结构化环境下机器人自主目标识别与高精度绝对定位方法技术

本发明专利技术提供的一种结构化环境下机器人自主目标识别与高精度绝对定位方法，通过具有自主移动和图像采集功能的机器人，利用图像采集传感器对工作环境整体进行图像采集并拼接为全局图像，借此对机器人进行目标识别和定位，本发明专利技术的定位方式是可间断的，建立了全局图像之后的任意时间都可以对机器人定位，避免了断电的风险，使机器人的定位更加灵活、可靠，特别适用于需要机器人通过视觉识别在工作环境中进行特定工作的任务，在其一边图像识别的过程中一边进行定位，避免使用GPS、加速度计等辅助定位模块的方法，进一步简化了机器人自主目标识别和定位方法，提高了机器的智能化和自适应性。

【技术实现步骤摘要】
结构化环境下机器人自主目标识别与高精度绝对定位方法
本专利技术涉及定位算法领域，特别是涉及一种结构化环境下机器人自主目标识别与高精度绝对定位方法。
技术介绍
自上世纪50年代以来，机器人视觉的概念在不断地发展、扩充，从单目图像识别到双目图像识别，机器人视觉识别的技术在日渐完善，又有广阔的发展前景。对于移动机器人来说，如何在移动的环境中确定自身的位置是一个关键的技术问题。目前在移动机器人领域，一个通用的技术方法是通过使用IMU惯性测量技术，它的原理是通过多个相互正交的加速度计来记录物体移动的轨迹。但是这种方法必须保持运动的连贯性，一旦出现记录中断，便会出现误差，必须重新标定。因此，解决这一类的问题显得尤为重要。
技术实现思路
针对上述问题，本专利技术提供了种基于视觉的简便机器人自主识别与定位方法，提供机器人定位方法的同时，可以实现断电定位、重复定位且不依赖环境的变化。为了实现上述技术方案，本专利技术提供了一种基于结构化环境信息的简便机器人目标识别与定位方法,包括有全局图像的构建和局部图像的匹配，首先建立全局图像以作为机器人定位的依据，然后可以进行任意的局部图像的匹配；所述全局图像的构建是把机器人放置在工作环境中，机器人在工作环境中进行自主运动，同时机器人上的图像采集传感器进行工作，随着机器人的运动不断采集图像，并进行拼接形成一张全局图像；所述的局部图像的匹配是在建立了全局图像之后，当机器人在任意位置时，通过机器人驱动其身上的图像传感器，拍摄当前所在位置的图像，并将机器人再次拍摄的图像在全局图像中进行搜索匹配，来确定机器人此时所在的位置，然后通过当前所在位置，规划出机器人前往目标工作位点的路线。进一步改进在于，所述全局图像构建的步骤为：步骤一：将双目视觉相机、机器人主体以及机器人行走机构组成的机器人放置在工作环境中；步骤二：使机器人在环境中运动，机器人通过机器人行走机构在工作环境中运动，并且着重向全局图像构建不完整的区域移动；步骤三：每运动一小段距离，就通过双目视觉相机采集一次图像，并且本次采集的图像与上一次采集的图像必须具有重叠的区域；步骤四：通过图像拼接的方式，将所有采集的图像拼接在一起，如若采集的图像不够拼接成一张完整的全局图像，那么就重复进行上述步骤；步骤五：完成全局图像的构建，并将之保存。进一步改进在于，所述局部图像的匹配步骤如下：步骤一：将机器人放置在已经构建了全局图像的工作环境中；步骤二：机器人在工作环境中任意运动；步骤三：当机器人需要找到一个工作位点时，则通过双目视觉相机采集此时的图像；步骤四：通过图像匹配的方式，将采集到的局部图像与全局图像进行匹配，找到局部图像在全局图像中的位置，也同时找到工作位点在全局图像中的位置；步骤五：基于全局图像是连续的，每一个点都是机器人所处的位置的映射，如果局部图像采集到的就是工作位点的局部图像，那么机器人就处于工作位点的工作位置，否则，机器人将沿着局部图像所在位置到目标位置的方向运动，即到达想要达到的工作位点。进一步改进在于，图像匹配通过常用的图像匹配算法进行匹配，包括但不限于平均绝对差算法和绝对误差和算法。进一步改进在于，所述双目视觉相机为可见光传感器，包含两个镜头，且每一个镜头都进行可见光图像的采集。进一步改进在于，由两个镜头组成的双目视觉相机通过视差原理对共同采集的画面进行整合，得到所采集的图像中的特征距相机的距离；两个镜头之间的距离越大、单个镜头的视角越大，所采集的图像的精度就越高，随之的最小观测距离也越大。进一步改进在于，所述双目视觉相机安装在机器人的四个侧面上。本专利技术的有益效果是：通过应用于具有移动功能、具有图像采集功能的机器人，通过图像采集传感器对工作环境整体进行图像采集，拼接为全局图像，并能通过借助构建好的全局图像对机器人进行定位。本专利技术的定位方式是可间断的，建立了全局图像之后的任意时间都可以对机器人定位，这种定位方法避免了断电带来的风险，使机器人的定位更加可持续化；本专利技术的定位方法特别适用于需要机器人通过视觉识别在工作环境中进行特定工作的任务，在其一边图像识别的过程中一边进行定位；本专利技术的定位方法省去使用GPS、加速度计等辅助定位模块的方法，进一步简化了机器人定位方法。附图说明图1为本专利技术的机器人的结构示意图。图2为本专利技术的流程图。图3为全局图像构建方法的流程图。图4为局部图像匹配方法的流程图。其中：1、双目视觉相机；2、机器人主体；3、机器人行走机构。具体实施方式为了加深对本专利技术的理解，下面将结合实施例对本专利技术做进一步详述，本实施例仅用于解释本专利技术，并不构成对本专利技术保护范围的限定。实施例一根据图1-图4所示，本实施例提供了一种结构化环境下机器人自主目标识别与高精度绝对定位方法,包括有全局图像的构建和局部图像的匹配，首先建立全局图像以作为机器人定位的基础，然后再进行一次或多次的局部图像的匹配；所述全局图像的构建是把机器人放置在工作环境中，机器人通过自身的运动能力在工作环境中进行运动，同时机器人上的图像采集传感器进行工作，随着机器人的运动不断采集图像，并通过识别图像特征定位自身的工作位点，最后通过图像的特征将相邻的图像进行拼接，组合成一张全局图像；所述局部图像的匹配是在建立了全局图像之后，当机器人在任意位置时，通过机器人驱动其身上的图像传感器，拍摄当前所在位置的图像，并将机器人再次拍摄的图像在全局图像中进行搜索匹配，来确定机器人此时所在的位置，然后通过当前所在位置，规划出机器人前往所需工作位点的路线。所述全局图像构建的步骤为：步骤一：将双目视觉相机1、机器人主体2以及机器人行走机构3组成的机器人放置在工作环境中；步骤二：使机器人在环境中运动，机器人通过机器人行走机构在工作环境中运动，并且着重向全局图像构建不完整的区域移动；步骤三：每运动一小段距离，就通过双目视觉相机采集一次图像，并且本次采集的图像与上一次采集的图像必须具有重叠的区域；步骤四：通过图像拼接的方式，将所有采集的图像拼接在一起，如若采集的图像不够拼接成一张完整的全局图像，那么就重复进行上述步骤；步骤五：完成全局图像的构建，并将之保存。所述局部图像的匹配步骤如下：步骤一：将机器人放置在已经构建了全局图像的工作环境中；步骤二：机器人在工作环境中任意运动；步骤三：当机器人需要找到一个工作位点时，则通过双目视觉相机采集此时的图像；步骤四：通过图像匹配的方式，将采集到的局部图像与全局图像进行匹配，找到局部图像在全局图像中的位置，也同时找到工作位点在全局图像中的位置；步骤五：基于全局图像是连续的，每一个点都是机器人所处的位置的映射，如果局部图像采集到的就是工作位点的局部图像，那么机器人就处于工作位点的工作位置，否则，机器人将沿着局部图像所在位置到目标位置的方向运动，即到达想要达到的工作位点。<本文档来自技高网...

【技术保护点】
1.一种结构化环境下机器人自主目标识别与高精度绝对定位方法,其特征在于：包括有全局图像的构建和局部图像的匹配，首先建立全局图像以作为机器人定位的依据，然后再进行一次或多次的局部图像的匹配；所述全局图像的构建是把机器人放置在工作环境中，机器人通过自身的运动能力在工作环境中进行图像采集、存贮和拼接，最终组合成一张全局图像；所述局部图像的匹配是在建立了全局图像之后，当机器人在任意位置时，通过机器人驱动其身上的图像传感器，拍摄当前所在位置的图像，并将机器人再次拍摄的图像在全局图像中进行搜索匹配，来确定机器人此时所在的位置，然后通过当前所在位置，规划出机器人前往目标工作位点的路线。/n

【技术特征摘要】
1.一种结构化环境下机器人自主目标识别与高精度绝对定位方法,其特征在于：包括有全局图像的构建和局部图像的匹配，首先建立全局图像以作为机器人定位的依据，然后再进行一次或多次的局部图像的匹配；所述全局图像的构建是把机器人放置在工作环境中，机器人通过自身的运动能力在工作环境中进行图像采集、存贮和拼接，最终组合成一张全局图像；所述局部图像的匹配是在建立了全局图像之后，当机器人在任意位置时，通过机器人驱动其身上的图像传感器，拍摄当前所在位置的图像，并将机器人再次拍摄的图像在全局图像中进行搜索匹配，来确定机器人此时所在的位置，然后通过当前所在位置，规划出机器人前往目标工作位点的路线。


2.根据权利要求1所述的结构化环境下机器人自主目标识别与高精度绝对定位方法,其特征在于，所述全局图像构建的步骤为：
步骤一：将双目视觉相机、机器人主体以及机器人行走机构组成的机器人放置在工作环境中；
步骤二：使机器人在环境中运动，机器人通过行走机构在工作环境中运动，并且着重向全局图像构建不完整的区域移动；
步骤三：每运动一小段距离，就通过双目视觉相机采集一次图像，并且本次采集的图像与上一次采集的图像必须具有重叠的区域；
步骤四：通过图像拼接的方式，将所有采集的图像拼接在一起，如若采集的图像不够拼接成一张完整的全局图像，那么就重复进行上述步骤；
步骤五：完成全局图像的构建，并将之保存。


3.根据权利要求1所述的结构化环境下机器人自主目标识别与高精度绝对定位方法,其特征在于，所述局部图像的匹配步骤如下：
步骤一：将机器人放置在已经...

【专利技术属性】
技术研发人员：赵景山，纪俊杰，张家悦，魏松涛，李京虎，谢军，郭崇，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11