CN110751336A - 无人载具的避障方法、避障装置及无人载具 - Google Patents
无人载具的避障方法、避障装置及无人载具 Download PDFInfo
- Publication number
- CN110751336A CN110751336A CN201911006620.5A CN201911006620A CN110751336A CN 110751336 A CN110751336 A CN 110751336A CN 201911006620 A CN201911006620 A CN 201911006620A CN 110751336 A CN110751336 A CN 110751336A
- Authority
- CN
- China
- Prior art keywords
- detection range
- obstacle
- depth image
- obstacle avoidance
- preset
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000001514 detection method Methods 0.000 claims abstract description 354
- 230000001133 acceleration Effects 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 230000004888 barrier function Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000003860 storage Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
- G01C21/20—Instruments for performing navigational calculations
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明实施例涉及一种无人载具的避障方法、避障装置及无人载具。所述方法包括:根据无人载具的最大探测范围确定第一探测距离;根据第一探测距离确定第二探测距离,根据第二探测距离确定第二探测范围;当检测到第二探测范围内有障碍物时,根据第二探测范围及最大探测范围,规划避障路径。通过所述无人载具的最大探测范围确定第一探测距离,然后根据第一探测距离确定第二探测距离及第二探测距离相对应的第二探测范围,由于所述第二探测距离对应的第二探测范围小于第一探测距离对应的最大探测范围,从而可根据所述第二探测范围及所述最大探测范围得到较为完整的障碍物的图像信息,进一步根据较为完整的障碍物的图形信息确定更为准确的避障路径。
Description
【技术领域】
本发明涉及无人载具技术领域,尤其涉及一种无人载具的避障方法、避障装置及无人载具。
【背景技术】
无人载具(UnmannedVehicle)是一种无搭载人员的载具。通常可大致分为以下几种类型:可于地面上运作的无人地面载具(Unmanned GroundVehicle,UGV)、常被称为无人飞机的无人飞行载具(UnmannedAerial Vehicle,UAV)、在水面上运作的无人海面载具(Unmanned Surface Vehicle,USV),以及在水下运作的无人水下载具(UnmannedUnderwaterVehicle,UUV)。无人载具通常使用遥控、导引或自动驾驶来控制,无须搭载成员,可在科学研究、军事、休闲娱乐用途上使用。
近些年,无人载具由于其灵活便携和空间机动性强等特点,逐步在测绘、搜救、房地产和农业等领域得以越来越广泛地应用,在航拍或娱乐领域更是广受消费者喜爱。而无人载具的普及,需以其能够安全可靠的在各种环境下正常工作为前提的。那么增加其安全性并提高环境适应能力,使无人载具能够识别周围环境信息并有效地避开障碍物,是无人载具技术研究的重点,也是急需攻克的技术难点。
在实现本发明的过程中,发明人发现相关技术至少存在以下问题:目前无人载具利用深度传感器进行障碍物检测以及路径规划时,由于深度传感器探测范围有限,当制动性能一定时,需要设定速度上限以保证检测到障碍物时及时规避或刹车。然而在避障时,若仅利用刚刚进入探测范围的部分区域执行路径规划会由于障碍物探测不完全而不能很好的计算规划路线,导致路径规划结果不准确。
【发明内容】
本发明实施例提供一种无人载具避障方法、避障装置及无人载具,能够解决障碍物探测不完全,路径规划结果准确度不高的技术问题。
为解决上述技术问题,本发明实施例提供以下技术方案:一种无人载具避障方法。所述无人载具避障方法包括:
可选地,根据所述无人载具的最大探测范围确定第一探测距离;
根据第一探测距离确定第二探测距离,其中,所述第二探测距离小于第一探测距离;
根据第二探测距离确定第二探测范围;
当检测到第二探测范围内有障碍物时,根据所述第二探测范围及所述最大探测范围,规划避障路径。
可选地,所述根据所述第二探测范围及所述最大探测范围,规划避障路径,包括:
将所述第二探测范围扩展至最大探测范围;
获取最大探测范围内的所述障碍物的深度图像;
根据所述深度图像规划避障路径。
可选地,所述根据所述第二探测范围及所述最大探测范围,规划避障路径,包括:
将所述第二探测范围扩展至预设探测范围,所述预设探测范围对应有预设探测距离,所述预设探测距离大于第二探测距离,且所述预设探测距离小于所述第一探测距离;
获取预设探测范围内的所述障碍物的深度图像;
根据所述深度图像,规划避障路径。
可选地,所述根据所述深度图像,规划避障路径,包括:
判断所述深度图像是否为所述障碍物的完整深度图像;
若是,根据所述深度图像规划避障路径;
若否,将所述预设探测范围扩展至所述最大探测范围,获取最大探测范围内的所述障碍物的深度图像,根据所述障碍物的深度图像规划避障路径。
可选地,所述根据所述深度图像,规划避障路径,包括:
判断所述深度图像是否为所述障碍物的完整深度图像;
若是,根据所述深度图像规划避障路径;
若否,将所述预设探测范围对应的预设探测距离增加预设距离,继续获取扩展后的预设探测范围内的所述障碍物的深度图像。
可选地,所述深度图像包括所述障碍物的三维点云。
可选地,所述当获取到所述障碍物的深度图像之后,还包括:
对所述深度图像进行滤波和/或平滑处理。
可选地,所述规划避障路径之前,还包括:将所述无人载具减速至预设安全速度。
可选地,所述将所述无人载具减速至预设安全速度,包括:
将所述无人载具以预设加速度减速至预设安全速度;
通过如下算式,计算得到所述预设加速度
其中,V为当前速度,Vmax为所述预设安全速度,d为所述第二探测距离,a为所述预设加速度。
为解决上述技术问题,本发明实施例还提供以下技术方案:一种避障装置,应用于无人载具,所述避障装置包括:第一探测距离确定模块,用于根据所述无人载具的最大探测范围确定第一探测距离;
第二探测距离确定模块,用于根据所述第一探测距离确定第二探测距离,其中,所述第二探测距离小于所述第一探测距离;
第二探测范围确定模块,用于根据所述第二探测距离确定第二探测范围;
避障路径规划模块,用于当检测到所述第二探测范围内有障碍物时,根据所述第二探测范围及所述最大探测范围,规划避障路径。
可选地,所述避障路径规划模块包括探测范围扩展单元、深度图像获取单元及避障路径规划单元;
所述探测范围扩展单元用于将所述第二探测范围扩展至最大探测范围;
所述深度图像获取单元用于获取最大探测范围内的所述障碍物的深度图像;
所述避障路径规划单元用于根据所述深度图像规划避障路径。
为解决上述技术问题,本发明实施例还提供以下技术方案:一种无人载具。所述无人载具包括:
无人载具主体;
深度传感器,所述深度传感器设置于所述无人载具主体,用于采集障碍物的深度图像及规划避障路径;
处理器,所述处理器设置于所述无人载具主体内,并且分别与所述深度传感器通信连接;以及,
与所述处理器通信连接的存储器;其中,
所述存储器存储有可被所述处理器执行的指令,所述指令被所述处理器执行,以使所述处理器能够执行上述所述的方法。
与现有技术相比较,本发明实施例的提供无人载具避障方法能够根据所述无人载具的最大探测范围确定第一探测距离,然后根据第一探测距离确定第二探测距离及第二探测距离相对应的第二探测范围,由于所述第二探测距离对应的第二探测范围小于第一探测距离对应的最大探测范围,从而可根据所述第二探测范围及所述最大探测范围得到较为完整的障碍物的图像信息,进一步根据较为完整的障碍物的图形信息确定更为准确的避障路径。
【附图说明】
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1为本发明实施例的应用环境示意图;
图2为本发明实施例提供的避障方法的流程示意图;
图3为本发明其中一实施例提供的避障方法结构示意图;
图4为本发明另一实施例提供的避障方法结构示意图;
图5是图2中S40的其中一实施例流程示意图;
图6为本发明又一实施例提供的避障方法结构示意图;
图7是图2中S40的另一实施例流程示意图;
图8为本发明再一实施例提供的避障方法结构示意图;
图9是图7中S46的其中一实施例流程示意图;
图10是图7中S46的另一实施例流程示意图;
图11为本发明实施例提供的无人载具的避障装置的结构框图;
图12为本发明实施例提供的无人载具的结构框图。
【具体实施方式】
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
需要说明的是,如果不冲突,本申请实施例中的各个特征可以相互结合,均在本申请的保护范围之内。另外,虽然在装置示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于装置中的模块划分,或流程图中的顺序执行所示出或描述的步骤。再者,本申请所采用的“第一”、“第二”、“第三”等字样并不对数据和执行次序进行限定,仅是对功能和作用基本相同的相同项或相似项进行区分。
除非另有定义,本说明书所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本说明书中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是用于限制本发明。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
此外,下面所描述的本发明不同实施例中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本发明实施例提供了一种无人载具避障方法和装置,所述方法和装置通过根据所述无人载具的最大探测范围确定第一探测距离,然后根据第一探测距离确定第二探测距离及第二探测距离相对应的第二探测范围,由于所述第二探测距离对应的第二探测范围小于第一探测距离对应的最大探测范围,从而可根据所述第二探测范围及所述最大探测范围得到较为完整的障碍物的图像信息,进一步根据较为完整的障碍物的图形信息确定更为准确的避障路径。
以下举例说明所述无人载具避障方法和装置的应用环境。
图1是本发明实施例提供的无人载具避障***的应用环境的示意图;如图1所示,所述应用场景包括无人载具10、无线网络20、智能终端30以及用户40。用户40可操作智能终端30通过无线网络20操控所述无人载具10。
无人载具10可以是以任何类型的动力驱动的无人载具,包括但不限于无人地面载具,例如无人车、无人机器人等;无人飞行载具,例如旋翼无人载具、固定翼无人载具、伞翼无人载具、扑翼无人载具及直升机模型等;在水面上运作的无人海面载具;以及在水下运作的无人水下载具。在本实施例中以无人机为例进行陈述。
该无人载具10可以根据实际情况的需要,具备相应的体积或者动力,从而提供能够满足使用需要的载重能力、飞行速度以及飞行续航里程等。无人载具10上还可以添加有一种或者多种功能模块,令无人载具10能够实现相应的功能。
