本发明专利技术公开了一种障碍物识别与同步定位的方法、图像获取装置及机器人，该方法包括以下步骤：S1：机器人使线激光器和摄像头工作，获取具有线激光的环境图像；S2：基于具有线激光的环境图像，分别实现视觉定位和障碍物信息识别；其中，所述障碍物信息包括距离信息和方位信息。本申请通过一个摄像头就可以实现避障和定位的功能，降低系统复杂度和生产成本。降低系统复杂度和生产成本。降低系统复杂度和生产成本。
【技术实现步骤摘要】
障碍物识别与同步定位的方法、图像获取装置及机器人
[0001]本专利技术涉及智能机器人领域，具体涉及一种障碍物识别与同步定位的方法、图像获取装置及机器人。
技术介绍
[0002]目前室内机器人定位与避障都是强需求，定位用来更好的对机器人进行规划，避障用来避免障碍物阻碍机器人的运行，使机器人看起来更为智能。目前，市面上的产品，这两个传感器是分开实现的。而分开设置，不仅需要获取和处理的数据更多，而且机器人的生产成本也更高。
技术实现思路
[0003]为解决上述问题，本专利技术提供了一种障碍物识别与同步定位的方法、图像获取装置及机器人，本申请通过一个摄像头就可以实现避障和定位的功能，降低系统复杂度和生产成本。本专利技术的具体技术方案如下：一种障碍物识别与同步定位的方法，该方法包括以下步骤：S1：机器人使线激光器和摄像头工作，获取具有线激光的环境图像；S2：基于具有线激光的环境图像，分别实现视觉定位和障碍物信息识别；其中，所述障碍物信息包括距离信息和方位信息。
[0004]进一步地，步骤S1中，获取具有线激光的环境图像，包括以下步骤：机器人控制线激光器工作，使线激光器投射线型激光，然后控制摄像头工作，获取若干张具有线激光的环境图像。
[0005]进一步地，步骤S2中，基于具有线激光的环境图像，实现视觉定位，包括以下步骤：获取两帧图像，然后提取第二帧图像中的特征点，并通过获取两张图像时的IMU数据和里程计积分来得到机器人位姿；基于第二帧图像中的特征点和机器人位姿获取第二帧图像中的特征点在第一帧图像上的对极线；在对极线上搜索与第二帧图像中的特征点的特征值匹配的点，得到第一帧图像中对应的特征点；基于两帧图像之间匹配的特征点和机器人位姿，通过最小化重投影误差计算，得到两帧图像之间的视觉定位位姿。
[0006]进一步地，从第二帧图像中选取特征点，包括以下步骤：设置用于存储特征点的容器，然后从第二帧图像中，像素灰度值变化大于设定阈值的位置选取角点的位置选取角点，将选取出来的角点作为第二帧图像中识别特征点，然后将识别到的特征点存储到容器中。
[0007]进一步地，最小化重投影误差计算包括以下步骤：通过两帧图像之间匹配的特征点和机器人位姿进行投影计算，得到进行投影后的特征点的像素值；获取两帧图像之间匹配的特征点的像素值与进行投影后的特征点的像素值的差值；将差值的和进行最小化处理，得到摄像头位姿参数和特征点的三维空间点的坐标，确定视觉定位位姿，实现视觉定位。
[0008]进一步地，步骤S2中，基于具有线激光的环境图像，获取障碍物的方位信息，包括以下步骤：机器人通过校准来获取摄像头的内参，然后通过摄像头的内参来获取线激光平
面相对于摄像头的光平面；机器人对获取的图像中的线激光进行跟踪，当发现线激光不位于地平面时，然后从线激光上以线激光的一端的端点为起点，按照特定的间距选取若干点作为计算点；计算过摄像头的中心点和计算点的直线的直线方程，然后基于直线坐标和所述光平面来获取直线与光平面的交点的三维坐标；根据若干计算点相对应的交点的三维坐标得到障碍物的方位信息。
[0009]进一步地，基于直线方程和所述光平面来获取直线与光平面的交点的三维坐标，包括以下步骤：将所述直线方程转换为参数方程，然后将参数方程代入光平面的方程，得到参数方程的参数，再将参数代入参数方程得到交点的三维坐标。
[0010]进一步地，步骤S2中，基于具有线激光的环境图像，获取障碍物的距离信息，包括以下步骤：提前获取线激光在图像上的位置与机器人和障碍物之间的距离的比例；获取具有线激光的环境图像中线激光；根据线激光在图像上的位置和所述比例来得到机器人与障碍物之间的距离，也就是得到障碍物的距离信息。
[0011]一种图像获取装置，所述装置包括摄像头和线激光器，所述摄像头以第一预设角度斜向上设置或者水平朝向机器人正前方前设置，所述线激光器位于摄像头的上端，该线激光器的中轴线以第二预设角度斜向下设置。
[0012]进一步地，所述摄像头为单色摄像头或彩色摄像头。
[0013]一种机器人，所述机器人上设有上述的图像获取装置，所述机器人执行上述的障碍物识别与同步定位的方法。
[0014]与现有的技术相比，本申请的技术方案通过一个摄像头和线激光器来获取具有线激光的环境图像，然后根据获取的环境图像来进行机器人定位和障碍物识别，降低系统复杂度和生产成本。
附图说明
[0015]图1为本专利技术的一种实施例所述的障碍物识别与同步定位的方法的流程图；图2为本专利技术的一种实施例所述的机器人的结构示意图；图3为本专利技术的一种实施例所述的直线和光平面的示意图。
具体实施方式
[0016]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行详细描述。应当理解，下面所描述的具体实施例仅用于解释本专利技术，并不用于限定本专利技术。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0017]在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、操作或部件。在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
[0018]如图1所示，一种障碍物识别与同步定位的方法，主要是机器人通过一个摄像头获
张涛 / 等.出版社: 电子工业出版社.出版年: 2019
‑
8）。
[0020]作为其中一种实施例，步骤S2中，基于具有线激光的环境图像，获取障碍物信息，包括以下步骤：机器人通过校准来获取摄像头的内参，然后通过摄像头的内参来获取线激光平面相对于摄像头的光平面；机器人对获取的图像中的线激光进行跟踪，当发现线激光不位于地平面时，然后从线激光上以线激光的一端的端点为起点，按照特定的间距选取若干点作为计算点；如果线激光的线段分为两条相交的线段，就取其中最长的线段或在图像上与水平线夹角最小的线段进行计算。计算过摄像头的中心点和计算点的直线的直线方程，然后基于直线方程和所述光平面来获取直线与光平面的交点的三维坐标；根据若干计算点相对应的交点的三维坐标得到障碍物的方位信息。如图3所示，图中1为摄像头的中心点，2为障碍物，3为计算点，4为线激光，5为直线与光平面的交点，6为光平面，7为计算点和直线与光平面的交点的重合点。当障碍物的表面为平面时，实际线激光投射在障碍物的表面上为直线，图像上的线激光也是直线，线激光位于光平面上，这时线激光上的计算点和直线与光平面的交点的重合，也就是点7，线激光上的计算点的三维坐标也就是障碍物上的点的三维坐标，根据这个三维坐标就可以知道障碍物位于机器人的哪个方位。当障碍物的表面为弧本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种障碍物识别与同步定位的方法，其特征在于，该方法包括以下步骤：S1：机器人使线激光器和摄像头工作，获取具有线激光的环境图像；S2：基于具有线激光的环境图像，分别实现视觉定位和障碍物信息识别；其中，所述障碍物信息包括距离信息和方位信息。2.根据权利要求1所述的障碍物识别与同步定位的方法，其特征在于，步骤S1中，获取具有线激光的环境图像，包括以下步骤：机器人控制线激光器工作，使线激光器投射线型激光，然后控制摄像头工作，获取若干张具有线激光的环境图像。3.根据权利要求1所述的障碍物识别与同步定位的方法，其特征在于，步骤S2中，基于具有线激光的环境图像，实现视觉定位，包括以下步骤：获取两帧图像，然后提取第二帧图像中的特征点，并通过获取两张图像时的IMU数据和里程计积分来得到机器人位姿；基于第二帧图像中的特征点和机器人位姿获取第二帧图像中的特征点在第一帧图像上的对极线；在对极线上搜索与第二帧图像中的特征点的特征值匹配的点，得到第一帧图像中对应的特征点；基于两帧图像之间匹配的特征点和机器人位姿，通过最小化重投影误差计算，得到两帧图像之间的视觉定位位姿。4.根据权利要求3所述的障碍物识别与同步定位的方法，其特征在于，从第二帧图像中选取特征点，包括以下步骤：设置用于存储特征点的容器，然后从第二帧图像中，像素灰度值变化大于设定阈值的位置选取角点的位置选取角点，将选取出来的角点作为第二帧图像中识别特征点，然后将识别到的特征点存储到容器中。5.根据权利要求3所述的障碍物识别与同步定位的方法，其特征在于，最小化重投影误差计算包括以下步骤：通过两帧图像之间匹配的特征点和机器人位姿进行投影计算，得到进行投影后的特征点的像素值；获取两帧图像之间匹配的特征点的像素值与进行投影后的特征点的像素值的差值；将差值的和进行最小化处理，得到摄像头位姿参数和特征点的三维空间点的坐标，确定视觉定位位姿，实现视觉定位。...
【专利技术属性】
技术研发人员：赖钦伟，肖刚军，
申请(专利权)人：珠海一微半导体股份有限公司，
类型：发明
国别省市：
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。