国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

基于雙目視覺的電力機(jī)器人三維定位方法

2021-11-04 01:38:26李聰利徐善軍任書楠劉勝軍
制造業(yè)自動(dòng)化 2021年10期
關(guān)鍵詞:雙目中心點(diǎn)形狀

李聰利,徐善軍,任書楠*,李 崧,劉勝軍

(1.國(guó)網(wǎng)天津市電力公司,天津 300010;2.北京國(guó)電富通科技發(fā)展有限責(zé)任公司,北京 100070;3.國(guó)網(wǎng)電力科學(xué)研究院有限公司,南京 211106)

0 引言

電力機(jī)器人技術(shù)對(duì)于提升電力系統(tǒng)自動(dòng)化運(yùn)維水平具有重要意義,目前已在輸電、變電、配電、用電等領(lǐng)域取得積極進(jìn)展。為實(shí)現(xiàn)電力機(jī)器人自主化作業(yè),其對(duì)作業(yè)目標(biāo)位姿的精準(zhǔn)定位則顯得尤為重要??紤]到電力作業(yè)場(chǎng)景對(duì)感知定位系統(tǒng)要求的相似性,即具有全天候、室外工作、精準(zhǔn)感知定位能力的特點(diǎn),本文以用電環(huán)節(jié)中的自動(dòng)充電機(jī)器人為例開展論述,相關(guān)結(jié)論亦可推廣至其他領(lǐng)域。自動(dòng)充電是電動(dòng)汽車未來大面積推廣應(yīng)用的關(guān)鍵技術(shù)。為適應(yīng)的電動(dòng)汽車的自動(dòng)化、智能化、無人化的發(fā)展趨勢(shì),電動(dòng)汽車配套相關(guān)的基礎(chǔ)設(shè)施的智能化也受到電動(dòng)汽車研究機(jī)構(gòu)廣泛關(guān)注,而作為電動(dòng)汽車的能源補(bǔ)給的充電裝置,發(fā)揮著至關(guān)重要的作用。為了能夠更加快速、便捷的給電動(dòng)汽車充電,智能化的全自主充電技術(shù)是大勢(shì)所趨,全自主充電要求充電機(jī)器人能夠跟車輛配合,在不需要人工干預(yù)下,自主完成充電作業(yè),其中對(duì)充電口所在位置和空間姿態(tài)的檢測(cè)則是整個(gè)自動(dòng)充電技術(shù)中的核心步驟。

當(dāng)前普遍研究的電動(dòng)汽車充電口的定位技術(shù),大都是以充電口的結(jié)構(gòu)特點(diǎn)為基礎(chǔ),通過直流充電口或者交流充電口進(jìn)行橢圓檢測(cè),來實(shí)現(xiàn)充電口的精準(zhǔn)定位[1~14]。但由于橢圓檢測(cè)方法語義模糊的特點(diǎn),在針對(duì)具有同心圓特征的充電孔檢測(cè)時(shí),容易出現(xiàn)內(nèi)外圓混淆問題。同時(shí),基于單目攝像機(jī)的充電口檢測(cè)方法,往往由于尺度問題,當(dāng)檢出橢圓存在誤差時(shí),往往無法確定檢出該橢圓是內(nèi)圓還是外圓,導(dǎo)致在實(shí)際應(yīng)用中,算法的魯棒性較差。部分檢測(cè)算法不對(duì)充電孔進(jìn)行細(xì)粒度區(qū)分,忽略了充電孔之間的形狀約束,造成精度降級(jí)。

本文將雙目相機(jī)引入到充電口檢測(cè)應(yīng)用中,提出基于雙目視覺的電動(dòng)汽車充電口三維定位方法,使用雙目視覺的對(duì)極幾何約束,提取雙目圖像中語義唯一的充電孔中心點(diǎn)作為特征,對(duì)充電孔之間的三維形狀先驗(yàn)進(jìn)行精確建模,顯著的提高了算法的定位精度和魯棒性。

