确定移动物体位姿的方法、系统和介质技术方案

本公开提供了确定移动物体位姿的方法、系统和介质。该方法包括：获取包括标签区域的图像，其中标签区域是标签的图像，标签包括用于定位标签的定位点和用于唯一标识标签的标识点，并且标识点位于由定位点限定的区域内；从包括标签区域的图像中裁剪出标签区域；从标签区域中识别出定位点和标识点；以及基于定位点和标识点确定移动物体的位姿。和标识点确定移动物体的位姿。和标识点确定移动物体的位姿。

【技术实现步骤摘要】
确定移动物体位姿的方法、系统和介质


[0001]本专利技术涉及视觉定位
，更具体地涉及一种确定移动物体位姿的方法、系统和介质。

技术介绍

[0002]视觉定位技术指的是机器通过拍摄图像并分析图像中的信息来判断自身所处的位置的一项技术。视觉定位技术已广泛应用在众多行业中，如机器人、无人机、汽车自动驾驶等。机器在空间中自主移动的前提是对其进行定位，定位结果的精确度及定位技术的鲁棒性将直接影响应用效果。在室内环境中，视觉定位技术通过需要根据参照物信息进行定位。基于标签的视觉定位技术因其计算简易和实用性较强等特性而被广泛应用。
[0003]公布号为CN 114714352A的中国专利申请提供了一种机器人位姿信息确定方法。该方法需要机器人进行自转运动，并需要对运动轨迹进行拟合，操作较繁琐，且出现误差的风险较大。
[0004]公布号为CN 106468553A的中国专利申请提供了一种基于路标的移动物的定位方法。但当将该方法应用于实际场景中时，针对诸如窗边之类的日光较强的位置，采集到的图像会受到日光中的红外光干扰而发生亮度变化，此时使用传统模式识别算法可能会发生标签识别错误的情况，进而影响定位精度，鲁棒性不够高；同时若环境中放置有其他反光物，该识别算法就需要增加大量的逻辑判断来筛选出标签区域，通用性也较差。

技术实现思路

[0005]本公开的一方面提供了一种确定移动物体位姿的方法。该方法包括：获取包括标签区域的图像，其中标签区域是标签的图像，标签包括用于定位标签的定位点和用于唯一标识标签的标识点，并且标识点位于由定位点限定的区域内；从包括标签区域的图像中裁剪出标签区域；从标签区域中识别出定位点和标识点；以及基于定位点和标识点确定移动物体的位姿。
[0006]本公开的另一方面提供了一种确定移动物体位姿的系统，包括：相机，被配置为获取包括标签区域的图像，其中标签区域是标签的图像，标签包括用于定位标签的定位点和用于唯一标识标签的标识点，并且标识点位于由定位点限定的区域内；处理电路，耦合到相机并且被配置为：从包括标签区域的图像中裁剪出标签区域；从标签区域中识别出定位点和标识点；以及基于定位点和标识点确定移动物体的位姿。
[0007]本公开的又一方面提供了一种机器可读介质。该机器可读介质存储有代码，这些代码在由处理电路执行时使得该处理电路实现上述确定移动物体位姿的方法。
附图说明
[0008]在不一定按比例绘制的附图中，相似的数字可以在不同的视图中描述相似的组件。具有不同字母后缀的相似数字可以表示相似组件的不同实例。在附图的各图中，通过示
例而非限制的方式示出了一些实施例，其中：
[0009]图1示出了根据本申请实施例的示例标签样式的示意图；
[0010]图2示出了根据本申请实施例的确定移动物体位姿的系统的示意框图；
[0011]图3示出了根据本申请实施例的确定移动物体位姿的过程的示意流程图；以及
[0012]图4示出了根据本申请实施例的训练第一模型和第二模型的过程的示意流程图。
具体实施方式
[0013]在以下描述中，为了进行解释，阐述了众多具体细节，以提供对一些示例实施例的透彻理解。然而，明显地，本领域技术人员可以在没有这些具体细节的情况下实践本公开。
[0014]鉴于现有的视觉定位技术中存在的一个或多个问题，提出了根据本专利技术的确定移动物体位姿的方法、系统和介质。
[0015]视觉定位技术中所使用的标签往往是人工设计的图样，其具体形式多种多样。常用的标签例如包括二维码以及具有特定颜色、形状、纹理的图形等。为了不影响室内环境布置及美观，标签经常被放置于天花板上。由安装在移动物体顶部的摄像头/相机向上拍摄标签的图像，然后通过图像二值化、连通域检测、轮廓检测等传统图像处理算法结合逻辑判断来识别标签的信息，进而推断出移动物体的位姿。此外，为了减少环境光、照明等因素对标签识别的干扰，往往使用反光材料或发光材料来制作标签，然后使用红外摄像头来拍摄标签，以有效地过滤掉照明灯光的干扰。
[0016]一般而言，标签需要包括用于定位所述标签的定位符号和用于唯一标识所述标签的标识符号。在行业中，定位符号一般简称为定位点，标识符号一般简称为标识点，这是因为在计算时将其简化为一个点(例如，在平面直角坐标系中以(x,y)来表示)，而不是限定定位符号和标识符号必需是点状的。定位点使得能够准确地识别出标签区域，标识点使得能够对标签进行区分。所有定位点(包括缺省的定位点)所限定的区域称为标识区，所有标识点都要位于标识区内，即不得超出标识区的外边缘。
[0017]本申请一些实施例中采用了一种新颖的标签样式。在这样的样式中，定位点的形状和标识点的形状明显不同，从而能够方便、快速地区分两种点位，降低识别难度并提高识别的准确性。
[0018]图1示出了根据本申请实施例的示例标签样式的示意图。在图1所示的示例标签样式中，仅作为示例，定位点的形状为“L”形，而标识点的形状为圆形。在其他示例中，定位点的形状和标识点的形状可以为任意其他形状，只要是两种区别较大的形状即可，例如，定位点的形状可以为正方形而标识点的形状可以为星形。
[0019]图1中定位点限定的区域为正方形，但在其他实施例中，定位点限定的区域可以为任意形状，但为方便起见，一般选用轴对称或中心对称图形例如，圆形、矩形、菱形等。正方形区域的一个或两个角的定位点可以缺省，如图1所示的位于正方形区域右下角的定位点缺省，但在其他实施例中可以缺省其他角处的定位点，例如正方形区域其它三个角中任意一个处的定位点，从而方便地确定标签的正方向，或者，可以同时缺省两个对角处的定位点。
[0020]在定位点限定的区域内部，设置一个或多个标识点。这些标识点可以按照m
×
n的矩阵方式排列，其中m≥1，n≥1，m、n可不相等，标识号采用n进制编码进行唯一指定。在其他
实施例中，标识点也可以采用其他排列方式，例如排布成圆环状、放射状等，或其他合适的编码方式，只要能编码得到满足需求的标志号即可。
[0021]在根据本申请实施例的示例标签样式中，定位点的形状和标识点的形状不同，不论使用传统算法还是深度学习算法，都可以快速确定两种点位，降低了标签识别的错误率。根据本申请实施例的示例标签样式尤其适用于深度学习算法，因为深度学习算法对于复杂形状亦能够实现快速识别，这使得在设计定位点和标识点的形状时有更多选择并且所选择的定位点的形状和标识点的形状可存在较大区别。
[0022]图2示出了根据本申请实施例的确定移动物体位姿的系统200的示意框图。系统200可以包括一个或多个相机(有时也称为摄像头)210、处理模块220以及存储模块230，它们可以通过总线或者通过无线方式相互连接/耦合。
[0023]一个或多个相机210被安装在移动物体(例如，移动式机器人)上，随移动物体一起移动，并在移动时，获取包括标签区域的图像。该图像中可以包括一个或多个标签区域。标签区域是标签(例如，图1的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种确定移动物体位姿的方法，包括：获取包括标签区域的图像，其中所述标签区域是标签的图像，所述标签包括用于定位所述标签的定位点和用于唯一标识所述标签的标识点，并且所述标识点位于由所述定位点限定的区域内；从所述包括标签区域的图像中裁剪出所述标签区域；从所述标签区域中识别出所述定位点和所述标识点；以及基于所述定位点和所述标识点确定所述移动物体的位姿。2.根据权利要求1所述的方法，其中，所述标签采用回归反射材料或发光材料制作，并且所述定位点的形状与所述标志点的形状不同。3.根据权利要求1或2所述的方法，其中，在所述标签中，至少一个方位的所述定位点缺省。4.根据权利要求1或2所述的方法，其中，从所述包括标签区域的图像中裁剪出所述标签区域由第一模型实现，所述第一模型是利用第一标注数据文件通过深度学习算法训练的，所述第一标注数据文件是通过以下方式获得的：利用经标定的相机在不同距离处对放置于不同环境中的标签进行拍摄得到的多个图像；针对所述多个图像中每一图像中的标签区域进行标注；并且将经过标注的所述多个图像存储为所述第一标注数据文件。5.根据权利要求4所述的方法，其中，从所述标签区域中识别出所述定位点和所述标识点由第二模型实现，所述第二模型是利用第二标注数据文件通过深度学习算法训练的，所述第二标注数据文件是通过以下方式获得的：将经过标注的所述多个图像中的每一图像中的标签区域剪裁为子图像；在所述子图像中标注出所述定位点和所述标识点的位置和类别；以及将经过标注的所述子图像存储为所述第二标注数据文件。6.根据权利要求1或2所述的方法，其中，基于所述定位点和所述标识点确定所述移动物体的位姿包括：对所述定位点进行畸变校正或位置补偿；以及基于所述标识点和经畸变校正或位置补偿的所述定位点确定所述移动物体的位姿。7.一种确定移动物体位姿的系统，包括：相机，被配置为获取包括标签区域的图像，其中所述标签区域是标签的图像，所述标签包括用于定位所述标签的定位点和用于唯一标识所述标签的标识点，并且所述标识点位于由所述定位点限定的区域内；处理电路，耦合到所述相机...

【专利技术属性】
技术研发人员：高珊，廖益木，赵梓明，邓博文，陈志樑，
申请(专利权)人：广州昂宝电子有限公司，
类型：发明
国别省市：