CN108628310B - 基于射影单应性矩阵的机器人无标定视觉伺服轨迹规划方法 - Google Patents
基于射影单应性矩阵的机器人无标定视觉伺服轨迹规划方法 Download PDFInfo
- Publication number
- CN108628310B CN108628310B CN201810392600.5A CN201810392600A CN108628310B CN 108628310 B CN108628310 B CN 108628310B CN 201810392600 A CN201810392600 A CN 201810392600A CN 108628310 B CN108628310 B CN 108628310B
- Authority
- CN
- China
- Prior art keywords
- camera
- image
- homography matrix
- ideal
- coordinate system
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
- G06F17/12—Simultaneous equations, e.g. systems of linear equations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Abstract
本发明属于机器人技术领域,并公开了基于射影单应性矩阵的机器人无标定视觉伺服轨迹规划方法。首先获取理想图像与参考图像,然后结合初始图像与理想图像、参考图像之间的特征点的匹配关系,计算初始图像与理想图像之间的射影单应性矩阵的真实值以及无穷远射影单应性矩阵的真实值,最后根据射影单应性矩阵的真实值在射影单应性矩阵空间进行轨迹规划。本发明所涉及的轨迹规划过程完全不需要任何相机参数,且所生成的射影单应性矩阵空间的轨迹等效于相机在三维空间中直线运动与最优旋转运动的结合,有利于提升视觉伺服技术在无标定条件下的性能与鲁棒性。
Description
技术领域
本发明属于机器人技术领域,更具体地,涉及机器人无标定视觉伺服轨迹规划方法。
背景技术
视觉伺服技术通过结合机器视觉与机器人技术,有利于扩大机器人的应用范围,提升机器人作业能力。传统视觉伺服技术需要对相机、机器人以及手-眼关系进行标定,标定环节通常需要一定的专业技能才能完成,且耗时耗力,不利于视觉伺服技术的广泛推广。无标定视觉伺服技术通过规避系统标定环节,在不损失视觉伺服系统性能的前提下,有效的提高了视觉伺服系统的鲁棒性与灵活性。
经典的无标定视觉伺服通常是基于图像的视觉伺服方法,尽管拥有较好的局部性能,但由于控制闭环在图像空间完成,没有对机器人在三维空间轨迹进行约束,因此普遍面临三维空间轨迹不理想的问题。此外,由于缺乏全局收敛的理论支持,系统在初始误差较大时存在失稳发散的可能性。对无标定视觉伺服方法进行轨迹规划,可将较大的初始误差分解为较小的误差区间,同时规划出理想的机器人三维空间轨迹,有效克服经典无标定视觉伺服的一系列缺陷。
基于图像的无标定视觉伺服方法,其目标函数的维度与图像中特征的数量成正比,当图像特征过于丰富时,系统目标函数维度将过于庞大,导致对应的雅克比矩阵维度过大,在线估计困难,计算耗时,不利于实时在线调控。基于射影单应性矩阵的机器人无标定视觉伺服方法可将冗余的图像信息转换成紧凑的单应性矩阵,使得目标函数维度固定,有效约束了计算量,提高了无标定视觉伺服系统的实时性。但是,基于射影单应性矩阵的方法也面临着三维空间轨迹不理想、全局收敛特性不明的问题。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了基于射影单应性矩阵的机器人无标定视觉伺服轨迹规划方法,优化了无标定条件下机器人视觉伺服系统的三维空间轨迹,便于射影单应性矩阵空间的伺服控制。
为实现上述目的,按照本发明,提供了基于射影单应性矩阵的机器人无标定视觉伺服轨迹规划方法,其特征在于,所述方法包括如下步骤:
1)获取理想图像与参考图像:使用安装在机器人上的机载移动相机,针对目标上不少于8个不共面的特征点其中λ=1,2,3,...m0,m0不小于8,在相机理想位姿坐标系下获取理想图像理想图像上各特征点的像素坐标 分别为理想图像上第λ个特征点像素坐标的横坐标和纵坐标,随后在相机参考位姿坐标系下获取参考图像参考图像上各特征点的像素坐标为 分别为参考图像上第λ个特征点像素坐标的横坐标和纵坐标;
优选地,步骤1)中,所述相机参考位姿坐标系是在所述相机理想位姿坐标系的基础上,相机进行如下不改变姿态的平移运动获得:所述不改变姿态的平移运动所引起的每个特征点在图像上的像素坐标变化量均不少于10,且各特征点图像均不超出相机视场范围,所述相机参考位姿坐标系与所述相机理想位姿坐标系之间的旋转矩阵R1a=I,其中I是单位矩阵。
其中(B1a)1与(B1a)2分别表示所述B1a向量的第一个元素和第二个元素,并且η=1,2,3,...m1;
3.2.1)任选所述目标物上的三个特征点,确定一个平面π;
3.2.6)选择步骤3.2.1)所述的用于确定所述平面π的所述三个特征点中的任意一个特征点,根据如下公式计算射影单应性矩阵G01:
优选地,步骤4)中,生成射影单应性矩阵空间的轨迹G(t)的过程如下:
4.2)根据下式得到t时刻的射影单应性矩阵空间的轨迹G(t):
其中,t为归一化后的时间的取值,其中0≤t≤1,G∞(t)是规划的无穷远射影单应性矩阵空间的轨迹,G∞(t)根据下式获取:
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
1)本发明优化无标定条件下机器人视觉伺服系统的三维空间轨迹;
2)本发明扩大无标定条件下机器人视觉伺服系统的作业范围;
3)本发明通过计算射影单应性矩阵的真实值,提升无标定条件下视觉伺服系统的控制精度;
4)本发明提升无标定条件下机器人视觉伺服系统的鲁棒性
附图说明
图1是为相机在理想位姿、初始位姿、参考位姿对特征点进行成像的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明的基于射影单应性矩阵的机器人无标定视觉伺服轨迹规划方法,相机的内参数以及相机与机器人的手眼关系完全未知,所述轨迹规划是在射影单应性矩阵空间内进行,所规划出的单应性矩阵空间的轨迹等效对应于相机在三维空间中做直线平移运动,同时做旋转轨迹最短的绕轴旋转运动。
参照图1,本实施方式所规划的射影单应性矩阵空间的轨迹G(t)是关于时间t的矩阵函数,用于描述给定的t时刻相机所拍摄的图像与理想图像之间的射影单应性矩阵。所述基于射影单应性矩阵的机器人无标定视觉伺服轨迹规划方法,其具体步骤包括:
1)获取理想图像与参考图像:使用安装在机器人上的机载移动相机,针对目标上不少于8个不共面的特征点其中λ=1,2,3,...m0,m0不小于8,在相机理想位姿坐标系下获取理想图像理想图像上各特征点的像素坐标 分别为理想图像上第λ个特征点像素坐标的横坐标和纵坐标,随后在相机参考位姿坐标系下获取参考图像参考图像上各特征点的像素坐标为 分别为参考图像上第λ个特征点像素坐标的横坐标和纵坐标。
3)计算射影单应性矩阵。根据所述理想图像所述参考图像以及所述初始图像中各特征点的像素坐标,计算所述初始图像与所述理想图像之间的射影单应性矩阵的真实值G01以及无穷远射影单应性矩阵的真实值计算所述初始图像与所述理想图像之间的无穷远射影单应性矩阵的真实值的方法为:
其中(B1a)1与(B1a)2分别表示所述B1a向量的第一个元素和第二个元素,并且η=1,2,3,...m1;
(4)将上述方程组改写成矩阵形式:
对矩阵Aa进行SVD分解,Aa=UDVT,U是2m1×2m1阶酉矩阵,D是2m1×(m1+3)阶对角矩阵,V是(m1+3)×(m1+3)阶酉矩阵,VT是V的转置,Aa最小的奇异值对应的V中的那一列即为上述方程的解,即可获得所述相机理想位姿坐标系下各个特征点的深度估计值
(6)选择m2个特征点,m2≥6,根据式(4)建立3m2个方程的方程组:
对矩阵A0进行SVD分解,U1是3m2×3m2阶酉矩阵,D1是3m2×(m2+12)阶对角矩阵,V1是(m2+12)×(m2+12)阶酉矩阵,是V1的转置,A0最小的奇异值对应的V中的那一列即为上述方程的一组解,从而获取的任意比例缩放值
选择所述平面π上的三个点使用其在所述初始图像中的坐标以及在所述理想图像中的坐标构造变换矩阵M1=[p1 1 p2 1 p3 1]。将各个点的图像像素坐标转化为:其中进一步,在M和M1下,将待求取的射影单应性矩阵转化为对角阵;
将方程(8)进一步转化为如下方程:
(2)根据下式得到t时刻所述射影单应性矩阵空间的轨迹:
其中,t为归一化后的时间的取值,其中0≤t≤1,G∞(t)是所规划的所述无穷远射影单应性矩阵空间的轨迹,G∞(t)根据下式获取:
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.基于射影单应性矩阵的机器人无标定视觉伺服轨迹规划方法,其特征在于,所述方法包括如下步骤:
1)获取理想图像与参考图像:使用安装在机器人上的机载移动相机,针对目标上不少于8个不共面的特征点其中λ=1,2,3,...m0,m0不小于8,在相机理想位姿坐标系下获取理想图像理想图像上各特征点的像素坐标 分别为理想图像上第λ个特征点像素坐标的横坐标和纵坐标,随后在相机参考位姿坐标系下获取参考图像参考图像上各特征点的像素坐标为 分别为参考图像上第λ个特征点像素坐标的横坐标和纵坐标;
3)计算射影单应性矩阵:根据所述理想图像所述参考图像以及所述初始图像中各特征点的像素坐标,计算所述初始图像与所述理想图像之间的射影单应性矩阵的真实值G01以及无穷远射影单应性矩阵的真实值其中计算所述射影单应性矩阵的真实值G01的步骤如下:
3.2.1)任选所述目标物上的三个特征点,确定一个平面π;
3.2.6)选择步骤3.2.1)所述的用于确定所述平面π的所述三个特征点中的任意一个特征点,根据如下公式计算射影单应性矩阵G01:
3.1.3)在所述理想图像与所述参考图像中,从所述步骤1)中的m0个特征点中选择m1个特征点,其中3≤m1≤m0,根据公式(四),对每一个特征点利用特征点在所述理想图像中的像素坐标以及特征点在所述参考图像中的像素坐标建立两个方程,m1个特征点共有2m1个方程:
4.根据权利要求3所述的基于射影单应性矩阵的机器人无标定视觉伺服轨迹规划方法,其特征在于,步骤4)中,生成射影单应性矩阵空间的轨迹G(t)的过程如下:
4.2)根据下式得到t时刻的射影单应性矩阵空间的轨迹G(t):
其中,t为归一化后的时间的取值,其中0≤t≤1,G∞(t)是规划的无穷远射影单应性矩阵空间的轨迹,G∞(t)根据下式获取:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810392600.5A CN108628310B (zh) | 2018-04-27 | 2018-04-27 | 基于射影单应性矩阵的机器人无标定视觉伺服轨迹规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810392600.5A CN108628310B (zh) | 2018-04-27 | 2018-04-27 | 基于射影单应性矩阵的机器人无标定视觉伺服轨迹规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108628310A CN108628310A (zh) | 2018-10-09 |
CN108628310B true CN108628310B (zh) | 2020-08-14 |
Family
ID=63694889
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810392600.5A Active CN108628310B (zh) | 2018-04-27 | 2018-04-27 | 基于射影单应性矩阵的机器人无标定视觉伺服轨迹规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108628310B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109634301B (zh) * | 2018-12-05 | 2021-01-26 | 浙江大学 | 一种考虑视场角限制以及运动不确定性的结合记忆的旋翼飞行器高速飞行避障方法 |
CN111319037A (zh) * | 2018-12-17 | 2020-06-23 | 中国科学院长春光学精密机械与物理研究所 | 冗余机器人无标定视觉伺服控制方法及系统 |
US11865724B2 (en) * | 2021-04-26 | 2024-01-09 | Ubkang (Qingdao) Technology Co., Ltd. | Movement control method, mobile machine and non-transitory computer readable storage medium |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682468A (zh) * | 2011-03-15 | 2012-09-19 | 云南大学 | 一种基于平行平面和无穷远点的仿射重构的方法 |
CN106204625A (zh) * | 2016-07-27 | 2016-12-07 | 大连理工大学 | 一种可变焦距柔性化位姿视觉测量方法 |
CN107901041B (zh) * | 2017-12-15 | 2021-06-15 | 中南大学 | 一种基于图像混合矩的机器人视觉伺服控制方法 |
-
2018
- 2018-04-27 CN CN201810392600.5A patent/CN108628310B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108628310A (zh) | 2018-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110020985B (zh) | 一种双目机器人的视频拼接系统及方法 | |
CN108628310B (zh) | 基于射影单应性矩阵的机器人无标定视觉伺服轨迹规划方法 | |
US8174538B2 (en) | Structure-preserving clone brush | |
Dame et al. | Mutual information-based visual servoing | |
CN111754579B (zh) | 多目相机外参确定方法及装置 | |
CN107843251B (zh) | 移动机器人的位姿估计方法 | |
CN105976380B (zh) | 一种基于视觉的机器人喷涂轨迹校准方法 | |
CN107192375B (zh) | 一种基于航拍姿态的无人机多帧图像自适应定位校正方法 | |
CN107192376A (zh) | 基于帧间连续性的无人机多帧图像目标定位校正方法 | |
Zhi et al. | Simultaneous hand-eye calibration and reconstruction | |
CN109325980A (zh) | 一种用于机械手定位目标的方法、装置及机械手 | |
CN110458896A (zh) | 一种基于绝对二次曲面的相机内参求解方法及系统 | |
Dinh et al. | Rectification using different types of cameras attached to a vehicle | |
CN112862683A (zh) | 一种基于弹性配准和网格优化的邻接图像拼接方法 | |
CN115797461A (zh) | 基于双目视觉的火焰空间定位系统标定与校正方法 | |
CN112857328B (zh) | 一种无标定摄影测量方法 | |
CN108898550B (zh) | 基于空间三角面片拟合的图像拼接方法 | |
Kurz et al. | Bundle adjustment for stereoscopic 3d | |
CN116797733A (zh) | 实时三维物体动态重建方法 | |
Schramm et al. | Calibration free image point path planning simultaneously ensuring visibility and controlling camera path | |
Pathak et al. | Distortion-robust spherical camera motion estimation via dense optical flow | |
Benhimane et al. | Integration of Euclidean constraints in template based visual tracking of piecewise-planar scenes | |
Hata et al. | CS231A Course Notes 3: Epipolar Geometry | |
CN109859268A (zh) | 基于生成查询网络的物体被遮挡部分成像方法 | |
Li et al. | Depth-camera calibration optimization method based on homography matrix |
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 |