>[0276] 广 *
[0277] 其中，u〇、vo、Au和Av为已知的摄像头参数。
[027引得到所有机器人在像平面V坐标系下坐标集合：
[0279] Rxy二{(Xk,yk) k = 1,2, . . . ,ko}
[0280] 其次，如图4所示，根据(xk，y〇得到机器人在该监控设备局部空间坐标系XgOgI^下 的坐标(Xk，&):
[0282] 其中，h为机器人高度，H为摄像头安装高度，T为摄像头安装的俯仰角，f为摄像头 焦距。
[0283] 得到所有机器人在该摄像头局部空间坐标系拍Og把f坐标集合：
[0284] Rxy= {(Xk，&) Ik=I，2, ...，ko}
[0285] 再次，将Rxy转换成视频监控系统所覆盖环境的全局坐标系下的全局坐标：
[028引趨4端，:皆）|皮=1，2，.,,為}
[0287] 最后，将置组成数据帖并通过该监控设备的无线数据发射器将数据帖发送出去。 其中，数据的组成如下：
[0288] 帖同步、监控设备号、数据个数ko、数据1、…、数据m、校验和。
[0289] 其中，帖同步是无线数据接收器判别一帖数据开始的标志，监控设备号表示数据 是谁发送的，数据个数ko给出了数据帖的长度信息，m是有效数据数量，与数据格式和ko有 关;校验和是无线数据接收器检验接收数据正确性的主要依据。
[0290] 步骤7:机器人预测当前时刻的位姿
[0291] 机器人定时根据上一时刻的位姿数据(扯-1，7。-1，0。-1)，预测当前时刻机器人的位 姿(Xn，yn,目n)，n=l ,2,...，预测公式如下：
[0293] 其中，（xo,yo,目0)是已知的。
[0294] 机器人的定时间隔与视频监控设备的拍摄间隔相同，并且保持同步，即机器人接 收到视频监控设备发来的数据信号(数据帖)后，立即预测当前时刻机器人的位姿。
[0295] 步骤8:机器人解码得到当前时刻的可能位置集合
[0296] 机器人接收当前时刻视频监控系统发来的数据信号(数据帖），解码得到当前时刻 机器人的可能位置集合如下：
[0297] Loc=KXiJi) Ii = 1,2, ...，ko}
[0298] 其中，ko含I，表示该机器人的可能位置的数量。
[0299] 在运一步中，一个机器人可W收到至少一个视频监控设备发来的数据信号。
[0300] 如果一个机器人收到了两个或两个W上视频监控设备发来的数据信号，则说明该 机器人处于监控的重叠区域。
[0301] -个机器人收到的某个视频监控设备发来的数据信号，如果只包含一个机器人的 候选位置，那么运个位置信息可W作为该机器人的初始位置信息使用。
[0302] 步骤9:机器人选出当前位置
[0303] 机器人根据最有可能原则从该机器人的候选位置集合选出一个位置作为该机器 人的当前位置。
[0304] 在运里，最有可能即是最短距离的，即机器人从候选位置集合中找出一个与（Xn， yn)最近距离的点(Xk，化)作为机器人在当前tn时刻的位置，即：
[0305] (Xn，yn) = (Xk，&)，Dk=min{Di| i = l,2, . . . ,ko}
[0306] 其中，A=_^(x。一材 2+(^ - ^，i = i，2，...，k〇，i<k<k〇。
[0307] 由于机器人之间留有安全距离并且时间间隔足够短，所W不可能发生有相同的最 短距离出现的情形。
[0308] 由此可见，本发明的定位方法将机器人和视频监控系统有机的结合到了一起，其 中，机器人携带的局部定位设备提供预测位置，覆盖环境的视频监控系统提供候选位置集 合，机器人采用最有可能准则从候选位置集合中确定出机器人当前时刻位置。
[0309] 由于全局定位数据集合提供的仅是监控范围内移动机器人的位置信息，并不指明 是哪一个机器人的位置信息，所W满足了机器人实时定位的要求。
[0310] 此外，由于定位数据采用的是全局定位数据，所W定位数据无累积误差。
[0311] 需要说明的是，上述实施例不W任何形式限制本发明，凡采用等同替换或等效变 换的方式所获得的技术方案，均落在本发明的保护范围内。
【主权项】
