China
- Prior art keywords
- map
- road
- unit
- image
- camera
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- 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
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Automation & Control Theory (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种基于图像处理的未知地形导航***,包括路况采集模块、地图重构模块以及导航模块,路况采集模块包括单目视觉相机和图像传输单元;地图重构模块包括图像处理单元和地图重构单元;导航模块包括运动指令单元和路径规划单元,其中,图像传输单元将相机实时采集到的局部路况图像传送给图像处理单元,图像处理单元提取出局部路况中的道路线特征,地图重构单元根据所提取的道路线特征不断地重构地图直至重构完成全局地图,所述运动指令单元根据重构的地图向移动平台发出运动指令信息。本发明还提供了一种基于上述***的导航方法。本发明的针对未知地形的导航分享***,具有结构简单、成本低廉、易于实现学习升级的特点。
Description
技术领域
本申请涉及智能机器人领域,具体但不排他地,涉及一种基于图像处理的可分享的未知地形导航***及方法。
背景技术
基于图像处理的导航***是一个应用前景广阔的行业,其中可移动机器人在生产加工领域、物流领域、科学研究等多个领域中获得了广泛的应用。而计算机计算能力的大幅提升也使得处理视觉传感器采集到的丰富信息的效率得到大大的提升,通过视觉辅助移动机器人的导航***得到了人们的广泛关注,例如在各种已知或未知的场景中,利用单目或双目视觉来帮助移动机器人完成自主避障甚至路径规划的任务。
然而,在未知地形中,移动机器人要实现自主避障或者路径规划需要提前探索,才能确定该地形中障碍的分布。
发明内容
为了解决未知地形中路径规划需要提前探索的问题,本发明提供了一种基于图像处理的未知地形导航***及方法,其具有结构简单、成本低廉且易于实现学习升级的特点。
根据本发明的一方面,提供一种基于图像处理的未知地形导航***,所述导航***安装在移动平台上,所述导航***包括路况采集模块、地图重构模块以及导航模块,
所述路况采集模块包括单目视觉相机和图像传输单元;
所述地图重构模块包括图像处理单元和地图重构单元;
所述导航模块包括运动指令单元,
其中,所述图像传输单元将所述相机实时采集到的局部路况图像传送给所述图像处理单元,所述图像处理单元提取出局部路况中的道路线特征,所述地图重构单元根据所提取的道路线特征不断地重构地图直至重构完成全局地图,所述运动指令单元根据重构的地图向所述移动平台发出运动指令信息。
进一步地,所述图像处理单元通过阈值分割、边缘检测和累计概率霍夫变换得到局部路况中的道路线轮廓端点在成像平面内的位置,实现道路线特征的提取。
进一步地,所述地图重构单元依据单目视觉成像原理,将局部路况中的道路线轮廓端点在成像平面内的位置转换为相对于相机的位置,并结合相机在地图中的位置,得到道路线轮廓端点的真实位置,之后根据道路线轮廓端点的真实位置不断地重构地图,直至重构完成全局地图。
进一步地,所述地图重构模块还包括实时显示所述移动平台的运动状态和地图重构情况的图形界面单元。
进一步地,所述导航模块还包括根据重构完成的全局地图进行路径优化的路径规划单元,所述路径规划单元利用Dijkstra算法求出重构的全局地图中从起点到终点的最短路径。
进一步地,所述图像传输单元包括串口通信和无线局域网通信,所述串口通信将相机采集的图像传输给WiFi模块,无线局域网通信将WiFi模块接收到的图像传输给地图重建模块。
根据本发明的另一方面,还提供了一种利用上述***进行未知地形导航的方法,其特征在于,包括以下步骤:
S01:进行单目视觉相机标定,求取相机的焦距及姿态参数;
S02:相机跟随移动平台从起点开始实时采集局部路况图像,图像处理单元对采集到的局部路况图像进行处理,得到局部路况的道路线轮廓端点的成像位置;
S03:将步骤S02中得到的道路线轮廓端点的成像位置,结合步骤S01中求取的相机的焦距及姿态参数,根据单目视觉成像模型计算出道路线轮廓端点的真实位置;
S04:根据步骤S03中得到的道路线轮廓端点的真实位置不断地重构地图,将重构地图进行栅格化,栅格的值代表该栅格内是否可以通行,根据这些栅格值建立栅格矩阵;
S05:通过步骤S04建立的栅格矩阵判断移动平台是否到达分叉路口,当未到达分叉路口中时,对移动平台产生直行的指令;当到达分叉路口中时,依据深度优先的回溯法遍历该分叉路口的每个出口,并对移动平台产生对应的转向的指令;
S06:当移动平台未到达终点时,重复步骤S02到步骤S05;当移动平台到达终点时,重构完成全局地图。
