【技术实现步骤摘要】
本专利技术涉及图像数据降噪，具体涉及一种基于计算机视觉的机器人工具精确定位的方法。
技术介绍
1、远程控制机器人通过工具抓取货物，能够提高货物运输的效率。机器人在抓取货物时需要确定工具位置，进而移动工具抓取货物。现有机器人工具定位是利用激光雷达设备采集机器人工具的点云数据，从而通过点云数据，进行工具的精准定位。
2、由于激光雷达设备在采集机器人工具的点云数据过程中，机器人应用的环境往往较为恶劣，导致机器人工具的点云数据存在大量的噪声，噪声会导致机器人工具定位不准确。因此需要对机器人工具的点云数据进行去噪处理，现有技术利用三维高斯滤波对点云数据进行去噪处理，现有技术在确定参考像素点的权重时，仅仅依据参考像素点和待降噪像素点的距离确定权重，忽略了数据点距离还表征物体结构信息，会导致去噪过度损失物体结构信息，使得去噪结果不准确，导致无法实现对机器人工具的精准定位。
技术实现思路
1、为了解决现有技术利用三维高斯滤波对点云数据进行去噪处理，难以实现去噪的同时保留点云数据的结构信息，使得去噪结果不准确，导致对机器人工具的定位精度较低的技术问题，本专利技术的目的在于提供一种基于计算机视觉的机器人工具精确定位的方法，所采用的技术方案具体如下：
2、一种基于计算机视觉的机器人工具精确定位的方法，所述方法包括以下步骤：
3、获取机器人工具的点云初始数据集合；所述点云初始数据集合包含待处理时刻的点云初始数据和历史数据库中各个历史时刻的点云初始数据；所述点云初始数据集
4、根据待处理时刻的点云初始数据和历史数据库中各个历史时刻的点云初始数据，利用三维高斯滤波核对所述待处理时刻的所述点云初始数据进行三维高斯滤波，获取待处理时刻的点云滤波数据；
5、所述获取待处理时刻的点云滤波数据的过程，包括：将待处理时刻的点云初始数据中每个数据点作为待降噪数据点，在确定每个待降噪数据点的每个参考数据点的权重的过程中，获取参考数据点的初始权重；将待处理时刻和各个历史时刻均作为一个目标时刻，将所述目标时刻的点云初始数据中每个数据点均作为一个目标数据点，将位于所述目标数据点的预设周围区域中的各数据点作为各个区域点，在所述目标数据点的预设周围区域中，根据所述目标数据点和所述区域点的所述反射强度值之间差异，以及所述区域点的分布，获取所述目标数据点的物体特征值；根据参考数据点的物体特征值和所有历史时刻的点云初始数据中数据点的物体特征值关系，获取所述参考数据点的稳定值；根据所述参考数据点和所述区域点的稳定值，以及所述参考数据点和所述区域点之间的距离，获取所述参考数据点的数据参与值；根据所述数据参与值对所述初始权重进行调整，获取参考数据点的调整后的权重；
6、根据待处理时刻的点云滤波数据，获取待处理时刻的机器人工具的定位结果。
7、进一步地，所述物体特征值的获取方法包括：
8、根据物体特征值公式获取物体特征值，所述物体特征值公式包括：
9、；其中，t(m)为第m个所述目标数据点的所述物体特征值；fm为第m个所述目标数据点的反射强度值；fz为在第m个所述目标数据点的预设周围区域中，第z个区域点的反射强度值；s为在第m个所述目标数据点的预设周围区域中，所有所述区域点的总数量；δz为在第z个区域点的预设周围范围中，第z个区域点和其所有周围点之间距离的方差；||为绝对值符号。
10、进一步地，所述稳定值的获取方法包括：
11、根据待处理时刻的点云初始数据和历史时刻的点云初始数据之间的位置关系，确定参考数据点在每个历史时刻的点云初始数据中对应的最佳匹配数据点；
12、根据稳定值公式获取所述稳定值，所述稳定值公式包括：
13、；其中，di为参考数据点i在第k个历史时刻的稳定值；t(i,o)为在待处理时刻的点云初始数据o中，参考数据点i的所述物体特征值；i*为参考数据点i在第k个历史时刻的点云初始数据中对应的最佳匹配数据点；t(i*,k)为参考数据点i在第k个历史时刻的点云初始数据中，对应的最佳匹配数据i*的所述物体特征值；sinc( )为辛格函数；
14、在每个参考数据点的所有历史时刻的所述稳定值中确定最大值，并将所述最大值确定为每个参考数据点最终的所述稳定值。
15、进一步地，所述最佳匹配数据点的获取方法包括：
16、确定所述目标时刻的点云初始数据对应的各个数据平面，所述各个数据平面均垂直于z轴，且所述目标时刻的点云初始数据中的各数据点均位于各个所述数据平面上；
17、对机器人行走轨迹进行直线拟合，获取行走拟合直线；确定每个所述数据平面对应的各个划分直线，所述各个划分直线的延伸方向均与所述行走拟合直线的延伸方向相同，且每个所述数据平面上对应的点云初始数据中的各数据点均位于各个所述划分直线上；
18、确定每个所述数据平面的起点，依次统计每个所述数据平面上的划分直线上各个数据点和起点之间的距离，作为各个数据点的特征距离，对所有数据点进行曲线拟合，获取各个划分直线上所有数据点的拟合曲线；所述拟合曲线的横坐标为特征距离，所述拟合曲线的纵坐标为反射强度值；
19、将参考数据点所在拟合曲线，作为参考曲线，将历史时刻对应与参考曲线所在数据平面的相同z轴高度的数据平面，作为历史时刻的参考对照平面；
20、利用dtw算法，将参考对照平面中所有拟合曲线和参考曲线，进行匹配，获取参考曲线对应在历史时刻的最佳匹配曲线；将参考数据点对应在历史时刻的最佳匹配曲线的匹配点，作为参考数据点在历史时刻对应的最佳匹配数据点。
21、进一步地，所述数据参与值的获取方法包括：
22、根据数据参与值公式获取所述数据参与值，所述数据参与值公式包括：
23、wi=norm[di×(dz×lz)max]；其中，wi为参考数据点i的所述数据参与值；di为参考数据点i的所述稳定值；dz为参考数据点i的预设周围区域中，第z个区域点的所述稳定值；lz为参考数据点i和第z个区域点之间欧氏距离；(dz×lz)max为在参考数据点i的预设周围区域中，所有区域点对应(dz×lz)中的最大值；norm( )为归一化函数。
24、进一步地，所述调整后的权重的获取方法包括：
25、根据所述参考数据点的所述数据参与值和所述初始权重，获取所述参考数据点的所述调整后的权重；所述初始权重和所述调整后的权重呈正相关性；所述数据参与值和所述调整后的权重呈正相关性。
26、进一步地，所述待处理时刻的机器人工具的定位结果的获取方法包括：
27、根据待处理时刻的点云滤波数据，提取各个描述子，将描述子和工具模型库中描述子进行匹配，获取匹配结果；进而根据匹配结果，获取待处理时刻的机器人工具的定位结果。
28、进一步地，所述初始权重的获取方法包括：
29、基于三维高斯滤波法，根据参考数据点和待降噪数本文档来自技高网...
【技术保护点】
1.一种基于计算机视觉的机器人工具精确定位的方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于计算机视觉的机器人工具精确定位的方法，其特征在于，所述物体特征值的获取方法包括：
3.根据权利要求1所述的一种基于计算机视觉的机器人工具精确定位的方法，其特征在于，所述稳定值的获取方法包括：
4.根据权利要求3所述的一种基于计算机视觉的机器人工具精确定位的方法，其特征在于，所述最佳匹配数据点的获取方法包括：
5.根据权利要求1所述的一种基于计算机视觉的机器人工具精确定位的方法，其特征在于，所述数据参与值的获取方法包括：
6.根据权利要求1所述的一种基于计算机视觉的机器人工具精确定位的方法，其特征在于，所述调整后的权重的获取方法包括：
7.根据权利要求1所述的一种基于计算机视觉的机器人工具精确定位的方法，其特征在于，所述待处理时刻的机器人工具的定位结果的获取方法包括：
8.根据权利要求1所述的一种基于计算机视觉的机器人工具精确定位的方法，其特征在于，所述初始权重的获取方法包括：>
9.根据权利要求1所述的一种基于计算机视觉的机器人工具精确定位的方法，其特征在于，所述预设周围区域的获取方法包括：
10.根据权利要求1所述的一种基于计算机视觉的机器人工具精确定位的方法，其特征在于，所述点云初始数据的获取方法包括：
...【技术特征摘要】
1.一种基于计算机视觉的机器人工具精确定位的方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于计算机视觉的机器人工具精确定位的方法，其特征在于，所述物体特征值的获取方法包括：
3.根据权利要求1所述的一种基于计算机视觉的机器人工具精确定位的方法，其特征在于，所述稳定值的获取方法包括：
4.根据权利要求3所述的一种基于计算机视觉的机器人工具精确定位的方法，其特征在于，所述最佳匹配数据点的获取方法包括：
5.根据权利要求1所述的一种基于计算机视觉的机器人工具精确定位的方法，其特征在于，所述数据参与值的获取方法包括：
6.根据权利要求1所述...
【专利技术属性】
技术研发人员：严鲜财，向宝明，刘鹏，蓝东沅，皮振军，费鹏，赵兴隆，房信，
申请(专利权)人：江苏航智嘉信息科技有限公司，
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。