基于离散小波变换的多尺度边缘检测方法

    公开(公告)号:CN111161296B

    公开(公告)日:2023-04-25

    申请号:CN201911408070.X

    申请日:2019-12-31

    Abstract: 本发明公开了一种基于离散小波变换的多尺度边缘检测方法,方法具体如下:S1、针对非极大值抑制图像连续进行两次离散小波变换;S2将信息量最大的未标记的弱边缘点作为当前轮廓跟踪起点并将轮廓跟踪起点进行标记;S3、在第l层图像查找邻域存在强边缘点的弱边缘点若存在弱边缘点与轮廓跟踪起点在第l层图像中不相邻,但在第l+1层图像中相邻,且邻域内均存在强边缘点,则判定弱边缘点与轮廓跟踪起点之间存在一条边缘,并执行步骤S2。提供了精确度更高的轮廓跟踪方式,减少伪边缘的同时,能检测出传统的滞后边界跟踪算法漏检的真实边缘。

    基于离散小波变换的多尺度边缘检测方法

    公开(公告)号:CN111161296A

    公开(公告)日:2020-05-15

    申请号:CN201911408070.X

    申请日:2019-12-31

    Abstract: 本发明公开了一种基于离散小波变换的多尺度边缘检测方法,方法具体如下:S1、针对非极大值抑制图像连续进行两次离散小波变换;S2将信息量最大的未标记的弱边缘点作为当前轮廓跟踪起点 并将轮廓跟踪起点 进行标记;S3、在第l层图像查找邻域存在强边缘点的弱边缘点若存在弱边缘点 与轮廓跟踪起点 在第l层图像中不相邻,但在第l+1层图像中相邻,且邻域内均存在强边缘点,则判定弱边缘点 与轮廓跟踪起点 之间存在一条边缘,并执行步骤S2。提供了精确度更高的轮廓跟踪方式,减少伪边缘的同时,能检测出传统的滞后边界跟踪算法漏检的真实边缘。

    基于色带的移动机器人导航方法及系统

    公开(公告)号:CN111045431B

    公开(公告)日:2022-05-27

    申请号:CN201911410010.1

    申请日:2019-12-31

    Abstract: 本发明公开了一种基于色带的移动机器人导航方法,该方法包括:提取图像中的色带的边缘点;对色带边缘点采用霍夫直线变换进行直线检测,形成轮廓线段;对轮廓线段进行直线拟合,形成若干色带段;检测色带段中的有效色点段,提取有效色带段的色带中心线;计算提取的色带中心线相对于实际的色带中心线的偏转角度及色带垂直方向上的偏移量,若偏移量大于阈值,则移动机器人基于所述偏移量进行纵向纠偏。有效地降低了色带断裂和色带破损对色带导航产生的影响,增强了导航方法的鲁棒性,有效地避免了平行色带布设较近时色带边缘间出现的错误导航情况,确保了色带导航算法的高准确度。

    基于INS及GNSS的网格SLAM的导航系统及方法

    公开(公告)号:CN111025366B

    公开(公告)日:2022-04-01

    申请号:CN201911416097.3

    申请日:2019-12-31

    Abstract: 本发明适用于定位技术领域,提供了一种基于INS及GNSS的网格SLAM的导航方法及系统,包括:S1、检测当前是否存在GNSS定位数据,GNSS定位数据包括:移动机器人的当前位置;S2、若检测结果为是,则将GNSS定位数据中的当前位置作为移动机器人的当前位置,并执行步骤S3,若检测结果为否,则执行步骤S4;S3、将GNSS定位数据及INS模块采集的位姿数据输入EKF滤波模型,EKF滤波模型基于GNSS定位数据对INS模块采集的位姿数据进行修正,同时基于修正后的位姿构建路标地图;S4、基于构建的路标地图获取移动机器人当前在路标地图坐标系中的位置。在GNSS能正常定位时,通过GNSS能实现移动机器人的快速及精准定位;在GNSS拒绝环境下时,通过构建的高精路标地图进行定位,弥补了GNSS的缺陷。

    一种基于5G的工业机器人远程监控诊断系统及方法

    公开(公告)号:CN112643715A

    公开(公告)日:2021-04-13

    申请号:CN202011582399.0

    申请日:2020-12-28

    Abstract: 本发明公开了一种基于5G的工业机器人远程监控诊断系统及方法,系统包括5G工业智能网关、云服务器、诊断终端、工控机,工业机器人的主控制器与工控机连接,在工业机器人工作时,所述工业机器人的主控制器通过ModbusTCP协议将实时数据发送至工控机;所述5G工业智能网关通过轮询的方式向工控机发送数据请求并通过MQTT协议实时采集工控机中的机器人实时运行状态数据,所述5G工业智能网关将采集的工业机器人的运行状态数据发送至云端服务器中;所述诊断通过访问云端服务器获取工业机器人的运行状态数据,用于根据数据进行监控和/或诊断。本发明在线实时监测机器人的关键数据,可以方便远程获取监控数据,方便且有利于做机器人故障诊断分析。

    基于色带的移动机器人导航方法及系统

    公开(公告)号:CN111045431A

    公开(公告)日:2020-04-21

    申请号:CN201911410010.1

    申请日:2019-12-31

    Abstract: 本发明公开了一种基于色带的移动机器人导航方法,该方法包括:提取图像中的色带的边缘点;对色带边缘点采用霍夫直线变换进行直线检测,形成轮廓线段;对轮廓线段进行直线拟合,形成若干色带段;检测色带段中的有效色点段,提取有效色带段的色带中心线;计算提取的色带中心线相对于实际的色带中心线的偏转角度及色带垂直方向上的偏移量,若偏移量大于阈值,则移动机器人基于所述偏移量进行纵向纠偏。有效地降低了色带断裂和色带破损对色带导航产生的影响,增强了导航方法的鲁棒性,有效地避免了平行色带布设较近时色带边缘间出现的错误导航情况,确保了色带导航算法的高准确度。

    基于无线测距的视觉图像全局比例因子估计方法及系统

    公开(公告)号:CN111143756B

    公开(公告)日:2023-10-03

    申请号:CN201911416085.0

    申请日:2019-12-31

    Abstract: 本发明适用于定位技术领域,提供了一种基于无线测距的视觉图像全局比例因子估计方法,包括如下步骤:S1、接收测距锚发送的距离值,所述距离值为测距锚所在位置距测距标签的距离,测距标签布置于移动站上;S2、基于距锚所在位置距测距标签的距离来计算当前位置的正全局尺度因子α0及负全局尺度因子α1;S3、分别基于正全局尺度因子α0及负全局尺度因子α1对当前纳入地图中的路标位置进行修正,并分别计算修正后的路标位置与修正前的路标位置的均方差,将最小均方差对应的全局尺度因子作为当前的全局长度因子。使用其他度量信息可靠地解决基于视觉的单目SLAM(VSLAM)的全局比例因子模糊性。

    基于伪GNSS及INS的制图系统

    公开(公告)号:CN111024062B

    公开(公告)日:2022-03-29

    申请号:CN201911422699.X

    申请日:2019-12-31

    Abstract: 本发明适用于制图技术领域,提供了一种基于伪GNSS和INS的制图系统,包括:运动规划模块,输入移动平台的移动路线,将移动路线发送至控制单元;设于移动平台上的视觉传感器,采集行驶区域的环境数据,提取当前帧环境数据中的路标;GNSS/INS定位单元,在GNSS友好环境中,定位移动平台的当前位姿,将移动平台的当前位姿发送至制图单元;伪GNSS/INS定位单元,在GNSSS拒绝环境中,基于构建的地图来获取移动平台当前的位姿,将移动平台的当前位姿发送至制图单元;制图单元,基于移动平台的当前位姿将当前帧中的未知路标纳入地图中;控制单元,控制移动平台按照设定移动路线移动;在GNSS拒绝环境,采用伪GNSS/INS定位单元实现实际GNSS/INS结构的功能,使得制图系在GNSS富裕环境下及GNSS拒绝环境均能实现制图功能。

    基于无线测距的视觉图像全局比例因子估计方法及系统

    公开(公告)号:CN111143756A

    公开(公告)日:2020-05-12

    申请号:CN201911416085.0

    申请日:2019-12-31

    Abstract: 本发明适用于定位技术领域,提供了一种基于无线测距的视觉图像全局比例因子估计方法,包括如下步骤:S1、接收测距锚发送的距离值,所述距离值为测距锚所在位置距测距标签的距离,测距标签布置于移动站上;S2、基于距锚所在位置距测距标签的距离来计算当前位置的正全局尺度因子α0及负全局尺度因子α1;S3、分别基于正全局尺度因子α0及负全局尺度因子α1对当前纳入地图中的路标位置进行修正,并分别计算修正后的路标位置与修正前的路标位置的均方差,将最小均方差对应的全局尺度因子作为当前的全局长度因子。使用其他度量信息可靠地解决基于视觉的单目SLAM(VSLAM)的全局比例因子模糊性。

    基于INS及GNSS的网格SLAM的导航系统及方法

    公开(公告)号:CN111025366A

    公开(公告)日:2020-04-17

    申请号:CN201911416097.3

    申请日:2019-12-31

    Abstract: 本发明适用于定位技术领域,提供了一种基于INS及GNSS的网格SLAM的导航方法及系统,包括:S1、检测当前是否存在GNSS定位数据,GNSS定位数据包括:移动机器人的当前位置;S2、若检测结果为是,则将GNSS定位数据中的当前位置作为移动机器人的当前位置,并执行步骤S3,若检测结果为否,则执行步骤S4;S3、将GNSS定位数据及INS模块采集的位姿数据输入EKF滤波模型,EKF滤波模型基于GNSS定位数据对INS模块采集的位姿数据进行修正,同时基于修正后的位姿构建路标地图;S4、基于构建的路标地图获取移动机器人当前在路标地图坐标系中的位置。在GNSS能正常定位时,通过GNSS能实现移动机器人的快速及精准定位;在GNSS拒绝环境下时,通过构建的高精路标地图进行定位,弥补了GNSS的缺陷。

Patent Agency Ranking