CN108286970B - 基于DataMatrix码带的移动机器人定位***、方法及装置 - Google Patents
基于DataMatrix码带的移动机器人定位***、方法及装置 Download PDFInfo
- Publication number
- CN108286970B CN108286970B CN201711495064.3A CN201711495064A CN108286970B CN 108286970 B CN108286970 B CN 108286970B CN 201711495064 A CN201711495064 A CN 201711495064A CN 108286970 B CN108286970 B CN 108286970B
- Authority
- CN
- China
- Prior art keywords
- coordinate system
- camera
- datamatrix code
- coordinates
- image
- 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.)
- Active
Links
Images
Classifications
-
- 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
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Electromagnetism (AREA)
- Automation & Control Theory (AREA)
- Toxicology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Image Analysis (AREA)
- Manipulator (AREA)
Abstract
本发明适用于引导运输车技术领域,提供了一种基于DataMatrix码带的移动机器人定位方法,包括:识别图像中DataMatrix码的矩形区域;基于矩形区域及对所述矩形区域拟合的外接矩形来确定DataMatrix码的四个边界交点及标定点;识别Roi区域内的DataMatrix码图像,获取DataMatrix码图像携带的标定点的路径距离;基于标定点的路径距离来计算所述DataMatrix码四个边界交点在地面坐标系中的坐标;基于所述DataMatrix码的四个边界交点在图像坐标系中的坐标、四个边界交点在地面坐标系中的坐标、以及相机的内参数矩阵Mcam来计算机器人在地面坐标系中的位置。该方法是基于仿射变换进行定位,无需提前标定相素对应的实际物理距离,且相机能在预设高度范围内随意改变拍摄高度,均能得到精确的定位结果。
Description
技术领域
本发明属于机器人定位技术领域,提供了一种基于DataMatrix码带的移动机器人定位***、方法及装置。
背景技术
移动机器人在自动化工厂和智能仓储物流等领域有着越来越广泛的应用,而精确定位是移动机器人实现精密操作的关键。移动机器人的定位方法有编码器法、射频识别法和视觉定位法等,其中编码器法会因为机器人运动产生的打滑而造成误差;射频识别方法需要高密度的布设射频标签,但射频标签布设密集会在定位过程中相互干扰,导致定位错误;而基于人工路标的视觉定位方法是现阶段移动机器人最可靠的定位方法之一,DataMatrix码尺寸小,信息量大,制作方便,且具有超强的抗污染能力,是一种理想的人工标志物。
专利文献CN 104197899 A记载的技术方案是将QR码间隔张贴于地面进行定位,通过计算DataMatrix码中心点与图像中心点构成的向量与DataMatrix码正方向之间的夹角,得到相机的旋转角度。根据事先标定的单个像素对应的实际物理距离,求出DataMatrix码中心点到图像中心点的实际距离,再利用相机旋转角度,计算相机中心在DataMatrix码坐标系中的坐标,该方案存在如下问题:
1.事先标定好单个像素对应的物理距离,标定的过程会产生误差;
2.机器人运动时相机会发生抖动,像素对应的物理距离会发生变化,造成定位结果不精准;
3.每一个机器人都需要标定相机与地面的的对应关系,且标定之后的相机必须按照固定高度运行,使得机器人的应用受限。
发明内容
本发明实施例提供一种基于DataMatrix码带的移动机器人定位方法,旨在解决现有视觉定位法存在的定位精度不高及应用受限的问题。
