CN109903340A - 一种车载机器人视觉处理方法 - Google Patents
一种车载机器人视觉处理方法 Download PDFInfo
- Publication number
- CN109903340A CN109903340A CN201711275785.3A CN201711275785A CN109903340A CN 109903340 A CN109903340 A CN 109903340A CN 201711275785 A CN201711275785 A CN 201711275785A CN 109903340 A CN109903340 A CN 109903340A
- Authority
- CN
- China
- Prior art keywords
- image
- machines people
- vehicle machines
- visual processing
- processing method
- 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
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种车载机器人视觉处理方法,所述方法包括:S1,视觉传感器的标定;S2,对采集的图像进行处理;S3,计算车载机器人偏移量和偏移角度。本发明方案使用单目摄像头进行视觉标定、图像采集,并对采集到的图像进行处理后计算机器人的偏移量和偏移角度,为管道清洗机器人后续的导航和控制提供了准确、实时的视觉偏差信息,具有很好的可拓展性和稳定性。
Description
技术领域
本发明涉及视觉处理技术,具体涉及一种车载机器人视觉处理方法。
背景技术
光传输管道是一套采集天然光,并经管道传输到室内,进行天然光照明的采光系统,通常由集光器、导光管和漫射器组成。高功率激光装置中的大部分透镜和反射镜以及承载这些光学元件的金属框架都暴露在光传输管道内,尽管光传输管道内部的光学元件都经过在百级环境中清洗、装校和运行,但经过打靶后,光传输管道内部的环境会出现恶化的情况。长期使用会导致光学元件表面沉积大量的污染物,表面洁净度急剧劣化并导致光学元件损伤。
光传输管道安装完毕后,很难将其拆卸进行离线清洗,常用的清洗手段为使用车型移动方式的清洗机器人对光传输管道进行在线洁净处理。传输管道狭窄且昏暗,要求机器人在管道内保持高精度的直线行走,并可以针对管道内的污染物进行针对性的清洗,这对机器人的视觉定位及机器人的偏移定位精度有很高的要求。
发明内容
本发明目的在于克服现有技术的不足,尤其解决光传输管道狭窄昏暗、内部清洗困难,无法使用常规手段进行在线清洗的问题。
为解决上述技术问题,本发明提供一种车载机器人视觉处理方法,其中,所述基于单目摄像头的管道机器人视觉处理方法包括:S1,视觉传感器的标定;S2,对采集的图像进行处理;S3,计算车载机器人偏移量和偏移角度。
该发明方案的有益效果在于,通过使用单目摄像头进行视觉标定、图像采集,并对采集到的图像进行处理后计算机器人的偏移量和偏移角度,为管道清洗机器人后续的导航和控制提供了准确、实时的视觉偏差信息,具有很好的可拓展性和稳定性。
附图说明
图1为本发明实施例的车载机器人视觉处理的流程图。
具体实施方式
下面结合附图及具体实施例对本发明进行更加详细与完整的说明。可以理解的是,此处所描述的具体实施例仅用于解释本发明,而非对本发明的限定。
图1是本发明的实施例的车载机器人视觉处理方法的流程图。
本发明的实施例的车载机器人视觉处理方法包括:S1、视觉传感器的标定;S2、对采集的图像进行处理;S3、计算车载机器人偏移量和偏移角度。
具体而言,本发明的实施例描述如下:
S1:先标定相机内参数,通过建立柔性靶标,令其中一个靶标作为基准柔性立体靶标坐标系,以子靶标之间位置关系不变为约束条件,将各子靶标特征点的局部坐标统一到柔性立体靶标坐标系下,建立以重投影误差为最小的目标函数,采用非线性优化方法得到摄像机参数的最优解;然后利用得到的相机内参数分别标定两个线结构光平面,多次移动共面靶标计算不同方向激光条纹直线的消隐点,并对其拟合直线得到光平面的消隐线,完成光平面法向的标定。最后定义优化目标函数,以已求得参数为初值进行非线性优化,得到结构光平面参数。
S2:使用标定后的相机进行图像采集以及数字化存储,具体分为以下步骤:
S21:图像二值化:标定完成后,用最大类间方差法进行图像二值化,将图像的前景与背景进行分割,过程为:
1)设图像共有L个灰度级,灰度值为i的像素点共有ni个,图像共有N个像素点,归一化灰度直方图,用公式(1)表示为:
2)设定一个阈值t,根据灰度值将像素点分成c0和c1两类。c0的概率ω0、均值μ0用公式(2)、(3)表示:
c1的概率ω1、均值μ1分别用公式(4)、(5)表示为:
其中,由此可知c0和c1的类间方差σ2(t)用公式(6)表示为:
σ2(t)=ω0(μ-μ0)2+ω1(μ1-μ)2 (6)
于是将t从0到i进行取值,当σ取最大值时t为最佳阈值,即可得到最佳的二值化图像。
S22:图像去噪声:使用团块面积阈值法进行图像滤波去噪声,去除图像中目标零件周围的噪声,过程为:
采用二值数学形态学中的连通组元提取算法来求取团块的面积,小于阈值的团块为噪声,将该团块的像素点灰度值都设成255即可去除噪声。
S23:图像边缘检测:对二值图像用数学形态学方法进行边缘检测,检测出图像中目标管道的边缘,过程为:
1)腐蚀的算符为Θ,集合A被集合B腐蚀定义为公式(7):
2)膨胀的算符为集合A被集合B膨胀定义为公式(8):
采用膨胀腐蚀型梯度算子,即用膨胀后的图像减去腐蚀后的图像,即可得到图像中的边缘。由于此时的边缘不是单像素宽连通的,还需要再用区域骨架提取算法对边缘进行细化。
3)设B是图像,S(A)代表A的骨架,B是结构元素,则用公式(9)表示:
其中,K表示将A腐蚀成空集前的迭代次数,即用公式(10)表示为:
Sk(A)称为骨架子集,根据公式(11)可写为:
AΘkB表示连续k次用B对A进行腐蚀。
S3:计算车载机器人偏移量和偏移角度。已知管道的宽度W,将车体放置在管道的中心位置处,利用相机采集到的图像,用图像处理技术检测光条上点相对于相机的三维点坐标,可以得到光心点离管道壁的距离L,相机光心点与车体的中心位置横向距离为N=W/2L。
根据公式(12)计算小车的偏转角和相机光心位置处距离基准位置的偏移量:
其中,θ为车型机器人的偏转角,Px1和Py1分别相机右侧线结构光的x和y坐标,Px2和Py2分别相机左侧线结构光的x和y坐标,d是相机光心位置处距基准位置的偏移量,L是车型机器人在管道中心线基准位置处相机光心离管道壁的距离。
上述为本发明较佳的实施方式,但本发明的实施方式并不受上述内容的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (1)
1.一种车载机器人视觉处理方法,其特征在于,包括如下步骤:
S1.视觉传感器的标定;
S2.对采集的图像进行处理;
S3.计算车载机器人偏移量和偏移角度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711275785.3A CN109903340A (zh) | 2017-12-07 | 2017-12-07 | 一种车载机器人视觉处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711275785.3A CN109903340A (zh) | 2017-12-07 | 2017-12-07 | 一种车载机器人视觉处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109903340A true CN109903340A (zh) | 2019-06-18 |
Family
ID=66938566
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711275785.3A Pending CN109903340A (zh) | 2017-12-07 | 2017-12-07 | 一种车载机器人视觉处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109903340A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110389588A (zh) * | 2019-07-17 | 2019-10-29 | 宁波财经学院 | 一种移动机器人 |
-
2017
- 2017-12-07 CN CN201711275785.3A patent/CN109903340A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110389588A (zh) * | 2019-07-17 | 2019-10-29 | 宁波财经学院 | 一种移动机器人 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108109177A (zh) | 基于单目摄像头的管道机器人视觉处理系统及方法 | |
CN109521774B (zh) | 一种基于强化学习的喷涂机器人轨迹优化方法 | |
CN104484648B (zh) | 基于轮廓识别的机器人可变视角障碍物检测方法 | |
CN107588721A (zh) | 一种基于双目视觉的零件多尺寸的测量方法及系统 | |
CN111521195B (zh) | 一种智能机器人 | |
CN111210477A (zh) | 一种运动目标的定位方法及系统 | |
CN106996748A (zh) | 一种基于双目视觉的轮径测量方法 | |
CN111127540B (zh) | 一种三维虚拟空间自动测距方法及系统 | |
CN111127613B (zh) | 基于扫描电子显微镜的图像序列三维重构方法及系统 | |
CN109949364B (zh) | 一种基于路侧单目摄像头的车辆姿态检测精度优化方法 | |
CN116222543B (zh) | 用于机器人环境感知的多传感器融合地图构建方法及系统 | |
CN111027484A (zh) | 基于三维成像的隧道钢拱识别方法 | |
CN113516108B (zh) | 基于数据识别的工地抑尘数据匹配处理方法 | |
CN112150547B (zh) | 一种确定车体位姿的方法、装置及环视视觉里程计系统 | |
CN114137562B (zh) | 一种基于改进全局最邻近的多目标跟踪方法 | |
CN116228652A (zh) | 一种基于三维点云曲率的管道焊缝表面缺陷检测方法 | |
CN109798877B (zh) | 一种仿生水下机器鱼双目立体测距方法 | |
CN108648234A (zh) | 一种用于目标抓捕的机械臂相对导航方法 | |
CN109903340A (zh) | 一种车载机器人视觉处理方法 | |
Oyama et al. | Three-dimensional mapping of pipeline from inside images using earthworm robot equipped with camera | |
CN116681733B (zh) | 一种空间非合作目标近距离实时位姿跟踪方法 | |
CN112308917A (zh) | 一种基于视觉的移动机器人定位方法 | |
CN116673597A (zh) | 用于双v复合型坡口的激光线图像特征提取系统及方法 | |
CN112000109A (zh) | 电力巡检机器人的位置校正方法、电力巡检机器人及介质 | |
CN113828439B (zh) | 图案喷涂检测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190618 |
|
WD01 | Invention patent application deemed withdrawn after publication |