[发明专利]基于二维码的机器人视觉定位方法

说明书

本发明公开一种基于二维码的机器人视觉定位方法，其包括：接收输入的机器人图像，对机器人图像转为二值图像，并将二值图像进行分块，形成多个分块区域；对多个分块区域分别检测和信息提取以获得二维码；该二维码是预先在机器人的运动路径上放置的包含位姿信息的Apriltag二维码；识别得到的二维码，获得位姿信息，建立二维码坐标系与世界坐标系的相对转换关系，以标定机器人在世界坐标系中的位姿。本申请在机器人运动的路径上放置包含位姿信息的Apriltag二维码，机器人在运动时检测二维码的存在，并得到位姿信息辅助建图和定位，该方法尤其适用于环境复杂和大范围地图计算量大的场合，可实现全局的精确定位。

技术领域

本发明涉及机器视觉和数字图像处理领域，具体是一种基于二维码的机器人视觉定位方法。

背景技术

目前主流的slam算法，包含front-end和back-end两部分，结构如图1所示。现代slam算法往往将back-end问题转换为Maximum a posteriori(MAP)estimation问题，采用因子图来对变量关系建模，最后利用最优化方法得到位姿。

假设需要估计的未知变量为：χ，一般的，里面包含了机器人的轨迹位姿信息。机器人移动过程中，会得到传感器的测量数据：Z＝{z_k:k＝1,....,m}，将Z表示为χ的函数(观测方程)：

z_k＝h_k(χ_k)+ε_k， (1)

其中χ_k是χ的子集即：χ_k∈χ，h_k(·)表示测量模型，ε_k表示测量误差。

在最大后验估计中，目的是在已知Z的条件下，计算出χ的最优值χ^*。使得最大后验概率达到最大值：

其中P(Z|χ)为似然函数，P(χ)为先验概率，包含了χ的先验知识，通常取常数，在优化问题求解过程中可以不予考虑。这样将最大后验问题转换成了最大释然估计问题。

鉴于观测的独立性，可以重写(2)式为：

结合(1)和(2)，得到：

求解问题(4)可以采用逐次线性化的方法解决，例如：Gauss-Newton，Levenberg-Marquardt方法。

由于环境复杂和计算大的限制，目前在大范围地图中，无法实现全局的精确定位。现有技术需要利用front-end对测量进行建模，提供data association和初始值等功能，然而机器人配置的传感器，例如里程计在使用过程中存在累积误差，不能提供精度较高的测量数据。

由于现有计算能力，无法实时解决大规模稠密矩阵优化问题，问题(4)的解决依赖测量和pose的data association，这个工作也是耗时操作，导致快速loop closure无法实现。

发明内容

在下文中给出了关于本发明实施例的简要概述，以便提供关于本发明的某些方面的基本理解。应当理解，以下概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分，也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。

根据本申请的一个方面，提供一种基于二维码的机器人视觉定位方法，包括：

步骤1：接收输入的机器人图像，对机器人图像进行预处理，将滤波后的机器人图像转为二值图像，并将二值图像进行分块，形成多个分块区域；