CN114035577A - 一种机器人的充电桩识别定位方法 - Google Patents
一种机器人的充电桩识别定位方法 Download PDFInfo
- Publication number
- CN114035577A CN114035577A CN202111323526.XA CN202111323526A CN114035577A CN 114035577 A CN114035577 A CN 114035577A CN 202111323526 A CN202111323526 A CN 202111323526A CN 114035577 A CN114035577 A CN 114035577A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- charging pile
- cloud data
- robot
- cluster
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012216 screening Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 3
- 210000001503 joint Anatomy 0.000 abstract description 4
- 241000282414 Homo sapiens Species 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000717 retained 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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
一种机器人的充电桩识别定位方法，通过选择最优的点云集合，然后根据最小二乘法的直线拟合方式计算V型充电桩的角度，计算出来的角度符合阈值范围，则识别出充电桩。最后根据最优点云的集合进行两次逆旋转，推算V型角的位置，得到充电桩在地图中的坐标位置。机器人能够快速的在充电桩附近识别定位出充电桩位置，快速的进行充电对接，实现机器人的自主充电。
Description
技术领域
本发明涉及机器人系统技术领域，具体涉及一种机器人的充电桩识别定位方法。
背景技术
随着科技的发展，各种机器人开始出现在各个生活场所，用于代替人工执行一些任务，服务机器人正逐步替代部分人工的工作。目前，已将机器人广泛应用于餐厅、酒店、医院、博物馆、文化馆、政府机构等场景中，提供配送、引导、讲解等服务。应用于上述场景中的机器人需要克服使用场地的限制，进行无轨道移动。机器人具有电源系统，当电量消耗后，需要对电源系统及时进行充电。机器人自动寻找充电桩进行充电，是自主移动机器人必须具备的功能。
发明内容
本发明为了克服以上技术的不足，提供了一种能让机器人在摆放充电桩的位置快速定位出充电桩，让机器人快速的对接充电的方法。
本发明克服其技术问题所采用的技术方案是：
一种机器人的充电桩识别定位方法，包括如下步骤：
a)在机器人上安装激光雷达，在充电桩上安装V字形的识别标识；
b)机器人在充电桩附件采集激光雷达点云数据，对激光雷达点云数据依次进行滤波、分割、筛选操作，得到与充电桩特征信息相匹配的点云数据；
c)机器人采用HU不变矩方法对与充电桩特征信息相匹配的点云数据进行模板匹配，得到最优的点云簇数据集；
d)将最优的点云簇数据进行直线拟合，计算得到充电桩的几何特征，该几何特征包括充电桩的宽高比、充电桩上的V字形识别标识的拐点位置以及V字形的识别标识的夹角；
e)将点云数据拐点位置作为充电桩的位置，将拐点位置坐标转换到地图中，得到充电桩所在地图的位置。
进一步的，步骤b)中对激光点云数据采用高斯滤波的方式进行滤波，删除掉激光雷达采集的噪声数据。
进一步的，步骤b)中对激光雷达点云数据的分割的方法为：
b-1.1)通过将滤波后的激光雷达点云数据转换到机器人坐标系下；
b-1.2)利用点云数据坐标计算相邻点云数据之间的欧式距离；
b-1.3)设置阈值，将欧式距离小于等于阈值的相邻点云数据放置到一个簇中，将欧式距离大于阈值的相邻点云数据放置到另一个簇中。
进一步的，步骤b)中对激光雷达点云数据筛选的方法为：
b-2.1)设定筛选阈值；
b-2.2)如果一个簇中的点云数量小于筛选阈值时，将该点云簇进行剔除。
进一步的，步骤d)中计算出充电桩上的V字形识别标识的拐点位置后，将最优的点云簇根据拐点位置进行左右分割，对分割的左右两侧的点云数据采用最小二乘法的直线拟合方式进行拟合，得到两条直线的夹角，即为识别标识的夹角。
本发明的有益效果是：通过选择最优的点云集合，然后根据最小二乘法的直线拟合方式计算V型充电桩的角度，计算出来的角度符合阈值范围，则识别出充电桩。最后根据最优点云的集合进行两次逆旋转，推算V型角的位置，得到充电桩在地图中的坐标位置。机器人能够快速的在充电桩附近识别定位出充电桩位置，快速的进行充电对接，实现机器人的自主充电。
具体实施方式
下面对本发明做进一步说明。
一种机器人的充电桩识别定位方法，包括如下步骤：
a)在机器人上安装激光雷达，在充电桩上安装V字形的识别标识。
b)机器人在充电桩附件采集激光雷达点云数据，对激光雷达点云数据依次进行滤波、分割、筛选操作，得到与充电桩特征信息相匹配的点云数据。具体来说，首先对雷达数据中的无穷大与无穷小数据进行相邻数据的过滤，去除无穷大与无穷小的异常数值。然后再对经过初次过滤后的激光雷达数据集利用高斯滤波的方法，对激光雷达数据集进行噪声的处理，获取可信任的激光数据。将获取到的激光雷达数据转换成电云数据，为防止激光器不安装在机器人正前方，并计算了激光器安装角度，然后通过旋转操作，将点云旋转到机器人正前方，再转换到机器人坐标系下，从而获取在机器人坐标系下所有采集到的点云数据。
c)机器人采用HU不变矩方法对与充电桩特征信息相匹配的点云数据进行模板匹配，得到最优的点云簇数据集。
d)将最优的点云簇数据进行直线拟合，计算得到充电桩的几何特征，该几何特征包括充电桩的宽高比、充电桩上的V字形识别标识的拐点位置以及V字形的识别标识的夹角。
e)将点云数据拐点位置作为充电桩的位置，将拐点位置坐标转换到地图中，得到充电桩所在地图的位置。
得到最优匹配的数据集合之后，需要将旋转的数据集合进行反向逆推，再经过旋转的过程来求得具体充电桩的位置。得到最优数据集合之后，根据模板数据中的近近点坐标，反推出该点云簇的近进点坐标位置，然后经过两次逆旋转，使得该点云的近进点坐标恢复至正向旋转的原始坐标位置，根据旋转后的中心点下标位置，记得到充电桩的位置。
通过选择最优的点云集合，然后根据最小二乘法的直线拟合方式计算V型充电桩的角度，计算出来的角度符合阈值范围，则识别出充电桩。最后根据最优点云的集合进行两次逆旋转，推算V型角的位置，得到充电桩在地图中的坐标位置。根据本发明提供的识别充电桩及定位方法，机器人能够快速的在充电桩附近识别定位出充电桩位置，快速的进行充电对接，实现机器人的自主充电。
实施例1：
步骤b)中对激光点云数据采用高斯滤波的方式进行滤波，删除掉激光雷达采集的噪声数据。
实施例2：
步骤b)中对激光雷达点云数据的分割的方法为：
b-1.1)通过将滤波后的激光雷达点云数据转换到机器人坐标系下。
b-1.2)利用点云数据坐标计算相邻点云数据之间的欧式距离。
b-1.3)设置阈值，将欧式距离小于等于阈值的相邻点云数据放置到一个簇中，将欧式距离大于阈值的相邻点云数据放置到另一个簇中。从而确保留下的点云簇集合中每一个簇元素中的数据量足够满足计算的要求。
实施例3：
步骤b)中对激光雷达点云数据筛选的方法为：
b-2.1)设定筛选阈值。
b-2.2)如果一个簇中的点云数量小于筛选阈值时，将该点云簇进行剔除。
实施例4：
经过分簇筛选之后，需要对保留下的点云簇元素进一步的匹配筛选。首先要将点云簇中的每一个簇元素进行旋转，使簇中的点云数据都旋转至机器人的正前方，并对这些点云数据进行拟合，求得点云簇的直线拟合主方向角度，中心点坐标，然后将这些点云再做一次旋转，使得主方向垂直于激光正方向。对点云簇中的每一簇集合的元素都做这样的旋转处理，然后获取素有旋转之后的数据，再对全部的数据进行特征的提取。此时特征数据求得旋转数据最大最小数据及数据所在位置，根据点云数据中位数及高宽比来筛选点云簇元素是否符合V字形识别标识特征，当集合元素符合中位数及宽高比特征之后，根据点云簇集合元素中的特征下标值，对该集合元素的所有点云数据做两条直线的拟合。具体的，步骤d)中计算出充电桩上的V字形识别标识的拐点位置后，将最优的点云簇根据拐点位置进行左右分割，对分割的左右两侧的点云数据采用最小二乘法的直线拟合方式进行拟合，得到两条直线的夹角，即为识别标识的夹角。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.一种机器人的充电桩识别定位方法，其特征在于，包括如下步骤：
