CN108733062A - 家庭陪护机器人自主充电系统及方法 - Google Patents

Abstract

本发明公开了一种基于ROS的家庭陪护机器人自主充电系统及方法，它解决了家庭陪护机器人充电站结构对接容忍度不够，缺少普遍的环境适应性，充电效率较低，对接过程漫长等问题，具有自主充电的能力。当机器人在工作过程中处于低电量状态时，能够自主搜寻充电站的位置，并且与之实现精确的对接。其技术方案为：编码器和IMU数据通过卡尔曼滤波得到里程计数据，里程计和激光雷达数据基于Rao‑Blackwellized粒子滤波SLAM算法构建环境二维栅格地图，同时利用生成的地图进行定位，然后通过基于A*和DWA算法的路径规划实现远程对接，使机器人移动到充电站附近，最后采用红外和超声传感器基于双重优先级的红外导航算法实现近程对接，完成自主充电。

Description

家庭陪护机器人自主充电系统及方法

技术领域

本发明涉及智能控制技术领域，特别是涉及机器人自主充电系统及方法。

背景技术

随着家庭陪护机器人的日益发展和普及，它们所提供的服务越来越多，与此同时，人们对于机器人的要求也越来越高，如果机器人不能够保证持续工作，那么所提供的服务必定将大打折扣，甚至在最需要的时候却因电量不足而影响正常功能，因此，家庭陪护机器人必须能够长时间且连续不断地工作，而实现这个目标则需要自主充电技术的支撑。自主充电技术有效地解决了机器人不能连续工作的问题，实现了在没有人工介入的前提下对机器人进行安全可靠的能量补给的目的。

按照机器人寻找充电站的方式可将自主充电技术分为两类：一类是充电站本身配备有可以与机器人通信、引导机器人对接的传感器，并通过某种方式的引导完成自主充电对接；另一类是充电站上没有任何引导设备，机器人靠设置的路标和建立的地图自主寻找充电站并与之对接。前者一般根据充电站发射的某种信号来实现机器人的相对定位，并依靠信号的引导完成与充电站的对接；后者则依据路标或者构建的地图判断充电站位置，然后直接规划导航路径完成充电对接。

两种方式根据应用场合和目的不同各有优缺点：第一种方式结构简单、设备成本较低，除了发送引导信号和接收引导信号的设备之外没有其它定位设备，因此功能单一，对接范围有限。第二种方式结构复杂，机器人配备外部传感器，如摄像头、激光雷达等，设备成本较高，除了能够完成基本的自主充电任务之外，还可以感知外部环境并进行地图构建、定位和导航，能够应用在不同的场合，执行多种任务。

综上所述，现有技术中对于家庭陪护机器人自主充电技术还存在着诸多不足之处，比如容错和纠错能力不足，引导装置不够可靠，充电站结构对接容忍度不够，缺少普遍的环境适应性，充电效率较低，对接过程漫长等问题，尚缺乏有效的解决方案。

发明内容

为了解决现有技术的不足，本发明提供了一种家庭陪护机器人自主充电系统，其具有自主充电的能力，当机器人在工作过程中处于低电量状态时，能够自主搜寻充电站的位置，并且与之实现精确对接的效果；本发明将自主充电分为近程对接和远程对接两级系统，机器人需要同时具备近程和远程对接的能力，远程对接系统以地图信息和激光雷达信息为数据源，采用自适应蒙特卡罗算法进行自身定位，并基于A*算法和DWA算法实现全局路径规划和局部路径规划，其目的主要是让机器人到达充电站附近或所在房间；近程对接则采用本发明提出的基于双重优先级的红外导航算法，引导机器人驶向充电站，并完成与充电站的精确对接。

本发明提出的一种家庭陪护机器人自主充电系统，包括：机器人上位机、机器人本体和充电站；

所述机器人上位机根据激光雷达数据和里程计数据对环境进行构建得到二维栅格地图；

所述机器人上位机在机器人本体运行过程中实时监测电池电压，当电压低于一定阈值时开启自主充电模式，此时机器人本体开始进行远程对接，所述机器人上位机对机器人本体在二维栅格地图上进行定位并根据路径规划算法控制机器人本体的运动，在所述机器人本体行驶到充电站附近或充电站所在房间时切换成近程对接，所述机器人上位机控制机器人本体与充电站完成精确对接后开始实时监测电池状态，当机器人电池充满后结束充电过程。

进一步优选的技术方案，所述机器人本体包括主控制器、第二控制器、红外接收头，第二控制器负责对四个红外接收头的信号进行捕获，并将接收到的信号滤波，剔除异常数据，然后根据滤波后的数据判断红外接收头所处位置，最后将位置信息编码封装，通过串口上传给主控制器。

进一步优选的技术方案，每个红外接收头接收4种红外信号，不同的红外信号表示红外接收头在不同的区域，将4个红外接收头所在区域进行编码，仅用一个字节就实现信息的上传。

进一步优选的技术方案，所述机器人上位机根据激光雷达扫描周围环境所获得的激光雷达数据、里程计数据获得机器人的位姿信息，采用基于Rao-Blackwellized粒子滤波的SLAM 算法对环境地图进行构建得到二维栅格地图。

本申请还公开了一种家庭陪护机器人自主充电方法，包括：

根据激光雷达数据和里程计数据对环境地图进行构建得到二维栅格地图；

在机器人运行过程中实时监测电池电压，当电压低于一定阈值时开启自主充电模式，此时机器人本体开始进行远程对接；

机器人上位机对机器人本体在二维栅格地图上进行定位并根据路径规划算法控制机器人的运动，在机器人本体行驶到充电站附近或充电站所在房间时切换成近程对接；

机器人上位机控制机器人本体与充电站完成精确对接后开始实时监测电池状态，当机器人本体电池充满后结束充电过程。

进一步优选的技术方案，所述机器人上位机构建得到二维栅格地图时，基于改进的中值滤波算法和分割算法对激光雷达数据进行预处理；

所述机器人上位机基于SLAM算法构建出机器人周围环境的二维栅格地图，并通过其采样的轨迹和观测信息计算相应的地图估计，计算输出特征状态的均值和方差，完成地图更新。

进一步优选的技术方案，所述远程对接以SLAM所构建的二维栅格地图为依据，基于A* 算法实现全局路径规划，基于DWA算法实现局部路径规划，最终实现远程对接的导航过程，远程对接引导机器人行驶到充电站附近或充电站所在的房间，便于之后的近程对接。

进一步优选的技术方案，所述A*算法对全局路径进行规划的同时结合DWA算法对局部路径进行规划，得到最优充电路径。

进一步优选的技术方案，当机器人行驶至充电站附近或充电站所在房间时，机器人上位机会自动切换为自主充电近程对接模式；所述的家庭陪护机器人自主充电方法中的近程对接利用红外和超声传感器，基于双重优先级的红外导航算法引导机器人与充电站进行对接，在对接过程遇到障碍物时采取模糊控制算法进行避障。

进一步优选的技术方案，模糊控制根据超声波传感器对测得的障碍物距离以及模糊控制规则库进行模糊推理，把模糊推理得到的结果进行解模糊，解模糊就是把模糊集合映射为确定的值，确定的值即为测得的精确的障碍物距离，上位机根据该距离控制电机运转。

与现有技术相比，本发明的有益效果是：

本发明中自主充电远程对接是基于RPLIDAR实现的，仅采用这种方案不能保证最终对接的准确度，而且当环境发生改变(例如充电站位置移动)时，如果不能及时更新地图，也将造成对接失败，于是本发明通过基于双重优先级的红外导航算法来完成近程对接，该算法通过红外和超声波传感器实现，可以完成精确对接，综合二者的优缺点，本发明提出了这种混合分级对接的设计方案，既保证了对接的范围，又保证了对接的效率、成功率和准确度。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。

图1为自主充电系统流程图；

图2为系统体系结构图；

图3为系统整体框架图；

图4为系统硬件架构图；

图5为远程对接框架图；

图6为第二控制器工作流程图；

图7为红外信号发射流程图；

图8为两路红外通讯信号具体格式图；

图9(a)为Gmapping构建出的实验室二维地图；

图9(b)为HectorSLAM构建出的实验室二维地图；

图10为HectorSLAM构建的二维地图；

图11(a)-(d)为自适应蒙特卡罗定位算法图；

图12(a)为远程对接路径规划图；

图12(b)为远程对接沿规划路径移动图；

图12(c)为远程对接穿过门廊图；

图12(d)为远程对接越过障碍图；

图12(e)为远程对接到达目标点图；

图12(f)为远程对接姿态调整图；

图13(a)为远程对接局部路径规划范围图；

图13(b)为远程对接局部路径规划动态避障图。

具体实施方式

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本发明使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

本发明提出了一种基于ROS的家庭陪护机器人自主充电系统。

本申请中，如图1所示，一种基于ROS的家庭陪护机器人自主充电系统，首先通过SLAM 建立机器人周围环境地图，然后在机器人运行过程中实时监测电池电压，当电压低于一定阈值时开启自主充电模式。此时机器人开始进行远程对接，行驶到充电站附近或充电站所在房间时切换成近程对接。完成精确对接后开始实时监测电池状态，当电池充满后结束充电过程，并自动驶离充电站继续之前的任务。

机器人的体系结构主要反映出了机器人各个结构或者模块之间的相互关系，它是整个机器人系统的基础，常用的体系结构包括分层式和包容式等，但是本申请中的机器人系统较为复杂，单一体系结构已经不能满足要求，因此本申请提出了一种混合式的体系结构，如图2 所示。

本申请中，采用多传感器融合的方式实现家庭陪护机器人自主充电，系统框架如图3所示。编码器和IMU数据通过卡尔曼滤波得到里程计数据，里程计和激光雷达数据基于Rao-Blackwellized粒子滤波SLAM算法构建二维栅格地图，同时利用生成的地图进行定位，然后通过基于A*和DWA算法的路径规划实现远程对接，使机器人移动到充电站附近，最后采用红外和超声数据基于双重优先级的红外导航算法实现近程对接。

系统硬件架构主要分为三部分，如图4所示，包括：机器人上位机、机器人本体和充电站；

机器人上位机包括两台笔记本电脑，其中一台安装在机器人上，主要在ROS操作系统下实现SLAM和自主充电远程对接，交换IMU数据和激光雷达数据，并且给机器人下达控制指令，另一台主要用来远程操控和调试，以及实时地监视系统运行情况；

机器人本体包括STM32主控制器、电机、编码器、电源模块、监测模块、LED点阵、防跌落传感器、超声波传感器、电池、充电极片、底层转换板、红外接收头，由于STM32 主控制器资源有限，因此底层转接电路板设计了第二STM32控制器，用于将红外接收头接收情况编码打包，并上传给主控制器用于近程对接；

充电站包括AVR控制器、红外发射头、开关电源和充电极片，由于充电站功能简单，因此选取成本较低的AVR单片机，开关电源将家用交流电转换成24V直流电，一方面给控制器供电，另一方面通过充电极片给机器人充电。

具体的，本申请选取轮式运动平台，激光雷达本质上是一个高速激光测距系统，选取思岚科技的RPLIDAR A2，该雷达性能良好，价格相对较低，非常适合家庭服务机器人使用。惯性测量单元(IMU)是测量物体三轴姿态角(或角速率)以及加速度的装置。本申请选取迈科传感公司生产的型号为LVT416T的惯性测量单元。红外接收头是一种光电元件和集成电路的组合元件，可以接收30kHz-60kHz(常用38kHz)的负载波，然后解调输出原始波形，但是其高低电平与发射头相反。红外接收头分为电平型和脉冲型两种，电平型可接收连续的负载红外信号，脉冲型只能接收间断的负载红外信号。目前电平型红外接收头较少，仅用于特殊场合，脉冲型红外接收头应用更加广泛，因此本申请选取脉冲型红外接收头。

电路方面，主控电路板主要包括STM32主控系统电路、编码器电路、电池电压检测电路、超声选通电路、逻辑电平转换电路等。选取STM32F103VCT6单片机作为主控制器，该系列单片机以Cortex-M3作为内核，具有丰富的外设资源，同时具有低功耗、低成本、高性能的特点。编码器电路包括四倍频电路和脉冲鉴向电路，码盘输出的脉冲信号经过施密特触发器整型之后，产生稳定的方波信号，然后采用D触发器结合两路方波信号构成鉴向电路，通过其输出的高低电平判断电机的运转方向。四倍频电路的主要作用是将码盘产生的脉冲信号倍频，在相同时间内产生更多的脉冲信号，使得速度计算更精确，减少测量误差。

电池电压检测电路的主要作用是实时监视电池的电压值，一旦电池电压小于设定的阈值，则开启自主充电模式。电源及电机驱动电路板主要包括充电管理电路、电机驱动电路、多路稳压输出电路、开关电路等。

充电管理电路的主要作用是对锂电池进行充电管理，以及检测充电状态，本申请选取上海如韵电子有限公司生产的四节锂电池专用管理芯片CN3704完成上述任务。通过检测 CN3704芯片管脚和的状态可以判断电池当前的充电状态，具体判断方法如表1所示，其中状态1和状态2分别作为自主充电对接成功和充电完成的标志。

表1充电状态指示说明

底层转接电路板，包括第二STM32控制器电路、红外接收电路、红外防跌落电路等。STM32控制器的主要作用是捕获四路红外信号，并将它们进行编码打包，通过串口上传给主控制器。红外接收电路的主要作用是为红外接收头供电并将解调后的红外通讯信号输入到STM32控制器中。

充电站电路板主要包括AVR控制器、红外发射驱动电路、与门电路、稳压电路等。

充电站功能比较单一，本申请选取AVR系列单片机ATMEGA48L-10AI。与门电路负责将红外通讯信号与38kHz的载波信号相与，调制成红外接收头能够接收的负载信号，本申请选取74VHC08芯片完成上述任务。红外发射驱动电路负责将负载信号转换成红外信号并发送出去。

LED点阵屏驱动电路板，机器人在执行上位机下达的任务时，最好能够实时地监测到机器人的运行状态，除了直接从后台查看以外，本申请为机器人专门设计了一个LED点阵屏，用来作为人机交互的途径之一。

机器人不同的运行状态对应不同的面部表情，通过LED点阵屏显示出来，这样为用户提供了极大的便捷，也使得人机交互更加友好。本申请设计了包括面部表情、标识符号、文字图标等30余种表情。

充电站上充电极片设计了缓冲轨道和弹簧，当机器人与充电站对接的一瞬间，充电极片会产生一定的缓冲，减小二者碰撞产生的振动，从而延长硬件工作寿命。

在软件部分，激光雷达测得的障碍物距离信息是基于自身坐标系的，而导航需要得到障碍物在机器人坐标系中的距离信息，因此需要进行坐标转换，才能将障碍物信息添加到地图中去。

基于ROS操作系统实现远程充电对接，如图5所示。在ROS系统中，机器人远程对接被分成了多个部分，每个部分都被封装成一个节点，节点之间通过ROS中特殊的协议相互通信。

所有的节点被分成内部节点和外部节点两部分。内部节点主要包括路径规划节点和代价地图节点，外部节点包括机器人定位节点、坐标转换节点、里程计节点、地图服务器节点、激光雷达节点。在进行路径规划之前，需要通过SLAM获得环境地图，并将地图存储至地图服务器上，实际路径规划时，ROS系统从地图服务器获得先验的地图信息，再利用机器人定位节点，对机器人本身进行定位。此外，激光雷达提供周围环境的扫描数据，里程计提供机器人的位姿信息，最终系统会综合这些信息进行路径规划，并下发控制指令给机器人运动平台。

当完成路径规划后，需要继续对机器人的速度进行规划，以实现路径跟踪的目的。

由于STM32主控制器资源有限，因此本申请设计了第二控制器(底层转接板STM32)，其工作流程如图6所示。

第二控制器主要负责对四个红外接收头的信号进行捕获，并将接收到的信号滤波，剔除异常数据，然后根据滤波后的数据判断红外接收头所处位置，最后将位置信息编码封装，通过串口上传给STM32主控制器。

每个红外接收头可以接收4种红外信号(包括无信号)，如果用2个字节分别表示红外接收头的标号以及所处区域，那么第二控制器上传的协议中数据部分至少占8个字节，但是在实际工程中，通信协议越长越容易出错，系统运行也越不稳定。因此本申请提出了一种编码方式，将4个红外接收头所在区域进行编码，仅用一个字节就实现了信息的上传，从而保证了系统的可靠运行。

1个字节(Byte)总共有8位(bit)，每2位可以表示4种情况，因此本申请将1个字节划分成4部分，每个部分都表示其中一个红外接收头所处的区域，这样仅用1个字节就表示出所有情况，具体编码方式如表2所示。例如当所有红外接收头均在区域A1时，编码为0x00；所有接收头均在区域A4时，编码为0xff。

表2红外接收情况编码表

为了保证通信协议的完整性并且进一步提高可靠性，需加入报头和校验位，完整的通信协议如表3所示。

表3第二控制器到主控制器协议

充电站软件部分，主要是对红外信号进行调制的过程，如图7所示。AVR单片机产生一路频率为38kHz、占空比为1/3的PWM信号作为载波信号，另外产生两路频率相同、占空比不同的PWM信号作为红外通讯信号，然后通过硬件电路将载波信号分别和两路红外通讯信号相与得到负载信号，最后用负载信号分别驱动左右两个红外发射头。此外，如果两个红外发射头同时发射红外信号，那么信号必定会叠加在一起互相产生影响，因此本申请采用分时发送的方法，即当其中一个红外发射头发射时另一个停止，二者交替发射红外信号。

两路红外通讯信号的格式如图8所示，一开始产生9ms的高电平，再产生4.5ms的低电平作为起始信号，紧接着是数据信号。第一路红外通讯信号的数据部分为频率500Hz、占空比1/2的PWM信号，第二路红外通讯信号的数据部分为频率500Hz、占空比3/4的PWM信号。最后，通信信号结束后是长时间的低电平表示信号结束。

为了更为详细的说明本申请的效果，公开了具体的测试例子：

为了保证机器人的定位更加准确，需要对机器人的里程计进行校准，校准主要包括线速度校准和角速度校准两部分。

地图构建主要在Ubuntu系统下基于ROS实现，测试步骤如下：

Step 1：开启机器人底层运动平台，机器人本体STM32主控器开始上传机器人的相关信息。在远程计算机运行TeamViewer软件对机器人本体上的计算机进行操控，终端运行机器人 ROS启动节点。

Step 2：终端运行SLAM节点Gmapping。

Step 3：启动rviz视图工具，监测地图构建过程。

Step 4：启动键盘控制节点，调整到合适的线速度和角速度，开始构建地图。在地图构建图过程中，应保持机器人低速移动和单向运动，避免走回头路，争取一次完成。

Step 5：完成环境地图构建后，在终端运行以下指令保存地图。保存好的地图包括pgm 图片和yaml配置文件，其中yaml文件中包含了原点位置、分辨率和栅格占有率等信息，该文件主要应用于后续的路径规划中。

为了验证算法的通用性，本申请选取了三种具有代表性的不同场景分别进行实验，包括实验室、楼道走廊和室内大厅。

实验室场景中包括门、若干桌椅和杂物，该场景属于复杂场景，构建的二维地图比较零散，但与真实环境基本相同；楼道走廊包括两条长走廊、电梯间、楼梯间和实验室，该场景较狭长，其中两条走廊长40多米，通过二维地图可以看出地图效果较好，走廊笔直且未失真，电梯间、楼梯间和实验室细节表现完整，整个地图与真实环境也基本相同；室内大厅主要包括电梯大厅和“Y”型大厅，构建出的地图效果较好。三种场景下构建的二维地图均满足系统设计要求，完全可以用于后续的路径规划中。

为了进一步验证SLAM算法的实际效果，本申请做了相关的对比实验，采用其它算法对实验室场景进行地图构建，如图9所示。

图9(a)是采用Gmapping构建的地图，该功能包是对基于Rao-Blackwellised粒子滤波的SLAM算法的实现，该算法依靠里程计数据和激光雷达数据构建地图，因此在特征极少的环境中，激光雷达数据可信度开始下降时，可以更多的依靠里程计数据进行定位。图9(b) 是采用HectorSLAM构建的地图，HectorSLAM是对基于高斯牛顿扫描匹配的SLAM算法的实现，该算法不依靠里程计数据，对激光雷达的性能要求较高。HectorSLAM利用已构建的地图对激光点阵进行优化，估计激光点阵在地图中的表示和占据网格的概率，图9(a)、图9(b)为SLAM对比实验图。通过对比图9(a)和图9(b)红色圆圈内的部分可以看出，Gmapping构建的地图效果远远好于HectorSLAM所构建的地图，其细节处理更准确，而且在长走廊这类特征较少的场景中，HectorSLAM算法定位不够准确，导致最后构建的地图严重失真，如图10所示。

通过上述实验结果可以看出，基于Rao-Blackwellised粒子滤波SLAM算法所构建的二维地图比基于高斯牛顿法构建的地图更加准确，细节表现更加良好，更加满足后续导航的要求。

自主充电远程对接同样在Ubuntu系统下基于ROS实现，测试步骤如下：

Step 1：首先使用地图服务器从磁盘中读取构建好的环境地图；

Step 2：启动rviz查看地图；

Step 3：启动自适应蒙特卡罗定位算法节点amcl；

如图11所示，地图中有若干箭头，表示算法中的所有粒子，随着算法的进行，粒子不断聚合，最终都聚集到实际机器人的附近，表明定位成功；

Step 4：启动机器人导航节点，开始进行自主充电远程对接；

Step 5：远程对接的目的是让机器人行驶到充电站附近，因此需要把充电站的位置设置为机器人的目标点，本申请在navigation_goals.cpp文件中设置了机器人的目标点(充电站坐标)，运行该节点开始进行实际导航。

实际对接过程如图12所示，当开始导航后，机器人从初始位置出发，沿着规划好的路径行驶，穿过门廊，绕过障碍物，到达目标点的位置，然后进行姿态角调整，当位姿数据达到设定误差之后，机器人停止运动，此时认为远程对接完成。本申请选取了其它若干点进行导航，其过程类似，最终都能到达目标点。

本申请采用静态地图进行导航，因此当环境发生变化或者突然出现障碍物时，家庭陪护机器人应该具备局部路径规划的能力，下面测试一下自主充电远程对接过程中基于DWA算法的局部路径规划的效果。如图13(a)所示，机器人坐标轴周围的正方形表示局部路径规划的范围(滑动窗口大小，本申请中设置为3m*3m)，当机器人沿着全局路径移动时，仅考虑滑动窗口内存在的动态障碍物，并且仅在该区域内进行局部路径规划。如图13(b)中红色圆圈内所示，当滑动窗口内出现动态障碍物时，机器人会即时地规划出一条局部路径绕开障碍物，然后沿着先前的全局路径继续前进。

自主充电近程对接测试：为了充分验证近程对接的效果，本申请分别选取楼道走廊、实验室和室内大厅三种比较具有代表性的场景进行分别测试，主要评定标准为对接用时、成功率和准确度。

楼道走廊：为了便于测试，本申请将充电站前的区域进行栅格划分，机器人的初始位置均位于栅格点上。栅格划分以充电站轴线为中心，左右分别取0.5m和1m作为划分依据，前后分别取1m-7m为划分依据，机器人的初始姿态角分别取0°，90°，180°，270°。

当机器人位于充电站前1米以外区域且初始姿态角相同时，基本一次性就能对接成功，因为此时机器人有足够的空间进行姿态调整，对接所用时间基本与距离呈正比。当机器人初始姿态角为0°时(红外接收头面向充电站)，机器人对接所用时间比另外三种情况(红外接收头背对或侧对充电站)明显更短，因为此时耗费在寻找A1区域信号的时间要更长。当机器人位于充电站前1m以内的区域时，由于预留给机器人进行姿态调整的空间较小，因此往往需要进行二次对接，对接所用时间也相对较长，并且更容易进入对接盲区。

楼道走廊环境下总共进行了140次对接实验，机器人每次都能与充电站完成对接，成功率达到了100％。此外，对接成功后，如果机器人x轴与充电站轴线夹角不超过正负30°，且充电极片左右偏差不超过2cm，则认为机器人与充电站实现了精准对接。在140次对接实验中，精准对接达到了134次，精准对接率为96％。

实验室：该场景比较复杂，障碍物较多，因此未采取上述测试方法，而是采用随机选取初始点的方式。本申请随机选取了9个点作为机器人近程对接的初始点，每个点仅选取两个初始姿态角。

在实验室这种复杂的环境中，机器人完成近程对接的时间明显变长，这是因为环境中障碍物较多，对红外信号造成了遮挡，因此机器人经常会因为接收不到红外信号而重新进行对接。另外，在该场景中，初始姿态角对充电对接时间的影响不大，螺旋式或者漫游式搜索红外信号的效率基本相同。

在实验过程中，充电对接时间超过3分钟则认为对接不成功，因此在实验室场景中近程对接成功率为89％。在18次对接实验中共有15次实现了精准对接，因此精准对接率为83％。

室内大厅：该场景与楼道走廊比较类似，但是其面积更大，因此本申请在该场景下着重测试了机器人距离充电站轴线左右偏差不同时的所用时间，而且因为左右偏差1.0m以内与走廊环境基本相同，所以也不再重复测试。因此本申请以充电站轴线为中心，左右分别取1.5m， 2.0m，2.5m，3.0m作为划分依据，前后分别取1m-3m为划分依据，机器人的初始姿态角取0°， 90°，180°，270°。

机器人在室内大厅中与在楼道走廊中自主充电对接的效果基本相同。当机器人在充电站 1米以外时，其对接所用时间基本与距离呈正比，且当机器人红外接收头面向充电站时，对接所用时间较少。当机器人位于充电站1米以内时，基本都要进行二次对接，因此对接时间明显增加。

室内大厅场景下总共进行了96次实验，全部对接成功，对接成功率为100％。精准对接总共92次，精准对接率为96％。

本申请采用模糊控制算法实现自主充电近程对接中的动态避障，当机器人近程对接过程中发现障碍物时，会根据模糊控制算法制定的规则进行躲避，避开障碍物后，机器人继续寻找充电站，直到对接成功。

当机器人与充电站精确对接时，如果前期没有调整好姿态，那么很容易就会进入充电盲区，此时如果不及时采取相应的措施，机器人很有可能对接失败并且撞向充电站。

针对上述问题，本申请中设计的位于机器人两侧的超声波传感器(分别位于机器人正后方左右36°处)可以检测到充电站的位置，并及时判断出自身已经进入充电盲区，然后机器人退出盲区并进行二次对接。

这种设计方式不但避免了机器人进入充电盲区造成对接失败的情况，而且由于超声传感器测距范围的限制，使得机器人与充电站对接偏差不能太大，一旦过大就会被认定为进入充电盲区，从而开始重新对接，因此这也间接地提高了对接的准确性。

当机器人与充电站对接成功后，将开始进行充电，同时根据电源管理芯片判断电池状态，当电池电量充满(约4小时)后自主充电完成，机器人自动驶离充电站。

本申请设计的家庭陪护机器人自主充电系统具有非常良好的实际效果，能够在家庭环境中实现远距离引导和近距离精确对接，系统鲁棒性好，并且具有较高的效率、成功率和准确度。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (9)

1.本发明提出的一种家庭陪护机器人自主充电系统，包括：机器人上位机、机器人本体和充电站；

所述机器人上位机根据激光雷达数据和里程计数据对环境地图进行构建得到二维栅格地图；

所述机器人上位机在机器人本体运行过程中实时监测电池电压，当电压低于一定阈值时开启自主充电模式，此时机器人本体开始进行远程对接，所述机器人上位机对机器人本体在二维栅格地图上进行定位并根据路径规划算法控制机器人本体的运动，在所述机器人本体行驶到充电站附近或充电站所在房间时切换成近程对接，所述机器人上位机控制机器人本体与充电站完成精确对接后开始实时监测电池状态，当机器人电池充满后结束充电过程。

2.如权利要求1所述的一种家庭陪护机器人自主充电系统，其特征是，所述机器人本体包括主控制器、第二控制器、红外接收头，第二控制器负责对四个红外接收头的信号进行捕获，并将接收到的信号滤波，剔除异常数据，然后根据滤波后的数据判断红外接收头所处位置，最后将位置信息编码封装，通过串口上传给主控制器。

3.如权利要求2所述的一种家庭陪护机器人自主充电系统，其特征是，每个红外接收头接收4种红外信号，不同的红外信号表示红外接收头在不同的区域，将4个红外接收头所在区域进行编码，仅用一个字节就实现信息的上传。

4.如权利要求1所述的一种家庭陪护机器人自主充电系统，其特征是，所述机器人上位机根据激光雷达数据、里程计数据获得机器人的位姿信息，采用基于Rao-Blackwellized粒子滤波的SLAM算法对环境进行构建得到二维栅格地图。

5.本申请还公开了一种家庭陪护机器人自主充电方法，包括：

根据激光雷达数据和里程计数据对环境地图进行构建得到二维栅格地图；

在机器人运行过程中实时监测电池电压，当电压低于一定阈值时开启自主充电模式，此时机器人开始进行远程对接；

机器人上位机对机器人在二维栅格地图上进行定位并根据路径规划算法控制机器人的运动，在机器人行驶到充电站附近或充电站所在房间时切换成近程对接；

机器人上位机控制机器人与充电站完成精确对接后开始实时监测电池状态，当机器人电池充满后结束充电过程。

6.如权利要求5所述的一种家庭陪护机器人自主充电方法，其特征是，所述机器人上位机构建得到二维栅格地图时，采用改进的中值滤波算法和分割算法对激光雷达数据进行预处理；

所述机器人上位机基于SLAM算法构建出机器人周围环境的二维栅格地图，并通过其采样的轨迹和观测信息计算相应的地图估计，计算输出特征状态的均值和方差，完成地图更新。

7.如权利要求5所述的一种家庭陪护机器人自主充电方法，其特征是，所述远程对接以SLAM所构建的二维栅格地图为依据，基于A*算法实现全局路径规划，基于DWA算法实现局部路径规划，最终实现远程对接的导航过程，远程对接模式利用全局路径规划引导机器人行驶到充电站附近或充电站所在的房间，便于之后的近程对接。

8.如权利要求7所述的一种家庭陪护机器人自主充电方法，其特征是，所述A*算法对全局路径进行规划的同时结合DWA算法对局部路径进行规划，得到最优充电路径。

9.如权利要求5所述的一种家庭陪护机器人自主充电方法，其特征是，当机器人行驶至充电站附近或充电站所在房间时，机器人上位机会自动切换为自主充电近程对接模式；所述的家庭陪护机器人自主充电方法中的近程对接利用红外和超声传感器，基于双重优先级的红外导航算法引导机器人与充电站进行对接，在对接过程遇到障碍物时采取模糊控制算法进行避障。