CN111060091A - 一种机器人导航系统 - Google Patents

一种机器人导航系统 Download PDF

Info

Publication number
CN111060091A
CN111060091A CN201911286207.9A CN201911286207A CN111060091A CN 111060091 A CN111060091 A CN 111060091A CN 201911286207 A CN201911286207 A CN 201911286207A CN 111060091 A CN111060091 A CN 111060091A
Authority
CN
China
Prior art keywords
image
module
robot
navigation system
aerial vehicle
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
Application number
CN201911286207.9A
Other languages
English (en)
Other versions
CN111060091B (zh
Inventor
马晓
郭博
焦旭东
石鑫
李晓宇
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.)
Xian Aeronautical Polytechnic Institute
Original Assignee
Xian Aeronautical Polytechnic Institute
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 Xian Aeronautical Polytechnic Institute filed Critical Xian Aeronautical Polytechnic Institute
Priority to CN201911286207.9A priority Critical patent/CN111060091B/zh
Publication of CN111060091A publication Critical patent/CN111060091A/zh
Application granted granted Critical
Publication of CN111060091B publication Critical patent/CN111060091B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
    • Y02A40/81—Aquaculture, e.g. of fish

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Manipulator (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种机器人导航系统，包括图像采集模块、测距模块、图像校正模块、图像预处理模块、三维坐标生成模块、路线输出模块和机器人驱动模块。本发明通过激光测距仪、三维姿态传感器协同三维坐标生成模块实现了目标位置和障碍物的坐标定位，从而实现了目标路线的实时更新，提高了定位的效率和精确度。

Description

一种机器人导航系统
技术领域
本发明涉及机器人导航系统领域，具体涉及一种机器人导航系统。
背景技术
机器人(Robot)是自动执行工作的机器装置。它既可以接受人类指挥，又可以运行预先编排的程序，也可以根据以人工智能技术制定的原则纲领行动。它的任务是协助或取代人类工作的工作，例如生产业、建筑业，或是危险的工作。
由于机器人所在的环境通常比较复杂，而且由于其自身的动态特性是需要实时地对运动过程所产生的图像进行处理，如果要建立精确的环境地图，处理的数据量巨大，对硬件的要求很高，成本高，实现起来有难度。而采用磁条进行定位的方法，不仅体形笨重、处理速度较慢、成本较高，而且无法更改行走路线。
发明内容
本发明的目的在于提供了一种机器人导航系统，通过目标位置和障碍物位置的坐标定位以及机器人的定位数据实现了目标路线的实时更新输出，提高了定位的效率和精确度。
为实现上述目的，本发明采取的技术方案为：
一种机器人导航系统，包括
图像采集模块，用于进行目标图像数据的采集,并将所采集到的图像数据发送到图像校正模块；所述图像数据包括图像以及与每一个图像对应的摄像头三维姿态信息；
测距模块，用于获取每个图像的距离信息；
图像校正模块，用于根据每个图像对应的摄像头三维姿态信息确定每个图像的偏转角度，按标准角度进行所有图像的重构，并将处理后的图像发送到图像预处理模块；
图像预处理模块，用于建立灰度直方图统计图像灰度分布，然后使用分段灰度线性变换增强图像对比度，再使用高斯滤波进行平滑处理，完成图像的预处理；
三维坐标生成模块，用于使用Canny算子完成图像边缘特征点的提取；利用边缘提取的特征点以及将辅助激光测距仪采集到的距离信息通过坐标系间的转化计算出图像中目标点和各障碍物的三维坐标点；
路线输出模块，用于根据三维坐标生成模块的输出结果以及机器人定位数据进行目标路线的输出，并将目标路线发送到机器人驱动模块；
机器人驱动模块，用于根据接收到的目标路线进行机器人的驱动。
进一步地，所述测距模块采用激光测距仪，数量为四个，三个分别安装在机器人的左侧、右侧和前侧，另一个搭载在无人机上。
进一步地，所述图像采集模块包括可360度转动安装在机器人上的双目视觉传感器以及搭载在无人机上的摄像头，该机器人上设有用于容纳该无人机的收纳槽，且该收纳槽内设有用于卡紧所述无人机的伸缩网兜。
进一步地，所述双目视觉传感器和无人机内均安装有三维姿态传感器
进一步地，通过以下步骤完成图像的重构；
根据每个图像的偏转角度计算每个图像的补充偏转角度；
根据每个图像的补充偏转角度重新绘制每个图像。
进一步地，还包括图像数据审核模块，用于通过PAC-BP神经网络模型实现图像数据的审核，在某一个图像数据不符合标准时，双目视觉传感器和/无人机根据该图像数据的姿态信息和距离信息重新进行目标图像的采集，直至采集到的图像符合标准。
本发明具有以下有益效果：
通过激光测距仪、三维姿态传感器协同三维坐标生成模块实现了目标位置和障碍物的坐标定位，从而实现了目标路线的实时更新，提高了定位的效率和精确度。
附图说明
图1为本发明实施例一种机器人导航系统的系统框图。
具体实施方式
为了使本发明的目的及优点更加清楚明白，以下结合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。
如图1所示，本发明实施例提供了一种机器人导航系统，包括
图像采集模块，用于进行目标图像数据的采集,并将所采集到的图像数据发送到图像校正模块；所述图像数据包括图像以及与每一个图像对应的摄像头三维姿态信息；
测距模块，用于获取每个图像的距离信息；
图像数据审核模块，用于通过PAC-BP神经网络模型实现图像数据的审核，在某一个图像数据不符合标准时，双目视觉传感器和/无人机根据该图像数据的姿态信息和距离信息重新进行目标图像的采集，直至采集到的图像符合标准；
图像校正模块，用于根据每个图像对应的摄像头三维姿态信息确定每个图像的偏转角度，按标准角度进行所有图像的重构，并将处理后的图像发送到图像预处理模块；
图像预处理模块，用于建立灰度直方图统计图像灰度分布，然后使用分段灰度线性变换增强图像对比度，再使用高斯滤波进行平滑处理，完成图像的预处理；
三维坐标生成模块，用于使用Canny算子完成图像边缘特征点的提取；利用边缘提取的特征点以及将辅助激光测距仪采集到的距离信息通过坐标系间的转化计算出图像中目标点和各障碍物的三维坐标点；具体的：对图像进行高斯滤波；计算每个像素的梯度幅值M和方向θ；然后将梯度的方向划分为四个区域，这四个区域的标号为0～3，各个区与邻近的不同像素进行比较，以得到局部极大值，即抑制非极大值的点，得到精确的边缘；最后使用双阈值法减少假边缘数量，双阈值算法检测过程包括：对非极大值抑制的图像设置两个阈值M1和M2，且2M1≈M2；把梯度值小于M1的像素灰度值赋零，得到保留边缘信息较多、噪声较大的图像P1；同样把梯度值小于M2的像素灰度值赋零，由于M2的阈值较大，得到假边缘信息少、噪声较小的图像P2，在图像P2中将边缘连成轮廓，当到达轮廓的端点时，不断地在图像P1中查找可以连接到轮廓上的边缘，直到将P2连接起来为止。
路线输出模块，用于根据三维坐标生成模块的输出结果以及机器人定位数据进行目标路线的输出，并将目标路线发送到机器人驱动模块；
机器人驱动模块，用于根据接收到的目标路线进行机器人的驱动；
中央处理器，用于协调上述模块工作。
本实施例中，所述测距模块采用激光测距仪，数量为四个，三个分别安装在机器人的左侧、右侧和前侧，另一个搭载在无人机的下表面上。所述无人机通过双目视觉传感器及激光雷达来检测机器人周围环境的障碍信息，并通过三维姿态传感器掌握自身的姿态信息，实现无人机的避障及越障。在使用无人机进行图像采集时，通过以下步骤得到图像距离，具体地，基于三维姿态信息得到无人机的运动轨迹，基于运动轨迹计算无人机目前偏离机器人的坐标，然后基于无人机上的激光测距仪检测到的目标点/障碍物与无人机的距离输出当前图像的距离信息。在机器人自带的双目视觉传感器故障时，可直接借助无人机的双目视觉传感器工作。
本实施例中，所述图像采集模块包括可360度转动安装在机器人上的双目视觉传感器以及搭载在无人机下表面上的摄像头，该机器人上设有用于容纳该无人机的收纳槽，且该收纳槽内设有用于卡紧所述无人机的伸缩网兜，该伸缩网兜安装时不可遮挡住无人机的双目视觉传感器。所述双目视觉传感器和无人机内均安装有三维姿态传感器。
值得注意的是，无人机主要用于应急状态。
本实施例中，通过以下步骤完成图像的重构；
根据每个图像的偏转角度计算每个图像的补充偏转角度；
根据每个图像的补充偏转角度重新绘制每个图像。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (6)

1.一种机器人导航系统，其特征在于，包括
图像采集模块，用于进行目标图像数据的采集,并将所采集到的图像数据发送到图像校正模块；所述图像数据包括图像以及与每一个图像对应的摄像头三维姿态信息；
测距模块，用于获取每个图像的距离信息；
图像校正模块，用于根据每个图像对应的摄像头三维姿态信息确定每个图像的偏转角度，按标准角度进行所有图像的重构，并将处理后的图像发送到图像预处理模块；
图像预处理模块，用于建立灰度直方图统计图像灰度分布，然后使用分段灰度线性变换增强图像对比度，再使用高斯滤波进行平滑处理，完成图像的预处理；
三维坐标生成模块，用于使用Canny算子完成图像边缘特征点的提取；利用边缘提取的特征点以及将辅助激光测距仪采集到的距离信息通过坐标系间的转化计算出图像中目标点和各障碍物的三维坐标点；
路线输出模块，用于根据三维坐标生成模块的输出结果以及机器人定位数据进行目标路线的输出，并将目标路线发送到机器人驱动模块；
机器人驱动模块，用于根据接收到的目标路线进行机器人的驱动。
2.如权利要求1所述的一种机器人导航系统，其特征在于，所述测距模块采用激光测距仪，数量为四个，三个分别安装在机器人的左侧、右侧和前侧，另一个搭载在无人机上。
3.如权利要求1所述的一种机器人导航系统，其特征在于，所述图像采集模块包括可360度转动安装在机器人上的双目视觉传感器以及搭载在无人机上的摄像头，该机器人上设有用于容纳该无人机的收纳槽，且该收纳槽内设有用于卡紧所述无人机的伸缩网兜。
4.如权利要求3所述的一种机器人导航系统，其特征在于，所述双目视觉传感器和无人机内均安装有三维姿态传感器。
5.如权利要求1所述的一种机器人导航系统，其特征在于，通过以下步骤完成图像的重构；
根据每个图像的偏转角度计算每个图像的补充偏转角度；
根据每个图像的补充偏转角度重新绘制每个图像。
6.如权利要求1所述的一种机器人导航系统，其特征在于，还包括图像数据审核模块，用于通过PAC-BP神经网络模型实现图像数据的审核，在某一个图像数据不符合标准时，双目视觉传感器和/无人机根据该图像数据的姿态信息和距离信息重新进行目标图像的采集，直至采集到的图像符合标准。
CN201911286207.9A 2019-12-13 2019-12-13 一种机器人导航系统 Active CN111060091B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911286207.9A CN111060091B (zh) 2019-12-13 2019-12-13 一种机器人导航系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911286207.9A CN111060091B (zh) 2019-12-13 2019-12-13 一种机器人导航系统

Publications (2)

Publication Number Publication Date
CN111060091A true CN111060091A (zh) 2020-04-24
CN111060091B CN111060091B (zh) 2023-09-01

Family

ID=70301609

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911286207.9A Active CN111060091B (zh) 2019-12-13 2019-12-13 一种机器人导航系统

Country Status (1)

Country Link
CN (1) CN111060091B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114578730A (zh) * 2022-02-22 2022-06-03 武汉珞珈天铭电气科技有限公司 一种导线修补机器人的控制电路

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015024407A1 (zh) * 2013-08-19 2015-02-26 国家电网公司 基于电力机器人的双目视觉导航系统及方法
CN106871902A (zh) * 2017-02-16 2017-06-20 广东工业大学 一种无人机导航的方法、装置以及系统
CN107543531A (zh) * 2017-08-13 2018-01-05 天津职业技术师范大学 一种机器人视觉定位系统
CN108332755A (zh) * 2018-02-08 2018-07-27 衢州职业技术学院 一种球形机器人视觉定位系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015024407A1 (zh) * 2013-08-19 2015-02-26 国家电网公司 基于电力机器人的双目视觉导航系统及方法
CN106871902A (zh) * 2017-02-16 2017-06-20 广东工业大学 一种无人机导航的方法、装置以及系统
CN107543531A (zh) * 2017-08-13 2018-01-05 天津职业技术师范大学 一种机器人视觉定位系统
CN108332755A (zh) * 2018-02-08 2018-07-27 衢州职业技术学院 一种球形机器人视觉定位系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
吴康;沈捷;费树岷;: "一种基于模糊识别的移动机器人避障算法" *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114578730A (zh) * 2022-02-22 2022-06-03 武汉珞珈天铭电气科技有限公司 一种导线修补机器人的控制电路

Also Published As

Publication number Publication date
CN111060091B (zh) 2023-09-01

Similar Documents

Publication Publication Date Title
CN110097553B (zh) 基于即时定位建图与三维语义分割的语义建图系统
CN108647646B (zh) 基于低线束雷达的低矮障碍物的优化检测方法及装置
CA2950791C (en) Binocular visual navigation system and method based on power robot
CN105866790B (zh) 一种考虑激光发射强度的激光雷达障碍物识别方法及系统
Kim et al. Deep learning based vehicle position and orientation estimation via inverse perspective mapping image
KR101776622B1 (ko) 다이렉트 트래킹을 이용하여 이동 로봇의 위치를 인식하기 위한 장치 및 그 방법
US10129521B2 (en) Depth sensing method and system for autonomous vehicles
Broggi et al. Self-calibration of a stereo vision system for automotive applications
CN107422730A (zh) 基于视觉导引的agv运输系统及其驾驶控制方法
EP2887315B1 (en) Camera calibration device, method for implementing calibration, program and camera for movable body
US11887336B2 (en) Method for estimating a relative position of an object in the surroundings of a vehicle and electronic control unit for a vehicle and vehicle
CN108398672A (zh) 基于前倾2d激光雷达移动扫描的路面与障碍检测方法
CN112248835A (zh) 一种充电机械臂控制方法和系统
Han et al. Robust ego-motion estimation and map matching technique for autonomous vehicle localization with high definition digital map
Xiang et al. Hybrid bird’s-eye edge based semantic visual SLAM for automated valet parking
CN111060091B (zh) 一种机器人导航系统
US20240051146A1 (en) Autonomous solar installation using artificial intelligence
CN114897974B (zh) 一种目标物空间定位方法、系统、存储介质及计算机设备
CN109933092B (zh) 飞行器避障方法、装置、可读存储介质和飞行器
CN109508017A (zh) 智能小车控制方法
Kumar Binocular stereo vision based obstacle avoidance algorithm for autonomous mobile robots
CN111239761B (zh) 一种用于室内实时建立二维地图的方法
Cai et al. A vision-based road surface slope estimation algorithm for mobile service robots in indoor environments
CN113554705A (zh) 一种变化场景下的激光雷达鲁棒定位方法
Li et al. Ground target tracking and trajectory prediction by UAV using a single camera and 3D road geometry recovery

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