CN114442624B - 一种机器人的回充控制方法、装置及系统 - Google Patents
一种机器人的回充控制方法、装置及系统 Download PDFInfo
- Publication number
- CN114442624B CN114442624B CN202210074293.2A CN202210074293A CN114442624B CN 114442624 B CN114442624 B CN 114442624B CN 202210074293 A CN202210074293 A CN 202210074293A CN 114442624 B CN114442624 B CN 114442624B
- Authority
- CN
- China
- Prior art keywords
- robot
- charging pile
- target charging
- point cloud
- line segments
- 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 50
- 239000013598 vector Substances 0.000 claims description 71
- 238000012545 processing Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 10
- 210000001503 joint Anatomy 0.000 claims description 7
- 230000008447 perception Effects 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 description 12
- 238000003860 storage Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000003032 molecular docking Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Images
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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
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)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请公开一种机器人的回充控制方法、装置及系统,方法包括:机器人通过雷达扫描获取预设区域内的点云数据;根据所获取的点云数据进行线段的检测,其中,线段是用于构形目标充电桩的线段;根据检测到的线段确定机器人当前的位置点相对于所述目标充电桩的第一位姿;根据该第一位姿,控制所述机器人移动到目标充电桩,并与所述目标充电桩对接。本申请可以准确的确定充电桩的位置,提高机器人回充的成功率。
Description
技术领域
本申请涉及计算机领域,具体涉及一种机器人的回充控制方法、装置及系统。
背景技术
智能机器人能够为人们的生活带来极大的方便和便利,其需求也越来越广泛。智能机器人往往需要大面积的连续作业,而其自身的电量往往难以满足大面积的连续作业任务。因此,智能机器人在任务执行过程中会自主地在电量不足时返回充电桩进行充电从而延长续航。因此,需要准确的搜索并导航至目标充电桩以进行充电续航。
发明内容
本申请实施例提供一种机器人的回充控制方法、装置及系统,通过雷达扫描获取预设区域内的点云数据,增大了机器人回充寻找充电桩的搜索范围,提高了找桩成功率。
本申请实施例提供的方案如下:
一种机器人的回充控制方法,所述方法包括:
机器人通过雷达扫描获取预设区域内的点云数据;
根据所获取的点云数据进行线段的检测,其中,线段是用于构形目标充电桩的线段;
根据检测到的线段确定机器人当前的位置点相对于所述目标充电桩的第一位姿;
根据该第一位姿,控制所述机器人移动到目标充电桩,并与所述目标充电桩对接。
一种示例性的实施例中,所述根据所获取的点云数据进行线段的检测,包括:
将所述预设区域内的点云数据转换到机器人坐标系下的点云数据;
选取所述机器人坐标系下的点云数据进行点云聚类处理;
对点云聚类数据进行多线段的检测,得到多个用于构形目标充电桩的线段。
一种示例性的实施例中,所述对点云聚类数据进行多线段的检测,得到多个用于构形目标充电桩的线段,包括:
对点云聚类数据进行拟合,得到多条线段;
对多条线段进行排序;
对排序后的多线段过滤干扰数据。
一种示例性的实施例中,其特征在于,
所述目标充电桩包括至少2条相连的线段进行构形;
若所述目标充电桩由至少2条线段构形时,
所述根据检测到的线段确定机器人当前的位置点相对于所述目标充电桩的第一位姿,包括:
对目标充电桩的至少2条线段的各个端点向内剔除;
根据相邻线段的几何关系,虚构依次相邻的两个线段之间的1个或多个交点;
确定所述1个或多个交点确定中心点的坐标;
将该中心点的坐标作为机器人当前的位置点相对于所述目标充电桩的第一位姿。
一种示例性的实施例中,所述根据该第一位姿,控制所述机器人移动到目标充电桩,包括:
