工業(yè)機器人相對位姿估計方法
【專利摘要】本發(fā)明涉及計算機視覺【技術(shù)領(lǐng)域】,具體公開基于人工標(biāo)志的工業(yè)機器人相對位姿估計方法。本發(fā)明包括采用自適應(yīng)閾值化對原始圖像進行二值化處理,獲得二值圖像;對二值圖像進行邊界輪廓提取,獲得所有前景目標(biāo)的輪廓;對輪廓進行形狀與拓撲結(jié)構(gòu)分析,得到標(biāo)志的外輪廓區(qū)域;對外輪廓進行最小二乘橢圓擬合;通過圓形形變分析計算五個相對自由度;使用圖像矩對字符T進行分析,得到偏航角,獲得相機相對于人工標(biāo)志的三維位姿。本發(fā)明基于人工標(biāo)志實現(xiàn)單目視覺下的三維位姿估計,通過單目相機即可獲得人工標(biāo)志處的深度信息,作為工業(yè)機器人的視覺引導(dǎo),節(jié)省了購買雙目相機的成本,同時本發(fā)明算法效率高,無需大量的計算資源,且實施較為簡單。
【專利說明】工業(yè)機器人相對位姿估計方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計算機視覺【技術(shù)領(lǐng)域】,特別涉及一種基于人工標(biāo)志的工業(yè)機器人相對 位姿估計方法。
【背景技術(shù)】
[0002] 在工業(yè)機器人進行裝配操作時,通常有兩種方式引導(dǎo)工業(yè)機器人進行工作。一種 基于示教的方式,該方式操作精度很高,且無需過多專業(yè)技能,但每次裝配工件的位置需要 保持不變,缺少智能性;另一種方式借助其他外部傳感器獲得裝配工件部分或全部的位姿 信息,進而引導(dǎo)工業(yè)機器人運動。
[0003] 對于獲得部分位姿信息的情況,通常采用二維碼或標(biāo)志,通過圖像處理技術(shù)獲取 其二維的中心位置和旋轉(zhuǎn)角度,但其高度信息需要示教給出,因此該方法無法處理高度可 變的情況。
[0004] 對于獲取全部三維位姿信息的情況,現(xiàn)有技術(shù)通常采用雙目立體視覺通過對場景 進行三維重構(gòu),再獲取目標(biāo)物體的位姿信息,采用雙目立體視覺的方法可以處理絕大多數(shù) 場景,但是其重建后獲得的株度?目息可能有株度丟失的情況,造成計算得到的目標(biāo)位姿?目 息不完整而無法進行,同時雙目的場景重構(gòu)過程需要耗費大量的計算資源。
[0005] 另一種還原三維信息的方法是使用結(jié)構(gòu)光的方式,例如三維激光,該方式可以很 好的獲得場景的深度信息,但是該方式增加了對目標(biāo)的識別難度。
【發(fā)明內(nèi)容】
[0006] 本發(fā)明旨在克服現(xiàn)有視覺識別技術(shù)的缺陷,獲得三維信息,提供一種基于人工標(biāo) 志的工業(yè)機器人相對位姿估計方法。
[0007] 為實現(xiàn)上述目的,本發(fā)明采用以下技術(shù)方案:
[0008] 本發(fā)明提供一種工業(yè)機器人相對位姿估計方法,包括:
[0009] S1、采用自適應(yīng)閾值化對原始圖像進行二值化處理,獲得二值圖像;
[0010] S2、對所述二值圖像進行邊界輪廓提取,獲得所有前景目標(biāo)的輪廓;
[0011] S3、對所述輪廓進行形狀與拓撲結(jié)構(gòu)分析,得到標(biāo)志的外輪廓區(qū)域;
[0012] S4、對外輪廓進行最小二乘橢圓擬合;
[0013] S5、通過圓形形變分析計算五個相對自由度;
[0014] S6、使用圖像矩對字符T進行分析,得到偏航角,獲得相機相對于人工標(biāo)志的三維 位姿。
[0015] -些實施例中,所述自適應(yīng)閾值化將原始圖像中的每個像素點與其周圍sXs大 小鄰域內(nèi)的像素均值進行比較,若當(dāng)前像素值小于均值閾值,則所述像素點的像素值設(shè)為 〇,否則設(shè)為255。
[0016] 一些實施例中,所述閾值為15%。
[0017] -些實施例中,所述邊界輪廓提取為光柵掃描整張圖片,直到遇到滿足邊界跟蹤 的起始點,為當(dāng)前新找到的邊界分配標(biāo)簽序列號,同時根據(jù)記錄的上一次遇到的邊界,確定 當(dāng)前邊界的父邊界,采用邊界跟蹤算法,根據(jù)邊界點標(biāo)記規(guī)則,完成邊界的搜索和標(biāo)記;完 成邊界跟蹤后,恢復(fù)光柵掃描的過程,直到到達圖像的右下角位置為止。
[0018] -些實施例中,所述標(biāo)志為,輪廓的大小滿足在閾值范圍內(nèi);當(dāng)前輪廓必須存在孔 輪廓,且該孔輪廓也必須有子輪廓;檢驗當(dāng)前輪廓的近圓形;計算當(dāng)前輪廓與其子輪廓的 半徑比。
[0019] 一些實施例中,若當(dāng)前的輪廓越接近圓形,圓形O的值則越接近1 ;圓形的閾值設(shè) 置為0. 8。
[0020] 本發(fā)明的有益效果在于:基于人工標(biāo)志實現(xiàn)單目視覺下的三維位姿估計,通過單 目相機即可獲得人工標(biāo)志處的深度信息,作為工業(yè)機器人的視覺引導(dǎo),節(jié)省了購買雙目相 機的成本,同時本發(fā)明算法效率高,無需大量的計算資源,且實施較為簡單。與現(xiàn)有技術(shù)相 比,該方法節(jié)省成本與計算資源,且可以獲得較為準確的三維位姿信息。
【專利附圖】
【附圖說明】
[0021] 圖1示意性示出根據(jù)本發(fā)明一個實施例的人工標(biāo)志示意圖。
[0022] 圖2示意性示出根據(jù)本發(fā)明一個實施例的積分圖像示意圖。
[0023] 圖3示意性示出根據(jù)本發(fā)明一個實施例的邊界跟蹤示意圖。
[0024] 圖4示意性示出根據(jù)本發(fā)明一個實施例的坐標(biāo)系統(tǒng)示意圖。
【具體實施方式】
[0025] 為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白,以下結(jié)合附圖及具體實施 例,對本發(fā)明進行進一步詳細說明。應(yīng)當(dāng)理解,此處所描述的具體實施例僅用以解釋本發(fā) 明,而不構(gòu)成對本發(fā)明的限制。
[0026] 本發(fā)明制作人工標(biāo)志,如圖1所示,該標(biāo)志由兩個中間有字符T的圓環(huán)組成,兩個 圓環(huán)用于去除歧異解;將該標(biāo)志放置在裝配箱上固定的位置,即保證標(biāo)志與工件槽的相對 位置關(guān)系不變且已知;攝像機采集的圖像進行處理,并實施相對位姿估計。
[0027] 本發(fā)明提供工業(yè)機器人相對位姿估計方法,包括
[0028] S1、采用自適應(yīng)閾值化對原始圖像進行二值化處理,獲得二值圖像;
[0029] S2、對所述二值圖像進行邊界輪廓提取,獲得所有前景目標(biāo)的輪廓;
[0030] S3、對所述輪廓進行形狀與拓撲結(jié)構(gòu)分析,得到標(biāo)志的外輪廓區(qū)域;
[0031] S4、對外輪廓進行最小二乘橢圓擬合;
[0032] S5、通過圓形形變分析計算五個相對自由度;
[0033] S6、使用圖像矩對字符T進行分析,得到偏航角,獲得相機相對于人工標(biāo)志的三維 位姿。
[0034] 具體地,采用自適應(yīng)閾值化對原始圖像進行二值化處理,獲得二值圖像;其中,圖 像閾值化是將圖像中的像素點按照某個特征(例如,像素強度)進行二值分類,最終形成一 幅二值圖像。
[0035] 由于自然環(huán)境中圖像經(jīng)常會出現(xiàn)光照不均,甚至嚴重的陰影遮擋情況,固定閾值 的方法通常難以獲得期望的前景物體,本發(fā)明實施例中采用可變閾值的自適應(yīng)閾值化方法 有效克服上述問題。
[0036] 當(dāng)需要頻繁的計算圖像中有重疊矩形區(qū)域的像素和時,通常需要采用積分圖像, 通過積分圖像中常數(shù)時間的加減運算,大幅度的節(jié)省計算時間。本發(fā)明實施例中自適應(yīng)閾 值化算法中采用積分圖像的計算,以下對積分圖像給予說明。
[0037] 設(shè)原始圖像在(X,y)點處的像素強度為f(x),則積分圖像中對應(yīng)(X,y)點處的值 為I (X,y),其定義式如下所示:
[0038] I (x, y) = f (x, y) +I (χ-l, y) +I (x, y-1) -I (χ-l, y-1) (I)
[0039] 如圖2所示,當(dāng)積分圖像構(gòu)建后,若要計算圖中區(qū)域D的像素和,已知該區(qū)域D左 上角坐標(biāo)( Xl,Yl)和右下角坐標(biāo)(X2,y2),其計算公式如下所示:
【權(quán)利要求】
1. 一種工業(yè)機器人相對位姿估計方法,其特征在于,包括: 51、 采用自適應(yīng)闊值化對原始圖像進行二值化處理,獲得二值圖像; 52、 對所述二值圖像進行邊界輪廓提取,獲得所有前景目標(biāo)的輪廓; 53、 對所述輪廓進行形狀與拓撲結(jié)構(gòu)分析,得到標(biāo)志的外輪廓區(qū)域; 54、 對外輪廓進行最小二乘楠圓擬合; 55、 通過圓形形變分析計算五個相對自由度; 56、 使用圖像矩對字符T進行分析,得到偏航角,獲得相機相對于人工標(biāo)志的=維位 姿。
2. 如權(quán)利要求1所述的工業(yè)機器人相對位姿估計方法,其特征在于,所述自適應(yīng)闊值 化將原始圖像中的每個像素點與其周圍S X S大小鄰域內(nèi)的像素均值進行比較,若當(dāng)前像 素值小于均值闊值,則所述像素點的像素值設(shè)為0,否則設(shè)為255。
3. 如權(quán)利要求2所述的工業(yè)機器人相對位姿估計方法,其特征在于,所述闊值為15%。
4. 如權(quán)利要求1所述的工業(yè)機器人相對位姿估計方法,其特征在于,所述邊界輪廓提 取為光柵掃描整張圖片,直到遇到滿足邊界跟蹤的起始點,為當(dāng)前新找到的邊界分配標(biāo)簽 序列號,同時根據(jù)記錄的上一次遇到的邊界,確定當(dāng)前邊界的父邊界,采用邊界跟蹤算法, 根據(jù)邊界點標(biāo)記規(guī)則,完成邊界的捜索和標(biāo)記;完成邊界跟蹤后,恢復(fù)光柵掃描的過程,直 到到達圖像的右下角位置為止。
5. 如權(quán)利要求1所述的工業(yè)機器人相對位姿估計方法,其特征在于,所述標(biāo)志為,輪廓 的大小滿足在闊值范圍內(nèi);當(dāng)前輪廓必須存在孔輪廓,且該孔輪廓也必須有子輪廓;檢驗 當(dāng)前輪廓的近圓形;計算當(dāng)前輪廓與其子輪廓的半徑比。
6. 如權(quán)利要求5所述的工業(yè)機器人相對位姿估計方法,其特征在于,若當(dāng)前的輪廓越 接近圓形,圓形0的值則越接近1 ;圓形的闊值設(shè)置為0. 8。
【文檔編號】G05B19/18GK104460505SQ201410634619
【公開日】2015年3月25日 申請日期:2014年11月12日 優(yōu)先權(quán)日:2014年11月12日
【發(fā)明者】曲道奎, 徐方, 姜楠, 李邦宇, 李燊, 張濤 申請人:沈陽新松機器人自動化股份有限公司