-
公开(公告)号：CN116202539A
公开(公告)日：2023-06-02
申请号：CN202111450874.3
申请日：2021-12-01
Applicant: 珠海一微半导体股份有限公司
IPC: G01C21/32
Abstract: 本发明公开了一种机器人重定位方法、芯片与机器人，本发明所述的技术方案用于根据即时构建的局部地图与相对应的全局地图的互相关性，来获取局部地图与全局地图之间的最佳旋转角度和最佳平移向量，组成最佳转换矩阵，再将一个局部地图通过对应的最佳转换矩阵转换到各个全局地图内，然后求取每一个旋转后的局部地图与对应的全局地图之间的地图相似度，通过地图相似度的大小对比获取机器人的重定位结果，克服机器人在重定位过程中容易丢失相关的特征信息而导致重定位不准确的问题以及传统方法计算地图相似度准确率和效率不高的问题，提高机器人利用局部地图的有限信息进行重定位的准确性和效率，避免叠图现象的发生。
-
公开(公告)号：CN116202521A
公开(公告)日：2023-06-02
申请号：CN202111441973.5
申请日：2021-11-30
Applicant: 珠海一微半导体股份有限公司
IPC: G01C21/20
Abstract: 本发明公开了一种基于建图文件的重定位测试方法、芯片和机器人，所述方法包括：S1：获取建图文件，然后对建图文件的点云文件进行处理来获取处理后的点云数据和记录该点云数据对应的机器人位姿；S2：读取处理后的点云数据和该点云数据对应的机器人位姿，然后通过建图文件进行重定位测试计算；S3：基于重定位测试计算的匹配分数、建图文件的点云数据对应的机器人位姿和重定位方式来确定重定位测试计算的结果。本申请用建图记录的带时序的激光文件，去回溯做全地图的重定位测试，大大提高测试结果运用效率，减少人力成本。
-
公开(公告)号：CN119533439A
公开(公告)日：2025-02-28
申请号：CN202311074711.9
申请日：2023-08-24
Applicant: 珠海一微半导体股份有限公司
Abstract: 本申请公开基于机器人漏建图区域的搜索方法，包括：步骤A、机器人利用第一图像形态学方法从预先构建的地图内搜索出至少一个目标边界点集合；步骤B、基于点的数量，逐个目标边界点集合地判断出候选边界点集合；步骤C、机器人利用第二图像形态学方法从预先构建的地图内提取出待探索地图区域；步骤D、机器人从待探索地图区域内设置出区域扩展起点，再从区域扩展起点开始，采用填充算法处理所述待探索地图区域，获得填充算法所扩展出的区域；步骤E、根据填充算法所扩展出的区域与机器人的当前位置点之间的位置关系、以及填充算法所扩展到的节点的邻域与所述候选边界点集合之间的位置关系，搜索出漏建图区域，以便器人在遗漏地图的区域补漏。
-
公开(公告)号：CN118259304A
公开(公告)日：2024-06-28
申请号：CN202211675202.7
申请日：2022-12-26
Applicant: 珠海一微半导体股份有限公司
Abstract: 本发明公开基于激光数据的多重检验方法、芯片及机器人，多重检验方法包括：步骤S1、机器人获取激光点云，再对激光点云进行坐标系转换得到激光映射坐标点；步骤S2、若激光映射坐标点在第一预设地图中的命中率满足第一预设条件，则进入步骤S3；步骤S3、若激光映射坐标点在第二预设地图中的命中率满足第二预设条件，则进入步骤S4；步骤S4、利用所述激光点云拟合出待测试线段，若拟合所述待测试线段所需的激光点的数量满足第三预设条件，则进入步骤S5；步骤S5、从激光发射点延伸的各条激光线段上对障碍物点和未知点进行区域填充操作；若包围障碍物区域的外接图形区域或包围未知区域的外接图形区域满足预设布局条件，则激光映射坐标点检验成功。
-
公开(公告)号：CN118151639A
公开(公告)日：2024-06-07
申请号：CN202211526416.8
申请日：2022-12-01
Applicant: 珠海一微半导体股份有限公司
IPC: G05D1/43 , G06T7/11 , G06T7/187 , G05D1/242 , G05D1/243 , G05D1/246 , G05D1/633 , G05D1/247 , G05D1/648 , G05D105/10
Abstract: 本发明公开了一种房子分割方法、移动终端控制方法和机器人系统，包括：移动机器人接收用户标注分割线后的房子的环境地图，然后遍历接收的房子的环境地图，识别房子的环境地图中分割线的两个端点的位置，并基于分割线的两个端点的位置来确定分割线位置点；移动机器人根据房子的环境地图中的分割线位置点和分割线的两个端点来调整分割线，机器人将调整后的分割线作为区域分界线。移动机器人根据房子的环境地图的分割线的位置和环境地图的墙壁来调整分割线，进而从房子中快速分割出作业区域，不会分割出额外的区域，也不需在分割后进行区域融合，提高移动机器人的工作效率。
-
Patent Agency Ranking
公开(公告)号：CN117215295A
公开(公告)日：2023-12-12
申请号：CN202210620283.4
申请日：2022-06-02
Applicant: 珠海一微半导体股份有限公司
IPC: G05D1/02
Abstract: 本发明公开一种清洁机器人划区清扫的控制方法、芯片及机器人，包括：S1：清洁机器人移动到清扫框的未清扫区域中，对清扫框进行设定方式清扫，并记录清洁机器人的清扫轨迹，然后进入步骤S2；S2：清洁机器人对清扫轨迹进行处理，然后判断当前清扫框中是否有未清扫区域，若没有，则对所述清扫框的清扫已完成，若有，则判断未清扫区域是否可以通行，若不可以通行，则对所述清扫框的清扫已完成，若可以通行，则进入步骤S1。本申请的机器人通过将清扫轨迹膨胀和标注，只要是机器人能抵达的区域，机器就会全部清扫完，从而实现无漏扫。
-
公开(公告)号：CN116843699A
公开(公告)日：2023-10-03
申请号：CN202210290285.1
申请日：2022-03-23
Applicant: 珠海一微半导体股份有限公司
Abstract: 本发明公开一种机器人基于变化阈值的区域处理方法，包括：机器人利用分水岭算法进行区域扩展，直至最新扩展出的区域的轮廓上的像素点的灰度值等于初始扩展阈值，并标记出机器人工作分区，然后控制初始扩展阈值变化一次，并将变化后的初始扩展阈值更新为扩展阈值；机器人当前获得的扩展阈值等于预设终止阈值时，停止利用分水岭算法进行区域扩展，并确定已经标记出所有的机器人工作分区；机器人当前获得的扩展阈值不等于预设终止阈值时，继续利用分水岭算法进行区域扩展，并依据区域扩展的重复性进行机器人工作分区的标记，直至最新扩展出的区域的轮廓上的像素点的灰度值等于当前获得的扩展阈值，然后控制当前获得的扩展阈值变化一次。
-
公开(公告)号：CN116416424A
公开(公告)日：2023-07-11
申请号：CN202111578439.9
申请日：2021-12-22
Applicant: 珠海一微半导体股份有限公司
IPC: G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/063 , G06N3/08
Abstract: 本发明公开一种用于训练yolo算法模型的方法、芯片及系统，该方法具体包括如下步骤：步骤1：获取训练数据样本集，进入步骤2；步骤2：将训练数据样本集中的全部训练数据样本导入初始模型，根据yolo算法循环执行初始模型训练，直至初始模型的目标检测效果稳定时获取第一模型，进入步骤3；步骤3：根据训练数据样本集中的训练数据样本对第一模型进行冻结训练流程，对本步骤重复执行第一预设次数后获取第二模型，进入步骤4；步骤4：将训练数据样本集中的全部训练数据样本导入第二模型中，对第二模型执行一次冻结训练流程，获取最终模型。本发明通过对yolo算法模型进行冻结训练流程实现对模型的分结构训练，有效提高训练yolo算法模型的准确度。
-
公开(公告)号：CN116188482A
公开(公告)日：2023-05-30
申请号：CN202111419022.8
申请日：2021-11-26
Applicant: 珠海一微半导体股份有限公司
IPC: G06T7/11 , G06T7/70 , G06N3/0464 , G06N3/08 , G06V10/762 , G06V10/764
Abstract: 本发明公开一种房间语义分割方法，该方法包括以下步骤：S1：获取房子的地形图，检测地形图上的门特征，基于检测到的门特征所对应的检测位置生成设定区域；S2：将设定区域进行分割来从设定区域中分割出门，然后对分割出来的门进行验证，来确定门的形状和位置；S3：以门的形状和位置为基础，对地形图进行语义分类，然后生成进行语义分类后的地形图。本申请通过深度学习的方式对栅格图像的房间语义信息进行识别和分割，提高机器人对场景语义的理解，针对不同房间使用不同的清扫策略或进行其他工作。
-
公开(公告)号：CN116071777A
公开(公告)日：2023-05-05
申请号：CN202111268759.4
申请日：2021-10-29
Applicant: 珠海一微半导体股份有限公司
IPC: G06V30/422 , G06V10/28 , G06V10/24 , G06V10/44 , G06V20/62 , G06V30/10 , G06V10/30 , G06T3/60 , G06T5/00 , G06T7/13
Abstract: 本发明公开一种基于户型图重建vrep场景的方法及软硬件协同测试平台，该方法包括以下步骤：S1：获取房子的户型图，然后对获取的户型图进行图像转化，来得到房子的户型图的二值图；S2：对二值图进行图像处理来获取二值图中的房子的内部轮廓，同时对二值图进行图像查找来获取二值图中的房子的外部轮廓；S3：将获取的内部轮廓和外部轮廓进行合并，得到内部轮廓和外部轮廓合并后的轮廓数据，然后根据合并后得到的轮廓数据来构建vrep场景。本申请通过一个通用的户型图就可以重建出vrep测试场景，简单，方便，快速；适用于各种房产户型图，也能用于常规的平面图，通用性强。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.039 seconds)
