机器人跨介质视觉的标定板、标定方法及系统技术方案

本发明专利技术公开了一种机器人跨介质视觉的标定板、标定方法及系统，首先对跨介质视觉成像系统进行建模，并设计了以编码圆为特征图元的标定板，该标定板能够有效克服光线在不同介质中传播时出现的干扰因素。在此基础上，本发明专利技术通过直线检测和迭代算法确定编码圆中心点，能够更加精准地进行特征点定位，从而提高标定精度。最后，根据跨介质视觉系统成像模型，本发明专利技术改进了当前常用的标定算法，完成机器人跨介质视觉系统的标定。通过这些方法，提高了机器人在跨介质工作条件下的标定精度，能够为机器人在视觉测量、三维重构等工作时提供更准确的视觉信息，具有广阔的应用市场空间和经济价值。具有广阔的应用市场空间和经济价值。具有广阔的应用市场空间和经济价值。

【技术实现步骤摘要】
机器人跨介质视觉的标定板、标定方法及系统


[0001]本专利技术属于视觉标定
，本专利技术涉及一种机器人跨介质视觉的标定板、标定方法及系统，尤其适用于机器人跨介质作业。

技术介绍

[0002]目前，随着机器人技术的发展，人类对其在不同介质中进行工作的要求也大大提高，特别是随着人类对河流、海洋等水下资源的开发利用越来越多，使用机器人代替人类进行水下资源探测、获取水下环境信息的情境也更加迫切。然而，由于跨介质工作环境的复杂性，机器人成像系统所拍摄的照片质量会严重下降，而且用于获得不同介质中的目标空间信息的技术同样受到多种环境因素的影响。因此，如何提高机器人视觉系统的工作能力、工作精度等成为制约机器人跨介质工作的重要课题。当前，针对机器人跨介质视觉系统标定方法主要沿用传统的在空气介质中进行标定的方法，但因工作环境改变，传统的标定方法在标定精度、工作复杂度等方面存在已难以满足跨介质工作需要。
[0003]申请号2016108955221公开了一种基于实心圆标定板的立体视觉系统标定平台及标定方法，标定板是基于实心圆，首先利用Canny Zernike组合算法对靶标圆心进行识别并提出基于三角形标记的圆心排序方法。接着基于线性针孔模型获得立体视觉系统的内外参数，然后分别对左右摄像机内外参数进行优化，优化变量数目减半，获得外参数近似解。最后以实心圆靶标对角线上两实心圆的距离作为约束条件，对摄像机外参数进行优化，获得外参数最优解。该标定板及标定方法无法实现机器人跨介质视觉系统的标定。

技术实现思路

[0004]本专利技术的目的在于提供一种机器人跨介质视觉的标定板、标定方法及系统，建立了跨介质成像系统模型，提出了更优的标定板设计方案和特征点定位方法，根据跨介质成像模型的非线性特点，对当前常用的标定方法进行了改进，提高机器人在不同工作介质中进行视觉测量、三维重构等工作的精度。
[0005]实现本专利技术目的的技术解决方案为：一种机器人跨介质视觉的标定板，包括板体，所述板体为平面结构，所述板体上分布有多个编码圆，所述编码圆相邻结构条纹夹角为45
°
，所述编码圆分成8份，每一份颜色为黑或白，分别表示二进制“1”或“0”，在编码圆中，任何一位都能够视为起始位，按照顺时针方向进行编解码，将编码二进制数中最小的数所对应的十进制数作为该编码圆的编号。
[0006]本专利技术还公开了一种机器人跨介质视觉标定方法，包括以下步骤：S01：采用上述的标定板，获取标定图像；S02：通过在空气中成像得到机器人成像系统的内参和外参；S03：保持标定板与机器人成像系统相对位置不变，将标定板和机器人至于其它工作环境介质中，得到标定板的成像图像；S04：识别编码圆和定位编码圆中心，获取精确的中心点坐标，通过多个点的坐标
数据，得到最终的标定结果。
[0007]优选的技术方案中，所述步骤S04中编码圆中心计算方法包括：S11：使用霍夫变换对编码圆中的结构条纹进行检测，其计算公式为：
[0008]其中，为坐标原点到直线的距离，为直线与横坐标的夹角，、分别为直线上一点的横纵坐标，和即是直线的参数。
[0009]S12：将图像中像素点的坐标转换到参数空间进行处理，检测出图中的所有直线。
[0010]优选的技术方案中，所述S12之后还包括：使用迭代算法进行计算，得到离8条直线距离和最近的点即为编码圆中心点，计算公式为：
[0011]其中，为图像中的一点，为编码圆结构条纹直线，为索引，表示点到直线的距离，和是直线的参数，、为某一点的像素坐标。
[0012]优选的技术方案中，所述步骤S04识别编码圆的方法包括：S21：得到编码圆结构条纹后，分别在相邻两条条纹之间的区域中随机选取5个点，如果这5个点中超过4个点为白色或黑色，则该区域对应的二进制码分别为0或1，否则继续随机选取点，直到所选择的点中某一颜色所占的比例超过80%为止，以占多数的颜色对应的二进制码值作为该区域的二进制码值；S22：对所得的8位二进制编码移位循环8次，计算其中最小的编码，其对应的十进制数值为该编码圆对应的码值。
[0013]优选的技术方案中，所述步骤S04之前还包括图像预处理，所述图像预处理包括：S31：使用高斯滤波对图像进行去噪，设物体所成图像用表示，、为某一点的像素坐标，表示该点的像素值，高斯滤波的计算公式为：
[0014]其中，为滤波后的像素值，为高斯滤波器的标准差，计算得到的高斯滤波窗口；S32：采用最大类间方差法，对图像进行二值化处理，使用下式得到一幅图像的最佳分割灰度阈值：
[0015]其中，、分别为前景像素和背景像素的比例，、分别为两类像素的平均值；
S33：完成二值化后，使用形态学算子对图像进行去噪处理，从标定板图像中分离出编码圆，去噪处理方法包括：使用开运算消除图像中的细小噪声点，使用膨胀运算填补图像中的空洞，使用闭运算对图像边缘进行平滑处理，形态学算子腐蚀、膨胀、开运算和闭运算的计算式为：
[0016]其中，为源图像，为形态学结构元素，为中与相同大小的图像块，为的中心点像素，和分别为与、或运算，、、和分别表示腐蚀、膨胀、开运算和闭运算。
[0017]优选的技术方案中，所述步骤S04中标定结果的计算方法包括：S41：在单一介质中，光学系统的成像变换关系为：
[0018]其中，、分别为成像系统在横、纵方向上单个像素的物理尺寸，、分别为一点成像后的像素坐标，、为图像中心点的像素坐标，、分别为成像系统的旋转和平移参数，为比例系数；S42：设为成像系统的内参矩阵、为外参矩阵，则在上式中，、分别为：
[0019]跨介质成像系统中空间点成像坐标和物理坐标的关系为：
[0020]其中，，为空间点成像在图像坐标系中的坐标，为摄像机像方焦距，和分别为两种介质的折射率，为空间中一点在相机坐标系中的坐标，为跨介质成像时的比例系数，为摄像机镜头与工作环境介质外壳之间的距离；S43：通过多个点的坐标数据，解得式中的未知参数，得到最终的标定结果。
[0021]本专利技术又公开了一种机器人跨介质视觉标定系统，包括：标定图像获取模块，采用上述的标定板，获取标定图像；内外参获取模块，通过在空气中成像得到机器人成像系统的内参和外参；跨介质成像模块，保持标定板与机器人成像系统相对位置不变，将标定板和机器人至于其它工作环境介质中，得到标定板的成像图像；标定模块，识别编码圆和定位编码圆中心，获取精确的中心点坐标，通过多个点的坐标数据，得到最终的标定结果。
[0022]优选的技术方案中，所述标定模块中编码圆中心计算方法包括：S11：使用霍夫变换对编码圆中的结构条纹进行检测，其计算公式为：
[0023]其中，为坐标原点到直线的距离，为直线与横坐标的夹角，、分别为直线上一点的横纵坐标，和即是直线的参数。
[0024]S12：将图像中像素点的坐标转换到参数空间进行处理，检测出图中的所有直线。
[0025]本专利技术又公开了一种计算机存储介质，其上存储有计算机程序，所述计算机程本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机器人跨介质视觉的标定板，包括板体，其特征在于，所述板体为平面结构，所述板体上分布有多个编码圆，所述编码圆相邻结构条纹夹角为45
°
，所述编码圆分成8份，每一份颜色为黑或白，分别表示二进制“1”或“0”，在编码圆中，任何一位都能够视为起始位，按照顺时针方向进行编解码，将编码二进制数中最小的数所对应的十进制数作为该编码圆的编号。2.一种机器人跨介质视觉标定方法，其特征在于，包括以下步骤：S01：采用权利要求1所述的标定板，获取标定图像；S02：通过在空气中成像得到机器人成像系统的内参和外参；S03：保持标定板与机器人成像系统相对位置不变，将标定板和机器人至于其它工作环境介质中，得到标定板的成像图像；S04：识别编码圆和定位编码圆中心，获取精确的中心点坐标，通过多个点的坐标数据，得到最终的标定结果。3.根据权利要求2所述的机器人跨介质视觉标定方法，其特征在于，所述步骤S04中编码圆中心计算方法包括：S11：使用霍夫变换对编码圆中的结构条纹进行检测，其计算公式为：,其中，为坐标原点到直线的距离，为直线与横坐标的夹角，、分别为直线上一点的横纵坐标，和即是直线的参数；S12：将图像中像素点的坐标转换到参数空间进行处理，检测出图中的所有直线。4.根据权利要求3所述的机器人跨介质视觉标定方法，其特征在于，所述S12之后还包括：使用迭代算法进行计算，得到离8条直线距离和最近的点即为编码圆中心点，计算公式为：,其中，为图像中的一点，为编码圆结构条纹直线，为索引，表示点到直线的距离，和是直线的参数，、为某一点的像素坐标。5.根据权利要求2所述的机器人跨介质视觉标定方法，其特征在于，所述步骤S04识别编码圆的方法包括：S21：得到编码圆结构条纹后，分别在相邻两条条纹之间的区域中随机选取5个点，如果这5个点中超过4个点为白色或黑色，则该区域对应的二进制码分别为0或1，否则继续随机选取点，直到所选择的点中某一颜色所占的比例超过80%为止，以占多数的颜色对应的二进制码值作为该区域的二进制码值；S22：对所得的8位二进制编码移位循环8次，计算其中最小的编码，其对应的十进制数值为该编码圆对应的码值。
6.根据权利要求2所述的机器人跨介质视觉标定方法，其特征在于，所述步骤S04之前还包括图像预处理，所述图像预处理包括：S31：使用高斯滤波对图像进行去噪，设物体所成图像用表示，、为某一点的像素坐标，表示该点的像素值，高斯滤波的计算公式为：,其中，为滤波后的像素值，为高斯滤波器的标准差，计算得到的高斯滤波窗口；S32：采...

【专利技术属性】
技术研发人员：张贵阳，周旭，翟树峰，吉思雨，朱玲羽，满增光，杨兰玉，吴健，
申请(专利权)人：常熟理工学院，
类型：发明
国别省市：