CN112508065A - 机器人及其定位方法和装置 - Google Patents

机器人及其定位方法和装置 Download PDF

Info

Publication number
CN112508065A
CN112508065A CN202011330768.7A CN202011330768A CN112508065A CN 112508065 A CN112508065 A CN 112508065A CN 202011330768 A CN202011330768 A CN 202011330768A CN 112508065 A CN112508065 A CN 112508065A
Authority
CN
China
Prior art keywords
image
dimension code
robot
dimensional code
determining
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
CN202011330768.7A
Other languages
English (en)
Other versions
CN112508065B (zh
Inventor
黄明强
张惊涛
刘志超
赖有仿
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.)
Shenzhen Ubtech Technology Co ltd
Original Assignee
Shenzhen Ubtech Technology Co ltd
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 Shenzhen Ubtech Technology Co ltd filed Critical Shenzhen Ubtech Technology Co ltd
Priority to CN202011330768.7A priority Critical patent/CN112508065B/zh
Publication of CN112508065A publication Critical patent/CN112508065A/zh
Application granted granted Critical
Publication of CN112508065B publication Critical patent/CN112508065B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
    • G06K7/1417—2D bar codes
    • 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
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Electromagnetism (AREA)
  • General Health & Medical Sciences (AREA)
  • Toxicology (AREA)
  • Image Analysis (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本申请属于机器人定位领域，公开了一种机器人及其定位方法和装置。该方法包括：获取机器人所在场景的红外图像；获取所述红外图像中包括的二维码图像；将获取的所述二维码图像，与预设的二维码地图中的二维码进行匹配，确定所述红外二维码图像在所述二维码地图中所匹配的二维码；根据所匹配的二维码确定所述机器人的位姿。由于红外图像的采集通常不会受到强光、弱光、无光或光照剧烈变化场景的影响，因此，机器人可以准确的获取场景中的二维码图像，从而能够克服光照剧烈变化对定位精度的影响，保证机器人在光照剧烈变化场景下的定位精度。

Description

机器人及其定位方法和装置
技术领域
本申请属于机器人定位领域，尤其涉及一种机器人，以及该机器人在复杂光影环境下的定位方法和装置。
背景技术
随着机器人应用场景的增加，对机器人的定位能力也提出了新的要求。比如，用于舞台表演的机器人进行定位时，由于舞台中的灯光变化通常比较剧烈，通常既有强光，又有弱光，甚至有时候无光。而机器人在舞台上表演时，需要对机器人进行精确定位，以确保机器人成功的完成舞台表演。
目前的机器人定位方式中，包括基于WIFI、蓝牙、UWB(超宽带)、激光雷达或基于视频等定位方式。其中，基于WIFI、蓝牙、UWB(超宽带)等无线定位方式的定位精度较低，容易受行人影响；基于激光雷达进行定位的精度较高，但容易因遮挡而定位失败，并且激光雷达价格较高。通过视觉定位可以较好的提升定位精度，减少行人遮挡而定位失败的机率。但是，在光影剧烈变化的场景对机器人定位时，机器人的定位精度不高。
发明内容
有鉴于此，本申请实施例提供了一种机器人及其定位方法和装置，以解决现有技术中机器人在光影剧烈变化的场景下，机器人的定位精度不高的问题。
本申请实施例的第一方面提供了一种机器人的定位方法，所述方法包括：
获取机器人所在场景的红外图像；
获取所述红外图像中包括的二维码图像；
将获取的所述二维码图像，与预设的二维码地图中的二维码进行匹配，确定所述红外二维码图像在所述二维码地图中所匹配的二维码；
根据所匹配的二维码确定所述机器人的位姿。
结合第一方面，在第一方面的第一种可能实现方式中，获取所述红外图像中包括的二维码图像，包括：
将所述红外图像转换为二值化图像；
确定所述二值化图像中包括的边缘点集；
将预设的二维码外形与所述边缘点集进行拟合，确定所述红外图像中的二维码图像所在位置。
结合第一方面的第一种可能实现方式，在第一方面的第二种可能实现方式中，将所述红外图像转换为二值化图像，包括：
将待二值化像素的灰度值，与该待二值化像素的邻域的高斯加权平均值进行比较；
根据比较的结果，确定所述待二值化像素所对应的二值化结果。
结合第一方面的第一种可能实现方式，在第一方面的第三种可能实现方式中，确定所述二值化图像中包括的边缘点集，包括：
根据待判断像素与该待判断像素的相邻像素的二值化结果，确定待判断像素是否为边缘点；
通过并查集方法，获得所述边缘点所构成的边缘点集。
结合第一方面的第一种可能实现方式，在第一方面的第四种可能实现方式中，将预设的二维码外形与所述边缘点集进行拟合，确定所述红外图像中的二维码图像所在位置，包括：
根据预设的二维码的四边外形与所述边缘点集进行拟合，确定边缘点集与所述四边外形的拟合度确定红外图像中的二维码图像；
根据所确定的红外图像中的二维码图像的顶点坐标确定所述二维码图像的所在位置。
结合第一方面，在第一方面的第五种可能实现方式中，将获取的所述二维码图像，与预设的二维码地图中的二维码进行匹配，确定所述红外二维码图像在所述二维码地图中所匹配的二维码，包括：
将所述二维码图像进行缩放和/或变形处理，得到与二维码大小和形状匹配的二维码图像；
比较处理后的二维码图像与二维码地图中的二维码的相似度，根据所述相似度确定二维码图像在二维码地图中对应的二维码。
结合第一方面，在第一方面的第六种可能实现方式中，根据所匹配的二维码确定所述机器人的位姿，包括：
根据所述红外图像中的二维码图像，估计所述机器人的位姿；
根据所估计的相机位姿，结合所述机器人的相机参数，对所述红外图像中的二维码图像进行筛选；
根据筛选后的二维码图像确定所述机器人的位姿。
本申请实施例的第二方面提供了一种机器人的定位装置，所述装置包括：
红外图像获取单元，用于获取机器人所在场景的红外图像；
二维码图像获取单元，用于获取所述红外图像中包括的二维码图像；
二维码匹配单元，用于将获取的所述二维码图像，与预设的二维码地图中的二维码进行匹配，确定所述红外二维码图像在所述二维码地图中所匹配的二维码；
位姿确定单元，用于根据所匹配的二维码确定所述机器人的位姿。
本申请实施例的第三方面提供了一种机器人，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面任一项所述方法的步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项所述方法的步骤。
本申请实施例与现有技术相比存在的有益效果是：本申请通过获取机器人所在场景中的红外图像，通过红外图像查找二维码图像，将查找的二维码图像与地图进行匹配，根据匹配结果来确定机器人的位姿，由于红外图像的采集通常不会受到强光、弱光、无光或光照剧烈变化场景的影响，因此，在强光、弱光、无光或光照剧烈变化的场景下，可以准确的获取场景中的二维码图像，从而能够克服光照剧烈变化对定位精度的影响，保证机器人在光照剧烈变化场景下的定位精度。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种机器人的定位方法的实施场景示意图；
图2是本申请实施例提供的一种机器人的定位方法的实现流程示意图；
图3是本申请实施例提供的一种获取红外图像中包括的二维码图像的实现流程示意图；
图4是本申请实施例提供的一种机器人的定位装置的示意图；
图5是本申请实施例提供的机器人的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
图1为本申请实施例提供的一种机器人定位方法的实施场景示意图。如图1所示，在机器人的定位场景中，包括预先设置在多个不同位置的二维码标识，且二维码标识的位置是可知的。所述机器人包括用于定位图像采集的红外摄像头，可以采集场景中的红外图像。并且，该红外摄像头固定安装在机器人上，红外摄像头的高度，以及与机器人的夹角是固定的。机器人场景中移动时，通过所述红外摄像头所采集的图像，通常可以包括一个以上的二维码图像。由于复杂光影环境下的淘汰复杂，但主要是以可见光为主，所包括的红外波段非常微弱。因此，通过红外摄像头采集机器人所在场景的红外图像，可以有效的克服复杂光影变化的影响，提升所采集的图像的质量，从而有利于后续通过所采集的红外图像确定机器人的位姿。
图2为本申请实施例提供的一种机器人的定位方法的实现流程示意图，详述如下：
在S201中，获取机器人所在场景的红外图像。
本申请实施例中，所述机器人可以通过红外摄像头获取机器人所在场景的红外图像，也可以通过摄像头与滤光片的方式，将较短波长的可见光滤除，得到所需要的红外图像。比如，可以采用滤光片过滤小于850nm波长的光线，获得波长大于850nm的光线，得到可以克服复杂光影环境影响的、清晰的红外图像。
其中，机器人在获取红外图像时，可以按照预设的采集周期进行采集，也可以根据所采集的红外图像中的二维码图像的数量、距离远近等因素，确定红外图像采集的时间间隔。比如，由于受到场景中移动的人或其它障碍物影响，对于所采集的红外图像，如果包括的二维码图像数量少于预定数量值，则可以重新采集红外图像，或者可以改变机器人的位姿重新采集红外图像。或者，如果所采集的二维图像的尺寸小于预定的尺寸，则表示机器人距离二维码的距离较远，在这种情况下，可以重新采集红外图像，或者改变机器人的位姿重新采集红外图像。
在S202中，获取所述红外图像中包括的二维码图像。
其中，获取红外图像中的二维码图像，可以通过二维码特征匹配的方式，确定红外图像中的二维码图像，或者也可以像素匹配的方式。比如，图3所示的一种获取红外图像中包括的二维码图像的实现流程示意图，包括：
S301，将所述红外图像转换为二值化图像。
其中，将所述红外图像转换为二值化图像时，可以通过设定的固定的灰度阈值，将所述红外图像转换为二值化图像。或者，也可以通过变化阈值将所述红外图像转换为二值化图像。
比如，可以将图像中的某一像素的灰度值dst(x，y)，与该像素的邻域的高斯加权平均值T(x，y)进行比较，如果该像素的灰度值大于该高斯加权平均值，则该像素可以二值为1，如果小于该高斯平均加权值，该像素可以二值化为0。
其中，该像素的邻域，可以为该像素相邻的周围8个像素，也可以为该像素相邻的预定距离内的像素。
S302，确定所述二值化图像中包括的边缘点集。
通过对红外图像进行二值化处理得到二值化图像后，需要进一步识别二值化图像是否为二维码图像。在一种实现方式中，可以通过边缘特征对二值化后的图像进行特征提取，提取图像中包括的边缘点，通过所提取的边缘点构成边缘点集。
其中，提取二值化图像的边缘点的方式，可以将待判断的像素与其周围的像素的二值化结果进行比较，如果与周围的像素的二值化结果存在不同，则可以认为该像素为边缘点。
在可能的实现方式中，可以设定二值化结果存在不同的数量阈值，如果不同的像素的个数大于该数量阈值，则可以确定该像素为边缘点，从而可以更为高效的确定二值化图像中的边缘点。
在确定了边缘点后，可以进一步对边缘点进行聚类，可以通过并查集算法，确定属于同一目标图像的边缘点，根据所确定的边缘点构成边缘点集，从而便于根据边缘点集与二维码图像进行匹配。
在可能的实现方式中，根据所确定的边缘点的方式中所选择的数量阈值的不同，可以相应的调整所生成的边缘点集的并查集算法的聚类的距离阈值。如果确定边缘点所选择的数量阈值越大，则可以相应的增加生成边缘点集的距离阈值，从而使得间隔小于该距离阈值的边缘点可以位于同一边缘点集。
S303，将预设的二维码外形与所述边缘点集进行拟合，确定所述红外图像中的二维码图像所在位置。
在对二维码与边缘点集进行拟合时，可以选择二维码的外形，比如二维码的方形外框或四边形与边缘点集进行拟合。如果边缘点集中包括四边形外形，则该边缘点集所对应的图像，为红外图像中包括的二维码图像。可以根据该二维码图像中的顶点位置，作为该二维码图像在红外图像中的位置。
在S203中，将获取的所述二维码图像，与预设的二维码地图中的二维码进行匹配，确定所述红外二维码图像在所述二维码地图中所匹配的二维码。
其中，所述二维码地图为预先设定在机器人所在场景中的二维码所构成的地图。在所述二维码地图中，包括多个确定了位置的二维码，并且不同位置的二维码的内容不同。
由于二维码地图中包括预先设定了固定位置的多个二维码，因此，需要比较所采集的红外图像中的二维码图像，与二维码地图中的二维码的匹配关系。
在可能的实现方式中，可以直接通过二维码的相似度来确定是否匹配。或者，也可以将红外图像中的二维码图像解析得到二维码图像对应的数据信息，根据该数据信息与预设的位置的对应关系，确定二维码图像在二维码地图中所匹配的二维码。
在可能的实现方式中，可以根据所确定的二维码图像的位置，将二维码图像进行缩放处理和/或变形处理，将二维码图像的大小处理为与二维码地图中的二维码尺寸一致的图像。然后将处理后的二维码图像，与二维码地图中的二维码，通过计算汉明距离的方式，确定二维码地图中，汉明距离最短的二维码，即为与该二维码图像匹配的二维码。
在S204中，根据所匹配的二维码确定所述机器人的位姿。
在确定二维码图像中与二维码地图匹配的二维码后，可以根据二维码图像的形变信息、预先所设定的二维码的位置，确定机器人的位姿。比如，可以通过三对点估计位姿、直接线性变换等方式，确定机器人的位姿。
在可能的实现方式中，可以在红外图像中选择任一二维码图像，估计机器人的初步位姿。然后通过该初步位姿，结合机器人的先验信息，包括如机器人的相机高度，机器人相机与机器人的夹角等，对其它二维码图像进行筛选，得到更为有效的二维码图像。根据筛选得到的二维码图像，结合二维码图像所对应的二维码地图中的二维码所确定的位置信息，即可确定机器人的位姿，或者确定机器人相机位姿。
由于本申请中的红外图像的采集通常不会受到强光、弱光、无光或光照剧烈变化场景的影响，因此，在强光、弱光、无光或光照剧烈变化的场景下，可以准确的获取场景中的二维码图像，从而能够克服光照剧烈变化对定位精度的影响，保证机器人在光照剧烈变化场景下的定位精度。并且本申请通过边缘特征的匹配，有利于提升图像匹配精度，提高定位精度。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
图4为本申请实施例提供的一种机器人的定位装置的示意图，该装置包括：
红外图像获取单元401，用于获取机器人所在场景的红外图像；
二维码图像获取单元402，用于获取所述红外图像中包括的二维码图像；
二维码匹配单元403，用于将获取的所述二维码图像，与预设的二维码地图中的二维码进行匹配，确定所述红外二维码图像在所述二维码地图中所匹配的二维码；
位姿确定单元404，用于根据所匹配的二维码确定所述机器人的位姿。
图4所示的机器人的定位装置，与图1所示的机器人的定位方法对应。
图5是本申请一实施例提供的机器人的示意图。如图5所示，该实施例的机器人5包括：处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52，例如机器人的定位程序。所述处理器50执行所述计算机程序52时实现上述各个机器人的定位方法实施例中的步骤。或者，所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能。
示例性的，所述计算机程序52可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器51中，并由所述处理器50执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序52在所述机器人5中的执行过程。
所述机器人可包括，但不仅限于，处理器50、存储器51。本领域技术人员可以理解，图5仅仅是机器人5的示例，并不构成对机器人5的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述机器人还可以包括输入输出设备、网络接入设备、总线等。
所称处理器50可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51可以是所述机器人5的内部存储单元，例如机器人5的硬盘或内存。所述存储器51也可以是所述机器人5的外部存储设备，例如所述机器人5上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器51还可以既包括所述机器人5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述机器人所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种机器人的定位方法，其特征在于，所述方法包括：
获取机器人所在场景的红外图像；
获取所述红外图像中包括的二维码图像；
将获取的所述二维码图像，与预设的二维码地图中的二维码进行匹配，确定所述红外二维码图像在所述二维码地图中所匹配的二维码；
根据所匹配的二维码确定所述机器人的位姿。
2.根据权利要求1所述的方法，其特征在于，获取所述红外图像中包括的二维码图像，包括：
将所述红外图像转换为二值化图像；
确定所述二值化图像中包括的边缘点集；
将预设的二维码外形与所述边缘点集进行拟合，确定所述红外图像中的二维码图像所在位置。
3.根据权利要求2所述的方法，其特征在于，将所述红外图像转换为二值化图像，包括：
将待二值化像素的灰度值，与该待二值化像素的邻域的高斯加权平均值进行比较；
根据比较的结果，确定所述待二值化像素所对应的二值化结果。
4.根据权利要求2所述的方法，其特征在于，确定所述二值化图像中包括的边缘点集，包括：
根据待判断像素与该待判断像素的相邻像素的二值化结果，确定待判断像素是否为边缘点；
通过并查集方法，获得所述边缘点所构成的边缘点集。
5.根据权利要求2所述的方法，其特征在于，将预设的二维码外形与所述边缘点集进行拟合，确定所述红外图像中的二维码图像所在位置，包括：
根据预设的二维码的四边外形与所述边缘点集进行拟合，确定边缘点集与所述四边外形的拟合度确定红外图像中的二维码图像；
根据所确定的红外图像中的二维码图像的顶点坐标确定所述二维码图像的所在位置。
6.根据权利要求1所述的方法，其特征在于，将获取的所述二维码图像，与预设的二维码地图中的二维码进行匹配，确定所述红外二维码图像在所述二维码地图中所匹配的二维码，包括：
将所述二维码图像进行缩放和/或变形处理，得到与二维码大小和形状匹配的二维码图像；
比较处理后的二维码图像与二维码地图中的二维码的相似度，根据所述相似度确定二维码图像在二维码地图中对应的二维码。
7.根据权利要求1所述的方法，其特征在于，根据所匹配的二维码确定所述机器人的位姿，包括：
根据所述红外图像中的二维码图像，估计所述机器人的位姿；
根据所估计的相机位姿，结合所述机器人的相机参数，对所述红外图像中的二维码图像进行筛选；
根据筛选后的二维码图像确定所述机器人的位姿。
8.一种机器人的定位装置，其特征在于，所述装置包括：
红外图像获取单元，用于获取机器人所在场景的红外图像；
二维码图像获取单元，用于获取所述红外图像中包括的二维码图像；
二维码匹配单元，用于将获取的所述二维码图像，与预设的二维码地图中的二维码进行匹配，确定所述红外二维码图像在所述二维码地图中所匹配的二维码；
位姿确定单元，用于根据所匹配的二维码确定所述机器人的位姿。
9.一种机器人，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
CN202011330768.7A 2020-11-24 2020-11-24 机器人及其定位方法和装置 Active CN112508065B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011330768.7A CN112508065B (zh) 2020-11-24 2020-11-24 机器人及其定位方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011330768.7A CN112508065B (zh) 2020-11-24 2020-11-24 机器人及其定位方法和装置

Publications (2)

Publication Number Publication Date
CN112508065A true CN112508065A (zh) 2021-03-16
CN112508065B CN112508065B (zh) 2024-05-24

Family

ID=74958370

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011330768.7A Active CN112508065B (zh) 2020-11-24 2020-11-24 机器人及其定位方法和装置

Country Status (1)

Country Link
CN (1) CN112508065B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023165342A1 (zh) * 2022-03-01 2023-09-07 中兴通讯股份有限公司 基于红外信标的导航方法、服务器、终端和红外信标

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106803261A (zh) * 2015-11-20 2017-06-06 沈阳新松机器人自动化股份有限公司 机器人相对位姿估计方法
CN108121332A (zh) * 2016-11-28 2018-06-05 沈阳新松机器人自动化股份有限公司 基于二维码的室内移动机器人定位装置及方法
CN109543489A (zh) * 2019-01-04 2019-03-29 广州广电研究院有限公司 基于二维码的定位方法、装置和存储介质
WO2019169540A1 (zh) * 2018-03-06 2019-09-12 斯坦德机器人（深圳）有限公司 紧耦合视觉slam的方法、终端及计算机可读存储介质
CN110298873A (zh) * 2019-07-05 2019-10-01 青岛中科智保科技有限公司 三维地图的构建方法、构建装置、机器人及可读存储介质
CN110807814A (zh) * 2019-10-30 2020-02-18 深圳市瑞立视多媒体科技有限公司 摄影机位姿计算方法、装置、设备及存储介质
CN111157012A (zh) * 2019-12-31 2020-05-15 深圳市优必选科技股份有限公司 一种机器人导航方法、装置、可读存储介质及机器人
CN111833447A (zh) * 2020-07-13 2020-10-27 Oppo广东移动通信有限公司 三维地图构建方法、三维地图构建装置及终端设备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106803261A (zh) * 2015-11-20 2017-06-06 沈阳新松机器人自动化股份有限公司 机器人相对位姿估计方法
CN108121332A (zh) * 2016-11-28 2018-06-05 沈阳新松机器人自动化股份有限公司 基于二维码的室内移动机器人定位装置及方法
WO2019169540A1 (zh) * 2018-03-06 2019-09-12 斯坦德机器人（深圳）有限公司 紧耦合视觉slam的方法、终端及计算机可读存储介质
CN109543489A (zh) * 2019-01-04 2019-03-29 广州广电研究院有限公司 基于二维码的定位方法、装置和存储介质
CN110298873A (zh) * 2019-07-05 2019-10-01 青岛中科智保科技有限公司 三维地图的构建方法、构建装置、机器人及可读存储介质
CN110807814A (zh) * 2019-10-30 2020-02-18 深圳市瑞立视多媒体科技有限公司 摄影机位姿计算方法、装置、设备及存储介质
CN111157012A (zh) * 2019-12-31 2020-05-15 深圳市优必选科技股份有限公司 一种机器人导航方法、装置、可读存储介质及机器人
CN111833447A (zh) * 2020-07-13 2020-10-27 Oppo广东移动通信有限公司 三维地图构建方法、三维地图构建装置及终端设备

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023165342A1 (zh) * 2022-03-01 2023-09-07 中兴通讯股份有限公司 基于红外信标的导航方法、服务器、终端和红外信标

Also Published As

Publication number Publication date
CN112508065B (zh) 2024-05-24

Similar Documents

Publication Publication Date Title
CN107665324B (zh) 一种图像识别方法及终端
CN113536864A (zh) 手势识别方法、装置、计算机可读存储介质及终端设备
EP2783328B1 (en) Text detection using multi-layer connected components with histograms
CN107886026B (zh) 图形码处理方法及装置
CN109116129B (zh) 终端检测方法、检测设备、系统及存储介质
CN111476099B (zh) 一种目标检测方法、目标检测装置及终端设备
CN111582032A (zh) 行人检测方法、装置、终端设备及存储介质
CN111507337A (zh) 基于混合神经网络的车牌识别方法
CN111767754A (zh) 一种识别码的识别方法、装置、电子设备及存储介质
CN111144337A (zh) 火灾检测方法、装置及终端设备
CN111145196A (zh) 图像分割方法、装置及服务器
CN111080665B (zh) 图像边框识别方法、装置、设备和计算机存储介质
CN111199198A (zh) 一种图像目标定位方法、图像目标定位装置及移动机器人
CN112508065B (zh) 机器人及其定位方法和装置
CN111709377A (zh) 特征提取方法、目标重识别方法、装置及电子设备
CN110673607A (zh) 动态场景下的特征点提取方法、装置、及终端设备
CN112949423A (zh) 物体识别方法、物体识别装置及机器人
CN117496560A (zh) 一种基于多维向量的指纹纹线识别方法及装置
CN113625249A (zh) 反光板定位方法、机器人及计算机可读存储介质
CN111814769A (zh) 一种信息采集方法、装置、终端设备及存储介质
CN112418089A (zh) 一种手势识别方法、装置及终端
CN112200004A (zh) 图像检测模型的训练方法、装置及终端设备
CN116071713A (zh) 斑马线确定方法、装置、电子设备和介质
CN115731179A (zh) 轨道部件检测方法、终端及存储介质
CN115270841A (zh) 条码检测方法、装置、存储介质及计算机设备

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