本发明是这样实现的,一种基于DataMatrix码带的移动机器人定位***,该***包括:
设于移动机器人行走路径地面的DataMatrix码带,所述DataMatrix码的外接矩形由两相邻实线边及两相邻虚线边组成,且DataMatrix码图像中携带有对应DataMatrix码标定点的路径距离,所述标定点是指两相邻实线边的交点或者是相邻两虚线边的交点;
移动机器人上设有摄像机及定位传感器,摄影机的摄影平面与地面平行,所述摄像机每次能拍摄到一个DataMatrix码,摄像机将采集到的图像发送至定位传感器,定位传感器识别图像中DataMatrix码的标定点及对应DataMatrix码图像携带的标定点路径距离,基于标定点的路径距离来获取DataMatrix码的四个边界交点在地面坐标系中的坐标,基于所述DataMatrix码的四个边界交点在地面坐标系中的坐标、四个边界交点在图像坐标系中的图像坐标、以及相机的内参数矩阵Mcam来获取机器人在地面坐标系中的坐标。
本发明提供可一种基于所述基于DataMatrix码带的移动机器人定位***的定位方法,所述方法包括如下步骤:
S1、识别图像中DataMatrix码的矩形区域,即Roi区域;
S2、基于矩形区域及对所述矩形区域拟合的外接矩形来确定DataMatrix码的四个边界交点及标定点;
S3、识别Roi区域内的DataMatrix码图像,获取所述DataMatrix码图像携带的标定点的路径距离;
S4、基于标定点的路径距离来计算所述DataMatrix码四个边界交点在地面坐标系中的坐标;
S5、基于所述DataMatrix码的四个边界交点在图像坐标系中的坐标、四个边界交点在地面坐标系中的坐标、以及相机的内参数矩阵Mcam来计算机器人在地面坐标系中的位置。
进一步的,所述步骤S1包括如下步骤:
S11、对图像进行分块,计算每个分块内的图像平均灰度;
S12、根据平均灰度自适应对每个分块进行二值化;
S13、对二值化后的连通域进行最小外接矩形拟合;
S14、若拟合的外接矩形尺寸符合DataMatrix码的外接矩形尺寸,则对应的矩形区域即为Roi区域。
进一步的,所述步骤S2包括如下步骤:
S21、沿矩形区域的四条边进行黑白变换次数检测,识别实线边及虚线边;
S22、根据基于矩形区域拟合的外接矩形来确定DataMatrix码的四个边界交点,其中,两相邻实线边或两相邻虚线边的交点即为DataMatrix码的标定点。
进一步的,所述步骤S5具体包括如下步骤:
S51、计算相机中心到底面的高度,计算公式为:H=distw/distic,其中,distw为边界交点i及边界交点j在地面坐标系中的距离,distic为边界交点i及边界交点j在定义坐标系中的距离,其中,定义坐标系为图像坐标Xi的齐次坐标,Mcam为相机的内参数矩阵;
S52、基于方程σXi=McamXc计算四个边界交点在相机坐标系中的坐标,其中,Xi为边界交点的在图像坐标系中的坐标,Xc为边界交点在相机坐标系中的坐标,σ为摄影深度因子,在相机摄影平面与地面平行时,相机中心到地面的高度等于相机的摄影深度因子;
S53、相机摄影平面与地面平行的条件下,地面平面坐标到相机平面坐标的转换可简化为仿射变换,即Xc=Rw-c*Xw+tw-c,根据其中三个边界交点在相机坐标系中的坐标及在地面坐标系中的坐标,即可求出这种仿射变换的旋转矩阵Rw-c和平移相邻tw-c;
S54、相机中心的坐标为Xcan=-Rw-c*tw-c,相机坐标系与地面坐标系之间的夹角为θ=arctan(Rw-c(2,1)/Rw-c(1,1));
本发明提供了一种基于DataMatrix码带的移动机器人定位***的定位装置,所述定位装置设于定位传感器,所述定位装置包括:
Roi区域识别单元,用于识别图像中DataMatrix码的矩形区域,即Roi区域;
边界交点确定单元,基于矩形区域及对所述矩形区域拟合的外接矩形来确定DataMatrix码的四个边界交点及标定点;
标定点路径距离获取单元,识别Roi区域内的DataMatrix码图像,获取所述DataMatrix码图像携带的标定点路径距离;
边界交点地面坐标计算单元,基于定点的路径距离来计算所述DataMatrix码四个边界交点在地面坐标系中的坐标;
定位单元,基于所述DataMatrix码的四个边界交点在图像坐标系中的坐标、四个边界交点在地面坐标系中的坐标、以及相机的内参数矩阵Mcam来计算机器人在地面坐标系中的位置。
