用于估计机器人位置的设备及其方法技术

一种用于估计机器人位置的设备及其方法，所述设备包括：图像获取单元，被配置为：获取RGB图像和具有深度信息的红外图像，通过将RGB图像与红外图像匹配来顺序地生成充当用于提取特征点的参考的参考图像以及要与参考图像进行比较的目标图像；图像处理单元，被配置为：从参考图像和目标图像中的每一个提取二维的参考特征点，在参考图像与目标图像之间匹配参考特征点，并从匹配的二维的参考特征点提取三维的至少一个附加特征点；位置估计单元，被配置为：从附加特征点估计机器人的位置，并优化估计的机器人的位置，其中，除参考特征点以外，还提取附加特征点，从而提高识别机器人的位置的稳定性。

【技术实现步骤摘要】

本公开的实施例涉及一种用于估计机器人的位置的设备及其方法，其中，所述设备能够通过提供除参考特征点以外的附加特征点来计算机器人的位置。
技术介绍
关于识别机器人的位置，已经使用各种传感器。对于室内而言，已经使用超声传感器、红外传感器、无线信号和相机进行了针对机器人位置识别的大量研究。为了成本和有效性的利益，已经使用各种传感器中的相机(主要使用立体相机、模拟人体双目视觉和单相机)进行了大量研 究。使用相机可以明显地降低机器人位置识别中的成本，但是导致难以匹配特征点和计算特征点的三维位置。因此，传统的研究已经关注于实现特征点的鲁棒匹配。为了计算机器人的位置，即使当在不同的方向和不同的距离处观看图像时，也需要识别特征点，因此，特征点匹配是重要的。如果实现了足够量的特征点匹配，那么通过数学公式来计算机器人的位置。但是，室内的壁表面缺少特征点，因此，匹配的特征点的数量少，并且，难以计算机器人的位置。即使用数学公式来计算，基于少量匹配特征点计算机器人的位置也会产生错误的结果。也就是说，在室内估计机器人的位置时，特征点的数量和特征点的匹配是新出现的问题。
技术实现思路
因此，本公开的一方面在于提供一种用于估计机器人的位置的设备及其方法，其中，所述设备能够提取除参考特征点以外的与参考特征点相邻的附加特征点。本公开的另外的方面将在下面的描述中被部分地阐述，并且，根据所述描述部分地将变得明显，或者，可以通过本公开的实践来获知。根据本公开的一方面，一种用于估计机器人的位置的设备包括图像获取单元、图像处理单元和位置估计单元。图像获取单元可以被配置为:获取RGB图像和具有深度信息的红外图像，并且，通过将RGB图像与红外图像匹配来顺序地生成充当用于提取特征点的参考的参考图像以及将与参考图像进行比较的目标图像。图像处理单元可以被配置为:从参考图像和目标图像中的每一个提取二维的参考特征点，在参考图像与目标图像之间匹配参考特征点，并且，从匹配的二维的参考特征点提取三维的至少一个附加特征点。位置估计单元可以被配置为:从附加特征点估计机器人的位置，并优化估计的机器人的位置。附加特征点可以是位于与匹配参考特征点相邻的位置的坐标信息，并具有深度信肩、O附加特征点可以包括针对每一个匹配参考特征点提取的四个附加特征点或八个附加特征点。图像处理单元可以包括参考特征点提取单元、特征点匹配单元和附加特征点提取单元。参考特征点提取单元可以被配置为:通过使用参考特征点提取算法，从参考图像或目标图像提取参考特征点。特征点匹配单元可以被配置为:将参考图像的参考特征点与目标图像的参考特征点匹配，以便确定参考图像的参考特征点是否为与目标图像的参考特征点相同的特征点。附加特征点提取单元可以被配置为:从自图像获取单元发送的三维图像提取位于与匹配参考特征点相邻的位置的至少一个附加特征点。附加特征点提取单元可以包括确定单元，其中，所述确定单元被配置为确定是否提取附加特征点或者选择要提取的附加特征点的数量。确定单元可以通过比较匹配参考特征点的数量与第一参考值来确定是否提取附加特征点。确定单元可以通过比较匹配参考特征点的数量与第二参考值来选择要提取的附加特征点的数量。位置估计单元可以通过使用下面的数学公式来获得机器人在三维空间中的位移:权利要求1.一种用于估计机器人的位置的设备，所述设备包括 图像获取单元，被配置为获取RGB图像和具有深度信息的红外图像，通过将RGB图像与红外图像匹配来顺序地生成充当用于提取特征点的参考的参考图像以及要与参考图像进行比较的目标图像； 图像处理单元，被配置为从参考图像和目标图像中的每一个提取二维的参考特征点，在参考图像与目标图像之间匹配参考特征点，从匹配的二维的参考特征点提取三维的至少一个附加特征点；以及 位置估计单元，被配置为从附加特征点估计机器人的位置，并优化估计的机器人的位置。