1、基于二维码的单目视觉测距移动机器人定位研究 罗高 袁亮 新疆大学机械工程学院 摘 要： 为了提高移动机器人在未知环境下定位精度, 使用里程计结合高清摄像机单目视觉测距对移动机器人定位技术进行了研究, 针对编码器短距离定位精确, 长距离定位存在积累误差的问题, 提出非接触式的基于二维码单目视觉测距的方法实现移动机器人的定位。在二维码世界坐标已知的情况下, 移动机器人向前运动, 高清摄像机通过识别二维码, 得知二维码的世界坐标, 由此推导出机器人相对于二维码的世界坐标, 得出的机器人坐标是基于二维码的绝对坐标值, 故消除了编码器存在的累计误差, 从而使移动机器人定位更加准确。与传统的里程计定位方式
2、相比, 该定位算法定位成功率提升 30%50%。关键词： 移动机器人; 里程计; 二维码; 单目视觉测量; 作者简介：罗高 (1990) , 男, 湖北咸宁人, 新疆大学硕士研究生, 研究方向为移动机器人定位导航, (E-mail) ;作者简介：袁亮 (1972) , 男, 乌鲁木齐人, 新疆大学教授, 博导, 博士, 研究方向机器人控制及图像跟踪。收稿日期：2017-01-05基金：国家自然科学基金 (61662075) Study on Mobile Robot Localization Monocular Vision Based on QRcodeLUO Gao YUAN Liang
3、School of Mechanical Engineering, Xinjiang University; Abstract： In order to improve the positioning accuracy of mobile robot in complex environment, combined w ith odometry and monocular vision measuring HD camera of mobile robot positioning technology. Aiming at the problem of error accumulation i
4、n long distance positioning w hile precision in short distance positioning of encoder, put forw ard the QRcode positioning method of monocular vision for mobile robot based on non contact type. In the QRcode w orld coordinates are know n, the mobile robot moves forw ard, high-definition camera throu
5、gh the identification of QRcode, QRcode that the w orld coordinates, deduces the robot relative to the w orld coordinate of QRcode, the robot coordinate is QRcode of absolute coordinates onto a cumulative error is eliminated based on the existing encode. Thus the mobile robot positioning is more acc
6、urate. Compared w ith the traditional odometry positioning method, the improved positioning algorithm can improve the success rate of 30% 50%.Keyword： mobile robot; odometer; QRcode; monoculair vision measurement; Received： 2017-01-050 引言近年来, 移动机器人技术1已成为国家发展的重大战略目标, 机器人定位2技术是其研究中最基础的部分, 也是解决其他问题的前提条
7、件。要实现移动机器人的定位, 其本质上就是解决移动机器人 WWH 的问题:Where am I?Where am I going?How should I get there 第一个 W 就是关于移动机器人的定位与导航技术, 第二个 W 和 H 则是关于移动机器人路径规划技术, 机器人只有确定了自身的位置3-4, 才能基于该确定的位置进行其他各类动作。因此, 研究者们提出了各类型的定位方法, 如里程计定位、超声波定位、视觉定位、激光雷达定位、概率定位等。文献5提出了基于里程计定位的方法, 在长距离定位导航时, 累积误差会随着距离的增加而累积, 从而使定位精确度大大降低。文献6利用全景视觉对路标
8、的观察角度来完成机器人定位。二者都是利用已知的环境信息来确定机器人的绝对位姿。Craig Becker 等7提出利用几何图形路标实现机器人的定位。文献8-9利用人工路标来实现移动机器人的定位。文献10利用路标观测提出了一种基于路标观察的移动机器人自定位算法。鉴于此, 本文提出了一种在二维码绝对坐标已知的情况下, 安装在机器人上的高清摄像机通过识别二维码, 得知二维码在世界坐标系下的绝对坐标, 由此推导出机器人的世界坐标, 同时消除了编码器存在的累积误差, 从而提高了机器人的定位精度, 实验数据表明了该方法的有效性。1 测距定位研究本文中使用的是实验室自主研发设计的移动机器人平台, 机器人装备两
