[发明专利]工业机器人相对位姿估计方法

说明书

技术领域

本发明涉及计算机视觉技术领域，特别涉及一种基于人工标志的工业机器人相对位姿估计方法。

背景技术

在工业机器人进行装配操作时，通常有两种方式引导工业机器人进行工作。一种基于示教的方式，该方式操作精度很高，且无需过多专业技能，但每次装配工件的位置需要保持不变，缺少智能性；另一种方式借助其他外部传感器获得装配工件部分或全部的位姿信息，进而引导工业机器人运动。

对于获得部分位姿信息的情况，通常采用二维码或标志，通过图像处理技术获取其二维的中心位置和旋转角度，但其高度信息需要示教给出，因此该方法无法处理高度可变的情况。

对于获取全部三维位姿信息的情况，现有技术通常采用双目立体视觉通过对场景进行三维重构，再获取目标物体的位姿信息，采用双目立体视觉的方法可以处理绝大多数场景，但是其重建后获得的深度信息可能有深度丢失的情况，造成计算得到的目标位姿信息不完整而无法进行，同时双目的场景重构过程需要耗费大量的计算资源。

另一种还原三维信息的方法是使用结构光的方式，例如三维激光，该方式可以很好的获得场景的深度信息，但是该方式增加了对目标的识别难度。

发明内容

本发明旨在克服现有视觉识别技术的缺陷，获得三维信息，提供一种基于人工标志的工业机器人相对位姿估计方法。

为实现上述目的，本发明采用以下技术方案：

本发明提供一种工业机器人相对位姿估计方法，包括：

S1、采用自适应阈值化对原始图像进行二值化处理，获得二值图像；

S2、对所述二值图像进行边界轮廓提取，获得所有前景目标的轮廓；

S3、对所述轮廓进行形状与拓扑结构分析，得到标志的外轮廓区域；

S4、对外轮廓进行最小二乘椭圆拟合；

S5、通过圆形形变分析计算五个相对自由度；

S6、使用图像矩对字符T进行分析，得到偏航角，获得相机相对于人工标志的三维位姿。

一些实施例中，所述自适应阈值化将原始图像中的每个像素点与其周围s×s大小邻域内的像素均值进行比较，若当前像素值小于均值阈值，则所述像素点的像素值设为0，否则设为255。

一些实施例中，所述阈值为15％。

一些实施例中，所述边界轮廓提取为光栅扫描整张图片，直到遇到满足边界跟踪的起始点，为当前新找到的边界分配标签序列号，同时根据记录的上一次遇到的边界，确定当前边界的父边界，采用边界跟踪算法，根据边界点标记规则，完成边界的搜索和标记；完成边界跟踪后，恢复光栅扫描的过程，直到到达图像的右下角位置为止。

一些实施例中，所述标志为，轮廓的大小满足在阈值范围内；当前轮廓必须存在孔轮廓，且该孔轮廓也必须有子轮廓；检验当前轮廓的近圆形；计算当前轮廓与其子轮廓的半径比。

一些实施例中，若当前的轮廓越接近圆形，圆形o的值则越接近1；圆形的阈值设置为0.8。

本发明的有益效果在于：基于人工标志实现单目视觉下的三维位姿估计，通过单目相机即可获得人工标志处的深度信息，作为工业机器人的视觉引导，节省了购买双目相机的成本，同时本发明算法效率高，无需大量的计算资源，且实施较为简单。与现有技术相比，该方法节省成本与计算资源，且可以获得较为准确的三维位姿信息。

附图说明

图1示意性示出根据本发明一个实施例的人工标志示意图。

图2示意性示出根据本发明一个实施例的积分图像示意图。

图3示意性示出根据本发明一个实施例的边界跟踪示意图。

图4示意性示出根据本发明一个实施例的坐标系统示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，而不构成对本发明的限制。

本发明制作人工标志，如图1所示，该标志由两个中间有字符T的圆环组成，两个圆环用于去除歧异解；将该标志放置在装配箱上固定的位置，即保证标志与工件槽的相对位置关系不变且已知；摄像机采集的图像进行处理，并实施相对位姿估计。

本发明提供工业机器人相对位姿估计方法，包括

S1、采用自适应阈值化对原始图像进行二值化处理，获得二值图像；

S2、对所述二值图像进行边界轮廓提取，获得所有前景目标的轮廓；

S3、对所述轮廓进行形状与拓扑结构分析，得到标志的外轮廓区域；

S4、对外轮廓进行最小二乘椭圆拟合；