面向自主导航机器人的高精度视觉定位方法技术

本发明专利技术公开了一种面向自主导航机器人的高精度视觉定位方法，包括：对圆形标志点进行识别，得到候选椭圆区域；采用均值滑动的聚类分析，通过逐一对椭圆区域的中心点、方向、半轴长进行聚类，确定椭圆区域；提取椭圆区域的中心坐标；利用相机内外参数对目标点中心空间坐标进行三维重构。构建基于Hough圆变换粗筛选到均值滑动聚类确定椭圆区域边缘的稳定模式，然后通过椭圆拟合实现几何中心的精确、快速求取，接着利用相机内外参数实现目标点的三维重建，为末端执行器提供可靠的目标三维位置坐标信息，保证机器人视觉定位的精确性和稳定性。保证机器人视觉定位的精确性和稳定性。保证机器人视觉定位的精确性和稳定性。

【技术实现步骤摘要】
面向自主导航机器人的高精度视觉定位方法


[0001]本专利技术属于视觉传感器定位
，本专利技术涉及一种面向自主导航机器人的高精度视觉定位方法。

技术介绍

[0002]随着智能制造相关技术的快速发展，将视觉技术与机器人相互结合实现目标的精准识别与精确定位已成为国内外的研究热点，定位精度已成为评价移动机器人性能的重要指标。计算机视觉和机器人技术的相互融合，使得机器人可以感知周围的环境，并利用视觉捕获的信息来引导机器人完成特定的任务，在提高生产效率、提升生产质量、优化资源配置、降低生产成本等方面具有明显的优越性，并被广泛应用于仓储物流、自主停泊、无人驾驶等诸多领域。
[0003]随着自主导航机器人工作环境的日渐复杂，需要移动机器人对工作环境中的目标做出准确而有效的定位感知。基于视觉模式的定位技术具有很强的目标辨识能力，同时相比于采用雷达传感器、激光传感器等方式，不会因为传感信号间的交互、干扰而影响定位精度。为了实现高精度视觉定位功能，需要借助目标表面设置的人工标志点或固有特征点。常用的特征点有齐方格角点、矩形特征、三角特征以及圆形特征等，实际应用的效果显示圆形特征点比角点、矩形特征等具有更高的鲁棒性，当图像出现拖尾、模糊以及噪声较大时，依然能够识别出圆形轮廓，因此圆形标志点得到了广泛的应用。然而圆形标志点在经过相机投影到平面上后，由于光轴与目标面通常不垂直，圆面会投射成椭圆面。只有精确的获取椭圆形特征的中心坐标才能保证立体匹配和三维重构计算的精确度，为此很多学者对圆心坐标提取展开了研究。传统的方法直接将投影后拟合中心作为圆心坐标，但是容易得到多个中心坐标，无法确定圆心坐标的唯一真值。之后部分学者分析影响圆形中心坐标提取精度的因素，并建立了偏差修正模型，然而模型的精确度以及受深度方向距离、成像畸变、环境光强等因素的影响，导致难以在实际应用中取得较好的效果。此外，还有一些学者考虑圆心坐标提取时的相互约束条件，但是对于标志点数量较少的情况下难以建立联合约束关系。此外，约束关系的建立必定会增加计算的数据量，导致算法的执行效率降低。因此，当前对于机器人视觉定位技术的优化和完善，亟需增强圆形特征区域确定的快速性和鲁棒性，提升中心点坐标的拟合精度，为实现机器人视觉定位技术在复杂场景下的落地和应用推广奠定基础。

技术实现思路

[0004]本专利技术的目的在于提供一种面向自主导航机器人的高精度视觉定位方法，构建基于Hough圆变换粗筛选到均值滑动聚类确定椭圆区域边缘的稳定模式，然后通过椭圆拟合实现几何中心的精确、快速求取，接着利用相机内外参数实现目标点的三维重建，为末端执行器提供可靠的目标三维位置坐标信息，保证机器人视觉定位的精确性和稳定性。
[0005]实现本专利技术目的的技术解决方案为：
一种面向自主导航机器人的高精度视觉目标三维重构方法，包括以下步骤：S01：对圆形标志点进行识别，得到候选椭圆区域；S02：采用均值滑动的聚类分析，通过逐一对椭圆区域的中心点、方向、半轴长进行聚类，确定椭圆区域；S03：提取椭圆区域的中心坐标；S04：利用相机内外参数对目标点中心空间坐标进行三维重构。
[0006]优选的技术方案中，所述S01中得到候选椭圆区域的方法包括：S11：采用Hough圆变换对圆形标志点进行粗识别，将圆周上任意三点所确定的圆，经Hough变换后在三维参数空间对应于一点，这三个点所确定的圆形区域则为候选圆；S12：通过图像的区域连通化处理，将每个候选圆区域都完整划定和标记成独立的椭圆集合。
[0007]优选的技术方案中，所述S02中确定椭圆区域的方法包括：S21：计算初始的椭圆集合：其中，为集合中椭圆的数量，，分别是椭圆的中心坐标、方向角和半轴长；S22：针对椭圆区域中心点进行均值滑动聚类，产生个椭圆聚类中心，如果集合的中心坐标与距离最近，那么将并入集合中，，因此椭圆集合被划分为个组合模块，第个组合表示为：
[0008]其中，表示在所有聚类点集中，与之间的距离最近；此时，会产生对应的个椭圆定向聚类中心，依次是，同样会被分成个子区，对应于的第个子区表示为：
[0009]S23：基于每个初始椭圆子集的半轴进行聚类分析，输出对应的第个中心集合，并得到最终的候选椭圆集合:。
[0010]优选的技术方案中，所述S03中提取椭圆区域的中心坐标包括：S31：得到椭圆集合边缘的二次曲线方程：
[0011]其中，是椭圆集合边缘像素坐标；是拟合方程系数；S32：构建目标函数如下：
[0012]其中，表示边缘点符合椭圆目标方程分布的代数值。函数值理想情况下趋近于0，是所参与拟合运算的边缘点集合，是椭圆边缘点的数量；S33：对目标函数分别求关于的偏导，得到包含5个参数的方程组，接着引入拉格朗日乘子求解出椭圆参数；S34：运用二次曲线理论，得到投影椭圆面的几何中心为：。
[0013]优选的技术方案中，所述S04中目标点中心空间坐标三维重构方法包括：S41：采用双目视觉成像数学模型为：其中，和分别是左相机和右相机的内参数；和分别是左相机和右相机坐标系下的空间物理坐标；根据该模型，当得到左相机和右相机的像平面中椭圆的中心坐标与后，得到对应的实际圆形标志点中心空间物理坐标；S42：左、右相机之间的坐标转换通过下式实现：其中，双目相机间的旋转矩阵，平移向量；S43：接着联立公式得：
[0014]S44：根据三角测量原理，实际双目立体相机的像平面不会共面，以左相机坐标系
为统一参考系，空间点坐标通过下式解算：
[0015]式中，为系数，其值分别为，，，。
[0016]本专利技术又公开了一种面向自主导航机器人的高精度视觉定位方法，采用上述的面向自主导航机器人的高精度视觉目标三维重构方法得到圆形标志点在世界坐标系下的空间三维坐标；以固定在自身的相机的光心为原点，求得目标点与相机光心之间的欧式距离，同时通过坐标的代数运算计算出方位角信息。
[0017]本专利技术还公开了一种自主导航机器人，包括机器人本体，所述机器人本体内设置有控制器，所述控制器内置有计算机程序，所述计算机程序被执行时实现上述的面向自主导航机器人的高精度视觉定位方法。
[0018]本专利技术又公开了一种面向自主导航机器人的高精度视觉目标三维重构系统，包括：候选椭圆区域识别模块，对圆形标志点进行识别，得到候选椭圆区域；聚类分析模块，采用均值滑动的聚类分析，通过逐一对椭圆区域的中心点、方向、半轴长进行聚类，确定椭圆区域；中心坐标提取模块，提取椭圆区域的中心坐标；三维重构模块，利用相机内外参数对目标点中心空间坐标进行三维重构。
[0019]优选的技术方案中，所述聚类分析模块中确定椭圆区域的方法包括：S21：计算初始的椭圆集合：其中，为集合中椭圆的数量，，分别是椭圆的中心坐标、方向角和半轴长；S22：针对椭圆区域中心点进行均值滑动聚类，产生个椭圆聚类中心，如果集合的中心坐标与距离最近，那么将并入集合中，，因此椭圆集合被划分为个组合模块，第个组合表示为：
[0020]其中，表示在所有聚类点集中，与之间的距离本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向自主导航机器人的高精度视觉目标三维重构方法，其特征在于，包括以下步骤：S01：对圆形标志点进行识别，得到候选椭圆区域；S02：采用均值滑动的聚类分析，通过逐一对椭圆区域的中心点、方向、半轴长进行聚类，确定椭圆区域；S03：提取椭圆区域的中心坐标；S04：利用相机内外参数对目标点中心空间坐标进行三维重构。2.根据权利要求1所述的面向自主导航机器人的高精度视觉目标三维重构方法，其特征在于，所述S01中得到候选椭圆区域的方法包括：S11：采用Hough圆变换对圆形标志点进行粗识别，将圆周上任意三点所确定的圆，经Hough变换后在三维参数空间对应于一点，这三个点所确定的圆形区域则为候选圆；S12：通过图像的区域连通化处理，将每个候选圆区域都完整划定和标记成独立的椭圆集合。3.根据权利要求1所述的面向自主导航机器人的高精度视觉目标三维重构方法，其特征在于，所述S02中确定椭圆区域的方法包括：S21：计算初始的椭圆集合：其中，为集合中椭圆的数量，，分别是椭圆的中心坐标、方向角和半轴长；S22：针对椭圆区域中心点进行均值滑动聚类，产生个椭圆聚类中心，如果集合的中心坐标与距离最近，那么将并入集合中，，因此椭圆集合被划分为个组合模块，第个组合表示为：,其中，表示在所有聚类点集中，与之间的距离最近；此时，会产生对应的个椭圆定向聚类中心，依次是，同样会被分成个子区，对应于的第个子区表示为：S23：基于每个初始椭圆子集的半轴进行聚类分析，输出对应的第个中心集合，并得到最终的候选椭圆集合:。
4.根据权利要求1所述的面向自主导航机器人的高精度视觉目标三维重构方法，其特征在于，所述S03中提取椭圆区域的中心坐标包括：S31：得到椭圆集合边缘的二次曲线方程：，其中，是椭圆集合边缘像素坐标；是拟合方程系数；S32：构建目标函数如下：，其中，表示边缘点符合椭圆目标方程分布的代数值，函数值理想情况下趋近于0，是所参与拟合运算的边缘点集合，是椭圆边缘点的数量；S33：对目标函数分别求关于的偏导，得到包含5个参数的方程组，接着引入拉格朗日乘子求解出椭圆参数；S34：运用二次曲线理论，得到投影椭圆面的几何中心为：。5.根据权利要求4所述的面向自主导航机器人的高精度视觉目标三维重构方法，其特征在于，所述S04中目标点中心空间坐标三维重构方法包括：S41：采用双目视觉成像数学模型为：其中，和分别是左相机和右相机的内参数；和分别是左相机和右相机坐标系下的空间物理坐标；根据该模型，当得到左相机和右相机的像平面中椭圆的中心坐标与后，得到对应的实际圆形标志点中心空间物理坐标；S42：左、右相机之间的坐标转换通过下式实现：其中，双目...

【专利技术属性】
技术研发人员：张贵阳，徐本连，鲁明丽，陆婷，孙勇泰，臧书琪，吴健，吉思雨，
申请(专利权)人：常熟理工学院，
类型：发明
国别省市：