CN115949210A - 基于bim技术的腻子涂料喷涂机器人 - Google Patents
基于bim技术的腻子涂料喷涂机器人 Download PDFInfo
- Publication number
- CN115949210A CN115949210A CN202310017587.6A CN202310017587A CN115949210A CN 115949210 A CN115949210 A CN 115949210A CN 202310017587 A CN202310017587 A CN 202310017587A CN 115949210 A CN115949210 A CN 115949210A
- Authority
- CN
- China
- Prior art keywords
- image
- bim
- spraying
- local features
- features
- 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
- 238000005507 spraying Methods 0.000 title claims abstract description 55
- 238000005516 engineering process Methods 0.000 title claims abstract description 17
- 239000011248 coating agent Substances 0.000 title claims abstract description 8
- 238000000576 coating method Methods 0.000 title claims abstract description 8
- 238000000034 method Methods 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 12
- 239000003973 paint Substances 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010367 cloning Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000005764 inhibitory process Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 239000007921 spray Substances 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/60—Electric or hybrid propulsion means for production processes
Landscapes
- Application Of Or Painting With Fluid Materials (AREA)
Abstract
本发明属于机器人技术领域,具体涉及基于BIM技术的腻子涂料喷涂机器人,包括AGV小车、安装在AGV小车上的机械臂和主控箱,所述机械臂的前端安装有喷涂机构;所述主控箱内安装有控制***,且控制***包括图像处理单元、智能建图单元、多点导航单元和主控单元;所述图像处理单元通过安装在喷涂机构上的图像采集设备对喷涂区域进行图像采集,接收到该图像后对图像进行处理,识别出门窗、墙体,并识别出墙体的颜色区分待喷涂的区域。通过建立建筑区域内的地图实现机器人定位导航功能,控制机器人经过或到达指定路径点,利用图像处理单元对喷涂区域进行识别后对喷涂区域进行自动喷涂,提高机器人的自动化程度。
Description
技术领域
本发明属于机器人技术领域,具体涉及基于BIM技术的腻子涂料喷涂机器人。
背景技术
喷涂腻子是房屋装饰的方法之一。喷涂腻子是指通过填补或者整体处理的方式,清除基层表面高低不平的部分,保持墙面的平整光滑,是基层处理中最重要的步骤。
目前喷涂腻子涂料主要依靠人工进行,近年来随着机器人产业的进步,出现了一些用于喷涂腻子的机器人,这些机器人往往还需要人工进行控制,并不能做到自主喷涂腻子涂料。
发明内容
本发明的目的在于提供基于BIM技术的腻子涂料喷涂机器人,克服了现有技术的不足,通过建立建筑区域内的地图实现机器人定位导航功能,控制机器人经过或到达指定路径点,利用图像处理单元对喷涂区域进行识别后对喷涂区域进行自动喷涂,提高机器人的自动化程度。
为解决上述问题,本发明所采取的技术方案如下:
基于BIM技术的腻子涂料喷涂机器人,包括AGV小车、安装在AGV小车上的机械臂和主控箱,所述机械臂的前端安装有喷涂机构;
所述主控箱内安装有控制***,且控制***包括图像处理单元、智能建图单元、多点导航单元和主控单元;
所述图像处理单元通过安装在喷涂机构上的图像采集设备对喷涂区域进行图像采集,接收到该图像后对图像进行处理,识别出门窗、墙体,并识别出墙体的颜色区分待喷涂的区域;
所述智能建图单元通过在BIM软件上根据目标建筑设计图生成BIM三维模型,再通过视觉和激光提取局部特征,并将局部特征填补至BIM三维模型中,构建能够定位导航的图纸;
所述多点导航单元通过选定多个目标点,结合所在区域的位置与喷涂机器人的定位,进行全局规划,得出导航路径;
控制***用于接收图像处理单元、智能建图单元以及多点导航单元的信号,并通过上述信号处理后控制AGV小车的运动方向以及机械臂配合喷涂结构对墙面实施喷涂动作。
进一步,所述图像处理单元包括依次连接的图像信息获取模块、图像预处理模块、图像特征提取模块以及图像识别模块;
所述图像预处理模块通过高斯模糊滤波器降低噪音像素,再利用形态学算法去除与形状特征无关的结构,从而有效消除噪音;
所述图像特征提取模块通过接收经过预处理的图像,识别其中的颜色、形状特征,将各类的图像的特征进行逐一的提取;
所述图像识别模块通过图像特征提取模块中提取图像的特征进行分类,将特征依次与图像数据库进行对比,找到与其相匹配的图像信息。
进一步,所述构建能够定位导航的图纸,具体步骤包括:
步骤1、在BIM软件上根据目标建筑设计图生成BIM三维模型;
步骤2、通过视觉和激光在目标建筑内进行巡检,提取局部特征;
步骤3、将提取的局部特征与BIM三维模型内进行匹配,找到与局部特征对应的位置;
步骤4、将匹配的局部特征填充至BIM三维模型的对应位置;
步骤5、重复步骤2-4,直至完成整个目标建筑的特征提取和填充。
进一步,步骤2中所述提取局部特征的具体步骤为:
使用Canny算法提取地图轮廓边界,滤波去除图像中噪声后进行像素点的梯度计算,然后利用强度信息对像素点进一步处理提取边缘信息;
使用霍夫变换提取轮廓图中的直线,并计算各直线特征所对应的斜率与截距,从而在局部坐标系中定位该直线具***置。
进一步,步骤3中所述将提取的局部特征与BIM三维模型内进行匹配,具体步骤为:
利用matchTemplate模板匹配算法将局部特征与BIM三维模型中相似像素区域进行匹配,选择其中最优的匹配方案;
确定最相似的像素区域后,将局部特征分别旋转0°、90°、180°及270°,将四个方向的局部特征分别与像素区域进行匹配,比较选取其中最优匹配方案。
进一步,所述导航路径的规划方法,包括以下步骤:
分别选择多个目标节点的位置;
获取机器人自身的定位,根据多个目标节点与机器人定位之间的间距,规划各个目标节点的顺序;
基于免疫优化算法依次生成机器人与各个目标节点之间的最短路线规划。
进一步,所述免疫优化算法的步骤包括:
(1)初始化免疫个体维数为节点个数N,随机产生NP个体构成初始父代群体,最大免疫代数为G,克隆个数为Ncl,计算任意两个节点间的距离矩阵D;
(2)随机产生初始种群,计算个体亲和度,并按亲和度升序排列;
(3)取亲和度前对NP/2个个体进行克隆,并对每个克隆个体进行变异,然后计算其亲和度,进行克隆抑制操作,即只保留亲和度最高的个体,从而产生新的免疫种群;
(4)随机生成NP/2个个体的新种群,并计算个体亲和度;免疫种群和随机种群合并,按亲和度排序,进行免疫迭代;
(5)判断是否满足终止条件:若满足,则结束搜索过程,输出优化值;若不满足,则继续进行迭代优化。
本发明与现有技术相比较,具有以下有益效果:
1、本发明通过BIM软件配合SLAM技术得到建筑区域的高精度地图,通过将施工地点的地图导入到机器人之中,使机器人实现定位导航功能,并且支持人工添加路径点,控制机器人经过或到达指定路径点。
2、本发明通过图像处理单元对喷涂区域进行提取和识别,从而识别出门窗位置,以及待喷涂和已经喷涂的区域,利用识别的结果控制喷涂机构对待喷涂区域进行喷涂。
附图说明
图1为基于BIM技术的腻子涂料喷涂机器人的结构示意图。
图2为基于BIM技术的腻子涂料喷涂机器人中控制***的原理框图。
图中:1、主控箱;2、AGV小车;3、机械臂;4、喷涂机构。
具体实施方式
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,都属于本发明保护的范围。
实施例1
如图1-图2所示,本发明所述基于BIM技术的腻子涂料喷涂机器人,包括AGV小车2、安装在AGV小车2上的机械臂3和主控箱1,机械臂3的前端安装有喷涂机构4;
主控箱1内安装有控制***,且控制***包括图像处理单元、智能建图单元、多点导航单元和主控单元;
图像处理单元通过安装在喷涂机构4上的图像采集设备对喷涂区域进行图像采集,接收到该图像后对图像进行处理,识别出门窗、墙体,并识别出墙体的颜色区分待喷涂的区域;
智能建图单元通过在BIM软件上根据目标建筑设计图生成BIM三维模型,再通过视觉和激光提取局部特征,并将局部特征填补至BIM三维模型中,构建能够定位导航的图纸;
多点导航单元通过选定多个目标点,结合所在区域的位置与喷涂机器人的定位,进行全局规划,得出导航路径;
控制***用于接收图像处理单元、智能建图单元以及多点导航单元的信号,并通过上述信号处理后控制AGV小车2的运动方向以及机械臂3配合喷涂结构对墙面实施喷涂动作。
图像处理单元包括依次连接的图像信息获取模块、图像预处理模块、图像特征提取模块以及图像识别模块;
图像预处理模块通过高斯模糊滤波器降低噪音像素,再利用形态学算法去除与形状特征无关的结构,从而有效消除噪音;
图像特征提取模块通过接收经过预处理的图像,识别其中的颜色、形状特征,将各类的图像的特征进行逐一的提取;
图像识别模块通过图像特征提取模块中提取图像的特征进行分类,将特征依次与图像数据库进行对比,找到与其相匹配的图像信息。
综上,本发明所述基于BIM技术的腻子涂料喷涂机器人,使用时首先在BIM软件上根据目标建筑设计图生成BIM三维模型,在进行喷涂时,使用者将多个目标节点输入到主控***内,生成该机器人定位与多个目标节点之间最短路线;主控单元控制AGV小车2沿着导航路径移动,在AGV小车2运动的同时通过视觉和激光在目标建筑内进行巡检,提取局部特征对BIM三维模型进行填充,从而细化建筑内的三维地图,基于细化填充后的三维地图对路径进行优化。
在AGV小车2达到对应目标节点后,主控单元控制机械臂3和喷涂结构开始工作,在喷涂过程中图像采集设备采集喷涂区域的图像,将其上传到图像处理单元,进行图像处理后识别喷涂区域,对其中门窗、待喷涂区域和已经完成喷涂区域进行区分,直至对该喷涂区域完成喷涂;主控单元控制机械臂3和喷涂结构恢复初始位置,然后再控制AGV小车2至下一个目标节点。
实施例2
本实施例在实施例1的基础上,公开了一种构建能够定位导航的图纸的方法,具体步骤包括:
步骤1、在BIM软件上根据目标建筑设计图生成BIM三维模型;
步骤2、通过视觉和激光在目标建筑内进行巡检,提取局部特征;
步骤3、将提取的局部特征与BIM三维模型内进行匹配,找到与局部特征对应的位置;
步骤4、将匹配的局部特征填充至BIM三维模型的对应位置;
步骤5、重复步骤2-4,直至完成整个目标建筑的特征提取和填充。
步骤2中提取局部特征的具体步骤为:
使用Canny算法提取地图轮廓边界,滤波去除图像中噪声后进行像素点的梯度计算,然后利用强度信息对像素点进一步处理提取边缘信息;
使用霍夫变换提取轮廓图中的直线,并计算各直线特征所对应的斜率与截距,从而在局部坐标系中定位该直线具***置。
步骤3中将提取的局部特征与BIM三维模型内进行匹配,具体步骤为:
利用matchTemplate模板匹配算法将局部特征与BIM三维模型中相似像素区域进行匹配,选择其中最优的匹配方案;
确定最相似的像素区域后,将局部特征分别旋转0°、90°、180°及270°,将四个方向的局部特征分别与像素区域进行匹配,比较选取其中最优匹配方案。
实施例3
本实施例在实施例2的基础上,公开了一种导航路径的规划方法,包括以下步骤:
分别选择多个目标节点的位置;
获取机器人自身的定位,根据多个目标节点与机器人定位之间的间距,规划各个目标节点的顺序;
基于免疫优化算法依次生成机器人与各个目标节点之间的最短路线规划。
其中,免疫优化算法的步骤包括:
(1)初始化免疫个体维数为节点个数N,随机产生NP个体构成初始父代群体,最大免疫代数为G,克隆个数为Ncl,计算任意两个节点间的距离矩阵D;
(2)随机产生初始种群,计算个体亲和度,并按亲和度升序排列;
(3)取亲和度前对NP/2个个体进行克隆,并对每个克隆个体进行变异,然后计算其亲和度,进行克隆抑制操作,即只保留亲和度最高的个体,从而产生新的免疫种群;
(4)随机生成NP/2个个体的新种群,并计算个体亲和度;免疫种群和随机种群合并,按亲和度排序,进行免疫迭代;
(5)判断是否满足终止条件:若满足,则结束搜索过程,输出优化值;若不满足,则继续进行迭代优化。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (7)
1.基于BIM技术的腻子涂料喷涂机器人,其特征在于:包括AGV小车、安装在AGV小车上的机械臂和主控箱,所述机械臂的前端安装有喷涂机构;
所述主控箱内安装有控制***,且控制***包括图像处理单元、智能建图单元、多点导航单元和主控单元;
所述图像处理单元通过安装在喷涂机构上的图像采集设备对喷涂区域进行图像采集,接收到该图像后对图像进行处理,识别出门窗、墙体,并识别出墙体的颜色区分待喷涂的区域;
所述智能建图单元通过在BIM软件上根据目标建筑设计图生成BIM三维模型,再通过视觉和激光提取局部特征,并将局部特征填补至BIM三维模型中,构建能够定位导航的图纸;
所述多点导航单元通过选定多个目标点,结合所在区域的位置与喷涂机器人的定位,进行全局规划,得出导航路径;
控制***用于接收图像处理单元、智能建图单元以及多点导航单元的信号,并通过上述信号处理后控制AGV小车的运动方向以及机械臂配合喷涂结构对墙面实施喷涂动作。
2.根据权利要求1所述的基于BIM技术的腻子涂料喷涂机器人,其特征在于:所述图像处理单元包括依次连接的图像信息获取模块、图像预处理模块、图像特征提取模块以及图像识别模块;
所述图像预处理模块通过高斯模糊滤波器降低噪音像素,再利用形态学算法去除与形状特征无关的结构,从而有效消除噪音;
所述图像特征提取模块通过接收经过预处理的图像,识别其中的颜色、形状特征,将各类的图像的特征进行逐一的提取;
所述图像识别模块通过图像特征提取模块中提取图像的特征进行分类,将特征依次与图像数据库进行对比,找到与其相匹配的图像信息。
3.根据权利要求1所述的基于BIM技术的腻子涂料喷涂机器人,其特征在于:所述构建能够定位导航的图纸,具体步骤包括:
步骤1、在BIM软件上根据目标建筑设计图生成BIM三维模型;
步骤2、通过视觉和激光在目标建筑内进行巡检,提取局部特征;
步骤3、将提取的局部特征与BIM三维模型内进行匹配,找到与局部特征对应的位置;
步骤4、将匹配的局部特征填充至BIM三维模型的对应位置;
步骤5、重复步骤2-4,直至完成整个目标建筑的特征提取和填充。
4.根据权利要求3所述的基于BIM技术的腻子涂料喷涂机器人,其特征在于:步骤2中所述提取局部特征的具体步骤为:
使用Canny算法提取地图轮廓边界,滤波去除图像中噪声后进行像素点的梯度计算,然后利用强度信息对像素点进一步处理提取边缘信息;
使用霍夫变换提取轮廓图中的直线,并计算各直线特征所对应的斜率与截距,从而在局部坐标系中定位该直线具***置。
5.根据权利要求3所述的基于BIM技术的腻子涂料喷涂机器人,其特征在于:步骤3中所述将提取的局部特征与BIM三维模型内进行匹配,具体步骤为:
利用matchTemplate模板匹配算法将局部特征与BIM三维模型中相似像素区域进行匹配,选择其中最优的匹配方案;
确定最相似的像素区域后,将局部特征分别旋转0°、90°、180°及270°,将四个方向的局部特征分别与像素区域进行匹配,比较选取其中最优匹配方案。
6.根据权利要求1所述的基于BIM技术的腻子涂料喷涂机器人,其特征在于:所述导航路径的规划方法,包括以下步骤:
分别选择多个目标节点的位置;
获取机器人自身的定位,根据多个目标节点与机器人定位之间的间距,规划各个目标节点的顺序;
基于免疫优化算法依次生成机器人与各个目标节点之间的最短路线规划。
7.根据权利要求1所述的基于BIM技术的腻子涂料喷涂机器人,其特征在于:所述免疫优化算法的步骤包括:
(1)初始化免疫个体维数为节点个数N,随机产生NP个体构成初始父代群体,最大免疫代数为G,克隆个数为Ncl,计算任意两个节点间的距离矩阵D;
(2)随机产生初始种群,计算个体亲和度,并按亲和度升序排列;
(3)取亲和度前对NP/2个个体进行克隆,并对每个克隆个体进行变异,然后计算其亲和度,进行克隆抑制操作,即只保留亲和度最高的个体,从而产生新的免疫种群;
(4)随机生成NP/2个个体的新种群,并计算个体亲和度;免疫种群和随机种群合并,按亲和度排序,进行免疫迭代;
(5)判断是否满足终止条件:若满足,则结束搜索过程,输出优化值;若不满足,则继续进行迭代优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310017587.6A CN115949210A (zh) | 2023-01-06 | 2023-01-06 | 基于bim技术的腻子涂料喷涂机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310017587.6A CN115949210A (zh) | 2023-01-06 | 2023-01-06 | 基于bim技术的腻子涂料喷涂机器人 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115949210A true CN115949210A (zh) | 2023-04-11 |
Family
ID=87296656
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310017587.6A Pending CN115949210A (zh) | 2023-01-06 | 2023-01-06 | 基于bim技术的腻子涂料喷涂机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115949210A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109916393A (zh) * | 2019-03-29 | 2019-06-21 | 电子科技大学 | 一种基于机器人位姿的多重栅格值导航方法及其应用 |
CN110434860A (zh) * | 2019-07-04 | 2019-11-12 | 佛山科学技术学院 | 一种机器人自动喷涂方法及装置 |
CN112835064A (zh) * | 2020-12-31 | 2021-05-25 | 上海蔚建科技有限公司 | 一种建图定位方法、***、终端及介质 |
CN113886903A (zh) * | 2020-07-03 | 2022-01-04 | 上海大界机器人科技有限公司 | 构建全局slam地图的方法、装置及存储介质 |
CN114296545A (zh) * | 2021-11-23 | 2022-04-08 | 西安工业大学 | 一种基于视觉的无人机手势控制方法 |
CN114792373A (zh) * | 2022-04-24 | 2022-07-26 | 广东天太机器人有限公司 | 一种工业机器人的视觉识别喷涂方法及*** |
-
2023