9、个摄像机, 一个是红外摄像头 (本文中未使用) , 另一个为艾力克高清摄像机, 分辨率为 1280720, 每秒最多能捕捉 30 个图像。机器人结构分布图 1 所示。图 1 机器人结构图 下载原图本实验移动机器人平台是由三个轮来实现机器人的运动, 云台正下方为两驱动轮, 都有单独电机驱动, 另一个轮子为万向轮, 是从动轮。通过控制两驱动轮速度差来实现机器人转向, 通过运动控制系统到达目标位置。当机器人达到指定位置时, 摄像头通过识别二维码, 得知二维码的绝对坐标, 据此而推到出机器人在世界坐标系中的位置, 并消除编码器存在的累积误差。从而实现机器人的定位。实现过程图如图 2 所示。图 2 定位
10、流程图 下载原图2 单目视觉系统的测距方法2.1 小孔成像原理本文利用高清摄像机采集关于二维码的图像信息。对本实验而言, 采用小孔成像模型12就能达到实验要求。如图 3 所示, 其中 P1为世界坐标系下的任意点, P1的成像点为 P2, Oc为光心, 则直线 与像平面交于 P2点。图 3 小孔成像原理图 下载原图由比例关系可得下式:在式 (1) 中, (x, y) 为图像平面上 P1点的坐标, (X c, Yc, Zc) 为空间点 P1在摄像机坐标系下的坐标, 高清相机采集到的环境信息被转换成系统可用的数字信息, 按如图 4 所示的方式建立存储坐标系, 并且在 (u 0, v0) 处以物理单位
11、建立坐标系, 因此有如式 (2) 关系:图 4 物体测量 下载原图在式 (2) 中 dx为每个像素在横轴方向上的物理尺寸、d y则为每一个像素在纵轴方向上的物理尺寸。通过坐标变换原理可得如下转换关系:将式 (1) 、 (2) 、 (3) 整合得到:世界坐标下的点 P1与成像平面内的点 P2的坐标 (u, v) 存在如下转换关系:其中, u、v 都是像平面以像素为单位, (X c, Yc, Zc) 为 P1摄像机坐标下的坐标, (Xw, Yw, Zw) 是 P1在世界坐标系下的坐标;R 为 33 的正交矩阵;T 为平移向量;0位 0 矩阵;M 1为 44 矩阵。 , M 为 3 行 4 列的矩阵
12、。M 1为相机内参数矩阵, M 2为相机的外参数矩阵。由以上推到可得:如果先对高清相机进行标定, 并且能确定世界坐标系下某点的坐标 P1 (Xw, Yw, Zw) , 则可求得该点在图像坐标系下的坐标为 (u, v) 。2.2 测距的原理假定世界坐标系位于如图 4 所示的位置, 则 R=1, T=0 0 d, 式 (4) 化为:在垂直于光轴平面内, 点 P1的坐标为 (x w, yw, 0) , 所以式 (5) 可化为:根据微分的方法将目标沿 Yw方向分为 N 份, 则每一小份近似为一个矩形, 如图5 所示。图 5 面积微分图 下载原图假设第 i 个矩形的 4 个顶点分别标记为 P1, P2,
13、 P1, P2, 则目标的面积为14:将式 (6) 和式 (7) 整理得:其中, S 1表示目标在图像坐标系下的面积, 根据上面分析可得 d 的计算公式:当高清摄像机拍到目标物体时, 测量出摄像机与目标物体之间的距离, 事实上就是测量目标物体上某一特征点与摄像机之间的距离, 对于摄像机拍摄到但是没能成像目标位置时, 测量距离将不准确或者测距失败。在选择特征点时, 应该选择容易成像, 且好测量的有效点为特征点, 即将测量目标物体与摄像机之间的距离转化为测量目标物体上某一特征点与摄像机光心之间的距离。在世界坐标系内, 特征点 PF到 Ow的距离 Lw可为:则目标物体与光心之间的距离为:将式 (6)
14、 和式 (10) 代入式 (11) 得:从上面的分析可知, 测量出目标物体与摄像机之间的距离最重要的是能找出有效的目标点, 本文以二维码的几何中心作为目标特征点, 按照上面推导算法完全可以实现测距。3 测量实验与分析基于视觉信息和编码器数据融合的多传感器综合定位实验中, 首先知道机器人运动所需要的环境信息, 其中包括障碍物的位置和二维码在地图中的坐标点, 在本实验中, 选用的地图为实训楼二楼为实验场地, 如图 6 为 1:1 绘制的栅格地图, 栅格精度为 10cm, 机器人的大小为 80cm80cm85cm, 其形状如图 6 所示。图 6 栅格地图 下载原图机器人的路径规划是以质心作为参考点,
15、 机器人在运动过程中, 如果按照实际地图可能会发生机器人边沿与地图中的障碍物碰撞等情况, 所以根据实际需要将地图缩小, 缩小的大小为每条边向内缩减 80cm, 其效果图如图 7 所示, 图中, 红线条的图为原平面图, 蓝线条画的图为缩小后的适于机器人运动的通道图。图 7 有效栅格地图 下载原图地图中以 (50, 60) 为起点以 (120, 360) 为终点, 让机器人按照规划好的路径进行运动。在地图中重要的拐点处分别张贴一张二维码, 本实验中共张贴了 4 张二维码, 其在地图中的位置分别是 (80, 70, 90) , (100, 150, 0) , (80, 250, 0) , (100,
16、 350, -90) 位置上, 如图 8 所示。图 8 二维码位置地图 下载原图位置坐标的前两个数据表示二维码在世界地图中的绝对坐标, 第三个数据表示机器人需要转动的角度。在实际中的位置如图 9 所示。图 9 二维码粘贴位置 下载原图当移动机器人向前运动到达指定位置时, 机器人将在图像中检测是否存在二维码, 如果发现图像中有二维码, 机器人将对二维码进行识别, 识别出是系统库中有的二维码, 则调整机器人与二维码之间的位置, 图 10 为点 (100, 150, 0) 位置的二维码四条边 abcd 以及四边之间的夹角, 当 -0时, 机器人向前移动, 当 -0时, 机器人向后移动, 当 -=0时
