[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN113223077A - 基于视觉辅助激光自动初始定位的方法及装置 - Google Patents

基于视觉辅助激光自动初始定位的方法及装置 Download PDF

Info

Publication number
CN113223077A
CN113223077A CN202110561050.7A CN202110561050A CN113223077A CN 113223077 A CN113223077 A CN 113223077A CN 202110561050 A CN202110561050 A CN 202110561050A CN 113223077 A CN113223077 A CN 113223077A
Authority
CN
China
Prior art keywords
image
pose
mobile robot
map
relative
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110561050.7A
Other languages
English (en)
Inventor
袁国斌
柏林
刘彪
舒海燕
宿凯
沈创芸
祝涛剑
雷宜辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Gosuncn Robot Co Ltd
Original Assignee
Guangzhou Gosuncn Robot Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangzhou Gosuncn Robot Co Ltd filed Critical Guangzhou Gosuncn Robot Co Ltd
Priority to CN202110561050.7A priority Critical patent/CN113223077A/zh
Publication of CN113223077A publication Critical patent/CN113223077A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Optics & Photonics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Manipulator (AREA)

Abstract

本申请揭示了一种基于视觉辅助激光自动初始定位的方法及装置，该方法包括在启动移动机器人后，加载图像地图；利用摄像头采集移动机器人当前位姿下的第一图像，查找与第一图像匹配的第二图像；在第一图像和第二图像匹配的特征点数量达到预定数量时，计算两者之间的相对位姿；利用第二图像的位姿以及该相对位姿，计算第一图像的位姿，得到移动机器人的当前位姿，完成位姿初始化。本申请可以自动获取移动机器人启动时初始位姿，不再需要人为地确定移动机器人初始的准确位姿，在实现对移动机器人初始位姿准确定位的同时，由于图像具有丰富的信息色彩，全局定位的鲁棒性更高，而且摄像头的价格低廉，安装也简单，定位自主，大大降低了定位成本。

Description

基于视觉辅助激光自动初始定位的方法及装置
技术领域
本发明属于自主导航移动机器人设计领域，涉及一种基于视觉辅助激光自动初始定位的方法及装置。
背景技术
自主导航移动机器人要求移动机器人能实现点到点的自主寻径行走能力，实现这一能力的前提是移动机器人知道自己所在位置和要到达的目标点位置。因此自主导航移动机器人的定位技术是近年来研究热点技术之一。目前广泛应用在室内自主导航移动机器人的定位方式包括激光定位方式、二维码定位方式、UWB定位方式、视觉定位方式等。其中激光定位方式由于其定位精度高、技术方案成熟，价格适宜，安装方便等优点，已经成为自主导航移动机器人厂家优先采用的定位方式。
目前提高目前室内自主导航移动机器人(比如物流搬运机器人，服务机器人，室内巡逻机器人等)定位技术基本上都以激光定位方式为主，激光定位方式具体算法实现技术为AMCL(自适应蒙特卡洛定位，一种基于贝叶斯概率定位技术)，由于其定位精度比较高，定位稳定性好，算法成熟优点被广泛使用。但是该算法要求启动自主导航移动机器人前需要人为地给一个相对较好的自主导航移动机器人当前所在位姿。作为自主导航移动机器人客户往往很难给出一个准确的初始位姿。
发明内容
为了解决相关技术在利用激光定位方式对移动机器人进行定位时，在启动移动机器人前需要人为地给一个相对较好的自主导航移动机器人当前所在位姿，导致客户操作难度大的问题，本申请提供了一种基于视觉辅助激光自动初始定位的方法及装置。具体技术方案如下：
第一方面，本申请提供了一种基于视觉辅助激光自动初始定位的方法，应用于安装有摄像头的移动机器人，所述方法包括：
在启动所述移动机器人后，加载图像地图，所述图像地图包含所述移动机器人所要定位的定位空间中的多组图像和与所述图像对应的位姿；利用所述摄像头采集所述移动机器人当前位姿下的第一图像，在所述图像地图中查找与所述第一图像匹配的第二图像；
具体的，在所述地图中查找与所述第一图像匹配的第二图像，可以采用现有的图像之间的相似度进行度量，选出相似度最高的第二图像；
对所述第一图像和所述第二图像进行特征点匹配；
在匹配的特征点数量达到预定数量时，计算所述第一图像和所述第二图像之间的相对位姿；
利用所述图像地图中所述第二图像的位姿以及计算得到的所述相对位姿，计算所述第一图像的位姿，将所述第一图像的位姿作为所述移动机器人的当前位姿，完成位姿初始化。
可选地，所述第一图像和所述第二图像之间的相对位姿为RBA和TBA，所述第二图像在世界坐标系中的位姿为RwB和TwB，所述利用所述图像地图中所述第二图像的位姿以及计算得到的所述相对位姿，计算所述第一图像的位姿，包括：
按照位姿计算公式计算所述第一图像在世界坐标系中的位姿RwA和TwB，所述位姿计算公式为：
RwA＝RwB*RBA
TwB＝TwB+RwBTBA。
可选地，在所述加载图像地图之前，所述方法还包括：
在所述定位空间中首次启动所述移动机器人时，打开所述摄像头，控制所述移动机器人移动；
每当所述移动机器人的相对位移大于预定位移阈值或相对角度大于预定角度阈值时，将当前采集的一张图像以及当前时刻所述移动机器人的位姿作为一组对应关系进行存储，直到所述移动机器人在所述定位空间中行走一遍，完成图像地图的建立。
可选地，所述对所述第一图像和所述第二图像进行特征点匹配，包括：
调用图像处理库Opencv以利用ORB特征法对所述第一图像的特征点和所述第二图像的特征点进行检测；
利用暴力匹配算法对所述第一图像和所述第二图像的特征点进行匹配。
可选地，所述计算所述第一图像和所述第二图像之间的相对位姿，包括：
调用图像处理库Opencv以利用SolvePnp计算所述第一图像和所述第二图像之间的相对位姿。
第二方面，本申请还提供一种基于视觉辅助激光自动初始定位的装置，所述装置包括：
加载模块，被配置为在启动移动机器人后，加载图像地图，所述图像地图包含所述移动机器人所要定位的定位空间中的多组图像和与所述图像对应的位姿；
采集查找模块，被配置为利用摄像头采集所述移动机器人当前位姿下的第一图像，在所述加载模块所加载的图像地图中查找与所述第一图像匹配的第二图像，所述摄像头安装于所述移动机器人上；
匹配模块，被配置为对所述采集查找模块采集到的第一图像和所述采集查找模块查找到的第二图像进行特征点匹配；
第一计算模块，被配置为在匹配的特征点数量达到预定数量时，计算所述第一图像和所述第二图像之间的相对位姿；
