CN106127180A - 一种机器人辅助定位方法及装置 - Google Patents
一种机器人辅助定位方法及装置 Download PDFInfo
- Publication number
- CN106127180A CN106127180A CN201610515143.5A CN201610515143A CN106127180A CN 106127180 A CN106127180 A CN 106127180A CN 201610515143 A CN201610515143 A CN 201610515143A CN 106127180 A CN106127180 A CN 106127180A
- Authority
- CN
- China
- Prior art keywords
- image
- real time
- deviations
- time imaging
- crusing robot
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/20—Checking timed patrols, e.g. of watchman
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Automation & Control Theory (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请提供了一种机器人辅助定位方法及装置,预先通过巡检机器人的红外探测器获取目标区域的地物景象的红外图像作为基准图像,方法包括:获取巡检机器人通过红外探测器采集的实时图像,实时图像为巡检机器人行进至目标区域的预定位置范围时采集的实时图像;将实时图像与目标区域的基准图像按预设的图像匹配算法进行图像匹配,并通过匹配结果确定巡检机器人偏离预定位置的偏差;基于偏差确定巡检机器人的位置。本申请提供的机器人辅助定位方法及装置适用于经常执行夜间巡检任务的变电站巡检机器人的定位,且定位精度较高。
Description
技术领域
本发明涉及导航及定位技术领域,尤其涉及一种机器人辅助定位方法及装置。
背景技术
目前,机器人的导航和定位通常采用基于图像的景象匹配技术,由于可见光图像易于获取、成本低廉而且成像清晰度较好,景象匹配所用图像绝大部分为可见光图像。然而可见光图像对于光照度、气候条件等较为敏感,不仅增大了匹配算法的复杂度,而且也不适合用于经常执行夜间巡检任务的变电站巡检机器人。
发明内容
有鉴于此,本发明提供了一种机器人辅助定位方法及装置,用于解决现有技术中可见光图像对于光照度、气候条件等较为敏感,不仅增大了匹配算法的复杂度,而且也不适合用于经常执行夜间巡检任务的变电站巡检机器人的问题,其技术方案如下:
一种机器人辅助定位方法,预先通过巡检机器人的红外探测器获取目标区域的地物景象的红外图像作为基准图像,所述方法包括:
获取所述巡检机器人通过红外探测器采集的实时图像,所述实时图像为所述巡检机器人行进至所述目标区域的预定位置范围时采集的实时图像;
将所述实时图像与所述目标区域的基准图像按预设的图像匹配算法进行图像匹配,并通过匹配结果确定所述巡检机器人偏离所述预定位置的偏差;
基于所述偏差确定所述巡检机器人的位置。
其中,所述将所述实时图像与所述目标区域的基准图像按预设的图像匹配算法进行图像匹配,包括:
分别采用基于灰度相关的匹配算法、基于多区域相关的匹配算法以及基于共性特征的匹配算法对所述实时图像和所述目标区域的基准图像进行匹配,获得第一定位偏差和第一匹配置信度、第二定位偏差和第二匹配置信度,以及第三定位偏差和第三匹配置信度。
其中,所述通过匹配结果确定所述巡检机器人偏离所述预定位置的偏差,包括:
依据所述第一匹配置信度确定所述第一定位偏差的权重,依据所述第二匹配置信度确定所述第二定位偏差的权重,并依据所述第三匹配置信度确定所述第三定位偏差的权重;
通过所述第一定位偏差和第一定位偏差的权重、所述第二定位偏差和所述第二定位偏差的权重,以及所述第三定位偏差和所述第三定位偏差的权重确定所述巡检机器人偏离所述预定位置的偏差。
其中,所述采用基于共性特征的匹配算法对所述基准图像和所述实时图像进行匹配,包括:
对所实时图像进行预处理,获得与所述基准图像具有相同分辨率的目标图像;
分别从所述基准图像和所述目标图像中提取共性特征;
将从所述基准图像中提取的共性特征与从所述目标图像中提取的共性特征,采用基于松弛标记的图像匹配算法进行匹配。
其中,所述对所实时图像进行预处理,获得与所述基准图像具有相同分辨率的目标图像,包括:
利用所述红外探测器的姿态信息和所述巡检机器人的姿态信息对所述目标区域的实时图像进行仿射变换;
基于所述巡检机器人上设置的高度信息获取设备获取的高度信息对所述仿射变换后的图像进行尺度变换,获得与所述基准图像具有相同分辨率的目标图像。
一种机器人辅助定位装置,所述装置包括:基准图像获取模块、实时图像获取模块、图像匹配模块、位置偏差确定模块和定位模块;
所述基准图像获取模块,用于预先通过巡检机器人的红外探测器获取目标区域的地物景象的红外图像作为基准图像;
所述实时图像获取模块,用于获取所述巡检机器人通过红外探测器采集的实时图像,所述实时图像为所述巡检机器人行进至所述目标区域的预定位置范围时采集的实时图像;
所述图像匹配模块,用于将所述实时图像获取模块获取的所述实时图像与所述基准图像获取模块获取的所述目标区域的基准图像按预设的图像匹配算法进行图像匹配;
所述位置偏差确定模块,用于通过所述图像匹配模块的匹配结果确定所述巡检机器人偏离所述预定位置的偏差;
所述定位模块,用于基于所述位置偏差确定模块确定的所述偏差确定所述巡检机器人的位置。
其中,所述图像匹配模块,包括:第一匹配模块、第二匹配模块和第三匹配模块;
所述第一匹配子模块,用于采用基于灰度相关的匹配算法对所述实时图像与所述目标区域的基准图像进行匹配,获得第一定位偏差和第一匹配置信度;
所述第二匹配子模块,用于采用基于多区域相关的匹配算法对所述实时图像与所述目标区域的基准图像进行匹配,获得第二定位偏差和第二匹配置信度;
所述第三匹配子模块,用于采用基于共性特征的匹配算法对所述实时图像与所述目标区域的基准图像进行匹配,获得第三定位偏差和第三匹配置信度。
其中,所述位置偏差确定模块,包括:权重确定子模块和位置偏差确定子模块;
所述权重确定子模块,用于依据所述第一匹配置信度确定所述第一定位偏差的权重,依据所述第二匹配置信度确定所述第二定位偏差的权重,并依据所述第三匹配置信度确定所述第三定位偏差的权重;
所述位置偏差确定子模块,用于通过所述第一定位偏差和第一定位偏差的权重、所述第二定位偏差和所述第二定位偏差的权重,以及所述第三定位偏差和所述第三定位偏差的权重确定所述巡检机器人偏离所述预定位置的偏差。
其中,所述第三匹配子模块包括:预处理子模块、特征提取子模块和特征匹配子模块;
所述预处理子模块,用于对所实时图像进行预处理,获得与所述基准图像具有相同分辨率的目标图像;
所述特征提取子模块,用于分别从所述基准图像和所述预处理子模块处理得到的所述目标图像中提取共性特征;
所述特征匹配子模块,用于将所述特征提取子模块从所述基准图像中提取的共性特征与从所述目标图像中提取的共性特征,采用基于松弛标记的图像匹配算法进行匹配。
其中,所述预处理子模块包括:仿射变换子模块和尺度变换子模块;
所述仿射变换子模块,利用所述红外探测器的姿态信息和所述巡检机器人的姿态信息对所述目标区域的实时图像进行仿射变换;
所述尺度变换子模块,用于基于所述巡检机器人上设置的高度信息获取设备获取的高度信息对所述仿射变换子模块进行仿射变换后的图像进行尺度变换,获得与所述基准图像具有相同分辨率的目标图像。
上述技术方案具有如下有益效果:
本发明实施例提供的机器人辅助定位方法及装置,可获取巡检机器人行进至目标区域的预定位置范围时采集的地物景象的实时红外图像,并将该实时图像与预先获取的基准图像按预设的图像匹配算法进行图像匹配,并通过匹配结果确定巡检机器人偏离预定位置的偏差,基于偏差确定巡检机器人的位置。本发明提供的机器人辅助定位方法及装置,将地物景象的实时红外图像与基准图匹配,由于红外图像对于光照度、气候条件等不敏感,因此,实时图与基准图的匹配精度较高,相应的巡检机器人的定位较准确,且适用于经常执行夜间巡检任务的变电站巡检机器人。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的机器人辅助定位方法的一流程示意图;
图2为本发明实施例提供的机器人辅助定位方法的另一流程示意图;
图3为本发明实施例提供的机器人辅助定位方法中,基于共性特征的匹配算法对实时图像和目标区域的基准图像进行匹配的实现过程的流程示意图;
