[发明专利]一种全自动高精度室内快速定位方法

摘要

本发明公开了一种全自动高精度室内快速定位方法，包括硬件系统和软件系统。其中硬件系统包括彩色图像采集装置、激光散斑投射装置、激光散斑图像采集装置、云台控制装置、通信装置、中央控制装置；软件系统包括激光散斑投射系统、彩色图像与激光散斑图像采集系统、图像处理系统、图像匹配系统、模式识别系统、云台控制系统、中央控制系统、路径规划与控制系统；本发明方案采取软硬件结合，使室内定位装置完成从个人/家用服务机器人特征信息采集录入、室内物体图像采集与匹配识别、室内物体定位、路径规划、机器人运动控制整个过程的智能化和系统化。使室内定位、路径规划与控制方法更加精确和高效。

主权项

1.一种全自动高精度室内快速定位方法，其特征在于包括一定位系统，所述定位系统包括：硬件机械部分和软件系统；所述硬件机械部分包括彩色图像采集装置、激光散斑投射装置、激光散斑图像采集装置、云台控制装置、站点控制装置、通信装置、中央控制装置组成；软件系统包括激光散斑投射系统、彩色图像与激光散斑图像采集系统、图像处理系统、图像匹配系统、模式识别系统、云台控制系统、站点控制系统、通信系统、中央控制系统、路径规划与控制系统；其中，硬件机械部分中：彩色图像采集装置采用ARM处理器控制图像传感器对视野内的彩色图像信息进行采集，得到的信号经过FPGA进行预处理；同时配置光敏元件和无级补光灯，在光线较弱时进行可控强度的补光；激光散斑投射装置采用ARM处理器控制红外投影模块投射特定的激光散斑图像；激光散斑图像采集装置采用ARM处理器控制红外图像传感器对视野内的激光散斑图像信息进行采集，得到的信号经过FPGA进行预处理，并与红外投影模块投射的激光散斑图像进行比对，通过匹配标定的激光散斑图像与深度信息的关系，得到深度图信息；云台控制装置包括水平控制有感无刷电机、俯仰控制有感无刷电机、水平支撑轴承座、三轴加速度计与三轴陀螺仪、电机驱动模块、控制单元；控制单元与集成光学成像系统站点的控制中心进行通信，根据控制中心的需要控制云台水平转动与俯仰转动至特定角度，并反馈实际的转动角度给控制中心；通信装置集成光学成像系统站点的站点控制装置与中央控制装置通过Wi‑Fi无线组网进行通信，中央控制装置随时添加和删除一个或多个集成光学成像系统站点，实现室内定位系统的高扩展性；中央控制装置提供给个人/家庭用服务机器人Wi‑Fi组网通信和蓝牙通信两种通信接口，个人/家庭用服务机器人根据实际需求进行选择；中央控制装置包括运行Linux操作系统的微型计算机、Wi‑Fi路由模块、蓝牙模块、人机交互模块；微型计算机通过Wi‑Fi组网通信技术与各站点进行通信，计算融合各站点定位信息，实现室内定位系统的高覆盖范围；微型计算机与个人/家庭用服务机器人进行通信，根据个人/家庭用服务机器人的需求进行路径规划与控制；人机交互模块提供用户对室内定位系统进行设置的友好接口；其中，软件系统部分中：激光散斑投射系统包括激光散斑图像生成函数接口；彩色图像与激光散斑图像采集系统包括彩色图像获取接口、激光散斑图像获取接口；图像处理系统包括FFT函数(Fast Fourier Transform，快速傅里叶变换)；图像匹配系统包括SURF函数(Speeded Up Robust Features,加速稳健特征)；模式识别系统包括BP神经网络；云台控制系统包括卡尔曼滤波函数、四元数姿态解算函数；中央控制系统包括贝叶斯最佳融合函数；路径规划与控制系统包括Dijkstra函数、PI控制函数、PD控制函数；采用上述定位系统进行定位方法，包括以下步骤：包括以下步骤：步骤S1：集成光学成像系统站点获取视野范围图像信息及记录当前云台偏转角；步骤S2：站点计算中心处理获取的彩色图像并进行SURF特征匹配识别，获得室内物体特征信息及二维位置信息；步骤S3：站点计算中心解析获取的激光散斑图像，通过与事先标定得到的激光散斑图像进行匹配，得到室内物体的深度图信息；步骤S4：站点计算中心结合步骤S1‑S3获得的云台偏转角、室内物体特征信息、二维位置信息以及深度图信息，并结合该站点在空间中已知的位置信息，计算得到室内物体在三维空间中的位置信息；步骤S5：中央控制系统通过无线组网通信获取多个站点信息，通过进行信息融合、修正与拼接，得到整个空间三维位置信息；步骤S6：中央控制系统与目标机器人之间通过选定的无线通信方式进行通信，中央控制系统根据目标机器人工作需求，发送位置信息与控制命令给目标机器人；所述步骤S1包括如下步骤：步骤S11：云台根据需要转至一个特定角度G(α，β)；步骤S12：彩色摄像机采集当前视野范围内的彩色图像信息；步骤S13：红外投影机投射具有一定编码信息的激光散斑图像；步骤S14：红外摄像机采集视野范围内红外投影机投射的图像照射在室内物体上后形成的激光散斑图像；所述步骤S2包括如下步骤：步骤S21：使用FFT对图像进行预处理；步骤S22：使用SURF匹配算法进行特征匹配，具体包括如下步骤：通过计算Hessian矩阵的行列式和矩阵的迹来检测特征点，通过计算欧式距离度量两个特征点描述子的相似度，计算得到待配准图上的特征点到参考图像上所有特征点的欧氏距离集合；步骤S23：通过对欧氏距离集合进行比较，计算得到最小欧氏距离和次最小欧氏距离，当最小欧氏距离和次最小欧氏距离的比值小于设定的阈值是，认为特征点与对应最小欧氏距离的特征点是匹配的，否则没有点与该特征点相匹配；步骤S24：由匹配得到的特征点结合匹配库信息，设定特征标识符，并计算和标记二维空间信息；所述步骤S4包括如下步骤：步骤S41：事先通过使用标定算法针对彩色摄像机找到最优的摄像机内部参数和畸变向量，得到彩色摄像机矩阵，记为A；步骤S42：事先通过使用标定算法针对红外摄像机找到最优的摄像机内部参数和畸变向量，得到红外摄像机矩阵，记为B；步骤S43：彩色摄像机矩阵A和红外摄像机矩阵B分别结合云台角度G(α，β)，得到新的摄像机矩阵C和D；步骤S44：根据三维情形下，标记的位置与其在二维空间的投影关系P＝F*[R|T]*M，其中：M表示三维空间的一个点；[R|T]表示一个[3|4]矩阵，该矩阵为一个欧氏空间变换；F表示摄像机矩阵或内部参数矩阵；P表示M在屏幕上的投影；因此有M＝[R|T]^‑1*F^‑1*P，结合步骤S43得到的矩阵C和D，融合二者及站点在空间中的已知位置信息，计算得到特征室内物体在三维空间中的位置信息；所述步骤S5包括如下步骤：步骤S51：中央控制系统通过无线组网通信获取多个站点在步骤S4中得到的室内特征物体在三维空间中的位置信息；步骤S52：对多个站点获取的室内特征物体在三维空间中的位置信息进行互补滤波并使用贝叶斯最佳融合算法，消除因单个站点覆盖范围带来的局限，得到特征物体在整个三维空间中的位置信息；步骤S53：根据步骤S52得到的特征物体在整个三维空间中的位置信息；所述步骤S6包括如下步骤：步骤S61：中央控制系统与目标机器人之间通过选定的无线通信方式进行通信，获取目标机器人的工作需求；步骤S62：中央控制系统根据目标机器人当前位置与目标位置，结合空间中物体的分布状态，进行路径规划；步骤S63：中央控制系统通过无线通信将位置信息与路径信息发送给目标机器人，控制目标机器人的运动。