【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 ...
【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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。