【技术实现步骤摘要】
本专利技术涉及机器人，具体地，涉及一种基于tof相机识别目标特征的移动机器人导航控制方法，尤其涉及一种移动机器人导航控制方法及系统。
技术介绍
1、随着传感器技术的发展，移动机器人的导航问题有了更多的解决方法，从而使得移动机器人在面对更复杂、更困难的场景中有了更多的可能性。依靠多目视觉定位导航、激光定位导航、超声波定位导航等方法，移动机器人在室内的导航任务得到了多种多样的解决方案。
2、中国专利号cn106919171b公布了一种机器人室内定位导航系统及方法，依赖uwb(ultra-wideband)无线通信技术对移动机器人进行室内环境下的定位，通过设置至少三个基站的初始坐标后建立初始坐标系，在此坐标系内进行移动机器人的自主导航。
3、中国专利号cn111445531b公布了一种多目相机导航方法、装置、设备及存储介质，使用多个相机建立多个坐标系，联合确定移动机器人的导航世界坐标系，依赖该坐标系进行移动机器人的导航任务。
4、中国专利号cn215340833u公布了一种自寻消毒点的激光视觉导航机器人，使用激光和视觉融合的方法，使移动机器人对环境进行2d以及3d建图，以此自寻消毒地点并进行导航。
5、上述的研究在移动机器人的导航领域都展现了不错的效果，但目前包括以上研究在内的移动机器人导航方法或需要多个传感器配合，使得成本较高；或需要预先设置，操作繁琐；或未考虑机器人负载问题，鲁棒性较差。
技术实现思路
1、针对现有技术中的缺陷，本专利技
2、根据本专利技术提供的一种移动机器人导航控制方法及系统，所述方案如下：
3、第一方面，提供了一种移动机器人导航控制方法，所述方法包括：
4、步骤s1：定义坐标系，设定移动机器人导航环境全局坐标系、移动机器人自身局部坐标系、tof相机成像平面坐标系；
5、步骤s2：设定先验信息，向dgp算法传入识别目标灰度图像作为识别目标的先验信息；
6、步骤s3：获取实时图像，使用tof相机捕获实时灰度图像与深度图像，同步地传入dgp定位算法；
7、步骤s4：机器人定位，使用dgp算法进行实时定位，结合获取的识别目标灰度图像先验信息与tof相机捕获的实时灰度图像和深度图像信息，对识别目标进行语义分割与定位，推导出移动机器人在导航环境全局坐标系中的位姿(xrobot,yrobot,θrobot)；
8、步骤s5：确定导航目标点，依据使用场景下机器人需要完成的具体任务，确定机器人在导航环境全局坐标系中导航目标点位姿(xt,yt,θt)；
9、步骤s6：路径规划，使用pcbc算法规划从机器人当前定位位姿到目标点位姿的全局导航路径；
10、步骤s7：轨迹跟踪，使用ecfl算法进行轨迹跟踪，控制移动机器人到达目标点位姿。
11、优选地，所述移动机器人导航环境全局坐标系以识别目标为原点，以识别目标正面法向量为x轴，z轴垂直于地面，向上为正方向，y轴以右手法则确立；
12、所述移动机器人自身局部坐标系以机器人上所安装的tof的位置为原点，以机器人前进方向，同时也是tof相机视角前方法向量为x轴，z轴垂直于地面，向上为正方向，y轴以右手法则确立；
13、所述tof相机成像平面坐标系以图像中心为原点，像素的行方向为x方向，向右为正，列方向为y方向，向上为正；tof相机传回的深度图像与灰度图像使用的是同样的像平面坐标系。
14、优选地，所述dgp算法是基于tof相机主动式测距原理获取深度信息的特点所开发的定位算法，包括以下流程：
15、1)使用dgp算法识别目标并进行语义分割：
16、dgp算法通过识别物体的先验图像与tof传回实时图像进行特征匹配，对识别物体进行粗定位，其中心坐标在灰度图像的相机成像平面坐标系中记为(xo,yo)，并取得tof深度图像中该点的深度值dinit；
17、单个物体在tof深度图像中表现为深度信息连续，dgp算法以此为核心，寻找深度信息突变处，以确定物体的边缘；
18、利用tof相机所获取深度信息精确度高的特点，dgp算法能够通过检测相邻两像素深度值的突变现象判断出待识别物体的边缘像素坐标，从而得到识别目标在像平面的中心坐标值(xo,yo)及其两边缘深度值dleftedge与drightedge；
19、2)使用dgp算法进行移动机器人的位姿计算：
20、记识别目标真实宽度为w0，在移动机器人导航环境全局坐标系下，有：
21、
22、由三角关系式可知：
23、
24、
25、在移动机器人导航环境全局坐标系中，移动机器人坐标(xrobot,yrobot)到原点的连线与x轴夹角设为φ，与移动机器人的法向量夹角设为α，移动机器人的姿态θrobot在移动机器人导航环境全局坐标系中定义为移动机器人法向量与x轴的夹角，逆时针为正；
