机器人相对位姿估计方法与流程

本发明涉及机器人视觉技术领域，尤其涉及一种机器人相对位姿估计方法。

背景技术：

随着移动机器人技术的发展，移动机器人已具备能在不知起点，不知地图的条件下，进行自主定位的能力。研究能够实现SLAM(同时定位与地图创建)能力的自主移动机器人也是技术发展的主要趋势。目前，较为流行且应用较为广泛的SLAM方法，是应用单目视觉提供的冗余几何实体位置信息，与激光雷达探测得到的位置信息在观察级进行融合，利用扩展卡尔曼滤波集成机制实现移动机器人的准确定位。然而，出于不同目的考虑，有时需要获得更高精度的位姿信息。如实现移动机器人靠墙的自动充电等自动归位功能，需要更为精确的位姿估计。

目前，为获得较为精确的部分位姿信息，主要是利用视觉方法，视觉方法主要包括单目视觉和双目视觉。双目定位可以获得深度信息构建三维姿态，但场景重构过程需要消耗大量计算资源。而利用单目视觉位姿估计主要采用单个或多个自定义标志或多个二维码标志。自定义标志日常生活中较为少见，在室内或其他场景中美观性较差。采用多个二维码除了美观问题外，占用面积也较大。

技术实现要素：

针对现有技术的不足，本发明提供一种机器人相对位姿估计方法。采用一种利用单个近红外定焦摄像头和单个二维码实现移动机器人位姿的精确估计。具体包括：

设置二维码标识；

将单目近红外摄像头采集到的包含有二维码标识的场景图像做自适应的二值化处理，定位二维码中所有探测图形上的指定位置和所有校正图形中心作为关键点，并根据它们的位置及关系建立二维码平面与摄像头平面的单应性关系矩阵；

根据标定好的摄像头内参数矩阵，求解外参数矩阵，对外参数矩阵做变换得到二维码平面与摄像头平面相对位姿关系。

优选的，所述二维码标识其尺寸范围在5-10cm之间，校正图形的数量不少于一个。

优选的，二维码平面与水平面垂直，二维码一条边与水平面平行。

优选的，所述摄像头为定焦单目近红外摄像头，且摄像头带有红外线补光灯，当采集图像达到一定清晰度或规定距离则可以进行位姿估计。

优选的，摄像头的外参数矩阵是根据已确定的内参数矩阵，图像中二维码的所有探测图形上的指定位置，二维码上所有校正图形的中心位置，以及上述所有定位点之间的关系求得的。

采用本发明的技术方案，能达到如下有益效果：

1、此方法仅使用单个普通定焦带有红外补光灯的近红外摄像头和一般的二维码即可实现，成本要求很低，实现简单且可以达到精确位姿估计的要求。

2、采用有红外线补光灯的近红外摄像头，可以在夜间等暗光或无光的情况实现位姿估计，由于红外光不是可见光，而红外摄像机却能捕捉到，所以在不干扰现有环境的情况下可拍摄足够清晰的二维码图像。

3、日常使用的二维码只要大小适当，摆放适当，都可以用作位姿估计的标志，即使标志损坏也可以轻松替换。

附图说明

图1为本发明实施例机器人相对位姿估计方法流程图。

图2为本发明实施例二维码定位点解析图。

具体实施方式

下面结合附图及具体实施例，对本发明的具体实施方式作进一步说明。应当理解，此处所描述的具体实施例仅用以解释本发明，而不构成对本发明的限制。

实施例一

S11：设置二维码标识。

S12：将采集到的包含有二维码标识的场景图像做自适应的二值化处理，定位二维码中所有探测图形上的指定位置和校正图形3中心，并根据它们的位置关系建立二维码平面与摄像头平面的单应性关系矩阵。

S13：根据标定好的摄像头内参数矩阵，求解外参数矩阵，对外参数矩阵做变换得到二维码平面与摄像头平面相对位姿关系。

实施例二

下面结合说明书附图2对机器人相对位姿估计方法进行详细阐述。一种机器人相对位姿估计方法，包括如下步骤：

S21：设置二维码标识。

所述二维码标识的尺寸范围应该在5-10cm之间为宜。校正图形3的数量不少于一个。在场景中，尽可能保证二维码平面与水平面垂直，二维码一条边尽量与水平面平行。其次，确保二维码标识中心点的高度与机器人单目摄像头的中心位置高度尽可能一致或者其高度差不超过5cm。

S22：利用带有红外补光灯的近红外摄像头采集带有二维码标志的图像。

当机器人移动到靠近二维码位置并将位姿估计摄像头转向二维码区域，保证摄像头采集到图像中包含整个二维码标志且图像清晰度足够就可以进行位姿估计，在亮度不够的环境里，使用红外线补光灯补光。

S23：定位位姿估计需要的二维码图像上的关键点。

对采集到的图像进行自适应的二值化处理。在处理后的二值图像上搜索二维码上的三个位置探测图形2，并根据三个探测图形的位置计算得到其他校验图形的中心位置。最终得到位姿计算需要的所有关键点1的位置信息。

S24：根据图像上的定位的所有关键点位置及相对位置关系获得二维码平面与摄像头平面的单应性关系矩阵。

根据图像上定位的所有关键点1位置及相对位置关系采用张正友标定方法求解二维码平面与摄像头平面的单应性关系矩阵。

S25：根据得到的单应性矩阵及之前标定好的摄像头内参数矩阵求得外参数矩阵。

此时摄像头平面处于图像坐标系下，需要将图像坐标系变换为摄像头的物理坐标系下才能求得同坐标系下的相对位姿关系，即摄像头的外参数矩阵。这里外参数矩阵利用单应性矩阵除以之前标定好的摄像头内参数矩阵求得。

S26：利用外参数矩阵获得二维码平面与单目摄像头平面的相对姿态偏差。

外参数矩阵中包含二维码所在平面与摄像头所在平面的相对位姿关系。将外参数矩阵中的平移向量的三维数据分别乘以二维码标志上关键点间的实际尺寸得到空间中XYZ轴的相对偏移距离，这里关键点间的尺寸是统一长度且预先测量好的，而空间中XYZ轴的旋转角度需要利用外参数矩阵中的旋转向量反求欧拉角得到。

上述实施例和说明书中描述的只是说明本发明的原理和最佳实施例，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。