基于点云地图动态加载的自主移动装置定位方法

    公开(公告)号:CN113375664A

    公开(公告)日:2021-09-10

    申请号:CN202110643205.1

    申请日:2021-06-09

    Abstract: 本发明公开了一种基于点云地图动态加载的自主移动装置定位方法,包括:步骤一,标定,通过构建惯性传感器IMU的误差模型,将IMU与激光雷达Lidar进行在线标定与对准;步骤二,构建地图,设置点云加载规则,移动平台搭载标定后的激光雷达与IMU录制bag包,对bag包基于降采样的loam算法进行地图构建;步骤三,对构建后的地图进行模块化分区处理,以得到多个可供机器人加载的区块地图,且相邻的区块地图之间预留加载区;步骤四,地图映射。本发明提供一种基于点云地图动态加载的自主移动装置定位方法,消除载体在移动匹配时因人为误差导致的定位偏差,极大提高了初始加载速度,保证巡检机器人在移动过程中的移动速度与匹配速度保持稳定,实现全时定位的可靠性。

    基于点云地图动态加载的自主移动装置定位方法

    公开(公告)号:CN113375664B

    公开(公告)日:2023-09-01

    申请号:CN202110643205.1

    申请日:2021-06-09

    Abstract: 本发明公开了一种基于点云地图动态加载的自主移动装置定位方法,包括:步骤一,标定,通过构建惯性传感器IMU的误差模型,将IMU与激光雷达Lidar进行在线标定与对准;步骤二,构建地图,设置点云加载规则,移动平台搭载标定后的激光雷达与IMU录制bag包,对bag包基于降采样的loam算法进行地图构建;步骤三,对构建后的地图进行模块化分区处理,以得到多个可供机器人加载的区块地图,且相邻的区块地图之间预留加载区;步骤四,地图映射。本发明提供一种基于点云地图动态加载的自主移动装置定位方法,消除载体在移动匹配时因人为误差导致的定位偏差,极大提高了初始加载速度,保证巡检机器人在移动过程中的移动速度与匹配速度保持稳定,实现全时定位的可靠性。

    基于深度学习与稀疏场景流结合的运动目标检测方法

    公开(公告)号:CN115240166A

    公开(公告)日:2022-10-25

    申请号:CN202210870775.9

    申请日:2022-07-22

    Abstract: 本发明公开了一种基于深度学习与稀疏场景流结合的运动目标检测方法,包括:步骤一,基于深度学习网络对双目相机采集的道路环境数据图像进行分割,以提取道路环境数据图像中的静止区域和潜在运动区域,并基于提取的静止区域的特征点确定相机自运动参数;步骤二,通过相机自运动参数将相机前后两帧的特征点坐标系进行统一,以计算潜在运动区域稀疏场景流;步骤三,基于每个场景流估计的不确定性,设置动态阈值以判断目标的运动状态。本发明提供一种基于深度学习与稀疏场景流结合的运动目标检测方法,能够有效的提升运动目标检测精度。

    无人农机群协同系统及其应用方法

    公开(公告)号:CN113608551A

    公开(公告)日:2021-11-05

    申请号:CN202110918766.8

    申请日:2021-08-11

    Abstract: 本发明公开了一种无人农机群协同系统及其应用方法,包括:对农作物生长数据进行实时获取的采集单元;与采集系统通信连接的中央群控单元;与中央群控单元通信连接的执行单元;所述采集单元被配置为包括:预埋在作物园区的多个探针;巡检机器人;对土壤颜色进行实时获取的无人机;对作物生长情况进行定期巡查的预测模块;所述执行单元被配置为包括:与中央群控单元相配合以对作物进行管理的喷药模块、采摘模块、除草模块。本发明提供一种无人农机群协同系统及其应用方法,提供与多种作业模块配合的巡检机器人,由核心的中央群控单元统一进行调配,实现对整个作业园区的监控,且可针对性地对不同的作物情况进行巡检、施肥、除草、产量预测等操作。

Patent Agency Ranking