CN116429898B - 一种基于光流和超声波传感器进行材质识别和位移计算的融合算法 - Google Patents
一种基于光流和超声波传感器进行材质识别和位移计算的融合算法 Download PDFInfo
- Publication number
- CN116429898B CN116429898B CN202310459445.5A CN202310459445A CN116429898B CN 116429898 B CN116429898 B CN 116429898B CN 202310459445 A CN202310459445 A CN 202310459445A CN 116429898 B CN116429898 B CN 116429898B
- Authority
- CN
- China
- Prior art keywords
- optical flow
- displacement
- ultrasonic sensor
- material identification
- fusion algorithm
- 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
- 239000000463 material Substances 0.000 title claims abstract description 69
- 230000003287 optical effect Effects 0.000 title claims abstract description 36
- 238000006073 displacement reaction Methods 0.000 title claims abstract description 34
- 230000004927 fusion Effects 0.000 title claims abstract description 21
- 238000004364 calculation method Methods 0.000 title claims abstract description 15
- 238000010408 sweeping Methods 0.000 claims abstract description 37
- 238000012417 linear regression Methods 0.000 claims abstract description 3
- 238000012937 correction Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000004140 cleaning Methods 0.000 abstract description 13
- 238000000034 method Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 4
- 239000000919 ceramic Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007500 overflow downdraw method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 241001417527 Pempheridae Species 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 210000004209 hair Anatomy 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000004579 marble Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000007779 soft material Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/11—Analysing solids by measuring attenuation of acoustic waves
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
- A47L11/24—Floor-sweeping machines, motor-driven
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
- A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
- A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
- A47L11/4011—Regulation of the cleaning machine by electric means; Control systems and remote control systems therefor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0013—Planning or execution of driving tasks specially adapted for occupant comfort
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
- G01S15/06—Systems determining the position data of a target
- G01S15/08—Systems for measuring distance only
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Automation & Control Theory (AREA)
- Biochemistry (AREA)
- Computing Systems (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Chemical & Material Sciences (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Acoustics & Sound (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于光流和超声波传感器进行材质识别和位移计算的融合算法，涉及智能扫地机器人领域，采用光流传感器获取图像信息，包括亮度、曝光时间、图片质量等，并利用超声波传感器测量回波强度及距离地面高度。通过软件算法对多个数据进行线性拟合回归，例如一次或二次线性回归，最终得到一个实际距离与像素距离相关联的系数。算法依据光流传感器测量得到的像素位移作为原始测量值，并结合当前计算出的瞬时材质关联系数修正，进一步得到当前瞬时的实际位移值。最后，将瞬时算法得到的值进行积分，得到物体的最终位移。本发明有效地提高了材质识别的准确性和可靠性，使扫地机器人能够根据不同材质自动调整清洁策略，实现智能清扫。
Description
技术领域
本发明涉及智能扫地机器人领域，更具体地说，涉及一种基于光流和超声波传感器进行材质识别和位移计算的融合算法。
背景技术
智能扫地机器人作为一款广受消费者欢迎的智能家用服务型机器人，已经在很大程度上帮助人们减少了清洁工作。然而，现有的扫地机器人在材质识别方面仍存在一些不足，例如在地毯等难以清扫的地面上需要调整吸尘功率、加大清扫力度，以及在拖地作业时无法准确识别材质，可能导致地毯变湿等问题。此外，长毛地毯和深色地毯对垃圾的掩盖性强，微小颗粒和毛发等难以通过肉眼看出，这些问题都对扫地机器人的性能和用户体验产生了不利影响。
现有的材质识别技术主要依赖于超声波传感器。超声波传感器通过基于回波强度可以进行软硬材质的区分，但在硬质非平面材质下的识别率较低，且不能测量高度。这使得现有技术在面对更多复杂的地面材质时，难以满足当前智能化的需求。因此，现有技术在提高扫地机器人的智能化水平和材质识别准确性方面仍存在技术问题。
针对扫地机器人的材质识别问题，技术人员在寻求更有效的解决方案。然而，由于对光流传感器的不了解，以及加入其他传感器可能会导致成本提高、组装困难等实际问题，使得现有技术无法找到一种有效的解决方案。因此，亟需一种能够准确识别各种材质的扫地机器人材质识别方法，以提高扫地机器人的清扫效果和智能化水平。
综上所述，现有技术中存在的主要问题包括：(1)材质识别准确性不足，无法满足日常需求；(2)现有技术对某些特定材质(如长毛地毯、深色地毯)的处理能力有限；(3)现有技术在提高扫地机器人智能化水平方面仍有待改进。针对这些问题，本发明提出了基于光流和超声波传感器进行材质识别的融合算法，以期解决现有技术中的不足。
发明内容
本发明要解决的技术问题是提供一种基于光流和超声波传感器进行材质识别和位移计算的融合算法，以解决背景技术中提到的问题。
为了达到上述目的，本发明采取以下技术方案：
一种基于光流和超声波传感器进行材质识别的融合算法，包括步骤：
通过光流传感器采集物体表面图像，并对所产生的图像进行特征值矩阵分析，提取相邻图像之间的特征点位置变化信息，得出不同材质下的图片像素位移数据，同时获取曝光时间、平均光强和图片质量信息；
使用超声波传感器基于声波飞行时间差原理测量扫地机器人距离地面的离地高度，并获取回波强度信息；
将光流传感器和超声波传感器获取的信息在不同的离地高度和材质下进行实验，得到实际位移与光流像素位移之间的修正关系；
通过数学建模软件对大量实验数据进行线性拟合，建立一个多元一次函数，获得用于判断材质的修正系数；
利用所述修正关系将当前瞬时像素位移转换为实际位移，对实际位移进行积分，得到扫地机器人的最终实际累计位移。
优选的，所述多元一次函数的具体表达式为：
Picture_Ratio＝8.5196+0.00087944*Brightness-0.0019*Shutter+0.0311*IQ+0.131*Hight+0.012*BackStrenght；
其中，Picture_Ratio表示图片表面粗糙系数，Brightness表示平均光强，Shutter表示曝光时间，IQ表示图片质量，Hight表示扫地机器人距离地面的离地高度，BackStrenght表示回波强度。
优选的，所述光流传感器的内部相机以一定速率连续采集物体表面图像。
优选的，所述线性拟合采用一次或二次线性回归。
本发明相对于现有技术的优点在于：
1、提高识别准确度：通过光流传感器和超声波传感器的数据融合，可以从多个角度对材质进行检验，大大提高识别准确度和可靠性。
2、扩展应用场景：本发明不仅可以应用于智能扫地机器人，还可以扩展到其他领域，如自动驾驶汽车等，具有广泛的应用前景。
3、优化清扫策略：基于本发明的材质识别结果，智能扫地机器人可以根据不同地面材质自动调整清洁策略，实现智能清扫，提高清洁效率。
4、提高行驶安全和舒适性：对于自动驾驶汽车等应用场景，本发明可以帮助识别道路表面的材质信息，从而实现更安全、更智能的驾驶体验。通过对道路材质的识别，自动驾驶汽车可以根据实际路况调整驾驶策略，降低事故风险，提高行驶舒适性。
5、降低成本：光流传感器在飞行器领域的应用具有体积小、精度高、成本低等优点，将其与超声波传感器融合，实现材质识别不仅能提高识别准确性，还有助于降低整体***成本。
6、创新性技术方案：本发明将光流传感器与超声波传感器相结合，提出了一种新颖的融合算法，突破了传统材质识别技术的局限性，为材质识别领域带来创新性的解决方案。
7、便于实施和优化：本发明的实施方式相对简单，便于在实际应用中实施和优化。此外，由于采用了数学建模和线性拟合方法，本发明方案可以根据不同应用场景和实验数据进行灵活调整，进一步优化算法性能和适应性。总之，本发明提供了一种创新且实用的材质识别解决方案，具有显著的有益效果。
附图说明
图1是本发明算法示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作描述。
如图1所示为本发明的总体方案示意图，更具体的，本发明可以包括如下实施例：
实施例1：
本实施例提供一种基于光流传感器和超声波传感器进行材质识别和位移计算的融合算法。首先，将光流传感器和超声波传感器安装在智能扫地机器人上。
光流传感器通过其内部的相机以一定速率连续采集物体表面图像，再由芯片对所产生的图像数字的特征值矩阵进行分析。由于相邻的两幅图像总会存在相同的特征，通过对比这些特征点的位置变化信息，得出相同环境下不同材质下的图片的像素位移数据。同时，光流传感器可以给出如曝光时间、平均光强、图片质量等其他信息。
超声波传感器可以基于声波飞行时间差原理测量扫地机器人距离地面的离地高度，同时可以给出回波强度信息，这个信息与扫地机器人当前正下方的材质信息强相关。
然后，在不同的离地高度和材质下进行实验，得到实际位移与光流像素位移之间的修正关系。通过数学建模软件，将大量实验数据进行线性拟合(比如回归成一个多元一次函数)，通过这个函数来获得用于判断材质的有关材质修正系数。
具体计算流程如下：
Picture_Ratio＝8.5196+0.00087944*Brightness-0.0019*Shutter+0.0311*IQ+0.131*Hight+0.012*BackStrenght；
其中，Picture_Ratio为图片表面粗糙系数，Brightness为平均光强，Shutter为曝光时间，IQ为图片质量，Hight为扫地机器人距离地面的离地高度，BackStrenght为回波强度。
接下来，将当前瞬时像素位移转换为实际位移，最终进行积分，得到扫地机的最终实际累计位移。通过采用本实施例提供的融合算法，智能扫地机器人能够根据识别到的材质自动调整清洁策略，实现智能清扫。
实施例2：
本实施例在实施例1的基础上，进一步优化线性拟合过程。在本实施例中，可以采用更高阶的多项式回归，例如二次回归、三次回归等，以更好地拟合实验数据并得到更准确的材质修正系数。
具体的多项式回归方法可以根据实际需求和实验数据的复杂度来选择。在选择多项式回归方法时，应权衡模型的拟合效果与计算复杂度，以在保证准确性的同时，降低计算负担。
实施例3：
在实施例1的基础上，本实施例进一步考虑光流传感器和超声波传感器在实际使用中可能出现的误差。在计算过程中，可以引入误差项，对光流传感器和超声波传感器的测量结果进行误差修正，以提高最终实际累计位移的准确性。
例如，可以通过对光流传感器和超声波传感器的标定，获取各自的误差项，然后将误差项纳入计算流程，以修正实际位移值。通过引入误差修正，可以进一步提高本发明的材质识别精度和可靠性。
实施例4：
在实施例1的基础上，本实施例进一步考虑将其他类型的传感器与光流传感器和超声波传感器进行融合，以提高材质识别的准确性。例如，可以考虑引入激光测距传感器、红外传感器等，通过多传感器融合的方法，进一步优化材质识别算法。
在实际应用中，可以根据需求和成本限制来选择合适的传感器类型和数量。通过多传感器融合的方法，可以进一步提高智能扫地机器人的材质识别能力，从而优化清扫效果。
实施例5：
在实施例1的基础上，本实施例进一步优化智能扫地机器人的清扫策略。根据识别到的不同材质，智能扫地机器人可以调整清扫策略，例如改变吸力、旋转刷子的速度等，以适应不同材质地面的清洁需求。
例如，对于地毯等松软材质，智能扫地机器人可以增加吸力和刷子速度，以便更有效地清理深层的灰尘和杂物；而对于硬质材质，如瓷砖、木地板等，智能扫地机器人可以适当降低吸力和刷子速度，以避免对地面造成划痕。
通过结合本发明的材质识别算法，智能扫地机器人能够自动识别并适应不同材质的地面，实现高效且智能的清扫效果。
实施例6：
在实施例1的基础上，本实施例将融合算法应用于其他类型的机器人，如工业机器人、服务机器人等，实现对其工作环境中的材质识别。
例如，在工业机器人中，可以利用本发明的融合算法来识别不同材质的工件，从而实现更精确的抓取、搬运、装配等任务。对于服务机器人，可以通过识别不同材质的地面或物体，实现更智能的导航、避障和交互功能。
实施例7：
在实施例1的基础上，本实施例进一步优化融合算法的实时性。为了适应快速变化的环境，可以对光流传感器和超声波传感器的采样率进行优化，以实现更高的实时性。
例如，可以通过调整传感器采样率、数据处理算法等参数，来平衡计算负担和实时性的需求。在具体实现中，可以根据机器人的性能和实际应用场景来选择合适的参数设置。
实施例8：
在实施例1的基础上，本实施例提供一种基于机器学习的材质识别方法。通过收集大量的光流传感器和超声波传感器数据，以及对应的材质标签，可以训练出一个能够识别材质的机器学习模型。