图4为本发明实施例提供的机器人辅助定位装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供了一种机器人辅助定位方法,请参阅图1,示出了该机器人辅助定位方法的流程示意图,该方法需预先通过巡检机器人的红外探测器获取目标区域的地物景象的红外图像作为基准图像,该方法可以包括:
步骤S101:获取巡检机器人通过红外探测器采集的实时图像。
其中,实时图像为巡检机器人行进至目标区域的预定位置范围时采集的实时图像;
步骤S102:将实时图像与目标区域的基准图像按预设的图像匹配算法进行图像匹配,并通过匹配结果确定巡检机器人偏离预定位置的偏差。
本发明实施例利用基准图像修正经过长时间巡检机器人运行所积累起来的误差以提高定位精度。
步骤S103:基于偏差确定巡检机器人的位置。
本发明实施例提供的机器人辅助定位方法,可获取巡检机器人行进至目标区域的预定位置范围时采集的地物景象的实时红外图像,并将该实时图像与预先获取的基准图像按预设的图像匹配算法进行图像匹配,并通过匹配结果确定巡检机器人偏离预定位置的偏差,基于偏差确定巡检机器人的位置。本发明实施例提供的机器人辅助定位方法,将地物景象的实时红外图像与基准图匹配,由于红外图像对于光照度、气候条件等不敏感,因此,实时图与基准图的匹配精度较高,相应的巡检机器人的定位较准确,且适用于经常执行夜间巡检任务的变电站巡检机器人。
请参阅图2,示出了机器人辅助定位方法的具体实现过程的一流程示意图,该方法需预先通过巡检机器人的红外探测器获取目标区域的地物景象的红外图像作为基准图像,该方法可以包括:
步骤S201:获取巡检机器人通过红外探测器采集的实时图像.
其中,实时图像为巡检机器人行进至目标区域的预定位置范围时采集的实时图像。
步骤S202:采用基于灰度相关的匹配算法对实时图像和目标区域的基准图像进行匹配,获得第一定位偏差和第一匹配置信度。
步骤S203:采用基于多区域相关的匹配算法对实时图像和目标区域的基准图像进行匹配,获得第二定位偏差和第二匹配置信度。
步骤S204:基于共性特征的匹配算法对实时图像和目标区域的基准图像进行匹配,获得第三定位偏差和第三匹配置信度。
需要说明的是,上述步骤S202~S204可按上述顺序执行,也可同时执行,获取按其它任意顺序执行,即本实施例并不限定上述三个步骤的执行顺序,只要基于上述三种算法触发确定定位偏差和匹配置信度都在本发明实施例所保护的范围内。
步骤S205:依据第一匹配置信度确定第一定位偏差的权重,依据第二匹配置信度确定第二定位偏差的权重,并依据第三匹配置信度确定第三定位偏差的权重。
步骤S206:通过第一定位偏差和第一定位偏差的权重、第二定位偏差和第二定位偏差的权重,以及第三定位偏差和第三定位偏差的权重确定巡检机器人偏离预定位置的偏差。
进一步的,请参阅图3,示出了上述步骤S204基于共性特征的匹配算法对实时图像和目标区域的基准图像进行匹配的实现过程的流程示意图,可以包括:
步骤S301:利用红外探测器的姿态信息和巡检机器人的姿态信息对目标区域的实时图像进行仿射变换。
对目标区域的实时图像进行仿射变换的目的在于,消除红外探测器因前视成像产生的透视失真的影响。
步骤S302:基于巡检机器人上设置的高度信息获取设备获取的高度信息对仿射变换后的图像进行尺度变换,获得与所述基准图像具有相同分辨率的目标图像。
利用巡检机器人上的惯导或者雷达高度表提供的高度信息,对仿射变换后的图像进行尺度变换,使尺度变换后的实时图像素分辨率与基准图像分辨率保持一致。
步骤S303:分别从基准图像和目标图像中提取共性特征。
步骤S304:将从基准图像中提取的共性特征与从所述目标图像中提取的共性特征,采用基于松弛标记的图像匹配算法进行匹配。
本发明实施例提供的机器人辅助定位方法,可获取巡检机器人行进至目标区域的预定位置范围时采集的地物景象的实时红外图像,并将该实时图像与预先获取的基准图像按预设的图像匹配算法进行图像匹配,并通过匹配结果确定巡检机器人偏离预定位置的偏差,基于偏差确定巡检机器人的位置。本发明实施例提供的机器人辅助定位方法及装置,将地物景象的实时红外图像与基准图匹配,由于红外图像对于光照度、气候条件等不敏感,因此,实时图与基准图的匹配精度较高,相应的巡检机器人的定位较准确,且适用于经常执行夜间巡检任务的变电站巡检机器人。
与上述方法相对应,本发明实施例还提供了一种机器人辅助定位装置,请参阅图4,示出了该机器人辅助定位装置的结构示意图,该机器人辅助定位装置可以包括:基准图像获取模块401、实时图像获取模块402、图像匹配模块403、位置偏差确定模块404和定位模块405。
基准图像获取模块401,用于预先通过巡检机器人的红外探测器获取目标区域的红外图像作为基准图像。
实时图像获取模块402,用于基准图像获取模块401获取巡检机器人通过红外探测器采集的实时图像。
其中,实时图像为巡检机器人行进至所述目标区域的预定位置范围时采集的实时图像。
图像匹配模块403,用于将实时图像获取模块402获取的实时图像与基准图像获取模块401获取的目标区域的基准图像按预设的图像匹配算法进行图像匹配。
位置偏差确定模块404,用于通过图像匹配模块403的匹配结果确定巡检机器人偏离预定位置的偏差。
定位模块405,用于基于位置偏差确定模块404确定的偏差确定巡检机器人的位置。
本发明实施例提供的机器人辅助定位装置,可获取巡检机器人行进至目标区域的预定位置范围时采集的地物景象的实时红外图像,并将该实时图像与预先获取的基准图像按预设的图像匹配算法进行图像匹配,并通过匹配结果确定巡检机器人偏离预定位置的偏差,基于偏差确定巡检机器人的位置。本发明实施例提供的机器人辅助定位装置,将地物景象的实时红外图像与基准图匹配,由于红外图像对于光照度、气候条件等不敏感,因此,实时图与基准图的匹配精度较高,相应的巡检机器人的定位较准确,且适用于经常执行夜间巡检任务的变电站巡检机器人。
上述实施例提供的机器人辅助定位装置中,图像匹配模块包括:第一匹配模块、第二匹配模块和第三匹配模块。其中:
第一匹配子模块,用于采用基于灰度相关的匹配算法对实时图像与目标区域的基准图像进行匹配,获得第一定位偏差和第一匹配置信度。
第二匹配子模块,用于采用基于多区域相关的匹配算法对实时图像与目标区域的基准图像进行匹配,获得第二定位偏差和第二匹配置信度。
第三匹配子模块,用于采用基于共性特征的匹配算法对实时图像与目标区域的基准图像进行匹配,获得第三定位偏差和第三匹配置信度。
则上述实施例提供的定位装置中,位置偏差确定模块可以包括:权重确定子模块和位置偏差确定子模块。其中:
权重确定子模块,用于依据第一匹配置信度确定第一定位偏差的权重,依据第二匹配置信度确定第二定位偏差的权重,并依据第三匹配置信度确定所述第三定位偏差的权重。
位置偏差确定子模块,用于通过第一定位偏差和第一定位偏差的权重、第二定位偏差和第二定位偏差的权重,以及第三定位偏差和第三定位偏差的权重确定巡检机器人偏离预定位置的偏差。
上述实施例提供的机器人辅助定位装置中,图像匹配模块的第三匹配子模块可以包括:预处理子模块、特征提取子模块和特征匹配子模块。其中:
预处理子模块,用于对实时图像进行预处理,获得与基准图像具有相同分辨率的目标图像。
特征提取子模块,用于分别从基准图像和预处理子模块处理得到的目标图像中提取共性特征。
特征匹配子模块,用于将特征提取子模块从所述基准图像中提取的共性特征与从目标图像中提取的共性特征,采用基于松弛标记的图像匹配算法进行匹配。
进一步的,第三匹配模块中的预处理子模块包括:仿射变换子模块和尺度变换子模块。其中:
仿射变换子模块,用于利用红外探测器的姿态信息和巡检机器人的姿态信息对目标区域的实时图像进行仿射变换。
尺度变换子模块,用于基于巡检机器人上设置的高度信息获取设备获取的高度信息对仿射变换子模块进行仿射变换后的图像进行尺度变换,获得与基准图像具有相同分辨率的目标图像。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法、装置和设备,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种机器人辅助定位方法,其特征在于,预先通过巡检机器人的红外探测器获取目标区域的地物景象的红外图像作为基准图像,所述方法包括:
获取所述巡检机器人通过红外探测器采集的实时图像,所述实时图像为所述巡检机器人行进至所述目标区域的预定位置范围时采集的实时图像;
将所述实时图像与所述目标区域的基准图像按预设的图像匹配算法进行图像匹配,并通过匹配结果确定所述巡检机器人偏离所述预定位置的偏差;
基于所述偏差确定所述巡检机器人的位置。
2.根据权利要求1所述的方法,其特征在于,所述将所述实时图像与所述目标区域的基准图像按预设的图像匹配算法进行图像匹配,包括:
分别采用基于灰度相关的匹配算法、基于多区域相关的匹配算法以及基于共性特征的匹配算法对所述实时图像和所述目标区域的基准图像进行匹配,获得第一定位偏差和第一匹配置信度、第二定位偏差和第二匹配置信度,以及第三定位偏差和第三匹配置信度。
3.根据权利要求2所述的方法,其特征在于,所述通过匹配结果确定所述巡检机器人偏离所述预定位置的偏差,包括:
依据所述第一匹配置信度确定所述第一定位偏差的权重,依据所述第二匹配置信度确定所述第二定位偏差的权重,并依据所述第三匹配置信度确定所述第三定位偏差的权重;
通过所述第一定位偏差和第一定位偏差的权重、所述第二定位偏差和所述第二定位偏差的权重,以及所述第三定位偏差和所述第三定位偏差的权重确定所述巡检机器人偏离所述预定位置的偏差。
4.根据权利要求2所述的方法,其特征在于,所述采用基于共性特征的匹配算法对所述基准图像和所述实时图像进行匹配,包括:
对所实时图像进行预处理,获得与所述基准图像具有相同分辨率的目标图像;
分别从所述基准图像和所述目标图像中提取共性特征;
将从所述基准图像中提取的共性特征与从所述目标图像中提取的共性特征,采用基于松弛标记的图像匹配算法进行匹配。
5.根据权利要求4所述的方法,其特征在于,所述对所实时图像进行预处理,获得与所述基准图像具有相同分辨率的目标图像,包括:
利用所述红外探测器的姿态信息和所述巡检机器人的姿态信息对所述目标区域的实时图像进行仿射变换;
基于所述巡检机器人上设置的高度信息获取设备获取的高度信息对所述仿射变换后的图像进行尺度变换,获得与所述基准图像具有相同分辨率的目标图像。
6.一种机器人辅助定位装置,其特征在于,所述装置包括:基准图像获取模块、实时图像获取模块、图像匹配模块、位置偏差确定模块和定位模块;
所述基准图像获取模块,用于预先通过巡检机器人的红外探测器获取目标区域的地物景象的红外图像作为基准图像;
所述实时图像获取模块,用于获取所述巡检机器人通过红外探测器采集的实时图像,所述实时图像为所述巡检机器人行进至所述目标区域的预定位置范围时采集的实时图像;
所述图像匹配模块,用于将所述实时图像获取模块获取的所述实时图像与所述基准图像获取模块获取的所述目标区域的基准图像按预设的图像匹配算法进行图像匹配;
所述位置偏差确定模块,用于通过所述图像匹配模块的匹配结果确定所述巡检机器人偏离所述预定位置的偏差;
所述定位模块,用于基于所述位置偏差确定模块确定的所述偏差确定所述巡检机器人的位置。
7.根据权利要求6所述的装置,其特征在于,所述图像匹配模块,包括:第一匹配模块、第二匹配模块和第三匹配模块;
所述第一匹配子模块,用于采用基于灰度相关的匹配算法对所述实时图像与所述目标区域的基准图像进行匹配,获得第一定位偏差和第一匹配置信度;
所述第二匹配子模块,用于采用基于多区域相关的匹配算法对所述实时图像与所述目标区域的基准图像进行匹配,获得第二定位偏差和第二匹配置信度;
所述第三匹配子模块,用于采用基于共性特征的匹配算法对所述实时图像与所述目标区域的基准图像进行匹配,获得第三定位偏差和第三匹配置信度。
8.根据权利要求7所述的装置,其特征在于,所述位置偏差确定模块,包括:权重确定子模块和位置偏差确定子模块;
所述权重确定子模块,用于依据所述第一匹配置信度确定所述第一定位偏差的权重,依据所述第二匹配置信度确定所述第二定位偏差的权重,并依据所述第三匹配置信度确定所述第三定位偏差的权重;
所述位置偏差确定子模块,用于通过所述第一定位偏差和第一定位偏差的权重、所述第二定位偏差和所述第二定位偏差的权重,以及所述第三定位偏差和所述第三定位偏差的权重确定所述巡检机器人偏离所述预定位置的偏差。
9.根据权利要求7或8所述的装置,其特征在于,所述第三匹配子模块包括:预处理子模块、特征提取子模块和特征匹配子模块;
所述预处理子模块,用于对所实时图像进行预处理,获得与所述基准图像具有相同分辨率的目标图像;
所述特征提取子模块,用于分别从所述基准图像和所述预处理子模块处理得到的所述目标图像中提取共性特征;
所述特征匹配子模块,用于将所述特征提取子模块从所述基准图像中提取的共性特征与从所述目标图像中提取的共性特征,采用基于松弛标记的图像匹配算法进行匹配。
10.根据权利要求9所述的装置,其特征在于,所述预处理子模块包括:仿射变换子模块和尺度变换子模块;
