移动机器人的位姿估计方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN107843251A(43)申请公布日2018.03.27(21)申请号201710969938.8(22)申请日2017.10.18(71)申请人广东宝乐机器人股份有限公司地址518000广东省深圳市宝安区沙井街道东环路438号D座二、三层(72)发明人钱飞帆杨锴(51)Int.Cl.G01C21/00(2006.01)权利要求书1页说明书5页附图3页(54)发明名称移动机器人的位姿估计方法(57)摘要本发明揭示了一种移动机器人的位姿估计方法，所示移动机器人包括全景摄像头，其特征在于，包括以下步骤：S1：初始化或获取移动机器人在参考位置的位姿信息及全景图像P0；S2：将全景图像P0分割成至少两幅图像P0-j；S3：获取移动机器人在ti时刻的周围环境的全景图像Pi；S4：将全景图像Pi分割成与图像P0-j对应的至少两幅图像Pi-j；S5：根据图像P0-j与Pi-j的匹配关系分别计算移动机器人的位姿Ti-j；S6：根据位姿Ti-j确定移动机器人在ti时刻的位姿。与现有技术相比，本发明技术方案通过全景摄像头获取更为丰富的环境信息，并通过对分割后的全景图像分别计算移动机器人各角度的位姿，然后根据各位姿的误差范围大小来确定最终位姿，提高了移动机器人的位姿估计精度。CN107843251ACN107843251A权利要求书1/1页1.一种移动机器人的位姿估计方法，其特征在于，所述移动机器人包括全景摄像头和行程测量装置，包括以下步骤：S1：初始化或获取移动机器人在参考位置的位姿信息及全景图像P0；S2：将全景图像P0分割成至少两幅图像P0-j；S3：获取移动机器人在ti时刻的周围环境的全景图像Pi；S4：将全景图像Pi分割成与图像P0-j对应的至少两幅图像Pi-j；S5：根据图像P0-j与Pi-j的匹配关系分别计算移动机器人的位姿Ti-j；S6：根据位姿Ti-j确定移动机器人在ti时刻的位姿。2.根据权利要求1所述的移动机器人的位姿估计方法，其特征在于，还包括步骤S7：将ti时刻的位置作为参考位置再返回步骤S1。3.根据权利要求1所述的移动机器人的位姿估计方法，其特征在于，所述步骤S1中的参考位置为移动机器人开始工作时的位置。4.根据权利要求1所述的移动机器人的位姿估计方法，其特征在于，所述步骤S2是通过立方体模型将全景图像进行分割的。5.根据权利要求1所述的移动机器人的位姿估计方法，其特征在于，将所述步骤S2的全景图像P0、步骤S4全景图像Pi分别分割成上视图像和前视图像。6.根据权利要求5所述的移动机器人的位姿估计方法，其特征在于，所述根据上视图像计算移动机器人位姿的步骤包括：步骤a1：提取全景图像P0、全景图像Pi的上视图像特征并匹配；步骤a2：根据图像匹配算法匹配提取的特征点；步骤a3：根据匹配特征点的匹配关系得到单应矩阵H；步骤a4：根据相机内参数分解单应矩阵H以得到位姿估计Ti-上。7.根据权利要求5所述的移动机器人的位姿估计方法，其特征在于，所述根据前视图像计算移动机器人位姿的步骤包括：步骤b1：提取全景图像P0、全景图像Pi的前视图像特征并匹配；步骤b2：根据图像匹配算法匹配提取的特征点；步骤b3：根据匹配特征点的匹配关系得到基础矩阵F；步骤b4：根据相机内参数分解基础矩阵F以得到位姿估计Ti-前。8.根据权利要求1所述的移动机器人的位姿估计方法，其特征在于，所述步骤S6包括：S61：分别计算各Ti-j的误差；S62：选择误差范围最小的位姿作为移动机器人在ti时刻的位姿。9.根据权利要求8所述的移动机器人的位姿估计方法，其特征在于，所述步骤S61是基于图像P0-j与Pi-j的欧拉旋转角进行误差计算的。2CN107843251A说明书1/5页移动机器人的位姿估计方法技术领域[0001]本发明属于移动机器人领域，涉及移动机器人的定位及导航，特别是移动机器人的位姿估计方法。背景技术[0002]现有的移动机器人的视觉位姿估计方法主要包括以下两种：一是以irobot公司为代表的前视视觉进行位姿估计；二是以LG公司为代表的的天花板视觉进行位姿估计。[0003]然后，不管是前视视觉还是天花板视觉，其视角范围限制在某个特定角度，缺乏对整个环境的感知，导致对移动机器人的位姿估计存在误差甚至错误，进而影响移动机器人的地图创建及导航。[0004]现有方案是通过在移动机器人上安装多个摄像头以获得更多的环境信息，但这种方式将导致移动机器人的成本增加，此外，因涉及多个摄像头之间的标定及不同摄像头之间的匹配，算法较为复杂。[0005]因此有必要提供一种能解决上述问题的移动机器人的位姿估计方案。发明内容[0006]本发明的目的之一在于克服背景技术中的缺陷，提供一种移动机器人的位