CN109901590B - 桌面机器人的回充控制方法 - Google Patents
桌面机器人的回充控制方法 Download PDFInfo
- Publication number
- CN109901590B CN109901590B CN201910253920.7A CN201910253920A CN109901590B CN 109901590 B CN109901590 B CN 109901590B CN 201910253920 A CN201910253920 A CN 201910253920A CN 109901590 B CN109901590 B CN 109901590B
- Authority
- CN
- China
- Prior art keywords
- desktop
- robot
- robot body
- recharging
- wireless beacon
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/20—Monitoring; Testing of receivers
- H04B17/27—Monitoring; Testing of receivers for locating or positioning the transmitter
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/00032—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries characterised by data exchange
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/318—Received signal strength
Abstract
本发明公开桌面机器人的回充控制方法,该桌面机器人包括设有摄像头的机器人本体以及底座,所述回充控制方法包括:当机器人本体接收到充电指令时,采集桌面环境的图像,并控制采集的连续两帧图像进行特征匹配,计算出机器人本体的位置变化量,进而构建出对应的栅格地图;接收底座调制发射的无线信标,并根据无线信标的强度信息解析出底座的初始方位指向;结合机器人本体的位置变化及解析的初始方位指向规划回充路径;控制机器人本体沿着回充路径移动;当无线信标的强度处于预设阈值范围内时,控制采集的连续两帧图像进行特征匹配,计算出机器人本体的当前位置的矢量值,进而搜寻底座完成对接充电。从而提高桌面机器人自动回充的效率。
Description
技术领域
本发明属于机器人回座充电的技术领域,尤其涉及桌面机器人的回充控制方法。
背景技术
智能微型桌面机器人是集语音交互、远程控制、通信交流等多种交互方式于一身的3C机器人产品,实现了科学性、新颖性、先进性、实用性、完整性,通过语音交互、网络化实时交互等来实现人机交互,有助于改变当今社会中存在的“城市病”问题,同时通过全新的人机交互模式,方便人们对于电子化产品的使用和操作,从而进一步方便人们的生活。
智能微型桌面机器人的回充模式是智能微型桌面机器人持续工作的重要保证,桌面机器人回充座的识别和对位范围十分小,桌面机器人只有在回充座所处位置很小范围内才能完成识别和对位,最终完成回充工作。其中,桌面机器人切换到回充模式时有两种情况:第一种是在桌面机器人有完成覆盖和建图工作,这种情况下,桌面机器人在覆盖桌面区域的过程中预先标记回充座的位置,此时桌面机器人回充是通过导航规划回充路径,然后识别回充座完成对位充电工作;另一种情况是桌面机器人在切换到回充模式时并没有完成覆盖和建图,此时桌面机器人完全不知道充电座的位置,此时完成回充成为概率事件。由于桌面所处环境存在封闭障碍物或家用电器内部的信号发射源,所以容易对桌面机器人的回充引导信号造成干扰或屏蔽,从而影响回充效率;并且有些桌面机器人设置了搜寻回座时间,一定时间长度内未找到回充座则会放弃寻找,导致回充失败。
在回充模式下,需要使用定位技术规划回充路径来对接充电座完成充电,常用的无线信号定位技术进行完成桌面机器人的回充引导,该定位技术是依据接收的无线信号强度值,通过测距算法计算距离信息,进而得到载体的位置信息,因此无线信号定位具有成本低、设置简单等优点,但是无线定位技术容易受到室内复杂环境的影响,如多径效应、遮挡物遮挡等,比如RSSI技术在定位的过程中,采用精度无法满足稳定回充的要求而且信号易受干扰;超声波受多径效应和非视距传播影响很大,存在无法识别人和物体的缺点。综合来看,现有方法技术单一,缺乏融合的思路;精度普遍偏低。并且无线信号随机偶然性、稳定性较差,降低桌面机器人及其充电座的无线对接效率。
发明内容
为了克服上述技术缺陷,本发明提出以下技术方案:
本技术方案提供桌面机器人的回充控制方法,该桌面机器人包括设有摄像头的机器人本体以及集成充电和调制发射无线信标功能的底座,其特征在于,所述回充控制方法包括:步骤A、当桌面机器人的机器人本体接收到回充模式的充电指令时,调用摄像头采集桌面环境的图像,并控制采集的连续两帧图像进行特征匹配,计算出机器人本体的位置变化量,进而构建出相对应的栅格地图;步骤B、控制桌面机器人的机器人本体接收底座调制发射的无线信标,并根据无线信标的强度信息解析出底座的初始方位指向;步骤C、结合机器人本体的位置的变化及解析得到的初始方位指向,在栅格地图中规划回充路径;步骤D、控制桌面机器人的机器人本体沿着回充路径移动;步骤E、当接收的无线信标的强度处于预设阈值范围内时,控制采集的连续两帧图像进行特征匹配,计算出机器人本体的当前位置的矢量值,进而根据计算得到矢量值继续搜寻底座;其中,底座上设置有用于发射所述无线信标的信源,预设阈值范围是信源发射的无线信标的信号强度的最大值的80%至90%;前述的连续两帧图像是同一物体在摄像头的不同视角下的成像平面上的图像。与现有技术相比,本技术方案将摄像头采集的图像特征信息融合所述无线信标的强度信息调整修正回充路径,减小单一导航技术的积累误差,图像特征协同无线信标的强度信息减少桌面环境的干扰,提高导航算法的精确性和适应度; 本发明结合不同视角下同一物体在摄像头中的成像之间的约束关系来构建地图,并确立回充方向排除障碍物,同时利用无线信号强度信息修正回充路径,进一步减少搜寻回充座的时间,提高桌面机器人的机器人本体在小区域范围内的回充成功率。
进一步地,所述步骤A和所述步骤E中,所述特征匹配的方法是:选定所述摄像头采集的图像的中心点作为环境图像的特征点,再与所述桌面机器人内置的桌面地图数据库中的环境图像进行特征描述符匹配,找到匹配度最大的图像,其中,桌面地图数据库存储的是所述机器人本体活动的桌面上,以所述底座的中心为圆心,预定长度为半径的回充圆周上各个位置以及圆心位置对应的环境图像特征描述符,以及在实际环境中预先测定的桌面坐标值。前述特征匹配方法将需进行环境图像特征匹配的范围拉近到所述底座的附近,缩小底座的寻找区域范围,进一步避免后续的规划路径出现在桌面的边缘位置处,有效防止所述桌面机器人的机器人本体在桌面的边缘位置跌落。
进一步地,所述计算出机器人本体的位置的变化,进而构建出与图像中的实际环境相对应的局部地图的方法为:所述采集的连续两帧图像的特征点经过前述特征匹配得到匹配度最大的两幅环境图像后,从所述桌面地图数据库中提取这两幅环境图像对应的实际环境的桌面坐标值;根据提取的桌面坐标值计算出机器人本体的位置的变化,进而建立与实际地形相对应的局部二值地图;在离线工作方式下,对局部二值地图进行标记得到所述栅格地图。使用所述采集的连续两帧图像的特征点进行定位并建立局部二值地图,在本地端实现精确定位,便于路径规划。
进一步地,在栅格地图中规划回充路径还包括:调用摄像头采集所述初始方位指向上的图像,实时监测所述桌面机器人的机器人本体接收所述无线信标的强度信息;通过与所述桌面地图数据库内置的障碍物地标图像进行特征匹配,判断是否存在障碍物;当所述初始方位指向上存在障碍物时,则以其当前位置为起点、所述初始方位指向为前进方向,在所述栅格地图中规划出绕过障碍物且沿着所述无线信标的信号强度的梯度分布方向移动至所述底座的回充路径;其中,所述桌面地图数据库还存储有障碍物地标图像。该技术方案有利于控制所述桌面机器人的机器人本体更精确、更快速地找到所述底座。
进一步地,所述回充路径中,所述无线信标的信号强度的梯度分布为梯度增强。简化所述回充路径的规划方法,进一步减小搜寻时间,提高所述桌面机器人回充的成功率。
进一步地,所述步骤E中,所述计算出机器人本体的当前位置的矢量值的方法包括:所述采集的连续两帧图像在所述特征匹配过程中得到所述匹配度最大的图像后,根据所述匹配度最大的图像的特征点和所述摄像头的内参数,计算所述采集的连续两帧图像的单应矩阵;根据单应矩阵对应的约束关系,将所述采集的连续两帧图像的特征点的坐标值统一到同一坐标系中;根据小孔成像原理和上述统一处理的坐标值,结合单应矩阵和所述摄像头的内参数,计算采集当前环境图像时所述桌面机器人的机器人本体与所述回充圆周上相应位置的距离,进而计算出所述机器人本体的当前位置的矢量值。该技术方案解析出实际环境中同一平面下的一个点在运动的摄像头的两个成像平面下的映射关系,从而将连续采集的两幅图像变换到同一视角下,然后叠加到一起以方便在同一栅格地图中标记出来,在图像分辨率的误差允许的范围内完成所述桌面机器人的精定位运算。
进一步地,所述步骤B中,具体包括:控制所述桌面机器人的机器人本体自转,同时接收底座调制发射的无线信标;分析自转过程中各个方向上的所述无线信标的强度信息,并滤除RSSI值小于50dBm的无线信标信号;获取上述无线信标中强度最大的方向信息,通过解析得出所述底座相对于所述桌面机器人的机器人本体的初始方位指向;其中,所述无线信标的强度信息包括RSSI值。当使用RSSI技术定位时,距离节点的距离决定着RSSI无线定位的精度,这正好适用于桌面机器人在桌面小范围区域的回充路径规划,提高无线信标探寻所述底座的效率。
附图说明
图1是本发明实施例提供的桌面机器人的回充控制方法流程图;
图2 是本发明实施例提供的栅格地图的构建方法流程图;
图3是本发明实施例提供的底座方位的确定方法流程图;
图4是本发明实施例提供的桌面机器人的回充路径规划方法的流程图;
图5是本发明实施例提供的桌面机器人的机器人本体当前位置信息的计算方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行详细描述。
针对室内定位技术的研究方向有很多,虽然每一种室内定位技术各自存在本身的优势,但是在复杂多变的室内环境中单一采用某项技术又具有一定的局限性,因此还没有哪一种技术能够实现室内的精确定位。目前室内定位技术的发展趋势是采取多种技术的融合,充分利用其他技术的优势弥补单一技术的不足,从而实现更好的定位效果。现有技术中回充路径规划系统稳定性差且可靠性低:仅通过充电座和移动机器人的传感器终端唯一可识别信号引导配对方法,降低了整个回充系统的稳定性,不能排除固定的障碍以规划更便捷的轨迹导致了回充失败。
本发明实施例提供桌面机器人的回充控制方法,该回充控制方法运用到一种桌面自动移动机器人上,该桌面机器人包括设有摄像头的机器人本体以及集成充电和调制发射无线信标功能的底座,桌面机器人放置在用户的桌面上后,可通过移动终端预先输入桌面形状、长度、宽度、桌面各个方位的图像及位置坐标信息,让桌面机器人的机器人本体获取并成为内置的数据库的标准样本数据。所述底座作为所述桌面机器人的充电桩;充电桩设在机器人本体的外侧,并在对接充电时与其底部连接。所述底座包括无线通讯模块,用于调制发射无线信标以实现所述桌面机器人回充定位。所述机器人本体与所述底座之间的交互配合所述摄像头采集的图像特征点,从而完成回充路径的自行规划,实现高精度和高效率的无线引导回充。
本发明实施例提供桌面机器人的回充控制方法,如图1所示,所述回充控制方法包括:
步骤S1、当所述桌面机器人的机器人本体接收到回充模式的充电指令时,调用所述摄像头采集桌面环境的图像,再控制采集的连续两帧图像进行特征匹配,即选取出两帧图像的特征点,分别从内置的数据库中选取特征点匹配度最高的两幅图像,识别出两幅图像对应的实际位置,建立起两处实际位置在内建的虚拟地图中的位置信息以及两个位置之间的相对矢量关系,即可推算出机器人本体的位置的变化,进而构建出与图像中的实际环境相对应的栅格地图,这是采用即时定位和同步构建地图的技术手段实现的。
步骤S2、控制所述桌面机器人的机器人本体接收底座调制发射的无线信标,并根据无线信标的强度信息解析出底座的方位指向,作为回充路径上的初始方位指向,具体为确定所述无线信标的信号强度最大的位置相对于所述桌面机器人的机器人本体当前位置的方位特征,进而解析出所述底座相对于机器人本体的方位指向,作为所述初始方位指向。
步骤S3、结合机器人本体的位置的变化及解析得到的初始方位指向,在栅格地图中规划回充路径;规划回充路径过程中,实时所述桌面机器人身上的摄像头实时采集桌面环境图像数据,通过视觉库技术和在机器视觉技术层面上使用无线信标的强度信息加以配合指引,完成所述底座的目标特征锁定和障碍路径预测。
步骤S4、所述桌面机器人内置的MCU通过接收所述摄像头实时采集桌面环境图像数据,并进行匹配处理规划路径后,通过控制驱动装置来驱动所述机器人本体沿着回充路径移动;本发明实施例下,借助每两帧采集图像进行特征匹配,不仅确定所述桌面机器人的机器人本体的位置距离信息,而且确定机器人本体周边桌面环境信息,从而构建所述栅格地图并标记栅格信息,进一步地预测规划出所述桌面机器人的机器人本体的当前位置及回充路径,使得所述桌面机器人的机器人本体沿着地图中的规划路径在实际桌面环境上完成回充。
步骤S5、当接收的无线信标的强度处于预设阈值范围内时,控制采集的连续两帧图像进行特征匹配,计算出机器人本体的当前位置的矢量值,根据计算得到矢量值继续搜寻底座。所述桌面机器人的机器人本体与所述底座之间的距离小于或者等于所述底座发射回充信号的覆盖区域时,接收的无线信标的强度处于预设阈值范围内,此时所述桌面机器人还没探测到设置有该无线信标发射源附件的底座,但是机器人本体在所述栅格地图上的搜寻区域缩小,然后在视觉匹配算法的控制下继续规划回充路径,逐步引导所述桌面机器人的机器人本体找到所述底座的精准位置,以实现对接完成充电。
需要说明的是,前述实施例中,所述桌面机器人的机器人本体中包括处理器和信标接收装置,该处理器与所述摄像头电性连接,所述摄像头将采集的图像数据转换为电信号传递给所述处理器进行图像处理;处理器与信标接收装置电性连接,处理器用于处理信标接收装置接收的信号强度信息和所述底座的唯一识别码,并借助信标接收装置与所述底座进行回充指令的交互。在本实施例中,所述底座上设置有用于发射所述无线信标的信源,预设阈值范围是信源发射的无线信标的信号强度的最大值的80%至90%。
本发明实施例公开的技术方案与现有技术相比,将所述摄像头采集的图像特征信息融合所述无线信标的强度信息调整修正回充路径,减小单一导航技术的积累误差,图像特征协同无线信标的强度信息减少桌面环境的干扰提高导航算法的精确性和适应度; 本发明结合视觉导航技术构建地图并确立回充方向排除障碍物,再利用无线信号强度信息修正回充路径,进一步减少搜寻回充座的时间,提高桌面机器人在小区域范围内的回充成功率。
在本实施例下,所述步骤A和所述步骤E中,所述特征匹配的方法是:选定所述摄像头采集的图像的中心点作为环境图像的特征点,可以是SURF特征点,再在特征点桌面环境取一个正方形框,边框的边长为20s (s 是所检测到该特征点所在的尺度)。然后把该框分为第一预设数量的子区域,每个子区域统计第二预设数量的像素的水平方向和垂直方向的haar小波特征,该haar小波特征为水平方向值之和、水平方向绝对值之和、垂直方向之和、以及垂直方向绝对值之和,即每个子区域有4个值。计算完毕生成的多维向量即为图像的SURF特征描述符。在本实施例下,采集的图像的SURF特征描述符与所述桌面机器人内置的数据库中的环境图像进行特征描述符匹配,通过计算待匹配图像与桌面地图数据库内置样本图像对应的特征描述符之间的欧式距离来进行匹配,然后根据计算得到的欧式距离得到内置的桌面地图数据库中匹配度最大的图像,其中,桌面地图数据库存储的是所述机器人本体活动的桌面上,以所述底座的中心为圆心,预定长度为半径的回充圆周上各个位置以及圆心位置对应的环境图像特征描述符,以及在实际环境中预先测定的桌面坐标值,具体包括桌面形状、长度、宽度、桌面各个方位的坐标信息。本实施例中,所述预定长度设置在8至15cm之间。前述特征匹配方法将待匹配的环境图像涉及实际环境区域拉近到所述底座的附近,从而缩小所述底座的寻找区域范围,进一步避免后续构建的栅格地图的规划路径出现在桌面的边缘位置,特别是边角位置处,有效防止所述桌面机器人在桌面的边缘位置跌落。
需要说明的是,为了获得能用来进行特征匹配的图像特征,需要对图像进行特征点的提取。在此之前,需要对图像进行预处理与特征点检测与提取,得到图像的特征点的坐标,以便于对图像进行特征匹配。确定场景中的同一物体在所述摄像头的两个不同视角下对应的成像平面上对应点的关系,以此得到视差,是确定三维世界中物体的坐标距离信息的关键。为了实现这个目标,可以对图像进行特征提取,然后对其进行特征匹配,以获取视差。图像的像素或抽象表达的像素集合都是所说的特征,常用的匹配方法有点状匹配、线状匹配和区域匹配。一般来说,大尺度的特征通常含有丰富的信息,相对的,本身数目也就变得很少,因此匹配速度很快,这是其优点。但与此同时,对这些特征的提取与描述却也显得很复杂,定位的精度也很不理想。然而,小尺度特征本身却有着较高的定位精度,表达描述也更为简单,虽然此类特征的数目很多,但是信息量很少,为了达到较高的匹配精度,在进行特征匹配时要寻找较强的约束准则,而且需要相应的匹配策略。
优选地,所述步骤S1中,如图2所示,所述计算出机器人本体的位置的变化,进而构建出与图像中的实际环境相对应的局部地图的方法为:
步骤S11、所述采集的连续两帧图像的特征点经过前述实施例的特征匹配得到匹配度最大的两幅环境图像后,从所述桌面地图数据库中提取对应的桌面坐标值,其中,所述桌面地图数据库中存储的样本图像是所述底座为圆心且所述预定长度为半径的回充圆周的各个位置的图像信息,使得构建的地图覆盖区域局限在所述底座与所述桌面机器人的机器人本体之间。
步骤S12、根据提取的所述桌面坐标值计算出所述机器人本体的位置的变化,进而建立与实际地形相对应的局部二值地图,因为在建立场景地图时,将两张图片进行对比,发现物体在图片中位置不一样,则判定物体为运动的物体。具体地,将匹配得到的位置坐标从局部坐标系转换到全局坐标系下,再将实际地形按照一定的比例等效为地图中的每一格,每格的大小根据转换得到的坐标值进行调整,建立二维数据存储路径信息。具体实现时,本发明实施例对地图中每格的尺寸不做限制。
步骤S13、基于离线工作方式下对局部二值地图进行标记得到所述栅格地图。在本实施例中,当实际地形存在障碍时,则本格设置值为1,当实际地形不存在障碍时,本格设置值为0,按照这样的规则建立一个m*n的二值地图,即所述栅格地图,在所述栅格地图中,值为0代表载体可以通过,直到搜寻到所述底座为止;当值为1时代表机器无法通过,同时还实时检测所述无线信标的信号强度,当值为1且所述无线信标的信号强度达到最大时,所述桌面机器人的机器人本体完成回充对接。本实施例在机器人的本体的本地端使用所述采集的连续两帧图像的特征点进行定位并建立局部二值地图,从而规划从当前位置到所述底座位置的路线,即根据地图信息按照上、右、下、左的顺序依次搜索可行路径,并将搜索到的路径存储起来,直至到达所述底座,实现精确定位,便于回充路径规划。
相对于现有技术,所述步骤S1中,所述底座相当于引导信号的发射基站,用于调制发射的无线信标;所述桌面机器人的机器人本体接收底座发射的无线信标,并在本地主控系统中根据信号强弱测定信号点与接收点的距离,进而根据相应距离数据规划路径;所述回充控制方法摆脱云端通讯及云端的数据分析,节约联网的成本,提升回充的智能化程度。
优选地,所述步骤S2中,如图3所示,具体包括:
步骤S21、控制所述桌面机器人的机器人本体自转,同时接收底座调制发射的无线信标;控制所述桌面机器人以机体中心为圆心自转,来区分各个角度下接收到的无线信标的信号强度,从而确定无线信标最强的方向。
步骤S22、分析自转过程中各个方向上的无线信标的强度信息,并滤除其中RSSI值小于50dBm的无线信标信号,从而排除所述底座以外的无线信标的干扰;其中,RSSI(Received Signal Strength Indication)是指接收的信号强度指示。RSSI技术为通过接收到的信号强弱测定信源信号点与接收点的距离,进而根据相应数据进行定位计算的一种定位技术;其中,所述无线信标的强度信息包括RSSI值。
步骤S23、获取上述无线信标中强度最强的方向信息,确定所述无线信标的信号强度最强的方向,通过解析RSSI值得出所述底座相对于所述桌面机器人的机器人本体当前所处区域的方位指向,并将之作为回充路径上的初始方位指向。
相对于现有技术,所述步骤S2公开的底座方位确定方法使用RSSI技术定位,其中,所述底座上设置的无线信号发射源的信标节点与机器人本体当前位置的信标接收节点的距离决定着RSSI无线定位的精度,在本发明实施例下,RSSI无线定位的精度设置为适用于桌面机器人在桌面小范围区域的回充路径规划,减小机器人解析信标和定位规划路径的运行资源,进而提高无线信标探寻所述底座的效率。
优选地,所述步骤S3中,如图4所示,在所述栅格地图中规划回充路径的方法包括:
步骤S31、调用所述摄像头采集所述初始方位指向上的图像,实时监测所述桌面机器人的机器人本体接收的所述无线信标的强度信息。
步骤S32、将实时采集的图像与所述桌面地图数据库内置障碍物地标图像进行特征匹配,再进入步骤S33;其中,所述桌面地图数据库还存储有障碍物地标图像。
步骤S33、根据摄像头实时采集的图像判断所述初始方位指向上是否存在障碍物,是则进入步骤S34;否则沿着所述初始方位指向规划一条所述无线信标的信号强度梯度增强的回充路径,直到所述底座的信标发射源处的信号强度最大。
步骤S34、以所述桌面机器人的机器人本体的当前位置为起点、所述初始方位指向为前进方向,在所述栅格地图中规划出绕过障碍物且沿着所述无线信标的信号强度的梯度分布方向移动至所述底座的回充路径;其中,所述障碍物在桌面区域内为非封闭空间障碍物,本步骤中的非封闭空间障碍物指可以绕过的障碍物,以区别于房间等封闭空间障碍物,障碍物的属性可通过所述桌面机器人的摄像头进行区分。特别地,所述机器人本体在绕过障碍物的过程中需进行转弯,由于所述机器人本体对于位置变化的感测较为敏感,且所述无线信标的信号强度不是呈梯度变化,所以所述机器人本体单靠所述信号强度的梯度分布方向无法按照所述初始方位指向进行回充规划,需要借助所述摄像头采集的图像进行特征匹配来实现视觉导航避障,当所述机器人本体通过调整姿态转弯绕过障碍物后,继续沿着所述无线信标的信号强度的梯度分布方向移动至所述底座。
与现有技术相比,所述步骤S3公开的回充路径规划方法有利于控制所述桌面机器人更精确、更快速地找到所述底座。规划所述回充路径的过程中,所述无线信标的信号强度的梯度分布为梯度增强。简化所述回充路径的规划方法,进一步减小搜寻时间,提高所述桌面机器人回充的成功率。
优选地,所述步骤S5中,由于桌面实际环境的区域范围不大,所述摄像头的拍摄距离局限于30cm以内,所述摄像头在成像范围较小的情况下就可满足视觉定位的需求,所以在本发明实施例下采集的待匹配图像的景深较小,足以适用于单应矩阵完成不同角度拍摄的图像转换到同一视角下,可以实现图像拼接,进而构建地图和规划回充路径。其中,所述摄像头预先使用张氏相机标定法校准摄像头的内外参数。
在本实施例中,对图像进行特征匹配就是:同一物体在所述摄像头的两个不同视角下对应的成像平面的两组图像之间建立一种对应关系,两组图像之间的约束关系需要被求取以进一步得出所需的基本矩阵,本实施例中为单应矩阵,有了单应矩阵,就可以以此为基础得到更多的匹配点对,从而计算规划出最佳的回充路径。需要说明的是,选择正确的匹配算法是匹配成功的关键,否则可能会出现误匹配的情况,甚至出现无匹配现象,因为前述的特征匹配会受到很多因素的影响,因为在自然界中往往存在着各种各样的噪声,而且光照的强弱等因素也都会对匹配噪声一定的影响。
具体地,由于进行到所述步骤S5时,所述桌面机器人的机器人本体导航接近所述无线信标的信号强度最大的区域范围内,需要通过细定位来搜寻所述底座的精准位置,如图5所示,所述计算出机器人本体的当前位置的矢量值的方法包括:
步骤S51、所述采集的连续两帧图像在所述特征匹配过程中得到所述匹配度最大的图像后,可得到实际环境中同一平面下的一个点在运动的摄像头的两个成像平面下的像素坐标,然后根据所述匹配度最大的图像的特征点的坐标值和所述摄像头的内参数,计算所述采集的连续两帧图像的单应矩阵,从而建立图像坐标系与世界坐标系之间的映射关系,由于单应矩阵的计算方法是经典的算法,是机器视觉领域的技术人员所能掌握的,故不再加以赘述。
步骤S52、根据单应矩阵对应的约束关系旋转所述栅格地图的局部坐标系,统一所述采集的连续两帧图像的特征点的坐标值,这意味着将实际环境下的物体所在的世界坐标系映射到同一个坐标系下,完成不同角度拍摄的图像转换到同一视角下,可以实现图像拼接,并不断往栅格地图中标记信息,进而构建地图,在定位的同时规划回充路径。
步骤S53、根据小孔成像原理和步骤S52统一处理得到的坐标值,结合单应矩阵和所述摄像头的内参数的计算采集当前环境图像时所述桌面机器人与所述回充圆周上相应圆周点位置的距离,进而计算出所述机器人本体的当前位置的矢量值。其中,所述小孔成像原理是建立在相似三角形的几何基础上处理所述采集的连续两帧图像的特征点。
与现有技术,所述步骤S5公开的计算方法解析出实际环境中同一平面下的一个点在运动的摄像头的两个成像平面下的映射关系,从而将连续采集的两幅图像变换到同一视角下,然后叠加到一起以方便在同一栅格地图中标记出来,在图像分辨率的误差允许的范围内完成所述桌面机器人的精定位运算。
需要说明的是,前述实施例中,根据所述摄像头的内参计算出所述回充圆周以及圆心上采集物体相对所述摄像头的位置,并将采集图像上特征点的像素坐标换算为所述栅格地图上相应的位置坐标,再获取所述桌面机器人的机器人本体的移动路径,可以计算出所述摄像头在环境中的位置,即可以计算出采集的图像中所述回充圆周以及圆心上的物体在环境中的位置,从而得出该物体在场景地图中的位置,在计算出该物体在实际环境中的坐标原点的话,则应加上所述摄像头的坐标,最终计算出采集的物体的坐标并在栅格地图的坐标体系中标记出来。依此方法,多次计算出图片中采集的物体相对原点的位置,经过多次计算后,栅格地图的坐标体系中就有很多个点,即可以建立出整个栅格地图。
现有技术中的回充路径用到惯性导航定位技术,实际上利用惯性传感器的运动信息,计算出载体的方向和距离信息,然后根据初始位置得到载体的相对位置,实现载体的定位和导航,因为组成惯性导航系统的运动传感器设备都安装在载体内,运行时可以不依赖外界环境,而且也不向外界辐射能量,因而此种定位方法不易受到干扰,是基于载体本身的自主导航系统。然而由于方向和位置信息经过积分而产生,系统误差会随时间而增大,所以惯性导航的长期精度较差。机器视觉技术可以采用OpenCV视觉库,也可由其他视觉系统进行替换,机器学习算法也可以有多种算法名称,比如TensorFlow,或者更高层次的具备更好的灵活性和扩展性的机器学习计算算法,其在替换后同样可以满足发明要求。
本申请中使用的室内定位技术RSSI也可由UWB等其他室内定位技术替换。需要注意的是,虽然RSSI的精度已达到要求值,但在成本允许的情况下,也可以用无线载波通信技术UWB替换RSSI以增加精度,但是要保留无线信标作为唯一的标示码以提高回充引导的成功率。最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制;尽管参照较佳实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者对部分技术特征进行等同替换;而不脱离本发明技术方案的精神,其均应涵盖在本发明请求保护的技术方案范围当中。
Claims (6)
1.一种桌面机器人的回充控制方法,该桌面机器人包括设有摄像头的机器人本体以及集成充电和调制发射无线信标功能的底座,其特征在于,所述回充控制方法包括:
步骤A、当桌面机器人的机器人本体接收到回充模式的充电指令时,调用摄像头采集桌面环境的图像,并控制采集的连续两帧图像进行特征匹配,计算出机器人本体的位置变化量,进而构建出相对应的栅格地图;
步骤B、控制桌面机器人的机器人本体接收底座调制发射的无线信标,并根据无线信标的强度信息解析出底座的初始方位指向;
步骤C、结合机器人本体的位置的变化及解析得到的初始方位指向,在栅格地图中规划回充路径;
步骤D、控制桌面机器人的机器人本体沿着回充路径移动;
步骤E、当接收的无线信标的强度处于预设阈值范围内时,控制采集的连续两帧图像进行特征匹配,计算出机器人本体的当前位置的矢量值,进而根据计算得到矢量值继续搜寻底座;
其中,底座上设置有用于发射所述无线信标的信源,预设阈值范围是信源发射的无线信标的信号强度的最大值的80%至90%;前述的连续两帧图像是同一物体在摄像头的不同视角下的成像平面上的图像;
所述步骤A和所述步骤E中,所述特征匹配的方法是:选定所述摄像头采集的图像的中心点作为环境图像的特征点,再与所述桌面机器人内置的桌面地图数据库中的环境图像进行特征描述符匹配,找到匹配度最大的图像,其中,桌面地图数据库存储的是所述机器人本体活动的桌面上,以所述底座的中心为圆心,预定长度为半径的回充圆周上各个位置以及圆心位置对应的环境图像特征描述符,以及在实际环境中预先测定的桌面坐标值;
其中,预定长度的数值不超过20cm。
2.根据权利要求1所述回充控制方法,其特征在于,所述计算出机器人本体的位置的变化,进而构建出与图像中的实际环境相对应的局部地图的方法为:
所述采集的连续两帧图像的特征点经过前述特征匹配得到匹配度最大的两幅环境图像后,从所述桌面地图数据库中提取这两幅环境图像对应的实际环境的桌面坐标值;
根据提取的桌面坐标值计算出机器人本体的位置的变化,进而建立与实际地形相对应的局部二值地图;
在离线工作方式下,对局部二值地图进行标记得到所述栅格地图。
3.根据权利要求1所述回充控制方法,其特征在于,所述步骤C中,在栅格地图中规划回充路径还包括:
调用摄像头采集所述初始方位指向上的图像,实时监测所述桌面机器人的机器人本体接收所述无线信标的强度信息;
通过与所述桌面地图数据库内置的障碍物地标图像进行特征匹配,判断是否存在障碍物;
当所述初始方位指向上存在障碍物时,则以其当前位置为起点、所述初始方位指向为前进方向,在所述栅格地图中规划出绕过障碍物且沿着所述无线信标的信号强度的梯度分布方向移动至所述底座的回充路径;
其中,所述桌面地图数据库还存储有障碍物地标图像。
4.根据权利要求3所述回充控制方法,其特征在于,所述回充路径中,所述无线信标的信号强度的梯度分布为梯度增强。
5.根据权利要求1所述回充控制方法,其特征在于,所述步骤E中,所述计算出机器人本体的当前位置的矢量值的方法包括:
所述采集的连续两帧图像在所述特征匹配过程中得到所述匹配度最大的图像后,根据所述匹配度最大的图像的特征点和所述摄像头的内参数,计算所述采集的连续两帧图像的单应矩阵;
根据单应矩阵对应的约束关系,将所述采集的连续两帧图像的特征点的坐标值统一到同一坐标系中;
根据小孔成像原理和上述统一处理的坐标值,结合单应矩阵和所述摄像头的内参数,计算采集当前环境图像时所述桌面机器人的机器人本体与所述回充圆周上相应位置的距离,进而计算出所述机器人本体的当前位置的矢量值。
6.根据权利要求1所述回充控制方法,其特征在于,所述步骤B中,具体包括:
控制所述桌面机器人的机器人本体自转,同时接收底座调制发射的无线信标;
分析自转过程中各个方向上的所述无线信标的强度信息,并滤除RSSI值小于50dBm的无线信标信号;获取上述无线信标中强度最大的方向信息,通过解析得出所述底座相对于所述桌面机器人的机器人本体的初始方位指向;其中,所述无线信标的强度信息包括RSSI值。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910253920.7A CN109901590B (zh) | 2019-03-30 | 2019-03-30 | 桌面机器人的回充控制方法 |
AU2019438843A AU2019438843A1 (en) | 2019-03-30 | 2019-11-09 | Recharging Control Method of Desktop Robot |
PCT/CN2019/116898 WO2020199589A1 (zh) | 2019-03-30 | 2019-11-09 | 桌面机器人的回充控制方法 |
US17/598,910 US20220161430A1 (en) | 2019-03-30 | 2019-11-09 | Recharging Control Method of Desktop Robot |
AU2023254997A AU2023254997A1 (en) | 2019-03-30 | 2023-10-26 | Recharging Control Method of Desktop Robot |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910253920.7A CN109901590B (zh) | 2019-03-30 | 2019-03-30 | 桌面机器人的回充控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109901590A CN109901590A (zh) | 2019-06-18 |
CN109901590B true CN109901590B (zh) | 2020-06-05 |
Family
ID=66955175
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910253920.7A Active CN109901590B (zh) | 2019-03-30 | 2019-03-30 | 桌面机器人的回充控制方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220161430A1 (zh) |
CN (1) | CN109901590B (zh) |
AU (2) | AU2019438843A1 (zh) |
WO (1) | WO2020199589A1 (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109901590B (zh) * | 2019-03-30 | 2020-06-05 | 珠海市一微半导体有限公司 | 桌面机器人的回充控制方法 |
CN112256012B (zh) * | 2019-07-05 | 2022-05-17 | 苏州宝时得电动工具有限公司 | 自主移动设备的回归方法、装置、自主移动设备、存储介质 |
CN112214011B (zh) * | 2019-07-11 | 2022-05-10 | 珠海一微半导体股份有限公司 | 自移动机器人定位充电座的系统和方法 |
CN110909585B (zh) * | 2019-08-15 | 2022-09-06 | 纳恩博(常州)科技有限公司 | 一种路线确定方法、可行进设备、和存储介质 |
CN112987712B (zh) * | 2019-12-13 | 2022-05-17 | 苏州宝时得电动工具有限公司 | 自主机器人及其无线充电对接方法、装置及存储介质 |
CN113536820B (zh) * | 2020-04-14 | 2024-03-15 | 深圳爱根斯通科技有限公司 | 位置识别方法、装置以及电子设备 |
CN111443717B (zh) * | 2020-04-24 | 2021-07-06 | 南京硅基智能科技有限公司 | 一种基于语音识别控制的巡检机器人系统 |
CN111474935B (zh) * | 2020-04-27 | 2023-05-23 | 华中科技大学无锡研究院 | 一种移动机器人路径规划和定位方法、装置及系统 |
CN111753695B (zh) * | 2020-06-17 | 2023-10-13 | 上海宜硕网络科技有限公司 | 一种模拟机器人充电返回路线的方法、装置和电子设备 |
CN116185044B (zh) * | 2023-04-26 | 2023-06-27 | 威康(深圳)智能有限公司 | 一种机器人集群系统的控制方法、装置、设备及系统 |
CN116678353B (zh) * | 2023-08-02 | 2023-10-13 | 国网天津市电力公司滨海供电分公司 | 一种充电机器人连接车辆接口的操作范围测试方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105119338A (zh) * | 2015-09-10 | 2015-12-02 | 珠海市一微半导体有限公司 | 移动机器人充电控制系统及方法 |
CN108012326A (zh) * | 2017-12-07 | 2018-05-08 | 珠海市微半导体有限公司 | 基于栅格地图的机器人监视宠物的方法及芯片 |
CN108733048A (zh) * | 2018-04-08 | 2018-11-02 | 深圳乐动机器人有限公司 | 一种室内移动机器人的回充控制方法、装置及系统 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4547594B2 (ja) * | 2001-06-25 | 2010-09-22 | ソニー株式会社 | 充電装置、ロボットシステム及び充電制御方法 |
CN105928505B (zh) * | 2016-04-19 | 2019-01-29 | 深圳市神州云海智能科技有限公司 | 移动机器人的位姿确定方法和设备 |
KR102590943B1 (ko) * | 2016-09-01 | 2023-10-19 | 삼성전자주식회사 | 전력 전송 장치 및 전력 전송 방법 |
US10674312B2 (en) * | 2017-10-24 | 2020-06-02 | Hewlett Packard Enterprise Development Lp | Locating and tracking a wireless beacon from a wireless device |
CN108061886B (zh) * | 2017-11-30 | 2020-10-09 | 深圳市无限动力发展有限公司 | 扫地机器人的回充方法及扫地机器人 |
CN107992061B (zh) * | 2018-01-23 | 2019-09-27 | 中南大学 | 一种智慧实验室机器人运载方法与系统 |
CN108303984A (zh) * | 2018-02-27 | 2018-07-20 | 弗徕威智能机器人科技(上海)有限公司 | 一种移动机器人的自主回充方法 |
CN108594825A (zh) * | 2018-05-31 | 2018-09-28 | 四川斐讯信息技术有限公司 | 基于深度相机的扫地机器人控制方法及系统 |
CN109471442B (zh) * | 2018-12-11 | 2022-03-04 | 珠海一微半导体股份有限公司 | 机器人直线回座时遇到障碍物的处理方法和芯片及机器人 |
CN109901590B (zh) * | 2019-03-30 | 2020-06-05 | 珠海市一微半导体有限公司 | 桌面机器人的回充控制方法 |
-
2019
- 2019-03-30 CN CN201910253920.7A patent/CN109901590B/zh active Active
- 2019-11-09 AU AU2019438843A patent/AU2019438843A1/en not_active Abandoned
- 2019-11-09 US US17/598,910 patent/US20220161430A1/en active Pending
- 2019-11-09 WO PCT/CN2019/116898 patent/WO2020199589A1/zh active Application Filing
-
2023
- 2023-10-26 AU AU2023254997A patent/AU2023254997A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105119338A (zh) * | 2015-09-10 | 2015-12-02 | 珠海市一微半导体有限公司 | 移动机器人充电控制系统及方法 |
CN108012326A (zh) * | 2017-12-07 | 2018-05-08 | 珠海市微半导体有限公司 | 基于栅格地图的机器人监视宠物的方法及芯片 |
CN108733048A (zh) * | 2018-04-08 | 2018-11-02 | 深圳乐动机器人有限公司 | 一种室内移动机器人的回充控制方法、装置及系统 |
Non-Patent Citations (1)
Title |
---|
医院服务机器人室内导航算法与自主充电系统研究;罗振华;《中国优秀硕士学位论文全文数据库 信息科技辑》;中国学术期刊(光盘版)电子杂志社;20170215(第02期);第1-62页 * |
Also Published As
Publication number | Publication date |
---|---|
US20220161430A1 (en) | 2022-05-26 |
AU2023254997A1 (en) | 2023-11-16 |
CN109901590A (zh) | 2019-06-18 |
WO2020199589A1 (zh) | 2020-10-08 |
AU2019438843A1 (en) | 2021-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109901590B (zh) | 桌面机器人的回充控制方法 | |
US10278333B2 (en) | Pruning robot system | |
CN111427360B (zh) | 基于地标定位的地图构建方法、机器人及机器人导航系统 | |
CA2950791C (en) | Binocular visual navigation system and method based on power robot | |
KR100669250B1 (ko) | 인공표식 기반의 실시간 위치산출 시스템 및 방법 | |
KR20110011424A (ko) | 이동 로봇의 위치 인식 및 주행 제어 방법과 이를 이용한 이동 로봇 | |
Lee et al. | QR-code based Localization for Indoor Mobile Robot with validation using a 3D optical tracking instrument | |
Xu et al. | SLAM of Robot based on the Fusion of Vision and LIDAR | |
CN207115193U (zh) | 一种用于处理任务区域的任务的移动电子设备 | |
CN109947097A (zh) | 一种基于视觉和激光融合的机器人定位方法及导航应用 | |
CN109857112A (zh) | 机器人避障方法及装置 | |
CN112819943B (zh) | 一种基于全景相机的主动视觉slam系统 | |
CN108459597A (zh) | 一种用于处理任务区域的任务的移动电子设备以及方法 | |
CN111199677B (zh) | 一种室外区域的工作地图自动建立方法,装置,存储介质及工作设备 | |
CN106370160A (zh) | 一种机器人室内定位系统和方法 | |
Feng et al. | Visual map construction using RGB-D sensors for image-based localization in indoor environments | |
CN110163963A (zh) | 一种基于slam的建图装置和建图方法 | |
Sohn et al. | Localization system for mobile robot using wireless communication with IR landmark | |
CN112015187B (zh) | 一种用于智能移动机器人的语义地图构建方法及系统 | |
CN105014675A (zh) | 一种狭窄空间智能移动机器人视觉导航系统及方法 | |
CN110702101A (zh) | 一种面向电力巡检场景的定位方法及系统 | |
KR20170058612A (ko) | 영상 기반 실내측위 방법 및 그의 시스템 | |
Alves et al. | Cost-effective indoor localization for autonomous robots using kinect and wifi sensors | |
CN111609854A (zh) | 基于多个深度相机的三维地图构建方法及扫地机器人 | |
CN113536820B (zh) | 位置识别方法、装置以及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |