CN110031014A - 基于图案识别的视觉定位方法 - Google Patents

Abstract

本发明涉及定位领域，尤其涉及基于图案识别的视觉定位方法，包括以下步骤：S1：设置一个带有图案或多个带有不同图案的路标，所述图案包括一个或多个图案单元；S2：建立路标坐标系、运动单元坐标系、摄像单元成像坐标系以及全局坐标系；S3：运动单元在运动的过程中采集图像，通过积分图像技术对图像中的图案进行识别；S4：若识别到图案，则根据识别的图案确定对应的路标、对应路标的位姿、图案单元的中心点的位姿，根据图案单元的中心点的位姿确定路标坐标系和运动单元坐标系的平移和旋转，计算得到运动单元在全局坐标系的位姿；S5：若识别不到图案，则通过定位算法对运动单元进行定位。本发明通过两种定位方法相结合，提高定位的准确度。

Description

基于图案识别的视觉定位方法

技术领域

本发明涉及定位领域，尤其涉及基于图案识别的视觉定位方法。

背景技术

现有的定位方法主要包括差分GPS定位，里程计、imu(惯性单元)航位推算定位以及基于视觉的定位方法。

差分GPS定位方法通过安装GPS基站从而精确计算运动单元的位姿，但是GPS基站价格较高，而且信号不稳定。

里程计、imu航位推算定位通过运动单元轮子上的里程计计算运动单元行驶的距离，imu计算运动单元的行驶方向，从而推算出运动单元相对于起始点的位姿，但是里程计、imu航位推算存在累计误差，精度较低。

基于视觉的定位方法，通过在运动区域处添加特定图案计算基站相对于运动单元的位姿和方向，但是现有的基于视觉的定位方法识别效率低，且准确率低。

发明内容

为解决上述问题，本发明提出基于图案识别的视觉定位方法，以提高识别的效率以及准确率。

基于图案识别的视觉定位方法，包括：

S1：设置一个带有图案或多个带有不同图案的路标，所述图案包括一个或多个图案单元；

S2：建立路标坐标系、运动单元坐标系、摄像单元成像坐标系以及全局坐标系；

S3：运动单元在运动的过程中采集图像，通过积分图像技术对图像中的图案进行识别；

S4：若识别到图案，则根据识别的图案确定对应的路标及对应路标的位姿，并根据采集的图像确定图案单元的中心点的位姿，根据图案单元的中心点的位姿确定路标坐标系和运动单元坐标系的平移和旋转，从而计算得到运动单元在全局坐标系的位姿；

S5：若识别不到图案，则通过定位算法对运动单元进行定位。

优选的，所述通过积分图像技术对图像中的图案进行识别包括：

S301：将采集的图像转换成灰度图像；

S302：对灰度图像求积分图；

S303：通过图案模版遍历积分图得到响应图；

S304：根据响应图中的响应值识别采集的图像中是否带有图案单元，根据识别的图案单元确定图案。

优选的，所述根据采集的图像确定图案单元的中心点的位姿包括：

S401：将响应图分割成若干块；

S402：求各个块中的局部响应值；

S403：根据局部响应值确定图案单元的中心点在路标坐标系中的位姿。

优选的，所述确定图案单元的中心点的位姿还包括：

S404：滤除判断错误的中心点。

优选的，所述滤除判断错误的中心点包括：

设定中心点为O(a，b)，获取以中心点O为中心、边长为k的正方形区域A；

通过积分图求区域A的平均值mean，再将区域A以平均值mean为阈值求二值图，灰度值大于平均值mean的为255，灰度值小于平均值mean的为0；

根据二值图计算区域A中对称点的个数num，若个数num值小于阈值m，则判断区域A不呈中心对称，并滤除该中心点；若个数num值大于等于阈值m，则保留该中心点。

优选的，所述根据图案单元的中心点的位姿确定路标坐标系和运动单元坐标系的平移和旋转，从而计算得到运动单元在全局坐标系的位姿包括：

设定中心点的数量为n；设定表示中心点在路标坐标系中的坐标，其中，i＝1，2……n，S_ix表示中心点在路标坐标系中的横坐标，S_iy表示中心点在路标坐标系中的纵坐标；设定表示中心点在运动单元坐标系中的坐标，其中，i＝1，2……n，W_ix表示中心点在运动单元坐标系中的横坐标，W_iy表示中心点在运动单元坐标系中的纵坐标；