进一步地,还包括步骤:将分叉路口视为节点,计算节点之间的距离,并根据节点值建立邻接矩阵;根据建立的邻接矩阵,通过Dijkstra算法,求出重构完成的全局地图中的从起点到终点的最短路径。
进一步地,步骤S02中,图像处理单元首先通过阈值分割在HSV色彩空间内将局部路况图像二值化,然后使用基于亮度梯度的Canny算子边缘检测算法得到局部路况的道路线的轮廓图像,调用OpenCV提供的累计概率霍夫变换直线检测函数得到局部路况的道路线轮廓端点的成像位置。
进一步地,步骤S01中,根据单目视觉成像模型,先标定相机焦距,然后再根据已知的标定点的位置计算出相机的姿态参数,所述姿态参数包括相机成像平面倾角和相对移动平台的位置。
本发明的有益效果在于:
(1)本发明通过对分叉路口进行抽象和建模,实现了未知地形的结构化,使得未知地形的搜索工作更加完整。
(2)本发明通过建立未知地形的结构化模型并通过路径规划算法求出探索区域内的最优路径,从而指导其他未探索过该未知区域的移动平台顺利通过该地形,实现了未知地形的导航分享。
附图说明
为了更清楚地说明本申请实施方式中的技术方案,下面将对实施方式描述中所需要使用的附图作简单地介绍。
图1为本发明的一实施例的基于图像处理的未知地形导航***的组成框图。
图2(a)-(c)为本发明的图像处理单元的道路线特征提取效果图。
图3(a)-(b)为本发明的单目视觉成像模型图。
图4为本发明的地图重构单元通过对采集到的五帧局部路况图像进行地图重构的结果。
图5为本发明的PC端的图形化显示界面。
图6为本发明的图像采集单元的相机的焦距标定示意图。
图7(a)-(b)为本发明的图像采集单元的相机的姿态标定结果图。
具体实施方式
下面将结合本申请实施方式中的附图,对本申请的实施方式中的技术方案进行清楚、完整的描述,显然,所描述的实施方式仅仅是作为例示,并非用于限制本申请。
图1为本发明的基于图像处理的未知地形导航***的组成框图,包括路况采集模块、地图重构模块以及导航模块。路况采集模块包括图像采集单元和图像传输单元,其中,图像采集单元由单目CMOS相机组成,实现图像信息的采集;图像传输单元包括串口通信和无线局域网通信,串口通信将单目CMOS相机采集的图像传输给WiFi模块,无线局域网通信将WiFi模块接收到的图像传输给PC端(HP TPN-Q173便携式计算机)的地图重构模块,所述WiFi模块型号为XRBOT LINKS5.0MT,版本为WF.7620.E,所述WiFi模块内置操作***BusyBox v1.24.1built-in shell。
地图重构模块包括从局部路况的图像中提取道路信息的图像处理单元、根据单目视觉成像原理还原采集到的道路的位置不断重构地图的地图重构单元、以及实时显示移动平台的运动状态和地图重构情况的图形界面单元。
图像处理单元使用基于C++的开源平台OpenCV库(opencv_python-3.4.3-cp37-cp37m-win32)进行开发,首先通过阈值分割在HSV色彩空间内将原始局部路况图像二值化,然后使用基于亮度梯度的Canny算子边缘检测算法得到道路线的轮廓图像,对于该轮廓图像通过累计概率霍夫变换直线检测方法得到图像中的道路线轮廓端点在成像平面内的位置,从而实现道路线特征的提取。图2(a)-(c)为本发明的图像处理单元的道路线特征提取效果图,图(a)为原始图像,图(b)为边缘检测结果图,图(c)为直线检测结果图。
地图重构单元使用Python(Python3.7)进行开发,依据单目视觉的小孔成像模型对图像中的道路线特征的位置信息进行还原,以得到道路线在地图中的真实位置。图3(a)-(b)为本发明的地图重构单元所使用的单目视觉小孔成像模型,图(a)中A为地面上图像采集单元的相机视野中的任意一点,直线OG表示相机光轴,点O是相机光心,图(b)为成像模型的侧面视图。图4为本发明的地图重构单元对同一地形中的五处局部路况进行还原并重构的全局地图(左图),以及将该全局地图栅格化的效果图(右图)。
图形界面单元使用基于Python(Python3.7)的Pygame库(pygame-1.9.4-cp37-cp37m-win32)进行开发。图5为本发明的图形界面单元,左侧名为“迷宫”的区域,显示移动平台的位置,如果地形未知,将不显示地形,只显示移动平台相对于起点的位置;名为“视野”的区域,实时显示图像采集单元获得的前方的局部路况图像;名为“全局地图和运动轨迹”的区域,显示地图重构单元重构的全局地图,并且会随图像采集单元采集到新的局部路况而实时更新,同时,该区域还会描述移动平台从起点出发的运动轨迹;方框中的文字区域实时显示移动平台的定量参数,如相对于起点的位置参数、运动时间;右下方的四个按钮的功能分别是,“启动”按钮启动移动平台,使其前进,若移动平台正在运动,此按钮会显示“停止”,点击会停止移动平台的运动,“重置”按钮点击则将移动平台复原到起点位置,并清空所储存的与当前地形相关的信息,以重新开始导航,“新地图”按钮功能在测试中使用,为了通过仿真来测试导航算法,需要提前布置好未知的地形,当点击此按钮时,计算机会随机生成一个迷宫当作未知的地形进行仿真测试;“保存结果”按钮的功能是保存当前位置地形下,移动平台所探索到的全局地图。