- 2023-01-06 CN CN202310017587.6A patent/CN115949210A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109916393A (zh) * | 2019-03-29 | 2019-06-21 | 电子科技大学 | 一种基于机器人位姿的多重栅格值导航方法及其应用 |
CN110434860A (zh) * | 2019-07-04 | 2019-11-12 | 佛山科学技术学院 | 一种机器人自动喷涂方法及装置 |
CN113886903A (zh) * | 2020-07-03 | 2022-01-04 | 上海大界机器人科技有限公司 | 构建全局slam地图的方法、装置及存储介质 |
CN112835064A (zh) * | 2020-12-31 | 2021-05-25 | 上海蔚建科技有限公司 | 一种建图定位方法、***、终端及介质 |
CN114296545A (zh) * | 2021-11-23 | 2022-04-08 | 西安工业大学 | 一种基于视觉的无人机手势控制方法 |
CN114792373A (zh) * | 2022-04-24 | 2022-07-26 | 广东天太机器人有限公司 | 一种工业机器人的视觉识别喷涂方法及*** |
Non-Patent Citations (1)
Title |
---|
LXZERORB: "免疫算法小结及算法实例", 《HTTPS://BLOG.CSDN.NET/LIUXIN0108/ARTICLE/DETAILS/115921291》, pages 1 - 8 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111563442B (zh) | 基于激光雷达的点云和相机图像数据融合的slam方法及*** | |
CN111210518B (zh) | 基于视觉融合地标的拓扑地图生成方法 | |
CN110340891B (zh) | 基于点云模板匹配技术的机械臂定位抓取***及方法 | |
CN112785643A (zh) | 一种基于机器人平台的室内墙角二维语义地图构建方法 | |
Pu et al. | Automatic extraction of building features from terrestrial laser scanning | |
CN111267095B (zh) | 一种基于双目视觉的机械臂抓取控制方法 | |
CN111598916A (zh) | 一种基于rgb-d信息的室内占据栅格地图的制备方法 | |
CN112965063B (zh) | 一种机器人建图定位方法 | |
CN113379898B (zh) | 一种基于语义分割的三维室内场景重建方法 | |
Quintana et al. | Semantic scan planning for indoor structural elements of buildings | |
CN106780631A (zh) | 一种基于深度学习的机器人闭环检测方法 | |
CN113139453A (zh) | 一种基于深度学习的正射影像高层建筑基底矢量提取方法 | |
CN110349192A (zh) | 一种基于三维激光点云的在线目标跟踪***的跟踪方法 | |
CN113724387A (zh) | 一种激光与相机融合的地图构建方法 | |
CN117970925A (zh) | 机器人实时避障与动态路径规划方法及*** | |
CN114758063A (zh) | 基于八叉树结构的局部障碍物栅格地图构建方法及*** | |
CN114066773B (zh) | 一种基于点云特征与蒙特卡洛扩展法的动态物体去除 | |
CN116879870A (zh) | 一种适用于低线束3d激光雷达的动态障碍物去除方法 | |
CN116188417A (zh) | 基于slam和图像处理的裂缝检测及其三维定位方法 | |
CN114898041A (zh) | 一种基于光度误差的改进icp方法 | |
CN116630411B (zh) | 基于融合感知的矿用电铲物料面识别方法、装置及*** | |
CN115949210A (zh) | 基于bim技术的腻子涂料喷涂机器人 | |
CN113311836A (zh) | 一种控制方法、装置、设备及存储介质 | |
Yoon et al. | Practical implementation of semi-automated as-built BIM creation for complex indoor environments | |
CN111198563B (zh) | 一种用于足式机器人动态运动的地形识别方法及*** |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230411 |
|
RJ01 | Rejection of invention patent application after publication |