[发明专利]位置和姿势校准方法及设备

说明书

技术领域

本发明涉及一种用于测量已知三维形状的物体的位置和姿势的技术。

背景技术

近年来，随着机器人技术的发展，机器人开始进行诸如工业产品的装配等的过去利用人工进行的复杂任务。在这类机器人使用包括手的末端执行器来保持和装配零部件时，需要测量要保持的零部件和机器人(手)之间的相对位置和姿势。

可以通过采用模型拟合来测量物体的位置和姿势，其中，在模型拟合中，使物体的三维模型与从二维图像或者距离图像检测到的特征拟合。当相对于二维图像进行模型拟合时，估计位置和姿势，以使得在基于物体的位置和姿势将三维模型投影在图像上时所获得的投影图像与所检测到的特征相匹配。当进行对于距离图像的模型拟合时，将距离图像中的各点转换成具有三维坐标的三维点群。然后估计位置和姿势，以使得在三维空间中三维模型拟合三维点群。

然而，二维图像中所检测到的特征的位置或点群的三维坐标包含误差。这类误差是由像素的量化误差、模糊、特征检测算法的精度和照相机之间的对应关系所导致的。因此进行诸如平均多个测量信息(即图像的特征和点群)所包括的测量误差的影响等的处理，以提高位置和姿势的测量精度。

在无需明确进行特征检测的情况下，通过使用亮度图像和距离图像的梯度(gradient)估计位置和姿势，可以高精度地测量物体的位置和姿势(Hiura，Yamaguchi，S ato，Ikenouchi，“Real-Time Tracking of Free-Form Objects by Range and Intensity Image Fusion”，Denshi Joho Tsushin Gakkai Ronbunshi(电子情报通信学会论文集)，Vol.J80-D-II，No.11，November 1997，pp.2904-2911)。在这一方法中，假定在物体移动时，亮度和距离平滑变化。然后基于梯度算法，根据亮度图像的亮度变化和距离图像的距离变化计算物体的姿势参数。然而，由于在二维亮度图像和三维距离图像之间尺度不同，所以难以有效组合这两个图像。因此需要进行人工调节(manual tuning)来计算姿势参数。

发明内容

本发明涉及一种能够精确测量各种物体的位置和姿势的位置和姿势校准方法。通过有效合并从二维图像所获得的测量信息和从距离图像所获得的测量信息来估计位置和姿势，实现该位置和姿势校准方法。

根据本发明的一个方面，一种位置和姿势校准方法，其用于重复校正所存储的物体的位置和姿势，所述位置和姿势校准方法包括以下步骤：输入所述物体的二维图像；从所述二维图像检测图像特征；输入所述物体的表面的三维坐标信息；计算所检测到的图像特征与在基于所存储的物体的位置和姿势将所存储的三维模型投影至所述二维图像上时所获得的投影图像的投影特征之间的第一差异；计算所述三维坐标信息的三维特征与所存储的位置和姿势时的所述三维模型的模型特征之间的第二差异；转换所述第一差异和/或所述第二差异的尺度以使得所述第一差异和所述第二差异具有同等的尺度；以及基于转换了所述第一差异和所述第二差异中的至少一个的尺度之后的所述第一差异和所述第二差异，校正所存储的位置和姿势。

通过以下参考附图对典型实施例的详细说明，本发明的其它特征和方面将显而易见。

附图说明

包含在说明书中并构成说明书的一部分的附图，示出本发明的典型实施例、特征和方面，并与说明书一起用来解释本发明的原理。

图1示出根据本发明典型实施例的位置和姿势测量设备的结构。

图2A示出根据本发明典型实施例的三维模型。

图2B示出三维模型。

图2C示出三维模型。

图2D示出三维模型。

图3是示出根据本发明第一典型实施例的位置和姿势校准处理的流程图。

图4A示出从图像的边缘检测。

图4B示出从图像的边缘检测。

图5示出根据本发明第一典型实施例的位置和姿势计算单元的结构。

图6是示出根据本发明第一典型实施例的位置和姿势计算处理的流程图。

图7示出线段的投影图像和所检测到的边缘之间的关系。

图8示出用于将图像中的误差近似为三维空间中的误差的方法。

图9是详细示出根据本发明第三典型实施例的位置和姿势校准处理的流程图。

具体实施方式

下面将参考附图详细说明本发明的各种典型实施例、特征和方面。