[发明专利]一种基于机器视觉的移动机器人码盘定位修正方法

说明书

技术领域

本发明涉及属于机器人技术领域，具体涉及移动机器人定位技术与卡尔曼滤波的信息融合技术，特别是一种基于机器视觉的移动机器人码盘定位修正方法。

背景技术

自主定位技术是移动机器人进行导航与运动控制的基础，是提高机器人自主能力的关键技术。对移动机器人而言，依靠里程计定位是一种最普遍的自主定位方式。但是，以安装在机器人车轮上的光电编码盘为基础的传统里程计定位方法中存在着许多问题，其中包括：机器人几何参数不准确、码盘脉冲计数的误差、车轮打滑造成实际位置和计算的不符而产生的误差，以及行驶路面的崎岖不平。这些误差会累积，一段时间之后会超出允许的误差范围而导致定位失败。为此，人们提出了视觉里程计技术。该技术通过计算前后两帧图像的光流场或者部分匹配特征点的三维坐标，实现对车体运动参数的估计。

在中国专利授权号为CN 101774170 B核电站作业机器人及其控制系统属于机器人及自动化设备领域。该核电站作业机器人为履带式移动机械手，由双履带驱动的移动平台及其搭载的四自由度的机械手组成，可以在核电站内部移动，并有人工遥控和自主控制两种控制模式，采用无线或有线方式对其进行远程控制。所述的核电站作业机器人的控制系统分为上位监测与规划控制系统和机器人控制系统两部分，二者配合使用控制机器人的运作；但是其依然没有解决在缺少目标点的情况下，通过自主校验来进行调整，以此来减小误差的产生。

中国专利授权号CN102538781公开了一种基于机器视觉和惯导融合的移动机器人运动姿态估计方法，其步骤为：同步采集移动机器人双目相机图像及三轴惯导数据；提取前后帧图像特征并匹配估计运动姿态；利用惯导计算俯仰角和横滚角；建立卡尔曼滤波器模型融合视觉和惯导姿态估计；根据估计方差自适应调整滤波器参数；姿态修正的累积航位推算。本发明提出实时扩展卡尔曼滤波器姿态估计模型，利用惯导结合重力加速度方向作为补充，对视觉里程计三个方向姿态估计进行解耦，修正姿态估计的累积误差；根据运动状态采用模糊逻辑调整滤波器参数，实现自适应的滤波估计，降低加速度噪声的影响，有效的提高了视觉里程计的定位精度和鲁棒性。

但是，视觉里程计也有一定的适用范围。一般来说，视觉里程计都需要大量的特征点。但是在有些场景下，比如月球表面，由于存在着大面积的弱纹理区域，使得特征点的提取本身就是一个难题。另外，特征点的匹配精度也是一个问题。大量的特征点可能会导致匹配结果中包含着大量的噪声点。这会在很大程度上降低方法的可靠性。

本发明所设计的方法同样是引入视觉信息，但是既不需要大量的特征点，也不需要去计算特征点的三维信息，而只需要计算车体到任意几个特征点之间的视线夹角，我们称之为视觉量角计；通过不同时刻机器人在不同位置看到的相同两个特征点之间的夹角变化，利用自适应无迹卡尔曼滤波技术使之与光电编码盘的定位信息相融合，实现了对光电编码盘定位误差的修正。

发明内容

有鉴于此，本发明的目的是针对现有技术的不足，提供一种基于机器视觉的移动机器人码盘定位修正方法，通过设置光电编码盘与视觉测量角度相结合的方式，进行修正，从而能够在少量目标点的情况使得误差最大可能的减少。

为达到上述目的，本发明采用以下技术方案：

基于机器视觉的移动机器人码盘定位修正方法，其特征在于，包括以下步骤：

S1：通过光电编码盘建立机器人瞬时离散运动模型，对机器人实时坐标进行定位；

S2：通过安装在机器人本体上的摄像机采集两个目标点图像，建立机器人视觉测量角度模型；

S3：建立推广卡尔曼滤波器模型计算机器人瞬时位移变化量，并采用光电编码盘的统计特性得到位置变化的均值和方差；

S4：用差分的办法来代替偏导的值，计算机器人当前位置时的目标点的观测量；

S5：建立无迹卡尔曼滤波器模型对S1-S4获得的数据进行融合，首先通过光电编码盘得到大致的位置信息，在这个位置上通过差分估计出目标点观测量，即，这个位置坐标与目标点的夹角，并通过实际观测的夹角来修正光电编码盘的确定位置。

进一步的，所述S1中建立机器人瞬时离散运动模型方法如下：

1)根据安装在机器人左轮(L)和右轮(R)上的光电编码盘的脉冲频率，计算左右车轮的线速度v^L、v^R为：

2)进而得出机器人的角速度为：

3)机器人的离散运动学方程为：