CN115546348A - 一种机器人建图方法、装置、机器人及存储介质 - Google Patents
一种机器人建图方法、装置、机器人及存储介质 Download PDFInfo
- Publication number
- CN115546348A CN115546348A CN202211478859.4A CN202211478859A CN115546348A CN 115546348 A CN115546348 A CN 115546348A CN 202211478859 A CN202211478859 A CN 202211478859A CN 115546348 A CN115546348 A CN 115546348A
- Authority
- CN
- China
- Prior art keywords
- mapping
- map
- robot
- module
- data
- 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
- 238000013507 mapping Methods 0.000 title claims abstract description 434
- 238000000034 method Methods 0.000 title claims abstract description 97
- 230000000007 visual effect Effects 0.000 claims abstract description 164
- 230000004044 response Effects 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims description 47
- 238000004590 computer program Methods 0.000 claims description 16
- 230000004927 fusion Effects 0.000 claims description 11
- 238000010276 construction Methods 0.000 abstract description 10
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000007613 environmental effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000001960 triggered effect Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 235000012054 meals Nutrition 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003286 fusion draw glass process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种机器人建图方法、装置、机器人及存储介质。该方法包括:响应于建图请求,确定机器人包含的建图模块的模块类型;其中,模块类型包括激光建图模块和视觉建图模块中的至少一种;根据模块类型,确定机器人的建图方式;根据建图方式,控制机器人完成自动建图。通过运行本发明实施例所提供的技术方案,可以解决人工选择建图方式,导致建图方式不符合机器人的建图能力的问题,提高建图方式的确定效率和准确性。解决通过人工推行机器人的方式进行建图,降低了建图的效率和灵活性的问题,拓展了机器人建图的应用场景,提高机器人建图的效率和灵活性。
Description
技术领域
本发明涉及建图技术,尤其涉及一种机器人建图方法、装置、机器人及存储介质。
背景技术
随着机器人技术迅速发展,智能机器人得到了广泛的应用。为了节省成本和提供更高效的服务,开始利用机器人代替人工执行部分任务,机器人在任务执行前或当运行环境发生变化时,需要进行建图。
现有技术中,机器人通常由人工选择建图方式,并通过人工推行机器人的方式进行建图,建图的效率低、灵活性差。
发明内容
本发明提供一种机器人建图方法、装置、机器人及存储介质,以实现提高机器人建图的灵活性和效率。
根据本发明的一方面,提供了一种机器人建图方法,该方法包括:
响应于建图请求,确定机器人包含的建图模块的模块类型;其中,所述模块类型包括激光建图模块和视觉建图模块中的至少一种;
根据所述模块类型,确定所述机器人的建图方式;
根据所述建图方式,控制所述机器人完成建图。
根据本发明的另一方面,提供了一种机器人建图装置,该装置包括:
模块类型确定模块,用于响应于建图请求,确定机器人包含的建图模块的模块类型;其中,所述模块类型包括激光建图模块和视觉建图模块中的至少一种;
建图方式确定模块,用于根据所述模块类型,确定所述机器人的建图方式;
建图控制模块,用于根据所述建图方式,控制所述机器人完成建图。
根据本发明的另一方面,提供了一种机器人,所述机器人包括:
至少一个处理器;以及
与所述至少一个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至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的机器人建图方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的机器人建图方法。
