一种基于视觉的移动机器人定位系统
基于全景近红外视觉的室外移动机器人定位系统
文章编号：1007-757X(2011)01-0028-03基于全景近红外视觉的室外移动机器人定位系统张栩摘要：针对室外移动机器人定位、导航问题，提出了一种基于全景近红外视觉的路标定位系统。
系统通过近红外主动照明降低了光照变化、阴影等因素的影响，利用全景摄像机获得大范围的路标定向信息。
图像处理中改进大津法和路标跟踪的应用使识别路标更准确、更快速，三角定位算法确保能精确的计算出机器人的世界坐标。
室外环境下移动机器人的定位实验结果表明，本系统具有较高的定位精度和良好的鲁棒性。
关键词：全景视觉；近红外；移动机器人；室外定位中图分类号：TP24文献标志码：B0引言智能移动机器人是机器人研究和工程应用的一个重要领域。
其中，室外移动机器人在军事、民用、商用方面都有广泛的应用前景，是目前研究的热点方向。
作为机器人在户外作业的基础，定位成了需要解决的首要问题。
近几年来，由于计算机图像处理能力和技术的飞速发展以及各种高端数字图像处理设备性能价格比的提高，机器视觉在移动机器人定位导航中的应用越来越受到人们的重视[1]。
与激光、声纳、GPS、WLAN等技术相比，视觉信号具有表述形式直观、信息量丰富、造价低廉并且不易被电磁辐射干扰等优点。
目前常用的基于视觉的室外移动机器人自定位方法，主要有基于自然路标和基于人工路标两种，前者是直接在环境中提取已存在的特征及物体，虽然运用灵活，但对周围环境要求严格且识别难度较大，主要用于需要高速运动的机器人如智能车辆；后者是提取人为放置在环境中的标志物体，它识别稳定并且具有较高精度，但对光照和阴影变化敏感，适合于速度慢但对精度要求高的作业型机器人。
本文针对高精度要求的室外机器人定位问题，提出一种近红外光源照明、全景视觉观测和人工编码路标相结合的室外机器人定位系统。
该系统通过近红外光成像降低光照和阴影的影响，利用全景视觉获取大范围环境信息，依靠图像处理算法识别路标，最后用三角定位算法完成机器人定位。
AGV移动机器人的五种定位技术介绍
AGV移动机器人的五种定位技术介绍AGV（Automated Guided Vehicle）移动机器人是一种自动导引车辆，能够在工业和物流领域进行物品运输和搬运任务。
为了准确定位AGV移动机器人的位置，可以采用多种定位技术。
下面将介绍五种常见的AGV定位技术。
1.激光定位技术：激光定位技术是一种通过激光扫描仪实现的定位方法。
它通过扫描周围环境并计算与物体的距离和角度来确定机器人的位置。
这种定位技术具有高精度和高可靠性的特点，适用于需要精确定位的场景，如仓库等。
2.视觉定位技术：视觉定位技术是一种使用摄像头和图像处理算法来确定机器人位置的方法。
它通过识别和匹配环境中的特征点或标志物来进行定位。
视觉定位技术具有较高的灵活性和适应性，可以适应不同环境和场景的变化。
3.超声波定位技术：超声波定位技术是一种使用超声波传感器来测量距离和方向的方法。
机器人通过发送超声波信号，并根据接收到的反射信号计算与物体的距离和方向，进而确定自身位置。
这种定位技术需要在环境中设置超声波信号源，适用于开放空间和室内场景。
4.地磁定位技术：地磁定位技术是一种通过检测地球磁场强度和方向来进行定位的方法。
机器人搭载磁力计和罗盘传感器，通过测量环境中的地磁场来确定自身位置。
地磁定位技术具有较高的稳定性和精度，适用于室内和地下场景。
5.惯性导航定位技术：惯性导航定位技术是一种使用加速度计和陀螺仪等惯性传感器来确定机器人位置的方法。
它通过测量机器人的加速度和角速度来计算和集成运动路径，并推算出位置。
惯性导航定位技术具有较高的实时性和灵活性，适用于复杂环境和短距离运动。
这些AGV定位技术各有优劣，可以根据不同的应用场景和需求选择合适的技术。
在实际应用中，也可以将多种定位技术进行组合和协同，以提高定位的精度和鲁棒性。
随着技术的不断进步，AGV定位技术将会越来越成熟和普及。
基于嵌入式系统的室内移动机器人定位与导航
基于嵌入式系统的室内移动机器人定位与导航一、概述随着科技的快速发展，室内移动机器人已成为智能家居、物流运输、医疗护理等领域的重要组成部分。
要实现机器人的高效、准确运作，其定位与导航技术至关重要。
基于嵌入式系统的室内移动机器人定位与导航技术，通过集成传感器、控制算法和路径规划算法，使机器人能够在复杂的室内环境中实现自主定位与导航。
嵌入式系统作为机器人的核心部分，具备体积小、功耗低、实时性强等特点，能够满足机器人对于硬件资源的需求。
通过集成多种传感器，如激光雷达、超声波传感器、摄像头等，机器人可以获取环境中的距离、障碍物、图像等信息，为定位与导航提供丰富的数据支持。
在定位方面，基于嵌入式系统的室内移动机器人可以采用多种技术，如SLAM（同时定位与地图构建）、惯性导航、WiFi指纹定位等。
这些技术各有优缺点，可以根据具体应用场景进行选择和优化。
通过实时获取机器人的位置信息，可以实现对机器人的精确控制。
在导航方面，嵌入式系统可以根据定位信息以及预设的目标位置，结合路径规划算法，为机器人规划出最优的行驶路径。
同时，机器人还需要具备避障功能，能够在遇到障碍物时及时调整行驶方向，确保安全到达目的地。
基于嵌入式系统的室内移动机器人定位与导航技术是实现机器人自主化、智能化的关键。
通过不断优化算法和硬件设计，可以提高机器人的定位精度和导航效率，为各领域的应用提供更加便捷、高效的解决方案。
1. 嵌入式系统概述及其在机器人技术中的应用嵌入式系统，作为一种专用的计算机系统，被设计用于执行特定的控制、监视或辅助功能。
它通常嵌入在设备或系统内部，是设备智能化、自动化的核心所在。
嵌入式系统结合了硬件和软件，具有体积小、功耗低、实时性强、可靠性高等特点，因此广泛应用于各种领域，如智能家居、医疗设备、航空航天以及机器人技术等。
在机器人技术中，嵌入式系统发挥着举足轻重的作用。
嵌入式系统为机器人提供了强大的计算和控制能力。
通过嵌入式处理器和相应的算法，机器人能够实时地处理传感器数据、执行复杂的运动控制任务，并实现自主导航和定位。
基于机器视觉的智能巡检机器人研究
基于机器视觉的智能巡检机器人研究智能巡检机器人是一种基于机器视觉技术的自主移动机器人，具备自主导航、环境感知、异常识别和智能决策等功能。
它利用搭载的摄像头和传感器，通过对周围环境的感知和识别，实现对设备、设施、产品和工作区域的巡视检查，从而提高工作效率、降低人力成本以及减少运营风险。
一、智能巡检机器人的技术原理：1. 机器视觉技术：智能巡检机器人利用机器视觉技术实现对周围环境的感知和识别。
通过搭载的摄像头获取图像或视频流，并利用计算机视觉算法对目标进行识别、跟踪和分析。
这些算法包括目标检测、目标分类、目标识别、运动跟踪等，以实现对巡检区域的全面监控和检查。
2. 自主导航和定位技术：智能巡检机器人通过自主导航技术实现在复杂环境中的自主移动。
它通过感知周围环境的传感器，如激光雷达、超声波传感器、惯性导航系统等，获取周围环境的地图信息，并通过算法进行路径规划、避障和定位。
这样，机器人可以自主地沿着预定的巡检路径进行巡视，快速、高效地完成任务。
3. 异常识别和智能决策技术：智能巡检机器人通过机器学习和人工智能算法实现对异常情况的识别和智能决策。
通过对巡检区域的历史数据进行学习和分析，机器人可以识别出异常情况，如设备故障、物品丢失等。
一旦发现异常情况，机器人可以根据预先设定的规则或通过与操作人员的通信，采取相应的措施，如发送报警信息、自动修复故障等。
二、智能巡检机器人的应用场景：1. 工业生产线巡检：智能巡检机器人可以在工业生产线上进行巡视和检查，监测设备运行状况、产品质量以及生产线的安全情况。
这样可以提高生产线的效率和安全性，减少人力成本和生产风险。
2. 建筑物安全巡检：智能巡检机器人可以在建筑物内部巡视和检查，监测电气设备等重要设施的运行状况，及时发现故障并报警。
它还可以检查建筑物内部的安全隐患，如消防设施是否齐全、是否存在安全隐患等。
3. 仓库和物流巡检：智能巡检机器人可以在仓库和物流中心进行巡视和检查，监测货物的储存和运输情况，识别货物的标识信息，并检查仓库内部的安全情况，如消防设备是否齐全、堆垛机是否正常工作等。
基于视觉的室内移动机器人精确定位方法
ｌ ｎ ｍａ ｋ ｉ ａ ｅ ｉ ｃ ｎ ｉｍｅ ． Ｔｈ ｏ ｉｉ ｎ ａ ｄ ｔ ｅ ｄ ｒ ｃ ｉ ｎ ｏ ｈ ｂ ｌ ｒ ｂ ｔａ ｅ ｃ ｌｕ ａ ｅ ａ ｄ ｒ ｍ ｇ ｓ ｏ ｆ ｒ ｄ ｅ ｐ ｓｔｏ ｎ ｈ ｉｅ ｔｏ ｆｔ ｅ ｍｏ ｉ ｏ ｏ ｒ ａ ｃ ｌ ｔ ｄ ｅ
摘 要 ： 出 了 一种 用混 合 编 码 路 标 的 方 法 对移 动机 器人 精 确 定 位 。 据 路 标 像 与像 面 上 平 均 能 量之 间 的 关 系 ， 提 根 选
取 出合 适 的 动 态阚 值 ， 大 多数 环 境 中能 从 天 花 板 像 中提 取 出路 标像 ； 特 殊 情 况 下 ， 在 在 阈值 自动调 整 。 采 用 竖 直
ｏ ｈｅ ｂ ｓｓ ｏ ｈ ｅ ｒ ｆｇ ａ ｔ ｎｄ ｃ ｄｉ ｎｆ ｒ ｔｏ ｆｔ ｅ ｌ ｎ ｎ ｔ ａ ｉ ｆｔ ｅ ｃ ｎｔｅ ｏ ｒ ｖｉｙ ａ ｏ ｎｇ ｉ ｏ ｍａ ｉ ｎ ｏ ｈ ａ ｄｍａ ｋ ｉ ｇ ｒ ｍａ ｅ．Ｅｘｐ ｒｍｅ ｅ ｉ ｎ—
ａ ｒ ｐｒａ ｅ ｄ ａ ｉ ｈｒ ｓ ｏ ｄ ｉ ｅｅ ｔ ｄ ｔ ｉｋ ｕｐ ａ ｌ ｎ ｐｐ ｏ ｉ ｔ ｙｎ ｍ ｃ ｔ ｅ ｈ ｌ ｓ ｓ ｌ ｃ ｅ ｏ ｐ ｃ ａ ｄｍａ ｋ ｉ ａ ｒ ｍ ｅ ｌｎ ｍ ａ ｎ ｒ ｍ ｇｅ ｆ ｏ ａ ｃ ｉｉ ｇ ｉ ｇｅ ｉ
维普资讯
第 ２卷 第 ２ ２ 期 ２０ ０ ７年 ６月
数
据
采
集
与
处
理
Ｖｏ ． ２ Ｎｏ ２ １２ ．
Ｊ ｕ ｎ ｌｏ ｔ ｑ ｉｉ ｏ Ｌ ｏ ｅｓｎ ｏ ｒ ａ ｆＤａ ａＡｃ ｕｓｔ ｎ ８ ｃ ｓｉｇ ｉ Ｐｒ
移动机器人运动控制系统设计的开题报告
移动机器人运动控制系统设计的开题报告一、选题背景及意义近年来，移动机器人得到了越来越广泛的应用，从智能巡检、物流配送到医疗护理等领域，移动机器人可以自主地完成一定的任务。
其中，移动机器人运动控制系统是保证其正常运行和高效完成任务的核心部分之一。
因此，移动机器人运动控制系统的设计及研究具有重要的现实意义和应用价值。
本文将针对移动机器人运动控制系统的设计，围绕以下几个方面进行研究：1.针对现有的移动机器人运动控制系统存在的问题，总结其优缺点，提出新的解决方案；2.设计一种基于视觉传感的移动机器人运动控制系统，利用视觉传感器实现机器人的定位和路径规划，提高机器人的运动精度和路径规划效率；3.探究移动机器人的运动学和动力学模型，分析机器人运动的各种因素，建立机器人运动控制系统的数学模型，并进行仿真验证，验证系统的可行性和效果。
二、研究内容1.现有移动机器人运动控制系统问题的总结和分析。
2.基于视觉传感的移动机器人运动控制系统设计，实现机器人定位和路径规划，提高机器人运动精度和路径规划效率。
3.探究移动机器人的运动学和动力学模型，建立机器人运动控制系统的数学模型，进行仿真验证。
4.对系统进行实验验证，分析系统的性能指标和应用效果，完善和改进系统设计。
三、预期成果1.对现有移动机器人运动控制系统的问题进行总结和分析，提出新的解决方案。
2.基于视觉传感的移动机器人运动控制系统的设计与实现，提高机器人运动精度和路径规划效率。
3.建立移动机器人的运动学和动力学模型，掌握机器人运动控制的基本理论。
4.对系统进行仿真验证，验证系统的可行性和效果。
5.对系统进行实验验证，分析系统的性能指标和应用效果，完善和改进系统设计。
四、研究方法和技术路线1.文献研究法：查找和阅读与移动机器人运动控制系统相关的文献资料，对现有系统的缺陷和不足进行总结和分析。
2.方案设计法：设计基于视觉传感的移动机器人运动控制系统，实现机器人定位和路径规划，提高机器人运动精度和路径规划效率。
基于机器视觉的工业机器人视觉定位及路径规划
基于机器视觉的工业机器人视觉定位及路径规划机器视觉技术在工业领域的应用越来越广泛，尤其是在工业机器人的视觉定位和路径规划中起到了关键作用。
本文将从机器视觉的基本原理出发，探讨基于机器视觉的工业机器人视觉定位及路径规划的关键技术和应用场景。
一、机器视觉的基本原理机器视觉是模仿人类视觉系统的一种技术，通过摄像头、图像处理算法和智能控制系统实现对物体的识别、定位和测量。
其基本原理是通过感光传感器将光线转化为电信号，经过图像处理算法进行特征提取和模式识别，最终实现对物体的定位和测量。
二、视觉定位的关键技术1. 特征提取和匹配：机器视觉系统需要提取出物体的特征点，并通过特征点的匹配来进行定位。
常用的特征点包括边缘、角点、斑点等，通过匹配这些特征点的位置和描述子，可以得到物体在图像中的位置和姿态信息。
2. 相机标定：相机标定是一项重要的前期工作，通过确定相机的内外参数，可以消除图像失真和畸变，提高定位的精度。
3. 姿态估计：根据物体的特征点，可以估计出物体的姿态，包括平移和旋转变换，进而确定物体在三维空间中的位置。
4. 运动估计：利用多帧图像的信息，可以估计物体的运动轨迹，从而实现对物体的跟踪和定位。
三、路径规划的关键技术1. 场景建模：通过对工作环境进行三维重构和场景建模，可以获取到工作空间中各个物体的几何形状和位置信息，为路径规划提供基础数据。
2. 障碍物检测与避障：通过机器视觉技术对工作环境进行实时监测和分析，可以检测到目标物体以外的障碍物，并通过路径规划算法避开这些障碍物，保证机器人的安全运行。
3. 路径优化和规划：根据工作任务的需求和机器人的运动能力，通过路径规划算法生成机器人的运动轨迹，使得机器人能够高效、准确地到达目标位置。
4. 运动控制：通过控制机械臂和底盘的运动，使机器人按照规划的路径进行移动，实现对工作任务的自动化完成。
四、基于机器视觉的工业机器人视觉定位及路径规划的应用场景1. 零件定位与装配：通过机器视觉系统对零件进行定位和识别，可以实现对零件的自动装配和拼装，提高生产效率和产品质量。
基于单目视觉的移动机器人SLAM问题的研究共3篇
基于单目视觉的移动机器人SLAM问题的研究共3篇基于单目视觉的移动机器人SLAM问题的研究1近年来，随着移动机器人的普及和应用范围的拓展，SLAM问题逐渐成为智能机器人领域研究的热点之一。
其中，基于单目视觉的移动机器人SLAM问题在实际应用中具有广泛的应用价值和发展前景。
基于单目视觉的移动机器人SLAM问题是指通过移动机器人的单目摄像头获取场景信息，并将其转化为机器人自身的位姿和场景信息，以实现对未知环境的建图和定位。
相比于传统的激光、视觉双目或多目视觉SLAM方法，单目视觉具有成本低、易于集成、信息获取范围广等优势。
因此，其研究具有极为重要的意义。
在基于单目视觉的移动机器人SLAM问题的研究中，主要包括以下几个方面的内容。
一、摄像头标定在基于单目视觉的移动机器人SLAM问题中，摄像头标定是必不可少的步骤。
通过对摄像头的本质矩阵、畸变系数等参数进行标定，可以精确地计算出摄像头的真实参数，以保证后续场景信息提取和位姿计算的准确性。
二、特征提取与匹配在单目视觉SLAM中，为了准确提取场景信息，需要对场景中的特征点进行提取。
目前常用的特征点提取方法包括SIFT、SURF、ORB等。
提取到的特征点可用于匹配图像、计算位姿等，从而实现多帧图像之间的场景恢复。
三、位姿计算位姿计算是基于单目视觉的移动机器人SLAM问题中的核心环节。
在该过程中，需要结合相邻帧之间的位置信息，使用迭代最近点（ICP）算法等进行位姿计算，并将计算结果传递给后续流程。
四、地图构建在基于单目视觉的移动机器人SLAM问题中，地图构建是将抽象的位姿、特征点等信息融合到一个实际的环境中的过程。
在此过程中，需要根据机器人经过的路径和位姿计算结果，以及提取出的场景特征点，构建出一个实际的地图，并将其传递到下一步操作中。
基于单目视觉的移动机器人SLAM问题的研究现状不断发展，已经形成了比较完善的技术体系。
其中，基于深度学习的方法已经成为研究的热点之一。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
前时刻的传感路标位置信息;
的几何解释见图 3.
⑤ 在给定的初始条件下, 对传感路标与地图路
标进行匹配 (角度匹配方法) ;
⑥ 通过给定的匹配策略, 提取出一组最为可能
的传感路标m (3Φm Φ n) ; ⑦ 利用m 个传感路标与待求点 S , 求其构成的
cm2 个圆的交域的最小二乘解, 即传感系统 s 的当前
摘 要 具有自主的全局定位能力是自主式移动机器人传感器系统的一项重要功能. 为了实现这个目的, 国内外 均在不断地研究发展各种定位传感器系统. 这里介绍了一种采用光学原理的全方位位置传感器系统. 该传感器系 统由主动式路标、视觉传感器、图象采集与数据处理系统组成. 其视觉传感器和数据处理系统可安装在移动机器人 上, 然后可通过观测路标和视角定位的方法, 计算出机器人在世界坐标系中的位置和方向. 实验证明, 该系统可以 实现机器人的在线定位, 其采样速率和精度能够满足实用要求. 关键词 机器人定位 视觉导航 路标 中图法分类号: T P242. 62 文献标识码: A 文章编号: 100628961 (2000) 0820688205
A Ba sed V is ion L oca tion System for Autonom ous Robots
DON G Za i2li, HAO Y ing2m ing, ZHU Feng
(R obotics L ab, S heny ang Institu te of A u tom a tion, Ch inese A cad em y of S ciences, S heny ang 110015)
3 定位算法
间位置关系的数学表达式, 然后通过解这个数学表
定理: 已知空间 3 个点, 则这 3 个点必构成一个
达式, 就可以计算出观测传感器在参考坐标系中的 位置和方向. 信号处理和位姿计算过程如下:
① 给定工作域中所有合作路标 (n 个) 的参考 位置 (建立参考系路标地图) ;
圆. 若已知两个点 P 1, P 2, 同时另一个点 S 与这两个 点 P 1, P 2 连线的夹角 Α也已知, 则必可求 P 1, P 2、S 的一个共圆, 且点 S 必位于由 P i 和 P i+ 1点和 S 所形 成的多个圆的交点上.
上尽可能观察到足够多的路标, 以保证采集到的路
标信息能满足位置计算和计算精度的要求. 另外, 也
可能需要有足够的路标信息进行路标的优化选择,
以保证定. 所以, 车载视觉传感器的视场是这
类定位系统的关键问题之一. 为得到较大的视场, 一
些系统利用所谓的全景传感器来实现, 如 Ish igu ro s
和 T su ji 用 4 部车载摄像机实现了全方位景象观
图 1 位置传感系统及机器人系统应用
察, 进而计算了机器人位置[4], 但该系统由于采用的 摄像机较多, 因而既增加了成本, 又影响了计算速 度. 因此M ad sen 将摄像机装在可以全方位旋转的 云台上, 然后通过应用云台的码盘读取旋转角度的 方法来确定位置[5], 但机器人在同一位置, 仍需要多 次观测; Cao 用鱼眼像机和主动路标构成了简单的 全景传感器, 因而可以在同一幅图象上看到多个路 标[6]; Yag i 和 Ga rd 则利用锥形反射镜和 CCD 摄像 机构成全景传感器, 通过识别自然路标来为机器人 定位[7, 8]. 虽然该系统的视场可以达到 360°, 但仍然 存在着较大盲区. 这类系统要求的特点是:
第 5 卷 (A 版) 第 8 期 2000 年 8 月
中国图象图形学报 Jou rna l of Im age and G rap h ics
V o l. 5 (A ) , N o. 8 A ug. 2000
一种基于视觉的移动机器人定位系统
董再励 郝颖明 朱 枫
(中国科学院沈阳自动化研究所, 中国科学院机器人学开放研究实验室, 沈阳 110015)
通过相应的路标识别与匹配技术以及快速图象处理
及算法优化, 实现了满足移动机器人在室内环境下的 位置和方向的在线实时获取, 并具有较高的定位
图 2 视觉传感器结构示意
精度.
由于采用的这种全方位传感器视场范围大, 故在
© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved.
位置和方向 (x t, y t, Ηt) ; ⑧ 用当前的位姿参数 x t, y t, Ηt 代替原有的位姿
参数, 刷新路标关系地图;
(a) 视点 S 与两路标构成一个圆
② 确定定位传感器系统 s 的起始位置和方向 (x 0, y 0, Η0) , 即位姿参数;
③ 给定路标匹配阈值 T t; ④ 启动传感器系统, 应用图象处理技术获取当
这样, 可知任意两个路标和它们与传感器连线 的夹角就对应于一个圆的方程, 当图象中的路标个 数为 N , 且 N Ε 3 时, 就可以构造N (N - 1) 2 个圆 方程. 并且视点一定在这些圆的交点上. 其数学模型
标关系, 就可以计算出机器人的绝对位置坐标.
需要将候选区域 (候选路标点) 与系统预先存储的路
2 定位过程
标地图在景物图象中的理论位置进行匹配. 并根据 候选路标在图象中的大小和位置等约束条件, 舍弃 不合理的候选路标.
该传感器系统使用的基本数学模型为视角法
(O b served A ng le Geom et ry). 这种方法是先利用已 知路标坐标和路标间的观测角来建立传感器与路标
构成的视觉传感器, 以及在此基础上实现的全方位定
位传感器系统. 本文主要讲述了该定位传感器的系统
组成及其功能, 还介绍了信号采集处理及位姿计算方
法; 同时介绍了本文设计开发的相应传感器系统结构
以及该系统采用的视角定位算法和路标优化选择方
法; 最后给出了实验结果. 实验表明, 该定位系统可以
观测传感器周围 360°范围, 并具有较大俯视角. 同时
第8期
董再励等: 一种基于视觉的移动机器人定位系统
689
标) 在世界坐标系中的位置是预先已知的. 当从捕获 的景物图象中提取出路标的图象坐标后, 则通过路 标在图象中的位置和它们在参考坐标系中的几何关
1 定位系统结构和功能
系, 就可以计算出传感器系统在参考坐标系中的绝
0 引 言
全局定位功能是自主式移动机器人 (A GV ) 的 一项重要功能. 没有这种功能, 移动机器人的任何自 主运动都是盲目的. 为此, 各种定位技术和车载传感 器系统相继涌现. 这些方法和仪器可以分为相对定 位系统和绝对定位系统两大类. 其中, 相对定位系统 依靠罗盘、里程计等可以给出移动机器人的大致位 置和方向; 而绝对定位系统如声纳、电磁导引、激光 扫描仪以及视觉传感器等则被用来给出传感器系统 在参考坐标系中的绝对位置和方向, 并可纠正相对
定位误差. 这些定位系统中, 声纳是通过测量景物与 机器人之间的距离来建立局部景物模型, 进而确定 自身位置的. 电磁导引定位多用于工业, 它利用铺在 地下或地面上的磁条构成机器人的运动路径, 来约 束机器人沿磁条行走; 激光扫描方式需要有合作目 标, 才可以实时给出传感器系统的精确位置, 该方式 的主要问题在于要求具有旋转机构和可能对人的眼 睛有伤害的激光发射器, 而视觉方法是近年来发展 起来的一种先进定位方法, 它是通过摄像机摄取周 围景物的图象, 然后利用景物中一些自然的或者是 人造的特征 (路标) 来实现位置确定.
Abstract A n au tonom ou s loca tion2track ing ab ility is a m a jo r p erfo rm ance fo r loca ting sen so r system s to naviga te an au tonom ou s m ob ile robo t. T h is p ap er p resen ts a vision2ba sed om n idirectiona l loca tion sen so r system w e have develop ed in ou r lab. It is com po sed of active landm a rk s, a vision sen so r, an im age and da ta p rocessing device. T he w ho le sen so r system can be m oun ted on a m ob ile robo t. M eanw h ile, the rela tive ca lcu la tion m ethods and function softw a re w ere develop ed tha t u sed to ob ta in the ab so lu te po sition and o rien ta tion of the sen so r system and veh icles in their w o rk ing p laces. T he exp erim en ts show ed th is system cou ld get its po se on line and su itab le po sition accu racy fo r track gu idance of m ob ile robo ts a s w ell. Keyword Robo t loca tion, V isua l2ba sed naviga tion, L andm a rk s
690
中国图象图形学报
第 5 卷 (A 版)
工作域内一幅图象中可先通过合理的路标分布, 来获 量的影响, 因而提高了灰度图象中路标与背景的反
取足够数量的路标成象, 以满足视角定位法的计算求 差, 以便于直接用阈值方法检出候选路标. 图象处理