CN102773862A - 用于室内移动机器人的快速精确定位系统及其工作方法 - Google Patents

Abstract

本发明涉及一种用于室内移动机器人的快速精确定位系统及其工作方法，它包括设置在机器人上的定位传感器和安装在工作区域天花板上的多个反射红外线的无源标签；定位传感器包括图像处理芯片，它与存储模块、COMS摄像头、数据接口、电源以及红外发射模块连接，红外发射模块包括多个红外管，它们围绕在COMS摄像头周围并分为几组；无源标签为标签，其上有多个标志点，标志点分为两类，第一类为方向点，以确定坐标轴的方向，为唯一确定方向，标签的四个角中只能有三个角的位置有方向标志点，第二类为编码点，即剩余的标志点，用来确定该标签的ID编号；在方向用标志点上粘有反射红外线材料，在其余编码用标志点上根据编码需要粘贴反射红外线材料。

Description

用于室内移动机器人的快速精确定位系统及其工作方法

技术领域

本发明涉及一种用于室内移动机器人的快速精确定位系统及其工作方法，属于检测技术、图像处理及机器人导航领域。

背景技术

室内定位，是在室内环境下，根据先验环境地图信息、物体位姿的当前估计以及传感器的观测数据等输入信息，经过一定的分析和计算，得到更为准确的物体位姿的估计。对于工作在家庭、医院和办公场所等室内环境下的智能服务机器人，其准确的定位是机器人导航的前提，是完成服务任务的重要保证。

室内定位传感器按照所使用的定位技术，可分为绝对定位传感器和相对定位传感器。绝对定位主要采用导航信标、主动或被动标识等技术进行定位；相对定位是测量物体相对于初始位置的距离和方向来确定物体的当前位置，也称为航位推算法。目前室内机器人定位所采用的方法主要有：基于RFID的方法、基于无线传感网络的方法和基于里程计和惯导模块的方法等等。

基于RFID的方法，一般是先读取RFID数据后粗略定位，再利用超声传感器进行距离测量，从而获得定位信息。该方法要求在放置RFID标签时，要充分考虑各种可能性，使用不便，精度较低，适合环境简单，且对精度要求不高场合下的定位。

基于无线传感网络的方法，如Wi-Fi技术，Zibgee技术等，利用信号强度进行定位，该方法需要架设无线传感网络，成本高，且无线信号易受干扰，精度较差。

基于惯导模块的方法利用陀螺仪、加速度计、磁力计等惯性导航模块，再结合里程计，对物体的航向、速度和加速度进行实时记录，累积里程，通过计算得到物体相对于初始位置的坐标。该方法存在累积误差和漂移，时间一长或路况不佳时，精度难以保证。

专利号为201110260388.5的发明专利，使用红外发射二极管制作点阵路标，并贴附于室内天花板上，广角红外摄像机固定在移动机器人身上，向上拍摄红外路标，通过机器人身上的计算机进行图像分析、实时计算出机器人的位姿。这种方法具有一定的局限性，其点阵路标属于有源标签，每一个标签都是一块电路板，并需要电源供电，成本高，安装、使用不方便。其次，其图像处理使用机载工控计算机，体积较大，成本较高，对不配置工控计算机的中小型机器人根本无法使用。

发明内容

本发明的目的就是为解决上述问题，提供一种用于室内移动机器人的快速精确定位系统及其工作方法，该系统由安装在机器人上的定位传感器和粘贴在工作区域天花板上的多个反射红外线的无源标签组成，系统利用传感器红外发射模块发出红外线，照射天花板上的标签，传感器上的微型CMOS摄像头采集标签光斑图像，TMS320DM642DSP芯片对图像进行处理，获得传感器相对于标签的X坐标值、Y坐标值、航向角及高度等位置信息，实现准确定位。采用红外线的目的是为了有效避免可见光对传感器的影响，提高定位的精度和鲁棒性。

为实现上述目的，本发明采用如下技术方案：

一种用于室内移动机器人的快速精确定位系统，它包括安装在机器人上的定位传感器和粘贴在工作区域天花板上的多个反射红外线的无源标签；其中，定位传感器包括图像处理芯片，图像处理芯片分别与存储模块、COMS摄像机、数据接口、电源以及红外发射模块连接，红外发射模块包括多个红外管，它们围绕在COMS摄像头周围并分为几组；无源标签为标识标签，在标签上共有15个标志点位置可供粘贴反射红外线材料，标志点被分为两类，第一类为方向点，即来确定坐标轴的方向，为了唯一确定方向，标签的四个角中只能有任意三个角的位置有方向标志点，余下一个顶点不能粘贴反射红外线材料，每个标签上都必须含有这三个方向点；第二类为编码点，即剩余的各标志点，每个编码点都表示二进制的一位，可以通过编码点的组合来确定该标签的ID编号；在方向点上粘有反射红外线材料，在其余编码点上根据编码需要选择全部或部分粘贴反射红外线材料。

所述数据接口为UART接口，所述存储模块为SDRAM、FLASH、EEPROM。

所述红外管有12个，每4个分为一组，共3组；开始进行测量时3组全部打开，测得结果后随即关闭一组，再进行测量，如果测量精度没有影响，则再关闭一组，目的是保证精度不受影响且使用的红外管数量最少，达到节省能源，减少发热量的目的。

该定位系统的工作步骤为：

1）根据需要，在机器人工作区域的天花板上粘贴适当数量的标签，标签之间的距离需大于1.5米，定位传感器与标签之间的距离范围为1米到2.5米；

2）将定位传感器安装在机器人上，上电并初始化；

3）读取存储模块完成配置；

4）判断是否开始检测，若否，则继续等待检测命令；若是，则转入步骤5）；

5）COMS摄像头接收标签反射回来的红外光斑图像，对图像进行预处理，然后检测视野内是否存在有效标签，若没有则转到7），如果视野中有效标签的数量多于一个，则应从中选择最优的标签进行反光点识别；从而确定标签中三个方向点及标签坐标系XOY，从而确定机器人在该标签坐标系下的X、Y坐标信息和航向角信息，并确定定位传感器与粘贴标签天花板之间的高度信息，同时确定标签的ID信息；

6）将处理结果上传到机器人的上位机进行显示和控制；

7）由上位机决定是否停止检测，若否，则返回步骤5）；若是，则结束本次检测过程。

所述步骤2）中，在定位传感器投入使用之前必须对微型CMOS摄像机进行标定，来获得内参数和畸变参数：

标定时采用基于2D平面标定板的标定算法，在标定过程中假设摄像机内部参数始终不变，即无论摄像机从任何角度拍摄平面模板，摄像机内部参数都是常数，只有外部参数发生变化，基本步骤为：

（1）打印一张标准的国际象棋盘作为标定板，并将其贴在一个刚性的平面上；

（2）从不同角度拍摄多张标定板图像，数量多可使标定更准确；

（3）检测标定板上的特征点，并确定图像坐标和实际坐标；

（4）利用线性模型计算出摄像机的内部参数；

（5）利用畸变模型，对摄像机内参数进行优化，求出所有参数，确定内参数后对图像进行矫正，从而为后续计算做好准备。

所述步骤5）中，在红外图像中确定有效标签和最优标签的过程为：对获取的红外图像进行预处理，首先对红外图像进行高斯平滑滤波，之后选取合适的阈值进行二值化处理获得二值化图像，提取二值图像中的轮廓，去除较大和较小的轮廓以减小噪声的干扰。

定位传感器采用对上面获取的二值图像进行水平投影和垂直投影相结合的方法来定位标签在红外图像中的位置，使用最近邻的法则来确定当前的最优标签。

给定一条直线，用垂直该直线的一簇等间距直线将二值图像分割成若干部分，统计每一部分中像素值为1的像素个数为二值图像在给定直线上的该部分的投影；当给定直线为水平或垂直直线时，计算二值图像每一列或每一行上像素值为1的像素数量，就得到了二值图像的水平和垂直投影，在某些应用中投影可以作为物体识别的一个特征，图14a表示了处理后得到的二值图像，图14b和图14c分别表示了二值图像的垂直投影和水平投影，具体的分类可见如下步骤：

（1）对获取的垂直投影图像由左向右逐次遍历得到其相邻投影像素簇的间隔距离d₁,d₂…d_n，同样对水平投影图像采取由上向下逐次遍历可得相邻投影像素簇的间隔距离d′₁,d′₂…d′_n，由于标签放置时间隔较远，因而不同标签间的投影像素簇也会间隔较远的距离，可以以间隔距离作为区分标签的依据。

（2）确定投影图像上标签对应的投影区域，取上述垂直投影图像像素簇间隔距离的最小值d和水平投影图像像素簇间隔距离的最小值d′的七倍，即7d和7d′作为阈值进行近邻分类，具体分类方法：对于垂直投影图像由左向右遍历，找到第一个投影像素簇，统计其余投影像素簇到该像素簇的距离，若是小于7d，则属于同一个标签的投影区域，然后以下一个大于7d的投影像素簇为基准，继续向右遍历，仍是小于7d的为第二个标签所在的投影区域，依次向下遍历可得到不同的标签在垂直投影图像中的不同区域，对于水平投影图像，由上向下进行遍历，以7d′为距离基准，采用上述方法可以得到标签在水平投影图像上的对应区域。如图14b和14c所示，可以得到A、B、C、D四个投影区域。

（3）找到原图像上的标签区域，以（2）中确定的每个投影区域的边缘做直线，垂直投影区域的直线和水平投影区域的直线在原图像上可以相交得到不同的矩形区域，该矩形区域则为标签可能存在的区域，图14d表示了有相交直线所获取的四个矩形区域，其中有不合理的区域，即有两个矩形区域不存在标签，下一步将介绍如何去除不合理区域，得到有效标签。

（4）去除不合理的区域，得到有效标签，经过步骤（3）可以得到标签可能所在的区域，但是需要去除无效区域已得到有效的标签所在区域，主要是排除两方面的干扰：一种是排除相交矩形区域内没有标签的情况，一种是排除标签在图像边缘以至于没有得到完整标签的情况。

（5）在（3）中已获得可能的投影区域，且通过投影边缘区域的边缘直线可以确定图像中标签可能所在区域的坐标范围，通过检测区域内有无反光点即可判断该区域内是否存在标签，若有反光点则存在标签，若无则不存在。由于在图像边缘处误检测的概率较大，所以，当标签靠近边缘时需要舍弃，通过区域的坐标可以很简单的判断出该标签是否是在图像边缘。排除掉干扰后剩下的即为有效标签。

（6）若图像中有效标签的数量多于一个，需要选择最优标签。图14d表示了获取了标签所在的图像区域。求解两个矩形区域中心坐标a(x_a,y_a)和b(x_b,y_b)，图像中心点坐标o(x_o,y_o)，计算得出oa和ob距离：

$d_{\mathrm{oa}}=\sqrt{{(x_o-x_a)}^2+{(y_o-y_a)}^2}$

$d_{\mathrm{ob}}=\sqrt{{(x_o-x_b)}^2+{(y_o-y_b)}^2}$

取距离相对较小的标签为当前条件下的有效标签，当标签的个数多余两个时，判断方式与上面类似。

所述步骤5）中标签反光点识别过程为：

（1）首先定义一个梯度：规定一个像素沿某方向的梯度为该像素与该方向下一个像素的灰度值之差，自上而下自左向右搜索，若在某一像素点，右梯度大于设定阈值ε₁，则认为该点是标志区域内一点；

（2）以该点为起始点，搜索其八邻域内最大灰度值，最终找到标志区域内最大灰度值点；

（3）以中心点为起始点，向上、下、左、右四个方向搜索，当某点像素灰度值小于设定值并且梯度小于设定阈值时，则认为该点为标志区域的边界点；

（4）分别以中心对角线相连的点为起始点开始水平和垂直搜索，直到找到标志区域边界点，其他搜索以此类推；

（5）检测出的区域并不一定都是标志区域，还需要去掉干扰区域，首先计算标志区域内所有像素的平均值，平均值过低则排除，然后计算标志区域的尺寸和边界长度，不符合阈值的排除；

经过以上步骤确定所有标签反光点，采用建立灰度直方图的方法，选取标志区域和背景区域灰度的峰值间的谷底做为阈值，然后用图像各点灰度值减去该阈值，获得一幅新的图像；确定中心点时，选用灰度加权质心法，所谓灰度加权质心是指，以灰度值为权重，计算图像内所有标志点象素坐标的平均值，公式如下：

$\left\{\begin{array}{c}{x}_O=\frac{\underset{(i,j)\∈S}{\mathrm{\Σ}}i{w}_{i,j}}{\underset{(i,j)\∈S}{\mathrm{\Σ}}{w}_{i,j}}\\ y_O=\frac{\underset{(i,j)\∈S}{\mathrm{\Σ}}{\mathrm{jw}}_{i,j}}{\underset{(i,j)\∈S}{\mathrm{\Σ}}{w}_{i,j}}\end{array}\right.$

公式中x₀和y₀为计算所得中心点的像素坐标，(i,j)表示图像中的某个像素点，i和j分别表示像素点的x轴和y轴的坐标值，w_i,j表示像素点(i,j)处的像素灰度值。

所述步骤5）中，确定标签中三个方向点的过程为：计算标签中任意两两标志点之间的连线长度，选取其中最长者，并且提取最长连线所对应的两个标志点，将这两个标志点分别标记为A和B，计算A和B连线的中点，然后分别计算标签中除A和B点外其他所有点到该中点的距离，选取其中最长的，并提取该最长距离所对应的标志点，将其标记为O，则A、O、B三点为三个方向点。

标签坐标系的确定过程为：O点为标签坐标系的坐标原点，设O点在图像坐标系中的像素坐标为(x₁,y₁)，在A和B中任选一点绕O顺时针旋转90度，设选取的点的像素坐标为(x₂,y₂)，剩余另一点的坐标为(x₃,y₃)，旋转后对应点P像素坐标（x，y）的计算公式为：

$\left\{\begin{array}{c}x=(x_2-x_1)\cos \left(\mathrm{\α}\right)-(y_2-y_1)\sin \left(\mathrm{\α}\right)+x_1\\ y=(y_2-y_1)\cos \left(\mathrm{\α}\right)+(x_2-x_1)\sin \left(\mathrm{\α}\right)+y_1\end{array}\right.$

其中α表示旋转角度。

判断δ夹角：

δ＝(x-x₁)(x₃-x₁)+(y-y₁)(y₃-y₁)

若δ>0则两向量之间的夹角为锐角，则选取的点(x₂,y₂)所对应的坐标轴为X轴，(x₃,y₃)点所对应的坐标轴为Y轴，若δ<0则两向量之间的夹角为钝角，则选取的点(x₂,y₂)所对应的坐标轴为Y轴，(x₃,y₃)所对应的坐标轴为X轴，由此对应关系可确定标签坐标系XOY。

所述步骤5）中，位置信息的确定过程为：在定位传感器获取的图像中，R点为定位传感器在图像中的投影位置，该位置是图像中心。在图像中按照确定标签坐标系的规则建立AOB坐标系，其中OA为X轴方向，OB为Y轴方向。

求解定位传感器在该标签下的坐标时，使用两次仿射变换的方法，仿射变换是两个平面坐标系之间的转换。

首先是AOB坐标系与图像坐标系的转换，由提取到的标志点的中心点可以确定图像坐标系中AOB三点的坐标值，同时根据各点之间的距离也能确定AOB坐标系中三点的坐标值，将三个坐标带入仿射变换公式中即确定仿射变换矩阵和平移矩阵；

假设求得的仿射矩阵为 $\left[\begin{array}{cc}{n}_{11}& n_{12}\\ n_{21}& n_{22}\end{array}\right],$ 平移矩阵为 $\left[\begin{array}{c}{k}_1\\ k_2\end{array}\right],$ 图像中R点的图像坐标为(u₀,v₀)，则求得R点在AOB坐标系中的坐标 $\left[\begin{array}{c}{x}_r\\ y_r\end{array}\right],$

$\left[\begin{array}{c}{x}_r\\ y_r\end{array}\right]=\left[\begin{array}{cc}{n}_{11}& n_{12}\\ n_{21}& n_{22}\end{array}\right]\left[\begin{array}{c}{u}_0\\ v_0\end{array}\right]+\left[\begin{array}{c}{k}_1\\ k_2\end{array}\right]$

下面求AOB坐标系与标签坐标系之间的关系，选用标签的三个方向点，由于标签的大小和标志点之间的实际距离已知，所以标签坐标系中各点的坐标可以求得同时三个方向点在AOB坐标系中的坐标可以求得，假设求得仿射矩阵为 $\left[\begin{array}{cc}{m}_{11}& m_{12}\\ m_{21}& m_{22}\end{array}\right],$ 由于图像中O点以及标签坐标下原点的坐标为（0,0）所以平移矩阵为 $\left[\begin{array}{c}0\\ 0\end{array}\right],$ 在图像中可求得R点在图像坐标系AOB中的中的坐标，设为 $\left[\begin{array}{c}{x}_r\\ y_r\end{array}\right],$ 变换后的坐标为 $\left[\begin{array}{c}{x}_r^{.}\\ y_r^{,}\end{array}\right],$ 则：

$\left[\begin{array}{c}{x}_r^{,}\\ y_r^{,}\end{array}\right]=\left[\begin{array}{cc}{m}_{11}& n_{12}\\ m_{21}& m_{22}\end{array}\right]\left[\begin{array}{c}{x}_r\\ y_r\end{array}\right]$

由此确定定位器在该标签下的坐标(x′_r,y′_r)。由坐标(x′_r,y′_r)即可求得在标签坐标系中定位器与X轴和Y轴的夹角，由此即可确定航向角。

所述步骤5）中，确定定位传感器与粘贴标签天花板之间的高度信息的过程为：根据相机的投影原理，L为实际物体的长度，经过投影后，在图像平面上投影后为l，f为焦距，Z为物体与相机的距离，则有：

$\frac{l}{L}=\frac{f}{Z}$

所以

其中f通过相机标定内参数获得，L和l分别由标签和图像计算得到，由此便可确定定位传感器与粘贴标签天花板之间的高度信息；

对标签的ID号进行识别：在一张标签在图像坐标系下的任意分布，图像坐标系X′O′Y′的坐标原点O′为图像的左上角像素点，X轴水平向右，Y轴垂直向下，以O、A、B、三点构成了标签在图像中的坐标系AOB，对应像素坐标分别为(x_o,y_o)(x_a,y_a)和(x_b,y_b)，其中O为标签坐标系原点，OA指向x轴，OB指向y轴，M点和N点是A点和C点之间的两个等分点，N点用虚圈标出表示在该标签上该点处并没有感光材料，除了方向点之外的其他感光点为标签的编码点，用来确定标签的ID信息，采用下面的步骤来确定标签编码点的位置。

（1）确定直线OB上的编码点的位置

确定向量

求取除O、A、B三点之外的其余点的与O点构成的向量与

的夹角θ，如另一向量

那么

和

的夹角θ为：

$\mathrm{\&theta;}=\arccos \left(\frac{(x_b-x_o)(x_f-x_o)+(y_b-y_o)(y_f-y_o)}{\sqrt{{(x_b-x_o)}^2+{(y_b-y_o)}^2}\sqrt{{(x_f-x_o)}^2+{(y_f-y_o)}^2}}\right)$

选取判定阈值，当夹角θ小于该阈值时认为该点处在OB线上，此时判定M点在OB线上。

利用向量长度之间的关系确定M点的具体位置，设

其长度为：

$\left|\stackrel{\&RightArrow;}{\mathrm{OM}}\right|=\sqrt{{(x_m-x_o)}^2+{(y_m-y_o)}^2}$

此时求取向量

与向量

的长度比值确定点M的具体位置。

对于不存在感光材料的N点，由于判别其他感光点时会用到，所以要求出其坐标，设定 $\stackrel{\&RightArrow;}{\mathrm{ON}}=(x_n-x_o,y_n-y_o),$ $\stackrel{\&RightArrow;}{\mathrm{ON}}=2/3\stackrel{\&RightArrow;}{\mathrm{OB}},$ 则有：

$\left\{\begin{array}{c}{x}_n-x_o=\frac{2}{3}(x_b-x_o)\\ y_n-y_o=\frac{2}{3}(y_b-y_o)\end{array}\right.$

求出N点坐标(x_n,y_n)，若是M点也没有感光材料，那么M点坐标也以此方法确定。

（2）确定直线OA上的编码点的位置

求得

依据（1）中所述方法求取其余向量与

的夹角，可判断D点为OA线上的点，利用向量长度关系可以确定D点的位置。

（3）确定其余编码点的位置

其余感光点的位置确定方法和上述类似，只不过向量选取有所不同，以确定直线L2上感光点位置为例，对于图13所示标签，取M点为向量起点，其余未确定位置的点为向量终点确定四个向量，如

将得到的向量均计算与

的夹角，通过阈值判断E点为l₂上的点，通过向量

与向量的长度关系可以得到E的位置。同理可得知处在直线L3和L4上的点及其位置。

（4）确定标签ID

标签上编码点的不同位置对应着二进制数的不同位，沿标签构成的坐标系x轴方向遍历十二个点，依次对应的是二进制数的第一位，第二位…第十二位；利用得到的感光点位置唯一的确定一个二进制数，其就为该标签的ID。

本发明涉及的是一种可快速准确定位室内移动机器人的精密传感器及其工作方法，移动机器人携带该传感器可以实现精确室内定位，从而为机器人的正确导航提供基础条件，具有很高的应用价值和经济效益。

附图说明

图1为定位传感器系统整体框图；

图2为红外发射管布设示意图；

图3为标签示意图；

图4为图像坐标系；

图5为摄像机坐标系与世界坐标系；

图6为标志点图像及灰度值分布；

图7为中心点搜索图；

图8为边界搜索图；

图9为方向点识别示意图；

图10为标签坐标轴确定示意图；

图11为位置信息确定示意图；

图12为投影原理图；

图13为标签在图像坐标系下的分布图；

图14a-d为标签红外图像处理图；

图15为传感器工作流程图。

其中，1.图像处理芯片，2.COMS摄像头，3.UART接口，4.SDRAM，5.FLASH，6.EEPROM，7.红外管，8.电源。

具体实施方式

下面结合附图与实施例对本发明做进一步说明。

图1中，它包括图像处理芯片1，图像处理芯片1分别与存储模块、COMS摄像头3、数据接口、电源8以及红外发射模块连接，红外发射模块包括多个红外管7，它们围绕在COMS摄像头2周围并分为几组。所述数据接口为UART接口3，所述存储模块为SDRAM4、FLASH5、EEPROM6。所述红外管有12个，每4个分为一组，共3组，开始进行测量时3组全部打开，测得结果后随即关闭一组，再进行测量，如果测量精度没有影响，则再关闭一组，目的是保证精度不受影响且使用的红外管7数量最少。

1标签光斑图像处理

图像处理芯片采用TMS320DM642DSP处理器，其主频范围为480MHz~720MHz，在600MHz的主频下，处理能力可达4800MIPS。DM642带有3个专用的可配置视频接口VideoPort(VP)，为视频数据的采集和处理提供了极大的便利。图1所示为定位传感器整体框图，TMS320DM642通过EMIF接口外扩SDRAM、FLASH、EEPROM，其中EEPROM用于传感器信息配置的存储和读取；通过Video Port读取图像传感器经AD转换过来的数据；图像数据经TMS320DM642进行算法处理后，得出定位信息（空间坐标值和航向角），通过UART串行数据口发送至机器人控制器。

