CN107766859B - 移动机器人定位方法、装置及移动机器人 - Google Patents

移动机器人定位方法、装置及移动机器人 Download PDF

Info

Publication number
CN107766859B
CN107766859B CN201711047477.5A CN201711047477A CN107766859B CN 107766859 B CN107766859 B CN 107766859B CN 201711047477 A CN201711047477 A CN 201711047477A CN 107766859 B CN107766859 B CN 107766859B
Authority
CN
China
Prior art keywords
determining
objects
image
dimensional code
area
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.)
Active
Application number
CN201711047477.5A
Other languages
English (en)
Other versions
CN107766859A (zh
Inventor
扬帅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
KUKA Robotics Guangdong Co Ltd
Original Assignee
Guangdong Midea Intelligent Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Midea Intelligent Technologies Co Ltd filed Critical Guangdong Midea Intelligent Technologies Co Ltd
Priority to CN201711047477.5A priority Critical patent/CN107766859B/zh
Publication of CN107766859A publication Critical patent/CN107766859A/zh
Application granted granted Critical
Publication of CN107766859B publication Critical patent/CN107766859B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
    • G06K7/1417—2D bar codes

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Health & Medical Sciences (AREA)
  • Electromagnetism (AREA)
  • General Health & Medical Sciences (AREA)
  • Toxicology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Automation & Control Theory (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本申请提出一种移动机器人定位方法、装置及移动机器人，所述方法包括：获取二值化图像；对二值化图像进行轮廓分析，确定图像中轮廓满足预设条件的N个物体分别对应的N个位置信息，其中，N为大于1的正整数；根据N个位置信息，确定目标识别区域；对目标识别区域进行识别，确定二值化图像中包含的二维码信息；根据二维码信息，确定机器人获取二值化图像时所在的位置。由此，只需对机器人获取的二值化图像中包含二维码的区域进行识别，即可确定二值化图像中包含的二维码信息，进而实现根据二维码信息，确定机器人获取二值化图像时所在的位置，减小了机器人定位过程中的工作量，节省了定位时间，提高了定位效率，改善了用户体验。