本发明实施例的技术方案,通过响应于建图请求,确定机器人包含的建图模块的模块类型;其中,模块类型包括激光建图模块和视觉建图模块中的至少一种;根据模块类型,确定机器人的建图方式,避免人工选择建图方式,导致建图方式不符合机器人的建图能力的问题,提高建图方式的确定效率和准确性。
同时通过将不同的建图工具进行整合,在同一建图工具中可以实现激光建图、视觉建图、激光视觉融合建图,避免机器人不同的建图方式需要人工使用不同的建图工具,例如采用激光建图时需要打开应用软件一才可采用使用激光建图工具,采用视觉建图时需要打开应用软件二才可使用视觉建图工具,导致建图工具复用率较低,建图效率低的问题。
根据建图方式,控制机器人完成自动建图,解决现有技术中通过人工推行机器人的方式进行建图,降低了建图的效率和灵活性的问题,拓展了机器人建图的应用场景,提高机器人建图的效率和灵活性。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
图1为本发明实施例一提供的一种机器人建图方法的流程图;
图2为本发明实施例二提供的一种机器人建图方法的流程图;
图3为本发明实施例三提供的一种机器人建图方法的流程图;
图4为本发明实施例三提供的一种机器人地图的示意图;
图5为本发明实施例四提供的一种机器人建图装置的结构示意图;
图6为用来实施本发明实施例的机器人的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,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他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“目标”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供的一种机器人建图方法的流程图,本实施例可适用于机器人根据自身包含的建图模块的模块类型进行建图的情况,该方法可以由本发明实施例所提供的机器人建图装置来执行,该装置可以由软件和/或硬件的方式实现。参见图1,本实施例提供的机器人建图方法,包括:
步骤110、响应于建图请求,确定机器人包含的建图模块的模块类型;其中,模块类型包括激光建图模块和视觉建图模块中的至少一种。
其中,建图请求为使得机器人开始建图过程的请求,可以通过人为触发,也可以通过机器人主动检测触发,本实施例对此不进行限制。示例性的,可以为交互对象通过手动触摸机器人的建图按键,进行人为触发,也可以是机器人存在建图任务且检测到当前处于建图起始位置时触发。
确定机器人包含的建图模块的模块类型,可以包括在机器人获取建图请求后对自身进行检测以确定是否安装可以执行建图操作的模块。
确定是否包含激光建图模块可以包括确定机器人是否安装有激光模块,例如为激光雷达等。确定是否包含视觉建图模块可以包括确定机器人是否安装有图像模块,例如为双立体视觉相机、RGB-D相机等。
步骤120、根据模块类型,确定机器人的建图方式。
根据机器人实际包含的模块类型,确定机器人的建图方式,可以包括在机器人仅包含激光建图模块时,确定机器人的建图方式为激光建图;在机器人仅包含视觉建图模块时,确定机器人的建图方式为视觉建图;在机器人包含激光建图模块和视觉建图模块时,确定机器人的建图方式为激光建图和视觉建图中的任一种,或者为激光建图与视觉建图结合,本实施例对此不进行限制。
步骤130、根据建图方式,控制机器人完成建图。
根据确定的建图方式,控制机器人完成相应的建图过程。
示例性的,若建图方式为激光建图,则控制机器人完成建图可以包括:机器人从建图起始位置开始,按照预设规则运动,在运动过程中通过激光建图模块扫描周围环境,扫描结束后,回到建图起始位置,完成地图的绘制。其中,建图过程可以采用先沿边再中间的路径扫描完成建图,本实施例对此不作限制。其中,建图起始位置可以为充电桩等点云数据特征较为明显,使得建图模块易进行识别的位置点。
若建图方式为视觉建图,则控制机器人完成建图可以包括:机器人从建图起始位置开始,按照预设规则运动,在运动过程中通过视觉建图模块拍摄并识别周围环境的环境特征,例如识别天花板特征,或者识别预先贴在指定位置的视觉标识,获取与视觉标识对应的标识特征等,根据特征完成地图的绘制;其中,地图可以包含机器人运行时所需的路径;视觉标识可以为标签,本实施例对此不进行限制。其中,建图起始位置可以为存在可识别环境特征的位置点,例如为天花板设置有视觉标识的正下方等。其中,建图的行驶路径可以是事先根据场景环境设定的固定建图路径,也可以是机器人根据视觉模块获取到的特征确定,例如一个标签可以包含机器人到下一标签的运动方向及距离信息,机器人根据信息行进。
若建图方式为激光建图与视觉建图结合,则控制机器人完成建图可以包括:机器人从建图起始位置开始,按照预设规则运动,在运动过程中通过激光建图模块扫描周围环境,完成激光底图的绘制;并通过视觉建图模块识别预设位置的图像得到预设位置处的视觉位置信息,从而通过视觉位置信息对激光底图进行校正补强,完成地图的绘制。其中,建图起始位置可以为特征较为明显且存在可识别环境特征的位置点,例如为顶部天花板设置有视觉标识的充电桩等。
可选的,预设位置可以为易发生环境变化的位置的顶部,例如在餐厅场景中,可以为桌椅摆放点的天花板处,由于天花板通常不会更改,因此通过视觉位置信息在激光底图的基础上对激光底图进行校正,降低环境变化频繁时激光建图的误差。
示例性的,控制机器人完成建图包括:通过激光建图模块完成激光底图的绘制,并通过视觉建图模块识别预设位置1-10的图像,得到位置1-10的视觉位置信息,在激光底图的基础上对位置1-10处的位置信息进行校正,例如若激光底图中位置1处的激光位置信息1与视觉位置信息1存在的差异大于预设阈值,则以视觉位置信息1为准修正激光底图。
本实施例所提供的技术方案,通过响应于建图请求,确定机器人包含的建图模块的模块类型;其中,模块类型包括激光建图模块和视觉建图模块中的至少一种;根据模块类型,确定机器人的建图方式,避免人工选择建图方式,导致建图方式不符合机器人的建图能力的问题,提高建图方式的确定效率和准确性。
同时通过将不同的建图工具进行整合,在同一建图工具中可以实现激光建图、视觉建图、激光视觉融合建图,避免机器人确定不同的建图方式需要使用不同的建图工具,例如采用激光建图时需要打开应用程序一才可采用使用激光建图工具,采用视觉建图时需要打开应用程序二才可使用视觉建图工具,导致建图工具复用率较低,降低建图效率的问题。
根据建图方式,控制机器人完成自动建图,解决现有技术中通过人工推行机器人的方式进行建图,降低了建图的效率和灵活性的问题,拓展了机器人建图的应用场景,提高机器人建图的效率和灵活性。
实施例二
图2为本发明实施例二提供的一种机器人建图方法的流程图,本技术方案是针对根据模块类型,确定机器人的建图方式的过程进行补充说明的。与上述方案相比,本方案具体优化为,根据模块类型,确定机器人的建图方式,包括:
若模块类型包括激光建图模块和视觉建图模块,则确定建图方式为融合建图;
相应地,根据建图方式,控制机器人完成建图,包括:
控制机器人在建图过程中同时获取当前建图场景的第一建图数据和第二建图数据;其中,第一建图数据通过激光建图模块获取,第二建图数据通过视觉建图模块获取;
根据第一建图数据和第二建图数据确定机器人的地图。具体的,机器人建图方法的流程图如图2所示:
步骤210、响应于建图请求,确定机器人包含的建图模块的模块类型;其中,模块类型包括激光建图模块和视觉建图模块中的至少一种。
步骤220、若模块类型包括激光建图模块和视觉建图模块,则确定建图方式为融合建图。
其中,融合建图为建图中需要用到激光建图模块和视觉建图模块,可以为激光建图模块和视觉建图模块同时进行建图,并将激光建图数据与视觉建图数据结合得到机器人的地图。
步骤230、控制机器人在建图过程中同时获取当前建图场景的第一建图数据和第二建图数据;其中,第一建图数据通过激光建图模块获取,第二建图数据通过视觉建图模块获取。
其中,第一建图数据可以包括激光建图数据,例如为激光扫描结果等;第二建图数据可以包括视觉建图数据,例如为视觉标识识别结果等。
控制机器人在单次建图过程中同时获取当前建图场景的第一建图数据和第二建图数据,可以包括控制激光建图模块和视觉建图模块在机器人运行过程中同时工作,机器人从建图起始位置开始,按照预设规则运动,在运动过程中通过激光建图模块扫描周围环境,得到第一建图数据,同时通过视觉建图模块识别预设位置的图像得到第二建图数据,其中当前建图场景为当前需要进行建图的场景,例如为餐厅场景等,本实施例对此不进行限制。
本实施例中,可选的,在获取第二建图数据之后,还包括:
获取预设视觉标识信息;
根据预设视觉标识信息和第二建图数据,确定当前建图场景中的视觉标识设置是否满足预设要求。
其中预设视觉标识信息为预先确定的视觉标识信息,例如视觉标识在当前建图场景中设置的位置、设置的数量等。
根据预设视觉标识信息和第二建图数据,确定当前建图场景中的视觉标识设置是否满足预设要求,可以判断第二建图数据是否符合预设视觉标识信息,示例性的,判断第二建图数据中的实际视觉标识的位置是否符合预设视觉标识信息中对于视觉标识位置的位置要求,例如不同实际视觉标识之间是否过于分散等。具体的,可以设置每一定面积内的天花板上必须设置有至少一个标识。避免实际视觉标识位置设置不合理导致定位精度低。还可以判断第二建图数据中的实际视觉标识的数量是否符合预设视觉标识信息中的设置数量要求,避免实际视觉标识的数量大于或小于预设视觉标识信息中的设置数量,即避免实际视觉标识漏录入或漏设置。
根据预设视觉标识信息和第二建图数据,确定当前建图场景中的视觉标识设置是否满足预设要求,便于后续对不满足预设要求的视觉标识设置进行更改,提高视觉标识设置的有效性,从而无需人工对实际设置的视觉标识一一检验,自动校验视觉标识是否完整录入,提高视觉标识检验的效率。
步骤240、根据第一建图数据和第二建图数据确定机器人的地图。
根据第一建图数据和第二建图数据确定机器人的地图,可以包括根据第一建图数据完成激光底图的绘制;并根据第二建图数据生成路径点叠加在激光底图上,得到机器人的地图。
举例来说,第一建图数据可以包括激光雷达扫描得到的点云数据,根据点云数据可以绘制应用场景的环境地图的底图,底图中包括墙体、摆放物等的轮廓和边界。第二建图数据可以包括安装在机器人顶部的摄像头采集得到的标签数据。在建图过程中,机器人根据采集的点云数据实时扩大更新底图,当在某个位置拍摄到标签时,识别标签ID,并将标签标识及ID添加于底图上的当前位置,标签点可以直接作为路径点使用。可选的,还可以根据底图的环境情况,例如扫描出的可通行过道,以及标签的分布情况,在可通行过道上,根据在路径点能拍摄到标签的规则,按照预设的间隔生成路径点,进而得到机器人地图。
本实施例中,可选的,还包括:
若第一建图数据对应的第一建图环境更改,则根据第二建图数据执行下一激光建图流程,以更新第一建图数据;
