CN109650291B - 基于视觉的叉车agv高精度定位的***及方法 - Google Patents
基于视觉的叉车agv高精度定位的***及方法 Download PDFInfo
- Publication number
- CN109650291B CN109650291B CN201811573543.7A CN201811573543A CN109650291B CN 109650291 B CN109650291 B CN 109650291B CN 201811573543 A CN201811573543 A CN 201811573543A CN 109650291 B CN109650291 B CN 109650291B
- Authority
- CN
- China
- Prior art keywords
- preset
- agv
- forklift
- feature extraction
- image information
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66F—HOISTING, LIFTING, HAULING OR PUSHING, NOT OTHERWISE PROVIDED FOR, e.g. DEVICES WHICH APPLY A LIFTING OR PUSHING FORCE DIRECTLY TO THE SURFACE OF A LOAD
- B66F9/00—Devices for lifting or lowering bulky or heavy goods for loading or unloading purposes
- B66F9/06—Devices for lifting or lowering bulky or heavy goods for loading or unloading purposes movable, with their loads, on wheels or the like, e.g. fork-lift trucks
- B66F9/075—Constructional features or details
- B66F9/0755—Position control; Position detectors
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66F—HOISTING, LIFTING, HAULING OR PUSHING, NOT OTHERWISE PROVIDED FOR, e.g. DEVICES WHICH APPLY A LIFTING OR PUSHING FORCE DIRECTLY TO THE SURFACE OF A LOAD
- B66F9/00—Devices for lifting or lowering bulky or heavy goods for loading or unloading purposes
- B66F9/06—Devices for lifting or lowering bulky or heavy goods for loading or unloading purposes movable, with their loads, on wheels or the like, e.g. fork-lift trucks
- B66F9/075—Constructional features or details
- B66F9/07504—Accessories, e.g. for towing, charging, locking
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Structural Engineering (AREA)
- Civil Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Mechanical Engineering (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了基于视觉的叉车AGV高精度定位的***,用以解决现有技术中是识别叉车位置成本较高,***误差较大的问题,本***包括叉车,设置于叉车底部的光源、成像***以及多个图像传感器;多个光源,用于发射预设范围内波长的光线;成像***,用于对叉车AGV的工作路面进行成像,并生成对应的图像信息;多个图像传感器,用于对生成的图像信息通过预设特征提取算法按照预设采样时间间隔进行预设视觉特征提取,并对预设视觉特征按照预设位移算法进行计算,获取当前叉车AGV的位移信息。本***,成本低廉;基于图像来获取定位信息是非接触式的,能增加***的可靠性;基于人工标志辅助可以在极大的工作空间工作,为设计AGV路径带来便利。
Description
技术领域
本发明涉及图像处理及传感器技术领域,尤其涉及基于视觉的叉车AGV高精度定位的***及方法。
背景技术
AGV(Automated Guided Vehicle)是指装备有电磁或光学等自动导引装置,能够沿规定的导引路径行驶,具有安全保护以及各种移载功能的运输车,工业应用中不需驾驶员的搬运车,一般以蓄电池作为其动力来源。为实现自动导引的目标,需要AGV实时检测自身位置并发送给上位机或服务器。目前可在AGV上应用的定位方法有基于磁条、激光以及图像等几类典型方法。
基于磁条的方法通过在地面上铺设含有磁性材料的条带引导AGV行驶,AGV通过霍尔器件或其它元器件进行磁场的检测,从而计算出AGV与磁条的相对位置,然后用相应的控制算法控制AGV沿着磁条行驶而不偏离。
基于激光的方法目前有两种方式:一种是在行驶路径的周围安装位置精确的激光反射板,通过激光扫描器发射激光束,同时采集由反射板反射的激光束,并通过连续的三角几何运算来实现AGV的定位。一种是通过激光测距传感器自主感知环境,自主构建实时轮廓地图,并动态调整,在对整个环境扫描过一遍之后,再次经过时通过匹配轮廓可以实时确定车身的当前位置,该方法有时需要和其它传感器如加速度计的信息进行融合。这两种方式中有反射板的方案:对反射板铺设要求角度、位置精度要求高;要求使用者具备一般编程能力和操作功能;路径变动需重铺反射板。无反射板的方案:具有对环境感知的能力,能够实现自己的控制;路径更改简单;除车体自身外,无其他辅助设施。无论哪种采用激光的方法都要求作业区域内无大面积玻璃窗、不锈钢板、金属管。
基于图像的方法也有几种方式:一种是基于条带式的,通过识别铺设在地面的色带对AGV进行引导,在控制方法上与采用磁条式的方法比较接近,另一种是基于二维码式的,在地面上每隔一定距离放置一个二维码图案,该二维码图案可以携带位置以及路径信息,AGV在码盘的辅助下通过二维码时,识别码值确定当前位置并做出路径选择。这几种方法都需要对地面进行较大改造变动,当业务需求变化时修改布局需要耗费一定成本,另外地面铺设的图案在使用一段时间后容易发生污损,造成识别困难,这是此类方法存在的固有缺陷。
综上所述,需要设计一种可靠性高,成本低并且误差较小的叉车AGV高精度定位的***及方法,来解决上述问题。
发明内容
为了解决背景技术中提出的问题,本发明提供了基于视觉的叉车AGV高精度定位的***及方法。
为了达到上述目的,本发明采用以下技术方案,
基于视觉的叉车AGV高精度定位的***,包括叉车、设置于叉车底部的光源、成像***以及多个图像传感器;
多个光源,用于发射预设范围内波长的光线;
成像***,用于对叉车AGV的工作路面进行成像,并生成对应的图像信息;
多个图像传感器,用于对生成的图像信息通过预设特征提取算法按照预设采样时间间隔进行预设视觉特征提取,并对预设视觉特征按照预设位移算法进行计算,获取当前叉车AGV的位移信息。
进一步地,光源为红外光源。
进一步地,成像***包括:
自动对焦模块,用于对叉车AGV的工作路面进行成像时,对工作路面自动对焦;
图像生成模块,用于自动对焦后生成对应的图像信息。
进一步地,多个图像传感器包括:
特征提取单元,用于通过预设特征提取算法提取成像***生成的图像信息中的预设视觉特征;
特征匹配单元,用于将两个相邻预设采样时间间隔点获取的图像信息的预设视觉特征进行匹配;
位移计算单元,用于将两个相邻预设采样时间间隔点获取的图像信息的预设视觉特征匹配结果代入预设最小二乘法算法,计算出当前叉车AGV的位移信息。
进一步地,还包括:
辅助校准模块,包括多个预设关键点铺设Datamatrix图案,用于通过预设关键点铺设Datamatrix图案的绝对位置校正当前叉车AGV在该预设关键点计算的位移信息。
基于视觉的叉车AGV高精度定位的方法,包括步骤:
S1:通过设置于叉车底部的多个光源,发射预设范围内波长的光线;
S2:通过设置与叉车底部的成像***,对叉车AGV的工作路面进行成像,并生成对应的图像信息;
S3:通过多个图像传感器,对生成的图像信息通过预设特征提取算法按照预设采样时间间隔进行预设视觉特征提取,并对预设视觉特征按照预设位移算法进行计算,获取当前叉车AGV的位移信息。
进一步地,步骤S2包括:
S21,通过成像***的自动对焦模块,对叉车AGV的工作路面进行成像时,对工作路面自动对焦;
S22,在自动对焦后生成对应的图像信息。
进一步地,步骤S3包括:
S31:通过预设特征提取算法提取成像***生成的图像信息中的预设视觉特征;
S32:将两个相邻预设采样时间间隔点获取的图像信息的预设视觉特征进行匹配;
S33:将两个相邻预设采样时间间隔点获取的图像信息的预设视觉特征匹配结果代入预设最小二乘法算法,计算出当前叉车AGV的位移信息。
进一步地,还包括步骤:
通过在多个预设关键点铺设的Datamatrix图案的绝对位置校正当前叉车AGV在该预设关键点计算的位移信息。
本发明有如下优点:
(1)、本基于视觉的叉车AGV高精度定位的***和传统叉车AGV激光定位的方法相比,成本低廉;
(2)、本基于视觉的叉车AGV高精度定位的***是基于图像来获取定位信息;是非接触式的定位***,增加了定位***的可靠性;
(3)、本基于视觉的叉车AGV高精度定位的***,还设置有辅助校准模块,基于人工标志辅助对计算的叉车AGV进行校准,可以在极大的工作空间进行工作,为设计AGV路径带来便利。
附图说明
图1是本发明基于视觉的叉车AGV高精度定位的***安装示意图;
图2是本发明基于视觉的叉车AGV高精度定位的***图像传感器处理预设视觉特征示意图;
图3是本发明基于视觉的叉车AGV高精度定位的***的多个预设关键点铺设的Datamatrix图案;
图4是本发明基于视觉的叉车AGV高精度定位的方法流程图一;
图5是本发明基于视觉的叉车AGV高精度定位的方法流程图二。
图中:1、光源;2、成像***;3、图像传感器阵列
具体实施方式
以下是本发明的具体实施例并结合附图,对本发明的技术方案作进一步的描述,但本发明并不限于这些实施例。
实施例一
本实施例提供了基于视觉的叉车AGV高精度定位的***,如图1至图3所示,本***包括:
包括叉车、设置于叉车底部的光源、成像***以及多个图像传感器;
多个光源,用于发射预设范围内波长的光线;
成像***,用于对叉车AGV的工作路面进行成像,并生成对应的图像信息;
多个图像传感器,用于对生成的图像信息通过预设特征提取算法按照预设采样时间间隔进行预设视觉特征提取,并对预设视觉特征按照预设位移算法进行计算,获取当前叉车AGV的位移信息。
进一步地,光源为红外光源。
其中在光源辅助下,成像***对叉车AGV行驶的工作路面进行成像,然后通过多个图像传感器对成像***成的像进行预设视觉特征的处理和提取,进而进行判断相邻预设采样时间间隔点的预设视觉特征的匹配,从而确定当前叉车AGV的本体的位移,实现基于视觉来进行叉车AGV的高精度定位。
其中红外光源采用的是红外光源LED,目的是选用和叉车AGV工作环境有较大差异波长的光源;
其中本实施例提供的成像***,采用广角镜头组合而成,其中采用了PMMA材质的反可见光透红外滤光片,结合红外光源,能够避免叉车AGV工作环境光线的干扰。
进一步地,成像***包括:
自动对焦模块,用于对叉车AGV的工作路面进行成像时,对工作路面自动对焦;
其中成像***需要对叉车AGV的工作路面进行成像,利用自动对焦模块,可以避免工作路面高低不平,造成成像模糊的问题。
图像生成模块,用于自动对焦后生成对应的图像信息。
多个图像传感器按照预设阵列进行排列。
其中图像传感器采用全局曝光方式,可以实现叉车AGV在高度运动时也能够清晰成像,不会产生果冻效应。
进一步地,本实施例中提供的多个图像传感器按照预设阵列进行排列,其图像传感器的分辨率和排列方式是与叉车AGV的工作速度进行匹配;在相同分辨率下,叉车AGV的工作速度越大,多个图像传感器的阵列越大。
进一步地,多个图像传感器包括:
特征提取单元,用于通过预设特征提取算法提取成像***生成的图像信息中的预设视觉特征;
特征匹配单元,用于将两个相邻预设采样时间间隔点获取的图像信息的预设视觉特征进行匹配;
位移计算单元,用于将两个相邻预设采样时间间隔点获取的图像信息的预设视觉特征匹配结果代入预设最小二乘法算法,计算出当前叉车AGV的位移信息。
其中特征提取单元提取成像***生成的图像信息的预设视觉特征是利用预设特征提取算法,进一步地,本实施例中提供的预设特征提取算法为:Fast图像特征提取算法,如图2所示:
Fast图像特征提取算法原理是在图片中选取一个像素点P,设像素点P的像素值为Ip,在圆周上按顺时针方向从1到16的顺序对圆周像素点进行编号。
若在圆周上有N个连续的像素的亮度都比圆心像素点P的像素值Ip加上阈值t还要大,或者比圆心像素的像素值Ip减去阈值还要小,则圆心像素像素点P被称为角点,即特征点。
其中具体的算法为:
1、设置阈值:用于比较是否周围像素点和候选点的差值是否足够大。本实施例中选择的阈值为t;
2、构建移动窗口:程序中设计为半径为3,大约16个像素组成的区域,与选取的像素点进行比较
3、候选像素点与构建的周围区域比较:算法采用先与图中位置法检查在位置1,9,5和13四个位置的像素,首先检测位置1和位置9,如果它们都比阈值暗或比阈值亮,再检测位置5和位置13。如果像素点P是一个角点,那么上述四个像素点中至少有3个应该必须都大于Ip+t或者小于Ip+t,因为若是一个角点,超过四分之三圆的部分应该满足判断条件。如果满足,则检测圆内所有点;如果不满足直接舍弃。
4、对角点进行非极大值抑制,得到角点输出。
通过特征提取单元,提取成像***生成的图像信息中的预设视觉特征点会有很多,因此,本实施例中还采用了机器学习和非极大值抑制的方法对提取的多个预设视觉特征点进行去粗取精,其中具体的方法为:
为每一个检测到的特征点计算它的分数函数(score function),V。V是p和它周围16个像素点的绝对偏差的和。考虑两个相邻的特征点,并比较它们的V值。V值较低的点将会被剔除。
因此可得到精确的预设视觉特征点。
进一步地,通过特征匹配单元,将两个相邻预设采样时间间隔点获取的图像信息的预设视觉特征进行匹配,即当前采样时刻通过传感器阵列获取的图像阵列提取到的特征点,将与下一采样时刻获取的特征点进行匹配;
然后通过位移计算单元,用于将两个相邻预设采样时间间隔点获取的图像信息的预设视觉特征匹配结果代入预设最小二乘法算法,计算出当前叉车AGV的位移信息。
进一步地,还包括:
辅助校准模块,包括多个预设关键点铺设Datamatrix图案,用于通过预设关键点铺设Datamatrix图案的绝对位置校正当前叉车AGV在该预设关键点计算的位移信息;如图3所示,可以修正AGV的定位过程中的累积误差。从而扩大了AGV的工作空间。
采用本实施例提供的基于视觉的叉车AGV高精度定位的***,成本低廉;基于图像来获取定位信息;是非接触式的定位***,增加了定位***的可靠性;还设置有辅助校准模块,基于人工标志辅助对计算的叉车AGV进行校准,可以在极大的工作空间进行工作,为设计AGV路径带来便利。
实施例二
本实施例提供了基于视觉的叉车AGV高精度定位的方法,如图4至5所示,本方法包括:
S1:通过设置于叉车底部的多个光源,发射预设范围内波长的光线;
S2:通过设置与叉车底部的成像***,对叉车AGV的工作路面进行成像,并生成对应的图像信息;
S3:通过多个图像传感器,对生成的图像信息通过预设特征提取算法按照预设采样时间间隔进行预设视觉特征提取,并对预设视觉特征按照预设位移算法进行计算,获取当前叉车AGV的位移信息。
进一步地,步骤S2包括:
S21,通过成像***的自动对焦模块,对叉车AGV的工作路面进行成像时,对工作路面自动对焦;
S22,在自动对焦后生成对应的图像信息。
进一步地,步骤S3包括:
S31:通过预设特征提取算法提取成像***生成的图像信息中的预设视觉特征;
S32:将两个相邻预设采样时间间隔点获取的图像信息的预设视觉特征进行匹配;
S33:将两个相邻预设采样时间间隔点获取的图像信息的预设视觉特征匹配结果代入预设最小二乘法算法,计算出当前叉车AGV的位移信息。
进一步地,还包括步骤:
通过在多个预设关键点铺设的Datamatrix图案的绝对位置校正当前叉车AGV在该预设关键点计算的位移信息。
首先通过叉车底部配置的光源、成像***和图像传感器阵列对AGV的工作路面进行成像,提取图像中的视觉特征,并基于这些视觉特征实现叉车AGV的高精度定位。
其中所述光源的主要成分波长与AGV工作环境中光线的主要成分波长具有较大差异,从而与图像传感器配合在成像过程中可以避免环境光线的干扰。
然后通过为光学***的成像***,汇聚光线使工作路面在图像传感器阵列上可以清晰成像,必要时可以增加自动对焦等子***。
其中图像传感器阵列其分辨率和排列方式与叉车AGV的工作速度相匹配,相同分辨率下,AGV的工作速度越大,阵列越大。
通过对叉车AGV的工作路面所成图像提取视觉特征实现定位,所采用的特征由自然特征即路面预设视觉特征以及人工特征即在多个预设关键点铺设Datamatrix图案的组成,自然特征用于实现短时间内的位移估计,而人工特征用于消除误差以及标记工作路径。
采用本基于视觉的叉车AGV高精度定位的方法,成本低廉;基于图像来获取定位信息;是非接触式的定位***,增加了定位***的可靠性;还设置有辅助校准模块,基于人工标志辅助对计算的叉车AGV进行校准,可以在极大的工作空间进行工作,为设计AGV路径带来便利。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (6)
1.基于视觉的叉车AGV高精度定位的***,包括叉车,其特征在于,包括:设置于叉车底部的光源、成像***以及多个图像传感器;
多个光源,用于发射预设范围内波长的光线;
成像***,用于对叉车AGV的工作路面进行成像,并生成对应的图像信息;
多个图像传感器,用于对生成的图像信息通过预设特征提取算法按照预设采样时间间隔进行预设视觉特征提取,并对预设视觉特征按照预设位移算法进行计算,获取当前叉车AGV的位移信息;
所述图像传感器包括:
特征提取单元,用于通过预设特征提取算法提取成像***生成的图像信息中的预设视觉特征,所述预设特征提取算法包括Fast图像特征提取算法、机器学习以及非极大值抑制方法;
特征匹配单元,用于将两个相邻预设采样时间间隔点获取的图像信息的预设视觉特征进行匹配;
位移计算单元,用于将两个相邻预设采样时间间隔点获取的图像信息的预设视觉特征匹配结果代入预设最小二乘法算法,计算出当前叉车AGV的位移信息;
辅助校准模块,包括多个预设关键点铺设Datamatrix图案,用于通过预设关键点铺设Datamatrix图案的绝对位置校正当前叉车AGV在该预设关键点计算的位移信息。
2.根据权利要求1所述的基于视觉的叉车AGV高精度定位的***,其特征在于,光源为红外光源。
3.根据权利要求2所述的基于视觉的叉车AGV高精度定位的***,其特征在于,成像***包括:
自动对焦模块,用于对叉车AGV的工作路面进行成像时,对工作路面自动对焦;
图像生成模块,用于自动对焦后生成对应的图像信息。
4.根据权利要求1所述的基于视觉的叉车AGV高精度定位的***,其特征在于,多个图像传感器按照预设阵列进行排列。
5.基于视觉的叉车AGV高精度定位的方法,其特征在于,包括步骤:
S1:通过设置于叉车底部的多个光源,发射预设范围内波长的光线;
S2:通过设置与叉车底部的成像***,对叉车AGV的工作路面进行成像,并生成对应的图像信息;
S3:通过多个图像传感器,对生成的图像信息通过预设特征提取算法按照预设采样时间间隔进行预设视觉特征提取并对预设视觉特征按照预设位移算法进行计算,获取当前叉车AGV的位移信息;
所述步骤S3包括:
S31:通过预设特征提取算法提取成像***生成的图像信息中的预设视觉特征;
S32:将两个相邻预设采样时间间隔点获取的图像信息的预设视觉特征进行匹配;
S33:将两个相邻预设采样时间间隔点获取的图像信息的预设视觉特征匹配结果代入预设最小二乘法算法,计算出当前叉车AGV的位移信息;
还包括步骤:通过在多个预设关键点铺设的Datamatrix图案的绝对位置校正当前叉车AGV在该预设关键点计算的位移信息。
6.根据权利要求5所述的基于视觉的叉车AGV高精度定位的方法,其特征在于,步骤S2包括:
S21,通过成像***的自动对焦模块,对叉车AGV的工作路面进行成像时,对工作路面自动对焦;
S22,在自动对焦后生成对应的图像信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811573543.7A CN109650291B (zh) | 2018-12-21 | 2018-12-21 | 基于视觉的叉车agv高精度定位的***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811573543.7A CN109650291B (zh) | 2018-12-21 | 2018-12-21 | 基于视觉的叉车agv高精度定位的***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109650291A CN109650291A (zh) | 2019-04-19 |
CN109650291B true CN109650291B (zh) | 2021-07-13 |
Family
ID=66115802
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811573543.7A Active CN109650291B (zh) | 2018-12-21 | 2018-12-21 | 基于视觉的叉车agv高精度定位的***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109650291B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07125997A (ja) * | 1993-11-02 | 1995-05-16 | Tokyo Electric Power Co Inc:The | 高所作業ロボット車 |
JPH10129996A (ja) * | 1996-10-29 | 1998-05-19 | Ohbayashi Corp | 自動搬送システム |
CN102077058A (zh) * | 2008-04-28 | 2011-05-25 | 杰维斯·B·韦布国际公司 | 自动运输工具装载***及方法 |
CN107037438A (zh) * | 2016-02-04 | 2017-08-11 | 梅特勒-托莱多有限公司 | 用于确定在测量区域内移动的车辆承载的物体的尺寸的设备和方法 |
CN107430775A (zh) * | 2014-09-29 | 2017-12-01 | 克朗设备公司 | 用于使用天花板灯定位的方法和工业车辆 |
CN107562049A (zh) * | 2017-08-09 | 2018-01-09 | 深圳市有光图像科技有限公司 | 一种通过对比图像识别智能叉车的位置的方法及智能叉车 |
-
2018
- 2018-12-21 CN CN201811573543.7A patent/CN109650291B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07125997A (ja) * | 1993-11-02 | 1995-05-16 | Tokyo Electric Power Co Inc:The | 高所作業ロボット車 |
JPH10129996A (ja) * | 1996-10-29 | 1998-05-19 | Ohbayashi Corp | 自動搬送システム |
