[发明专利]一种基于地面砖轮廓线的机器人定位导航方法

说明书

本方法公开了一种基于地面砖缝隙识别的机器人定位导航方法，该方法提出通过检测地面砖缝隙和十字交叉点来做机器人定位和导航。先是通过lsd和Hough变换检测出画面中的直线，然后通过运动信息和直线周围颜色纹理信息检测出地面缝隙和十字交叉处。最后根据直线和十字交叉点来算出机器人的局部位置，并充分结合轮式里程计进行定位，最后使用基于地面砖线建立栅格地图，使用耕牛式覆盖算法，覆盖大范围区域。实验结果表明，该方法的定位和导航精度在10cm以内，完全适合大范围的公共场合的定位和导航。

技术领域

本发明涉及图像识别和机器人导航领域，尤其涉及一种基于通用地面砖轮廓线的线识别方法，以及机器人的定位导航方法。

背景技术

近年来，在大范围的机器人定位导航问题一直是机器人的研究热点。但在面积较大的公共场合，例如车站等人流量较大的场合，激光和一般的视觉定位导航失去了有效的作用。经实际场地发现，现在大部分的公共场合都使用了规则统一化的地面砖，如果能识别出每个地面砖之间的缝隙和缝隙交叉处，则可以保证机器人沿着地面线保持直线行走，并可判断出当前机器人相对于这块地面砖的位置，实现局部定位。

提取地面线就要用到直线提取算法，而经典的直线提取算法就是霍夫变换(Hough变换)提取。Hough变换由Paul Hough提出，它实现一种从图像空间到参数空间的映射关系，并已广泛用于直线检测和定位系统。但是它也有许多缺点，例如耗时久实时性差，容易受到噪声干扰。由于大理石的地面有着许多细小的花纹，会造成大量直线提取的噪声，所以单单Hough变换无法满足地面缝隙直线的提取。近年来，Rafael Grompone von Gioi等人又提出lsd—一种新的直线提取算法。他们先对图像进行高斯下采样，再计算每一个点的梯度值以及梯度方向，再对梯度值进行伪排序，然后根据阈值选出要进行区域生长的梯度值，最后计算出当前梯度值的矩形。虽然线段分割检测器(lsd)算法效率上快了很多，并且对误检率也有了一定控制，但是还是会检测出地面花纹的直线，如何从这么多直线中提取出需要的地面线缝隙合十字交叉点是一个值得考虑的问题。

在提取出缝隙和十字交叉点之后，如何结合机器人的运动控制，使得机器人保持直线的行走和确定自身局部位置，也是一个值得考虑的问题。

发明内容

本发明所要解决的技术问题是提供基于地面砖轮廓线的机器人定位导航方法，为此，本发明提供以下技术方案：

一种基于地面砖轮廓线的机器人定位导航方法，包括如下步骤：

首先提取地面砖的直线，在提取出至少一条直线后，即可使机器人沿着直线行走，使机器人自身保持直线行走；

当提取到两条线后，即能提取出地面砖的十字后，则可算出两条线的斜率和截距，则可根据直线相交公式提取出十字交叉点的位置；根据相机内参和外参可以计算出十字交叉点相对于相机的实际距离；

再参考相机和机器人中心的相对位置，则可以算出当前机器人距离图像中的十字交叉点的距离，假设确定机器人初始位置，并确定一块地面砖的宽和高，则每次提取出十字交叉点后都可以确定机器人相对于初始位置的相对距离，形成局部定位。

在上述技术方案的基础上，本发明还可以采用一下进一步的技术方案：

步骤一，基于线段分割检测器直线提取算法和霍夫变换提取地面砖的直线，并确定直线中的主线：

先对输入的地面图像进行灰度化处理、图像锐化处理和多级边缘检测边缘提取处理，再使用线段分割检测器直线提取算法提取出当前画面的全部直线；将这些直线全部变换到霍夫空间，寻找霍夫空间的最大值，并且判断这个最大值是否大于一个阈值，如大于，则确定为垂直方向的地面缝隙，并作为主线；

步骤二，基于机器人的运动跟踪确定地面线和十字：