若第二建图数据对应的第二建图环境更改,则根据第一建图数据执行下一视觉建图流程,以更新第二建图数据。
第一建图数据对应的第一建图环境为激光建图模块进行建图对应的环境,例如在餐厅场景下,第一建图环境可以为餐厅中的器具,例如为桌椅、餐厅装饰物等,第一建图环境更改即为第一建图环境产生变化,例如为餐桌摆放变化等。具体的,当机器人运行过程中激光定位结果为定位丢失时,可以触发该流程。
下一激光建图流程为通过激光建图模块再次进行激光建图的过程;若第一建图数据对应的第一建图环境更改,则根据第二建图数据执行下一激光建图流程,可以为根据第二建图数据得到当前建图场景的地图,并根据该地图规划机器人的移动路径,使得机器人可根据该移动路径执行下一激光建图流程。获取下一激光建图数据后,若下一激光建图数据与第一建图数据相差超过预设阈值,则用下一激光建图数据覆盖第一建图数据,以更新第一建图数据。
第二建图数据对应的第二建图环境为视觉建图模块进行建图对应的环境,例如第二建图环境可以为视觉标识等,第二建图环境更改即为第二建图环境产生变化,例如为视觉标识掉落、被遮挡,新增视觉标识、修改视觉标识、删除视觉标识等。
下一视觉建图流程为通过视觉建图模块再次进行视觉建图的过程;若第二建图数据对应的第二建图环境更改,则根据第一建图数据执行下一视觉建图流程,可以为根据第一建图数据得到当前建图场景的地图,并根据该地图规划机器人的移动路径,使得机器人可根据该移动路径执行下一视觉建图流程。获取下一视觉建图数据后,若下一视觉建图数据与第二建图数据相差超过预设阈值,则用下一视觉建图数据覆盖第二建图数据,以更新第二建图数据。具体的,当机器人运行过程中视觉定位结果为定位丢失时,可以触发该流程。
在第一建图环境或第二建图环境更改时,自动对相应的建图数据进行更新,提高了建图数据确定的准确性以及建图数据更新效率。并且可直接根据第二建图数据或第一建图数据执行下一建图流程,无需重复首次建图流程中的寻路等耗费时间较长的过程,缩短了建图数据更新的时间,进一步提高机器人建图数据更新的效率。
本发明实施例通过激光建图模块和视觉建图模块同时建图,无需分批建图,提高建图效率。通过激光建图模块和视觉建图模块融合建图,使得构建得到的地图包含的信息量更为丰富,提高了建图的准确性。对于同时安装有激光建图模块和视觉建图模块的机器人而言,使用本实施例的建图方法得到的地图,在后续运行过程中,无论是采用激光定位还是视觉定位,或者两者融合,都可以使用该地图,提高了机器人定位的准确度,减少了机器人丢失定位的概率。能够使得机器人可以根据自身的情况以及环境的特点灵活地选择定位方式,提高了地图的适应性。
实施例三
图3为本发明实施例三提供的一种机器人建图方法的流程图,本技术方案是针对第一建图数据和第二建图数据进行补充说明的。与上述方案相比,本方案具体优化为,第一建图数据包括激光建图数据和第一地图目标点,第一地图目标点由激光建图模块按照预设激光目标点确定规则获取;
第二建图数据包括视觉建图数据和第二地图目标点,第二地图目标点由视觉建图模块按照预设视觉目标点确定规则获取。具体的,机器人建图方法的流程图如图3所示:
步骤310、响应于建图请求,确定机器人包含的建图模块的模块类型;其中,模块类型包括激光建图模块和视觉建图模块中的至少一种。
步骤320、若模块类型包括激光建图模块和视觉建图模块,则确定建图方式为融合建图。
步骤330、控制机器人在建图过程中获取当前建图场景的第一建图数据;其中,第一建图数据通过激光建图模块获取;第一建图数据包括激光建图数据和第一地图目标点,第一地图目标点由激光建图模块按照预设激光目标点确定规则获取。
其中,第一地图目标点为激光建图模块确定的地图目标点,地图目标点为当前建图场景中需要关注的目标物体在地图中对应的点,例如在餐厅场景中,地图目标点可以为餐桌、出餐口、配送停靠点或者充电桩等在地图中对应的点。
第一地图目标点由激光建图模块按照预设激光目标点确定规则获取,其中,预设激光目标点确定规则可以为与激光识别特点相关的规则,例如为将具有特殊形状的扫描对象的位置确定为第一地图目标点,示例性的,特殊形状的扫描对象为长条形状的出餐口。
步骤340、在获取第一建图数据的同时,控制机器人在建图过程中获取当前建图场景的第二建图数据;其中,第二建图数据通过视觉建图模块获取;第二建图数据包括视觉建图数据和第二地图目标点,第二地图目标点由视觉建图模块按照预设视觉目标点确定规则获取。
其中,第二地图目标点为视觉建图模块确定的地图目标点。
第二地图目标点由视觉建图模块按照预设视觉目标点确定规则获取,其中,预设视觉目标点确定规则可以为与视觉识别特点相关的规则,例如为将ID为特定数值的视觉标识对应的位置确定为第二地图目标点,示例性的,ID为特定数值的视觉标识为视觉标识ID后两位为01。
步骤350、根据第一建图数据和第二建图数据确定机器人的地图。
通过第一建图数据和第二建图数据确定机器人的地图,可以为根据激光建图数据完成激光底图的绘制;根据视觉建图数据生成路径点叠加在激光底图上,判断第一地图目标点和第二地图目标点是否重复,将不重复的部分添加至激光底图,将重复的部分任选其一添加至激光底图,得到机器人的地图。
可选的,还可以在地图中手动添加目标点,以免第一地图目标点和第二地图目标点中存在目标点的遗漏,提高目标点确定的全面性。
本实施例中,可选的,根据第一建图数据和第二建图数据确定机器人的地图,包括:
将激光底图存储至第一图层、将视觉建图数据存储至第二图层以及将第一地图目标点和第二地图目标点存储至第三图层,激光底图根据激光建图数据确定;
响应于地图获取请求,融合第一图层、第二图层和第三图层中的至少两个,结果确定机器人的地图。
将激光底图存储至第一图层、将视觉建图数据存储至第二图层以及将第一地图目标点和第二地图目标点存储至第三图层,其中,第一图层、第二图层、第三图层为单独的图层。
第一地图目标点和第二地图目标点存储时可以均进行存储,也可以为将第一地图目标点和第二地图目标点中的重复部分剔除后进行存储,本实施例对此不进行限制。
激光底图根据激光建图数据确定,为包含当前建图场景中激光建图数据的图像,作为地图的基础。
响应于地图获取请求,融合第一图层、第二图层和第三图层中的至少两个,结果确定机器人的地图。其中,地图获取请求为获取地图类型的请求。
地图获取请求为使得机器人生成地图的请求,地图获取请求可以通过人为触发,也可以通过机器人主动检测触发,本实施例对此不进行限制。示例性的,可以为交互对象通过手动触摸机器人的地图获取按键,进行人为触发,也可以是机器人在第一建图数据和第二建图数据存储完毕时触发。
地图获取请求中包括地图生成的生成类型,响应于地图获取请求,融合第一图层、第二图层和第三图层中的至少两个,结果确定机器人的地图。示例性的,若需要激光地图,可将第一图层与第三图层合并;若需要视觉标识地图,可将第一图层、第二图层合并得到视觉标识底图,再与第三图层合并,得到视觉标识地图,该地图既包含了激光信息,又包括了视觉信息,在机器人的激光定位和视觉定位过程中均可以使用。
图4为本发明实施例三提供的一种机器人地图的示意图。参见图4,将第一图层、第二图层合并得到视觉标识底图,再与第三图层合并,得到视觉标识地图,得到的机器人地图包括激光底图41、地图目标点42和视觉标识43。其中,地图目标点42可以为餐桌、出餐口等,以餐号、出餐口号的形式在地图中区分显示。视觉标识43可以以视觉标识ID的形式在地图中区分显示。
通过将数据分图层保存,便于地图获取请求,可将图层进行相应融合得到地图,提高了地图确定的灵活性。并且由于将数据单独保存图层可以对相应图层进行单独更新,避免直接地图后若激光底图、视觉建图数据、地图目标点中的任意一个发生更改,需要整体更改的问题,提高地图的更新灵活性和更新效率。
本实施例中,可选的,还包括:
根据第一地图目标点的点云信息,判断第一地图目标点是否满足机器人的避障要求;
若否,则警示或删除第一地图目标点。
在第一地图目标点确定后,可对第一地图目标点进行校验。根据第一地图目标点的点云信息,判断第一地图目标点是否满足机器人的避障要求,示例性的,判断第一地图目标点的激光点云轮廓线与实体墙之间的距离是否满足机器人的避障距离,若小于避障距离,例如机器人距离实体墙30cm需要避障,而第一地图目标点距离实体墙20cm,则表明机器人无法到达该第一地图目标点。
若不满足机器人的避障要求,则警示或删除第一地图目标点,警示方式可以为将该第一地图目标点标红等,本实施例对此不进行限制。
通过判断第一地图目标点是否满足机器人的避障要求;若否,则警示或删除第一地图目标点,避免机器人在实际移动过程中无法到达第一地图目标点,从而提高第一地图目标点确定的有效性。
本实施例中,可选的,还包括:
判断第一地图目标点的预设范围内是否存在视觉标识;
若否,则提示添加视觉标识。
在第一地图目标点确定后,还可以校验该第一地图目标点的预设范围内是否存在视觉标识;若不存在,可以提示添加视觉标识,提示方式可以为在预设范围内不存在视觉标识第一地图目标点处增加文字提示,例如为“在此处建议添加视觉标识”等,本实施例对此不进行限制。
通过在预设范围内不存在视觉标识的第一地图目标点周围提示视觉标识,便于后续及时添加该视觉标识,使得在通过仅根据视觉建图模块确定的地图进行导航时机器人可以到达该地图目标点,提高机器人建图的有效性和全面性。
本发明实施例通过在机器人建图过程中,自动获取地图目标点,无需人工一一添加,提高目标点获取的效率。并且根据激光建图模块按照预设激光目标点确定规则获取第一地图目标点,由视觉建图模块按照预设视觉目标点确定规则获取第二地图目标点,丰富了地图目标点的确定方式,避免地图目标点确定遗漏,提高了地图目标点确定的广泛性和准确性,从而丰富后续根据第一建图数据和第二建图数据构建得到的地图包含的信息量,提高了建图的准确性。
实施例四
图5为本发明实施例四提供的一种机器人建图装置的结构示意图。该装置可以由硬件和/或软件的方式来实现,可执行本发明任意实施例所提供的一种机器人建图方法,具备执行方法相应的功能模块和有益效果。如图5所示,该装置包括:
模块类型确定模块510,用于响应于建图请求,确定机器人包含的建图模块的模块类型;其中,所述模块类型包括激光建图模块和视觉建图模块中的至少一种;
建图方式确定模块520,用于根据所述模块类型,确定所述机器人的建图方式;
建图控制模块530,用于根据所述建图方式,控制所述机器人完成建图。
在上述各技术方案的基础上,可选的,所述建图方式确定模块,包括:
融合建图确定单元,用于若所述模块类型包括所述激光建图模块和所述视觉建图模块,则确定所述建图方式为融合建图;
相应地,所述建图控制模块,包括:
建图数据获取单元,用于控制所述机器人在建图过程中同时获取当前建图场景的第一建图数据和第二建图数据;其中,所述第一建图数据通过所述激光建图模块获取,所述第二建图数据通过所述视觉建图模块获取;
地图确定单元,用于根据所述第一建图数据和所述第二建图数据确定所述机器人的地图。
在上述各技术方案的基础上,可选的,所述第一建图数据包括激光建图数据和第一地图目标点,所述第一地图目标点由所述激光建图模块按照预设激光目标点确定规则获取;
所述第二建图数据包括视觉建图数据和第二地图目标点,所述第二地图目标点由所述视觉建图模块按照预设视觉目标点确定规则获取。
在上述各技术方案的基础上,可选的,所述地图确定单元,包括:
数据存储子单元,用于将激光底图存储至第一图层、将视觉建图数据存储至第二图层以及将所述第一地图目标点和所述第二地图目标点存储至第三图层,所述激光底图根据所述激光建图数据确定;
图层融合子单元,响应于地图获取请求,融合所述第一图层、所述第二图层和所述第三图层中的至少两个,结果确定所述机器人的地图。
在上述各技术方案的基础上,可选的,所述装置还包括:
避障要求判断单元,用于根据所述第一地图目标点的点云信息,判断所述第一地图目标点是否满足所述机器人的避障要求;
地图目标点处理单元,用于若所述避障要求判断单元判断为否,则警示或删除所述第一地图目标点。
在上述各技术方案的基础上,可选的,所述装置还包括:
标识存在判断单元,用于判断所述第一地图目标点的预设范围内是否存在视觉标识;
标识添加提示单元,用于若所述标识存在判断单元判断为否,则提示添加所述视觉标识。
在上述各技术方案的基础上,可选的,所述装置还包括:
第一建图数据更新单元,用于若所述第一建图数据对应的第一建图环境更改,则根据所述第二建图数据执行下一激光建图流程,以更新所述第一建图数据;
第二建图数据更新单元,用于若所述第二建图数据对应的第二建图环境更改,则根据所述第一建图数据执行下一视觉建图流程,以更新所述第二建图数据。
在上述各技术方案的基础上,可选的,所述装置还包括:
标识信息获取单元,用于在所述建图数据获取单元执行获取所述第二建图数据之后,获取预设视觉标识信息;
标识设置要求满足确定单元,用于根据所述预设视觉标识信息和所述第二建图数据,确定所述当前建图场景中的视觉标识设置是否满足预设要求。
实施例五
图6示出了可以用来实施本发明实施例的机器人10的结构示意图。机器人旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。机器人还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图6所示,机器人10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储机器人10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
机器人10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许机器人10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如机器人建图方法。
在一些实施例中,机器人建图方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到机器人10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的机器人建图方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行机器人建图方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在机器人上实施此处描述的***和技术,该机器人具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给机器人。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (9)
1.一种机器人建图方法,其特征在于,包括:
响应于建图请求,确定机器人包含的建图模块的模块类型;其中,所述模块类型包括激光建图模块和视觉建图模块中的至少一种;
根据所述模块类型,确定所述机器人的建图方式,包括:
若所述模块类型包括所述激光建图模块和所述视觉建图模块,则确定所述建图方式为融合建图;
根据所述建图方式,控制所述机器人完成建图,包括:
控制所述机器人在建图过程中同时获取当前建图场景的第一建图数据和第二建图数据;其中,所述第一建图数据通过所述激光建图模块获取,所述第二建图数据通过所述视觉建图模块获取;所述第一建图数据包括周围点云数据,所述第二建图数据包括顶部标签数据;
根据所述第一建图数据和所述第二建图数据确定所述机器人的地图;
若所述第一建图数据对应的第一建图环境更改,则根据所述第二建图数据执行下一激光建图流程,以更新所述第一建图数据;
若所述第二建图数据对应的第二建图环境更改,则根据所述第一建图数据执行下一视觉建图流程,以更新所述第二建图数据。
2.根据权利要求1所述的方法,其特征在于,所述第一建图数据包括激光建图数据和第一地图目标点,所述第一地图目标点由所述激光建图模块按照预设激光目标点确定规则获取;
所述第二建图数据包括视觉建图数据和第二地图目标点,所述第二地图目标点由所述视觉建图模块按照预设视觉目标点确定规则获取。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一建图数据和所述第二建图数据确定所述机器人的地图,包括:
将激光底图存储至第一图层、将视觉建图数据存储至第二图层以及将所述第一地图目标点和所述第二地图目标点存储至第三图层,所述激光底图根据所述激光建图数据确定;
响应于地图获取请求,融合所述第一图层、所述第二图层和所述第三图层中的至少两个,结果确定所述机器人的地图。
4.根据权利要求2所述的方法,其特征在于,还包括:
根据所述第一地图目标点的点云信息,判断所述第一地图目标点是否满足所述机器人的避障要求;
若否,则警示或删除所述第一地图目标点。
5.根据权利要求2所述的方法,其特征在于,还包括:
判断所述第一地图目标点的预设范围内是否存在视觉标识;
若否,则提示添加所述视觉标识。
6.根据权利要求1所述的方法,其特征在于,在获取所述第二建图数据之后,还包括:
获取预设视觉标识信息;
根据所述预设视觉标识信息和所述第二建图数据,确定所述当前建图场景中的视觉标识设置是否满足预设要求。
7.一种机器人建图装置,其特征在于,包括:
模块类型确定模块,用于响应于建图请求,确定机器人包含的建图模块的模块类型;其中,所述模块类型包括激光建图模块和视觉建图模块中的至少一种;
建图方式确定模块,用于根据所述模块类型,确定所述机器人的建图方式;
所述建图方式确定模块,包括:
融合建图确定单元,用于若所述模块类型包括所述激光建图模块和所述视觉建图模块,则确定所述建图方式为融合建图;
建图控制模块,用于根据所述建图方式,控制所述机器人完成建图;
若所述建图方式为融合建图,所述建图控制模块,包括:
建图数据获取单元,用于控制所述机器人在建图过程中同时获取当前建图场景的第一建图数据和第二建图数据;其中,所述第一建图数据通过所述激光建图模块获取,所述第二建图数据通过所述视觉建图模块获取;所述第一建图数据包括周围点云数据,所述第二建图数据包括顶部标签数据;
地图确定单元,用于根据所述第一建图数据和所述第二建图数据确定所述机器人的地图;
第一建图数据更新单元,用于若所述第一建图数据对应的第一建图环境更改,则根据所述第二建图数据执行下一激光建图流程,以更新所述第一建图数据;
第二建图数据更新单元,用于若所述第二建图数据对应的第二建图环境更改,则根据所述第一建图数据执行下一视觉建图流程,以更新所述第二建图数据。
8.一种机器人,其特征在于,所述机器人包括:
至少一个处理器;以及
与所述至少一个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至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的机器人建图方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-6中任一项所述的机器人建图方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211478859.4A CN115546348B (zh) | 2022-11-24 | 2022-11-24 | 一种机器人建图方法、装置、机器人及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211478859.4A CN115546348B (zh) | 2022-11-24 | 2022-11-24 | 一种机器人建图方法、装置、机器人及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115546348A true CN115546348A (zh) | 2022-12-30 |
CN115546348B CN115546348B (zh) | 2023-03-24 |
Family
ID=84719645
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211478859.4A Active CN115546348B (zh) | 2022-11-24 | 2022-11-24 | 一种机器人建图方法、装置、机器人及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115546348B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008276348A (ja) * | 2007-04-26 | 2008-11-13 | Toyota Motor Corp | 環境地図生成方法、及び移動ロボット |
CN109213142A (zh) * | 2017-06-30 | 2019-01-15 | 卡西欧计算机株式会社 | 自主移动装置、自主移动方法以及存储介质 |
US10395117B1 (en) * | 2016-08-29 | 2019-08-27 | Trifo, Inc. | Visual-inertial positional awareness for autonomous and non-autonomous tracking |
US20200080860A1 (en) * | 2018-01-12 | 2020-03-12 | Zhejiang Guozi Robot Technology Co., Ltd. | Method and system for creating map based on 3d laser |
CN113108773A (zh) * | 2021-04-22 | 2021-07-13 | 哈尔滨理工大学 | 一种融合激光与视觉传感器的栅格地图构建方法 |
WO2022007385A1 (zh) * | 2020-07-09 | 2022-01-13 | 上海思岚科技有限公司 | 一种激光、视觉定位融合的方法及设备 |
CN114474061A (zh) * | 2022-02-17 | 2022-05-13 | 新疆大学 | 基于云服务的机器人多传感器融合定位导航***及方法 |
-
2022
- 2022-11-24 CN CN202211478859.4A patent/CN115546348B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008276348A (ja) * | 2007-04-26 | 2008-11-13 | Toyota Motor Corp | 環境地図生成方法、及び移動ロボット |
US10395117B1 (en) * | 2016-08-29 | 2019-08-27 | Trifo, Inc. | Visual-inertial positional awareness for autonomous and non-autonomous tracking |
CN109213142A (zh) * | 2017-06-30 | 2019-01-15 | 卡西欧计算机株式会社 | 自主移动装置、自主移动方法以及存储介质 |
US20200080860A1 (en) * | 2018-01-12 | 2020-03-12 | Zhejiang Guozi Robot Technology Co., Ltd. | Method and system for creating map based on 3d laser |
WO2022007385A1 (zh) * | 2020-07-09 | 2022-01-13 | 上海思岚科技有限公司 | 一种激光、视觉定位融合的方法及设备 |
CN113108773A (zh) * | 2021-04-22 | 2021-07-13 | 哈尔滨理工大学 | 一种融合激光与视觉传感器的栅格地图构建方法 |
CN114474061A (zh) * | 2022-02-17 | 2022-05-13 | 新疆大学 | 基于云服务的机器人多传感器融合定位导航***及方法 |
Non-Patent Citations (1)
Title |
---|
工矿自动化: "《煤矿移动机器人LiDAR/IMU紧耦合SLAM方法》", 《工矿自动化》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115546348B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7214803B2 (ja) | 建築物の測位方法、装置、電子デバイス、記憶媒体、プログラム、及び端末デバイス | |
CN113190768A (zh) | 路径处理方法及装置 | |
CN113971723B (zh) | 高精地图中三维地图的构建方法、装置、设备和存储介质 | |
CN109671135A (zh) | 地图绘制方法、自驱动设备及存储介质 | |
WO2023151548A1 (zh) | 导航方法、装置、程序及计算机可读存储介质 | |
CN112008718B (zh) | 一种机器人控制方法、***、存储介质及智能机器人 | |
CN116702454A (zh) | 一种物流布局的建模方法、装置、电子设备及存储介质 | |
CN114186007A (zh) | 高精地图生成方法、装置、电子设备和存储介质 | |
CN114227698A (zh) | 一种机器人的控制方法、装置、设备及存储介质 | |
CN113932796A (zh) | 高精地图车道线生成方法、装置和电子设备 | |
CN117968693A (zh) | 基于数字孪生的轨道交通站内导航方法及装置 | |
CN113126120A (zh) | 数据标注方法、装置、设备、存储介质以及计算机程序产品 | |
CN115546348B (zh) | 一种机器人建图方法、装置、机器人及存储介质 | |
CN112539761A (zh) | 数据处理方法、装置、设备、存储介质及计算机程序产品 | |
CN114299192B (zh) | 定位建图的方法、装置、设备和介质 | |
CN115674198A (zh) | 一种对机器人进行部署的方法、装置、设备及存储介质 | |
CN115437385A (zh) | 移动机器人的激光定位方法、装置、设备和介质 | |
CN115640372A (zh) | 一种室内平面的区域指引方法、装置、***、设备及介质 | |
CN114140813A (zh) | 高精地图标注方法、装置、设备及存储介质 | |
CN114625147A (zh) | 一种移动路径规划方法、装置、机器人及存储介质 | |
CN113947716A (zh) | 闭环检测方法、装置、机器人及存储介质 | |
CN112988932A (zh) | 高精地图标注方法、装置、设备、可读存储介质及产品 | |
CN112732847A (zh) | 导航地图生成方法、电子设备及计算机可读存储介质 | |
CN113552879B (zh) | 自移动设备的控制方法、装置、电子设备及存储介质 | |
CN116340326A (zh) | 一种数据更新方法、装置、设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |