[发明专利]基于视觉ROS系统的非完整机器人远程定点自导航方法

说明书

技术领域

本发明属于非完整机器人的视觉控制领域的一种基于视觉ROS系统的非完整机器人远程定点自导航方法。

背景技术

非完整机器人作为轮式移动机器人中一种最常见的机器人，在众多领域都得到广泛应用。目前，机器人的自主定位与导航是一个比较热门的研究方向，在设计过程中需要同时满足实时性和准确性，远程控制也显得更加重要。

如何准确的远程控制非完整机器人实现定点自动导航问题是当前计算机视觉领域中的一大问题，借助视觉实现机器人在指定地点的自动导航是一个有效的方法，但也是存在很多问题的一种方法。本发明提出了一种基于视觉ROS系统的非完整机器人远程定点自导航方法具有重要的理论价值和实际意义。

发明内容

本发明的目的在于，提出一种基于视觉ROS系统的非完整机器人远程定点自导航方法，实现机器人自主到达指定地点，解决机器人自主定位、自主导航、远程控制的技术问题。

本发明采用如下技术方案，基于视觉ROS系统的非完整机器人远程定点自导航方法，具体步骤如下：

(1)对Kinect摄像机的红外摄像头和RGB摄像头的内外参数进行标定和图像配准，通过标定的摄像机将采集到的RGB图像和深度图像生成点云图像，利用SURF方法对得到的每一帧点云图像数据进行特征提取；

(2)根据步骤(1)中得出的不同帧之间的特征，实现相邻帧之间的特征匹配；

(3)Kinect摄像机采集到的数据为3D-2D点对，基于Kinect摄像机所获取RGB图像和深度图像信息，采用P3P方法，即通过采集到的3D空间点和3D空间点的投影位置来确定机器人所在的位姿；

(4)对机器人的位姿估计进行优化处理；

(5)创建周围环境的栅格地图；

(6)将上位机与下位联机，对步骤(5)中所创建的地图进行目的地的标记，实现机器人的远程定点自导航。

优选地，在所述步骤(1)中的摄像机标定采用张定有标定方法，根据标定结果得到红外摄像头坐标系到RGB摄像头坐标系旋转矩阵和平移向量，根据旋转矩阵和平移向量对同时获得的深度图像和RGB图像进行处理生成点云数据，具有容易实现、算法简单、鲁棒性强、精度高等优点。

优选地，在所述步骤(1)中，利用开放式的自然交互框架Open NI，在linux环境下接收Kinect摄像机中传感器的信息。

优选地，其特征在于，在所述步骤(1)中，要提取的特征包括Gabor特征、几何特征和纹理特征，除此之外选取的特征还应具备以下特点：重复性，尽量把不同帧之间相同的物体或场景检测出来；显著性，特征的属性要丰富，便于匹配和区分；数量众多，检测到的数量需要足够丰富，才可以在绝大多数物体上都能检测到足够数量的特征；准确性，检测到的特征在形状和尺度上应当可以进行精确的定位；时效性，特征检测需要满足实时性要求，因此时间复杂度不能够太高。

优选地，几何特征包括角点和几何不变量。

优选地，纹理特征为LBP特征和HOG特征。

优选地，在所述步骤(2)中，使用跨平台计算机视觉库Open CV(Open Source Computer Vision Library)库中的快速近似最近邻算法实现相邻帧之间的特征匹配，相较于暴力匹配算法，更适合匹配点数量较多的情况。

优选地，在所述步骤(3)中，使用P3P求解方法确定相邻两帧之间的机器人的位姿变化，包括机器人的旋转和平移信息。

优选地，在所述步骤(4)中，采用g2o方法对机器人的位姿估测进行优化处理，g2o是一个基于图优化，用来解决非线性最小二乘问题的一个开源C++框架。

优选地，在所述步骤(5)中，利用ROS系统中的Gmapping功能包，将激光传感器获得的数据作为参数输入，输出栅格地图。

优选地，在所述步骤(6)中，通过SSH协议，实现上位机与下位机的联机，使得两台电脑共享资源。

优选地，在所述步骤(6)中，利用ROS系统中的RVIZ功能包在创建的地图上标记目的地。