CN116051629A - 面向自主导航机器人的高精度视觉定位方法 - Google Patents

Abstract

本发明公开了一种面向自主导航机器人的高精度视觉定位方法，包括：对圆形标志点进行识别，得到候选椭圆区域；采用均值滑动的聚类分析，通过逐一对椭圆区域的中心点、方向、半轴长进行聚类，确定椭圆区域；提取椭圆区域的中心坐标；利用相机内外参数对目标点中心空间坐标进行三维重构。构建基于Hough圆变换粗筛选到均值滑动聚类确定椭圆区域边缘的稳定模式，然后通过椭圆拟合实现几何中心的精确、快速求取，接着利用相机内外参数实现目标点的三维重建，为末端执行器提供可靠的目标三维位置坐标信息，保证机器人视觉定位的精确性和稳定性。

Description

面向自主导航机器人的高精度视觉定位方法

技术领域

本发明属于视觉传感器定位技术领域，本发明涉及一种面向自主导航机器人的高精度视觉定位方法。

背景技术

随着智能制造相关技术的快速发展，将视觉技术与机器人相互结合实现目标的精准识别与精确定位已成为国内外的研究热点，定位精度已成为评价移动机器人性能的重要指标。计算机视觉和机器人技术的相互融合，使得机器人可以感知周围的环境，并利用视觉捕获的信息来引导机器人完成特定的任务，在提高生产效率、提升生产质量、优化资源配置、降低生产成本等方面具有明显的优越性，并被广泛应用于仓储物流、自主停泊、无人驾驶等诸多领域。

随着自主导航机器人工作环境的日渐复杂，需要移动机器人对工作环境中的目标做出准确而有效的定位感知。基于视觉模式的定位技术具有很强的目标辨识能力，同时相比于采用雷达传感器、激光传感器等方式，不会因为传感信号间的交互、干扰而影响定位精度。为了实现高精度视觉定位功能，需要借助目标表面设置的人工标志点或固有特征点。常用的特征点有齐方格角点、矩形特征、三角特征以及圆形特征等，实际应用的效果显示圆形特征点比角点、矩形特征等具有更高的鲁棒性，当图像出现拖尾、模糊以及噪声较大时，依然能够识别出圆形轮廓，因此圆形标志点得到了广泛的应用。然而圆形标志点在经过相机投影到平面上后，由于光轴与目标面通常不垂直，圆面会投射成椭圆面。只有精确的获取椭圆形特征的中心坐标才能保证立体匹配和三维重构计算的精确度，为此很多学者对圆心坐标提取展开了研究。传统的方法直接将投影后拟合中心作为圆心坐标，但是容易得到多个中心坐标，无法确定圆心坐标的唯一真值。之后部分学者分析影响圆形中心坐标提取精度的因素，并建立了偏差修正模型，然而模型的精确度以及受深度方向距离、成像畸变、环境光强等因素的影响，导致难以在实际应用中取得较好的效果。此外，还有一些学者考虑圆心坐标提取时的相互约束条件，但是对于标志点数量较少的情况下难以建立联合约束关系。此外，约束关系的建立必定会增加计算的数据量，导致算法的执行效率降低。因此，当前对于机器人视觉定位技术的优化和完善，亟需增强圆形特征区域确定的快速性和鲁棒性，提升中心点坐标的拟合精度，为实现机器人视觉定位技术在复杂场景下的落地和应用推广奠定基础。

发明内容

本发明的目的在于提供一种面向自主导航机器人的高精度视觉定位方法，构建基于Hough圆变换粗筛选到均值滑动聚类确定椭圆区域边缘的稳定模式，然后通过椭圆拟合实现几何中心的精确、快速求取，接着利用相机内外参数实现目标点的三维重建，为末端执行器提供可靠的目标三维位置坐标信息，保证机器人视觉定位的精确性和稳定性。

实现本发明目的的技术解决方案为：

一种面向自主导航机器人的高精度视觉目标三维重构方法，包括以下步骤：

S01：对圆形标志点进行识别，得到候选椭圆区域；

S02：采用均值滑动的聚类分析，通过逐一对椭圆区域的中心点、方向、半轴长进行聚类，确定椭圆区域；

S03：提取椭圆区域的中心坐标；

S04：利用相机内外参数对目标点中心空间坐标进行三维重构。

优选的技术方案中，所述S01中得到候选椭圆区域的方法包括：

S11：采用Hough圆变换对圆形标志点进行粗识别，将圆周上任意三点所确定的圆，经Hough变换后在三维参数空间对应于一点，这三个点所确定的圆形区域则为候选圆；

S12：通过图像的区域连通化处理，将每个候选圆区域都完整划定和标记成独立的椭圆集合。

优选的技术方案中，所述S02中确定椭圆区域的方法包括：

S21：计算初始的椭圆集合：

其中，为集合中椭圆的数量，，分别是椭圆的中心坐标、方向角和半轴长；

S22：针对椭圆区域中心点进行均值滑动聚类，产生个椭圆聚类中心，如果集合的中心坐标与距离最近，那么将并入集合中，，因此椭圆集合被划分为个组合模块，第个组合表示为：

其中，表示在所有聚类点集中，与之间的距离最近；

此时，会产生对应的个椭圆定向聚类中心，依次是，同样会被分成个子区，对应于的第个子区表示为：

S23：基于每个初始椭圆子集的半轴进行聚类分析，输出对应的第个中心集合，并得到最终的候选椭圆集合:

。

优选的技术方案中，所述S03中提取椭圆区域的中心坐标包括：

S31：得到椭圆集合边缘的二次曲线方程：

其中，是椭圆集合边缘像素坐标；是拟合方程系数；

S32：构建目标函数如下：

其中，表示边缘点符合椭圆目标方程分布的代数值。函数值理想情况下趋近于0，是所参与拟合运算的边缘点集合，是椭圆边缘点的数量；

S33：对目标函数分别求关于的偏导，得到包含5个参数的方程组，接着引入拉格朗日乘子求解出椭圆参数；

S34：运用二次曲线理论，得到投影椭圆面的几何中心为：

。

优选的技术方案中，所述S04中目标点中心空间坐标三维重构方法包括：

S41：采用双目视觉成像数学模型为：

其中，和分别是左相机和右相机的内参数；和分别是左相机和右相机坐标系下的空间物理坐标；根据该模型，当得到左相机和右相机的像平面中椭圆的中心坐标与后，得到对应的实际圆形标志点中心空间物理坐标；

S42：左、右相机之间的坐标转换通过下式实现：

其中，双目相机间的旋转矩阵，平移向量；

S43：接着联立公式得：

S44：根据三角测量原理，实际双目立体相机的像平面不会共面，以左相机坐标系为统一参考系，空间点坐标通过下式解算：

式中，为系数，其值分别为，，，。

本发明又公开了一种面向自主导航机器人的高精度视觉定位方法，采用上述的面向自主导航机器人的高精度视觉目标三维重构方法得到圆形标志点在世界坐标系下的空间三维坐标；

以固定在自身的相机的光心为原点，求得目标点与相机光心之间的欧式距离，同时通过坐标的代数运算计算出方位角信息。

本发明还公开了一种自主导航机器人，包括机器人本体，所述机器人本体内设置有控制器，所述控制器内置有计算机程序，所述计算

机程序被执行时实现上述的面向自主导航机器人的高精度视觉定位方法。

本发明又公开了一种面向自主导航机器人的高精度视觉目标三维重构系统，包括：

候选椭圆区域识别模块，对圆形标志点进行识别，得到候选椭圆区域；

聚类分析模块，采用均值滑动的聚类分析，通过逐一对椭圆区域的中心点、方向、半轴长进行聚类，确定椭圆区域；

中心坐标提取模块，提取椭圆区域的中心坐标；

三维重构模块，利用相机内外参数对目标点中心空间坐标进行三维重构。

优选的技术方案中，所述聚类分析模块中确定椭圆区域的方法包括：

S21：计算初始的椭圆集合：

其中，为集合中椭圆的数量，，分别是椭圆的中心坐标、方向角和半轴长；

S22：针对椭圆区域中心点进行均值滑动聚类，产生个椭圆聚类中心，如果集合的中心坐标与距离最近，那么将并入集合中，，因此椭圆集合被划分为个组合模块，第个组合表示为：

其中，表示在所有聚类点集中，与之间的距离最近；

此时，会产生对应的个椭圆定向聚类中心，依次是，同样会被分成个子区，对应于的第个子区表示为：

S23：基于每个初始椭圆子集的半轴进行聚类分析，输出对应的第个中心集合，并得到最终的候选椭圆集合:

。

优选的技术方案中，所述中心坐标提取模块中提取椭圆区域的中心坐标包括：

S31：得到椭圆集合边缘的二次曲线方程：

其中，是椭圆集合边缘像素坐标；是拟合方程系数；

S32：构建目标函数如下：

其中，表示边缘点符合椭圆目标方程分布的代数值。函数值理想情况下趋近于0，是所参与拟合运算的边缘点集合，是椭圆边缘点的数量；

S33：对目标函数分别求关于的偏导，得到包含5个参数的方程组，接着引入拉格朗日乘子求解出椭圆参数；

S34：运用二次曲线理论，得到投影椭圆面的几何中心为：

。

本发明与现有技术相比，其显著优点为：

本发明针对自主导航机器人的视觉高精度定位问题，在目标上设定圆形人工标志点，首先在远距离情况下基于圆形标志点实现粗定位，待移动机器人调整姿态向前不断接近目标后，再进行精确定位，通过获取标志点中心空间坐标来确定目标与自主导航机器人之间的欧氏距离。

本发明构建基于Hough圆变换粗筛选到均值滑动聚类确定椭圆区域边缘的稳定模式，然后通过椭圆拟合实现几何中心的精确、快速求取，接着利用相机内外参数实现目标点的三维重建，为末端执行器提供可靠的目标三维位置坐标信息。此外，只需检测出其中任意两个圆形标志点即可实现视觉定位功能，所提方法具有很强的鲁棒性，对实现机械臂抓取、仓储搬运、对接装配等功能具有重要的理论指导与工程应用价值。

附图说明

图1为自主导航机器人视觉定位系统工作示意图；

图2为圆形标志点及其边缘提取示意图；

图3为独立椭圆区域确定示意图；

图4为圆形标志点投影成像模型示意图；

图5为标定场景图；

图6为圆形配合目标点制定示意图；

图7为平面标定板示意图；

图8为静态测试算法运行效率；

图9为静态定位数据分布；

图10为动态测试算法运行效率；

图11为动态定位数据分布；

图12a-12d为四种情况下的实时定位轨迹生成图。

具体实施方式

本发明的原理是：针对自主导航机器人的视觉高精度定位问题，在目标上设定圆形人工标志点，通过获取标志点中心空间坐标来确定目标与自主导航机器人之间的欧氏距离。构建基于Hough圆变换粗筛选到均值滑动聚类确定椭圆区域边缘的稳定模式，然后通过椭圆拟合实现几何中心的精确、快速求取，接着利用相机内外参数实现目标点的三维重建，为末端执行器提供可靠的目标三维位置坐标信息。此外，只需检测出其中任意两个圆形标志点即可实现视觉定位功能，所提方法具有很强的鲁棒性。

实施例1：

一种面向自主导航机器人的高精度视觉目标三维重构方法，包括以下步骤：

S01：对圆形标志点进行识别，得到候选椭圆区域；

S02：采用均值滑动的聚类分析，通过逐一对椭圆区域的中心点、方向、半轴长进行聚类，确定椭圆区域；

S03：提取椭圆区域的中心坐标；

S04：利用相机内外参数对目标点中心空间坐标进行三维重构。

一实施例中，步骤S01中得到候选椭圆区域的方法包括：

S11：采用Hough圆变换对圆形标志点进行粗识别，将圆周上任意三点所确定的圆，经Hough变换后在三维参数空间对应于一点，这三个点所确定的圆形区域则为候选圆；

S12：通过图像的区域连通化处理，将每个候选圆区域都完整划定和标记成独立的椭圆集合。

一实施例中，步骤S02中确定椭圆区域的方法包括：

S21：计算初始的椭圆集合：

其中，为集合中椭圆的数量，，分别是椭圆的中心坐标、方向角和半轴长；

S22：针对椭圆区域中心点进行均值滑动聚类，产生个椭圆聚类中心，如果集合的中心坐标与距离最近，那么将并入集合中，，因此椭圆集合被划分为个组合模块，第个组合表示为：

其中，表示在所有聚类点集中，与之间的距离最近；

此时，会产生对应的个椭圆定向聚类中心，依次是，同样会被分成个子区，对应于的第个子区表示为：

S23：基于每个初始椭圆子集的半轴进行聚类分析，输出对应的第个中心集合，并得到最终的候选椭圆集合:

。

一实施例中，步骤S03中提取椭圆区域的中心坐标包括：

S31：得到椭圆集合边缘的二次曲线方程：

其中，是椭圆集合边缘像素坐标；是拟合方程系数；

S32：构建目标函数如下：

其中，表示边缘点符合椭圆目标方程分布的代数值。函数值理想情况下趋近于0，是所参与拟合运算的边缘点集合，

是椭圆边缘点的数量；

S33：对目标函数分别求关于的偏导，得到包含5个参数的方程组，接着引入拉格朗日乘子求解出椭圆参数；

S34：运用二次曲线理论，得到投影椭圆面的几何中心为：

。

一实施例中，步骤S04中目标点中心空间坐标三维重构方法包括：

S41：采用双目视觉成像数学模型为：

其中，和分别是左相机和右相机的内参数；和分别是左相机和右相机坐标系下的空间物理坐标；根据该模型，当得到左相机和右相机的像平面中椭圆的中心坐标与后，得到对应的实际圆形标志点中心空间物理坐标；

S42：左、右相机之间的坐标转换通过下式实现：

其中，双目相机间的旋转矩阵，平移向量；

S43：接着联立公式得：

S44：根据三角测量原理，实际双目立体相机的像平面不会共面，以左相机坐标系为统一参考系，空间点坐标通过下式解算：

式中，为系数，其值分别为，，，。

另一实施例中，一种面向自主导航机器人的高精度视觉定位方法，采用上述的面向自主导航机器人的高精度视觉目标三维重构方法得到圆形标志点在世界坐标系下的空间三维坐标；

以固定在自身的相机的光心为原点，求得目标点与相机光心之间的欧式距离，同时通过坐标的代数运算计算出方位角信息。

另一实施例中，一种自主导航机器人，包括机器人本体，机器人本体内设置有控制器，控制器内置有计算机程序，所述计算机程序被执行时实现上述的面向自主导航机器人的高精度视觉定位方法。

另一实施例中，一种面向自主导航机器人的高精度视觉目标三维重构系统，包括：

候选椭圆区域识别模块，对圆形标志点进行识别，得到候选椭圆区域；

聚类分析模块，采用均值滑动的聚类分析，通过逐一对椭圆区域的中心点、方向、半轴长进行聚类，确定椭圆区域；

中心坐标提取模块，提取椭圆区域的中心坐标；

三维重构模块，利用相机内外参数对目标点中心空间坐标进行三维重构。

下面以一较佳的实施例为例进行详细说明自主导航机器人视觉定位系统的工作流程：

为了验证本发明中所提方法的定位精度和有效性，通过自主导航机器人上的视觉系统实现对附有圆形标志点的托盘进行空间坐标解算。首先在远距离情况下基于圆形标志点实现粗定位，待移动机器人调整姿态向前不断接近目标后，再进行精定位，总体方案示意图如图1所示。

步骤一：圆形标志点成像区域识别。如图2所示，标志点经过相机成像后，通过对图像中黑色像素区域的边缘提取，进而实现中心点的确定；基于机器视觉的空间定位实现需要借助目标特征信息，本发明在托盘上设定人工配合圆形标志点，如图2a所示，通过对圆形特征点成像识别，得到边缘像素分布，如图2b所示，并基于边缘像素坐标拟合椭圆实现中心坐标的高精度提取，以此保证对托盘位置信息解算的准确性和稳定性。

步骤11：采用Hough圆变换实现对圆形标志点的粗识别。理论上圆周上任意三点所确定的圆，经Hough变换后在三维参数空间应对应于一点。而这三个点所确定的圆形区域则为候选圆，但是生成的候选圆存在重复、交错的现象，如果直接进行成像后的椭圆中心坐标提取，则会伴随较大的计算量，占用较高的计算资源。

步骤12：接着通过图像的区域连通化处理，将每个候选圆区域都完整划定和标记成独立的椭圆集合，如图3所示，椭圆区域本质上是内部黑色像素的集合体，黑色像素提供了椭圆候选运算的特征信息，然后采用均值滑动的聚类模式实现椭圆区域的快速确定。聚类的目的就是为了排除重复区域，进一步缩小候选椭圆集合的范围。

步骤13：传统的椭圆区域筛选算法在椭圆的五维参数空间(中心点水平方向坐标、中心点竖直方向坐标、椭圆方向、长轴、短轴)中进行，运算数据量很大。本发明在初筛选多个候选圆的基础上，构建均值滑动的聚类模式，通过逐一对椭圆区域的中心点、方向、半轴长进行聚类，能够有效减少运算量，同时保证了聚类效果。

步骤14：下面给出基于均值滑动椭圆聚类实现椭圆区域确定的过程。假设初始的椭圆集合为，集合中椭圆的数量为，则有：

 (13)

其中，，分别是椭圆的中心坐标、方向角和半轴长。首先针对椭圆区域中心点进行均值滑动聚类，产生个椭圆聚类中心，如果集合的中心坐标与距离最近，那么可以将并入集合中，。因此椭圆集合可以被划分为个组合模块，第个组合可以表示为：

(14)

式(14)中，表示在所有聚类点集中，与之间的距离最近。

此时，会产生对应的个椭圆定向聚类中心，依次是

。同样会被分成个子区，对应于的第个子区可以表示为：

 (15)

步骤15：基于每个初始椭圆子集的半轴进行聚类分析，输出对应的中心集合，并得到最终的候选椭圆集合:

  (16)

通过上述方法能够得到候选椭圆集合，而且很大程度上减小了算法的计算量，可以在较低的时间复杂度下完成对椭圆的聚类分析计算。

步骤二：椭圆中心坐标提取。由于相机光轴与目标表面通常存在非的夹角，因此空间圆形或球形标志点经过相机投射到像平面后会形成椭圆，成像过程如图4所示。

步骤21：在像平面坐标系中，点是圆形标志点的物理中心坐标，经过投影后的映射坐标是。由于畸变、噪声等因素的影响，点难以直接通过投影几何变换求取。为了求得的值，设步骤一中椭圆区域边缘的二次曲线方程表示为：

 (17)

其中，是椭圆区域边缘像素坐标；是拟合方程系数。如果各个系数满足式(18)：

 (18)

那么(17)式就有解，即可以成功拟合出精确的椭圆。为了方便求解，构建如下所示的目标函数：

(19)

其中，表示边缘点符合椭圆目标方程分布的代数值。函数值理想情况下趋近于0，是所参与拟合运算的边缘点集合，是椭圆边缘点的数量。

步骤22：对(19)式分别求关于的偏导，可以得到包含5个参数的方程组，接着引入拉格朗日乘子可以求解出椭圆参数。

步骤23：此时，运用二次曲线理论，可得投影椭圆面的几何中心为：

  (20)

通过步骤二可以准确、快速得到椭圆区域的中心坐标，从而保证自主导航机器人视觉定位的精度和实时性。

步骤三：目标点中心空间坐标三维重构。相机参数标定也是实现基于视觉高精度定位的必备步骤，本发明基于99圆的平面标定板实现相机内外参数标定，并得到双目相机结构参数，标定场景如图5所示。

步骤31：由于采用ZED双目相机作为自主导航机器人的视觉系统，因此采用如下所示的双目视觉成像数学模型：

 (21)

其中，和分别是左相机和右相机的内参数；和分别是左相机和右相机坐标系下的空间物理坐标。根据该模型，当通过步骤二提取得到左相机和右相机的像平面中椭圆的中心坐标与后，可以反推出对应的实际圆形标志点中心空间物理坐标，这是实现机器人视觉定位的关键流程。

左、右相机之间的坐标转换可以通过下式来实现：

(22)

其中，双目相机间的旋转矩阵，平移向量。

步骤32：接着联立(21)-(22)可得:

(23)

根据三角测量原理，实际双目立体相机的像平面不会共面，以左相机坐标系为统一参考系，空间点坐标可以通过下式解算：

式(24)中，为系数，其值分别为，，，。

此时，可以得到托盘上圆形标志点在世界坐标系下的空间三维坐标，自主导航机器人可以选定固定在自身的相机的光心为原点，那么可以求得托盘上目标点与相机光心之间的欧式距离，同时通过坐标的代数运算也可以计算出方位角信息，由此实现了自主导航机器人基于视觉的定位功能。

为了验证本发明中所提方法的有效性，通过AGV机器人实现对附有圆形标志点的托盘进行定位。如图6所示，托盘上的标志点设计成黑白相间的同心圆，黑色像素区域和白色像素区域会增强圆心提取的稳定性，实施例中选用外径为80mm，内径为40mm的同心圆作为标志点，能够对噪声以及图像模糊的情况具有更好的适用性。

如图7所示，本实施例采用ZED STERE CAMERA双目立体相机进行目标图像的采集与定位，此相机分辨率可达2K且外形小巧。适合安装在AGV叉车前端。标定前需要调整平面标定板不同位置和姿态，平面标定板的空间物理尺寸如图7a所示，尽可能覆盖测量空间，并进行图像采集。然后对平面标定板进行编码，如图7b所示。实验中标定空间范围约为5m×5m×3m，标定完成后得到的双目相机内参与相机间位姿关系如表1所示。

表1 立体相机内参与位姿矩阵

本实施例通过对标志点重建精度的验证来说明定位方法的有效性。由于实际三维空间坐标的真实值难以获取，采用对位移量的测量来验证其精度。我们将相机位置固定，将托盘初始位置放置于相机正前方约5m位置。分别沿其两个轴线方向进行平移，每平移约0.5m进行一次图像的采集。用一套OptiTrack动态测量系统进行定位与测量并将此值作为真实值。根据验证，OptiTrack是一套权威的校验光学系统，拥有1300K、1700K和4100K三种分辨率级别且能达到亚毫米级的定位精度。通过该系统前后两次定位计算出位移量并将此值作为真值与本发明提出的方案定位结果进行对比。得到的测量数据如表2与表3所示。不失一般性，表2为托盘水平位移情况，表3为托盘的垂直位移情况。

表2 水平位移定位结果与误差

表3 垂直位移定位结果与误差

从表2与表3中可以看出，无论是托盘竖直方向运动还是水平方向运动，测量误差都随着平移量的增大而增大，最小误差为0.8mm，并且在运行状态下最大定位误差可以被控制在1.5mm以内，该精度明显高于基于SLAM技术的机器人轨迹重构精度，能够满足自主导航机器人对视觉定位系统的要求。

接着对定位算法的执行效率进行测试。首先在双目相机系统和托盘都保持静止状态下进行测试，静态测试中视觉定位系统共连续处理1700帧图像，得到的每秒处理的有效帧率数如图8所示，可以看出每秒能够解算10帧以上，处理速度能够满足要求；对应的静态定位数据如图9所示，由于相机和托盘都是静止的，因此二者之间的几何距离也是不变的，从图9中可以看出静态定位结果分布很稳定。

然后进行动态调整下的解算速率测试。此时，保持托盘位置不动，手持相机系统进行随机、连续移动，连续处理420帧图像，得到的动态平均有效帧率如图10所示，处理速度保持在每秒12帧附近。对应的动态距离测试数据如图11所示，与实际相机系统移动情况下与托盘之间的实时距离是一致的。

为更进一步模拟AGV智能叉车运动轨迹，人为控制相机的运动来模拟叉车的运动控制系统部分。在保持相机高度固定的同时，控制相机不断向靠近托盘的方向运动，直到相机距离托盘足够近导致托盘不在其视场之内。模拟的4种场景如图12a-12d所示。

由于相机实时采集托盘图像进行定位时获取的三维空间点通常是在左相机坐标系下的坐标值。为绘制出直观的效果，将所有的轨迹点加上初始位置的坐标值，即将初始位置的坐标作为原点建立空间坐标系。绘制的四种情况的轨迹图如图12a-12d所示。其中，图12a为第一场景的实时定位轨迹，图12b为第二场景的实时定位轨迹，图12c为第三场景的实时定位轨迹，图12d是图12a情况中三个标志点的3条轨迹图。在相机移动的初始时刻，由于光照或距离等原因，标志点1未被检测成功从而导致图12d中的标志点1的轨迹在初始段丢失。值得注意的是，本发明方法具有很好的鲁棒性，只需检测出任意两个圆形标志点即可实现定位。在丢失一个目标点的情况下同样能获取其最终轨迹，如图12a所示。由此可见该方法对实现机械臂抓取、仓储搬运、对接装配等功能具有重要的理论指导与工程应用价值。

上述实施例为本发明优选地实施方式，但本发明的实施方式并不受上述实施例的限制，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 (10)

1.一种面向自主导航机器人的高精度视觉目标三维重构方法，其特征在于，包括以下步骤：

S01：对圆形标志点进行识别，得到候选椭圆区域；

S02：采用均值滑动的聚类分析，通过逐一对椭圆区域的中心点、方向、半轴长进行聚类，确定椭圆区域；

S03：提取椭圆区域的中心坐标；

S04：利用相机内外参数对目标点中心空间坐标进行三维重构。

2.根据权利要求1所述的面向自主导航机器人的高精度视觉目标三维重构方法，其特征在于，所述S01中得到候选椭圆区域的方法包括：

S11：采用Hough圆变换对圆形标志点进行粗识别，将圆周上任意三点所确定的圆，经Hough变换后在三维参数空间对应于一点，这三个点所确定的圆形区域则为候选圆；

S12：通过图像的区域连通化处理，将每个候选圆区域都完整划定和标记成独立的椭圆集合。

3.根据权利要求1所述的面向自主导航机器人的高精度视觉目标三维重构方法，其特征在于，所述S02中确定椭圆区域的方法包括：

S21：计算初始的椭圆集合：

其中，为集合中椭圆的数量，，分别是椭圆的中心坐标、方向角和半轴长；

S22：针对椭圆区域中心点进行均值滑动聚类，产生个椭圆聚类中心，如果集合的中心坐标与距离最近，那么将并入集合中，，因此椭圆集合被划分为个组合模块，第个组合表示为：

,

其中，表示在所有聚类点集中，与之间的距离最近；

此时，会产生对应的个椭圆定向聚类中心，依次是，同样会被分成个子区，对应于的第个子区表示为：

S23：基于每个初始椭圆子集的半轴进行聚类分析，输出对应的第个中心集合，并得到最终的候选椭圆集合:

。

4.根据权利要求1所述的面向自主导航机器人的高精度视觉目标三维重构方法，其特征在于，所述S03中提取椭圆区域的中心坐标包括：

S31：得到椭圆集合边缘的二次曲线方程：

，

其中，是椭圆集合边缘像素坐标；是拟合方程系数；

S32：构建目标函数如下：

，

其中，表示边缘点符合椭圆目标方程分布的代数值，函数值理想情况下趋近于0，是所参与拟合运算的边缘点集合，是椭圆边缘点的数量；

S33：对目标函数分别求关于的偏导，得到包含5个参数的方程组，接着引入拉格朗日乘子求解出椭圆参数；

S34：运用二次曲线理论，得到投影椭圆面的几何中心为：

。

5.根据权利要求4所述的面向自主导航机器人的高精度视觉目标三维重构方法，其特征在于，所述S04中目标点中心空间坐标三维重构方法包括：

S41：采用双目视觉成像数学模型为：

其中，和分别是左相机和右相机的内参数；和分别是左相机和右相机坐标系下的空间物理坐标；根据该模型，当得到左相机和右相机的像平面中椭圆的中心坐标与后，得到对应的实际圆形标志点中心空间物理坐标；

S42：左、右相机之间的坐标转换通过下式实现：

其中，双目相机间的旋转矩阵，平移向量；

S43：接着联立公式得：

，

S44：根据三角测量原理，实际双目立体相机的像平面不会共面，以左相机坐标系为统一参考系，空间点坐标通过下式解算：

式中，为系数，其值分别为，，，。

6.一种面向自主导航机器人的高精度视觉定位方法，其特征在于，采用权利要求1-5任一项所述的面向自主导航机器人的高精度视觉目标三维重构方法得到圆形标志点在世界坐标系下的空间三维坐标；

以固定在自身的相机的光心为原点，求得目标点与相机光心之间的欧式距离，同时通过坐标的代数运算计算出方位角信息。

7.一种自主导航机器人，包括机器人本体，其特征在于，所述机器人本体内设置有控制器，所述控制器内置有计算机程序，所述计算机程序被执行时实现权利要求6所述的面向自主导航机器人的高精度视觉定位方法。

8.一种面向自主导航机器人的高精度视觉目标三维重构系统，其特征在于，包括：

候选椭圆区域识别模块，对圆形标志点进行识别，得到候选椭圆区域；

聚类分析模块，采用均值滑动的聚类分析，通过逐一对椭圆区域的中心点、方向、半轴长进行聚类，确定椭圆区域；

中心坐标提取模块，提取椭圆区域的中心坐标；

三维重构模块，利用相机内外参数对目标点中心空间坐标进行三维重构。

9.根据权利要求8所述的面向自主导航机器人的高精度视觉目标三维重构系统，其特征在于，所述聚类分析模块中确定椭圆区域的方法包括：

S21：计算初始的椭圆集合：

其中，为集合中椭圆的数量，，分别是椭圆的中心坐标、方向角和半轴长；

S22：针对椭圆区域中心点进行均值滑动聚类，产生个椭圆聚类中心，如果集合的中心坐标与距离最近，那么将并入集合中，，因此椭圆集合被划分为个组合模块，第个组合表示为：

，

其中，表示在所有聚类点集中，与之间的距离最近；

此时，会产生对应的个椭圆定向聚类中心，依次是，同样会被分成个子区，对应于的第个子区表示为：

S23：基于每个初始椭圆子集的半轴进行聚类分析，输出对应的第个中心集合，并得到最终的候选椭圆集合:

。

10.根据权利要求8所述的面向自主导航机器人的高精度视觉目标三维重构系统，其特征在于，所述中心坐标提取模块中提取椭圆区域的中心坐标包括：

S31：得到椭圆集合边缘的二次曲线方程：

，

其中，是椭圆集合边缘像素坐标；是拟合方程系数；

S32：构建目标函数如下：

，

其中，表示边缘点符合椭圆目标方程分布的代数值，函数值理想情况下趋近于0，是所参与拟合运算的边缘点集合，是椭圆边缘点的数量；

S33：对目标函数分别求关于的偏导，得到包含5个参数的方程组，接着引入拉格朗日乘子求解出椭圆参数；

S34：运用二次曲线理论，得到投影椭圆面的几何中心为：

。

Images