根据所述机器人与充电桩法向量的距离,确定并执行所述机器人移动到目标充电桩的至少一项预设策略,其中,该充电桩法向量是根据中心点所确定。
一种示例性的实施例中,所述根据所述机器人与充电桩法向量的距离,确定并执行所述机器人移动到目标充电桩的至少一项预设策略,包括:
当机器人移动到与充电桩法向量的距离大于第一预设阈值时,控制所述机器人从当前位置点向充电桩法向量方向移动;
当机器人移动到与充电桩法向量的距离小于第一预设阈值时,采用第二策略控制机器人移动到目标充电桩。
一种示例性的实施例中,所述采用第二策略控制机器人移动到目标充电桩,包括:
确定该机器人当前的航向角与充电桩法向量角度偏差量以及机器人当前的位置点与充电桩法向量的距离构造误差量;
根据所确定的偏差量和误差量,确定机器人的线速度和角速度;
根据确定的机器人线速度和角速度,控制机器人行进到法向量垂直点。
一种示例性的实施例中,方法还包括:
当机器人移动到与充电桩法向量的距离小于第二预设阈值时,采用第三策略控制机器人移动到目标充电桩,其中,所述第二预设阈值小于所述第一预设阈值;
其中,所述第三策略包括:降低所述机器人的线速度和角速度,并继续行进到法向量垂直点。
本申请实施例还提供一种机器人的回充控制装置,所述装置包括:存储器和处理器;所述存储器用于保存进行机器人的回充控制的程序,所述处理器用于读取执行所述用于进行机器人的回充控制的程序,执行上述实施例中任一项所述的方法。
本申请实施例还提供一种机器人的回充控制系统,系统包括:扫描单元、检测单元、确定单元和控制单元;
所述扫描单元,用于扫描获取预设区域内的点云数据;
所述检测单元,用于根据所获取的点云数据进行线段的检测;
所述确定单元,用于根据检测到的线段确定机器人当前的位置点相对于所述目标充电桩的第一位姿;
所述控制单元,用于根据该第一位姿,控制所述机器人移动到目标充电桩,并与所述目标充电桩对接。
本申请实施例中,一种机器人的回充控制方法、装置及系统,方法包括:通过雷达扫描获取预设区域内的点云数据;根据所获取的点云数据进行线段的检测;根据检测到的线段确定机器人当前的位置点相对于所述目标充电桩的第一位姿;根据该第一位姿,采用预设策略控制所述机器人移动到目标充电桩,并与所述目标充电桩接触。本申请通过雷达扫描获取预设区域内的点云数据,增大了机器人回充寻找充电桩的搜索范围,提高了找桩成功率。
在阅读并理解了附图和详细描述后,可以明白其他方面。
附图说明
为了更清楚地说明本申请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申请的一些实施例,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为本申请实施例1中的一种机器人的回充控制方法流程图;
图2为一个示例中多段式几何构型充电桩示意图;
图3为本申请实施例2的一种机器人的回充控制装置示意图;
图4为本申请实施例2的一种机器人的回充控制系统示意图。
具体实施方式
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,显然,所描述的实施例仅仅是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
需要说明,本申请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,在本申请中如涉及“第一”、“第二”等的描述仅用于区分具有相同名称的事物或行为等,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。在本申请的描述中,“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。
在本申请中,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,本申请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,也不在本申请要求的保护范围之内。
经发明人研究发现,大部分机器人采用红外回充方案,利用不同精度的类红外传感器,通过利用类红外传感器的检测范围从大到小,从粗到细,以控制机器人运动到目标充电桩的预定范围,实现对接。但由于采用该类红外传感器进行回充搜索范围较小,需要依靠导航确定机器人和目标充电桩的地理位置的精度;否则,并不能准确的搜索到目标充电桩。
实施例1
本实施例提供了一种机器人回充控制的方法,如图1所示,该回充控制方法包括步骤S100-S130:
S100.获取点云数据,机器人可以通过雷达扫描获取;
S110.根据获取的点云数据,进行检测线段;
S120.根据检测到的多条线段确定机器人相对于目标充电桩的第一位姿;
S130.根据所确定的第一位姿,采用预先设定的多个策略控制机器人从当前位置移动到目标充电桩,当移动到预定的位置后与目标充电桩对接。
本实施例中,机器人设备本身设置有雷达扫描模块,该雷达扫描模块能够识别一个水平面内周围物体形状,并以点云数据形式进行描述。在执行回充控制之前,机器人可以原地旋转,通过雷达扫描模块扫描一定区域内的数据,该数据是点云数据;根据所得到的点云数据用以确定预设区域中是否存在充电桩;当确定预设区域内存在充电桩时,继续执行回充控制操作步骤,以使机器人本体和目标充电桩进行对接。比如:机器人可以原地旋转,初始的感知是否存在充电桩,可以通过云点聚类分析、直线拟合检测线段,比如:聚类后拟合出3条直线,且3条直线所成的夹角、直线的长度跟充电桩是匹配的,那就认为是感知到充电桩。该预设区域可以是以机器人为圆心,半径为1米、2米或者5米等大小的圆形区域。该预设区域也可以是以机器人为中心,边长为4米大小的正方形的区域。
本实施例中,机器人根据雷达扫描模块获取点云数据后,对该点云数据进行相应的感知处理,进而可以实现多线段的检测,根据检测到的多条线段进一步确定预设区域内的目标充电桩的位置。该机器人周围的点云数据包括环境信息数据,例如:周围障碍物的位置信息、数量信息。
一种示例性的实施例中,根据所获取的点云数据,进一步利用点云数据监测预设区域内的多条线段;该线段可以是直线也可以是曲线;监测的过程可以包括:第一步,将通过雷达扫描获取的点云数据转换坐标,转换到该机器人坐标系下的点云数据;第二步,选取机器人一定范围内的点云数据,对所选取的点云数据进行点云聚类处理;该范围可以根据实际环境进行自适应的调整,比如:雷达扫描获取的5米范围内的点云数据,可以选择2米范围内的点云数据进行取的点云数据进行点云聚类处理。第三步,利用直线拟合算法对点云聚类数据进行拟合,得到多条线段。其中,直线拟合方法可以采用RANSAC算法,也可以采用其他的拟合方法,对此并不进行具体的限定。
一种示例性的实施例中,利用RANSAC算法进行多线段的检测,得到多个线段的实现步骤可以包括:步骤1,利用RANSAC算法拟合出多条线段。步骤2,对拟合出的多条线段进行排序;如图2所示,例如:将无序线段排序成1-2,2-3,二个有序线段或者将无序线段排序成1-2,2-3,3-4三个有序线段,可以根据实际检测线段的条数进行排序。在本步骤中,对线段排序的目的是为了确定能够组成的特定几何形状的多条线段。步骤3,利用预置的帧间运动模型对排序后的多线段过滤干扰数据即可以经过RealID过滤干扰数据。该帧间运动模型是采用帧间差分法实现的多线段过滤干扰;该帧间差分法是一种通过对视频图像序列中相邻两帧作差分运算来获得运动目标轮廓的方法,适用于存在多个运动目标和摄像机移动的情况。当监控场景中出现异常物体运动时,帧与帧之间会出现较为明显的差别,两帧相减,得到两帧图像亮度差的绝对值,判断它是否大于阈值来分析视频或图像序列的运动特性,确定图像序列中有无物体运动。在本实施例中,帧间运动模型是根据机器的运动状态,比如线速度和角速度,预测下一帧数据计算出来的充电桩位置范围,如果实际计算出来的位置在前面预测的范围内,则认为计算出来的结果是可靠的。比如:机器人在A点扫描到充电桩相对机器的位置是(1,1,0),若下一时刻机器人相对于A点移动了0.1米,但扫描到的充电桩位置比上一帧的位置偏差超过1m,则确定计算出来的结果是不可靠的。在本实施例中,利用上述三个步骤,可以检测出多条线段,该多条线段相连,可以构成目标充电桩的几何构形。
一种示例性的实施例中,目标充电桩可由2条相连的线段进行构形,该充电桩也可以包括3条、5条、8条等多条线段;当为三条相连的线段时,依次定义为第一线段、第二线段和第三线段;如图2所示,1-2为第一线段,2-3为第二线段,3-4为第三线段;该三条相连的线段组成了特定的形状,用该组成的特定形状用于代表目标充电桩。另外,对于该线段的类型并不进行具体的限定,可以是直线段也可以是曲线段。
在本实施例中,确定第一位姿可以为:若目标充电桩由2条线段构形时,根据检测到的2条线段确定机器人当前的位置点相对于所述目标充电桩的第一位姿,包括:对目标充电桩的2条线段的各个端点向内剔除;针对每一条线段分别执行端点向内剔除操作,例如:针对第一条线段,该线段上包括多个数据点,把距离端点一定距离(比如距离端点1cm)以内的数据点进行剔除。第二步、拟合线段;针对每个执行完端点向内剔除操作的线段,利用剔除后的数据点拟合出直线;第三步、根据拟合出直线的几何关系,确定两条直线的1个交点;确定该交点为中心点的坐标即;将该中心点的坐标作为机器人当前的位置点相对于所述目标充电桩的第一位姿。
在本实施例中,确定第一位姿可以为:根据检测到的多条线段和机器人当前的位置点,确定第一位姿;其中,确定位姿的具体步骤可以为:第一步、监测到的3条线段进行端点向内剔除,针对每一条线段分别执行端点向内剔除操作,例如:针对第一条线段,该线段上包括多个数据点,把距离端点一定距离(比如距离端点1cm)以内的数据点进行剔除。第二步、拟合线段;针对每个执行完端点向内剔除操作的线段,利用剔除后的数据点拟合出直线;第三步、根据拟合出直线的几何关系,确定每两条相邻直线的交点;该几何关系可以为线段的斜率,比如:根据三条线段的斜率,确定第一线段与第二线段交点为“2”、第二线段与第三线段的两个交点为“3”。第四步、根据所确定的两个交点确定目标充电桩的第一位姿;如图2所示的第一交叉点“2”和第二交叉点“3”。根据第一交叉点“2”和第二交叉点“3”的坐标确定这两个交点法“2”和“3”向量垂直点即中心点“5”的坐标;将该垂直点“5”的坐标点作为机器人当前所处的位置坐标点相对于目标充电桩的第一位姿(x,y,w),在该位姿表达式中,x表示机器人坐标系下的x坐标值,y表示机器人坐标系下的y坐标值,w表示机器人坐标系下的角度值。
