CN109676602A - 行走机器人的自适应标定方法、系统、设备及存储介质 - Google Patents
行走机器人的自适应标定方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN109676602A CN109676602A CN201811115433.6A CN201811115433A CN109676602A CN 109676602 A CN109676602 A CN 109676602A CN 201811115433 A CN201811115433 A CN 201811115433A CN 109676602 A CN109676602 A CN 109676602A
- Authority
- CN
- China
- Prior art keywords
- coordinate
- walking robot
- image
- revolver
- self
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/1653—Programme controls characterised by the control loop parameters identification, estimation, stiffness, accuracy, error analysis
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Manipulator (AREA)
Abstract
本发明提供了行走机器人的自适应标定方法、系统、设备及存储介质,其中,方法包括:设置关于行走机器人的左轮线速度的第一权重系数、关于右轮线速度的第二权重系数以及关于角速度的第三权重系数;通过定位迭代获得当前理论坐标,通过视频定位获得当前实际坐标;根据当前理论坐标与当前实际坐标的偏移,求解至少一组第一权重系数、第二权重系数和第三权重系数,以用于获得理论坐标。本发明能够针对不同的应用场景,根据场景的变化和机器人运动特性的变化自适应校准,可以使机器人在各种场景下都能达到很好的运动精度,大大提高了标定的准确性以及适用于不同场景的灵活性。
Description
技术领域
本发明涉及机器人标定领域,具体地说,涉及行走机器人的自适应标定方法、系统、设备及存储介质。
背景技术
随着计算机技术的发展,计算机视觉作为人工智能的一个重要研究领域,已经广泛地应用于各行各业。将计算机视觉技术与机器人技术相结合,也使得智能机器人领域得到大力发展。对于机械臂抓取,传统地采用人工示教的方式,如手掰机械臂,使机械臂到某个固定位置进行抓取,这种方式比较低效并且由于机械臂对周围环境毫无感知能力,如果机械臂位置或是物体位置发生变化,机械臂则抓不到物体。
将计算机视觉应用到机器人领域,通常是结合模式识别和图像处理的方法分析处理图像数据,获得目标物体的空间位置和姿态,有了目标物体的位姿,机器人便可以自主地进行路径规划。
而将物体在相机坐标系下的坐标转换到机械臂坐标系下,就称作相机和机器人的手眼标定,这是利用计算机视觉进行机械臂抓取的重要前提和基础。根据相机安装位置的不同,一般分为两种:安装在机械臂上,相机随机械臂而动,称作眼在手上(eye in hand),安装在机械臂外,相机不随着机械臂运动,称作眼在手外(eye to hand)。而一般手眼标定过程繁杂,需要人工干预,或取标志点,或人工记录数据,不方便使用,而视觉实验中用到手眼标定的时候很多,无论是相机位置或机械臂位置发生变化,相机类型或机械臂类型发生变化时,都要重新进行手眼标定,而传统的手眼标定耗时较长,大大拉长了视觉实验的周期。
因此,本发明提供了一种行走机器人的自适应标定方法、系统、设备及存储介质。
发明内容
针对现有技术中的问题,本发明的目的在于提供行走机器人的自适应标定方法、系统、设备及存储介质,能够针对不同的应用场景,根据场景的变化和机器人运动特性的变化自适应校准,可以使机器人在各种场景下都能达到很好的运动精度。
本发明的实施例提供一种行走机器人的自适应标定方法,设置关于行走机器人的左轮线速度的第一权重系数、关于右轮线速度的第二权重系数以及关于角速度的第三权重系数;通过定位迭代获得当前理论坐标,通过视频定位获得当前实际坐标;根据当前理论坐标与当前实际坐标的偏移,求解至少一组所述第一权重系数、第二权重系数和第三权重系数,以用于获得理论坐标。
优选地,包括以下步骤:
数据采集步骤,设所述行走机器人位于基于地面的平面坐标系内运动,采集行走机器人的左轮实际线速度Vleft、右轮实际线速度Vright、两轮之间的间距E;
当前理论坐标获得步骤,根据前一时刻Tn-1的平面坐标(xn-1,yn-1) 和所述前一时刻至当前时刻的运动数据组,获得当前时刻Tn所述行走机器人的当前理论坐标(xn,yn),所述运动数据组包括左轮线速度VL=αVleft、右轮线速度VR=βVright、两轮之间的间距E以及角速度W,
其中,角速度其中,α、β、δ为权重系数;
当前实际坐标获得步骤,根据前一时刻行走机器人的相机模块拍摄的图像中的参考物与当前时刻拍摄的图像中的同一参考物在图像坐标系的位移,获得当前时刻所述行走机器人的当前实际坐标(xn′,yn′);
判断步骤,判断是否能获得在预设函数偏差阈值的范围内获得至少一组满足公式组的α、β、δ的值,所述函数偏差阈值的范围为±0.5%至±2%,所述公式组为:
若是,则保存α、β、δ的值;
若否,则进入下一时刻Tn+1,返回当前理论坐标获得步骤。
优选地,在所述数据采集步骤中,所述左轮实际线速度其中
nL为左轮计数器的计数值;
NL为左轮计数器每旋转一圈对应的计数值;
dL为左轮的直径;
T为计算周期。
优选地,在所述数据采集步骤中,所述右轮实际线速度其中
nR为右轮计数器的计数值;
NR为右轮计数器每旋转一圈对应的计数值;
dR为右轮的直径;
T为计算周期。
优选地,所述当前实际坐标获得步骤包括:
在所述前一时刻拍摄的图像中建立图像坐标系,获得一参考物一第一坐标;
在所述当前时刻拍摄的图像中建立图像坐标系,获得与前一时刻的图像中相同参考物的第二坐标;
将所述图像坐标系中第一坐标至第二坐标的位移,通过相机内参矩阵转换到行走机器人基于地面的平面坐标系的位移。
本发明的实施例还提供一种行走机器人的自适应标定系统,用于实现上述的行走机器人的自适应标定方法,包括:
数据采集模块,设所述行走机器人位于基于地面的平面坐标系内运动,采集行走机器人的左轮实际线速度Vleft、右轮实际速度Vright、两轮之间的间距E;
当前理论坐标获得模块,根据前一时刻Tn-1的平面坐标(xn-1,yn-1) 和所述前一时刻至当前时刻的运动数据组,获得当前时刻Tn所述行走机器人的当前理论坐标(xn,yn),所述运动数据组包括左轮线速度VL=αVleft、右轮线速度VR=βVright、两轮之间的间距E以及角速度W,
其中,角速度其中,α、β、δ为权重系数;
当前实际坐标获得模块,根据前一时刻行走机器人的相机模块拍摄的图像中的参考物与当前时刻拍摄的图像中的同一参考物在图像坐标系的位移,获得当前时刻所述行走机器人的当前实际坐标(xn′,yn′);
判断模块,判断是否能获得在预设函数偏差阈值的范围内获得至少一组满足公式组的α、β、δ的值,所述函数偏差阈值的范围为±0.5%至±2%,所述公式组为:
若是,则保存α、β、δ的值;若否,则进入下一时刻Tn+1,返回当前理论坐标获得步骤。
优选地,在所述数据采集模块中,
所述左轮实际线速度其中
nL为左轮计数器的计数值;
NL为左轮计数器每旋转一圈对应的计数值;
dL为左轮的直径;
T为计算周期。
优选地,在所述数据采集模块中,
所述右轮实际线速度其中
nR为右轮计数器的计数值;
NR为右轮计数器每旋转一圈对应的计数值;
dR为右轮的直径;
T为计算周期。
优选地,所述当前实际坐标获得模块中,在所述前一时刻拍摄的图像中建立图像坐标系,获得一参考物一第一坐标;
在所述当前时刻拍摄的图像中建立图像坐标系,获得与前一时刻的图像中相同参考物的第二坐标;
将所述图像坐标系中第一坐标至第二坐标的位移,通过相机内参矩阵转换到行走机器人基于地面的平面坐标系的位移。
本发明的实施例还提供一种行走机器人的自适应标定设备,包括:
处理器;
存储器,其中存储有所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行上述行走机器人的自适应标定方法的步骤。
本发明的实施例还提供一种计算机可读存储介质,用于存储程序,所述程序被执行时实现上述行走机器人的自适应标定方法的步骤。
本发明的行走机器人的自适应标定方法、系统、设备及存储介质,能够针对不同的应用场景,根据场景的变化和机器人运动特性的变化自适应校准,可以使机器人在各种场景下都能达到很好的运动精度,大大提高了标定的准确性以及适用于不同场景的灵活性。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显。
图1是本发明的行走机器人的自适应标定方法的流程图;
图2是使用本发明的扫地机器人的示意图;
图3是扫地机器人在前一时刻拍摄图像的示意图;
图4是前一时刻拍摄得到图像的示意图;
图5是扫地机器人在当前时刻拍摄图像的示意图;
图6是当前时刻拍摄得到图像的示意图;
图7是本发明的行走机器人的自适应标定系统的模块示意图;
图8是本发明的行走机器人的自适应标定设备的结构示意图;以及
图9是本发明一实施例的计算机可读存储介质的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的实施方式。相反,提供这些实施方式使得本发明将全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的结构,因而将省略对它们的重复描述。
图1是本发明的行走机器人的自适应标定方法的流程图。如图1所示,本发明的行走机器人的自适应标定方法,包括以下步骤:
S101、数据采集步骤,设所述行走机器人位于基于地面的平面坐标系内运动,采集行走机器人的左轮实际线速度Vleft、右轮实际线速度Vright、两轮之间的间距E。
S102、当前理论坐标获得步骤,根据前一时刻Tn-1的平面坐标(xn-1, yn-1)和所述前一时刻至当前时刻的运动数据组,获得当前时刻Tn所述行走机器人的当前理论坐标(xn,yn),所述运动数据组包括左轮线速度 VL=αVleft、右轮线速度VR=βVright、两轮之间的间距E以及角速度W,
其中,角速度其中,α、β、δ为权重系数。
S103、当前实际坐标获得步骤,根据前一时刻行走机器人的相机模块拍摄的图像中的参考物与当前时刻拍摄的图像中的同一参考物在图像坐标系的位移,获得当前时刻所述行走机器人的当前实际坐标(xn′,yn′)。
S104、判断步骤,判断是否能获得在预设函数偏差阈值的范围内获得至少一组满足公式组的α、β、δ的值,所述函数偏差阈值的范围为±0.5%至±2%,所述公式组为:
若是,则保存α、β、δ的值,此时得到的权重系数α、β、δ可以在当前场景下,使得通过定位迭代的方式得到的理论坐标与通过视频定位得到的实际坐标两者完全重合,实现准确标定。
若否,则进入下一时刻Tn+1,返回当前理论坐标获得步骤。
优选的函数偏差阈值为±0.01%,但不以此为限。
本发明通过设置关于行走机器人的左轮线速度的第一权重系数α、关于右轮线速度的第二权重系数β以及关于角速度的第三权重系数δ;通过定位迭代获得当前理论坐标,通过视频定位获得当前实际坐标;根据当前理论坐标与当前实际坐标的偏移,求解至少一组所述第一权重系数α、第二权重系数β和第三权重系数δ,以用于获得理论坐标。本发明采用一种自动化的标定系统结合AI,针对不同的应用场景,例如:平面、坡度以及湿滑地面等等。本发明的机器人自主适应性校准,并可通过后期的强化训练,使机器人可以更好适应工作的环境。
在本实施例中,在所述数据采集步骤中,所述左轮实际线速度其中
nL为左轮计数器的计数值;
NL为左轮计数器每旋转一圈对应的计数值;
dL为左轮的直径;
T为计算周期,但不以此为限。
同样地,在所述数据采集步骤中,所述右轮实际线速度其中
nR为右轮计数器的计数值;
NR为右轮计数器每旋转一圈对应的计数值;
dR为右轮的直径;
T为计算周期,但不以此为限。
在步骤S103的所述当前实际坐标获得步骤中包括:
在所述前一时刻拍摄的图像中建立图像坐标系,获得一参考物一第一坐标;
在所述当前时刻拍摄的图像中建立图像坐标系,获得与前一时刻的图像中相同参考物的第二坐标;
将所述图像坐标系中第一坐标至第二坐标的位移,通过相机内参矩阵转换到行走机器人基于地面的平面坐标系的位移,但不以此为限。
以下结合附图2至6来介绍使用本发明的扫地机器人的自适应标定过程。
图2是使用本发明的扫地机器人的示意图。如图2所示,本实施例中的两轮式扫地机器人5主要包括一对行进轮51以及相机模块52。本发明标定的对象为机器人本体运动过程中的硬件特性,主要包括左轮直径dL、右轮直径dR、以及两轮之间的间距E等运动特性参数。采集行走机器人的左轮实际线速度Vleft、右轮实际线速度Vright、两轮之间的间距E。
其中,所述左轮实际线速度nL为左轮计数器的计数值; NL为左轮计数器每旋转一圈对应的计数值;dL为左轮的直径;T为计算周期。所述右轮实际线速度其中,nR为右轮计数器的计数值; NR为右轮计数器每旋转一圈对应的计数值;dR为右轮的直径;T为计算周期。
根据前一时刻Tn-1的平面坐标(xn-1,yn-1)和所述前一时刻至当前时刻的运动数据组,获得当前时刻Tn所述行走机器人的当前理论坐标(xn, yn),所述运动数据组包括左轮线速度VL=αVleft、右轮线速度VR=βVright、两轮之间的间距E以及角速度W,
其中,角速度其中,α、β、δ为权重系数;
图3是扫地机器人在前一时刻拍摄图像的示意图。图4是前一时刻拍摄得到图像的示意图。如图3和4所示,建立扫地机器人5的基于地面的平面坐标系,以本实施例中的扫地机器人5的两个行进轮51的中心O(即旋转中心)为原点,平面坐标系中X轴的正方向为扫地机器人5的前进方向,Y轴和X轴方向垂直。本实施例中,将一块贴在墙面的棋盘格1作为参考物。在前一时刻拍摄图像P1中建立图像坐标系,可以选棋盘格1中的一个角点(xa,yb)作为参考点,或是选择棋盘格1的中心作为参考点均可。本发明中可以使用现有的方法,求得在平面中的已知坐标,已知位移距离和行驶角度,到达一个新的坐标,此处不再赘述。
图5是扫地机器人在当前时刻拍摄图像的示意图。图6是当前时刻拍摄得到图像的示意图。如图5和6所示,从前一时刻进入到当前时刻,在扫地机器人5前进了一段距离,此时扫地机器人5拍摄到的当前时刻的图像P2中棋盘格1在图像坐标系中的位置发生了变化,之前的角点的坐标 (xa,yb)移动到了坐标(xc,yd)。通过将从坐标(xa,yb)到坐标(xc, yd)的位移投影到扫地机器人5的平面坐标系中,获得当前时刻所述行走机器人的当前实际坐标(xn′,yn′)。此处可以使用现有的重投影的方法,或其他现有的利用相机内参矩阵等标定方法,此处不再赘述。
然后,在预设函数偏差阈值的范围内求解至少一组满足公式组的α、β、δ的值,所述函数偏差阈值的范围为±0.5%至±2%,所述公式组为:
如果能够得到满足上述条件的α、β、δ,则保存α、β、δ的值。后续就可以通过α、β、δ来准确地根据前一时刻Tn-1的平面坐标(xn-1, yn-1)和所述前一时刻至当前时刻的运动数据组,获得当前时刻Tn所述行走机器人的当前理论坐标(xn,yn)。
如果不能够得到满足上述条件的α、β、δ,则进入下一时刻Tn+1,返回当前理论坐标获得步骤,从下一时刻Tn+1继续进行标定和寻找满足函数条件的权重系数α、β、δ,直到找到合适的权重系数α、β、δ为止。在一个优选例中,函数偏差阈值为±0.01%,但不以此为限。
尤其是当扫地机器人切换工作场景时,例如:从湿滑地面行驶到地板上时,之前设定的权重系数就无法保证标定的准确性,通过运行本发明的行走机器人的自适应标定方法,可以在短时间内从新修正权重系数α、β、δ,使得扫击机器人能够在短时间内恢复标定的准确性。
本发明的特点在于可以自适应校准,在一个优选例中,机器人在不同的工作场景下,标定系统会根据场景的变化和机器人运动特性的变化自适应校准,可以使机器人在各种场景下都能达到很好的运动精度,自适应的过程是个学习的过程,后端处理平台会有一套AI算法支撑整个自学习的过程。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内,本发明要求保护范围由所附的权利要求书及其等效物界定。
图7是本发明的行走机器人的自适应标定系统的模块示意图。如图7 所示,本发明的实施例还提供一种行走机器人的自适应标定系统4,用于实现上述的行走机器人的自适应标定方法,包括:
数据采集模块41,设所述行走机器人位于基于地面的平面坐标系内运动,采集行走机器人的左轮实际线速度Vleft、右轮实际速度Vright、两轮之间的间距E;
当前理论坐标获得模块42,根据前一时刻Tn-1的平面坐标(xn-1,yn-1) 和所述前一时刻至当前时刻的运动数据组,获得当前时刻Tn所述行走机器人的当前理论坐标(xn,yn),所述运动数据组包括左轮线速度VL=αVleft、右轮线速度VR=βVright、两轮之间的间距E以及角速度W,
其中,角速度其中,α、β、δ为权重系数;
当前实际坐标获得模块43,根据前一时刻行走机器人的相机模块拍摄的图像中的参考物与当前时刻拍摄的图像中的同一参考物在图像坐标系的位移,获得当前时刻所述行走机器人的当前实际坐标(xn′,yn′);
判断模块44,判断是否能获得在预设函数偏差阈值的范围内获得至少一组满足公式组的α、β、δ的值,所述函数偏差阈值的范围为±0.5%至±2%,所述公式组为:
若是,则保存α、β、δ的值;若否,则进入下一时刻Tn+1,返回当前理论坐标获得步骤。
在一个优选例中,在所述数据采集模块中,
所述左轮实际线速度其中
nL为左轮计数器的计数值;
NL为左轮计数器每旋转一圈对应的计数值;
dL为左轮的直径;
T为计算周期。
在一个优选例中,在所述数据采集模块中,
所述右轮实际线速度其中
nR为右轮计数器的计数值;
NR为右轮计数器每旋转一圈对应的计数值;
dR为右轮的直径;
T为计算周期。
在一个优选例中,所述当前实际坐标获得模块中,在所述前一时刻拍摄的图像中建立图像坐标系,获得一参考物一第一坐标;
在所述当前时刻拍摄的图像中建立图像坐标系,获得与前一时刻的图像中相同参考物的第二坐标;
将所述图像坐标系中第一坐标至第二坐标的位移,通过相机内参矩阵转换到行走机器人基于地面的平面坐标系的位移。
本发明的行走机器人的自适应标定系统能够针对不同的应用场景,根据场景的变化和机器人运动特性的变化自适应校准,可以使机器人在各种场景下都能达到很好的运动精度,大大提高了标定的准确性以及适用于不同场景的灵活性。
本发明实施例还提供一种行走机器人的自适应标定设备,包括处理器。存储器,其中存储有处理器的可执行指令。其中,处理器配置为经由执行可执行指令来执行的行走机器人的自适应标定方法的步骤。
如上所示,该实施例能够精准地求出机器人机身的旋转轴在相机坐标系下的表达,能够针对不同的应用场景,根据场景的变化和机器人运动特性的变化自适应校准,可以使机器人在各种场景下都能达到很好的运动精度,大大提高了标定的准确性以及适用于不同场景的灵活性。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“平台”。
图8是本发明的行走机器人的自适应标定设备的结构示意图。下面参照图8来描述根据本发明的这种实施方式的电子设备600。图8显示的电子设备600仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图8所示,电子设备600以通用计算设备的形式表现。电子设备 600的组件可以包括但不限于:至少一个处理单元610、至少一个存储单元620、连接不同平台组件(包括存储单元620和处理单元610)的总线 630、显示单元640等。
其中,存储单元存储有程序代码,程序代码可以被处理单元610执行,使得处理单元610执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,处理单元610可以执行如图1中所示的步骤。
存储单元620可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202,还可以进一步包括只读存储单元(ROM)6203。
存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204,这样的程序模块6205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备 600交互的设备通信,和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且,电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备600使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。
本发明实施例还提供一种计算机可读存储介质,用于存储程序,程序被执行时实现的行走机器人的自适应标定方法的步骤。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在终端设备上运行时,程序代码用于使终端设备执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。
如上所示,该实施例能够精准地求出机器人机身的旋转轴在相机坐标系下的表达,能够针对不同的应用场景,根据场景的变化和机器人运动特性的变化自适应校准,可以使机器人在各种场景下都能达到很好的运动精度,大大提高了标定的准确性以及适用于不同场景的灵活性。
图9是本发明的计算机可读存储介质的结构示意图。参考图9所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品800,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如 Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上,本发明的目的在于提供行走机器人的自适应标定方法、系统、设备及存储介质,能够精准地求出机器人机身的旋转轴在相机坐标系下的表达,能够针对不同的应用场景,根据场景的变化和机器人运动特性的变化自适应校准,可以使机器人在各种场景下都能达到很好的运动精度,大大提高了标定的准确性以及适用于不同场景的灵活性。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (11)
1.一种行走机器人的自适应标定方法,其特征在于:设置关于行走机器人的左轮线速度的第一权重系数、关于右轮线速度的第二权重系数以及关于角速度的第三权重系数;通过定位迭代获得当前理论坐标,通过视频定位获得当前实际坐标;根据当前理论坐标与当前实际坐标的偏移,求解至少一组所述第一权重系数、第二权重系数和第三权重系数,以用于获得理论坐标。
2.如权利要求1所述的行走机器人的自适应标定方法,其特征在于,包括以下步骤:
数据采集步骤,设所述行走机器人位于基于地面的平面坐标系内运动,采集行走机器人的左轮实际线速度Vleft、右轮实际线速度Vright、两轮之间的间距E;
当前理论坐标获得步骤,根据前一时刻Tn-1的平面坐标(xn-1,yn-1)和所述前一时刻至当前时刻的运动数据组,获得当前时刻Tn所述行走机器人的当前理论坐标(xn,yn),所述运动数据组包括左轮线速度VL=αVleft、右轮线速度VR=βVright、两轮之间的间距E以及角速度W,
其中,角速度其中,α、β、δ为权重系数;
当前实际坐标获得步骤,根据前一时刻行走机器人的相机模块拍摄的图像中的参考物与当前时刻拍摄的图像中的同一参考物在图像坐标系的位移,获得当前时刻所述行走机器人的当前实际坐标(xn′,yn′);
判断步骤,判断是否能获得在预设函数偏差阈值的范围内获得至少一组满足公式组的α、β、δ的值,所述函数偏差阈值的范围为±0.5%至±2%,所述公式组为:
若是,则保存α、β、δ的值;
若否,则进入下一时刻Tn+1,返回当前理论坐标获得步骤。
3.如权利要求2所述的行走机器人的自适应标定方法,其特征在于:在所述数据采集步骤中,所述左轮实际线速度其中
nL为左轮计数器的计数值;
NL为左轮计数器每旋转一圈对应的计数值;
dL为左轮的直径;
T为计算周期。
4.如权利要求2所述的行走机器人的自适应标定方法,其特征在于:在所述数据采集步骤中,所述右轮实际线速度其中
nR为右轮计数器的计数值;
NR为右轮计数器每旋转一圈对应的计数值;
dR为右轮的直径;
T为计算周期。
5.如权利要求2所述的行走机器人的自适应标定方法,其特征在于,所述当前实际坐标获得步骤包括:
在所述前一时刻拍摄的图像中建立图像坐标系,获得一参考物一第一坐标;
在所述当前时刻拍摄的图像中建立图像坐标系,获得与前一时刻的图像中相同参考物的第二坐标;
将所述图像坐标系中第一坐标至第二坐标的位移,通过相机内参矩阵转换到行走机器人基于地面的平面坐标系的位移。
6.一种行走机器人的自适应标定系统,用于实现权利要求2至5中任一项所述的行走机器人的自适应标定方法,其特征在于,包括:
数据采集模块,设所述行走机器人位于基于地面的平面坐标系内运动,采集行走机器人的左轮实际线速度Vleft、右轮实际速度Vright、两轮之间的间距E;
当前理论坐标获得模块,根据前一时刻Tn-1的平面坐标(xn-1,yn-1)和所述前一时刻至当前时刻的运动数据组,获得当前时刻Tn所述行走机器人的当前理论坐标(xn,yn),所述运动数据组包括左轮线速度VL=αVleft、右轮线速度VR=βVright、两轮之间的间距E以及角速度W,
其中,角速度其中,α、β、δ为权重系数;
当前实际坐标获得模块,根据前一时刻行走机器人的相机模块拍摄的图像中的参考物与当前时刻拍摄的图像中的同一参考物在图像坐标系的位移,获得当前时刻所述行走机器人的当前实际坐标(xn′,yn′);
判断模块,判断是否能获得在预设函数偏差阈值的范围内获得至少一组满足公式组的α、β、δ的值,所述函数偏差阈值的范围为±0.5%至±2%,所述公式组为:
若是,则保存α、β、δ的值;若否,则进入下一时刻Tn+1,返回当前理论坐标获得步骤。
7.如权利要求6所述的行走机器人的自适应标定系统,其特征在于:在所述数据采集模块中,
所述左轮实际线速度其中
nL为左轮计数器的计数值;
NL为左轮计数器每旋转一圈对应的计数值;
dL为左轮的直径;
T为计算周期。
8.如权利要求6所述的行走机器人的自适应标定系统,其特征在于:在所述数据采集模块中,
所述右轮实际线速度其中
nR为右轮计数器的计数值;
NR为右轮计数器每旋转一圈对应的计数值;
dR为右轮的直径;
T为计算周期。
9.如权利要求6所述的行走机器人的自适应标定系统,其特征在于:所述当前实际坐标获得模块中,在所述前一时刻拍摄的图像中建立图像坐标系,获得一参考物一第一坐标;
在所述当前时刻拍摄的图像中建立图像坐标系,获得与前一时刻的图像中相同参考物的第二坐标;
将所述图像坐标系中第一坐标至第二坐标的位移,通过相机内参矩阵转换到行走机器人基于地面的平面坐标系的位移。
10.一种行走机器人的自适应标定设备,其特征在于,包括:
处理器;
存储器,其中存储有所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1至6中任意一项所述行走机器人的自适应标定方法的步骤。
11.一种计算机可读存储介质,用于存储程序,其特征在于,所述程序被执行时实现权利要求1至6中任意一项所述行走机器人的自适应标定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811115433.6A CN109676602B (zh) | 2018-09-25 | 2018-09-25 | 行走机器人的自适应标定方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811115433.6A CN109676602B (zh) | 2018-09-25 | 2018-09-25 | 行走机器人的自适应标定方法、系统、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109676602A true CN109676602A (zh) | 2019-04-26 |
CN109676602B CN109676602B (zh) | 2020-11-24 |
Family
ID=66184499
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811115433.6A Active CN109676602B (zh) | 2018-09-25 | 2018-09-25 | 行走机器人的自适应标定方法、系统、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109676602B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110703749A (zh) * | 2019-10-11 | 2020-01-17 | 浙江大华机器人技术有限公司 | 一种控制车辆运动的方法及装置 |
CN110933604A (zh) * | 2019-10-30 | 2020-03-27 | 田泽越 | 基于位置指纹时序特征的knn室内定位方法 |
CN111580512A (zh) * | 2020-04-28 | 2020-08-25 | 平安科技(深圳)有限公司 | 移动控制方法、装置、存储介质及计算机设备 |
CN112148017A (zh) * | 2020-09-30 | 2020-12-29 | 杭州海康机器人技术有限公司 | 一种误差标定方法、装置、电子设备及存储介质 |
CN112700505A (zh) * | 2020-12-31 | 2021-04-23 | 山东大学 | 一种基于双目三维跟踪的手眼标定方法、设备及存储介质 |
CN113793391A (zh) * | 2021-09-03 | 2021-12-14 | 苏州汇川控制技术有限公司 | 多轴运动系统实际运动学变换关系建立方法、装置和终端设备 |
CN116372941A (zh) * | 2023-06-05 | 2023-07-04 | 北京航空航天大学杭州创新研究院 | 机器人参数标定方法及装置和轮式机器人 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5471385A (en) * | 1992-05-21 | 1995-11-28 | Tsubakimoto Chain Co. | Routeless guiding method for moving body |
JP4518598B2 (ja) * | 1999-09-22 | 2010-08-04 | 富士重工業株式会社 | 自走式ロボットの操縦装置 |
CN103389087A (zh) * | 2013-08-07 | 2013-11-13 | 上海海事大学 | 一种轮式机器人位姿解算方法 |
CN106289327A (zh) * | 2016-11-08 | 2017-01-04 | 成都通甲优博科技有限责任公司 | 一种差分移动机器人里程计标定方法 |
CN108168543A (zh) * | 2016-12-07 | 2018-06-15 | 广州映博智能科技有限公司 | 基于里程计的移动机器人自主定位方法 |
-
2018
- 2018-09-25 CN CN201811115433.6A patent/CN109676602B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5471385A (en) * | 1992-05-21 | 1995-11-28 | Tsubakimoto Chain Co. | Routeless guiding method for moving body |
JP4518598B2 (ja) * | 1999-09-22 | 2010-08-04 | 富士重工業株式会社 | 自走式ロボットの操縦装置 |
CN103389087A (zh) * | 2013-08-07 | 2013-11-13 | 上海海事大学 | 一种轮式机器人位姿解算方法 |
CN106289327A (zh) * | 2016-11-08 | 2017-01-04 | 成都通甲优博科技有限责任公司 | 一种差分移动机器人里程计标定方法 |
CN108168543A (zh) * | 2016-12-07 | 2018-06-15 | 广州映博智能科技有限公司 | 基于里程计的移动机器人自主定位方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110703749A (zh) * | 2019-10-11 | 2020-01-17 | 浙江大华机器人技术有限公司 | 一种控制车辆运动的方法及装置 |
CN110703749B (zh) * | 2019-10-11 | 2022-11-18 | 浙江华睿科技股份有限公司 | 一种控制车辆运动的方法及装置 |
CN110933604A (zh) * | 2019-10-30 | 2020-03-27 | 田泽越 | 基于位置指纹时序特征的knn室内定位方法 |
CN110933604B (zh) * | 2019-10-30 | 2022-07-12 | 田泽越 | 基于位置指纹时序特征的knn室内定位方法 |
CN111580512A (zh) * | 2020-04-28 | 2020-08-25 | 平安科技(深圳)有限公司 | 移动控制方法、装置、存储介质及计算机设备 |
CN111580512B (zh) * | 2020-04-28 | 2022-04-15 | 平安科技(深圳)有限公司 | 移动控制方法、装置、存储介质及计算机设备 |
CN112148017A (zh) * | 2020-09-30 | 2020-12-29 | 杭州海康机器人技术有限公司 | 一种误差标定方法、装置、电子设备及存储介质 |
CN112700505A (zh) * | 2020-12-31 | 2021-04-23 | 山东大学 | 一种基于双目三维跟踪的手眼标定方法、设备及存储介质 |
CN112700505B (zh) * | 2020-12-31 | 2022-11-22 | 山东大学 | 一种基于双目三维跟踪的手眼标定方法、设备及存储介质 |
CN113793391A (zh) * | 2021-09-03 | 2021-12-14 | 苏州汇川控制技术有限公司 | 多轴运动系统实际运动学变换关系建立方法、装置和终端设备 |
CN116372941A (zh) * | 2023-06-05 | 2023-07-04 | 北京航空航天大学杭州创新研究院 | 机器人参数标定方法及装置和轮式机器人 |
CN116372941B (zh) * | 2023-06-05 | 2023-08-15 | 北京航空航天大学杭州创新研究院 | 机器人参数标定方法及装置和轮式机器人 |
Also Published As
Publication number | Publication date |
---|---|
CN109676602B (zh) | 2020-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109676602A (zh) | 行走机器人的自适应标定方法、系统、设备及存储介质 | |
Lee et al. | Camera-to-robot pose estimation from a single image | |
CN110000785B (zh) | 农业场景无标定机器人运动视觉协同伺服控制方法与设备 | |
Janabi-Sharifi et al. | Automatic selection of image features for visual servoing | |
US20090306825A1 (en) | Manipulation system and method | |
WO2022135011A1 (zh) | 合质心状态获取方法、装置、仿人机器人和可读存储介质 | |
CN104298244B (zh) | 一种工业机器人三维实时高精度定位装置的定位方法 | |
CN113119104B (zh) | 机械臂控制方法、机械臂控制装置、计算设备及系统 | |
Shukla et al. | Robotic grasp manipulation using evolutionary computing and deep reinforcement learning | |
Zhang et al. | Deep learning reactive robotic grasping with a versatile vacuum gripper | |
Luo et al. | Calibration-free monocular vision-based robot manipulations with occlusion awareness | |
Breyer et al. | Closed-loop next-best-view planning for target-driven grasping | |
Xue et al. | Gesture-and vision-based automatic grasping and flexible placement in teleoperation | |
Dietrich et al. | Probabilistic multi-sensor fusion based on signed distance functions | |
CN109685851A (zh) | 行走机器人的手眼标定方法、系统、设备及存储介质 | |
Baumgartl et al. | A fast, GPU-based geometrical placement planner for unknown sensor-modelled objects and placement areas | |
Xu et al. | Planning and control of mobile manipulator’s operation on objects with restricted motion in intelligent environment | |
Li et al. | Rotary object dexterous manipulation in hand: a feedback-based method | |
CN115494882A (zh) | 基于电磁定位的移动机器人跟随方法、装置及可读介质 | |
Gao et al. | A novel local path planning method considering both robot posture and path smoothness | |
Pajak et al. | Planning of a point to point collision-free trajectory for mobile manipulators | |
Raufelder | Modeling Analysis of Attitude Perception of Engineering Manipulator Supporting Wireless Communication and Internet of Things | |
Gomes et al. | Deep Reinforcement learning applied to a robotic pick-and-place application | |
Marzat et al. | Vision-based localization, mapping and control for autonomous MAV: EuRoC challenge results | |
Luo et al. | AE-Reorient: Active Exploration Based Reorientation for Robotic Pick-and-Place |
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 |