[发明专利]一种居家环境下机器人对目标位姿的精化方法

说明书

本发明提出一种服务机器人对抓取目标精确估计位姿的实现方法。该实现方法包括以下步骤：首先通过结构化采集系统建立物品的精简匹配集并抑制背景杂波，然后提取目标模板与实际图像的特征并构建匹配点对，之后将二维特征点对高维变换，选择部分点对利用点云配准算法求解潜在变换位姿，最后迭代优化求解最佳变换位姿并规范化为最终的目标位姿。该方法利用了Aruco码标记、OpneCV计算机视觉库、ICP点云配准算法与RANSAC优化算法，以及居家空间结构与物品摆放规则来求解，最终减小了在复杂环境下目标位姿估计的中误差，提升了机器人的识别抓取能力。

技术领域

本发明属于机器人目标位姿估计技术领域，提出一种居家环境下机器人对目标位姿的精化方法。

背景技术

机器人对目标位姿的精确估计是实现机器人抓取与执行后续操作任务的重要环节，随着机器人传感技术提升与应用范围扩大，视觉型操作机器人逐渐走入日常生活，而对目标的识别抓取是主要技能之一。机器人在抓取操作中，首先需要视觉系统对待抓取物品精确估计位姿，然后转换为机器人抓取位姿，最后规划机械臂的运动轨迹，执行并完成抓取。

但在实际抓取流程中，由于受到复杂居家环境的影响，机器人从对识别目标的位姿估计到最后的抓取规划执行，整个过程往往存在厘米级的累计误差，故导致机器人最终抓取目标失败，应用能力受限。因此本发明提出了一种居家环境下机器人对目标位姿的精化方法，使机器人在杂乱背景与变化光照条件下对物品精确估计位姿与可靠抓取。

发明内容

本发明的目的在于实现一种居家环境下机器人对目标位姿的精化方法，依据目标的鲁棒纹理特征与居家环境先验信息精确估计其位姿，提升机器人识别抓取的可靠性。

一种居家环境下机器人对目标位姿的精化方法包括以下步骤：

换用不同视角与多种类物品，使用结构化ArUco码码板获得目标模板数据集并抑制杂波，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。使用SIFT、ORB等环境鲁棒性较好的纹理识别算法检测该物品每个视角下的目标模板与实际图像并转换为特征描述符。

采用随机数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，保留前两个匹配点数最多的模板。

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。

依据求解效率与精度要求，随机或按一定规律选择每个模板上求解位姿模型所需的最小三维匹配点对数。采用改进ICP算法，对选择的少量匹配点对分别归一化，构建目标函数，利用SVD分解方法求解每个模板所选点对的变换位姿。

根据精度要求与得到正确模型的置信概率，同时为了提升求解效率，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，迭代求解在潜在变换位姿下的两个模板的内点数目。之后对迭代优化得到的两个模板的内点数进行判定，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目标位姿。

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。

附图说明