CN111027540B - 一种寻找目标对象的方法和设备 - Google Patents
一种寻找目标对象的方法和设备 Download PDFInfo
- Publication number
- CN111027540B CN111027540B CN201911085761.0A CN201911085761A CN111027540B CN 111027540 B CN111027540 B CN 111027540B CN 201911085761 A CN201911085761 A CN 201911085761A CN 111027540 B CN111027540 B CN 111027540B
- Authority
- CN
- China
- Prior art keywords
- target
- objects
- target object
- image
- determining
- 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 48
- 238000012545 processing Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 10
- 238000001514 detection method Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003032 molecular docking Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种寻找目标对象的方法和设备,涉及机器人技术领域,用以解决目前机器人寻找目标对象时容易受到干扰,误识率高的问题,本发明方法包括:将通过激光扫描获取目标区域中的对象的曲线特征与目标对象的曲线特征进行匹配,选择目标区域中与目标对象的曲线特征的第一匹配度大于第一阈值的至少一个对象;根据选择的对象在目标区域的位置,确定选择的对象的拍摄位置,并采集拍摄位置的图像;将与目标对象匹配的图像对应的对象作为目标对象,由于本发明中激光扫描器和摄像头都是机器人上的常见设置,不需要在目标对象上设置红外编码发射器,不需要双方进行通信,不容易受到干扰,更加简便,提高了寻找的准确率。
Description
技术领域
本发明涉及机器人技术领域,特别涉及一种寻找目标对象的方法和设备。
背景技术
随着智能机器人的发展,各种服务类机器人纷纷涌现,譬如扫地机、导游、导购类机器人、咨询机器人等。
一般情况下机器人需要寻找的目标对象可以是充电桩或其它需要对接的设备,机器人通过寻找设备进行对接,目前机器人在寻找相应目标对象的常见方式为,机器人前方或后方设置有红外接收器,设备端有若干红外编码发射器,机器人通过接收到的不同编码信号,判断方位,调整机器人的行进方向,但是这种方式操作不便,实现过程较为复杂,并且通信方式较易受到干扰,不知道准确的距离信息,例如在家中寻找充电桩时,则容易被遮挡物遮挡影响通信。
综上所述,机器人在寻找目标对象时容易受到干扰,误识率高。
发明内容
本发明提供一种寻找目标对象的方法和设备,用以解决现有技术中存在的机器人在寻找目标对象时容易受到干扰,误识率高的问题。
第一方面,本发明实施例提供的一种寻找目标对象的方法包括:
将通过激光扫描获取目标区域中的对象的曲线特征与目标对象的曲线特征进行匹配,选择所述目标区域中与所述目标对象的曲线特征的第一匹配度大于第一阈值的至少一个对象;
根据选择的对象在所述目标区域的位置,确定所述选择的对象的拍摄位置,并采集所述拍摄位置的图像;
将与目标对象匹配的图像对应的对象作为目标对象。
上述方法,只需要通过激光扫描器扫描和摄像头拍照的方式来寻找目标对象,激光扫描器和摄像头都是机器人上的常见设置,不需要双方进行通信,更加简便,并且在寻找目标对象时,采用激光扫描器和摄像头双重检验,首先通过激光扫描的方式确定出目标区域中与目标对象相近的至少一个对象作为备选对象,缩小了目标对象寻找的范围,并且通过激光扫描可以确定出相对于备选对象较为理想的拍摄位置,之后结合摄像头采集图像的方式确定出目标对象,提高了采集到的图像的质量,由于本发明将激光扫描与摄像头采集图像两种寻找目标对象的方式相结合,通过激光扫描缩小范围,再进一步通过摄像头采集图像对小范围内的对象进行验证,在小范围内确定目标对象,因而可以提高寻找的目标对象的准确率,降低误识别发生的概率,并且不需要机器人与对象之间进行通信,不易受到干扰,提高了检测的准确率。
在一种可能的实现方式中,所述选择的对象为多个;
在所述选择所述目标区域中与所述目标对象的曲线特征的第一匹配度大于第一阈值的至少一个对象之后,根据选择的对象在所述目标区域的位置确定所述选择的对象的拍摄位置之前,还包括:
将所述选择的对象在所述目标区域的位置与历史记录中所述目标对象的位置进行比对,根据对比结果剔除所述选择的对象中的部分对象;或
将所述选择的对象在所述目标区域的位置周围的对象的曲线特征与所述选择的对象的曲线特征组合后,与所述目标对象的曲线特征进行对比,根据比对结果剔除所述选择的对象中的部分对象。
上述方法,通过激光扫描确定多个选择的对象时,可以通过历史记录或者是周围对象对选择的对象进行筛选,剔除其中的部分,以减小后续识别的工作,提高检测效率。
在一种可能的实现方式中,所述选择的对象为多个;
根据选择的对象在所述目标区域的位置,确定所述选择的对象的拍摄位置,并采集所述拍摄位置的图像,将与目标对象匹配的图像对应的对象作为目标对象,包括:
按照所述选择的对象的优先级由高到低的顺序确定当前需要匹配的对象;
确定当前需要匹配的对象的拍摄位置,并采集所述拍摄位置的图像;
判断采集的图像与目标对象是否匹配;
如果是,则将所述图像对应的对象作为目标对象;
否则,返回按照所述选择的对象的优先级由高到低的顺序确定当前需要匹配的对象的步骤。
上述方法,当选择的对象为多个时,通过确定选择的对象的优先级,按照优先级由高到低的顺序,从选择的对象中确定当前需要匹配的对象,依次判断在当前需要匹配的对象的拍摄位置处采集的图像是否与目标对象匹配,当检测到目标对象时,则不再对剩余未匹配的对象再进行判断,并且本发明中当前需要匹配的对象的拍摄位置是根据激光扫描确定的,在确定的拍摄位置处采集的图像更加清晰。
在一种可能的实现方式中,所述判断采集的图像与目标对象是否匹配,包括:
判断所述采集的图像与目标对象的第二匹配度是否大于第二阈值;
如果是,则确定所述采集的图像与目标对象匹配;
否则,则确定所述采集的图像与目标对象不匹配。
上述方法,根据采集的图像与目标对象的匹配程度是否设定的阈值来进一步确定采集的图像与目标对象是否匹配,受采集图像的影响,根据匹配度与阈值来确定的方式更加可靠。
在一种可能的实现方式中,所述选择的对象为多个;
根据选择的对象在所述目标区域的位置,确定所述选择的对象的拍摄位置,并采集所述拍摄位置的图像,将与目标对象匹配的图像对应的对象作为目标对象,包括:
按照所述选择的对象的优先级由高到低的顺序依次确定所述选择的对象的拍摄位置,并采集确定的所有所述拍摄位置的图像;
确定采集的图像与目标对象的第二匹配度;
将第二匹配度最高且大于第二阈值的图像对应的对象作为目标对象。
上述方法,当选择的对象为多个时,提出了另一种寻找目标对象的方式,对选择的所有对象依次确定相应的拍摄位置,并采集图像,将采集到的所有图像都与目标对象进行匹配,将匹配度最高且大于阈值的图像对应的对象作为目标对象,由于确定的对象的第二匹配度最高,因此通过这种方式确定出的目标对象更加可靠。
在一种可能的实现方式中,所述选择的对象的曲线特征与所述目标对象的曲线特征的第一匹配度越高优先级越高;或
与所述选择的对象距离越近优先级越高。
上述方法,按照曲线特征匹配度确定优先级的方式可以设置成匹配度高的对象的优先级更高;按照机器人与选择的对象的距离远近可以设置成距离近的对象的优先级更高,根据优先级确定出的采集图像的顺序更加适用于本发明,实际操作更加便捷,提出了两种确定选择的对象的优先级的方式。
第二方面,本发明实施例提供的一种寻找目标对象的设备包括:至少一个处理单元以及至少一个存储单元,其中,所述存储单元存储有程序代码,当所述程序代码被所述处理单元执行时,使得所述设备执行下列过程:
将通过激光扫描获取目标区域中的对象的曲线特征与目标对象的曲线特征进行匹配,选择所述目标区域中与所述目标对象的曲线特征的第一匹配度大于第一阈值的至少一个对象;
根据选择的对象在所述目标区域的位置,确定所述选择的对象的拍摄位置,并采集所述拍摄位置的图像;
将与目标对象匹配的图像对应的对象作为目标对象。
在一种可能的实现方式中,所述选择的对象为多个;
在所述选择所述目标区域中与所述目标对象的曲线特征的第一匹配度大于第一阈值的至少一个对象之后,根据选择的对象在所述目标区域的位置确定所述选择的对象的拍摄位置之前,所述处理单元还用于:
将所述选择的对象在所述目标区域的位置与历史记录中所述目标对象的位置进行比对,根据对比结果剔除所述选择的对象中的部分对象;或
将所述选择的对象在所述目标区域的位置周围的对象的曲线特征与所述选择的对象的曲线特征组合后,与所述目标对象的曲线特征进行对比,根据比对结果剔除所述选择的对象中的部分对象。
在一种可能的实现方式中,所述选择的对象为多个;
所述处理单元具体用于:
按照所述选择的对象的优先级由高到低的顺序确定当前需要匹配的对象;
确定当前需要匹配的对象的拍摄位置,并采集所述拍摄位置的图像;
判断采集的图像与目标对象是否匹配;
如果是,则将所述图像对应的对象作为目标对象;
否则,返回按照所述选择的对象的优先级由高到低的顺序确定当前需要匹配的对象的步骤。
在一种可能的实现方式中,所述处理单元具体用于:
判断所述采集的图像与目标对象的第二匹配度是否大于第二阈值;
如果是,则确定所述采集的图像与目标对象匹配;
否则,则确定所述采集的图像与目标对象不匹配。
在一种可能的实现方式中,所述选择的对象为多个;
所述处理单元具体用于:
按照所述选择的对象的优先级由高到低的顺序依次确定所述选择的对象的拍摄位置,并采集确定的所有所述拍摄位置的图像;
确定采集的图像与目标对象的第二匹配度;
将第二匹配度最高且大于第二阈值的图像对应的对象作为目标对象。
在一种可能的实现方式中,所述选择的对象的曲线特征与所述目标对象的曲线特征的第一匹配度越高优先级越高;或
与所述选择的对象距离越近优先级越高。
第三方面,本发明实施例还提供一种寻找目标对象的设备,该设备包括对象选择模块、图像采集模块和对象匹配模块:
对象选择模块,用于将通过激光扫描获取目标区域中的对象的曲线特征与目标对象的曲线特征进行匹配,选择所述目标区域中与所述目标对象的曲线特征的第一匹配度大于第一阈值的至少一个对象;
图像采集模块,用于根据选择的对象在所述目标区域的位置,确定所述选择的对象的拍摄位置,并采集所述拍摄位置的图像;
对象匹配模块,用于将与目标对象匹配的图像对应的对象作为目标对象。
第四方面,本申请还提供一种计算机存储介质,其上存储有计算机程序,该程序被处理单元执行时实现第一方面所述方法的步骤。
另外,第二方面至第四方面中任一种实现方式所带来的技术效果可参见第一方面中不同实现方式所带来的技术效果,此处不再赘述。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种寻找目标对象的方法示意图;
图2为本发明实施例提供的一种目标区域中的对象的示意图;
图3为本发明实施例提供的一种寻找目标对象的完整方法示意图;
图4为本发明实施例提供的另一种寻找目标对象的完整方法示意图;
图5为本发明实施例提供的一种寻找目标对象的设备示意图;
图6为本发明实施例提供的另一种寻找目标对象的设备示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部份实施例,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它实施例,都属于本发明保护的范围。
下面对文中出现的一些词语进行解释:
本发明实施例中术语“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本发明实施例描述的应用场景是为了更加清楚的说明本发明实施例的技术方案,并不构成对于本发明实施例提供的技术方案的限定,本领域普通技术人员可知,随着新应用场景的出现,本发明实施例提供的技术方案对于类似的技术问题,同样适用。其中,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
在本发明实施例中,较为常见的目标对象为充电桩,随着人们对机器人长期值守、增加活动范围、延长自治时间等功能要求越来越高,补充动力能源成为一个亟待解决的问题。
常见机器人动力能源为无缆化,主要依赖高品质的机载蓄电池组,因此,自主回充技术应运而生,即在机器人电量不足且无人工干预前提下,通过某种方式,引导机器人远程回归至充电对接区域,自动实现对接,进行充电技术。
但是现有方案中,机器人寻找目标对象时需要双方进行通信,过程较为繁琐,且容易受干扰。
鉴于此,本发明实施例提供了一种寻找目标对象的方法和设备,在机器人前方设置有激光且背面设置有摄像头,只需要通过激光扫描器扫描和摄像头拍照的方式来寻找目标对象,激光扫描器和摄像头都是机器人上的常见设置,不需要双方进行通信,不易受到干扰,更加简便,减小误识别。
针对上述场景,下面结合说明书附图对本发明实施例做进一步详细描述。
如图1所示,本发明实施例的一种寻找目标对象的方法,具体包括以下步骤:
步骤100:将通过激光扫描获取目标区域中的对象的曲线特征与目标对象的曲线特征进行匹配,选择所述目标区域中与所述目标对象的曲线特征的第一匹配度大于第一阈值的至少一个对象;
步骤101:根据选择的对象在所述目标区域的位置,确定所述选择的对象的拍摄位置,并采集所述拍摄位置的图像;
步骤102:将与目标对象匹配的图像对应的对象作为目标对象。
通过上述方案,在机器人前方设置有激光且背面设置有摄像头,只需要通过激光扫描器扫描和摄像头拍照的方式来寻找目标对象,激光扫描器和摄像头都是机器人上的常见设置,不需要双方进行通信,更加简便,并且在寻找目标对象时,采用激光扫描器和摄像头双重检验,先通过激光扫描目标所在区域,找出此区域中所有与目标曲线特征类似的物体,再通过摄像头判断目标物体图像特征,通过激光扫描缩小验证范围,在小范围内确定目标对象,因而提高了寻找的目标对象的准确率,减小误识别。
在本发明实施例中,假设机器人前方设置有2D(two dimensional,二维)激光且背面设置有摄像头。
可选的,当需要寻找目标对象时,先通过激光扫描目标对象所在区域(在本发明实施例中可以将目标对象所在区域看做目标区域),找出此区域中所有与目标对象的曲线特征类似的备选对象,即选择目标区域中与目标对象的曲线特征的第一匹配度大于第一阈值的至少一个对象作为备选对象。
例如,如图2所示,目标区域为图中所示矩形框部分,其中有5个对象,通过激光扫描确定对象1至对象7的曲线特征与目标对象的曲线特征的第一匹配度分别为:89%、50%、93%、97%、91%、49%、92%,假设第一阈值为90%,则可以确定备选对象有对象3、对象4、对象5、对象7。
以目标对象为充电桩为例,一般情况下充电桩在某一区域中的位置是固定的,或者是在一段时间不会发生改变等,因而机器人在每一次寻找到目标对象后,可以记录目标对象的历史位置。
在一种可选的实施方式中,根据备选对象的位置,或者备选对象周围的对象对备选对象进行筛选,进一步剔除其中的部分对象,以减少备选对象的数目,提高目标对象的寻找效率,下面对剔除部分对象的方式进行详细介绍:
剔除方式一、将选择的对象在目标区域的位置与历史记录中目标对象的位置进行比对,根据对比结果剔除选择的对象中的部分对象。
例如,对象3、对象4、对象5所在位置都是机器人历史记录中的历史位置,而对象7所在位置不在机器人历史记录的历史位置中,因而可以将对象7剔除。
或者,对象3、对象4、对象5所在位置在机器人历史记录中的历史位置附近,而对象7所在位置不在机器人历史记录的历史位置,也不在历史位置的附近,因而可以将对象7剔除。
剔除方式二、将选择的对象在目标区域的位置周围的对象的曲线特征与选择的对象的曲线特征组合后,与目标对象的曲线特征进行对比,根据比对结果剔除选择的对象中的部分对象。
例如,对象7周围还存在对象6,因而可将对象7及对象6的曲线特征相结合,根据结合得到的曲线特征与目标对象的曲线特征进行对比,若对比结果小于第一阈值,例如对象6与对象7结合后得到的曲线特征与目标对象的曲线特征的匹配度为80%,则可将对象7剔除。
可选的,当选择的对象为多个时,通过一定的方式对备选对象进行优先级排序,便于寻找目标对象。
在本发明实施例中,确定选择的对象的优先级的方式有很多种,下面列举两种:
确定方式一、根据选择的对象的曲线特征与目标对象的曲线特征的第一匹配度确定,第一匹配度越高相应的对象优先级越高;
如图2所示备选对象,其中5个对象中的备选对象(即选择的对象)为:对象3、对象4、对象5,相应的第一匹配度分别为:93%、97%、91%,因此按照第一匹配度确定的备选对象的优先级由高到低依次为:对象4、对象3、对象5。
采用根据这种方式确定的优先级顺序寻找目标对象时,可以优先对第一匹配度更高的备选对象进行判断。
确定方式二、根据与选择的对象的距离确定,与选择的对象的距离越近相应的对象优先级越高。
如图2所示备选对象,其中5个对象中的备选对象(即选择的对象)为:对象3、对象4、对象5,由图2可以,对象5距离机器人最近,对象4距离机器人最远,因此按照距离远近确定的备选对象的优先级由高到低依次为:对象5、对象3、对象4。
采用根据这种方式确定的优先级顺序寻找目标对象时,可以优先对距离机器人更近的备选对象进行判断。
需要说明的是,本发明实施例中所列举的确定选择的对象的优先级的方式只是举例说明,任何一种确定选择的对象的优先级的方式都适用于本发明实施例。
在本发明实施例中,通过一定的方式对备选对象进行优先级排序之后,再通过摄像头采集图像以对备选对象进行判断,进而确定与目标对象匹配的图像对应的对象。
具体的,通过摄像头采集图像以对备选对象进行判断,进而确定与目标对象匹配的图像对应的对象的方式有很多种,下面列举两种:
寻找方式一、逐一判断寻找。
以与选择的对象距离越近优先级越高为例,假设备选对象的优先级由高到低依次为:对象5、对象3、对象4:
第一步,按照选择的对象的优先级由高到低的顺序确定当前需要匹配的对象;
确定当前需要匹配的对象为对象5。
第二步,确定当前需要匹配的对象的拍摄位置,并采集拍摄位置的图像;
在本发明实施例中,确定拍摄位置时主要选择适合的拍摄位置,其中适合的拍摄位置一般指在该位置处机器人与备选对象的距离适合采集图像,例如备选对象的正前方,并在采集图像时选择合适的角度进行拍摄,例如摄像头正对备选对象。
可选的,确定拍摄位置为当前需要匹配的对象正前方,如图2所示,对象5的正前方为B点所示位置处,让机器人移动到B点所示位置处,然后使摄像头大约正对着对象5进行图像采集。
第三步,判断采集的图像与目标对象是否匹配;如果是,则将图像对应的对象作为目标对象;否则,返回第一步。
其中,判断采集的图像与目标对象是否匹配时,具体判断采集的图像与目标对象的第二匹配度是否大于第二阈值;如果是,则确定采集的图像与目标对象匹配;否则,则确定采集的图像与目标对象不匹配。
例如,将B点位置处采集的图像与目标对象进行匹配,判断采集的图像的特征与目标对象的特征是否匹配,确定第二匹配度为99%,假设第二阈值为98%,则可确定对象5与目标对象匹配,确定对象5为目标对象,停止检测。
若B点位置处采集的图像与目标对象第二匹配度为97%,则可确定对象5与目标对象不匹配,此时则返回第一步,重新确定当前需要匹配的对象。
当对象5与目标对象不匹配时,按照选择的对象的优先级由高到低为对象5、对象3、对象4的顺序,重新确定的当前需要匹配的对象为对象3,之后再次重复步骤二、步骤三,假设确定对象3的拍摄位置C处采集的图像与目标对象的第二匹配度为99%,则停止检测,确定对象3为目标对象。
若C点位置处采集的图像与目标对象第二匹配度为97%,则可确定对象3与目标对象不匹配,此时则返回第一步,重新确定当前需要匹配的对象。
此时重新确定的当前需要匹配的对象为对象4,假设确定对象4的拍摄位置E处采集的图像与目标对象的第二匹配度为99%,则停止检测,确定对象4为目标对象。
若E点位置处采集的图像与目标对象第二匹配度为97%,则可确定对象4与目标对象不匹配,此时所有备选对象都被检测完,并且还未确定目标对象,则检测失败。
以选择的对象的曲线特征与目标对象的曲线特征的第一匹配度越高优先级越高为例,假设备选对象的优先级由高到低依次为:对象4、对象3、对象5:
第一步,按照选择的对象的优先级由高到低的顺序确定当前需要匹配的对象;
确定当前需要匹配的对象为对象4。
第二步,确定当前需要匹配的对象的拍摄位置,并采集拍摄位置的图像;
如图2所示,对象4的正前方为E点所示位置处,让机器人移动到E点所示位置处,然后使摄像头大约正对着对象4进行图像采集。
第三步,判断采集的图像与目标对象是否匹配;如果是,则将图像对应的对象作为目标对象;否则,返回第一步。
其中,判断采集的图像与目标对象是否匹配时,具体判断采集的图像与目标对象的第二匹配度是否大于第二阈值;如果是,则确定采集的图像与目标对象匹配;否则,则确定采集的图像与目标对象不匹配。
例如,将E点位置处采集的图像与目标对象进行匹配,判断采集的图像的特征与目标对象的特征是否匹配,确定第二匹配度为99%,假设第二阈值为98%,则可确定对象4与目标对象匹配,确定对象4为目标对象,停止检测。
若E点位置处采集的图像与目标对象第二匹配度为97%,则可确定对象4与目标对象不匹配,此时则返回第一步,重新确定当前需要匹配的对象。
当对象4与目标对象不匹配时,按照选择的对象的优先级由高到低为对象4、对象3、对象5的顺序,重新确定的当前需要匹配的对象为对象3,之后再次重复步骤二、步骤三,假设确定对象3的拍摄位置C处采集的图像与目标对象的第二匹配度为99%,则停止检测,确定对象3为目标对象。
若C点位置处采集的图像与目标对象第二匹配度为97%,则可确定对象3与目标对象不匹配,此时则返回第一步,重新确定当前需要匹配的对象。
此时重新确定的当前需要匹配的对象为对象5,假设确定对象5的拍摄位置B处采集的图像与目标对象的第二匹配度为99%,则停止检测,确定对象5为目标对象。
若B点位置处采集的图像与目标对象第二匹配度为97%,则可确定对象5与目标对象不匹配,此时所有备选对象都被检测完,并且还未确定目标对象,则检测失败。
寻找方式二、统一判断寻找。
其中,在统计判断寻找时,又可以划分为两种方式:
方式一:按照选择的对象的优先级由高到低的顺序依次确定选择的对象的拍摄位置,并采集确定的所有拍摄位置的图像;确定采集的图像与目标对象的第二匹配度;将第二匹配度最高且大于第二阈值的图像对应的对象作为目标对象。
例如,备选对象的优先级由高到低依次为:对象4、对象3、对象5,则依次确定选择的对象的拍摄位置并采集确定的所有拍摄位置的图像,即机器人依次移动到E、C、B位置处采集图像,将采集的图像与目标对象进行匹配,确定的第二匹配度分别为:89%、99%、98%,假设第二阈值为97%,则可确定第二匹配度最高且大于第二阈值的图像对应的对象为对象3,因此将对象3作为目标对象。
方式二:按照任意顺序采集备选对象的图像,确定采集的图像与目标对象的第二匹配度;将第二匹配度最高且大于第二阈值的图像对应的对象作为目标对象。
例如,机器人依次移动到B、E、C位置处采集图像,将采集的图像与目标对象进行匹配,确定的第二匹配度分别为:98%、89%、99%,假设第二阈值为97%,则可确定第二匹配度最高且大于第二阈值的图像对应的对象为对象3,因此将对象3作为目标对象。
需要说明的是,本发明实施例中所列举的根据选择的对象的优先级寻找目标对象的方式只是举例说明,任何一种可以根据选择的对象的优先级寻找目标对象的方式都适用于本发明实施例。
如图3所示,本发明实施例提供的一种寻找目标对象的完整方法包括:
步骤300、通过激光扫描目标区域获取目标区域中的所有对象的曲线特征;
步骤301、将获取的目标区域中的所有对象的曲线特征分别与目标对象的曲线特征进行匹配;
步骤302、选择目标区域中与目标对象的曲线特征的第一匹配度大于第一阈值的至少一个对象;
步骤303、根据选择的对象的曲线特征与目标对象的曲线特征的第一匹配度确定选择的对象的优先级;
步骤304、按照所述选择的对象的优先级由高到低的顺序依次确定所述选择的对象的拍摄位置,并采集确定的所有所述拍摄位置的图像;
步骤305、确定采集的图像与目标对象的第二匹配度;
步骤306、确定第二匹配度最高且大于第二阈值的图像,将该图像对应的对象作为目标对象。
需要说明的是,在步骤302之后,步骤303之前,还可以根据上述实施例中的剔除方式一或剔除方式二等,剔除选择的对象中的部分对象,以提高之后的步骤的计算效率。
如图4所示,本发明实施例提供的另一种寻找目标对象的完整方法包括:
步骤400、通过激光扫描目标区域获取目标区域中的所有对象的曲线特征;
步骤401、将获取的目标区域中的所有对象的曲线特征分别与目标对象的曲线特征进行匹配;
步骤402、选择目标区域中与目标对象的曲线特征的第一匹配度大于第一阈值的至少一个对象;
步骤403、根据选择的对象的曲线特征与目标对象的曲线特征的第一匹配度确定选择的对象的优先级;
步骤404、按照选择的对象的优先级由高到低的顺序确定当前需要匹配的对象;
步骤405、确定当前需要匹配的对象的拍摄位置,并采集拍摄位置的图像;
步骤406、判断采集的图像与目标对象的第二匹配度是否大于第二阈值,如果是,则执行步骤407,否则,返回步骤404;
步骤407、确定采集的图像与目标对象匹配,将图像对应的对象作为目标对象。
同样地,在步骤402之后,步骤403之前,也可以根据上述实施例中的剔除方式一或剔除方式二等,剔除选择的对象中的部分对象,以提高之后的步骤的计算效率。
基于相同的发明构思,本发明实施例中还提供了一种寻找目标对象的设备,由于该设备即是本发明实施例中的方法中的设备,并且该设备解决问题的原理与该方法相似,因此该设备的实施可以参见方法的实施,重复之处不再赘述。
如图5所示,本发明实施例还提供一种寻找目标对象的设备,该设备包括:至少一个处理单元500、以及至少一个存储单元501,其中,所述存储单元501存储有程序代码,当所述程序代码被所述处理单元500执行时,使得设备执行下列过程:
将通过激光扫描获取目标区域中的对象的曲线特征与目标对象的曲线特征进行匹配,选择所述目标区域中与所述目标对象的曲线特征的第一匹配度大于第一阈值的至少一个对象;
根据选择的对象在所述目标区域的位置,确定所述选择的对象的拍摄位置,并采集所述拍摄位置的图像;
将与目标对象匹配的图像对应的对象作为目标对象。
可选的,所述选择的对象为多个;
所述处理单元500具体用于:
按照所述选择的对象的优先级由高到低的顺序确定当前需要匹配的对象;
确定当前需要匹配的对象的拍摄位置,并采集所述拍摄位置的图像;
判断采集的图像与目标对象是否匹配;
如果是,则将所述图像对应的对象作为目标对象;
否则,返回按照所述选择的对象的优先级由高到低的顺序确定当前需要匹配的对象的步骤。
可选的,所述处理单元500具体用于:
判断所述采集的图像与目标对象的第二匹配度是否大于第二阈值;
如果是,则确定所述采集的图像与目标对象匹配;
否则,则确定所述采集的图像与目标对象不匹配。
可选的,所述选择的对象为多个;
所述处理单元500具体用于:
按照所述选择的对象的优先级由高到低的顺序依次确定所述选择的对象的拍摄位置,并采集确定的所有所述拍摄位置的图像;
确定采集的图像与目标对象的第二匹配度;
将第二匹配度最高且大于第二阈值的图像对应的对象作为目标对象。
可选的,所述选择的对象的曲线特征与所述目标对象的曲线特征的第一匹配度越高优先级越高;或
与所述选择的对象距离越近优先级越高。
基于相同的发明构思,本发明实施例中还提供了一种寻找目标对象的设备,由于该设备即是本发明实施例中的方法中的设备,并且该设备解决问题的原理与该方法相似,因此该设备的实施可以参见方法的实施,重复之处不再赘述。
如图6所示,本发明实施例还提供一种寻找目标对象的设备,该设备包括:对象选择模块600、图像采集模块601和对象匹配模块602:
对象选择模块600:用于将通过激光扫描获取目标区域中的对象的曲线特征与目标对象的曲线特征进行匹配,选择所述目标区域中与所述目标对象的曲线特征的第一匹配度大于第一阈值的至少一个对象;
图像采集模块601:用于根据选择的对象在所述目标区域的位置,确定所述选择的对象的拍摄位置,并采集所述拍摄位置的图像;
对象匹配模块602:用于将与目标对象匹配的图像对应的对象作为目标对象。
可选的,所述选择的对象为多个;
所述对象选择模块600还用于:
在选择所述目标区域中与所述目标对象的曲线特征的第一匹配度大于第一阈值的至少一个对象之后,在所述图像采集模块601根据选择的对象在所述目标区域的位置确定所述选择的对象的拍摄位置之前:
将所述选择的对象在所述目标区域的位置与历史记录中所述目标对象的位置进行比对,根据对比结果剔除所述选择的对象中的部分对象;或
将所述选择的对象在所述目标区域的位置周围的对象的曲线特征与所述选择的对象的曲线特征组合后,与所述目标对象的曲线特征进行对比,根据比对结果剔除所述选择的对象中的部分对象。
可选的,所述选择的对象为多个;
所述图像采集模块601具体用于:
按照所述选择的对象的优先级由高到低的顺序确定当前需要匹配的对象;
确定当前需要匹配的对象的拍摄位置,并采集所述拍摄位置的图像;
所述对象匹配模块602具体用于:
判断采集的图像与目标对象是否匹配;
如果是,则将所述图像对应的对象作为目标对象;
否则,返回按照所述选择的对象的优先级由高到低的顺序确定当前需要匹配的对象的步骤。
可选的,所述对象匹配模块602具体用于:
判断所述采集的图像与目标对象的第二匹配度是否大于第二阈值;
如果是,则确定所述采集的图像与目标对象匹配;
否则,则确定所述采集的图像与目标对象不匹配。
可选的,所述选择的对象为多个;
所述图像采集模块601具体用于:
按照所述选择的对象的优先级由高到低的顺序依次确定所述选择的对象的拍摄位置,并采集确定的所有所述拍摄位置的图像;
所述对象匹配模块602具体用于:
确定采集的图像与目标对象的第二匹配度;
将第二匹配度最高且大于第二阈值的图像对应的对象作为目标对象。
可选的,所述选择的对象的曲线特征与所述目标对象的曲线特征的第一匹配度越高优先级越高;或
与所述选择的对象距离越近优先级越高。
本发明实施例还提供一种计算机可读非易失性存储介质,包括程序代码,当所述程序代码在计算终端上运行时,所述程序代码用于使所述计算终端执行上述本发明实施例寻找目标对象的方法的步骤。
以上参照示出根据本申请实施例的方法、装置(***)和/或计算机程序产品的框图和/或流程图描述本申请。应理解,可以通过计算机程序指令来实现框图和/或流程图示图的一个块以及框图和/或流程图示图的块的组合。可以将这些计算机程序指令提供给通用计算机、专用计算机的处理器和/或其它可编程数据处理装置,以产生机器,使得经由计算机处理器和/或其它可编程数据处理装置执行的指令创建用于实现框图和/或流程图块中所指定的功能/动作的方法。
相应地,还可以用硬件和/或软件(包括固件、驻留软件、微码等)来实施本申请。更进一步地,本申请可以采取计算机可使用或计算机可读存储介质上的计算机程序产品的形式,其具有在介质中实现的计算机可使用或计算机可读程序代码,以由指令执行***来使用或结合指令执行***而使用。在本申请上下文中,计算机可使用或计算机可读介质可以是任意介质,其可以包含、存储、通信、传输、或传送程序,以由指令执行***、装置或设备使用,或结合指令执行***、装置或设备使用。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种寻找目标对象的方法,其特征在于,该方法包括:
将通过激光扫描获取的目标区域中的对象的曲线特征与目标对象的曲线特征进行匹配,选择所述目标区域中与所述目标对象的曲线特征的第一匹配度大于第一阈值的至少一个对象;
根据选择的对象在所述目标区域的位置,确定所述选择的对象的拍摄位置,并采集所述拍摄位置的图像;
将与目标对象匹配的图像对应的对象作为目标对象;
所述选择的对象为多个;
在所述选择所述目标区域中与所述目标对象的曲线特征的第一匹配度大于第一阈值的至少一个对象之后,根据选择的对象在所述目标区域的位置确定所述选择的对象的拍摄位置之前,还包括:
将所述选择的对象在所述目标区域的位置与历史记录中所述目标对象的位置进行比对,根据对比结果剔除所述选择的对象中的部分对象;或
将所述选择的对象在所述目标区域的位置周围的对象的曲线特征与所述选择的对象的曲线特征组合后,与所述目标对象的曲线特征进行对比,根据比对结果剔除所述选择的对象中的部分对象;
确定所述选择的对象的拍摄位置,并采集所述拍摄位置的图像之前,还包括:
对选择的对象进行优先级排序;其中,与选择的对象的距离越近相应的对象优先级越高。
2.如权利要求1所述的方法,其特征在于,所述选择的对象为多个;
根据选择的对象在所述目标区域的位置,确定所述选择的对象的拍摄位置,并采集所述拍摄位置的图像,将与目标对象匹配的图像对应的对象作为目标对象,包括:
按照所述选择的对象的优先级由高到低的顺序确定当前需要匹配的对象;
确定当前需要匹配的对象的拍摄位置,并采集所述拍摄位置的图像;
判断采集的图像与目标对象是否匹配;
如果是,则将所述图像对应的对象作为目标对象;
否则,返回按照所述选择的对象的优先级由高到低的顺序确定当前需要匹配的对象的步骤。
3.如权利要求2所述的方法,其特征在于,所述判断采集的图像与目标对象是否匹配,包括:
判断所述采集的图像与目标对象的第二匹配度是否大于第二阈值;
如果是,则确定所述采集的图像与目标对象匹配;
否则,则确定所述采集的图像与目标对象不匹配。
4.如权利要求1所述的方法,其特征在于,所述选择的对象为多个;
根据选择的对象在所述目标区域的位置,确定所述选择的对象的拍摄位置,并采集所述拍摄位置的图像,将与目标对象匹配的图像对应的对象作为目标对象,包括:
按照所述选择的对象的优先级由高到低的顺序依次确定所述选择的对象的拍摄位置,并采集确定的所有所述拍摄位置的图像;
确定采集的图像与目标对象的第二匹配度;
将第二匹配度最高且大于第二阈值的图像对应的对象作为目标对象。
5.一种寻找目标对象的设备,其特征在于,该设备包括:至少一个处理单元以及至少一个存储单元,其中,所述存储单元存储有程序代码,当所述程序代码被所述处理单元执行时,使得所述处理单元执行下列过程:
将通过激光扫描获取目标区域中的对象的曲线特征与目标对象的曲线特征进行匹配,选择所述目标区域中与所述目标对象的曲线特征的第一匹配度大于第一阈值的至少一个对象;
根据选择的对象在所述目标区域的位置,确定所述选择的对象的拍摄位置,并采集所述拍摄位置的图像;
将与目标对象匹配的图像对应的对象作为目标对象;
所述选择的对象为多个;
在所述选择所述目标区域中与所述目标对象的曲线特征的第一匹配度大于第一阈值的至少一个对象之后,根据选择的对象在所述目标区域的位置确定所述选择的对象的拍摄位置之前,所述处理单元还用于:
将所述选择的对象在所述目标区域的位置与历史记录中所述目标对象的位置进行比对,根据对比结果剔除所述选择的对象中的部分对象;或
将所述选择的对象在所述目标区域的位置周围的对象的曲线特征与所述选择的对象的曲线特征组合后,与所述目标对象的曲线特征进行对比,根据比对结果剔除所述选择的对象中的部分对象;
确定所述选择的对象的拍摄位置,并采集所述拍摄位置的图像之前,所述处理单元还用于:
对选择的对象进行优先级排序;其中,与选择的对象的距离越近相应的对象优先级越高。
6.如权利要求5所述的设备,其特征在于,所述选择的对象为多个;
所述处理单元具体用于:
按照所述选择的对象的优先级由高到低的顺序确定当前需要匹配的对象;
确定当前需要匹配的对象的拍摄位置,并采集所述拍摄位置的图像;
判断采集的图像与目标对象是否匹配;
如果是,则将所述图像对应的对象作为目标对象;
否则,返回按照所述选择的对象的优先级由高到低的顺序确定当前需要匹配的对象的步骤。
7.如权利要求6所述的设备,其特征在于,所述处理单元具体用于:
判断所述采集的图像与目标对象的第二匹配度是否大于第二阈值;
如果是,则确定所述采集的图像与目标对象匹配;
否则,则确定所述采集的图像与目标对象不匹配。
8.如权利要求5所述的设备,其特征在于,所述选择的对象为多个;
所述处理单元具体用于:
按照所述选择的对象的优先级由高到低的顺序依次确定所述选择的对象的拍摄位置,并采集确定的所有所述拍摄位置的图像;
确定采集的图像与目标对象的第二匹配度;
将第二匹配度最高且大于第二阈值的图像对应的对象作为目标对象。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911085761.0A CN111027540B (zh) | 2019-11-08 | 2019-11-08 | 一种寻找目标对象的方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911085761.0A CN111027540B (zh) | 2019-11-08 | 2019-11-08 | 一种寻找目标对象的方法和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111027540A CN111027540A (zh) | 2020-04-17 |
CN111027540B true CN111027540B (zh) | 2024-06-04 |
Family
ID=70201015
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911085761.0A Active CN111027540B (zh) | 2019-11-08 | 2019-11-08 | 一种寻找目标对象的方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111027540B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7400641B2 (ja) | 2020-07-01 | 2023-12-19 | トヨタ自動車株式会社 | 情報処理装置、情報処理方法、及び、プログラム |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103649681A (zh) * | 2011-07-05 | 2014-03-19 | 赫克斯冈技术中心 | 提供用于选择目标点的备选目标点的方法 |
CN103645733A (zh) * | 2013-12-02 | 2014-03-19 | 江苏建威电子科技有限公司 | 自寻充电机器人及其自寻充电***和方法 |
CN108460801A (zh) * | 2017-06-12 | 2018-08-28 | 炬大科技有限公司 | 一种通过图像识别方式达成室内任务目标位置确定的***和方法 |
CN108596084A (zh) * | 2018-04-23 | 2018-09-28 | 宁波Gqy视讯股份有限公司 | 一种充电桩自动识别方法及装置 |
CN109753945A (zh) * | 2019-01-16 | 2019-05-14 | 高翔 | 目标主体识别方法、装置、存储介质和电子设备 |
CN109794948A (zh) * | 2019-03-04 | 2019-05-24 | 北京国电富通科技发展有限责任公司 | 配网带电作业机器人及识别定位方法 |
CN109910010A (zh) * | 2019-03-23 | 2019-06-21 | 广东石油化工学院 | 一种高效控制机器人的***及方法 |
CN110031855A (zh) * | 2019-03-15 | 2019-07-19 | 深兰科技(上海)有限公司 | 智能机器人的对象检测设备及方法 |
EP3557361A1 (en) * | 2018-04-18 | 2019-10-23 | UBTech Robotics Corp Ltd | Charging station identifying method, device, and robot |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109976324B (zh) * | 2017-12-27 | 2022-06-28 | 深圳市优必选科技有限公司 | 控制机器人充电的方法、机器人及计算机可读存储介质 |
-
2019
- 2019-11-08 CN CN201911085761.0A patent/CN111027540B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103649681A (zh) * | 2011-07-05 | 2014-03-19 | 赫克斯冈技术中心 | 提供用于选择目标点的备选目标点的方法 |
CN103645733A (zh) * | 2013-12-02 | 2014-03-19 | 江苏建威电子科技有限公司 | 自寻充电机器人及其自寻充电***和方法 |
CN108460801A (zh) * | 2017-06-12 | 2018-08-28 | 炬大科技有限公司 | 一种通过图像识别方式达成室内任务目标位置确定的***和方法 |
EP3557361A1 (en) * | 2018-04-18 | 2019-10-23 | UBTech Robotics Corp Ltd | Charging station identifying method, device, and robot |
CN108596084A (zh) * | 2018-04-23 | 2018-09-28 | 宁波Gqy视讯股份有限公司 | 一种充电桩自动识别方法及装置 |