例如,在本实施例中,该无人载具10设置有深度传感器、距离传感器、磁力计、GPS导航仪和视觉传感器中的至少一种传感器。相对应地,该无人载具10设置有信息接收装置,接收并处理上述至少一种传感器采集的信息。
无人载具10上包含至少一个主控芯片,作为无人载具运动和数据传输等的控制核心,整合一个或者多个模块,以执行相应的逻辑控制程序。
例如,在一些实施例中,所述主控芯片上可以包括用于对避障路径进行选取和处理的无人载具避障装置50。
智能终端30可以是任何类型,用以与无人载具10建立通信连接的智能装置,例如手机、平板电脑或者智能遥控器等。该智能终端30可以装配有一种或者多种不同的用户40交互装置,用以采集用户40指令或者向用户40展示和反馈信息。
这些交互装置包括但不限于:按键、显示屏、触摸屏、扬声器以及遥控操作杆。例如,智能终端30可以装配有触控显示屏,通过该触控显示屏接收用户40对无人载具10的遥控指令并通过触控显示屏向用户40展示无人载具获得的图像信息,用户40还可以通过遥控触摸屏切换显示屏当前显示的图像信息。
在一些实施例中,无人载具10与智能终端30之间还可以融合现有的图像视觉处理技术,进一步的提供更智能化的服务。例如无人载具10可以通过双光相机采集图像的方式,由智能终端30对图像进行解析,从而实现用户40对于无人载具10的手势控制。
无线网络20可以是基于任何类型的数据传输原理,用于建立两个节点之间的数据传输信道的无线通信网络,例如位于不同信号频段的蓝牙网络、WiFi网络、无线蜂窝网络或者其结合。
图2为本发明实施例提供的无人载具的避障方法的实施例。如图2所示,该无人载具避障方法包括如下步骤:
S10:根据所述无人载具的最大探测范围确定第一探测距离。
具体地,所述最大探测范围可由所述无人载具机载的深度传感器获取。所述最大探测范围可为所述深度传感器的物理探测极限范围,也可是实际应用过程中的最大的稳定工作范围。
所述深度传感器是对能获取环境深度的传感器的总称,针对不同的环境和所需精度选取不同的传感器。
在本实施例中,所述深度传感器用于检测所述无人载具路径上的障碍物信息,具体实现方式以深度传感器Kinect为例,Kinect的***架构包括物理层、驱动与接口层和应用层,通过Kinect提供的SDK和API,可实现多类功能,主要有:深度数据的获取:Kinect通过由红外发射器向环境发射红外的散射点阵、红外接收器接收的环境内障碍物的发射数据进行计算,得到接收的图像中每个像素点的深度信息,从而生成三维深度图像。
所述深度传感器也可为双目相机、RGBD相机、结构光、TOF、激光雷达等等。
具体地,针对不同的环境和所需精度选取不同的传感器,确定所述无人载具的深度传感器的类型后,可根据所述深度传感器的最大探测范围确定第一探测距离。
具体地,举例说明,如图3所示,首先确定所述深度传感器11的最大探测范围112为对应的最大探测门限L1,然后以所述深度传感器11为起点作第一垂线垂直于所述最大探测门限L1,所述第一垂线和所述最大探测门限L1相交于一点,所述第一垂线和所述最大探测门限L1的相交点与所述深度传感器11的之间的距离为所述第一探测距离D1。
在一些实施例中,第一探测距离也可通过其他方式获取,例如根据最大探测范围对应的最大探测角度获取。只要满足确定所述深度传感器的最大探测范围之后,所获取到的第一探测距离是唯一值即可。
S20:根据第一探测距离确定第二探测距离,其中,所述第二探测距离小于第一探测距离。
具体地,通过所述深度传感器的最大探测范围获取到第一探测距离之后,将第一探测距离缩短预设距离后得到所述第二探测距离,所述预设距离可根据预存的障碍物的尺寸确定,例如使所述预设距离等于或者大于所述预存障碍物的尺寸。
所述无人载具在历史行驶路径中将检测到的障碍物尺寸存储到指定存储器,所述预存障碍物的尺寸可通过所述指定存储器内存储的障碍物尺寸获得。例如,可计算得到所述指定存储器内存储的障碍物尺寸的平均障碍物尺寸,使所述预存障碍物的尺寸等于所述平均障碍物尺寸,也即使所述预设距离等于或者大于所述平均障碍物尺寸。
具体地,举例说明,如图4所示,通过所述深度传感器11的最大探测范围112获取到第一探测距离D1之后,将第一探测距离D1缩短预设距离△D后得到所述第二探测距离D2。所述第一探测距离D1缩短预设距离的方向与第一垂线的延伸方向相反。
S30:根据第二探测距离确定第二探测范围。
具体地,将第一探测距离缩短预设距离后得到所述第二探测距离之后,根据根据第二探测距离可以唯一确定第二探测范围。
具体地,举例说明,如图4所示,将第一探测距离D1缩短预设距离△D后得到所述第二探测距离D2之后,做一垂线与在所述第二探测距离D2的一端垂直相交,所述垂线与所述最大探测范围的边缘处相交有两个交点,两个所述交点相连即可得到与所述第二探测距离D2对应的第二探测门限L2,所述第二探测门限L2与所述最大探测范围的边缘处构成与所述第二探测距离D2对应的第二探测范围114。
在一些实施例中,第二探测范围也可通过其他方式获取,只要满足确定所述第二探测距离对应有唯一的第二探测范围即可。
S40:当检测到第二探测范围内有障碍物时,根据所述第二探测范围及所述最大探测范围,规划避障路径。
具体地,当所述无人机可通过视觉传感器、超声波、红外线、毫米波雷达等来检测所述第二探测范围内是否存在有障碍物。
具体地,在本实施例中,利用视觉传感器代替人眼捕获客观事物信息,通过相关视觉图像处理算法获取事物的轮廓信息、深度信息、位置信息等,来检测所述第二探测范围内是否存在有障碍物。视觉传感器与超声波、激光雷达等传感器不同,它是被动接受光源信息(被动感知传感器),而且获取信息丰富。超声波和激光雷达传感器是主动发射声波或光波(主动感知传感器),同时再接收反射回的信息,且获取信息单一。
所述视觉传感器包括镜头、图像传感器、模数转换器、图像处理器、存储器等。视觉传感器在成像时,障碍物在三维空间中的光信息通过透镜,经过图像几何变化,投射在二维平面上,图像传感器采集二维图像光信号,获得模拟图像信号,图像模拟信号经过模数转换器编码成数字图像,最终由图像处理器对数字图像重新编码,并保存在存储器。在本实施例中,采用CCD图像传感器的高端摄像机作为视觉传感器,CCD具有影像品质高、抗噪能力强等优点。
