CN108195354A - 一种基于机器人的车辆定位方法和车辆定位*** - Google Patents

Abstract

本申请所提供的一种基于机器人的车辆定位方法，包括：拍摄所述车辆的目标区域图像，根据所述目标区域图像建立数据模板并计算对应的模板位姿；根据所述模板位姿建立坐标系，得到所述车辆相对于机器人基坐标系的第一位姿；根据所述第一位姿定位所述车辆。通过建立坐标系，能够准确的定位车身，本方法对环境光线无要求，适用性强，避免了繁琐的光源调试。本申请还提供了一种基于机器人的车辆定位***、一种可读存储介质和一种机器人，具有上述有益效果。

Description

一种基于机器人的车辆定位方法和车辆定位***

技术领域

本申请涉及机器人领域，特别涉及一种基于机器人的车辆定位方法、车辆定位***，以及一种可读存储介质和一种机器人。

背景技术

随着工业机器人在汽车制造领域应用的不断深入，各个汽车部件的安装，如挡风玻璃、汽车门等都需要视觉定位技术。由机器人抓取玻璃并由视觉***引导其完成玻璃的精准装配工作是汽车自动化生产线的发展趋势。然而车身输送线来料位置具有较大偏差且某些生产车间光线环境复杂，同时生产线上存在多种颜色、多种型号的车身，这些问题都有可能导致机器人不能准确地将玻璃装配在汽车车身上，甚至有可能导致机器人与车身的撞击从而损坏生产设备。

目前的机器人挡风玻璃自动安装工作站的车身视觉定位***多采用双目或多目立体视觉定位方式，在车头及车尾各安装多个相机，通过视差图恢复车身的3D模型，再通过车身的表面几何形状特征进行处理与识别，从而实现车身的定位。

以下为现有的几种定位方法及其相应缺点：

1、双目或多目立体视觉对于车身这种大尺寸目标物难以保证最终定位精度，且相机对光源要求苛刻，环境光线的变化对***采集图片的影响较大，同时对物体表面的颜色、材质、纹理特征等的重构效果适应性较差。

2、采用特征匹配的方法进行定位时，物体表面不一定有明显的几何特征，且特征容易受其他杂质的干扰，影响定位效果和定位精度，适应性较差。

3、线激光在机器人携带激光器扫描图像的过程中会受机器人执行机构的影响，可能会发生机械手抖动现象造成图像抖动，以及机器人运动与线激光器扫描难同步的问题，同时定位节拍也会增加。

4、大视野相机的定位效果和定位精度容易受物体表面特征(特征复杂性，特征的多少，大小，表面凹凸性等)的影响。因此需要一种新型的车辆定位方法。

申请内容

本申请的目的是提供一种基于机器人的车辆定位方法、车辆定位***，以及一种可读存储介质和一种机器人，解决现有的多目立体视觉定位受现场环境影响较大的问题。

为解决上述技术问题，本申请提供一种基于机器人的车辆定位方法，具体技术方案如下：

拍摄所述车辆的目标区域图像，根据所述目标区域图像建立数据模板并计算对应的模板位姿；

根据所述模板位姿建立坐标系，得到所述车辆相对于机器人基坐标系的第一位姿；

根据所述第一位姿定位所述车辆。

其中，拍摄所述车辆的目标区域图像之前，还包括：

标定激光传感器的激光器坐标系与所述机器人的机器人工具坐标系，并确定所述激光器坐标系的三个基坐标轴的坐标方向。

其中，根据所述第一位姿定位所述车辆之后，还包括：

在所述车辆位置变化后，确定所述车辆的偏移量，并根据所述偏移量调整拍摄位置；

拍摄所述车辆的目标区域图像，根据所述目标区域图像建立第二数据模板并计算对应的第二模板位姿；

匹配所述模板位姿和所述第二模板位姿，得到相对位姿；

根据所述相对位姿定位所述车辆。

其中，所述确定所述车辆的偏移量包括：

根据所述坐标方向确定所述车辆的偏移量。

其中，根据所述模板位姿建立坐标系包括：

为所述模板位姿建立最小外接矩形；

将所述最小外接矩形中心作为中心坐标；

利用三个或三个以上所述中心坐标建立坐标系。

其中，拍摄所述车辆的目标区域图像包括：

利用三维激光传感器按预设次数拍摄所述车辆的目标区域图像。

其中，拍摄所述车辆的目标区域图像之前，还包括：

获取所述车辆的车身颜色对应三维激光传感器的曝光值。

本申请还提供一种基于机器人的车辆定位***，包括：

模板建立模块，用于拍摄所述车辆的目标区域图像，根据所述目标区域图像建立数据模板并计算对应的模板位姿；

位姿计算模块，用于根据所述模板位姿建立坐标系，得到所述车辆相对于机器人基坐标系的第一位姿；

车辆定位模块，用于根据所述第一位姿定位所述车辆。

本申请还提供一种可读存储介质，其上存储有程序，所述程序被执行时实现如下步骤：

拍摄所述车辆的目标区域图像，根据所述目标区域图像建立数据模板并计算对应的模板位姿；

根据所述模板位姿建立坐标系，得到所述车辆相对于机器人基坐标系的第一位姿；

根据所述第一位姿定位所述车辆。

本申请还提供一种机器人，包括存储器和处理器，所述存储器中存有程序，所述处理器调用所述存储器中的程序时实现如下步骤：

拍摄所述车辆的目标区域图像，根据所述目标区域图像建立数据模板并计算对应的模板位姿；

根据所述模板位姿建立坐标系，得到所述车辆相对于机器人基坐标系的第一位姿；

根据所述第一位姿定位所述车辆。

本申请所提供的一种基于机器人的车辆定位方法，包括：拍摄所述车辆的目标区域图像，根据所述目标区域图像建立数据模板并计算对应的模板位姿；根据所述模板位姿建立坐标系，得到所述车辆相对于机器人基坐标系的第一位姿；根据所述第一位姿定位所述车辆。通过建立坐标系，能够准确的定位车身，本方法对环境光线无要求，适用性强，避免了繁琐的光源调试。本申请还提供了一种基于机器人的车辆定位***、一种可读存储介质和一种机器人，具有上述有益效果。

附图说明

为了更清楚地说明本申请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申请的实施例，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为本申请实施例所提供的一种基于机器人的车辆定位方法的流程图；

图2为本申请实施例所提供的车窗定位示意图；

图3为本申请实施例所提供的各坐标系示意图；

图4为本申请实施例所提供的一种基于机器人的车辆定位***的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

请参考图1，图1为本申请实施例所提供的一种基于机器人的车辆定位方法的流程图，具体技术方案如下：

S101:拍摄所述车辆的目标区域图像，根据所述目标区域图像建立数据模板并计算对应的模板位姿；

在确定拍摄位置之后，机器人运动，带动位于法兰盘末端的激光器运动到第一个拍摄位置，并拍照。之所以称之为目标区域图像，因物制宜。以车辆车窗为例，拍摄过程实际上是采集车窗表面的三维数据。注意这里的拍摄位置应当在投影到车窗所在平面时投射点在车窗的位置，可以是车窗的边缘位置。例如图2所示的位置，三个拍摄位置均处于车窗边缘。

优选的，拍摄工具可以为三维激光传感器，可以便捷地采集车窗表面的三维数据。值得一提的是，在此对拍摄次数和拍摄位置均不作限制，只要拍摄次数和拍摄位置均合理、合适，均应在本申请的保护范围内。

值得注意的是，本步骤中还包括一个不容忽略的步骤，即从MES***中获取所述车辆的车身颜色对应三维激光传感器的曝光值，以得到适应不同颜色车身的车窗表面三维数据。一旦曝光值不对，有可能造成获取的车窗表面三维数据无效。

在获得三维数据后，可以利用三维数据建立数据模板。建立模板的作用是整合拍摄位置的相关数据，例如中心、重心、面积和外接矩形参数等。以三个拍摄位置为例，计算该数据模板的最小外接矩形中心位置在机器人基坐标系下的坐标为P0，控制机器人移动到第二个和第三个拍摄位置，以同样的方式为车窗表面点云数据创建模板，并得到相应的P1、P2值。