所述仿射变换子模块,利用所述红外探测器的姿态信息和所述巡检机器人的姿态信息对所述目标区域的实时图像进行仿射变换;
所述尺度变换子模块,用于基于所述巡检机器人上设置的高度信息获取设备获取的高度信息对所述仿射变换子模块进行仿射变换后的图像进行尺度变换,获得与所述基准图像具有相同分辨率的目标图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610515143.5A CN106127180A (zh) | 2016-06-30 | 2016-06-30 | 一种机器人辅助定位方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610515143.5A CN106127180A (zh) | 2016-06-30 | 2016-06-30 | 一种机器人辅助定位方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106127180A true CN106127180A (zh) | 2016-11-16 |
Family
ID=57469055
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610515143.5A Pending CN106127180A (zh) | 2016-06-30 | 2016-06-30 | 一种机器人辅助定位方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106127180A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107451593A (zh) * | 2017-07-07 | 2017-12-08 | 西安交通大学 | 一种基于图像特征点的高精度gps定位方法 |
CN108174111A (zh) * | 2018-04-19 | 2018-06-15 | 常州市盈能电气有限公司 | 巡检机器人目标图像抓取方法 |
CN108280894A (zh) * | 2017-12-08 | 2018-07-13 | 浙江国自机器人技术有限公司 | 用于电力设备的不停车巡检方法 |
CN108890652A (zh) * | 2018-06-28 | 2018-11-27 | 全球能源互联网研究院有限公司 | 一种变电站巡检机器人及变电站设备巡检方法 |
CN110383810A (zh) * | 2017-03-10 | 2019-10-25 | 索尼公司 | 信息处理设备、信息处理方法和信息处理程序 |
CN111223073A (zh) * | 2019-12-24 | 2020-06-02 | 乐软科技(北京)有限责任公司 | 一种虚拟探测*** |
CN111623783A (zh) * | 2020-06-30 | 2020-09-04 | 杭州海康机器人技术有限公司 | 一种初始定位方法、视觉导航设备、仓储*** |
CN111899373A (zh) * | 2020-08-05 | 2020-11-06 | 中国工商银行股份有限公司 | 机房巡检点确定方法、装置、机器人及存储介质 |
CN111912416A (zh) * | 2019-05-07 | 2020-11-10 | 北京市商汤科技开发有限公司 | 用于设备定位的方法、装置及设备 |
CN112533129A (zh) * | 2019-08-27 | 2021-03-19 | 北京金坤科创技术有限公司 | 一种高精度定位方法 |
CN112667717A (zh) * | 2020-12-23 | 2021-04-16 | 贵州电网有限责任公司电力科学研究院 | 变电站巡检信息处理方法、装置、计算机设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102426019A (zh) * | 2011-08-25 | 2012-04-25 | 航天恒星科技有限公司 | 一种无人机景象匹配辅助导航方法及*** |
US20130163853A1 (en) * | 2011-12-23 | 2013-06-27 | Samsung Electronics Co., Ltd. | Apparatus for estimating robot position and method thereof |
CN103197679A (zh) * | 2013-03-22 | 2013-07-10 | 长沙理工大学 | 一种轨道式巡检机器人的精确定位方法 |
CN105607652A (zh) * | 2015-12-25 | 2016-05-25 | 四川理工学院 | 一种变电站巡检机器人检测目标自动定位装置 |
-
2016
- 2016-06-30 CN CN201610515143.5A patent/CN106127180A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102426019A (zh) * | 2011-08-25 | 2012-04-25 | 航天恒星科技有限公司 | 一种无人机景象匹配辅助导航方法及*** |
US20130163853A1 (en) * | 2011-12-23 | 2013-06-27 | Samsung Electronics Co., Ltd. | Apparatus for estimating robot position and method thereof |
CN103197679A (zh) * | 2013-03-22 | 2013-07-10 | 长沙理工大学 | 一种轨道式巡检机器人的精确定位方法 |
CN105607652A (zh) * | 2015-12-25 | 2016-05-25 | 四川理工学院 | 一种变电站巡检机器人检测目标自动定位装置 |
Non-Patent Citations (4)
Title |
---|
刘先林 等: "《大面阵数字航空摄影原理与技术》", 31 July 2013 * |
曲圣杰 等: "景象匹配辅助导航***匹配置信度评估方法", 《中国惯性技术学报》 * |
李长荣: "多特征融合的鲁棒图像匹配", 《科学技术与工程》 * |
王民钢 等: "基于图像匹配的飞行器导航定位算法及仿真", 《计算机仿真》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110383810B (zh) * | 2017-03-10 | 2021-10-08 | 索尼公司 | 信息处理设备、信息处理方法和信息处理程序 |
CN110383810A (zh) * | 2017-03-10 | 2019-10-25 | 索尼公司 | 信息处理设备、信息处理方法和信息处理程序 |
CN107451593B (zh) * | 2017-07-07 | 2020-05-15 | 西安交通大学 | 一种基于图像特征点的高精度gps定位方法 |
CN107451593A (zh) * | 2017-07-07 | 2017-12-08 | 西安交通大学 | 一种基于图像特征点的高精度gps定位方法 |
CN108280894A (zh) * | 2017-12-08 | 2018-07-13 | 浙江国自机器人技术有限公司 | 用于电力设备的不停车巡检方法 |
CN108174111A (zh) * | 2018-04-19 | 2018-06-15 | 常州市盈能电气有限公司 | 巡检机器人目标图像抓取方法 |
CN108174111B (zh) * | 2018-04-19 | 2018-07-20 | 常州市盈能电气有限公司 | 巡检机器人目标图像抓取方法 |
CN108890652A (zh) * | 2018-06-28 | 2018-11-27 | 全球能源互联网研究院有限公司 | 一种变电站巡检机器人及变电站设备巡检方法 |
CN111912416B (zh) * | 2019-05-07 | 2022-07-29 | 北京市商汤科技开发有限公司 | 用于设备定位的方法、装置及设备 |
CN111912416A (zh) * | 2019-05-07 | 2020-11-10 | 北京市商汤科技开发有限公司 | 用于设备定位的方法、装置及设备 |
CN112533129A (zh) * | 2019-08-27 | 2021-03-19 | 北京金坤科创技术有限公司 | 一种高精度定位方法 |
CN111223073A (zh) * | 2019-12-24 | 2020-06-02 | 乐软科技(北京)有限责任公司 | 一种虚拟探测*** |
CN111623783A (zh) * | 2020-06-30 | 2020-09-04 | 杭州海康机器人技术有限公司 | 一种初始定位方法、视觉导航设备、仓储*** |
CN111899373A (zh) * | 2020-08-05 | 2020-11-06 | 中国工商银行股份有限公司 | 机房巡检点确定方法、装置、机器人及存储介质 |
CN112667717A (zh) * | 2020-12-23 | 2021-04-16 | 贵州电网有限责任公司电力科学研究院 | 变电站巡检信息处理方法、装置、计算机设备和存储介质 |
CN112667717B (zh) * | 2020-12-23 | 2023-04-07 | 贵州电网有限责任公司电力科学研究院 | 变电站巡检信息处理方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106127180A (zh) | 一种机器人辅助定位方法及装置 | |
Toft et al. | Long-term visual localization revisited | |
CN110009739B (zh) | 移动摄像机的数字视网膜的运动特征的提取与编码方法 | |
Sattler et al. | Benchmarking 6dof outdoor visual localization in changing conditions | |
Majdik et al. | Air‐ground matching: Appearance‐based GPS‐denied urban localization of micro aerial vehicles | |
Yahyanejad et al. | Incremental mosaicking of images from autonomous, small-scale uavs | |
CN105352481A (zh) | 高精度无人机影像无控制点测绘成图方法及*** | |
CN103679674A (zh) | 一种无人飞行器实时图像拼接方法及*** | |
KR102127679B1 (ko) | 정사영상에 기반한 센서 탑재 이동형 플랫폼의 기하 보정 시스템 | |
CN109425348A (zh) | 一种同时定位与建图的方法和装置 | |
CN105389774A (zh) | 对齐图像的方法和装置 | |
CN102607532B (zh) | 一种利用飞控数据的低空影像快速匹配方法 | |
KR102239562B1 (ko) | 항공 관측 데이터와 지상 관측 데이터 간의 융합 시스템 | |
CN105004337B (zh) | 基于直线匹配的农用无人机自主导航方法 | |
CN105336002A (zh) | 信息处理方法及电子设备 | |
KR102118357B1 (ko) | 모바일 맵핑 또는 자율 주행용 플랫폼과 관측 데이터의 구조화를 위한 시스템 | |
CN104392457A (zh) | 倾斜影像的连接点自动匹配方法及装置 | |
CN104535047A (zh) | 基于视频拼接的多智能体目标跟踪全局定位***及方法 | |
CN104949673A (zh) | 一种基于非视觉感知信息的目标定位方法及装置 | |
CN109636852A (zh) | 一种单目slam初始化方法 | |
CN108253940A (zh) | 定位方法及装置 | |
CN113808269A (zh) | 地图生成方法、定位方法、***及计算机可读存储介质 | |
KR102130687B1 (ko) | 다중 센서 플랫폼 간 정보 융합을 위한 시스템 | |
KR102249381B1 (ko) | 3차원 영상 정보를 이용한 모바일 디바이스의 공간 정보 생성 시스템 및 방법 | |
CN109785421B (zh) | 一种基于空地影像组合的纹理映射方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161116 |