本文的創(chuàng)新貢獻(xiàn)包括:1)提出了一種基于雙目視覺的電動(dòng)汽車充電口三維定位方法,通過在雙目圖像中充電口特征點(diǎn)的檢測(cè),實(shí)現(xiàn)對(duì)充電口三維位置的感知;2)利用直流快充型充電口三維結(jié)構(gòu)先驗(yàn)進(jìn)行建模,并利用ICP算法,將感知到的充電口關(guān)鍵點(diǎn)與先驗(yàn)結(jié)構(gòu)關(guān)鍵點(diǎn)進(jìn)行配準(zhǔn),實(shí)現(xiàn)對(duì)充電口三維姿態(tài)的精確估計(jì);3)通過采集雙目充電口數(shù)據(jù)進(jìn)行檢測(cè)精度實(shí)驗(yàn),驗(yàn)證本文方法的精確性和魯棒性。

1 相關(guān)研究

1.1 充電口檢測(cè)方法

充電口檢測(cè)是一種典型的視覺目標(biāo)檢測(cè)問題,當(dāng)前有兩類較為典型的求解方法,分別是基于圖像灰度值的方法、基于特征點(diǎn)的方法等?;趫D像灰度值的檢測(cè)方法[1],以滑窗在待檢圖像上與模板圖像進(jìn)行匹配,進(jìn)而輸出檢測(cè)結(jié)果,該類方法對(duì)光照很敏感,且在處理目標(biāo)部分遮擋問題上存在不足。而基于特征點(diǎn)的充電口檢測(cè)方法[2],首先根據(jù)目標(biāo)的表觀特點(diǎn)提取圖像特征,包括利用SIFT特征[5],以及利用SURF特征[6]等,并用算法迭代對(duì)特征點(diǎn)進(jìn)行匹配,進(jìn)而優(yōu)化求解這些匹配特征點(diǎn)之間的最優(yōu)匹配關(guān)系,這類方法對(duì)光照和部分遮擋不敏感,但在充電口實(shí)際檢測(cè)處理過程中,特征點(diǎn)的定義與描述依據(jù)人工經(jīng)驗(yàn),往往存在主觀感受的偏差,因而檢測(cè)失敗率依然較高,且特征點(diǎn)計(jì)算量過大,影響算法實(shí)時(shí)性?;谏疃葘W(xué)習(xí)的檢測(cè)方法[3,4],魯棒性較好,但是需要采集大量的實(shí)物圖片并進(jìn)行標(biāo)注,前期準(zhǔn)備工作量大,同時(shí)對(duì)于沒有針對(duì)性設(shè)計(jì)的檢測(cè)網(wǎng)絡(luò),算法穩(wěn)定性不好保證。

1.2 基于橢圓檢測(cè)的充電口定位方法

基于橢圓檢測(cè)的充電口定位方法,是屬于基于人工設(shè)計(jì)特征點(diǎn)的視覺檢測(cè)方法,該類方法依據(jù)設(shè)計(jì)人員對(duì)充電口的感受,將橢圓作為檢測(cè)的表觀特征,進(jìn)而利用算法對(duì)充電口進(jìn)行自動(dòng)檢測(cè)。文獻(xiàn)[7]使用Halcon中的模板匹配方法直接匹配圖像中的充電孔橢圓形位置,當(dāng)充電口姿態(tài)存在較大偏移時(shí),會(huì)因?yàn)楦鞣N圖像形變導(dǎo)致檢測(cè)困難,進(jìn)而造成匹配誤差較大?;舴蜃儞Q是一種形狀檢測(cè)的常用方法,文獻(xiàn)[8~10]中,基于霍夫變換的橢圓檢測(cè)利用霍夫變換將圖像空間向參數(shù)空間映射完成橢圓檢測(cè),但是這種方法參數(shù)高達(dá)5維,計(jì)算量大的原因?qū)е虏贿m合實(shí)時(shí)在線的充電口檢測(cè)。文獻(xiàn)[11]提出一種定位精度達(dá)到亞像素級(jí)的改進(jìn)方法,降低了隨機(jī)霍夫變換的無效采樣。文獻(xiàn)[12]對(duì)霍夫變換參數(shù)空間的計(jì)算進(jìn)行了優(yōu)化,但是這一類算法無法避免計(jì)算量大,耗時(shí)長(zhǎng)的先天缺陷。進(jìn)一步,研究者們將用點(diǎn)來擬合橢圓,提升為從曲線弧的角度擬合橢圓。文獻(xiàn)[13]先檢測(cè)目標(biāo)輪廓,再利用輪廓尋找連續(xù)區(qū)域的方法去檢測(cè)橢圓弧,文獻(xiàn)[14]提出基于不變特征數(shù)的橢圓弧段檢測(cè),進(jìn)而選擇合適橢圓弧段來擬合橢圓。文獻(xiàn)[15]更加詳細(xì)地提出了一種基于分割曲線弧段的方法,通過判斷邊緣是否相鄰,連接相鄰邊緣組成有效弧段,進(jìn)而產(chǎn)生橢圓檢測(cè)結(jié)果。文獻(xiàn)[16]提出結(jié)合差分函數(shù)與因子矩陣的橢圓檢測(cè)方法,該方法加強(qiáng)邊緣的信息檢測(cè)精度,但會(huì)擬合出大量的假橢圓,造成性能降級(jí)。文獻(xiàn)[17]提出基于快速聚類有效弧段的橢圓檢測(cè)方法,通過有效弧段參數(shù)擬合獲得橢圓,但該類方法在低光照或不理想位置條件下,檢測(cè)性能較差。

1.3 基于關(guān)鍵點(diǎn)的檢測(cè)方法

本文提出了基于2D-3D關(guān)鍵點(diǎn)的充電口檢測(cè)方法。關(guān)鍵點(diǎn)檢測(cè)是計(jì)算機(jī)視覺中的經(jīng)典問題,已經(jīng)在人臉識(shí)別系統(tǒng)中被廣泛應(yīng)用。當(dāng)前關(guān)鍵點(diǎn)檢測(cè)方法大致分為兩類,分別是基于形狀、外觀模型的傳統(tǒng)方法[18~20]和基于深度學(xué)習(xí)的方法[21~23]。ASM(Active Shape Model)[18]是由Cootes于1995年提出的經(jīng)典的人臉關(guān)鍵點(diǎn)檢測(cè)算法,主動(dòng)形狀模型即通過形狀模型對(duì)目標(biāo)物體進(jìn)行抽象,ASM是一種基于點(diǎn)分布模型(PDM)的算法。在PDM中,外形相似的物體,例如人臉、人手、心臟、肺部等的幾何形狀可以通過若干關(guān)鍵點(diǎn)的坐標(biāo)依次串聯(lián)形成一個(gè)形狀向量來表示。ASM算法需要通過人工標(biāo)定的方法先標(biāo)定訓(xùn)練集,經(jīng)過訓(xùn)練獲得形狀模型,再通過關(guān)鍵點(diǎn)的匹配實(shí)現(xiàn)特定物體的匹配。AAM[19,20]在ASM進(jìn)行改進(jìn),不僅采用形狀約束,而且又加入整個(gè)臉部區(qū)域的紋理特征。Zhang等人提出一種多任務(wù)級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)[21]用以同時(shí)處理人臉檢測(cè)和人臉關(guān)鍵點(diǎn)定位問題,但是此類基于深度學(xué)習(xí)的方法[22,23]不僅計(jì)算復(fù)雜,而且需要標(biāo)注大量的訓(xùn)練數(shù)據(jù)。

2 本文方法

針對(duì)當(dāng)前充電口檢測(cè)與定位方法的局限性,本文提出了基于雙目視覺的電動(dòng)汽車充電口三維定位方法。方法的整體流程如下:

第一步,對(duì)輸入的雙目圖像進(jìn)行預(yù)處理和雙目校正,使得校正后雙目圖像垂直方向視差為零,水平方向視差完全由目標(biāo)的深度決定。

第二步,對(duì)輸入雙目圖像分別提取充電口在圖像坐標(biāo)系下的2D位置信息,提取方法為,先提取圖像中的邊緣輪廓,在物體邊緣輪廓圖上識(shí)別充電口的初始位置;而后提取邊緣梯度特征,利用該特征進(jìn)行充電口模板匹配,并將充電口圖像塊裁剪出來;最后基于充電口圖像塊進(jìn)行定位,定位算法初始化各充電孔中心點(diǎn)位置,然后利用充電孔中心約束求解2D中心點(diǎn)精確位置。

第三步,根據(jù)立體匹配原理計(jì)算出雙目圖像中對(duì)應(yīng)點(diǎn)的3D空間位置,同時(shí),利用ICP算法將其與充電口3D先驗(yàn)?zāi)P瓦M(jìn)行匹配,獲得高精度的充電口位姿。整體流程圖如圖1所示。

圖1 充電口檢測(cè)與定位流程

2.1 雙目圖像預(yù)處理

本文提出使用雙目圖像檢測(cè)充電口的精確位姿,因而應(yīng)首先對(duì)雙目圖像依據(jù)標(biāo)定參數(shù)進(jìn)行矯正、去畸變和降噪等預(yù)處理操作。通過上述操作,得到標(biāo)準(zhǔn)的雙目視覺圖像。本文標(biāo)準(zhǔn)雙目圖像中,垂直方向視差為零,水平方向視差完全由目標(biāo)的深度決定,可根據(jù)水平方向視差,精確計(jì)算得到目標(biāo)像素的精確三維位置。

2.1.1 雙目圖像矯正

通過雙目相機(jī)標(biāo)定的程序,可以獲取了雙目相機(jī)系統(tǒng)中,兩個(gè)攝像機(jī)各自的內(nèi)參矩陣和畸變系數(shù),以及兩個(gè)相機(jī)旋轉(zhuǎn)到平行時(shí)各自的旋轉(zhuǎn)矩陣。實(shí)際操作中,Opencv和MATLAB都提供了雙目標(biāo)定工具箱,利用標(biāo)定數(shù)據(jù),可進(jìn)行去畸變或者雙目平行校正。本文采用的去畸變的程序和雙目平行校正方法如下:

去畸變的過程就是針對(duì)單目相機(jī)進(jìn)行的變換,主要用來去除相機(jī)因光學(xué)參數(shù)不精確造成圖像存在的徑向和切向畸變,而平行校正就是針對(duì)雙目相機(jī)系統(tǒng)的操作,使得校正后圖像只存在水平方向視差。單目相機(jī)內(nèi)參標(biāo)定可參閱相關(guān)文獻(xiàn)。在雙目標(biāo)定中,需要構(gòu)建一個(gè)兩個(gè)相機(jī)共同的理想內(nèi)參矩陣。

雙目攝像機(jī)通過各自的旋轉(zhuǎn)投影矩陣,將其二者產(chǎn)生的圖像變換到理想內(nèi)參矩陣建模的圖像中,即得到水平校正后的雙目圖像,校正方法為:1)分別將兩個(gè)圖像的像素坐標(biāo)系通過共同的內(nèi)參矩陣轉(zhuǎn)換到相機(jī)坐標(biāo)系;2)分別對(duì)兩個(gè)相機(jī)坐標(biāo)系進(jìn)行旋轉(zhuǎn)得到新的相機(jī)坐標(biāo)系,通過左乘旋轉(zhuǎn)矩陣R1和R2,其中R1,R2為雙目攝像機(jī)各自的旋轉(zhuǎn)投影矩陣;3)針對(duì)新的相機(jī)坐標(biāo)分別進(jìn)行左、右相機(jī)的去畸變操作;4)去畸變操作結(jié)束后,分別用左、右相機(jī)的內(nèi)參矩陣將左、右兩個(gè)相機(jī)坐標(biāo)系重新轉(zhuǎn)換到左、右圖像像素坐標(biāo)系;5)并分別用左、右源圖像的像素值對(duì)新左、右圖像的像素點(diǎn)進(jìn)行插值。

2.1.2 圖像預(yù)處理與邊緣提取

實(shí)際環(huán)境中,由于光照變換、背景復(fù)雜,拍攝的充電口雙目圖像有大量的噪聲,顯著降低檢測(cè)算法性能。因而需要對(duì)輸入圖像進(jìn)行去噪處理,并提取圖像封閉輪廓,本節(jié)主要包括圖像濾波和Sobel邊緣提取。

濾波操作去除圖像中的噪聲,減少環(huán)境噪聲對(duì)后續(xù)圖像數(shù)據(jù)處理的影響,由于灰度圖像有利于提取圖像梯度,本文首先將輸入圖像灰度化,再使用高斯濾波來去除圖像噪聲。具體操作是:用一個(gè)高斯卷積核與圖像中的每一個(gè)像素做卷積,以卷積核覆蓋的鄰域內(nèi)像素的加權(quán)平均灰度值取代中心像素點(diǎn)的值,過濾后的圖像為I(x,y)。

為提取出圖像中包含充電口區(qū)域的輪廓,首先對(duì)圖像進(jìn)行邊緣提取。圖像邊緣指圖像像素值突變的地方,通常是通過該像素鄰域的梯度信息進(jìn)行判斷,其目標(biāo)是能夠完整地提取圖像中的所有目標(biāo)輪廓的邊緣位置。由于獲取的邊緣在圖像可作為顯著性特征,因而邊緣提取后,圖像背景將變得單一,有利于后續(xù)目標(biāo)檢測(cè)。本文使用Sobel算子提取雙目圖像的一階梯度信息,進(jìn)而對(duì)雙目圖像分別分割出圖像邊緣。

Sobel邊緣提取算法通過2個(gè)卷積核與輸入圖像不斷進(jìn)行卷積運(yùn)算,獲得像素i在x方向和y方向上的梯度值和,從而計(jì)算出像素梯度值Gi及梯度方向ai,計(jì)算方法見式(1)~式(4)。

2.2 基于形狀結(jié)構(gòu)特征的充電口檢測(cè)方法

2.2.1 梯度一致性的充電口視覺檢測(cè)方法

在獲取目標(biāo)物體的邊緣輪廓雙目圖像后,本文提出基于梯度一致性的充電口視覺檢測(cè)方法,該方法使用對(duì)物體邊緣的梯度及梯度方向進(jìn)行特征匹配,構(gòu)建基于圓弧特征的目標(biāo)檢測(cè)器。檢測(cè)器的構(gòu)建過程分為訓(xùn)練和驗(yàn)證兩個(gè)階段。

訓(xùn)練階段:輸入模板圖像如圖2所示,為適應(yīng)不同距離和角度情況下對(duì)充電口的檢測(cè)要求,本文對(duì)模板圖像進(jìn)行多尺度旋轉(zhuǎn)和縮放,從而建立以圖像旋轉(zhuǎn)角度、縮放尺度和模板特圖像梯度信息為變量的充電口模板特征庫。

圖2 充電口模板

驗(yàn)證階段:輸入為經(jīng)過邊緣輪廓提取的充電口雙目圖像。驗(yàn)證過程中,通過檢測(cè)器分別提取雙目圖像的全局梯度信息,然后使用特征庫中的模板特征在輸入圖像上進(jìn)行滑窗搜索,計(jì)算模板特征與對(duì)應(yīng)位置的梯度特征之間的余弦相似度矩陣,得到相似度矩陣中最大值對(duì)應(yīng)的模板信息,并輸出充電口位置。

2.2.2 基于橢圓中心點(diǎn)的二維充電孔中心定位方法

當(dāng)前基于橢圓檢測(cè)的充電口定位方法,因考慮透視成像問題,將充電孔建模成橢圓形狀,利用檢測(cè)橢圓技術(shù)確定橢圓的邊緣,然后利用橢圓邊緣的2D精確坐標(biāo)和各種3D-2D投影約束,來解算充電孔的三維位置。該類方法有兩個(gè)問題,首先,充電孔的物理結(jié)構(gòu)導(dǎo)致其有兩個(gè)同心圓結(jié)構(gòu),當(dāng)檢測(cè)算法不能魯棒檢測(cè)出兩個(gè)圓時(shí)(或多或少),就無法判斷檢測(cè)出的是內(nèi)圓或者外圓,導(dǎo)致利用橢圓邊緣的算法不穩(wěn)定;同時(shí),這些方法只利用了充電孔自身的幾何特性,并沒有對(duì)充電孔位之間的幾何關(guān)系進(jìn)行顯示建模。

本文提出基于橢圓中心點(diǎn)及其幾何關(guān)聯(lián)的充電孔定位方法,直接預(yù)測(cè)每個(gè)充電孔橢圓的圓心,雖然橢圓圓心本質(zhì)上并不存在,沒有物理實(shí)體,但因?yàn)槠涫嵌鄠€(gè)同心圓共同的圓心,當(dāng)檢測(cè)算法檢出多個(gè)圓形時(shí),可以很方便的進(jìn)行融合,提升系統(tǒng)的魯棒性。同時(shí),本文使用預(yù)建充電口模型描述充電孔各特征之間的幾何約束,確保了檢測(cè)算法的魯棒性。本文方法主要包括2個(gè)步驟:1)構(gòu)建基于橢圓圓心的充電口形狀模型,然后對(duì)充電口形狀模型中每個(gè)充電孔中心鄰域位置上進(jìn)行搜索匹配,得到概率響應(yīng)圖;2)以概率響應(yīng)圖中極值點(diǎn)作為候選點(diǎn),并根據(jù)充電孔幾何關(guān)聯(lián),計(jì)算各中心點(diǎn)的位置。

2.3 基于形狀先驗(yàn)的充電口三維位姿估計(jì)

2.3.1 三維充電口形狀模型構(gòu)建

本文提出向量化的三維充電口幾何表征,將充電口關(guān)鍵特征點(diǎn)的坐標(biāo)依次串聯(lián)形成一個(gè)形狀向量來表示。向量化的三維幾何表征能夠適應(yīng)于高效矩陣運(yùn)算,方便后續(xù)充電口的檢測(cè)和配準(zhǔn)操作。具體表征如下:

圖3 直流快充充電口特征點(diǎn)分布

本文采集了M個(gè)三維直流快充充電口圖像,充電口包含9個(gè)特征孔,如圖3所示,將9個(gè)充電孔同心圓的圓心作為特征點(diǎn),每個(gè)特征點(diǎn)的坐標(biāo)為,(xk,yk,zk),k∈[1,9]因此充電口三維形狀特征向量表示為:

為去除M個(gè)三維直流快充口的個(gè)體偏差,本文將M個(gè)充電口求平均得到充電口的標(biāo)準(zhǔn)三維形狀,計(jì)算方法為:

其中,表示第i個(gè)充電口對(duì)應(yīng)的充電口形狀向量。

考慮圖像中充電口形狀受到旋轉(zhuǎn)、縮放和平移的影響,本文提出充電口形狀模型變形函數(shù),如式(7)所示。

θ={s,R,t,q}為表示縮放、旋轉(zhuǎn)、平移和主成分權(quán)重的參數(shù)向量;

x-表示充電口形狀的平均特征向量,由式(6)在少量標(biāo)注的數(shù)據(jù)集中統(tǒng)計(jì)獲得;

φ表示形變主成分矩陣,計(jì)算方法為:對(duì)于數(shù)據(jù)集中每個(gè)充電口形狀特征向量減去平均特征向量得到形狀變換矩陣X,均值為0。

對(duì)形狀變換矩陣X 進(jìn)行主成分分析(Principal Component Analysis,PCA),即特征向量P和對(duì)應(yīng)的特征值λ,選擇前K個(gè)特征值的特征向量,按列排布組成形變主成分矩陣φ,本文中K選取為動(dòng)態(tài)閾值,選取為特征值從大到小排列后,總能量超過90%的特征值對(duì)應(yīng)的特征向量。

2.3.2 基于概率圖模型的充電孔三維中心點(diǎn)定位方法

基于雙目圖像的視差信息,可以得到充電孔中心點(diǎn)的三維位置,方法如下,設(shè)左目圖像的充電孔中心為,右目圖像的充電孔中心,根據(jù)雙目立體幾何原理,可計(jì)算出中心點(diǎn)i的三維坐標(biāo):

其中,fx,fy,cx,cy為左目相機(jī)的內(nèi)參,di為中心點(diǎn)i的視差。

接下來,本文提出基于概率圖模型的充電孔中心點(diǎn)三維位置回歸方法,該方法分為訓(xùn)練和驗(yàn)證兩個(gè)階段:

訓(xùn)練階段,求解所有中心點(diǎn)都匹配最優(yōu)時(shí)模型參數(shù)的最大似然估計(jì)問題。首先,考慮到充電孔中心點(diǎn)空間位置概率分布是相互獨(dú)立的,列出似然函數(shù)如式(11)所示:

式(11)中,左邊為已知匹配點(diǎn)和充電孔三維位置描述時(shí),模型參數(shù)的似然函數(shù),右邊是對(duì)該似然函數(shù)進(jìn)行條件獨(dú)立分解。其中θ為需要求解的參數(shù),li∈{1,-1}表示特征點(diǎn)i是否為有效匹配點(diǎn)。通過求解上述似然函數(shù)的最大似然估計(jì),從而得到參數(shù)θ,即得到充電孔的最優(yōu)位置估計(jì)。