进一步的,所述Roi区域识别单元包括:
灰度计算模块,用于对图像进行分块,计算每个分块内的图像平均灰度;
二值化模块,用于根据平均灰度自适应对每个分块进行二值化;
Roi区域识别模块,用于若拟合的外接矩形尺寸符合DataMatrix码的外接矩形尺寸,则对应的矩形区域即为Roi区域。
进一步的,所述边界交点确定单元包括:
虚实线检测模块,沿DataMatrix码矩形区域的四条边进行黑白变换次数检测,识别实线边及虚线边;
边界交点确定模块,根据基于矩形区域拟合的外接矩形来确定DataMatrix码的四个边界交点,其中,两相邻实线边或两相邻虚线边的交点即为DataMatrix码的标定点。
进一步的,所述定位单元包括:
相机高度计算模块,计算相机中心到底面的高度,计算公式为:H=distw/distic,其中,distw为边界交点i及边界交点j在地面坐标系中的距离,distic为边界交点i及边界交点j在定义坐标系中的距离,其中,定义坐标系为图像坐标Xi的齐次坐标;
外参矩阵计算模块一,基于方程σXi=McamXc计算四个边界交点在相机坐标系中的坐标,其中,Xi为边界交点的在图像坐标系中的坐标,Xc为边界交点在相机坐标系中的坐标,σ为摄影深度因子,在相机摄影平面与地面平行时,相机中心到地面的高度等于相机的摄影深度因子;
外参矩阵计算模块二,相机摄影平面与地面平行的条件下,地面平面坐标到相机平面坐标的转换可简化为仿射变换,即Xc=Rw-c*Xw+tw-c,根据其中三个边界交点在相机坐标系中的坐标及在地面坐标系中的坐标,即可求出这种仿射变换的旋转矩阵Rw-c和平移相邻tw-c;
相机中心位置计算模块,相机中心的坐标为Xcan=-Rw-c*tw-c,相机坐标系与地面坐标系之间的夹角为θ=arctan(Rw-c(2,1)/Rw-c(1,1));
本发明实施例提供的定位方法是基于仿射变换的进行定位,无需提前标定相素对应的实际物理距离,且相机能在预设高度范围内随意改变拍摄高度,均能够得到精确的定位结果;此外,该定位方法充分利用每一个DataMatrix码的多个边界交点进行计算,定位结果更为精准。
附图说明
图1为本发明实施例提供的基于DataMatrix码带的移动机器人定位方法的流程图;
图2为本发明实施例提供的基于DataMatrix码带的移动机器人定位装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例提供的基于DataMatrix码带的移动机器人定位***,包括:
设于移动机器人行走路径地面的DataMatrix码(简称为二维码)带,该DataMatrix码的外接矩形由两相邻实线边及两相邻虚线边组成,且DataMatrix码图像中携带有对应DataMatrix码标定点的路径距离,在本发明实施例中,标定点是指两相邻实线边的交点或者是相邻两虚线边的交点;
移动机器人上设有摄像机及定位传感器,摄像机的摄影平面与地面平行,该摄像机每次能拍摄到一个DataMatrix码,摄像机将采集到的图像发送至定位传感器,定位传感器识别图像中DataMatrix码的标定点及对应DataMatrix码图像携带的标定点路径距离,基于标定点的路径距离来获取DataMatrix码的四个边界交点在地面坐标系中的坐标,基于DataMatrix码四个边界交点在地面坐标系中的坐标、DataMatrix码四个边界交点在图像坐标系中的图像坐标、以及相机的内参数矩阵Mcam来获取机器人在地面坐标系中的坐标。
图1为本发明实施例提供的基于DataMatrix码带的移动机器人定位方法的流程图,该定位方法基于上述基于DataMatrix码带的移动机器人定位***来进行机器人定位的,该定位方法包括如下步骤:
S1、识别图像中DataMatrix码的矩形区域,即Roi区域;
在本发明实施例中,步骤S1包括如下步骤:
S11、对图像进行分块,计算每个分块内的图像平均灰度;
S12、根据平均灰度自适应对每个分块进行二值化;
S13、对二值化后的连通域进行最小外接矩形拟合;
S14、若拟合的外接矩形尺寸符合DataMatrix码的外接矩形尺寸,则对应的矩形区域即为Roi区域;
S2、基于矩形区域及对该矩形区域拟合的外接矩形来确定DataMatrix码的四个边界交点及标定点;
在本发明实施例中,步骤S2具体包括如下步骤:
S21、沿矩形区域的四条边进行黑白变换次数检测,识别实线边及虚线边;
