【技术实现步骤摘要】
本专利技术涉及智能机器人，具体涉及一种视觉机器人控制方法、芯片和机器人。
技术介绍
1、机器人加上rgb相机后，就可以识别到场景中的物体。由于识别的方法是通过对照片进行分析，识别结果也是照片上的坐标（或识别框），我们需要将从照片识别到的物体坐标转化为实际场景中的坐标。现有的机器人通过相机图像获取场景中的物体的位置时，都只采用一种方式来进行位置识别，识别方式比较单一。灵活性较差。
技术实现思路
1、本专利技术提供了一种视觉机器人控制方法、芯片和机器人。本专利技术的具体技术方案如下：
2、一种视觉机器人控制方法，该方法包括以下步骤：机器人通过相机获取具有物体的图像，然后机器人将获取的图像与预先保存的图像进行匹配；若获取的图像与预先保存的图像匹配，则机器人从匹配结果中确定物体的实际长度，并基于物体在图像中的位置和物体的实际长度来计算物体的实际位置；若获取的图像与预先保存的图像不匹配，则机器人通过相机在n个不同的位置分别获取同一物体的图像，得到n张的物体图像，然后基于获取的n张图像来计算物体的实际位置；其中，n为大于或等于3的自然数。
3、进一步地，机器人将获取的图像与预先保存的图像进行匹配，包括以下步骤：机器人预先获取工作环境中每个物体的实际长度和物体的图像，然后将物体的实际长度和物体的图像相对应的保存到机器人中；机器人基于获取的具有物体的图像，从机器人预先保存的图像得到相匹配的图像，进而确定获取的具有物体的图像中的物体的实际长度。
4、进一步地，机器
5、进一步地，机器人对图像中的物体进行处理，来获取物体在图像中的位置，包括以下步骤：机器人通过卷积神经网络的数据输入层对获取的具有物体的图像进行预处理；机器人通过卷积神经网络的卷积层和池化层对预处理后的图像进行特征提取；机器人通过卷积神经网络的全连接层对提取的特征进行分类和连接，得到通过矩形框框起来的物体图像；机器人获取矩形框最上方的两个端点在图像中所对应的像素点，来获取矩形框最上方的两个端点在图像上的位置。
6、进一步地，机器人基于物体在图像中的位置和物体的实际长度来计算物体的位置，包括以下步骤：机器人基于获取具有物体的图像的长度、机器人相机的视场角和矩形框最上方的两个端点在图像上的位置，分别求出矩形框最上方的两个端点在相机上的投影角度；机器人基于矩形框最上方的两个端点在相机上的投影角度和物体的实际长度求出物体距离相机中心的深度；机器人基于物体距离相机中心的深度和矩形框最上方的两个端点在相机上的投影角度求出物体中心偏离x轴的距离；机器人基于物体距离相机中心的深度和物体中心偏离x轴的距离得到物体在以相机为原点的相对坐标系中的位置。
7、进一步地，机器人在求出物体在以相机为原点的相对坐标系中的位置后，机器人根据自身在全局坐标系中的位置和物体在以相机为原点的相对坐标系中的位置获取用于坐标变换的旋转矩阵和平移向量；机器人将物体在以相机为原点的相对坐标系中的位置乘以旋转矩阵，然后再加上平移向量，得到物体在全局坐标系上的位置。
8、进一步地，机器人基于获取的n张图像来计算物体的实际位置，包括以下步骤：机器人从物体的图像获取物体的偏移角度，然后通过机器人当前位置、相机参数和物体的偏移角度构建直线，得到n条直线；机器人获取n条直线中两两直线之间的交点，然后根据获取到的交点来获取物体的实际位置。
9、进一步地，机器人从物体的图像获取物体的偏移角度，包括以下步骤：机器人从物体的图像中识别出物体，得到用矩形框框起来的物体，并将该矩形框作为物体；机器人基于获取具有物体的图像的长度、机器人相机的视场角和矩形框最上方的两个端点在图像上的位置，分别求出矩形框最上方的两个端点在相机上的投影角度；机器人将矩形框最上方的两个端点在相机上的投影角度的平均值作为物体中心的偏移角度；其中，所述偏移角度为物体中心相对于相机的中轴线的偏移角度。
10、进一步地，机器人通过机器人当前位置、相机参数和物体的偏移角度构建直线，包括以下步骤：机器人在移动前构建全局坐标系，并通过定位模块确定自身工作过程中在全局坐标系中的位置；机器人获取矩形框最上方的两个端点在相机上的投影角度的差值的绝对值；机器人通过机器人当前在全局坐标系中的位置的坐标、物体中心的偏移角度、投影角度的差值的绝对值和相机最大检测距离获取最大检测距离点的坐标；机器人根据机器人当前在全局坐标系中的位置的坐标和最大检测距离点的坐标，通过两点构建直线，得到相对应的直线方程式；其中，所述定位模块包括imu传感器和里程计，所述最大检测距离点为相机沿物体中心所在方向的最大检测距离的点。
11、进一步地，机器人获取n条直线中两两直线之间的交点，包括以下步骤：机器人选取其中任意两条直线，然后基于选取的两条直线的直线方程式和两条直线所属的机器人当前在全局坐标系中的位置的坐标与最大检测距离点的坐标，得到两条直线的交点坐标；依此类推，机器人得到若干个直线的交点。
12、进一步地，机器人根据获取到的交点来获取物体的实际位置，包括以下步骤：机器人将获取的若干个交点的x坐标的平均值作为物体在全局坐标系中x坐标，将获取的若干个交点的y坐标的平均值作为物体在全局坐标系中y坐标，得到物体在全局坐标系中的坐标。
13、进一步地，机器人根据深度相机获取到的图像确定物体相对于相机的中轴线的偏移角度，包括以下步骤：机器人通过卷积神经网络的数据输入层对获取的具有物体的图像进行预处理；机器人通过卷积神经网络的卷积层和池化层对预处理后的图像进行特征提取；机器人通过卷积神经网络的全连接层对提取的特征进行分类和连接，得到通过矩形框框起来的物体图像；机器人基于获取具有物体的图像的长度、机器人相机的视场角和矩形框最上方的两个端点在图像上的位置，分别求出矩形框最上方的两个端点在相机上的投影角度；机器人将矩形框最上方的两个端点在相机上的投影角度的平均值作为物体相对于相机的中轴线的偏移角度。
14、一种芯片，该芯片用于存储程序，该程序被配置为执行上述的视觉机器人控制方法。
15、一种机器人，所述机器人包括主控芯片和深度相机，所述主控芯片为上述的芯片。
16、与现有的技术相比，本专利技术的有益效果在于：本申请所述的机器人通过两种方案来确定物体的位置，灵活性较高；当机器人中保存有物体的实际尺寸时，只要从一张图像中识别出物体就可以求出物体的位置，简化了获取数据的步骤和计算过程，提高识别效率；当机器人中没有保存有物体的实际尺寸时，机器人通过多张物体的图像来计算出物体的实际位置，持续去除物体位置获取过程中，相机图片和物体识别等引入的坐标误差，而且无需预先知道物体大小尺寸信息，提高物体位置获取的便利性。<本文档来自技高网...
【技术保护点】
1.一种视觉机器人控制方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的视觉机器人控制方法，其特征在于，机器人将获取的图像与预先保存的图像进行匹配，包括以下步骤：
3.根据权利要求2所述的视觉机器人控制方法，其特征在于，机器人基于获取的具有物体的图像，从机器人预先保存的图像得到相匹配的图像，包括以下步骤：
4.根据权利要求2所述的视觉机器人控制方法，其特征在于，机器人对图像中的物体进行处理，来获取物体在图像中的位置，包括以下步骤：
5.根据权利要求4所述的视觉机器人控制方法，其特征在于，机器人基于物体在图像中的位置和物体的实际长度来计算物体的位置，包括以下步骤：
6.根据权利要求5所述的视觉机器人控制方法，其特征在于，机器人在求出物体在以相机为原点的相对坐标系中的位置后，机器人根据自身在全局坐标系中的位置和物体在以相机为原点的相对坐标系中的位置获取用于坐标变换的旋转矩阵和平移向量；
7.根据权利要求1所述的视觉机器人控制方法，其特征在于，机器人基于获取的N张图像来计算物体的实际位置，包括以下步骤
8.根据权利要求7所述的视觉机器人控制方法，其特征在于，机器人从物体的图像获取物体的偏移角度，包括以下步骤：
9.根据权利要求8所述的视觉机器人控制方法，其特征在于，机器人通过机器人当前位置、相机参数和物体的偏移角度构建直线，包括以下步骤：
10.根据权利要求9所述的视觉机器人控制方法，其特征在于，机器人获取N条直线中两两直线之间的交点，包括以下步骤：
11.根据权利要求10所述的视觉机器人控制方法，其特征在于，机器人根据获取到的交点来获取物体的实际位置，包括以下步骤：
12.根据权利要求8所述的视觉机器人控制方法，其特征在于，机器人根据深度相机获取到的图像确定物体相对于相机的中轴线的偏移角度，包括以下步骤：
13.一种芯片，该芯片用于存储程序，其特征在于，该程序被配置为执行权利要求1至12任一项所述的视觉机器人控制方法。
14.一种机器人，其特征在于，所述机器人包括主控芯片和深度相机，所述主控芯片为权利要求13所述的芯片。
...【技术特征摘要】
1.一种视觉机器人控制方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的视觉机器人控制方法，其特征在于，机器人将获取的图像与预先保存的图像进行匹配，包括以下步骤：
3.根据权利要求2所述的视觉机器人控制方法，其特征在于，机器人基于获取的具有物体的图像，从机器人预先保存的图像得到相匹配的图像，包括以下步骤：
4.根据权利要求2所述的视觉机器人控制方法，其特征在于，机器人对图像中的物体进行处理，来获取物体在图像中的位置，包括以下步骤：
5.根据权利要求4所述的视觉机器人控制方法，其特征在于，机器人基于物体在图像中的位置和物体的实际长度来计算物体的位置，包括以下步骤：
6.根据权利要求5所述的视觉机器人控制方法，其特征在于，机器人在求出物体在以相机为原点的相对坐标系中的位置后，机器人根据自身在全局坐标系中的位置和物体在以相机为原点的相对坐标系中的位置获取用于坐标变换的旋转矩阵和平移向量；
7.根据权利要求1所述的视觉机器人控制方法，其特征在于，机器人基于获取的n张图像...
【专利技术属性】
技术研发人员：黄惠保，周和文，陈卓标，孙明，徐松舟，
申请(专利权)人：珠海一微半导体股份有限公司，
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。