具体地,举例说明,如图4所示,当检测到第二探测范围114内一旦存在有障碍物12时,根据所述第二探测范围114及所述最大探测范围112,规划避障路径。
在本实施例中,通过根据所述无人载具的最大探测范围确定第一探测距离,然后根据第一探测距离确定第二探测距离及第二探测距离相对应的第二探测范围,由于所述第二探测距离对应的第二探测范围小于第一探测距离对应的最大探测范围,从而可根据所述第二探测范围及所述最大探测范围得到较为完整的障碍物的图像信息,进一步根据较为完整的障碍物的图形信息确定更为准确的避障路径。
在一些实施例中,为了保证无人载具能更安全更平缓的绕行或刹车以躲避障碍物,在一些实施例中,所述规划避障路径之前还包括如下步骤:
将所述无人载具减速至预设安全速度。
具体地,将所述无人载具以预设加速度减速至预设安全速度;
通过如下算式,计算得到所述预设加速度
其中,V为当前速度,Vmax为所述预设安全速度,d为所述第二探测距离,a为所述预设加速度。
为了提供更加完全的障碍物信息,以保障避障路径规划的准确性,在一些实施例中,如图5所示,S40包括如下步骤:
S41:将所述第二探测范围扩展至最大探测范围。
具体地,如图6所示,当检测到第二探测范围114内一旦存在有障碍物12时,将所述第二探测距离D2对应的所述第二探测范围114扩展至所述第一探测距离D1对应的最大探测范围112。当检测到第二探测范围114内一旦存在有障碍物12时,将所述第二探测范围114扩展至最大探测范围112,能够获取到所述障碍物较为完整的障碍物信息,进而根据所述较为完整的障碍物信息确定更为准确的避障路径。
S43:获取最大探测范围内的所述障碍物的深度图像。
具体地,如图6所示,当所述第二探测距离D2对应的所述第二探测范围114扩展至所述第一探测距离D1对应的最大探测范围112时,获取最大探测范围112内的所述障碍物的深度图像。
具体地,可通过深度传感器一般能获取障碍物的三维点云,通过对三维点云进行特征提取与匹配处理,获取所述障碍物的深度图像。
在一些实施例中,也可以基于帧间差分算法、背景差分算法、光流法及图像分割算法获取所述障碍物的深度图像。例如,所述帧间差分算法是根据时间上连续的图像的前、后帧之间的差值,根据障碍物在图像内运动中位置的变化时前后不同而获取障碍物的边缘轮廓。帧间差分算法的优势在于运算简单、检测速度快、扩展性强以及算法实现复杂度低等特点。又例如,背景差分算法是根据障碍物出现的图像与固定背景间的差异检测所述障碍物。因此,该方法需要先对固定场景进行存储,在检测障碍物位置信息时具有运算简单、检测速度快以及算法实现复杂度低等特点。
为了使获取到更加清晰准确的所述深度图像,以更为准确的规划避障路径,在一些实施例中,在获取到所述障碍物的深度图像之后,所述方法还包括:
对所述深度图像进行滤波和/或平滑处理。
S45:根据所述深度图像规划避障路径。
具体地,当获取最大探测范围内的所述障碍物的深度图像后,可利用路径规划的算法根据获取到的所述深度图像,进行避障路径的规划。所述路径规划的算法包括且不仅限于vfh,vfh+,轨迹库等。
为了提供更加完全的障碍物信息,以保障避障路径规划的准确性,在一些实施例中,如图7所示,S40通过如下步骤代替上述S41、S43及S45:
S42:将所述第二探测范围扩展至预设探测范围,所述预设探测范围对应有预设探测距离,所述预设探测距离大于第二探测距离,且所述预设探测距离小于所述第一探测距离。
具体地,如图8所示,将所述第二探测范围114对应的第二探测距离D2增大至预设探测距离D3,所述预设探测距离D3对应有预设探测范围116,从而实现将所述第二探测范围114扩展至预设探测范围116,所述预设探测距离D3大于第二探测距离D2,且所述预设探测距离D3小于所述第一探测距离D1。
当检测到第二探测范围114内一旦存在有障碍物12时,将所述第二探测范围114扩展至预设探测范围116,能够获取到所述障碍物较为完整的障碍物信息,进而根据所述较为完整的障碍物信息确定更为准确的避障路径。
S44:获取预设探测范围内的所述障碍物的深度图像。
具体地,如图8所示,当所述第二探测距离D2对应的所述第二探测范围114扩展至所述预设探测距离D3对应的预设探测范围116时,获取预设探测范围116内的所述障碍物的深度图像。
具体地,可通过深度传感器一般能获取障碍物的三维点云,通过对三维点云进行特征提取与匹配处理,获取所述障碍物的深度图像。
S46:根据所述深度图像,规划避障路径。
具体地,当获取最大探测范围内的所述障碍物的深度图像后,可利用路径规划的算法根据获取到的所述深度图像,进行避障路径的规划。所述路径规划的算法包括且不仅限于vfh,vfh+,轨迹库等。
为了能够得到所述障碍物更为完整的深度图像,进而根据所述深度图像,更加准确的规划避障路径,在一些实施例中,如图9所示,S46包括如下步骤:
S461:判断所述深度图像是否为所述障碍物的完整深度图像。
具体地,当所述第二探测距离D2对应的所述第二探测范围114扩展至所述预设探测距离D3对应的预设探测范围116时,若获取的预设探测范围116内的所述障碍物深度图像小于所述障碍物的实际尺寸,即获取的所述障碍物的深度图像不是所述障碍物完整的深度图像,从而导致根据所述深度图像,确定的避障路径不准确,所以需要进一步判断获取的预设探测范围116内的所述障碍物深度图像是否为所述障碍物的完整深度图像。
S463:若是,根据所述深度图像规划避障路径。
具体地,若获取的预设探测范围内的所述障碍物深度图像等于所述障碍物的实际尺寸,即获取的所述障碍物的深度图像是所述障碍物完整的深度图像,则可直接根据所述深度图像规划避障路径。通过获取预设探测范围内的所述障碍物深度图像,而非直接获取最大探测范围内的所述障碍物深度图像,能够优化深度传感器的作业流程,提高深度图像获取的速度,从而能够及时的根据所述障碍物的深度图像规划避障路径。
具体地,可利用路径规划的算法根据获取到的所述深度图像,进行避障路径的规划。所述路径规划的算法包括且不仅限于vfh,vfh+,轨迹库等。