S22、根据基于矩形区域拟合的外接矩形来确定DataMatrix码的四个边界交点,其中,两相邻实线边或两相邻虚线边的交点即为DataMatrix码的标定点。
S3、识别Roi区域内的DataMatrix码图像,获取DataMatrix码图像携带的标定点的路径距离;
S4、基于标定点的路径距离来计算DataMatrix码四个边界交点在地面坐标系中的坐标;
在本发明实施例中,该边界交点为四个包括:两相邻实线边相交形成的交点、两虚线边相交形成的交点、及两实线边与两虚线边相交形成的两交点,四个边界交点x坐标就是标定点的路径距离,用于标识当前相机中心沿路径的移动距离,y坐标是边界交点相对于路径的偏移距离。
S5、基于DataMatrix码的四个边界交点在图像坐标系中的坐标、四个边界交点在在地面坐标系中的坐标、以及相机的内参数矩阵Mcam来计算机器人在地面坐标系中的位置。
在本发明实施例中,步骤S5具体包括如下步骤:
S51、计算相机中心到底面的高度,计算公式为:H=distw/distic,其中,distw为边界交点i及边界交点j在地面坐标系中的距离,distic为边界交点i及边界交点j在定义坐标系中的距离,其中,定义坐标系为图像坐标Xi的齐次坐标,Mcam为相机的内参数矩阵;
S52、基于方程σXi=McamXc计算四个边界交点在相机坐标系中的坐标,其中,Xi为边界交点的在图像坐标系中的坐标,Xc为边界交点在相机坐标系中的坐标,σ为摄影深度因子,在相机摄影平面与地面平行时,相机中心到地面的高度等于相机的摄影深度因子;
S53、相机摄影平面与地面平行的条件下,地面平面坐标到相机平面坐标的转换可简化为仿射变换,即Xc=Rw-c*Xw+tw-c,根据其中三个边界交点在相机坐标系中的坐标及在地面坐标系中的坐标,即可求出这种仿射变换的旋转矩阵Rw-c和平移相邻tw-c;
S54、相机中心的坐标为Xcan=-Rw-c*tw-c,相机坐标系与地面坐标系之间的夹角为θ=arctan(Rw-c(2,1)/Rw-c(1,1)),以便于实时调整机器人相对于导航路径的朝向;
本发明实施例提供的定位方法是基于仿射变换的进行定位,无需提前标定相素对应的实际物理距离,且相机能在预设高度范围内随意改变拍摄高度,均能够得到精确的定位结果;此外,该定位方法充分利用每一个DataMatrix码的多个边界交点进行计算,定位结果更为精准。
本领域普通技术人员可以理解实现上述实施例的全部或部分可以通过硬件来完成,也可以通过程序指令相关的硬件来完成,执行上述步骤的程序可以存储于一种计算机可读存储介质,上述提到的存储介质可以是只读存储器、闪存、磁盘或光盘等。
图2位本发明实施例提供的基于DataMatrix码带的移动机器人定位装置,为了便于说明,仅示出于本发明实施例系相关的部分,
该装置设于机器人的定位传感器,该装置包括:
Roi区域识别单元1,用于识别图像中DataMatrix码的矩形区域,即Roi区域;
在本发明实施例中,Roi区域识别单元1包括:
灰度计算模块11,用于对图像进行分块,计算每个分块内的图像平均灰度;
二值化模块12,用于根据平均灰度自适应对每个分块进行二值化;
Roi区域识别模块13,用于若拟合的外接矩形尺寸符合DataMatrix码的外接矩形尺寸,则对应的矩形区域即为Roi区域;
边界交点确定单元2,基于矩形区域及对该矩形区域拟合的外接矩形来确定DataMatrix码的四个边界交点及标定点;
在本发明实施例中,边界交点确定单元2包括:
虚实线检测模块21,沿DataMatrix码矩形区域的四条边进行黑白变换次数检测,识别实线边及虚线边;
边界交点确定模块22,根据基于矩形区域拟合的外接矩形来确定DataMatrix码的四个边界交点,其中,两相邻实线边或两相邻虚线边的交点即为DataMatrix码的标定点。
标定点路径距离获取单元3,识别Roi区域内的DataMatrix码图像,获取DataMatrix码图像携带的标定点的路径距离;
边界交点地面坐标计算单元4,基于标定点的路径距离来计算DataMatrix码四个边界交点在地面坐标系中的坐标;
在本发明实施例中,该边界交点为四个包括:两相邻实线边相交形成的交点、两虚线边相交形成的交点、及两实线边与两虚线边相交形成的两交点,四个边界交点x坐标就是标定点的路径距离,用于标识当前相机中心沿路径的移动距离,y坐标是边界交点相对于路径的偏移距离。
定位单元5,基于DataMatrix码的四个边界交点在图像坐标系中的坐标、四个边界交点在地面坐标系中的坐标、以及相机的内参数矩阵Mcam来计算机器人在地面坐标系中的位置。
在本发明实施例中,定位单元5包括:
相机高度计算模块51,计算相机中心到底面的高度,计算公式为:H=distw/distic,其中,distw为边界交点i及边界交点j在地面坐标系中的距离,distic为边界交点i及边界交点j在定义坐标系中的距离,其中,定义坐标系为图像坐标Xi的齐次坐标;
外参矩阵计算模块一52,基于方程σXi=McamXc计算四个边界交点在相机坐标系中的坐标,其中,Xi为边界交点的在图像坐标系中的坐标,Xc为边界交点在相机坐标系中的坐标,σ为摄影深度因子,在相机摄影平面与地面平行时,相机中心到地面的高度等于相机的摄影深度因子;
外参矩阵计算模块二53,相机摄影平面与地面平行的条件下,地面平面坐标到相机平面坐标的转换可简化为仿射变换,即Xc=Rw-c*Xw+tw-c,根据其中三个边界交点在相机坐标系中的坐标及在地面坐标系中的坐标,即可求出这种仿射变换的旋转矩阵Rw-c和平移相邻tw-c;
相机中心位置计算模块54,相机中心的坐标为Xcan=-Rw-c*tw-c,相机坐标系与地面坐标系之间的夹角为θ=arctan(Rw-c(2,1)/Rw-c(1,1)),以便于实时调整机器人相对于导航路径的朝向;
本发明实施例提供的定位装置是基于仿射变换的进行定位,无需提前标定相素对应的实际物理距离,且相机能在预设高度范围内随意改变拍摄高度,均能够得到精确的定位结果;
此外,该定位装置充分利用每一个DataMatrix码的多个边界交点进行计算,定位结果更为精准。
上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种基于DataMatrix码带的移动机器人定位方法,其特征在于,基于DataMatrix码带的移动机器人定位***包括:设于移动机器人行走路径地面的DataMatrix码带,所述DataMatrix码的外接矩形由两相邻实线边及两相邻虚线边组成,且DataMatrix码图像中携带有对应DataMatrix码标定点的路径距离,所述标定点是指两相邻实线边的交点或者是相邻两虚线边的交点;
移动机器人上设有摄像机及定位传感器,摄像机的摄影平面与地面平行,摄像机将采集到的图像发送至定位传感器,所述摄像机每次能拍摄到一个DataMatrix码,定位传感器识别图像中DataMatrix码的标定点及对应DataMatrix码图像携带的标定点路径距离,基于标定点的路径距离来获取DataMatrix码的四个边界交点在地面坐标系中的坐标,基于所述DataMatrix码的四个边界交点在地面坐标系中的坐标、四个边界交点在图像坐标系中的图像坐标、以及相机的内参数矩阵Mcam来获取机器人在地面坐标系中的坐标;
基于所述基于DataMatrix码带的移动机器人定位***的定位方法包括如下步骤:
S1、识别图像中DataMatrix码的矩形区域,即Roi区域;
S2、基于矩形区域及对所述矩形区域拟合的外接矩形来确定DataMatrix码的四个边界交点及标定点;
S3、识别Roi区域内的DataMatrix码图像,获取所述DataMatrix码图像携带的标定点的路径距离;
S4、基于标定点的路径距离来计算所述DataMatrix码四个边界交点在地面坐标系中的坐标;
S5、基于所述DataMatrix码的四个边界交点在图像坐标系中的坐标、四个边界交点在地面坐标系中的坐标、以及相机的内参数矩阵Mcam来计算机器人在地面坐标系中的位置;
所述步骤S1包括如下步骤:
S11、对图像进行分块,计算每个分块内的图像平均灰度;
S12、根据平均灰度自适应对每个分块进行二值化;
S13、对二值化后的连通域进行最小外接矩形拟合;
S14、若拟合的外接矩形尺寸符合DataMatrix码的外接矩形尺寸,则对应的矩形区域即为Roi区域;
所述步骤S2包括如下步骤:
S21、沿矩形区域的四条边进行黑白变换次数检测,识别实线边及虚线边;
S22、根据基于矩形区域拟合的外接矩形来确定DataMatrix码的四个边界交点,其中,两相邻实线边或两相邻虚线边的交点即为DataMatrix码的标定点;
所述步骤S5具体包括如下步骤:
S51、计算相机中心到底面的高度,计算公式为:H=distw/distic,其中,distw为边界交点i及边界交点j在地面坐标系中的距离,distic为边界交点i及边界交点j在定义坐标系中的距离,其中,定义坐标系 为图像坐标Xi的齐次坐标,Mcam为相机的内参数矩阵;
S52、基于方程σXi=McamXc计算四个边界交点在相机坐标系中的坐标,其中,Xi为边界交点的在图像坐标系中的坐标,Xc为边界交点在相机坐标系中的坐标,σ为摄影深度因子,在相机摄影平面与地面平行时,相机中心到地面的高度等于相机的摄影深度因子;
S53、相机摄影平面与地面平行的条件下,地面平面坐标到相机平面坐标的转换可简化为仿射变换,即Xc=Rw-c*Xw+tw-c,根据其中三个边界交点在相机坐标系中的坐标及在地面坐标系中的坐标,即可求出这种仿射变换的旋转矩阵Rw-c和平移相邻tw-c;
S54、相机中心的坐标为Xcan=-Rw-c*tw-c,相机坐标系与地面坐标系之间的夹角为θ=arctan(Rw-c(2,1)/Rw-c(1,1));
2.一种DataMatrix码带的移动机器人定位装置,其特征在于,所述定位装置设于定位传感器,所述定位装置包括:
Roi区域识别单元,用于识别图像中DataMatrix码的矩形区域,即Roi区域;
边界交点确定单元,基于矩形区域及对所述矩形区域拟合的外接矩形来确定DataMatrix码的四个边界交点及标定点;
标定点路径距离获取单元,识别Roi区域内的DataMatrix码图像,获取所述DataMatrix码图像携带的标定点路径距离;
边界交点地面坐标计算单元,基于定点的路径距离来计算所述DataMatrix码四个边界交点在地面坐标系中的坐标;
定位单元,基于所述DataMatrix码的四个边界交点在图像坐标系中的坐标、四个边界交点在地面坐标系中的坐标、以及相机的内参数矩阵Mcam来计算机器人在地面坐标系中的位置;
所述Roi区域识别单元包括:
灰度计算模块,用于对图像进行分块,计算每个分块内的图像平均灰度;
二值化模块,用于根据平均灰度自适应对每个分块进行二值化;
Roi区域识别模块,用于若拟合的外接矩形尺寸符合DataMatrix码的外接矩形尺寸,则对应的矩形区域即为Roi区域;
所述边界交点确定单元包括:
虚实线检测模块,沿DataMatrix码矩形区域的四条边进行黑白变换次数检测,识别实线边及虚线边;
边界交点确定模块,根据基于矩形区域拟合的外接矩形来确定DataMatrix码的四个边界交点,其中,两相邻实线边或两相邻虚线边的交点即为DataMatrix码的标定点;
所述定位单元包括:
相机高度计算模块,计算相机中心到底面的高度,计算公式为:H=distw/distic,其中,distw为边界交点i及边界交点j在地面坐标系中的距离,distic为边界交点i及边界交点j在定义坐标系中的距离,其中,定义坐标系 为图像坐标Xi的齐次坐标;
外参矩阵计算模块一,基于方程σXi=McamXc计算四个边界交点在相机坐标系中的坐标,其中,Xi为边界交点的在图像坐标系中的坐标,Xc为边界交点在相机坐标系中的坐标,σ为摄影深度因子,在相机摄影平面与地面平行时,相机中心到地面的高度等于相机的摄影深度因子;
外参矩阵计算模块二,相机摄影平面与地面平行的条件下,地面平面坐标到相机平面坐标的转换可简化为仿射变换,即Xc=Rw-c*Xw+tw-c,根据其中三个边界交点在相机坐标系中的坐标及在地面坐标系中的坐标,即可求出这种仿射变换的旋转矩阵Rw-c和平移相邻tw-c;
相机中心位置计算模块,相机中心的坐标为Xcan=-Rw-c*tw-c,相机坐标系与地面坐标系之间的夹角为θ=arctan(Rw-c(2,1)/Rw-c(1,1));
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711495064.3A CN108286970B (zh) | 2017-12-31 | 2017-12-31 | 基于DataMatrix码带的移动机器人定位***、方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711495064.3A CN108286970B (zh) | 2017-12-31 | 2017-12-31 | 基于DataMatrix码带的移动机器人定位***、方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108286970A CN108286970A (zh) | 2018-07-17 |
