【技术实现步骤摘要】
基于单目机器人与测距传感器结合的舱门实时定位方法
本专利技术涉及图像模式识别领域及智能机器人
,尤其是指一种基于单目机器人与测距传感器结合的舱门实时定位方法。
技术介绍
机器人技术经过四十多年的发展,已经成为了未来新型制造业的核心装备。如今机器人关键技术日臻成熟,在各个领域广泛应用,发展方向具有种类繁多、形式多样、功能各异等特点。不管是在服务机器人还是工业机器人的关键技术中,机器人的定位、导航和控制技术一直是一大研究热点。随着机器人的应用场景越来越广泛,同时对其智能化的要求越来越高,在工业机器人的舱门装配和服务机器人的室外应用中,舱门的实时检测与定位的问题在智能机器人的技术应用研究中也愈发有价值。因此,一套方便、简单的机器人实时检测与定位舱门的方法也愈发有意义。本专利技术中采用单目视觉与激光测距传感器结合的视觉定位方法,在目前机器视觉的
中,双目视觉和多目视觉一直存在立体匹配的障碍,其对于摄像机的安装也有特定要求;而单目视觉如果仅依靠一个摄像头是无法完成物体的三维定位的,必须借助其他外部已知信息。所以借助测距传感器增加辅助信息后的单目视觉定位方法,既简单补充了单目视觉的三维定位深度信息,又避免了双目视觉中立体匹配困难的问题,从而最终提高舱门实时定位的精度和可行性,达到机器人目标行为的准确性与智能化。
技术实现思路
本专利技术的目的在于针对机器人应用中的需求,提供一套方便、简单的机器人实时检测与定位舱门的方法,该方法可应用于飞机舱门、轮船舱门等类似场景,追求舱门实时定位的准确性与智能化的同时,也保证方案的可行性且简单、易实现。为了实现上述目的,本专利 ...
【技术保护点】
1.基于单目机器人与测距传感器结合的舱门实时定位方法,其特征在于:通过结合激光测距传感器的单目视觉系统来实现机器人对舱门的实时定位,以达到机器人的行为目的,包括以下步骤:1)利用张正友标定算法标定摄像机的内参、畸变参数;2)建立起基于视觉深度的三维定位模型;3)视频图像实时拍摄;4)分割目标区域;5)判断视野内的舱门情况,以使其目标区域位于视野内获得感兴趣区域(ROI);6)根据3)所得结果,利用几何特征精确定位得目标点图像坐标;7)结合测距传感器的深度信息,得到舱门目标点的世界坐标;8)根据所得世界坐标,控制机器人行为。
【技术特征摘要】
1.基于单目机器人与测距传感器结合的舱门实时定位方法,其特征在于:通过结合激光测距传感器的单目视觉系统来实现机器人对舱门的实时定位,以达到机器人的行为目的,包括以下步骤:1)利用张正友标定算法标定摄像机的内参、畸变参数;2)建立起基于视觉深度的三维定位模型;3)视频图像实时拍摄;4)分割目标区域;5)判断视野内的舱门情况,以使其目标区域位于视野内获得感兴趣区域(ROI);6)根据3)所得结果,利用几何特征精确定位得目标点图像坐标;7)结合测距传感器的深度信息,得到舱门目标点的世界坐标;8)根据所得世界坐标,控制机器人行为。2.根据权利要求1所述的基于单目机器人与测距传感器结合的舱门实时定位方法,其特征在于步骤2)包括以下几步:2.1)标定已知位置下的外参首先,外参由旋转矩阵与平移向量构成,即[R|t]=[r1r2r3t],其中s为世界坐标系到图像坐标系的尺度因子,K为摄像机内参,R为旋转矩阵,T为平移向量,H是一个齐次矩阵,根据张正友标定法原理的推导可得:则r3=r1×r2,t=λK-1h3可得该位置下的一组外参[R0|t0];2.2)坐标换算模型需要定义以下几个坐标系:坐标系{C}:摄像机坐标系,原点与光心重合,Z轴为摄像机的光轴;坐标系{S}:机器人上的已知位置三维坐标系,该坐标系需与外参标定板的位置关系已知;坐标系{W}:机器人上的最终世界坐标系,与坐标系{S}的位置关系已知;坐标系{D}:引入一个与坐标系{C}原点重合,即该坐标系与坐标系{C}之间的位置关系只有旋转无平移;且与摄像机坐标系{S}的坐标轴方向一致,即该坐标系与坐标系{S}之间的位置关系只有平移无旋转。通过该坐标系来计算目标点的三维坐标;坐标的整体模型如下:根据上述张正友标定法得到已知位置P0下的一组外参[R0|t0],首先,从坐标系的定义可知,结合该外参标定板和坐标系{S}的已知关系,可获得坐标系{C}下坐标系{S}位置关系的旋转矩阵和平移矩阵计算得到摄像机光心相对于坐标系{S}原点的Z方向上的距离由于坐标系{D}相对于坐标系{C}原点重合,即只有旋转无平移;坐标系{D}相对于坐标系{S}只是原点偏移,即只有平移无旋转,所以也可得到坐标系{D}跟坐标系{S}的关系通过坐标系位置关系的传递可得坐标系{D}与坐标系{C}的关系,如下:最后就可得到归一化的坐标从坐标系{C}转换到坐标系{D},即可计算出对应点的在{D}坐标系下的归一化坐标PD=[XD,YD,ZD]T。3.根据权利要求1所述的基于单目机器人与测距传感器结合的舱门实时定位方法,其特征在于:在步骤3)中,采用摄像头进行图像的实时拍摄,该摄像头安装在机器人部件上,与舱门底边相近高度,且其拍摄方向尽量与舱门平面垂直,以保证摄像头的视场覆盖整个舱门目标区域且镜头畸变较小。4.根据权利要求1所述的基于单目机器人与测距传感器结合的舱门实时定位方法,其特征在于步骤4)中主要步骤如下:4.1)分割舱门的侧边与底边首先机器人的摄像机安装固定,且由于摄像机视场的限制本方案的应用场景为在距离舱门一定范围内拍摄,根据所得图像的像素灰度值进行统计分析,观察得舱门边框的像素分布规律,如针对具有明显标志线的舱门边框,具有同行或同列相邻前一像素灰度值减后一像素的灰度值的灰度差,在舱门边框附近呈类正弦函数的正负峰值分布,故而分割算法可分别计算灰度图的横向、纵向相邻像素灰度差结果,根据舱门侧边、底边的梯度宽度特征介于固定范围内,进行灰度差结果图的阈值二值化运算,可分别得舱门两侧边和底边的提取结果二值图,也即可分别初步提取出舱门的两侧边、底边。4.2)分割ROI在侧边、底边提取结果的基础上进行中值滤波,根据Seed-filling种子填充法进行连通域分析,除去一些太窄/太宽的连通域后,并分别找两条高度最高的连通域connected-D1,connected-D2,以及一条宽度最宽的连通域connected-D3,即为舱门两侧边、底边的提取结果,获得这三条连通域的两端点、高、宽数据,并返回两侧边连通域connected-D1,connected-D2的最底点Pconnected-D1.b、Pconnected-D2.b,以及底边连通域connected-D3的两端点Pconnected-D3.t、Pconnected-D3.b,这四点即为目标附近点;后续基于该步骤的检测结果判断舱门各边的检测情况,并划分舱门图像感兴趣区域(ROI)。5.根据权利要求4所述的基于单目机器人与测距传感器结合的舱门实时定位方法,其特征在于:在步骤5)中,根据步骤4)中所得的四个点Pconnected-D1.b、Pconnected-D2.b、Pconnected-D3.t、Pconnected-D3.b判断视野内的舱门情况,由于舱门在机器人摄像机的视野范围内的不确定性,且有可能只拍摄到舱门的部分区域,故而可分为以下7中情况:情况1:舱门的整个下半部分均不在视野范围内。即满足要求的三条连通域在步骤4)中都未被检测到,返回结果以使机器人随机移动,并进行下一帧的图像处理;情况2:只拍摄到舱门的左/右半侧边,即在步骤4)中只检测到侧边连通域connected-D1/connected-D2中的一条,根据Pconnec...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。