a)在机器人上安装激光雷达，在充电桩上安装V字形的识别标识；
b)机器人在充电桩附件采集激光雷达点云数据，对激光雷达点云数据依次进行滤波、分割、筛选操作，得到与充电桩特征信息相匹配的点云数据；
c)机器人采用HU不变矩方法对与充电桩特征信息相匹配的点云数据进行模板匹配，得到最优的点云簇数据集；
d)将最优的点云簇数据进行直线拟合，计算得到充电桩的几何特征，该几何特征包括充电桩的宽高比、充电桩上的V字形识别标识的拐点位置以及V字形的识别标识的夹角；
e)将点云数据拐点位置作为充电桩的位置，将拐点位置坐标转换到地图中，得到充电桩所在地图的位置。
2.根据权利要求1所述的机器人的充电桩识别定位方法，其特征在于：步骤b)中对激光点云数据采用高斯滤波的方式进行滤波，删除掉激光雷达采集的噪声数据。
3.根据权利要求1所述的机器人的充电桩识别定位方法，其特征在于，步骤b)中对激光雷达点云数据的分割的方法为：
b-1.1)通过将滤波后的激光雷达点云数据转换到机器人坐标系下；
b-1.2)利用点云数据坐标计算相邻点云数据之间的欧式距离；
b-1.3)设置阈值，将欧式距离小于等于阈值的相邻点云数据放置到一个簇中，将欧式距离大于阈值的相邻点云数据放置到另一个簇中。
4.根据权利要求3所述的机器人的充电桩识别定位方法，其特征在于：步骤b)中对激光雷达点云数据筛选的方法为：
b-2.1)设定筛选阈值；
b-2.2)如果一个簇中的点云数量小于筛选阈值时，将该点云簇进行剔除。
5.根据权利要求1所述的机器人的充电桩识别定位方法，其特征在于：步骤d)中计算出充电桩上的V字形识别标识的拐点位置后，将最优的点云簇根据拐点位置进行左右分割，对分割的左右两侧的点云数据采用最小二乘法的直线拟合方式进行拟合，得到两条直线的夹角，即为识别标识的夹角。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111323526.XA CN114035577A (zh) | 2021-11-10 | 2021-11-10 | 一种机器人的充电桩识别定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111323526.XA CN114035577A (zh) | 2021-11-10 | 2021-11-10 | 一种机器人的充电桩识别定位方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114035577A true CN114035577A (zh) | 2022-02-11 |
Family
ID=80143712
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111323526.XA Pending CN114035577A (zh) | 2021-11-10 | 2021-11-10 | 一种机器人的充电桩识别定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114035577A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109648602A (zh) * | 2018-09-11 | 2019-04-19 | 深圳优地科技有限公司 | 自动充电方法、装置及终端设备 |
| CN209217737U (zh) * | 2018-09-12 | 2019-08-06 | 深圳市优博讯科技股份有限公司 | 一种移动机器人自主充电装置 |
| CN112230664A (zh) * | 2020-10-29 | 2021-01-15 | 深圳市普渡科技有限公司 | 自动回充方法及系统 |
| CN112467828A (zh) * | 2020-11-12 | 2021-03-09 | 上海姜歌机器人有限公司 | 一种机器人充电方法和装置 |
| CN113219999A (zh) * | 2021-07-08 | 2021-08-06 | 上海景吾智能科技有限公司 | 一种机器人自动回充路径规划方法及系统 |
| CN113485357A (zh) * | 2021-07-29 | 2021-10-08 | 山东新一代信息产业技术研究院有限公司 | 一种室内机器人自动回桩充电系统及方法 |
-
2021
- 2021-11-10 CN CN202111323526.XA patent/CN114035577A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109648602A (zh) * | 2018-09-11 | 2019-04-19 | 深圳优地科技有限公司 | 自动充电方法、装置及终端设备 |
| CN209217737U (zh) * | 2018-09-12 | 2019-08-06 | 深圳市优博讯科技股份有限公司 | 一种移动机器人自主充电装置 |
| CN112230664A (zh) * | 2020-10-29 | 2021-01-15 | 深圳市普渡科技有限公司 | 自动回充方法及系统 |
| CN112467828A (zh) * | 2020-11-12 | 2021-03-09 | 上海姜歌机器人有限公司 | 一种机器人充电方法和装置 |
| CN113219999A (zh) * | 2021-07-08 | 2021-08-06 | 上海景吾智能科技有限公司 | 一种机器人自动回充路径规划方法及系统 |
| CN113485357A (zh) * | 2021-07-29 | 2021-10-08 | 山东新一代信息产业技术研究院有限公司 | 一种室内机器人自动回桩充电系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107704844B (zh) | 基于无人机双目视差图像的输电线路覆冰厚度辨识方法 | |
| EP4036870A1 (en) | Parking spot detection method and parking spot detection system | |
| CN109001757B (zh) | 一种基于2d激光雷达的车位智能检测方法 | |
| US20140177928A1 (en) | Method and system for processing image data | |
| CN108961429B (zh) | 一种文物碎片模型自动分割及拼接方法 | |
| CN108447016B (zh) | 基于直线交点的光学图像和sar图像的匹配方法 | |
| CN110926485A (zh) | 一种基于直线特征的移动机器人定位方法及系统 | |
| CN103035003A (zh) | 一种实现增强现实的方法及装置 | |
| CN109191438A (zh) | 一种用于激光异物清除器的异物识别方法 | |
| CN111914832B (zh) | 一种rgb-d相机在动态场景下的slam方法 | |
| CN105302132A (zh) | 一种基于行走机器人的分布式视觉定位系统及方法 | |
| CN111597904A (zh) | 用于隧道电缆支架倾斜的识别方法 | |
| CN114022620B (zh) | 一种三维场景重建中散乱纹理的剔除方法和系统 | |
| CN110530375A (zh) | 机器人自适应定位方法、定位装置、机器人及存储介质 | |
| CN114035577A (zh) | 一种机器人的充电桩识别定位方法 | |
| CN108921896B (zh) | 一种融合点线特征的下视视觉罗盘 | |
| CN111915658A (zh) | 一种用于点云的配准方法及系统 | |
| CN108037503B (zh) | 一种面向家居板材上下料的基于激光雷达的平面多板材定位方法 | |
| CN113935946B (zh) | 实时检测地下障碍物的方法及装置 | |
| CN107808160B (zh) | 三维建筑物提取方法和装置 | |
| CN115421160A (zh) | 路沿检测方法、装置、设备、车辆及存储介质 | |
| CN108986061B (zh) | 三维点云道路数据融合方法、装置及存储介质 | |
| CN114862886A (zh) | 基于mls点云数据的行道树单木分割方法 | |
| CN111696115A (zh) | 一种基于点云扫描线的斑马线角点提取方法及系统 | |
| CN112729306B (zh) | 适用于auv的海底地形图可导航区自主提取方法 |
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 |