计算得到运动单元平面坐标系中的中心点的坐标W_i＝H·S_i，H为摄像单元成像坐标系与运动单元坐标系之间的透视变换矩阵；

计算得到路标坐标系和运动单元坐标系的平移和旋转其计算公式如下：

将W_i，S_i，i＝1,2...n代入公式(1)、(2)即可得方程组，利用最小二乘法可计算得到

计算运动单元的观测位姿其中，T表示由运动单元当前角度转化的旋转矩阵， 表示路标的位姿，通过扩展卡尔曼滤波算法得到运动单元的位姿

优选的，所述通过定位算法对运动单元进行定位包括：

设定t时刻运动单元的位姿则t+1时刻运动单元的位姿计算公式为：

其中为t+1时刻的位姿，为t时刻的位姿，Δs为相邻时刻运动单元的位移量，θ为运动单元的角度，Δθ为相邻时刻运动单元变化的角度。

通过使用本发明，可以实现以下效果：

通过积分图像技术对图像中的图案进行识别，积分图像技术能够快速准确的识别图像中的图案；若识别到图案，则根据识别的图案计算得到运动单元在全局坐标系的位姿；若识别不到图案，则通过定位算法对运动单元进行定位，两种定位方法相结合，提高定位的效率以及准确度。

附图说明

下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1是本发明实施例的整体流程示意图；

图2是本发明实施例中图案的示意图；

图3是本发明实施例中图案单元的示意图；

图4是本发明实施例中路标坐标系、运动单元坐标系、摄像单元成像坐标系以及全局坐标系的示意图；

图5是本发明实施例中步骤S3的流程示意图；

图6是本发明实施例中步骤S4的流程示意图；

图7是本发明实施例中步骤S404的流程示意图。

具体实施方式

以下结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。

本发明的基本思想设置一个带有图案或多个带有不同图案的路标，运动单元在运动的过程中采集图像，通过积分图像技术对图像中的图案进行识别，积分图像技术能够快速准确的识别图像中的图案；若识别到图案，则根据识别的图案计算得到运动单元在全局坐标系的位姿；若识别不到图案，则通过定位算法对运动单元进行定位，两种定位方法相结合，提高定位的效率以及准确度。

如图1所示，本实施例提供一种基于图案识别的视觉定位方法，包括：

S1：设置一个带有图案或多个带有不同图案的路标，所述图案包括一个或多个图案单元；

S2：建立路标坐标系、运动单元坐标系以及全局坐标系；

S3：运动单元在运动的过程中采集图像，通过积分图像技术对图像中的图案进行识别；

S4：若识别到图案，则根据识别的图案确定对应的路标及对应路标的位姿，并根据采集的图像确定图案单元的中心点的位姿，根据图案单元的中心点的位姿确定路标坐标系和运动单元坐标系的平移和旋转，从而计算得到运动单元在全局坐标系的位姿；

S5：若识别不到图案，则通过差分GPS定位方法对运动单元进行定位。

在本实施例中，运动单元根据路标来实现定位，路标上设有用于识别的图案。为了让运动单元在不同的位置能够实现定位，一般会在运动区域的周围或者运动区域内设置多个路标，在每个路标上都设有不同的图案以便于区别。在设置路标时，同时记录每个路标的位姿。以运动单元为割草机为例，路标可以设置在割草机充电桩处、草坪内、草坪外和草坪边界处。

如图2所示，每个图案包括一个或多个图案单元，在本实施例中，如图3所示，所采用的图案单元(a)、(b)为正方形，通过两条对角线将正方形分割成四部分，其对称的两部分为相同的黑色块或者白色块，在正方形的中间位置有一个图案单元的中心点。通过对图案单元进行旋转以及排列可以组合成多个不同的图案，不同的图案对应不同的路标。运动单元通过对图案的识别即可确定所对应的路标，从而确定路标所在的位姿。需要说明的是，图案单元的选择并不局限于本实施例中所采用的图案，至于本实施例中所采用的图案是基于多次识别实验，该图案单元所组成的图案识别效率和准确率高。

在本实施例中，如图4所示，路标、运动单元、摄像单元以及全地图都具有不同的参考坐标系，所以在识别之前需要建立路标坐标系L1、运动单元坐标系L2、摄像单元成像坐标系L3以及全局坐标系L4，以便于位姿的转换。

