一种多点带约束重定位的方法、芯片和机器人

    公开(公告)号:CN113204030B

    公开(公告)日:2024-06-14

    申请号:CN202110396925.2

    申请日:2021-04-13

    Abstract: 本发明公开了一种多点带约束重定位的方法,所述方法包括如下步骤:S1,机器人使用激光雷达检测并前往当前环境的点云中心,然后进行重定位,若重定位结果满足第一预设条件,则进入S2;S2,机器人前往下一环境的点云中心再次进行重定位,若重定位结果满足第二预设条件,就将所有进行过重定位的点形成一条约束链并进行约束校验,约束校验成功则重定位成功,约束校验失败则进入S3,若结果不满足第二预设条件,则重定位失败;S3,机器人重复执行S2,直至重定位成功、重定位次数达到预设次数或重定位结果不满足第二预设条件。本发明所述的方法采用多点重定位的方式,利用点间的约束链做约束校验可以提高机器人重定位的能力。

    用于机器人行走的沿边轮廓获取方法

    公开(公告)号:CN118072041A

    公开(公告)日:2024-05-24

    申请号:CN202410247835.0

    申请日:2024-03-05

    Abstract: 本申请公开用于机器人行走的沿边轮廓获取方法,包括:步骤A、通过目标检测模型对机器人采集的图像进行处理,获得目标框以及目标框所包围的障碍物的类别信息;步骤B、基于目标框对机器人采集的图像进行图像形态处理,获得二值化图像;步骤C、基于二值化图像提取对应类别的障碍物的轮廓点,再基于面积阈值从已提取的轮廓点中排除无效点;步骤D、在目标框所框定的与机器人行走面最近的候选区域内,从排除无效点后的轮廓点当中提取出有效轮廓点;步骤E、对有效轮廓点进行回归拟合处理,并引入R方进行评分;再根据评分值选择所述与机器人行走面最近的候选区域在所述目标框中占据的边界或回归拟合处理所产生的拟合线作为沿边轮廓。

    一种物体识别方法和机器人调试方法

    公开(公告)号:CN118038071A

    公开(公告)日:2024-05-14

    申请号:CN202211359586.1

    申请日:2022-11-02

    Abstract: 本发明公开了一种物体识别方法和机器人调试方法,包括:S1:机器人获取具有若干物体的图像,然后基于具有若干物体的图像和每个物体的颜色获取物体在图像的位置;S2:机器人分别基于具有若干物体在图像上的位置和若干物体的直径确定物体在机器人坐标系中的位置;S3:机器人分别将物体在机器人坐标系中的位置转换为全局坐标系上的位置。机器人通过该方法来使机器人识别物体在全局坐标系中的位置,提高调试机器人识别物体的准确度和速度,加快整个机器人开发流程。

    一种机器人通过窄道的导航方法、芯片及机器人

    公开(公告)号:CN117629205A

    公开(公告)日:2024-03-01

    申请号:CN202210982509.5

    申请日:2022-08-16

    Abstract: 本发明公开一种机器人通过窄道的导航方法、芯片及机器人;所述导航方法包括:步骤S1、在机器人进入窄道后,若机器人碰撞到障碍物,则针对该障碍物拟合出定位轮廓线段,再转动,直至机器人的当前行走方向与当前拟合出的定位轮廓线段的预设通行方向相同、或机器人的当前行走方向相对于当前拟合出的定位轮廓线段向可通行区域偏转预设角度,以使机器人当前不被障碍物阻挡前行,再执行步骤S2;步骤S2、机器人按照当前行走方向直线行走,直至碰撞到障碍物,再执行步骤S1;当机器人行走至预设目标位置时,停止执行步骤S1,并确定机器人通过窄道。

    一种加速度计安装误差校准方法、系统、芯片和机器人

    公开(公告)号:CN116973598A

    公开(公告)日:2023-10-31

    申请号:CN202210424858.5

    申请日:2022-04-22

    Abstract: 本发明公开了一种加速度计安装误差校准方法、系统、芯片和机器人,所述方法包括如下步骤:步骤S1,静止放置于水平面上的机器设备,采集其加速度计的加速度数据,然后转换成欧拉角并计算旋转矩阵;步骤S2,基于所述旋转矩阵,与机器设备工作时采集的加速度数据相乘,得到校准加速度计安装误差后的加速度数据。与现有技术相比,本发明利用一个水平面即可校准加速度数据,无需昂贵的校准设备,成本低且实用性强;所述加速度计安装误差校准方法无需借助其他传感器的数据,过程简单易行,降低了加速度计的安装误差带来的影响,可以获得更加准确的加速度数据,从而提高机器人的性能。

    一种机器人的沿边控制方法、芯片及机器人

    公开(公告)号:CN116540689A

    公开(公告)日:2023-08-04

    申请号:CN202210092498.3

    申请日:2022-01-26

    Abstract: 本发明公开一种机器人的沿边控制方法、芯片及机器人,该沿边控制方法包括步骤S1、根据初始沿边起点与未沿边轮廓段在既定沿边方向上的位置关系获取最后未沿边轮廓段;步骤S2、根据初始沿边起点与最后未沿边轮廓段的位置关系、以及最后未沿边轮廓段的轨迹长度来调整机器人沿边行走的方式;其中,最后未沿边轮廓段是属于未沿边轮廓段;其中,初始沿边起点是机器人开始执行沿边行走时所沿的轮廓线中的位置点。从而提高机器人的工作效率。

    基于标签图案的视觉定位控制方法

    公开(公告)号:CN116503478A

    公开(公告)日:2023-07-28

    申请号:CN202310393148.5

    申请日:2023-04-13

    Abstract: 本发明公开基于标签图案的视觉定位控制方法,包括:步骤A、机器人对其摄像头采集的图像进行预处理,再在预处理后的图像内搜索出标签图案的图形属性和顶点;步骤B、基于标签图案的图形属性和顶点,利用单目测距原理计算标签图案与摄像头之间的距离、以及标签图案相对于摄像头的偏转角度;步骤C、判断标签图案与摄像头之间的距离、以及标签图案相对于摄像头的偏转角度是否都满足预设定位条件,是则确定完成对待定位装置的视觉定位,否则执行步骤D;步骤D、根据标签图案与摄像头之间的距离、以及标签图案相对于摄像头的偏转角度,机器人移动至预测位置点,再使用摄像头采集标签图案的图像,然后执行步骤A至步骤C。

    目标检测模型训练方法、目标检测方法、芯片及机器人

    公开(公告)号:CN116433888A

    公开(公告)日:2023-07-14

    申请号:CN202111634444.7

    申请日:2021-12-29

    Abstract: 本发明公开了一种目标检测模型训练方法、目标检测方法、芯片及机器人,所述目标检测模型训练方法包括:步骤S1,基于训练图片中每个类的标签数量,计算每个类的标签占比;步骤S2,基于所述标签占比以及预先获取的平均精度均值,计算每个类的类权重;步骤S3,基于每张训练图片中每个类的标签数量,生成标签数量矩阵,然后根据所述标签数量矩阵以及所述类权重计算训练图片的图片权重;步骤S4,基于所述图片权重,对训练图片进行权重抽样以训练目标检测模型。所述目标检测模型训练方法提高了难样本的抽样权重,增大其被抽中训练的概率,使其能多次被训练,从而解决难样本较难训练的问题,使得目标检测模型的精度大大提升。

Patent Agency Ranking