一种基于ROS的机器视觉高精度定位方法与流程

文档序号:13983522阅读:3549来源:国知局

本发明属于计算机技术领域,特别是涉及一种基于ros的机器视觉高精度定位方法。



背景技术:

随着智能产业的发展,很多行业对自动化生产和检测提出了新的需求,传统的人工生产和检测的方式已经很难满足生产生活化的需要,这制约着生产力的发展和提高。而随着计算机和数字信息技术的发展和完善人们开始依靠机器人来替代人工生产和检测,机器人产业在自动化生产和检测中越来越占据重要的地位,而在机器人领域,某些精准的信息必须重复的利用和提取,例如目标跟踪、导航、检测等,这些都是依靠各类传感器来获取信息进行计算后来进行判断,在这种高要求的情况下、出现了机器视觉。

机器视觉是一门涉及到人工智能、神经生物学、计算科学、图像学、模式识别等的多领域交叉的学科,目的就是为了让机器人拥有和人一样的视觉感知能力,同时依靠此感知能力实现机器人的避障、导航等功能,而视觉的基础涉及到视觉信息的采集和大量的图像处理、计算和分析任务。

机器视觉在避障、导航和定位、三维构建、立体测距、三维立体追踪等方面都发挥着很重要的作用。生产环境中针对不同的场景和目的通常采用不同的硬件支持,但针对例如机器人自主导航充电这样高精度作业还难以满足要求,现在比较成熟的ros机器人操作系统也提供了对机器视觉的基本支持,但ros提供一整套机器人运行的架构、并不特定对某个方向进行完善的服务提供和性能优化。

通常机器人的定位和导航方案有slam即时定位和导航或者事先构建好地图用作导航,对于周围环境特征不复杂和各个区域相似度不高的情况还可以直接利用双目视觉导航。对于前者ros提供adaptivemontecarlolocalization定位算法,此算法是使用粒子滤波的方式进行定位,最大的弊端在于如果机器人活动区域的特征相似度很高的话,那么粒子多次移动后,传感器所采集到的特征会多次和很多粒子的位置特征相似,难以保证获得定位的精确性。

在视觉信息处理层面ros提供了用于常见的摄像头和协议的驱动程序和一些进行简单的用于视觉特定的功能包,并且为ros提供了opencv的支持,但当面对机器人复杂不一的工作环境和繁杂的视觉传感器所采集的数据和视觉图像处理需要大量数据计算的特点,传统的硬件资源和ros现有的机器视觉处理方式难以满足各种需求的机器视觉数据的处理方案,尤其在对实时性和定位精确性要求较高的时候,这种需求更是显得尤为重要。



技术实现要素:

有鉴于现有技术的上述缺陷,本发明所要解决的技术问题是提供一种基于ros的机器视觉高精度定位方法。包括两台高精度工业相机、与高精度工业相机相连的图像处理系统,所述图像处理系统包括定位芯片、ros所运行的开发板和并行计算单元,其定位方法如下:

步骤一、驱动高精度工业相机对准定位平台运行;

步骤二、通过两台高精度工业相机对定位平台进行光学成像,并将捕捉到的高清图像传到图像处理系统中,通过图像处理系统将两台高进度工业相机的图像进行运算、分析处理,并抽取目标信号特征,根据每台高精度工业相机的图像信号特征分别计算出出目标信号的坐标位置1和坐标位置2;

步骤三、通过图像处理系统计算出坐标位置1和坐标位置2偏差,偏差超过阀值则重新执行步骤二,否则执行步骤四;

步骤四、通过图像处理系统将两台高精度工业相机的高清图像整合成最终图像,并计算出目标信号的坐标信息3;

步骤五、通过图像处理系统计算出坐标信息3与坐标位置1和坐标位置2的偏差,偏差超过阀值则重新执行步骤二,否则执行步骤六;

步骤六、并行计算单元综合处理坐标位置1、2、3的坐标信息以及偏差并结合图像对目标信息进行精密调准,得到最终的坐标位置。

以上方法,通过两台高精度工业相机分别进行图像采集,并分别进行坐标定位,且图像处理系统将二者采集的图像整合成最终图像并进行坐标定位,通过三者坐标的对比大大提高了定位精确度,尤其适用于机器人活动区域的特征相似度很高的区域。

较佳的,步骤一中的高精度工业相机的驱动路径为迂回曲折运动路径。

较佳的,步骤一中的高精度工业相机的驱动路径为逐行单向运动路径。

较佳的,步骤一中的高精度工业相机的驱动路径为螺旋形运动路径。

较佳的,两台高精度工业相机连锁在一起,其中二者的镜头高度相同,镜头的轴线平行。两台高精度工业相机同步运行,同时采集图像,进一步消除误差,增加坐标定位的准确度。

本发明的有益效果是:本发明通过三个定位坐标对比消除误差,大大提高了机器人的定位精确度,尤其适用于机器人活动区域的特征相似度很高的区域。

具体实施方式

下面结合实施例对本发明作进一步说明:

包括两台高精度工业相机、与高精度工业相机相连的图像处理系统,所述图像处理系统包括定位芯片、ros所运行的开发板和并行计算单元;

ros的硬件运行环境采用nvidia的tx1开发板,tx1在配置方面具有256个cuda核心的gpu、64位arma57cpu、4glddr4的内存,并自带16gssd闪存,nvidia为tx1提供能稳定运行的ubuntufortegra操作系统,tx1具有256个cuda核心的gpu图像处理计算量大、高度并行。

其中两台高精度工业相机连锁在一起,两台高精度工业相机保持一定的距离,其中二者的镜头高度相同,镜头的轴线平行。

其定位方法包括如下步骤:

步骤一、驱动高精度工业相机对准定位平台运行,高精度工业相机的驱动路径可以为迂回曲折、逐行单向或螺旋形运动路径;

步骤二、通过两台高精度工业相机对定位平台进行光学成像,并将捕捉到的高清图像传到图像处理系统中,通过图像处理系统将两台高进度工业相机的图像进行运算、分析处理,并抽取目标信号特征,根据每台高精度工业相机的图像信号特征分别计算出出目标信号的坐标位置1和坐标位置2;

步骤三、通过图像处理系统计算出坐标位置1和坐标位置2偏差,偏差超过阀值则重新执行步骤二,否则执行步骤四;

步骤四、通过图像处理系统将两台高精度工业相机的高清图像整合成最终图像,并计算出目标信号的坐标信息3;

步骤五、通过图像处理系统计算出坐标信息3与坐标位置1和坐标位置2的偏差,偏差超过阀值则重新执行步骤二,否则执行步骤六;

步骤六、并行计算单元综合处理坐标位置1、2、3的坐标信息以及偏差并结合图像对目标信息进行精密调准,得到最终的坐标位置。

以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。



技术特征:

技术总结
本发明公开了一种基于ROS的机器视觉高精度定位方法,属于计算机技术领域,包括两台高精度工业相机、与高精度工业相机相连的图像处理系统,所述图像处理系统包括定位芯片、ROS所运行的开发板和并行计算单元,其定位方法通过驱动高精度工业相机对准定位平台运行进行图像采集,分别计算出目标信号的坐标位置1和坐标位置2;整合最终图像计算出目标信号的坐标信息3并计算坐标信息3与坐标位置1和坐标位置2的偏差,最后通过并行计算单元综合处理坐标位置1、2、3对目标信息进行精密调准,得到最终的坐标位置;本发明通过三个定位坐标对比消除误差,大大提高了机器人的定位精确度,尤其适用于机器人活动区域的特征相似度很高的区域。

技术研发人员:梁朝柏;吴铁成;李安海;邹昊;侯玉洁;李永光
受保护的技术使用者:吴铁成
技术研发日:2017.10.26
技术公布日:2018.03.20
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1