【技术实现步骤摘要】
本专利技术涉及机器人以及图像处理，更具体的，涉及一种深度相机安装误差的标定方法、系统和可读存储介质。
技术介绍
1、对于带补盲深度相机的机器人，为了解决激光雷达不能覆盖到的盲区问题，通常都有一个或者几个倾斜向下安装的深度相机，来检测雷达盲区内障碍物。
2、而倾斜向下安装的深度相机，一般有旋转方向上的误差，如安装时角度往上翘一些。通常的，补盲深度相机与激光雷达的重叠范围较少，更甚是没有重叠区域，使用标定板与激光雷达效果差；而使用手动测量的方法，可以测量出位置偏差，但是对旋转方向上的角度误差很难测量。
技术实现思路
1、本专利技术的目的是提供一种深度相机安装误差的标定方法、系统和可读存储介质，专利技术不需要额外的标定板，避免繁琐的标定步骤即可标定安装误差，利用地面点云的均值点和到中心点的向量求得平面法向量，从而利用平面法向量与坐标三轴之间的夹角来矫正安装误差，计算简单快速。
2、本专利技术第一方面提供了一种深度相机安装误差的标定方法，包括以下步骤：
3、获取深度相机的基础点云数据，其中，所述基础点云数据对应为深度相机点云范围内的平整地面数据；
4、基于所述基础点云数据进行坐标系转换得到目标点云，其中，所述目标点云为机器人中心坐标系下的点云；
5、计算所述目标点云的平面法向量；
6、基于所述平面法向量计算深度相机旋转方向上的安装误差以得到标定误差，其中，所述标定误差包括俯仰角误差以及翻滚角误差。
7、本方
8、基于机器人所在位置获取场地平整度，其中，
9、若所述场地平整度符合要求，则基于设置在机器人上的深度相机获取深度相机点云范围内的点云得到所述基础点云数据；
10、若所述场地平整度不符合要求，则输出场地平整度告警提醒。
11、本方案中，所述基于所述基础点云数据进行坐标系转换得到目标点云，具体包括：
12、基于深度相机坐标系以及机器人中心坐标系获取目标矩阵，其中，所述目标矩阵为坐标系转换矩阵；
13、基于所述目标矩阵将所述基础点云数据中的每一个点都进行坐标系转换以得到所述目标点云，其中，转换方式如下：
14、pi＝(xi,yi,zi)；
15、vi＝[xi yi zi 1]t；
16、pc_i＝t*vi；
17、pc_i＝(xci,yci，zci)；
18、其中，pc为所述目标点云，t为所述目标矩阵，pi为深度相机坐标系下的任意一点，pc_i机器人中心坐标系下的任意一点，vi为坐标转换中间量。
19、本方案中，所述计算所述目标点云的平面法向量，具体包括：
20、计算所述目标点云下各点对应坐标的均值得到目标均值点，计算式如下：pc_a＝(xa,ya,za)，其中，pc_a为所述目标均值点，xa为所述目标点云中所有点横坐标的均值，ya为所述目标点云中所有点纵坐标的均值，za为所述目标点云中所有点竖坐标的均值；
21、计算所述目标点云中的每个点与所述目标均值点的目标向量，计算式如下：pc_iv＝(ivx,ivy,ivz)，其中，ivx＝xci-xa,ivy＝yci-ya,ivz＝zci-za；
22、基于所有的所述目标向量构建特征矩阵，计算式如下：f＝[pc_1v…pc_nv]，其中，f为所述特征矩阵，n为所述目标向量数量值；
23、基于所述特征矩阵进行特征分解得到一组特征向量，计算式如下：fft，将所述特征向量作为所述平面法向量，计算式如下：其中，为所述平面法向量，xn为平面法向量的横坐标值，yn为平面法向量的纵坐标值，zn为平面法向量的竖坐标值。
24、本方案中，基于所述平面法向量计算深度相机旋转方向上的俯仰角误差，具体包括：
25、基于所述平面法向量的横坐标值以及所述平面法向量的竖坐标值计算所述俯仰角误差，其中，计算式如下：
26、delta_pitch＝arctan(xn/zn)；
27、其中，delta_pitch为俯仰角误差，xn为平面法向量的横坐标值，zn为平面法向量的竖坐标值。
28、本方案中，基于所述平面法向量计算深度相机旋转方向上的翻滚角误差，具体包括：
29、基于所述平面法向量的纵坐标值以及所述平面法向量的竖坐标值计算所述翻滚角误差，其中，计算式如下：
30、delta_roll＝arctan(yn/zn)；
31、其中，delta_roll为翻滚角误差，yn为平面法向量的纵坐标值，zn为平面法向量的竖坐标值。
32、本专利技术第二方面还提供一种深度相机安装误差的标定系统，包括存储器和处理器，所述存储器中包括深度相机安装误差的标定方法程序，所述深度相机安装误差的标定方法程序被所述处理器执行时实现如下步骤：