一种示例性的实施例中,根据该第一位姿,控制机器人分段式向目标充电桩移动,即针对每个阶段分别采用相对应的策略控制机器人向目标充电桩移动,该移动策略包括以下情况:当机器人与法向量的距离大于第一预设阈值时,控制机器人采用第一策略向目标充电桩移动;其中,该充电桩法向量是根据中心点所确定。比如:图2中由第一交叉点“2”和第二交叉点“3”确定中心点,根据该中心点确定该目标充电桩法向量;机器人偏移上述法向量大于第一预设阈值即机器人距离目标充电桩法向量较远时,机器人先向法向量方向移动。
一种示例性的实施例中,确定机器人与法向量(如:由第一交叉点“2”和第二交叉点“3”确定的目标充电桩法向量)的距离,当该距离大于第一预设阈值时,控制机器人采用第一策略向目标充电桩移动,该第一策略的规划路径是:机器人从当前的位置点,首先向充电桩法向量方向移动;在本实施例中,机器人在移动过程中,不断进行扫描点云数据,扫描点云数据的时间间隔可以根据实际情况进行预先的设订;重新扫描、更新机器人当前的位置与目标充电桩的姿态,根据更新后的姿态重新调整机器人移动的角度和方向。当机器人移动到与充电桩法向量的距离小于第二预设阈值时,采用第二策略控制机器人移动到目标充电桩。在实施例中,通过分段式运动控制,提高轨迹规划的精细程度,提高了与充电桩的对接精度。
一种示例性的实施例中,确定机器人与法向量(如:由第一交叉点“2”和第二交叉点“3”确定的目标充电桩法向量)的距离,若该距离小于第二预设阈值,控制机器人采用第二策略向目标充电桩移动,该第二策略的实现步骤包括:监测机器人与充电桩法向量的距离,若该距离小于第二预设阈值时,即机器人相对于第一交叉点“2”和第二交叉点“3”所确定目标充电桩法向量距离小于第二预设阈值时;首先要确定机器人航向角与法向量角度偏差量、以及机器人与充电桩法向量的距离,确定构造误差量;根据上述确定的偏差量、误差量,通过PID控制算法可计算出机器人待调整的参数即线速度和角速度;根据调整后的线速度和角速度,控制机器人向法向量垂直点行进即控制机器人行进到目标充电桩。其中,PID即:Proportional(比例)、Integral(积分)、Differential(微分)的缩写。PID控制算法的实质就是根据输入的偏差值,按照比例、积分、微分的函数关系进行运算,运算结果用以控制输出。在本实施例中,根据偏差量和误差量,确定待调整的机器人线速度和角速度;该计算过程如下:第一步,确定当前机器人与法向量的偏移和预先设定的纠偏常量距离,计算atan2(dx,S);其中,dx为当前机器人与法向量的偏移量,S为预先设定的纠偏常量距离;第二步,把第一步的计算结果与偏差角进行相加,计算出的误差量;其中,计算误差量公式为:error=atan2(dx,S)+da;上述公式中,da为机器人当前航向角与法向量的偏差角;第三步,利用PID控制算法计算出当前机器人行进的角速度,第四步,根据机器人距离目标充电桩的距离来计算机器人行进的线速度。最后,根据计算得出的角速度和线速度,控制机器人行向目标充电桩移动。
一种示例性的实施例中,当机器人与法向量垂直点的距离(如:第一交叉点“2”和第二交叉点“3”的坐标确定这两个交点法向量垂直点“5”)小于第三预设阈值时,控制机器人采用第三策略向目标充电桩移动,该控制移动第三策略为:确定机器人与法向量垂直点的距离,当该距离小于第三预设阈值时,机器人根据PID控制算法降低当前的线速度和角速度,并继续向法向量垂直点行进。
本申请实施例通过雷达扫描获取预设区域内的点云数据,增大了机器人回充寻找充电桩的搜索范围,提高了找桩成功率。
进一步地,本申请实施例通过多阶段、分策略的控制机器人运动,可以更加精准有效的规划机器人行进的路径,提高了与充电桩对接的准确性和精度。
实施例2
本实施例提供为实现上述目的,本申请实施例提出了一种机器人的回充控制装置,如图3所示,装置包括:存储器310和处理器320;
存储器310用于保存进行机器人的回充控制的程序;
处理器320用于读取执行所述用于进行机器人的回充控制的程序,执行实施例1中任一实施例项所述的机器人的回充控制方法。
实施例3
本实施例提供为实现上述目的,本申请实施例提出了一种机器人的回充控制系统,如图4所示,该回充控制系统包括四个模块:第一模块雷达扫描模块400、第二模块感知处理模块410、第三模块控制模块420和第四模块状态任务模块430;
雷达扫描模块400是用于获取点云数据的模块;
所述感知处理模块410用于接收点云数据;并根据所接收的点云数据检测线段的模块;
所述控制模块420用于确定第一位姿;并根据该第一位姿,控制机器人采用相应的策略向充电桩移动;
所述状态任务模块430用于当机器人移动到充电桩预定位置时,该机器人与目标充电桩进行对接。
在本实施例中,机器人设备本身设置有雷达扫描模块,该雷达扫描模块能够识别一个水平面内周围物体形状,并以点云数据形式进行描述。在执行回充控制之前,机器人可以原地旋转,通过雷达扫描模块扫描获取点云数据以确定预设区域中是否存在充电桩;当确定预设区域内存在充电桩时,继续执行回充控制操作步骤,以使机器人本体和目标充电桩进行对接。该预设区域可以是以机器人为圆心,半径为1米、2米或者5米等大小的圆形区域。
本实施例中,机器人根据雷达扫描模块扫描获取点云数据后,对该点云数据进行相应的感知处理,进而可以实现多线段的检测,根据检测到的多条线段进一步确定预设区域内的目标充电桩的位置。该机器人周围的点云数据包括环境信息数据,例如:周围障碍物的位置信息、数量信息。
在本实施例中,感知处理模块410通过点云映射、聚类拟合、多线段分类和REID过滤,该感知处理模块410利用所获取的点云数据检测线段;该实现的步骤包括:第一步,点云映射即将扫描获取的点云数据转换到机器人坐标系下的点云数据;第二步,聚类拟合即选取机器人一定范围内的点云数据,对该点云数据进行点云聚类处理;该预定范围可以根据实际环境进行自适应的调整。第三步,多线段分类和REID过滤,其中,多线段分类即利用随机抽样一致算法(RANdom SAmple Consensus,RANSAC)进行多线段的检测,检测得到多条线段。利用RANSAC算法检测线段后,采用帧间运动模型对检测出的多条线段进行排序,并对排序后的多线段进行过滤干扰数据处理即经过RealID过滤干扰数据。其中,该帧间运动模型是采用帧间差分法实现的多线段过滤干扰;该帧间差分法是一种通过对视频图像序列中相邻两帧作差分运算来获得运动目标轮廓的方法,它可以很好地适用于存在多个运动目标和摄像机移动的情况。当监控场景中出现异常物体运动时,帧与帧之间会出现较为明显的差别,两帧相减,得到两帧图像亮度差的绝对值,判断它是否大于阈值来分析视频或图像序列的运动特性,确定图像序列中有无物体运动。利用上述三个步骤,可以检测出多条线段,该多条线段相连,可以构成目标充电桩的几何构形。
一种示例性的实施例中,目标充电桩可包括至少2条线段,该线段相互连接,该充电桩也可以包括3条、5条、8条等多条线段;当为三条相连的线段时,依次定义为第一线段,第二线段和第三线段;用该组成的特定形状用于代表目标充电桩。另外,对于该线段的类型并不进行具体的限定,可以是直线段也可以是曲线段。
在本实施例中,控制模块420第一步执行的步骤是:根据检测到的多条线段,确定第一位姿;该第一位姿是机器人当前的位置点相对于目标充电桩的第一位姿;控制模块420第二步执行的步骤是:根据所确定的第一位姿,控制机器人采用相应的策略向目标充电桩移动。该控制模块420执行的具体步骤包括:4201.确定第一位姿态即根据检测到的线段确定机器人当前的位置点相对于目标充电桩的第一位姿;4202.根据该第一位姿,控制机器人采用预设策略向目标充电桩移动。在步骤4201中,确定第一位姿的步骤包括:根据检测到的多条线段和机器人当前的位置点,确定第一位姿;其中,确定位姿的具体步骤可以为:第一步、监测到的3条线段进行端点向内剔除,针对每一条线段分别执行端点向内剔除操作,例如:针对第一条线段,该线段上包括多个数据点,把距离端点一定距离(比如距离端点1cm)以内的数据点进行剔除。第二步、拟合线段;针对每个执行完端点向内剔除操作的线段,利用剔除后的数据点拟合出直线;第三步、根据拟合出直线的几何关系,确定每两条相邻直线的交点;该几何关系可以为线段的斜率,比如:根据三条线段的斜率,确定第一线段与第二线段交点为“2”、第二线段与第三线段的两个交点为“3”。第四步、根据所确定的两个交点确定目标充电桩的第一位姿;如图2所示的第一交叉点“2”和第二交叉点“3”。根据第一交叉点“2”和第二交叉点“3”的坐标确定这两个交点法“2”和“3”向量垂直点“5”的坐标;将该垂直点“5”的坐标点作为机器人当前所处的位置坐标点相对于目标充电桩的第一位姿(x,y,w),在该位姿表达式中,x表示机器人坐标系下的x坐标值,y表示机器人坐标系下的y坐标值,w表示机器人坐标系下的角度值。一种示例性的实施例中,根据该第一位姿,控制机器人分段式向目标充电桩移动,即针对每个阶段分别采用相对应的策略控制机器人向目标充电桩移动,该移动策略包括以下情况:当机器人与法向量的距离大于第一预设阈值时,控制机器人采用第一策略向目标充电桩移动;比如:图2中由第一交叉点“2”和第二交叉点“3”确定的目标充电桩法向量;机器人偏移上述法向量大于第一预设阈值即机器人距离目标充电桩法向量较远时,机器人先向法向量方向移动。
一种示例性的实施例中,确定机器人与法向量(如:由第一交叉点“2”和第二交叉点“3”确定的目标充电桩法向量)的距离,当该距离大于第一预设阈值时,控制机器人采用第一策略向目标充电桩移动,该第一策略的规划路径是:机器人从当前的位置点,首先向充电桩法向量方向移动;在本实施例中,机器人在移动过程中,不断进行扫描点云数据,扫描点云数据的时间间隔可以根据实际情况进行预先的设订;重新扫描、更新机器人当前的位置与目标充电桩的姿态,根据更新后的姿态重新调整机器人移动的角度和方向。当机器人移动到与充电桩法向量的距离小于第二预设阈值时,采用第二策略控制机器人移动到目标充电桩。在实施例中,通过分段式运动控制,提高轨迹规划的精细程度,提高了与充电桩的对接精度。
一种示例性的实施例中,确定机器人与法向量(如:由第一交叉点“2”和第二交叉点“3”确定的目标充电桩法向量)的距离,若该距离小于第二预设阈值,控制机器人采用第二策略向目标充电桩移动,该第二策略的实现步骤包括:监测机器人与充电桩法向量的距离,若该距离小于第二预设阈值时,即机器人相对于第一交叉点“2”和第二交叉点“3”所确定目标充电桩法向量距离小于第二预设阈值时;首先要确定机器人航向角与法向量角度偏差量、以及机器人与充电桩法向量的距离,确定构造误差量;根据上述确定的偏差量、误差量,通过PID控制算法可计算出机器人待调整的参数即线速度和角速度;根据调整后的线速度和角速度,控制机器人向法向量垂直点行进即控制机器人行进到目标充电桩。其中,PID即:Proportional(比例)、Integral(积分)、Differential(微分)的缩写。PID控制算法的实质就是根据输入的偏差值,按照比例、积分、微分的函数关系进行运算,运算结果用以控制输出。在本实施例中,根据偏差量和误差量,确定待调整的机器人线速度和角速度;该计算过程如下:第一步,确定当前机器人与法向量的偏移和预先设定的纠偏常量距离,计算atan2(dx,S);其中,dx为当前机器人与法向量的偏移量,S为预先设定的纠偏常量距离;第二步,把第一步的计算结果与偏差角进行相加,计算出的误差量;其中,计算误差量公式为:error=atan2(dx,S)+da;上述公式中,da为机器人当前航向角与法向量的偏差角;第三步,利用PID控制算法计算出当前机器人行进的角速度,第四步,根据机器人距离目标充电桩的距离来计算机器人行进的线速度。最后,根据计算得出的角速度和线速度,控制机器人行向目标充电桩移动。
