[发明专利]基于RGB‑D信息的物体定位方法、装置以及机器视觉系统

说明书

技术领域

本发明涉及数字图像处理技术领域，具体而言，涉及一种基于RGB-D信息的物体定位方法、装置以及一种机器视觉系统。

背景技术

物体定位是智能服务机器人实现环境感知的重要组成部分,也是机器视觉的一个重要分支。智能机器人的物体定位要求机器人能够在如桌面、冰箱或地面等复杂的家庭环境中准确定位特定物体,为其后续对物体识别与操作提供必要信息,其中包括物体的大小、重心、位置、姿态等信息。传统的智能服务机器人主要基于图像实现物体定位。但这类方法只针对特定物体,且需要离线建立物体的模型或采集物体的图像,在线通过基于特征点匹配的方法获取物体的位姿。随着三维扫描技术的发展,实时的点云获取装置如Kinect等三维传感器得到普及,基于点云的物体定位也得到了广泛的研究。Blodow等在《Partial view modeling and validation in 3D laser scans for grasping》一文中通过平面提取算法得到桌面,接着利用基于点聚类的物体分割算法在单视点下实现了桌面物体的分割定位。为了降低桌面物体定位的时间复杂度,Deepak和Quo等在《Grasping novel objects with depth segmentation》一文中直接基于RGB-D数据利用区域增长算法对深度图进行分割得到像素块,接着基于像素块像素的数量实现桌面物体分割定位。但是其基于像素点数量判定物体的方法导致算法应用范围受限,同时容易受数据噪声的影响。

因此需要一种高效稳定的物体定位算法，可定位具有一定相互遮挡的多个物体,同时具有很高的实时性和鲁棒性。

发明内容

为了克服现有技术方案的不足,本发明提供一种基于RGB-D信息的物体定位方法、装置以及机器视觉系统。本发明更好地利用了RGB-D信息结合基于区域增长算法实现了一种高效稳定的物体定位算法可定位具有一定相互遮挡的多个物体,同时具有很高的实时性和鲁棒性。

本发明的第一方面提供了一种基于RGB-D信息的物体定位方法，包括：

获取当前视点下的环境图像，其中，所述环境图像包括RGB图、深度图、点云图和掩膜；

基于RANSAC算法，在几何相似性度量的准则中，引入颜色相似性度量标准来度量点与平面的相似性，对所述点云图进行分块，并依次从每个块中选取种子点以获得平面参数；

根据所述环境图像的颜色信息和几何信息进行局内点判断，对所述平面参数重新估计，提取出平面特征方程；

利用基于RGB-D信息的区域增长算法获取当前视点下每个物体的点云簇，利用点云信息获取所述每个物体的位姿实现物体定位。

优选的是，使用Kinect作为图像采集工具以获取所述环境图像。

在上述任一方案中优选的是，对所述点云图进行分块，具体包括：

根据每个点的像素的位置确定其邻域点集，对所述点云图进行分块，以保证空间中尽量多的平面被检测出来。

在上述任一方案中优选的是，种子点的选取过程将三维空间的距离概念扩展到包含空间几何信息(x，y，z)和颜色信息(R，G，B)的六维空间的距离，根据此距离判断点的相似程度。

在上述任一方案中优选的是，所述根据所述环境图像的颜色信息和几何信息进行局内点判断，对所述平面参数重新估计，提取出平面特征方程，具体包括：

将点的颜色相似性与该点到平面的几何距离加权融合，根据环境特点调节所述颜色相似性的权重和所述该点到平面的几何距离的权重，以保证分割的准确性。

在上述任一方案中优选的是，若物体在支撑物上方放置则剔除所述支撑物平面下方的点云数据。

在上述任一方案中优选的是，将所述掩膜在图像空洞处的值设置为0。

本发明的第二部分涉及一种基于RGB-D信息的物体定位装置，用于机器视觉系统，包括：

数据单元，获取当前视点下的环境图像，其中，所述环境图像包括RGB图、深度图、点云图和掩膜；

分块单元，基于RANSAC算法，在几何相似性度量的准则中，引入颜色相似性度量标准来度量点与平面的相似性，对所述点云图进行分块，并依次从每个块中选取种子点以获得平面参数；

优化单元，根据所述环境图像的颜色信息和几何信息进行局内点判断，对所述平面参数重新估计，提取出平面特征方程；

定位单元，利用基于RGB-D信息的区域增长算法获取当前视点下每个物体的点云簇，利用点云信息获取所述每个物体的位姿实现物体定位。