2红外发射模块

红外发射模块由12个红外管及控制电路组成，为了获得最佳的图像质量和定位精度，红外管最佳布置如图2所示，图中红色部分为红外发射管，黑白色部分为COMS摄像头。红外管布设在COMS摄像头周围，其个数虽不影响定位精度，但个数少了会缩小定位传感器的采集范围，个数多了又会增加功耗，导致传感器发热。为解决上述矛盾，实际应用中，采用了红外管分组控制的方法，每4个红外管为一组，共分为3组，开始进行测量时3组全部打开，测得结果后随即关闭一组，再进行测量，如果测量精度没有影响，则再关闭一组，目的是保证精度不受影响且使用的红外管数量最少。

3图像传感器

图像传感器采用COMS感光阵列，由于传感器体积的限制，本设计将图像传感器集成在主板上。

4电源

传感器电源输入为DC8.4V～12V，系统需要的1.4V、3.3V和5V三个不同电压等级的电源由DCDC稳压芯片产生。由于红外发射模块功耗最大，因此采用了大电流开关型稳压芯片LM2576。

5通信接口

通信接口作为传感器的数据输出接口，必须满足一般机器人控制器计算机的接口需要。本发明采用UART接口，接线端子选用9针D型串口头和3针2mm间距接线端子，同时输出232电平和TTL电平，以满足不用类型上位计算机的需要。此外，UART接口还可连接显示设备，进行数据的本地显示。

图3为本发明需要的反射红外线标签示意图，其大小为15cm×15cm，上面15个小圆点的直径均为15mm。图中三个白色圆点粘贴有反射红外线材料，用于传感器定位，所有标签都要有这样三个圆点，其余十二个圆点，通过在不同位置粘贴不同数量的反射红外线材料构造标签属性的ID号，ID号由图3中所示的值相加计算而得。属性信息可以根据需要自己设定。

标签识别原理

1相机标定

理想的摄像机模型是针孔摄像机模型，但真实的针孔不能为快速曝光提供足够的光线，所以眼睛和摄像机都要使用透镜而不是单单一个点来收集更多光线。但利用透镜模型就背离了简单的针孔几何模型，并且引入了透镜的畸变等影响。所以为了得到理想的图像，必须对图像进行矫正，需要知道相机的畸变系数，同时为了计算相机和标签之间的距离，还需要知道内参数焦距f。所以在传感器投入使用之前必须对相机进行标定，来获得内参数和畸变参数。

首先要建立三个坐标系：图像坐标系、摄像机坐标系和世界坐标系。数字图像在计算机内以M×N的二维数组的形式存储，M行N列的图像中的每个元素称为像素。在图像上定义直角坐标系UOV，每个像素的坐标(u,v)表示该像素在图像中的行数和列数，该坐标系称为图像坐标系，如图4所示。同时还需建立一个以物理单位表示的图像坐标系X₁O₁Y₁，该坐标系以摄像机光轴与图像平面的交点O₁为坐标原点，X₁轴Y₁轴分别与U、V轴平行。

原点O₁在U、V坐标系中的坐标为(u₀,v₀)，每个像素在X轴与Y轴方向上的物理尺寸为dx，dy，则图像中任意一个像素在两个坐标系中的关系为：

$\left\{\begin{array}{c}u=\frac{x}{d_x}+u_0\\ v=\frac{y}{d_y}+v_0\end{array}\right.$

用齐次坐标和矩阵形式表示为：

$\left[\begin{array}{c}u\\ v\\ 1\end{array}\right]=\left[\begin{array}{ccc}\frac{1}{d_x}& 0& u_0\\ 0& \frac{1}{d_y}& v_0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]$

摄像机成像的几何关系如图5所示，其中，O_cX_cY_cZ_c为摄像机坐标系，O_cO₁为摄像机的焦距，O_c为摄像机光心，X_c轴和Y_c轴分别与图像X₁和Y₁轴平行，Z_c轴为摄像机的光轴，与图像平面垂直。

世界坐标系是摄像机安装环境中描述位置的一个基准，摄像机坐标系和世界坐标系的关系称为外参数，因为只是在标定过程中会用到此关系，系统实际使用时不会涉及外参数。若空间点p在世界坐标系和摄像机坐标系下的齐次坐标分别为(x_w,y_w,z_w,1)和(x_c,y_c,z_c,1),则存在如下关系:

$\left[\begin{array}{c}{x}_c\\ y_c\\ z_c\\ 1\end{array}\right]=\left[\begin{array}{cc}R& T\\ 0& 1\end{array}\right]\left[\begin{array}{c}{x}_w\\ y_w\\ z_w\\ 1\end{array}\right]=M_2\left[\begin{array}{c}{x}_w\\ y_w\\ z_w\\ 1\end{array}\right]$

根据理想的针孔成像模型，空间任意一点P与其在图像上的投影位置p之间的关系为：

$\left\{\begin{array}{c}x=\frac{{\mathrm{fx}}_c}{z_c}\\ y=\frac{{\mathrm{fy}}_c}{z_c}\end{array}\right.$

（x，y）为p点物理图像坐标，(x_c,y_c,z_c)为摄像机坐标系下坐标。对以上各式化简得：

$z_c\left[\begin{array}{c}u\\ v\\ 1\end{array}\right]=\left[\begin{array}{ccc}\frac{1}{d_x}& 0& u_0\\ 0& \frac{1}{d_y}& v_0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{cccc}f& 0& 0& 0\\ 0& f& 0& 0\\ 0& 0& 1& 0\end{array}\right]\left[\begin{array}{cc}R& T\\ 0& 1\end{array}\right]\left[\begin{array}{c}{x}_w\\ y_w\\ z_w\\ 1\end{array}\right]$

$=\left[\begin{array}{ccc}{a}_x& 0& u_0\\ 0& a_y& v_0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{cc}R& T\end{array}\right]\left[\begin{array}{c}{x}_w\\ y_w\\ z_w\\ 1\end{array}\right]$

其中a_x、a_y、u₀、v₀只与摄像机内部结构有关，称为内部参数。

实际上，实际的成像并不是理想的成像，会带有不同程度畸变，理想的成像点由于畸变的存在会发生偏移，假设理想成像点（x_u，y_u），畸变成像点（x_d，y_d），可用如下公式描述畸变模型：

$\left\{\begin{array}{c}{x}_u=x_d+{\mathrm{\&delta;}}_x(x_d,y_d)\\ y_u=y_d+{\mathrm{\&delta;}}_y(x_d,y_d)\end{array}\right.$

其中，δ_x、δ_y是非线性畸变值，它与图像点在图像中的位置有关。首先是径向畸变，其数学模型如下：

$\left\{\begin{array}{c}{\mathrm{\&delta;}}_x(x_d,y_d)=x_d(k_1{r}_d^2+k_2{r}_d^4+k_3{r}_d^6+\&CenterDot;\&CenterDot;\&CenterDot;)\\ {\mathrm{\&delta;}}_y(x_d,y_d)=y_d(k_1{r}_d^2+k_2{r}_d^4+k_3{r}_d^6+\&CenterDot;\&CenterDot;\&CenterDot;)\end{array}\right.$

其中，

k₁、k₂、k₃为径向畸变系数，一般取径向的前两阶就可满足要求。

离心畸变是由于摄像机光学系统中各镜头的光轴中心并不严格共面，离心畸变包括径向和切向畸变，可用如下模型表示：

$\left\{\begin{array}{c}{\mathrm{\&delta;}}_x(x_d,y_d)=p_1({3x}_d^2+y_d^2)+{2p}_2{x}_d{y}_d\\ {\mathrm{\&delta;}}_y(x_d,y_d)=p_2({3y}_d^2+x_d^2)+{2p}_1{x}_d{y}_d\end{array}\right.$

其中，p₁、p₂为离心畸变系数。

还有一种畸变是由于透镜设计、生产不完善或装备不完善引起的，可用如下模型表示：

$\left\{\begin{array}{c}{\mathrm{\&delta;}}_x(x_d,y_d)=s_1(x_d^2+y_d^2)\\ {\mathrm{\&delta;}}_y(x_d,y_d)=s_2(x_d^2+y_d^2)\end{array}\right.$

其中，s₁、s₂为畸变系数。

通过以上总结，完整的畸变模型为：

$\left\{\begin{array}{c}{\mathrm{\&delta;}}_x(x_d,y_d)=x_d(k_1{r}_d^2+k_2{r}_d^4)+p_1({3x}_d^2+y_d^2)+{2p}_2{x}_d{y}_d+s_1(x_d^2+y_d^2)\\ {\mathrm{\&delta;}}_y(x_d,y_d)=y_d(k_1{r}_d^2+k_2{r}_d^4)+p_2({3y}_d^2+x_d^2)+{2p}_1{x}_d{y}_d+s_2(x_d^2+y_d^2)\end{array}\right.$

本系统中摄像机标定时采用了张正友提出的基于2D平面标定板的标定算法，在标定过程中假设摄像机内部参数始终不变，即无论摄像机从任何角度拍摄平面模板，摄像机内部参数都是常数，只有外部参数发生变化。基本步骤为：

（1）打印一张标准的国际象棋盘作为标定板，并将其贴在一个刚性的平面上。

（2）从不同角度拍摄多张标定板图像，数量多可使标定更准确。

（3）检测标定板上的特征点，并确定图像坐标和实际坐标。

（4）利用线性模型计算出摄像机的内部参数。

（5）利用畸变模型，对摄像机内参数进行优化，求出所有参数。

确定内参数后就可以对图像进行矫正，并且为后续计算做好准备。

2有效标签和最优标签确认

所述步骤5）中，在红外图像中确定有效标签和最优标签的过程为：对获取的红外图像进行预处理，首先对红外图像进行高斯平滑滤波，之后选取合适的阈值进行二值化处理获得二值化图像，提取二值图像中的轮廓，去除较大和较小的轮廓以减小噪声的干扰。

定位传感器采用对上面获取的二值图像进行水平投影和垂直投影相结合的方法来定位标签在红外图像中的位置，使用最近邻的法则来确定当前的最优标签。

给定一条直线，用垂直该直线的一簇等间距直线将二值图像分割成若干部分，统计每一部分中像素值为1的像素个数为二值图像在给定直线上的该部分的投影；当给定直线为水平或垂直直线时，计算二值图像每一列或每一行上像素值为1的像素数量，就得到了二值图像的水平和垂直投影，在某些应用中投影可以作为物体识别的一个特征，图14a表示了处理后得到的二值图像，图14b和图14c分别表示了二值图像的垂直投影和水平投影，具体的分类可见如下步骤：

（1）对获取的垂直投影图像由左向右逐次遍历得到其相邻投影像素簇的间隔距离d₁,d₂…d_n，同样对水平投影图像采取由上向下逐次遍历可得相邻投影像素簇的间隔距离d′₁，d′₂…d′_n，由于标签放置时间隔较远，因而不同标签间的投影像素簇也会间隔较远的距离，可以以间隔距离作为区分标签的依据。

（2）确定投影图像上标签对应的投影区域，取上述垂直投影图像像素簇间隔距离的最小值d和水平投影图像像素簇间隔距离的最小值d′的七倍，即7d和7d′作为阈值进行近邻分类，具体分类方法：对于垂直投影图像由左向右遍历，找到第一个投影像素簇，统计其余投影像素簇到该像素簇的距离，若是小于7d，则属于同一个标签的投影区域，然后以下一个大于7d的投影像素簇为基准，继续向右遍历，仍是小于7d的为第二个标签所在的投影区域，依次向下遍历可得到不同的标签在垂直投影图像中的不同区域，对于水平投影图像，由上向下进行遍历，以7d′为距离基准，采用上述方法可以得到标签在水平投影图像上的对应区域。如图14b和14c所示，可以得到A、B、C、D四个投影区域。

（3）找到原图像上的标签区域，以（2）中确定的每个投影区域的边缘做直线，垂直投影区域的直线和水平投影区域的直线在原图像上可以相交得到不同的矩形区域，该矩形区域则为标签可能存在的区域，图14d表示了有相交直线所获取的四个矩形区域，其中有不合理的区域，即有两个矩形区域不存在标签，下一步将介绍如何去除不合理区域，得到有效标签。

（4）去除不合理的区域，得到有效标签，经过步骤（3）可以得到标签可能所在的区域，但是需要去除无效区域已得到有效的标签所在区域，主要是排除两方面的干扰：一种是排除相交矩形区域内没有标签的情况，一种是排除标签在图像边缘以至于没有得到完整标签的情况。

（5）在（3）中已获得可能的投影区域，且通过投影边缘区域的边缘直线可以确定图像中标签可能所在区域的坐标范围，通过检测区域内有无反光点即可判断该区域内是否存在标签，若有反光点则存在标签，若无则不存在。由于在图像边缘处误检测的概率较大，所以，当标签靠近边缘时需要舍弃，通过区域的坐标可以很简单的判断出该标签是否是在图像边缘。排除掉干扰后剩下的即为有效标签。

（6）若图像中有效标签的数量多于一个，需要选择最优标签。图14d表示了获取了标签所在的图像区域。求解两个矩形区域中心坐标a(x_a,y_a)和b(x_b,y_b)，图像中心点坐标o(x_o,y_o)，计算得出oa和ob距离：

$d_{\mathrm{oa}}=\sqrt{{(x_o-x_a)}^2+{(y_o-y_a)}^2}$

$d_{\mathrm{ob}}=\sqrt{{(x_o-x_b)}^2+{(y_o-y_b)}^2}$

取距离相对较小的标签为当前条件下的有效标签，当标签的个数多余两个时，判断方式与上面类似。

3标签反光点识别

反光点使用反光材料加工而成，能将入射光线反射回光源处，在近轴光源照射下能在像片上形成灰度反差明显的“准二值”图像，特别适合用作摄影测量的高精度特征点。

由于相机成像等各种原因的影响，实际检测到的标志点并不是完整的圆形，所以本系统中采用了基于像素搜索的方法来识别标志区域。以图6为例，识别过程如下：

（1）为方便计算，首先我们定义一个梯度。规定一个像素沿某方向的梯度为该像素与该方向下一个像素的灰度值之差。自上而下自左向右搜索，若在某一像素点，右梯度大于设定阈值ε₁，则认为该点是标志区域内一点。

（2）以该点为起始点，搜索其八邻域内最大灰度值，最终找到标志区域内最大灰度值点。若图中ε₁设为10，则起始点为（5,8），即灰度值为7的点。

（3）以中心点为起始点，向上、下、左、右四个方向搜索，当某点像素灰度值小于设定值并且梯度小于设定阈值时，则认为该点为标志区域的边界点。

（4）分别以中心对角线相连的点为起始点开始水平和垂直搜索，直到找到标志区域边界点。其他搜索以此类推，如图7、图8所示。

（5）检测出的区域并不一定都是标志区域，还需要去掉干扰区域，首先计算标志区域内所有像素的平均值，平均值过低则排除，然后计算标志区域的尺寸和边界长度，不符合阈值的排除，因为标志区域为圆形，虽成像可能有所变形，但不会有太大影响，所以若标志区域的x和y方向的尺度比例相差过大则应排除。

经过以上步骤基本可以确定视野范围内所有标志点，但考虑到成像时背景区域并不是理想的黑色，所以其灰度值并不为零，为了使计算标志中心更准确，需要排除背景的干扰。本系统中采用建立灰度直方图的方法，选取标志区域和背景区域灰度的峰值间的谷底做为阈值，然后用图像各点灰度值减去该阈值，获得一幅新的图像。

确定中心点时，选用灰度加权质心法，所谓灰度加权质心是指，以灰度值为权重，计算图像内所有标志点象素坐标的平均值，公式如下：

$\left\{\begin{array}{c}{x}_O=\frac{\underset{(i,j)\&Element;S}{\mathrm{\&Sigma;}}i{w}_{i,j}}{\underset{(i,j)\&Element;S}{\mathrm{\&Sigma;}}{w}_{i,j}}\\ y_O=\frac{\underset{(i,j)\&Element;S}{\mathrm{\&Sigma;}}{\mathrm{jw}}_{i,j}}{\underset{(i,j)\&Element;S}{\mathrm{\&Sigma;}}{w}_{i,j}}\end{array}\right.$

公式中x₀和y₀为计算所得中心点的像素坐标，(i,j)表示图像中的某个像素点，i和j分别表示像素点的x轴和y轴的坐标值，w_i,j表示像素点(i,j)处的像素灰度值。

4确定三个方向点及坐标系

在一张标签中，标志点被分为两类，第一类为方向点，即来确定标签坐标轴的方向，为了唯一确定方向，标签四个角中只能有三个角有标志点。第二类为编码点，用来确定该标签的编号。

如图9所示，在上一节中已经找到了各个标志点的中心点，下一步要区分方向点和编码点，首先计算标签中任意两两标志点之间的长度，选取其中最长者，并且提取最长连线所对应的两个标志点，将这两个标志点分别标记为A和B，计算A和B连线的中点，然后分别计算标签中除A和B点外其他所有点到该中点的距离，选取其中最长的，并提取该最长距离所对应的标志点，将其标记为O，则A、O、B三点为三个方向点。

标签坐标系的确定过程为：O点为标签坐标系的坐标原点，设O点在图像坐标系中的像素坐标为(x₁,y₁)，在A和B中任选一点绕O顺时针旋转90度，设选取的点的像素坐标为(x₂,y₂)，剩余另一点的坐标为(x₃,y₃)，旋转后对应点P像素坐标（x，y）的计算公式为：

$\left\{\begin{array}{c}x=(x_2-x_1)\cos \left(\mathrm{\&alpha;}\right)-(y_2-y_1)\sin \left(\mathrm{\&alpha;}\right)+x_1\\ y=(y_2-y_1)\cos \left(\mathrm{\&alpha;}\right)+(x_2-x_1)\sin \left(\mathrm{\&alpha;}\right)+y_1\end{array}\right.$

其中α为旋转角度。

判断δ夹角：

δ＝(x-x₁)(x₃-x₁)+(y-y₁)(y₃-y₁)

若δ>0则两向量之间的夹角为锐角，则选取的点(x₂,y₂)所对应的坐标轴为X轴，(x₃,y₃)点所对应的坐标轴为Y轴，若δ<0则两向量之间的夹角为钝角，则选取的点(x₂,y₂)所对应的坐标轴为Y轴，(x₃,y₃)所对应的坐标轴为X轴，由此对应关系可确定标签坐标系XOY。

5位置信息的确定

位置信息的确定过程为：在定位传感器获取的图像中，R点为定位传感器在图像中的投影位置，该位置是图像中心。在图像中按照确定标签坐标系的规则建立AOB坐标系，其中OA为X轴方向，OB为Y轴方向。

求解定位器在该标签下的坐标时，使用了两次仿射变换的方法，仿射变换是两个平面坐标系之间的转换。仿射变换的基本原理是：假设P₁、P₂、P₃是平面内不共线的任意三个点，P₁'、P₂'、P₃'也是平面内不共线的三个点，那存在也只存在一个仿射变换T，使T(P_i)＝P'_i（i=1,2,3）。可用如下公式表示：

$\left[\begin{array}{c}{x}^{,}\\ y^{,}\end{array}\right]=\left[\begin{array}{cc}{a}_{11}& a_{12}\\ a_{21}& a_{22}\end{array}\right]\left[\begin{array}{c}x\\ y\end{array}\right]+\left[\begin{array}{c}{b}_1\\ b_2\end{array}\right]$

其中， $\left[\begin{array}{c}x\\ y\end{array}\right].$ $\left[\begin{array}{c}{x}^{,}\\ y^{,}\end{array}\right]$ 分别为变换前后的坐标。 $\left[\begin{array}{cc}{a}_{11}& a_{12}\\ a_{21}& a_{22}\end{array}\right]$ 为仿射矩阵，产生旋转等变换。 $\left[\begin{array}{c}{b}_1\\ b_2\end{array}\right]$ 为平移矩阵。由仿射矩阵和平移矩阵可唯一确定一个仿射变换。

首先是AOB坐标系与图像坐标系的转换，可以确定图像坐标系中A、O、B三点的坐标值，同时也可以确定AOB坐标系中三点的坐标值，将三个坐标带入放射变换公式中即可确定放射变换矩阵和平移矩阵。

假设求得的放射矩阵为 $\left[\begin{array}{cc}{n}_{11}& n_{12}\\ n_{21}& n_{22}\end{array}\right],$ 平移矩阵为 $\left[\begin{array}{c}{k}_1\\ k_2\end{array}\right],$ 可知图像中R点的图像坐标为(u₀,v₀)，则可求得R点在AOB坐标系中的坐标 $\left[\begin{array}{c}{x}_r\\ y_r\end{array}\right],$

$\left[\begin{array}{c}{x}_r\\ y_r\end{array}\right]=\left[\begin{array}{cc}{n}_{11}& n_{12}\\ n_{21}& n_{22}\end{array}\right]\left[\begin{array}{c}{u}_0\\ v_0\end{array}\right]+\left[\begin{array}{c}{k}_1\\ k_2\end{array}\right]$

下面求AOB坐标系与标签坐标系之间的关系，标签坐标系和AOB坐标系已知，假设求得仿射矩阵为 $\left[\begin{array}{cc}{m}_{11}& m_{12}\\ m_{21}& m_{22}\end{array}\right],$ 由于图像中O点以及标签坐标系下原点的坐标为（0,0）所以平移矩阵为 $\left[\begin{array}{c}0\\ 0\end{array}\right],$ 在图像中可求得R点在AOB坐标系中的坐标，设为 $\left[\begin{array}{c}{x}_r\\ y_r\end{array}\right],$ 变换后的坐标为 $\left[\begin{array}{c}{x}_r^{.}\\ y_r^{,}\end{array}\right],$ 则：

$\left[\begin{array}{c}{x}_r^{,}\\ y_r^{,}\end{array}\right]=\left[\begin{array}{cc}{m}_{11}& n_{12}\\ m_{21}& m_{22}\end{array}\right]\left[\begin{array}{c}{x}_r\\ y_r\end{array}\right]$

由此便可确定定位器在该标签下的坐标(x′_r,y′_r)。由坐标(x′_r,y′_r)即可求得在标签坐标系中定位器与X轴和Y轴的夹角，由此即可确定航向角。

6确定定位器距离顶棚的垂直距离

图12所示为相机的投影原理，确定定位传感器与粘贴标签天花板之间的高度信息的过程为：根据相机的投影原理，L为实际物体的长度，经过投影后，在图像平面上投影后为l，f为焦距，Z为物体与相机的距离，则有：

$\frac{l}{L}=\frac{f}{Z}$

所以其中f通过相机标定内参数获得，L和l分别由标签和图像计算得到，由此便可确定定位传感器与粘贴标签天花板之间的高度信息。

7标签ID号的识别

本部分主要介绍如何利用平面坐标系下的向量运算快速准确的确定感光点的位置分布情况以确认标签的ID信息。

图13表示了一张标签在图像坐标系下的任意分布情况，图像坐标系X′O′Y′的坐标原点O′为图像的左上角像素点，X轴水平向右，Y轴垂直向下，以O、A、B、三点构成了标签在图像中的坐标系AOB，对应像素坐标分别为(x_o,y_o)(x_a,y_a)和(x_b,y_b)，其中O为标签坐标系原点，OA指向x轴，OB指向y轴，M点和N点是A点和C点之间的两个等分点，N点用虚圈标出表示在该标签上该点处并没有感光材料，除了方向点之外的其他反光点为标识标签的编码点，用来确定标签的ID信息，采用下面的步骤来确定标签编码点的位置。

（1）确定直线OB上的编码点的位置

确定向量求取除O、A、B三点之外的其余点的与O点构成的向量与

的夹角θ，如另一向量

那么和

的夹角θ为：

$\mathrm{\&theta;}=\arccos \left(\frac{(x_b-x_o)(x_f-x_o)+(y_b-y_o)(y_f-y_o)}{\sqrt{{(x_b-x_o)}^2+{(y_b-y_o)}^2}\sqrt{{(x_f-x_o)}^2+{(y_f-y_o)}^2}}\right)$

选取判定阈值，当夹角θ小于该阈值时认为该点处在OB线上，此时判定M点在OB线上；

利用向量长度之间的关系确定M点的具体位置，设其长度为：

$\left|\stackrel{\&RightArrow;}{\mathrm{OM}}\right|=\sqrt{{(x_m-x_o)}^2+{(y_m-y_o)}^2}$

此时求取向量

与向量

的长度比值确定点M的具体位置；

对于不存在感光材料的N点，由于判别其他感光点时会用到，所以要求出其坐标，设定 $\stackrel{\&RightArrow;}{\mathrm{ON}}=(x_n-x_o,y_n-y_o),$ $\stackrel{\&RightArrow;}{\mathrm{ON}}=2/3\stackrel{\&RightArrow;}{\mathrm{OB}},$ 则有：

$\left\{\begin{array}{c}{x}_n-x_o=\frac{2}{3}(x_b-x_o)\\ y_n-y_o=\frac{2}{3}(y_b-y_o)\end{array}\right.$

求出N点坐标(x_n,y_n)，若是M点也没有感光材料，那么M点坐标也以此方法确定；

（2）确定直线OA上的编码点的位置

求得依据（1）中所述方法求取其余向量与

的夹角，可判断D点为OA线上的点，利用向量长度关系可以确定D点的位置；

（3）确定其余感光点的位置

其余感光点的位置确定方法和上述类似，只不过向量选取有所不同，以确定直线L2上感光点位置为例，对于图13所示标签，取M点为向量起点，其余未确定位置的点为向量终点确定四个向量，如将得到的向量均计算与

的夹角，通过阈值判断E点为l₂上的点，通过向量

与向量

的长度关系可以得到E的位置。同理可得知处在直线L3和L4上的感光点及其位置。

（4）确定标签ID

标签上编码点的不同位置对应着二进制数的不同位，沿标签构成的坐标系x轴方向遍历十二个点，依次对应的是二进制数的第一位，第二位…第十二位；利用得到的感光点位置唯一的确定一个二进制数，其就为该标签的ID。对于图13表示的标签，其对应二进制数为101010010101，则该标签的ID号为2709。

本发明工作流程：

安装本定位传感器的机器人在工作区域运动时，传感器红外发射模块发出红外线，照射天花板上的标签，传感器上的微型CMOS摄像头采集标签光斑图像，TMS320DM642DSP芯片采用先进的算法对图像进行处理，获得传感器相对于标签的X坐标值、Y坐标值、航向角及高度等位置信息，其工作流程如图15所示。

Claims (10)

1.一种用于室内移动机器人的快速精确定位系统，其特征是，它包括安装在机器人上的定位传感器和粘贴在工作区域天花板上的多个反射红外线的无源标签；其中，定位传感器包括图像处理芯片，图像处理芯片分别与存储模块、COMS摄像机、数据接口、电源以及红外发射模块连接，红外发射模块包括多个红外管，它们围绕在COMS摄像头周围并分为几组；无源标签为标识标签，在标识标签上有多个标志点，标志点被分为两类，第一类为方向点，即来确定坐标轴的方向，为了唯一确定方向，标识标签的四个角中只能有任意三个角的位置有方向标志点；第二类为编码点，即剩余的各标志点，通过剩余各标志点的组合来确定该标签的ID编号；在方向点上粘有反射红外线材料，在其余编码点上根据编码需要选择全部或部分粘贴反射红外线材料。

2.如权利要求1所述的用于室内移动机器人的快速精确定位系统，其特征是，所述红外管有12个，每4个分为一组，共3组；开始进行测量时3组全部打开，测得结果后随即关闭一组，再进行测量，如果测量精度没有影响，则再关闭一组。

3.一种采用权利要求1所述的用于室内移动机器人的快速精确定位系统的定位方法，其特征是，工作步骤为：

1）根据需要，在机器人工作区域的天花板上粘贴适当数量的标签，标签之间的距离需大于1.5米，定位传感器与标签之间的距离范围为1米到2.5米；

2）将定位传感器安装在机器人上，上电并初始化；

3）读取存储模块完成配置；

4）判断是否开始检测，若否，则继续等待检测命令；若是，则转入步骤5）；

5）COMS摄像头接收标签反射回来的红外光斑图像，对图像进行预处理，然后检测视野内是否存在有效标签，若没有则转到7），如果视野中有效标签的数量多于一个，则应从中选择最优的标签进行反光点识别；从而确定标签中三个方向点及标签坐标系XOY，从而确定机器人在该标签坐标系下的X、Y坐标信息和航向角信息，并确定定位传感器与粘贴标签天花板之间的高度信息，同时确定标签的ID信息；

6）将处理结果上传到机器人的上位机进行显示和控制；

7）由上位机决定是否停止检测，若否，则返回步骤5）；若是，则结束本次检测过程。

4.如权利要求3所述的定位方法，其特征是，所述步骤2）中，在定位传感器投入使用之前必须对微型CMOS摄像机进行标定，基本步骤为：

（1）打印一张标准的国际象棋盘作为标定板，并将其贴在一个刚性的平面上；

（2）从不同角度拍摄多张标定板图像，数量多可使标定更准确；

（3）检测标定板上的特征点，并确定图像坐标和实际坐标；

（4）利用线性模型计算出摄像机的内部参数；

（5）利用畸变模型，对摄像机内参数进行优化，求出所有参数，确定内参数后对图像进行矫正，从而为后续计算做好准备。

5.如权利要求3所述的定位方法，其特征是，所述步骤5）中，在红外图像中确定最优标签的过程如下：对获取的红外图像进行预处理，选取合适的阈值进行二值化处理获得二值化图像，定位传感器对获取的二值图像进行水平投影和垂直投影相结合的方法来定位标签在红外图像中的位置，排除干扰确定有效标签，使用最近邻的法则来确定当前的最优标签。

6.如权利要求3所述的定位方法，其特征是，所述步骤5）中，所述标签反光点识别过程为：

（1）首先定义一个梯度：规定一个像素沿某方向的梯度为该像素与该方向下一个像素的灰度值之差，自上而下自左向右搜索，若在某一像素点，右梯度大于设定阈值ε1，则认为该点是标志区域内一点；

（2）以该点为起始点，搜索其八邻域内最大灰度值，最终找到标志区域内最大灰度值点；

（3）以中心点为起始点，向上、下、左、右四个方向搜索，当某点像素灰度值小于设定值并且梯度小于设定阈值时，则认为该点为标志区域的边界点；

（4）分别以中心对角线相连的点为起始点开始水平和垂直搜索，直到找到标志区域边界点，其他搜索以此类推；

（5）检测出的区域并不一定都是标志区域，还需要去掉干扰区域，首先计算标志区域内所有像素的平均值，平均值过低则排除，然后计算标志区域的尺寸和边界长度，不符合阈值的排除；

经过以上步骤确定所有标签反光点，采用建立灰度直方图的方法，选取标志区域和背景区域灰度的峰值间的谷底做为阈值，然后用图像各点灰度值减去该阈值，获得一幅新的图像；确定中心点时，选用灰度加权质心法，所谓灰度加权质心是指，以灰度值为权重，计算图像内所有标志点象素坐标的平均值，公式如下：

$\left\{\begin{array}{c}{x}_O=\frac{\underset{(i,j)\&Element;S}{\mathrm{\&Sigma;}}i{w}_{i,j}}{\underset{(i,j)\&Element;S}{\mathrm{\&Sigma;}}{w}_{i,j}}\\ y_O=\frac{\underset{(i,j)\&Element;S}{\mathrm{\&Sigma;}}{\mathrm{jw}}_{i,j}}{\underset{(i,j)\&Element;S}{\mathrm{\&Sigma;}}{w}_{i,j}}\end{array}\right.$

公式中x₀和y₀为计算所得中心点的像素坐标，(i,j)表示图像中的某个像素点，i和j分别表示像素点的x轴和y轴的坐标值，w_i,j表示像素点(i,j)处的像素灰度值。

7.如权利要求3所述的定位方法，其特征是，所述步骤5）中，确定标签中三个方向点的过程为：计算标签中任意两两标志点之间的连线长度，选取其中最长者，并且提取最长连线所对应的两个标志点，将这两个标志点分别标记为A和B，计算A和B连线的中点，然后分别计算标签中除A和B点外其他所有点到该中点的距离，选取其中最长的，并提取该最长距离所对应的标志点，将其标记为O，则A、O、B三点为三个方向点。

8.如权利要求3所述的定位方法，其特征是，所述步骤5）中，位置信息的确定过程为：在定位传感器获取的图像中，R点为定位传感器在图像中的投影位置，该位置是图像中心；在图像中按照确定标签坐标系的规则建立AOB坐标系，其中OA为X轴方向，OB为Y轴方向；求解定位传感器在该标签下的坐标时，使用两次仿射变换的方法，仿射变换是两个平面坐标系之间的转换；

首先是AOB坐标系与图像坐标系的转换，由提取到的标志点的中心点可以确定图像坐标系中AOB三点的坐标值，同时根据各点之间的距离也能确定AOB坐标系中三点的坐标值，将三个坐标带入仿射变换公式中即确定仿射变换矩阵和平移矩阵；

假设求得的仿射矩阵为 $\left[\begin{array}{cc}{n}_{11}& n_{12}\\ n_{21}& n_{22}\end{array}\right],$ 平移矩阵为 $\left[\begin{array}{c}{k}_1\\ k_2\end{array}\right],$ 图像中R点的图像坐标为(u₀,v₀)，则求得R点在AOB坐标系中的坐标 $\left[\begin{array}{c}{x}_r\\ y_r\end{array}\right],$

$\left[\begin{array}{c}{x}_r\\ y_r\end{array}\right]=\left[\begin{array}{cc}{n}_{11}& n_{12}\\ n_{21}& n_{22}\end{array}\right]\left[\begin{array}{c}{u}_0\\ v_0\end{array}\right]+\left[\begin{array}{c}{k}_1\\ k_2\end{array}\right]$

求AOB坐标系与标签坐标系之间的关系，选取三个方向点，由于标签的大小和标志点之间的实际距离已知，所以标签坐标系中各点的坐标求得同时三个方向点在AOB坐标系中的坐标可以求得，假设求得仿射矩阵为 $\left[\begin{array}{cc}{m}_{11}& m_{12}\\ m_{21}& m_{22}\end{array}\right],$ 由于图像中O点以及标签坐标下原点的坐标为（0,0）所以平移矩阵为 $\left[\begin{array}{c}0\\ 0\end{array}\right],$ 在图像中求得R点在图像坐标系AOB中的中的坐标，设为 $\left[\begin{array}{c}{x}_r\\ y_r\end{array}\right],$ 变换后的坐标为 $\left[\begin{array}{c}{x}_r^{.}\\ y_r^{,}\end{array}\right],$ 则：

$\left[\begin{array}{c}{x}_r^{,}\\ y_r^{,}\end{array}\right]=\left[\begin{array}{cc}{m}_{11}& n_{12}\\ m_{21}& m_{22}\end{array}\right]\left[\begin{array}{c}{x}_r\\ y_r\end{array}\right]$

由此确定定位器在该标签下的坐标(x′_r,y′_r)，由坐标(x′_r,y′_r)即求得在标签坐标系中定位器与X轴和Y轴的夹角，由此确定航向角。

9.如权利要求3所述的定位方法，其特征是，所述步骤5）中，确定定位传感器与粘贴标签天花板之间的高度信息的过程为：根据相机的投影原理，L为实际物体的长度，经过投影后，在图像平面上投影后为l，f为焦距，Z为物体与相机的距离，则有：

$\frac{l}{L}=\frac{f}{Z}$

所以

其中f通过相机标定内参数获得，L和l分别由标签和图像计算得到，由此确定定位传感器与粘贴标签天花板之间的高度信息。

10.如权利要求3所述的定位方法，其特征是，所述步骤5）中，对标签的ID号进行识别过程为：在一张标签在图像坐标系下的任意分布，图像坐标系X′O′Y′的坐标原点O′为图像的左上角像素点，X轴水平向右，Y轴垂直向下，以O、A、B、三点构成了标签在图像中的坐标系AOB，对应像素坐标分别为(x_o,y_o)(x_a,y_a)和(x_b,y_b)，其中O为标签坐标系原点，OA指向x轴，OB指向y轴，M点和N点是A点和C点之间的两个等分点，N点用虚圈标出表示在该标签上该点处并没有感光材料，除了方向点之外的其他反光点为标签的编码点，用来确定标签的ID信息，采用下面的步骤来确定标签编码点的位置；

（1）确定直线OB上的编码点的位置

确定向量

求取除O、A、B三点之外的其余点的与O点构成的向量与

的夹角θ，如另一向量

那么

和

的夹角θ为：

$\mathrm{\&theta;}=\arccos \left(\frac{(x_b-x_o)(x_f-x_o)+(y_b-y_o)(y_f-y_o)}{\sqrt{{(x_b-x_o)}^2+{(y_b-y_o)}^2}\sqrt{{(x_f-x_o)}^2+{(y_f-y_o)}^2}}\right)$

选取判定阈值，当夹角θ小于该阈值时认为该点处在OB线上，此时判定M点在OB线上；

利用向量长度之间的关系确定M点的具体位置，设

其长度为：

$\left|\stackrel{\&RightArrow;}{\mathrm{OM}}\right|=\sqrt{{(x_m-x_o)}^2+{(y_m-y_o)}^2}$

此时求取向量

与向量

的长度比值确定点M的具体位置；

对于不存在感光材料的N点，由于判别其他感光点时会用到，所以要求出其坐标，设定 $\stackrel{\&RightArrow;}{\mathrm{ON}}=(x_n-x_o,y_n-y_o),$ $\stackrel{\&RightArrow;}{\mathrm{ON}}=2/3\stackrel{\&RightArrow;}{\mathrm{OB}},$ 则有：

$\left\{\begin{array}{c}{x}_n-x_o=\frac{2}{3}(x_b-x_o)\\ y_n-y_o=\frac{2}{3}(y_b-y_o)\end{array}\right.$

求出N点坐标(x_n,y_n)，若是M点也没有感光材料，那么M点坐标也以此方法确定；

（2）确定直线OA上的编码点的位置

求得依据（1）中所述方法求取其余向量与

的夹角，可判断D点为OA线上的点，利用向量长度关系可以确定D点的位置；

（3）确定其余感光点的位置

其余感光点的位置确定方法和上述类似，只不过向量选取有所不同，以确定直线L2上感光点位置为例，对于图13所示标签，取M点为向量起点，其余未确定位置的点为向量终点确定四个向量，如

将得到的向量均计算与的夹角，通过阈值判断E点为l₂上的点，通过向量

与向量的长度关系可以得到E的位置；同理可得知处在直线L3和L4上的点及其位置；

（4）确定标签ID

标签上编码点的不同位置对应着二进制数的不同位，沿标签构成的坐标系x轴方向遍历十二个点，依次对应的是二进制数的第一位，第二位…第十二位；利用得到的编码点位置唯一的确定一个二进制数，其就为该标签的ID。

Images