33、获取深度相机的基础点云数据，其中，所述基础点云数据对应为深度相机点云范围内的平整地面数据；
34、基于所述基础点云数据进行坐标系转换得到目标点云，其中，所述目标点云为机器人中心坐标系下的点云；
35、计算所述目标点云的平面法向量；
36、基于所述平面法向量计算深度相机旋转方向上的安装误差以得到标定误差，其中，所述标定误差包括俯仰角误差以及翻滚角误差。
37、本方案中，所述获取深度相机的基础点云数据，具体包括：
38、基于机器人所在位置获取场地平整度，其中，
39、若所述场地平整度符合要求，则基于设置在机器人上的深度相机获取深度相机点云范围内的点云得到所述基础点云数据；
40、若所述场地平整度不符合要求，则输出场地平整度告警提醒。
41、本方案中，所述基于所述基础点云数据进行坐标系转换得到目标点云，具体包括：
42、基于深度相机坐标系以及机器人中心坐标系获取目标矩阵，其中，所述目标矩阵为坐标系转换矩阵；
43、基于所述目标矩阵将所述基础点云数据中的每一个点都进行坐标系转换以得到所述目标点云，其中，转换方式如下：
44、pi＝(xi,yi,zi)；
45、vi＝[xi yi zi 1]t；
46、pc_i＝t*vi；
47、pc_i＝(xci,yci，zci)；
48、其中，pc为所述目标点云，t为所述目标矩阵，pi为深度相机坐标系下的任意一点，pc_i机器人中心坐标系下的任意一点，vi为坐标转换中间量。
49、本方案中，所述计算所述目标点云的平面法向量，具体包括：
50、计算所述目标点云下各点对应坐标的均值得到目标均值点，计算式如下：pc_a＝(xa,ya,za)，其中，pc_a为所述目标均值点，xa为所述目标点云中所有点横坐标的均值，ya为所述目标点云中所有点纵坐标的均值，z本文档来自技高网...
【技术保护点】
1.一种深度相机安装误差的标定方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种深度相机安装误差的标定方法，其特征在于，所述获取深度相机的基础点云数据，具体包括：
3.根据权利要求2所述的一种深度相机安装误差的标定方法，其特征在于，所述基于所述基础点云数据进行坐标系转换得到目标点云，具体包括：
4.根据权利要求3所述的一种深度相机安装误差的标定方法，其特征在于，所述计算所述目标点云的平面法向量，具体包括：
5.根据权利要求4所述的一种深度相机安装误差的标定方法，其特征在于，基于所述平面法向量计算深度相机旋转方向上的俯仰角误差，具体包括：
6.根据权利要求4所述的一种深度相机安装误差的标定方法，其特征在于，基于所述平面法向量计算深度相机旋转方向上的翻滚角误差，具体包括：
7.一种深度相机安装误差的标定系统，其特征在于，包括存储器和处理器，所述存储器中包括深度相机安装误差的标定方法程序，所述深度相机安装误差的标定方法程序被所述处理器执行时实现如下步骤：
8.根据权利要求7所述的一种深度相机
9.根据权利要求8所述的一种深度相机安装误差的标定系统，其特征在于，所述基于所述基础点云数据进行坐标系转换得到目标点云，具体包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括一种深度相机安装误差的标定方法程序，所述深度相机安装误差的标定方法程序被处理器执行时，实现如权利要求1至6中任一项所述的一种深度相机安装误差的标定方法的步骤。
...【技术特征摘要】
1.一种深度相机安装误差的标定方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种深度相机安装误差的标定方法，其特征在于，所述获取深度相机的基础点云数据，具体包括：
3.根据权利要求2所述的一种深度相机安装误差的标定方法，其特征在于，所述基于所述基础点云数据进行坐标系转换得到目标点云，具体包括：
4.根据权利要求3所述的一种深度相机安装误差的标定方法，其特征在于，所述计算所述目标点云的平面法向量，具体包括：
5.根据权利要求4所述的一种深度相机安装误差的标定方法，其特征在于，基于所述平面法向量计算深度相机旋转方向上的俯仰角误差，具体包括：
6.根据权利要求4所述的一种深度相机安装误差的标定方法，其特征在于，基于所述平面法向量计算深度相机旋转方向上的翻...
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。