[发明专利]一种居家环境下机器人对目标位姿的精化方法

权利要求书

1.一种居家环境下机器人对目标位姿的精化方法，其特征在于，包括以下步骤：

步骤1：对目标的模板数据集与实际相机获取的含有识别目标的彩色图利用特征检测算法提取纹理特征；

步骤2：对提取到的纹理特征利用匹配算法进行特征匹配，筛选过滤出一定数量的二维匹配点对；

步骤3：将二维特征点对进行三维变换；

步骤4：选择部分三维点对，并利用点云配准算法求解点对间的变换位姿；

步骤5：多次选择匹配点对，迭代求解优化变换位姿，直至满足阈值条件或达到迭代上限。

步骤6：根据居家条件，将目标位姿规范化为日常放置位姿。

2.如权利要求1所述的一种居家环境下机器人对目标位姿的精化方法，其特征在于：步骤1所述的目标模板数据集，通过使用结构化ArUco码码板获得，换用不同视角与多种类物品进行采集并抑制杂波，其包含三类信息：目标纹理的彩色图、深度图以及当前采集相机下的目标位姿。特征检测主要使用的是SIFT、ORB等环境鲁棒性较好的纹理识别算法，该物品每一个视角下的目标模板与实际图像都需要进行检测并转换为特征描述符。

3.如权利要求1所述的一种居家环境下机器人对目标位姿的精化方法，其特征在于：步骤2所述的匹配方法主要采用的是随机数KNN算法，用欧式距离来衡量特征描述符之间的相似度，找出与所有目标模板每一特征点最近的实际图像中的两个关键点。根据求解效率与精度要求，对这三点构成的两个特征描述符距离的比值设定阈值，以判断是否保留该特征点对。统计并降序排列单个目标每一模板的匹配点数，取前两个匹配点数最多的模板进行下一步计算。

4.如权利要求1所述的一种居家环境下机器人对目标位姿的精化方法，其特征在于：步骤3所述的特征点高维变换，需要利用获得的两个目标模板与实际图像的二维特征点对的像素坐标和其对应的深度值，以及相机内参数，通过相机变换关系求解得到三维匹配点对。

5.如权利要求1所述的一种居家环境下机器人对目标位姿的精化方法，其特征在于：步骤4所述的求解变换位姿所需要的每个模板上的三维匹配点对可随机选择，也可按照一定规律进行选择，但需要大于求解位姿模型所需的最小点对数，具体设置可依据求解效率与精度要求。点云配准可采用ICP算法，对选择的少量匹配点对分别进行归一化，然后构建目标函数，最后利用SVD分解方法求解每个模板所选点对的变换位姿，由于深度相机存在点云波动与空白噪声，因此所求的位姿仅为目标可能的变换位姿，需要下一步的筛选过滤。

6.如权利要求1所述的一种居家环境下机器人对目标位姿的精化方法，其特征在于：步骤5所述的迭代优化求解变换位姿主要采用的是改进RANSAC算法。根据精度要求与得到正确模型的置信概率，求解在步骤4潜在变换位姿下的两个模板的内点数目，其中，为了提升求解效率，设定内点数、最小求解点数与每个模板下的匹配点对数三者之间的关系作为终止迭代条件。同时，对迭代优化得到的两个模板内点的数量进行判定，当存在模板的内点数远大于求解点数，且接近模板的匹配点数时，选择最多匹配点的模板的求解位姿并转换到实际相机坐标系下得到目标位姿，当两个模板的内点数都较少时，将两个求解位姿都转换到实际相机坐标系下，然后计算两个位姿间绕空间定轴重合的最小旋转角，取旋转角的中值对应的位姿作为最终的目标位姿。

7.如权利要求1所述的一种居家环境下机器人对目标位姿的精化方法，其特征在于：居家环境下，物品主要放置在具有平面结构的桌面、柜子等水平面上，放置方式根据其主轴与空间z轴的夹角分为水平躺置与竖直放置。因此需要将上一步求得的目标位姿通过手眼标定转换到与空间坐标系重合的机器人基坐标系下，由于识别与标定误差，需要比较两轴夹角与设定阈值的关系，当在阈值范围内时，将目标主轴向空间z轴旋转重合，否则向平行于水平面方向变换，最后得到的为规范化的目标位姿。