CN110069057A - 一种基于机器人的障碍物感测方法 - Google Patents
一种基于机器人的障碍物感测方法 Download PDFInfo
- Publication number
- CN110069057A CN110069057A CN201810069508.5A CN201810069508A CN110069057A CN 110069057 A CN110069057 A CN 110069057A CN 201810069508 A CN201810069508 A CN 201810069508A CN 110069057 A CN110069057 A CN 110069057A
- Authority
- CN
- China
- Prior art keywords
- robot
- obstacle
- barrier
- preset direction
- sensing method
- 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
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Acoustics & Sound (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明涉及一种基于机器人的障碍物感测方法，所述机器人包括控制器、超声波距离传感器、摄像机，所述基于机器人的障碍物感测方法包括以下步骤：所述控制器控制机器人沿第一预设方向行走；所述超声波距离传感器预设间隔时间内发射超声波探测前方是否有障碍物，若机器人距前方障碍物的距离小于预设值时，启动所述摄像机；所述摄像机采集障碍物图像，得到障碍物类型；根据所述障碍物类型，获取机器人侧面边缘与所述障碍物的最外轮廓点的连线与所述第一预设方向之间的最大夹角；所述机器人向第一预设方向偏移第一预设夹角的第二预设方向行走，所述第一预设夹角大于所述最大夹角。
Description
技术领域
本发明涉及机器人技术领域，尤其涉及一种基于机器人的障碍物感测方法。
背景技术
随着机器人技术的不断发展，越来越多的机器人开始替代人类执行各种任务。机器人是自动控制机器(Robot)的俗称，自动控制机器包括一切模拟人类行为或思想与模拟其他生物的机械(如机器狗，机器猫等)。狭义上对机器人的定义还有很多分类法及争议，有些电脑程序甚至也被称为机器人。在当代工业中，机器人指能自动执行任务的人造机器装置，用以取代或协助人类工作。理想中的高仿真机器人是高级整合控制论、机械电子、计算机与人工智能、材料学和仿生学的产物，目前科学界正在向此方向研究开发，但是机器人远程控制还不完善，大数据的应用还没有普及，机器人的数据采集还处于离线状态，机器人深度学习也来自于本机数据的储存。
机器人远程控制可以使操作人员远离危险性的操作环境，实现机器人网络集成控制，提高经济效益。
移动机器人实现自主导航的关键要求就是避障，避障是指移动机器人根据采集的障碍物的状态信息，在行走过程中通过传感器感知到妨碍其通行的静态和动态物体时，按照一定的方法进行有效地避障，最后达到目标点。那么如何规划避障路线就成了研究的关键。
因此，如何规划避障路线，对障碍物进行定位，记录障碍物的信息，以防机器人撞上障碍物，不影响机器人的正常行走，成为本领域技术人员亟待解决的技术难题。
发明内容
本发明的目的是提供一种基于机器人的障碍物感测方法，能够精确规划避障路线，并对障碍物进行定位，将绕行障碍物的行驶路径至地图数据存储单元，在下次使用机器人时，减少机器人重复检测障碍物的时间和能耗。
为了实现上述目的，本发明提供了一种基于机器人的障碍物感测方法，所述机器人包括定位单元、控制器、超声波距离传感器、摄像机、路径检测单元以及地图数据存储单元，所述基于机器人的障碍物感测方法包括以下步骤：
启动机器人，对所述机器人电量进行检测，若电量不足则报警；所述定位单元为自己的当前位置进行定位，取得初始位置数据；
所述控制器控制机器人沿第一预设方向行走，所述路径检测单元同时记录自身的行驶路径；
所述超声波距离传感器预设间隔时间内发射超声波探测前方是否有障碍物，若机器人距前方障碍物的距离小于预设值时，启动所述摄像机，并通过定位单元对障碍物的位置进行定位；
所述摄像机采集障碍物图像，基于彩色图像的阈值分割法对障碍物图像进行分割，障碍物图像为二值图像，用边界跟踪算法找出障碍物图像的轮廓，获得障碍物图像区域，计算出障碍物图像区域的形心，从所述形心向障碍物图像的轮廓画出均匀相同夹角的射线，所述射线与障碍物图像的轮廓之间的焦点作为障碍物特征点；
将所述机器人距前方障碍物的距离和所述障碍物特征点输入神经网络，由神经网络进行融合处理，得到障碍物类型和障碍物位置信息，并将障碍物类型和障碍物位置信息存储至地图数据存储单元；
根据所述障碍物类型，获取机器人侧面边缘与所述障碍物的最外轮廓点的连线与所述第一预设方向之间的最大夹角；
所述机器人向第一预设方向偏移第一预设夹角的第二预设方向行走，所述第一预设夹角大于所述最大夹角；
所述超声波距离传感器判断前方是否具有障碍物，若否，所述控制器控制机器人沿第一预设方向行走；若是，所述控制器控制机器人沿所述第二预设方向行走，所述路径检测单元记录机器人避开障碍物的行驶路径，并将行驶路径存储至地图数据存储单元。
