CN111928852A - 一种基于led位置编码的室内机器人定位方法及系统 - Google Patents
一种基于led位置编码的室内机器人定位方法及系统 Download PDFInfo
- Publication number
- CN111928852A CN111928852A CN202010728332.7A CN202010728332A CN111928852A CN 111928852 A CN111928852 A CN 111928852A CN 202010728332 A CN202010728332 A CN 202010728332A CN 111928852 A CN111928852 A CN 111928852A
- Authority
- CN
- China
- Prior art keywords
- indoor robot
- image
- led
- current position
- positioning
- 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
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
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
-
- 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
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30244—Camera pose
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Manipulator (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种基于LED位置编码的室内机器人定位方法、系统及计算机可读存储介质,属于室内机器人定位技术领域,解决现有技术中室内机器人定位精确度较低的技术问题。一种基于LED位置编码的室内机器人定位方法,包括以下步骤:以一张LED灯图像和与之对应的拍摄节点的GPS信息作为一个节点,获取室内机器人当前时刻的位置范围;室内机器人在当前位置识别LED灯的像素坐标及各LED灯之间的相对位置,获取当前位置对应的节点;以当前位置对应的节点对应的LED灯图像作为候选定位图像,以当前的位置下室内机器人获取的LED灯图像作为待定位图像,根据候选定位图像和待定位图像,获取室内机器人当前位置的坐标。本发明所述方法提高了室内机器人定位的精确度。
Description
技术领域
本发明涉及室内机器人定位技术领域,尤其是涉及一种基于LED位置编码的室内机器人定位方法、系统及计算机可读存储介质。
背景技术
传统的特定目标环境下的定位技术依据其定位原理可分为孤立式定位和交互式定位,所谓孤立式定位指不与周围环境固有组成进行信息交互,即对环境周围不发生感知,没有产生针对环境固有组成因素的耦合信息,常见的如WiFi定位、超宽带、基于RFID标签定位技术等,这类定位方式与技术是只接受事先部署的特定设备信号的定位方式;交互式定位指在应用场景中,与环境的组成要素有信息的交互或依赖于其要素特性而进行的一种基于感知交互的定位方式,这类定位方式无需事先部署外置定位配套设备,这就使得该类定位方式在消费领域应用比较广泛;同时,由于部署的低成本、高适用,在工业级场景中应用也比较广泛,此类定位技术及方式主要由超声波、红外、视觉定位等。
在生产和生活场景中,定位设备和定位产品的使用都有其特定目的,孤立式定位方式因需额外的部署支持设备所以受限较大,无法满足多元化的应用的需求,往往缺乏普适性的应用解决系统方案;而交互式定位依托于环境组成要素,不仅脱限于技术支持框架更是可以充分利用环境中的结构化与非结构化要素,其中尤以视觉定位获取的要素信息甚为广泛,包括了环境可视化范围内的所有组成元素,进而通过数字图像处理技术更进一步的可以得到环境结构、区域分布,同时伴随智能视觉技术的迭代可以实现更深层次的语义结构重建;视觉定位实现的是计算机视觉技术在实际应用领域的推广;现有室内机器人定位方案存在定位精确度较低、鲁棒性弱及成本高等缺点。
发明内容
有鉴于此,本发明提供了一种基于LED位置编码的室内机器人定位方法、系统及计算机可读存储介质,以解决现有技术中室内机器人定位精确度较低的技术问题。
