[发明专利]一种基于固定摄像头视觉的移动机器人定位方法

说明书

本发明公开了一种基于固定摄像头视觉的移动机器人定位方法。首先，在移动机器人上粘贴二维码标志，使用ORB特征检测算法经过初步匹配得到场景图像中二维码标志物的特征点群；其次，使用半径滤波算法除去离群值得到集中分布在场景图像中的二维码标志物上的特征点群，并将特征点群的坐标平均值作为点群中心，得到了二维码标志中心的图像像素坐标，即完成了移动机器人在图像像素坐标系下的定位；最后，对场景建立全局坐标转换模型，通过摄像机标定得到相关参数，将移动机器人在图像像素坐标系里的图像像素坐标转换为移动机器人在世界坐标系里的实际的世界坐标，进而实现移动机器人的全局视觉定位。本发明所提定位方法的实时性较好，定位精度较高。

技术领域

本发明属于移动机器人定位技术领域，尤其涉及一种固定摄像头视觉的移动机器人定位方法。

背景技术

随着对室内定位需求的不断扩大，有效性和适应性强的室内的定位方法已成为研究热点。而在移动机器人领域，获取移动机器人的准确实时位置也是一个关键问题。

现有的定位技术有惯性导航定位、无线信号定位、激光雷达定位和视觉定位等。其中惯性导航定位由于存在漂移会产生较大的累计误差，而无线信号也容易被干扰导致无法准确定位，激光雷达则是设备成本高。相比之下，视觉定位的成本较低，但可以得到一个相对高的精度。

视觉定位方法又可以分为相对定位和全局定位。相对定位中使用比较多的就是视觉SLAM(Simultaneous Localization And Mapping)，目前的SLAM主要采用基于路标的方法，也即通过摄像头获得移动机器人周围场景的关键特征，作为推算相对位置的环境路标。该方法虽然能够达到较好的定位效果，且应用的场景范围可以比较大，但是当移动机器人处于变化的环境中时，地图信息的变化会对定位产生影响。同时摄像头需要搭载在移动机器人上，会让机器人结构外形更加复杂。且需要额外增加处理器或是占用机器人本身处理器资源。全局定位则是摄像头固定在场景中，能够获取整个场景中的视野，在不考虑遮挡的情况下，不受场景中物体变化的影响，独立于机器人，不占用移动机器人处理器资源。其中常用的方法就是目标特征匹配方式的定位方法，经典的特征检测方法有SIFT(ScaleInvariant Feature Transform)算法、SURF(Speeded-Up Robust Features)算法、ORB(Oriented FAST and Rotated BRIEF)算法。SIFT算法得到的特征点数较多，也具有较好的旋转不变性和尺度不变性，但是算法效率较低。SURF算法相比于SIFT的效率有一定提升，其他性能也与SIFT大体上持平，但是也难以达到实时性要求。ORB算法效率较前两者高，但也存在尺度不变性差的问题。

发明内容

发明目的：针对移动机器人现有定位方法精度较低，ORB算法尺度不变性差的特点，提出一种基于固定摄像头视觉的移动机器人定位方法。

技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种基于固定摄像头视觉的移动机器人定位方法，步骤包括：

第一步，首先选择一张二维码标志作为模板图像，然后在移动机器人上粘贴该二维码标志，并将通过固定摄像头拍摄到的移动机器人图像作为场景图像。使用ORB算法进行模板图像中的二维码标志和场景图像中的二维码标志的特征点提取，根据模板图像中二维码标志的特征点坐标向量和场景图像中二维码标志的特征点坐标向量间的汉明距离，来计算特征点间的相似度，通过比较特征点两两之间的相似度，为每个在模板图像中的特征点在场景图像中找到最相似的特征点；

第二步，采用半径滤波算法除去第一步中经过特征点初步匹配后的场景图像的点群中的离群值，得到集中分布在场景图像中的二维码标志上的特征点群，再将集中分布的特征点群坐标平均值作为点群中心，从而得到场景图像中的二维码标志中心的图像像素坐标，也即场景图像像素坐标系中的移动机器人的图像像素坐标，进而实现移动机器人在场景图像像素坐标系中的定位；