CN104677347A - 一种基于Kinect生成三维导航地图室内移动机器人 - Google Patents
一种基于Kinect生成三维导航地图室内移动机器人 Download PDFInfo
- Publication number
- CN104677347A CN104677347A CN201310613016.5A CN201310613016A CN104677347A CN 104677347 A CN104677347 A CN 104677347A CN 201310613016 A CN201310613016 A CN 201310613016A CN 104677347 A CN104677347 A CN 104677347A
- Authority
- CN
- China
- Prior art keywords
- kinect
- mobile robot
- indoor mobile
- module
- navigation map
- 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
Links
Classifications
-
- 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
Abstract
一种基于Kinect生成三维导航地图室内移动机器人,其组成包括:Kinect原始数据采集模块、拉普拉斯平滑处理模块、对齐矫正模块、分割重建模块。用于室内移动机器人的路径规划及避障,指导室内机器人进行运动,具有设备价格便宜,操作容易的优点,适合普通用户使用。
Description
技术领域
本发明涉及的是一种用于室内移动机器人,特别涉及到一种基于Kinect生成三维导航地图室内移动机器人。
背景技术
地图创建技术对于移动机器人的路径规划具有十分重要的作用,首先对机器人室内二维地图生成方法进行了介绍,包括栅格法、声纳法、立体视觉方法等。随着科学技术的发展,三维地图创建技术成为研究热点。Kinect是一种体感器,具备较强大的图像处理功能。利用Kinect扫描室内环境,将获取的数据经计算机处理后,获得室内环境的三维地图。
发明内容
本发明的目的在于提供一种室内移动机器人,有效指导室内机器人运动。
本发明的目的是这样实现的:
一种基于Kinect生成三维导航地图室内移动机器人,其组成包括:Kinect原始数据采集模块、拉普拉斯平滑处理模块、对齐矫正模块、分割重建模块。
所述的一种基于Kinect生成三维导航地图室内移动机器人,其特征在于所述的Kinect原始数据采集模块,先将Kinect采集到的数据填充至缓冲区,然后将其中的深度数据累加到累加缓冲区,和以前缓冲区的数据相加取平均值,如果平均值小于设定的阈值,那么就累加,否则不进行累加,累加次数默认设置为5次。
所述的一种基于Kinect生成三维导航地图室内移动机器人,其特征在于所述的拉普拉斯平滑处理模块能够将伞状同格的周围顶点的三维情况,向其重心位置偏移。
所述的一种基于Kinect生成三维导航地图室内移动机器人,其特征在于所述的对齐矫正模块采用表面对齐-半自动计算方法:先确定一个基准面,再确定前后两个面,即可大致的确定物体的轮廓。
所述的一种基于Kinect生成三维导航地图室内移动机器人,其特征在于所述的分割重建模块通过点云生成八叉树,然后得到基于这些点云的外表面数据,从点云到面的重建能够将Kinect采集到的数据转换成常用的表面数据,得到一个物体的几个独立面,再将这几个独立面合并,合并后会得到点云的外表面轮廓。
具体包括以下几个步骤:
采集Kinect原始数据;
拉普拉斯平滑处理;
面的初步对齐;
基于分割的表面重建;
基于视角的纹理贴图。
本发明的技术方案的实质是:首先利用Kinect进行原始数据采集,获得环境深度信息数据,然后对采集到的图像数据进行拉普拉斯平滑处理,以减少噪声的影响,经过面的初步对齐后,利用迭代最近点算法获得精确变换矩阵,以获取坐标流水线;然后利用分割法进行表面重建和纹理贴图,以使模型更真实,最后导出三维模型。
该技术方案的优点在于:
设备成本低,操作容易,适合普通用户使用。
附图说明
图1为地磁导航基准图构建流程图;
图2室内环境平面图;
具体实施方式
一种基于Kinect生成三维导航地图室内移动机器人,其组成包括:Kinect原始数据采集模块、拉普拉斯平滑处理模块、对齐矫正模块、分割重建模块。
其特征在于所述的Kinect原始数据采集模块,先将Kinect采集到的数据填充至缓冲区,然后将其中的深度数据累加到累加缓冲区,和以前缓冲区的数据相加取平均值,如果平均值小于设定的阈值,那么就累加,否则不进行累加,累加次数默认设置为5次。
其特征在于所述的拉普拉斯平滑处理模块能够将伞状同格的周围顶点的三维情况,向其重心位置偏移。
其特征在于所述的对齐矫正模块采用表面对齐-半自动计算方法:先确定一个基准面,再确定前后两个面,即可大致的确定物体的轮廓。
其特征在于所述的分割重建模块通过点云生成八叉树,然后得到基于这些点云的外表面数据,从点云到面的重建能够将Kinect采集到的数据转换成常用的表面数据,得到一个物体的几个独立面,再将这几个独立面合并,合并后会得到点云的外表面轮廓。
步骤1:采集Kinect原始数据:
首先将Kinect采集到的数据填充至缓冲区,然后将其中的深度数据累加到累加缓冲区,然后和以前缓冲区的数据相加取平均值,如果这个平均值小于事先设定的一定的阈值,那么就累加,否则不能进行累加,这里将累加次数设置为5。
步骤2:拉普拉斯平滑处理:
将伞状同格的周围顶点的三维情况,向其重心位置偏移。然后对于面上的每一个顶点,根据这个点与周围点的关系以及点在空间的位置信息,重新在理论上计算此点的空间位置。平滑处理公式如式(1)所示:
上述公式中为第i个顶点最新的位置,N为所要重新求空间位置的点的周围的顶点的个数。
N的取值不能过大也不能过小,过大过小都会带来一定的影响,而且此影响是消极的。如果N值太小的话,那么就无法保证得到的平滑效果符合实际的要求,但是N值太大的话,又会使得细节处理不理想,因此N值的选择是有一定的范围的,在此范围内才会达到预期效果,N的范围可根据实验确定。
步骤3:面的初步对齐:
采用表面对齐-半自动方法:先确定一个基准面,再确定前后两个面即可大致的确定物体的轮廓。
在计算后面的面相对于基准面的变换矩阵时,首先将后面的包围盒中心进行平移,平移到基准面的包围盒的后侧矩形的中心。再将后面按照z轴旋转180度,最后进行曲面轮廓的提取。曲面轮廓提取具体做法是将之前步骤之后得到的三维点列投影到XY平面,得到一张平面掩码图。在前后两曲面轮廓提取之后,不断旋转平移后面曲面,使其轮廓与前曲面的轮廓距离最近,此处距离的计算使用笛卡儿坐标系下点云之间的距离。
前后组合曲面在YZ平面的投影轮廓计算中,虚拟Kinect位置的值为左侧面在数据采集过程中Kinect的位置。右侧虚拟Kinect位置的计算方法与此类似。在获得虚拟Kinect位置之后,通过反求投影矩阵,可以计算得到三维物体在投影面内投影的二维图像,通过这个二维图像可以使用前后两面对齐中使用的计算投影的方法,计算左右两面的投影。
步骤4:基于分割的表面重建:
先通过点云生成八叉树,然后得到基于这些点云的外表面数据,从点云到面的重建能够将Kinect采集到的数据转换成常用的表面数据,这样得到一个物体的几个独立面,再将这几 个独立面合并,合并后会得到点云的外表面轮廓。
步骤5:基于视角的纹理贴图方法为:
视角方向为所求表面点到摄像机位置的单位向量,面n向量为物体表面的顶点到虚拟Kinect位置的单位向量,在拍摄特定曲面时,虚拟Kinect方向为当前点与Kinect的方向。Wn为视角方向与面n方向的角度余弦值。在计算最终纹理颜色时,取加权平均值,使得每一个顶点的颜色由各个曲面纹理共同决定。
Claims (5)
1.一种基于Kinect生成三维导航地图室内移动机器人,其组成包括:Kinect原始数据采集模块、拉普拉斯平滑处理模块、对齐矫正模块、分割重建模块。
2.根据权利要求1所述的一种基于Kinect生成三维导航地图室内移动机器人,其特征在于所述的Kinect原始数据采集模块,先将Kinect采集到的数据填充至缓冲区,然后将其中的深度数据累加到累加缓冲区,和以前缓冲区的数据相加取平均值,如果平均值小于设定的阈值,那么就累加,否则不进行累加,累加次数默认设置为5次。
3.根据权利要求1所述的一种基于Kinect生成三维导航地图室内移动机器人,其特征在于所述的拉普拉斯平滑处理模块能够将伞状同格的周围顶点的三维情况,向其重心位置偏移。
4.根据权利要求1所述的一种基于Kinect生成三维导航地图室内移动机器人,其特征在于所述的对齐矫正模块采用表面对齐-半自动计算方法:先确定一个基准面,再确定前后两个面,即可大致的确定物体的轮廓。
5.根据权利要求1所述的一种基于Kinect生成三维导航地图室内移动机器人,其特征在于所述的分割重建模块通过点云生成八叉树,然后得到基于这些点云的外表面数据,从点云到面的重建能够将Kinect采集到的数据转换成常用的表面数据,得到一个物体的几个独立面,再将这几个独立面合并,合并后会得到点云的外表面轮廓。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310613016.5A CN104677347A (zh) | 2013-11-27 | 2013-11-27 | 一种基于Kinect生成三维导航地图室内移动机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310613016.5A CN104677347A (zh) | 2013-11-27 | 2013-11-27 | 一种基于Kinect生成三维导航地图室内移动机器人 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104677347A true CN104677347A (zh) | 2015-06-03 |
Family
ID=53312717
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310613016.5A Pending CN104677347A (zh) | 2013-11-27 | 2013-11-27 | 一种基于Kinect生成三维导航地图室内移动机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104677347A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105678842A (zh) * | 2016-01-11 | 2016-06-15 | 湖南拓视觉信息技术有限公司 | 室内环境三维地图制作方法及装置 |
CN105700525A (zh) * | 2015-12-07 | 2016-06-22 | 沈阳工业大学 | 基于Kinect传感器深度图机器人工作环境不确定性地图构建法 |
CN105955267A (zh) * | 2016-05-11 | 2016-09-21 | 上海慧流云计算科技有限公司 | 一种移动控制方法及系统 |
CN106908052A (zh) * | 2017-02-09 | 2017-06-30 | 北京光年无限科技有限公司 | 用于智能机器人的路径规划方法及装置 |
CN108225334A (zh) * | 2018-01-17 | 2018-06-29 | 泰瑞天际科技(北京)有限公司 | 一种基于三维实景数据的定位方法及装置 |
CN108733065A (zh) * | 2017-09-29 | 2018-11-02 | 北京猎户星空科技有限公司 | 一种机器人的避障方法、装置及机器人 |
CN108805327A (zh) * | 2018-04-23 | 2018-11-13 | 西安科技大学 | 基于虚拟现实的机器人路径规划与环境重建的方法和系统 |
CN110274602A (zh) * | 2018-03-15 | 2019-09-24 | 奥孛睿斯有限责任公司 | 室内地图自动构建方法及系统 |
-
2013
- 2013-11-27 CN CN201310613016.5A patent/CN104677347A/zh active Pending
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105700525A (zh) * | 2015-12-07 | 2016-06-22 | 沈阳工业大学 | 基于Kinect传感器深度图机器人工作环境不确定性地图构建法 |
CN105700525B (zh) * | 2015-12-07 | 2018-09-07 | 沈阳工业大学 | 基于Kinect传感器深度图机器人工作环境不确定性地图构建法 |
CN105678842A (zh) * | 2016-01-11 | 2016-06-15 | 湖南拓视觉信息技术有限公司 | 室内环境三维地图制作方法及装置 |
CN105955267A (zh) * | 2016-05-11 | 2016-09-21 | 上海慧流云计算科技有限公司 | 一种移动控制方法及系统 |
CN106908052A (zh) * | 2017-02-09 | 2017-06-30 | 北京光年无限科技有限公司 | 用于智能机器人的路径规划方法及装置 |
CN108733065A (zh) * | 2017-09-29 | 2018-11-02 | 北京猎户星空科技有限公司 | 一种机器人的避障方法、装置及机器人 |
CN108733065B (zh) * | 2017-09-29 | 2021-06-04 | 北京猎户星空科技有限公司 | 一种机器人的避障方法、装置及机器人 |
CN108225334A (zh) * | 2018-01-17 | 2018-06-29 | 泰瑞天际科技(北京)有限公司 | 一种基于三维实景数据的定位方法及装置 |
CN108225334B (zh) * | 2018-01-17 | 2020-10-16 | 泰瑞天际科技(北京)有限公司 | 一种基于三维实景数据的定位方法及装置 |
CN110274602A (zh) * | 2018-03-15 | 2019-09-24 | 奥孛睿斯有限责任公司 | 室内地图自动构建方法及系统 |
CN108805327A (zh) * | 2018-04-23 | 2018-11-13 | 西安科技大学 | 基于虚拟现实的机器人路径规划与环境重建的方法和系统 |
CN108805327B (zh) * | 2018-04-23 | 2022-04-26 | 西安科技大学 | 基于虚拟现实的机器人路径规划与环境重建的方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104677347A (zh) | 一种基于Kinect生成三维导航地图室内移动机器人 | |
CN108520554B (zh) | 一种基于orb-slam2的双目三维稠密建图方法 | |
US11350073B2 (en) | Disparity image stitching and visualization method based on multiple pairs of binocular cameras | |
KR100721536B1 (ko) | 2차원 평면상에서 실루엣 정보를 이용한 3차원 구조 복원방법 | |
Ye et al. | Accurate 3d pose estimation from a single depth image | |
CN104966316A (zh) | 一种3d人脸重建方法、装置及服务器 | |
CN102880866B (zh) | 一种人脸特征提取方法 | |
CN104376596B (zh) | 一种基于单幅图像的三维场景结构建模与注册方法 | |
US8922547B2 (en) | 3D model shape transformation method and apparatus | |
CN110782524A (zh) | 基于全景图的室内三维重建方法 | |
CN103985155A (zh) | 基于映射法的散乱点云Delaunay三角剖分曲面重构方法 | |
CN104661010A (zh) | 三维立体模型的建立方法和装置 | |
CN101082988A (zh) | 自动的深度图像配准方法 | |
CN103606190A (zh) | 单张人脸正面照片自动转换为三维人脸模型的方法 | |
CN110675489A (zh) | 一种图像处理方法、装置、电子设备和存储介质 | |
CN103854301A (zh) | 基于复杂背景下可见外壳的三维重建方法 | |
CN107730587B (zh) | 一种基于图片快速三维化交互式建模方法 | |
CN110751730B (zh) | 一种基于深度神经网络的穿衣人体体型估计方法 | |
CN105469386B (zh) | 一种确定立体相机高度与俯仰角的方法及装置 | |
CN104299257A (zh) | 一种基于室外太阳光实现实时动态阴影的方法 | |
CN109461197B (zh) | 一种基于球面uv和重投影的云实时绘制优化方法 | |
CN105243137A (zh) | 一种基于草图的三维模型检索视点选择方法 | |
Yu et al. | An rbf-based reparameterization method for constrained texture mapping | |
US11682234B2 (en) | Texture map generation using multi-viewpoint color images | |
CN103945209B (zh) | 一种基于分块投影的dibr方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150603 |