1. 一种覆盖环境的视频监控系统，其特征在于，包括若干视频监控设备，每个视频监控 设备覆盖局部环境，该局部环境构成移动机器人局部坐标系，相邻视频监控设备覆盖的局 部环境有部分重叠，整个覆盖环境构成移动机器人全局坐标系。2. 根据权利要求1所述的覆盖环境的视频监控系统，其特征在于，所述视频监控设备由 摄像头、图像采集与处理计算机、无线数据发射器组成。3. 根据权利要求2所述的覆盖环境的视频监控系统，其特征在于，所述摄像头安装在室 内墙壁上，安装高度和俯仰角度已知。4. 根据权利要求2所述的覆盖环境的视频监控系统，其特征在于，所述摄像头获取的景 物图像已经过几何修正。5. 利用权利要求1至4任意一项所述覆盖环境的视频监控系统定位机器人的方法，其特 征在于，包括W下步骤： S1:视频监控设备定时拍摄一幅监控区域的彩色数字图像，该彩色数字图像用RGB24模 式表示； S2:视频监控设备将RGB24图像转换成HSV图像； S3:确定机器人顶部红色小球标识物的颜色在HSV模式下的阔值集合； S4:将彩色图像转换成黑白图像； S5:得到监控范围内所有机器人的白色像素聚集区域； S6:确定监控范围内所有机器人的位置集合并发送给该范围内每个机器人。6. 根据权利要求5所述的定位机器人的方法，其特征在于，在步骤S1中，视频监控设备 的拍摄间隔为完成步骤S1到步骤S4所花费的时间。7. 根据权利要求5所述的定位机器人的方法，其特征在于，在步骤S5中，得到监控范围 内所有机器人的白色像素聚集区域的方法为： (1) 统计每行横向的白色像素数量，统计每列纵向的白色像素数量，其中，m为像平面U轴方向的像素数量，η为像平面V轴方向的像素数量，i为像素在像平 面中的横坐标，j为像素在像平面中的纵坐标； (2) 分别求出W所有局部最大值和Η所有局部最大值，假设W有m日个局部最大值、Η有no个 局部最大值，则BW图像中包含moXno个白色像素聚集区域，每个区域的几何中屯、点的坐标构 成如下的集合:R〇= {R(ik, ji) I ikEWmax, jiEHmax，k=l ,2,... ,m〇, 1 = 1,2,... ,ηο}; (3) 计算每个白色像素聚集区域的大小和形状，依据机器人顶部红色小球标识物的先 验知识，将大小和形状不符合先验知识的白色像素聚集区域的几何中屯、点的坐标从Ro中删 除，得到监控范围内所有机器人的白色聚集区域几何中屯、点构成的集合R: R= {R(ik, jk) |R(ik, jk) eRo,k=l ,2,··· ,k〇}, 其中，ko为该监控区域内机器人的数量。8. 根据权利要求5所述的定位机器人的方法，其特征在于，在步骤S6中，确定机器人的 位置的方法为： (1) 对每一个机器人的白色像素聚集区域求几何中屯、，得到像平面U-V坐标系下的像素 坐标知，Γ)，其中，《为白色像素聚集区域所有白色像素在U轴投影的算术平均值，朽为白色 像素聚集区域所有白色像素在V轴投影的算术平均值； (2) 依据下式计算出像平面xoy坐标系下坐标(x，y):其中，u〇、vo、Δ U和Δ V为已知的摄像头参数； (3) 得到所有机器人在像平面xoy坐标系下坐标集合： Rxy={Uk，yk) |k=l，2，...，k〇}; (4) 根据(xk，yk)得到机器人在该监控设备局部空间坐标系拍OgYg下的坐标(Xk，Yk):其中，h为机器人高度，Η为摄像头安装高度，γ为摄像头安装的俯仰角，f为摄像头焦 距； (5) 得到所有机器人在该摄像头局部空间坐标系拍OgYg下坐标集合： RxY={(Xk，化）|k=l，2，'-，k〇}; (6) 将RxY转换成视频监控系统所覆盖环境的全局坐标系下的全局坐标：9. 根据权利要求8所述的定位机器人的方法，其特征在于，在步骤S6中，视频监控设备 将机器人的位置发送给机器人的方法为： (1) 图像采集与处理计算机将成组成数据帖； (2) 无线数据发射器将数据帖发送出去。10. 根据权利要求9所述的定位机器人的方法，其特征在于，在步骤S6中，无线数据发射 器发送的数据帖的组成如下： 帖同步、监控设备号、数据个数ko、数据1、…、数据m、校验和， 其中，帖同步是无线数据接收器判别一帖数据开始的标志，监控设备号表示数据是谁 发送的，数据个数ko给出了数据帖的长度信息，m是有效数据数量，与数据格式和ko有关;校 验和是无线数据接收器检验接收数据正确性的主要依据。
【专利摘要】本发明公开了一种覆盖环境的视频监控系统及其定位机器人的方法，其中，该视频监控系统包括若干视频监控设备，每个视频监控设备覆盖局部环境，相邻视频监控设备覆盖的局部环境有部分重叠；该视频监控系统定位机器人的方法包括以下步骤：定时拍摄一幅监控区域的彩色数字图像，将RGB24图像转换成HSV图像，确定机器人头顶中央的标记物的颜色在HSV模式下的阈值集合，将彩色图像转换成黑白图像，得到监控范围内所有机器人的白色像素聚集区域，确定机器人位置并发送给机器人。本发明的有益之处在于：视频监控系统不仅能与机器人有机结合，而且能简化机器人自身携带的组合定位设备；定位方法不仅无累积误差，而且能满足实时定位的要求。
【IPC分类】H04W4/02, H04W64/00, H04N7/18, H04W4/04
【公开号】CN105554472
【申请号】CN201610065186
【发明人】朱荣明, 杨博韬, 王帅
【申请人】西安电子科技大学
【公开日】2016年5月4日
【申请日】2016年1月29日