优选的，所述障碍物特征点的数量为32个作为神经网络的输入节点，所述神经网络的输出节点为8个。
优选的，所述神经网络的输出节点中的最大值作为障碍物类型。
优选的，所述超声波距离传感器为包含有4*4个传感器矩阵的超声波距离传感器。
优选的，所述超声波距离传感器检测到的距离值中的最小距离值为机器人与障碍物之间的距离。
优选的，所述机器人沿第一预设方向行走时，还包括：所述机器人的侧部设有红外传感器和接收器，所述红外传感器向侧向发送红外信号，所述接收器接收反射回的红外信号，通过所接收的红外信号判断机器人是否沿第一预设方向继续行走。
优选的， 预设间隔时间为50毫秒-100毫秒。
本发明提供的基于机器人的障碍物感测方法，通过检测障碍物的类型并对障碍物进行定位，合理规划出躲避障碍物的行走路线，并将躲避障碍物的行走路线存储至地图数据存储单元，可以防止机器人撞上障碍物，使得机器人在遇到障碍物时也能正常行走，在下次使用机器人时，还可减少机器人重复检测障碍物的时间和能耗。
附图说明
图1为本发明提供的基于机器人的障碍物感测方法的一种具体实施方式的流程示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
请参看图1，图1为本发明提供的基于机器人的障碍物感测方法的一种具体实施方式的流程示意图。
如图1所示，本发明提供了一种基于机器人的障碍物感测方法，所述机器人包括定位单元、控制器、超声波距离传感器、摄像机、路径检测单元以及地图数据存储单元，所述基于机器人的障碍物感测方法包括以下步骤：
启动机器人，对所述机器人电量进行检测，若电量不足则报警；所述定位单元为自己的当前位置进行定位，取得初始位置数据；
所述控制器控制机器人沿第一预设方向行走，所述路径检测单元同时记录自身的行驶路径；
所述超声波距离传感器预设间隔时间内发射超声波探测前方是否有障碍物，若机器人距前方障碍物的距离小于预设值时，启动所述摄像机，并通过定位单元对障碍物的位置进行定位；
所述摄像机采集障碍物图像，基于彩色图像的阈值分割法对障碍物图像进行分割，障碍物图像为二值图像，用边界跟踪算法找出障碍物图像的轮廓，获得障碍物图像区域，计算出障碍物图像区域的形心，从所述形心向障碍物图像的轮廓画出均匀相同夹角的射线，所述射线与障碍物图像的轮廓之间的焦点作为障碍物特征点；
将所述机器人距前方障碍物的距离和所述障碍物特征点输入神经网络，由神经网络进行融合处理，得到障碍物类型和障碍物位置信息，并将障碍物类型和障碍物位置信息存储至地图数据存储单元；
根据所述障碍物类型，获取机器人侧面边缘与所述障碍物的最外轮廓点的连线与所述第一预设方向之间的最大夹角；
所述机器人向第一预设方向偏移第一预设夹角的第二预设方向行走，所述第一预设夹角大于所述最大夹角；
所述超声波距离传感器判断前方是否具有障碍物，若否，所述控制器控制机器人沿第一预设方向行走；若是，所述控制器控制机器人沿所述第二预设方向行走，所述路径检测单元记录机器人避开障碍物的行驶路径，并将行驶路径存储至地图数据存储单元。
本发明中基于彩色图像的阈值分割法对障碍物图像进行分割，障碍物图像中与颜色相关的H、S分量不随光照条件的变化而变化，受光照条件影响的I分量与图像的彩色信息无关，将RGB图像转为为HIS空间的图像，处理H、S两个字节的分量，在不同的光照条件下均能获得较为鲁棒的颜色特征。
本发明提供的基于机器人的障碍物感测方法，通过检测障碍物的类型，合理规划出躲避障碍物的行走路线，可以防止机器人撞上障碍物，使得机器人在遇到障碍物时也能正常行走。
优选的方案中，所述障碍物特征点的数量为32个作为神经网络的输入节点，所述神经网络的输出节点为8个。将所述障碍物特征点的数量设为32个，所述神经网络的输出节点设为8个，可以准确地获取障碍物的类型。
优选的方案中，所述神经网络的输出节点中的最大值作为障碍物类型，可以防止机器人越过障碍物时碰到障碍物。
具体的方案中，所述超声波距离传感器为包含有4*4个传感器矩阵的超声波距离传感器。
进一步的方案中，所述超声波距离传感器检测到的距离值中的最小距离值为机器人与障碍物之间的距离。
优选的方案中，所述机器人沿第一预设方向行走时，还包括：所述机器人的侧部设有红外传感器和接收器，所述红外传感器向侧向发送红外信号，所述接收器接收反射回的红外信号，通过所接收的红外信号判断机器人是否沿第一预设方向继续行走。采用这种方案可以防止机器人在行走过程中偏离规划路线。
优选的方案中，预设间隔时间为50毫秒-100毫秒，可以及时检测出前方是否有障碍物。
以上依据图式所示的实施例详细说明了本发明的构造、特征及作用效果，以上所述仅为本发明的较佳实施例，但本发明不以图面所示限定实施范围，凡是依照本发明的构想所作的改变，或修改为等同变化的等效实施例，仍未超出说明书与图示所涵盖的精神时，均应在本发明的保护范围内。
Claims (7)
1.一种基于机器人的障碍物感测方法，所述机器人包括定位单元、控制器、超声波距离传感器、摄像机、路径检测单元以及地图数据存储单元，其特征在于，所述基于机器人的障碍物感测方法包括以下步骤：
启动机器人，对所述机器人电量进行检测，若电量不足则报警；所述定位单元为自己的当前位置进行定位，取得初始位置数据；
所述控制器控制机器人沿第一预设方向行走，所述路径检测单元同时记录自身的行驶路径；
所述超声波距离传感器预设间隔时间内发射超声波探测前方是否有障碍物，若机器人距前方障碍物的距离小于预设值时，启动所述摄像机，并通过定位单元对障碍物的位置进行定位；