S102:根据所述模板位姿建立坐标系，得到所述车辆相对于机器人基坐标系的第一位姿；

建立坐标系的目的是为了得到车辆相对于机器人坐标系的位姿，在此不限定其具体实施方法和实施过程，能够达到相同目的的方法均应在本申请的保护范围内。在此提供一种建立坐标系的方法：

为所述模板位姿建立最小外接矩形；将所述最小外接矩形中心作为中心坐标；利用三个或三个以上所述中心坐标建立坐标系。

同样以上述三个拍摄位置为例：

定P1为坐标系原点，以点P1和P0形成的向量作为X轴，并将其单位化，得到X轴向量计算结果为同样，P1和P2形成的单位向量为基于右手坐标系原理，用P1P0向量与P1P3向量进行叉乘得到的向量作为Z轴方向向量同理通过叉乘z和x便得到Y轴向量，,通过对各个轴在机器人基坐标系投影计算得到各个轴在机器人基坐标系中的姿态，如此建立的坐标系即为车辆相对于机器人基坐标系的位姿，称之为第一位姿。

S103:根据所述第一位姿定位所述车辆。

在得到第一位姿之后，即车辆相对于机器人基坐标系的位置，则可轻易定位车辆。具体的，关于本申请中几个重要的坐标系，请参见图3，图3为本申请实施例所提供的各坐标系示意图，其中机器人基坐标系是基础坐标系，机器人工具坐标系在本申请中指的是机器人末端法兰盘坐标系，通过标定得到。需要注意的是，S103中根据模板位姿建立的坐标系未在图3中示出。

本申请实施例提供了种基于机器人的车辆定位方法，可以通过上述方法实现准确的定位车身。对环境光线无要求，适用性强，避免了繁琐的光源调试。

基于上述实施例，作为优选的实施例，在首次定位之后，还可以在车辆移动后进行再次定位，具体步骤如下：

在所述车辆位置变化后，确定所述车辆的偏移量，并根据所述偏移量调整拍摄位置；拍摄所述车辆的目标区域图像，根据所述目标区域图像建立第二数据模板并计算对应的第二模板位姿；匹配所述模板位姿和所述第二模板位姿，得到相对位姿；根据所述相对位姿定位所述车辆。

意即在车辆位置变化后，机器人携带激光相机以相同的方式获取采用模板匹配的方式再次采集预设次数的车窗表面三维数据，采用模板匹配的方式分别与对应位置的模板进行匹配，计算与模板之间的相对位姿(即位姿偏差)，然后根据车身变化前后的相对位姿以及模板位姿，计算变化后各个拍摄位置的车身位姿，最后以与S103相同的方式计算车辆相对机器人的位姿得到，从而实现车身的移动后的再次定位。

本步骤旨在应对车辆位置发生变化时的相应定位操作。

可以理解的是，偏移量是一个数学范畴，因此需要一个基准位置作为计算偏移量的工具。在车辆的流水线作业中，可以事先标定机器人TCP，然后标定激光传感器的激光器坐标系，并确定所述激光器坐标系的三个基坐标轴的坐标方向，在根据坐标方向确定偏移量。具体的，可以使用如下方法：

制作一块带有标准圆孔的平面板，使用激光器对圆孔进行拍摄，获取圆孔的圆心相对于激光器的位置x0、y0、z0，控制机器人以不同姿态对圆孔进行拍摄，使得圆孔的圆心相对于激光器的位置x、y、z与x0、y0、z0一致，重复三次以上该过程即可利用机器人TCP标定工具获得激光器坐标系的原点，且激光器坐标系的x轴和y轴分别与激光器外壳的短边和长边保持平行，因此利用标定机器人基坐标系方向的方法即可得到激光器坐标系三个轴的方向，从而得到激光器相对机器人基坐标系的位姿变换矩阵StoTMat。需要注意的是，因为法兰盘末端位姿已知，这里用的便是激光器相对于机器人基坐标系的位姿变换矩阵。

当然上述方法只是一种较优的方法，还可以利用其它方法进行标定。

在明确坐标系方向后，即可根据坐标方向获取车辆在x、y、z三个方向的偏移量，根据该偏移量对激光器的拍摄位置进行相应的调整。需要注意的是，这里并不是直接将激光器移动到拍摄位置，只是移动到相应的位置。例如，车窗距离激光器过远，这将使得拍摄出来的图像不合格，因此需要提前将激光器移动到合适的位置以便于此后的拍摄。

下面对本申请实施例提供的一种基于机器人的车辆定位***进行介绍，下文描述的车辆定位***与上文描述的车辆定位方法可相互对应参照。

参见图4，图4为本申请实施例所提供的一种基于机器人的车辆定位***的结构示意图，该车辆定位***可以包括：

模板建立模块100，用于按预设次数拍摄物体图像，根据所述物体图像建立数据模板并计算对应的模板位姿；

位姿计算模块200，用于根据所述模板位姿建立坐标系，得到所述车辆相对于机器人基坐标系的第一位姿；

车辆定位模块300，用于根据所述第一位姿定位所述车辆。

本申请还提供了一种可读存储介质，其上存有程序，该程序被执行时可以实现上述实施例所提供的步骤。该存储介质可以包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。对于本申请而言，应当为适宜机器人使用的存储介质。

本申请还提供了一种机器人，可以包括存储器和处理器，所述存储器中存有程序，所述处理器调用所述存储器中的程序时，可以实现上述实施例所提供的步骤。当然所述机器人还可以包括各种网络接口，电源等电子组件，以及相应的机械元件，如法兰盘等。

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。对于实施例提供的***而言，由于其与实施例提供的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。

还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (10)

1.一种基于机器人的车辆定位方法，其特征在于，包括：

拍摄所述车辆的目标区域图像，根据所述目标区域图像建立数据模板并计算对应的模板位姿；

根据所述模板位姿建立坐标系，得到所述车辆相对于机器人基坐标系的第一位姿；

根据所述第一位姿定位所述车辆。

2.根据权利要求1所述的车辆定位方法，其特征在于，拍摄所述车辆的目标区域图像之前，还包括：

标定激光传感器的激光器坐标系与所述机器人的机器人工具坐标系，并确定所述激光器坐标系的三个基坐标轴的坐标方向。

3.根据权利要求2所述的车辆定位方法，其特征在于，根据所述第一位姿定位所述车辆之后，还包括：

在所述车辆位置变化后，确定所述车辆的偏移量，并根据所述偏移量调整拍摄位置；

拍摄所述车辆的目标区域图像，根据所述目标区域图像建立第二数据模板并计算对应的第二模板位姿；

匹配所述模板位姿和所述第二模板位姿，得到相对位姿；

根据所述相对位姿定位所述车辆。

4.根据权利要求3所述的车辆定位方法，其特征在于，所述确定所述车辆的偏移量包括：

根据所述坐标方向确定所述车辆的偏移量。

5.根据权利要求4所述的车辆定位方法，其特征在于，根据所述模板位姿建立坐标系包括：

为所述模板位姿建立最小外接矩形；

将所述最小外接矩形中心作为中心坐标；

利用三个或三个以上所述中心坐标建立坐标系。

6.根据权利要求1-5任一项所述的车辆定位方法，其特征在于，拍摄所述车辆的目标区域图像包括：

利用三维激光传感器按预设次数拍摄所述车辆的目标区域图像。

7.根据权利要求6所述的车辆定位方法，其特征在于，拍摄所述车辆的目标区域图像之前，还包括：

获取所述车辆的车身颜色对应三维激光传感器的曝光值。

8.一种基于机器人的车辆定位***，其特征在于，包括：

模板建立模块，用于拍摄所述车辆的目标区域图像，根据所述目标区域图像建立数据模板并计算对应的模板位姿；

位姿计算模块，用于根据所述模板位姿建立坐标系，得到所述车辆相对于机器人基坐标系的第一位姿；

车辆定位模块，用于根据所述第一位姿定位所述车辆。

9.一种可读存储介质，其上存储有程序，其特征在于，所述程序被执行时实现如权利要求1-7任一项所述的车辆定位方法。

10.一种机器人，其特征在于，包括存储器和处理器，所述存储器中存有程序，所述处理器调用所述存储器中的程序时实现如权利要求1-7任一项所述的车辆定位方法。