CN108286970B true CN108286970B (zh) | 2021-03-30 |
Family
ID=62819376
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711495064.3A Active CN108286970B (zh) | 2017-12-31 | 2017-12-31 | 基于DataMatrix码带的移动机器人定位***、方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108286970B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108827316B (zh) * | 2018-08-20 | 2021-12-28 | 南京理工大学 | 基于改进的Apriltag标签的移动机器人视觉定位方法 |
CN110378962B (zh) * | 2018-11-27 | 2022-12-02 | 北京京东尚科信息技术有限公司 | 车载相机的标定方法、装置及计算机可读存储介质 |
CN111015664B (zh) * | 2019-12-26 | 2023-05-30 | 重庆盟讯电子科技有限公司 | 一种基于ccd相机的智能化识别方法 |
CN112651259A (zh) * | 2020-12-29 | 2021-04-13 | 芜湖哈特机器人产业技术研究院有限公司 | 二维码的定位方法、基于二维码的移动机器人定位方法 |
CN114238384B (zh) * | 2022-02-24 | 2022-08-30 | 阿里云计算有限公司 | 区域定位方法、装置、设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102135429A (zh) * | 2010-12-29 | 2011-07-27 | 东南大学 | 一种基于视觉的机器人室内定位导航方法 |
CN102735235A (zh) * | 2012-06-07 | 2012-10-17 | 无锡普智联科高新技术有限公司 | 基于二维码的室内移动机器人定位***和方法 |
CN102773862A (zh) * | 2012-07-31 | 2012-11-14 | 山东大学 | 用于室内移动机器人的快速精确定位***及其工作方法 |
KR101323705B1 (ko) * | 2013-06-05 | 2013-11-11 | 한경대학교 산학협력단 | 무인 화물 이송로봇을 이용한 무인 화물 이송시스템 |
CN103994762A (zh) * | 2014-04-21 | 2014-08-20 | 刘冰冰 | 基于数据矩阵码的移动机器人定位方法 |
CN107450552A (zh) * | 2017-08-29 | 2017-12-08 | 安徽千里眼信息科技有限公司 | 一种实时显示的agv小车控制方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103324194B (zh) * | 2013-05-21 | 2015-11-18 | 无锡普智联科高新技术有限公司 | 基于二维码导航带的移动机器人定位*** |
CN104143200B (zh) * | 2014-07-16 | 2017-05-31 | 华南理工大学 | 一种图像附加信息的边框型编码与智能识别方法 |
-
2017
- 2017-12-31 CN CN201711495064.3A patent/CN108286970B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102135429A (zh) * | 2010-12-29 | 2011-07-27 | 东南大学 | 一种基于视觉的机器人室内定位导航方法 |
CN102735235A (zh) * | 2012-06-07 | 2012-10-17 | 无锡普智联科高新技术有限公司 | 基于二维码的室内移动机器人定位***和方法 |
CN102773862A (zh) * | 2012-07-31 | 2012-11-14 | 山东大学 | 用于室内移动机器人的快速精确定位***及其工作方法 |