CN102077058A (zh) * | 2008-04-28 | 2011-05-25 | 杰维斯·B·韦布国际公司 | 自动运输工具装载***及方法 |
CN107430775A (zh) * | 2014-09-29 | 2017-12-01 | 克朗设备公司 | 用于使用天花板灯定位的方法和工业车辆 |
CN107037438A (zh) * | 2016-02-04 | 2017-08-11 | 梅特勒-托莱多有限公司 | 用于确定在测量区域内移动的车辆承载的物体的尺寸的设备和方法 |
CN107562049A (zh) * | 2017-08-09 | 2018-01-09 | 深圳市有光图像科技有限公司 | 一种通过对比图像识别智能叉车的位置的方法及智能叉车 |
Also Published As
Publication number | Publication date |
---|---|
CN109650291A (zh) | 2019-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111989544B (zh) | 基于光学目标的室内车辆导航的***和方法 | |
JP4533065B2 (ja) | 人工標識生成方法、移動ロボットの自己位置及び方位角の推定方法、移動ロボットの自己位置及び方位角の推定装置、移動ロボット及び推定プログラム | |
CN109804270B (zh) | 机动车和用于360°环境检测的方法 | |
CN111856491B (zh) | 用于确定车辆的地理位置和朝向的方法和设备 | |
US7684590B2 (en) | Method of recognizing and/or tracking objects | |
EP3842754A1 (en) | System and method of detecting change in object for updating high-definition map | |
CN110530372B (zh) | 定位方法、路径确定方法、装置、机器人及存储介质 | |
US11500391B2 (en) | Method for positioning on basis of vision information and robot implementing same | |
US20180136666A1 (en) | Method and system for providing data for a first and second trajectory | |
EP3391084A2 (en) | Negative obstacle detector | |
CN111194459B (zh) | 自动驾驶功能部件的评估和在不同处理阶段中的道路识别 | |
JP2009544966A (ja) | 人工標識とオデメトリとの連動を利用する位置算出システム及び方法 | |
US20150301179A1 (en) | Method and device for determining an orientation of an object | |
US11846949B2 (en) | Systems and methods for calibration of a pose of a sensor relative to a materials handling vehicle | |
CN108549383B (zh) | 一种实时多传感器的社区机器人导航方法 | |
JPH03201110A (ja) | 自律走行車の位置方位検出装置 | |
CN111694017B (zh) | 一种移动机器人精准定位方法 | |
JP2020067698A (ja) | 区画線検出装置及び区画線検出方法 | |
JP2017181476A (ja) | 車両位置検出装置、車両位置検出方法及び車両位置検出用コンピュータプログラム | |
CN109650291B (zh) | 基于视觉的叉车agv高精度定位的***及方法 | |
Valente et al. | Evidential SLAM fusing 2D laser scanner and stereo camera | |
JPH07296291A (ja) | 車両用走行路検出装置 | |
JP2020077293A (ja) | 区画線検出装置及び区画線検出方法 | |
Shacklock et al. | Visual guidance for autonomous vehicles: capability and challenges | |
KR20130130105A (ko) | 무인주행차량을 위한 교차로 검출 방법 및 이를 이용한 무인주행차량 |
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 |