可以选择适当的机器学习算法，如支持向量机、决策树、神经网络等，以便根据实际需求和计算资源限制进行选择。通过引入机器学习方法，可以进一步提高材质识别的准确性和泛化能力。
实施例9：
在实施例1的基础上，本实施例进一步优化智能扫地机器人的导航功能。通过结合融合算法识别出的材质信息，智能扫地机器人可以根据不同材质的特点制定更合适的导航路径。
例如，对于地毯等较厚的材质，智能扫地机器人可以选择避开这些区域，以节省电池使用时间和减少机器磨损；对于易滑的地面，如大理石、瓷砖等，智能扫地机器人可以选择采用更稳定的行走方式，以降低意外跌倒的风险。
实施例10：
在实施例1的基础上，本实施例进一步扩展应用场景，将融合算法应用于自动驾驶汽车等领域。通过识别道路表面的材质信息，自动驾驶汽车可以更好地适应不同路况，提高行驶安全和舒适性。
例如，对于湿滑的道路，自动驾驶汽车可以根据识别到的材质信息自动调整刹车力度、车速等参数，以降低事故风险；对于崎岖不平的道路，自动驾驶汽车可以调整悬挂***设置，以提高行驶舒适性。通过将本发明的融合算法应用于自动驾驶汽车等领域，可以实现更智能、更安全的驾驶体验。
通过以上实施例的描述，可以看出本发明的基于光流传感器和超声波传感器进行材质识别的融合算法具有广泛的应用前景。在不同的实施例中，可以根据实际需求和应用场景进行适当的调整和优化，以达到最佳的性能。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (3)
1.一种基于光流和超声波传感器进行材质识别和位移计算的融合算法，其特征在于，包括步骤：
通过光流传感器采集物体表面图像，并对所产生的图像进行特征值矩阵分析，提取相邻图像之间的特征点位置变化信息，得出不同材质下的图片像素位移数据，同时获取曝光时间、平均光强和图片质量信息；
使用超声波传感器基于声波飞行时间差原理测量扫地机器人距离地面的离地高度，并获取回波强度信息；
将光流传感器和超声波传感器获取的信息在不同的离地高度和材质下进行实验，得到实际位移与光流像素位移之间的修正关系；
通过数学建模软件对实验数据进行线性拟合，建立一个多元一次函数，获得用于判断材质的修正系数；
所述多元一次函数的具体表达式为：
Picture_Ratio＝8.5196+0.00087944*Brightness-0.0019*Shutter+0.0311*IQ+0.131*Hight+0.012*BackStrenght；
其中，Picture_Ratio表示图片表面粗糙系数，Brightness表示平均光强，Shutter表示曝光时间，IQ表示图片质量，Hight表示扫地机器人距离地面的离地高度，BackStrenght表示回波强度；
利用所述修正关系将当前瞬时像素位移转换为实际位移，对所述实际位移进行积分，得到扫地机器人的最终实际累计位移。
2.根据权利要求1所述基于光流和超声波传感器进行材质识别和位移计算的融合算法，其特征在于，所述光流传感器的内部相机以一定速率连续采集物体表面图像。
3.根据权利要求1所述基于光流和超声波传感器进行材质识别和位移计算的融合算法，其特征在于，所述线性拟合采用一次或二次线性回归。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310459445.5A CN116429898B (zh) | 2023-04-26 | 2023-04-26 | 一种基于光流和超声波传感器进行材质识别和位移计算的融合算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310459445.5A CN116429898B (zh) | 2023-04-26 | 2023-04-26 | 一种基于光流和超声波传感器进行材质识别和位移计算的融合算法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116429898A CN116429898A (zh) | 2023-07-14 |
| CN116429898B true CN116429898B (zh) | 2023-10-27 |
Family
ID=87088942
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310459445.5A Active CN116429898B (zh) | 2023-04-26 | 2023-04-26 | 一种基于光流和超声波传感器进行材质识别和位移计算的融合算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116429898B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112461829A (zh) * | 2019-09-06 | 2021-03-09 | 科沃斯机器人股份有限公司 | 一种光流传感模块、自移动机器人以及材质检测的方法 |
| CN113238555A (zh) * | 2021-05-12 | 2021-08-10 | 珠海市一微半导体有限公司 | 具有光流传感器的移动机器人及其控制方法 |
-
2023
- 2023-04-26 CN CN202310459445.5A patent/CN116429898B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112461829A (zh) * | 2019-09-06 | 2021-03-09 | 科沃斯机器人股份有限公司 | 一种光流传感模块、自移动机器人以及材质检测的方法 |
| CN113238555A (zh) * | 2021-05-12 | 2021-08-10 | 珠海市一微半导体有限公司 | 具有光流传感器的移动机器人及其控制方法 |
Non-Patent Citations (5)
| Title |
|---|
| Improved recognition rate of different material category using convolutional neural networks;Abhay Shukla 等;《Materials Today: Proceedings》;第81卷;947-950 * |
| 基于光流定位的自动路径规划清扫机器人;李炫志 等;《微型机与应用》;第36卷(第5期);57-59 * |
| 基于卷积神经网络和集成学习的材质识别和分割方法研究;李婉婉;《中国优秀硕士学位论文全文数据库信息科技辑》(第12期);1-43 * |
| 基于增强动态稠密轨迹特征的布料材质识别;夏海浜 等;《计算机辅助设计与图形学学报》;第32卷(第6期);930-942 * |
| 基于蝙蝠回波定位模型的材质识别方法研究;李岳鹏 等;《应用声学》;第26卷(第6期);335-340 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116429898A (zh) | 2023-07-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR100735565B1 (ko) | 구조광을 이용한 물체 검출 방법 및 이를 이용한 로봇 | |
| CN109024417B (zh) | 一种智能道路清扫车及其道路污染物识别方法和控制方法 | |
| AU2016200330B2 (en) | Autonomous coverage robot | |
| Kreucher et al. | LANA: a lane extraction algorithm that uses frequency domain features | |
| EP3009238B1 (en) | Robot cleaner and method for controlling the same | |
| EP2495079B1 (en) | Slip detection apparatus and method for a mobile robot | |
| US20090024251A1 (en) | Method and apparatus for estimating pose of mobile robot using particle filter | |
| CN109159137B (zh) | 一种可视频评估洗地效果的洗地机器人 | |
| CN105467985B (zh) | 自移动表面行走机器人及其图像处理方法 | |
| CN113642529B (zh) | 基于ga-bp神经网络的障碍物尺寸预测***及方法 | |
| CN112287834A (zh) | 机器人的巡检清洁方法、装置、机器人和存储介质 | |
| Balta et al. | Terrain traversability analysis for off-road robots using time-of-flight 3d sensing | |
| CN113287969B (zh) | 清扫表面类型的判断方法、清扫模式调整方法及清扫设备 | |
| CN112034837A (zh) | 确定移动机器人工作环境的方法、控制***及存储介质 | |
| CN113791400A (zh) | 一种基于激光雷达的楼梯参数自主检测方法 | |
| CN114938927A (zh) | 自动清洁设备、控制方法及存储介质 | |
| CN116429898B (zh) | 一种基于光流和超声波传感器进行材质识别和位移计算的融合算法 | |
| KR102129738B1 (ko) | 높이 보정이 가능한 높이 센싱 알고리즘을 구비한 자율주행 트랙터 | |
| CN112634269A (zh) | 一种轨道车辆车体检测方法 | |
| CN113947623A (zh) | 一种粗糙度检测方法、slam定位方法及施工方法 | |
| Ortigosa et al. | Obstacle-free pathway detection by means of depth maps | |
| Milella et al. | Computer Vision Methods for Improved Mobile Robot State Estimation in Challenging Terrains. | |
| Zheng et al. | Vision-based autonomous navigation in indoor environments | |
| Dargazany et al. | Stereo-based terrain traversability estimation using surface normals | |
| De Cubber et al. | Multimodal terrain analysis for an all-terrain crisis management robot |
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 |