S465:若否,将所述预设探测范围扩展至所述最大探测范围,获取最大探测范围内的所述障碍物的深度图像,根据所述障碍物的深度图像规划避障路径。
具体地,若获取的预设探测范围内的所述障碍物深度图像小于所述障碍物的实际尺寸,即获取的所述障碍物的深度图像不是所述障碍物完整的深度图像,将所述预设探测范围扩展至所述最大探测范围,获取最大探测范围内的所述障碍物的深度图像,获取到的所述深度图像为所述障碍物较为完整的障碍物信息,进而根据所述较为完整的障碍物信息确定更为准确的避障路径。
为了能够得到所述障碍物更为完整的深度图像,进而根据所述深度图像,更加准确的规划避障路径,在一些实施例中,如图10所示,S46包括如下步骤:
S462:判断所述深度图像是否为所述障碍物的完整深度图像。
S464:若是,根据所述深度图像规划避障路径。
S466:若否,将所述预设探测范围对应的预设探测距离增加预设距离,继续获取扩展后的预设探测范围内的所述障碍物的深度图像。
具体地,所述预设距离可根据深度传感器的精度确定,也可根据无人载具执行任务的外界环境情况预设。例如,当所述无人载具的执行任务的外界环境较为复杂,障碍物较多且对应的尺寸较大,则将所述预设距离调整为较大数值5-10m,当所述无人载具的执行任务的外界环境较为简单,障碍物较少且对应的尺寸较小,则将所述预设距离调整为较小数值2-3m,从而能够优化深度传感器的作业流程,提高深度图像获取的速度,从而能够及时的根据所述障碍物的深度图像规划避障路径。
进一步地,将所述预设探测范围对应的预设探测距离增加预设距离后,由于预设探测距离的增大,从而使预设探测距离对应的预设探测范围增大,进而可获取增大后的预设探测范围内的所述障碍物的深度图像,所述获取到的所述深度图像为所述障碍物较为完整的障碍物信息,进而根据所述较为完整的障碍物信息确定更为准确的避障路径。
需要说明的是,在上述各个实施例中,上述各步骤之间并不必然存在一定的先后顺序,本领域普通技术人员,根据本申请实施例的描述可以理解,不同实施例中,上述各步骤可以有不同的执行顺序,亦即,可以并行执行,亦可以交换执行等等。
作为本申请实施例的另一方面,本申请实施例提供一种无人载具避障装置50。请参阅图5,该无人载具避障装置50包括:第一探测距离确定模块51、第二探测距离确定模块52、第二探测范围确定模块53以避障路径规划模块54。
第一探测距离确定模块51用于根据所述无人载具的最大探测范围确定第一探测距离。
第二探测距离确定模块52用于根据第一探测距离确定第二探测距离,其中,所述第二探测距离小于第一探测距离。
第二探测范围确定模块53用于根据第二探测距离确定第二探测范围。
避障路径规划模块54用于当检测到第二探测范围内有障碍物时,根据所述第二探测范围及所述最大探测范围,规划避障路径。
在本实施例中,通过根据所述无人载具的最大探测范围确定第一探测距离,然后根据第一探测距离确定第二探测距离及第二探测距离相对应的第二探测范围,由于所述第二探测距离对应的第二探测范围小于第一探测距离对应的最大探测范围,从而可根据所述第二探测范围及所述最大探测范围得到较为完整的障碍物的图像信息,进一步根据较为完整的障碍物的图形信息确定更为准确的避障路径。
在一些实施例中,无人载具避障装置50还包括减速模块55,所述减速模块55用于将所述无人载具减速至预设安全速度。
具体地,将所述无人载具以预设加速度减速至预设安全速度;
通过如下算式,计算得到所述预设加速度
其中,V为当前速度,Vmax为所述预设安全速度,d为所述第二探测距离,a为所述预设加速度。
在一些实施例中,无人载具避障装置50还包括图像后处理模块56,所述图像后处理模块56用于对所述深度图像进行滤波和/或平滑处理。
其中,在一些实施例中,所述避障路径规划模块54包括探测范围扩展单元、深度图像获取单元及避障路径规划单元。
所述探测范围扩展单元用于将所述第二探测范围扩展至最大探测范围。
在一些实施例中,所述探测范围扩展单元还用于将所述第二探测范围扩展至预设探测范围,所述预设探测范围对应有预设探测距离,所述预设探测距离大于第二探测距离,且所述预设探测距离小于所述第一探测距离。
在一些实施例中,所述探测范围扩展单元还用于将所述预设探测范围对应的预设探测距离增加预设距离。
所述深度图像获取单元用于获取最大探测范围内的所述障碍物的深度图像。
在一些实施例中,所述深度图像获取单元还用于获取预设探测范围内的所述障碍物的深度图像。
在一些实施例中,所述深度图像获取单元还用于获取扩展后的预设探测范围内的所述障碍物的深度图像。
所述避障路径规划单元用于根据所述深度图像规划避障路径。
其中,在一些实施例中,所述所述避障路径规划单元包括图像完整度判断子单元、路径规划子单元及探测范围扩展子单元,所述图像完整度判断子单元用于判断所述深度图像是否为所述障碍物的完整深度图像。所述路径规划子单元用于根据所述深度图像规划避障路径。
需要说明的是,上述无人载具的避障装置可执行本发明实施例所提供的无人载具的避障方法,具备执行方法相应的功能模块和有益效果。未在无人载具的避障装置实施例中详尽描述的技术细节,可参见本发明实施例所提供的无人载具的避障方法。
图12为本发明实施例提供的无人载具10的结构框图。该无人载具10可以用于实现所述主控芯片中的全部或者部分功能模块的功能。如图6所示,该无人载具10可以包括:无人载具主体、深度传感器、距离传感器、处理器110、存储器120以及通信模块130。
所述深度传感器设置于所述无人载具主体,用于采集障碍物的深度图像及规划避障路径;所述距离传感器设置于所述无人载具主体,用于检测所述无人载具与所述障碍物的距离信息;所述处理器设置于所述无人载具主体内,并且分别与所述深度传感器和所述距离传感器通信连接。
所述处理器110、存储器120以及通信模块130之间通过总线的方式,建立任意两者之间的通信连接。
处理器110可以为任何类型,具备一个或者多个处理核心的处理器110。其可以执行单线程或者多线程的操作,用于解析指令以执行获取数据、执行逻辑运算功能以及下发运算处理结果等操作。
存储器120作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态性计算机可执行程序以及模块,如本发明实施例中的无人载具避障方法对应的程序指令/模块(例如,附图11所示的第一探测距离确定模块51、第二探测距离确定模块52、第二探测范围确定模块53、避障路径规划模块54)。处理器110通过运行存储在存储器120中的非暂态软件程序、指令以及模块,从而执行无人载具避障装置50的各种功能应用以及数据处理,即实现上述任一方法实施例中无人载具避障方法。
存储器120可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储根据无人载具避障装置50的使用所创建的数据等。此外,存储器120可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器120可选包括相对于处理器110远程设置的存储器,这些远程存储器可以通过网络连接至无人载具10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述存储器120存储有可被所述至少一个处理器110执行的指令;所述至少一个处理器110用于执行所述指令,以实现上述任意方法实施例中无人载具避障方法,例如,执行以上描述的方法步骤10、20、30、40等等,实现图11中的模块51-54的功能。
通信模块130是用于建立通信连接,提供物理信道的功能模块。通信模块130以是任何类型的无线或者有线通信模块130,包括但不限于WiFi模块或者蓝牙模块等。
进一步地,本发明实施例还提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器110执行,例如,被图6中的一个处理器110执行,可使得上述一个或多个处理器110执行上述任意方法实施例中无人载具避障方法,例如,执行以上描述的方法步骤10、20、30、40等等,实现图11中的模块51-54的功能。
以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。
通过以上的实施方式的描述,本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序产品中的计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非暂态计算机可读取存储介质中,该计算机程序包括程序指令,当所述程序指令被相关设备执行时,可使相关设备执行上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
上述产品可执行本发明实施例所提供的无人载具避障方法,具备执行无人载具避障方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明实施例所提供的无人载具避障方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;在本发明的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本发明的不同方面的许多其它变化,为了简明,它们没有在细节中提供;尽管参照前述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 (12)
1.一种避障方法,应用于无人载具,其特征在于,包括:
根据所述无人载具的最大探测范围确定第一探测距离;
根据所述第一探测距离确定第二探测距离,其中,所述第二探测距离小于所述第一探测距离;
根据所述第二探测距离确定第二探测范围;
当检测到所述第二探测范围内有障碍物时,根据所述第二探测范围及所述最大探测范围,规划避障路径。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第二探测范围及所述最大探测范围,规划避障路径,包括:
将所述第二探测范围扩展至所述最大探测范围;
获取所述最大探测范围内的所述障碍物的深度图像;
根据所述深度图像规划避障路径。
3.根据权利要求1所述的方法,其特征在于,所述根据所述第二探测范围及所述最大探测范围,规划避障路径,包括:
将所述第二探测范围扩展至预设探测范围,所述预设探测范围对应有预设探测距离,所述预设探测距离大于所述第二探测距离,且所述预设探测距离小于所述第一探测距离;
获取所述预设探测范围内的所述障碍物的深度图像;
根据所述深度图像,规划避障路径。
4.根据权利要求3所述的方法,其特征在于,所述根据所述深度图像,规划避障路径,包括:
判断所述深度图像是否为所述障碍物的完整深度图像;
若是,根据所述深度图像规划避障路径;
若否,将所述预设探测范围扩展至所述最大探测范围,获取所述最大探测范围内的所述障碍物的深度图像,根据所述障碍物的深度图像规划避障路径。
5.根据权利要求3所述的方法,其特征在于,所述根据所述深度图像,规划避障路径,包括:
判断所述深度图像是否为所述障碍物的完整深度图像;
若是,根据所述深度图像规划避障路径;
若否,将所述预设探测范围对应的所述预设探测距离增加预设距离,继续获取扩展后的所述预设探测范围内的所述障碍物的深度图像。
6.根据权利要求2-5任一项所述的方法,其特征在于,
所述深度图像包括所述障碍物的三维点云。
7.根据权利要求2-6任一项所述的方法,其特征在于,
所述当获取到所述障碍物的深度图像之后,还包括:
对所述深度图像进行滤波和/或平滑处理。
8.根据权利要求2-7任一项所述的方法,其特征在于,
所述规划避障路径之前,还包括:
将所述无人载具减速至预设安全速度。
10.一种避障装置,应用于无人载具,其特征在于,包括:
第一探测距离确定模块,用于根据所述无人载具的最大探测范围确定第一探测距离;
第二探测距离确定模块,用于根据所述第一探测距离确定第二探测距离,其中,所述第二探测距离小于所述第一探测距离;
第二探测范围确定模块,用于根据所述第二探测距离确定第二探测范围;
避障路径规划模块,用于当检测到所述第二探测范围内有障碍物时,根据所述第二探测范围及所述最大探测范围,规划避障路径。
11.根据权利要求10所述的避障装置,其特征在于,
所述避障路径规划模块包括探测范围扩展单元、深度图像获取单元及避障路径规划单元;
所述探测范围扩展单元用于将所述第二探测范围扩展至所述最大探测范围;
所述深度图像获取单元用于获取最大探测范围内的所述障碍物的深度图像;
所述避障路径规划单元用于根据所述深度图像规划避障路径。
12.一种无人载具,其特征在于,包括:
无人载具主体;
深度传感器,所述深度传感器设置于所述无人载具主体,用于采集障碍物的深度图像及规划避障路径;
处理器,所述处理器设置于所述无人载具主体内,并且分别与所述深度传感器通信连接;以及,
与所述处理器通信连接的存储器;其中,
所述存储器存储有可被所述处理器执行的指令,所述指令被所述处理器执行,以使所述处理器能够执行如权利要求1-9任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911006620.5A CN110751336B (zh) | 2019-10-22 | 2019-10-22 | 无人载具的避障方法、避障装置及无人载具 |
PCT/CN2020/118850 WO2021078003A1 (zh) | 2019-10-22 | 2020-09-29 | 无人载具的避障方法、避障装置及无人载具 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911006620.5A CN110751336B (zh) | 2019-10-22 | 2019-10-22 | 无人载具的避障方法、避障装置及无人载具 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110751336A true CN110751336A (zh) | 2020-02-04 |
CN110751336B CN110751336B (zh) | 2023-04-14 |
Family
ID=69279373
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911006620.5A Active CN110751336B (zh) | 2019-10-22 | 2019-10-22 | 无人载具的避障方法、避障装置及无人载具 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110751336B (zh) |
WO (1) | WO2021078003A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021078003A1 (zh) * | 2019-10-22 | 2021-04-29 | 深圳市道通智能航空技术有限公司 | 无人载具的避障方法、避障装置及无人载具 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114701526A (zh) * | 2022-04-02 | 2022-07-05 | 广东电网有限责任公司惠州供电局 | 一种自动操控方法及无人操控输电线路轨道运输装备 |
CN114994604A (zh) * | 2022-04-21 | 2022-09-02 | 深圳市倍思科技有限公司 | 人机交互位置确定方法、装置、机器人及存储介质 |
CN116047909B (zh) * | 2023-01-13 | 2023-09-05 | 大连海事大学 | 面向海事平行搜寻的无人机-船协同鲁棒自适应控制方法 |
CN118015369A (zh) * | 2024-02-20 | 2024-05-10 | 常州市双爱家私股份有限公司 | 一种障碍物检测***、方法及电动升降桌 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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*** |
CN107831777A (zh) * | 2017-09-26 | 2018-03-23 | 中国科学院长春光学精密机械与物理研究所 | 一种飞行器自主避障***、方法及飞行器 |
CN108268036A (zh) * | 2018-01-19 | 2018-07-10 | 刘晋宇 | 一种新型机器人智能避障*** |
CN109857112A (zh) * | 2019-02-21 | 2019-06-07 | 广东智吉科技有限公司 | 机器人避障方法及装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4189858B2 (ja) * | 2004-11-16 | 2008-12-03 | 株式会社ホンダアクセス | 障害物検知装置 |
CN107480638B (zh) * | 2017-08-16 | 2020-06-30 | 北京京东尚科信息技术有限公司 | 车辆避障方法、控制器、装置和车辆 |
CN107650908B (zh) * | 2017-10-18 | 2023-07-14 | 长沙冰眼电子科技有限公司 | 无人车环境感知*** |
CN110231832B (zh) * | 2018-03-05 | 2022-09-06 | 北京京东乾石科技有限公司 | 用于无人机的避障方法和避障装置 |
CN109917420A (zh) * | 2019-02-27 | 2019-06-21 | 科沃斯商用机器人有限公司 | 一种自动行走装置和机器人 |
CN110751336B (zh) * | 2019-10-22 | 2023-04-14 | 深圳市道通智能航空技术股份有限公司 | 无人载具的避障方法、避障装置及无人载具 |