KR101323705B1 (ko) * | 2013-06-05 | 2013-11-11 | 한경대학교 산학협력단 | 무인 화물 이송로봇을 이용한 무인 화물 이송시스템 |
CN103994762A (zh) * | 2014-04-21 | 2014-08-20 | 刘冰冰 | 基于数据矩阵码的移动机器人定位方法 |
CN107450552A (zh) * | 2017-08-29 | 2017-12-08 | 安徽千里眼信息科技有限公司 | 一种实时显示的agv小车控制方法 |
Non-Patent Citations (1)
Title |
---|
二维码技术在AGV定位中的应用研究;周传宏等;《工业控制计算机》;20170125;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108286970A (zh) | 2018-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108286970B (zh) | 基于DataMatrix码带的移动机器人定位***、方法及装置 | |
CN108180912B (zh) | 基于混合导航带的移动机器人定位***及方法 | |
CN106951879B (zh) | 基于摄像头与毫米波雷达的多特征融合车辆检测方法 | |
CN112435300B (zh) | 定位方法及装置 | |
JP5385105B2 (ja) | 画像検索方法およびシステム | |
CN102773862A (zh) | 用于室内移动机器人的快速精确定位***及其工作方法 | |
EP3163252A1 (en) | Three-dimensional shape measurement device, three-dimensional shape measurement system, program, computer-readable storage medium, and three-dimensional shape measurement method | |
CN110197157B (zh) | 一种基于历史裂纹数据的路面裂纹生长检测方法 | |
CN111964680B (zh) | 一种巡检机器人的实时定位方法 | |
Yuan et al. | Combining maps and street level images for building height and facade estimation | |
KR20180098945A (ko) | 고정형 단일 카메라를 이용한 차량 속도 감지 방법 및 장치 | |
CN111832760B (zh) | 一种基于视觉算法的井盖自动巡检方法 | |
CN114972531B (zh) | 一种角点检测方法、设备及可读存储介质 | |
RU2686279C1 (ru) | Устройство обнаружения уступов и способ обнаружения уступов | |
CN103196440B (zh) | M序列离散式人工路标设置及相关移动机器人定位方法 | |
CN103056864A (zh) | 轮式运动机器人位置与角度的实时检测装置及方法 | |
CN112489122B (zh) | 基于双目相机确定遮挡电子界址点gnss坐标的方法 | |
CN111862208B (zh) | 一种基于屏幕光通信的车辆定位方法、装置及服务器 | |
CN106248058B (zh) | 一种对于仓储运输工具的定位方法、装置及*** | |
CN117496467A (zh) | 基于单目相机和3d lidar融合的异形车道线检测方法 | |
CN111964681B (zh) | 一种巡检机器人的实时定位*** | |
Tushev et al. | Robust coded target recognition in adverse light conditions | |
CN115755072A (zh) | 一种基于双目结构光相机的特殊场景定位的方法及*** | |
CN105469085B (zh) | 板卡图像获取方法和*** | |
CN111372051B (zh) | 多相机联动盲区检测方法、装置和电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |