使用全向图像确定机器人位置的方法和设备技术

一种使用全向图像确定机器人的位置的方法，所述方法包括：从机器人获取全向图像，从获取的全向图像提取预定的当前线，使用快速傅里叶变换（ＦＦＴ）计算提取的机器人的当前线和预先存储的节点的每条界标线之间的相关系数；和基于计算的相关系数执行粒子滤波的随机化处理方法以识别机器人的位置。

【技术实现步骤摘要】

本专利技术总体构思涉及一种确定机器人的位置的方法(即，定位机器人的 方法)和设备，更具体地讲，涉及一种通过使用机器人上的全向(o腿i-directional)相机获取的全向图像来确定机器人的位置的方法和设备。
技术介绍
通常，全向相机适用于获取全向图像，并且可获耳又在相机的周围的360 度的图像。近来，全向相机被安装到移动机器人上，以识别机器人的当前位置。 已经在1998年6月19日公布的第10-160463号日本早期公开专利(该 专利通过引用包含于此)中公开了上述用于安装在移动机器人上的识别机器 人的位置的全向相机的典型示例。上述第10-160463号日本早期公开专利在 包含在运动空间中的特定位置上设置多个节点，将配备有全向相机的移动机 器人移动到各个节点，并存储在各个节点获取的全向图像。其后，上述第 10-160463号日本早期公开专利将移动机器人移动到特定位置，在所述特定位 置获取全向图像，测量获取的全向图像和预先存储的每个节点的全向图像之 间的相似度，并预测当前位置作为相应节点的起始点，从而可识别机器人的 位置。然而，上述第10-160463号日本早期公开专利使用绝对差和(SAD)相 关值来测量在特定位置的机器人的当前全向图像和预先存储的每个节点的全 向图像之间的相似度。使用SAD相关值的上述示例必须直接对在移动机器人 的每个旋转角度获取的全向图像与在每个节点的全向图像进行比较，从而计 算量与节点数量成比例地呈几何性增加。结果，不可能实时识别机器人的位 置，并且由于由计算量的增加遇到的累计误差使用户难以正确识别机器人的 位置。此外，上述方法不能识别机器人的正确位置，并且被设计为仅粗略地预 测哪个节点邻近机器人，结果用户难以识别机器人的正确位置
技术实现思路
本专利技术总体构思提供一种确定机器人位置的方法，该方法容易地高速处 理安装在机器人上的全向相机的全向图像与地图的参考节点获取的图像之间 的相关系数，从而可基于用作起始点的参考节点容易快速地识别机器人的位置。本专利技术总体构思还提供一种定位机器人的方法，所述方法使用基于安装 在机器人上的全向相机的全向图像与在地图的参考节点图像之间的相关系数 的粒子滤波的随机化方法，使测量数据对噪声和位置误差不敏感，正确地识 别机器人位置，并快速地处理机器人突然移动或被移动到另一位置的不期望情况。将在下面的描述中部分地阐述本专利技术总体构思的附加的方面和/或应用， 部分地，通过描述将是清楚的，或可通过本专利技术总体构思的实践而得知。可通过提供一种使用全向图像定位机器人的方法来实现本专利技术总体构思的前述和/或其他方面及应用，所述方法包括从机器人获取全向图像，从获 取的全向图像提取预定的当前线，使用快速傅里叶变换(FFT)计算提取的 机器人的当前线和预先存储的节点的每条界标线之间的相关系数，选择在该 处计算的相关系数等于或大于预定值的节点；和基于选择的节点识别机器人 的位置。还可通过提供一种使用全向图像定位机器人的方法来实现本专利技术总体构 思的前述和/或其他方面及应用，所述方法包括从机器人获取全向图像，从 获取的全向图像提取预定的当前线，使用快速傅里叶变换(FFT)计算提取 的机器人的当前线和预先存储的节点的每条界标线之间的相关系数，和基于 计算的相关系数执行粒子滤波的随机化处理方法来识别机器人的位置。来实现本专利技术总体构思的前述和/或其他方面及应用，所述方法包括在机器 人可能位于的区域内为预定数量的节点设置 一定数量的界标线，从机器人获 取全向图像，从获取的图像提取当前线，计算当前线和每个节点的界标线之 间的相关系数，和基于计算的相关系数确定机器人的位置。可使用快速傅里叶变换(FFT)方法计算相关系数。可通过下面的等式计算相关系数其中，p(r)是相关系数，r是机器人的旋转角度，Q是互相关值，Q和 Q为相关值。确定位置的步骤可包括选择在该处计算的相关系数等于或大于预定值的节点。确定位置的步骤可包括选择第一数量的节点，在所述第一数量的节点 处计算的相关系数等于或大于预定值，将当前线修改为多条重叠(wrapped) 的当前线，从而在每条重叠的当前线上的空间对象与第 一数量的节点的每条 界标线上的相应空间对象在相同位置，计算重叠的当前线与第 一数量的节点 的界标线之间的第二相关系数，从所述第 一数量的节点中选择第二数量的节 点，在所述第二数量的节点处计算的第二相关系数等于或大于第二预定值， 并基于选择的第二数量的节点识别机器人的位置。修改当前线的步骤包括提取当前线的边缘以及第一数量的节点的每条 界标线的边缘，并将当前线的边缘和界标线的边缘相匹配。位置的识别步骤可使用粒子滤波的随机化处理以确定机器人的位置。位置的识别步骤可包括基于机器人邻近的节点将粒子随机地散布在机 器人可能位于的区域，基于指示机器人位于散布的粒子处的概率值提取粒子， 并基于提取的粒子识别机器人的当前位置，其中，基于第二相关系数从第二 数量的节点中选择所述机器人邻近的节点。位置的识别步骤可包括基于特定节点将粒子随机地散布在机器人可能 位于的区域，基于指示机器人位于散布的粒子处的概率值向粒子分配权重， 基于添加权重的值随机地提取散布的粒子，并基于随机提取的粒子识别机器 人的当前位置，其中，根据计算的相关系数从第二数量的节点中确定所述特 定节点。所述预定值和所述第二预定值可以相同。所述边缘可以是这样的端点，在所述端点处当前线的每个RGB改变至少 第三预定值。也可通过提供包括用于使用全向图像来定位机器人的计算机可读代码的 计算机可读记录介质来实现本专利技术总体构思的前述和/或其他方面及应用，所 述计算机可读代码包括从机器人获取全向图像，从获取的全向图像提取预定的当前线，使用快速傅里叶变换(FFT)计算提取的机器人的当前线和预先存储的节点的每条界标线之间的相关系数，选择在该处计算的相关系数等 于或大于预定值的节点，和基于选择的节点识别机器人的位置。还可通过提供一种机器人定位设备来实现本专利技术总体构思的前述和/或其他方面及应用，所述设备包括机器人主体；全向相机，安装在机器人主 体上以获取全向图像；和控制器，从获取的全向图像提取预定的当前线，使 用快速傅里叶变换(FFT)计算提取的机器人的当前线和预先存储的机器人 可位于的区域的节点的每条界标线之间的相关系数，并选4奪在该处计算的相 关系数等于或大于预定值的节点以基于选择的节点来识别机器人的位置。 所述控制器可安装在机器人主体上。所述控制器可与主体分离地安装，并且可与机器人主体和全向相机中的 至少一个进ft通叶言。附图说明通过下面结合附图对实施例进行的详细描述，本专利技术总体构思的这些和/ 或其他方面以及优点将会变得清楚和更容易理解，其中图1示出根据本专利技术总体构思的实施例的配备有全向相机的移动机器人；图2是示出根据本专利技术总体构思的实施例的图1中示出的全向相机的示意图；图3是示出根据本专利技术总体构思的实施例的定位机器人的方法的框图； 图4示出根据本专利技术总体构思的实施例的由图1的全向相机获取的全向图像；图5示出根据本专利技术总体构思的实施例的在图4中示出的全向图像的当前线；图6示出根据本专利技术总体构思的实施例的机器人定位系统的示图；图7是示出根据本专利技术总体构思的实施例的定位机器人的方法的流程图；图8是示本文档来自技高网...

【技术保护点】
一种使用全向图像定位机器人的方法，所述方法包括：　　　　从机器人获取全向图像；　　　　从获取的全向图像提取预定的当前线；　　　　使用快速傅里叶变换计算提取的机器人的当前线和预先存储的节点的每条界标线之间的相关系数；　　　　选择在该处计算的相关系数等于或大于预定值的节点；和　　　　基于选择的节点识别机器人的位置。

【技术特征摘要】
...

【专利技术属性】
技术研发人员：尹硕浚，卢庆植，韩宇燮，闵丞基，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：KR[韩国]