17、, 机器人为目标位置, 机器人正对二维码, 如图 10 所示。图 1 0 二维码夹角 下载原图借助二维码的位置信息, 机器人重新调整自身在全局地图中的位置。机器人所获取的图像经过计算之后可以知道机器人相对于二维码的距离, 机器人检测程序点 (100, 150, 0) 如图 11 所示。图 1 1 机器人与二维码相对位置 下载原图二维码在机器人相机水平方向的正前方。本文采用张正友相机标定法, 标定后得出相机参数为:Lc 为机器人到二维码的直线距离, 根据提前标定的信息, 从而知道机器人与二维码的直线距离为 134cm, 所以机器人所在的全局坐标为 (86.5364, 299.6841) , 如图
18、 12 所示。图 1 2 界面控制 下载原图通过多次试验测量, 传统编码器定位误差会越来越大, 而二维码的绝对坐标来消除编码器存在的累积误差较大程度的提高了定位精度, 实验路线如图 13 和实验数据如表 1 所示。图 1 3 定位路线图 下载原图表 1 数据比较 下载原表 在图 13 中紫色线条代表理论路线, 黑色线条是编码器定位路线, 红色线条表示二维码测距定位, 从路线中可以看出编码器和二维码测距定位在短时间内定位精度都相对较高, 随着时间的增长, 编码器路线相对于理论路线偏移量越来越大, 而在二维码定位中, 每当机器人移动到二维码位置时, 都能实现较为精准的定位, 定位误差相对于编码器定
19、位约减少了 30%50%。4 结论在移动机器人发展历程中, 定位技术一直都是最基础部分, 机器人只有在确定自己当前位置的前提下, 才能够安全完成下一个动作。由于编码器存在累积误差, 本实验通过高清相机识别二维码信息, 准确的知道二维码在世界坐标系中的坐标, 由二维码的绝对坐标计算出机器人的绝对坐标, 从而实现机器人的定位, 在此定位过程中并消除了编码器长距离定位存在的累积误差。通过实验证明此方法切实可行。参考文献1谭民, 王硕.机器人技术研究进展J.自动化学报, 2013, 39 (7) :963-972. 2李群明, 熊蓉, 褚健.室内自主移动机器人定位方法研究综述J.机器人, 2003,
20、25 (6) :560-567. 3Ohnishi N, Imiya A.Appearance-based navigation and homing for autonomous mobile robotJ.Image and Vision Computing, 2013, 31 (6-7) :511-532. 4Colle E, Galerne S.Mobile robot localization by multiangulation using set inversionJ.Robotics and Autonomous Systems, 2013, 61 (1) :39-48. 5C
21、rowley J L.Control of displacements and rotation in a robotvehicleA.Proceedings of the IEEE International Conference on Robotics and AutomationC.Scottsdale AZ, USA:1989.674-680. 6Motomura A, M atsuoka T, Hasegawa T.Self-localization method usingtwo landmarks and dead reckoning for autonomous mobile
22、soccer robotsA.Proceedings of the Robo Cup2003 SymposiumC.Padova, Italy:2003.526-533. 7Becker C.Reliable navigation using landmarksJ.Proceedings of the IEEE International Conference on Robotics and Automation.Nagoya, Japan, 1995, 1 (1) :401-406. 8L Wang, B Gao, Y Jia.Landmark design for indoor local
23、ization of mobile robotsC.In Proceedings of the Chinese Intelligent Automation Conference.Yangzhou, China:Springer, 2013:543-550. 9W Chen, H H Chang, T Lin, et al.Dynamic indoor localization based on active RFID for healthcare applications:A Shape Constraint ApproachC.in Proceedings of the Internati
24、onal Conference on Biomedical Engineering and Informatics (ICBEI) .Tianjin, China:IEEE, 2009:1-5. 10王景川, 陈卫东, 曹其新.基于全景视觉与里程计的移动机器人自定位方法研究J.机器人, 2005, 27 (1) :41-45. 11肖旭.基于单目视觉的摄像机定位技术的研究J.天津:天津大学, 2009. 12马颂德, 张正友.计算机视觉计算理论与算法基础M.北京:科学出版社, 2003:42-52. 13韩延祥, 张志胜, 戴敏.用于目标测距的单目视觉测量方法J.光学精密工程, 2011, 19 (5) :1110-1117. 14徐德, 谭民, 李原.机器人视觉测量与控制M.北京:国防工业出版社, 2008.
