移动机器人自动定位装置、方法及无人割草机定位系统与流程

1.本发明涉及地面移动机器人定位技术领域，尤其涉及一种移动机器人自动定位装置、方法及无人割草机定位系统。


背景技术：

2.对于地面移动机器人而言，如何高精度低成本地对自身进行定位、对环境进行感知是机器人实现自主移动的前提。因此，即时成图与定位（slam）技术当前备受关注，尤其是基于激光雷达和视觉感知的定位技术。
3.视觉感知的核心即是基于ccd或者cmos的相机。根据视角范围、应用场景等的不同，包括单目、双目、鱼眼、环视等各种相机，可用于定位、建图、语义分析等，其中环视相机由于具有视场角大等特点，在安防、汽车辅助驾驶、消费、机器人等均有大量应用。环视相机，也即为全景相机，通常是由多个相机分布安装于车辆前后左右等多点构成，或者采用多个相机集中（传感器法向量）非平行安装构成，典型的如flir ladybug3全景系统。
4.为了构成全景或者环视系统，现有技术中均需要将多个相机得到的图像进行拼接，识别出全景图像中的自然环境特征后，再将相机间的重叠部分去掉，最终构成一个完整无重叠的环视或者全景图像。而自然环境特征识别以及拼接处理的计算密集度、复杂度均较高，使得必须依赖于高性能的处理器来处理，导致实现成本高、计算量大，若进一步利用该类环视系统实现机器人自身位置定位，会导致定位实现复杂以及定位效率低，且往往难以兼顾定位精度以及定位效率。
5.对于如无人割草机、扫地机器人等地面移动机器人，其通常都是在某一固定环境下运行，即所在的运行场景是固定的，固定的运行场景可以为地面移动机器人在定位过程中提供一定的先验信息。但是现有技术中针对于该类固定运行场景下的地面移动机器人定位，通常都是直接采用传统基于视觉感知的定位方式，即通过采用相机采集机器人周围的环境图像，通过提取自然环境中的特征，借助slam算法，最终解算出机器人的位姿，因而上述机器人定位方式会存在以下问题：1、特征提取时使用图像自然环境中的特征，但是自然环境特征点是丰富且多变，需要进行大量的计算，另一方面，在实际环境中，自然特征易受环境等的影响，因而还会存在不稳定不可靠等问题。
6.2、使用环视相机时需要进行图像拼接，导致需要使用高性能处理器以进行大量的数据处理。
7.综上，现有技术中针对于地面移动机器人的定位方式，实现复杂、所需计算量大，就未充分利用该类地面移动机器人运行场景固定的特性，导致定位效率以及精度低且定位可靠性并不高，若为了提高定位效率、精度采用高性能处理器又会大大增加实现成本。


技术实现要素：

8.本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一
种结构简单、成本低、定位效率与精度高且安全可靠的移动机器人自动定位装置、方法以及无人割草机定位系统。
9.为解决上述技术问题，本发明提出的技术方案为：一种移动机器人自动定位装置，包括：环视相机，搭载于移动机器人上，包括多个具有不同视场角的相机，用于采集预先布置在当前固定运行场景中不同位置处的多个标记的图像；各个标记布置在所述环视相机的视场范围内，每个所述标记上分别在两个以上的不同视角方向设置不同的预设特征码图案；处理单元，用于接收所述环视相机中各个相机采集到的标记的图像并对各个标记上的特征码图案进行识别，根据识别出的各个标记上的特征码图案计算出移动机器人当前位姿输出。
10.进一步的，每个标记包括一个以上的平面，每个平面上设有不同的特征图案，各标记间的设置距离配置为以使得标记上的图案在相机内的成像的大小不小于相机的可检测尺寸，以及各标记布置为使得环视相机中两个以上的相机能够同时检测到至少1个标记。
11.进一步的，所述处理单元包括图案识别模块、单图案位姿计算模块以及机器人位姿计算模块，所述图案识别模块用于接收所述环视相机中各个相机采集到的标记的图像并对各个标记上的特征码图案进行识别，并将识别出的特征图案输出给单图案位姿计算模块，所述单图案位姿计算模块根据识别出的特征图像计算识别出的各图案相对于对应相机的位姿信息，所述机器人位姿计算模块根据各个图案相对于对应相机的位姿信息，计算出移动机器人的当前位姿。
12.进一步的，所述图案识别模块包括：边缘检测单元，用于对采集到的图像进行边缘检测，获得图像的边缘特征；图案特征检测单元，用于根据预先构建的特征图案库中所存储的图案特征，对检测到的所述边缘特征进行匹配，筛选出匹配的标记图案特征；四边形检测单元，用于对检测到的所述边缘特征进行四边形检测，获得图像的四边形特征；坐标计算单元，用于计算识别出的标记图案的标识和对应的四边形的四个顶点的坐标。
13.进一步的，所述单图案位姿计算模块包括：第一计算单元，用于根据所述图案识别模块识别出标记图案的标识和对应的四边形的四个顶点的坐标计算单应矩阵；第二计算单元，用于根据相机内参以及计算出来的所述单应矩阵，计算各个图案相对于对应相机的位姿信息。
14.一种移动机器人自动定位方法，步骤包括：s01.采集预先布置在当前固定运行场景中不同位置处的多个标记的图像，各个标记预先布置在所述环视相机的视场范围内，每个所述标记上分别在一个以上的视角方向设置不同的预设特征码图案；s02.接收所述环视相机中各个相机采集到的标记的图像并对各个标记上的特征码图案进行识别，根据识别出的各个标记上的特征码图案计算出移动机器人当前位姿输
出。
15.进一步的，所述步骤s02包括：s201.接收所述环视相机中各个相机采集到的标记的图像并对各个标记上的特征码图案进行识别，将识别出的特征图案输出；s202.根据识别出的特征图像计算识别出的各图案相对于对应相机的位姿信息；s203.根据各个图案相对于对应相机的位姿信息，计算出移动机器人的当前位姿。
16.进一步的，所述步骤s202包括：s221.根据所述图案识别模块识别出标记图案的标识和对应的四边形的四个顶点的坐标，计算单应矩阵；s222.用于根据相机内参以及所述单应矩阵计算各个图案相对于对应相机的位姿信息。
17.进一步的，所述步骤s221中具体按照下式计算单应矩阵；其中，为tk时刻相对第ci个相机的第mj个图案的四边形顶点坐标构成的矩阵，为四边形的四个顶点的坐标，为第mj个图案四个顶点在图案坐标系的归一化位置矩阵；所述步骤s222中，具体按照下式计算tk时刻第mj个图案相对第ci个相机的包含位姿信息的欧氏空间转换矩阵，以获取各个图案相对于对应相机的位姿信息；其中，s为尺度因子，为第ci个相机的内参矩阵，i=1,...,i，i表示环视相机中相机的个数，j=1,...,j，j表示环视相机能够探测到的标记的个数，a表示位姿抽取矩阵。
18.进一步的，所述步骤s203按照下式计算出移动机器人当前位姿：其中，为tk时刻第mj个图案相对第ci个相机的包含位姿信息的欧氏空间转换
矩阵为tk时刻世界坐标系下包含第ci个相机位姿信息的欧氏空间转换矩阵，为tk时刻世界坐标系下包含移动机器人v位姿信息的欧氏空间转换矩阵，为主相机c1与移动机器人v之间的欧氏空间转换矩阵，为其他相机ci相对于主相机c1 的位姿矩阵，为图案mj在世界坐标系下包含位姿信息的欧氏空间转换矩阵，为tk时刻噪声协方差矩阵，j表示环视相机能够探测到的标记的个数，tk表示时刻数。
19.一种无人割草机定位系统，包括上述自动定位装置，其中移动机器人为无人割草机，所述环视相机搭载在所述无人割草机上；或者所述无人割草机定位系统包括处理器以及存储器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序以执行如上述自动定位方法。
20.与现有技术相比，本发明的优点在于：本发明通过设置环视相机以用于采集预先布置在当前固定运行场景中不同位置处的多个标记的图像，由处理单元对环视相机中各个相机采集到的标记的图像进行识别，可以充分利用移动机器人所在的固定运行环境特性以及利用环视相机的优势精准实现移动机器人定位，同时避免进行图像拼接过程，图像处理时仅需识别固定运行环境中预先布设的标记上的特定图案，可以在确保定位精度的前提下，大大降低数据处理量、提高定位效率，且无需识别图像中的自然特征，可以进一步降低数据处理量，从而实现快速、精准的移动机器人自动定位。
附图说明
21.图1是本发明实施例1中移动机器人自动定位装置的结构示意图。
22.图2是本发明实施例1中环视相机布置的原理示意图。
23.图3是本发明实施例1中一种标记结构原理示意图。
24.图4是本发明实施例1中基于二维码的标记示意图。
25.图5是本发明实施例1中标记布置的原理示意图。
26.图6是本发明实施例1中实现移动机器人自动定位的流程示意图。
27.图7是本发明实施例2中无人割草机的结构示意图。
具体实施方式
28.以下结合说明书附图和具体优选的实施例对本发明作进一步描述，但并不因此而限制本发明的保护范围。
29.实施例1：如图1所示，本实施例移动机器人自动定位装置置包括：环视相机，搭载于移动机器人上，包括多个相机，用于采集预先布置在当前固定运行场景中不同位置处的多个标记的图像；各个标记布置在所述环视相机的视场范围内，每个所述标记上分别在一个以上的视角方向设置不同的预设特征图案；处理单元，用于接收所述环视相机中各个相机采集到的标记的图像并对各个标记上的特征图案进行识别，根据识别出的各个标记上的特征图案计算出移动机器人当前位姿输出。
30.本实施例通过设置环视相机以用于采集预先布置在当前固定运行场景中不同位
置处的多个标记的图像，由处理单元对环视相机中各个相机采集到的标记的图像进行识别，由于各标记在固定运行环境下的位置是固定的，标记在不同视角方向设置有不同的预设特征码图案，则移动机器人在不同位置时所能够采集到的各标记的图案是不同的，因此根据识别出的各个标记上的特征码图案即可计算出移动机器人当前位姿输出，可以充分利用移动机器人所在的固定运行环境特性以及利用环视相机的优势精准实现移动机器人定位，同时避免进行图像拼接过程，图像处理时仅需识别固定运行环境中预先布设的标记上的特定图案，可以在确保定位精度的前提下，大大降低数据处理量、提高定位效率，且由于标记上使用的是特征码图案，无需识别图像中的自然特征，可以进一步降低数据处理大，从而实现快速、精准的移动机器人自动定位。
31.本实施例中，标记上图案具体可以采用如二维码等的特征码。特征码由于具有特定的图案以及颜色等，经过图像处理很容易识别出来，因而对计算性能要求不高。本实施例通过借助于特征码图案识别可以进一步实现对环境的结构化，提高在环境中的适应能力，同时通过在同一标记的不同视角不同位置布设不同的特征码，以使得移动机器人在各个角度均能够采集到标记的图案，基于不同的图案便于精准的定位出机器人的位置，还可以避免如传统仅在机器人前方而导致前向定位精度不如侧向定位误差精度的问题。
32.如图1所示，本实施例中环视相机采用m个相机（相机1~相机m）实现，各相机在配置时使得各自的环视方向视场不同，m》=2，通过设置多个相机形成环视系统以增加地面移动机器人的水平视场角。优选的，可配置使得环视相机中各相机的总视角大于180度，以使得能够充分、完整采集到工作区域内各标记。在地面移动机器人的工作区域内预先布设多个标记，每个标记根据需要包含多个特定图案，图案可采用如二维码等的特征码，结合环视相机以及标记设置使得在图像处理中，无需识别自然特征，仅需对识别出来的特定特征码图案进行位姿计算，可以大大降低所需计算量。
33.在具体应用实施例中，如图2所示，环视相机可以采用4个相同的相机实现，每个相机分别布置在移动机器人的前、后、左、右侧，环视相机在环视方向的视场角即为4个相机在环视方向视场角的和，相机之间的视场范围可重叠也可不重叠，且环视方向垂直于地面，以确保环视相机可以尽可能地看到更多的人工标记。按照上述方式布置环视相机，可以使得四个相机可以完整覆盖360
°
视角范围。
34.在一具体应用实施例中，如图3所示，由1-4个特征图案构成标记，可以形成4个不同特征图案标记，其中图3中（a）~(d)分别表示包含一个到四个特征图案面的标记。如图4所示，在另一具体应用实施例中，以二维码作为标记上的预设图案，分别采用1～3个二维码构成标记，可以形成3个不同特征图案标记。由于每个标记上的各图案的视角方向是不同的，例如图4中（a）仅在一个视角平面上有二维码图案，图4中（b）在两个视角平面上有不同的二维码图案，图4中（c）则在三个不同的视角平面有不同的二维码图案，则当移动机器人处于不同位置时，所能够采集到的标记图案是不同的，基于所采集到的图案即可反推出机器人与图案的相对位姿。
35.本实施例中，每个标记包括一个以上的平面，每个平面上设有不同的特征图案，各标记间的设置距离配置为以使得标记上的图案在相机内的成像的大小不小于相机的可检测尺寸以及各标记布置为使得环视相机中两个以上的相机能够同时检测到至少1个标记，以确保环视相机能够有效检测到标记。
36.优选的，各个标记分别布设在当前固定运行场景中的各个角落位置以及中心区域，在角落位置布置的标记具有两个以上视角平面以设置两个以上不同的预设特征码图案，在中心区域布置的标记具有四个以上视角平面以设置四个以上不同的预设特征码图案。通过上述标记布置方式，可以确保移动机器人在任意工作区域（固定运行场景中）内均可以采集到标记的图像，进而可以基于识别到的标记的图案计算出位姿。可以理解的是，各个标记也可以不限定于放置在角落或中心区域，例如如果场景区域较小，则可以无需在中心区域放置标记，在角落位置放置标记即可。相应的，中心区域放置的标记上设置的特征图案数量可以是1个图案，也可以是多个，具体均可以根据实际需求配置。
37.在具体应用实施例中，如图5所示，环视相机搭载在地面移动机器上，地面移动机器人在室外一地面固定环境运动，地面环境基本水平，地面移动机器人的工作区域为四边形（范围如实线框内所示），在工作区域的4个顶点上，分别布置一个带两个特定图案的标记，即双面标记，并在四边形的中心区域布置一个带有4个特定图案的标记，即四面标记。移动机器人在工作区域内移动时，由于与各个标记之间的相对角度关系不同，因而会采集到各标记不同的图案，最终结合识别到的各个标记的图案即可解算出机器人的位姿。
38.可以理解的是，各个标记的具体布设位置当然还可以根据实际移动机器人工作区域的范围大小、形状特性来配置，例如若工作区域为多边不规则型，则可以分别在各个角落位置、拐角位置均设置一个以上的两面标记，在中心区域再设置一个或多个的四面标记，以确保移动机器人在工作区域内各个位置均能够采集到各标记的图像。
39.本实施例中，处理单元包括图案识别模块、单图案位姿计算模块以及机器人位姿计算模块，图案识别模块用于接收所述环视相机中各个相机采集到的标记的图像并对各个标记上的特征码图案进行识别，并将识别出的特征图案输出给单图案位姿计算模块，单图案位姿计算模块根据识别出的特征图像计算识别出的各图案相对于对应相机的位姿信息，机器人位姿计算模块根据各个图案相对于对应相机的位姿信息，计算出移动机器人的当前位姿。
40.本实施例中，图案识别模块具体包括：边缘检测单元，用于对采集到的图像进行边缘检测，获得图像的边缘特征；图案特征检测单元，用于根据预先构建的特征图案库中所存储的图案特征，对检测到的所述边缘特征进行匹配，筛选出匹配的标记图案特征；四边形检测单元，用于对检测到的所述边缘特征进行四边形检测，获得图像的四边形特征；坐标计算单元，用于计算识别出的标记图案的标识和对应的四边形的四个顶点的坐标。
41.本实施例中，单图案位姿计算模块具体包括：第一计算单元，用于根据所述图案识别模块识别出标记图案的标识和对应的四边形的四个顶点的坐标，计算单应矩阵；第二计算单元，用于根据相机内参以及标记实际尺寸，计算各个图案相对于对应相机的位姿信息。
42.本实施例中，第一计算单元具体按照下式通过线性变换计算出单应矩阵；
其中，为tk时刻相对第ci个相机的第mj个图案的四边形顶点坐标构成的矩阵，为四边形的四个顶点的坐标，为第mj个图案四个顶点在图案坐标系的归一化位置矩阵，其中对于正方形图案，矩阵。
43.本实施例中，第二计算单元具体按照下式计算tk时刻第mj个图案相对第ci个相机的包含位姿信息的欧氏空间转换矩阵，以获取各个图案相对于对应相机的位姿信息；其中，s为尺度因子，为第ci个相机的内参矩阵，i=1,...,i，i表示环视相机中相机的个数，j=1,...,j，j表示环视相机能够探测到的标记的个数，a表示位姿抽取矩阵，具体可取。上述为已知参数，具体可通过预先标定获得。
44.本实施例中，机器人位姿计算模块具体根据各个图案相对于对应相机的位姿信息，按照下式（3）~（8）计算出移动机器人当前位姿：其中，为tk时刻第mj个图案相对第ci个相机的包含位姿信息的欧氏空间转换矩阵为tk时刻世界坐标系下包含第ci个相机位姿信息的欧氏空间转换矩阵，为tk时刻世界坐标系下包含移动机器人v位姿信息的欧氏空间转换矩阵，为主相机c1与移动机器人v之间的欧氏空间转换矩阵，主相机具体可选择相机主轴与机器人前进方向一致的相机，且由主相机的位姿最终作为对应环视相机的位姿。为除主相机外的其他相机ci相对于主相机c1 的位姿矩阵，为图案mj在世界坐标系下包含位姿信息的欧氏空间
转换矩阵，为tk时刻噪声协方差矩阵，j表示环视相机能够探测到的标记的个数，tk表示时刻数。上述、为已知参数，具体可通过预先标定获得。
45.上述处理单元具体可以和环视相机一并搭载在移动机器人上，例如将处理单元与环视相机集合形成自动定位一体装置，当然也可以仅将环视相机搭载在移动机器人上，处理单元则独立设置在处理器端，例如远程控制端，以将数据处理放在远程控制端，减少移动机器人端的体积、重量，具体可以根据实际需求配置。
46.本实施例移动机器人自动定位方法的具体步骤包括：s01.采集预先布置在当前固定运行场景中不同位置处的多个标记的图像，各个标记预先布置在所述环视相机的视场范围内，每个所述标记上分别在一个以上的视角方向设置不同的预设特征码图案；s02.接收所述环视相机中各个相机采集到的标记的图像并对各个标记上的特征码图案进行识别，根据识别出的各个标记上的特征码图案计算出移动机器人当前位姿输出。
47.本实施例中，上述步骤s02的具体步骤包括：s201.接收所述环视相机中各个相机采集到的标记的图像并对各个标记上的特征码图案进行识别，将识别出的特征图案输出；s202.根据识别出的特征图像计算识别出的各图案相对于对应相机的位姿信息；s203.根据各个图案相对于对应相机的位姿信息，计算出移动机器人的当前位姿。
48.本实施例中，步骤s202具体包括：s221.根据所述图案识别模块识别出标记图案的标识和对应的四边形的四个顶点的坐标，计算单应矩阵；s222.用于根据相机内参以及所述单应矩阵计算各个图案相对于对应相机的位姿信息。
49.本实施例步骤s221中，具体按照式（1），即，计算出各图案相对于对应相机的位姿信息；步骤s222中，具体按照式（2），即，计算tk时刻第mj个图案相对第ci个相机的包含位姿信息的欧氏空间转换矩阵，以获取各个图案相对于对应相机的位姿信息。步骤s203则根据各个图案相对于对应相机的位姿信息，按照式（3）~（8）计算出移动机器人当前位姿。
50.可以理解的是，除上式（1）～（8）外，当然还可以根据实际需求采用其他的计算公式以实现位姿信息的计算。
51.如图6所示，在具体应用实施例中，先按照步骤s01布置标记，移动机器人在运行过程中，控制触发环视相机获取到图像后，读取相机数据，检测相机数据并检测图像中是否包含标记中预设的图案，如果是则按照式（1）、（2）计算图案相对于相机的位姿，循环执行上述操作以，综合各图案相对于相机的位姿按照式（3）～（8）即可计算出移动机器人当前位姿，实现实时定位。
52.本实施例通过上述步骤能够充分利用移动机器人所在的固定运行场景，结合预设的各标记以及环视相机快速实现移动机器人自动定位，无需图像拼接过程，也无需复杂的
数据处理过程，可以大大提高定位的效率以及精度。
53.实施例2：本实施例为将实施例1的自动定位装置应用于无人割草机中，即移动机器人为无人割草机，以使得可以实现实时无人割草机的自动定位。如图7所示，无人割草机定位系统包括实施例1所述的自动定位装置，即自动定位装置具体包括由多个（m个）相机构成的环视相机以及处理单元，每个相机包括镜头以及敏感单元，处理单元具体包括多个isp(图像信号处理)单元以及一个相机位姿计算单元，各个isp单元用于分别给对每个相机的图像进行处理以识别出标记上的图案，相机位姿计算单元分别接收各isp单元的识别数据，计算出无人割草机的位姿信息输出，实现实时无人割草机的自动定位。上述相机位姿计算单元的计算方式如实施例1中式（1）～（8）所示，当然也可以采用其他的计算方式。
54.本实施例中，还包括惯性测量单元以及里程监测单元，惯性测量单元用于测量无人割草机的角速度和加速度，里程监测单元用于监测无人割草机行驶的里程数据，定位系统根据识别出的各个标记上的特征码图案以及惯性测量单元（imu）、里程监测单元输出的数据，计算得到最终的无人割草机的融合位姿信息输出。本实施例通过在获得标记图案识别数据的基础上，进一步综合惯性测量单元测量到的角速度和加速度以及里程监测单元监测到的里程数据共同实现无人割草机定位，可以进一步提高定位精度，确保无人割草机在运行过程中实时获取高精度的定位信息，从而保证无人割草的精度以及安全可靠性。
55.上述只是本发明的较佳实施例，并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明。因此，凡是未脱离本发明技术方案的内容，依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均应落在本发明技术方案保护的范围内。

技术特征：
1.一种移动机器人自动定位装置，其特征在于，包括：环视相机，搭载于移动机器人上，包括多个相机，用于采集预先布置在当前固定运行场景中不同位置处的多个标记的图像；各个标记布置在所述环视相机的视场范围内，每个所述标记上分别在一个以上的视角方向设置不同的预设特征图案；处理单元，用于接收所述环视相机中各个相机采集到的标记的图像并对各个标记上的特征图案进行识别，根据识别出的各个标记上的特征图案计算出移动机器人当前位姿输出。2.根据权利要求1所述的移动机器人自动定位装置，其特征在于，每个标记包括一个以上的平面，每个平面上设有不同的特征图案，各标记间的设置距离配置为以使得标记上的图案在相机内的成像的大小不小于相机的可检测尺寸，以及各标记布置为使得环视相机中两个以上的相机能够同时检测到至少1个标记。3.根据权利要求1所述的移动机器人自动定位装置，其特征在于，所述处理单元包括图案识别模块、单图案位姿计算模块以及机器人位姿计算模块，所述图案识别模块用于接收所述环视相机中各个相机采集到的标记的图像并对各个标记上的特征码图案进行识别，并将识别出的特征图案输出给单图案位姿计算模块，所述单图案位姿计算模块根据识别出的特征图像计算识别出的各图案相对于对应相机的位姿信息，所述机器人位姿计算模块根据各个图案相对于对应相机的位姿信息，计算出移动机器人的当前位姿。4.根据权利要求3所述的移动机器人自动定位装置，其特征在于，所述图案识别模块包括：边缘检测单元，用于对采集到的图像进行边缘检测，获得图像的边缘特征；图案特征检测单元，用于根据预先构建的特征图案库中所存储的图案特征，对检测到的所述边缘特征进行匹配，筛选出匹配的标记图案特征；四边形检测单元，用于对检测到的所述边缘特征进行四边形检测，获得图像的四边形特征；坐标计算单元，用于计算识别出的标记图案的标识和对应的四边形的四个顶点的坐标。5.根据权利要求3或4所述的移动机器人自动定位装置，其特征在于，所述单图案位姿计算模块包括：第一计算单元，用于根据所述图案识别模块识别出标记图案的标识和对应的四边形的四个顶点的坐标计算单应矩阵；第二计算单元，用于根据相机内参以及计算出来的所述单应矩阵，计算各个图案相对于对应相机的位姿信息。6.一种移动机器人自动定位方法，其特征在于，步骤包括：s01.采集预先布置在当前固定运行场景中不同位置处的多个标记的图像，各个标记预先布置在环视相机的视场范围内，每个所述标记上分别在一个以上的视角方向设置不同的预设特征码图案；s02.接收所述环视相机中各个相机采集到的标记的图像并对各个标记上的特征码图案进行识别，根据识别出的各个标记上的特征码图案计算出移动机器人当前位姿输出。7.根据权利要求6所述的移动机器人自动定位方法，其特征在于，所述步骤s02包括：
s201.接收所述环视相机中各个相机采集到的标记的图像并对各个标记上的特征码图案进行识别，将识别出的特征图案输出；s202.根据识别出的特征图像计算识别出的各图案相对于对应相机的位姿信息；s203.根据各个图案相对于对应相机的位姿信息，计算出移动机器人的当前位姿。8.根据权利要求7所述的移动机器人自动定位方法，其特征在于，所述步骤s202包括：s221.根据所述图案识别模块识别出标记图案的标识和对应的四边形的四个顶点的坐标，计算单应矩阵；s222.用于根据相机内参以及所述单应矩阵计算各个图案相对于对应相机的位姿信息。9.根据权利要求8所述的移动机器人自动定位方法，其特征在于，所述步骤s221中具体按照下式计算单应矩阵；其中，为tk时刻相对第ci个相机的第mj个图案的四边形顶点坐标构成的矩阵，为四边形的四个顶点的坐标，为第mj个图案四个顶点在图案坐标系的归一化位置矩阵；所述步骤s222中，具体按照下式计算tk时刻第mj个图案相对第ci个相机的包含位姿信息的欧氏空间转换矩阵，以获取各个图案相对于对应相机的位姿信息；其中，s为尺度因子，为第ci个相机的内参矩阵，i=1,...,i，i表示环视相机中相机的个数，j=1,...,j，j表示环视相机能够探测到的标记的个数，a表示位姿抽取矩阵。10.根据权利要求7或8或9所述的移动机器人自动定位方法，其特征在于，所述步骤s203按照下式计算出移动机器人当前位姿：其中，为tk时刻第mj个图案相对第ci个相机的包含位姿信息的欧氏空间转换矩阵
为tk时刻世界坐标系下包含第ci个相机位姿信息的欧氏空间转换矩阵，为tk时刻世界坐标系下包含移动机器人v位姿信息的欧氏空间转换矩阵，为主相机c1与移动机器人v之间的欧氏空间转换矩阵，为其他相机ci相对于主相机c1 的位姿矩阵，为图案mj在世界坐标系下包含位姿信息的欧氏空间转换矩阵，为tk时刻噪声协方差矩阵，j表示环视相机能够探测到的标记的个数，tk表示时刻数。11.一种无人割草机定位系统，其特征在于，包括权利要求1~5中任意一项所述的自动定位装置，其中移动机器人为无人割草机，所述环视相机搭载在所述无人割草机上；或者所述无人割草机定位系统包括处理器以及存储器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序以执行如权利要求6～10中任意一项所述自动定位方法。

技术总结
本发明公开一种移动机器人自动定位装置、方法及无人割草机定位系统，该定位装置搭载在移动机器人上，定位装置包括：环视相机，包括多个相机，用于采集预先布置在当前固定运行场景中不同位置处的多个标记的图像；各个标记布置在环视相机的视场范围内，每个标记上分别在一个以上的不同视角方向设置不同的预设特征图案；处理单元，用于接收环视相机中各个相机采集到的标记的图像并对各个标记上的特征图案进行识别，根据识别出的各个标记上的特征图案计算出移动机器人当前位姿输出。本发明具有结构简单、成本低、定位效率以及精度高且安全可靠等优点。靠等优点。靠等优点。


技术研发人员：李涛 孙波 陈欧美
受保护的技术使用者：苏州中德睿博智能科技有限公司
技术研发日：2023.06.28
技术公布日：2023/8/1