CN112083732A - 一种检测可视线激光的机器人导航方法和导航系统 - Google Patents

Abstract

本发明公开了一种检测可视线激光的机器人导航方法和导航系统，包括以下步骤：设置线激光；获得机器人的当前环境图像，环境图像中包含线激光光线；处理环境图像，并获得直线信息；根据直线信息获得导航响应。本发明通过激光光线代替传统辅助标志实现路线轨迹，无需对机器人运行环境进行改变，适用性更广，并且路线轨迹更改方便，维护成本低，同时，导航稳定。

Description

一种检测可视线激光的机器人导航方法和导航系统

技术领域

本发明涉及机器人导航技术领域，尤其涉及一种检测可视线激光的机器人导航方法和导航系统。

背景技术

随着人工智能的发展，工厂智能化已成为必然趋势，机器人作为自动化运输搬运的重要工具，近年来的应用越来越广泛。作为机器人的核心技术之一，导航导引技术起着至关重要的作用。相较于激光导航、SLAM视觉导航等方式，巡线机器人采用的导航方式更加稳定、安全、成本低且实现简单。

现有巡线机器人的导航方式主要包括：电磁导航、磁条导航、色带导航、色带二维码混合导航等等，但是使用此类方法时需要提前在环境中布设辅助标志：如金属条、磁条、色带、二维码等，由此造成更改路线较为麻烦且成本较高。同时，某些特殊场景下并不允许对环境进行改变，并且该类方法维护成本较高。因此，针对上述问题，有必要提出进一步地解决方案。

发明内容

本发明旨在提供一种检测可视线激光的机器人导航方法和导航系统，以克服现有技术中存在的不足。

为解决上述技术问题，本发明的技术方案是：

一种检测可视线激光的机器人导航方法，包括以下步骤：

设置线激光；

获得机器人的当前环境图像，所述环境图像中包含所述线激光光线；

处理所述环境图像，并获得直线信息；

根据所述直线信息获得导航响应。

本发明的一个较佳实施例中，所述处理所述环境图像，包括：

根据所述线激光光线的颜色提取所述环境图像中对应的颜色；

若提取到所述对应的颜色，则对所述环境图像进行二值化处理。

本发明的一个较佳实施例中，所述处理所述环境图像，包括：

根据最小二乘法对所述环境图像进行霍夫直线检测，并获得直线信息。

本发明的一个较佳实施例中，包括：

根据预设的长度范围和宽度范围，过滤所述环境图像，其中，所述长度范围根据所述环境图像的尺寸设定，所述宽度范围根据所述线激光光线的宽度设定。

本发明的一个较佳实施例中，所述获得机器人的当前环境图像，包括：

在机器人上设置图像获取设备，通过所述图像获取设备获得所述环境图像。

本发明的一个较佳实施例中，所述设置线激光，包括：

在任意所述环境图像范围内设置一条所述线激光光线或多条相交的所述线激光光线。

本发明的一个较佳实施例中，根据所述线激光光线的颜色提取所述环境图像中对应的颜色，若未提取到所述对应的颜色，则输出提示信号，所述提示信号表示机器人偏离航线。

本发明的一个较佳实施例中，长度范围为

宽度范围为[SC，BC]，其中，W为环境图像宽度，L为环境图像长度，I为环境图像内的激光线长度，K范围为

C为激光线宽度，S范围为0.7≤S<1.0，B范围为1.0<B≤1.2。

本发明的一个较佳实施例中，所述根据所述直线信息获得导航响应，包括：

若所述直线信息为一条直线，则采用PID算法来获得机器人行进方向，公式为：

其中，e(t)表示所述图像获取设备当前时刻的法线位置与所述环境图像内线激光光线的距离误差，e(t)＝0时图像获取设备距离线激光光线的距离最短，K_p、T_t、T_d分别为比例系数、积分时间常数和微分时间常数，u(t)为转向值，根据转向值改变机器人行进。

本发明的一个较佳实施例中，若所述直线信息为多条相交的直线，则根据预设的转弯动作完成路线切换。

本发明的一个较佳实施例中，当机器人所处环境中存在与所述线激光的相同颜色，则过滤所述环境图像。

本发明的一个较佳实施例中，所述线激光光线所在平面的颜色和所述线激光颜色色差明显。

本发明还公开了一种检测可视线激光的机器人导航系统，包括：

激光发射模块，所述激光发射模块用于发射线激光光线；

图像获取模块，所述图像获取模块用于获得包含所述线激光光线图像的机器人的当前环境图像；

图像处理模块，所述图像处理模块用于接收并处理所述环境图像；

导航响应模块，所述导航响应模块用于基于所述图像处理模块的输出数据确定导航响应。

与现有技术相比，本发明的有益效果是：

本发明通过激光光线代替传统辅助标志实现路线轨迹，无需对机器人运行环境进行改变，适用性更广，并且路线轨迹更改方便，维护成本低，同时，导航稳定。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本导航方法的流程图；

图2为本导航系统的框图。

具体地，1、激光发射模块；2、图像获取模块；3、图像处理模块；4、导航响应模块；5、驱动模块；6、控制模块。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

如图1所示，一种检测可视线激光的机器人导航方法，通过线激光作为路径，机器人识别后跟踪线激光轨迹来完成运动控制，从而实现巡线机器人的导航方法同时兼具稳定性、多环境适应性和低维护成本的优点。

具体包括以下步骤：

S100设置线激光。可以采用线激光发射器发射线激光，线激光发生器的安装位置不受限制，可根据实际需求提前规划好发射器安装位置和方向，示例性地，如地面遮挡较多时，可将激光线打向房顶，当然不限于此。

S200获得环境图像，即获得机器人的当前环境图像，环境图像中包含线激光光线。优选在机器人上安装图像获取设备，例如相机，以随机器人行进实时拍摄。相机具体安装方式不受限制,获取相机拍摄到的当前帧图像。

可以理解的是，需通过合理安装相机和发射器，保证在相机视野范围可以拍摄到线激光，以实现导航。优选地，线激光光线所在平面的颜色和线激光颜色色差明显，以使得后续识别激光光线更加精准快速。更进一步地，机器人所在环境中的颜色与线激光颜色色差明显，从而进一步避免误识别。优选地，在任意环境图像范围内设置一条线激光光线或多条相交的线激光光线，即合理设定相机视野与发射器，从而确保检查的精度和效率。

S300处理环境图像，并获得直线信息。

S400获得导航响应，即根据直线信息获得导航响应。

其中，S300处理环境图像，包括：

S301根据线激光光线的颜色提取环境图像中对应的颜色。如线激光颜色为绿色，则提取图像中所有的绿色像素，设为集合Pg。具体为：首先，读取图像，计算图像像素；其次，读取图像中的各颜色分量直方图，利用范围分割的方法读取RGB各分量直方图；最终，通过设置合适范围提取绿色分量，记为集合Pg；

S302若提取到对应的颜色，则对环境图像进行二值化处理。例如，将Pg中的像素全部设为白色，其他颜色的像素值全部设为黑色，也即将Pg中所有的像素值置为255，图像中其他颜色则全部置为0，并提取白色区域的轮廓。

S303若未提取到对应的颜色，则输出提示信号，提示信号表示机器人偏离航线。即Pg为空集，则说明当前机器人偏离线激光轨迹，可以给出报警信息，通过人工干预的方法将其移到合适位置，再返回步骤S301。

S304根据最小二乘法对二值化后的环境图像进行霍夫直线检测，并获得直线信息。由于发出的线激光是一条直线，所以通过霍夫变换检测上述步骤中的轮廓中是否为直线，同时滤去激光本身的发散点，进一步使用最小二乘法进行拟合以提高检测效果，具体为：

设采集到的数据为：

P_g＝(x_i,y_i)^T,(i＝1,2,…,n) (1)

其中，n为数据的个数，x、y为图像坐标系下的各像素点的位置。P_g中的数据点分布在m条直线附近，对其作霍夫变换：

ρ_k＝x_icosθ_k+y_isinθ_k,(i＝1,2,…,n；k＝1,2,…,m) (2)

可得拟合直线的参数(θ_k,ρ_k)。将上式表示的法线式直线方程改写为斜截式，有：

y_i＝a_kx_i+b_k (3)

其中

P_g中的点到式(3)确定的直线距离为：

设定误差范围为d_k，若：

d_ki<d_k (6)则认为点集：

G_k＝(x_kj,y_kj),(j＝1,2,…,n′,n′≤n) (7)

为符合误差范围要求的第k条霍夫变换直线附近的点集。

以点集G_k为拟合数据，分别拟合各直线，由式(3)可得参数(a_k’,b_k’)，从而可确定各直线段的区间：

y_kj＝a′_kx_kj+b′_k,((x_kj)_min≤x_kj≤((x_kj)_max) (8)

其中，还包括步骤：根据预设的长度范围和宽度范围，过滤环境图像，以提升本导航方法的鲁棒性。其中，长度范围根据环境图像的尺寸设定，宽度范围根据线激光光线的宽度设定。进一步地为保证精度，设定相机视野宽度(环境图像宽度)为W,相机视野长度(环境图像长度)为L,本实施例中选取了

作为长度范围下限，设机器人中心位于激光线中间时，相机视野范围内拍摄到的激光线长度为I，取比例系数

设置KI为长度范围上限，即长度L_line的取值区间为：

设测得的激光宽度为C,设定下限值S(0.7≤S<1.0),上限值B(1.0<B≤1.2)，则宽度W_line的取值范围为：[SC，BC]。总而言之，关于长宽的限制可根据实际情况和需求进行设置，不仅仅限于本实施例方法。该步骤在S400前完成即可，以获得更为精准的直线信息。

以上步骤优选当机器人所处环境中存在与线激光的相同颜色，时采用，从而能够保证有效滤去其他绿色物体的影响，最终提取出来的直线是激光光线。

其中，S400根据直线信息获得导航响应，包括：

S401若直线信息为一条直线，则采用PID算法来控制机器人行进方向，公式为：

其中，e(t)表示相机当前时刻的法线位置与环境图像内线激光光线的距离误差，e(t)＝0时相机距离线激光光线的距离最短，K_p、T_t、T_d分别为比例系数、积分时间常数和微分时间常数，u(t)为转向值。本实施例中以相机安装在机器人小车后方正中间为例，则当相机位于激光光线正上方时，此时即为最短距离。

本导航方法中，机器人优选采用轮式电机。式(9)中第一项，K_p乘以误差e(t)即为PID控制系统的修正值，PID系统控制机器人行进系统，对机器人行进的实时数据采集信息与定值比较产生的误差的比例、积分和微分进行控制，可以通过改变轮式电机的功率值来应用这个修正值，K_p的值需要通过反复实验调整确定。第二项积分是用来表示误差累积的过程，可以持续向PID控制器提供修正误差的方法，积分项记录的是机器人偏离路线的累计误差，时间越长，误差越大，即该项是针对机器人过去产生的误差进行记录。假设t时刻积分误差结果为n，机器人朝向激光线右侧，若要使得该项值为0，则可通过改变电机功率值使得机器人向左运动以产生误差-n，但是这种倾向可能会引起超调，即机器人已经回到激光线中心位置，仍会继续向左运动以弥补之前产生的累计误差，为了避免产生这种情况可以在每次e(t)＝0时将积分误差置0。第三项导数部分可以预测下一时刻的误差，如果t时刻误差比t-1时刻的误差更大，则导数控制部分会纠正该误差，否则，导数控制部分会停止控制器取纠正该误差，即导数项是估计机器人下一时刻将会产生的误差。假设t时刻误差结果为x，t-1时刻误差为y，则预测t+1时刻的误差c＝x+(x-y)，类比到机器人行进过程中，若预测到的下一误差大于当前误差，则可以改变电机功率值去纠正该误差，若下一误差比当前误差更好，则不需要进行误差纠正。且如果误差越接近0，则在趋于0之前即可降低电机功率，以防止过冲。当转向值u(t)为负时，表示向左运动，反之则向右。

S402若直线信息为多条相交的直线，则根据预设的转弯动作完成路线切换。

如图2所示，本发明还公开了一种检测可视线激光的机器人导航系统，采用上述导航方法。本导航系统包括：激光发射模块1、图像获取模块2、图像处理模块3以及导航响应模块4。将激光发射模块1置于工作场景外，以线激光作为路径，经图像获取模块2检测识别后跟踪线激光轨迹来完成运动控制。通过调整激光发射模块1的位置和方向可以随意改变路线，适用于不允许布设任何标志的场景中，且维护成本低。

具体地，激光发射模块1用于发射线激光光线。激光发射模块1包括激光发射器，优选线激光颜色和线激光光线所在平面的颜色色差明显。

图像获取模块2用于获得包含线激光光线图像的机器人的当前环境图像。图像获取模块2包括相机，相机搭载在机器人上。设置激光发射器和选取相机时，优选在任意环境图像范围内设置一条线激光光线或多条相交的线激光光线。

图像处理模块3用于接收并处理环境图像。图像处理模块3根据线激光光线的颜色提取环境图像中对应的颜色。若提取到对应的颜色，则对环境图像进行二值化处理；若未提取到对应的颜色，则输出提示信号，提示信号表示机器人偏离航线，通过人工干预的方式将其移至合适位置。图像处理模块3根据最小二乘法对二值化后的环境图像进行霍夫直线检测，并获得直线信息。

图像处理模块3还可以根据预设的长度范围和宽度范围，过滤环境图像，其中，长度范围根据环境图像的尺寸设定，宽度范围根据线激光光线的宽度设定。导航响应模块4用于基于图像处理模块3的输出数据确定导航响应。导航响应包括机器人左右转向以保持沿线激光光线行进。导航响应模块4接收到的输出数据若为一条直线，则采用PID算法来获得机器人行进方向；若为多条相交的直线，则根据预设的转弯动作完成路线切换。

本导航系统优选还包括控制模块6，控制模块6通过获得导航响应模块4输出的导航响应，控制机器人驱动模块5做出适用性调整。

综上所述，本发明通过激光光线代替传统辅助标志实现路线轨迹，无需对机器人运行环境进行改变，适用性更广，并且路线轨迹更改方便，维护成本低，同时，导航稳定。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种检测可视线激光的机器人导航方法，其特征在于，包括以下步骤：

设置线激光；

获得机器人的当前环境图像，所述环境图像中包含所述线激光光线；

处理所述环境图像，并获得直线信息；

根据所述直线信息获得导航响应。

2.根据权利要求1所述的检测可视线激光的机器人导航方法，其特征在于，所述处理所述环境图像，包括：

根据所述线激光光线的颜色提取所述环境图像中对应的颜色；

若提取到所述对应的颜色，则对所述环境图像进行二值化处理。

3.根据权利要求1或2所述的检测可视线激光的机器人导航方法，其特征在于，所述处理所述环境图像，包括：

根据最小二乘法对所述环境图像进行霍夫直线检测，并获得直线信息。

4.根据权利要求1所述的检测可视线激光的机器人导航方法，其特征在于，包括：

根据预设的长度范围和宽度范围，过滤所述环境图像，其中，所述长度范围根据所述环境图像的尺寸设定，所述宽度范围根据所述线激光光线的宽度设定。

5.根据权利要求1所述的检测可视线激光的机器人导航方法，其特征在于，所述获得机器人的当前环境图像，包括：

在机器人上设置图像获取设备，通过所述图像获取设备获得所述环境图像。

6.根据权利要求1所述的检测可视线激光的机器人导航方法，其特征在于，所述设置线激光，包括：

在任意所述环境图像范围内设置一条所述线激光光线或多条相交的所述线激光光线。

7.根据权利要求2所述的检测可视线激光的机器人导航方法，其特征在于，根据所述线激光光线的颜色提取所述环境图像中对应的颜色，若未提取到所述对应的颜色，则输出提示信号，所述提示信号表示机器人偏离航线。

8.根据权利要求4所述的检测可视线激光的机器人导航方法，其特征在于，长度范围为

宽度范围为[SC，BC]，其中，W为环境图像宽度，L为环境图像长度，I为环境图像内的激光线长度，K范围为

C为激光线宽度，S范围为0.7≤S＜1.0，B范围为1.0＜B≤1.2。

9.根据权利要求6所述的检测可视线激光的机器人导航方法，其特征在于，所述根据所述直线信息获得导航响应，包括：

若所述直线信息为一条直线，则采用PTD算法来获得机器人行进方向，公式为：

其中，e(t)表示所述图像获取设备当前时刻的法线位置与所述环境图像内线激光光线的距离误差，e(t)＝0时图像获取设备距离线激光光线的距离最短，K_p、T_t、T_d分别为比例系数、积分时间常数和微分时间常数，u(t)为转向值，根据转向值改变机器人行进。

10.一种检测可视线激光的机器人导航系统，其特征在于，包括：

激光发射模块，所述激光发射模块用于发射线激光光线；

图像获取模块，所述图像获取模块用于获得包含所述线激光光线图像的机器人的当前环境图像；

图像处理模块，所述图像处理模块用于接收并处理所述环境图像；

导航响应模块，所述导航响应模块用于基于所述图像处理模块的输出数据确定导航响应。

Images