基于计算机视觉的扫地机器人回充方法技术

本发明专利技术涉及图像数据处理技术领域，具体涉及基于计算机视觉的扫地机器人回充方法，包括：通过获取扫地机器人在打扫过程和回充过程中对应场景图像中的特征点分布曲线，根据特征点在不同截止频率下的高斯图像中的梯度值和几何特征得到特征点的权重参数，利用权重参数对特征点分布曲线进行调整，得到新特征点分布曲线，利用新特征点分布曲线之间的相似性获取扫地机器人的方向旋转角度

【技术实现步骤摘要】
基于计算机视觉的扫地机器人回充方法


[0001]本专利技术涉及图像数据处理
，具体涉及基于计算机视觉的扫地机器人回充方法
。

技术介绍

[0002]扫地机器人所使用的是容量有限的移动电源，需要进行反复的充电，最常用的技术手段是结合红外
、
雷达
、
蓝牙以及图像等数据对扫地机器人进行引导与充电座对接充电，但是因为红外
、
雷达以及蓝牙的发射编码信号的距离短，存在遮挡或清扫环境较大时，扫地机器人检测引导信号的时间就会增加，在回充途中耗电较大，可能发生途中电量耗尽而搁浅的情况
。
[0003]现有技术中利用扫地机器人清扫过程中所获取的环境图像与回充途中所获取的图像进行特征点检测并进行一一匹配来引导扫地机器人的前进方向，但是匹配过程中由于扫地机器人的视角变化或相机抖动导致图像匹配结果不准确，导致扫地机器人回充过程中出现前进方向偏移的情况
。

技术实现思路

[0004]本专利技术提供基于计算机视觉的扫地机器人回充方法，以解决现有的问题
。
[0005]本专利技术的基于计算机视觉的扫地机器人回充方法采用如下技术方案：本专利技术一个实施例提供了基于计算机视觉的扫地机器人回充方法，该方法包括以下步骤：获取扫地机器人在进行打扫工作时采集的且按照时间顺序排列的场景图像，记为时序场景图像；将扫地机器人在回充时当前时刻下采集的场景图像记为回充场景图像；将时序场景图像和回充场景图像统称为场景图像；预设多个不同大小的截止频率对场景图像进行滤波获得若干个高斯场景图像；获取任意场景图像中的若干个特征点，将回充场景图像与任意时序场景图像进行匹配，根据匹配点数量的大小获得回充场景图像对应的匹配场景图像，所述匹配点为构成匹配关系的特征点；获取任意匹配点在若干个高斯场景图像中的
Hu
矩和梯度值，根据梯度值
、
梯度值的分布情况以及
Hu
矩的分布情况获得匹配点的权重参数；根据场景图像中每一列包含特征点和匹配点的数量分别获得特征点分布曲线和匹配点分布曲线；将特征点分布曲线和匹配点分布曲线之间的差异以及权重参数进行融合，获得特征点分布曲线的偏移调整参数；利用偏移调整参数对特征点分布曲线进行调节获得场景图像的新特征点分布曲线，获取回充场景图像与匹配场景图像的新特征点分布曲线之间的相似性；根据相似性大小获得扫地机器人在回充过程中的前进方向
。
[0006]进一步的，所述预设多个不同大小的截止频率对场景图像进行滤波获得若干个高斯场景图像，包括的具体方法为：
预设初始截止频率以步长
A
迭代增加到
B
，获得若干个截止频率，利用所有截止频率分别对任意一个场景图像进行高斯高通滤波，获得场景图像对应的若干个高斯场景图像，一个高斯场景图像对应一个截止频率，其中
A
和
B
均为预设的超参数
。
[0007]进一步的，所述将回充场景图像与任意时序场景图像进行匹配，根据匹配点数量的大小获得回充场景图像对应的匹配场景图像，包括的具体方法为：首先，利用
SIFT
算法获取任意场景图像中的若干个特征点，并利用
SIFT
算法将回充场景图像与任意时序场景图像进行匹配，将构成匹配关系的特征点记为匹配点，一个匹配点对应一个场景图像，一个场景图像对应若干个高斯场景图像；然后，将回充场景图像与时序场景图像之间未构成匹配关系的特征点的数量记为数值
W1
，将数值
W1
与匹配点的数量相加获得数值
W2
，将匹配点的数量与数值
W2
的比值记为回充场景图像与时序场景图像之间的匹配程度；最后，获取回充场景图像与所有时序场景图像的匹配程度最大时对应的时序场景图像，记为回充场景图像对应的匹配场景图像
。
[0008]进一步的，所述获取任意匹配点在若干个高斯场景图像中的
Hu
矩和梯度值，包括的具体方法为：获取任意匹配点在对应场景图像中的坐标，记为匹配点的位置信息；在相同位置信息下的若干个高斯场景图像中，获取以匹配点为中心的预设局部范围内的
Hu
矩，并通过
Sobel
算子获取匹配点在若干个高斯场景图像中的梯度值，一个匹配点对应若干个
Hu
矩和梯度，一个匹配点在一个高斯场景图像中对应一个
Hu
矩和一个梯度值，一个
Hu
矩包含7个不变矩
。
[0009]进一步的，所述根据梯度值
、
梯度值的分布情况以及
Hu
矩的分布情况获得匹配点的权重参数，包括的具体方法为：获取任意匹配点的权重参数，具体计算方法为：；其中，
γ
表示匹配点的权重参数；
D
i
表示第
i
个高斯场景图像的截止频率；
T
i
表示匹配点在相同位置信息下的第
i
个高斯场景图像中的梯度值；
σ
T
表示匹配点在相同位置信息下的所有高斯场景图像中对应梯度值的标准差；
σ
H
a
表示匹配点在相同位置信息下的所有高斯场景图像中对应
Hu
矩的第
a
个不变矩的标准差；
I
表示高斯场景图像的数量；
exp( )
表示以自然常数为底数的指数函数
。
[0010]进一步的，所述根据场景图像中每一列包含特征点和匹配点的数量分别获得特征点分布曲线和匹配点分布曲线，包括的具体方法为：获取场景图像的列数，将任意一列的列数与场景图像的列数的比值记为第一数值，将第一数值与
360
°
的乘积结果记为对应列的列角度；分别获取回充场景图像与对应的匹配场景图像内任意一列所包含的特征点的数量，获得所有列对应的特征点的数量，构建二维直角坐标系，以列角度为横坐标，以特征点的数量作为纵坐标，将回充场景图像与对应的匹配场景图像内所有列对应的特征点的数量分别置于二维直角坐标系中，获得回充场景图像与匹配场景图像对应的散点图，利用最小二乘法对散点图中的散点进行曲线拟合，将
获得的曲线记为特征点分布曲线，回充场景图像与匹配场景图像分别对应一个特征点分布曲线；根据每一列所包含匹配点的数量获取回充场景图像与匹配场景图像分别对应的匹配点分布曲线，所述匹配点分布曲线的获取方法与特征点分布曲线的获取方法相同
。
[0011]进一步的，所述将特征点分布曲线和匹配点分布曲线之间的差异以及权重参数进行融合，获得特征点分布曲线的偏移调整参数，包括的具体方法为：获取特征点分布曲线的偏移调整参数，具体计算方法为：；其中，
ε
θ
表示特征点分布曲线中第
θ
个列角度下的偏移调整参数；
f1
θ<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于计算机视觉的扫地机器人回充方法，其特征在于，该方法包括以下步骤：获取扫地机器人在进行打扫工作时采集的且按照时间顺序排列的场景图像，记为时序场景图像；将扫地机器人在回充时当前时刻下采集的场景图像记为回充场景图像；将时序场景图像和回充场景图像统称为场景图像；预设多个不同大小的截止频率对场景图像进行滤波获得若干个高斯场景图像；获取任意场景图像中的若干个特征点，将回充场景图像与任意时序场景图像进行匹配，根据匹配点数量的大小获得回充场景图像对应的匹配场景图像，所述匹配点为构成匹配关系的特征点；获取任意匹配点在若干个高斯场景图像中的
Hu
矩和梯度值，根据梯度值
、
梯度值的分布情况以及
Hu
矩的分布情况获得匹配点的权重参数；根据场景图像中每一列包含特征点和匹配点的数量分别获得特征点分布曲线和匹配点分布曲线；将特征点分布曲线和匹配点分布曲线之间的差异以及权重参数进行融合，获得特征点分布曲线的偏移调整参数；利用偏移调整参数对特征点分布曲线进行调节获得场景图像的新特征点分布曲线，获取回充场景图像与匹配场景图像的新特征点分布曲线之间的相似性；根据相似性大小获得扫地机器人在回充过程中的前进方向
。2.
根据权利要求1所述基于计算机视觉的扫地机器人回充方法，其特征在于，所述预设多个不同大小的截止频率对场景图像进行滤波获得若干个高斯场景图像，包括的具体方法为：预设初始截止频率以步长
A
迭代增加到
B
，获得若干个截止频率，利用所有截止频率分别对任意一个场景图像进行高斯高通滤波，获得场景图像对应的若干个高斯场景图像，一个高斯场景图像对应一个截止频率，其中
A
和
B
均为预设的超参数
。3.
根据权利要求1所述基于计算机视觉的扫地机器人回充方法，其特征在于，所述将回充场景图像与任意时序场景图像进行匹配，根据匹配点数量的大小获得回充场景图像对应的匹配场景图像，包括的具体方法为：首先，利用
SIFT
算法获取任意场景图像中的若干个特征点，并利用
SIFT
算法将回充场景图像与任意时序场景图像进行匹配，将构成匹配关系的特征点记为匹配点，一个匹配点对应一个场景图像，一个场景图像对应若干个高斯场景图像；然后，将回充场景
W1
图像与时序场景图像之间未构成匹配关系的特征点的数量记为数值，将数值
W1
与匹配点的数量相加获得数值
W2
，将匹配点的数量与数值
W2
的比值记为回充场景图像与时序场景图像之间的匹配程度；最后，获取回充场景图像与所有时序场景图像的匹配程度最大时对应的时序场景图像，记为回充场景图像对应的匹配场景图像
。4.
根据权利要求1所述基于计算机视觉的扫地机器人回充方法，其特征在于，所述获取任意匹配点在若干个高斯场景图像中的
Hu
矩和梯度值，包括的具体方法为：获取任意匹配点在对应场景图像中的坐标，记为匹配点的位置信息；在相同位置信息下的若干个高斯场景图像中，获取以匹配点为中心的预设局部范围内的
Hu
矩，并通过
Sobel
算子获取匹配点在若干个高斯场景图像中的梯度值，一个匹配点对应若干个
Hu
矩和梯度，一个匹配点在一个高斯场景图像中对应一个
Hu
矩和一个梯度值，一个
Hu
矩包含7个不变矩
。5.
根据权利要求4所述基于计算机视觉的扫地机器人回充方法，其特征在于，所述根据
梯度值
、
梯度值的分布情况以及
Hu
矩的分布情况获得匹配点的权重参数，包括的具体方法为：获取任意匹配点的权重参数，具体计算方法为：；其中，
γ
表示匹配点的权重参数；
D
i
表示第
i
个高斯场景图像的截止频率；
T
i
表示匹配点在相同位置信息下的第
i
个高斯场景图像中的梯度值；
σ
T
表示匹配点在相同位置信息下的所有高斯场景图像中对应梯度值的标准差；
σ
H
a
表示匹配点在相同位置信息下的所有高斯场景图像中对应
Hu
矩的第
a
个不变矩的标准差；
I
表示高斯场景图像的数量；
exp( )
表示以自然常数为底数的指数函数
。6.
根据权利要求1所述基于计算机...

【专利技术属性】
技术研发人员：汤中宜，钱灏，谭海川，马朝华，
申请(专利权)人：张家港极客嘉智能科技研发有限公司，
类型：发明
国别省市：