測(cè)試階段,以充電口形狀模型為基準(zhǔn)建立每個(gè)充電孔中心點(diǎn)的初始特征,通過式(12)對(duì)特征點(diǎn)三維鄰域進(jìn)行評(píng)分,得到三維評(píng)分響應(yīng),響應(yīng)分?jǐn)?shù)最大值所對(duì)應(yīng)的位置即為充電孔中心空間位置。

2.3.3 基于雙目相機(jī)三維信息的充電口位姿估計(jì)

本文使用基于隨機(jī)采樣一致方法(RANSAC)改進(jìn)ICP算法,將上式求出的充電孔三維坐標(biāo)與充電口3D模型進(jìn)行對(duì)應(yīng)點(diǎn)匹配,計(jì)算單應(yīng)性矩陣,得到充電口在相機(jī)坐標(biāo)系下的位姿。具體如下:

首先,通過反復(fù)選擇檢測(cè)到的充電口三維位置中的一組隨機(jī)子集來與充電口三維先驗(yàn)進(jìn)行ICP匹配。被選取的子集被假設(shè)為局內(nèi)點(diǎn),并用下述方法進(jìn)行驗(yàn)證:

1)有一個(gè)子集適應(yīng)于預(yù)設(shè)的充電口三維先驗(yàn),即所有的未知位姿參數(shù)都能從該子集計(jì)算得出。

2)用1)中得到的位姿模型去測(cè)試所有的其它檢測(cè)到充電口位置的子集,如果某個(gè)點(diǎn)適用于估計(jì)的位姿模型,認(rèn)為它也是局內(nèi)點(diǎn)。

3)如果有足夠多的點(diǎn)被歸類為假設(shè)的局內(nèi)點(diǎn),那么估計(jì)的模型就足夠合理。

4)然后,用所有假設(shè)的局內(nèi)點(diǎn)去重新估計(jì)模型,因?yàn)樗鼉H僅被初始的假設(shè)局內(nèi)點(diǎn)估計(jì)過。

5)最后,通過估計(jì)局內(nèi)點(diǎn)與位姿模型的錯(cuò)誤率來評(píng)估模型。

上述過程被重復(fù)執(zhí)行多次,本文為50次,根據(jù)錯(cuò)誤率最小值來得到最終的充電口三維位姿。

3 實(shí)驗(yàn)結(jié)果與分析

3.1 充電口檢測(cè)實(shí)驗(yàn)結(jié)果與分析

為測(cè)試基于雙目視覺的電動(dòng)汽車充電口三維定位方法的準(zhǔn)確性和魯棒性,本文收集了300張包含充電口不同位姿不同光照背景的雙目圖像作為測(cè)試集,并對(duì)比了基于單目檢測(cè)方法與本文提出的基于雙目方法在驗(yàn)證集上的準(zhǔn)確率,準(zhǔn)確率定義為檢測(cè)出的充電口位置包含完整的充電口圖像塊。實(shí)驗(yàn)結(jié)果如表1所示。

表1 充電口檢測(cè)準(zhǔn)確率、誤檢率對(duì)比

由表1可知,本文提出的方法檢測(cè)準(zhǔn)確率在驗(yàn)證集上,以較大差距超過基于單目的充電口檢測(cè)方法,在誤檢率指標(biāo)上也顯示出較好的性能。

3.2 充電口定位實(shí)驗(yàn)結(jié)果與分析

3.2.1 數(shù)據(jù)集構(gòu)建

為了訓(xùn)練充電口形狀模型及中心點(diǎn)回歸模型,本文收集并標(biāo)注了600張包含充電口不同位姿、不同光照背景的圖片作為實(shí)驗(yàn)數(shù)據(jù)集,其中訓(xùn)練集300張,測(cè)試集300張。數(shù)據(jù)集標(biāo)簽中涵蓋充電孔編號(hào)和中心點(diǎn)位置,中心點(diǎn)的位置采用標(biāo)注圓的圓心位置,減小標(biāo)注誤差。標(biāo)注樣例如圖4所示。

