首页 / 专利库 / 转向和车轮定位 / 转向角度 / 基于视觉特征点的转向角度控制方法

基于视觉特征点的转向度控制方法

阅读:165发布:2020-05-13

专利汇可以提供基于视觉特征点的转向度控制方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于视觉特征点的 转向 角 度 控制方法,包括智能 机器人 等装置:智能机器人的摄像头将实时采集的图像信息传输到 微处理器 ,微处理器通过内置转向角度计算方法对机器人进行转向角度的计算;基于视觉特征点的转向角度控制方法包括以下步骤:①设定转向角度 阈值 ;②根据SURF 算法 获取特征点;③将特征点进行匹配,获取匹配特征点;④求取匹配特征点之间 水 平移动的距离;⑤计算转向角度,将计算的角度与转向角度阈值比较,若达到阈值范围,就停止转向,若还没达到阈值,就进行下一步骤;⑥提取新的图像,重复步骤③至步骤⑤;⑦将每次计算的角度值相互累加,再与转向角度阈值进行比较。,下面是基于视觉特征点的转向度控制方法专利的具体信息内容。

1.一种基于视觉特征点的转向度控制方法,包括智能机器人(1),所述的智能机器人(1)内部设置进行集中控制的微处理器(2),所述的智能机器人前端设置进行图像采集的摄像头(3);所述的微处理器(2)分别与摄像头(3)和智能机器人(1)的运动控制系统信号连接;其特征是:所述摄像头(3)将实时采集的图像信息传输到微处理器(2),所述微处理器(2)通过内置转向角度计算方法对机器人进行转向角度的计算;
所述的基于视觉特征点的转向角度控制方法包括以下步骤:
①根据需要设定一个转向角度阈值
②采集连续两图像,并根据SURF算法对两帧图像进行特征点检测,获取两帧图像的特征点;
③选择两帧图像的特征点进行匹配,获取匹配特征点;
④绘制匹配特征点,并且求取匹配特征点之间平移动的距离;
⑤利用转向角度计算公式计算转向角度,将计算的角度与转向角度阈值比较,若达到阈值范围,就停止转向,若还没达到阈值,就进行下一步骤;
⑥提取下一帧图像与前一帧图像,并重复步骤③至步骤⑤的过程;
⑦将步骤⑥中每次计算的角度值相互累加后,再与转向角度阈值进行比较,若达到阈值范围,就停止转向,若还没达到阈值,转到步骤⑥,直到角度相加的值达到事先设定的阈值。
2.根据权利要求1所述的基于视觉特征点的转向角度控制方法,其特征是:在步骤①中,所述的转向角度阈值根据不同智能机器人的工作需要进行设定。
3.根据权利要求1所述的基于视觉特征点的转向角度控制方法,其特征是:在步骤②中,所述的SURF算法通过如下步骤实现:
首先、选择连续两帧图像内不同大小的盒子型滤波器建立图像的尺度空间;
其次、使用Hession矩阵检测出各层图像上的极值点;
最后、对与极值点相相邻的26个像素点进行比较,获取极大值点和极小值点,并对极大值点和极小值点精确定位后获取稳定的特征点。
4.根据权利要求3所述的基于视觉特征点的转向角度控制方法,其特征是:26个像素点为极值点同层相邻的8个像素点、极值点上层的9个像素点以及极值点下层的9个像素点。
5.根据权利要求1所述的基于视觉特征点的转向角度控制方法,其特征是:在步骤③中,匹配特征点的选择步骤如下:
首先、选取两帧图像中心区域的特征点进行欧氏距离计算;
其次、选择其中一帧图像中的一个特征点,计算该特征点到另一帧图像中心区域所有特征点之间的欧氏距离,当该特征点的最近欧氏距离和次近距离小于0.6时,确定该特征点为匹配特征点;
最后、确定中心区域中所有的匹配特征点。
6.根据权利要求5所述的基于视觉特征点的转向角度控制方法,其特征是:在步骤④中,将步骤③的匹配特征点所求的欧氏距离从小到大排序;
取距离的中位数作为图像水平移动的距离,即匹配特征点视角在横坐标x上的移动偏差dx。
7.根据权利要求6所述的基于视觉特征点的转向角度控制方法,其特征是:在步骤⑤中,通过线性算法公式 进行角度检测;
式中,dx为步骤④中特征点视角在横坐标X上的移动偏差,W为采集图像的显示宽度,为摄像头镜头的视野宽度,η为修正系数。
8.根据权利要求1所述的基于视觉特征点的转向角度控制方法,其特征是:在步骤⑥中,当转向角度还未达到步骤①设定的转向角度阈值时,再提取下一帧的图像,对下一帧图像进行特征点的提取,并将下一帧图像与其上一帧图像进行匹配特征点的提取,再进行匹配特征点水平移动距离的计算,最后再计算这两帧图像的转向角度。
9.根据权利要求1所述的基于视觉特征点的转向角度控制方法,其特征是:在步骤⑦中,将每次计算的转向角度相加,再与转向角度阈值进行比较,若达到阈值范围,智能机器人就停止转向,若还没达到阈值,智能机器人继续转向,直到转向角度达到事先设定的阈值。

说明书全文

基于视觉特征点的转向度控制方法

技术领域

[0001] 本发明涉及图像处理领域与自动设备领域,尤其是一种能够根据环境图像信息、基于视觉特征点的转向角度控制的自动行走设备。

背景技术

[0002] 随着计算机技术和人工智能技术的不断进步,类似于智能机器人的自动行走设备已经开始慢慢的走进人们的生活。
[0003] 现有的智能机器人,仅依靠先验知识、自绘电子地图以及传感器进行行走避障,其简单的转弯和避障动作,缺乏自我的运动状态检测能,存在一定的险性,容易被困死区,很难适应于各种复杂的环境。复杂的环境需要更加智能的动作加以配合,因而转向控制和角度反馈变得尤为重要。如果不进行角度信息反馈,其开环的运动,容易产生偏差。传统的光电编码器由于在运动时容易打滑存在一定误差,而电子罗盘由于机器人本生电机磁场和周围地磁线的干扰不能工作。
[0004] 基于视觉特征点的转弯角度控制方法,利用反馈的转向角度信息对智能机器人的转向角度进行纠正,使其能够更加准确的控制路径规划、避障时转向的角度。

发明内容

[0005] 本发明要解决的技术问题是提供一种基于视觉特征点的转向角度控制方法。
[0006] 为了解决上述技术问题,本发明提供一种基于视觉特征点的转向角度控制方法,包括智能机器人,所述的智能机器人内部设置进行集中控制的微处理器,所述的智能机器人前端设置进行图像采集的摄像头;所述的微处理器分别与摄像头和智能机器人的运动控制系统信号连接;所述摄像头将实时采集的图像信息传输到微处理器,所述微处理器通过内置转向角度计算方法对机器人进行转向角度的计算;所述的基于视觉特征点的转向角度控制方法包括以下步骤:①根据需要设定一个转向角度阈值;②采集连续两图像,并根据SURF算法对两帧图像进行特征点检测,获取两帧图像的特征点;③选择两帧图像的特征点进行匹配,获取匹配特征点;④绘制匹配特征点,并且求取匹配特征点之间平移动的距离;⑤利用转向角度计算公式计算转向角度,将计算的角度与转向角度阈值比较,若达到阈值范围,就停止转向,若还没达到阈值,就进行下一步骤;⑥提取下一帧图像与前一帧图像,并重复步骤③至步骤⑤的过程;⑦将步骤⑥中每次计算的角度值相互累加后,再与转向角度阈值进行比较,若达到阈值范围,就停止转向,若还没达到阈值,转到步骤⑥,直到角度相加的值达到事先设定的阈值。
[0007] 作为对本发明所述的基于视觉特征点的转向角度控制方法的改进:在步骤①中,所述的转向角度阈值根据不同智能机器人的工作需要进行设定。
[0008] 作为对本发明所述的基于视觉特征点的转向角度控制方法的进一步改进:在步骤②中,所述的SURF算法通过如下步骤实现:首先、选择连续两帧图像内不同大小的盒子型滤波器建立图像的尺度空间;其次、使用Hession矩阵检测出各层图像上的极值点;最后、对与极值点相相邻的26个像素点进行比较,获取极大值点和极小值点,并对极大值点和极小值点精确定位后获取稳定的特征点。
[0009] 作为对本发明所述的基于视觉特征点的转向角度控制方法的进一步改进:26个像素点为极值点同层相邻的8个像素点、极值点上层的9个像素点以及极值点下层的9个像素点。
[0010] 作为对本发明所述的基于视觉特征点的转向角度控制方法的进一步改进:在步骤③中,匹配特征点的选择步骤如下:首先、选取两帧图像中心区域的特征点进行欧氏距离计算;其次、选择其中一帧图像中的一个特征点,计算该特征点到另一帧图像中心区域所有特征点之间的欧氏距离,当该特征点的最近欧氏距离和次近距离小于0.6时,确定该点为匹配特征点;最后、确定中心区域中所有的匹配特征点。
[0011] 作为对本发明所述的基于视觉特征点的转向角度控制方法的进一步改进:在步骤④中,将步骤③的匹配特征点所求的最小欧氏距离从小到大排序;取距离的中位数作为图像水平移动的距离,即匹配特征点视角在横坐标x上的移动偏差dx。
[0012] 作为对本发明所述的基于视觉特征点的转向角度控制方法的进一步改进:在步骤⑤中,通过线性算法公式 进行角度检测;式中,dx为步骤④中特征点视角在横坐标X上的移动偏差,W为采集图像的显示宽度, 为摄像头镜头的视野宽度,η为修正系数。
[0013] 作为对本发明所述的基于视觉特征点的转向角度控制方法的进一步改进:在步骤⑥中,当转向角度还未达到步骤①设定的转向角度阈值时,再提取下一帧的图像,对下一帧图像进行特征点的提取,并将下一帧图像与其上一帧图像进行匹配特征点的提取,再进行匹配特征点水平移动距离的计算,最后再计算这两帧图像的转向角度。
[0014] 作为对本发明所述的基于视觉特征点的转向角度控制方法的进一步改进:在步骤⑦中,将每次计算的转向角度相加,再与转向角度阈值进行比较,若达到阈值范围,智能机器人就停止转向,若还没达到阈值,智能机器人继续转向,直到转向角度达到事先设定的阈值。
[0015] 本发明的基于视觉特征点的转向角度控制方法中,不断的利用图像信息进行转向角度的计算与反馈,直到转向角度到达设定的阈值。再一个,由于本发明中的基于视觉特征点的转向角度控制方法能较好的控制智能机器人的转向角度,可以将该算法用于实际智能机器人上,用来控制机器人转向,使得智能机器人完成各种预设定动作并利用反馈转向角度信息进行纠正,使其能够更加智能的完成路径规划、避障等工作。附图说明
[0016] 下面结合附图对本发明的具体实施方式作进一步详细说明。
[0017] 图1是智能机器人的结构示意图。
[0018] 图2是视觉特征点的转向角度控制方法的流程图

具体实施方式

[0019] 实施例1、图1~图2给出了一种基于视觉特征点的转向角度控制方法,包括智能机器人1、单片机2以及摄像头3;智能机器人1的内部设置单片机2,智能机器人1的前端设置摄像头3;单片机2分别与摄像头3和智能机器人1的运动控制系统信号连接;在使用的过程中,通过摄像头3实时采集智能机器人1周围环境的图像信息,并将采集到的图像信息传输给机器人内部的单片机2;单片机2通过内置的基于视觉特征点的转向角度计算方法对最新获取的图像信息进行角度的计算及反馈,再通过单片机2经运动控制系统进行智能机器人1的转向控制。
[0020] 本发明的基于视觉特征点的转向角度控制方法的主要实现步骤包括为转向角度阈值设定、图像的采集、图像数据处理及转向角度的控制,具体如下:
[0021] 一、转向角度阈值设定:
[0022] 1、当智能机器人在进行转弯或避障动作时,需要进行一定角度的转向,设定该转向角度的阈值为θ,不同的智能机器人根据其体型大小等因素可以设定一个不同转向角度阈值θ,使其能够更加智能的完成路径规划、避障等工作。
[0023] 二、图像的采集:
[0024] 2、摄像头3实时采集智能机器人1周围环境(主要是指机器人的正前方)的图像信息,并将图像信息实时的传输到单片机2;单片机2提取每一帧的图像进行转换角度的计算;
[0025] 三、图像数据处理:
[0026] 3、特征点检测:
[0027] 采集连续的两帧图像(如前一帧为图像Ⅰ,后一帧为图像Ⅱ),并根据SURF算法对两帧图像进行特征点检测,生成特征描述。具体步骤如下:
[0028] 选择不同大小的盒子型滤波器(box filter)快速高效的建立图像的尺度空间,再使用快速的Hession矩阵检测出各层图像上的极值点。尺度为σ的图像在某一点处的Hession矩阵为
[0029]
[0030] 其中Lxx、Lxy、Lyy为卷积操作,以Lxx(X,σ)为例,其是高斯滤波二阶导数与图像卷积的结果,Gauss(σ)则为高斯函数。用方框状滤波器的图像卷积Dxx、Dxy、Dyy代替Lxx、Lxy、Lyy,则Hession的矩阵行列式简化为
[0031] det(H)=DxxDyy-(ωDxy)2  (2)
[0032] 其中ω为权重系数, s为模板尺寸,当s=9时,模板大小为9×9。
[0033] 对极值点同层相邻8个像素点以及上下层的各9个像素点,共26个像素点进行比较,从而获取极大值点和极小值点,精确定位后可以获取稳定的特征点(SURF特征点)。
[0034] 以特征点(SURF特征点)为圆心,计算半径为6σ圆形邻域内的点在x、y方向的Harr小波响应,按距离赋予特征点(SURF特征点)不同高斯权重系数,进行加权统计,并按π/3角度扇形滑动窗口求和Harr小波响应产生一个新的矢量,选择最长的矢量的方向作为特征点(SURF特征点)的主方向。
[0035] 以特征点(SURF特征点)为中心将坐标轴旋转到主方向,按主方向选取20σ×20σ的正方形窗口区域,并将该窗口区域划分为4×4个子区域,同时计算每个子区域内的Harr小波在x、y方向的响应dx、dy,对其求和得到:
[0036] V=[∑dx,∑dy,∑|dx|,∑|dy|]  (3)
[0037] 其为一个四维向量,这样每个特征点(SURF特征点)将拥有4×4×4=64维的描述向量,作为其特征点(SURF特征点)的描述算子。
[0038] 4、获取匹配特征点:
[0039] 将每帧图像平均分成3*3为标准的9个区域,每帧图像最中间的区域为中心区域,选取两帧(连续的两帧)图像中心区域的特征点进行欧氏距离计算。选择其中一帧图像中的一个特征点(SURF特征点),计算该特征点(SURF特征点)到另一帧图像中心区域所有特征点(SURF特征点)之间的欧氏距离,当该特征点(SURF特征点)的最小欧氏距离和次近距离小于0.6时,确定该点为匹配特征点。
[0040] 按照上述方法,确定中心区域中所有的匹配特征点。若所有特征点(SURF特征点)都无法满足匹配条件,则提取下一帧图像(两帧图像中后一帧的下一帧图像,如两帧图像依次为前一帧为图像Ⅱ和后一帧为图像Ⅲ,那该下一帧图像为图像Ⅳ)并进行特征点(SURF特征点)计算,将几帧图像(如以上所述的三帧图像)在时间上最早的图像与最末的图像进行中心区域的特征点匹配,直到找到匹配特征点为止。
[0041] 5、匹配特征点水平移动距离:
[0042] 智能机器人在转向过程中,由于实际距离变化,从而使得特征点(SURF特征点)在平面图像上近似在水平线上运动。将匹配特征点所求的最小欧氏距离从小到大排序,取距离的中位数作为图像水平移动的距离,即特征点视角在横坐标x上的移动偏差dx。
[0043] 四、转向角度的控制
[0044] 6、转向角度的计算:
[0045] 根据转向角度计算公式 进行转向角度计算,式中dx为特征点视角在横坐标x上的移动偏差,W为采集图像的显示宽度,为摄像头镜头的视野宽度,η为修正系数,η根据不同的摄像头设定。将α与设定的转向角度阈值θ进行比较,当α达到阈值θ时,则智能机器人完成转向。当α未达到阈值θ时,则进行下一步的计算。
[0046] 7、当智能机器人的转向角度还未达到设定的阈值θ时,再提取下一帧(前面两帧图像后面一帧的下一帧,如两帧图像依次为前一帧为图像Ⅱ和后一帧为图像Ⅲ,那该下一帧图像为图像Ⅳ)的图像,对下一帧图像进行特征点(SURF特征点)的提取,并将下一帧图像与其上一帧图像进行匹配特征点的提取,再进行匹配特征点水平移动距离的计算,最后再计算这两帧的转向角度。
[0047] 8、将步骤7中每次计算的转向角度累加,再与转向角度阈值θ进行比较,若达到阈值范围,智能机器人就停止转向,若还没达到阈值,智能机器人继续转向,直到转向角度达到事先设定的阈值。
[0048] 以上所述中,根据视觉特征点的转向角度控制方法可以直接利用摄像头3传人的实时图像对机器人的转向角度进行计算与反馈,根据反馈的结果,单片机2通过运动控制系统直接控制智能机器人1的转向,使其达到预先设定的转向角度。
[0049] 最后,还需要注意的是,以上列举的仅是本发明的一个具体实施例。显然,本发明不限于以上实施例,还可以有许多变形。本领域的普通技术人员能从本发明公开的内容直接导出或联想到的所有变形,均应认为是本发明的保护范围。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