一种通过图像识别实现机器人室内定位的方法与流程

本发明属于机器人研发制造
技术领域：
，具体是涉及一种通过图像识别实现机器人定位的方法。
背景技术：
：：机器人的诞生和机器人学的建立和发展是20世纪自动控制最具说服力的成就之一，是20世纪人类科学技术进步的重大成果。机器人从20世纪60年代诞生以来，随着电子技术、计算机技术、信号处理和人工智能技术的发展，在短短的几十年内取得了巨大进步。从第一台机械手到现在的大规模自动化生产线，机器人技术在工业领域的广泛应用大大提高了生产效率并获得了巨大的成功。随着机器人技术的发展，越来越多的具有智能化特点的机器人深入到我们的生产生活中。机器人的室内定位是机器人领域的一个重要研究热点。现有的定位方法主要有以下几种：一是一般的GPS定位，只能在室外使用，精度为10米左右；二是通过Wifi、Zigbee、蓝牙等无线信号强度定位，容易受到环境遮挡等干扰，精度在1-10米左右；三是电磁定位，受环境干扰大，无法在一般环境下使用；四是光学定位，通过在室内安装多个固定摄像头对特定物体进行追踪，精度很高，但是容易受遮挡干扰，架设成本贵。除了光学定位，其他定位技术都无法达到机器人导航所需的定位精度，一般室内的壁障要求误差在5厘米以内，而机器人对方向定位的要求更高，随着离定位点的距离加大，方位误差会引入线性增大的位移误差，在定位点密度约10米的环境，方位误差不能超过1度。技术实现要素：：为此，本发明所要解决的技术问题在于现有技术中用于机器人室内定位的方法定位精度低，容易受遮挡干扰，架设成本贵，从而提出一种通过图像识别实现机器人室内定位的方法。为达到上述目的，本发明的技术方案如下：一种通过图像识别实现机器人室内定位的方法，包括如下步骤：S1：在环境中预先安置多个路牌，并获取多个所述路牌的位置和方向，在机器人身上安装竖直方向的摄像头。S2：通过机器人身上的摄像头获取环境图像，在环境图像中获取第一特征路牌的位置和轮廓。S3：根据步骤S2中的第一特征路牌的位置和轮廓识别环境图像中的路牌编号，取最接近的路牌编号作为识别的号码，获取第二特征路牌。S4：根据步骤S3中的第二特征路牌的位置和方向确定机器人自身的位置和方向，实现机器人定位。作为上述技术方案的优选，所述步骤S1中：多个所述路牌的位置和方向通过安装时指定或者通过安装后测量获取。作为上述技术方案的优选，所述步骤S1中：多个所述路牌均为蓝底白字路牌。作为上述技术方案的优选，所述步骤S2具体包括如下步骤：S21：预先计算环境中多个路牌在HS分量的二维直方图，所述HS分量为色度和饱和度分量。S22：将环境中每个像素值映射到HS空间，并用路牌直方图的值代替，即获取到滤除路牌背景后的灰度图，越亮的位置越接近路牌。S23：对所述灰度图进行二值化处理，得到路牌的二值图。S24：对所述二值图进行模糊和锐化处理，使得路牌的边尽量连续。S25：对模糊和锐化处理后的二值图进行寻边处理。S26：在寻边处理后的二值图中寻找封闭轮廓。S27：将封闭轮廓转换成近似多边形。S28：从近似多边形中获取四边形，并对所述四边形进行凸边形检测，去掉非凸边形。S29：在去掉非凸边形后的四边形进行处理，获取面积最大的四边形作为第一特征路牌，并记录所述第一特征路牌的位置和轮廓。作为上述技术方案的优选，所述步骤S3具体包括如下步骤：S31：获取步骤S2中的第一特征路牌的位置和轮廓信息。S32：根据第一特征路牌的轮廓中的四个角点的图像坐标和本地平面坐标，计算出摄像头的图像屏幕到路牌屏幕的仿射矩阵。S33：根据所述仿射矩阵，映射路牌图像到路牌平面。S34：和已知的路牌进行模式匹配，取最接近的路牌编号作为识别的号码，将最接近的路牌作为第二特征路牌。作为上述技术方案的优选，所述步骤S4具体包括如下步骤：S41：确定摄像机空间坐标到图像坐标的换算公式，所述换算公式如下：sm′＝A[R|t]M′，即suv1=fx0cx0fycy001r11r12r13t1r21r22r23t2r31r32r33t3XYZ1,]]>其中，s表示因摄像机成像屏幕坐标轴相互不正交引出的倾斜因子，m’表示图像坐标，A表示摄像机内参数矩阵，[R]t表示摄像机外参数矩阵，M’表示空间坐标。S42：通过摄像机校准获取摄像机内参数矩阵A。S43：根据第二特征路牌中4个点的图像坐标和空间坐标获取摄像机外参数矩阵，即机器人在空间中的旋转和位移，实现机器人的定位。本发明的有益效果在于：本发明通过移动机器人身上的摄像头和图像识别技术，识别环境中预先安置的路牌则可以根据路牌的位置和方向确定自身的位置和方向，精度可以达到厘米级，满足机器人导航所需的精度要求，且不容易受到遮挡的干扰。对于通常的机器人平台无额外成本：机器人平台至少需要一个摄像机用来拍摄周围的环境，用于远程监控或者录像，或者用于机器视觉。