CN110162063A - 一种用于机器人自动充电的路径规划方法和装置 - Google Patents

Abstract

本发明提供一种用于机器人自动充电的路径规划方法和装置。方法包括：在机器人电量不足时，对机器人的位置进行定位；运用改进型动态窗口法构建一组机器人的备选轨迹空间；以机器人的位置到外部充电器的距离和位姿夹角为目标，对备选轨迹空间内每一条备选轨迹进行评价，生成每一条备选轨迹的评价值；基于生成的每一条备选轨迹的评价值，选择最优的备选轨迹作为机器人的移动轨迹，控制机器人进行移动；判断机器人的位置是否为机器人要到达的外部充电器位置，若为是，则将机器人的充电接口与外部充电器对接，若为否，则继续运用改进型动态窗口法构建机器人的备选轨迹空间，直至到达充电器位置。该方案可驱动机器人有效避开障碍物，实现快速自动充电。

Description

一种用于机器人自动充电的路径规划方法和装置

技术领域

本发明涉及机器人路径规划技术领域，特别涉及一种用于机器人自动充电的路径规划方法和装置。

背景技术

随着社会经济的发展和科学技术的进步，移动机器人需要智能感应自身电量信息，实现自动充电功能。

机器人携带红外传感器、超声波传感器模块等多种传感检测设备，通过感知的环境信息，利用动态窗口算法规划一条优化路径，实现自动充电。但是，现有技术中，由于规划的机器人进行自动的路径不合理，存在效率不高的问题。

发明内容

本发明的实施例提供一种用于机器人自动充电的路径规划方法和装置，用以驱动机器人有效避开障碍物位置，且快速到达外部充电器位置。

为达到上述目的，本发明的实施例采用如下技术方案：

第一方面，本发明实施例提供一种用于机器人自动充电的路径规划方法，包括：

S1、接收机器人电量不足的提示信息；

S2、对机器人的位置进行定位；

S3、运用改进型动态窗口法构建一组机器人的备选轨迹空间；

S4、以机器人的位置到外部充电器的距离和位姿夹角为目标，对备选轨迹空间内每一条备选轨迹进行评价，生成每一条备选轨迹的评价值；

S5、基于生成的每一条备选轨迹的评价值，选择最优的备选轨迹作为机器人的移动轨迹，控制机器人进行移动；

S6、判断机器人的位置是否为机器人要到达的外部充电器位置，若为是，则执行S7，若为否，则执行S3；

S7、将机器人的充电接口与外部充电器对接，实现自动充电。

如上所述的方法中，在S3中所述运用改进型动态窗口法构建一组机器人的备选轨迹空间，包括：

确定机器人的最大速度、动态规划的速度间隔和角速度间隔；

利用机器人的最大速度、动态规划的速度间隔和角速度间隔确定机器人的速度样本；所述速度样本包括：横向速度样本、纵向速度样本和角速度样本；

基于速度样本推算机器人下一时刻的备选位置，得到当前位置到备选位置的备选轨迹，所有速度样本的组合推算出一组机器人的备选轨迹空间。

如上所述的方法中，所述基于速度样本推算机器人下一时刻的备选位置，具体为：利用以下公式和机器人当前t时刻的位置推算下一时刻t+1的备选位置；

θ_t+1＝θ_t+vθ；

x_t+1＝x_t+vx×cos(θ_t+1)-vy×sin(θ_t+1)；

y_t+1＝y_t+vx×sin(θ_t+1)+vy×cos(θ_t+1)；

式中，vx为横向速度样本，vy为纵向速度样本，vθ为角速度样本；x_t、y_t、θ_t分别为机器人当前时刻t的横向坐标、纵向坐标和方向角；x_t+1、y_t+1、θ_t+1分别为机器人下一时刻t+1的横向坐标、纵向坐标和方向角。

如上所述的方法中，对备选轨迹空间中的每一条轨迹进行评价，利用以下评价函数生成每一条轨迹的评价值；

F(vx，vy，vθ)＝α₁×s(b_t+1，B)+α₂×γ(ω₁-ω₂)+α₃×μ_{(vx，vy，vθ})

式中，vx为横向速度样本，vy为纵向速度样本，vθ为角速度样本；F(vx，vy，vθ)是在vx，vy，vθ条件下生成的轨迹的评价值，α₁为距离评价参数，s(b_t+1，B)是选取的机器人一个关键点b按照vx，vy，vθ条件下达到下一时刻的位置后距离对应目标关键点的距离，α₂为机器人位姿夹角评价参数，γ(ω₁-ω₂)为机器人的位姿角度与对应外部充电器的位姿角度的夹角，α₃为障碍物评价参数，μ_{(vx，vy，vθ)}为一个(0，1)变量，当按照vx，vy，vθ条件下达到下一时刻的位置后，机器人若会碰到障碍物，μ_{(vx，vy，vθ)}＝1，否则，μ_{(vx，vy，vθ)}＝0。

如上所述的方法中，在S7中所述将机器人的充电接口与外部充电器对接，具体为：机器人到达外部充电器位置后，调整机器人的位姿，使得机器人整体能够对应到充电器各点，以实现自动充电；

所述调整机器人的位姿，包括：

对s(b_t+1，B)和γ(ω₁-ω₂)进行归一化平滑处理：

式中，备选轨迹空间中有N条备选轨迹，则第i条轨迹，i∈{1，......，N}；

对α₁和α₂进行动态调整：

α₁＝1-α₂；

式中，α_max是设置的最大参数，是(0，1)范围内一个数，α_min是设置的最小参数，是(0，1)范围内一个数，t为进行移动的次数，即机器人移动的第几步，t_max为设置的最大移动次数。

如上所述的方法中，在S5中所述基于生成的每一条备选轨迹的评价值，选择最优的备选轨迹作为机器人的移动轨迹，具体为：

选取最小的评价函数值确定为最优的备选轨迹。

如上所述的方法中，所述利用机器人的最大速度、动态规划的速度间隔和角速度间隔确定机器人的速度样本，具体为：

横向速度样本：

纵向速度样本：

角速度样本：

式中，v_max为机器人的最大速度，Δv为动态规划的速度间隔，Δvθ为角速度间隔。

如上所述的方法中，在S2中所述对机器人的位置进行定位，具体为：

利用机器人自身携带的传感检测设备进行数据采集，并对数据进行融合处理，利用融合后的数据获取环境信息，定位出机器人的位置。

如上所述的方法中所述传感检测设备包括红外传感器模块和超声波传感器模块。

第二方面，本发明实施例提供一种用于机器人自动充电的路径规划装置，包括：

接收单元，用于接收机器人电量不足的提示信息；

定位单元，用于对机器人的位置进行定位；

处理单元，用于运用改进型动态窗口法构建一组机器人的备选轨迹空间；

所述处理单元还用于以机器人的位置到外部充电器的距离和位姿夹角为目标，对备选轨迹空间内每一条备选轨迹进行评价，生成每一条备选轨迹的评价值；

控制单元，用于基于生成的每一条备选轨迹的评价值，选择最优的备选轨迹作为机器人的移动轨迹，控制机器人进行移动；

判断单元，用于判断机器人的位置是否为机器人要到达的外部充电器位置；

所述控制单元还用于将机器人的充电接口与外部充电器对接，实现自动充电。

本发明实施例提供的技术方案，利用改进型动态窗口算法规划出由机器人充电座位置到外部充电器位置的优化路径，并由控制单元控制机器人调整位姿，按照优化路径到达外部充电器处。该方案易于实现，规划效率高，能够驱动机器人有效避开障碍物位置，且快速到达外部充电器位置，实现机器人的快速自动充电。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的用于机器人自动充电的路径规划方法的流程图；

图2为本发明提供的应用实施例的流程示意图；

图3为本发明提供的应用实施例中路径实现过程以及参数标定示意图；

图4为本发明提供的应用实施例中规划路径目标设置示意图；

图5为本发明提供的应用实施例中机器人结构几何关系示意图；

图6A、图6B为本发明提供的应用实施例中基于改进型动态窗口法机器人运动轨迹示意图。

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清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明提供的用于机器人自动充电的路径规划方法的流程图，该方法可以由用于机器人自动充电的路径规划装置来执行，该规划装置可以通过软件方式实现，配置于机器人设备中。如图1所示，本实施例的方法可以包括以下内容。

S1、接收机器人电量不足的提示信息。

S2、对机器人的位置进行定位。

在具体应用中，可以利用机器人自身携带的传感检测设备进行数据采集，并对数据进行融合处理，利用融合后的数据获取环境信息，定位出机器人的位置。所述传感检测设备通常包括红外传感器模块和超声波传感器模块。

S3、运用改进型动态窗口法构建一组机器人的备选轨迹空间。

S4、以机器人的位置到外部充电器的距离和位姿夹角为目标，对备选轨迹空间内每一条备选轨迹进行评价，生成每一条备选轨迹的评价值。

S5、基于生成的每一条备选轨迹的评价值，选择最优的备选轨迹作为机器人的移动轨迹，控制机器人进行移动。

S6、判断机器人的位置是否为机器人要到达的外部充电器位置，若为是，则执行S7，若为否，则执行S3。

S7、将机器人的充电接口与外部充电器对接，实现自动充电。

如上所述的方法中，在S3中所述运用改进型动态窗口法构建一组机器人的备选轨迹空间，包括：

确定机器人的最大速度、动态规划的速度间隔和角速度间隔；

利用机器人的最大速度、动态规划的速度间隔和角速度间隔确定机器人的速度样本；所述速度样本包括：横向速度样本、纵向速度样本和角速度样本；

基于速度样本推算机器人下一时刻的备选位置，得到当前位置到备选位置的备选轨迹，所有速度样本的组合推算出一组机器人的备选轨迹空间。

如上所述的方法中，所述基于速度样本推算机器人下一时刻的备选位置，具体为：利用以下公式和机器人当前t时刻的位置推算下一时刻t+1的备选位置；

θ_t+.1＝θ_t+vθ；

x_t+1＝x_t+vx×cos(θ_t+1)-vy×sin(θ_t+1)；

y_t+1＝y_t+vx×sin(θ_t+1)+vy×cos(θ_t+1)；

式中，vx为横向速度样本，vy为纵向速度样本，vθ为角速度样本；x_t、y_t、θ_t分别为机器人当前时刻t的横向坐标、纵向坐标和方向角；x_t+1、y_t+1、θ_t+1分别为机器人下一时刻t+1的横向坐标、纵向坐标和方向角。

如上所述的方法中，对备选轨迹空间中的每一条轨迹进行评价，利用以下评价函数生成每一条轨迹的评价值；

F(vx，vy，vθ)＝α₁×s(b_t+1，B)+α₂×γ(ω₁-ω₂)+α₃×μ_{(vx，vy，vθ)}

式中，vx为横向速度样本，vy为纵向速度样本，vθ为角速度样本；F(vx，vy，vθ)是在vx，vy，vθ条件下生成的轨迹的评价值，α₁为距离评价参数，s(b_t+1，B)是选取的机器人一个关键点b按照vx，vy，vθ条件下达到下一时刻的位置后距离对应目标关键点的距离，α₂为机器人位姿夹角评价参数，γ(ω₁-ω₂)为机器人的位姿角度与对应外部充电器的位姿角度的夹角，α₃为障碍物评价参数，μ_{(vx，vy，vθ)}为一个(0，1)变量，当按照vx，vy，vθ条件下达到下一时刻的位置后，机器人若会碰到障碍物，μ_{(vx，vy，vθ)}＝1，否则，μ_{(vx，vy，vθ)}＝0。

如上所述的方法中，在S7中所述将机器人的充电接口与外部充电器对接，具体为：机器人到达外部充电器位置后，调整机器人的位姿，使得机器人整体能够对应到充电器各点，以实现自动充电。

所述调整机器人的位姿，包括：

对s(b_t+1，B)和γ(ω₁-ω₂)进行归一化平滑处理：

式中，备选轨迹空间中有N条备选轨迹，则第i条轨迹，i∈{1，......，N}；

对α₁和α₂进行动态调整：

α₁＝1-α₂；

式中，α_max是设置的最大参数，是(0，1)范围内一个数，α_min是设置的最小参数，是(0，1)范围内一个数，t为进行移动的次数，即机器人移动的第几步，t_max为设置的最大移动次数。

如上所述的方法中，在S5中所述基于生成的每一条备选轨迹的评价值，选择最优的备选轨迹作为机器人的移动轨迹，具体为：

选取最小的评价函数值确定为最优的备选轨迹。

如上所述的方法中，所述利用机器人的最大速度、动态规划的速度间隔和角速度间隔确定机器人的速度样本，具体为：

横向速度样本：

纵向速度样本：

角速度样本：

式中，v_max为机器人的最大速度，Δv为动态规划的速度间隔，Δvθ为角速度间隔。

在具体应用中，机器人在电量不足状态下，可以融合底盘充电座旁红外传感器模块和超声波传感器模块等多种传感检测设备感知的环境信息，利用改进型动态窗口算法规划出由机器人充电座到外部充电器的优化路径，并由控制单元控制机器人调整位姿，按照优化路径到达外部充电器处，实现自动充电。本发明的优点是模型易于实现，规划效率较高，适合机器人规划出最优路径，能够较为高效地到达外部充电器目标，实现快速自动充电。

下面给出的是本发明实施例提供的技术方案的一个应用实施例。图2为本发明提供的应用实施例的流程示意图，图3为本发明提供的应用实施例中路径实现过程以及参数标定示意图。参考图2、图3所示，该应用实施例具体可以包括如下步骤：

步骤1，机器人系统接收到电量不足的信息，启动机器人自动充电功能；

步骤2，进行操作环境初始化，机器人利用本身携带的红外传感器模块和超声波传感器模块等多种传感检测设备，进行数据采集，并对数据进行融合处理，利用融合后的数据获取环境信息，定位自身位置；

步骤3，运用改进型动态窗口法，根据自身位置和外部充电器(电源处)的信息，在横向速度，纵向速度，角加速度等自身的特性，构建一组备选轨迹空间；

步骤4，以自身位置到外部充电器的距离和位姿夹角为目标，对轨迹空间内每一条备选轨迹进行评价；

步骤5，选取最优的轨迹，控制机器人进行移动，判断到达的位置是否到外部充电器(电源处)，若是，则执行步骤6，若否，则执行步骤3；

步骤6，机器人底盘的充电座到达外部充电器(电源处)，实现自动充电。

图4为本发明提供的应用实施例中规划路径目标设置示意图，图5为本发明提供的应用实施例中机器人结构几何关系示意图，图6A、图6B为本发明提供的应用实施例中基于改进型动态窗口法机器人运动轨迹示意图。参考图4、图5、图6A、图6B所示，如上所述的方法中，所述利用改进型动态窗口算法，具体包括：

步骤301，确定机器人最大速度v_max，以及动态规划的速度间隔Δv以及角速度间隔Δvθ；

步骤402，利用机器人最大速度v_max以及动态规划的速度间隔Δv以及角速度间隔Δvθ，确定速度样本；所述速度样本包括：横向速度样本、纵向速度样本和角速度样本；

横向速度样本：

纵向速度样本：

角速度样本：

步骤403，对于每一速度样本(vx，vy，vθ)，利用以下公式和当前t时刻的位置推算下一时刻t+1的备选位置，得到当前位置到备选位置的备选轨迹，所有速度样本的组合计算出一组备选轨迹空间；

θ_t+1＝θ_t+vθ；

x_t+1＝x_t+vx×cos(θ_t+1)-vy×sin(θ_t+1)；

y_t+1＝y_t+vx×sin(θ_t+1)+vy×cos(θ_t+1)；

步骤404，将机器人视为一个刚体结构，即机器人各点具备一定几何关系，机器人充电要利用本身的几个关键点，一个关键点到达下一刻位置后，机器人其他各点均利用几何关系到达对应位置，机器人各个点最终都要分别准确的到达目标位置，即机器人位姿要准确。

