提出了一种基于深度学习的门牌检测方法,以实现室内环境中移动机器人的全局定位。具体步骤为:基于MobileNet-SSD算法对单目相机获取的图像进行门牌区域检测;提出一种改进的旋转投影方法用于倾斜图像校正;通过kNN(k-Nearest Neighbors)算法进行门牌号识别;根据事先采集的各个门牌的正视模板图片进行SURF(Speeded Up Robust Features)特征点匹配,进而实现基于n点透视(PnP)问题的相机位姿求解;根据坐标变换实现移动机器人的全局定位。使用移动机器人在室内办公环境下进行定位实验,结果表明,基于该方法实现的平均位置误差约为7 cm,朝向误差为0.1712 rad,相较于只使用自适应蒙特卡罗方法时位置误差减小了约50%,朝向误差减小了约57%。

针对工业机器人精确对准问题, 提出了一种基于单目视觉的工业机器人对准技术。该技术把工业机器人与单目视觉测量技术相结合, 根据特制的手眼标定板, 快速建立单目视觉测量系统与机器人上对准轴之间的手眼关系和对准的基准位姿; 在对准环节, 通过单目视觉系统获取工件目标的姿态, 然后根据已有的手眼关系和基准位姿, 求解在机器人基坐标系下机器人末端的对准轴的位置调整量, 迭代调整机器人末端位姿, 从而实现了机械人末端的对准轴与工件目标的精确对准。实验结果表明：在测量距离约是150 mm处, 对准平均精度优于0.2°。

为了解决单目视觉中单圆位姿测量方法存在虚假解的问题, 提出了矩形约束消除位姿二义性的方法。在相机已标定的情况下, 采集目标上圆与矩形的图像, 要求圆与矩形共面或者两个平面相互平行。首先通过相关数学推导可获得圆特征的圆心位置和过圆心法向量, 但是圆心位置和过圆心法向量均存在二义性虚假解; 其次由先验条件未知的矩形所确定的平面法向量与过圆心的真实法向量平行为约束条件, 可有效消除虚假解; 最后由相关算法可计算出真实法向量所包含的物体姿态参数, 同时可确定物体的真实位置。经实验验证, 物体姿态测量的绝对误差小于0.5°, 表明该方法简单易行, 可有效消除单圆位姿测量虚假解。