[发明专利]一种基于校对机器人角度的视觉指北方法

摘要

本发明公开了一种基于校对机器人角度的视觉指北方法，其步骤为，通过图像采集模块获取原始图像数据，对采集的原始图像数据进行图像数据压缩，然后提取图像的颜色分量；对提取图像的颜色分量图像，通过图像滤波，锐化将获取的颜色分量进行图像预处理，然后将预处理的图像进行图像二值化，并将二值化后的图像进行形态学细化，最后通过霍夫变换求出蓝色分量的角度。经过角度变换得出两颜色分量之间的角度值，从而来获得机器人朝向角度。本发明通过将机器视觉与指北仪相结合提供另一种确定机器人朝向角度的方法，用于校对机器人角度，本发明的这种方式可以方便地选择安装空间，从而有效避免硬磁干扰问题。

主权项

1.一种基于校对机器人角度的视觉指北方法，其特征在于，包括下述步骤：(1)图像数据压缩：通过图像采集模块获取原始图像数据，对采集的原始图像数据进行图像数据压缩；(2)提取颜色分量：在RGB图像中提取RGB模型中的R和B两个颜色分量；(3)图像预处理：将获取的颜色分量图像进行图像滤波、灰度聚类以及图像锐化；(4)图像二值化：选取合适阈值，对预处理后的图像进行二值化操作；(5)形态学细化：采用形态学细化，将像素点细化成一条直线；(6)霍夫变换检测：将形态学细化后的直线运用霍夫变换算法检测直线并求得机器人朝向角度；(6‑1)采用极坐标系下的霍夫变换对图像中的直线进行检测，在xOy坐标系中的一条直线，以ρ表示直线距离原点的距离，θ为法线与X轴的夹角，则可用如下参数方程来表示该直线:ρ＝xcosθ+ysinθ，通过霍夫变换将直角坐标系中的直线变换到极坐标参数空间中，则是一个点(ρ,θ)，使两个不同坐标系中的直线和点建立了一种对应关系；(6‑2)将直线坐标系中的离散数据点变换为极坐标参数空间中的曲线，将ρ和θ分成若干小段，即将(ρ,θ)分成若干小单元，每一个小单元可设一累加器，在直角坐标系中落在直线上的每一个点对应极坐标参数空间中一条曲线：ρ_i＝x_icosθ_i+y_isinθ_i，分别使θ等于0，Δθ，2Δθ，3Δθ，…,求出相应ρ值，并分别计算落在各小单元中的次数，当全部直角坐标点(x_j,y_j)完成变换后，对(x_j,y_j)小单元的累加器进行检测，峰值的小单元对应于极坐标中的共线点，而这些曲线对应直线坐标系上的点可以认为是共线的；(6‑3)检测出直线坐标系上的N点之后，将曲线交点(ρ₀,θ₀)代入:ρ₀＝xcosθ₀+ysinθ₀,得到逼近N点的直线方程；由于霍夫变换是在极坐标系下完成的，所以在直线坐标系中，需要将红色分量和蓝色分量求得的角度进行如下角度转换最后将获取的角度相减最终获得颜色分量角度；在指北仪表中红色指针代表基准线，即导航坐标系中的零度方向，蓝色部分的直线方向与机器人方向一致，称为目标线；当指北仪设备随着机器人发生角度位移时，由于地球磁场的原因，基准线将始终指向一个方向，目标线将随着机器人的角度位移发生偏转；当目标线所在的角度与导航地图所约定的零度方向一致时，目标线与基准线之间的夹角值代表机器人的当前角度值；当目标线所在的角度与导航地图所约定的零度方向不一致时，形成角度差值，目标线与基准线之间的夹角值需加上角度差值才能代表机器人当前角度值。