-
2019
- 2019-10-22 CN CN201911006620.5A patent/CN110751336B/zh active Active
-
2020
- 2020-09-29 WO PCT/CN2020/118850 patent/WO2021078003A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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*** |
CN107831777A (zh) * | 2017-09-26 | 2018-03-23 | 中国科学院长春光学精密机械与物理研究所 | 一种飞行器自主避障***、方法及飞行器 |
CN108268036A (zh) * | 2018-01-19 | 2018-07-10 | 刘晋宇 | 一种新型机器人智能避障*** |
CN109857112A (zh) * | 2019-02-21 | 2019-06-07 | 广东智吉科技有限公司 | 机器人避障方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021078003A1 (zh) * | 2019-10-22 | 2021-04-29 | 深圳市道通智能航空技术有限公司 | 无人载具的避障方法、避障装置及无人载具 |
Also Published As
Publication number | Publication date |
---|---|
CN110751336B (zh) | 2023-04-14 |
WO2021078003A1 (zh) | 2021-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110751336B (zh) | 无人载具的避障方法、避障装置及无人载具 | |
US11915502B2 (en) | Systems and methods for depth map sampling | |
CN111448476B (zh) | 在无人飞行器与地面载具之间共享绘图数据的技术 | |
US10520943B2 (en) | Unmanned aerial image capture platform | |
WO2022001748A1 (zh) | 目标跟踪方法、装置、电子设备及移动载具 | |
CN111670339B (zh) | 用于无人飞行器和地面载运工具之间的协作地图构建的技术 | |
KR20180080498A (ko) | 공항용 로봇 및 그의 동작 방법 | |
WO2020186444A1 (zh) | 物体检测方法、电子设备与计算机存储介质 | |
JP2019011971A (ja) | 推定システムおよび自動車 | |
CN111216127A (zh) | 一种机器人控制方法、装置、服务器及介质 | |
CN113561963A (zh) | 一种泊车方法、装置及车辆 | |
CN111213153A (zh) | 目标物体运动状态检测方法、设备及存储介质 | |
CN110568857A (zh) | 无人机飞行控制方法及无人机 | |
US11308324B2 (en) | Object detecting system for detecting object by using hierarchical pyramid and object detecting method thereof | |
KR20200070100A (ko) | 차량 검출 방법 및 이를 수행하는 전자 기기 | |
EP4155759A1 (en) | Systems and method for lidar grid velocity estimation | |
CN116533987A (zh) | 泊车路径确定方法、装置、设备和自动驾驶车辆 | |
CN116142173A (zh) | 基于图像深度的车辆控制方法、装置、设备及存储介质 | |
JP2020106986A (ja) | 情報処理装置、情報処理方法、および移動体 | |
CN108733080B (zh) | 一种状态切换方法及装置 | |
JP2022012173A (ja) | 情報処理装置、情報処理システム、および情報処理方法、並びにプログラム | |
WO2022160101A1 (zh) | 朝向估计方法、装置、可移动平台及可读存储介质 | |
JP2022040134A (ja) | 推定システムおよび自動車 | |
CN113661513A (zh) | 一种图像处理方法、设备、图像处理***及存储介质 | |
CN117542042A (zh) | 三维对象检测方法及装置、电子设备和存储介质 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 518055 Guangdong city of Shenzhen province Nanshan District Xili Street Xueyuan Road No. 1001 Chi Yuen Building 9 layer B1 Applicant after: Shenzhen daotong intelligent Aviation Technology Co.,Ltd. Address before: 518055 Guangdong city of Shenzhen province Nanshan District Xili Street Xueyuan Road No. 1001 Chi Yuen Building 9 layer B1 Applicant before: AUTEL ROBOTICS Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |