一种基于天花板图像的机器人室内定位方法与流程

本发明属于视觉导航领域，尤其是涉及一种基于天花板图像的机器人室内定位方法。

背景技术：

随着机器人，智能车等设备在生活、生产中的广泛应用，人们对于其智能性的要求也越来越高，而实现自主定位和导航是移动机器人基本要求和核心技术。特别是在精度要求高、运动环境复杂的室内条件下，如何有效的定位和导航是一个重要而有意义的问题。

目前比较成熟的室内定位和导航技术，主要包括磁轨迹导航、惯性导航、视觉导航等。其中磁轨迹导航需要铺设磁轨迹，机器人只能基于轨迹进行运动，灵活性差且不美观。惯性导航精度不高，且存在累积误差，通常需要辅以其他方法消除累积误差，提高定位精度。而视觉导航一般是对机器人前方的图像进行特征识别，并利用图像特征进行导航。但由于室内物体运动的复杂性，如行走的人，挪动的物体等，都极有可能改变物体的图像特征，造成定位导航算法的失效。

因此，现有技术存在的问题是：机器人室内定位导航适应性弱、稳定性差。

技术实现要素：

有鉴于此，本发明旨在提出一种基于天花板图像的机器人室内定位方法，以实现定位简单便捷、适应性强、稳定性好。

为达到上述目的，本发明的技术方案是这样实现的：

一种基于天花板图像的机器人室内定位方法，包括如下步骤：

(1)机器人遍历室内环境拍摄全局图像，构建地图；

(2)机器人沿规划路径运动，通过光流法和图像匹配计算机器人在全局图像中的位姿，并根据坐标换算关系确定机器人当前的实际位姿

进一步的，所述步骤(1)具体包括：

(101)预先在天花板设置与相邻视野内的图像具有明显差异性的图案；

(102)编程使得机器人遍历室内位置，并通过顶部摄像头拍摄照片，将采集到的图像进行图像拼接，得到全局图像；

(103)将室内实际尺寸与全局图像的像素尺寸进行比对，得到图像坐标与实际坐标的坐标换算关系。

进一步的，所述步骤(2)具体包括：

(21)相对位移获取：拍摄当前图像与上一图像帧比较，通过光流法获得机器人包括距离和方向的相对位移，用图像水平光流的平均值近似机器人的水平像素位移，用图像垂直光流的平均值近似机器人的垂直像素位移；

(22)当前图像位姿估算：根据相对位移与上一时刻的图像位姿，估算当前时刻的图像位姿；

(23)当前图像位姿确定：以估算的图像姿态角为中心，在误差角度内，按分辨精度划分，得到一组姿态角，对于每个姿态角，将当前图像帧旋转该角度，将旋转后的图像分别在中心截取相同大小的图像，并与估算位置附近的图像进行匹配，将匹配度最高的图像位姿作为当前图像位姿；

(24)当前实际位姿确定：根据坐标换算关系，将当前图像位姿转换成当前实际位姿。

进一步的，所述步骤(2)中得到的全局图像为矩形，空缺部分由黑色像素代替。

进一步的，所述图像坐标是以全局图像左上角为原点，向右为x轴正方向，向下为y轴正方向。

进一步的，所述实际坐标是以全局图像左上角对应的实际点为原点，x轴正方向与图像坐标x轴正方向一致，y轴正方向与图像坐标y轴正方向一致。

相对于现有技术，本发明所述的一种基于天花板图像的机器人室内定位方法具有以下优势：

(1)适应性强：基于天花板图案定位，受到环境变化的干扰较小，在人员流动频繁的场景也能使用，与超声波定位，激光定位等方法相比，适应性更强；

(2)简单便捷：与其他人工特征或信标方式相比，在天花板布置图案对原有环境的改变较小，操作简单，且能起到美化作用；完成布置后可永久使用，而不会像信标，超声波等需要充电和维护；算法直接从图形中提取特征，对于本身具有明显特征的天花板甚至可以不用布置图案；

(3)实时精度高：在相对位移推算的基础上，从全局图像中选择局部图像进行匹配，提高了计算效率和实时性；相比依靠少量关键帧或特征图像进行校准的定位方法，该发明在运动过程中的实时精度更高；

(4)稳定性好：由于采用光流法进行相对位移的推算，避免了地面打滑现象带来的误差，减少了对车轮和地面环境的要求。通过全局图像匹配的方法，克服了传统惯性导航存在的累积误差问题。即使某次定位出现一定范围内的偏差或失误，在下次定位时依然能够得到校准，而不会导致定位崩溃，具有较高的稳定性。

附图说明

构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明实施例所述的于天花板图像的机器人室内定位方法的主流程图；

图2为本发明实施例所述的定位方法中室内定位步骤的流程图。

具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面将参考附图并结合实施例来详细说明本发明。

如图1所示，本发明基于天花板图像的机器人室内定位方法，包括如下步骤：

(1)天花板图案布置：预先在天花板布置图案以确保摄像头在任意位置视野内的图像与相邻位置视野内的图像具有明显差异性；

实例中采用打印彩色图案张贴在天花板上。

(2)全局图像拍摄：编程使得机器人按同一方向遍历室内位置，并通过顶部摄像头拍摄照片，确保所拍摄的照片包含机器人按该方向运行时，可能拍摄到的所有图像信息，图像采样频率与机器人运动速度应保证每两帧图像直接包含至少1/3的重合部分。机器人拍摄到的所有图像信息应包含实际运动中任意可能位置所采集的图像信息。将采集到的图像进行图像拼接，得到全局图像；

优选地，所述步骤(2)全局图像拍摄步骤得到的全局图像为矩形，空缺部分由黑色像素代替。

机器人采用圆形底盘，双轮驱动，工控机通过电机驱动器控制机器人运动。摄像头水平安装在圆心正上方，正对天花板方向。摄像头与机器人机身固定，即随着机器人的运动而运动。摄像头通过usb与工控机连接，通过工控机程序对采集到的图像储存、拼接和反馈。将机器人放置在房间的一角，沿边运动，每移动半身长左右的距离采集一幅图像。刚行采集完后，从起点下移半身长左右位置，沿相同方向运动和采集。直到机器人走完全室，对所有采集到的图像进行拼接处理，得到全局图像。这里采用opencv的stitcher类实现图像拼接，得到的全局图像为矩形，空缺部分由黑色像素代替。为加快计算速度，对全局图像按下式进行灰度化处理：

g＝r×0.299+g×0.587+b×0.114

(3)坐标换算关系获取：通过现场或图纸测量获得室内实际尺寸，室内实际尺寸与全局图像的像素尺寸进行比对，求得图像坐标与实际坐标的坐标换算关系；

优选地，所述步骤(3)坐标换算关系获取步骤中，所述图像坐标是以全局图像左上角为原点，向右为x轴正方向，向下为y轴正方向。

所述步骤(3)坐标换算关系获取步骤中的实际坐标是以全局图像左上角对应的实际点为原点，x轴正方向与图像坐标x轴正方向一致，y轴正方向与图像坐标y轴正方向一致。

图像坐标与实际坐标对应关系为，室内实际长度减去车身长度的实际距离对应全局图像长度减去单帧照片长度的像素距离，室内实际宽度减去车身宽度的实际距离对应全局图像宽度减去单帧照片宽度的像素距离，通过长宽求得的实际坐标-图像坐标比例尺存在微小误差时，选用较小的比例尺。

(4)室内定位：通过光流法和图像匹配计算机器人在全局图像中的位姿，并根据坐标换算关系确定机器人当前的实际位姿。

完成步骤(1)至步骤(3)，即完成地图构建工作，接下来即可通过地图进行定位和导航。通过指定起点终点和路径规划，机器人沿规划路径运动，并通过定位矫正位姿。在开始运动前，先采集一帧图像，用来和下一帧图像比较。对于采集的图像，我们首先通过高斯滤波进行去噪，将输入数组的每一个像素点与高斯内核卷积将卷积和当作输出像素值。二维高斯函数表达式如下式。为加快计算速度，还需要对采集到的图像做灰度化处理，公式与先前相同。

如图2所示，所述(4)室内定位步骤包括：

(41)相对位移获取：拍摄当前图像与上一图像帧比较，通过光流法获得机器人包括距离和方向的相对位移，用图像水平光流的平均值近似机器人的水平像素位移，用图像垂直光流的平均值近似机器人的垂直像素位移；

使用opencv的cvcalcopticalflowlk函数实现光流计算，其算法使用的是使用lucas&kanade算法。通过求平均水平光流和垂直光流得到水平像素位移和垂直像素位移后，即可求得位移的距离和方向角。

(42)当前图像位姿估算：根据相对位移与上一时刻的图像位姿，估算当前时刻的图像位姿；

将上一时刻位置与估算位移矢量相加，估算当前位置，同时将上一时刻方向角与估算方向角相加，估算当前方向角。

(43)当前图像位姿确定：以估算的图像姿态角为中心，在误差角度内，按分辨精度划分，得到一组姿态角。对于每个姿态角，将当前图像帧旋转该角度，将旋转后的图像分别在中心截取相同大小的图像，并与估算位置附近的图像进行匹配，将匹配度最高的图像位姿作为当前图像位姿。

为保证计算效率，方向角误差范围不宜太大，精度也不宜太高，不妨取误差范围±3°，精度1°，图像旋转时绕图像中心旋转。由于旋转时通常需要更大的容器图像，故可以选用足够大的容器图像，如边长为原图对角线长的正方形，对图像进行旋转。然后选择中心的较小一块图像进行匹配，确保截取的图像为有意义的图像，即不包含空白。

如上述参数，需要将采集到图像进行7次旋转和截取，得到7幅图片，分别与选取的估算位置附近的大小合适图像进行匹配。综合考量速度和效果，采用相关匹配法进行匹配，锁定数值越大表示匹配程度越高，匹配公式为：

(44)当前实际位姿确定：根据坐标换算关系，将当前图像位姿转换成当前实际位姿；

优选地，所述(20)全局图像拍摄和(40)室内定位步骤中，摄像头水平固定在机器人中心顶部，其视角随机器人的运动而运动。

判断目前机器人所在实际坐标是否在预期指定的地点，如果不是，则根据规划的路径进行修正。使其定位与预期误差保持在较小误差范围内。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。