CN110672102B - 视觉辅助机器人初始化定位方法、机器人及可读存储介质 - Google Patents
视觉辅助机器人初始化定位方法、机器人及可读存储介质 Download PDFInfo
- Publication number
- CN110672102B CN110672102B CN201910999125.2A CN201910999125A CN110672102B CN 110672102 B CN110672102 B CN 110672102B CN 201910999125 A CN201910999125 A CN 201910999125A CN 110672102 B CN110672102 B CN 110672102B
- Authority
- CN
- China
- Prior art keywords
- robot
- orb
- feature
- laser
- initial
- 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
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Image Analysis (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种视觉辅助机器人初始化定位方法,包括:通过机器人上的摄像头获取机器人所在位置的位置图像,并提取所述位置图像的ORB特征;确认与所述ORB特征匹配度最高的初始ORB特征;根据所述初始ORB特征的特征节点位置坐标计算激光数据;将所述激光数据与预设激光地图匹配,以匹配结果确认所述机器人的所在位置。本发明还公开了一种机器人及可读存储介质。本发明以位置图像的ORB特征为载体计算机器人的初始位置,以初始位置辅助机器人的位置计算,无需人工提供位置初始值确认机器人的所在位置,且基于ORB特征计算到的初始位置具备客观性避免了人工提供的主观误差,进一步的实现了提高机器人位置确认效率的有益效果。
Description
技术领域
本发明涉及机器人定位的技术领域,尤其涉及一种视觉辅助机器人初始化定位方法、机器人及可读存储介质。
背景技术
目前激光导航的室内移动机器人在开机后必须要机器人提供一个初始位置,机器人有了初始位置才能实现定位功能。机器人有了初始位置之后的定位问题属于比较经典位姿跟踪问题,可以用粒子滤波、扩展卡尔曼滤波或者点云匹配算法来解决。但是在位姿跟踪之前必须要首先为其提供一个相对准确的初值,而这个初值往往需要人工给定。因此,现有机器人并不能完全实现定位的要求。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种视觉辅助机器人初始化定位方法、机器人及可读存储介质,旨在解决现有技术的机器人在定位时需要人工给定一个相对准确的初值才能实现精准定位,因此无法完全实现机器人自主定位的技术问题。
为实现上述目的,本发明提供一种视觉辅助机器人初始化定位方法,包括以下内容:
通过机器人上的摄像头获取机器人所在位置的位置图像,并提取所述位置图像的ORB特征;
确认与所述ORB特征匹配度最高的初始ORB特征;
根据所述初始ORB特征的特征节点位置坐标计算激光数据;
将所述激光数据与预设激光地图匹配,以匹配结果确认所述机器人的所在位置。
可选地,所述确认与所述ORB特征匹配度最高的初始ORB特征的步骤,还包括:
将所述ORB特征与预先新建特征节点的PRB特征进行匹配,并计算各特征节点的匹配度数值;
以匹配度数值最高的PRB特征作为初始ORB特征。
可选地,根据所述初始ORB特征的特征节点位置坐标计算激光数据的步骤,还包括:
确认所述初始ORB特征的特征节点,并获取所述特征节点的位置坐标;
将所述位置坐标输入预设的ICP算法计算对应的激光数据。
可选地,所述确认与所述ORB特征匹配度最高的初始ORB特征的步骤之前,还包括:
在预设激光地图的图像数据中新建特征节点;
提取所述图像数据当前时间的ORB特征关联至已新建的所述特征节点。
可选地,所述根据预设的激光地图的图像数据,新建基于所述图像数据的特征节点的步骤之前,还包括:
通过激光雷达采集激光数据,并以RGB摄像头采集图像数据;
以采集到的所述激光数据及所述图像数据构建激光地图。
可选地,所述视觉辅助机器人初始化定位方法,还包括:
检测所述激光地图并将所述激光地图进行位姿图优化操作;
根据优化结果确认所述特征节点的位置坐标,以所述位置坐标关联所述特征节点及所述ORB特征。
可选地,所述视觉辅助机器人初始化定位方法,还包括:
根据已关联的所述特征节点及所述ORB特征,生成对应的特征地图及激光地图。
可选地,所述在预设激光地图的图像数据中新建特征节点的步骤,还包括:
读取所述图像数据的获取信息,确认所述获取信息是否满足预设的特征节点新建条件,其中,所述获取信息包括获取位置及图像信息;
在确认所述获取信息满足所述预设的特征节点新建条件时,新建所述图像数据的特征节点。
此外,为实现上述目的,本发明还提供一种机器人,所述机器人包括:存储器、处理器以及存储在所述存储器上并可以在所述处理器上运行的视觉辅助机器人初始化定位程序,所述视觉辅助机器人初始化定位程序被处理器执行时实现如上所述的视觉辅助机器人初始化定位方法的步骤。
本发明还提供一种可读存储介质,所述可读存储介质上存储有视觉辅助机器人初始化定位程序,所述视觉辅助机器人初始化定位程序被处理器执行时实现如上所述的视觉辅助机器人初始化定位方法的步骤。
本发明提出的一种视觉辅助机器人初始化定位方法,通过机器人上的摄像头获取机器人所在位置的位置图像,并提取所述位置图像的ORB特征;确认与所述ORB特征匹配度最高的初始ORB特征;根据所述初始ORB特征的特征节点位置坐标计算激光数据;将所述激光数据与预设激光地图匹配,以匹配结果确认所述机器人的所在位置。本发明以位置图像的ORB特征为载体计算机器人的初始位置,以初始位置辅助机器人的位置计算,无需人工提供位置初始值确认机器人的所在位置,且基于ORB特征计算到的初始位置具备客观性避免了人工提供的主观误差,进一步的实现了提高机器人位置确认效率的有益效果。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的终端\装置结构示意图;
图2为本发明视觉辅助机器人初始化定位方法第一实施例的流程示意图;
图3为本发明视觉辅助机器人初始化定位方法第二实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
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。
本发明实施例的主要解决方案是:通过机器人上的摄像头获取机器人所在位置的位置图像,并提取所述位置图像的ORB特征;确认与所述ORB特征匹配度最高的初始ORB特征;根据所述初始ORB特征的特征节点位置坐标计算激光数据;将所述激光数据与预设激光地图匹配,以匹配结果确认所述机器人的所在位置。
由于现有技术的机器人在定位时需要人工给定一个相对准确的初值才能实现精准定位,因此无法完全实现机器人自主定位的技术问题。
本发明提供一种解决方案,本发明以位置图像的ORB特征为载体计算机器人的初始位置,以初始位置辅助机器人的位置计算,无需人工提供位置初始值确认机器人的所在位置,且基于ORB特征计算到的初始位置具备客观性避免了人工提供的主观误差,进一步的实现了提高机器人位置确认效率的有益效果。
如图1所示,图1是本发明实施例方案涉及的硬件运行环境的终端\装置结构示意图。
本发明实施例终端可以是PC,也可以是智能手机、平板电脑、电子书阅读器,便携计算机等具备音视频播放功能的可移动式或不可移动式终端设备。
如图1所示,该终端可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的终端结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作***、网络通信模块、用户接口模块以及视觉辅助机器人初始化定位应用程序。
在图1所示的终端中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的视觉辅助机器人初始化定位应用程序,并执行以下操作:
通过机器人上的摄像头获取机器人所在位置的位置图像,并提取所述位置图像的ORB特征;
确认与所述ORB特征匹配度最高的初始ORB特征;
根据所述初始ORB特征的特征节点位置坐标计算激光数据;
将所述激光数据与预设激光地图匹配,以匹配结果确认所述机器人的所在位置。
进一步地,处理器1001可以调用存储器1005中存储的视觉辅助机器人初始化定位应用程序,还执行以下操作:
将所述ORB特征与预先新建特征节点的PRB特征进行匹配,并计算各特征节点的匹配度数值;
以匹配度数值最高的PRB特征作为初始ORB特征。
进一步地,处理器1001可以调用存储器1005中存储的视觉辅助机器人初始化定位应用程序,还执行以下操作:
确认所述初始ORB特征的特征节点,并获取所述特征节点的位置坐标;
将所述位置坐标输入预设的ICP算法计算对应的激光数据。
进一步地,处理器1001可以调用存储器1005中存储的视觉辅助机器人初始化定位应用程序,还执行以下操作:
在预设激光地图的图像数据中新建特征节点;
提取所述图像数据当前时间的ORB特征关联至已新建的所述特征节点。
进一步地,处理器1001可以调用存储器1005中存储的视觉辅助机器人初始化定位应用程序,还执行以下操作:
通过激光雷达采集激光数据,并以RGB摄像头采集图像数据;
以采集到的所述激光数据及所述图像数据构建激光地图。
进一步地,处理器1001可以调用存储器1005中存储的视觉辅助机器人初始化定位应用程序,还执行以下操作:
检测所述激光地图并将所述激光地图进行位姿图优化操作;
根据优化结果确认所述特征节点的位置坐标,以所述位置坐标关联所述特征节点及所述ORB特征。
进一步地,处理器1001可以调用存储器1005中存储的视觉辅助机器人初始化定位应用程序,还执行以下操作:
根据已关联的所述特征节点及所述ORB特征,生成对应的特征地图及激光地图。
进一步地,处理器1001可以调用存储器1005中存储的视觉辅助机器人初始化定位应用程序,还执行以下操作:
读取所述图像数据的获取信息,确认所述获取信息是否满足预设的特征节点新建条件,其中,所述获取信息包括获取位置及图像信息;
在确认所述获取信息满足所述预设的特征节点新建条件时,新建所述图像数据的特征节点。
参照图2,图2为本发明视觉辅助机器人初始化定位方法第一实施例的流程示意图,所述视觉辅助机器人初始化定位方法包括:
步骤S10,通过机器人上的摄像头获取机器人所在位置的位置图像,并提取所述位置图像的ORB特征;
根据当前机器人的所在位置,通过机器人上的摄像头获取机器人所在位置的位置图像,其中,基于机器人的位置检测需求,在检测到机器人启动后即可获取所述机器人的位置图像,或者,在接收位置检测指令后通过机器人上的摄像头获取机器人所在位置的位置图像,以根据所述位置图像确认机器人的所在位置。另外,在通过机器人上的摄像头获取机器人所在位置的位置图像时,需基于RGB摄像头采集机器人所在位置的图像数据,所述RGB摄像头可包括但不限于机器人本身具备的摄像装置或者与所述机器人连接的其他设备具备的摄像装置。如此,根据获取到的机器人的位置图像,提取所述位置图像的ORB特征(Oriented FAST and Rotated BRIEF,一种快速特征点提取和描述的算法),以提取到的所述位置图像的ORB特征确认所述机器人的所在位置。
步骤S20,确认与所述ORB特征匹配度最高的初始ORB特征;
基于获取到的机器人所在位置的位置图像中提取ORB特征,根据已存储的多个初始ORB特征确认与所述ORB特征匹配度最高的目标的初始ORB特征。其中,所述多个初始ORB特征,为预先登记的基于当前机器人行进路线所经环境的图像ORB特征,其初始ORB特征来源于已构建的特征地图及激光地图,由于基于行进路线的环境图像具备不同的图像特征,因此,可基于不同图像特征登记多个初始ORB特征实现位置获取的操作。进一步的,根据已登记到的多个初始ORB特征,将多个初始ORB特征分别与获取到的基于机器人当前所在位置的位置图像中提取到的ORB特征进行匹配,以匹配度最高的初始ORB特征为所述ORB特征的目标初始特征,即所述确认与所述ORB特征匹配度最高的初始ORB特征的步骤,还包括:
将所述ORB特征与预先新建特征节点的PRB特征进行匹配,并计算各特征节点的匹配度数值;
以匹配度数值最高的PRB特征作为初始ORB特征。
根据当前特征地图中登记的初始ORB特征,将已登记的多个初始ORB特征分别与提取到的所述ORB特征进行比对,根据比对结果计算各初始ORB特征的匹配度数值,其中,ORB特征的匹配度数值计算方式,为基于多个特征点的比对,根据比对结果确认特征是否一致的情况统计到的匹配度数值,根据多个初始ORB特征的匹配操作,以匹配度数值最高的初始ORB特征确认为目标的初始ORB特征。
步骤S30,根据所述初始ORB特征的特征节点位置坐标计算激光数据;
根据已确认的与提取到的ORB特征匹配度最高的初始ORB特征,以所述初始ORB特征的特征节点位置坐标计算激光数据,其中,所述特征节点为基于提取到的所述初始ORB特征对应位置图像所在位置,其所在位置即定义为特征节点,且所述特征节点的位置坐标即为所述位置图像的获取信息,即根据所述初始ORB特征的特征节点位置坐标计算激光数据的步骤,还包括:
确认所述初始ORB特征的特征节点,并获取所述特征节点的位置坐标;
将所述位置坐标输入预设的ICP算法计算对应的激光数据。
根据已确认的匹配度数值最高的初始ORB特征,确认所述初始ORB特征的特征节点,其确认方式可基于当前已构建的特征地图进行确认,即以所述初始ORB特征确认基于所述初始ORB特征关联的特征节点,其中,在存储所述初始RGB特征时,以所述初始RGB特征关联至对应的特征节点,并以所述特征节点,且所述特征节点中包含有对应的位置坐标,将所述位置坐标输入至预设的ICP算法,以计算结果计算基于所述RGB特征的激光数据。所述ICP算法定义为现有的ICP最近点迭代算法。
步骤S40,将所述激光数据与预设激光地图匹配,以匹配结果确认所述机器人的所在位置。
以计算到的激光数据与预设激光地图匹配,以预设激光地图中包含有的激光数据匹配计算到的所述激光数据,且所述预设激光地图中的激光数据为基于位置信息定义的数据信息,如此,在所述预设激光地图中确认与所述激光数据对应的激光位置,并以所述激光位置定义为所述机器人的所在位置。
本实施例中,以位置图像的ORB特征为载体计算机器人的初始位置,以初始位置辅助机器人的位置计算,无需人工提供位置初始值确认机器人的所在位置,且基于ORB特征计算到的初始位置具备客观性避免了人工提供的主观误差,进一步的实现了提高机器人位置确认效率的有益效果。
参照图3,图3为本发明视觉辅助机器人初始化定位方法第一实施例的流程示意图,所述根据预设的激光地图的图像数据,新建基于所述图像数据的特征节点的步骤之前,还包括:
步骤S50,通过激光雷达采集激光数据,并以RGB摄像头采集图像数据;
基于当前的机器人定位需求,根据所述机器人的运行轨迹,以所述激光雷达采集所述运行轨迹的激光数据,以及应用所述RGB摄像头采集基于所述运行轨迹的图像数据,其中,所述激光雷达及所述RGB摄像头为安装在当前AGV的部件,或者为与所述AGV连接的其他电子设备的相关部件,进一步的,在以所述激光雷达采集激光数据以及以所述RGB摄像头采集图像数据时,需通过机器人当前的运行操作进行采集。
步骤S60,以采集到的所述激光数据及所述图像数据构建激光地图。
在基于AGV的运行操作通过激光雷达及RGB摄像头采集激光数据及图像数据后,以采集到的所述激光数据及所述图像数据构建激光地图,进一步的,在以激光数据即图像数据构建激光地图时,以现有的激光地图构建技术进行激光地图构建操作。
步骤S70,在预设激光地图的图像数据中新建特征节点;
根据当前的机器人定位需求,以当前机器人的运行轨迹在预设激光地图的图像数据中新建特征节点,所述特征节点定义为基于当前机器人运行轨迹的周边环境特征点,即在周边环境具备特征时,则基于激光地图的图像数据中新建特征节点,并以特征节点存储对应的ORB特征,进一步的,在以周边环境具备特征新建特征节点时,可基于周边环境的位置、区域、环境信息等因素确认是否满足特征节点的新建条件,即所述在预设激光地图的图像数据中新建特征节点的步骤,还包括:
读取所述图像数据的获取信息,确认所述获取信息是否满足预设的特征节点新建条件,其中,所述获取信息包括获取位置及图像信息;
在确认所述获取信息满足所述预设的特征节点新建条件时,新建所述图像数据的特征节点。
基于当前拍摄到的机器人运行轨迹的激光数据及图像数据,读取所述图像数据的获取信息,以所述获取信息确认是否满足预设的特征节点新建条件,所述预设的特征节点新建条件,为技术人员基于当前机器人运行轨迹或者所述运行轨迹的周边环境所限定的特征节点创建条件,其特征节点创建条件包括但不限于位置坐标、环境特性、路径变化等具备环境特殊性等。如此,在以所述图像数据的获取信息确认是否满足预设的特征新建条件时,所述获取信息包括但不限于获取所述图像数据的获取位置及其图像信息等内容,进一的,其确认是否满足预设的特征节点新建条件的确认方式,可通过相关的匹配操作确认。如此,在确认所述获取信息满足所述预设的特征节点新建条件时,新建所述图像数据的特征节点。
步骤S80,提取所述图像数据当前时间的ORB特征关联至已新建的所述特征节点。
根据已在图像数据上新建的特征节点,读取所述图像数据当前时间的ORB特征,其中,在提取所述图像数据的ORB特征时,由于图像数据的获取是实时的,因此在新建特征节点时,需基于当前图像数据的获取信息中所述图像数据的获取时间进行特征节点的新建,如此,其图像数据的ORB特征也基于当前获取时间进行提取操作,并将提取到的所述ORB特征关键至已新建的所述特征节点中,如上所述,所述图像数据获取时间以及图像数据的ORB特征的提取时间为同一时间,而在新建基于所述ORB特征的特征节点时,所述特征节点可作为一个标题形式存在,其特征节点的节点信息包括所述ORB特征的提取时间,因此,基于当前已新建的所述特征节点,还需优化其图像数据对应的激光数据创建的激光地图,即所述视觉辅助机器人初始化定位方法,还包括:
检测所述激光地图并将所述激光地图进行位姿图优化操作;
根据优化结果确认所述特征节点的位置坐标,以所述位置坐标关联所述特征节点及所述ORB特征。