精度可以很高：提高摄像头分辨率，采取多次定位算法，可达到毫米级位置精度和1度以内的方位精度。系统架设成本低：一般彩色打印机打印的蓝底白字路牌即有很高的识别率，只需在环境中安置打印的路牌，并记录路牌的位置和方向就可以完成定位系统的架设。基于路牌识别的定位符合人类导航的策略，更容易和机器视觉整合。附图说明：以下附图仅旨在于对本发明做示意性说明和解释，并不限定本发明的范围。其中：图1为本发明一个实施例的一种通过图像识别实现机器人室内定位的方法流程图；图2为本发明一个实施例的第一特征路牌的位置和轮廓获取流程图；图3为本发明一个实施例的路牌在HS分量的二维直方图；图4为本发明一个实施例的滤除路牌背景后的灰度图；图5为本发明一个实施例的对灰度图二值化后的二值图；图6为本发明一个实施例的进行模糊和锐化处理后的二值图；图7为本发明一个实施例的寻边处理后的二值图；图8为本发明一个实施例的第二特征路牌获取流程图；图9为本发明一个实施例的机器人位置和方向获取流程图。具体实施方式：如图1所示，本发明的一种通过图像识别实现机器人室内定位的方法，包括如下步骤：S1：在环境中预先安置多个路牌，并获取多个所述路牌的位置和方向，在机器人身上安装竖直方向的摄像头。本实施例中，多个所述路牌的位置和方向通过安装时指定或者通过安装后测量获取。多个所述路牌均为蓝底白字路牌。S2：通过机器人身上的摄像头获取环境图像，在环境图像中获取第一特征路牌的位置和轮廓。如图2所示，所述步骤S2具体包括如下步骤：S21：如图3所示，预先计算环境中多个路牌在HS分量的二维直方图，所述HS分量为色度和饱和度分量。S22：如图4所示，将环境中每个像素值映射到HS空间，并用路牌直方图的值代替，即获取到滤除路牌背景后的灰度图，越亮的位置越接近路牌。S23：如图5所示，对所述灰度图进行二值化处理，得到路牌的二值图。S24：如图6所示，对所述二值图进行模糊和锐化处理，使得路牌的边尽量连续。S25：如图7所示，对模糊和锐化处理后的二值图进行寻边处理。S26：在寻边处理后的二值图中寻找封闭轮廓。S27：将封闭轮廓转换成近似多边形。S28：从近似多边形中获取四边形，并对所述四边形进行凸边形检测，去掉非凸边形。S29：在去掉非凸边形后的四边形进行处理，获取面积最大的四边形作为第一特征路牌，并记录所述第一特征路牌的位置和轮廓。S3：根据步骤S2中的第一特征路牌的位置和轮廓识别环境图像中的路牌编号，取最接近的路牌编号作为识别的号码，获取第二特征路牌。如图8所示，所述步骤S3具体包括如下步骤：S31：获取步骤S2中的第一特征路牌的位置和轮廓信息。S32：根据第一特征路牌的轮廓中的四个角点的图像坐标和本地平面坐标，计算出摄像头的图像屏幕到路牌屏幕的仿射矩阵。S33：根据所述仿射矩阵，映射路牌图像到路牌平面。S34：和已知的路牌进行模式匹配，取最接近的路牌编号作为识别的号码，将最接近的路牌作为第二特征路牌。S4：根据步骤S3中的第二特征路牌的位置和方向确定机器人自身的位置和方向，实现机器人定位。如图9所示，所述步骤S4具体包括如下步骤：S41：确定摄像机空间坐标到图像坐标的换算公式，所述换算公式如下：sm′＝A[R|t]M′，即suv1=fx0cx0fycy001r11r12r13t1r21r22r23t2r31r32r33t3XYZ1,]]>其中，s表示因摄像机成像屏幕坐标轴相互不正交引出的倾斜因子，m’表示图像坐标，A表示摄像机内参数矩阵，[R]t表示摄像机外参数矩阵，M’表示空间坐标。S42：通过摄像机校准获取摄像机内参数矩阵A。S43：对于平面物体Z＝0，我们最少需要4个对应点就可以解方程得到R|t，即平面物体的旋转和位移。根据第二特征路牌中4个点的图像坐标和空间坐标获取摄像机外参数矩阵，即机器人在空间中的旋转和位移，实现机器人的定位。本实施例所述的一种通过图像识别实现机器人室内定位的方法，通过移动机器人身上的摄像头和图像识别技术，识别环境中预先安置的路牌则可以根据路牌的位置和方向确定自身的位置和方向，精度可以达到厘米级，满足机器人导航所需的精度要求，且不容易受到遮挡的干扰。对于通常的机器人平台无额外成本，机器人平台只需要一个摄像机用来拍摄周围的环境，用于远程监控或者录像，或者用于机器视觉。精度可以很高，提高摄像头分辨率，采取多次定位算法，可达到毫米级位置精度和1度以内的方位精度。系统架设成本低，一般彩色打印机打印的蓝底白字路牌即有很高的识别率，只需在环境中安置打印的路牌，并记录路牌的位置和方向就可以完成定位系统的架设。基于路牌识别的定位符合人类导航的策略，更容易和机器视觉整合。显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。当前第1页1 2 3