运动单元在运动的过程中通过前端设置的摄像单元采集图像，通过运动单元内部的处理单元采用积分图像技术对图像中的图案进行识别。如图5所示，具体包括以下步骤：

S301：将采集的图像转换成灰度图像；

S302：对灰度图像求积分图；

S303：通过图案模版遍历积分图得到响应图；

S304：根据响应图中的响应值识别采集的图像中是否带有图案单元，根据识别的图案单元确定图案。

以本实施例中的图案单元为例，如图3所示，该图案单元的响应图计算方式如下：

对于积分图中任意一一点a，其叉形响应值为黑色区域像素和减去白色区域的像素和，白色和黑色区域分别为45°倾斜的正方形。图案单元(a)得到的为正的大响应值，若响应值大于设定阈值，则该部分图像为图案单元(a)；图案单元(b)得到的为负的大响应值，若响应值小于设定阈值，则该部分图像为图案单元(b)。

若识别到图案，则根据识别的图案即可确定该图案所对应的路标，而每个路标又对应不同的位姿从而确定该路标所对应的位姿。在本实施例中，通过图案单元的中心点的位姿来确定路标坐标系和运动单元坐标系的平移和旋转，如图6所示，具体包括以下步骤：

S401：将响应图分割成若干块；

S402：求各个块中的局部响应值；

S403：根据局部响应值确定图案单元的中心点在路标坐标系中的位姿。

将响应图分割成小块，求各个小块中响应值的局部最大值和局部最小值。根据图案单元(a)、(b)的图像特点，其中局部最大值且大于设定阈值的可能为图案单元(a)，局部最小值且小于设定阈值的可能为图案单元(b)。

作为本实施例的优选，如图7所示，所述确定图案单元的中心点的位姿还包括：

S404：滤除判断错误的中心点。

在实际的识别过程中，可能会由于环境或其他原因导致中心点的判断出错，如果以这些错误的中心点进行后续的计算，会导致最后的定位出错，因此需要滤除判断错误的中心点，避免定位的失败。

具体的，滤除判断错误的中心点包括：

设定中心点为O(a，b)，获取以中心点O为中心、边长为k的正方形区域A；

通过积分图求区域A的平均值mean，再将区域A以平均值mean为阈值求二值图，灰度值大于平均值mean的为255，灰度值小于平均值mean的为0；

基于本实施例中的图案单元呈中心对称，以中心点两侧是否对称作为判断该中心点是否误判的依据。根据二值图计算区域A中对称点的个数num，若个数num值小于阈值m，则判断区域A不呈中心对称，并滤除该中心点；若个数num值大于等于阈值m，则保留该中心点。

在得到图案单元的中心点的位姿之后，根据图案单元的中心点的位姿确定路标坐标系和运动单元坐标系的平移和旋转，从而计算得到运动单元在全局坐标系的位姿。具体的：

设定中心点的数量为n；设定表示中心点在路标坐标系中的坐标，其中，i＝1，2……n，S_ix表示中心点在路标坐标系中的横坐标，S_iy表示中心点在路标坐标系中的纵坐标；设定表示中心点在运动单元坐标系中的坐标，其中，i＝1，2……n，W_ix表示中心点在运动单元坐标系中的横坐标，W_iy表示中心点在运动单元坐标系中的纵坐标；

计算得到运动单元平面坐标系中的中心点的坐标W_i＝H·S_i，H为摄像单元成像坐标系与运动单元坐标系之间的透视变换矩阵；

计算得到路标坐标系和运动单元坐标系的平移和旋转其计算公式如下：

将W_i，S_i，i＝1,2...n代入公式(1)、(2)即可得方程组，利用最小二乘法可计算得到

计算运动单元的观测位姿其中，T表示由运动单元当前角度转化的旋转矩阵， 表示路标的位姿，通过扩展卡尔曼滤波算法得到运动单元的位姿

基于摄像单元所拍摄的图像中没有路标，因此运动单元无法识别到图案，在这种情况下就只能通过定位方法对运动单元进行定位。具体的：

设定t时刻运动单元的位姿则t+1时刻运动单元的位姿计算公式为：

其中为t+1时刻的位姿，为t时刻的位姿，Δs为相邻时刻运动单元的位移量，θ为运动单元的角度，Δθ为相邻时刻运动单元变化的角度。

上述的定位方法在长时间的使用之后会导致定位的精度降低，而本申请中，在定位的精度降低之后，通过积分图像技术来定位以纠正之前的定位偏差，而又由于积分图像技术定位的时间较长，因此通过两种定位方式相结合的方式，在保证一定定位效率的基础上具有较高的定位精度。

