CN117132758A - 一种机器人重复定位的精度检测方法及装置 - Google Patents

一种机器人重复定位的精度检测方法及装置 Download PDF

Info

Publication number
CN117132758A
CN117132758A CN202311170196.4A CN202311170196A CN117132758A CN 117132758 A CN117132758 A CN 117132758A CN 202311170196 A CN202311170196 A CN 202311170196A CN 117132758 A CN117132758 A CN 117132758A
Authority
CN
China
Prior art keywords
positioning
label
robot
tag
center point
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
Application number
CN202311170196.4A
Other languages
English (en)
Inventor
汪政
何衍和
范亚洲
吴吉
周原
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.)
Guangdong Power Grid Co Ltd
Electric Power Research Institute of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Electric Power Research Institute of Guangdong Power Grid 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 Guangdong Power Grid Co Ltd, Electric Power Research Institute of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202311170196.4A priority Critical patent/CN117132758A/zh
Publication of CN117132758A publication Critical patent/CN117132758A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种机器人重复定位的精度检测方法及装置，通过获取机器人的第一次定位图像以及第二次定位图像，其中，机器人的顶部中心区域设置有第一标签和第二标签；将第一次定位图像和所述第二次定位图像输入到标签检测模型中，以使标签检测模型输出第一次定位图像中的第一标签位置和第二标签位置，以及第二次定位图像中的第三标签位置和第四标签位置；基于第一标签位置、第二标签位置、第三标签位置和第四标签位置，计算第一次定位与第二次定位的定位角度偏差和位移像素距离；基于位移像素距离，得到位移精度，并基于定位角度偏差，得到偏差角精度；与现有技术相比，本发明的技术方案能提高机器人重复定位检测的适用性和准确性。

Description

一种机器人重复定位的精度检测方法及装置
技术领域
本发明涉及图像识别处理的技术领域，特别是涉及一种机器人重复定位的精度检测方法及装置。
背景技术
机器人重复定位精度检测是指通过对机器人的重复移动进行测试和分析，以评估其精度和稳定性；目前，随着生产自动化和智能化程度的提高，电力行业逐步应用巡检机器人，这极大的提高了线路的巡检效率，随着机器人使用数量的增长，评估其重定位精度变得越来越重要，以确保它们在执行任务时能够准确地定位和移动，重定位精度不足可能导致机器人在执行任务时出现错误或延迟，从而影响生产效率；定期评估机器人的重定位精度可以确保它们能够始终以最高的准确性执行任务。
目前电网应用的电力巡检机器人包括：输电线路巡检机器人、变电站巡检机器人、电力隧道巡检机器人三大类，后续应用的机器人种类会更多；且由于不同厂家生产的机器人外形、尺寸、高度不一，这给机器人重复定位精度的测量带来了一定了挑战；因此，目前亟需一种机器人重复定位的精度检测方法，能适用不同厂家生成的机器人，以提高机器人重复定位检测的适用性和准确性。
发明内容
本发明要解决的技术问题是：提供一种机器人重复定位的精度检测方法及装置，提高对机器人重复定位检测的适用性和准确性。
为了解决上述技术问题，本发明提供了一种机器人重复定位的精度检测方法，包括：
当检测到机器人完成第一次定位时，获取所述机器人的第一次定位图像，当检测到所述机器人完成第二次定位时，获取所述机器人的第二次定位图像，其中，所述机器人的顶部中心区域设置有第一标签和第二标签；
将所述第一次定位图像和所述第二次定位图像输入到预训练的标签检测模型中，以使所述标签检测模型输出所述第一次定位图像中的第一标签位置和第二标签位置，以及所述第二次定位图像中的第三标签位置和第四标签位置；
基于所述第一标签位置、所述第二标签位置、所述第三标签位置和所述第四标签位置，计算所述第一次定位与所述第二次定位的定位角度偏差和位移像素距离；
基于所述位移像素距离，得到位移精度，并基于所述定位角度偏差，得到偏差角精度。
在一种可能的实现方式中，基于所述第一标签位置、所述第二标签位置、所述第三标签位置和所述第四标签位置，计算所述第一次定位与所述第二次定位的定位角度偏差和位移像素距离，具体包括：
基于所述第一标签位置，计算第一标签中心点坐标，基于所述第二标签位置，计算第二标签中心点坐标，基于所述第三标签位置，计算第三标签中心点坐标，基于所述第四标签位置，计算第四标签中心点坐标；
根据所述第一标签中心点坐标和所述第二标签中心点坐标，得到第一定位向量，根据所述第三标签中心点坐标和所述第四标签中心点坐标，得到第二定位向量；
根据所述第一定位向量和所述第二定位向量，计算所述第一次定位与所述第二次定位的定位角度偏差；
并根据所述第一标签中心点坐标和所述第三标签中心点坐标，计算所述第一次定位与所述第二次定位的位移像素距离。
在一种可能的实现方式中，基于所述第一标签位置，计算第一标签中心点坐标，具体包括：
获取所述第一标签位置，其中，所述第一标签位置包括第一标签左上角坐标和第一标签右下角坐标；
将所述第一标签左上角坐标和所述第一标签右下角坐标输入到预设的标签中心点坐标计算公式中，得到所述第一标签位置对应的第一标签中心点坐标；
其中，所述预设的标签中心点坐标计算公式如下所示：
centerx＝(left+right)/2；centery＝(top+bottom)/2；
式中，(centerx,centery)为第一标签中心点坐标，(left,top)为第一标签左上角坐标，(right,bottom)为第一标签右下角坐标。
在一种可能的实现方式中，基于所述位移像素距离，得到位移精度，具体包括：
将所述位移像素距离代入到预设的真实位移像素距离计算公式中，计算得到真实位移像素距离，并将所述真实位移像素距离作为位移精度；
其中，所述真实位移像素距离计算公式如下所示：
dist_real＝(labels_dist_real/labels_dist_pix)*dist_pix；
式中，dist_real为真实位移像素距离，labels_dist_real为实际标签圆心距离，labels_dist_pix为标签圆心距离，dist_pix为位移像素距离。
在一种可能的实现方式中，当检测到机器人完成第一次定位时，获取所述机器人的第一次定位图像，当检测到所述机器人完成第二次定位时，获取所述机器人的第二次定位图像，具体包括：
设置定位区域，当检测到所述机器人完成第一次定位时，基于摄像头对所述定位区域进行第一次拍摄，得到第一次定位图像；
当检测到所述机器人完成第二次定位时，基于所述摄像头对所述定位区域进行第二次拍摄，得到第二次定位图像。
在一种可能的实现方式中，所述标签检测模型的预训练过程，具体包括：
获取所述机器人的多个定位样本图像，分别对每个定位样本图像进行第一标签矩形框标注和第二标签矩形框标注，得到定位样本图像数据集；
按预设比例从所述定位样本图像数据集划分出训练样本数据集，以所述训练样本数据集中的定位样本图像为模型输入，以所述训练样本数据集中的第一标签矩形框标注和第二标签矩形框标注为模型输出，对初始标签检测模型进行模型训练，直至模型收敛或达到预设训练次数，得到标签检测模型。
本发明还提供了一种机器人重复定位的精度检测装置，包括：定位图像获取模块、模型检测模块、定位数据计算模块和定位精度确定模块；
其中，所述定位图像获取模块，用于当检测到机器人完成第一次定位时，获取所述机器人的第一次定位图像，当检测到所述机器人完成第二次定位时，获取所述机器人的第二次定位图像，其中，所述机器人的顶部中心区域设置有第一标签和第二标签；
所述模型检测模块，用于将所述第一次定位图像和所述第二次定位图像输入到预训练的标签检测模型中，以使所述标签检测模型输出所述第一次定位图像中的第一标签位置和第二标签位置，以及所述第二次定位图像中的第三标签位置和第四标签位置；
所述定位数据计算模块，用于基于所述第一标签位置、所述第二标签位置、所述第三标签位置和所述第四标签位置，计算所述第一次定位与所述第二次定位的定位角度偏差和位移像素距离；
所述定位精度确定模块，用于基于所述位移像素距离，得到位移精度，并基于所述定位角度偏差，得到偏差角精度。
在一种可能的实现方式中，所述定位数据计算模块，用于基于所述第一标签位置、所述第二标签位置、所述第三标签位置和所述第四标签位置，计算所述第一次定位与所述第二次定位的定位角度偏差和位移像素距离，具体包括：
基于所述第一标签位置，计算第一标签中心点坐标，基于所述第二标签位置，计算第二标签中心点坐标，基于所述第三标签位置，计算第三标签中心点坐标，基于所述第四标签位置，计算第四标签中心点坐标；
根据所述第一标签中心点坐标和所述第二标签中心点坐标，得到第一定位向量，根据所述第三标签中心点坐标和所述第四标签中心点坐标，得到第二定位向量；
根据所述第一定位向量和所述第二定位向量，计算所述第一次定位与所述第二次定位的定位角度偏差；
并根据所述第一标签中心点坐标和所述第三标签中心点坐标，计算所述第一次定位与所述第二次定位的位移像素距离。
在一种可能的实现方式中，所述定位数据计算模块，用于基于所述第一标签位置，计算第一标签中心点坐标，具体包括：
获取所述第一标签位置，其中，所述第一标签位置包括第一标签左上角坐标和第一标签右下角坐标；
将所述第一标签左上角坐标和所述第一标签右下角坐标输入到预设的标签中心点坐标计算公式中，得到所述第一标签位置对应的第一标签中心点坐标；
其中，所述预设的标签中心点坐标计算公式如下所示：
centerx＝(left+right)/2；centery＝(top+bottom)/2；
式中，(centerx,centery)为第一标签中心点坐标，(left,top)为第一标签左上角坐标，(right,bottom)为第一标签右下角坐标。
在一种可能的实现方式中，所述定位精度确定模块，用于基于所述位移像素距离，得到位移精度，具体包括：
将所述位移像素距离代入到预设的真实位移像素距离计算公式中，计算得到真实位移像素距离，并将所述真实位移像素距离作为位移精度；
其中，所述真实位移像素距离计算公式如下所示：
dist_real＝(labels_dist_real/labels_dist_pix)*dist_pix；
式中，dist_real为真实位移像素距离，labels_dist_real为实际标签圆心距离，labels_dist_pix为标签圆心距离，dist_pix为位移像素距离。
在一种可能的实现方式中，所述定位图像获取模块，用于当检测到机器人完成第一次定位时，获取所述机器人的第一次定位图像，当检测到所述机器人完成第二次定位时，获取所述机器人的第二次定位图像，具体包括：
设置定位区域，当检测到所述机器人完成第一次定位时，基于摄像头对所述定位区域进行第一次拍摄，得到第一次定位图像；
当检测到所述机器人完成第二次定位时，基于所述摄像头对所述定位区域进行第二次拍摄，得到第二次定位图像。
在一种可能的实现方式中，所述标签检测模型的预训练过程，具体包括：
获取所述机器人的多个定位样本图像，分别对每个定位样本图像进行第一标签矩形框标注和第二标签矩形框标注，得到定位样本图像数据集；
按预设比例从所述定位样本图像数据集划分出训练样本数据集，以所述训练样本数据集中的定位样本图像为模型输入，以所述训练样本数据集中的第一标签矩形框标注和第二标签矩形框标注为模型输出，对初始标签检测模型进行模型训练，直至模型收敛或达到预设训练次数，得到标签检测模型。
本发明还提供了一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述任意一项所述的机器人重复定位的精度检测方法。
本发明还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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述任意一项所述的机器人重复定位的精度检测方法。
本发明实施例一种机器人重复定位的精度检测方法及装置，与现有技术相比，具有如下有益效果：
当检测到机器人完成第一次定位时，获取所述机器人的第一次定位图像，当检测到所述机器人完成第二次定位时，获取所述机器人的第二次定位图像，其中，所述机器人的顶部中心区域设置有第一标签和第二标签；将所述第一次定位图像和所述第二次定位图像输入到预训练的标签检测模型中，以使所述标签检测模型输出所述第一次定位图像中的第一标签位置和第二标签位置，以及所述第二次定位图像中的第三标签位置和第四标签位置；基于所述第一标签位置、所述第二标签位置、所述第三标签位置和所述第四标签位置，计算所述第一次定位与所述第二次定位的定位角度偏差和位移像素距离；基于所述位移像素距离，得到位移精度，并基于所述定位角度偏差，得到偏差角精度；与现有技术相比，本发明的技术方案通过在机器人顶部中心区域设置第一标签和第二标签，基于标签检测模型对每一次定位得到的定位图像进行标签识别和定位数据计算，能实现对不同厂家不同形状的机器人的重复定位精度检测，提高检测的适用性，同时对机器人进行重复定位精度检测时，从偏差角精度和位移精度两方面进行检测，提高了检测的准确性。
附图说明
图1是本发明提供的一种机器人重复定位的精度检测方法的一种实施例的流程示意图；
图2是本发明提供的一种机器人重复定位的精度检测装置的一种实施例的结构示意图；
图3是本发明提供的一种实施例的第一标签和第二标签的形状示意图；
图4是本发明提供的一种实施例的第一定位图像和第二定位图像的模型监测输出示意图；
图5是本发明提供的一种实施例的定位向量示意图。
具体实施方式
下面将结合本发明中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1，见图1，图1是本发明提供的一种机器人重复定位的精度检测方法的一种实施例的流程示意图，如图1所示，该方法包括步骤101-步骤104，具体如下：
步骤101：当检测到机器人完成第一次定位时，获取所述机器人的第一次定位图像，当检测到所述机器人完成第二次定位时，获取所述机器人的第二次定位图像，其中，所述机器人的顶部中心区域设置有第一标签和第二标签。
一实施例中，设置定位区域，当检测到所述机器人完成第一次定位时，基于摄像头对所述定位区域进行第一次拍摄，得到第一次定位图像；当检测到所述机器人完成第二次定位时，基于所述摄像头对所述定位区域进行第二次拍摄，得到第二次定位图像。
具体的，在室内对机器人进行定位精度测试时，在室内定位终点处设置定位区域，并在所述定位区域的顶部安装摄像头，并使所述摄像头垂直向下俯拍，以使所述摄像头的拍摄画面能笼罩定位终点及其所在的定位区域；当机器人进行定位操作并行使到定位终点，即定位区域时，基于摄像头能捕获到所述机器人。
一实施例中，为了适应各种机器人的情况，采取在机器人顶部粘贴不干胶统一标签用于做AI目标检测，具体的，在所述机器人的顶部中心区域设置有第一标签和第二标签，其中，所述第一标签和所述第二标签为圆形标签；优选的，所述第一标签为红色圆形标签，第二标签为蓝色圆形，标签中心为半径2mm的白色圆形，同样的，所述圆形标签也可以为其他颜色；如图3所示，图3是第一标签和第二标签的形状示意图。
一实施例中，当检测到所述机器人完成第一次定位时，若所述机器人到达定位区域，则基于所述摄像头能采集到所述机器人的第一定位图像，当检测到所述机器人在完成第一次定位时，若所述机器人没有到达定位区域，则基于所述摄像头无法采集到所述机器人的第一定位图像，认为，当前检测精度偏差过大，结束当前精度检测处理。
一实施例中，所述摄像头通过路由或交换机分别与前端控制器和算法服务器相连接。
一实施例中，所述前端控制器包括前端显示界面，所述前端显示界面包括图像显示区域和采集图像按钮区域，其中，所述图像显示区域用于显示所述摄像头采集到的机器人定位图像，所述采集图像按钮区域用于接收现场工作人员的图像采集指令；当检测到所述采集图像按钮区域被触发时，采集当前摄像头拍摄的定位图像，并对保存采集到的定位图像。
一实施例中，通过对所述机器人的两次定位操作设置同一定位终点，以使所述机器人在两次定位操作中定位目标相同，当确定采集到第一次定位图像和第二定位图像后，将所述第一定位图像和所述第二定位图像发送到所述算法服务器中，以使基于所述算法服务器基于所述第一定位图像和所述第二定位图像对所述机器人的定位精度进行检测。
步骤102：将所述第一次定位图像和所述第二次定位图像输入到预训练的标签检测模型中，以使所述标签检测模型输出所述第一次定位图像中的第一标签位置和第二标签位置，以及所述第二次定位图像中的第三标签位置和第四标签位置。
一实施例中，所述预训练的标签检测模型存储在所述算法服务器中，当所述第一定位图像和所述第二定位图像发送到所述算法服务器中时，将所述第一定位图像和所述第二定位图像输入到预训练的标签检测模型中。
一实施例中，所述标签检测模型的预训练过程，通过获取所述机器人的多个定位样本图像，分别对每个定位样本图像进行第一标签矩形框标注和第二标签矩形框标注，得到定位样本图像数据集；按预设比例从所述定位样本图像数据集划分出训练样本数据集，以所述训练样本数据集中的定位样本图像为模型输入，以所述训练样本数据集中的第一标签矩形框标注和第二标签矩形框标注为模型输出，对初始标签检测模型进行模型训练，直至模型收敛或达到预设训练次数，得到标签检测模型。
具体的，在所述机器人的多个定位样本图像获取阶段，通过摄像头模拟实际环境，从各个角度对所述机器人进行拍摄，得到不同角度的定位样本图像，其中，每个定位样本图像中包含了第一标签和第二标签，并将所述多个定位样本图像保存到指定图像目录，如/dataset/image。优选的，所述多个定位样本图像的数量为1000张以上。
具体的，在标签矩形框标注阶段，对每个定位样本图像中的第一标签进行第一标签矩形框标注，并对每个定位样本图像中的第二标签进行第二标签矩形框标注；优选的，人工标注定位样本图像中的红色圆形标签的bbox和蓝色圆形标签的bbox，并生成yolo标签格式的数据集，每张图片xxx.jpg对应一个标注文件xxx.txt，保存至指定标注目录，如/dataset/labels。
优选的，yolo标注格式如下：每一行的数据含义是分类+bbox的位置表示1、0.503516、0.3875、0.0289063、0.0527778，和0、0.542969、0.497222、0.028125、0.05，其中，1和0为分类，bbox中包含了标签的左上角标签坐标和右下角标签坐标。
具体的，在对定位样本图像数据集进行划分阶段，按预设比例从所述定位样本图像数据集划分训练样本数据集、测试样本数据集和验证样本数据集；其中，所述预设比例为7:2:1。
一实施例中，选用yolo5作为初始标签检测模型，对所述初始标签检测模型的模型参数设置时，设置分类数为2，当分类为0时，对应红色圆形标签，当分类为1时，对应蓝色圆形标签；同时设置训练轮数为30轮。
一实施例中，在完成对所述标签检测模型的预训练后，将所述第一定位图像和所述第二定位图像输入到所述标签检测模型中，基于所述标签检测模型检测所述第一定位图像中的第一标签和第二标签，对应得到第一标签位置和第二标签位置，并基于所述标签检测模型检测所述第二定位图像中的第一标签和第二标签，对应得到第三标签位置和第四标签位置；如图4所示，图4为第一定位图像和第二定位图像的模型监测输出示意图；图4中，t1时刻为t1时刻拍摄的第一定位图像，t2时刻为t2时刻拍摄的第二定位图像，t1_red为第一标签矩形框标注，即红色圆形标签的第一标签位置，t1_blue为第二标签矩形框标注，即蓝色圆形标签的第二标签位置，t2_red为第三标签矩形框标注，即红色圆形标签的第三标签位置，t2_blue为第四标签矩形框标注，即蓝色圆形标签的第四标签位置。
步骤103：基于所述第一标签位置、所述第二标签位置、所述第三标签位置和所述第四标签位置，计算所述第一次定位与所述第二次定位的定位角度偏差和位移像素距离。
一实施例中，基于所述第一标签位置，计算第一标签中心点坐标，基于所述第二标签位置，计算第二标签中心点坐标，基于所述第三标签位置，计算第三标签中心点坐标，基于所述第四标签位置，计算第四标签中心点坐标。
具体的，获取所述第一标签位置，其中，所述第一标签位置包括第一标签左上角坐标和第一标签右下角坐标；将所述第一标签左上角坐标和所述第一标签右下角坐标输入到预设的标签中心点坐标计算公式中，得到所述第一标签位置对应的第一标签中心点坐标。
其中，所述预设的标签中心点坐标计算公式如下所示：
centerx＝(left+right)/2；centery＝(top+bottom)/2；
式中，(centerx,centery)为第一标签中心点坐标，(left,top)为第一标签左上角坐标，(right,bottom)为第一标签右下角坐标。
具体的，获取所述第二标签位置，其中，所述第二标签位置包括第二标签左上角坐标和第二标签右下角坐标；将所述第二标签左上角坐标和所述第二标签右下角坐标输入到预设的标签中心点坐标计算公式中，得到所述第二标签位置对应的第二标签中心点坐标。
具体的，获取所述第三标签位置，其中，所述第三标签位置包括第三标签左上角坐标和第三标签右下角坐标；将所述第三标签左上角坐标和所述第三标签右下角坐标输入到预设的标签中心点坐标计算公式中，得到所述第一标签位置对应的第三标签中心点坐标。
具体的，获取所述第四标签位置，其中，所述第四标签位置包括第四标签左上角坐标和第四标签右下角坐标；将所述第四标签左上角坐标和所述第四标签右下角坐标输入到预设的标签中心点坐标计算公式中，得到所述第四标签位置对应的第四标签中心点坐标。
一实施例中，根据所述第一标签中心点坐标和所述第二标签中心点坐标，得到第一定位向量，根据所述第三标签中心点坐标和所述第四标签中心点坐标，得到第二定位向量；如图5所示，图5为定位向量示意图，图5中，t1vec为第一定位向量，t2vec为第二定位向量。
具体的，得到第一定位向量时，将所述第二标签中心点坐标减去所述第一标签中心点坐标，得到第一中心点坐标差值向量，基于欧几里得距离公式，计算所述第一中心点坐标差值向量的第一长度，并将所述第一中心点坐标差值向量除以所述第一长度，得到第一点位向量。
具体的，得到第二点位向量时，将所述第四标签中心点坐标减去所述第三标签中心点坐标，得到第二中心点坐标差值向量，基于欧几里得距离公式，计算所述第二中心点坐标差值向量的第二长度，并将所述第二中心点坐标差值向量除以所述第二长度，得到第二点位向量。
一实施例中，根据所述第一定位向量和所述第二定位向量，计算所述第一次定位与所述第二次定位的定位角度偏差。
具体的，将所述第一定位向量和所述第二定位向量输入到预设的定位角度偏差计算公式中，得到所述第一次定位与所述第二次定位的定位角度偏差，其中，所述预设的定位角度偏差计算公式如下所示：
式中,θ为定位角度偏差,t1vec为第一定位向量，t2vec为第二定位向量，|t1vec|为第一定位向量的模，|t2vec|为第二定位向量的模。
一实施例中，并根据所述第一标签中心点坐标和所述第三标签中心点坐标，计算所述第一次定位与所述第二次定位的位移像素距离。
具体的，将所述第一标签中心点坐标和所述第三标签中心点坐标代入到预设的位移像素距离计算公式中，得到所述第一次定位与所述第二次定位的位移像素距离；其中，所述位移像素距离计算公式如下所示：
式中，dist_pix为位移像素距离，(x1,y1)为第一标签中心点坐标，(x2,y2)为第二标签中心点坐标。
步骤104：基于所述位移像素距离，得到位移精度，并基于所述定位角度偏差，得到偏差角精度。
一实施例中，将所述位移像素距离代入到预设的真实位移像素距离计算公式中，计算得到真实位移像素距离，并将所述真实位移像素距离作为位移精度。
一实施例中，所述真实位移像素距离计算公式如下所示：
dist_real＝(labels_dist_real/labels_dist_pix)*dist_pix；
式中，dist_real为真实位移像素距离，labels_dist_real为实际标签圆心距离，labels_dist_pix为标签圆心距离，dist_pix为位移像素距离。
优选的，所述标签圆心距离labels_dist_pix为第一标签的第一标签中心点和第二标签的第二标签中心点坐标之间的距离，通过两点之间的距离公式计算得到。
优选的，所述实际标签圆心距离labels_dist_real为一个常数，在标签设计出来的时候，通过测量得到；优选的，所述实际标签圆心距离为38mm。
一实施例中，在得到所述定位角度偏差后，直接将所述定位角度偏差作为机器人第一次定位和第二次定位之间的偏差角精度。
综上，本发明实施例提供的一种机器人重复定位的精度检测方法，通过在机器人顶部中心区域贴放统一标签，基于标签检测模型对每一次定位得到的定位图像进行标签识别和定位数据计算，从而得到机器人重复定位的精度，由于重复定位检测时是对标签进行检测，能满足不同厂家不同形状的机器人的检测需求，提高重复定位检测的适用性；且该重复定位精度检测的过程中仅涉及摄像头和标签及标签检测模型组成，设备简单、易操作，检测成本低；同时对机器人进行重复定位精度检测时，从偏差角精度和位移精度两方面进行检测，能提高检测的准确性。
实施例2，见图2，图2是本发明提供的一种机器人重复定位的精度检测装置的一种实施例的结构示意图，如图2所示，该装置包括定位图像获取模块201、模型检测模块202、定位数据计算模块203和定位精度确定模块204，具体如下：
所述定位图像获取模块201，用于当检测到机器人完成第一次定位时，获取所述机器人的第一次定位图像，当检测到所述机器人完成第二次定位时，获取所述机器人的第二次定位图像，其中，所述机器人的顶部中心区域设置有第一标签和第二标签。
所述模型检测模块202，用于将所述第一次定位图像和所述第二次定位图像输入到预训练的标签检测模型中，以使所述标签检测模型输出所述第一次定位图像中的第一标签位置和第二标签位置，以及所述第二次定位图像中的第三标签位置和第四标签位置。
所述定位数据计算模块203，用于基于所述第一标签位置、所述第二标签位置、所述第三标签位置和所述第四标签位置，计算所述第一次定位与所述第二次定位的定位角度偏差和位移像素距离。
所述定位精度确定模块204，用于基于所述位移像素距离，得到位移精度，并基于所述定位角度偏差，得到偏差角精度。
一实施例中，所述定位数据计算模块203，用于基于所述第一标签位置、所述第二标签位置、所述第三标签位置和所述第四标签位置，计算所述第一次定位与所述第二次定位的定位角度偏差和位移像素距离，具体的，基于所述第一标签位置，计算第一标签中心点坐标，基于所述第二标签位置，计算第二标签中心点坐标，基于所述第三标签位置，计算第三标签中心点坐标，基于所述第四标签位置，计算第四标签中心点坐标；根据所述第一标签中心点坐标和所述第二标签中心点坐标，得到第一定位向量，根据所述第三标签中心点坐标和所述第四标签中心点坐标，得到第二定位向量；根据所述第一定位向量和所述第二定位向量，计算所述第一次定位与所述第二次定位的定位角度偏差；并根据所述第一标签中心点坐标和所述第三标签中心点坐标，计算所述第一次定位与所述第二次定位的位移像素距离。
一实施例中，所述定位数据计算模块203，用于基于所述第一标签位置，计算第一标签中心点坐标，具体的，获取所述第一标签位置，其中，所述第一标签位置包括第一标签左上角坐标和第一标签右下角坐标；将所述第一标签左上角坐标和所述第一标签右下角坐标输入到预设的标签中心点坐标计算公式中，得到所述第一标签位置对应的第一标签中心点坐标。
一实施例中，所述预设的标签中心点坐标计算公式如下所示：
centerx＝(left+right)/2；centery＝(top+bottom)/2；
式中，(centerx,centery)为第一标签中心点坐标，(left,top)为第一标签左上角坐标，(right,bottom)为第一标签右下角坐标。
一实施例中，所述定位精度确定模块204，用于基于所述位移像素距离，得到位移精度，具体的，将所述位移像素距离代入到预设的真实位移像素距离计算公式中，计算得到真实位移像素距离，并将所述真实位移像素距离作为位移精度。
一实施例中，所述真实位移像素距离计算公式如下所示：
dist_real＝(labels_dist_real/labels_dist_pix)*dist_pix；
式中，dist_real为真实位移像素距离，labels_dist_real为实际标签圆心距离，labels_dist_pix为标签圆心距离，dist_pix为位移像素距离。
一实施例中，所述定位图像获取模块201，用于当检测到机器人完成第一次定位时，获取所述机器人的第一次定位图像，当检测到所述机器人完成第二次定位时，获取所述机器人的第二次定位图像，具体的，设置定位区域，当检测到所述机器人完成第一次定位时，基于摄像头对所述定位区域进行第一次拍摄，得到第一次定位图像；当检测到所述机器人完成第二次定位时，基于所述摄像头对所述定位区域进行第二次拍摄，得到第二次定位图像。
一实施例中，所述标签检测模型的预训练过程，具体的，获取所述机器人的多个定位样本图像，分别对每个定位样本图像进行第一标签矩形框标注和第二标签矩形框标注，得到定位样本图像数据集；按预设比例从所述定位样本图像数据集划分出训练样本数据集，以所述训练样本数据集中的定位样本图像为模型输入，以所述训练样本数据集中的第一标签矩形框标注和第二标签矩形框标注为模型输出，对初始标签检测模型进行模型训练，直至模型收敛或达到预设训练次数，得到标签检测模型。
所属领域的技术人员可以清楚的了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不在赘述。
需要说明的是，上述机器人重复定位的精度检测装置的实施例仅仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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模块来实现本实施例方案的目的。
在上述的机器人重复定位的精度检测方法的实施例的基础上，本发明另一实施例提供了一种机器人重复定位的精度检测终端设备，该机器人重复定位的精度检测终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时，实现本发明任意一实施例的机器人重复定位的精度检测方法。
示例性的，在这一实施例中所述计算机程序可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块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在所述机器人重复定位的精度检测终端设备中的执行过程。
所述机器人重复定位的精度检测终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述机器人重复定位的精度检测终端设备可包括，但不仅限于，处理器、存储器。
所称处理器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)、现成可编程门阵列(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，所述处理器是所述机器人重复定位的精度检测终端设备的控制中心，利用各种接口和线路连接整个机器人重复定位的精度检测终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述机器人重复定位的精度检测终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据手机的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、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)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
在上述机器人重复定位的精度检测方法的实施例的基础上，本发明另一实施例提供了一种存储介质，所述存储介质包括存储的计算机程序，其中，在所述计算机程序运行时，控制所述存储介质所在的设备执行本发明任意一实施例的机器人重复定位的精度检测方法。
在这一实施例中，上述存储介质为计算机可读存储介质，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-OnlyMemory)、随机存取存储器(RAM，Random Access 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电载波信号和电信信号。
综上，本发明提供的一种机器人重复定位的精度检测方法及装置，通过获取机器人的第一次定位图像以及第二次定位图像，其中，机器人的顶部中心区域设置有第一标签和第二标签；将第一次定位图像和所述第二次定位图像输入到标签检测模型中，以使标签检测模型输出第一次定位图像中的第一标签位置和第二标签位置，以及第二次定位图像中的第三标签位置和第四标签位置；基于第一标签位置、第二标签位置、第三标签位置和第四标签位置，计算第一次定位与第二次定位的定位角度偏差和位移像素距离；基于位移像素距离，得到位移精度，并基于定位角度偏差，得到偏差角精度；与现有技术相比，本发明的技术方案能提高机器人重复定位检测的适用性和准确性。
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，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。

Claims (10)

1.一种机器人重复定位的精度检测方法，其特征在于，包括：
当检测到机器人完成第一次定位时，获取所述机器人的第一次定位图像，当检测到所述机器人完成第二次定位时，获取所述机器人的第二次定位图像，其中，所述机器人的顶部中心区域设置有第一标签和第二标签；
将所述第一次定位图像和所述第二次定位图像输入到预训练的标签检测模型中，以使所述标签检测模型输出所述第一次定位图像中的第一标签位置和第二标签位置，以及所述第二次定位图像中的第三标签位置和第四标签位置；
基于所述第一标签位置、所述第二标签位置、所述第三标签位置和所述第四标签位置，计算所述第一次定位与所述第二次定位的定位角度偏差和位移像素距离；
基于所述位移像素距离，得到位移精度，并基于所述定位角度偏差，得到偏差角精度。
2.如权利要求1所述的一种机器人重复定位的精度检测方法，其特征在于，基于所述第一标签位置、所述第二标签位置、所述第三标签位置和所述第四标签位置，计算所述第一次定位与所述第二次定位的定位角度偏差和位移像素距离，具体包括：
基于所述第一标签位置，计算第一标签中心点坐标，基于所述第二标签位置，计算第二标签中心点坐标，基于所述第三标签位置，计算第三标签中心点坐标，基于所述第四标签位置，计算第四标签中心点坐标；
根据所述第一标签中心点坐标和所述第二标签中心点坐标，得到第一定位向量，根据所述第三标签中心点坐标和所述第四标签中心点坐标，得到第二定位向量；
根据所述第一定位向量和所述第二定位向量，计算所述第一次定位与所述第二次定位的定位角度偏差；
并根据所述第一标签中心点坐标和所述第三标签中心点坐标，计算所述第一次定位与所述第二次定位的位移像素距离。
3.如权利要求2所述的一种机器人重复定位的精度检测方法，其特征在于，基于所述第一标签位置，计算第一标签中心点坐标，具体包括：
获取所述第一标签位置，其中，所述第一标签位置包括第一标签左上角坐标和第一标签右下角坐标；
将所述第一标签左上角坐标和所述第一标签右下角坐标输入到预设的标签中心点坐标计算公式中，得到所述第一标签位置对应的第一标签中心点坐标；
其中，所述预设的标签中心点坐标计算公式如下所示：
centerx＝(left+right)/2；centery＝(top+bottom)/2；
式中，(centerx,centery)为第一标签中心点坐标，(left,top)为第一标签左上角坐标，(right,bottom)为第一标签右下角坐标。
4.如权利要求2所述的一种机器人重复定位的精度检测方法，其特征在于，基于所述位移像素距离，得到位移精度，具体包括：
将所述位移像素距离代入到预设的真实位移像素距离计算公式中，计算得到真实位移像素距离，并将所述真实位移像素距离作为位移精度；
其中，所述真实位移像素距离计算公式如下所示：
dist_real＝(labels_dist_real/labels_dist_pix)*dist_pix；
式中，dist_real为真实位移像素距离，labels_dist_real为实际标签圆心距离，labels_dist_pix为标签圆心距离，dist_pix为位移像素距离。
5.如权利要求1所述的一种机器人重复定位的精度检测方法，其特征在于，当检测到机器人完成第一次定位时，获取所述机器人的第一次定位图像，当检测到所述机器人完成第二次定位时，获取所述机器人的第二次定位图像，具体包括：
设置定位区域，当检测到所述机器人完成第一次定位时，基于摄像头对所述定位区域进行第一次拍摄，得到第一次定位图像；
当检测到所述机器人完成第二次定位时，基于所述摄像头对所述定位区域进行第二次拍摄，得到第二次定位图像。
6.如权利要求1所述的一种机器人重复定位的精度检测方法，其特征在于，所述标签检测模型的预训练过程，具体包括：
获取所述机器人的多个定位样本图像，分别对每个定位样本图像进行第一标签矩形框标注和第二标签矩形框标注，得到定位样本图像数据集；
按预设比例从所述定位样本图像数据集划分出训练样本数据集，以所述训练样本数据集中的定位样本图像为模型输入，以所述训练样本数据集中的第一标签矩形框标注和第二标签矩形框标注为模型输出，对初始标签检测模型进行模型训练，直至模型收敛或达到预设训练次数，得到标签检测模型。
7.一种机器人重复定位的精度检测装置，其特征在于，包括：定位图像获取模块、模型检测模块、定位数据计算模块和定位精度确定模块；
其中，所述定位图像获取模块，用于当检测到机器人完成第一次定位时，获取所述机器人的第一次定位图像，当检测到所述机器人完成第二次定位时，获取所述机器人的第二次定位图像，其中，所述机器人的顶部中心区域设置有第一标签和第二标签；
所述模型检测模块，用于将所述第一次定位图像和所述第二次定位图像输入到预训练的标签检测模型中，以使所述标签检测模型输出所述第一次定位图像中的第一标签位置和第二标签位置，以及所述第二次定位图像中的第三标签位置和第四标签位置；
所述定位数据计算模块，用于基于所述第一标签位置、所述第二标签位置、所述第三标签位置和所述第四标签位置，计算所述第一次定位与所述第二次定位的定位角度偏差和位移像素距离；
所述定位精度确定模块，用于基于所述位移像素距离，得到位移精度，并基于所述定位角度偏差，得到偏差角精度。
8.如权利要求7所述的一种机器人重复定位的精度检测装置，其特征在于，所述定位数据计算模块，用于基于所述第一标签位置、所述第二标签位置、所述第三标签位置和所述第四标签位置，计算所述第一次定位与所述第二次定位的定位角度偏差和位移像素距离，具体包括：
基于所述第一标签位置，计算第一标签中心点坐标，基于所述第二标签位置，计算第二标签中心点坐标，基于所述第三标签位置，计算第三标签中心点坐标，基于所述第四标签位置，计算第四标签中心点坐标；
根据所述第一标签中心点坐标和所述第二标签中心点坐标，得到第一定位向量，根据所述第三标签中心点坐标和所述第四标签中心点坐标，得到第二定位向量；
根据所述第一定位向量和所述第二定位向量，计算所述第一次定位与所述第二次定位的定位角度偏差；
并根据所述第一标签中心点坐标和所述第三标签中心点坐标，计算所述第一次定位与所述第二次定位的位移像素距离。
9.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至6任意一项所述的机器人重复定位的精度检测方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至6中任意一项所述的机器人重复定位的精度检测方法。
CN202311170196.4A 2023-09-12 2023-09-12 一种机器人重复定位的精度检测方法及装置 Pending CN117132758A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311170196.4A CN117132758A (zh) 2023-09-12 2023-09-12 一种机器人重复定位的精度检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311170196.4A CN117132758A (zh) 2023-09-12 2023-09-12 一种机器人重复定位的精度检测方法及装置

Publications (1)

Publication Number Publication Date
CN117132758A true CN117132758A (zh) 2023-11-28

Family

ID=88859876

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311170196.4A Pending CN117132758A (zh) 2023-09-12 2023-09-12 一种机器人重复定位的精度检测方法及装置

Country Status (1)

Country Link
CN (1) CN117132758A (zh)

Similar Documents

Publication Publication Date Title
US11341626B2 (en) Method and apparatus for outputting information
CN105740899B (zh) 一种机器视觉图像特征点检测与匹配复合的优化方法
CN110580475A (zh) 基于无人机巡检的线路诊断方法、电子装置及存储介质
CN110597937B (zh) 一种无人智能巡检的方法、装置、设备及存储介质
CN110336691B (zh) 数据中心中设备的管理方法、装置、设备和通信系统
CN113780201B (zh) 手部图像的处理方法及装置、设备和介质
CN112621765B (zh) 一种基于机械手的设备自动组装控制方法及装置
CN114872574B (zh) 基于充电桩的采集与监控系统及方法
CN112258507A (zh) 互联网数据中心的目标对象检测方法、装置和电子设备
CN114227717A (zh) 基于巡检机器人的智能巡检方法、装置、设备及存储介质
CN112686947A (zh) 一种虚拟空间中物体标注方法、装置和电子设备
CN116091470A (zh) 基于5g技术的智能工控方法、装置、电子设备及存储介质
CN113172636B (zh) 一种自动手眼标定方法、装置及存储介质
CN114863129A (zh) 仪表数值分析方法、装置、设备及存储介质
CN111167731A (zh) 一种产品分拣方法、产品分拣系统和智能分拣机器人
CN113919794A (zh) 一种对构件可吊装能力批量快速分析的方法
CN112861867A (zh) 指针式仪表盘识别方法、系统及存储介质
CN114266822B (zh) 基于双目机器人的工件质检方法、装置、机器人及介质
CN117132758A (zh) 一种机器人重复定位的精度检测方法及装置
CN117006972A (zh) 物体检测方法、装置、设备、三维扫描系统及存储介质
CN116129348A (zh) 异物检测方法、装置、电子设备及计算机可读存储介质
CN113561181B (zh) 目标检测模型的更新方法、装置及系统
CN108805121B (zh) 一种车牌检测定位方法、装置、设备及计算机可读介质
CN115588194A (zh) 基于弱监督学习的图像数据标注方法、装置、设备及介质
CN108583115B (zh) 一种小鼠早期胚胎模型的制作系统

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