CN113534805B - 机器人回充控制方法、装置和存储介质 - Google Patents
机器人回充控制方法、装置和存储介质 Download PDFInfo
- Publication number
- CN113534805B CN113534805B CN202110815732.6A CN202110815732A CN113534805B CN 113534805 B CN113534805 B CN 113534805B CN 202110815732 A CN202110815732 A CN 202110815732A CN 113534805 B CN113534805 B CN 113534805B
- Authority
- CN
- China
- Prior art keywords
- robot
- relative position
- recharging
- charging seat
- route
- 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
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 210000001503 joint Anatomy 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 11
- 238000002372 labelling Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 238000003032 molecular docking Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010408 sweeping Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0225—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving docking at a fixed facility, e.g. base station or loading bay
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开一种机器人回充控制方法、装置和存储介质,方法包括:控制机器人的多个传感器采集机器人周围的信号;根据每个传感器信号获取充电座的第一相对位置和第一可信度;从多个第一相对位置中选择第一可信度超过第一阈值的第一相对位置;基于选择的第一相对位置规划回充路线,按照回充路线控制机器人行进以与充电座对接。由于机器人上的多种传感器从不同角度进行信号采集,因此在一个或多个传感器因充电座在遮挡或强光场景中导致信号不完整或失效的情况下,还会有其他角度的传感器信号得到高可信度的充电座位置,进而由其他角度传感器信号进行回充路线规划,保证在一个或多个传感器失效的场景中依然能够稳定检测到充电座位置。
Description
技术领域
本发明涉及机器人控制技术领域,具体涉及一种机器人回充控制方法、装置和存储介质。
背景技术
随着科技的发展,机器人在人们的日常生活中应用越来越多,例如常见的扫地机器人、擦地机器人,以及更为高级的机器人管家等,这些机器人在家庭中的应用,使得人们的生活变得更为舒适便利,但是既然是机器人的使用,就必须涉及机器人的充电问题。现有的机器人充电分为人工充电和机器人的自动回充,自动回充较人工充电更为方便智能。
现有机器人自动回充方式中,通过在充电座上贴反光码,机器人上的激光雷达通过扫描并识别反光码,以确定回充站的位置,达到回充目的。
由于反光码原理是通过高反光和散射激光信号的方式,提供识别特征,随着长时间使用,反光码沾上灰尘后将失去强反射和强散射能力,导致激光雷达识别失效,并且在有遮挡或者有强光场景下,由于激光雷达无法收到信号,也会导致激光雷达识别失效。
发明内容
本发明的目的是针对上述现有技术的不足提出的一种机器人回充控制方法、装置和存储介质,该目的是通过以下技术方案实现的。
本发明的第一方面提出了一种机器人回充控制方法,所述方法包括:
控制机器人上已有的多个传感器采集所述机器人周围环境的信号;
针对每个传感器信号,根据该传感器信号获取充电座的第一相对位置和第一可信度;
从多个第一相对位置中,选择第一可信度超过第一阈值的第一相对位置;
基于选择的第一相对位置规划回充路线,并按照所述回充路线控制机器人行进,以与充电座对接。
在本申请的一些实施例中,所述根据该传感器信号获取充电座的第一相对位置和第一可信度,包括:
将该传感器信号输入其对应的已训练第一模型,由第一模型处理输入的传感器信号并输出充电座的第一相对位置和第一可信度。
在本申请的一些实施例中,所述基于选择的第一相对位置规划回充路线,包括:
在选择的第一相对位置的数量为1时,利用选择的第一相对位置规划回充路线;
在选择的第一相对位置的数量为多个时,根据所述多个第一相对位置获得充电座的综合相对位置,并利用所述综合相对位置规划回充路线。
在本申请的一些实施例中,所述根据所述多个第一相对位置获得充电座的综合相对位置,包括:
针对选择的每个第一相对位置,依据所述第一相对位置对应的第一可信度确定其对应的权重;
利用每个第一相对位置和对应的权重获得充电座的综合相对位置。
在本申请的一些实施例中,所述方法还包括:
在每个传感器信号对应的第一可信度均未超过第一阈值时,继续执行控制机器人上的多个传感器采集所述机器人周围环境的信号的步骤;
经过预设时长后每个传感器信号对应的第一可信度始终未超过第一阈值时,从最近一次采集的各个传感器信号中,选择第一可信度超过第二阈值的传感器信号;
将选择的传感器信号输入已训练第二模型,由第二模型对输入的传感器信号进行综合处理并输出充电座的第二相对位置和第二可信度;
根据所述第二可信度超过第三阈值,利用所述第二相对位置规划回充路线,并按照所述回充路线控制机器人行进,以与充电座对接充电;
根据所述第二可信度未超过第三阈值,输出无法找到充电座的报警提示。
在本申请的一些实施例中,在从多个第一相对位置中,选择第一可信度超过第一阈值的第一相对位置之后,所述方法还包括:存储选择的第一相对位置和其对应的第一可信度;
所述方法还包括:
在按照所述回充路线控制机器人行进过程中,继续控制多个传感器采集所述机器人周围环境的信号,并针对每个传感器信号,根据该传感器信号获取充电座的第一相对位置和第一可信度;
在每个传感器信号的第一可信度中存在比已存储的第一可信度更高的第一可信度时,基于该更高的第一可信度的第一相对位置更新所述回充路线,并按照更新后的回充路线控制机器人行进;
利用该更高的第一可信度和其对应的第一相对位置,更新已存储的第一可信度和其对应的第一相对位置。
在本申请的一些实施例中,所述方法还包括传感器对应的第一模型的训练过程:
获取该传感器相对充电座的多个距离多个角度的传感器信号,并为每个传感器信号标注充电座的相对位置和可信度的标签;
构建网络模型,并利用标注标签后的传感器信号对构建的网络模型进行训练,直至网络模型收敛,得到第一模型。
在本申请的一些实施例中,所述方法还包括第二模型的训练过程:
在有遮挡物或强光场景中,收集各个传感器相对充电座的多个距离多个角度的传感器信号,并为相同距离相同角度条件下收集到的各个传感器信号标注充电座的相对位置和可信度的标签;
构建网络模型,并利用标注标签后的各个传感器信号对构建的网络模型进行训练,直至网络模型收敛,得到第二模型。
本发明的第二方面提供了一种机器人回充控制装置,所述装置包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述方法的步骤。
本发明的第三方面提供了一种机器人,包括:
如上述第二方面所述的机器人回充控制装置;
多种传感器,用于采集所述机器人周围环境的信号。
本发明的第四方面提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如上述第一方面所述方法的步骤。
基于上述第一方面所述的机器人回充控制方法,本发明技术方案具有如下有益效果或好处:
在机器人需要回充时,通过获取机器人上已有的多个传感器采集的传感器信号,并根据每个传感器信号得到充电座位置和可信度,从中选择可信度达标的充电座位置进行回充路线规划,由于机器人上的多种传感器是从不同角度进行信号采集,因此在一个或多个传感器因充电座在遮挡或强光场景中导致传感器信号不完整或失效的情况下,还会有其他角度的传感器信号得到高可信度的充电座位置,进而由其他角度传感器信号得到的充电座位置进行回充路线规划,保证在一个或多个传感器失效的场景中依然能够稳定检测到充电座的位置,稳定完成回充任务。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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示出的结构获得其他的附图。
图1为本发明示出的一种机器人的结构示意图;
图2为本发明根据一示例性实施例示出的一种机器人回充控制方法的实施例流程示意图;
图3为本发明根据一示例性实施例示出的一种回充路线示意图;
图4为本发明根据一示例性实施例示出的一种机器人与充电座完成对接的示意图;
图5为本发明根据一示例性实施例示出的另一种机器人回充控制方法的实施例流程示意图;
图6为本发明根据一示例性实施例示出的一种机器人回充控制装置的结构示意图;
图7为本发明根据一示例性实施例示出的一种存储介质的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
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的一部分实施例,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。
需要说明,本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
另外,在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“连接”、“固定”等应做广义理解,例如,“固定”可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
另外,本发明各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
目前,机器人的自动回充主要采用以下两种实现:
1、红外传感自动回充,机器人通过自身设置的红外接收器和充电座上设置的红外发射器的对接实现机器人的自动回充,这种方法在大批量生产时,红外传感器本身的一致性、稳定性、安装一致性都难以保障,且红外信号易发生干扰、反射等异常,红外传感器需要一收一发,成本高,有器件损坏风险。
2、激光雷达自动回充,机器人利用自身设置的激光雷达进行充电座的自动对接。
然而,上述方法均未考虑到在一些场景中,例如充电座有遮挡、处于强光环境下,会出现某些传感器信号不完整或者失效的现象,导致无法完成充电座自动回充。
为解决上述技术问题,本发明提出一种机器人,参见图1所示的机器人结构示意图,包括机器人本体10、机器人回充控制装置20和机器人本体10上设置的多种传感器(图1未具体示出)。
其中,机器人本体10用于进行移动,其与机器人回充控制装置20电连接。机器人上设有的多种传感器用于采集机器人移动过程中的周围环境信号,以用于构建环境地图和规划行进路线,例如激光雷达传感器、超声波雷达传感器、摄像头传感器等,设置在机器人上的不同方向,在机器人移动过程中,实时扫描机器人周围的环境,实现避障、路径规划。
可选的,机器人回充控制装置20可以独立于机器人本体10之外,当然也可以集成在机器人本体10内,本申请对此不进行具体限定。
需要说明的是,机器人本体10中设置有运动模块、控制模块等结构,以用于实现机器人的环境地图的构建和路径规划。
基于上述各个结构的功能描述,机器人回充控制装置20的控制原理为:
在机器人需要与充电座对接时,控制机器人上已有的多个传感器采集机器人周围环境的信号,并针对每个传感器信号,根据该传感器信号获取充电座的第一相对位置和第一可信度,然后从多个第一相对位置中,选择第一可信度超过第一阈值的第一相对位置,进而基于选择的第一相对位置规划回充路线,并按照所述回充路线控制机器人行进,以与充电座对接。
基于上述描述可达到的技术效果有:
通过获取机器人上已有的多种传感器采集的传感器信号,并根据每个传感器信号得到充电座位置和可信度,从中选择可信度达标的充电座位置进行回充路线规划,由于机器人上的多种传感器是从不同角度进行信号采集,因此在一个或多个传感器因充电座在遮挡或强光场景中导致传感器信号不完整或失效的情况下,还会有其他角度的传感器信号得到高可信度的充电座位置,进而由其他角度传感器信号得到的充电座位置进行回充路线规划,保证在一个或多个传感器失效的场景中依然能够稳定检测到充电座的位置,稳定完成回充任务。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
实施例一:
图2为本发明根据一示例性实施例示出的一种机器人回充控制方法的实施例流程示意图,所述机器人回充控制方法适用于上述图1所示的机器人,下面以机器人为扫地机器人为例进行示例性说明,如图2所示,所述机器人回充控制方法包括如下步骤:
步骤201:控制机器人上的多个传感器采集所述机器人周围环境的信号。
在一些实施例中,机器人启动后,先通过各种传感器采集的周围环境的传感器信号构建环境地图,并通过构建的环境地图进行路线规划,然后按照规划好的路线行进,并且在行进过程中,仍然实时根据各种传感器采集的传感器信号构建环境地图。
可选的,在机器人需要回充时,可以通过调用上一次回充后定位的充电座位置,并根据充电座位置在环境地图上标记充电座大致方位,然后控制机器人向标记的充电座方向行进,同时控制机器人上的多个传感器随机从不同角度采集机器人周围环境的信号。
步骤202:针对每个传感器信号,根据该传感器信号获取充电座的第一相对位置和第一可信度。
在一可选的具体实施方式中,可以预先为每个传感器训练一个用来处理传感器信号的模型,模型输出为充电座的相对位置和可信度,通过使用模型处理传感器信号,可以提高处理结果的精准度,进而提升机器人自动回充效率。基于此,可以将每个传感器信号分别输入所对应的预先训练好的第一模型,以由第一模型对输入的传感器信号进行处理,并输出充电座的第一相对位置和第一可信度。
其中,第一模型输出的第一可信度用于表示其输出的充电座的第一相对位置的可靠程度,第一可信度越高,表示可靠程度越高。
需要说明的是,在执行步骤202之前,需要训练获得每个传感器对应的第一模型,训练过程可以包括:采集传感器相对充电座的多个距离多个角度的传感器信号,并为每一传感器信号标注充电座的相对位置和可信度的标签,该标签用于模型训练过程中计算损失值使用,然后构建网络模型,并利用标注标签后的传感器信号对构建的网络模型进行训练,直至网络模型收敛,以获得第一模型。
以激光雷达传感器为例,将充电座固定某一位置后,控制机器人到达距离充电座对接槽中心点1米,偏离对接槽中垂线45度的位置,获取多帧激光雷达的传感器信号,再控制机器人到达距离充电座对接槽中心点1米,偏离对接槽中垂线46度的位置,获取多帧激光雷达的传感器信号,以此类推,得到多种情况下的传感器信号,然后再多次改变机器人距离充电座对接槽中心点距离,并在该距离下,不断改变角度获取传感器信号。由此可见,通过不断改变机器人位置,可以收集到很多传感器信号作为训练样本。
可选的,为了提升模型精准度,可以通过在不同场景中,获取多个距离多个角度的传感器信号。例如,有遮挡物的异常场景、无遮挡物的正常场景、不同光照的场景等。
在具体实施时,充电座的相对位置可以包括相对距离、角度、充电座上对接槽的中心点坐标等信息,这些信息能够引导机器人如何进入对接槽实现对接。
步骤203:从多个第一相对位置中,选择第一可信度超过第一阈值的第一相对位置。
其中,第一阈值用来表示可信度达标条件,因此第一阈值会比较高些。假设可信度的取值范围为0至1,那么第一阈值可以设置在0.8以上。
需要说明的是,在实际应用中,在筛选可信度达标的第一相对位置时,可能筛选出一个或一个以上第一相对位置,当然也可能筛选出零个第一相对位置,也即不存在可信度达标的第一相对位置。
其中,如果筛选出一个或一个以上第一相对位置,则执行下述步骤204,而如果没有筛选出可信度达标的第一相对位置,可以重新获取传感器信号进行筛选,如果重新筛选一定时间后仍未找到可信度达标的第一相对位置,可以采用第二模型对多种传感器信号进行联合判断,具体实现过程可以参见下述实施例的描述,本发明在此暂不详述。
需要说明的是,在从多个第一相对位置中,选择第一可信度超过第一阈值的第一相对位置之后,还可以存储选择的第一相对位置和其对应的第一可信度,以用于后续机器人行进过程中用更高的可信度和相对位置替换。
步骤204:基于选择的第一相对位置规划回充路线,并按照所述回充路线控制机器人行进,以与充电座对接。
基于上述步骤203的描述,可选的,如果选择到的第一相对位置的数量为1,则可以直接利用选择到的第一相对位置规划回充路线;如果选择到的第一相对位置的数量为1个以上,则可以根据选择到的多个第一相对位置获得充电座的综合相对位置,进而利用综合相对位置进行回充路线规划。
在一可选的具体实施方式中,对于综合相对位置的获得过程,可以针对选择的每个第一相对位置,依据该第一相对位置对应的第一可信度确定其对应的权重,进而利用每个第一相对位置和对应的权重获得充电座的综合相对位置。
其中,第一相对位置对应的第一可信度越高,确定的权重越大。
可选的,可以将其中一个第一相对位置对应的第一可信度与所有达标的第一可信度之和的商,作为这一个第一相对位置的权重,以达到可信度越高,权重越大的目的。
举例来说,如图3所示,假设用于规划路线的相对位置包括机器人相对充电座的距离L,相对对接槽中垂线的角度θ,利用距离L和角度θ计算获得L1和L2,也就是说,规划的回充路线为向南行进L1后,机器人到达对接槽中垂线上,然后机器人正对着充电座再向西行进L2后与充电座的对接槽对接上,对接效果如图4所示。
需要说明的是,机器人在按照回充路线行进过程中,可以继续实时控制多个传感器采集机器人周围环境的信号,并针对每个传感器信号,根据该传感器信号获取充电座的第一相对位置和第一可信度,并将新获取的第一可信度与已存储的第一可信度进行比较,当出现比已存储的第一可信度更高的第一可信度时,可以利用新获取的第一可信度的第一相对位置来更新回充路线,以使得机器人更加精准与充电座对接,同时利用新获取的第一可信度和其对应的第一相对位置,更新已存储的第一可信度和其对应的第一相对位置。
也就是说,机器人按照回充路线行进过程中,会继续实时计算新采集的传感器信号的可信度和充电座的相对位置,如果出现可信度更高的相对位置,会利用这个可信度更高的相对位置更新回充路线。
进一步地,在利用新获取的第一可信度的第一相对位置更新回充路线时,还可以利用新获取的第一相对位置,并结合机器人在回充路线上已行进的路线和已存储的第一相对位置,来更新回充路线。
至此,完成上述图2所示的回充流程,在机器人需要回充时,通过获取机器人上已有的多种传感器采集的传感器信号,并根据每个传感器信号得到充电座位置和可信度,从中选择可信度达标的充电座位置进行回充路线规划,由于机器人上的多种传感器是从不同角度进行信号采集,因此在一个或多个传感器因充电座在遮挡或强光场景中导致传感器信号不完整或失效的情况下,还会有其他角度的传感器信号得到高可信度的充电座位置,进而由其他角度传感器信号得到的充电座位置进行回充路线规划,保证在一个或多个传感器失效的场景中依然能够稳定检测到充电座的位置,稳定完成回充任务。
实施例二:
图5为本发明根据一示例性实施例示出的另一种机器人回充控制方法的实施例流程示意图,基于上述图2所示实施例的基础上,所述机器人回充控制方法包括如下步骤:
步骤501:控制机器人上的多个传感器采集机器人周围环境的信号。
步骤502:针对每个传感器信号,根据该传感器信号获取充电座的第一相对位置和第一可信度。
步骤503:判断是否有超过第一阈值的第一可信度,若有,则执行步骤504,若没有,则执行步骤505。
步骤504:基于第一可信度超过第一阈值的第一相对位置规划回充路线,并按照所述回充路线控制机器人行进,以与充电座对接。
针对上述步骤501至步骤504的具体实现,可以参见上述实施例的描述,本发明在此不再赘述。
步骤505:开始计时,并将计时时间与预设时长比较,若计时时间小于预设时长,则继续执行步骤501,若计时时间大于预设时长,则执行步骤506。
步骤506:从最近一次采集的传感器信号中,选择第一可信度超过第二阈值的传感器信号。
其中,第二阈值低于第一阈值,对于第一可信度超过第二阈值的传感器信号是有希望通过综合处理提升可信度的信号。
需要说明的是,对于第一可信度超过第二阈值但低于第一阈值的传感器信号,可能是充电座被遮挡或者充电座在强光场景中获得的信号,导致信号不完整,从而可信度不达标。
步骤507:将选择的传感器信号输入已训练第二模型,由第二模型对输入的传感器信号进行综合处理并输出充电座的第二相对位置和第二可信度。
在执行步骤507之前,需要训练获得对多种传感器信号综合处理的第二模型,训练过程可以包括:在有遮挡物或强光场景中,收集各个传感器相对充电座的多个距离多个角度的传感器信号,并为相同距离相同角度条件下收集到的各个传感器信号标注充电座的相对位置和可信度的标签,然后构建网络模型,并利用标注标签后的各个传感器信号对构建的网络模型进行训练,直至网络模型收敛,以得到第二模型。
需要说明的是,第二模型在对各个传感器信号综合处理后,输出的第二相对位置和第二可信度是由多个传感器信号综合得到的位置和可信度。
步骤508:若第二可信度超过第三阈值,则利用第二相对位置规划回充路线,并按照所述回充路线控制机器人行进,以与充电座对接充电。
其中,第二相对位置包含的信息类型与第一相对位置包含的信息类型相同,因此利用第二相对位置规划回充路线的原理,与利用第一相对位置规划回充路线的原理一致。
需要说明的是,第三阈值大于第二阈值,但第三阈值可以与第一阈值相同,也可以不相同,本发明对此不进行具体限定。
步骤509:若第二可信度未超过第三阈值,则输出无法找到充电座的报警提示。
至此,完成上述图5所示的回充流程,在出现各种传感器信号的可信度持续不达标而无法规划回充路线的情况下,并且该情况持续一定时间后,通过从最近一次采集的传感器信号中,选择第一可信度超过第二阈值的传感器信号作为第二模型的输入,由第二模型进行综合判断并输出一个综合后的充电座的第二相对位置和第二可信度,并利用第二相对位置规划回充路线,以保证在一个或多个传感器失效的场景中依然能够稳定检测到充电座的位置,稳定完成回充任务。
本发明实施方式还提供一种与前述实施方式所提供的机器人回充控制方法对应的机器人回充控制装置,以执行上述机器人回充控制方法。
图6为本发明根据一示例性实施例示出的一种机器人回充控制装置的硬件结构图,该机器人回充控制装置包括:通信接口701、处理器702、存储器703和总线704;其中,通信接口701、处理器702和存储器703通过总线704完成相互间的通信。处理器702通过读取并执行存储器703中与机器人回充控制方法的控制逻辑对应的机器可执行指令,可执行上文描述的机器人回充控制方法,该方法的具体内容参见上述实施例,此处不再累述。
本发明中提到的存储器703可以是任何电子、磁性、光学或其它物理存储装置,可以包含存储信息,如可执行指令、数据等等。具体地,存储器703可以是RAM(Random AccessMemory,随机存取存储器)、闪存、存储驱动器(如硬盘驱动器)、任何类型的存储盘(如光盘、DVD等),或者类似的存储介质,或者它们的组合。通过至少一个通信接口701(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网、广域网、本地网、城域网等。
总线704可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。其中,存储器703用于存储程序,所述处理器702在接收到执行指令后,执行所述程序。
处理器702可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器702中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器702可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。
本申请实施例提供的机器人回充控制装置与本申请实施例提供的机器人回充控制方法出于相同的发明构思,具有与其采用、运行或实现的方法相同的有益效果。
本申请实施方式还提供一种与前述实施方式所提供的机器人回充控制方法对应的计算机可读存储介质,请参考图7所示,其示出的计算机可读存储介质为光盘30,其上存储有计算机程序(即程序产品),所述计算机程序在被处理器运行时,会执行前述任意实施方式所提供的机器人回充控制方法。
需要说明的是,所述计算机可读存储介质的例子还可以包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他光学、磁性存储介质,在此不再一一赘述。
本申请的上述实施例提供的计算机可读存储介质与本申请实施例提供的机器人回充控制方法出于相同的发明构思,具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (11)
1.一种机器人回充控制方法,其特征在于,所述方法包括:
控制机器人上的多个传感器采集所述机器人周围环境的信号;
针对每个传感器信号,根据该传感器信号获取充电座的第一相对位置和第一可信度;
根据存在第一可信度超过第一阈值的第一相对位置,基于第一可信度超过第一阈值的第一相对位置规划回充路线,并按照所述回充路线控制机器人行进,以与充电座对接;
根据不存在第一可信度超过第一阈值的第一相对位置,继续执行控制机器人上的多个传感器采集所述机器人周围环境的信号的步骤;
经过预设时长后始终不存在第一可信度超过第一阈值的第一相对位置情况下,从最近一次采集的各个传感器信号中,选择第一可信度超过第二阈值的传感器信号,根据选择的传感器信号确定充电座的第二相对位置和第二可信度;
根据所述第二可信度超过第三阈值,利用所述第二相对位置规划回充路线,并按照所述回充路线控制机器人行进,以与充电座对接;
根据所述第二可信度未超过第三阈值,输出无法找到充电座的报警提示。
2.如权利要求1所述的方法,其特征在于,所述根据该传感器信号获取充电座的第一相对位置和第一可信度,包括:
将该传感器信号输入其对应的已训练第一模型,由第一模型处理输入的传感器信号并输出充电座的第一相对位置和第一可信度。
3.如权利要求1所述的方法,其特征在于,所述基于选择的第一相对位置规划回充路线,包括:
在选择的第一相对位置的数量为1时,利用选择的第一相对位置规划回充路线;
在选择的第一相对位置的数量为多个时,根据所述多个第一相对位置获得充电座的综合相对位置,并利用所述综合相对位置规划回充路线。
4.如权利要求3所述的方法,其特征在于,所述根据所述多个第一相对位置获得充电座的综合相对位置,包括:
针对选择的每个第一相对位置,依据所述第一相对位置对应的第一可信度确定其对应的权重;
利用每个第一相对位置和对应的权重获得充电座的综合相对位置。
5.如权利要求1所述的方法,其特征在于,所述根据选择的传感器信号确定充电座的第二相对位置和第二可信度,包括:
将选择的传感器信号输入已训练第二模型,由第二模型对输入的传感器信号进行综合处理并输出充电座的第二相对位置和第二可信度。
6.如权利要求1所述的方法,其特征在于,在从所述多个第一相对位置中,选择第一可信度超过第一阈值的第一相对位置之后,所述方法还包括:存储选择的第一相对位置和其对应的第一可信度;
所述方法还包括:
在按照所述回充路线控制机器人行进过程中,继续控制多个传感器采集所述机器人周围环境的信号,并针对每个传感器信号,根据该传感器信号获取充电座的第一相对位置和第一可信度;
在每个传感器信号的第一可信度中存在比已存储的第一可信度更高的第一可信度时,基于该更高的第一可信度对应的第一相对位置更新所述回充路线,并按照更新后的回充路线控制机器人行进;
利用该更高的第一可信度和其对应的第一相对位置,更新已存储的第一可信度和其对应的第一相对位置。
7.如权利要求2所述的方法,其特征在于,所述方法还包括传感器对应的第一模型的训练过程:
获取该传感器相对充电座的多个距离多个角度的传感器信号,并为每个传感器信号标注充电座的相对位置和可信度的标签;
构建网络模型,并利用标注标签后的传感器信号对构建的网络模型进行训练,直至网络模型收敛,得到第一模型。
8.如权利要求5所述的方法,其特征在于,所述方法还包括第二模型的训练过程:
在有遮挡物或强光场景中,收集机器人上各个传感器相对充电座的多个距离多个角度的传感器信号,并为相同距离相同角度条件下收集到的各个传感器信号标注充电座的相对位置和可信度的标签;
构建网络模型,并利用标注标签后的各个传感器信号对构建的网络模型进行训练,直至网络模型收敛,得到第二模型。
9.一种机器人回充控制装置,所述装置包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-8任一项所述方法的步骤。
10.一种机器人,其特征在于,包括:
如上述权利要求9所述的机器人回充控制装置;
多种传感器,用于采集所述机器人周围环境的信号。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-8任一项所述方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110815732.6A CN113534805B (zh) | 2021-07-19 | 2021-07-19 | 机器人回充控制方法、装置和存储介质 |
PCT/CN2022/079253 WO2023000679A1 (zh) | 2021-07-19 | 2022-03-04 | 机器人回充控制方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110815732.6A CN113534805B (zh) | 2021-07-19 | 2021-07-19 | 机器人回充控制方法、装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113534805A CN113534805A (zh) | 2021-10-22 |
CN113534805B true CN113534805B (zh) | 2024-04-19 |
Family
ID=78128781
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110815732.6A Active CN113534805B (zh) | 2021-07-19 | 2021-07-19 | 机器人回充控制方法、装置和存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113534805B (zh) |
WO (1) | WO2023000679A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113534805B (zh) * | 2021-07-19 | 2024-04-19 | 美智纵横科技有限责任公司 | 机器人回充控制方法、装置和存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106647742A (zh) * | 2016-10-31 | 2017-05-10 | 纳恩博(北京)科技有限公司 | 移动路径规划方法及装置 |
JP2018017826A (ja) * | 2016-07-26 | 2018-02-01 | 株式会社豊田中央研究所 | 自律移動体と環境地図更新装置 |
CN108021136A (zh) * | 2017-12-08 | 2018-05-11 | 北京奇虎科技有限公司 | 机器人沿行进路线行进的控制方法、装置及机器人 |
CN109730590A (zh) * | 2019-01-30 | 2019-05-10 | 深圳飞科机器人有限公司 | 清洁机器人以及清洁机器人自动返回充电的方法 |
CN110597265A (zh) * | 2019-09-25 | 2019-12-20 | 深圳巴诺机器人有限公司 | 一种扫地机器人回充方法和装置 |
CN110632915A (zh) * | 2018-06-21 | 2019-12-31 | 科沃斯机器人股份有限公司 | 机器人回充路径规划方法、机器人及充电系统 |
CN111095149A (zh) * | 2017-09-28 | 2020-05-01 | 英特尔公司 | 具有自修复能力的自主驾驶车辆的多模态感测 |
CN111481107A (zh) * | 2019-01-28 | 2020-08-04 | 北京奇虎科技有限公司 | 扫地机充电座的定位方法及装置、计算设备、存储介质 |
CN112792820A (zh) * | 2021-03-16 | 2021-05-14 | 千里眼(广州)人工智能科技有限公司 | 机器人自动回充方法、装置及机器人系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100645381B1 (ko) * | 2005-08-31 | 2006-11-14 | 삼성광주전자 주식회사 | 로봇청소기의 외부충전 복귀장치 및 복귀방법 |
KR101437778B1 (ko) * | 2013-05-06 | 2014-09-11 | (주)마미로봇 | 도킹스테이션의 유도신호발신기 |
CN106308685B (zh) * | 2016-08-23 | 2019-10-11 | 北京小米移动软件有限公司 | 清洁机器人及其控制方法 |
US10732635B2 (en) * | 2017-12-30 | 2020-08-04 | Lyft Inc. | Localization based on sensor data |
CN110378285A (zh) * | 2019-07-18 | 2019-10-25 | 北京小狗智能机器人技术有限公司 | 一种充电座的识别方法、装置、机器人及存储介质 |
CN112214015A (zh) * | 2020-09-04 | 2021-01-12 | 安克创新科技股份有限公司 | 自移动机器人及其回充的方法、系统及计算机存储介质 |
CN113534805B (zh) * | 2021-07-19 | 2024-04-19 | 美智纵横科技有限责任公司 | 机器人回充控制方法、装置和存储介质 |
-
2021
- 2021-07-19 CN CN202110815732.6A patent/CN113534805B/zh active Active
-
2022
- 2022-03-04 WO PCT/CN2022/079253 patent/WO2023000679A1/zh unknown
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018017826A (ja) * | 2016-07-26 | 2018-02-01 | 株式会社豊田中央研究所 | 自律移動体と環境地図更新装置 |
CN106647742A (zh) * | 2016-10-31 | 2017-05-10 | 纳恩博(北京)科技有限公司 | 移动路径规划方法及装置 |
CN111095149A (zh) * | 2017-09-28 | 2020-05-01 | 英特尔公司 | 具有自修复能力的自主驾驶车辆的多模态感测 |
CN108021136A (zh) * | 2017-12-08 | 2018-05-11 | 北京奇虎科技有限公司 | 机器人沿行进路线行进的控制方法、装置及机器人 |
CN110632915A (zh) * | 2018-06-21 | 2019-12-31 | 科沃斯机器人股份有限公司 | 机器人回充路径规划方法、机器人及充电系统 |
CN111481107A (zh) * | 2019-01-28 | 2020-08-04 | 北京奇虎科技有限公司 | 扫地机充电座的定位方法及装置、计算设备、存储介质 |
CN109730590A (zh) * | 2019-01-30 | 2019-05-10 | 深圳飞科机器人有限公司 | 清洁机器人以及清洁机器人自动返回充电的方法 |
CN110597265A (zh) * | 2019-09-25 | 2019-12-20 | 深圳巴诺机器人有限公司 | 一种扫地机器人回充方法和装置 |
CN112792820A (zh) * | 2021-03-16 | 2021-05-14 | 千里眼(广州)人工智能科技有限公司 | 机器人自动回充方法、装置及机器人系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113534805A (zh) | 2021-10-22 |
WO2023000679A1 (zh) | 2023-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106980320B (zh) | 机器人充电方法及装置 | |
US11915099B2 (en) | Information processing method, information processing apparatus, and recording medium for selecting sensing data serving as learning data | |
JP6672212B2 (ja) | 情報処理装置、車両、情報処理方法およびプログラム | |
US11537142B2 (en) | Method for robot repositioning | |
CN108983213B (zh) | 障碍物静止状态的确定方法、装置、设备及存储介质 | |
CN110632921A (zh) | 机器人路径规划方法、装置、电子设备和存储介质 | |
CN110889808A (zh) | 一种定位的方法、装置、设备及存储介质 | |
CN110850859B (zh) | 一种机器人及其避障方法和避障系统 | |
CN113256716B (zh) | 一种机器人的控制方法及机器人 | |
CN110597265A (zh) | 一种扫地机器人回充方法和装置 | |
CN113741438A (zh) | 路径规划方法、装置、存储介质、芯片及机器人 | |
CN113561963A (zh) | 一种泊车方法、装置及车辆 | |
CN112015178A (zh) | 一种控制方法、装置、设备及存储介质 | |
JP2007322391A (ja) | 自車両位置推定装置 | |
JP4660569B2 (ja) | 物体検出装置及び物体検出方法 | |
US20180275663A1 (en) | Autonomous movement apparatus and movement control system | |
JP2017083663A (ja) | 一致性評価装置および一致性評価方法 | |
CN113534805B (zh) | 机器人回充控制方法、装置和存储介质 | |
CN114694111A (zh) | 车辆定位 | |
CN114077252A (zh) | 机器人碰撞障碍区分装置及方法 | |
CN113158779A (zh) | 一种行走方法、装置和计算机存储介质 | |
CN109188419B (zh) | 障碍物速度的检测方法、装置、计算机设备及存储介质 | |
JP7344743B2 (ja) | 占有マップの作成方法、及び、占有マップの作成装置 | |
KR101376536B1 (ko) | 센서 융합을 이용한 모바일 객체의 위치 인식방법 및 그 장치 | |
KR102421831B1 (ko) | 차량 및 차량의 제어방법 |
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 |