CN109760107B - 一种基于单目视觉的机器人定位精度评价方法 - Google Patents

Abstract

本发明公开了一种基于单目视觉的机器人定位精度评价方法，在机器人运动空间中任意位置布置标定板，运动过程中，机器人在其工作环境中的不同位置观测同一标定板多次，并以这样的观测方法多次采样，根据一次运动过程采集的所有观测信息，以及观测信息的数据统计特征，实现不同定位算法在同样的工作环境下定位精度的定量对比。本发明不借助于其他精密仪器来获取机器人真实的位姿，并且不需要大量重复的实验测试，节约了使用成本同时提高了工作效率。另外，采用环境未知位姿的标定板，使得评价方法更加简便，机器人的运动环境和空间不受限制。最后，以正相关于定位误差的表达来描述机器人定位算法的精确度，实现不同算法间定位精度高低的比较。

Description

一种基于单目视觉的机器人定位精度评价方法

技术领域

本发明涉及机器人视觉的技术领域，尤其涉及到一种基于单目视觉的机器人定位精度评价方法。

背景技术

移动机器人的视觉定位被广泛应用于移动机器人视觉导航的各个方面，定位的精度直接影响移动机器人导航能力。因此，对移动机器人定位精度高低的评价至关重要。目前常见的评价方法，多通过运动获取设备以及在运动环境中添加具有位置相关性的标定板组来比较分析。

然而，布置运动获取设备及标定板组的方法，其应用成本高，对环境的改造程度大，增加了使用的复杂度，这样的评价方法难以在实际应用中得以广泛应用。本发明提出一种基于单目视觉的定位精度评价方法，通过采集移动机器人在移动过程中的传感反馈，利用搭载在机器人本体上的单目相机观察运动空间中一个任意位置的标定板，实现不同定位算法精度高低的定量比较。

发明内容

本发明的目的在于克服现有技术的不足，提出一种基于单目视觉的机器人定位精度评价方法。本方法在机器人运动空间中任意位置布置标定板，而不需要标定标定板间的姿态位姿(位置和姿态)。运动过程中，机器人在其工作环境中的不同位置观测同一标定板多次，并以这样的观测方法多次采样，根据一次运动过程采集的所有观测信息，根据观测信息的数据统计特征，实现不同定位算法在同样的工作环境下定位精度的定量对比。

为实现上述目的，本发明所提供的技术方案为：

一种基于单目视觉的机器人定位精度评价方法，包括以下步骤：

S1：在机器人运动沿途的视觉范围内布置标定板；

S2：机器人向运动空间中某一标定板移动；

S3：当机器人靠近该标定板时，记录机器人当前算法的实时位姿信息以及机器人与该标定板的相对位姿信息；

S4：拟合得出误差分布曲线，评价出定位算法精度的高低。

进一步地，所述步骤S3中，机器人的实时位姿信息通过定位算法求得。

进一步地，所述步骤S3中，机器人与标定板的相对位姿信息通过多视几何方法求得，具体计算步骤如下：

图像平面坐标系转图像像素坐标系：

其中，uO₀v为图像像素坐标系，单位为像素；xO₁y为图像平面坐标系，单位为毫米；

假设每一个像素在u轴和v轴方向上的物理尺寸为d_x和d_y；

上式中，d_x，d_y，u₀，v₀均为假设的参数；

相机坐标系转世界坐标系：

上式中，(X_C,Y_C,Z_C)为相机坐标系中的图像点，(X,Y,Z)为世界坐标系中的图像点；R为3*3旋转矩阵，t为3*1平移矩阵，L表示为4*4矩阵；

世界坐标系与像素坐标系：

其中，f为相机焦距。

进一步地，所述步骤S4拟合得出误差分布曲线，具体步骤如下：

P_i为步骤S3得出的机器人位姿的真实值，P_i’为定位算法下含误差的位姿，计算两者之间的差值：

P_i’＝Δ_i·P_i；

假设定位算法的误差符合高斯分布，借助于一个工作环境中位姿未知的标定板，通过在不同的位置同时记录机器人本身含误差的位姿P_i’及其相对于标定板的位姿T，来获取机器人的位姿误差Δ_i＝P_i’·T_i ^-1·r^-1，从而获得机器人在当前定位算法下误差分布曲线的表达：

Ω＝Δ₁·Δ₂ ^-1＝P₁’·T_i ^-1·T₂·P₂ ^’-1

由上式可知，得到的误差表达正相关于机器人的定位误差，因此可刻画被评估定位算法的定位误差分布情况，从而评价定位算法精度的高低。

与现有技术相比，本方案原理和优点如下：

1.不借助于其他精密仪器来获取机器人真实的位姿，并且不需要大量重复的实验测试，从而节约了使用成本同时提高了工作效率。

2.采用环境未知位姿的标定板，而不需要预先获取多个标定板间位姿信息，使得评价方法更加简便，机器人的运动环境和空间不受限制。

3.以正相关于定位误差的表达来描述机器人定位算法的精确度，替代原有的真值误差分布表达，实现不同算法间定位精度高低的比较。

附图说明

图1为本发明一种基于单目视觉的机器人定位精度评价方法的流程图；

图2为本发明一种基于单目视觉的机器人定位精度评价方法中误差刻画的示意图；

图3为图像平面坐标系转图像像素坐标系的示意图；

图4为相机坐标系转世界坐标系的示意图。

具体实施方式

下面结合具体实施例对本发明作进一步说明：

参见图1和2所示，本实施例所述的一种基于单目视觉的机器人定位精度评价方法，包括以下步骤：

S1：在机器人运动沿途的视觉范围内布置标定板；

S2：机器人向运动空间中某一标定板移动；

S3：当机器人靠近该标定板时，记录机器人当前算法的实时位姿信息以及机器人与该标定板的相对位姿信息；

其中，在步骤S3中，机器人的实时位姿信息通过定位算法求得。

机器人与标定板的相对位姿信息通过相机标定法求得，具体计算步骤如下：

图像平面坐标系转图像像素坐标系，如图3所示：

uO₀v为图像像素坐标系，单位为像素；xO₁y为图像平面坐标系，单位为毫米；

假设每一个像素在u轴和v轴方向上的物理尺寸为d_x和d_y；

上式中，d_x，d_y，u₀，v₀均为假设的参数；

相机坐标系转世界坐标系，如图4所示：

其中，(X_C,Y_C,Z_C)为相机坐标系中的图像点，(X,Y,Z)为世界坐标系中的图像点；R为3*3旋转矩阵，t为3*1平移矩阵，L表示为4*4矩阵；

世界坐标系与像素坐标系：

其中，f为相机焦距。

S4：拟合得出误差分布曲线，评价出定位算法精度的高低；具体步骤如下：P_i为步骤S3得出的机器人位姿的真实值，P_i’为定位算法下含误差的位姿，计算两者之间的差值：

P_i’＝Δ_i·P_i；

假设定位算法的误差符合高斯分布，借助于一个工作环境中位姿未知的标定板，通过在不同的位置同时记录机器人本身含误差的位姿P_i’及其相对于标定板的位姿T，来获取机器人的位姿误差Δ_i＝P_i’·T_i ^-1·r^-1，从而获得机器人在当前定位算法下误差分布曲线的表达：

Ω＝Δ₁·Δ₂ ^-1＝P₁’·T_i ^-1·T₂·P₂’^-1

由上式可知，得到的误差表达正相关于机器人的定位误差，因此可刻画被评估定位算法的定位误差分布情况，从而评价定位算法精度的高低。

本实施例不借助于其他精密仪器来获取机器人真实的位姿，并且不需要大量重复的实验测试，从而节约了使用成本同时提高了工作效率。另外，采用环境未知位姿的标定板，而不需要预先获取多个标定板间位姿信息，使得评价方法更加简便，机器人的运动环境和空间不受限制。最后，以正相关于定位误差的表达来描述机器人定位算法的精确度，替代原有的真值误差分布表达，实现不同算法间定位精度高低的比较。

以上所述之实施例子只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。

Claims (2)

1.一种基于单目视觉的机器人定位精度评价方法，其特征在于，包括以下步骤：

S1：在机器人运动沿途的视觉范围内布置标定板；

S2：机器人向运动空间中某一标定板移动；

S3：当机器人靠近该标定板时，记录机器人当前算法的实时位姿信息以及机器人与该标定板的相对位姿信息；

S4：拟合得出误差分布曲线，评价出定位算法精度的高低；

其中，所述步骤S3中，机器人与标定板的相对位姿信息通过相机标定法求得，具体计算步骤如下：

图像平面坐标系转图像像素坐标系：

u、v为图像像素坐标系，单位为像素；x、y为图像半面坐标系，单位为毫米；

假设每一个像素在u轴和v轴方向上的物理尺寸为dx和dy；

上式中，dx，dy，u₀，v₀均为假设的参数；

相机坐标系转世界坐标系：

其中，(X_C，Y_C，Z_C)为相机坐标系中的图像点，(X，Y，Z)为世界坐标系中的图像点；R为3*3旋转矩阵，t为3*1平移矩阵，L表示为4*4矩阵；

世界坐标系与像素坐标系：

其中，f为相机焦距；

所述步骤S4拟合得出误差分布曲线，具体步骤如下：

P_i为步骤S3得出的机器人位姿的真实值，P_i′为定位算法下含误差的位姿，计算两者之间的差值：

P_i′＝Δ_i·P_i；

假设定位算法的误差符合高斯分布，借助于一个工作环境中位姿未知的标定板，通过在不同的位置同时记录机器人本身含误差的位姿P_i′及其相对于标定板的位姿T，来获取机器人的位姿误差Δ_i＝P_i′·T_i ^-1·r^-1，从而获得机器人在当前定位算法下误差分布曲线的表达：

Ω＝Δ₁·Δ₂ ^-1＝P₁′·T_i ^-1·T₂·P₂′^-1，

由上式可知，得到的误差表达正相关于机器人的定位误差，因此可刻画被评估定位算法的定位误差分布情况，从而评价定位算法精度的高低。

2.根据权利要求l所述的一种基于单目视觉的机器人定位精度评价方法，其特征在于，所述步骤S3中，机器人的实时位姿信息通过定位算法求得。

Images