基于当前已构建的激光地图,在新建基于所述激光地图对应图像数据的特征节点后,检测所述激光地图并以预设的优化方式对所述激光地图进行位姿图优化操作,其中,所述预设的优化方式为现有的激光地图优化操作,根据优化结果确认所述特征节点的位置坐标,在以优化结果确认所述特征节点在激光地图的位置坐标时,需基于所述特征节点关联到的ORB特征的提取位置进行确认。如此,在确认所述特征节点位于所述激光地图的位置坐标后,以所述位置坐标关联所述特征节点及所述ORB特征。如上所述,基于激光地图的位姿优化操作,以及关键到的特征节点及ORB特征,生成对应的特征地图及激光地图,即所述视觉辅助机器人初始化定位方法,还包括:
根据已关联的所述特征节点及所述ORB特征,生成对应的特征地图及激光地图。
以激光地图的位置坐标关联到的特征节点及ORB特征,生成优化后的特征地图及激光地图,所述特征地图及激光地图以特征节点进行关联,一次你其特征节点包括处于激光地图的位置坐标以及特征地图中的ORB特征。
本实施例中,以机器人的运行轨迹获取激光数据及图像数据生成激光地图,并以特征节点的创建将提取到的ORB特征关联,并以图像数据及特征节点生成特征地图,由位姿优化操作关联所述特征地图及激光地图形成整个机器人运行轨迹的定位数据,实现了定位辅助的有益效果。
此外,本发明实施例还提出一种可读存储介质,所述可读存储介质上存储有视觉辅助机器人初始化定位程序,所述视觉辅助机器人初始化定位程序被处理器执行时实现如下操作:
通过机器人上的摄像头获取机器人所在位置的位置图像,并提取所述位置图像的ORB特征;
确认与所述ORB特征匹配度最高的初始ORB特征;
根据所述初始ORB特征的特征节点位置坐标计算激光数据;
将所述激光数据与预设激光地图匹配,以匹配结果确认所述机器人的所在位置。
进一步地,所述视觉辅助机器人初始化定位程序被处理器执行时还实现如下操作:
将所述ORB特征与预先新建特征节点的PRB特征进行匹配,并计算各特征节点的匹配度数值;
以匹配度数值最高的PRB特征作为初始ORB特征。
进一步地,所述视觉辅助机器人初始化定位程序被处理器执行时还实现如下操作:
确认所述初始ORB特征的特征节点,并获取所述特征节点的位置坐标;
将所述位置坐标输入预设的ICP算法计算对应的激光数据。
进一步地,所述视觉辅助机器人初始化定位程序被处理器执行时还实现如下操作:
在预设激光地图的图像数据中新建特征节点;
提取所述图像数据当前时间的ORB特征关联至已新建的所述特征节点。
进一步地,所述视觉辅助机器人初始化定位程序被处理器执行时还实现如下操作:
通过激光雷达采集激光数据,并以RGB摄像头采集图像数据;
以采集到的所述激光数据及所述图像数据构建激光地图。
进一步地,所述视觉辅助机器人初始化定位程序被处理器执行时还实现如下操作:
检测所述激光地图并将所述激光地图进行位姿图优化操作;
根据优化结果确认所述特征节点的位置坐标,以所述位置坐标关联所述特征节点及所述ORB特征。
进一步地,所述视觉辅助机器人初始化定位程序被处理器执行时还实现如下操作:
根据已关联的所述特征节点及所述ORB特征,生成对应的特征地图及激光地图。
进一步地,所述视觉辅助机器人初始化定位程序被处理器执行时还实现如下操作:
读取所述图像数据的获取信息,确认所述获取信息是否满足预设的特征节点新建条件,其中,所述获取信息包括获取位置及图像信息;
在确认所述获取信息满足所述预设的特征节点新建条件时,新建所述图像数据的特征节点。
需要说明的是,在本文中,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、药品或者***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、药品或者***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,并不排除在包括该要素的过程、方法、药品或者***中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的可选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种视觉辅助机器人初始化定位方法,其特征在于,所述视觉辅助机器人初始化定位方法包括以下步骤:
通过机器人上的摄像头获取机器人所在位置的位置图像,并提取所述位置图像的ORB特征;
将所述ORB特征与预先新建特征节点的ORB特征进行匹配,并计算各特征节点的匹配度数值;
确认所述匹配度数值最高的ORB特征为初始ORB特征;
确认所述初始ORB特征的特征节点,并获取所述特征节点的位置坐标;
将所述位置坐标输入预设的ICP算法计算激光数据;
将所述激光数据与预设激光地图匹配,以匹配结果确认所述机器人的所在位置。
2.如权利要求1所述的视觉辅助机器人初始化定位方法,其特征在于,确认与所述ORB特征匹配度最高的初始ORB特征的步骤之前,还包括:
在预设激光地图的图像数据中新建特征节点;
提取所述图像数据当前时间的ORB特征关联至已新建的所述特征节点。
3.如权利要求2所述的视觉辅助机器人初始化定位方法,其特征在于,根据预设的激光地图的图像数据,新建基于所述图像数据的特征节点的步骤之前,还包括:
通过激光雷达采集激光数据,并以RGB摄像头采集图像数据;
以采集到的所述激光数据及所述图像数据构建激光地图。
4.如权利要求2所述的视觉辅助机器人初始化定位方法,其特征在于,所述视觉辅助机器人初始化定位方法,还包括:
检测所述激光地图并将所述激光地图进行位姿图优化操作;
根据优化结果确认所述特征节点的位置坐标,以所述位置坐标关联所述特征节点及所述ORB特征。
5.如权利要求4所述的视觉辅助机器人初始化定位方法,其特征在于,所述视觉辅助机器人初始化定位方法,还包括:
根据已关联的所述特征节点及所述ORB特征,生成对应的特征地图及激光地图。
6.如权利要求2所述的视觉辅助机器人初始化定位方法,其特征在于,所述在预设激光地图的图像数据中新建特征节点的步骤,还包括:
读取所述图像数据的获取信息,确认所述获取信息是否满足预设的特征节点新建条件,其中,所述获取信息包括获取位置及图像信息;
在确认所述获取信息满足所述预设的特征节点新建条件时,新建所述图像数据的特征节点。
7.一种机器人,其特征在于,所述机器人包括:存储器、处理器以及存储在所述存储器上并可以在所述处理器上运行的视觉辅助机器人初始化定位程序,所述视觉辅助机器人初始化定位程序被处理器执行时实现如权利要求1至6任一项所述的视觉辅助机器人初始化定位方法的步骤。
8.一种可读存储介质,其特征在于,所述可读存储介质上存储有视觉辅助机器人初始化定位程序,所述视觉辅助机器人初始化定位程序被处理器执行时实现如权利要求1至6任一项所述的视觉辅助机器人初始化定位方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910999125.2A CN110672102B (zh) | 2019-10-18 | 2019-10-18 | 视觉辅助机器人初始化定位方法、机器人及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910999125.2A CN110672102B (zh) | 2019-10-18 | 2019-10-18 | 视觉辅助机器人初始化定位方法、机器人及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110672102A CN110672102A (zh) | 2020-01-10 |
CN110672102B true CN110672102B (zh) | 2021-06-08 |
Family
ID=69083246
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910999125.2A Active CN110672102B (zh) | 2019-10-18 | 2019-10-18 | 视觉辅助机器人初始化定位方法、机器人及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110672102B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112147935B (zh) * | 2020-09-25 | 2022-04-08 | 劢微机器人科技(深圳)有限公司 | 无人叉车叉臂控制方法、装置、设备及存储介质 |
CN112488007B (zh) * | 2020-12-04 | 2023-10-13 | 深圳市优必选科技股份有限公司 | 视觉定位方法、装置、机器人及存储介质 |
CN113733166B (zh) * | 2021-11-08 | 2022-04-15 | 深圳市普渡科技有限公司 | 机器人定位方法、装置、机器人和计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105865451A (zh) * | 2016-04-19 | 2016-08-17 | 深圳市神州云海智能科技有限公司 | 用于移动机器人室内定位的方法和设备 |
US9870624B1 (en) * | 2017-01-13 | 2018-01-16 | Otsaw Digital Pte. Ltd. | Three-dimensional mapping of an environment |
CN108717710A (zh) * | 2018-05-18 | 2018-10-30 | 京东方科技集团股份有限公司 | 室内环境下的定位方法、装置及*** |
CN110136199A (zh) * | 2018-11-13 | 2019-08-16 | 北京初速度科技有限公司 | 一种基于摄像头的车辆定位、建图的方法和装置 |
-
2019
- 2019-10-18 CN CN201910999125.2A patent/CN110672102B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105865451A (zh) * | 2016-04-19 | 2016-08-17 | 深圳市神州云海智能科技有限公司 | 用于移动机器人室内定位的方法和设备 |
US9870624B1 (en) * | 2017-01-13 | 2018-01-16 | Otsaw Digital Pte. Ltd. | Three-dimensional mapping of an environment |
CN108717710A (zh) * | 2018-05-18 | 2018-10-30 | 京东方科技集团股份有限公司 | 室内环境下的定位方法、装置及*** |
CN110136199A (zh) * | 2018-11-13 | 2019-08-16 | 北京初速度科技有限公司 | 一种基于摄像头的车辆定位、建图的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110672102A (zh) | 2020-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110672102B (zh) | 视觉辅助机器人初始化定位方法、机器人及可读存储介质 | |
CN107578427B (zh) | 动态障碍物的检测方法、装置及计算机可读存储介质 | |
US20170308272A1 (en) | Virtual reality applications | |
US9009613B2 (en) | System to overlay application help on a mobile device | |
US20220076469A1 (en) | Information display device and information display program | |
KR20200118677A (ko) | 이미지를 기반으로 포즈 계산을 위한 지도의 최신성을 유지하는 방법 및 시스템 | |
CN111859002B (zh) | 兴趣点名称生成方法及装置、电子设备和介质 | |
JP2019215647A (ja) | 情報処理装置、その制御方法及びプログラム。 | |
CN111832579B (zh) | 地图兴趣点数据处理方法、装置、电子设备以及可读介质 | |
CN110910445A (zh) | 一种物件尺寸检测方法、装置、检测设备及存储介质 | |
CN111368860B (zh) | 重定位方法及终端设备 | |
JP2013105373A (ja) | データ取得装置、方法及びプログラム | |
CN113705390B (zh) | 定位方法、装置、电子设备和存储介质 | |
CN113015117B (zh) | 一种用户定位方法、装置、电子设备和存储介质 | |
CN108573510B (zh) | 一种栅格地图矢量化方法及设备 | |
CN110836668A (zh) | 定位导航方法、装置、机器人及存储介质 | |
CN113298715A (zh) | 机器人栅格地图构建方法、装置、机器人及存储介质 | |
CN105302715A (zh) | 应用程序用户界面的获取方法和装置 | |
CN110727436A (zh) | 操作界面的脚本执行方法、装置、终端设备及存储介质 | |
CN111401981A (zh) | 竞价云主机的竞价方法、装置及存储介质 | |
CN114674328B (zh) | 地图生成方法、装置、电子设备、存储介质、及车辆 | |
CN111598128A (zh) | 用户界面的控件状态识别、控制方法、装置、设备及介质 | |
CN108304104B (zh) | 一种数据获取方法及其设备、存储介质、终端 | |
CN113079052B (zh) | 模型训练、物联网数据识别方法、装置、设备及存储介质 | |
CN114852096A (zh) | 域控制器变量的管理方法、装置、电子设备及存储介质 |
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 |