基于视觉的机器人坐标系的标定(翻译).docVIP

基于视觉的机器人坐标系的标定 应用科学研究所（FGAN）Wachtberg，德国 摘要 这篇文章提供了一种对建立和维持多机器人的共同坐标的新颖的方法。摄像机系统安装在机器人顶部，应用视觉算法计算每个周围机器人的相对位置。观看每个机器人的运动比做成报道运动，这种运动是通过通讯连接的。通过这种比较计算坐标转换信息。用仿真来检测这种算法，在一个实时机器人系统上进行运动实施。提供了真实世界坐标下的初步结果。 关键词：共同坐标系，多机器人，视觉 引言 在多机器人的很多应用中，共同坐标系的存在是有利的。共享坐标系产生和存在的前提是精确的定位方法。更多的定位技术是基于全球策略，它充分利用了特殊的地标或者其他种类的有关机器人环境的先验知识。 这篇文章介绍了一种新仅限于机器人自身的共同参考坐标系的新方法。（我们把‘相对’共同参考坐标系贯穿手稿的其他部分。）因为不可能把相对共同参考坐标系映射到任何全局坐标系系统中，当然，这对于多机器人应用是无用的。但是，对于特殊问题，它是充分的，例如，在开始的移动中。 为了建立共同坐标系，至少在每组机器人配备一个摄像机进行不断拍摄周围机器人。基于这些图片，所有可视机器人相对位置可以计算出来。每当一个机器人的移动时,它周围的相机图片位置也会改变,有关观察机器人坐标系即可被计算出来。通过比较移动机器人本身这一运动，我们发现可以计算出机器人坐标系和共同坐标系的变换矩阵。这个共同坐标系可能是机器人摄像机的坐标系和任意选则的坐标系。 1.1相关工作 有些作者研究相似概念为了减少单个机器人的量距误差。Murray et al. and Braithwaite and Bhanu，例如，应用移动立体摄像机系统来追踪周围环境的显著部分。应用可测距离和旋转角度摄像机，他们能计算出当前机器人的移动轨迹。 有些方法中，把这些结果从一个单机器人系统传送到多机器人系统。有些作者附加全局信息资源，像GPS，来获得更精确的数据，而不是其他的对机器人的约束。Kurazume et al.例如，发明了一种所谓的合作定位系统（CPS），其他类似的想法见【7,8】。 由于后续的工作旨产生建立全局坐标系，所以需要精确的数据。仅有一个机器人在给定的时间段内运行，其他的机器人不动，起临时性地标的作用。Suzuki and Yamashita提供了一种建立共同坐标系的方法，在这个坐标系中，所以的机器人可能同时移动，但是他们应用的是模仿的和理想化的机器人系统。例如，在他们的模仿中，每个机器人都有360°的视角和相对其他机器人的无误查检测。 文章中提到的方法是基于Suzuki’s and Yamashita’s的想法，但是是在理想的条件下进行的。因为从真实的视觉系统中相对位置的补偿还不精确，我们研制了一种附加的误差的模型，以便进行加权和纠正测量结果。通过这种途径我们改善了生成的坐标系，使其维持更长的时间成为可能。下面的图片简短的描述我们的方法，然后从仿真和真实世界坐标系中提出初步结果。 算法描述 应用在第一部分中介绍的两步方法建立共同坐标系，在机器人群体中共用。第一步包括视觉处理，在处理中一个或更多的照相机同时抓取机器人周围的图像，然后计算它们的相对位置。在第二步中，机器人移动数据信息进行融合得出位置信息用于建立和共用所谓的相对共同坐标系。 2.1机器人位置获取 机器人相互位置必需的图片从安装的摄像机系统中同时获取，然后进行分析和分割，以便在图片中提取不同物体的可见性。分割标准的相关性为： ·相邻像素的亮度； ·物体的尺寸和形状； ·特殊的运动参数。 图1展示了图像分割的例子。在上图中，可以看到四个机器人的其中一个影像，下图中，显示了完成图像分割后从原图中获得的图像。所有的机器人都有特殊的两个颜色标记，标记安装在激光测距仪的顶部，激光测距仪置于清晰的可识别区域。 图1 图像分割例子 分割过程中，伴随着分割图像产生了一系列物体。把每个物体的尺寸，位置和颜色编码进行存储，看成每个机器人的特性。如果分割图像中看到的一个或更多的物体能够被识别成机器人部分，或者更高精度来说，属于安装标记，他们的相对位置就能计算出来了。例如，我们使用标准的摄像投影算法，作为文献3中描述的基于内部图像位置来计算机器人的相对坐标。 一个机器人摄像机采用的每个图片的投影中心是可以计算的。然后，有关机器人图像局部位置坐标也是可以计算的。因为相机安装在翘起的盘子上，它的当前视向，也就是，旋转角度ω、φ，和绕x、y、z轴的k值，可用于计算一个空间旋转矩阵R，当φ=0时，相机安装在正上方，此时 = （1） 指代上一次计算的投影中心坐标，和是图像中心点，相对图像分割的坐标，c是相机常熟，然后匹配物体坐标X，Y，Z可以从式中获得：