一种基于多特征融合的智能搬运机器人定位方法技术

本发明专利技术公开一种基于多特征融合的智能搬运机器人定位方法,涉及机器人定位技术领域；针对室内布局及运输路径，提取室内场景的全局颜色特征，并分别提取对应室内场景的显著性标志的前景局部特征和颜色变化平缓的背景局部特征，利用多核学习的方法对全局颜色特征、前景局部特征和背景局部特征进行加权学习，并融合形成多核学习支持向量机，针对不同室内场景，建立墙角特征库，实时采集当前室内场景信息，通过多核学习支持向量机对当前室内场景进行识别，根据当前室内场景，将当前室内场景下的墙角图像与墙角特征库中墙角特征进行匹配，获得墙角坐标信息，通过双目测距测得搬运机器人与墙角实际距离，通过三边测距方法进行搬运机器人自身定位。机器人自身定位。机器人自身定位。

【技术实现步骤摘要】
一种基于多特征融合的智能搬运机器人定位方法


[0001]本专利技术公开一种方法,涉及机器人定位
，具体地说是一种基于多特征融合的智能搬运机器人定位方法。

技术介绍

[0002]在智能制造领域，许多工厂均配置智能搬运机器人，并将其运用到现阶段物流运输设备穿梭在仓库、生产车间及输送柔性产线中。智能搬运机器人的定位精度直接影响作业精度，在进行货物运输过程中，当遇到场景地图外的未知障碍时，若机器人缺少对应的识别与货物运输路径调整的能力，则会降低智能搬运机器人货物运输过程中避障处理的工作效率。所以在搬运机器人作业过程中，需要对自身位置进行判定。
[0003]目前主流的作业手段是采用激光定位，激光扫描仪自行探测场地地形，从而定位智能搬运机器人运行位置，减少运行路线。然而激光定位制造成本高，并且对外界光源、地面、能见度要求较高。不同光源下对定位精度影响较大。因此，本专利技术提出一种可提高作业精度的室内墙角及多特征融合的视觉定位方法，可以大大提升智能搬运机器人定位的精度和速度。

技术实现思路

[0004]本专利技术针对现有技术的问题，提供一种基于多特征融合的智能搬运机器人定位方法，针对室内墙角，利用多特征融合可以大大提升智能搬运机器人定位的精度和速度。
[0005]本专利技术提出的具体方案是：
[0006]本专利技术提供一种基于多特征融合的智能搬运机器人定位方法，针对室内布局及运输路径，通过HSI颜色模型提取室内场景的全局颜色特征，通过SURF算子和SIFT算子分别提取对应室内场景的显著性标志的前景局部特征和颜色变化平缓的背景局部特征，利用多核学习的方法对全局颜色特征、前景局部特征和背景局部特征进行加权学习，并融合形成多核学习支持向量机，通过多核学习支持向量机对不同室内场景进行识别，
[0007]针对不同室内场景，根据室内的墙角采样规则，利用图像处理技术提取墙角区域特征点并进行描述，分类存储并建立墙角特征库，
[0008]实时采集当前室内场景信息，通过多核学习支持向量机对当前室内场景进行识别，根据当前室内场景，将当前室内场景下的墙角图像与墙角特征库中墙角特征进行匹配，获得墙角坐标信息，通过双目测距测得搬运机器人与墙角实际距离，通过三边测距方法进行搬运机器人自身定位。
[0009]优选地，所述的一种基于多特征融合的智能搬运机器人定位方法中所述通过HSI颜色模型提取室内场景的全局颜色特征，包括：
[0010]若满足下式，则用H表示图像特征，若不满足，则用I分量表示图像特征，
[0011][0012]S(Saturation)表示饱和度，V(Value)表示明度，H(Hue)表示色调，I(Intensity)表示强度值。
[0013]优选地，所述的一种基于多特征融合的智能搬运机器人定位方法中所述建立墙角特征库，包括：
[0014]建立以单场景为单位的墙角采样规则，并依墙角采样规则对墙角进行采样，将采样后的墙角特征描述进行提取、分类并以单场景为单位进行存储，建立墙角特征库。
[0015]优选地，所述的一种基于多特征融合的智能搬运机器人定位方法中所述通过双目测距测得搬运机器人与墙角实际距离，包括：
[0016]获取任意三个墙角，并分别确定搬运机器人与墙角实际距离。
[0017]优选地，所述的一种基于多特征融合的智能搬运机器人定位方法中利用如下公式：
[0018][0019]测得搬运机器人与墙角实际距离，Z代表搬运机器人与墙角实际距离，X
R
表示待测点在右相机点横轴投影，X
L
表示待测点在左相机点横轴投影，f为相机焦距，B为两个相机光心之间的距离。
[0020]优选地，所述的一种基于多特征融合的智能搬运机器人定位方法中所述通过三边测距方法进行搬运机器人自身定位，包括：
[0021]根据墙角坐标信息和搬运机器人与墙角实际距离，计算搬运机器人在世界坐标系下的三维坐标，完成搬运机器人的自定位。
[0022]本专利技术提供一种基于多特征融合的智能搬运机器人定位系统，包括墙角识别与定位模块、视觉路标库建立模块和摄像机标定模块，
[0023]墙角识别与定位模块针对室内布局及运输路径，通过HSI颜色模型提取室内场景的全局颜色特征，通过SURF算子和SIFT算子分别提取对应室内场景的显著性标志的前景局部特征和颜色变化平缓的背景局部特征，利用多核学习的方法对全局颜色特征、前景局部特征和背景局部特征进行加权学习，并融合形成多核学习支持向量机，通过多核学习支持向量机对不同室内场景进行识别，
[0024]视觉路标库建立模块针对不同室内场景，根据室内的墙角采样规则，利用图像处理技术提取墙角区域特征点并进行描述，分类存储并建立墙角特征库，
[0025]摄像机标定模块实时采集当前室内场景信息，墙角识别与定位模块通过多核学习支持向量机对当前室内场景进行识别，根据当前室内场景，将当前室内场景下的墙角图像与墙角特征库中墙角特征进行匹配，获得墙角坐标信息，通过双目测距测得搬运机器人与墙角实际距离，通过三边测距方法进行搬运机器人自身定位。
[0026]本专利技术还提供一种基于多特征融合的智能搬运机器人定位装置，包括：至少一个存储器和至少一个处理器；
[0027]所述至少一个存储器，用于存储机器可读程序；
[0028]所述至少一个处理器，用于调用所述机器可读程序，执行所述的一种基于多特征融合的智能搬运机器人定位方法。
[0029]本专利技术的有益之处是：
[0030]本专利技术提供一种基于多特征融合的智能搬运机器人定位方法，通过三种特征对场景进行分类提取，建立多核学习支持向量机，对场景进行快速精准识别，针对不同场景下，建立墙角特征库，将实时采集的图像与墙角库进行匹配，通过双目视觉和三边测距原理完成搬运机器人自身定位，可以大大提升智能搬运机器人定位的精度和速度。
附图说明
[0031]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0032]图1是本专利技术应用中机器人自定位的流程示意图。
[0033]图2是双目测距的原理示意图。
[0034]图3是三边测距的原理示意图。
具体实施方式
[0035]下面结合附图和具体实施例对本专利技术作进一步说明，以使本领域的技术人员可以更好地理解本专利技术并能予以实施，但所举实施例不作为对本专利技术的限定。
[0036]本专利技术提供一种基于多特征融合的智能搬运机器人定位方法，针对室内布局及运输路径，通过HSI颜色模型提取室内场景的全局颜色特征，通过SURF算子和SIFT算子分别提取对应室内场景的显著性标志的前景局部特征和颜色变化平缓的背景局部特征，利用多核学习的方法对全局颜色特征、前景局部特征和背景局部特征进行加权学本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多特征融合的智能搬运机器人定位方法，其特征是针对室内布局及运输路径，通过HSI颜色模型提取室内场景的全局颜色特征，通过SURF算子和SIFT算子分别提取对应室内场景的显著性标志的前景局部特征和颜色变化平缓的背景局部特征，利用多核学习的方法对全局颜色特征、前景局部特征和背景局部特征进行加权学习，并融合形成多核学习支持向量机，通过多核学习支持向量机对不同室内场景进行识别，针对不同室内场景，根据室内的墙角采样规则，利用图像处理技术提取墙角区域特征点并进行描述，分类存储并建立墙角特征库，实时采集当前室内场景信息，通过多核学习支持向量机对当前室内场景进行识别，根据当前室内场景，将当前室内场景下的墙角图像与墙角特征库中墙角特征进行匹配，获得墙角坐标信息，通过双目测距测得搬运机器人与墙角实际距离，通过三边测距方法进行搬运机器人自身定位。2.根据权利要求1所述的一种基于多特征融合的智能搬运机器人定位方法，其特征是所述通过HSI颜色模型提取室内场景的全局颜色特征，包括：若满足下式，则用H表示图像特征，若不满足，则用I分量表示图像特征，S(Saturation)表示饱和度，V(Value)表示明度，H(Hue)表示色调，I(Intensity)表示强度值。3.根据权利要求1所述的一种基于多特征融合的智能搬运机器人定位方法，其特征是所述建立墙角特征库，包括：建立以单场景为单位的墙角采样规则，并依墙角采样规则对墙角进行采样，将采样后的墙角特征描述进行提取、分类并以单场景为单位进行存储，建立墙角特征库。4.根据权利要求1所述的一种基于多特征融合的智能搬运机器人定位方法，其特征是所述通过双目测距测得搬运机器人与墙角实际距离，包括：获取任意三个墙角，并分别确定搬运机器人与墙角实际距离。5.根据权利要求1或4所述的一种基于多特征融合的智能搬运机器人定位方法，其特征是利用如下公式：测得搬运机器人与...

【专利技术属性】
技术研发人员：刘晓程，魏琨，鞠幸兴，
申请(专利权)人：浪潮通信技术有限公司，
类型：发明
国别省市：