所述摄像机采集障碍物图像，基于彩色图像的阈值分割法对障碍物图像进行分割，障碍物图像为二值图像，用边界跟踪算法找出障碍物图像的轮廓，获得障碍物图像区域，计算出障碍物图像区域的形心，从所述形心向障碍物图像的轮廓画出均匀相同夹角的射线，所述射线与障碍物图像的轮廓之间的焦点作为障碍物特征点；
将所述机器人距前方障碍物的距离和所述障碍物特征点输入神经网络，由神经网络进行融合处理，得到障碍物类型和障碍物位置信息，并将障碍物类型和障碍物位置信息存储至地图数据存储单元；
根据所述障碍物类型，获取机器人侧面边缘与所述障碍物的最外轮廓点的连线与所述第一预设方向之间的最大夹角；
所述机器人向第一预设方向偏移第一预设夹角的第二预设方向行走，所述第一预设夹角大于所述最大夹角；
所述超声波距离传感器判断前方是否具有障碍物，若否，所述控制器控制机器人沿第一预设方向行走；若是，所述控制器控制机器人沿所述第二预设方向行走，所述路径检测单元记录机器人避开障碍物的行驶路径，并将行驶路径存储至地图数据存储单元。
2.根据权利要求1所述的基于机器人的障碍物感测方法，其特征在于，所述障碍物特征点的数量为32个作为神经网络的输入节点，所述神经网络的输出节点为8个。
3.根据权利要求2所述的基于机器人的障碍物感测方法，其特征在于，所述神经网络的输出节点中的最大值作为障碍物类型。
4.根据权利要求1所述的基于机器人的障碍物感测方法，其特征在于，所述超声波距离传感器为包含有4*4个传感器矩阵的超声波距离传感器。
5.根据权利要求4所述的基于机器人的障碍物感测方法，其特征在于，所述超声波距离传感器检测到的距离值中的最小距离值为机器人与障碍物之间的距离。
6.根据权利要求1所述的基于机器人的障碍物感测方法，其特征在于，所述机器人沿第一预设方向行走时，还包括：所述机器人的侧部设有红外传感器和接收器，所述红外传感器向侧向发送红外信号，所述接收器接收反射回的红外信号，通过所接收的红外信号判断机器人是否沿第一预设方向继续行走。
7.根据权利要求1所述的基于机器人的障碍物感测方法，其特征在于， 预设间隔时间为50毫秒-100毫秒。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810069508.5A CN110069057A (zh) | 2018-01-24 | 2018-01-24 | 一种基于机器人的障碍物感测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810069508.5A CN110069057A (zh) | 2018-01-24 | 2018-01-24 | 一种基于机器人的障碍物感测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110069057A true CN110069057A (zh) | 2019-07-30 |
Family
ID=67365583
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810069508.5A Pending CN110069057A (zh) | 2018-01-24 | 2018-01-24 | 一种基于机器人的障碍物感测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110069057A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111292292A (zh) * | 2020-01-16 | 2020-06-16 | 深圳市施罗德工业集团有限公司 | 管道障碍物检测方法、装置、管道机器人和可读存储介质 |
| CN113970917A (zh) * | 2020-07-06 | 2022-01-25 | 科沃斯商用机器人有限公司 | 导航方法、装置、自移动机器人和存储介质 |
| CN115268438A (zh) * | 2022-07-18 | 2022-11-01 | 松灵机器人(深圳)有限公司 | 智能避障方法、装置、割草机器人以及存储介质 |
| CN115933752A (zh) * | 2023-02-16 | 2023-04-07 | 杭州硬十科技有限公司 | 一种基于ai的无人机动态避障预测控制方法 |
| WO2023071967A1 (zh) * | 2021-10-29 | 2023-05-04 | 追觅创新科技(苏州)有限公司 | 自移动设备、自移动设备的障碍物边缘确定方法及介质 |
| CN117908031A (zh) * | 2024-01-20 | 2024-04-19 | 广东图灵智新技术有限公司 | 一种机器人自主导航系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100727033B1 (ko) * | 2005-12-07 | 2007-06-12 | 한국전자통신연구원 | 네트워크 기반 지능형 서비스 로봇의 비전 처리 장치 및방법과 이를 이용한 시스템 |
| CN101758827A (zh) * | 2010-01-15 | 2010-06-30 | 南京航空航天大学 | 一种未知环境下基于行为融合的智能探测车自主避障方法 |
| CN102831298A (zh) * | 2012-07-30 | 2012-12-19 | 北京理工大学 | 一种用于目标发生器的目标实时路径规划方法 |
| CN103431812A (zh) * | 2013-08-02 | 2013-12-11 | 南京航空航天大学金城学院 | 一种基于超声雷达探测的清洁机器人及其行走控制方法 |
| CN104777839A (zh) * | 2015-04-16 | 2015-07-15 | 北京工业大学 | 基于bp神经网络和距离信息的机器人自主避障方法 |
| CN105425828A (zh) * | 2015-11-11 | 2016-03-23 | 山东建筑大学 | 基于传感器融合技术的机器人防碰撞冲击双臂协调控制系统 |
| CN105511478A (zh) * | 2016-02-23 | 2016-04-20 | 百度在线网络技术（北京）有限公司 | 应用于扫地机器人的控制方法、扫地机器人及终端 |
| CN106054881A (zh) * | 2016-06-12 | 2016-10-26 | 京信通信系统（广州）有限公司 | 一种执行终端的避障方法及执行终端 |
| CN106383518A (zh) * | 2016-09-29 | 2017-02-08 | 国网重庆市电力公司电力科学研究院 | 一种多传感器隧道机器人避障控制系统及方法 |
| CN107390703A (zh) * | 2017-09-12 | 2017-11-24 | 北京创享高科科技有限公司 | 一种智能化导盲机器人及其导盲方法 |
-
2018
- 2018-01-24 CN CN201810069508.5A patent/CN110069057A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100727033B1 (ko) * | 2005-12-07 | 2007-06-12 | 한국전자통신연구원 | 네트워크 기반 지능형 서비스 로봇의 비전 처리 장치 및방법과 이를 이용한 시스템 |
| CN101758827A (zh) * | 2010-01-15 | 2010-06-30 | 南京航空航天大学 | 一种未知环境下基于行为融合的智能探测车自主避障方法 |
| CN102831298A (zh) * | 2012-07-30 | 2012-12-19 | 北京理工大学 | 一种用于目标发生器的目标实时路径规划方法 |
| CN103431812A (zh) * | 2013-08-02 | 2013-12-11 | 南京航空航天大学金城学院 | 一种基于超声雷达探测的清洁机器人及其行走控制方法 |
| CN104777839A (zh) * | 2015-04-16 | 2015-07-15 | 北京工业大学 | 基于bp神经网络和距离信息的机器人自主避障方法 |
| CN105425828A (zh) * | 2015-11-11 | 2016-03-23 | 山东建筑大学 | 基于传感器融合技术的机器人防碰撞冲击双臂协调控制系统 |
| CN105511478A (zh) * | 2016-02-23 | 2016-04-20 | 百度在线网络技术（北京）有限公司 | 应用于扫地机器人的控制方法、扫地机器人及终端 |
| CN106054881A (zh) * | 2016-06-12 | 2016-10-26 | 京信通信系统（广州）有限公司 | 一种执行终端的避障方法及执行终端 |
| CN106383518A (zh) * | 2016-09-29 | 2017-02-08 | 国网重庆市电力公司电力科学研究院 | 一种多传感器隧道机器人避障控制系统及方法 |
| CN107390703A (zh) * | 2017-09-12 | 2017-11-24 | 北京创享高科科技有限公司 | 一种智能化导盲机器人及其导盲方法 |
Non-Patent Citations (1)
| Title |
|---|
| 戈新良等: "基于多传感器融合的机器人障碍物检测和识别", 《计算机仿真》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111292292A (zh) * | 2020-01-16 | 2020-06-16 | 深圳市施罗德工业集团有限公司 | 管道障碍物检测方法、装置、管道机器人和可读存储介质 |
| CN111292292B (zh) * | 2020-01-16 | 2023-09-26 | 深圳市施罗德工业集团有限公司 | 管道障碍物检测方法、装置、管道机器人和可读存储介质 |
| CN113970917A (zh) * | 2020-07-06 | 2022-01-25 | 科沃斯商用机器人有限公司 | 导航方法、装置、自移动机器人和存储介质 |
| WO2023071967A1 (zh) * | 2021-10-29 | 2023-05-04 | 追觅创新科技(苏州)有限公司 | 自移动设备、自移动设备的障碍物边缘确定方法及介质 |
| CN115268438A (zh) * | 2022-07-18 | 2022-11-01 | 松灵机器人(深圳)有限公司 | 智能避障方法、装置、割草机器人以及存储介质 |
| CN115933752A (zh) * | 2023-02-16 | 2023-04-07 | 杭州硬十科技有限公司 | 一种基于ai的无人机动态避障预测控制方法 |
| CN117908031A (zh) * | 2024-01-20 | 2024-04-19 | 广东图灵智新技术有限公司 | 一种机器人自主导航系统 |
| CN117908031B (zh) * | 2024-01-20 | 2024-08-02 | 广东图灵智新技术有限公司 | 一种机器人自主导航系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110069057A (zh) | 一种基于机器人的障碍物感测方法 | |
| KR102348041B1 (ko) | 복수의 이동 로봇을 포함하는 로봇 시스템의 제어 방법 | |
| US11407116B2 (en) | Robot and operation method therefor | |
| CN113296495B (zh) | 自移动设备的路径形成方法、装置和自动工作系统 | |
| US10127677B1 (en) | Using observations from one or more robots to generate a spatio-temporal model that defines pose values for a plurality of objects in an environment | |
| WO2021103987A1 (zh) | 扫地机器人控制方法、扫地机器人及存储介质 | |
| US8060272B2 (en) | System and method for image mapping and visual attention | |
| CN110069056A (zh) | 一种应用于扫地机器人的行走控制方法 | |
| US11547261B2 (en) | Moving robot and control method thereof | |
| Tölgyessy et al. | The Kinect sensor in robotics education | |
| WO2017092565A1 (zh) | 充电系统和充电方法、计算机存储介质 | |
| US20190184569A1 (en) | Robot based on artificial intelligence, and control method thereof | |
| US11347226B2 (en) | Method of redefining position of robot using artificial intelligence and robot of implementing thereof | |
| CN106092091A (zh) | 电子机器设备 | |
| CN106647738A (zh) | 一种无人搬运车的对接路径确定方法及系统及无人搬运车 | |
| CN107214700A (zh) | 一种机器人自主巡逻方法 | |
| CN115373408A (zh) | 清洁机器人及其控制方法、装置、设备及存储介质 | |
| Sprute et al. | This far, no further: Introducing virtual borders to mobile robots using a laser pointer | |
| Chikhalikar et al. | An object-oriented navigation strategy for service robots leveraging semantic information | |
| CN110065061A (zh) | 一种机器人行走控制方法 | |
| Tsun et al. | Exploring the performance of a sensor-fusion-based navigation system for human following companion robots | |
| Ochiai et al. | Remote control system for multiple mobile robots using touch panel interface and autonomous mobility | |
| CN118650608A (zh) | 工业机器人多感知融合下的协同方法以及系统 | |
| CN110955263A (zh) | 移动机器人的主动感知与自主趋近方法及移动机器人系统 | |
| US12001216B2 (en) | Carpet detection method, movement control method, and mobile machine using the same |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190730 |
|
| RJ01 | Rejection of invention patent application after publication |