CN117826807A - 一种巡检机器人多传感器融合导航方法及装置 - Google Patents
一种巡检机器人多传感器融合导航方法及装置 Download PDFInfo
- Publication number
- CN117826807A CN117826807A CN202311795327.8A CN202311795327A CN117826807A CN 117826807 A CN117826807 A CN 117826807A CN 202311795327 A CN202311795327 A CN 202311795327A CN 117826807 A CN117826807 A CN 117826807A
- Authority
- CN
- China
- Prior art keywords
- path
- inspection
- inspection robot
- target
- robot
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 87
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000004927 fusion Effects 0.000 title claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 238000012163 sequencing technique Methods 0.000 claims abstract description 4
- 238000005070 sampling Methods 0.000 claims description 18
- 230000001133 acceleration Effects 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 230000002457 bidirectional effect Effects 0.000 claims description 6
- 238000011161 development Methods 0.000 claims description 6
- 238000013138 pruning Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 2
- 241000196324 Embryophyta Species 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Classifications
-
- 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
- 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
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种巡检机器人多传感器融合导航方法及装置,方法包括步骤:接收巡检任务;对巡检任务中的所述目标点进行排序,获取总体最优的巡检顺序,并依次下发目标点;根据巡检机器人的当前位置、当前要处理的目标点和预先构建的巡检地图,进行全局路径规划;实时接收巡检机器人的环境信息和当前所处的路径的信息,进行局部路径规划;巡检机器人沿所述局部路径行走,直至到达对应的目标点。本发明能够智能判断机器人可通行区域,满足各种复杂场景的避障需求,其总体的规划控制模块计算复杂度低,在算力较低的嵌入式设备上也能满足实时性要求。
Description
技术领域
本发明涉及巡检机器人导航技术领域,具体涉及一种巡检机器人多传感器融合导航方法及装置。
背景技术
对于巡检机器人而言,导航的作用是让机器人在未知环境中从当前位置运动到指定目标位置。要实现巡检机器人导航功能需要定位模块、感知模块以及路径规划与运动控制模块的协作。
现有的巡检机器人的感知模块仅通过激光雷达传感器的点云数据无法智能判断可通行区域,难以适应复杂场景的避障需求。例如同时存在减速带和线缆的场景,减速带高度大于线缆,但是减速带可以低速通过,线缆不能通过,如会存在裹住轮子及破坏线缆的风险。巡检场站路边经常生长的杂草被激光雷达误判为障碍无法通过。未加装防跌落传感器的机器人无法识别坑道有跌落风险,而安装防跌落传感器的机器人会将镂空网格井盖误判为坑道无法通过。同时现有的路径规划算法运算量大,在算力较低的嵌入式设备上很难满足实时性。
发明内容
技术目的:针对上述技术问题,本发明提出了一种巡检机器人多传感器融合导航方法及装置,其能够智能判断机器人可通行区域,满足各种复杂场景的避障需求,总体的规划控制模块计算复杂度低,在算力较低的嵌入式设备上也能满足实时性。
技术方案:为实现上述技术目的,本发明采用了如下技术方案:
一种巡检机器人多传感器融合导航方法,包括步骤:
(1)、接收巡检任务,所述巡检任务中包含巡检机器人需要前往的目标点的信息;
(2)、对巡检任务中的所述目标点进行排序,获取总体最优的巡检顺序;
(3)、根据所述巡检任务和总体最优的巡检顺序,以及预先生成的包括所有站点和站点之间距离的矩阵图,进行全局路径规划,得到一条经过各个目标点的全局路径,各个目标点在全局路径上对应一个站点;
(4)、根据所述总体最优的巡检顺序,依次下发目标点;
(5)、接收当前下发的目标点,从巡检机器人所处的当前站点开始,加载当前站点到下一个站点即目标点之间的路径属性,根据所述路径属性重新计算当前站点到下一个站点的局部路径;
(6)、巡检机器人沿所述局部路径行走至下一个站点;
(7)、返回步骤(4),直至巡检机器人经过所有目标点。
作为优选,所述步骤(4)中,在局部路径规划过程中,实时接收巡检机器人所处的环境信息,包括需要特殊关注目标的信息,用于在规划局部路径时,制定相应的由巡检机器人执行的决策。
作为优选,所述步骤(3)中,预先生成的矩阵图包括多个站点,每个站点具有唯一的坐标,不同站点之间设有连接的路径,每段路径具有多种可配置属性,包括速度属性、通行属性和特征属性,所述速度属性包括线速度、加速度、角速度和角加速度,通行属性包括双向可通行、单向可通行和双向不可通行,特征属性包括狭窄路段、过门路段、斜坡路段和曲线路段。
作为优选,所述步骤(3)中,当收到目标点后,通过A*算法生成从当前位置到目标位置的由预设站点组成的全局路径。
作为优选,所述步骤(4)中的局部路径规划,具体包括:
根据当前巡检机器人所处的当前站点到下一个站点之间的路径的速度属性,对巡检机器人的线速度大小、线速度方向和角速度大小三个变量进行采样,采样范围、间隔和数量由巡检机器人的运动性能和环境决定,生成多条局部路径;
遍历所有的采样结果,计算生成的所有局部路径的得分,得分由所有局部路径点所处的栅格数值加权计算得到,若存在数值为0,即无法通行区域栅格的局部路径,则废弃对应的局部路径,遍历的过程进行剪枝加速,遍历完成后得到可通行的局部路径;遍历过程中,沿线速度大小从大到小进行遍历,线速度方向从巡检机器人到目标点的方向,沿角速度大小从小到大进行遍历,一旦达到得分阈值,则停止计算。
一种巡检机器人多传感器融合导航装置,包括:
任务接收模块,用于接收巡检任务,巡检任务中包含巡检机器人需要前往的目标点的信息;
路径规划模块,用于规划全局路径和局部路径;
任务执行模块,用于驱动巡检机器人沿所述路径规划模块规划的局部路径行走;
其中,所述路径规划模块具体包括:
目标排序单元,用于对巡检任务中的所述目标点进行排序,获取总体最优的巡检顺序;
全局路径规划单元,用于根据所述巡检任务和总体最优的巡检顺序,以及预先生成的包括所有站点和站点之间距离的矩阵图,进行全局路径规划,得到一条经过各个目标点的全局路径,各个目标点在全局路径上对应一个站点;全局路径规划单元在巡检机器人开机时,加载预设站点路径信息,生成包括所有站点和站点之间距离的矩阵图;
核心调度单元,用于接收目标排序单元排序后的目标点,根据所述总体最优的巡检顺序,依次向局部路径规划单元下发目标点;
局部路径规划单元,用于接收当前下发的目标点,从巡检机器人所处的当前站点开始,加载当前站点到下一个站点即目标点之间的路径属性,根据所述路径属性重新计算当前站点到下一个站点的局部路径;局部路径规划单元内部加载栅格地图。
作为优选,所述装置还包括:
特殊目标识别单元,用于实时接收巡检机器人的环境信息,识别出特殊的关注目标并发送给核心调度单元;
所述核心调度单元根据特殊目标识别单元发送的特殊的关注目标,制定相应的由巡检机器人执行的决策,并发送给局部路径规划单元;
所述局部路径规划单元在路径规划时,参考核心调度单元发送的决策。
一种巡检机器人,其特征在于,所述巡检机器人配置激光雷达、深度相机、IMU、嵌入式arm开发板、GNSS芯片、GNSS天线和轮速里程计,所述嵌入式arm开发板中装有所述巡检机器人多传感器融合导航装置。
有益效果:由于采用了上述技术方案,本发明具有如下有益效果:
本发明提出的全局路径规划算法通过预设站点路径,更能适应工业巡检机器人运行的复杂非结构化场景,运动控制与局部路径规划结合在一起,通过对控制速度进行采样获取得到的局部路径直接包括了实时的符合机器人运动能力的控制速度,不需要额外进行平滑滤波处理,总体的规划控制模块计算复杂度低,在算力较低的嵌入式设备上也能满足实时性。
附图说明
图1为实施例一提出的巡检机器人多传感器融合导航方法的流程图。
图2为实施例二提出的巡检机器人多传感器融合导航装置的结构示意图。
图3为实施例三提出的巡检机器人的结构示意图。
具体实施方式
下面结合附图对本发明的实施例作详细的说明。
实施例一
本实施例提出了一种巡检机器人多传感器融合导航方法,如图1所示,包括步骤:
(1)、接收巡检任务,所述巡检任务中包含巡检机器人需要前往的目标点的信息;
(2)、对巡检任务中的所述目标点进行排序,获取总体最优的巡检顺序;
(3)、根据所述巡检任务和总体最优的巡检顺序,以及预先生成的包括所有站点和站点之间距离的矩阵图,进行全局路径规划,得到一条经过各个目标点的全局路径,各个目标点在全局路径上对应一个站点;
(4)、根据所述总体最优的巡检顺序,依次下发目标点;
(5)、接收当前下发的目标点,从巡检机器人所处的当前站点开始,加载当前站点到下一个站点即目标点之间的路径属性,根据所述路径属性重新计算当前站点到下一个站点的局部路径;
(6)、巡检机器人沿所述局部路径行走至下一个站点;
(7)、返回步骤(4),直至巡检机器人经过所有目标点。
在机器人构建完成地图之后首先需要设置预设站点,预设站点由巡检任务需要到达的位置决定,每个站点有唯一的地图坐标,同时预设站点之间需要通过预设路径连接。预设路径存在多种可配置属性,包括该段路径的速度属性(最大通行速度,加速度,角速度,角加速度),通行属性(双向可通行,单向可通行,双向不可通行),特征属性(狭窄路段,过门路段,斜坡路段,曲线路段……)等。预设站点和路径信息作为地图数据的一部分保存在巡检机器人存储设备中。
实施例二
本实施例提出一种巡检机器人多传感器融合导航装置,如图2所示,包括:任务接收模块、路径规划模块和任务执行模块,路径规划模块包括目标排序单元、全局路径规划单元/全局路径规划器、特殊目标识别单元、局部路径规划单元/局部路径规划器、核心调度单元。
本实施例的装置执行实施例一所述导航方法,具体原理如下:
当机器人执行任务前,任务执行模块需要调用路径规划模块中的目标排序算法对任务中需要前往的所有目标点进行排序,获取总体最优的巡检顺序,然后依次给路径规划模块的核心调度单元下发目标点。
路径规划模块中的全局路径规划器在机器人开机时就会加载预设站点路径信息,生成包括所有站点和站点之间距离的矩阵图。当收到目标点后会通过A*算法生成从当前位置到目标位置的由预设站点组成的全局路径P[n]。然后核心调度单元开始加载P[0]到P[1]的路径属性并传递给局部路径规划器计算局部路径以及实时控制速度。当机器人到达P[1]位置附近,核心调度模块立即加载P[1]与P[2]的路径属性并通知局部路径规划器,依次类推到P[i]与P[i+1],直到到达目标P[n]。
而当机器人在运行过程中,感知传感器会实时检测机器人周围和前方的障碍物与通行区域,并实时将提取的数据发送给局部路径规划器。局部路径规划器内部维护有栅格地图,栅格地图由char类型二维数组构成,每个栅格存储0-255的数值,该数值和栅格距离不可通行区域的距离成正比,不可通行区域的栅格数值都为0。
局部路径规划器会将控制速度分为线速度大小、线速度方向、角速度大小三个变量,其中对于非全向底盘的机器人仅有线速度大小和角速度大小两个变量。规划器会根据路径的速度属性对三个变量进行采样,生成多条局部路径。而采样范围、间隔和数量由机器人的运动性能和环境决定。采样范围由机器人的速度范围决定,例如机器人最大线速度能到1.5m/s,最大角速度能到0.8rad/s,则线速度采样范围就是0m/s到1.5m/s,角速度采样范围就是-0.8rad/s到0.8rad/s。采样间隔通常由机器人的加速度和控制频率决定,例如机器人控制频率是20hz,线加速度为0.5m/s2则线速度采样间隔就是0.5/20=0.025m/s。采样数量结合机器人运算能力和实际环境可以自行配置,例如:若实时规划10s内的路径,则采样数量就是10s乘以控制频率20hz等于200。采样数量越大能计算更长时间内的路径,但是相应的对算力要求越大。
然后遍历所有的采样结果计算所有局部路径得分,得分由所有局部路径点所处的栅格数值加权计算得到,若存在数值为0也就是无法通行区域栅格的局部路径需要废弃,遍历过程会进行剪枝加速。线速度大小从大到小进行遍历,线速度方向从机器人到目标点的方向,角速度大小从小到大进行遍历。一旦达到得分阈值就停止计算,这样并不需要每次都遍历所有采样结果。最终确定的路径,是得分最高的那条局部路径。
本发明可通过设置特殊目标识别单元,对特殊的关注目标,例如行人,警戒带,杂草,线缆,减速带等会进行模型训练,如:通过设置深度相机,输出RGB图像数据以及深度点云数据,通过RGB图像数据,基于YOLOv5算法进行模型训练。检测时,同样基于RGB图像数据获取检带有测目标物体的类别标签的bondingbox,并根据对应的深度点云数据获取bondingbox的位置。通过感知算法会在识别出特殊关注目标后通知核心调度模块进行相应的决策。例如遇到行人不立即进行绕行,先播放避让提示语音;遇到警戒带需要将前方设置为挂牌区域;遇到杂草可以不避让直接通行等。
本发明方法通过增加的深度相机和感知算法可以智能识别巡检机器人的可通行区域,不仅能检测出低矮障碍物;还可以区分低矮障碍物是实际可以通过的减速带还是不可通过的线缆,而且可以检测低于路面的坑道,让机器人在存在坑道或者在高出地面的盖板路上都能正常运行,可以适应各种复杂的工业化运维场景。
实施例三
本实施例提出了一种设有实施例二所述装置的巡检机器人,如图3所示,该巡检机器人以激光雷达1、深度相机2、imu、gnss、轮速里程计作为定位传感器,以激光雷达以及深度相机作为感知传感器,以低功耗小体积的嵌入式arm开发板作为计算核心。其中激光雷达1安装于机器人顶部靠前,深度相机2安装于机器人前部靠下,imu安装于激光雷达下方车体内部与雷达同轴,嵌入式arm开发板和gnss芯片安装与车体内部,gnss天线安装于车体顶部,轮速里程计以各轮系驱动电机编码器结合车体运动学模型计算得到。
机器人巡检工作时,激光雷达或深度相机是通过用当前数据和地图进行匹配来获取机器人的精确位置,匹配过程就是在地图的一定范围内搜索找到和当前数据最相似的位置。其中搜索的起始位置越接近真实位置搜索的越快。gnss,imu,轮速里程计的作用就是用来提供这个搜索的初始位置的。本发明将三者融合的目的是因为三者提供的数据可以相辅相成。其中imu能否提供准确的实时加速度和角度,轮速里程计能提供准确的实时速度,gnss能够提供绝对的经纬度位置。同时这些传感器的误差都遵循正态分布,因此通过卡尔曼滤波将三者融合可以得到比三者误差都小的融合结果。
本发明通过滤波将gnss与imu、轮速里程计融合,基于融合里程计提供的先验估计位姿,给激光雷达和深度相机的特征匹配提供良好的初值与约束,极大的加快了配准收敛的速度,可以得到了高精且鲁棒的实时位姿。而且融入了gnss的融合里程计还能在机器人开机时以及配准失效恢复时提供重定位坐标。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,上述实施例不以任何形式限制本发明,凡采用等同替换或等效变换的方式所获得的技术方案,均落在本发明的保护范围内。
Claims (8)
1.一种巡检机器人多传感器融合导航方法,其特征在于,包括步骤:
(1)、接收巡检任务,所述巡检任务中包含巡检机器人需要前往的目标点的信息;
(2)、对巡检任务中的所述目标点进行排序,获取总体最优的巡检顺序;
(3)、根据所述巡检任务和总体最优的巡检顺序,以及预先生成的包括所有站点和站点之间距离的矩阵图,进行全局路径规划,得到一条经过各个目标点的全局路径,各个目标点在全局路径上对应一个站点;
(4)、根据所述总体最优的巡检顺序,依次下发目标点;
(5)、接收当前下发的目标点,从巡检机器人所处的当前站点开始,加载当前站点到下一个站点即目标点之间的路径属性,根据所述路径属性重新计算当前站点到下一个站点的局部路径;
(6)、巡检机器人沿所述局部路径行走至下一个站点;
(7)、返回步骤(4),直至巡检机器人经过所有目标点。
2.根据权利要求1所述的一种巡检机器人多传感器融合导航方法,其特征在于,所述步骤(4)中,在局部路径规划过程中,实时接收巡检机器人所处的环境信息,包括需要特殊关注目标的信息,用于在规划局部路径时,制定相应的由巡检机器人执行的决策。
3.根据权利要求1所述的一种巡检机器人多传感器融合导航方法,其特征在于,所述步骤(3)中,预先生成的矩阵图包括多个站点,每个站点具有唯一的坐标,不同站点之间设有连接的路径,每段路径具有多种可配置属性,包括速度属性、通行属性和特征属性,所述速度属性包括线速度、加速度、角速度和角加速度,通行属性包括双向可通行、单向可通行和双向不可通行,特征属性包括狭窄路段、过门路段、斜坡路段和曲线路段。
4.根据权利要求1所述的一种巡检机器人多传感器融合导航方法,其特征在于,所述步骤(3)中,当收到目标点后,通过A*算法生成从当前位置到目标位置的由预设站点组成的全局路径。
5.根据权利要求1所述的一种巡检机器人多传感器融合导航方法,其特征在于,所述步骤(4)中的局部路径规划,具体包括:
根据当前巡检机器人所处的当前站点到下一个站点之间的路径的速度属性,对巡检机器人的线速度大小、线速度方向和角速度大小三个变量进行采样,采样范围、间隔和数量由巡检机器人的运动性能和环境决定,生成多条局部路径;
遍历所有的采样结果,计算生成的所有局部路径的得分,得分由所有局部路径点所处的栅格数值加权计算得到,若存在数值为0,即无法通行区域栅格的局部路径,则废弃对应的局部路径,遍历的过程进行剪枝加速,遍历完成后得到可通行的局部路径;遍历过程中,沿线速度大小从大到小进行遍历,线速度方向从巡检机器人到目标点的方向,沿角速度大小从小到大进行遍历,一旦达到得分阈值,则停止计算。
6.一种巡检机器人多传感器融合导航装置,其特征在于,包括:
任务接收模块,用于接收巡检任务,巡检任务中包含巡检机器人需要前往的目标点的信息;
路径规划模块,用于规划全局路径和局部路径;
任务执行模块,用于驱动巡检机器人沿所述路径规划模块规划的局部路径行走;
其中,所述路径规划模块具体包括:
目标排序单元,用于对巡检任务中的所述目标点进行排序,获取总体最优的巡检顺序;
全局路径规划单元,用于根据所述巡检任务和总体最优的巡检顺序,以及预先生成的包括所有站点和站点之间距离的矩阵图,进行全局路径规划,得到一条经过各个目标点的全局路径,各个目标点在全局路径上对应一个站点;全局路径规划单元在巡检机器人开机时,加载预设站点路径信息,生成包括所有站点和站点之间距离的矩阵图;
核心调度单元,用于接收目标排序单元排序后的目标点,根据所述总体最优的巡检顺序,依次向局部路径规划单元下发目标点;
局部路径规划单元,用于接收当前下发的目标点,从巡检机器人所处的当前站点开始,加载当前站点到下一个站点即目标点之间的路径属性,根据所述路径属性重新计算当前站点到下一个站点的局部路径;局部路径规划单元内部加载栅格地图。
7.根据权利要求6所述的一种巡检机器人多传感器融合导航装置,其特征在于,所述装置还包括:
特殊目标识别单元,用于实时接收巡检机器人的环境信息,识别出特殊的关注目标并发送给核心调度单元;
所述核心调度单元根据特殊目标识别单元发送的特殊的关注目标,制定相应的由巡检机器人执行的决策,并发送给局部路径规划单元;
所述局部路径规划单元在路径规划时,参考核心调度单元发送的决策。
8.一种巡检机器人,其特征在于,所述巡检机器人配置激光雷达、深度相机、IMU、嵌入式arm开发板、GNSS芯片、GNSS天线和轮速里程计,所述嵌入式arm开发板中装有如权利要求6-7任一所述巡检机器人多传感器融合导航装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311795327.8A CN117826807A (zh) | 2023-12-25 | 2023-12-25 | 一种巡检机器人多传感器融合导航方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311795327.8A CN117826807A (zh) | 2023-12-25 | 2023-12-25 | 一种巡检机器人多传感器融合导航方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117826807A true CN117826807A (zh) | 2024-04-05 |
Family
ID=90516601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311795327.8A Pending CN117826807A (zh) | 2023-12-25 | 2023-12-25 | 一种巡检机器人多传感器融合导航方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117826807A (zh) |
-
2023
- 2023-12-25 CN CN202311795327.8A patent/CN117826807A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110262508B (zh) | 应用于封闭场地无人驾驶货运车辆上的自动引导***及方法 | |
EP3635500B1 (en) | Method of navigating a vehicle and system thereof | |
CN110928284B (zh) | 辅助控制车辆的自动驾驶的方法、设备、介质和*** | |
US10203409B2 (en) | Method and device for the localization of a vehicle from a fixed reference map | |
CN112518739B (zh) | 履带式底盘机器人侦察智能化自主导航方法 | |
US9915951B2 (en) | Detection of overhanging objects | |
US11474532B2 (en) | Systems and methods for detecting anomalies in a vehicle system | |
CN110530372B (zh) | 定位方法、路径确定方法、装置、机器人及存储介质 | |
CN111522339A (zh) | 畜禽舍巡检机器人自动路径规划与定位方法及装置 | |
US11648939B2 (en) | Collision monitoring using system data | |
CN112461227B (zh) | 轮式底盘机器人巡检智能化自主导航方法 | |
CN113189977B (zh) | 一种用于机器人的智能导航路径规划***及方法 | |
CN106997688A (zh) | 基于多传感器信息融合的停车场停车位检测方法 | |
US20210139023A1 (en) | Collision monitoring using statistic models | |
CN105955257A (zh) | 基于固定路线的公交车自动驾驶***及其驾驶方法 | |
CN109375629A (zh) | 一种巡逻车及其导航避障方法 | |
CN112462762B (zh) | 一种基于路侧二维码单元的机器人室外自主移动***及其方法 | |
KR102373825B1 (ko) | 골프장 자동 운전차의 내비게이션 전환 설비 | |
CN113252051A (zh) | 一种地图构建方法及装置 | |
CN116022657A (zh) | 路径规划方法、装置和起重机 | |
CN111776942A (zh) | 轮胎吊行驶控制***、方法、装置和计算机设备 | |
JP7321035B2 (ja) | 物***置検出方法及び物***置検出装置 | |
CN116229703A (zh) | 用于检测交通信号的方法、***和存储介质 | |
CN211427151U (zh) | 一种应用于封闭场地无人驾驶货运车辆上的自动引导*** | |
CN113158779A (zh) | 一种行走方法、装置和计算机存储介质 |
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 |