Description

移动机器人定位方法、装置及移动机器人
技术领域
本申请涉及移动机器人技术领域，尤其涉及一种移动机器人定位方法、装置及移动机器人。
背景技术
移动机器人在仓储物流、自动化生产、移动操作等领域有着广泛的应用需求。在移动机器人应用过程中，要求机器人必须精确识别当前位置，只有精确识别当前位置，才能精确地组装产品、传输和搬运产品。
现有技术，可以在移动机器人的工作区域，按照一定间隔敷设一定数量的二维码，二维码中包含了二维码在移动机器人工作区域中的位置。移动机器人在移动过程中，通过对其经过的二维码进行拍摄，及对拍摄图像中的二维码进行识别分析，确定移动机器人的位置。
但是，上述移动机器人定位方式，需要对拍摄图像中的所有像素点进行识别，以确定二维码信息，进而根据二维码信息确定移动机器人的位置，这就导致了移动机器人在定位过程中的工作量很大，定位时间长、效率低，用户体验差。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本申请的第一个方面提出一种移动机器人定位方法，只需对机器人获取的二值化图像中包含二维码的区域进行识别，即可确定二值化图像中包含的二维码信息，进而实现根据二维码信息，确定机器人获取二值化图像时所在的位置，减小了机器人定位过程中的工作量，节省了定位时间，提高了定位效率，改善了用户体验。
本申请的第二方面提出一种移动机器人定位装置。
本申请的第三个方面提出一种移动机器人。
本申请的第四个方面提出一种计算机可读存储介质。
本申请第一方面实施例提出了一种移动机器人定位方法，包括：
获取二值化图像；
对所述二值化图像进行轮廓分析，确定所述图像中轮廓满足预设条件的N个物体分别对应的N个位置信息，其中，N为大于1的正整数；
根据所述N个位置信息，确定目标识别区域；
对所述目标识别区域进行识别，确定所述二值化图像中包含的二维码信息；
根据所述二维码信息，确定机器人获取所述二值化图像时所在的位置。
本申请实施例的移动机器人定位方法，通过预先在二维码周围设置具有特定轮廓特征的物体，从而在机器人获取当前位置对应的二值化图像，并对二值化图像进行轮廓分析后，可以根据确定的图像中轮廓满足预设条件的N个物体分别对应的N个位置信息，确定目标识别区域，进而对目标识别区域进行识别，确定二值化图像中包含的二维码信息，以根据二维码信息，确定机器人获取二值化图像时所在的位置。由此，只需对机器人获取的二值化图像中包含二维码的区域进行识别，即可确定二值化图像中包含的二维码信息，进而实现根据二维码信息，确定机器人获取二值化图像时所在的位置，减小了机器人定位过程中的工作量，节省了定位时间，提高了定位效率，改善了用户体验。
本发明第二方面实施例提出了一种移动机器人定位装置，包括：
获取模块，用于获取二值化图像；
分析模块，用于对所述二值化图像进行轮廓分析，确定所述图像中轮廓满足预设条件的N个物体分别对应的N个位置信息，其中，N为大于1的正整数；
第一确定模块，用于根据所述N个位置信息，确定目标识别区域；
识别模块，用于对所述目标识别区域进行识别，确定所述二值化图像中包含的二维码信息；
第二确定模块，用于根据所述二维码信息，确定机器人获取所述二值化图像时所在的位置。
本申请实施例提供的移动机器人定位装置，通过预先在二维码周围设置具有特定轮廓特征的物体，从而在机器人获取当前位置对应的二值化图像，并对二值化图像进行轮廓分析后，可以根据确定的图像中轮廓满足预设条件的N个物体分别对应的N个位置信息，确定目标识别区域，进而对目标识别区域进行识别，确定二值化图像中包含的二维码信息，以根据二维码信息，确定机器人获取二值化图像时所在的位置。由此，只需对机器人获取的二值化图像中包含二维码的区域进行识别，即可确定二值化图像中包含的二维码信息，进而实现根据二维码信息，确定机器人获取二值化图像时所在的位置，减小了机器人定位过程中的工作量，节省了定位时间，提高了定位效率，改善了用户体验。
本发明第三方面实施例提出了一种移动机器人，包括：存储器、处理器及视觉系统；
所述视觉系统，用于获取所述机器人当前所在位置对应的图像；
所述存储器，用于存储可执行的计算机程序；
所述处理器，用于根据所述视觉系统获取的当前所在位置对应的图像，通过调用并执行所述存储器中存储的可执行的计算机程序，以实现如第一方面所述的移动机器人定位方法。
本发明第四方面实施例提出了一种计算机可读存储介质，其上存储有计算机程序，当该程序被处理器执行时实现如第一方面所述的移动机器人定位方法。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1是本申请一个实施例的移动机器人定位方法的流程示意图；
图1A为本申请一个实施例的自适应二值化处理方法的示例图；
图2是本申请另一个实施例的移动机器人定位方法的流程示意图；
图2A为本申请实施例提供的一种移动机器人定位方法的示例图；
图2B-2F为本申请实施例提供的一种机器人在同一位置获取的不同二维码的图像示意图；
图2G为QR二维码的结构示意图；
图2H-2K为本申请实施例提供的机器人在不同位置获取的同一二维码图像示意图；
图3是本申请一个实施例的移动机器人定位装置的结构示意图；
图4是本申请一个实施例的机器人的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
本申请各实施例主要针对现有的移动机器人定位方式，需要对拍摄图像中的所有像素点进行识别，以确定二维码信息，从而根据二维码信息确定移动机器人的位置，这就导致了移动机器人在定位过程中的工作量很大，定位时间长、效率低，用户体验差的问题，提出一种移动机器人定位方法。
本申请提供的移动机器人定位方法，通过预先在二维码周围设置具有特定轮廓特征的物体，从而在机器人获取当前位置对应的二值化图像，并对二值化图像进行轮廓分析后，可以根据确定的图像中轮廓满足预设条件的N个物体分别对应的N个位置信息，确定目标识别区域，进而对目标识别区域进行识别，确定二值化图像中包含的二维码信息，以根据二维码信息，确定机器人获取二值化图像时所在的位置。由此，只需对机器人获取的二值化图像中包含二维码的区域进行识别，即可确定二值化图像中包含的二维码信息，进而实现根据二维码信息，确定机器人获取二值化图像时所在的位置，减小了机器人定位过程中的工作量，节省了定位时间，提高了定位效率，改善了用户体验。
下面参考附图对本申请实施例的移动机器人定位方法、装置及移动机器人进行详细说明。
图1是本申请一个实施例的移动机器人定位方法的流程示意图。
如图1所示，该移动机器人定位方法包括：
步骤101，获取二值化图像。
其中，本申请实施例提供的移动机器人定位方法，可以由本申请实施例提供的移动机器人执行，以在移动机器人移动过程中对机器人进行准确定位。或者，该方法，也可以由调度服务器执行，以对调度系统内各机器人进行定位。
具体的，本申请实施例中可以首先在机器人工作区域的地面或者天花板上，均匀设置二维码。其中，每个二维码都对应一个唯一的坐标值，用于定义该二维码在机器人工作区域的位置。其中，坐标值，是指在世界坐标系下的坐标值。
相应的，机器人可以通过上视觉或者下视觉系统，实时的获取其所在位置对应的二维码图像，进而确定其所在的位置。
在本实施例一种较优的实现形式中，由于机器人的高度、工作区域的层高及工作区域内各料架位置的限制，若通过将二维码设置在天花板上，机器人的上视觉系统可能无法实时准确获取到位于天花板上的二维码图像，因此本申请中，通过在工作区域的地面上设置二维码，以辅助对机器人进行定位。
即上述步骤101，具体包括：
步骤101a，利用机器人下视觉系统，获取所在位置对应的图像；
其中，机器人下视觉系统，是指可以对机器人所在位置的周边地面进行摄像的视觉系统。
需要说明的是，在本发明实施例中，下视觉系统获取的机器人所在位置对应的图像，可以存储在下视觉系统中，也可以存储在机器人的存储器中，此处不作限制。另外，可以根据需要，设置定时或定量对存储的图像进行清理，以避免存储图像过多而影响图像的处理速度。
步骤101b，对图像进行自适应二值化处理，获取二值化图像。
具体的，步骤101b可以通过多种方式实现。
比如，可以先将获取的所在位置对应的图像转换为灰度图像，然后将灰度图像划分为多个4*4像素点的像素块，进而根据各像素块的像素值，确定二值化阈值，以对图像进行自适应二值化处理，继而获取二值化图像。
其中，像素块的像素值，可以是像素块中各像素点的最大像素值，即极大值，也可以是像素块中各像素点的最小像素值，即极小值，此处不做限制。另外，自适应二值化过程中，每个像素块统一使用其包括的各像素点的极大值或极小值作为像素块的像素值，本发明实施例采用像素块包括的各像素点的极大值作为像素块的像素值，进行二值化处理。
具体的，可以先根据
Figure BDA0001452559750000051
确定像素块x对应的二值化阈值thresholdx。然后，若像素块x的像素值小于thresholdx，则将像素块x的像素值设为0，即黑色；若像素块x的像素值大于thresholdx，则将像素块x的像素值设为1，即白色。其中，max为像素块x周围的3*3个像素块的最大像素值，min为像素块x周围的3*3个像素块的最小像素值。
举例来说，假设如图1A所示，“1”-“16”分别为将灰度图像划分后的像素块，像素块“6”的像素值为150，像素块“7”的像素值为80。若像素块“6”周围的3*3个像素块的最大像素值max＝180，最小像素值min＝50，则可以确定像素块“6”对应的二值化阈值为(180+50)/2＝115，由于像素块“6”的像素值大于二值化阈值，则可以将像素块“6”的像素值设为1。若像素块“7”周围的3*3个像素块的最大像素值max＝150，最小像素值min＝50，则可以确定像素块“7”对应的二值化阈值为(150+50)/2＝100，由于像素块“7”的像素值小于二值化阈值，则可以将像素块“7”的像素值设为0。
步骤102，对二值化图像进行轮廓分析，确定图像中轮廓满足预设条件的N个物体分别对应的N个位置信息，其中，N为大于1的正整数。
步骤103，根据N个位置信息，确定目标识别区域。
步骤104，对目标识别区域进行识别，确定二值化图像中包含的二维码信息。
其中，位置信息，用来表征物体的位置。具体的，可以利用物体的质心在世界坐标系下的坐标值表示，也可以利用其它方式表示，此处不作限制。
二维码信息，可以包括二维码在二值化图像中的角度、二维码的坐标值等等。
具体的，可以预先在二维码的周围设置多个具有特定轮廓特征的物体，在对二值化图像进行轮廓分析后，若根据图像中物体的轮廓特征，确定图像中的N个物体为预设物体，则可以根据N个物体分别对应的N个位置信息，确定二维码所在的目标识别区域，从而仅对目标识别区域进行识别，确定其中包含的二维码信息。
具体实现时，可以根据图像中物体的轮廓是否满足预设条件，来判断图像中物体是否为预设物体。相应的，在步骤102之前，还可以包括：
根据预设物体的轮廓特征，确定预设条件。
其中，预设物体，可以为圆形、三角形、正方形等等。预设物体的轮廓特征，可以为预设物体的面积、长度、角度、凸度等等。
在一种可能的实现形式中，预设物体为圆形时，确定预设条件可以包括：
确定预设物体对应的面积、圆心率、惯性率和/或凸度。
其中，预设物体对应的面积，为预设物体的实际面积。
预设物体对应的圆心率C可以通过下式得到：
Figure BDA0001452559750000061
其中，S和p分别表示预设物体的面积和周长，当C为1时，表示该预设物体是完美的圆形，当C为0时，表示该预设物体是一个逐渐拉长的长方形。
预设物体的惯性率，为预设物体最小直径和最大直径之间的比值。
预设物体的凸度，为预设物体的凹凸程度。
具体的，预设物体为圆形时，可以确定圆形对应的面积、圆心率、惯性率和/或凸度，然后根据确定的面积、圆心率、惯性率和/或凸度，确定图像中物体的面积、圆心率、惯性率和/或凸度所要满足的范围，当图像中某物体的面积、圆心率、惯性率和/或凸度在预设的范围内时，则可以确定图像中该物体的轮廓满足预设条件，即该物体为预设物体。
具体实现时，步骤102确定图像中满足预设条件的N个物体，可以包括：
对二值化图像进行轮廓识别，确定二值化图像中M个物体分别对应的M个轮廓，其中，M为大于或等于N的正整数；
根据M个轮廓的形状特征，确定满足预设条件的N个物体。
具体的，可以根据二值化图像中各个像素点的像素值的变化梯度，对二值化图像进行轮廓识别，以确定二值化图像中的M个物体分别对应的M个轮廓。然后根据M个轮廓的形状特征，确定M个物体是否满足预设条件，若M个物体中的N个物体满足预设条件，则可以确定满足预设条件的N个物体为预设物体。
以预设物体为圆形为例，可以根据预设的圆形对应的面积、圆心率、惯性率和/或凸度，确定二值化图像中物体的面积、圆心率、惯性率和/或凸度所要满足的范围。若对二值化图像进行轮廓识别后，确定了二值化图像中包含的M个物体分别对应的M个轮廓，则可以确定M个轮廓的面积、圆心率、惯性率和/或凸度是否在预设的范围内，若N个轮廓的面积、圆心率、惯性率和/或凸度在预设的范围内，则可以确定这N个轮廓对应的物体为预设物体。
进一步的，确定了图像中轮廓满足预设条件的N个物体后，即可确定N个物体分别对应的N个位置信息，进而确定N个物体围成的目标识别区域，以对目标识别区域进行识别，确定其中包含的二维码信息。
值得注意的是，由于预设物体的实际尺寸与其在图像中的尺寸通常不同，为了提高对图像中预设物体的识别的准确性，在确定了图像中轮廓满足预设条件的N个物体之后，还可以根据N个物体在二值化图像中的尺寸及预设物体的实际尺寸，确定N个物体是否为预设物体。
即，在步骤103之前，还可以包括：
分别根据N个物体在二值化图像中的尺寸及预设物体的实际尺寸，确定N个物体为预设物体。
其中，物体在二值化图像中的尺寸，可以指二值化图像中贯穿物体的最长直线所占的像素点的数量。比如，圆形在二值化图像中的尺寸，可以为二值化图像中圆形的直径所占的像素点的数量。
预设物体的实际尺寸，可以指贯穿预设物体的最长直线的实际长度。比如，圆形的实际尺寸，可以为圆形的直径的实际长度。
具体的，可以先根据预设物体的实际尺寸，计算得到预设物体在二值化图像中的尺寸，然后将N个物体在二值化图像中的尺寸与计算得到的预设物体在二值化图像中的尺寸进行比较，若N个物体在二值化图像中的尺寸与计算得到的预设物体在二值化图像中的尺寸均相等，则可以确定N个物体为预设物体。
具体实现时，可以通过下式确定预设物体在二值化图像中的尺寸：
Figure BDA0001452559750000071
其中，dimage为预设物体在二值化图像中的尺寸，即在二值化图像中贯穿物体的最长直线所占的像素点的数量；dworld为预设物体的实际尺寸；lworld为相机单方向可视范围；limage为图像单方向长度。
需要说明的是，考虑到一定的观测误差，通常当N个物体在二值化图像中的尺寸在
Figure BDA0001452559750000081
范围内时，即可确定N个物体为预设物体。其中，d为观测允许误差。
步骤105，根据二维码信息，确定机器人获取二值化图像时所在的位置。
具体的，机器人在移动过程中，实时的获取当前所在位置对应的二值化图像，并确定了二值化图像中，目标识别区域包含的二维码信息后，即可根据二维码信息，确定二维码的坐标值及二维码在二值化图像中的角度，以确定机器人获取二值化图像时所在的位置。
本实施例提供的移动机器人定位方法，通过预先在二维码周围设置具有特定轮廓特征的物体，从而在机器人获取当前位置对应的二值化图像，并对二值化图像进行轮廓分析后，可以根据确定的图像中轮廓满足预设条件的N个物体分别对应的N个位置信息，确定目标识别区域，进而对目标识别区域进行识别，确定二值化图像中包含的二维码信息，以根据二维码信息，确定机器人获取二值化图像时所在的位置。由此，只需对机器人获取的二值化图像中包含二维码的区域进行识别，即可确定二值化图像中包含的二维码信息，进而实现根据二维码信息，确定机器人获取二值化图像时所在的位置，减小了机器人定位过程中的工作量，节省了定位时间，提高了定位效率，改善了用户体验。
通过上述分析可知，可以对获取的二值化图像进行轮廓分析，确定二值化图像中轮廓满足预设条件的N个物体分别对应的N个位置信息，然后根据位置信息，确定目标识别区域，并对目标识别区域进行识别，确定二值化图像中包含的二维码信息，从而根据二维码信息，确定机器人获取二值化图像时所在的位置。在一种可能的实现形式中，由于噪点的影响，根据二值化图像中轮廓满足预设条件的N个物体的位置信息，确定的目标识别区域可能未包括完整的二维码图像。下面结合图2，对上述情况进行详细说明。
图2是本申请另一个实施例的移动机器人定位方法的流程示意图。
如图2所示，该移动机器人定位方法包括：
步骤201，利用机器人下视觉系统，获取所在位置对应的图像。
步骤202，对图像进行自适应二值化处理，获取二值化图像。
步骤203，根据预设物体的轮廓特征，确定预设条件。
步骤204，对二值化图像进行轮廓分析，确定图像中轮廓满足预设条件的N个物体分别对应的N个位置信息，其中，N为大于1的正整数。
其中，上述步骤201-204的具体实现过程及原理，可以参照上述实施例的详细描述，此处不再赘述。
步骤205，确定L个预设物体围成的第一区域形状，及N个物体围成的第二区域形状。
其中，L为预先设置在二维码周围的物体的数量。第一区域形状可以为圆形、方形等等任意形状。
步骤206，根据第一区域形状与第二区域形状的匹配度，确定目标识别区域大小。
具体的，若第一区域形状与第二区域形状匹配，则可以将第二区域作为目标识别区域。若第一区域形状与第二区域形状不匹配，则可以根据第一区域的形状及第二区域的形状，确定目标识别区域的大小。
具体实现时，若L个预设物体围成的第一区域为圆形，则可以通过以下方式，确定目标识别区域的大小。
步骤206a，根据N个位置信息，利用最小二乘法，计算N个物体围成的第二区域的圆心坐标及半径。
可以理解的是，L个预设物体围成的第一区域为圆形时，N个满足预设条件的物体围成的第二区域可能为圆形，或如图2A所示的接近圆形的图形，从而可以根据N个位置信息，利用最小二乘法拟合圆原理，计算N个物体围成的第二区域的圆心坐标及半径。
通常，在二维平面坐标系中，圆方程可以表示为：
(x-xc)2+(y-yc)2＝R2 (3)
其中，xc和yc分别为第二区域的圆心的横坐标和纵坐标，R为圆的半径。
通常的最小二乘法拟合，要求距离的平方和f最小，即下式(4)的值最小。
Figure BDA0001452559750000091
其中，xi和yi分别为N个物体的横坐标和纵坐标。
需要说明的是，在本发明实施例中，第二区域，可以是N个物体的质心围成的区域，也可以是N个物体上与圆心最近的点围成的区域，此次不作限制。因此，xi和yi分别可以是N个物体的质心的横坐标和纵坐标，或N个物体上与圆心最近的点的横坐标和纵坐标。具体的，xi和yi的值，可以根据N个位置信息确定。
在本发明实施例中，为了简化和提高抗干扰性计算，可以将上式(4)改为式(5)，当式(5)中的f取得最小值时，即可得到圆心(xc，yc)和半径R。
Figure BDA0001452559750000092
步骤206b，根据N个物体的位置信息、圆心的坐标及半径，确定N个物体围成的第二区域为圆形的置信度。
具体实现时，可以根据下式(6)，确定N个物体围成的第二区域为圆形的置信度s：
Figure BDA0001452559750000101
其中，pi为N个物体中第i个物体的坐标，c为圆心的坐标，dist(pi,c)为第i个物体到圆心的距离，R为圆的半径。
步骤206c，根据置信度，确定目标识别区域的大小。
具体的，确定了N个物体围成的第二区域为圆形的置信度s后，可以根据下式(7)，确定目标识别区域的大小。
Figure BDA0001452559750000102
其中，l用来表征目标识别区域的大小，其可以是目标识别区域的直径或半径、面积等；e为自然对数的底；lex用来表征理想状态下目标识别区域的大小，即L个预设物体围成的第一区域的大小，其可以是第一区域的直径或半径、面积等。
步骤207，对目标识别区域进行识别，确定二值化图像中包含的二维码信息。
其中，上述步骤207的具体实现过程及原理，可以参照上述实施例的详细描述，此处不作赘述。
步骤208，根据二维码信息，确定二维码在二值化图像中的角度及二维码的坐标值。
步骤209，根据二维码的角度及二维码的坐标值，确定机器人的全局坐标值。
其中，二维码的坐标值为工作区域内设置的二维码在世界坐标系下的坐标值。
二维码在二值化图像中的角度，指二值化图像中的二维码的方向相比工作区域中设置的二维码的方向的偏移角度。
机器人的全局坐标值，用来表征机器人的准确位置。
可以理解的是，根据二维码的坐标值，可以确定机器人当前的大概位置，而机器人在不同位置时，获取的包含同一二维码的图像中，二维码的角度不同。
举例来说，假设二维码以图2B所示的方式设置在机器人的工作区域，机器人在如图2B所示的A点区域时，其获取的包括A点左上角的二维码的图像可以如图2C所示，获取的包括A点右上角的二维码的图像可以如图2D所示,获取的包括A点左下角的二维码的图像可以如图2E所示,获取的包括A点右下角的二维码的图像可以如图2F所示。
因此，在本发明实施例中，可以根据二维码信息，确定二维码在二值化图像中的角度及二维码的坐标值，从而根据二维码的角度及二维码的坐标值，确定机器人的准确位置。
具体实现时，可以通过多种方式，确定二维码在二值化图像中的角度。本发明实施例以工作区域中设置的二维码为图2G所示的快速响应码(Quick-response code，简称QR二维码)为例进行说明。
其中，QR二维码呈正方形，在其三个角落处，分别包含一个位置探测图形，可帮助定位二维码。
具体的，可以根据二值化图像中，各探测位置图形与坐标原点间连线与X轴间的夹角，相比工作区域中，各探测位置图形与坐标原点间连线与X轴间的夹角的变化值，确定二维码在二值化图像中的角度。
比如，假设在工作区域中，QR二维码的方向为如图2H所示的方向，在二值化图像中，QR二维码的方向为如图2I所示的方向，则可以利用几何关系，根据各探测位置图形与坐标原点间连线与X轴间的夹角变化值，可以确定二维码在二值化图像中的角度为-45度。
或者，可以根据工作区域中，从标识为1的位置探测图像到标识为2的位置探测图像的矢量的方向与X轴正方向间的夹角，相比二值化图像中，从标识为1的位置探测图像到标识为2的位置探测图像的矢量的方向与X轴正方向间的夹角的变化值，确定二维码在二值化图像中的角度。
比如，假设在工作区域中，QR二维码的方向为如图2J所示的方向，其中从标识为1的位置探测图像到标识为2的位置探测图像的矢量的方向与X轴正方向间的夹角为0度；在二值化图像中，QR二维码的方向为如图2K所示的方向，其中从标识为1的位置探测图像到标识为2的位置探测图像的矢量的方向与X轴正方向间的夹角为45度，则可以确定二维码在二值化图像中的角度为-45度。
需要说明的是，本发明实施例中假设沿顺时针方向偏移的角度为大于0的角度，沿逆时针方向偏移的角度为小于0的角度。另外，为方便说明，附图2H-2K中未示出满足预设条件的物体。
另外，本发明实施例中，机器人工作区域中设置的所有二维码的方向相同。比如，可以将图2J所示的二维码中的标识为1的位置探测图形都朝向同一方向，来使得机器人工作区域中各二维码具有相同的方向。
进一步的，可以通过下式(8)，根据二维码的角度及二维码的坐标值，确定机器人的全局坐标值。
xworld＝xlocal·cos(θ)-yloal sin(θ)
yworld＝xlocalsin(θ)+ylocalcos(θ) (8)
其中，xworld为机器人的全局横坐标值，ylocal为机器人的全局纵坐标值，xlocal为二维码的横坐标值，ylocal为二维码的纵坐标值，θ为二维码在二值化图像中的角度。
本发明实施例的移动机器人定位方法，首先利用机器人下视觉系统，获取所在位置对应的图像，然后对图像进行自适应二值化处理，获取二值化图像，在根据预设物体的轮廓特征，确定预设条件后，通过对二值化图像进行轮廓分析，确定图像中轮廓满足预设条件的N个物体分别对应的N个位置信息，然后确定L个预设物体围成的第一区域形状，及N个物体围成的第二区域形状，并根据第一区域形状与第二区域形状的匹配度，确定目标识别区域大小，以对目标识别区域进行识别，确定二值化图像中包含的二维码信息，从而根据二维码信息，确定二维码在二值化图像中的角度及二维码的坐标值。由此，只需对机器人获取的二值化图像中包含二维码的区域进行识别，即可确定二值化图像中包含的二维码信息，进而实现根据二维码信息，确定机器人获取二值化图像时所在的位置，减小了机器人定位过程中的工作量，节省了定位时间，提高了定位效率，改善了用户体验。
为了实现上述实施例，本申请还提出一种移动机器人定位装置。
图3是本申请一个实施例的移动机器人定位装置的结构示意图。
如图3所示，该移动机器人定位装置，包括：
获取模块31，用于获取二值化图像；
分析模块32，用于对所述二值化图像进行轮廓分析，确定所述图像中轮廓满足预设条件的N个物体分别对应的N个位置信息，其中，N为大于1的正整数；
第一确定模块33，用于根据所述N个位置信息，确定目标识别区域；
识别模块34，用于对所述目标识别区域进行识别，确定所述二值化图像中包含的二维码信息；
第二确定模块35，用于根据所述二维码信息，确定机器人获取所述二值化图像时所在的位置。
具体的，本实施例提供的移动机器人定位装置，可以执行本发明实施例提供的移动机器人定位方法。其中，移动机器人定位装置，可以被配置在任意工作区域中设置有二维码的机器人中，以对机器人进行准确定位。
在本实施例一种可能的实现形式中，所述获取模块31，具体用于：
利用所述机器人下视觉系统，获取所在位置对应的图像；
对所述图像进行自适应二值化处理，获取所述二值化图像。
在另一种可能的实现形式中，所述装置，还包括：
第三确定模块，用于根据预设物体的轮廓特征，确定所述预设条件。
相应的，所述分析模块32，具体用于：
对所述二值化图像进行轮廓识别，确定所述二值化图像中M个物体分别对应的M个轮廓，其中，M为大于或等于N的正整数；
根据所述M个轮廓的形状特征，确定满足所述预设条件的N个物体。
进一步的，所述预设物体为圆形时，所述第三确定模块，具体用于：
确定所述预设物体对应的面积、圆心率、惯性率和/或凸度。
在另一种可能的实现形式中，所述装置，还包括：
第四确定模块，用于分别根据所述N个物体在所述二值化图像中的尺寸及预设物体的实际尺寸，确定所述N个物体为预设物体。
在另一种可能的实现形式中，所述装置，还包括：
第五确定模块，用于确定L个预设物体围成的第一区域形状，及所述N个物体围成的第二区域形状；
所述第一确定模块33，具体用于根据所述第一区域形状与所述第二区域形状的匹配度，确定所述目标识别区域大小。
进一步的，所述L个预设物体围成的第一区域为圆形时，所述第一确定模块33，还用于：
根据所述N个位置信息，利用最小二乘法，计算所述N个物体围成的第二区域的圆心坐标及半径；
根据所述N个物体的位置信息、所述圆心的坐标及半径，确定所述N个物体围成的第二区域为圆形的置信度；
根据所述置信度，确定所述目标识别区域的大小。
在另一种可能的实现形式中，所述第二确定模块35，具体用于：
根据所述二维码信息，确定所述二维码在所述二值化图像中的角度及二维码的坐标值；
根据所述二维码的角度及所述二维码的坐标值，确定所述机器人的全局坐标值。
需要说明的是，前述对移动机器人定位方法的说明，也适用于本实施例提供的移动机器人定位装置，此处对此不做赘述。
本实施例提供的移动机器人定位装置，通过预先在二维码周围设置具有特定轮廓特征的物体，从而在机器人获取当前位置对应的二值化图像，并对二值化图像进行轮廓分析后，可以根据确定的图像中轮廓满足预设条件的N个物体分别对应的N个位置信息，确定目标识别区域，进而对目标识别区域进行识别，确定二值化图像中包含的二维码信息，以根据二维码信息，确定机器人获取二值化图像时所在的位置。由此，只需对机器人获取的二值化图像中包含二维码的区域进行识别，即可确定二值化图像中包含的二维码信息，进而实现根据二维码信息，确定机器人获取二值化图像时所在的位置，减小了机器人定位过程中的工作量，节省了定位时间，提高了定位效率，改善了用户体验。
为了实现上述实施例，本申请还提出一种机器人。
图4是本申请一个实施例的机器人的结构示意图。
如图4所示，该机器人，包括存储器41、处理器42及视觉系统43。
其中，所述视觉系统43，用于获取所述机器人当前所在位置对应的图像；
所述存储器41，用于存储可执行的计算机程序；
所述处理器42，用于根据所述视觉系统获取的当前所在位置对应的图像，通过调用并执行所述存储器中存储的可执行的计算机程序，以实现如上所述的移动机器人定位方法。
需要说明的是，前述对移动机器人定位方法实施例的解释说明也适用于该实施例的机器人，此处不再赘述。
本发明第四方面实施例提出了一种计算机可读存储介质，其上存储有计算机程序，当该程序被处理器执行时实现如前述实施例中的移动机器人定位方法。
本发明第五方面实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，执行如前述实施例中的移动机器人定位方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本申请的至少一个实施例或示例中。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (18)

1.一种移动机器人定位方法，其特征在于，包括：
获取二值化图像；
对所述二值化图像进行轮廓分析，确定所述图像中轮廓满足预设条件的N个物体分别对应的N个位置信息，其中，N为大于1的正整数，其中，所述二值化图像中包括二维码图像，所述物体为在所述二维码图像周围设置的具有特定轮廓特征的物体，且所述物体包围所述二维码图像；
分别根据所述N个物体在所述二值化图像中的尺寸及预设物体的实际尺寸，确定所述N个物体为预设物体；
根据所述N个位置信息，确定目标识别区域；
对所述目标识别区域进行识别，确定所述二值化图像中包含的二维码信息；
根据所述二维码信息，确定机器人获取所述二值化图像时所在的位置。
2.如权利要求1所述的方法，其特征在于，所述获取二值化图像，包括：
利用所述机器人下视觉系统，获取所在位置对应的图像；
对所述图像进行自适应二值化处理，获取所述二值化图像。
3.如权利要求1所述的方法，其特征在于，所述确定所述图像中轮廓满足预设条件的N个物体之前，还包括：
根据预设物体的轮廓特征，确定所述预设条件。
4.如权利要求3所述的方法，其特征在于，所述确定所述图像中轮廓满足预设条件的N个物体，包括：
对所述二值化图像进行轮廓识别，确定所述二值化图像中M个物体分别对应的M个轮廓，其中，M为大于或等于N的正整数；
根据所述M个轮廓的形状特征，确定满足所述预设条件的N个物体。
5.如权利要求3所述的方法，其特征在于，所述预设物体为圆形；
所述确定所述预设条件，包括：
确定所述预设物体对应的面积、圆心率、惯性率和/或凸度。
6.如权利要求1-5任一所述的方法，其特征在于，所述根据所述N个位置信息，确定目标识别区域之前，还包括：
确定L个预设物体围成的第一区域形状，及所述N个物体围成的第二区域形状；
所述根据所述N个位置信息，确定目标识别区域，包括：
根据所述第一区域形状与所述第二区域形状的匹配度，确定所述目标识别区域大小。
7.如权利要求6所述的方法，其特征在于，所述L个预设物体围成的第一区域为圆形；
所述根据所述第一区域形状与所述第二区域形状的匹配度，确定所述目标识别区域大小，包括：
根据所述N个位置信息，利用最小二乘法，计算所述N个物体围成的第二区域的圆心坐标及半径；
根据所述N个物体的位置信息、所述圆心的坐标及半径，确定所述N个物体围成的第二区域为圆形的置信度；
根据所述置信度，确定所述目标识别区域的大小。
8.如权利要求1-5任一所述的方法，其特征在于，所述根据所述二维码信息，确定机器人获取所述二值化图像时所在的位置，包括：
根据所述二维码信息，确定所述二维码在所述二值化图像中的角度及二维码的坐标值；
根据所述二维码的角度及所述二维码的坐标值，确定所述机器人的全局坐标值。
9.一种移动机器人定位装置，其特征在于，包括：
获取模块，用于获取二值化图像；
分析模块，用于对所述二值化图像进行轮廓分析，确定所述图像中轮廓满足预设条件的N个物体分别对应的N个位置信息，其中，N为大于1的正整数，其中，所述二值化图像中包括二维码图像，所述物体为在所述二维码图像周围设置的具有特定轮廓特征的物体，且所述物体包围所述二维码图像；
第四确定模块，用于分别根据所述N个物体在所述二值化图像中的尺寸及预设物体的实际尺寸，确定所述N个物体为预设物体；
第一确定模块，用于根据所述N个位置信息，确定目标识别区域；
识别模块，用于对所述目标识别区域进行识别，确定所述二值化图像中包含的二维码信息；
第二确定模块，用于根据所述二维码信息，确定机器人获取所述二值化图像时所在的位置。
10.如权利要求9所述的装置，其特征在于，所述获取模块，具体用于：
利用所述机器人下视觉系统，获取所在位置对应的图像；
对所述图像进行自适应二值化处理，获取所述二值化图像。
11.如权利要求9所述的装置，其特征在于，还包括：
第三确定模块，用于根据预设物体的轮廓特征，确定所述预设条件。
12.如权利要求11所述的装置，其特征在于，所述分析模块，具体用于：
对所述二值化图像进行轮廓识别，确定所述二值化图像中M个物体分别对应的M个轮廓，其中，M为大于或等于N的正整数；
根据所述M个轮廓的形状特征，确定满足所述预设条件的N个物体。
13.如权利要求11所述的装置，其特征在于，所述预设物体为圆形；
所述第三确定模块，具体用于：
确定所述预设物体对应的面积、圆心率、惯性率和/或凸度。
14.如权利要求9-13任一所述的装置，其特征在于，还包括：
第五确定模块，用于确定L个预设物体围成的第一区域形状，及所述N个物体围成的第二区域形状；
所述第一确定模块，具体用于：
根据所述第一区域形状与所述第二区域形状的匹配度，确定所述目标识别区域大小。
15.如权利要求14所述的装置，其特征在于，所述L个预设物体围成的第一区域为圆形；
所述第一确定模块，还用于：
根据所述N个位置信息，利用最小二乘法，计算所述N个物体围成的第二区域的圆心坐标及半径；
根据所述N个物体的位置信息、所述圆心的坐标及半径，确定所述N个物体围成的第二区域为圆形的置信度；
根据所述置信度，确定所述目标识别区域的大小。
16.如权利要求9-13任一所述的装置，其特征在于，所述第二确定模块，具体用于：
根据所述二维码信息，确定所述二维码在所述二值化图像中的角度及二维码的坐标值；
根据所述二维码的角度及所述二维码的坐标值，确定所述机器人的全局坐标值。
17.一种移动机器人，其特征在于，包括存储器、处理器及视觉系统；
所述视觉系统，用于获取所述机器人当前所在位置对应的图像；
所述存储器，用于存储可执行的计算机程序；
所述处理器，用于根据所述视觉系统获取的当前所在位置对应的图像，通过调用并执行所述存储器中存储的可执行的计算机程序，以实现如权利要求1-8任一所述的移动机器人定位方法。
18.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8中任一所述的移动机器人定位方法。
CN201711047477.5A 2017-10-31 2017-10-31 移动机器人定位方法、装置及移动机器人 Active CN107766859B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711047477.5A CN107766859B (zh) 2017-10-31 2017-10-31 移动机器人定位方法、装置及移动机器人

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711047477.5A CN107766859B (zh) 2017-10-31 2017-10-31 移动机器人定位方法、装置及移动机器人

Publications (2)

Publication Number Publication Date
CN107766859A CN107766859A (zh) 2018-03-06
CN107766859B true CN107766859B (zh) 2020-12-11

Family

ID=61271033

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711047477.5A Active CN107766859B (zh) 2017-10-31 2017-10-31 移动机器人定位方法、装置及移动机器人

Country Status (1)

Country Link
CN (1) CN107766859B (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108594822A (zh) * 2018-05-10 2018-09-28 哈工大机器人（昆山）有限公司 基于二维码的机器人定位方法、机器人充电方法及系统
CN108827316B (zh) * 2018-08-20 2021-12-28 南京理工大学 基于改进的Apriltag标签的移动机器人视觉定位方法
CN109470233B (zh) * 2018-09-13 2021-09-28 北京米文动力科技有限公司 一种定位方法及设备
CN109753075B (zh) * 2019-01-29 2022-02-08 中国农业科学院农业资源与农业区划研究所 一种基于视觉的农林园区机器人导航方法
CN110163025A (zh) * 2019-04-29 2019-08-23 达泊(东莞)智能科技有限公司 二维码定位方法及装置
CN110197095B (zh) * 2019-05-13 2023-08-11 深圳市普渡科技有限公司 机器人识别定位标识的方法及系统
CN110414511B (zh) * 2019-07-30 2022-05-03 深圳市普渡科技有限公司 用于机器人的合作标志识别方法及系统
CN111157005A (zh) * 2020-01-07 2020-05-15 深圳市锐曼智能装备有限公司 基于反光片定位方法和装置
CN111366392B (zh) * 2020-04-01 2022-02-08 伯朗特机器人股份有限公司 工业机器人最小定位时间的测量和计算方法
CN113538574B (zh) * 2021-01-04 2022-09-27 腾讯科技（深圳）有限公司 位姿定位方法、装置、设备及计算机可读存储介质
CN114910020B (zh) * 2021-02-09 2023-11-21 北京小米机器人技术有限公司 可移动设备的定位方法、装置、可移动设备及存储介质
CN113093763B (zh) * 2021-04-13 2023-04-07 塔米智能科技（北京）有限公司 一种移动机器人调度系统和方法
CN113761255B (zh) * 2021-08-19 2024-02-09 劢微机器人科技(深圳)有限公司 机器人室内定位方法、装置、设备及存储介质
CN113776546A (zh) * 2021-09-03 2021-12-10 上海擎朗智能科技有限公司 一种机器人路径的确定方法、装置、电子设备及介质
CN114510953A (zh) * 2022-01-20 2022-05-17 深圳市墨甲智能科技有限责任公司 位置获取方法、装置、电子设备及计算机可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101430768A (zh) * 2007-11-07 2009-05-13 刘涛 一种二维条码系统及其定位方法
CN106527432A (zh) * 2016-11-04 2017-03-22 浙江大学 基于模糊算法和二维码自矫正的室内移动机器人协作系统
CN107066970A (zh) * 2017-04-13 2017-08-18 深圳力子机器人有限公司 用于无轨导航agv的视觉定位方法以及装置和系统
CN107291072A (zh) * 2016-03-31 2017-10-24 大族激光科技产业集团股份有限公司 一种移动机器人路径规划系统及方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100955483B1 (ko) * 2008-08-12 2010-04-30 삼성전자주식회사 3차원 격자 지도 작성 방법 및 이를 이용한 자동 주행 장치의 제어 방법
JP2014191689A (ja) * 2013-03-28 2014-10-06 Hitachi Industrial Equipment Systems Co Ltd 移動体の走行制御手段に対して制御指令を出力する位置検出装置を取り付けた移動体及びその位置検出装置
CN206113954U (zh) * 2016-09-14 2017-04-19 哈工大机器人集团上海有限公司 一种用于确定机器人位置的路标和设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101430768A (zh) * 2007-11-07 2009-05-13 刘涛 一种二维条码系统及其定位方法
CN107291072A (zh) * 2016-03-31 2017-10-24 大族激光科技产业集团股份有限公司 一种移动机器人路径规划系统及方法
CN106527432A (zh) * 2016-11-04 2017-03-22 浙江大学 基于模糊算法和二维码自矫正的室内移动机器人协作系统
CN107066970A (zh) * 2017-04-13 2017-08-18 深圳力子机器人有限公司 用于无轨导航agv的视觉定位方法以及装置和系统

Also Published As

Publication number Publication date
CN107766859A (zh) 2018-03-06

Similar Documents

Publication Publication Date Title
CN107766859B (zh) 移动机器人定位方法、装置及移动机器人
CN107687855B (zh) 机器人定位方法、装置及机器人
CN109388093B (zh) 基于线特征识别的机器人姿态控制方法、系统及机器人
US10824853B2 (en) Human detection system for construction machine
CN107527368B (zh) 基于二维码的三维空间姿态定位方法与装置
CN107025455B (zh) 一种快速反应qr码区域的定位方法及装置
US10043279B1 (en) Robust detection and classification of body parts in a depth map
CN104197899A (zh) 移动机器人定位方法及系统
CN112700552A (zh) 三维物体检测方法、装置、电子设备及介质
CN115609591B (zh) 一种基于2D Marker的视觉定位方法和系统、复合机器人
CN113984081B (zh) 定位方法、装置、自移动设备和存储介质
CN109784250A (zh) 自动引导小车的定位方法和装置
CN108022264A (zh) 相机位姿确定方法及设备
CN110807807B (zh) 一种单目视觉的目标定位的图案、方法、装置及设备
CN112686950B (zh) 位姿估计方法、装置、终端设备及计算机可读存储介质
CN111380510A (zh) 重定位方法及装置、机器人
CN112509145B (zh) 基于三维视觉的物料分拣方法和装置
WO2021056501A1 (zh) 提取特征点的方法、可移动平台及存储介质
CN110673607A (zh) 动态场景下的特征点提取方法、装置、及终端设备
JPH07103715A (ja) 視覚に基く三次元位置および姿勢の認識方法ならびに視覚に基く三次元位置および姿勢の認識装置
CN114897999B (zh) 物体位姿识别方法、电子设备、存储介质和程序产品
JP2007200364A (ja) ステレオキャリブレーション装置とそれを用いたステレオ画像監視装置
CN109388131B (zh) 基于角点特征识别的机器人姿态控制方法、系统及机器人
Mutka et al. A low cost vision based localization system using fiducial markers
JPH1151611A (ja) 認識対象物体の位置姿勢認識装置および位置姿勢認識方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20220621

Address after: 528311 area a, 2nd floor, building B1, 3 Liaoshen Road, Beijiao Town, Shunde District, Foshan City, Guangdong Province

Patentee after: KUKA ROBOT (GUANGDONG) Co.,Ltd.

Address before: 528311 Global Innovation Center of Penglai Road Industrial Avenue Mei, Beijiao Town, Shunde District, Foshan City, Guangdong Province

Patentee before: GUANGDONG MIDEA INTELLIGENT ROBOT Co.,Ltd.

TR01 Transfer of patent right