26、取tof相机的水平视场角hfov为h，取tof传回图像像素宽度为w，根据tof相机的针孔模型，取识别目标在像平面中的坐标点(xo,yo)计算α：
27、
28、在移动机器人导航环境全局坐标系中，根据反三角关系式计算φ：
29、
30、则移动机器人的姿态θrobot由下式计算得：
31、θrobot＝π-φ+α
32、从而通过dgp算法获得移动机器人导航环境全局坐标系信息，以及移动机器人在导航环境全局坐标系中的位姿(xrobot,yrobot,θrobot)。
33、优选地，所述pcbc算法为带有姿态约束的高阶贝塞尔曲线路径规划算法，综合考虑实时性，轨迹平滑性，起点与终点位姿准确性；
34、获得起点位姿(xrobot,yrobot,θrobot)以及终点位姿(xt,yt,θt)，至少使用四个贝塞尔曲线方向点以规划路径，包括(xrobot,yrobot)，(x1,y1)，(x2,y2)，(xt,yt)；
35、pcbc算法中的(x1,y1)及(x2,y2)满足：
36、
37、
38、pcbc算法允许在(x1,y1)，(x2,y2)之间增加方向点个数以修改导航路径；
39、pcbc算法规划出的导航路径为带有时间戳的序列点轨迹b(t)＝(xr(t),yr(t))，其中t∈[0,tf]，tf为参考控制时间。
40、优选地，所述ecfl算法为具有误差补偿的反馈线性化控制算法，对控制系统增加误差补偿检测机制，提高移动机器人的轨迹跟踪控制表现；
41、在移动机器人导航环境全局坐标系下，对移动机器人运动学模型建模：
42、
43、
44、
45、其中，v和ω分别为移动机器人的线速度与角本文档来自技高网...
【技术保护点】
1.一种移动机器人导航控制方法，其特征在于，包括：
2.根据权利要求1所述的移动机器人导航控制方法，其特征在于，所述移动机器人导航环境全局坐标系以识别目标为原点，以识别目标正面法向量为X轴，Z轴垂直于地面，向上为正方向，Y轴以右手法则确立；
3.根据权利要求1所述的移动机器人导航控制方法，其特征在于，所述DGP算法是基于ToF相机主动式测距原理获取深度信息的特点所开发的定位算法，包括以下流程：
4.根据权利要求1所述的移动机器人导航控制方法，其特征在于，所述PCBC算法为带有姿态约束的高阶贝塞尔曲线路径规划算法，综合考虑实时性，轨迹平滑性，起点与终点位姿准确性；
5.根据权利要求1所述的移动机器人导航控制方法，其特征在于，所述ECFL算法为具有误差补偿的反馈线性化控制算法，对控制系统增加误差补偿检测机制，提高移动机器人的轨迹跟踪控制表现；
6.根据权利要求5所述的移动机器人导航控制方法，其特征在于，所述方法还包括：为反馈线性化控制器增加误差补偿，定义静态误差为：
7.一种移动机器人导航控制系统，其特征在于，包
8.根据权利要求7所述的移动机器人导航控制系统，其特征在于，所述移动机器人导航环境全局坐标系以识别目标为原点，以识别目标正面法向量为X轴，Z轴垂直于地面，向上为正方向，Y轴以右手法则确立；
9.一种存储有计算机程序的计算机可读存储介质，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的移动机器人导航控制方法的步骤。
10.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的移动机器人导航控制方法的步骤。
...【技术特征摘要】
1.一种移动机器人导航控制方法，其特征在于，包括：
2.根据权利要求1所述的移动机器人导航控制方法，其特征在于，所述移动机器人导航环境全局坐标系以识别目标为原点，以识别目标正面法向量为x轴，z轴垂直于地面，向上为正方向，y轴以右手法则确立；
3.根据权利要求1所述的移动机器人导航控制方法，其特征在于，所述dgp算法是基于tof相机主动式测距原理获取深度信息的特点所开发的定位算法，包括以下流程：
4.根据权利要求1所述的移动机器人导航控制方法，其特征在于，所述pcbc算法为带有姿态约束的高阶贝塞尔曲线路径规划算法，综合考虑实时性，轨迹平滑性，起点与终点位姿准确性；
5.根据权利要求1所述的移动机器人导航控制方法，其特征在于，所述ecfl算法为具有误差补偿的反馈线性化控制算法，对控制系统增加误差补偿检测机制，提高移动机器人的轨迹跟踪...
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。