移动机器人原理与技术 课件 第3、4章 移动机器人的传感器、 移动机器人定位.ppt

3.3.2双目视觉原理模型1．平行双目视觉模型平行双目视觉模型3.3.2双目视觉原理模型1．平行双目视觉模型在平行双目视觉模型中，2个摄像机的光轴平行，X轴在一条直线上且所指方向一致。左摄像机坐标系的原点为Ocl，X轴为Xcl；右摄像机坐标系的原点为Ocr，轴为Xcr；将左右摄像机光心连线OclOcr称为基线，其长度为b；物点p在左右摄像机坐标系下的坐标分别为和；物点在左右摄像机内部的图像像素坐标系下的坐标为(ul,vl)和(ur,vr)。设左右摄像机的焦距为f，旋转矩阵R是单位矩阵，平移矩阵，根据三角形相似原理可知：3.3.2双目视觉原理模型1．平行双目视觉模型因此，物点p在左摄像机坐标系下的坐标可以解出：3.3.2双目视觉原理模型2．一般双目视觉模型一般双目视觉模型3.3.2双目视觉原理模型2．一般双目视觉模型在左摄像机中可以确定物点p在射线Oclpl上，在右摄像机中可以确定物点p在射线Ocrpr上，则射线Oclpl和射线Ocrpr的交点p点。同平行双目视觉模型，设p点在世界坐标系下的坐标为(xw,yw,zw)，左右摄像机的投影矩阵为L和，可以得到p点世界坐标和图像像素坐标之间的关系：3.3.2双目视觉原理模型2．一般双目视觉模型3.3.3摄像机标定摄像机标定方法可分为三类：传统的摄像机标定方法，主动视觉摄像机标定方法和摄像机自标定方法。传统的摄像机标定方法可以使用于任意的摄像机模型，精度很高，但不可以用在无法使用标定块的环境下。主动视觉摄像机标定方法对标定环境的要求高，不能使用于摄像机运动未知的场合，且精度较低；摄像机自标定方法不能非线性标定，鲁棒性不高。Faugeras的标定方法作为传统的摄像机标定方法不仅算法实现简单，而且可线性求解参数。3.3.3摄像机标定Faugeras标定方法选用4参数内参矩阵，将像点和物点的成像几何关系在齐次坐标下写成透视投影矩阵的形式：3.3.3摄像机标定每个点可以得到两个方程，而未知数只有11个，所以，最少取六个点即可通过最小二乘法求出，其中移动机器人技术原理与应用第四章移动机器人定位移动机器人绝对定位移动机器人视觉定位4.1移动机器人相对定位4.24.3移动机器人概率定位4.44.1移动机器人相对定位相对定位是指通过度量移动机器人相对于起始位置的方向和距离来推断出移动机器人当前的位置信息。其基本原理是在移动机器人位姿初始值给定的前提下，基于内部传感器信息计算出每一时刻位姿相对于上一时刻位姿的距离以及方向角的变化，从而实现位姿的实时估计。常用的传感器包括光电编码器及惯性导航系统，因此，应用此类传感器进行相对定位的方法也通常称为航迹推算法和惯性导航法，相对定位也叫做位姿跟踪。4.1.1航迹推算法原理应用航迹推算法定位的轮式移动机器人，通常在驱动轮上安装光电编码器来测量轮子的旋转角度，再结合移动机器人本身的结构和运动特性计算出移动机器人相对于初始点的方向和位置，从而确定出位姿信息。航迹推算是个累加的过程，在移动机器人运动而航迹逐步累加的过程中，移动机器人位姿信息的测量值以及计算值均会有累积误差，定位精度会下降，因此，航迹推算法适用于短时间或者短距离的移动机器人位姿跟踪。4.1.1航迹推算法原理若双轮差动移动机器人在出发的初始时刻，移动机器人自身坐标与世界坐标重合，经过运动时间t后，移动机器人从原点运动到目标点P。设此时移动机器人在世界坐标系中的位置为P(Xt,Yt)，移动机器人坐标系的x轴与世界坐标X轴的夹角为θt。设l为两轮间距，Δt为编码器计时间隔时间，则在相同的一个采样周期Δt内，移动机器人转过的角度为：4.1.1航迹推算法原理其中,VL、VR为移动机器人的左、右轮速度。在一个采样周期Δt内，移动机器人行走的距离为：该两轮移动机器人的平均速度表示为：在Δt时间间隔内，移动机器人的位置变化表示为：4.1.1航迹推算法原理在t时刻后的t+Δt时刻，移动机器人位置信息可表示为：对于长时间的运动，航迹推算法存在累积误差，此类误差来源于移动机器人安装的陀螺仪、加速度计和倾斜角传感器产生的漂移误差，此类误差可以通过建立误差模型进行补偿，也可以应用航迹推算法和其他的传感器配合相关的定位算法进行校正。4.1.2移动机器人里程计定位在双轮差动移动机器结构中，里程计的工作原理是根据安装在移动机器人左右两个驱动轮电机上的光电编码器来检测车轮在一定时间内转过的弧度，进而推算移动机器人相对位姿的变化。将光