圖3 數(shù)據(jù)集標(biāo)注樣例

3.2.2 評(píng)估方法

為了評(píng)估提出方法的有效性,本文提出平均絕對(duì)距離誤差(MADE)指標(biāo)對(duì)方法的性能進(jìn)行評(píng)估。MADE的計(jì)算方法如下:

其中x的量綱為毫米。

3.2.3 實(shí)驗(yàn)結(jié)果與分析

本文測(cè)試了提出方法在測(cè)試集上的平均絕對(duì)距離誤差,本文首先對(duì)所提方法在預(yù)測(cè)每個(gè)中心點(diǎn)位置的誤差水平進(jìn)行驗(yàn)證,測(cè)試結(jié)果如表2所示。

表2 提出方法對(duì)每個(gè)充電孔中心的預(yù)測(cè)誤差

由表2可知,本文提出的方法在預(yù)測(cè)目標(biāo)位置時(shí)位置誤差MADE均小于1個(gè)像素,根據(jù)像素與實(shí)際距離的對(duì)應(yīng)關(guān)系計(jì)算,可以滿足充電口位姿定位精度要求。進(jìn)一步地,相較于基于橢圓邊緣檢測(cè)的方法,本文所提方法性能也有較大提升,對(duì)比結(jié)果如表3所示。

表3 與基于橢圓檢測(cè)的方法對(duì)比

由表3可以看出,本文所提方法在定位中心點(diǎn)位置時(shí)的誤差顯著低于基于橢圓邊緣檢測(cè)的方法,也低于本文方法的單目視覺檢測(cè)版本,說明了本文方法的二維定位算法精度更高,同時(shí)雙目結(jié)構(gòu)的冗余性帶來進(jìn)一步的精度提升。

4 結(jié)語

充電口檢測(cè)定位是電動(dòng)汽車自動(dòng)充電中的關(guān)鍵性使能技術(shù),充電口檢測(cè)定位需要確定充電口高精度的三維位置,來指導(dǎo)充電機(jī)器人進(jìn)行作業(yè)。本文提出了基于雙目視覺的電動(dòng)汽車充電口三維定位方法,通過使用充電口三維模型建立訓(xùn)練數(shù)據(jù)并初始化充電孔中心位置,然后通過雙目視覺對(duì)極幾何約束得到充電孔中心點(diǎn)的三維位置坐標(biāo),并利用ICP方法對(duì)中心點(diǎn)位置進(jìn)一步優(yōu)化,獲得精確的充電口三維位姿信息。實(shí)驗(yàn)結(jié)果表明,本文提出的方法提高了充電口定位的準(zhǔn)確率和魯棒性,且可應(yīng)用于電力領(lǐng)域其他作業(yè)目標(biāo)的檢測(cè)定位,具有較強(qiáng)的通用性。

猜你喜歡
雙目中心點(diǎn)形狀
挖藕 假如悲傷有形狀……
Scratch 3.9更新了什么?
基于雙目測(cè)距的卡爾曼濾波船舶軌跡跟蹤
電子制作(2019年20期)2019-12-04 03:51:38
如何設(shè)置造型中心點(diǎn)?
電腦報(bào)(2019年4期)2019-09-10 07:22:44
你的形狀
看到的是什么形狀
基于雙目視覺圖像的長(zhǎng)度測(cè)量方法
漢字藝術(shù)結(jié)構(gòu)解析(二)中心點(diǎn)處筆畫應(yīng)緊奏
尋找視覺中心點(diǎn)
大眾攝影(2015年9期)2015-09-06 17:05:41
基于雙目視覺的接觸線幾何參數(shù)測(cè)量方法
信宜市| 沅江市| 育儿| 赞皇县| 靖边县| 平邑县| 论坛| 东山县| 东丽区| 菏泽市| 称多县| 阿拉善盟| 汝州市| 涞水县| 晋城| 乌兰察布市| 贵阳市| 漯河市| 孝感市| 荆州市| 南京市| 石狮市| 体育| 南华县| 兰考县| 会同县| 北川| 淮滨县| 太原市| 宜城市| 尖扎县| 遂川县| 昭通市| 介休市| 鹿邑县| 和硕县| 通榆县| 潍坊市| 青岛市| 抚顺县| 贵南县|