申请/专利权人：上海土蜂科技有限公司

申请日：2022-03-03

公开（公告）日：2024-04-02

公开（公告）号：CN114626448B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/80;G06T7/50;G06N3/0464;G01S13/89;G01C11/02

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2022.07.01#实质审查的生效;2022.06.14#公开

摘要：本申请涉及测绘的领域，其具体地公开了一种绘图机器人及其控制方法，其通过卷积神经网络模型分别提取出所述预定时间段内的接收信号波形图和多个时间点的深度图在高维空间中的特征分布表示，并利用多层感知机模型对每个所述深度图中的每个像素的方位信息进行转化以得到对应于每个所述深度图的体积密度值，进一步再基于所述第一特征矩阵的每个位置的特征值和其对应的所述体积密度值，对于整个所述第一特征矩阵求和以获得体积渲染值，这样融合所述第一特征向量与所述多个体积渲染值构成的第二特征向量进行分类能够提高分类结果的准确性。这样，可以对所述测绘机器人当前飞行的高度合理性进行准确地判断，以确保空间分辨率满足预设要求。

主权项：1.一种绘图机器人，其特征在于，包括：第一源数据获取单元，用于通过部署于绘图机器人的毫米波雷达获取预定时间段内的接收波的波形图；第一神经网络单元，用于将所述预定时间段的接收波的波形图输入第一卷积神经网络以获得第一特征向量；第二源数据获取单元，用于通过部署于所述绘图机器人的深度相机获取所述预定时间段内的多个时间点的深度图，所述时间点的数目与所述第一特征向量的长度相同；第二神经网络编码单元，用于对于每个所述深度图，将每个所述深度图通过第二卷积神经网络以获得第一特征矩阵；方位信息编码单元，用于对于每个所述深度图，将每个所述深度图中每个像素的方位信息通过多层感知机模型以将每个所述像素的方位信息转化为一个体积密度值以获得对应于每个所述深度图的体积密度值矩阵；体积渲染值计算单元，用于计算所述体积密度值矩阵相对于所述第一特征矩阵的体积渲染值，所述体积渲染值为所述第一特征矩阵中各个位置的特征值和其对应的体积密度值对于整个所述第一特征矩阵进行求和；特征向量构造单元，用于将与所述多个时间点的深度图对应的多个体积渲染值排列为第二特征向量；特征向量融合单元，用于融合所述第一特征向量和所述第二特征向量以获得分类特征向量；以及控制单元，用于将所述分类特征向量通过分类器以获得分类结果，所述分类结果用于表示所述绘图机器人的当前飞行高度是否合适。

全文数据：

权利要求：

百度查询： 上海土蜂科技有限公司 绘图机器人及其控制方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD