本發(fā)明涉及一種指定目標(biāo)的空間姿態(tài)參數(shù)測量方法及其應(yīng)用，屬于空間物體的位姿測量
技術(shù)領(lǐng)域：
。
背景技術(shù)：
：現(xiàn)有的基于視覺的目標(biāo)空間姿態(tài)檢測方法中，大多需要預(yù)先利用其它技術(shù)手段獲取一項或者幾項目標(biāo)位姿參數(shù)，在此基礎(chǔ)上再利用視覺檢測獲得其它參數(shù)。例如，預(yù)先知道攝像機到目標(biāo)平面的高度，或攝像機平面與目標(biāo)平面之間的夾角等，但這些限制條件大大縮小了測量方法的使用范圍。尤其是需要多臺攝像機協(xié)同工作時，龐大的數(shù)據(jù)量和較小的拍攝范圍則會限制此類技術(shù)的推廣。技術(shù)實現(xiàn)要素：本發(fā)明所要解決的技術(shù)問題在于針對現(xiàn)有技術(shù)的不足，提供一種指定目標(biāo)的空間姿態(tài)參數(shù)測量方法及其應(yīng)用，依據(jù)目標(biāo)的幾何尺寸和成像尺寸確定目標(biāo)的空間姿態(tài)參數(shù)，操作方便且準(zhǔn)確可靠。本發(fā)明所要解決的技術(shù)問題是通過如下技術(shù)方案實現(xiàn)的：一種指定目標(biāo)的空間姿態(tài)參數(shù)測量方法，包括如下步驟：步驟100：對攝像機進(jìn)行標(biāo)定，獲取攝像機的內(nèi)部參數(shù)；采集得到指定目標(biāo)的圖像；所述指定目標(biāo)由置于周圍環(huán)境中的圓和直線段組成，圓、直線段和周圍環(huán)境均為單一顏色且各不相同，圓的直徑已知；步驟200：通過對指定目標(biāo)的圖像進(jìn)行二值化處理和區(qū)域標(biāo)識，分別得到圓區(qū)域和直線段區(qū)域的圖像；步驟300：計算指定目標(biāo)的圖像中的橢圓參數(shù)和直線段傾角，其中橢圓參數(shù)包括：橢圓的中心坐標(biāo)、橢圓長軸的長度、橢圓短軸的長 度和橢圓長軸傾角；步驟400：通過攝像機內(nèi)部參數(shù)以及指定目標(biāo)與指定目標(biāo)的圖像之間的幾何關(guān)系計算獲得指定目標(biāo)的空間姿態(tài)參數(shù)，包括：在攝像機坐標(biāo)系中，指定目標(biāo)中圓心的三維坐標(biāo)、指定目標(biāo)的方位角以及攝像機到指定目標(biāo)平面的高度。為了便于標(biāo)定，所述步驟100中的攝像機的標(biāo)定方法為張正友平面法。具體來說，所述步驟300中通過慣量橢圓法計算得到橢圓參數(shù)和直線段傾角。本發(fā)明還提供一種如上所述的指定目標(biāo)的空間姿態(tài)參數(shù)測量方法的應(yīng)用，該應(yīng)用包括如下：步驟1000：將指定目標(biāo)粘貼在機器人表面；步驟2000：攝像機安裝在機械臂上，根據(jù)上述的方法確定的指定目標(biāo)的空間姿態(tài)參數(shù)，控制機械臂運動到適當(dāng)位置以便抓取機器人。具體來說，所述步驟1000中指定目標(biāo)貼在機器人的上表面。所述的機器人包括地面處理機器人、擦窗機器人或壁面處理機器人。綜上所述，本發(fā)明無需利用其它技術(shù)手段，在指定目標(biāo)和攝像機均在隨機位置的情況下，只要目標(biāo)完全處于攝像機視野內(nèi)，便可依據(jù)目標(biāo)的幾何尺寸和成像尺寸確定目標(biāo)的空間姿態(tài)參數(shù)，操作方便且準(zhǔn)確可靠。下面結(jié)合附圖和具體實施例，對本發(fā)明的技術(shù)方案進(jìn)行詳細(xì)地說明。附圖說明圖1為本發(fā)明指定目標(biāo)的示意圖形；圖2為本發(fā)明的坐標(biāo)系對應(yīng)關(guān)系示意圖；圖3為本發(fā)明的成像示意圖；圖4為本發(fā)明的拍攝示意圖。具體實施方式本發(fā)明提供一種指定目標(biāo)的空間姿態(tài)參數(shù)測量方法，最終得到的結(jié)果包括：在攝像機坐標(biāo)系中，指定目標(biāo)中圓心的三維坐標(biāo)、指定目標(biāo)的方位角以及攝像機到指定目標(biāo)平面的高度。圖1為本發(fā)明指定目標(biāo)的示意圖形。如圖1所示，為方便參數(shù)的計算，指定目標(biāo)由一個單一顏色的圓10和一個單一顏色的直線段20組成，為了便于區(qū)分，其中圓10、直線段20和周圍環(huán)境30的顏色需要各不相同，這里對顏色本身沒有特殊要求，只須三者的顏色不同，以便于區(qū)分即可。在三種形狀中，只有圓10的尺寸參數(shù)，即：圓的直徑為已知數(shù)。本發(fā)明利用單個攝像機拍攝指定目標(biāo)獲得目標(biāo)圖像，通過攝像機內(nèi)部參數(shù)以及指定目標(biāo)和指定目標(biāo)圖像之間的幾何關(guān)系，便可計算出在攝像機坐標(biāo)系中，指定目標(biāo)的空間姿態(tài)參數(shù)。獲得這些空間姿態(tài)參數(shù)之后，便可以通過程序控制對貼有該指定目標(biāo)的機器進(jìn)行抓取。圖2為本發(fā)明的坐標(biāo)系對應(yīng)關(guān)系示意圖；圖3為本發(fā)明的成像示意圖；圖4為本發(fā)明的拍攝示意圖。以下結(jié)合圖1至圖4，對本發(fā)明的具體步驟進(jìn)行如下詳細(xì)說明：步驟100：利用張正友平面法(具體步驟參見：Zhangzhengyou.“Aflexiblenewtechniqueforcameracalibration.”MSTechnicalReport.Dec.21998)的方法對攝像機進(jìn)行標(biāo)定，獲取攝像機的內(nèi)部參數(shù)，包括：鏡頭焦距f、光心的圖像O’坐標(biāo)(xo',yo')、矯正圖像的映射矩陣mapx,mapy，然后采集指定目標(biāo)的圖像，得到矯正后的指定目標(biāo)圖像image_src。攝像機的透鏡成像系統(tǒng)采用的是針孔成像的原理，由于透鏡畸變導(dǎo)致實際成像效果與針孔成像略有偏差；同時，在攝像機裝配過程中也會導(dǎo)致鏡頭與感光元件位置的小范圍偏移，這些誤差都會降低測量精度，通過攝像機標(biāo)定可以矯正圖像，使成像系統(tǒng)更加接近針孔模型。步驟200：通過對指定目標(biāo)圖像進(jìn)行二值化處理和區(qū)域標(biāo)識分別得到的圓區(qū)域和直線段區(qū)域的圖像。指定目標(biāo)圖像有顯著地顏色特征，在HSV空間(HSV(Hue, Saturation,Value)是根據(jù)顏色的直觀特性創(chuàng)建的一種顏色空間,也稱六角錐體模型(HexconeModel)，這個模型中顏色的參數(shù)分別是：色調(diào)(H)，飽和度(S)和亮度(V))可以輕易的實現(xiàn)二值化操作。二值化的目的是使圓和直線段分別與周圍環(huán)境區(qū)分開來，而通過區(qū)域標(biāo)識是為了剔除其他環(huán)境干擾因素，例如：通過二值化處理后，除了圓的部分顯示出光亮效果，很可能還會有其他微小的亮點，此時通過面積的判斷即可忽略這些亮點，使圓的部分被識別出來。步驟300：計算圓區(qū)域成像的各幾何參數(shù)，實際成像效果如圖3所示：指定目標(biāo)中的圓區(qū)域?qū)?yīng)為目標(biāo)圖像中的橢圓區(qū)域，通過慣量橢圓法，利用一階矩及二階中心矩可以計算出目標(biāo)圖像坐標(biāo)系中橢圓的中心C1的坐標(biāo)長軸A’B’的長度length_longAxe、短軸D’E’的長度length_shortAxe以及長軸傾角ω，上述的慣量橢圓法為現(xiàn)有算法，具體的算式包括：xc1=1a×Σ(x,y∈R)xyc1=1a×Σ(x,y∈R)ylength_longAxe=22(u2,0+u0,2+(u2,0-u0,2)2+4u1,12length_shortAxe=22(u2,0+u0,2-(u2,0-u0,2)2+4u1,12ω=-12arctan2u1,1u0,2-u2,0]]>在上式中，R為二值圖像中的橢圓區(qū)域，a為橢圓的區(qū)域面積，u1,1,u2,0,u0,2為二階中心矩。a=Σ(x,y)∈R1u2.0=1aΣ(x,y)∈R(x-xc1)2u0,2=1aΣ(x,y)∈R(y-yc1)2u1,1=1aΣ(x,y)∈R(x-xc1)(y-yc1)]]>利用慣量橢圓法計算圖像坐標(biāo)系中直線段的傾角γ'，γ′=-12arctan2v1,1v0,2-v2,0]]>其中，v1,1,v2,0,v0,2是直線段區(qū)域的二階中心矩，其算法同橢圓的二階中心矩，則攝像機坐標(biāo)系中直線傾角γ＝γ'-ω。橢圓參數(shù)的計算和直線段傾角的計算順序不分先后，也可以先計算直線段傾角γ'，再計算各橢圓參數(shù)。在實際應(yīng)用中，圖3中直線H’K’和機器人的一條橫向邊界平行，計算出直線的傾角，也就得到了機器人的偏轉(zhuǎn)角度。具體如圖3所示，γ’角是指直線H’K’在圖像坐標(biāo)系中的傾角，γ角是指在攝像機坐標(biāo)中的傾角，要計算的角度就是γ角。結(jié)合如圖2所示，XcFYc是攝像機坐標(biāo)系，XO’Y是圖像坐標(biāo)系，兩個坐標(biāo)系的Z軸相同，即：圖2中的Zc軸，圖像坐標(biāo)系XO’Y相對于攝像機坐標(biāo)系XcFYc有一個傾角ω角。因此，只需算出圖像坐標(biāo)系XO’Y中的直線H’K’的傾角γ’，即可算出H’K’在攝像機坐標(biāo)系XcFYc中的傾角γ，由于直線H’K’和機器人的一條邊界平行，算出γ也就是算出了機器人的偏轉(zhuǎn)角度。步驟400：在拍攝示意圖4中，已知參數(shù)包括|FO’|(鏡頭焦距f)、圓的直徑|AB|、|DE|及其成像的長度|A’B’|(橢圓長軸長度length_longAxe)、|D’E’|(橢圓短軸長度(length_shortAxe)、光心的像O’、橢圓中心的像C1。欲求參數(shù)包括攝像機坐標(biāo)系下的圓心坐標(biāo)C{XC,YC,ZC}，沿FJ軸的方位角α、沿l軸方位角β、沿FO軸(光軸)方位角γ以及攝像機到指定目標(biāo)平面的高度h。首先，在圖像坐標(biāo)系中，可以得到|FC1|=|FO′|2+|O′C1|2,|FC′|=|FO′|2+|O′C′|2,]]>攝像機平面與目標(biāo)平面的夾角然后，根據(jù)相似三角形可以得到可以證明||FC′′|=|AB||A′B′|×|FC′|,]]>從而可以得到|CC′′|=|FC′′||FC′|×|C′C1|,]]>以及h＝|FC”|cos∠C”FG，其中h為攝像機光心到目標(biāo)平面高度。在三角形FC”J中可以求出|C”J|＝|FC”|sin∠C”FJ,故,設(shè)圓心C在攝像機坐標(biāo)系下的坐標(biāo)為{XC,YC,ZC}，ZC＝|FC|cosθ，其中，θ=arctan|O′C1||FO′|,YC=|AB||A′B′||C′C1|,XC=|AB||A′B′||O′C′|.]]>綜上所述，得到目標(biāo)位姿參數(shù)C{XC,YC,ZC}、方位角{α,β,γ}以及高度h。圖4中，光軸FO垂直于攝像機平面，攝像機平面是指攝像機鏡頭所在的平面，成像平面與攝像機平面平行，如圖1中所示的指定目標(biāo)中的圓區(qū)域投影到成像平面上，即得到圖3中的橢圓，橢圓的長軸A’B’與圖4中的l軸平行，l軸為攝像機平面SH與目標(biāo)平面M的交線，如圖1中所示的指定目標(biāo)中的直線段在攝像機坐標(biāo)系中的偏轉(zhuǎn)角，即為直線段相對于A’B’的夾角γ，如圖3所示。CC”垂直于平面OFG，其中FG為攝像機到目標(biāo)平面的高度h，構(gòu)成攝像機坐標(biāo)的三個軸分別為FJ(X軸)，l(Y軸)，F(xiàn)O(Z軸)，由于C1和O’的坐標(biāo)已知，O’C1可計算出來，焦距FO’已知，且FO’垂直于成像平面，因而FO’C1為直角三角形，通過公式求出FC1，由于C’C1平行于AB，因而可求出角C’C1O’，而角C1C’O’為直角，可求出O’C’,從而求出FC’；再通過相似三角形等條件求得h及方位角，最后求出圓心坐標(biāo)。該方法可以應(yīng)用到機械臂抓取機器人上，這里所述的機器人包括 地面處理機器人、擦窗機器人、壁面處理機器人等，只要是在指定的平面上作業(yè)的機器人都可以應(yīng)用到操作中去，具體做法是將帶有圖1中所示的指定目標(biāo)貼在機器人的上表面，貼在機器人上表面不僅有利于攝像機采集指定目標(biāo)圖像也可方便機械臂抓取，指定目標(biāo)中的三個圖形加以顏色區(qū)分。攝像機裝在機械臂上，根據(jù)指定目標(biāo)和本發(fā)明前述的算法確定機器人所在的位置坐標(biāo)，從而控制機械臂運動到適當(dāng)位置以便抓取機器人。需要說明的是，該方法不僅限于應(yīng)用機械臂抓取目標(biāo)物體的范疇，還可應(yīng)用在其他領(lǐng)域，例如無人機對目標(biāo)物體的探測、跟蹤。綜上所述，本發(fā)明無需利用其它技術(shù)手段，在指定目標(biāo)和攝像機均在隨機位置的情況下，只要指定目標(biāo)完全處于攝像機視野內(nèi)，便可依據(jù)指定目標(biāo)的幾何尺寸和成像尺寸確定目標(biāo)的空間姿態(tài)參數(shù)，操作方便且準(zhǔn)確可靠。當(dāng)前第1頁1 2 3