[發(fā)明專利]一種基于Dtag的智能垃圾車相對(duì)位姿定位方法及其裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202011597854.4
• 申請(qǐng)日: 2020-12-29
• 公開(kāi)（公告）號(hào): CN112700503A
• 公開(kāi)（公告）日: 2021-04-23
• 發(fā)明（設(shè)計(jì)）人: 顧涓涓;王雙雙;張文武;高慧敏
• 申請(qǐng)（專利權(quán)）人: 合肥學(xué)院
• 主分類號(hào): G06T7/80
• 分類號(hào): G06T7/80;G06T7/73;G06T5/30
• 代理公司: 合肥市澤信專利代理事務(wù)所(普通合伙) 34144
• 代理人: 方榮肖

1.一種基于Dtag的智能垃圾車相對(duì)位姿定位方法，其特征在于，所述智能垃圾車用于定位至少一個(gè)垃圾桶，所述垃圾桶上的每一面上貼有組合tag編碼的Dtag碼；所述智能垃圾車相對(duì)位姿定位方法包括以下步驟：

(1)使所述智能垃圾車自動(dòng)巡航并捕捉運(yùn)行視野中的圖像，識(shí)別原始圖像中的Dtag碼；

(2)對(duì)所拍攝的圖像進(jìn)行識(shí)別定位，并將識(shí)別出的Dtag碼進(jìn)行編碼，在確定四邊形中明確點(diǎn)陣坐標(biāo)并確定閾值；

(3)重新遍歷整個(gè)點(diǎn)陣，得到一串二進(jìn)制碼，并將所述二進(jìn)制碼與已知的編碼庫(kù)進(jìn)行匹配以確定編碼是否可靠；

(4)計(jì)算確定可靠的編碼ID與旋轉(zhuǎn)的Dtag碼的其他參數(shù)，求出所述Dtag碼中四個(gè)角點(diǎn)的坐標(biāo)；

(5)先根據(jù)打印的棋盤(pán)標(biāo)定圖和拍攝的照片，計(jì)算出單應(yīng)性變換矩陣，再根據(jù)所述單應(yīng)性變換矩陣結(jié)合相機(jī)信息，獲得所述Dtag碼的相關(guān)姿勢(shì)信息；

(6)先分解所述單應(yīng)性變換矩陣以求出旋轉(zhuǎn)變換向量和平移變換向量，再根據(jù)所述旋轉(zhuǎn)變換向量獲取所述Dtag碼的正確姿勢(shì)，且所述正確姿勢(shì)為所述智能垃圾車與所述垃圾桶的精確相對(duì)位姿。

2.如權(quán)利要求1所述的基于Dtag的智能垃圾車相對(duì)位姿定位方法，其特征在于，所述Dtag碼的識(shí)別方法包括以下步驟：

(1.1)先將所述原始圖像膨脹，再將膨脹后圖像減去腐蝕的圖像以獲得差值圖像一，將所述原始圖像減去腐蝕后的圖像以獲得差值圖像二，將膨脹后的圖像減去所述原始圖像以獲得差值圖像三，然后計(jì)算出所述智能垃圾車拍攝到的圖像中的每個(gè)像素的梯度，最后計(jì)算出基本梯度、內(nèi)部梯度以及外部梯度；

(1.2)以橫向和縱向的直線作為結(jié)構(gòu)元素，與分別膨脹和腐蝕后得到的圖像做差值，構(gòu)造卷積和函數(shù)并計(jì)算的數(shù)值和方向；

(1.3)先將具有相似梯度方向和數(shù)值的像素聚集到組件中，再對(duì)圖像處理中的二值邊緣圖進(jìn)行直線擬合；

(1.4)先在每個(gè)像素周圍的區(qū)域中找到最小值和最大值，再使用所述最小值與最大值的平均值作為閾值，為每個(gè)像素分配一個(gè)白色或黑色的值以實(shí)現(xiàn)二值化，并獲得二值化圖像。

3.如權(quán)利要求2所述的基于Dtag的智能垃圾車相對(duì)位姿定位方法，其特征在于，在步驟(1.3)中，對(duì)所述二值邊緣圖的直線擬合方法包括以下步驟：用霍夫變換剔除數(shù)據(jù)點(diǎn)集中的干擾點(diǎn)或噪聲，并將分布在不同直線附近的點(diǎn)分離出來(lái)；用最小二乘法擬合各直線。

4.如權(quán)利要求2所述的基于Dtag的智能垃圾車相對(duì)位姿定位方法，其特征在于，在步驟(1.4)中，所述最大值與所述最小值的極值尋找方法包括以下步驟：先將圖像分為4x4像素的分幅，再計(jì)算每個(gè)分幅內(nèi)的極值，并在3x3個(gè)相鄰分片的鄰域中找到極值。

5.如權(quán)利要求2所述的基于Dtag的智能垃圾車相對(duì)位姿定位方法，其特征在于，所述確定四邊形的確定方法包括以下步驟：

(2.1)進(jìn)行圖像分割：分割所述二值化圖像，尋找可能形成標(biāo)簽邊界的邊緣；其中，先分割亮像素與暗像素的連接組件，為每個(gè)組件提供一個(gè)唯一的ID，然后對(duì)于每對(duì)相鄰的黑白分量，將對(duì)應(yīng)的兩個(gè)區(qū)域邊界上的像素識(shí)別為一個(gè)不同的簇，并通過(guò)黑白組件的ID為每個(gè)集群建立索引；

(2.2)將所述Dtag碼從圖像中精準(zhǔn)識(shí)別：先將一個(gè)四邊形擬合到每個(gè)無(wú)序邊界點(diǎn)的簇上，并將所有無(wú)序邊界點(diǎn)分為四組且對(duì)應(yīng)相應(yīng)的線段，再找到部分角點(diǎn)并迭代所有可能的角點(diǎn)以計(jì)算出近似分區(qū)；

(2.3)先查找所有候選四邊形，再濾波以確定所述確定四邊形。