一种机器人双目视觉实时定位装置制造方法及图纸

本发明专利技术属于视觉实时定位领域，尤其是一种机器人双目视觉实时定位装置，针对现有的传统中实时定位系统容易受到外界因素的影响，从而影响实时定位的准确性的问题，现提出如下方案，其包括视觉在线定位数学模型推导模块，所述视觉在线定位数学模型推导模块包括双目视觉定位模块、双目视觉定位检测模块、双目视觉定位学习模块和数据整合模块，本发明专利技术具备了能适应实际场景中的复杂变化，在保持原算法高效率的同时，提高了鲁棒性和准确性，并且减轻困扰传统双目的轨迹漂移问题，提供更准确，更鲁棒的定位结果。棒的定位结果。棒的定位结果。

【技术实现步骤摘要】
一种机器人双目视觉实时定位装置


[0001]本专利技术涉及视觉实时定位
，尤其涉及一种机器人双目视觉实时定位装置。

技术介绍

[0002]智能机器人是目前科学技术发展最活跃的领域之一，受到了世界各国的普遍重视；随着性能的不断完善和拓展，机器人巳经成功应用于工业、农业、医疗、服务等行业，在城市安全、国防和空间探测等有危险场合更是大显身手；视觉实时定位系统是智能机器人采集外部信号的关键技术之一，但传统中实时定位系统容易受到外界因素的影响，从而影响实时定位的准确性。
[0003]因此，我们提出了一种机器人双目视觉实时定位装置用于解决上述问题。

技术实现思路

[0004]本专利技术的目的是为了解决现有技术中存在传统中实时定位系统容易受到外界因素的影响，从而影响实时定位的准确性的缺点，而提出的一种机器人双目视觉实时定位装置。
[0005]为了实现上述目的，本专利技术采用了如下技术方案：
[0006]一种机器人双目视觉实时定位装置，包括视觉在线定位数学模型推导模块，所述视觉在线定位数学模型推导模块包括双目视觉定位模块、双目视觉定位检测模块、双目视觉定位学习模块和数据整合模块。
[0007]优选的，所述视觉在线定位数学模型推导模块采用TLD算法；且双目视觉定位模块采用基于前后误差估计的L-K光流法；所述双目视觉定位学习模块采用P-N学习算法，且双目视觉定位检测模块包括方差分类模块、集合分类模块和最近邻分类模块。
[0008]优选的，所述视觉在线定位数学模型推导模块用于当目标定位结果漂移或在视野中消失时，根据在线学习得到的目标模型，对每一帧进行全图的图像块检测，确定图像块，纠正定位模块的错误。
[0009]优选的，所述双目视觉定位检测模块连接有级联分类模块，且双目视觉定位检测模块用于按照初始定位波门大小扫描整个图像，然后将图像块归一化后送入级联分类模块进行分类，并将通过分类的样本送入数据整合模块，所述双目视觉定位模块采用基于前后误差估计的L-K光流法进行目标定位，并通过残差判断定位是否成功，如成功则把定位结果送入数据整合模块。
[0010]优选的，所述TLD算法采用在线模型，用于在第一帧开始后，手动标定要定位的目标，此时算法将目标以及周围的背景加入到在线模型中，目标模型由最近邻分类模块来进行更新，用集合M来表示正负样本构成的集合，那么集合M为其中p-为目标周围背景图像块，p
+
为目标图像块；在添加时，所有图像块均按照时间顺序，也就是新获得的和分别加到正样本和负样本的末
尾；给定任意的目标模型M和任意图像块P，定义如下的相似度度量：正样本最近邻的相似度负样本最近邻的相似度前50％的正样本最近邻的相似度相关相似度相关相似度的取值在[0,1]之间，相关相似度S
r
值描述了图像块是目标的可信度；保守相似度保守相似度的取值是在[0,1]之间，保守相似度S
c
则描述了图像块在集合M的前50％正样本的可信度。
[0011]优选的，所述在TLD算法中，识别任意图像块与在线模型之间关系用的就是保守相似度和相关相似度(S
r
,S
c
)；保守相似度和相关相似度还被用于定义最近邻分类模块，若相似度大于某一阈值，既S
r
(p,M)＞θ
NN
，图像块p就被归为正样本，反之归为负样本。
[0012]优选的，所述双目视觉定位模块的前后误差：图像序列I
t
＝{I1，...，I
t
，I
t+1
，...}；假设当前帧为I
t
，那么下一帧为I
t+1
，双目视觉定位模块的正序定位轨迹为F，双目视觉定位模块的逆序定位轨迹为B；将定位算法前后误差估计定义为：FB＝||F1+B1||，双目视觉定位模块在相邻帧之间通过目标边界框来定位目标；对于目标框内部，采用均匀设置采样点的方法，采取100个采样点，并设置为特征点，利用前后误差的LK光流法将不好的特征点去除，再将剩余的点进行评估，利用上一帧对应像素点的邻域和当前帧定位到的像素点的邻域进行匹配，得到归一化互相关系数NCC，即式中p
i
(x,y)、p
j
(x,y)分别为上一帧与当前帧对应像素点归一化值；取NCC中值，将小于其中值的像素点排除；得到最佳定位点。
[0013]优选的，所述双目视觉定位检测模块用于在双目视觉定位模块定位失败后，重新对定位其进行初始化；双目视觉定位检测模块利用滑动窗口对每一帧图像进行处理，且每一个窗口产生相应的图像块，判断此图像块是否含有目标；滑动窗口的大小与第一帧初始时的定位波门有关。
[0014]优选的，所述方差分类模块用于经过滑动窗产生的所有图像块，且用于排除方差小于初始目标边界框方差50％的图像块；方差分类模块计算图像块的方差：D(x)＝E(x2)-E2(x)；其中，x表示图像块区域，E(x2)表示图像块区域灰度值平方的均值，E(x)表示图像块区域的灰度值均值，D(x)表示图像块区域的灰度值方差；集合分类模块用于将通过方差分类模块之后的图像块基于随机森林进行分类，利用了图像的2bit特征；随机森林包含多个基本分类模块，也就是决策树；每一个决策树都将初始目标的像素点和在候选区域采集的像素点进行两两比较，生成相应的二进制编码X，X指向决策树的后验概率：Pi(y|x),y∈{0,1}；其中的个数总共有2
d
个，d是像素点对的个数，通常取值为13，因此二进制编码就有可能8192种的编码方式，而对于所有的二进制编码都用其各自的后验概率所代表；定义后验概率为：其中m
p
和m
n
分别代表着正样本图像块和负样本图像块的个数；最
近邻分类模块利用在线模型来计算图像块与目标模型的相关相似度；如果一个图像块与在线模型的相关相似度大于给定的阈值，既S
r
(p,M)＞θ
NN
，那么此图像块便分类为目标样本，否则为背景图像块。
[0015]优选的，所述双目视觉定位学习模块用于添加在线模型中的目标模型，且用于对每一帧中检测器的分类结果进行评估；双目视觉定位学习模块通过P-N学习对视频序列进行在线处理逐步改善检测器性能；对于视频中的每一帧图像数据，需要评估检测模块在当前帧中的误检，并利用此方法来更新目标模型。
[0016]与现有技术相比，本专利技术的有益效果是：
[0017]本专利技术具备了能适应实际场景中的复杂变化，在保持原算法高效率的同时，提高了鲁棒性和准确性，并且减轻困扰传统双目的轨迹漂移问题，提供更准确，更鲁棒的定位结果，解决了视觉实时定位系统是智能机器人采集外部信号的关键技术之一，但传统中实时定位系统容易受到外界因素的影响，从而影响实时定位的准确性的问题。
附图说明
[0018]图1为本专利技术提出的一种机器人双目视觉实时定位装置的原理框图；
[0019]图2为本专利技术提出的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机器人双目视觉实时定位装置，包括视觉在线定位数学模型推导模块(1)，其特征在于，所述视觉在线定位数学模型推导模块(1)包括双目视觉定位模块(2)、双目视觉定位检测模块(3)、双目视觉定位学习模块(4)和数据整合模块(5)。2.根据权利要求1所述的一种机器人双目视觉实时定位装置，其特征在于，所述视觉在线定位数学模型推导模块(1)采用TLD算法；且双目视觉定位模块(2)采用基于前后误差估计的L-K光流法；所述双目视觉定位学习模块(4)采用P-N学习算法，且双目视觉定位检测模块(3)包括方差分类模块(31)、集合分类模块(32)和最近邻分类模块(33)。3.根据权利要求1所述的一种机器人双目视觉实时定位装置，其特征在于，所述视觉在线定位数学模型推导模块(1)用于当目标定位结果漂移或在视野中消失时，根据在线学习得到的目标模型，对每一帧进行全图的图像块检测，确定图像块，纠正定位模块的错误。4.根据权利要求1所述的一种机器人双目视觉实时定位装置，其特征在于，所述双目视觉定位检测模块(3)连接有级联分类模块，且双目视觉定位检测模块(3)用于按照初始定位波门大小扫描整个图像，然后将图像块归一化后送入级联分类模块进行分类，并将通过分类的样本送入数据整合模块(5)，所述双目视觉定位模块(2)采用基于前后误差估计的L-K光流法进行目标定位，并通过残差判断定位是否成功，如成功则把定位结果送入数据整合模块(5)。5.根据权利要求2所述的一种机器人双目视觉实时定位装置，其特征在于，所述TLD算法采用在线模型，用于在第一帧开始后，手动标定要定位的目标，此时算法将目标以及周围的背景加入到在线模型中，目标模型由最近邻分类模块(33)来进行更新，用集合M来表示正负样本构成的集合，那么集合M为其中p-为目标周围背景图像块，p
+
为目标图像块；在添加时，所有图像块均按照时间顺序，也就是新获得的和分别加到正样本和负样本的末尾；给定任意的目标模型M和任意图像块P，定义如下的相似度度量：正样本最近邻的相似度负样本最近邻的相似度前50％的正样本最近邻的相似度相关相似度相关相似度的取值在[0,1]之间，相关相似度S
r
值描述了图像块是目标的可信度；保守相似度保守相似度的取值是在[0,1]之间，保守相似度S
c
则描述了图像块在集合M的前50％正样本的可信度。6.根据权利要求5所述的一种机器人双目视觉实时定位装置，其特征在于，所述在TLD算法中，识别任意图像块与在线模型之间关系用的就是保守相似度和相关相似度(S
r
,S
c
)；保守相似度和相关相似度还被用于定义最近邻分类模块(33)，若相似度大于某一阈值，既S
r
(p,M)＞θ
NN
，图像块p就被归为正样本，反之归为负样本。7.根据权利要求2所述的一种机器人双目视觉实时定位装置，其特征在于，所述双目视觉定位模块(2)的前后误差：图像序列I
t
＝{I1，...，I
t
，I
t+1
...

【专利技术属性】
技术研发人员：任延刚，
申请(专利权)人：北京中科荣利科技发展有限公司，
类型：发明
国别省市：