CN109753945A (zh) * | 2019-01-16 | 2019-05-14 | 高翔 | 目标主体识别方法、装置、存储介质和电子设备 |
CN109794948A (zh) * | 2019-03-04 | 2019-05-24 | 北京国电富通科技发展有限责任公司 | 配网带电作业机器人及识别定位方法 |
CN110031855A (zh) * | 2019-03-15 | 2019-07-19 | 深兰科技(上海)有限公司 | 智能机器人的对象检测设备及方法 |
CN109910010A (zh) * | 2019-03-23 | 2019-06-21 | 广东石油化工学院 | 一种高效控制机器人的***及方法 |
Non-Patent Citations (2)
Title |
---|
A review of ground-based robotic systems for the characterization of nuclear environments;IoannisTsitsimpelis et al;《Progress in Nuclear Energy》;20190331;第111卷;109-124 * |
庭院服务机器人自主充电对接方法研究;李倩等;《长春理工大学学报(自然科学版)》;20190831;第42卷(第4期);61-65 * |
Also Published As
Publication number | Publication date |
---|---|
CN111027540A (zh) | 2020-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3740897B1 (en) | License plate reader using optical character recognition on plural detected regions | |
CN110587597B (zh) | 一种基于激光雷达的slam闭环检测方法及检测*** | |
CN110969644B (zh) | 人员轨迹追踪方法、装置及*** | |
CN107388960A (zh) | 一种确定物体体积的方法及装置 | |
US20160221404A1 (en) | Method and apparatus for measuring tire tread abrasion | |
CN105205458A (zh) | 人脸活体检测方法、装置及*** | |
CN110610127B (zh) | 人脸识别方法、装置、存储介质及电子设备 | |
CN110756462B (zh) | 电源适配器测试方法、装置、***、控制装置及存储介质 | |
CN111027540B (zh) | 一种寻找目标对象的方法和设备 | |
CN112668410B (zh) | 分拣行为检测方法、***、电子装置和存储介质 | |
WO2019091118A1 (en) | Robotic 3d scanning systems and scanning methods | |
CN111026115A (zh) | 一种基于深度学习的机器人避障控制方法及装置 | |
KR20120020711A (ko) | 물체 인식 시스템 및 그 물체 인식 방법 | |
CN111583335A (zh) | 定位***、定位方法和非易失性计算机可读存储介质 | |
CN112944105A (zh) | 一种智能化管道缺陷检测方法及*** | |
US11493931B2 (en) | Method of extracting feature from image using laser pattern and device and robot of extracting feature thereof | |
KR102188164B1 (ko) | 3차원 데이터를 이용한 도로 인식 방법 | |
CN114669932B (zh) | 一种智能焊接方法及相关装置 | |
KR101899993B1 (ko) | 시차 맵으로 한정된 영역에 기반한 객체 인식 방법 | |
CN111161397B (zh) | 人脸三维重建方法、装置、电子设备及可读存储介质 | |
CN114610035A (zh) | 回桩方法、装置及割草机器人 | |
CN106446977A (zh) | 物料标识码的扫描方法、装置及*** | |
CN118245854A (zh) | 输电线路检测方法、装置、设备以及存储介质 | |
CN110490991A (zh) | 一种无感人脸考勤*** | |
CN111179490B (zh) | 一种用于用户核验的可移动载体、控制***及无人车辆 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20240510 Address after: Room 6227, No. 999, Changning District, Shanghai 200050 Applicant after: Shenlan robot (Shanghai) Co.,Ltd. Country or region after: China Address before: Unit 1001, 369 Weining Road, Changning District, Shanghai, 200336 (9th floor of actual floor) Applicant before: DEEPBLUE TECHNOLOGY (SHANGHAI) Co.,Ltd. Country or region before: China |
|
GR01 | Patent grant | ||
GR01 | Patent grant |