本发明专利技术公开了一种基于地面纹理的移动机器人视觉定位系统，该系统基于相机安装标定模块、地图部署与构建算法模块以及地图定位算法模块实现，包括：相机安装标定模块，所述相机安装标定模块用于相机安装和相机内外参标定；地图部署与构建算法模块，所述地图部署与构建算法模块用于环境数据采集、地图构建以及四叉树存储；地图定位算法模块，所述地图定位算法模块用于动态地图点创建以及机器人位姿估计，本发明专利技术基于室内屋顶特征的视觉定位技术，和基于地面纹理的视觉定位技术被广泛提出，其中基于地面纹理的视觉定位技术能够极大避免相机遮挡问题、且相对屋顶特征受到更少的环境光照变化影响。
1、传统移动机器人定位系统，需要通过部署轨道、磁条、地面二维码标识来确保机器人能够准确识别自身位姿。这些方法都需要改造工作环境，给工厂实际应用带来困扰：一方面，并非所有工厂环境都具备环境改造条件，另一方面，随着使用次数增加，轨道老化、磁条、二维码丢失等问题增加了后期维护成本。
2、随着计算机硬件和传感器技术的发展，激光雷达、视觉的建图与定位方法在移动机器人自主定位方面逐渐被广泛使用。其用到的主要技术是slam技术，原理是通过传感器提取机器人工作环境固有特征并对工厂环境建模，从而利用工厂环境信息，在不添加额外标识的情况下，实现机器人实时的高精度定位。
3、然而，在大部分移动机器人使用场景中，机器人传感器受遮挡是不可避免的，例如在广场、室内人员走动造成传感器遮挡，或仓库内摆放货物导致当前传感器检测环境与建模环境不符，这些问题都在影响自主定位技术的应用。
>4、相机安装标定模块，所述相机安装标定模块用于相机安装和相机内外参标定；5、地图部署与构建算法模块，所述地图部署与构建算法模块用于环境数据采集、地图构建以及四叉树存储；
6、地图定位算法模块，所述地图定位算法模块用于动态地图点创建以及机器人位姿估计。
7、优选地，所述相机安装标定模块还包括相机安装单元和相机内外参标定单元；
8、所述相机安装单元用于将单目相机安装在移动机器人上，可以安装在任意位置，包括机器人后面、内部或侧面；
9、所述相机内外参标定单元用于使用张正友标定法完成相机内参和镜头畸变的标定，同时标定相机外参，以获取单应性矩阵，用于图像坐标点与真实地面坐标点之间的转换关系。
10、优选地，所述地图部署与构建算法模块还包括环境数据采集单元、地图构建单元和四叉树存储单元；
11、所述环境数据采集单元用于采集机器人运行路径上的位置信息和图像数据；
12、所述地图构建单元用于将图像像素直接作为地图元素，并构建多分辨率的地图，使用高斯金字塔进行图像降采样，以提高地图的鲁棒性；
13、所述四叉树存储单元用于使用四叉树方式存储地图点，以提高地图中点的查找速度。
14、优选地，所述地图定位算法模块还包括动态地图点创建单元和机器人位姿估计单元；
15、所述动态地图点创建单元用于实时创建局部动态地图点，弥补固有地图的空缺，用于定位补充；
16、所述机器人位姿估计单元用于通过光度误差来衡量当前机器人位姿与观测信息的一致性，并使用最小二乘优化方法来求解当前机器人的最优位姿。
17、优选地，所述相机安装标定模块的实现流程为：
18、s1.1.准备标定工具：使用没有弹性的材料，包括油布或纸张，制作一个大小约为移动机器人车体长宽的3倍的平面标定工具，在标定工具上绘制中心棋盘格，确保棋盘格的尺寸和位置已经提前测量好，并且能够被相机准确地采集到；
19、s1.2.安置标定工具：将标定工具铺放在平整的地面上，确保其平稳无移动；
20、s1.3.机器人停车：控制移动机器人移动至标定工具上，使标定工具位于机器人的停车区域内，使用辅助标识确保机器人停在标定工具指定的位置上，以确保标定过程的准确性；
21、s1.4.采集图像：使用安装在移动机器人上的单目相机，对标定工具上的棋盘格进行图像采集，确保相机能够覆盖整个棋盘格，并且棋盘格清晰可见；
22、s1.5.提取角点：对采集到的图像进行角点提取，使用角点检测算法，包括harris角点检测或shi-tomasi角点检测来检测棋盘格的角点；
23、s1.6.点对匹配：将图像中检测到的角点与棋盘格上已知的角点进行匹配，形成点对，点对的形成要求图像中的角点与棋盘格上对应的角点能够一一对应，以确保标定的准确性；
24、s1.7.计算单应性矩阵：利用点对的信息，通过最小二乘法或其他拟合方法，求解单应性矩阵，通过单应性矩阵描述图像坐标点与车体坐标系下的对应关系，将图像上的坐标点转换为车体坐标系下的坐标点。
25、优选地，所述地图部署与构建算法模块的实现流程为：
26、s2.1.原始环境数据采集：在机器人运行路径上设置图像采集位置，通常以网格区域方式划分，确保覆盖整个环境，每次采集图像时记录机器人的采集图像时的坐标位置以及相应的图像数据；
27、s2.2.图像降采样处理：对于每张采集到的原始图像，采用高斯金字塔方法进行降采样处理，生成多个分辨率的图像，通过高斯金字塔方法在降低图像分辨率的同时保留图像的主要特征，减少地图构建时的计算复杂度；
28、s2.3.构建多分辨率地图：对每个降采样分辨率的图像，将图像像素直接作为地图元素，每个分辨率的图像构成地图的一个层级，即多分辨率地图；
29、s2.4.点计算方法：对每个图像像素点计算其在机器人坐标系下的位置；
30、s2.5.存储地图：将每个分辨率的地图存储起来，以便后续使用，为了提高地图中点的查找速度，采用四叉树方式对地图点进行存储。
31、优选地，所述地图定位算法模块的实现流程为：
32、s3.1.动态地图点的创建：由于固定地点的图像无法完整覆盖机器人运行区域的地面纹理，因此需要实时创建局部动态地图点来弥补地图的空缺，定位模式中，实心点表示预先构建的地图点，空心点表示根据当前自身位置和实时图像计算得到的临时点；
33、s3.2.机器人位姿估计方法选择：采用光度误差来衡量当前机器人位姿与观测信息的一致性，并基于最小二乘优化方法求解当前机器人的最优位姿；
34、s3.3.光度误差计算：计算光度误差时使用两张图像，当前相机采集的图片和使用地图生成的参考图片，生成参考图片的过程包括基于初始的机器人预测位姿构造虚拟图片，然后将可能观测到的所有地图点投影在虚拟图片上；
35、s3.4.光度误差及导数的计算公式：通过光度误差公式表示地图生成图像与当前图像像素灰度值的差，通过导数公式表示光度误差对机器人位姿的导数，其中导数经过laplace滤波获得；
36、s3.5.构建非线性最小二乘问题：基于光度误差和其导数构建非线性最小二乘问题；
37、s3.6.优化求解机器人位姿：最终通过gauss-newton或levenberg本文档来自技高网...
【技术保护点】
1.一种基于地面纹理的移动机器人视觉定位系统，该系统基于相机安装标定模块、地图部署与构建算法模块以及地图定位算法模块实现，其特征在于，包括：
2.根据权利要求1所述的一种基于地面纹理的移动机器人视觉定位系统，其特征在于：
3.根据权利要求2所述的一种基于地面纹理的移动机器人视觉定位系统，其特征在于：
4.根据权利要求3所述的一种基于地面纹理的移动机器人视觉定位系统，其特征在于：
5.根据权利要求2所述的一种基于地面纹理的移动机器人视觉定位系统，其特征在于，所述相机安装标定模块的实现流程为：
6.根据权利要求3所述的一种基于地面纹理的移动机器人视觉定位系统，其特征在于，所述地图部署与构建算法模块的实现流程为：
7.根据权利要求4所述的一种基于地面纹理的移动机器人视觉定位系统，其特征在于，所述地图定位算法模块的实现流程为：
【技术特征摘要】
1.一种基于地面纹理的移动机器人视觉定位系统，该系统基于相机安装标定模块、地图部署与构建算法模块以及地图定位算法模块实现，其特征在于，包括：
2.根据权利要求1所述的一种基于地面纹理的移动机器人视觉定位系统，其特征在于：
3.根据权利要求2所述的一种基于地面纹理的移动机器人视觉定位系统，其特征在于：
4.根据权利要求3所述的一种基于地面纹理的移动机器人视觉定位系...
【专利技术属性】
技术研发人员：张诚然，
申请(专利权)人：东北大学，
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。