无需三维地图模型的平面移动机器人视觉定位方法及装置制造方法及图纸

本发明专利技术公开无需三维地图模型的平面移动机器人视觉定位方法及装置。查询图像与参考图像进行提取与配对，得到2D

【技术实现步骤摘要】
无需三维地图模型的平面移动机器人视觉定位方法及装置


[0001]本专利技术属于机器人定位
，具体地说，涉及一种无需三维地图模型的平面移动机器人视觉定位方法及装置。

技术介绍

[0002]现在是机器人技术迅速发展的时代，移动机器人能实现的功能不断丰富，逐渐融入到我们生活的各个方面。目前，移动机器人主要应用在智能家居、物流搬运、巡检以及无人驾驶等领域。在这些领域中自主移动机器人能否高效且稳定实现高精度同步定位与地图构建已经成为了十分重要且关键评判标准。
[0003]移动机器人定位主要分为基于激光定位与基于视觉定位，虽然激光定位的技术更成熟，但激光传感器成本远高于相机。在应用场景方面激光主要应用于室内，且在有多个激光设备时存在干扰，而相机在室内外场景均能开展工作，且相机之间互不干扰。相机能提供直观的环境信息且分辨率高，便于进行特征提取和描述。
[0004]目前最精确的视觉定位方法都是基于三维信息的,基于三维场景的视觉定位方法一般是首先获取查询图像与预先构建的三维场景之间的2D
‑
3D特征匹配，然后基于绝对位姿估计算法进行精确定位，但均是针对特定场景，即当面对新场景时，需要额外的时间和计算资源来构建高精度的三维地图。因而这些方法的目标是在预先建立三维场景模型的情况下，实现准确、鲁棒的视觉定位。
[0005]还有一种更灵活的视觉定位方法是直接基于2D场景数据库进行定位，该数据库是一组具有相关联的相机姿态的参考图像。检索最相似的数据库图像，并利用数据库中的相关位姿近似查询图像的位姿。但该方法在构建数据库时定位精度受到采样间隔的限制，难以满足对定位精度要求较高的任务的要求。为了进一步提高定位精度，利用2D
‑
2D特征匹配估计查询图像的位姿。
[0006]然而，现有的2D
‑
2D位姿估计方法存在两个问题。首先，这些方法大多是基于本质矩阵估计两幅图像之间的相对姿态，本质矩阵估计提供的是旋转矩阵和相对平移方向，而不是绝对平移尺度。因此，它们无法获得完成视觉定位必不可少的相机相对于地图的绝对位姿。其次，大多将相对位姿估计问题描述为一个6自由度问题，忽略了机器人学中的先验运动学约束。移动机器人和地面车辆通常在平面上操作，如危化品仓库、家庭等场景。平面运动约束可以将6自由度位姿问题简化为3自由度位姿问题，减少估计相机本质矩阵所需的匹配特征数量，因而减少了机器人的计算负担，提升实时性，有效提高容错率，增强算法鲁棒性。

