移动机器人无期望图像视觉镇定控制制造技术

移动机器人无期望图像视觉镇定控制系统。本文提出了一种新颖的单目视觉伺服策略，在无期望图像的情况下驱动轮式移动机器人到期望位姿。首先，根据已知3D坐标的特征点，估计出特征点坐标系与车载摄像机坐标系之间的变换关系。其次，根据特征点坐标系的投影来定义参考坐标系。然后，得到参考坐标系与机器人当前坐标系之间的关系。最后，利用极坐标控制律将机器人驱动到期望位姿处。与现有的视觉伺服传统模式相比，本方法在没有提前获得期望图像的情况下也能正常工作。仿真结果证明了所提方法的有效性。

【技术实现步骤摘要】
移动机器人无期望图像视觉镇定控制
本专利技术属于计算机视觉与移动机器人的
，可在无期望图像的情况下完成视觉的镇定控制。
技术介绍
随着人工智能的飞速发展，通过视觉信息反馈控制智能设备变得越来越重要，如移动机器人和机械臂。随着社会的发展，智能机器人应用在众多领域。其中，视觉信息的处理是轮式移动机器人和机械臂最重要的功能之一。然而，在视觉伺服控制的实际应用中仍有许多问题需要解决。一般来说，期望图像在移动机器人视觉伺服中扮演着重要的角色。没有期望图像，机器人系统的期望姿态就无法定义。然而，在许多现存的方法中，移动机器人在未知期望图像的情况下不能到达期望位姿。对单目移动机器人来说，在实验或工作期间，由于摄像机的成像原理，外部3D场景在映射到摄像机时变为2D图像平面。因此导致了深度信息的缺失。虽然有很多策略来解决深度信息未知的问题，但它也增加了机器人系统的复杂性。因此，为了在没有期望图像的情况下将移动机器人驱动到期望的位姿处，必须充分利用图像信息来识别场景模型。因此，无期望图像的视觉伺服过程变得更有意义。
技术实现思路
本文基于单目轮式移动机器人，设计了一种在无期望图像的情况下完成视觉镇定控制的策略。本文提出了一种新颖的单目视觉伺服策略，在无期望图像的情况下驱动轮式移动机器人到期望位姿。首先，根据已知3D坐标的特征点，估计出特征点坐标系与车载摄像机坐标系之间的变换关系。其次，根据特征点坐标系的投影来定义参考坐标系。然后，得到参考坐标系与机器人当前坐标系之间的关系。最后，利用极坐标控制律将机器人驱动到期望位姿处。与现有的视觉伺服传统模式相比，本方法在没有提前获得期望图像的情况下也能正常工作。仿真结果证明了所提方法的有效性。本专利技术提供的移动机器人的视觉镇定系统方法包括：移动机器人无期望图像视觉镇定控制系统，其特征包括以下步骤：第1，问题描述第1.1，系统描述设置车载摄像机与移动机器人的坐标系相重合。摄像机在当前位姿处的坐标系定义为以摄像机的光心为的原点。的zcxc表示移动机器人的运动平面，其中zc和摄像机的光轴在相同的方向上。yc垂直于移动机器人的运动平面zcxc，并满足右手定则。无期望图像的视觉伺服坐标系如附图1所示。随机设置四个共面特征点，用于定义以序号为1的特征点作为的原点，序号1与序号2之间的向量作为的xobj轴，特征点平面的法向量是zobj轴。yobj根据右手定则确定。下的特征点的3D坐标通过尺子量取获得。此外，将坐标系的原点投影到机器人运动平面上，作为机器人参考位姿，即的原点。将zobj坐标轴投影到运动平面上，再将其缩放为单位向量，作为的坐标轴zp。yp垂直机器人运动平面向下，xp满足右手定则。定义完之后，在参考坐标系下定义期望位姿将处对应于的旋转角定义为θd。同理，将期望坐标系对应于参考坐标系的x坐标和z坐标分别设置为pTdx和pTdz。第1.2，控制方案移动机器人无期望图像视觉镇定控制系统由三个阶段组成：第一阶段，基于已知特征点的3D坐标，将特征点坐标系定义为然后估计出特征点坐标系和车载摄像机坐标系的变换关系；第二阶段，基于特征点坐标系的投影来定义参考坐标系得到机器人参考坐标系和当前坐标系的关系，通过参考坐标系定义期望位姿最终得到当前位姿和期望位姿之间的相对姿势关系；第三阶段，利用极坐标控制律驱动机器人到期望位姿处。第2，坐标系关系第2.1，和的关系特征图像点坐标和坐标系下特征点坐标分别定义如下：旋转矩阵和平移向量分别定义为和cTobj。根据特征点成像模型可得到如下关系：其中K为相机的内参数矩阵。根据特征点坐标系的定义可知Zobj＝0。因此，旋转矩阵可以写成表示如下：到的单应性矩阵定义为H＝K[r1，r2，cTobj]，考虑到存在比例因子，利用h9对H进行归一化如下：把(4)带入(3)可得如下关系：上式可写为：Ax＝b(24)所以x的最小二乘解为：x＝(ATA)-1ATb(25)此外，根据K[r1，r2，cTobj]＝H可得如下关系：则得到了和cTobj。因此可得相对于的变换矩阵如下：第2.2，期望坐标的确定对应于的旋转角定义为θd。在下的z坐标设置为pTdz，在下的x坐标设置为pTdx。在下的旋转矩阵和平移向量分别表示如下：则在下的变换矩阵为：第2.3，确定和之间的位姿关系已知相对于的转移矩阵为其中，相对于的旋转矩阵和平移向量取：根据投影原理，可以得到在下的旋转矩阵和平移向量分别如下：所以，在下的转移矩阵表示如下：因此，可通过下式计算出在下的转移矩阵：第2.4，机器人运动学图2显示出了移动机器人的极坐标控制，通过使用极坐标来定义移动机器人在期望坐标系下的当前位姿。移动机器人的移动速度和线速度分别设为v和w，的原点和的原点之间的距离记为e，在下的旋转角度表示为φ。并且，在下的方向角定义为θ，zc和e之间的夹角定义为α，可知α＝θ-φ。可得机器人的极坐标运动学方程表示如下：设计线速度控制率为：v＝(γcosα)e(35)采用的角速度控制器为：附图说明：图1为无期望图像的视觉伺服坐标系图2为移动机器人的极坐标系关系图图3为移动机器人的运动轨迹图4为移动机器人在相同初始位姿下到达不同的期位姿的轨迹图5为机器人状态的变化图6为特征点在图像中的二维轨迹图7为移动机器人的线速度和角速度具体实施方式：1、移动机器人无期望图像视觉镇定控制系统，其特征包括以下步骤：第1，问题描述第1.1，系统描述设置车载摄像机与移动机器人的坐标系相重合。摄像机在当前位姿处的坐标系定义为以摄像机的光心为的原点。的zcxc表示移动机器人的运动平面，其中zc和摄像机的光轴在相同的方向上。yc垂直于移动机器人的运动平面zcxc，并满足右手定则。无期望图像的视觉伺服坐标系如附图1所示。随机设置四个共面特征点，用于定义以序号为1的特征点作为的原点，序号1与序号2之间的向量作为的xobj轴，特征点平面的法向量是zobj轴。yobj根据右手定则确定。下的特征点的3D坐标通过尺子量取获得。此外，将坐标系的原点投影到机器人运动平面上，作为机器人参考位姿，即的原点。将zobj坐标轴投影到运动平面上，再将其缩放为单位向量，作为的坐标轴zp。yp垂直机器人运动平面向下，xp满足右手定则。定义完之后，在参考坐标系下定义期望位姿将处对应于的旋转角定义为θd。同理，将期望坐标系对应于参考坐标系的x坐标和z坐标分别设置为pTdx和pTdz。第1.2，控制方案移动机器人无期望图像视觉镇定控制系统由三个阶段组成：第一阶段，基于已知特征点的3D坐标，将特征点坐标系定义为然本文档来自技高网...

【技术保护点】
1.移动机器人无期望图像视觉镇定控制系统，其特征包括以下步骤：/n第1，问题描述/n第1.1，系统描述/n设置车载摄像机与移动机器人的坐标系相重合；摄像机在当前位姿处的坐标系定义为

【技术特征摘要】
1.移动机器人无期望图像视觉镇定控制系统，其特征包括以下步骤：
第1，问题描述
第1.1，系统描述
设置车载摄像机与移动机器人的坐标系相重合；摄像机在当前位姿处的坐标系定义为以摄像机的光心为的原点；的zcxc表示移动机器人的运动平面，其中zc和摄像机的光轴在相同的方向上；yc垂直于移动机器人的运动平面zcxc，并满足右手定则；无期望图像的视觉伺服坐标系如附图1所示；随机设置四个共面特征点，用于定义以序号为1的特征点作为的原点，序号1与序号2之间的向量作为的xobj轴，特征点平面的法向量是zobj轴；yobj根据右手定则确定；下的特征点的3D坐标通过尺子量取获得；此外，将坐标系的原点投影到机器人运动平面上，作为机器人参考位姿，即的原点；将zobj坐标轴投影到运动平面上，再将其缩放为单位向量，作为的坐标轴zp；yp垂直机器人运动平面向下，xp满足右手定则；定义完之后，在参考坐标系下定义期望位姿将处对应于的旋转角定义为θd；同理，将期望坐标系对应于参考坐标系的x坐标和z坐标分别设置为pTdx和pTdz；
第1.2，控制方案
移动机器人无期望图像视觉镇定控制系统由三个阶段组成：第一阶段，基于已知特征点的3D坐标，将特征点坐标系定义为然后估计出特征点坐标系和车载摄像机坐标系的变换关系；第二阶段，基于特征点坐标系的投影来定义参考坐标系得到机器人参考坐标系和当前坐标系的关系，通过参考坐标系定义期望位姿最终得到当前位姿和期望位姿之间的相对姿势关系；第三阶段，利用极坐标控制律驱动机器人到期望位姿处；
第2，坐标系关系
第2.1，和的关系
特征图像点坐标和坐标系下特征点坐标分别定义如下：



旋转矩阵和平移向量分别定义为和cTobj；根据特征点成像模型可得到如下关系：



其中K为相机的内参数矩阵；
根据特征点...

【专利技术属性】
技术研发人员：李宝全，宋志伟，高喜天，师五喜，
申请(专利权)人：天津工业大学，
类型：发明
国别省市：天津;12