本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (7)

1.基于图案识别的视觉定位方法，其特征在于，包括：

S1：设置一个带有图案或多个带有不同图案的路标，所述图案包括一个或多个图案单元；

S2：建立路标坐标系、运动单元坐标系、摄像单元成像坐标系以及全局坐标系；

S3：运动单元在运动的过程中采集图像，通过积分图像技术对图像中的图案进行识别；

S4：若识别到图案，则根据识别的图案确定对应的路标及对应路标的位姿，并根据采集的图像确定图案单元的中心点的位姿，根据图案单元的中心点的位姿确定路标坐标系和运动单元坐标系的平移和旋转，从而计算得到运动单元在全局坐标系的位姿；

S5：若识别不到图案，则通过定位算法对运动单元进行定位。

2.根据权利要求1所述的基于图案识别的视觉定位方法，其特征在于，所述通过积分图像技术对图像中的图案进行识别包括：

S301：将采集的图像转换成灰度图像；

S302：对灰度图像求积分图；

S303：通过图案模版遍历积分图得到响应图；

S304：根据响应图中的响应值识别采集的图像中是否带有图案单元，根据识别的图案单元确定图案。

3.根据权利要求2所述的基于图案识别的视觉定位方法，其特征在于，所述根据采集的图像确定图案单元的中心点的位姿包括：

S401：将响应图分割成若干块；

S402：求各个块中的局部响应值；

S403：根据局部响应值确定图案单元的中心点在路标坐标系中的位姿。

4.根据权利要求3所述的基于图案识别的视觉定位方法，其特征在于，所述确定图案单元的中心点的位姿还包括：

S404：滤除判断错误的中心点。

5.根据权利要求4所述的基于图案识别的视觉定位方法，其特征在于，所述滤除判断错误的中心点包括：

设定中心点为O(a，b)，获取以中心点O为中心、边长为k的正方形区域A；

通过积分图求区域A的平均值mean，再将区域A以平均值mean为阈值求二值图，灰度值大于平均值mean的为255，灰度值小于平均值mean的为0；

根据二值图计算区域A中对称点的个数num，若个数num值小于阈值m，则判断区域A不呈中心对称，并滤除该中心点；若个数num值大于等于阈值m，则保留该中心点。

6.根据权利要求1所述的基于图案识别的视觉定位方法，其特征在于，所述根据图案单元的中心点的位姿确定路标坐标系和运动单元坐标系的平移和旋转，从而计算得到运动单元在全局坐标系的位姿包括：

设定中心点的数量为n；设定表示中心点在路标坐标系中的坐标，其中，i＝1，2……n，S_ix表示中心点在路标坐标系中的横坐标，S_iy表示中心点在路标坐标系中的纵坐标；设定表示中心点在运动单元坐标系中的坐标，其中，i＝1，2……n，W_ix表示中心点在运动单元坐标系中的横坐标，W_iy表示中心点在运动单元坐标系中的纵坐标；

计算得到运动单元平面坐标系中的中心点的坐标W_i＝H·S_i，H为摄像单元成像坐标系与运动单元坐标系之间的透视变换矩阵；

计算得到路标坐标系和运动单元坐标系的平移和旋转其计算公式如下：

将W_i，S_i，i＝1,2...n代入公式(1)、(2)即可得方程组，利用最小二乘法可计算得到

计算运动单元的观测位姿其中，T表示由运动单元当前角度转化的旋转矩阵， 表示路标的位姿，通过扩展卡尔曼滤波算法得到运动单元的位姿

7.根据权利要求1所述的基于图案识别的视觉定位方法，其特征在于，所述通过定位算法对运动单元进行定位包括：

设定t时刻运动单元的位姿则t+1时刻运动单元的位姿计算公式为：

其中为t+1时刻的位姿，为t时刻的位姿，Δs为相邻时刻运动单元的位移量，θ为运动单元的角度，Δθ为相邻时刻运动单元变化的角度。