导航模块包括向移动平台发出前进或转向指令的运动指令单元和根据重构完成的全局地图进行路径优化的路径规划单元。当全局地图还未建立时,运动指令单元在转向处依据深度优先的回溯法思想产生转向的指令;当全局地图已经建立时,即,到达了终点后,所述路径规划单元利用Dijkstra算法求出重构的全局地图中从起点到终点的最短路径,运动指令单元在转向处依据求出的最短路径产生转向的指令。
特别地,本发明提供了一种基于图像处理的未知地形导航方法,包括以下步骤:
S01:进行单目视觉相机标定,求取相机的焦距及姿态参数;
图6为本发明标定相机焦距的原理图,图7为本发明标定相机姿态参数的效果图。通过已知位置的路面上的一点的成像位置计算相机的姿态参数,即,以图7(a)中白纸上右上角的“十”字的交叉点作为标定点,先测定标定点的具***置,然后利用图7(b)所示的图像处理单元处理后的结果,得到标定点的成像的位置,依据图3(a)-(b)所示的单目视觉成像模型计算出相机的姿态参数,包括成像平面的倾角和相机相对于移动平台的位置。
S02:图像采集单元即相机跟随移动平台从起点出发,并且实时采集移动平台前方的道路的局部路况图像,图像传输单元通过无线局域网将道路的局部路况图像传送到上位机的图像处理单元,图像处理单元对每一帧局部路况图像进行处理,通过阈值分割、边缘检测和累计概率霍夫变换直线检测提取局部路况图像中出现的道路线轮廓端点的成像位置;
S03:将步骤S02中得到的道路线轮廓端点的成像位置,结合步骤S01中求取的相机的焦距及姿态参数,根据单目视觉成像模型计算出道路线轮廓端点的真实位置;
S04:地图重构单元根据步骤S03中得到的道路线轮廓端点的真实位置,将移动平台在行进过程所采集到的局部路况中的道路线拼接在一起不断地重构地图,然后将重构地图进行栅格化,栅格的值代表该栅格内是否可以通行,道路线覆盖的区域不可通行,没有道路线覆盖的区域则能够通行,将栅格化的地图记录为栅格矩阵,通过遍历该矩阵中的值判断移动平台是否到达分叉路口,并将分叉路口视为节点,将分叉路口之间的距离记录在矩阵中,建立邻接矩阵;
S05:运动指令单元根据步骤S04建立的栅格矩阵判断移动平台是否到达分叉路口,当未到达分叉路口中时,对移动平台产生直行的指令;当到达分叉路口中时,依据深度优先的回溯法遍历该分叉路口的每个出口,并对移动平台产生对应的转向的指令;
S06:当移动平台未到达终点时,重复步骤S02到步骤S05;当移动平台到达终点时,执行步骤S07;
S07:路径规划单元依据步骤S04中建立的邻接矩阵,通过Dijkstra算法,求出从起点到终点的最短路径,并储存在上位机中。
以上申请的仅为本申请的一些实施方式。对于本领域的普通技术人员来说,在不脱离本申请创造构思的前提下,还可以做出若干变型和改进,这些都属于本申请的保护范围。
Claims (10)
1.一种基于图像处理的未知地形导航***,其特征在于,所述导航***安装在移动平台上,所述导航***包括路况采集模块、地图重构模块以及导航模块,
所述路况采集模块包括单目视觉相机和图像传输单元;
所述地图重构模块包括图像处理单元和地图重构单元;
所述导航模块包括运动指令单元,
其中,所述图像传输单元将所述相机实时采集到的局部路况图像传送给所述图像处理单元,所述图像处理单元提取出局部路况中的道路线特征,所述地图重构单元根据所提取的道路线特征不断地重构地图直至重构完成全局地图,所述运动指令单元根据重构的地图向所述移动平台发出运动指令信息。
2.如权利要求1所述的***,其特征在于,所述图像处理单元通过阈值分割、边缘检测和累计概率霍夫变换得到局部路况中的道路线轮廓端点在成像平面内的位置,实现局部路况中的道路线特征的提取。
3.如权利要求1所述的***,其特征在于,所述地图重构单元依据单目视觉成像原理,将局部路况中的道路线轮廓端点在成像平面内的位置转换为相对于相机的位置,并结合相机在地图中的位置,得到道路线轮廓端点的真实位置,之后根据道路线轮廓端点的真实位置不断地重构地图,直至重构完成全局地图。
4.如权利要求1所述的***,其特征在于,所述地图重构模块还包括实时显示所述移动平台的运动状态和地图重构情况的图形界面单元。
5.如权力要求1所述的***,其特征在于,所述导航模块还包括根据重构完成的全局地图进行路径优化的路径规划单元,所述路径规划单元利用Di jkstra算法求出重构的全局地图中从起点到终点的最短路径。
6.如权力要求1所述的***,其特征在于,所述图像传输单元包括串口通信和无线局域网通信,所述串口通信将相机采集的图像传输给WiFi模块,无线局域网通信将WiFi模块接收到的图像传输给地图重构模块。
7.一种利用如权利要求1-6之一所述的***进行未知地形导航的方法,其特征在于,包括以下步骤:
S01:进行单目视觉相机标定,求取相机的焦距及姿态参数;
S02:相机跟随移动平台从起点开始实时采集局部路况图像,图像处理单元对采集到的局部路况图像进行处理,得到局部路况的道路线轮廓端点的成像位置;
S03:将步骤S02中得到的道路线轮廓端点的成像位置,结合步骤S01中求取的相机的焦距及姿态参数,根据单目视觉成像模型计算出道路线轮廓端点的真实位置;
S04:根据步骤S03中得到的道路线轮廓端点的真实位置不断地重构地图,将重构地图进行栅格化,栅格的值代表该栅格内是否可以通行,根据这些栅格值建立栅格矩阵;
S05:通过步骤S04建立的栅格矩阵判断移动平台是否到达分叉路口,当未到达分叉路口中时,对移动平台产生直行的指令;当到达分叉路口中时,依据深度优先的回溯法遍历该分叉路口的每个出口,并对移动平台产生对应的转向的指令;
S06:当移动平台未到达终点时,重复步骤S02到步骤S05;当移动平台到达终点时,重构完成全局地图。
8.如权利要求7所述的方法,其特征在于,还包括步骤:将分叉路口视为节点,计算节点之间的距离,并根据节点值建立邻接矩阵;根据建立的邻接矩阵,通过Dijkstra算法,求出重构完成的全局地图中的从起点到终点的最短路径。
9.如权利要求1所述的方法,其特征在于,步骤S02中,图像处理单元首先通过阈值分割在HSV色彩空间内将局部路况图像二值化,然后使用基于亮度梯度的Canny算子边缘检测算法得到局部路况的道路线的轮廓图像,调用OpenCV提供的累计概率霍夫变换直线检测函数得到局部路况的道路线轮廓端点的成像位置。
10.如权力要求7所述的方法,其特征在于,步骤S01中,根据单目视觉成像模型,先标定相机焦距,然后再根据已知的标定点的位置计算出相机的姿态参数,所述姿态参数包括相机成像平面倾角和相对移动平台的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811522084.XA CN109579863A (zh) | 2018-12-13 | 2018-12-13 | 基于图像处理的未知地形导航***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811522084.XA CN109579863A (zh) | 2018-12-13 | 2018-12-13 | 基于图像处理的未知地形导航***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109579863A true CN109579863A (zh) | 2019-04-05 |
Family
ID=65928438
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811522084.XA Pending CN109579863A (zh) | 2018-12-13 | 2018-12-13 | 基于图像处理的未知地形导航***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109579863A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110570653A (zh) * | 2019-08-09 | 2019-12-13 | 杭州博信智联科技有限公司 | 一种自动驾驶辅助方法及*** |
CN111494927A (zh) * | 2020-04-20 | 2020-08-07 | 张洋 | 具有触觉反馈的迷宫和生成迷宫触觉反馈的方法 |
CN112598010A (zh) * | 2020-11-26 | 2021-04-02 | 厦门大学 | 一种双目视觉的非结构化地形实时感知与重构方法 |
CN112614171A (zh) * | 2020-11-26 | 2021-04-06 | 厦门大学 | 面向工程机械集群作业的空-地一体化动态环境感知*** |
CN113108780A (zh) * | 2021-03-30 | 2021-07-13 | 沈奥 | 一种基于视觉惯导slam算法的无人船自主导航方法 |
CN118092208A (zh) * | 2024-04-23 | 2024-05-28 | 四川大学 | 基于全局视觉伺服的工位内agv智能导航方法及*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101231669A (zh) * | 2007-12-28 | 2008-07-30 | 北京工业大学 | 一种搜索迷宫最优路径的方法 |
CN102521589A (zh) * | 2011-11-18 | 2012-06-27 | 深圳市宝捷信科技有限公司 | 一种车道线检测的方法及*** |
CN103400392A (zh) * | 2013-08-19 | 2013-11-20 | 山东鲁能智能技术有限公司 | 基于变电站巡检机器人的双目视觉导航***及方法 |
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 |
WO2014021421A1 (ja) * | 2012-08-03 | 2014-02-06 | クラリオン株式会社 | カメラパラメータ演算装置、ナビゲーションシステムおよびカメラパラメータ演算方法 |
CN103954275A (zh) * | 2014-04-01 | 2014-07-30 | 西安交通大学 | 基于车道线检测和gis地图信息开发的视觉导航方法 |
CN106525057A (zh) * | 2016-10-26 | 2017-03-22 | 陈曦 | 高精度道路地图的生成*** |
CN106802668A (zh) * | 2017-02-16 | 2017-06-06 | 上海交通大学 | 基于双目与超声波融合的无人机三维避撞方法及*** |
-
2018
- 2018-12-13 CN CN201811522084.XA patent/CN109579863A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101231669A (zh) * | 2007-12-28 | 2008-07-30 | 北京工业大学 | 一种搜索迷宫最优路径的方法 |
CN102521589A (zh) * | 2011-11-18 | 2012-06-27 | 深圳市宝捷信科技有限公司 | 一种车道线检测的方法及*** |
WO2014021421A1 (ja) * | 2012-08-03 | 2014-02-06 | クラリオン株式会社 | カメラパラメータ演算装置、ナビゲーションシステムおよびカメラパラメータ演算方法 |
CN103400392A (zh) * | 2013-08-19 | 2013-11-20 | 山东鲁能智能技术有限公司 | 基于变电站巡检机器人的双目视觉导航***及方法 |
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 |
CN103954275A (zh) * | 2014-04-01 | 2014-07-30 | 西安交通大学 | 基于车道线检测和gis地图信息开发的视觉导航方法 |
CN106525057A (zh) * | 2016-10-26 | 2017-03-22 | 陈曦 | 高精度道路地图的生成*** |
CN106802668A (zh) * | 2017-02-16 | 2017-06-06 | 上海交通大学 | 基于双目与超声波融合的无人机三维避撞方法及*** |
Non-Patent Citations (6)
Title |
---|
冯杰: "《C图形化实践编程》", 31 August 2015, 南开大学出版社 * |
李瑞峰: "《工业机器人设计与应用》", 31 January 2017, 哈尔滨工业大学出版社 * |
李道新: "基于深广结合算法的迷宫机器人路径规划研究", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
杨文元: "《数据结构与算法项目化教程》", 28 February 2011, 西安电子科技大学出版社 * |
陈家乾: "移动机器人自主创建环境地图的研究", 《中国优秀博硕士学位论文全文数据库(博士) 信息科技辑》 * |
韦鹏程等: "《基于虚拟化技术的云计算架构的技术与实践探究》", 30 June 2018, 电子科学技术大学出版社 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110570653A (zh) * | 2019-08-09 | 2019-12-13 | 杭州博信智联科技有限公司 | 一种自动驾驶辅助方法及*** |
CN111494927A (zh) * | 2020-04-20 | 2020-08-07 | 张洋 | 具有触觉反馈的迷宫和生成迷宫触觉反馈的方法 |
CN111494927B (zh) * | 2020-04-20 | 2023-06-09 | 张洋 | 具有触觉反馈的迷宫和生成迷宫触觉反馈的方法 |
CN112598010A (zh) * | 2020-11-26 | 2021-04-02 | 厦门大学 | 一种双目视觉的非结构化地形实时感知与重构方法 |
CN112614171A (zh) * | 2020-11-26 | 2021-04-06 | 厦门大学 | 面向工程机械集群作业的空-地一体化动态环境感知*** |