一方面,本发明提供了一种基于LED位置编码的室内机器人定位方法,包括以下步骤:
使室内机器人拍摄LED灯,得到LED灯图像,获取像室内机器人拍摄LED灯图像时拍摄节点的GPS信息,以一张LED灯图像和与之对应的拍摄节点的GPS信息作为一个节点,根据室内机器人历史时刻的位置信息,获取室内机器人当前时刻的位置范围;
室内机器人在当前位置识别LED灯的像素坐标及各LED灯之间的相对位置,将识别得到的LED灯的像素坐标及各LED灯之间的相对位置与室内机器人当前的位置范围内的节点进行匹配,获取当前位置对应的节点;
以当前位置对应的节点对应的LED灯图像作为候选定位图像,以当前的位置下室内机器人获取的LED灯图像作为待定位图像,根据候选定位图像和待定位图像,获取室内机器人当前位置的坐标。
进一步地,所述基于LED位置编码的室内机器人定位方法,还包括,确定LED灯颜色的数量及LED灯安装的位置,使任意两个LED灯之间的间距相等,选取天花板上一点作为世界坐标系的原点,在天花板平面上选取世界坐标系的x轴及y轴,以以垂直天花板平面为z轴,建立关于LED灯的世界坐标系,获取每个LED灯的世界坐标及拍摄节点的世界坐标。
进一步地,根据室内机器人历史时刻的位置信息,获取室内机器人当前时刻的位置范围,具体包括,获取两次历史时刻的位置的距离,根据室内机器人历史时刻的位置信息及两次历史时刻的位置的距离,预测得到室内机器人当前的位置范围。
进一步地,所述室内机器人在当前位置识别LED灯的像素坐标及各LED灯之间的相对位置,具体包括,通过像素颜色对HSV颜色统计模型进行训练,得到训练后的HSV颜色统计模型,室内机器人在当前位置拍摄LED灯图像,通过训练后的HSV颜色统计模型,识别该LED灯图像中的LED灯的像素坐标及各LED灯之间的相对位置。
进一步地,根据候选定位图像和待定位图像,获取室内机器人当前位置的坐标,具体包括,根据候选定位图像和待定位图像,获取候选定位图像对应平面与待定位图像对应平面之间的单应性矩阵,根据单应性矩阵的矩阵分解及位姿求解,获取室内机器人当前位置的坐标。
进一步地,根据单应性矩阵的矩阵分解及位姿求解,室内机器人当前位置的坐标,具体包括,用相机内参矩阵K、旋转R和平移t来表示单应性矩阵H,对所述单应性矩阵H进行分解后,进行位姿求解,得到当前位置相较于节点对应位置的旋转矩阵R和平移向量t,根据所述旋转矩阵R和平移向量t,获取室内机器人当前位置的坐标,其中,相机内参矩阵K通过相机标定获得,ri是R的第i列向量,i=1,2。
进一步地,根据所述旋转矩阵R和平移向量t,获取室内机器人当前位置的坐标,具体包括,根据所述旋转矩阵R、平移向量t及坐标转换公式,获取室内机器人当前位置的坐标,所述坐标转换公式为X2=X1*R+t,其中,X2为室内机器人当前位置的坐标,X1为候选定位图像对应的拍摄节点的世界坐标。
进一步地,所述基于LED位置编码的室内机器人定位方法还包括,室内机器人拍摄的LED灯图像至少包含4个LED灯。
与现有技术相比,本发明的有益效果包括:通过使室内机器人拍摄LED灯,得到LED灯图像,获取像室内机器人拍摄LED灯图像时拍摄节点的GPS信息,以一张LED灯图像和与之对应的拍摄节点的GPS信息作为一个节点,根据室内机器人历史时刻的位置信息,获取室内机器人当前时刻的位置范围;室内机器人在当前位置识别LED灯的像素坐标及各LED灯之间的相对位置,将识别得到的LED灯的像素坐标及各LED灯之间的相对位置与室内机器人当前的位置范围内的节点进行匹配,获取当前位置对应的节点;以当前位置对应的节点对应的LED灯图像作为候选定位图像,以当前的位置下室内机器人获取的LED灯图像作为待定位图像,根据候选定位图像和待定位图像,获取室内机器人当前位置的坐标;提高了室内机器人定位的精确度。
附图说明
图1为本发明实施例1所述的基于LED位置编码的室内机器人定位方法的流程示意图;
图2为本发明实施例1所述的LED灯安装距离获取示意图;
图3为本发明实施例1所述的LED灯的颜色以及安装位置;
图4为本发明实施例1所述的室内机器人的初定位的示意图;
图5为本发明实施例1所述的HSV颜色检测结果;
图6为本发明实施例1所述的定位测试实验示意图;
图7为本发明实施例1所述的x方向上的误差统计图;
图8为本发明实施例1所述的y方向上的误差统计图;
图9为本发明实施例1所述的z方向上的误差统计图。
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。
实施例1
本发明实施例提供了一种基于LED位置编码的室内机器人定位方法,其流程示意图,如图1所示,所述方法包括以下步骤:
S1、使室内机器人拍摄LED灯,得到LED灯图像,获取像室内机器人拍摄LED灯图像时拍摄节点的GPS信息,以一张LED灯图像和与之对应的拍摄节点的GPS信息作为一个节点,根据室内机器人历史时刻的位置信息,获取室内机器人当前时刻的位置范围;
S2、室内机器人在当前位置识别LED灯的像素坐标及各LED灯之间的相对位置,将识别得到的LED灯的像素坐标及各LED灯之间的相对位置与室内机器人当前的位置范围内的节点进行匹配,获取当前位置对应的节点;
S3、以当前位置对应的节点对应的LED灯图像作为候选定位图像,以当前的位置下室内机器人获取的LED灯图像作为待定位图像,根据候选定位图像和待定位图像,获取室内机器人当前位置的坐标。
优选的,所述基于LED位置编码的室内机器人定位方法还包括,确定LED灯颜色的数量及LED灯安装的位置,使任意两个LED灯之间的间距相等,选取天花板上一点作为世界坐标系的原点,在天花板平面上选取世界坐标系的x轴及y轴,以以垂直天花板平面为z轴,建立关于LED灯的世界坐标系,获取每个LED灯的世界坐标及拍摄节点的世界坐标;
一个具体实施例中,需要对天花板进行LED编码,在LED灯编码阶段,需要确定LED灯颜色的数量以及LED灯安装的位置;通过应用场所的范围大小确定LED灯颜色的数量,当LED灯颜色数量越多时,其编码能力越强,应用场所范围也就越大;
为了保证机器人每次拍摄的图片都含有4个LED灯(为后续高精度定位提供数据基础),安装时,必须保证每两个灯之间的间距相等;天花板上LED灯的安装距离D是根据摄像机的视角以及摄像机到天花板的距离f求得,LED灯安装距离获取示意图,如图2所示,根据视角α和相机到天花板上的距离f,通过以下公式求出相机可拍摄的天花板实际范围
在进行节点级定位以及测量级定位时,需要通过照片上的4个LED灯进行求解位姿,因此,室内机器人相机拍摄的每张照片应该包含4个LED灯,可求每个LED灯之间的距离D,
一个具体实施例中,需要制作精度节点地图,这是实现节点级定位以及为测量级定位提供数据基础,是实现室内机器人高精度定位的关键,在进行节点地图的制作时,需要记录每个拍摄节点的高精度GPS信息以及每个LED灯在世界坐标系下的坐标(将制作好的包含所有节点信息的节点地图称之为码本);
建立世界坐标系的过程为,选取天花板上的一点作为世界坐标系的原点,选取天花板平面上合适的方向作为世界坐标系的x轴和y轴,并以垂直天花板平面为z轴建立世界坐标系;在此基础上,可以得到安装在天花板上的每个LED灯的世界坐标,并将每个LED灯的世界坐标录入节点地图中,节点地图还应该包含每个拍摄节点的高精度GPS信息;在此方法中,高精度GPS信息通过组合惯导结合激光雷达SLAM技术进行采集,在制作离线节点地图时,需要用得到组合惯导和激光雷达,在线定位时并不需要,这样大大提升了算法的运行速度;每个拍摄节点的高精度GPS信息可以为测量级定位进行准确定位提供保障;
LED灯的颜色以及安装位置,如图3所示,A表示红色,B表示黄色,C表示蓝色,D表示绿色,图3中表示每个LED灯的颜色以及安装位置的不同,导致每个拍摄节点所对应的高精度GPS信息也不相同;
优选的,根据室内机器人历史时刻的位置信息,获取室内机器人当前时刻的位置范围,具体包括,获取两次历史时刻的位置的距离,根据室内机器人历史时刻的位置信息及两次历史时刻的位置的距离,预测得到室内机器人当前的位置范围;
一个具体实施例中,室内机器人的初定位的示意图,如图4所示,在ti-1时刻,室内机器人移动到位置Li-1,di-1定义为室内机器人从ti-2时刻到ti-1时刻的移动距离,在ti时刻,由于之前的位置已知,当前的位置Li可以推导如下
考虑到拓扑定位的误差ε,选择地图节点的范围从Li-ε到Li+ε(图4中虚线区域)作为初定位的结果;
优选的,所述室内机器人在当前位置识别LED灯的像素坐标及各LED灯之间的相对位置,具体包括,通过像素颜色对HSV颜色统计模型进行训练,得到训练后的HSV颜色统计模型,室内机器人在当前位置拍摄LED灯图像,通过训练后的HSV颜色统计模型,识别该LED灯图像中的LED灯的像素坐标及各LED灯之间的相对位置;
一个具体实施例中通过拓扑初定位,可以得到一个初定位范围,在此范围内,所有的图像都为候选图像;节点级定位试图从初定位范围内的所有候选定位图像中选取一个距离待定位图像最近的图像;通过以下两步达到此目的,一是颜色检测与位置识别,对于机器人拍摄的一帧图片,利用HSV颜色统计模型来检测和提取不同颜色的灯,并通过它们的像素坐标,判断他们彼此的相对位置关系,二是码本匹配,将LED灯的颜色以及相对位置作为该图片的一个特定标志(称之为码子),将该码子与高精度节点地图组成的码本相匹配,从而得出该位置的节点信息;
接下来需要提取了大量像素颜色来训练HSV颜色统计模型进行颜色分析,以黄色为例,需要对这种颜色分布建模以进行颜色分析,将红-绿-蓝(RGB)的颜色空间转换为色调-饱和度-明度(HSV)的颜色空间;该空间由表示平均值的3×1向量和表示颜色样本协方差的3×3矩阵组成,3×1的均值向量μ的计算如下
μ=[E(H) E(S) E(V)]T
其中,H、S、V为所有训练颜色样本的色调、饱和度和明度值,E(H)、E(S)和E(V)分别是它们的均值,3×3的协方差矩阵C的计算方法如下,
v(X,Y)可由以下公式得到
v(X,Y)=E[(X-E(X))(Y-E(Y))]
从HSV模型中,我们可以计算输入颜色为黄色的概率或可能性,如下所示,
G(I)∝(I-μ)TC-1(I-μ)
其中,I为图像中各点的像素值,为3×1矩阵;G(I)即为该像素点为黄色的概率;利用所提出的HSV颜色统计模型,得到不同颜色灯的像素坐标和他们彼此的相对位置关系,即实现颜色检测和位置识别;
HSV颜色检测结果,如图5所示,图5中,从左至右分别为红、紫、黄、蓝色;将LED灯的颜色以及相对位置作为该图片的一个特定标志(称之为码子),将该码子与制作的高精度离线节点地图组成的码本相匹配,从而得出该位置的节点信息;
优选的,根据候选定位图像和待定位图像,获取室内机器人当前位置的坐标,具体包括,根据候选定位图像和待定位图像,获取候选定位图像对应平面与待定位图像对应平面之间的单应性矩阵,根据单应性矩阵的矩阵分解及位姿求解,获取室内机器人当前位置的坐标。
优选的,根据单应性矩阵的矩阵分解及位姿求解,室内机器人当前位置的坐标,具体包括,用相机内参矩阵K、旋转R和平移t来表示单应性矩阵H,对所述单应性矩阵H进行分解后,进行位姿求解,得到当前位置相较于节点对应位置的旋转矩阵R和平移向量t,根据所述旋转矩阵R和平移向量t,获取室内机器人当前位置的坐标,其中,相机内参矩阵K通过相机标定获得,ri是R的第i列向量,i=1,2。
优选的,根据所述旋转矩阵R和平移向量t,获取室内机器人当前位置的坐标,具体包括,根据所述旋转矩阵R、平移向量t及坐标转换公式,获取室内机器人当前位置的坐标,所述坐标转换公式为X2=X1*R+t,其中,X2为室内机器人当前位置的坐标,X1为候选定位图像对应的拍摄节点的世界坐标;
一个具体实施例中,在节点级定位的基础上,已知每张图片上4个LED灯的相对位置信息以及图像上的像素坐标,可求得两个平面之间的单应性矩阵H,再通过H矩阵分解及位姿求解公式完成精准定位;首先,从候选定位图像中提取足够数量的特征点,所有特征点都是预先提取出来的,并存储在地图中的所有图像中;
在进行特征点匹配时的LED灯的像素坐标选用颜色分割后的所有像素点的平均值;可以直接匹配待定位图像和候选定位图像之间的局部特征;在实际应用中,还采用了随机样本一致性(RANSAC)方法去除异常值,以增强匹配的鲁棒性;最后,如果两幅图像之间有足够数量的特征点匹配,则可以认为待定位图像与候选定位图像的匹配是正确的;根据匹配的特征点,可以通过如下公式将这两幅图像联系起来,
[uq vq 1]为待定位图像的坐标,[um vm 1]为候选定位图像的坐标,Hq单应性矩阵,通过世界坐标与候选定位图像像素坐标之间可以求得矩阵Hm,如下
上式左边对应世界坐标,右边对应候选定位图像像素坐标;
结合以上两式,可以得到待定位图像世界坐标系与候选定位图像像素坐标系之间的单应性矩阵H,如下
从射影几何出发,可以用相机内参矩阵K、旋转R和平移t来表示单应性矩阵H;其中相机内参矩阵K可以通过相机标定获得,内参矩阵K为3x3矩阵,参数包括相机焦距以及相机分辨率;相机标定可以使用张正友标定法求解相机内参矩阵K,有如下公式
因此,当ri是R的第i列向量时,机器人上搭载的相机相对于编码的天花板的姿态计算公式如下
其中,hi是H的第i列向量,可以通过坐标系的转换,最终确定车辆的位置,可以通过以上公式求出当前拍摄地点相较于节点地图拍摄地点的旋转矩阵R和平移向量t,通过节点地图坐标以及R和t可以求出当前拍摄位置的准确位置,其公式为X2=X1*R+t,其中,X2为室内机器人当前位置的坐标,X1为候选定位图像对应的拍摄节点的世界坐标
优选的,所述基于LED位置编码的室内机器人定位方法还包括,室内机器人拍摄的LED灯图像至少包含4个LED灯。
一个具体实施例中,为测试本发明实施例所述的基于LED位置编码的室内机器人定位方法的使用性能,选取某走廊为实验地点,实验路线总长度约为50米,定位测试实验示意图,如图6所示,x方向上的误差统计图,y方向上的误差统计图,z方向上的误差统计图,分别如图7、8、9所示,图7-9中point1-8对应的是曲线上的值,由图7-9可知,定位误差均值为10cm左右,满足室内机器人定位精度要求。
实施例2
本发明实施例提供了一种基于LED位置编码的室内机器人定位系统,包括处理器以及存储器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现如实施例1所述的基于LED位置编码的室内机器人定位方法。
实施例3
本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,,所述计算机该程序被处理器执行时,实现如实施例1所述的基于LED位置编码的室内机器人定位方法。
本发明公开了一种基于LED位置编码的室内机器人定位方法、系统及计算机可读存储介质,通过使室内机器人拍摄LED灯,得到LED灯图像,获取像室内机器人拍摄LED灯图像时拍摄节点的GPS信息,以一张LED灯图像和与之对应的拍摄节点的GPS信息作为一个节点,根据室内机器人历史时刻的位置信息,获取室内机器人当前时刻的位置范围;室内机器人在当前位置识别LED灯的像素坐标及各LED灯之间的相对位置,将识别得到的LED灯的像素坐标及各LED灯之间的相对位置与室内机器人当前的位置范围内的节点进行匹配,获取当前位置对应的节点;以当前位置对应的节点对应的LED灯图像作为候选定位图像,以当前的位置下室内机器人获取的LED灯图像作为待定位图像,根据候选定位图像和待定位图像,获取室内机器人当前位置的坐标;提高了室内机器人定位的精确度,同时增强了定位的鲁棒性,降低了定位成本及LED灯布局的难度。
以上所述本发明的具体实施方式,并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形,均应包含在本发明权利要求的保护范围内。
Claims (10)
1.一种基于LED位置编码的室内机器人定位方法,其特征在于,包括以下步骤:
使室内机器人拍摄LED灯,得到LED灯图像,获取像室内机器人拍摄LED灯图像时拍摄节点的GPS信息,以一张LED灯图像和与之对应的拍摄节点的GPS信息作为一个节点,根据室内机器人历史时刻的位置信息,获取室内机器人当前时刻的位置范围;
室内机器人在当前位置识别LED灯的像素坐标及各LED灯之间的相对位置,将识别得到的LED灯的像素坐标及各LED灯之间的相对位置与室内机器人当前的位置范围内的节点进行匹配,获取当前位置对应的节点;
以当前位置对应的节点对应的LED灯图像作为候选定位图像,以当前的位置下室内机器人获取的LED灯图像作为待定位图像,根据候选定位图像和待定位图像,获取室内机器人当前位置的坐标。
2.根据权利要求1所述的基于LED位置编码的室内机器人定位方法,其特征在于,还包括,确定LED灯颜色的数量及LED灯安装的位置,使任意两个LED灯之间的间距相等,选取天花板上一点作为世界坐标系的原点,在天花板平面上选取世界坐标系的x轴及y轴,以以垂直天花板平面为z轴,建立关于LED灯的世界坐标系,获取每个LED灯的世界坐标及拍摄节点的世界坐标。
3.根据权利要求2所述的基于LED位置编码的室内机器人定位方法,其特征在于,根据室内机器人历史时刻的位置信息,获取室内机器人当前时刻的位置范围,具体包括,获取两次历史时刻的位置的距离,根据室内机器人历史时刻的位置信息及两次历史时刻的位置的距离,预测得到室内机器人当前的位置范围。
4.根据权利要求3所述的基于LED位置编码的室内机器人定位方法,其特征在于,所述室内机器人在当前位置识别LED灯的像素坐标及各LED灯之间的相对位置,具体包括,通过像素颜色对HSV颜色统计模型进行训练,得到训练后的HSV颜色统计模型,室内机器人在当前位置拍摄LED灯图像,通过训练后的HSV颜色统计模型,识别该LED灯图像中的LED灯的像素坐标及各LED灯之间的相对位置。
5.根据权利要求2所述的基于LED位置编码的室内机器人定位方法,其特征在于,根据候选定位图像和待定位图像,获取室内机器人当前位置的坐标,具体包括,根据候选定位图像和待定位图像,获取候选定位图像对应平面与待定位图像对应平面之间的单应性矩阵,根据单应性矩阵的矩阵分解及位姿求解,获取室内机器人当前位置的坐标。
7.根据权利要求6所述的基于LED位置编码的室内机器人定位方法,其特征在于,根据所述旋转矩阵R和平移向量t,获取室内机器人当前位置的坐标,具体包括,根据所述旋转矩阵R、平移向量t及坐标转换公式,获取室内机器人当前位置的坐标,所述坐标转换公式为X2=X1*R+t,其中,X2为室内机器人当前位置的坐标,X1为候选定位图像对应的拍摄节点的世界坐标。
8.根据权利要求1-7任一项所述的基于LED位置编码的室内机器人定位方法,其特征在于,还包括,室内机器人拍摄的LED灯图像至少包含4个LED灯。
9.一种基于LED位置编码的室内机器人定位系统,其特征在于,包括处理器以及存储器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现如权利要求1-8任一所述的基于LED位置编码的室内机器人定位方法。
10.一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,所述计算机该程序被处理器执行时,实现如权利要求1-8任一所述的基于LED位置编码的室内机器人定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010728332.7A CN111928852B (zh) | 2020-07-23 | 2020-07-23 | 一种基于led位置编码的室内机器人定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010728332.7A CN111928852B (zh) | 2020-07-23 | 2020-07-23 | 一种基于led位置编码的室内机器人定位方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111928852A true CN111928852A (zh) | 2020-11-13 |
CN111928852B CN111928852B (zh) | 2022-08-23 |
Family
ID=73315646
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010728332.7A Active CN111928852B (zh) | 2020-07-23 | 2020-07-23 | 一种基于led位置编码的室内机器人定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111928852B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113674362A (zh) * | 2021-08-24 | 2021-11-19 | 北京理工大学 | 一种基于空间调制的室内成像定位方法及系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100581086B1 (ko) * | 2004-12-13 | 2006-05-22 | 한국전자통신연구원 | RFID Tag LED를 이용한 로봇 위치 측정 방법 및장치 |
US20130198802A1 (en) * | 2011-11-16 | 2013-08-01 | Flextronics Ap, Llc | On board vehicle media controller |
US9002511B1 (en) * | 2005-10-21 | 2015-04-07 | Irobot Corporation | Methods and systems for obstacle detection using structured light |
CN105444751A (zh) * | 2014-08-26 | 2016-03-30 | 深圳市芯通信息科技有限公司 | 基于led灯的室内定位方法、装置及系统 |
CN106338712A (zh) * | 2016-10-21 | 2017-01-18 | 泉州装备制造研究所 | 一种基于相机通信的可见光室内定位方法及系统 |
CN106793086A (zh) * | 2017-03-15 | 2017-05-31 | 河北工业大学 | 一种室内定位方法 |
CN107436422A (zh) * | 2017-08-22 | 2017-12-05 | 杭州慧仓信息科技有限公司 | 一种基于红外线灯立体阵列的机器人定位方法 |
CN107545006A (zh) * | 2016-06-28 | 2018-01-05 | 百度在线网络技术(北京)有限公司 | 一种用于建立或更新图像定位数据库的方法、设备与系统 |
CN108107405A (zh) * | 2016-11-24 | 2018-06-01 | 珠海横琴华策光通信科技有限公司 | Led定位装置、室内定位系统以及室内定位方法 |
CN109029442A (zh) * | 2018-06-07 | 2018-12-18 | 武汉理工大学 | 基于多视角匹配的定位装置及方法 |
CN110233667A (zh) * | 2019-06-05 | 2019-09-13 | 华南理工大学 | 基于均值漂移与无迹卡尔曼滤波的vlc动态定位方法及系统 |
CN110296707A (zh) * | 2019-07-31 | 2019-10-01 | 张家界航空工业职业技术学院 | 基于vlc技术的室内服务机器人 |
CN110579215A (zh) * | 2019-10-22 | 2019-12-17 | 上海木木机器人技术有限公司 | 基于环境特征描述的定位方法、移动机器人和存储介质 |
-
2020
- 2020-07-23 CN CN202010728332.7A patent/CN111928852B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100581086B1 (ko) * | 2004-12-13 | 2006-05-22 | 한국전자통신연구원 | RFID Tag LED를 이용한 로봇 위치 측정 방법 및장치 |
US9002511B1 (en) * | 2005-10-21 | 2015-04-07 | Irobot Corporation | Methods and systems for obstacle detection using structured light |
US20130198802A1 (en) * | 2011-11-16 | 2013-08-01 | Flextronics Ap, Llc | On board vehicle media controller |
US20150188961A1 (en) * | 2011-11-16 | 2015-07-02 | Flextronics Ap, Llc | On board vehicle media controller |
CN105444751A (zh) * | 2014-08-26 | 2016-03-30 | 深圳市芯通信息科技有限公司 | 基于led灯的室内定位方法、装置及系统 |
CN107545006A (zh) * | 2016-06-28 | 2018-01-05 | 百度在线网络技术(北京)有限公司 | 一种用于建立或更新图像定位数据库的方法、设备与系统 |
CN106338712A (zh) * | 2016-10-21 | 2017-01-18 | 泉州装备制造研究所 | 一种基于相机通信的可见光室内定位方法及系统 |
CN108107405A (zh) * | 2016-11-24 | 2018-06-01 | 珠海横琴华策光通信科技有限公司 | Led定位装置、室内定位系统以及室内定位方法 |
CN106793086A (zh) * | 2017-03-15 | 2017-05-31 | 河北工业大学 | 一种室内定位方法 |
CN107436422A (zh) * | 2017-08-22 | 2017-12-05 | 杭州慧仓信息科技有限公司 | 一种基于红外线灯立体阵列的机器人定位方法 |
CN109029442A (zh) * | 2018-06-07 | 2018-12-18 | 武汉理工大学 | 基于多视角匹配的定位装置及方法 |
CN110233667A (zh) * | 2019-06-05 | 2019-09-13 | 华南理工大学 | 基于均值漂移与无迹卡尔曼滤波的vlc动态定位方法及系统 |
CN110296707A (zh) * | 2019-07-31 | 2019-10-01 | 张家界航空工业职业技术学院 | 基于vlc技术的室内服务机器人 |
CN110579215A (zh) * | 2019-10-22 | 2019-12-17 | 上海木木机器人技术有限公司 | 基于环境特征描述的定位方法、移动机器人和存储介质 |
Non-Patent Citations (1)
Title |
---|
孙森震等: "可见光通信与双目视觉的室内定位", 《光学精密工程》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113674362A (zh) * | 2021-08-24 | 2021-11-19 | 北京理工大学 | 一种基于空间调制的室内成像定位方法及系统 |
CN113674362B (zh) * | 2021-08-24 | 2023-06-27 | 北京理工大学 | 一种基于空间调制的室内成像定位方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111928852B (zh) | 2022-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109658461B (zh) | 一种基于虚拟仿真环境的合作二维码的无人机定位方法 | |
CN109345588B (zh) | 一种基于Tag的六自由度姿态估计方法 | |
CN110580723B (zh) | 一种利用深度学习和计算机视觉进行精准定位的方法 | |
CN108898676B (zh) | 一种虚实物体之间碰撞及遮挡检测方法及系统 | |
CN111126304A (zh) | 一种基于室内自然场景图像深度学习的增强现实导航方法 | |
CN110825101A (zh) | 一种基于深度卷积神经网络的无人机自主降落方法 | |
Yan et al. | Joint camera intrinsic and lidar-camera extrinsic calibration | |
CN108680177B (zh) | 基于啮齿类动物模型的同步定位与地图构建方法及装置 | |
CN115719436A (zh) | 模型训练方法、目标检测方法、装置、设备以及存储介质 | |
CN111402331B (zh) | 基于视觉词袋和激光匹配的机器人重定位方法 | |
CN116310678A (zh) | 固态激光雷达与热成像视觉融合的火源识别及定位方法 | |
CN115451964A (zh) | 基于多模态混合特征的船舶场景同时建图与定位方法 | |
CN111928852B (zh) | 一种基于led位置编码的室内机器人定位方法及系统 | |
US20210304411A1 (en) | Map construction method, apparatus, storage medium and electronic device | |
CN114663473A (zh) | 基于多视角信息融合的人员目标定位与追踪方法及系统 | |
KR20230003803A (ko) | 라이다 좌표계와 카메라 좌표계의 벡터 정합을 통한 자동 캘리브레이션 방법 | |
CN114266823A (zh) | 一种结合SuperPoint网络特征提取的单目SLAM方法 | |
CN113971697A (zh) | 一种空地协同车辆定位定向方法 | |
CN109410272A (zh) | 一种变压器螺母识别与定位装置及方法 | |
CN112017303B (zh) | 一种基于增强现实技术的设备维修辅助方法 | |
CN111964681B (zh) | 一种巡检机器人的实时定位系统 | |
CN110910379B (zh) | 一种残缺检测方法及装置 | |
CN114387351A (zh) | 一种单目视觉标定方法及计算机可读存储介质 | |
CN110197509B (zh) | 一种基于彩色人工标识的相机位姿求解法 | |
CN110069131A (zh) | 一种基于近红外光圆斑检测的多指尖定位方法 |
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 |