第二计算模块，被配置为利用所述图像地图中所述第二图像的位姿以及所述第一计算模块计算得到的所述相对位姿，计算所述第一图像的位姿，将所述第一图像的位姿作为所述移动机器人的当前位姿，完成位姿初始化。
可选的，所述第一图像和所述第二图像之间的相对位姿为RBA和TBA，所述第二图像在世界坐标系中的位姿为RwB和TwB，所述第二计算模块，还被配置为：
按照位姿计算公式计算所述第一图像在世界坐标系中的位姿RwA和TwB，所述位姿计算公式为：
RwA＝RwB*RBA
TwB＝TwB+RwBTBA。
可选的，所述装置还包括建图模块，所述建图模块被配置为：
在所述定位空间中首次启动所述移动机器人时，打开所述摄像头，控制所述移动机器人移动；
每当所述移动机器人的相对位移大于预定位移阈值或相对角度大于预定角度阈值时，将当前采集的一张图像以及当前时刻所述移动机器人的位姿作为一组对应关系进行存储，直到所述移动机器人在所述定位空间中行走一遍，完成图像地图的建立。
可选的，所述匹配模块，还被配置为：
调用图像处理库Opencv以利用ORB特征法对所述第一图像的特征点和所述第二图像的特征点进行检测；
利用暴力匹配算法对所述第一图像和所述第二图像的特征点进行匹配。
可选的，所述第一计算模块还被配置为：
调用图像处理库Opencv以利用SolvePnp计算所述第一图像和所述第二图像之间的相对位姿。
本申请至少可以实现如下有益效果：
通过在移动机器人启动时，利用移动机器人上安装的摄像头采集当前定位空间内的图像，利用预先加载的图像地图，选取与采集到的当前图像最相近的近似图像，并在近似图像与采集到的当前图像的特征点匹配较多时，利用近似图像的位姿计算采集到当前图像的位姿，将该位姿作为移动机器人的初始位姿，由于可以自动获取移动机器人启动时的图像，并根据该图像获取到移动机器人的位姿，不再需要人为地确定移动机器人初始的准确位姿，在实现对移动机器人初始位姿准确定位的同时，由于图像具有丰富的信息色彩，全局定位的鲁棒性更高，而且摄像头的价格低廉，安装也简单，定位自主，大大降低了定位成本。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是本申请一个实施例中提供的基于视觉辅助激光自动初始定位的方法的流程图；
图2A是本申请一个实施例中提供的基于视觉辅助激光自动初始定位的方法的流程图；
图2B是本申请一个实施例中提供的获取到的定位空间内图像地图的示意图；
图2C是本申请一个实施例中提供的相似图像的对比图；
图2D是本申请一个实施例中提供的图像匹配的示意图；
图3是本申请一个实施例中提供的基于视觉辅助激光自动初始定位的装置的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
图1是本申请一个实施例中提供的基于视觉辅助激光自动初始定位的方法的流程图，本申请提供的基于视觉辅助激光自动初始定位的方法应用于安装有摄像头的移动机器人，该方法可以包括如下步骤：
步骤101，在启动移动机器人后，加载图像地图；
这里所讲的图像地图通常可以包含移动机器人所要定位的定位空间中的多组图像和与图像对应的位姿。
这里所讲的定位空间可以为室内待定位的空间，也可以为室外待定位的空间。
步骤102，利用摄像头采集移动机器人当前位姿下的第一图像，在图像地图中查找与第一图像匹配的第二图像；
具体的，在所述地图中查找与所述第一图像匹配的第二图像，可以采用现有的图像之间的相似度进行度量，选出相似度最高的第二图像，本实施例对于具体的相似度度量方式不做具体限制。
由于摄像头安装于移动机器人上，因此只要摄像头的拍摄视角相对于移动机器人固定，摄像头的拍摄视角即可作为移动机器人的固定视角。
步骤103，对第一图像和第二图像进行特征点匹配；
步骤104，在匹配的特征点数量达到预定数量时，计算第一图像和第二图像之间的相对位姿；
步骤105，利用图像地图中第二图像的位姿以及计算得到的相对位姿，计算第一图像的位姿，将第一图像的位姿作为移动机器人的当前位姿，完成位姿初始化。
综上所述，本申请提供的基于视觉辅助激光自动初始定位的方法，通过在移动机器人启动时，利用移动机器人上安装的摄像头采集当前定位空间内的图像，利用预先加载的图像地图，选取与采集到的当前图像最相近的近似图像，并在近似图像与采集到的当前图像的特征点匹配较多时，利用近似图像的位姿计算采集到当前图像的位姿，将该位姿作为移动机器人的初始位姿，由于可以自动获取移动机器人启动时的图像，并根据该图像获取到移动机器人的位姿，不再需要人为地确定移动机器人初始的准确位姿，在实现对移动机器人初始位姿准确定位的同时，由于图像具有丰富的信息色彩，全局定位的鲁棒性更高，而且摄像头的价格低廉，安装也简单，定位自主，大大降低了定位成本。
图2A是本申请一个实施例中提供的基于视觉辅助激光自动初始定位的方法的流程图，该方法可以包括如下步骤：
在步骤201执行之前，首先需要建立图像地图，建立图像地图的流程可以参见如下步骤S1和步骤S2。
步骤S1，首次启动，打开摄像头，控制移动机器人移动；
在定位空间中首次启动移动机器人时，打开移动机器人上的摄像头，控制机器人进行激光SLAM(同步定位和建图)过程，此时按照预定移动方式控制移动机器人移动。这里的预定移动方式可以是限定了移动速度、移动方向、移动时间间隔以及移动角度等移动因素。
步骤S2，建立图像地图；
在实际实现时，每当所述移动机器人的相对位移大于预定位移阈值或相对角度大于预定角度阈值时，将当前采集的一张图像以及当前时刻所述移动机器人的位姿作为一组对应关系进行存储，直到所述移动机器人在所述定位空间中行走一遍，完成图像地图的建立。
这里所讲的相对位移一般是指在后移动位置与在前移动位置之间的相对位移，相对角度可以理解为在后移动位置与在前移动位置之间的相对角度。
预定位移阈值可以根据定位空间的大小、定位空间中的物体复杂度等因素进行限定，还可以根据图像的匹配算法等因素进行限定，还可以将其他因素结合进行限定，比如预定位移阈值可以取值为0.3m、0.5m、0.8m或1m等，本申请一个实施例中预定位置阈值取值为0.5m。
类似的，预定角度阈值也可以根据定位空间的大小、定位空间中的物体复杂度等因素进行限定，还可以根据图像的匹配算法等因素进行限定，还可以将其他因素结合进行限定，比如预定角度阈值可以取值为5°、8°、10°、15°或20°等，本申请一个实施例中预定角度阈值取值为10°。
本申请中的图像地图可以包含移动机器人所要定位的定位空间中的多组图像和与图像对应的位姿，如图2B所示，其是本申请一个实施例中提供的获取到的定位空间内图像地图的示意图，每个图像均对应一个位姿。
步骤201，启动移动机器人；
步骤202，加载图像地图；
在每次使用移动机器人，即启动移动机器人后，移动机器人内的程序自动加载图像地图。
步骤203，采集当前图像；
在加载好图像地图之后，控制摄像头采集移动机器人当前位姿下的图像，这里将启动后即采集到的图像记为第一图像。
步骤204，回环检测；
在采集到第一图像后，查找与第一图像最相似的第二图像，比如，利用摄像头采集移动机器人当前位姿下的第一图像，在图像地图中查找与第一图像最相似的第二图像。
也就是说，每次启动移动机器人时，程序算法首先自动加载图像地图，待加载完毕，程序算法控制摄像头自动采集当前位姿下的图像，通过调用DBOW3(开源库用于图像回环检测)库来进行在图像地图里面查找与第一图像最相似的一张第二图像，完成回环检测。请参见图2C所示，其是本申请一个实施例中提供的相似图像的对比图。
步骤205，图像匹配；
获取第一图像的特征点以及第二图像的特征点，对第一图像和第二图像进行特征点匹配。
在一种可能的实现中，首先，调用图像处理库Opencv(开源图像处理库)，利用ORB(Opencv库提供的一种图像特征点检测方法)特征法对所述第一图像的特征点和所述第二图像的特征点进行检测；然后，利用暴力匹配算法对所述第一图像和所述第二图像的特征点进行匹配。
步骤206，匹配的特征点数量是否达到预定数量；
这里所讲的预定数量可以根据实际要求或实验确定，比如可以取值为5、6、7、10、15、20等，本申请中不对预定数量的取值进行限定。本申请在验证时，预定数量取值为6进行的实验验证。
步骤207，匹配的特征点数量达到预定数量时，相对位姿计算；
在一种可能的实现方式中，步骤207实现时，可以调用图像处理库Opencv，利用SolvePnp(Opencv库提供的两帧图像间位姿求解函数)计算第一图像和第二图像之间的相对位姿。
步骤208，全局位姿计算；
利用图像地图中第二图像的位姿以及计算得到的相对位姿，计算第一图像的位姿，将第一图像的位姿作为移动机器人的当前位姿，完成位姿初始化。
第一图像和所述第二图像之间的相对位姿为RBA和TBA，所述第二图像在世界坐标系中的位姿为RwB和TwB，在计算第一图像和第二图像之间的相对位姿RWB和TWB时，可以通过如下位姿计算公式：
RwA＝RwB*RBA
TwB＝TwB+RwBTBA。
由于第一图像就在当前位姿下所拍，位姿RWA和TWB就是移动机器人当前位姿，完成位姿初始化。
综上所述，本申请提供的基于视觉辅助激光自动初始定位的方法，通过在移动机器人启动时，利用移动机器人上安装的摄像头采集当前定位空间内的图像，利用预先加载的图像地图，选取与采集到的当前图像最相近的近似图像，并在近似图像与采集到的当前图像的特征点匹配较多时，利用近似图像的位姿计算采集到当前图像的位姿，将该位姿作为移动机器人的初始位姿，由于可以自动获取移动机器人启动时的图像，并根据该图像获取到移动机器人的位姿，不再需要人为地确定移动机器人初始的准确位姿，在实现对移动机器人初始位姿准确定位的同时，由于图像具有丰富的信息色彩，全局定位的鲁棒性更高，而且摄像头的价格低廉，安装也简单，定位自主，大大降低了定位成本。
下面为对本申请提供的基于视觉辅助激光自动初始定位的装置的实施例，该装置实施例所涉及的技术特征与上述的方法实施例相同或对应，可以结合对上述的方法实施例对装置实施例进行解释，涉及到的技术特征在方法实施例中已经提及过，下述则不再重复赘述。
图3是本申请一个实施例中提供的基于视觉辅助激光自动初始定位的装置的结构示意图，本申请提供的基于视觉辅助激光自动初始定位的装置可以包括：
加载模块310，被配置为在启动移动机器人后，加载图像地图，所述图像地图包含所述移动机器人所要定位的定位空间中的多组图像和与所述图像对应的位姿；
采集查找模块320，被配置为利用摄像头采集所述移动机器人当前位姿下的第一图像，在所述加载模块310所加载的图像地图中查找与所述第一图像最相似的第二图像，所述摄像头安装于所述移动机器人上；
匹配模块330，被配置为对所述采集查找模块320采集到的第一图像和所述采集查找模块320查找到的第二图像进行特征点匹配；
第一计算模块340，被配置为在匹配的特征点数量达到预定数量时，计算所述第一图像和所述第二图像之间的相对位姿；
这里的预定数量可以根据实际经验或实验数据得到，比如可以取值为5、6、7、10、15、20等，这里不对预定数量的具体取值进行限定。
第二计算模块350，被配置为利用所述图像地图中所述第二图像的位姿以及所述第一计算模块340计算得到的所述相对位姿，计算所述第一图像的位姿，将所述第一图像的位姿作为所述移动机器人的当前位姿，完成位姿初始化。
在一种可能的实现方式中，所述第一图像和所述第二图像之间的相对位姿为RBA和TBA，所述第二图像在世界坐标系中的位姿为RwB和TwB，所述第二计算模块350还可以被配置为：
按照位姿计算公式计算所述第一图像在世界坐标系中的位姿RwA和TwB，所述位姿计算公式为：
RwA＝RwB*RBA
TwB＝TwB+RwBTBA。
可选的，本申请提供的装置还可以包括建图模块，所述建图模块可以被配置为：在所述定位空间中首次启动所述移动机器人时，打开所述摄像头，控制所述移动机器人移动；每当所述移动机器人的相对位移大于预定位移阈值或相对角度大于预定角度阈值时，将当前采集的一张图像以及当前时刻所述移动机器人的位姿作为一组对应关系进行存储，直到所述移动机器人在所述定位空间中行走一遍，完成图像地图的建立。
可选的，所述匹配模块330还可以被配置为：调用图像处理库Opencv以利用ORB特征法对所述第一图像的特征点和所述第二图像的特征点进行检测；利用暴力匹配算法对所述第一图像和所述第二图像的特征点进行匹配。
可选的，所述第一计算模块340还可以被配置为：调用图像处理库Opencv以利用SolvePnp计算所述第一图像和所述第二图像之间的相对位姿。
综上所述，本申请提供的基于视觉辅助激光自动初始定位的装置，通过在移动机器人启动时，利用移动机器人上安装的摄像头采集当前定位空间内的图像，利用预先加载的图像地图，选取与采集到的当前图像最相近的近似图像，并在近似图像与采集到的当前图像的特征点匹配较多时，利用近似图像的位姿计算采集到当前图像的位姿，将该位姿作为移动机器人的初始位姿，由于可以自动获取移动机器人启动时的图像，并根据该图像获取到移动机器人的位姿，不再需要人为地确定移动机器人初始的准确位姿，在实现对移动机器人初始位姿准确定位的同时，由于图像具有丰富的信息色彩，全局定位的鲁棒性更高，而且摄像头的价格低廉，安装也简单，定位自主，大大降低了定位成本。
本领域技术人员在考虑说明书及实践这里发明的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (10)

1.一种基于视觉辅助激光自动初始定位的方法，其特征在于，应用于安装有摄像头的移动机器人，所述方法包括：
在启动所述移动机器人后，加载图像地图，所述图像地图包含所述移动机器人所要定位的定位空间中的多组图像和与所述图像对应的位姿；
利用所述摄像头采集所述移动机器人当前位姿下的第一图像，在所述图像地图中查找与所述第一图像匹配的第二图像；
对所述第一图像和所述第二图像进行特征点匹配；
在匹配的特征点数量达到预定数量时，计算所述第一图像和所述第二图像之间的相对位姿；
利用所述图像地图中所述第二图像的位姿以及计算得到的所述相对位姿，计算所述第一图像的位姿，将所述第一图像的位姿作为所述移动机器人的当前位姿，完成位姿初始化。
2.根据权利要求1所述的方法，其特征在于，所述第一图像和所述第二图像之间的相对位姿为RBA和TBA，所述第二图像在世界坐标系中的位姿为RwB和TwB，所述利用所述图像地图中所述第二图像的位姿以及计算得到的所述相对位姿，计算所述第一图像的位姿，包括：
按照位姿计算公式计算所述第一图像在世界坐标系中的位姿RwA和TwB，所述位姿计算公式为：
RwA＝RwB*RBA
TwB＝TwB+RwBTBA。
3.根据权利要求1所述的方法，其特征在于，在所述加载图像地图之前，所述方法还包括：
在所述定位空间中首次启动所述移动机器人时，打开所述摄像头，控制所述移动机器人移动；
每当所述移动机器人的相对位移大于预定位移阈值或相对角度大于预定角度阈值时，将当前采集的一张图像以及当前时刻所述移动机器人的位姿作为一组对应关系进行存储，直到所述移动机器人在所述定位空间中行走一遍，完成图像地图的建立。
4.根据权利要求1所述的方法，其特征在于，所述对所述第一图像和所述第二图像进行特征点匹配，包括：
调用图像处理库Opencv以利用ORB特征法对所述第一图像的特征点和所述第二图像的特征点进行检测；
利用暴力匹配算法对所述第一图像和所述第二图像的特征点进行匹配。
5.根据权利要求1所述的方法，其特征在于，所述计算所述第一图像和所述第二图像之间的相对位姿，包括：
调用图像处理库Opencv以利用SolvePnp计算所述第一图像和所述第二图像之间的相对位姿。
6.一种基于视觉辅助激光自动初始定位的装置，其特征在于，所述装置包括：
加载模块，被配置为在启动移动机器人后，加载图像地图，所述图像地图包含所述移动机器人所要定位的定位空间中的多组图像和与所述图像对应的位姿；
采集查找模块，被配置为利用摄像头采集所述移动机器人当前位姿下的第一图像，在所述加载模块所加载的图像地图中查找与所述第一图像匹配的第二图像，所述摄像头安装于所述移动机器人上；
匹配模块，被配置为对所述采集查找模块采集到的第一图像和所述采集查找模块查找到的第二图像进行特征点匹配；
第一计算模块，被配置为在匹配的特征点数量达到预定数量时，计算所述第一图像和所述第二图像之间的相对位姿；
第二计算模块，被配置为利用所述图像地图中所述第二图像的位姿以及所述第一计算模块计算得到的所述相对位姿，计算所述第一图像的位姿，将所述第一图像的位姿作为所述移动机器人的当前位姿，完成位姿初始化。
7.根据权利要求6所述的装置，其特征在于，所述第一图像和所述第二图像之间的相对位姿为RBA和TBA，所述第二图像在世界坐标系中的位姿为RwB和TwB，所述第二计算模块，还被配置为：
按照位姿计算公式计算所述第一图像在世界坐标系中的位姿RwA和TwB，所述位姿计算公式为：
RwA＝RwB*RBA
TwB＝TwB+RwBTBA。
8.根据权利要求6所述的装置，其特征在于，所述装置还包括建图模块，所述建图模块被配置为：
在所述定位空间中首次启动所述移动机器人时，打开所述摄像头，控制所述移动机器人移动；
每当所述移动机器人的相对位移大于预定位移阈值或相对角度大于预定角度阈值时，将当前采集的一张图像以及当前时刻所述移动机器人的位姿作为一组对应关系进行存储，直到所述移动机器人在所述定位空间中行走一遍，完成图像地图的建立。
9.根据权利要求6所述的装置，其特征在于，所述匹配模块，还被配置为：
调用图像处理库Opencv以利用ORB特征法对所述第一图像的特征点和所述第二图像的特征点进行检测；
利用暴力匹配算法对所述第一图像和所述第二图像的特征点进行匹配。
10.根据权利要求6所述的装置，其特征在于，所述第一计算模块还被配置为：
调用图像处理库Opencv以利用SolvePnp计算所述第一图像和所述第二图像之间的相对位姿。
CN202110561050.7A 2021-05-21 2021-05-21 基于视觉辅助激光自动初始定位的方法及装置 Pending CN113223077A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110561050.7A CN113223077A (zh) 2021-05-21 2021-05-21 基于视觉辅助激光自动初始定位的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110561050.7A CN113223077A (zh) 2021-05-21 2021-05-21 基于视觉辅助激光自动初始定位的方法及装置

Publications (1)

Publication Number Publication Date
CN113223077A true CN113223077A (zh) 2021-08-06

Family

ID=77099305

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110561050.7A Pending CN113223077A (zh) 2021-05-21 2021-05-21 基于视觉辅助激光自动初始定位的方法及装置

Country Status (1)

Country Link
CN (1) CN113223077A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114603555A (zh) * 2022-02-24 2022-06-10 江西省智能产业技术创新研究院 移动机器人初始位姿估计方法、系统、计算机及机器人

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105928505A (zh) * 2016-04-19 2016-09-07 深圳市神州云海智能科技有限公司 移动机器人的位姿确定方法和设备
US20180297207A1 (en) * 2017-04-14 2018-10-18 TwoAntz, Inc. Visual positioning and navigation device and method thereof
CN110533722A (zh) * 2019-08-30 2019-12-03 的卢技术有限公司 一种基于视觉词典的机器人快速重定位方法及系统
CN112179330A (zh) * 2020-09-14 2021-01-05 浙江大华技术股份有限公司 移动设备的位姿确定方法及装置
CN112639883A (zh) * 2020-03-17 2021-04-09 华为技术有限公司 一种相对位姿标定方法及相关装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105928505A (zh) * 2016-04-19 2016-09-07 深圳市神州云海智能科技有限公司 移动机器人的位姿确定方法和设备
US20180297207A1 (en) * 2017-04-14 2018-10-18 TwoAntz, Inc. Visual positioning and navigation device and method thereof
CN110533722A (zh) * 2019-08-30 2019-12-03 的卢技术有限公司 一种基于视觉词典的机器人快速重定位方法及系统
CN112639883A (zh) * 2020-03-17 2021-04-09 华为技术有限公司 一种相对位姿标定方法及相关装置
CN112179330A (zh) * 2020-09-14 2021-01-05 浙江大华技术股份有限公司 移动设备的位姿确定方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114603555A (zh) * 2022-02-24 2022-06-10 江西省智能产业技术创新研究院 移动机器人初始位姿估计方法、系统、计算机及机器人
CN114603555B (zh) * 2022-02-24 2023-12-08 江西省智能产业技术创新研究院 移动机器人初始位姿估计方法、系统、计算机及机器人

Similar Documents

Publication Publication Date Title
CN111445526B (zh) 一种图像帧之间位姿的估计方法、估计装置和存储介质
CN110312912B (zh) 车辆自动停车系统和方法
CN106647747B (zh) 一种机器人充电方法及装置
CN105841687B (zh) 室内定位方法和系统
CN109544636A (zh) 一种融合特征点法和直接法的快速单目视觉里程计导航定位方法
WO2018121617A1 (zh) 定位准确度的检测方法及电子设备、计算机存储介质
CN106125724A (zh) 一种机器人自主充电的方法及系统
CN111427361B (zh) 一种回充方法、回充装置及机器人
KR20170088228A (ko) 다중로봇의 자기위치인식에 기반한 지도작성 시스템 및 그 방법
JP6229041B2 (ja) 基準方向に対する移動要素の角度偏差を推定する方法
CN107969995B (zh) 视觉扫地机器人及其重定位方法
CN111239763A (zh) 对象的定位方法、装置、存储介质和处理器
CN113223077A (zh) 基于视觉辅助激光自动初始定位的方法及装置
CN111540013B (zh) 一种基于多相机视觉slam的室内AGV小车定位方法
CN114434123B (zh) 一种空中线夹的机械臂定位拆卸方法、装置及存储介质
US20150168155A1 (en) Method and system for measuring a vehicle position indoors
CN106204516B (zh) 一种机器人的自动充电方法及装置
KR20210070690A (ko) 이동 로봇 시스템 및 자동 충전을 위한 이동 로봇의 귀소 방법
CN109238286B (zh) 智能导航方法、装置、计算机设备及存储介质
JP7056840B2 (ja) 自車位置推定装置、自車位置推定方法、および自車位置推定プログラム
CN111813131B (zh) 一种视觉导航的引导点标记方法、装置和计算机设备
Tang et al. Indoor navigation for mobile robots using memorized omni-directional images and robot's motion
CN114915036B (zh) 足式机器人充电控制方法及足式机器人
EP3985609A1 (en) Positioning system and method for determining the three-dimensional position of a movable object
CN111680709A (zh) 一种基于环境图片特征匹配的定位方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20210806