技术实现思路

[0007]本专利技术的目的在于克服现有技术的不足，提供一种无需三维地图模型的平面移动机器人视觉定位方法及装置，利用先验运动学约束简化对极约束和三角化，基于简化的对极约束，只需要两个特征点匹配进行本质矩阵估计。基于简化的三角化，只需要第二幅参考
图像中一对特征匹配点，就可以唯一地确定绝对平移尺度，完成绝对位姿估计，称为2p1p方法。定位时用最少的特征匹配点估计机器人位姿，从而降低机器人计算负担。三角化求解出绝对平移尺度得到绝对位姿，应用场景更加广泛。采用多重检查方案，提高定位的鲁棒性和准确性。
[0008]第一方面，本专利技术提供一种无需三维地图模型的平面移动机器人视觉定位方法，包括以下步骤：
[0009]S1：获取环境地图，所述环境地图是由N张带位姿标注的参考图像构成的二维图像数据库；N≥2；
[0010]S2：由平面移动机器人搭载的相机获取当前观测到的查询图像i，与二维图像数据库中图像检索出的前K张参考图像进行特征点的提取与配对，得到m对的2D
‑
2D匹配特征点，K≥2，m≥3；并在上述中2D
‑
2D匹配特征点寻找参考图像j1与查询图像i存在的至少2对的2D
‑
2D匹配特征点，以及参考图像j2与查询图像i存在的至少1对的2D
‑
2D匹配特征点；参考图像j1和参考图像j2为不同图像，且已知变换矩阵T。
[0011]S3：根据平面移动机器人的先验运动学约束简化对极约束；基于简化后的对极约束，对参考图像j1与查询图像i存在的2D
‑
2D匹配特征点中任取两对，并对其计算相机的当前旋转矩阵R和不带尺度的平移向量t～；
[0012]S4：将运动特性引入三角化，在参考图像j2中任取一对2D
‑
2D匹配特征点计算平移向量的尺度得到绝对位姿；
[0013]S5：根据所述计算得到的绝对位姿进行平移一致性检查；
[0014]S6：对通过平移一致性检查的绝对位姿统计内点，根据内点数量对绝对位姿进行6自由度非线性优化，得到最终定位结果。
[0015]第二方面，本专利技术提供一种无需三维地图模型的平面移动机器人视觉定位装置包括：
[0016]电源模块，用于支持硬件供电；
[0017]运动模块，用于支持机器人的移动；
[0018]获取模块，用于获取机器人当前位姿的查询图像，并从二维图像数据库中获取前K张参考图像；
[0019]匹配模块，用于计算查询图像与参考图像的特征点，根据查询图像中计算到的特征点与参考图的特征点进行匹配，得到m对2D
‑
2D特征匹配点；
[0020]计算模块，用于根据所述获得的2D
‑
2D特征匹配点估计机器人的绝对位姿；
[0021]检查模块，对绝对位姿进行平移一致性检查；
[0022]优化模块，对通过平移一致性检查的绝对位姿进行6自由度的非线性优化，得到最终定位结果。
[0023]第三方面，本专利技术提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行所述的方法。
[0024]第四方面，本专利技术提供一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现所述的方法。
[0025]相比现有技术，本专利技术的有益效果在于：
[0026]1)本专利技术采用二维图像数据结合位姿估计的方式，实现了机器人定位技术，可以
避免建立复杂的三维模型数据，从而简化了定位过程。
[0027]2)本专利技术提出2P1P最小解方法，利用先验运动学约束简化了对极约束，并减少了所需特征匹配点的数量。仅需两对特征匹配点，就能够准确估计机器人的相对位姿，并且在视觉数据存在大量误匹配的情况下，使用更少的匹配特征点对可以提高定位成功率，大大提升系统鲁棒性。
[0028]3)本专利技术提出2P1P最小解方法，创造性将运动特性引入三角化，进一步减少所需特征匹配点数量。仅需另一参考图像的一对特征匹配点，就能够准确估计机器人的绝对位姿。传统方法则是计算出两个相对位姿三角化求绝对位姿。
[0029]4)本专利技术将提出的2P1P最小解方法与多重检查方案相结合，建立鲁棒三维无模型视觉定位框架，降低定位系统对环境变化和噪声的敏感性。多重检查方案可以通过多个独立的检查步骤来验证和纠正可能的误差，从而提高定位的准确性和稳定性。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无需三维地图模型的平面移动机器人视觉定位方法，其特征在于，包括以下步骤：S1：获取环境地图，所述环境地图是由N张带位姿标注的参考图像构成的二维图像数据库；N≥2；S2：由平面移动机器人搭载的相机获取当前观测到的查询图像i，与二维图像数据库中图像检索出的前K张参考图像进行特征点的提取与配对，得到m对的2D
‑
2D匹配特征点，K≥2，m≥3；并在上述中2D
‑
2D匹配特征点寻找参考图像j1与查询图像i存在的至少2对的2D
‑
2D匹配特征点，以及参考图像j2与查询图像i存在的至少1对的2D
‑
2D匹配特征点；参考图像j1和参考图像j2为不同图像，且已知变换矩阵T；S3：根据平面移动机器人的先验运动学约束简化对极约束；基于简化后的对极约束，对参考图像j1与查询图像i存在的2D
‑
2D匹配特征点中任取两对，并对其计算相机的当前旋转矩阵R和不带尺度的平移向量S4：将运动特性引入三角化，在参考图像j2中任取一对2D
‑
2D匹配特征点计算平移向量的尺度得到绝对位姿；S5：根据所述计算得到的绝对位姿进行平移一致性检查；S6：对通过平移一致性检查的绝对位姿统计内点，根据内点数量对绝对位姿进行6自由度非线性优化，得到最终定位结果。2.如权利要求1所述的一种无需三维地图模型的平面移动机器人视觉定位方法，其特征在于，所述参考图像j1和参考图像j2的参考相机坐标系分别为{C
j1
}和{C
j2
}，则变换矩阵其中为{C
j1
}到{C
j2
}的旋转矩阵，为{C
j1
}到{C
j2
}的平移向量。3.如权利要求1所述的一种无需三维地图模型的平面移动机器人视觉定位方法，其特征在于，步骤S3具体是：根据机器人在平面移动，机器人绕一轴旋转设为Y轴，机器人在X与Z构成的平面上平移，则旋转矩阵R和平移向量t可表示为：移，则旋转矩阵R和平移向量t可表示为：其中θ为未知量，表示机器人绕Y轴旋转的角度；φ为未知量，表示机器人移动的方向角；ρ为未知量，表示机器人平移量的尺度，即移动的距离；根据本质矩阵E＝t
^
R可得：
其中∧符号表示外积运算，即把向量写成一个反对称矩阵又因为参考图像j1与查询图像i中两对2D
‑
2D匹配特征点具体表示：其中中的上标a代表匹配点的序号，下标b代表匹配点所在的图像序号；代表点在图像x轴上的坐标值，代表点在图像y轴上的坐标值；将式(3)代入对极约束可得：可得：联立以上两个方程求解可得：φ＝arctan 2(sinφ,cosφ) (6)θ＝arctan2(sin(θ
‑
φ),cos(θ
‑
φ))+φ
ꢀꢀꢀꢀ
(7)联立以上两个方程即可求得θ和未知量，代入(3)式求得本质矩阵E；对本质矩阵E进行位姿分解，可得到四个相对位姿其中是归一化的平移向量且有R
s
和R
s
′
绕基线180
°
相关；使用手性测试在中筛选出正确的相对...

【专利技术属性】
技术研发人员：蒋鹏，焦艳梅，杜鑫峰，饶成康，刘俊，高澜，沈振华，郑艳，
申请(专利权)人：杭州师范大学，
类型：发明
国别省市：