本發(fā)明涉及機(jī)器人視覺定位，特別是指一種深度學(xué)習(xí)的機(jī)器人3d視覺定位誤差校正方法及系統(tǒng)。

背景技術(shù)：

1、隨著機(jī)器人技術(shù)的快速發(fā)展，智能機(jī)器人在工業(yè)自動(dòng)化、無人駕駛、服務(wù)機(jī)器人等領(lǐng)域得到了廣泛應(yīng)用。在這些應(yīng)用場(chǎng)景中，準(zhǔn)確的定位與導(dǎo)航是實(shí)現(xiàn)機(jī)器人自主操作的關(guān)鍵。然而，機(jī)器人在復(fù)雜環(huán)境中的定位精度常常受到多種因素的影響，包括傳感器噪聲、環(huán)境光照變化、動(dòng)態(tài)障礙物和測(cè)量誤差等。這些因素會(huì)導(dǎo)致機(jī)器人的位置信息產(chǎn)生偏差，影響其工作效率和安全性。

2、傳統(tǒng)的定位方法主要依賴于幾何計(jì)算、傳感器融合和濾波技術(shù)等。然而，這些方法在處理非線性和動(dòng)態(tài)環(huán)境時(shí)，往往難以達(dá)到理想的效果。例如，卡爾曼濾波器(kalmanfilter)在處理高噪聲和快速變化的環(huán)境時(shí)，可能會(huì)產(chǎn)生較大的誤差。而基于特征提取的視覺定位方法則受到環(huán)境特征稀疏和光照變化的限制，難以保證穩(wěn)定的性能。

3、近年來，深度學(xué)習(xí)技術(shù)的迅速發(fā)展為解決上述問題提供了新的思路。深度學(xué)習(xí)模型，尤其是卷積神經(jīng)網(wǎng)絡(luò)(convolutional?neural?networks,cnns)，在圖像識(shí)別和特征提取方面表現(xiàn)出了優(yōu)越的性能。通過對(duì)大量數(shù)據(jù)的訓(xùn)練，深度學(xué)習(xí)模型能夠自動(dòng)學(xué)習(xí)到高維特征，從而提高定位的準(zhǔn)確性和魯棒性。然而，現(xiàn)有的深度學(xué)習(xí)方法在實(shí)際應(yīng)用中仍面臨定位誤差校正不足的問題，尤其是在動(dòng)態(tài)環(huán)境下。

技術(shù)實(shí)現(xiàn)思路

1、為了解決現(xiàn)有技術(shù)中機(jī)器人在復(fù)雜環(huán)境中定位精度不足、誤差校正效率低下的技術(shù)問題，本發(fā)明提供了一種深度學(xué)習(xí)的機(jī)器人3d視覺定位誤差校正方法及系統(tǒng)。

2、本發(fā)明提供的技術(shù)方案如下：

3、第一方面：

4、本發(fā)明提供的一種深度學(xué)習(xí)的機(jī)器人3d視覺定位誤差校正方法，包括：

5、s1、獲取機(jī)器人在三維空間中的初始位置信息pinitial，并定義縮放因子rscale和距離閾值dthreshold，所述縮放因子的取值范圍為(0,2)，表示對(duì)誤差的放大或縮小，所述距離閾值單位為米，表示最大可接受的定位誤差；

6、s2、利用深度學(xué)習(xí)模型從獲取的圖像數(shù)據(jù)中提取特征，計(jì)算機(jī)器人相對(duì)于目標(biāo)位置的位移誤差epos＝ptarget-pcurrent，其中，ptarget為目標(biāo)位置，pcurrent為當(dāng)前位置信息；

7、s3、將所述位移誤差和所述距離閾值進(jìn)行比較，如果||epos||>dthreshold，執(zhí)行校正步驟；

8、s4、所述校正步驟通過下式計(jì)算：

9、pcurrected＝pcurrent+rscale·epos

10、其中，pcorrected為校正后的位置信息，之后對(duì)校正后的信息進(jìn)行平滑處理。

11、第二方面：

12、本發(fā)明提供的一種深度學(xué)習(xí)的機(jī)器人3d視覺定位誤差校正系統(tǒng)，包括：

13、處理器；

14、存儲(chǔ)器，所述存儲(chǔ)器上存儲(chǔ)有計(jì)算機(jī)可讀指令，所述計(jì)算機(jī)可讀指令被所述處理器執(zhí)行時(shí)，實(shí)現(xiàn)如第一方面所述的深度學(xué)習(xí)的機(jī)器人3d視覺定位誤差校正方法。

15、本發(fā)明提供的技術(shù)方案帶來的有益效果至少包括：

16、(1)在本發(fā)明中，通過深度學(xué)習(xí)模型的特征提取能力，顯著提高了機(jī)器人在復(fù)雜環(huán)境中對(duì)位移誤差的識(shí)別精度。這一創(chuàng)新使得機(jī)器人能夠更加準(zhǔn)確地定位自身相對(duì)于目標(biāo)的位置，減少因傳感器噪聲和環(huán)境變化帶來的影響，從而提升了整體定位的可靠性和穩(wěn)定性。這種高精度的誤差校正能力，有助于機(jī)器人在執(zhí)行自主導(dǎo)航和任務(wù)時(shí)，顯著降低潛在的安全風(fēng)險(xiǎn)；

17、(2)在本發(fā)明中，動(dòng)態(tài)校正機(jī)制的引入使得機(jī)器人能夠?qū)崟r(shí)響應(yīng)環(huán)境變化。當(dāng)檢測(cè)到位移誤差超過設(shè)定的距離閾值時(shí)，系統(tǒng)能夠快速執(zhí)行校正步驟，從而有效減少定位誤差。這種實(shí)時(shí)調(diào)整的能力使得機(jī)器人在復(fù)雜和動(dòng)態(tài)的工作環(huán)境中更加靈活，能夠適應(yīng)快速變化的條件，提升了工作效率；

18、(3)在本發(fā)明中，融合多傳感器數(shù)據(jù)的方法有效增強(qiáng)了信息的完整性和冗余性。通過結(jié)合視覺傳感器、激光雷達(dá)和慣性測(cè)量單元的數(shù)據(jù)，系統(tǒng)能夠在信息丟失或單一傳感器失效的情況下，仍然保持較高的定位準(zhǔn)確度。這種冗余設(shè)計(jì)提高了系統(tǒng)的魯棒性，確保機(jī)器人在多種工作條件下均能穩(wěn)定運(yùn)行，從而拓寬了其應(yīng)用范圍。

技術(shù)特征：

1.一種深度學(xué)習(xí)的機(jī)器人3d視覺定位誤差校正方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的一種深度學(xué)習(xí)的機(jī)器人3d視覺定位誤差校正方法，其特征在于，所述位移誤差的具體計(jì)算方法包括：

3.根據(jù)權(quán)利要求1所述的一種深度學(xué)習(xí)的機(jī)器人3d視覺定位誤差校正方法，其特征在于，所述深度學(xué)習(xí)模型進(jìn)一步包括：

4.根據(jù)權(quán)利要求3所述的一種深度學(xué)習(xí)的機(jī)器人3d視覺定位誤差校正方法，其特征在于，包括：

5.根據(jù)權(quán)利要求1所述的一種深度學(xué)習(xí)的機(jī)器人3d視覺定位誤差校正方法，其特征在于，所述平滑處理具體包括：

6.根據(jù)權(quán)利要求5所述的一種深度學(xué)習(xí)的機(jī)器人3d視覺定位誤差校正方法，其特征在于，所述平滑因子的動(dòng)態(tài)調(diào)整過程具體包括：

7.根據(jù)權(quán)利要求1所述的一種深度學(xué)習(xí)的機(jī)器人3d視覺定位誤差校正方法，其特征在于，所述目標(biāo)位置獲得方法具體包括：

8.根據(jù)權(quán)利要求7所述的一種深度學(xué)習(xí)的機(jī)器人3d視覺定位誤差校正方法，其特征在于，所述目標(biāo)位置的融合計(jì)算具體包括：

9.根據(jù)權(quán)利要求8所述的一種深度學(xué)習(xí)的機(jī)器人3d視覺定位誤差校正方法，其特征在于，所述目標(biāo)位置的動(dòng)態(tài)調(diào)整過程具體包括：

10.一種深度學(xué)習(xí)的機(jī)器人3d視覺定位誤差校正系統(tǒng)，其特征在于，包括：

技術(shù)總結(jié)
本發(fā)明提供一種深度學(xué)習(xí)的機(jī)器人3D視覺定位誤差校正方法及系統(tǒng)，涉及機(jī)器人視覺定位技術(shù)領(lǐng)域，方法包括：獲取機(jī)器人在三維空間中的初始位置信息、利用深度學(xué)習(xí)模型提取圖像特征、計(jì)算位移誤差并與距離閾值進(jìn)行比較、執(zhí)行校正步驟。通過多傳感器數(shù)據(jù)融合和動(dòng)態(tài)調(diào)整目標(biāo)位置，優(yōu)化機(jī)器人在復(fù)雜環(huán)境中的定位精度和可靠性。本發(fā)明的目的是通過深度學(xué)習(xí)和多傳感器融合技術(shù)，提升機(jī)器人在三維空間中的定位準(zhǔn)確性，減少由于環(huán)境變化和傳感器誤差造成的定位偏差，從而實(shí)現(xiàn)更加智能化和自主化的機(jī)器人導(dǎo)航能力。

技術(shù)研發(fā)人員：毛賀,夏林中,盧忱,高波,賴周藝,楊洋,張曉莉,何懂,王貝
受保護(hù)的技術(shù)使用者：深圳信息職業(yè)技術(shù)學(xué)院
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9