CN104331689A - 一种合作标识及多智能个体身份与位姿的识别方法 - Google Patents
一种合作标识及多智能个体身份与位姿的识别方法 Download PDFInfo
- Publication number
- CN104331689A CN104331689A CN201410639924.6A CN201410639924A CN104331689A CN 104331689 A CN104331689 A CN 104331689A CN 201410639924 A CN201410639924 A CN 201410639924A CN 104331689 A CN104331689 A CN 104331689A
- Authority
- CN
- China
- Prior art keywords
- coded
- directed
- pattern
- central point
- positioning pattern
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种合作标识及多智能个体身份与位姿的识别方法,其中,合作标识包括:背景区域和布置于所述背景区域的定位图形、定向起点图形、定向终点图形和编码图形;其中,所述定位图形、所述定向起点图形、所述定向终点图形和所述编码图形均为同一种中心对称图形。本发明提供的合作标识及多智能个体身份与位姿的识别方法,合作标识只具有两种颜色,分别为背景颜色和图形颜色,因此,所涉及的颜色种类少,防止相近颜色间的互相干扰,简化了对合作标识进行识别的算法,减少了图像处理的耗时,提高了识别速度和识别精度,增加了控制器对各个智能个体进行身份与位姿识别的实时性。
Description
技术领域
本发明属于智能个体识别技术领域,具体涉及一种合作标识及多智能个体身份与位姿的识别方法。
背景技术
随着移动智能个体学及其应用的不断发展,单个智能个体的有限能力已经不能满足完成日益复杂的自动化任务的要求,因此,由多个智能个体构成的智能个体群体的研究已经成为目前研究热点。
对于智能个体群体中的每个智能个体,均按照规划的路径移动并执行任务,然而,由于外界干扰,智能个体的运动路径可能会出现偏差,因此,需要对智能个体运动进行校正。即:首先对智能个体的身份进行识别,然后获得所识别到的智能个体的当前位姿,即:位置和角度;然后判断智能个体的当前位姿是否在允许范围内,如果不在,则进行校正。
由此可见,精确快速的对智能个体进行身份与位姿识别,是保证智能个体群体有效完成某项任务的关键。现有技术中,在对智能个体进行身份与位姿识别时,普遍具有识别速度慢、识别精度有限等问题,从而制约了智能个体群体的广泛应用。
发明内容
针对现有技术存在的缺陷,本发明提供一种合作标识及多智能个体身份与位姿的识别方法,可有效解决上述问题。
本发明采用的技术方案如下:
本发明提供一种合作标识,包括:背景区域和布置于所述背景区域的定位图形、定向起点图形、定向终点图形和编码图形;其中,所述定位图形、所述定向起点图形、所述定向终点图形和所述编码图形均为同一种中心对称图形;
所述定位图形的中心点与被标识物体的中心点重合,并且,所述定位图形的对称轴长度大于所述定向起点图形、所述定向终点图形和所述编码图形的对称轴长度;
所述定向起点图形和所述定向终点图形分别位于所述定位图形的左右两侧,并且,所述定向起点图形的中心点、所述定位图形的中心点至所述定向终点图形的中心点之间的连线为直线K,直线K称为定向直线;所述定向起点图形的中心点到所述定位图形的中心点之间的距离与所述定向终点图形的中心点到所述定位图形的中心点之间的距离相等,均为R;
以所述定位图形的中心点为圆心,以R为半径画圆,在所述直线K的同一侧的半圆上,均匀设置x个编码位,其中,所述x个编码位按由低到高的编码位顺序顺时针排列在所述半圆上,并且,低编码位为靠近所述定向起点图形的位置,高编码位为靠近所述定向终点图形的位置;每一个所述编码位对应两种可选的编码码字,分别为第1种编码码字和第2种编码码字;如果某一个编码位采用所述第1种编码码字,则该编码位为空;如果某一个编码位采用所述第2种编码码字,则在该编码位布置所述编码图形;其中,x为自然数;并且,x个编码位中至少存在1个布置所述编码图形的编码位。
优选的,所述中心对称图形为正方形、正六边形或圆形。
优选的,所述编码码字为数字或字母。
优选的,所述定向起点图形、所述定向终点图形和所述编码图形的对称轴长度均相同,为D1;所述定位图形的对称轴长度为D2;则:D2>1.5D1;和/或
所述定位图形、所述定向起点图形、所述定向终点图形和所述编码图形的成像像素均大于20个成像像素;和/或
任意两个相邻图形之间的间距大于4个成像像素;和/或
所述定位图形、所述定向起点图形、所述定向终点图形和所述编码图形的图形颜色均相同,该图形颜色与所述背景区域的背景颜色的差异度超过设定颜色阈值。
优选的,所述定位图形、所述定向起点图形、所述定向终点图形和所述编码图形的图形颜色均为白色;所述背景区域的背景颜色为黑色。
本发明还提供一种基于合作标识的多智能个体身份与位姿的识别方法,包括以下步骤:
S1,在测量场地的正上方安装图像采集设备,该图像采集设备能够采集完整的测量场地的场景情况;该图像采集设备连接到控制器;
对于测量场地上的每个智能个体,其顶部均设置唯一的合作标识,保证所述合作标识的定位图形的中心点与所述智能个体的中心点重合;并且,所述合作标识的定向起点图形中心点到定向终点图形中心点的矢量线段与所述智能个体的正向前进方向之间的夹角б2为固定值,该夹角б2与智能个体身份编码的对应关系预先存储到所述控制器;所述控制器还存储以下参数:
定向起点图形中心点、定向终点图形中心点和编码图形中心点分别到定位图形中心点的距离R;
每个智能个体的编码总位数x;
此外,所述测量场地的颜色与所述合作标识的背景颜色之间的差异度在设定范围内;以及,所述智能个体的颜色与所述合作标识的背景颜色之间的差异度在设定范围内;
S2,当测量场地上各个智能个体活动到某一时刻时,所述图像采集设备采集所述测量场地的原始图像,并将所述原始图像传输到所述控制器;
S3,所述控制器对所述原始图像进行预处理,得到预处理后的图像;
S4,所述控制器在所述预处理后的图像中,提取并标记出所有的目标图形,其中,所述目标图形包括定位图形、定向起点图形、定向终点图形和编码图形,由此得到目标图形集合;
在所述目标图形集合中,计算出每个目标图形的面积以及中心点图像坐标值;
然后,查找到面积最大的若干个目标图形,其中,面积最大的目标图形的数量即为测量场地上智能个体的数量;每个面积最大的目标图形对应唯一一个合作标识,并且,面积最大的目标图形即为定位图形;
S5,对于所定位到的每个定位图形,均采用以下分析过程:
S5.1,查找到与该定位图形中心点距离为R±ε的所有目标图形,得到与所述定位图形属于同一合作标识的所有目标图形;其中,ε为允许的误差;
S5.2,以定位图形中心点为起点,分别以S5.1得到的各个目标图形中心点为终点,得到多条矢量线段,分别计算每条矢量线段与图像坐标系的X轴负方向的夹角,得到夹角相差为180度的两条矢量线段,分别记为第1矢量线段和第2矢量线段,将第1矢量线段的终点所在的目标图形记为目标图形E1,将第2矢量线段的终点所在的目标图形记为目标图形E2;则S5.1查找到的除目标图形E1和目标图形E2之外的目标图形均为编码图形;
S5.3,以定位图形中心点为圆心,以R±Ε为半径,从目标图形E1中心点开始沿顺时针方向向目标图形E2中心点画半圆,判断S5.2确定的编码图形是否位于所画出的半圆上,如果位于,则目标图形E1即为定向起点图形,目标图形E2即为定向终点图形;否则目标图形E2即为定向起点图形,目标图形E1即为定向终点图形;由此确定定向起点图形和定向终点图形;
S5.4,对于S5.2确定的每个编码图形,将定位图形中心点到编码图形中心点之间的矢量线段记为第3矢量线段,将定位图形中心点到定向起点图形中心点之间的矢量线段记为第4矢量线段,计算第3矢量线段和第4矢量线段之间的夹角δ1;再结合编码总位数x,可确定出第2种编码码字在智能个体身份编码中的位置,智能个体身份编码的其余位置即为第1种编码码字;由此得出智能个体身份编码;
S5.5,将所定位到的定位图形的中心点图像坐标值转换为世界坐标值,即为该智能个体在当前时刻的位置值,由此得到定位信息;
计算定向起点图形中心点到定向终点图形中心点的矢量方向值,将所述矢量方向值与夹角б2进行运算,得到该智能个体在当前时刻的方向值,由此得到定向信息。
优选的,S4中,采用边缘检测算法,提取并标记出所有的目标图形。
优选的,S4中,采用亚像素定位算法,计算出每个目标图形的中心点图像坐标值。
优选的,S5.4具体为:
由编码总位数x,计算得到相邻两个编码位与定位图形中心点连线的夹角δ3=180/(x+1);
δ1/δ3的商值四舍五入所得到整数值,即为第2种编码码字在智能个体身份编码中的位置值。
本发明的有益效果如下:
本发明提供的合作标识及多智能个体身份与位姿的识别方法,合作标识只具有两种颜色,分别为背景颜色和图形颜色,因此,所涉及的颜色种类少,防止相近颜色间的互相干扰,简化了对合作标识进行识别的算法,减少了图像处理的耗时,提高了识别速度和识别精度,增加了控制器对各个智能个体进行身份与位姿识别的实时性。
附图说明
图1为本发明提供的一种具体的合作标识的示意图;
图2为共设置3个编码位时表示第1种身份编码的合作标识的示意图;
图3为共设置3个编码位时表示第2种身份编码的合作标识的示意图;
图4为共设置3个编码位时表示第3种身份编码的合作标识的示意图;
图5为共设置3个编码位时表示第4种身份编码的合作标识的示意图;
图6为共设置3个编码位时表示第5种身份编码的合作标识的示意图;
图7为共设置3个编码位时表示第6种身份编码的合作标识的示意图;
图8为共设置3个编码位时表示第7种身份编码的合作标识的示意图;
图9为用于确定定向起点图形和定向终点图形的示意图。
具体实施方式
以下结合附图对本发明进行详细说明:
本发明提供一种合作标识,包括:背景区域和布置于背景区域的定位图形、定向起点图形、定向终点图形和编码图形;其中,定位图形、定向起点图形、定向终点图形和编码图形均为同一种中心对称图形;例如,正方形、正六边形或圆形等,凡是中心对称图形,均可应用于本发明提供的合作标识中,在本发明附图中,均以圆形为例示出。如图1所示,即为一种具体的合作标识,图1的阴影区域即为背景区域,1号圆为定位图形,2号圆为定向起点图形,3号圆为定向终点图形,4号圆、5号圆和6号圆均为编码图形。
此外,为满足光学成像的要求,达到基于合作标识进行身份与位姿精确快速识别的效果,还可以优选设置以下规则:
(1)定位图形和其它图形的面积差别需要能够明显区分,一般情况下,定位图形的对称轴长度大于定向起点图形、定向终点图形和编码图形的对称轴长度;具体的,定向起点图形、定向终点图形和编码图形的对称轴长度均相同,为D1;定位图形的对称轴长度为D2;则:D2>1.5D1;
参考图1,1号圆的直径最大。
(2)定位图形、定向起点图形、定向终点图形和编码图形的成像像素不能过少,优选为均大于20个成像像素;
(3)任意两个相邻图形之间的间距需要足够大,一般间距需大于4个成像像素的长度,以便在图像处理时,不会将两个相邻的图形视为一体。
(4)定位图形、定向起点图形、定向终点图形和编码图形的图形颜色均相同,该图形颜色与背景区域的背景颜色的差异度超过设定颜色阈值。例如,定向起点图形、定向终点图形和编码图形的图形颜色均为白色;背景区域的背景颜色为黑色。当然,也可以将图形颜色与背景区域的背景颜色设置为其他的颜色,只要两者之间的差异度足够大,从而方便后续图像处理即可。
在将合作标识布置于被标识物体时,例如,智能机智人、智能Agent等,需要使定位图形的中心点与被标识物体的中心点重合,因此,当获得定位图形的中心点像素坐标时,即可快速转换为被标识物体在空间坐标系下的空间位置值,达到对被标识物体定位的目的。具体过程参见后续的方法流程。此处,本发明中,为防止合作标识被遮挡,而导致图像采集设备无法采集完整的图像标识,需要使合作标识安装于被标识物体的顶部,如果被标识物体的顶部为光滑平面,可直接将合作标识印刷于该光滑平面上;如果被标识物体的顶部不为光滑平面,可将本发明提供的合作标识制作为标识牌,材质为木质或铁质等,然后,将标识牌水平安装于被标识物体顶部,方便进行后续图像采集与处理。
定向起点图形和定向终点图形分别位于定位图形的左右两侧,并且,定向起点图形的中心点、定位图形的中心点至定向终点图形的中心点之间的连线为直线K,直线K称为定向直线;定向起点图形的中心点到定位图形的中心点之间的距离与定向终点图形的中心点到定位图形的中心点之间的距离相等,均为R;
以定位图形的中心点为圆心,以R为半径画圆,在直线K的同一侧的半圆上,均匀设置x个编码位,其中,x个编码位按由低到高的编码位顺序顺时针排列在半圆上,并且,低编码位为靠近定向起点图形的位置,高编码位为靠近定向终点图形的位置;每一个编码位对应两种可选的编码码字,分别为第1种编码码字和第2种编码码字;如果某一个编码位采用第1种编码码字,则该编码位为空;如果某一个编码位采用第2种编码码字,则在该编码位布置编码图形;其中,x为自然数;并且,x个编码位中至少存在1个布置编码图形的编码位。
本发明中,当设置x个编码位时,最多可获得的身份编码数量为2x-1个,如,当x=4时,最多可表示15个身份编码;当x=3时,最多可表示7个身份编码。此外,本发明对编码码字采用的具体类型并不限制,可以为数字或字母。(1)当采用字母时,例如,用a和b的排列组合构成不同的身份编码,如,当共设置3个编码位时,如果某一个编码位为空,即代表该编码位为a;如果某一个编码位布置有编码图形,则代表该编码位为b;参见图2-图8,分别代表x=3时,共得到的7个合作标识,分别代表的身份编码为:aab,aba,baa,abb,bab,bba,bbb;(2)当采用字母时,例如,用0和1的排列组合构成不同的身份编码,如,当共设置3个编码位时,如果某一个编码位为空,即代表该编码位为0;如果某一个编码位布置有编码图形,则代表该编码位为1;参见图2-图8,分别代表x=3时,共得到的7个合作标识,分别代表的身份编码为:0001,010,100,011,101,110,111。
另外,需要强调的是,x个编码位等间隔布置在定向起点图形到定向终点图形之间的半圆弧上;从而方便后续基于角度进行定向;此外,在x个编码位中,需满足至少存在1个编码位设置编码图形,也就是说,当采用上述0和1的编码组合时,不能编制身份编码为000的编码,因此,当采用000的身份编码时,无法区分定向起点图形和定向终点图形。
基于上述设计的合作标识,本发明还提供一种多智能个体身份与位姿的识别方法,包括以下步骤:
S1,在测量场地的正上方安装图像采集设备,该图像采集设备能够采集完整的测量场地的场景情况;该图像采集设备连接到控制器;
对于测量场地上的每个智能个体,其顶部均设置唯一的合作标识,保证合作标识的定位图形的中心点与智能个体的中心点重合;并且,合作标识的定向起点图形中心点到定向终点图形中心点的矢量线段与智能个体的正向前进方向之间的夹角б2为固定值,该夹角б2与智能个体身份编码的对应关系预先存储到控制器;控制器还存储以下参数:
定向起点图形中心点、定向终点图形中心点和编码图形中心点分别到定位图形中心点的距离R;
每个智能个体的编码总位数x;
此外,测量场地的颜色与合作标识的背景颜色之间的差异度在设定范围内;以及,智能个体的颜色与合作标识的背景颜色之间的差异度在设定范围内;例如,测量场地的颜色、合作标识的背景颜色以及智能个体的颜色均为黑色,而合作标识上设计的起标志作用的图形为白色,此处,图形为白色,是指:图形的轮廓和图形的填充区域均为白色。通过上述颜色设置,在图像采集设备采集到的原始图像中,只具有两种颜色,即:黑色和白色,从而简化了后续图像处理与识别的复杂度,可有效提高图像处理与识别的速度和精度。
S2,当测量场地上各个智能个体活动到某一时刻时,图像采集设备采集测量场地的原始图像,并将原始图像传输到控制器;
S3,控制器对原始图像进行预处理,得到预处理后的图像;例如,进行图形降噪处理等。
S4,控制器在预处理后的图像中,提取并标记出所有的目标图形,其中,目标图形包括定位图形、定向起点图形、定向终点图形和编码图形,由此得到目标图形集合;此处,仅能从背景区域中识别出不同的图形,但还无法得出各个图形的具体类型。
另外,可采用多种算法,从背景区域提取并标记出所有的目标图形,例如,边缘检测算法或灰度阈值分割算法等,本发明对此并不限制。
在目标图形集合中,计算出每个目标图形的面积以及中心点图像坐标值;此处,可采用亚像素定位算法,计算出每个目标图形的中心点图像坐标值。其中,亚像素定位算法又称为质心法、灰度重心法,即将特定区域内的所有像素的坐标按照权重相加后再除以总像素数,从而得到此特定区域的中心位置坐标。
然后,查找到面积最大的若干个目标图形,其中,面积最大的目标图形的数量即为测量场地上智能个体的数量;每个面积最大的目标图形对应唯一一个合作标识,并且,面积最大的目标图形即为定位图形;例如,如果整个测量场地共存在10个智能个体,则可得到10个定位图形。由于本发明中,对于每个合作标识,定位图形的对称轴长度明显大于其他图形的对称轴长度,因此,可迅速精确的查找到各个定位图形,从而简化了识别算法的复杂度。
S5,对于所定位到的每个定位图形,均采用以下分析过程:
S5.1,查找到与该定位图形中心点距离为R±ε的所有目标图形,得到与定位图形属于同一合作标识的所有目标图形;考虑到实际应用中图像获取时会受到视场角度、背景噪声以及定位误差等因素的影响,因此本步骤中,在R的基础上增加一个容许范围,即增加允许的误差ε,ε具体值可根据实际精度需要灵活设置。
S5.2,以定位图形中心点为起点,分别以S5.1得到的各个目标图形中心点为终点,得到多条矢量线段,分别计算每条矢量线段与图像坐标系的X轴负方向的夹角,得到夹角相差为180度的两条矢量线段,分别记为第1矢量线段和第2矢量线段,将第1矢量线段的终点所在的目标图形记为目标图形E1,将第2矢量线段的终点所在的目标图形记为目标图形E2;则S5.1查找到的除目标图形E1和目标图形E2之外的目标图形均为编码图形;
S5.3,以定位图形中心点为圆心,以R±Ε为半径,从目标图形E1中心点开始沿顺时针方向向目标图形E2中心点画半圆,判断S5.2确定的编码图形是否位于所画出的半圆上,如果位于,则目标图形E1即为定向起点图形,目标图形E2即为定向终点图形;否则目标图形E2即为定向起点图形,目标图形E1即为定向终点图形;由此确定定向起点图形和定向终点图形;
参见图9,为确定定向起点图形和定向终点图形的示意图;在图9中,在定位图形周围,共定位到5个目标图形,分别记为目标图形T1、目标图形T2、目标图形T3、目标图形T4和目标图形T5,这5个目标图形与定位图形属于同一合作标识;然后,分别获得定位图形的中心点到这5个目标图形的中心点的5条矢量线段,分别为矢量线段V1、矢量线段V2、矢量线段V3、矢量线段V4、矢量线段V5;并分别计算每个矢量线段与图像坐标系的X轴负方向的夹角,即与图9中X方向的反方向的夹角,例如,对于矢量线段V1,其与X反方向的夹角为θ1;对于矢量线段V2,其与X反方向的夹角为θ2;以θ1为例,其通过以下公式计算得到:假设定位图形的中心点坐标为(x0,y0),矢量线段V1终点所属目标图形的中心点坐标为(x1,y1),则有:tan(θ1)=(x0-x1)/(y0-y1)。因此,获得夹角相差为180度的两条矢量线段,即矢量线段V1和矢量线段V5;此时,可以确定,目标图形T1和目标图形T5中,一个为定向起点图形,另一个为定向终点图形,但未确定具体的对应关系;此处,还可确定目标图形T2、目标图形T3和目标图形T4为编码图形;
由于本发明中,至少存在一个编码图形,并且,编码图形位于定向起点图形至定向终点图形的顺时针弧线上,因此,沿顺时针方向由目标图形T1向目标图形T5画半圆,如果在画半圆的路径过程中,经过编码图形中心点,则可证明目标图形T1为定向起点图形,目标图形T5为定向终点图形;反之,如果不经过,则目标图形T5为定向起点图形,标图形T1为定向终点图形。
S5.4,对于S5.2确定的每个编码图形,将定位图形中心点到编码图形中心点之间的矢量线段记为第3矢量线段,将定位图形中心点到定向起点图形中心点之间的矢量线段记为第4矢量线段,计算第3矢量线段和第4矢量线段之间的夹角δ1;再结合编码总位数x,可确定出第2种编码码字在智能个体身份编码中的位置,智能个体身份编码的其余位置即为第1种编码码字;由此得出智能个体身份编码;
本步骤具体为:
由编码总位数x,计算得到相邻两个编码位与定位图形中心点连线的夹角δ3=180/(x+1);
δ1/δ3的商值四舍五入所得到整数值,即为第2种编码码字在智能个体身份编码中的位置值。
例如,如果编码总位数x=3,则δ3=45度;如果被识别的合作标识为图3,则计算出δ1=95度或88度,δ1/δ3的商值四舍五入,为整数2,则可得出在三位的身份编码中,第2位置具有第2种编码码字。
S5.5,将所定位到的定位图形的中心点图像坐标值转换为世界坐标值,即为该智能个体在当前时刻的位置值,由此得到定位信息;
计算定向起点图形中心点到定向终点图形中心点的矢量方向值,将矢量方向值与夹角б2进行运算,得到该智能个体在当前时刻的方向值,由此得到定向信息。
由此,即识别出某一智能个体的身份编码、定位信息和定向信息,其中,定位信息和定向信息统称为位姿信息,即实现对智能个体身份与位姿的识别。
综上,本发明提供的合作标识及多智能个体身份与位姿的识别方法,具有以下优点:
(1)合作标识只具有两种颜色,分别为背景颜色和图形颜色,因此,所涉及的颜色种类少,防止相近颜色间的互相干扰,简化了对合作标识进行识别的算法,减少了图像处理的耗时,增加了控制器对各个智能个体进行身份与位姿识别的实时性;
(2)整个合作标识在保证仅具有两种颜色的前提下,通过改变编码位数量,即可实现对多个智能个体进行身份编码,因此,在保证识别复杂度低以及识别速度快的前提下,还提高了合作标识的应用范围,可适应多种身份编码的需要。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视本发明的保护范围。
Claims (9)
1.一种合作标识,其特征在于,包括:背景区域和布置于所述背景区域的定位图形、定向起点图形、定向终点图形和编码图形;其中,所述定位图形、所述定向起点图形、所述定向终点图形和所述编码图形均为同一种中心对称图形;
所述定位图形的中心点与被标识物体的中心点重合,并且,所述定位图形的对称轴长度大于所述定向起点图形、所述定向终点图形和所述编码图形的对称轴长度;
所述定向起点图形和所述定向终点图形分别位于所述定位图形的左右两侧,并且,所述定向起点图形的中心点、所述定位图形的中心点至所述定向终点图形的中心点之间的连线为直线K,直线K称为定向直线;所述定向起点图形的中心点到所述定位图形的中心点之间的距离与所述定向终点图形的中心点到所述定位图形的中心点之间的距离相等,均为R;
以所述定位图形的中心点为圆心,以R为半径画圆,在所述直线K的同一侧的半圆上,均匀设置x个编码位,其中,所述x个编码位按由低到高的编码位顺序顺时针排列在所述半圆上,并且,低编码位为靠近所述定向起点图形的位置,高编码位为靠近所述定向终点图形的位置;每一个所述编码位对应两种可选的编码码字,分别为第1种编码码字和第2种编码码字;如果某一个编码位采用所述第1种编码码字,则该编码位为空;如果某一个编码位采用所述第2种编码码字,则在该编码位布置所述编码图形;其中,x为自然数;并且,x个编码位中至少存在1个布置所述编码图形的编码位。
2.根据权利要求1所述的合作标识,其特征在于,所述中心对称图形为正方形、正六边形或圆形。
3.根据权利要求1所述的合作标识,其特征在于,所述编码码字为数字或字母。
4.根据权利要求1所述的合作标识,其特征在于,所述定向起点图形、所述定向终点图形和所述编码图形的对称轴长度均相同,为D1;所述定位图形的对称轴长度为D2;则:D2>1.5D1;和/或
所述定位图形、所述定向起点图形、所述定向终点图形和所述编码图形的成像像素均大于20个成像像素;和/或
任意两个相邻图形之间的间距大于4个成像像素;和/或
所述定位图形、所述定向起点图形、所述定向终点图形和所述编码图形的图形颜色均相同,该图形颜色与所述背景区域的背景颜色的差异度超过设定颜色阈值。
5.根据权利要求4所述的合作标识,其特征在于,所述定位图形、所述定向起点图形、所述定向终点图形和所述编码图形的图形颜色均为白色;所述背景区域的背景颜色为黑色。
6.一种基于权利要求1-5任一项所述合作标识的多智能个体身份与位姿的识别方法,其特征在于,包括以下步骤:
S1,在测量场地的正上方安装图像采集设备,该图像采集设备能够采集完整的测量场地的场景情况;该图像采集设备连接到控制器;
对于测量场地上的每个智能个体,其顶部均设置唯一的合作标识,保证所述合作标识的定位图形的中心点与所述智能个体的中心点重合;并且,所述合作标识的定向起点图形中心点到定向终点图形中心点的矢量线段与所述智能个体的正向前进方向之间的夹角б2为固定值,该夹角б2与智能个体身份编码的对应关系预先存储到所述控制器;所述控制器还存储以下参数:
定向起点图形中心点、定向终点图形中心点和编码图形中心点分别到定位图形中心点的距离R;
每个智能个体的编码总位数x;
此外,所述测量场地的颜色与所述合作标识的背景颜色之间的差异度在设定范围内;以及,所述智能个体的颜色与所述合作标识的背景颜色之间的差异度在设定范围内;
S2,当测量场地上各个智能个体活动到某一时刻时,所述图像采集设备采集所述测量场地的原始图像,并将所述原始图像传输到所述控制器;
S3,所述控制器对所述原始图像进行预处理,得到预处理后的图像;
S4,所述控制器在所述预处理后的图像中,提取并标记出所有的目标图形,其中,所述目标图形包括定位图形、定向起点图形、定向终点图形和编码图形,由此得到目标图形集合;
在所述目标图形集合中,计算出每个目标图形的面积以及中心点图像坐标值;
然后,查找到面积最大的若干个目标图形,其中,面积最大的目标图形的数量即为测量场地上智能个体的数量;每个面积最大的目标图形对应唯一一个合作标识,并且,面积最大的目标图形即为定位图形;
S5,对于所定位到的每个定位图形,均采用以下分析过程:
S5.1,查找到与该定位图形中心点距离为R±ε的所有目标图形,得到与所述定位图形属于同一合作标识的所有目标图形;其中,ε为允许的误差;
S5.2,以定位图形中心点为起点,分别以S5.1得到的各个目标图形中心点为终点,得到多条矢量线段,分别计算每条矢量线段与图像坐标系的X轴负方向的夹角,得到夹角相差为180度的两条矢量线段,分别记为第1矢量线段和第2矢量线段,将第1矢量线段的终点所在的目标图形记为目标图形E1,将第2矢量线段的终点所在的目标图形记为目标图形E2;则S5.1查找到的除目标图形E1和目标图形E2之外的目标图形均为编码图形;
S5.3,以定位图形中心点为圆心,以R±Ε为半径,从目标图形E1中心点开始沿顺时针方向向目标图形E2中心点画半圆,判断S5.2确定的编码图形是否位于所画出的半圆上,如果位于,则目标图形E1即为定向起点图形,目标图形E2即为定向终点图形;否则目标图形E2即为定向起点图形,目标图形E1即为定向终点图形;由此确定定向起点图形和定向终点图形;
S5.4,对于S5.2确定的每个编码图形,将定位图形中心点到编码图形中心点之间的矢量线段记为第3矢量线段,将定位图形中心点到定向起点图形中心点之间的矢量线段记为第4矢量线段,计算第3矢量线段和第4矢量线段之间的夹角δ1;再结合编码总位数x,可确定出第2种编码码字在智能个体身份编码中的位置,智能个体身份编码的其余位置即为第1种编码码字;由此得出智能个体身份编码;
S5.5,将所定位到的定位图形的中心点图像坐标值转换为世界坐标值,即为该智能个体在当前时刻的位置值,由此得到定位信息;
计算定向起点图形中心点到定向终点图形中心点的矢量方向值,将所述矢量方向值与夹角б2进行运算,得到该智能个体在当前时刻的方向值,由此得到定向信息。
7.根据权利要求6所述的多智能个体身份与位姿的识别方法,其特征在于,S4中,采用边缘检测算法,提取并标记出所有的目标图形。
8.根据权利要求6所述的多智能个体身份与位姿的识别方法,其特征在于,S4中,采用亚像素定位算法,计算出每个目标图形的中心点图像坐标值。
9.根据权利要求6所述的多智能个体身份与位姿的识别方法,其特征在于,S5.4具体为:
由编码总位数x,计算得到相邻两个编码位与定位图形中心点连线的夹角δ3=180/(x+1);
δ1/δ3的商值四舍五入所得到整数值,即为第2种编码码字在智能个体身份编码中的位置值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410639924.6A CN104331689B (zh) | 2014-11-13 | 2014-11-13 | 一种合作标识及多智能个体身份与位姿的识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410639924.6A CN104331689B (zh) | 2014-11-13 | 2014-11-13 | 一种合作标识及多智能个体身份与位姿的识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104331689A true CN104331689A (zh) | 2015-02-04 |
CN104331689B CN104331689B (zh) | 2016-03-30 |
Family
ID=52406411
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410639924.6A Expired - Fee Related CN104331689B (zh) | 2014-11-13 | 2014-11-13 | 一种合作标识及多智能个体身份与位姿的识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104331689B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104460345A (zh) * | 2014-11-13 | 2015-03-25 | 清华大学 | 一种智能集群自组织控制仿真系统及方法 |
CN107481287A (zh) * | 2017-07-13 | 2017-12-15 | 中国科学院空间应用工程与技术中心 | 一种基于多标识的物体定位定姿方法及系统 |
CN108520258A (zh) * | 2018-04-04 | 2018-09-11 | 湖南科技大学 | 字符编码标志 |
CN108537217A (zh) * | 2018-04-04 | 2018-09-14 | 湖南科技大学 | 基于字符编码标志的识别及定位方法 |
CN109579729A (zh) * | 2018-11-12 | 2019-04-05 | 岭南师范学院 | 一种带起始位的环形编码点及其解码方法 |
CN109773833A (zh) * | 2019-03-14 | 2019-05-21 | 烟台南山学院 | 一种码垛机器人板件识别方法 |
CN110009692A (zh) * | 2019-03-28 | 2019-07-12 | 渤海大学 | 用于相机标定的大型控制场人工标志点及其编码方法 |
CN110084080A (zh) * | 2019-04-28 | 2019-08-02 | 上海快仓智能科技有限公司 | 二维码识别和生成的方法、装置、二维码和小车 |
CN110472451A (zh) * | 2019-07-05 | 2019-11-19 | 南京航空航天大学 | 一种基于单目相机的面向agv定位的人工地标及解算方法 |
CN112215319A (zh) * | 2020-08-09 | 2021-01-12 | 向天鸽 | 颜色标记特征图形的二维码及其识别方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6714121B1 (en) * | 1999-08-09 | 2004-03-30 | Micron Technology, Inc. | RFID material tracking method and apparatus |
CN102773862A (zh) * | 2012-07-31 | 2012-11-14 | 山东大学 | 用于室内移动机器人的快速精确定位系统及其工作方法 |
CN103869814A (zh) * | 2012-12-17 | 2014-06-18 | 联想(北京)有限公司 | 一种终端定位和导航方法以及可移动的终端 |
-
2014
- 2014-11-13 CN CN201410639924.6A patent/CN104331689B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6714121B1 (en) * | 1999-08-09 | 2004-03-30 | Micron Technology, Inc. | RFID material tracking method and apparatus |
CN102773862A (zh) * | 2012-07-31 | 2012-11-14 | 山东大学 | 用于室内移动机器人的快速精确定位系统及其工作方法 |
CN103869814A (zh) * | 2012-12-17 | 2014-06-18 | 联想(北京)有限公司 | 一种终端定位和导航方法以及可移动的终端 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104460345A (zh) * | 2014-11-13 | 2015-03-25 | 清华大学 | 一种智能集群自组织控制仿真系统及方法 |
CN104460345B (zh) * | 2014-11-13 | 2015-11-18 | 清华大学 | 一种智能集群自组织控制仿真系统及方法 |
CN107481287A (zh) * | 2017-07-13 | 2017-12-15 | 中国科学院空间应用工程与技术中心 | 一种基于多标识的物体定位定姿方法及系统 |
CN108520258A (zh) * | 2018-04-04 | 2018-09-11 | 湖南科技大学 | 字符编码标志 |
CN108537217A (zh) * | 2018-04-04 | 2018-09-14 | 湖南科技大学 | 基于字符编码标志的识别及定位方法 |
CN109579729A (zh) * | 2018-11-12 | 2019-04-05 | 岭南师范学院 | 一种带起始位的环形编码点及其解码方法 |
CN109773833A (zh) * | 2019-03-14 | 2019-05-21 | 烟台南山学院 | 一种码垛机器人板件识别方法 |
CN110009692A (zh) * | 2019-03-28 | 2019-07-12 | 渤海大学 | 用于相机标定的大型控制场人工标志点及其编码方法 |
CN110009692B (zh) * | 2019-03-28 | 2023-05-02 | 渤海大学 | 用于相机标定的大型控制场人工标志点及其编码方法 |
CN110084080A (zh) * | 2019-04-28 | 2019-08-02 | 上海快仓智能科技有限公司 | 二维码识别和生成的方法、装置、二维码和小车 |
WO2020220388A1 (zh) * | 2019-04-28 | 2020-11-05 | 上海快仓智能科技有限公司 | 二维码识别和生成的方法、装置、二维码和小车 |
CN110472451A (zh) * | 2019-07-05 | 2019-11-19 | 南京航空航天大学 | 一种基于单目相机的面向agv定位的人工地标及解算方法 |
CN110472451B (zh) * | 2019-07-05 | 2021-03-30 | 南京航空航天大学 | 一种基于单目相机的面向agv定位的人工地标及解算方法 |
CN112215319A (zh) * | 2020-08-09 | 2021-01-12 | 向天鸽 | 颜色标记特征图形的二维码及其识别方法 |
CN112215319B (zh) * | 2020-08-09 | 2023-09-15 | 向天鸽 | 颜色标记特征图形的二维码及其识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104331689B (zh) | 2016-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104331689B (zh) | 一种合作标识及多智能个体身份与位姿的识别方法 | |
CN108225303B (zh) | 二维码定位标签、基于二维码的定位导航系统和方法 | |
CN108827316B (zh) | 基于改进的Apriltag标签的移动机器人视觉定位方法 | |
CN101398907B (zh) | 一种用于移动机器人的二维码结构及解码方法 | |
CN104197899B (zh) | 移动机器人定位方法及系统 | |
CN108573511B (zh) | 点状分布合作编码标志及其识别定位方法 | |
AU2019222802B2 (en) | High-precision and high-speed positioning label and positioning method for visual servo | |
CN107704801B (zh) | 基于分段直线加分段贝塞尔曲线的曲线车道线检测方法 | |
US20160239975A1 (en) | Highly robust mark point decoding method and system | |
CN104182732B (zh) | 基于特征矩阵进行相似度匹配的手写汉字笔画确认方法 | |
CN103593695B (zh) | 一种dpm二维码区域定位的方法 | |
CN103049731B (zh) | 一种点分布型彩色编码标志的解码方法 | |
CN107766859A (zh) | 移动机器人定位方法、装置及移动机器人 | |
CN110246168A (zh) | 一种移动巡检机器人双目图像拼接的特征匹配方法 | |
CN110084080B (zh) | 二维码识别和生成的方法、装置、二维码和小车 | |
CN106339707B (zh) | 一种基于对称性特征的仪表指针图像识别方法 | |
CN103136525B (zh) | 一种利用广义Hough变换的异型扩展目标高精度定位方法 | |
CN108489486A (zh) | 二维码以及用于机器人的视觉-惯性组合导航系统及方法 | |
CN108763996B (zh) | 一种基于二维码的平面定位坐标与方向角测量方法 | |
CN103727930A (zh) | 一种基于边缘匹配的激光测距仪与相机相对位姿标定方法 | |
CN103033171B (zh) | 基于颜色与结构特征的编码标志 | |
CN104504709A (zh) | 一种基于特征球的室外场景三维点云数据的分类方法 | |
CN104376328B (zh) | 基于坐标的分布型编码标志识别方法及系统 | |
CN105631852A (zh) | 基于深度图像等高线的室内人体检测方法 | |
CN109754440A (zh) | 一种基于全卷积网络和均值漂移的阴影区域检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160330 Termination date: 20191113 |