CN112598010B (zh) * | 2020-11-26 | 2023-08-01 | 厦门大学 | 一种双目视觉的非结构化地形实时感知与重构方法 |
CN112614171B (zh) * | 2020-11-26 | 2023-12-19 | 厦门大学 | 面向工程机械集群作业的空-地一体化动态环境感知*** |
CN113108780A (zh) * | 2021-03-30 | 2021-07-13 | 沈奥 | 一种基于视觉惯导slam算法的无人船自主导航方法 |
CN118092208A (zh) * | 2024-04-23 | 2024-05-28 | 四川大学 | 基于全局视觉伺服的工位内agv智能导航方法及*** |
CN118092208B (zh) * | 2024-04-23 | 2024-07-12 | 四川大学 | 基于全局视觉伺服的工位内agv智能导航方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109579863A (zh) | 基于图像处理的未知地形导航***及方法 | |
Asadi et al. | Vision-based integrated mobile robotic system for real-time applications in construction | |
US11328158B2 (en) | Visual-inertial positional awareness for autonomous and non-autonomous tracking | |
CN107356230B (zh) | 一种基于实景三维模型的数字测图方法和*** | |
Zhang et al. | Intelligent collaborative localization among air-ground robots for industrial environment perception | |
KR101947619B1 (ko) | 모바일 디바이스에서의 slam | |
JP5473304B2 (ja) | 遠隔地画像表示装置、遠隔操縦装置、車両制御装置、遠隔操縦システム、遠隔操縦方法、遠隔操縦プログラム、車両制御プログラム、遠隔地画像表示方法、遠隔地画像表示プログラム | |
CN112894832A (zh) | 三维建模方法、装置、电子设备和存储介质 | |
Pink et al. | Visual features for vehicle localization and ego-motion estimation | |
CN110275540A (zh) | 用于扫地机器人的语义导航方法及其*** | |
CN112740268B (zh) | 目标检测方法和装置 | |
CN112734765B (zh) | 基于实例分割与多传感器融合的移动机器人定位方法、***及介质 | |
CN112505065A (zh) | 一种实现室内无人机对大部件表面缺陷进行检测的方法 | |
CN108519102B (zh) | 一种基于二次投影的双目视觉里程计算方法 | |
Wang et al. | Three-dimensional reconstruction based on visual SLAM of mobile robot in search and rescue disaster scenarios | |
CN207115193U (zh) | 一种用于处理任务区域的任务的移动电子设备 | |
CN110553648A (zh) | 一种用于室内导航的方法和*** | |
JP2009068951A (ja) | 空中架線の管理システム | |
CN110992487B (zh) | 手持式飞机油箱快速三维地图重建装置及重建方法 | |
WO2020237942A1 (zh) | 一种行人3d位置的检测方法及装置、车载终端 | |
Chen et al. | Low-drift odometry, mapping and ground segmentation using a backpack LiDAR system | |
Zhao et al. | Reconstruction of textured urban 3D model by fusing ground-based laser range and CCD images | |
CN111768489B (zh) | 一种室内导航地图构建方法和*** | |
Xiong et al. | Neural map prior for autonomous driving | |
WO2021017211A1 (zh) | 一种基于视觉的车辆定位方法、装置及车载终端 |
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 |