-
Patent Agency Ranking
公开(公告)号：CN119444849A
公开(公告)日：2025-02-14
申请号：CN202411446570.3
申请日：2024-10-16
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于点线特征融合的变电站巡检机器人定位和建图方法。本发明使用双目相机采集图像帧中的点线特征，基于自适应准则优化的EDLines算法快速获取优质的长线特征；通过双目相机三角化获取点线特征的空间深度，基于变电站空间深度的长度响应阈值策略过滤冗余线特征。基于点线极特征极平面约束的方法，联合IMU信息与视觉信息，独立估计优化陀螺仪零偏，并更新IMU预积分信息，获得更为精准的巡检机器人初始姿态。制作基于变电站场景的点线特征字典和变电站中大型设备目标检测模型，通过变电站设备路标和点线特征进行闭环检测，对当前关键帧以及之前固定关键帧数的滑动窗口进行快速重定位矫正，最后通过全局BA优化变电站巡检机器人位姿和变电站场景地图，解决了大规模场景误差漂移累计的问题。
-
公开(公告)号：CN114782626A
公开(公告)日：2022-07-22
申请号：CN202210393283.5
申请日：2022-04-14
Applicant: 国网河南省电力公司电力科学研究院 , 杭州电子科技大学 , 国家电网有限公司
Abstract: 本发明公开了一种基于激光与视觉融合的变电站场景建图及定位优化方法，首先获取单线激光雷达、惯性传感器IMU、里程计和双目图像数据，进行预处理；然后进行局部定位与建图，构建子地图；在进行激光线程定位与建图的同时，同步进行对双目图像的处理即视觉线程，实现特征点跟踪，判断关键帧；再对获得的关键帧进行目标检测；最后生成语义地标，并投影至子地图；优化子地图，并进行全局优化。本发明方法结合了基于图优化的定位算法和深度学习的优势，可以得到完整的、可供稳定定位的导航地图，大大缩短了特征匹配时间，极大增加了变电站复杂运维场景下的定位的稳定性，并且使得在变电站场景下的导航更加快速和可靠。
-
公开(公告)号：CN114782626B
公开(公告)日：2024-06-07
申请号：CN202210393283.5
申请日：2022-04-14
Applicant: 国网河南省电力公司电力科学研究院 , 杭州电子科技大学 , 国家电网有限公司
Abstract: 本发明公开了一种基于激光与视觉融合的变电站场景建图及定位优化方法，首先获取单线激光雷达、惯性传感器IMU、里程计和双目图像数据，进行预处理；然后进行局部定位与建图，构建子地图；在进行激光线程定位与建图的同时，同步进行对双目图像的处理即视觉线程，实现特征点跟踪，判断关键帧；再对获得的关键帧进行目标检测；最后生成语义地标，并投影至子地图；优化子地图，并进行全局优化。本发明方法结合了基于图优化的定位算法和深度学习的优势，可以得到完整的、可供稳定定位的导航地图，大大缩短了特征匹配时间，极大增加了变电站复杂运维场景下的定位的稳定性，并且使得在变电站场景下的导航更加快速和可靠。
-
公开(公告)号：CN115407352A
公开(公告)日：2022-11-29
申请号：CN202211003293.X
申请日：2022-08-19
Applicant: 杭州电子科技大学 , 国网河南省电力公司电力科学研究院 , 国家电网有限公司
Abstract: 本发明公开了基于粒子滤波和图优化的机器人定位和建图系统及方法。基于SIR滤波器进行重采样策略优化，使用最小采样方差重采样方法代替简单判断权重大小的重采样方法，有效提高粒子多样性。引入子图系统，同时维护两张活跃子图，一帧激光数据与两张子图构建约束，并通过相关性扫描匹配构建回环约束，进行后端优化。利用非线性最小二乘法最小化误差，优化所有历史位姿与子图位姿，并在优化后的位姿集中继续添加新位姿。本发明使用粒子滤波器作为前端里程计，估计良好的位姿初值，生成局部子图，并结合图优化利用所有时刻信息最小化误差的优势，在满足实时性要求的前提下，获得高精度的位姿和栅格地图，为后续变电站巡检工作提供参考。
-
公开(公告)号：CN114782357A
公开(公告)日：2022-07-22
申请号：CN202210406249.7
申请日：2022-04-18
Applicant: 杭州电子科技大学 , 国网河南省电力公司电力科学研究院 , 国家电网有限公司
Abstract: 本发明公开了一种用于变电站场景的自适应分割系统及方法。自适应分割系统包括变电站巡检机器人、服务器、数据预处理模块、误差判断模块、聚类模块、位姿规范转换模块和数据填补模块；本发明方法通过对点云数据进行处理，通过欧式距离在很大程度上简化在线标定的难度，加强实时性和鲁棒性，在线自标定在变电站环境的新的思路和方法。结合于变电站场景下的点云数据提出一个灵活场景约束应对相机外参变化，在两阶段三维点云分割框架，结合了传统欧几里得算法和深度学习降低点云数据量，加快变电站场景分割速度和准确性，缩短系统运行时间，使得实时性和鲁棒性提高。并进行位姿转换对数据进行填补，使得后续机器人导航更加准确。
-
-
-
-
Search Results
5
records
(took 0.019 seconds)