2.根据权利要求I所述的设备，其中，附加特征点是位于与匹配参考特征点相邻的位置的坐标信息，并具有深度信息。3.根据权利要求I所述的设备，其中，附加特征点包括针对每一个匹配参考特征点提取的四个附加特征点或八个附加特征点。4.根据权利要求I所述的设备，其中，图像处理单元包括 参考特征点提取单元，被配置为通过使用参考特征点提取算法，从参考图像或目标图像提取参考特征点； 特征点匹配单元，被配置为将参考图像的参考特征点与目标图像的参考特征点匹配，以便确定参考图像的参考特征点是否为与目标图像的参考特征点相同的特征点；以及 附加特征点提取单元，被配置为从自图像获取单元发送的三维图像提取位于与匹配参考特征点相邻的位置的至少一个附加特征点。5.根据权利要求4所述的设备，其中，附加特征点提取单元包括确定单元，其中，所述确定单元被配置为确定是否提取附加特征点或者选择要提取的附加特征点的数量。6.根据权利要求5所述的设备，其中，确定单元通过将匹配参考特征点的数量与第一参考值进行比较来确定是否提取附加特征点。7.根据权利要求5所述的设备，其中，确定单元通过将匹配参考特征点的数量与第二参考值进行比较来选择要提取的附加特征点的数量。8.根据权利要求I所述的设备，其中，位置估计单元通过使用下面的数学公式来获得机器人在三维空间中的位移 +d-Y^o9.一种估计机器人的位置的方法，所述方法包括 获取RGB图像和具有深度信息的红外图像，通过将RGB图像与红外图像匹配来顺序地生成充当用于提取特征点的参考的参考图像以及要与参考图像进行比较的目标图像； 从参考图像和目标图像中的每一个提取二维的参考特征点，在参考图像与目标图像之间匹配参考特征点，并从二维的匹配参考特征点提取三维的至少一个附加特征点，以便执行图像处理；以及 从附加特征点估计机器人的位置，并优化估计的机器人的位置。10.根据权利要求9所述的方法，其中，附加特征点是位于与匹配参考特征点相邻的位置的坐标信息，并具有深度信息。11.根据权利要求9所述的方法，其中，附加特征点包括针对每一个匹配参考特征点提取的四个附加特征点或八个附加特征点。12.根据权利要求9所述的方法，其中，图像处理的执行包括: 通过使用参考特征点提取算法，从参考图像或目标图像提取参考特征点； 通过将参考图像的参考特征点与目标图像的参考特征点匹配来确定参考图像的参考特征点是否为与目标图像的参考特征点相同的特征点；以及 从自图像获取单元发送的三维图像提取位于与匹配参考特征点相邻的位置的至少一个附加特征点。13.根据权利要求12所述的方法，其中，附加特征点的提取包括: 执行以下确定:确定是否提取附加特征点或者选择要提取的附加特征点的数量。14.根据权利要求13所述的方法，其中，确定的执行包括:将匹配参考特征点的数量与第一参考值进行比较。15.根据权利要求13所述的方法，其中，确定的执行包括:将匹配参考特征点的数量与第二参考值进行比较。16.根据权利要求9所述的方法，其中，估计机器人的位置包括通过使用下面的数学公式来获得机器人在三维空间中的位移:全文摘要一种，所述设备包括图像获取单元，被配置为获取RGB图像和具有深度信息的红外图像，通过将RGB图像与红外图像匹配来顺序地生成充当用于提取特征点的参考的参考图像以及要与参考图像进行比较的目标图像；图像处理单元，被配本文档来自技高网...

【技术保护点】
一种用于估计机器人的位置的设备，所述设备包括：图像获取单元，被配置为：获取RGB图像和具有深度信息的红外图像，通过将RGB图像与红外图像匹配来顺序地生成充当用于提取特征点的参考的参考图像以及要与参考图像进行比较的目标图像；图像处理单元，被配置为：从参考图像和目标图像中的每一个提取二维的参考特征点，在参考图像与目标图像之间匹配参考特征点，从匹配的二维的参考特征点提取三维的至少一个附加特征点；以及位置估计单元，被配置为：从附加特征点估计机器人的位置，并优化估计的机器人的位置。

【技术特征摘要】
...

【专利技术属性】
技术研发人员：郭鲁山，卢庆植，安成桓，尹硕浚，邢乘龙，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：