步骤405，对备选轨迹空间中的每一条轨迹进行评价，利用以下评价函数生成每一条轨迹的评价值；

F(vx，vy，vθ)＝α₁×s(b_t+1，B)+α₂×γ(ω₁-ω₂)+α₃×μ_{(vx，vy，vθ)}

其中，F(vx，vy，vθ)是在vx，vy，vθ条件下生成的轨迹的评价值，α₁为距离评价参数，s(b_t+1，B)是选取的机器人一个关键点b按照vx，vy，vθ条件下达到下一时刻的位置后距离对应目标关键点的距离，α₂为机器人位姿夹角评价参数，γ(ω₁-ω₂)为机器人的位姿角度与对应外部充电器的位姿角度的夹角(该夹角处理后表示为[0，360)范围内的一个数字)，α₃为障碍物评价参数，设置为一个极大值，μ_{(vx，vy，vθ)}为一个(0，1)变量，当按照vx，vy，vθ条件下达到下一时刻的位置后，机器人若会碰到障碍物，μ_{(vx，vy，vθ)}＝1；否则，μ_{(vx，vy，vθ)}＝0，同时设定：当按照vx，vy，vθ条件下达到下一时刻的位置后，机器人的红外接收器不在外部充电器的红外发射器极限夹角范围内，即使得机器人的红外接收器接收不到外部充电器的红外发射器发射的信号，也视作机器人进入障碍物区域，该重要设定使得机器人能够持续获取外部充电器的位置信息。

步骤406，根据实际需求，希望机器人先快速达到外部充电器位置，然后不断调整位姿，使得机器人整体能够对应到充电器各点，以实现自动充电，所以对动态窗口算法进行一下改进：

1)对s(b_t+1，B)和γ(ω₁-ω₂)进行归一化平滑处理，备选轨迹空间中有N条备选轨迹，则第i条轨迹，i∈{1，......，N}；

2)希望机器人先快速达到外部充电器位置，然后不断调整位姿，所以对α₁和α₂进行动态调整；

α₁＝1-α₂；

其中α_max是设置的最大参数，是(0，1)范围内一个数，α_min是设置的最小参数，是(0，1)范围内一个数，t为进行移动的次数，即机器人移动的第几步，t_max为设置的最大移动次数。

步骤407，根据评价函数值，选取最小的评价函数值确定最优的轨迹。

本发明实施例提供的用于机器人自动充电的路径规划装置包括：接收单元、定位单元、处理单元、控制单元和判断单元。其中，接收单元用于接收机器人电量不足的提示信息；定位单元用于对机器人的位置进行定位；处理单元用于运用改进型动态窗口法构建一组机器人的备选轨迹空间；所述处理单元还用于以机器人的位置到外部充电器的距离和位姿夹角为目标，对备选轨迹空间内每一条备选轨迹进行评价，生成每一条备选轨迹的评价值；控制单元用于基于生成的每一条备选轨迹的评价值，选择最优的备选轨迹作为机器人的移动轨迹，控制机器人进行移动；判断单元用于判断机器人的位置是否为机器人要到达的外部充电器位置；所述控制单元还用于将机器人的充电接口与外部充电器对接，实现自动充电。

本实施例的用于机器人自动充电的路径规划可以用于执行图1所示方法实施例的方法，其实现原理和所要达到的技术效果类似，在此不再赘述。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种用于机器人自动充电的路径规划方法，其特征在于，包括：

S1、接收机器人电量不足的提示信息；

S2、对机器人的位置进行定位；

S3、运用改进型动态窗口法构建一组机器人的备选轨迹空间；

S4、以机器人的位置到外部充电器的距离和位姿夹角为目标，对备选轨迹空间内每一条备选轨迹进行评价，生成每一条备选轨迹的评价值；

S5、基于生成的每一条备选轨迹的评价值，选择最优的备选轨迹作为机器人的移动轨迹，控制机器人进行移动；

S6、判断机器人的位置是否为机器人要到达的外部充电器位置，若为是，则执行S7，若为否，则执行S3；

S7、将机器人的充电接口与外部充电器对接，实现自动充电。

2.如权利要求1所述的方法，其特征在于，在S3中所述运用改进型动态窗口法构建一组机器人的备选轨迹空间，包括：

确定机器人的最大速度、动态规划的速度间隔和角速度间隔；

利用机器人的最大速度、动态规划的速度间隔和角速度间隔确定机器人的速度样本；所述速度样本包括：横向速度样本、纵向速度样本和角速度样本；

基于速度样本推算机器人下一时刻的备选位置，得到当前位置到备选位置的备选轨迹，所有速度样本的组合推算出一组机器人的备选轨迹空间。

3.如权利要求2所述的方法，其特征在于，所述基于速度样本推算机器人下一时刻的备选位置，具体为：利用以下公式和机器人当前t时刻的位置推算下一时刻t+1的备选位置；

θ_t+1＝θ_t+vθ；

x_t+1＝x_t+vx×cos(θ_t+1)-vy×sin(θ_t+1)；

y_t+1＝y_t+vx×sin(θ_t+1)+vy×cos(θ_t+1)；

式中，vx为横向速度样本，vy为纵向速度样本，vθ为角速度样本；x_t、y_t、θ_t分别为机器人当前时刻t的横向坐标、纵向坐标和方向角；x_t+1、y_t+1、θ_t+1分别为机器人下一时刻t+1的横向坐标、纵向坐标和方向角。

4.如权利要求3所述的方法，其特征在于，对备选轨迹空间中的每一条轨迹进行评价，利用以下评价函数生成每一条轨迹的评价值；

F(vx，vy，vθ)＝α₁×s(b_t+1，B)+α₂×γ(ω₁-ω₂)+α₃×μ_{(vx，vy，vθ)}

式中，vx为横向速度样本，vy为纵向速度样本，vθ为角速度样本；F(vx，vy，vθ)是在vx，vy，vθ条件下生成的轨迹的评价值，α₁为距离评价参数，s(b_t+1，B)是选取的机器人一个关键点b按照vx，vy，vθ条件下达到下一时刻的位置后距离对应目标关键点的距离，α₂为机器人位姿夹角评价参数，γ(ω₁-ω₂)为机器人的位姿角度与对应外部充电器的位姿角度的夹角，α₃为障碍物评价参数，μ_{(vx，vy，vθ)}为一个(0，1)变量，当按照vx，vy，vθ条件下达到下一时刻的位置后，机器人若会碰到障碍物，μ_{(vx，vy，vθ)}＝1，否则，μ_{(vx，vy，vθ)}＝0。

5.如权利要求4所述的方法，其特征在于，在S7中所述将机器人的充电接口与外部充电器对接，具体为：机器人到达外部充电器位置后，调整机器人的位姿，使得机器人整体能够对应到充电器各点，以实现自动充电；

所述调整机器人的位姿，包括：

对s(b_t+1，B)和γ(ω₁-ω₂)进行归一化平滑处理：

式中，备选轨迹空间中有N条备选轨迹，则第i条轨迹，i∈{1，......，N}；

对α₁和α₂进行动态调整：

α₁＝1-α₂；

式中，α_max是设置的最大参数，是(0，1)范围内一个数，α_min是设置的最小参数，是(0，1)范围内一个数，t为进行移动的次数，即机器人移动的第几步，t_max为设置的最大移动次数。

6.如权利要求5所述的方法，其特征在于，在S5中所述基于生成的每一条备选轨迹的评价值，选择最优的备选轨迹作为机器人的移动轨迹，具体为：

选取最小的评价函数值确定为最优的备选轨迹。

7.如权利要求2所述的方法，其特征在于，所述利用机器人的最大速度、动态规划的速度间隔和角速度间隔确定机器人的速度样本，具体为：

横向速度样本：

纵向速度样本：

角速度样本：

式中，v_max为机器人的最大速度，Δv为动态规划的速度间隔，Δvθ为角速度间隔。

8.如权利要求1所述的方法，其特征在于，在S2中所述对机器人的位置进行定位，具体为：

利用机器人自身携带的传感检测设备进行数据采集，并对数据进行融合处理，利用融合后的数据获取环境信息，定位出机器人的位置。

9.如权利要求8所述的方法，其特征在于，所述传感检测设备包括红外传感器模块和超声波传感器模块。

10.一种用于机器人自动充电的路径规划装置，其特征在于，包括：

接收单元，用于接收机器人电量不足的提示信息；

定位单元，用于对机器人的位置进行定位；

处理单元，用于运用改进型动态窗口法构建一组机器人的备选轨迹空间；

所述处理单元还用于以机器人的位置到外部充电器的距离和位姿夹角为目标，对备选轨迹空间内每一条备选轨迹进行评价，生成每一条备选轨迹的评价值；

控制单元，用于基于生成的每一条备选轨迹的评价值，选择最优的备选轨迹作为机器人的移动轨迹，控制机器人进行移动；

判断单元，用于判断机器人的位置是否为机器人要到达的外部充电器位置；

所述控制单元还用于将机器人的充电接口与外部充电器对接，实现自动充电。