【技术实现步骤摘要】
本专利技术涉及导航定位定姿，尤其是涉及一种黑暗环境下基于闪烁光源的位姿求解算法。
技术介绍
1、近些年来，智能移动机器人随着人类科学技术的不断进步发展，其自主智能水平不断提高，各种服务机器人犹如雨后春笋般出现在大众视野并投入使用，比如我们常见的扫地机器人。在丰富机器人解决实际功能的前提下，移动机器人的自主定位导航系统是其完成实际功能的重要前提之一，是实现其智能化的基石，要实现移动机器人的智能行走，必须首先为其提供可靠的定位导航技，slam是机器人自主移动的关键技术，一直受到科研人员的密切关注。slam应用领域广泛，可以协助机器人进行路径规划、自主探索、导航及其他任务。
2、slam技术根据选用传感器的不同分为了激光slam与视觉slam，移动机器人通过自身携带的激光雷达实现的slam被称为激光slam，在激光slam中比较著名的是grisettiyz和stachniss于2007年提出的gmapping。主动激光技术的应用，使得其具有测量分辨率高，抗干扰能力强、抗隐身能力强、穿透能力强和全天候工作的特点，这使得激光雷达在黑暗环境下的应用更具优势，但是激光雷达存在价格高的缺点，售价是相机的数倍，这使得激光雷达的社会经济效益偏低。由于相机具有诸多优点，如相机的成本低，重量小，采集到的图像信息丰富等，使得视觉slam技术得到了更多的关注。但是不管是哪种相机，由于夜间环境光线暗淡，直接导致相机进光量的减少，导致相机成片质量下降，在图像上呈现低纹理的特点；在低照度环境下，夜间图像还呈现长曝光需求出现的图像模糊、高感光需求造成了
3、特征点提取与匹配是视觉slam的重要步骤，一般可以选取场景中纹理特征信息作为特征点，亦可利用闪烁光源这种光信标特征为相机在黑暗环境下提供强有力的纹理特征信息，闪烁光源的闪烁频率是固定的，这为多个不同闪烁频率的闪烁光源进行特征匹配提供了强有力的特征匹配信息。根据闪烁光源这一强有力的光信标特征，使得移动机器人能够在黑暗环境下稳定地进行位姿轨迹，为视觉slam在黑暗环境下进行提供一种解决方案。
技术实现思路
1、本专利技术利用闪烁光源在黑暗环境中容易识别且不同闪烁频率能够作为光源特征匹配的特性，根据闪烁频率特征信息确定前后周期内闪烁光源的匹配关系，根据相机的投影模型，结合pnp位姿求解方法，提出一种黑暗环境下基于闪烁光源的位姿求解算法。
2、为实现上述目的，本专利技术提供了一种黑暗环境下基于闪烁光源的位姿求解算法，包括以下步骤：
3、包括以下步骤：
4、s1、图像数据采集，在黑暗环境下布置闪烁光源系统，机器人自由运动，使用相机实时捕捉到闪烁光源的图像信息，并传给计算机存储，持续一个单位周期；
5、s2、光源轮廓特征检测与提取，利用中值滤波对图像进行降噪，使用开运算与闭运算态学操作降低散射现象，使用sobel算子计算降噪图像的梯度图像以增强光源特征的边缘信息，并对光源轮廓进行检测与提取；
6、s3、建立坐标系，图像第一帧设为世界空间坐标系的原点；
7、s4闪烁光源相对位置信息描述符生成，计算光源轮廓之间的相对位置信息描述符用于闪烁光源的帧见跟踪；
8、s5、计算单位周期闪烁光源的特征点，将单位周期最后一帧中闪烁光源轮廓矩形框的中心点坐标作为关键点，轮廓在该单位周期内出现的次数作为频率描述子；
9、s6、闪烁光源特征点匹配，前后两个单位周期进行闪烁光源特征点匹配，根据每个闪烁光源在前一单位周期和当前周期的频率描述子信息完成闪烁光源特征点匹配；
10、s7、位姿解算，根据光源匹配的特征点计算对应的空间坐标点，应用pnp算法求解光源的位姿。
11、优选的，在步骤s2中，利用中值滤波对图像进行降噪，使用开运算与闭运算态学操作降低散射现象，使用sobel算子计算降噪图像的梯度图像以增强光源特征的边缘信息，并对光源轮廓进行检测与提取，其具体过程如下所示：
12、对图像a进行中值滤波降噪处理后，将原始图像处理为灰度图像，利用开运算与闭运算态学操作降低闪烁光源的散射现象，使用sobel算子进行轮廓检测，sobel算子包含两个卷积核，一个用于计算水平方向的梯度，另一个用于计算垂直方向的梯度；其中：
13、水平方向梯度卷积核：
14、垂直方向梯度卷积核：
15、将gx和gy卷积核分别与灰度图像进行卷积运算，最后计算梯度幅值得到梯度图像：其中*为卷积操作。
16、优选的，在步骤s3中，将图像的第一帧设定为世界空间坐标系的原点。则其初始的位姿用变换矩阵表示为：
17、
18、其中：r为旋转矩阵，t为平移向量。
19、优选的，在步骤s4中，计算图像中提取到的闪烁光源轮廓之间的相对位置信息描述符用于该闪烁光源轮廓的帧见跟踪标识；
20、计算过程为：轮廓矩形框的中心点坐标以及和其他光源轮廓矩形框之间的中心点像素距离与相对方向信息作为该轮廓的相对位置信息描述符；
21、优选的，在步骤s4中，轮廓矩形框的中心点坐标的生成具体如下所示：
22、设轮廓特征提取后包围轮廓的矩形框，其左上角坐标为(x,y)，宽度为width，高度为height，则矩形的几何中心可以用简单的数学公式计算得到：
23、质心的x坐标＝x+width/2
24、质心的y坐标＝y+height/2
25、相对信息描述符生成如下：
26、像素距离：
27、假设有两个矩形框中心点坐标(x1,y1)和(x2,y2)，我们可以使用欧氏距离公式计算两个质心之间的距离：
28、
29、相对方向：
30、假设有相同的中心点坐标(x1,y1)和(x2,y2)，那么它们之间角度θ可以通过求arctangent来计算：
31、θ＝arctan2(y2-y1,x2-x1)
32、其中，(arctan2)是计算与x轴正方向之间的角度的函数，考虑了差值的符号，θ为(-π,π)之间的值。
33、当相机处在相机准静止状态下时，根据前后帧中轮廓矩形框的重合度判断是否是同一个轮廓的矩形框，实现对闪烁光源的跟踪，并记录同一个轮廓矩形框中闪烁光源点亮的帧数作为闪烁光源描述符；相机运动状态下时，通过相对信息描述符用于跟踪前后两帧中相同轮廓的矩形框，实现对闪烁光源的跟踪，并记录同一个轮廓矩形框中闪烁光源点亮的帧数作为闪烁光源描述符。
34、优选的，在步骤s5中，计算单位周期闪烁光源的特征点，其具体过程如下所示：
35、当单位周期结束时，将单位周期最后一帧中闪烁光源轮廓矩形框的中心点坐标作为关键点，轮廓在该单位周期内出现的次数也就是闪烁光源在单位周期内点亮本文档来自技高网...
【技术保护点】
1.一种黑暗环境下基于闪烁光源的位姿求解算法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种黑暗环境下基于闪烁光源的位姿求解算法，其特征在于：在步骤S2中，利用中值滤波对图像进行降噪，使用开运算与闭运算态学操作降低散射现象，使用Sobel算子计算降噪图像的梯度图像以增强光源特征的边缘信息，并对光源轮廓进行检测与提取，其具体过程如下所示：
3.根据权利要求2所述的一种黑暗环境下基于闪烁光源的位姿求解算法，其特征在于：在步骤S3中，将图像的第一帧设定为世界空间坐标系的原点。则其初始的位姿用变换矩阵表示为：
4.根据权利要求3所述的一种黑暗环境下基于闪烁光源的位姿求解算法，其特征在于：在步骤S4中，计算图像中提取到的闪烁光源轮廓之间的相对位置信息描述符用于该闪烁光源轮廓的帧见跟踪标识；
5.根据权利要求3所述的一种黑暗环境下基于闪烁光源的位姿求解算法，其特征在于：在步骤S4中，轮廓矩形框的中心点坐标的生成具体如下所示：
6.根据权利要求5所述的一种黑暗环境下基于闪烁光源的位姿求解算法，其特征在于：在步骤S5中，计算单
7.根据权利要求6所述的一种黑暗环境下基于闪烁光源的位姿求解算法，其特征在于：在步骤S6中，前后单位周期进行闪烁光源特征点匹配，其具体过程如下所示：
8.根据权利要求7所述的一种黑暗环境下基于闪烁光源的位姿求解算法，其特征在于：在步骤S7中，应用PNP算法求解光源的位姿，其具体过程如下所示：
...【技术特征摘要】
1.一种黑暗环境下基于闪烁光源的位姿求解算法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种黑暗环境下基于闪烁光源的位姿求解算法，其特征在于：在步骤s2中，利用中值滤波对图像进行降噪，使用开运算与闭运算态学操作降低散射现象，使用sobel算子计算降噪图像的梯度图像以增强光源特征的边缘信息，并对光源轮廓进行检测与提取，其具体过程如下所示：
3.根据权利要求2所述的一种黑暗环境下基于闪烁光源的位姿求解算法，其特征在于：在步骤s3中，将图像的第一帧设定为世界空间坐标系的原点。则其初始的位姿用变换矩阵表示为：
4.根据权利要求3所述的一种黑暗环境下基于闪烁光源的位姿求解算法，其特征在于：在步骤s4中，计算图像中提取到的闪烁光源轮廓之...
【专利技术属性】
技术研发人员：吴迪，王烨，苏博勋，冯兆龙，
申请(专利权)人：哈尔滨工程大学，
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。