一种示例性的实施例中,当机器人与法向量垂直点的距离(如:第一交叉点“2”和第二交叉点“3”的坐标确定这两个交点法向量垂直点“5”)小于第三预设阈值时,控制机器人采用第三策略向目标充电桩移动,该控制移动第三策略为:确定机器人与法向量垂直点的距离,当该距离小于第三预设阈值时,机器人根据PID控制算法降低当前的线速度和角速度,并继续向法向量垂直点行进。
当机器人移动到充电桩预定位置时,所述状态任务模块430控制该机器人与目标充电桩进行对接。
本申请实施例三,具有以下技术效果:
本申请实施例通过雷达扫描模块获取点云数据,增大了机器人回充寻找充电桩的搜索范围,提高了找桩成功率。
进一步地,本申请实施例通过采用多段式几何构型充电桩,根据所获取的点云数据进行多线段的检测以准确确定充电桩的多条线段,以提高充电桩的精度和稳定性;
进一步的,本申请实施例通过雷达扫描模块获取数据,不需要其他红外传感器辅助,充电桩也不需要安装红外发射管,降低成本,简化设计。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器,如数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
Claims (8)
1.一种机器人的回充控制方法,其特征在于,所述方法包括:
机器人通过雷达扫描获取预设区域内的点云数据;
根据所获取的点云数据进行线段的检测,其中,线段是用于构形目标充电桩的线段;
根据检测到的线段确定机器人当前的位置点相对于所述目标充电桩的第一位姿;
根据该第一位姿,控制所述机器人移动到目标充电桩,并与所述目标充电桩对接;
所述根据所获取的点云数据进行线段的检测,包括:
将所述预设区域内的点云数据转换到机器人坐标系下的点云数据;
选取所述机器人坐标系下的点云数据进行点云聚类处理;
对点云聚类数据进行多线段的检测,得到多个用于构形目标充电桩的线段;
所述对点云聚类数据进行多线段的检测,得到多个用于构形目标充电桩的线段,包括:
对点云聚类数据进行拟合,得到多条线段;
对所得到的多条线段进行排序;
采用帧间运动模型对排序后的多线段过滤干扰数据,其中,所述帧间运动模型采用帧间差分法实现过滤。
2.如权利要求1所述的机器人的回充控制方法,其特征在于,
所述目标充电桩包括至少2条相连的线段进行构形;
若所述目标充电桩由至少2条线段构形时,
所述根据检测到的线段确定机器人当前的位置点相对于所述目标充电桩的第一位姿,包括:
对目标充电桩的至少2条线段的各个端点向内剔除;
根据相邻线段的几何关系,虚构依次相邻的两个线段之间的1个或多个交点;
确定所述1个或多个交点确定中心点的坐标;
将该中心点的坐标作为机器人当前的位置点相对于所述目标充电桩的第一位姿。
3.如权利要求2所述的机器人的回充控制方法,其特征在于,
所述根据该第一位姿,控制所述机器人移动到目标充电桩,包括:
根据所述机器人与充电桩法向量的距离,确定并执行所述机器人移动到目标充电桩的至少一项预设策略,其中,该充电桩法向量是根据中心点所确定。
4.如权利要求3所述的机器人的回充控制方法,其特征在于,所述根据所述机器人与充电桩法向量的距离,确定并执行所述机器人移动到目标充电桩的至少一项预设策略,包括:
当机器人移动到与充电桩法向量的距离大于第一预设阈值时,控制所述机器人从当前位置点向充电桩法向量方向移动;
当机器人移动到与充电桩法向量的距离小于第一预设阈值时,采用第二策略控制机器人移动到目标充电桩。
5.如权利要求4所述的机器人的回充控制方法,其特征在于,所述采用第二策略控制机器人移动到目标充电桩,包括:
确定该机器人当前的航向角与充电桩法向量角度偏差量以及机器人当前的位置点与充电桩法向量的距离构造误差量;
根据所确定的偏差量和误差量,确定机器人的线速度和角速度;
根据确定的机器人线速度和角速度,控制机器人行进到法向量垂直点。
6.如权利要求4所述的机器人的回充控制方法,其特征在于,该方法还包括:
当机器人移动到与充电桩法向量的距离小于第二预设阈值时,采用第三策略控制机器人移动到目标充电桩,其中,所述第二预设阈值小于所述第一预设阈值;
其中,所述第三策略包括:降低所述机器人的线速度和角速度,并继续行进到法向量垂直点。
7.一种机器人的回充控制装置,所述装置包括:存储器和处理器;其特征在于,所述存储器用于保存进行机器人的回充控制的程序,所述处理器用于读取执行所述用于进行机器人的回充控制的程序,执行权利要求1-6任一项所述的方法。
8.一种机器人的回充控制系统,其特征在于,所述系统包括:雷达扫描模块、感知处理模块、控制模块和状态任务模块;
所述雷达扫描模块,用于扫描获取预设区域内的点云数据;
所述感知处理模块,用于接收雷达扫描获取预设区域内的点云数据;根据所获取的点云数据进行线段的检测,其中,线段是用于构形目标充电桩的线段;所述根据所获取的点云数据进行线段的检测,包括:
将所述预设区域内的点云数据转换到机器人坐标系下的点云数据;
选取所述机器人坐标系下的点云数据进行点云聚类处理;
对点云聚类数据进行多线段的检测,得到多个用于构形目标充电桩的线段;所述对点云聚类数据进行多线段的检测,得到多个用于构形目标充电桩的线段,包括:
对点云聚类数据进行拟合,得到多条线段;
对所得到多条线段进行排序;
采用帧间运动模型对排序后的多线段过滤干扰数据,其中,所述帧间运动模型采用帧间差分法实现过滤;
所述控制模块,用于根据检测到的线段确定机器人当前的位置点相对于所述目标充电桩的第一位姿;根据所确定的第一位姿,控制所述机器人移动到目标充电桩;
所述状态任务模块,用于与目标充电桩对接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210074293.2A CN114442624B (zh) | 2022-01-21 | 2022-01-21 | 一种机器人的回充控制方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210074293.2A CN114442624B (zh) | 2022-01-21 | 2022-01-21 | 一种机器人的回充控制方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114442624A CN114442624A (zh) | 2022-05-06 |
CN114442624B true CN114442624B (zh) | 2022-12-23 |
Family
ID=81368944
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210074293.2A Active CN114442624B (zh) | 2022-01-21 | 2022-01-21 | 一种机器人的回充控制方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114442624B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114815858B (zh) * | 2022-06-29 | 2022-11-08 | 季华实验室 | 机器人自动充电方法、装置、电子设备及存储介质 |
CN116501070B (zh) * | 2023-06-30 | 2023-09-19 | 深圳市欢创科技有限公司 | 回充方法、机器人及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106647747A (zh) * | 2016-11-30 | 2017-05-10 | 北京智能管家科技有限公司 | 一种机器人充电方法及装置 |
CN106877454A (zh) * | 2017-04-06 | 2017-06-20 | 上海木爷机器人技术有限公司 | 机器人充电方法和装置 |
CN107943054A (zh) * | 2017-12-20 | 2018-04-20 | 北京理工大学 | 基于机器人的自动充电方法 |
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 |
CN110716204A (zh) * | 2019-09-29 | 2020-01-21 | 北京京东乾石科技有限公司 | 一种充电桩结构识别方法和装置 |
CN111679671A (zh) * | 2020-06-08 | 2020-09-18 | 南京聚特机器人技术有限公司 | 一种机器人与充电桩自动对接的方法及其系统 |
CN112217248A (zh) * | 2020-09-02 | 2021-01-12 | 创新工场(北京)企业管理股份有限公司 | 充电桩、用于移动机器人的自主充电的方法和装置 |
CN112783146A (zh) * | 2019-11-11 | 2021-05-11 | 苏州宝时得电动工具有限公司 | 自移动设备引导方法、装置和自移动设备 |
CN113900454A (zh) * | 2021-09-09 | 2022-01-07 | 武汉联一合立技术有限公司 | 充电对桩方法、装置、设备及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100645381B1 (ko) * | 2005-08-31 | 2006-11-14 | 삼성광주전자 주식회사 | 로봇청소기의 외부충전 복귀장치 및 복귀방법 |
CN104239905A (zh) * | 2013-06-17 | 2014-12-24 | 上海盖普电梯有限公司 | 运动目标识别方法及具有该功能的电梯智能计费系统 |
CN103927519A (zh) * | 2014-04-14 | 2014-07-16 | 中国华戎控股有限公司 | 一种实时人脸检测与过滤方法 |
JP6677531B2 (ja) * | 2016-02-29 | 2020-04-08 | 日本放送協会 | オブジェクト追跡システム |
-
2022
- 2022-01-21 CN CN202210074293.2A patent/CN114442624B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106647747A (zh) * | 2016-11-30 | 2017-05-10 | 北京智能管家科技有限公司 | 一种机器人充电方法及装置 |
CN106877454A (zh) * | 2017-04-06 | 2017-06-20 | 上海木爷机器人技术有限公司 | 机器人充电方法和装置 |
CN107943054A (zh) * | 2017-12-20 | 2018-04-20 | 北京理工大学 | 基于机器人的自动充电方法 |
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 |
CN110716204A (zh) * | 2019-09-29 | 2020-01-21 | 北京京东乾石科技有限公司 | 一种充电桩结构识别方法和装置 |
CN112783146A (zh) * | 2019-11-11 | 2021-05-11 | 苏州宝时得电动工具有限公司 | 自移动设备引导方法、装置和自移动设备 |
CN111679671A (zh) * | 2020-06-08 | 2020-09-18 | 南京聚特机器人技术有限公司 | 一种机器人与充电桩自动对接的方法及其系统 |
CN112217248A (zh) * | 2020-09-02 | 2021-01-12 | 创新工场(北京)企业管理股份有限公司 | 充电桩、用于移动机器人的自主充电的方法和装置 |
CN113900454A (zh) * | 2021-09-09 | 2022-01-07 | 武汉联一合立技术有限公司 | 充电对桩方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114442624A (zh) | 2022-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114442624B (zh) | 一种机器人的回充控制方法、装置及系统 | |
CN109887053B (zh) | 一种slam地图拼接方法及系统 | |
EP2460629B1 (en) | Control method for localization and navigation of mobile robot and mobile robot using same | |
US9329598B2 (en) | Simultaneous localization and mapping for a mobile robot | |
CN112014857A (zh) | 用于智能巡检的三维激光雷达定位导航方法及巡检机器人 | |
EP1978432B1 (en) | Routing apparatus for autonomous mobile unit | |
CN110632921A (zh) | 机器人路径规划方法、装置、电子设备和存储介质 | |
JP2014034251A (ja) | 車両走行制御装置及びその方法 | |
AU2016213835A1 (en) | Adaptive mapping with spatial summaries of sensor data | |
JP2021516403A (ja) | ロボットの再測位方法 | |
CN108122412B (zh) | 用于监控机器人检测车辆乱停的方法 | |
CN110597265A (zh) | 一种扫地机器人回充方法和装置 | |
CN108549376A (zh) | 一种基于信标的导航定位方法及系统 | |
Fairfield et al. | Mobile robot localization with sparse landmarks | |
CN112193241A (zh) | 一种自动泊车方法 | |
CN114943952A (zh) | 多相机重叠视域下障碍物融合方法、系统、设备和介质 | |
CN112146620B (zh) | 目标物体的测距方法及装置 | |
KR100998709B1 (ko) | 물체의 공간적 의미정보를 이용한 로봇의 자기위치 추정 방법 | |
CN113379850B (zh) | 移动机器人控制方法、装置、移动机器人及存储介质 | |
US11151743B2 (en) | Method, system and apparatus for end of aisle detection | |
CN113534805A (zh) | 机器人回充控制方法、装置和存储介质 | |
CN115841514A (zh) | 一种自动泊车方法、装置及设备 | |
Choi et al. | Autonomous homing based on laser-camera fusion system | |
CN113409268B (zh) | 基于单目相机的可通行区域检测方法、装置及存储介质 | |
CN115035425B (zh) | 一种基于深度学习的目标识别方法、系统、电子设备及存储介质 |
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 |