CN114794992B - 充电座、机器人的回充方法和扫地机器人 - Google Patents
充电座、机器人的回充方法和扫地机器人 Download PDFInfo
- Publication number
- CN114794992B CN114794992B CN202210632659.3A CN202210632659A CN114794992B CN 114794992 B CN114794992 B CN 114794992B CN 202210632659 A CN202210632659 A CN 202210632659A CN 114794992 B CN114794992 B CN 114794992B
- Authority
- CN
- China
- Prior art keywords
- robot
- information
- feature
- identifier
- characteristic
- 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 38
- 238000010408 sweeping Methods 0.000 title abstract description 10
- 238000004590 computer program Methods 0.000 claims description 11
- 230000009466 transformation Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 5
- 238000012935 Averaging Methods 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004297 night vision Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
- A47L11/24—Floor-sweeping machines, motor-driven
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
- A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
- A47L11/4002—Installations of electric equipment
- A47L11/4005—Arrangements of batteries or cells; Electric power supply arrangements
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
- A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
- A47L11/4011—Regulation of the cleaning machine by electric means; Control systems and remote control systems therefor
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
- A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
- A47L11/4091—Storing or parking devices, arrangements therefor; Means allowing transport of the machine when it is not being used
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L2201/00—Robotic cleaning machines, i.e. with automatic control of the travelling movement or the cleaning operation
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L2201/00—Robotic cleaning machines, i.e. with automatic control of the travelling movement or the cleaning operation
- A47L2201/02—Docking stations; Docking operations
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L2201/00—Robotic cleaning machines, i.e. with automatic control of the travelling movement or the cleaning operation
- A47L2201/02—Docking stations; Docking operations
- A47L2201/022—Recharging of batteries
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L2201/00—Robotic cleaning machines, i.e. with automatic control of the travelling movement or the cleaning operation
- A47L2201/04—Automatic control of the travelling movement; Automatic obstacle detection
Landscapes
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请涉及一种充电座、机器人的回充方法和扫地机器人。充电座包括:识别部,识别部包括识别面以及设置在识别面上的特征标识;识别面包括第一侧面以及第二侧面,第一侧面与第二侧面呈夹角设置且第一侧面与第二侧面相向倾斜;特征标识包括第一标识以及第二标识,第一标识设置在第一侧面上,第二标识设置在第二侧面上,第一标识与第二标识不相同。机器人在需要通过充电座进行充电时,其运动到充电座的左右两侧位置都能够拍摄并识别到充电座上的特征标识,从而根据对应的特征标识自动进行对位并回充,解决了机器人由于拍摄角度问题而造成的充电座的特征识别率低的问题,提高了机器人对充电座上的特征标识的识别率。
Description
技术领域
本申请涉及智能机器人技术领域,特别是涉及一种充电座、机器人的回充方法和扫地机器人。
背景技术
现有的采用单目摄像头进行对位的机器人通常是通过识别充电座上的特征标识,以确定机器人相对于充电座的方向和位置,从而实现回充。
在实际应用中,充电座一般是长方体且靠墙设置的,而充电座上的特征标识通常设置在背向墙面且平行于墙面的平面上。当机器人移动到充电座的两侧靠墙位置时,充电座上的特征标识往往无法被机器人有效识别,导致无法确定机器人相对于充电座的位置并完成回充。
发明内容
基于此,有必要针对上述技术问题,提供一种能被机器人有效识别特征标识的充电座、机器人的回充方法和扫地机器人。
第一方面,本申请的实施例提供一种充电座,包括:识别部,所述识别部包括识别面以及设置在所述识别面上的特征标识;所述识别面包括第一侧面以及第二侧面,所述第一侧面与所述第二侧面呈夹角设置且所述第一侧面与所述第二侧面相向倾斜;所述特征标识包括第一标识以及第二标识,所述第一标识设置在所述第一侧面上,所述第二标识设置在所述第二侧面上,所述第一标识与所述第二标识不相同。
上述充电座中,由于在充电座上设置了两个侧面且两个侧面上的特征标识不相同,机器人在需要通过充电座进行充电时,其运动到充电座的左右两侧位置都能够拍摄并识别到充电座上的特征标识,从而根据对应的特征标识自动进行对位并回充,解决了机器人由于拍摄角度问题而造成的充电座的特征识别率低的问题,提高了机器人对充电座上的特征标识的识别率。
在其中一个实施例中,所述第一侧面与所述第二侧面相互连接。
在其中一个实施例中,所述识别部还包括第三侧面,所述第一侧面与所述第二侧面均靠向所述第三侧面倾斜;所述第三侧面与所述第一侧面的夹角以及与所述第二侧面的夹角大于15°。
第二方面,本申请的实施例提供一种机器人的回充方法,包括:
获取所述机器人拍摄到的特征标识的特征信息,其中,所述特征标识位于充电座上,所述充电座为如上任一实施例所述的充电座;
根据所述特征信息确定机器人的方向向量;
根据所述特征信息、所述方向向量以及所述机器人拍摄到的特征标识所在的识别面的法向量确定所述机器人的位置信息;
根据所述机器人的位置信息控制所述机器人移动至充电座进行回充。
在其中一个实施例中,若所述机器人拍摄到的特征标识包括第一标识和第二标识,则所述方向向量包括第一方向向量和第二方向向量,所述根据所述特征信息确定机器人的方向向量,包括:
根据所述第一标识的特征信息确定所述第一方向向量,根据所述第二标识的特征信息确定所述第二方向向量;
所述根据所述特征信息、所述方向向量以及所述机器人拍摄到的特征标识所在的识别面的法向量确定所述机器人的位置信息,包括:
根据所述第一标识的特征信息、所述第一方向向量以及所述充电座的第一侧面的法向量,确定机器人的第一位置;
根据所述第二标识的特征信息、所述第二方向向量以及所述充电座的第二侧面的法向量,确定机器人的第二位置;
将所述第一位置和所述第二位置进行平均处理,确定机器人的位置信息。
在其中一个实施例中,所述特征信息包括所述特征标识中特征点的第一像素坐标和世界坐标;所述根据所述特征信息确定机器人的方向向量包括:
获取机器人的图像平面法向量;
采用PnP算法根据所述特征标识中特征点的世界坐标和第一像素坐标,确定机器人的位姿变换关系;
根据所述机器人的位姿变换关系以及所述图像平面法向量,确定机器人的方向向量。
在其中一个实施例中,所述特征信息包括所述特征标识的特征强度;所述根据所述特征信息、所述方向向量以及所述机器人拍摄到的特征标识所在的识别面的法向量确定所述机器人的位置信息包括:
根据所述特征强度、所述方向向量以及所述机器人拍摄到的特征标识所在的识别面的法向量确定所述机器人的位置信息。
在其中一个实施例中,所述机器人的位置信息包括角度信息和距离信息,所述角度信息为所述机器人的朝向与所述识别面的朝向的夹角,所述距离信息为所述机器人与所述充电座的距离;所述根据所述特征强度、所述方向向量以及所述机器人拍摄到的特征标识所在的识别面的法向量确定所述机器人的位置信息包括:
根据所述方向向量以及所述机器人拍摄到的特征标识所在的识别面的法向量,确定所述角度信息;
根据所述角度信息、所述特征强度以及经验系数,确定所述距离信息。
在其中一个实施例中,在获取所述机器人拍摄到的特征标识的特征信息之前,所述方法还包括:
获取所述机器人拍摄到的特征标识中特征点的第二像素坐标;
根据所述第二像素坐标以及机器人的焦距参数,确定旋转角度;
根据所述旋转角度控制所述机器人旋转,以使所述机器人朝向所述充电座。
在其中一个实施例中,所述根据所述机器人的位置信息控制所述机器人进行回充包括:
根据所述位置信息,控制所述机器人移动至预设位置;
控制所述机器人从所述预设位置按照预设路线移动至所述充电座的回充位置进行回充。
第三方面,本申请的实施例提供一种扫地机器人,包括控制器以及摄像头,所述控制器包括存储器和处理器,所述存储器存储有计算机程序,所述摄像头用于获取充电座的图像,所述处理器执行所述计算机程序时实现如上实施例中任意一项所述的机器人的回充方法。
可以理解,上述提供的第三方面所述的扫地机器人所能达到的有益效果,可以参考上述如第二方面所述的机器人的回充方法及其中任意一种实施例中的有益效果,在此不予赘述。
附图说明
为了更清楚地说明本申请实施例或传统技术中的技术方案,下面将对实施例或传统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获得其他的附图。
图1为一个实施例中充电座的识别部的结构示意图;
图2为一个实施例中第一侧面与第二侧面的俯视图;
图3为一个实施例中充电座的使用环境俯视图;
图4为一个实施例中充电座的识别部的结构俯视图;
图5为另一个实施例中充电座的识别部的结构俯视图;
图6为一个实施例中充电座的结构示意图;
图7为一个实施例中机器人的回充方法的流程示意图;
图8为一个实施例中机器人的回充方法的原理示意图;
图9为另一个实施例中机器人的回充方法的原理示意图;
图10为另一个实施例中机器人的回充方法的原理示意图;
图11为一个实施例中扫地机器人的结构图。
具体实施方式
为了便于理解本申请,下面将参照相关附图对本申请进行更全面的描述。附图中给出了本申请的实施例。但是,本申请可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使本申请的公开内容更加透彻全面。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。
可以理解,本申请所使用的术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示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。术语“第一”、“第二”等可在本文中用于描述各种组件,但这些组件不受这些术语限制。这些术语仅用于将第一个组件与另一个组件区分。此外,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。在本申请的描述中,“若干”的含义是至少一个,例如一个,两个等,除非另有明确具体的限定。
需要说明的是,当一个组件被认为是“连接”另一个组件时,它可以是直接连接到另一个组件,或者通过居中组件连接另一个组件。此外,以下实施例中的“连接”,如果被连接的对象之间具有电信号或数据的传递,则应理解为“电连接”、“通信连接”等。
在此使用时,单数形式的“一”、“一个”和“所述/该”也可以包括复数形式,除非上下文清楚指出另外的方式。还应当理解的是,术语“包括/包含”或“具有”等指定所陈述的特征、整体、步骤、操作、组件、部分或它们的组合的存在,但是不排除存在或添加一个或更多个其他特征、整体、步骤、操作、组件、部分或它们的组合的可能性。
正如背景技术所述,现有技术中的充电座靠墙放置的情况下,当机器人的前置摄像头的视角和充电座上具有特征图像的平面的夹角较小时,特征图像很难被机器人有效观测到,也即机器人无法有效识别充电座上的特征图像并确定自己相对于充电座的位置以完成回充。
针对以上问题,本发明提供了一种充电座、机器人的回充方法和扫地机器人,能够使得机器人在充电座两侧靠墙位置也能后拍摄并识别到充电座上的特征标识并且根据拍摄到的特征标识对应的信息完成回充过程。
在一个实施例中,如图1所示,提供了一种充电座。充电座包括识别部100,识别部100包括识别面110以及设置在识别面110上的特征标识120。其中,识别面110包括第一侧面111以及第二侧面112,第一侧面111与第二侧面112呈夹角设置,并且第一侧面111与第二侧面112相向倾斜。特征标识120包括第一标识121以及第二标识122。其中,第一标识121设置在第一侧面111上,第二标识122设置在第二侧面112上,并且第一标识121与第二标识122不相同。
具体地,充电座是用于给机器人充电的装置,充电座包括用于机器人定位的识别部100,识别部100具有识别面110。识别面110包括相向倾斜的第一侧面111和第二侧面112。第一侧面111与第二侧面112均为平面。在其中一个实施例中,请参见图2,图2为第一侧面与第二侧面的俯视图,第一侧面111与参考平面之间的夹角为α1,第二侧面112与参考平面的夹角为α2,其中,α1和α2均为锐角。参考平面可以是充电座的识别部110上的一个平面,也可以是充电座在使用时所倚靠的物体上的平面(例如,充电座靠墙设置时,参考平面为墙面)。第一侧面111与第二侧面112相向倾斜后呈夹角设置,该夹角可以是锐角也可以是钝角。在其中一个实施例中,如图3和图5所示,识别部100的第一侧面111和第二侧面112相向倾斜且直接相互连接形成二面角。在另一个实施例中,如图2所示,第一侧面111与第二侧面112之间保持一定间隔且不直接连接。在另一个实施例中,如图4所示,识别部100还包括第四侧面114,第四侧面114位于第一侧面111与第二侧面112之间且第四侧面114分别与第一侧面111和第二侧面112连接,第四侧面114与第一侧面111之间的夹角以及第四侧面114与第二侧面112之间的夹角均为钝角。
识别面110上设置有特征标识120,该特征标识120用于被机器人识别。机器人400可以根据识别到的特征标识120计算出机器人400相对于充电座的位置。特征标识120可以是任意一种图标或符号,根据实际情况设计以便于机器人400能够快速识别。特征标识120可以是设置在识别面110上的图层,也可以是突起物,但是要能与识别面110清楚地区别开来。例如:识别面110的颜色与特征标识120的颜色不相同,可以是两种反差较大的颜色(如黑色和白色),以便于机器人400通过特征标识120的图像能快速识别。特征标识120包括互不相同的第一标识121和第二标识122,第一标识121设置在第一侧面111上,第二标识122设置在第二侧面112上。
在一个实施例中,如图3所示,图3为充电座的使用环境俯视图,图3中的充电座的充电部100为俯视图像。将充电座放置在靠着墙壁600的位置,并使墙面610与第一侧面111之间呈夹角设置,墙面610与第二侧面112之间呈夹角设置。在其中一个实施例中,根据机器人400在充电座周围能够观测到的特征标识120的情况,将充电座周围区域分成区域1、区域2和区域3。在区域1中,机器人400仅能观测到第一标识121,在区域2中,机器人400仅能观测到第二标识122,在区域3中,机器人400既能观测到第一标识121又能观测到第二标识122,从而机器人400不管是在充电座的左右两侧还是前侧,都能清楚地观测到充电座上的特征标识120。在一些实施例中,区域1、区域2和区域3可以存在部分重叠。图3中的θ是识别面110与机器人400的视角方向在水平面上的夹角,当夹角θ增大时,机器人400的视角看到的充电座上的特征标识120在图像中所占的比例会提高,也即机器人400更容易识别到特征标识120。本方案中,由于特征标识120是设置在充电座的第一侧面111和第二侧面112上,机器人400即使走到充电座的靠墙处的侧面,θ也不会很小,从而机器人400也能够观测到识别面110上的特征标识120。同时,由于在充电座周围机器人400能够观测到第一标识121和第二标识122的区域不相同,而在不同的观测区域,机器人400在计算位置信息时使用的计算信息不相同。机器人400通过根据识别到的特征标识120是第一标识121还是第二标识122确定机器人400所处的观测区域,进而进一步根据观测到的特征标识120,采用对应的计算信息计算机器人400的位置信息,从而能够完成对位和回充。第一标识121与第二标识122为不相同的两种标识,可以使机器人400区别出采用的计算信息。
上述充电座中,充电座的识别部100包括识别面110和特征标识120。其中,识别面110包括第一侧面111以及第二侧面112,第一侧面111与第二侧面112呈夹角设置,并且第一侧面111与第二侧面112相向倾斜。特征标识120包括互不相同的第一标识121和第二标识122。其中,第一标识121设置在第一侧面111上,第二标识122设置在第二侧面112上。机器人400在需要通过充电座进行充电时,其运动到充电座的左右两侧位置都能够拍摄并识别到充电座的识别面110上的特征标识120,从而可以根据识别到的特征标识120自动进行对位并回充,解决了机器人400由于拍摄角度问题而造成的充电座的特征识别率低的问题,提高了机器人400对充电座上的特征标识120的识别率。
在一个实施例中,如图5所示,第一侧面111与第二侧面112相互连接。
具体地,第一侧面111与第二侧面112相向倾斜且第一侧面111与第二侧面112直接连接。这样在机器人的拍摄角度是正面朝向第一侧面111和第二侧面112的夹角的情况下,也能够拍摄并识别到特征标识120。本实施例中,第一侧面111和第二侧面112连接,提高了机器人在运动到充电座的前侧时识别出特征标识120的识别率。
在一个实施例中,如图5所示,识别部100还包括第三侧面113,第一侧面111与第二侧面112均靠向第三侧面113倾斜;第三侧面113与第一侧面111的夹角以及与第二侧面112的夹角大于15°。
具体地,第一侧面111靠向第三侧面113倾斜形成夹角α1,第二侧面112靠向第三侧面113倾斜形成夹角α2。在一个实施例中,第三侧面113、第一侧面111以及第二侧面112两两连接,并且第一侧面111与第二侧面112之间的连接线、第一侧面111与第三侧面113之间的连接线、第二侧面112与第三侧面113之间的连接线相互平行,从而使充电座的识别部100的俯视图的形状为三角形。其中,第三侧面113的俯视图为三角形的底边,第一侧面111的俯视图与第二侧面112的俯视图均为三角形的腰边。在实际使用时,第三侧面113靠向墙面610放置。第三侧面113与第一侧面111的夹角以及与第二侧面112的夹角超过15°,从而可进一步提高机器人在运动到靠墙位置时识别到特征标识120的识别率。
在一些实施例中,第三侧面113与第一侧面111的夹角以及第三侧面113与第二侧面112的夹角相同,并且第一侧面与第二侧面相互连接。也就是说,第三侧面113、第一侧面111以及第二侧面112两两连接,并使识别部100的俯视图的形状为等腰三角形。
在一些实施例中,如图6所示,充电座还包括底盘200以及设置在底盘200上的充电极片300。充电极片300所在的位置为充电位置,识别部100设置在底盘200上。
在一个实施例中,如图7所示,提供了一种机器人400的回充方法,该方法包括步骤S202至步骤S208。
步骤S202,获取机器人400拍摄到的特征标识120的特征信息,其中,特征标识120位于充电座上,充电座为上述任意一项实施例的充电座。
其中,本实施例的充电座采用的是如上所述的充电座,在充电座靠墙放置的情况下,第一侧面111与第二侧面112与墙面610均呈夹角设置,机器人400在充电座周围的任意位置处均能够拍摄到充电座上的至少一个特征标识120,只要拍摄到就能够识别出特征标识120。机器人400拍摄到的特征标识120可能是两个特征标识120中的一个,也可能是两个都拍摄到,机器人400在只拍摄到一个特征信息的情况下,即获取该特征标识120的特征信息。特征信息指的是与特征标识120相关的信息,如特征标识120的标识点的坐标、拍摄到的图像中特征标识120的梯度特征、变形特征等。
在一些实施例中,机器人400在拍摄到两个特征标识120的情况下,可以根据程序的设定,获取两个特征标识120中的其中一个特征标识的特征信息,特征标识120的选择可以是随机选择其中一个,也可以根据拍摄到的图像中特征标识120的变形情况、面积占比等信息确定更能准确识别的特征标识120,并获取该特征标识120的特征信息。
在另一些实施例中,机器人400在拍摄到两个特征标识120的情况下,也可以获取两个特征标识120的特征信息。
步骤S204,根据特征信息确定机器人400的方向向量。
其中,机器人400的方向向量表示的是机器人400的相机的朝向。在一个实施例中,建立世界坐标系来计算机器人400的位置,世界坐标系可以是以充电座所在的位置作为原点建立的三维坐标系,可以根据实际情况设置坐标系的原点的具体位置。机器人400的方向向量指的是机器人400在世界坐标系下的方向向量。机器人400的相机的朝向通过拍摄到的特征标识120的特征信息确定或计算得到。在一些实施例中,确定机器人400的方向向量的特征信息可以是特征标识120图片,通过机器学习的方式识别出机器人400的朝向。在另一些实施例中,特征信息也可以是机器人400通过特征标识120的图片分析出来的特征标识120的变形程度、梯度信息等,通过分析变形程度、梯度信息等特征信息,判断机器人400的朝向。
步骤S206,根据特征信息、方向向量以及机器人400拍摄到的特征标识120所在的识别面110的法向量确定机器人400的位置信息。
其中,识别面110的法向量指的是识别面110在世界坐标系中的正向平面法向量。识别面的法向量的方向是朝向识别部的外部。机器人400拍摄到的特征标识所在的识别面是拍摄到的特征标识对应的识别面,若机器人400仅拍摄到第一标识,则特征标识所在的识别面为第一侧面;若机器人400拍摄到的特征标识为第二标识,则特征标识所在的识别面为第二侧面;若机器人400拍摄到的特征标识为机器人400的第一标识111和第二标识112,则根据程序的设定,可以采用第一标识111或第二标识112,对应根据第一标识111或第二标识112计算机器人400的位置信息,也可以采用第一标识111和第二标识112,分别根据第一标识111和第二标识112计算得到机器人400的两个位置,再将两个位置进行平均处理得到机器人400的位置信息。
在确定了机器人400的方向向量后,计算位置信息采用的特征信息可以是机器人400观测到的特征标识120的特征强度,特征强度可以反映出机器人400到充电座的距离,特征信息也可以是特征标识120的坐标信息,根据相机的成像原理可以计算机器人400与充电座的距离。根据方向向量、拍摄到的识别面110的法向量,并结合特征标识120的特征信息,可以计算出机器人400的位置信息。在一些实施例中,先根据方向向量和识别面110法向量确定机器人400的朝向与识别面110的朝向之间的角度,再根据该角度与特征信息,确定机器人400与充电座的距离,从而得到机器人400的位置。
步骤S208,根据机器人400的位置信息控制机器人400移动至充电座进行回充。
其中,充电座的充电位置是固定的,在确定了机器人400当前的位置信息后,由于充电座的位置是固定的,可以根据机器人400的位置信息与充电座的位置之间的关系将机器人400从当前位置移动到充电座的充电位置,以使机器人400能够正确回到充电位置进行回充。机器人400的移动路线可以根据实际需要进行确定,在其中一个实施例中,可以先将机器人400移动至另一个预设位置并根据充电接口调整方向,再移动至充电座的充电位置进行回充;在另一个实施例中,机器人400可以直接移动至充电座的充电位置进行无线充电。
在其中一个实施例中,机器人拍摄到的特征标识仅是第一标识121,则获取第一标识121的特征信息,根据第一标识121的特征信息确定机器人400的方向向量,根据第一标识121的特征信息、方向向量以及第一侧面111的法向量确定机器人的位置信息;在另一个实施例中,机器人拍摄的到的特征标识为第一标识121和第二标识122,根据第一标识121和第二标识122的变形程度,检测到第一标识121的变形程度小于第二标识122的变形程度,则获取第一标识121的特征信息,并根据第一标识121的特征信息确定机器人的方向向量,根据第一标识121的特征信息、方向向量以及第一侧面111的法向量确定机器人400的位置信息。
上述实施例中,通过拍摄位于上述实施例中描述的充电座上的特征标识,并获取机器人400拍摄到的特征标识的特征信息。机器人400在充电座两侧均能拍摄并识别出对应的特征标识,并获取到对应的特征标识的特征信息,从而再根据特征信息确定机器人400的方向向量,根据特征信息、方向向量以及机器人400拍摄到的特征标识所在的识别面的法向量确定机器人400的位置信息;进而根据该位置信息控制机器人400移动至充电座进行回充。该方法结合了特征标识的特征信息以及拍摄到的特征标识对应的识别面的法向量,使得机器人400能够根据观测到的特征标识正确移动至对应的充电位置进行回充,提高了机器人400的回充准确性。
在一个实施例中,若机器人400拍摄到的特征标识120包括第一标识121和第二标识122,则步骤S204包括:根据第一标识121的特征信息确定第一方向向量,根据第二标识122的特征信息确定第二方向向量;
步骤S206包括:根据第一标识121的特征信息、第一方向向量以及充电座的第一侧面111的法向量,确定机器人400的第一位置;根据第二标识122的特征信息、第二方向向量以及充电座的第二侧面112的法向量,确定机器人400的第二位置;将第一位置和第二位置进行平均处理,确定机器人400的位置信息。
具体地,在机器人400拍摄到的特征标识120包括第一标识121和第二标识122的情况下,分别采用第一标识121和第二标识122的特征信息以及对应的识别面110的法向量计算机器人400的第一位置和第二位置,两个位置的计算可以是并行计算也可以先后计算。根据第一标识121的特征信息确定机器人400的第一方向向量,再根据第一标识121的特征信息、第一方向向量以及第一标识121所在的第一侧面111的法向量计算机器人400的第一位置。根据第二标识122的特征信息确定机器人400的第二方向向量,再根据第二标识122的特征信息、第二方向向量以及第二标识122所在的第一侧面111的法向量计算机器人400的第二位置。第一位置和第二位置的计算可以在不同的坐标系下计算,最后将其中一个位置的坐标转换成另一个坐标系下的坐标,再将第一位置和第二位置进行平均处理。第一位置和第二位置也可以是在同一坐标系下计算,最后直接将第一位置和第二位置进行平均处理。平均处理指的是将第一位置与第二位置的同属性坐标值分别进行平均处理。例如,第一位置为坐标(a1,b1),第二位置为坐标(a2,b2),则平均处理得到a3=(a1+a2)/2,b3=(b1+b2)/2,机器人400的位置信息为坐标(a3,b3)。
上述实施例中,通过拍摄到的两个特征标识分别计算出机器人400的第一位置和第二位置,再将第一位置和第二位置进行平均处理,可以减小机器人400的观测所带来的位置误差。
在一个实施例中,特征信息包括特征标识120中特征点的第一像素坐标和世界坐标,步骤S204具体包括:获取机器人400的图像平面法向量;采用PnP算法根据特征标识120中特征点的世界坐标和第一像素坐标,确定机器人400的位姿变换关系;根据机器人400的位姿变换关系以及图像平面法向量,确定机器人400的方向向量。
具体地,本实施例是通过将机器人400的图像平面法向量经过坐标变换成为机器人400在世界坐标系下的法向量,也就是机器人400的方向向量。机器人400的图像平面法向量指的是机器人400的相机中图像平面在相机的相机坐标系下的平面法向量,相机坐标系是以相机(也就是机器人400)为原点的三维坐标系,该平面法向量是相机本身的属性值。机器人400的图像平面法向量可以看作是机器人400在相机坐标系下的朝向。要将在相机坐标系下的图像平面法向量转换成在世界坐标系下的法向量,需要计算相机坐标系与世界坐标系的转换关系。采用PnP算法根据特征标识120中特征点的第一像素坐标和世界坐标计算出机器人400的位姿变换关系,即机器人400的相机的旋转矩阵,通过该旋转矩阵将图像平面法向量转换成在世界坐标系下的法向量。其中,第一像素坐标是当前的特征标识120的特征点在图像中的坐标,在拍摄到特征标识120即可获取到;世界坐标是特征点在世界坐标系下的坐标,该坐标可预先设置。
在一个实施例中,特征信息包括特征标识120的特征强度;步骤300具体包括:根据特征强度、方向向量以及机器人400拍摄到的特征标识120所在的识别面110的法向量确定机器人400的位置信息。
具体地,特征强度是根据拍摄到的图像中特征标识120的点、线、面在图像成像的范围大小、像素梯度、纹理强度等信息来反映的一个观测数据,这个观测数据能够用来反映观测距离。通过特征标识120的特征强度,结合机器人400的方向向量以及对应的识别面110的法向量,能更方便且快速地确定机器人400的位置信息。在一些实施例中,特征强度的计算步骤包括:对观测到的充电座的最大外接轮廓,分割出符合预设像素灰度的特征区域;进一步检测特征区域内的子特征并计算特征描述,筛选掉不符合预设特征表述的子特征;对分割后的子特征区域,计算每个子特征区域的特征中心位置C;计算每个子特征所在位置Ci、像素梯度Gi、特征结构描述Si(该描述具有尺度、方向不变性);计算所有子特征的平均特征距离l,平均像素梯度g,平均结构s,计算公式为:
其中G、S为预设常量;最后计算特征强度P_feature=l×(g+s)。
在一个实施例中,机器人400的位置信息包括角度信息和距离信息,角度信息为机器人400的朝向与识别面110的朝向的夹角,距离信息为机器人400与充电座的距离;根据特征强度、方向向量以及机器人400拍摄到的特征标识120所在的识别面110的法向量确定机器人400的位置信息步骤包括:根据方向向量以及机器人400拍摄到的特征标识120所在的识别面110的法向量,确定角度信息;根据角度信息、特征强度以及经验系数,确定距离信息。
本实施例中,机器人400的位置信息是通过机器人400的朝向与识别面110的朝向的夹角以及机器人400与充电座的距离来表示。机器人400与充电座的距离实质上是机器人400与充电座的识别面110对应的世界坐标系的原点的距离。如图8所示,在计算计算机的位置信息时,采用第二侧面112的底部中心C2为原点建立世界坐标系(以下称为C2坐标系),根据方向向量以及识别面的法向量计算出两者的夹角,具体的计算方式为:
b=arccos((n1×n2)/(||n1||×||n2||));
其中,b为角度信息,n1为机器人400在C2坐标系下的方向向量,n2为机器人400拍摄到的特征标识120所在的识别面110在C2坐标系下的法向量(图8中,机器人拍摄到的特征标识120为第二标识112)。机器人400与充电座的距离信息的计算方式为:
D=k×P_feature×cos(b);
其中,D为距离信息,k为经验系数,P_feature为特征强度。经验系数是预先通过多组观测数据计算得到的值,依据n组实际观测得到n个一元线性非其次方程组,根据距离误差平方和最小准则,使用最小二乘法计算得到非零解。在一些实施例中,经验系数的范围设为(0,1]。
在一个实施例中,在拍摄到的特征标识120包括第一标识121和第二标识122的情况下,分别计算机器人400的第一位置和第二位置,并将第一位置和第二位置进行平均处理得到机器人的位置信息。在其中一个实施例中,如图9所示,以第二侧面112的底部中心C2为原点建立世界坐标系(以下称为C2坐标系),以第一侧面111的底部中心C3为原点建立坐标系(以下称为C3坐标系)。在C3坐标系下通过上述计算方式根据C3坐标系下第一侧面111的法向量n3与C3坐标系下机器人400的方向向量n4,计算出机器人400在C3坐标系下的角度信息c和位置信息C3P3,角度信息c和位置信息D3P3即为第一位置。在C2坐标系下通过上述计算方式根据C2坐标系下第二侧面112的法向量n2与C2坐标系下机器人400的方向向量n1,计算出机器人400在C2坐标系下的角度信息b和位置信息C2P3,角度信息b和位置信息C2P3即为第二位置。其中,n1和n4的方向相同但所处的坐标系不相同。将第一位置的角度信息和位置信息转换至C2坐标系下的角度信息和位置信息,再和第二位置的角度信息和位置信息分别取平均值,得到的平均角度信息和平均位置信息即为机器人400的位置信息。
在一个实施例中,在获取机器人400拍摄到的特征标识120的特征信息之前,方法还包括:获取机器人400拍摄到的特征标识120中特征点的第二像素坐标;根据第二像素坐标以及机器人400的焦距参数,确定旋转角度;根据旋转角度控制机器人400旋转,以使机器人400朝向充电座。
具体地,为了更准确地计算机器人400的位置信息,在获取所述机器人400拍摄到的特征标识120的特征信息之前,将机器人400旋转使其朝向对应的世界坐标系的原点位置。本实施例根据针孔成像原理确定机器人400需要旋转的角度。获取机器人400拍摄到的特征标识120中特征点的第二像素坐标,第二像素坐标是机器人400在旋转之前拍摄的特征标识120图像的像素坐标,根据第二像素坐标以及机器人400的相机的焦距参数,确定机器人400的旋转角度,计算方式为:
d=arctan((P_img-Cx)/Fx);
其中,d为旋转角度,P_img为特征点的第二像素坐标,Cx是相机的图像坐标系的原点,Fx为焦距。在一个实施例中,如图10所示,在机器人400拍摄到第二侧面112上的第二标识122的情况下,在计算C2坐标系下机器人的位置信息之前,机器人400的方向向量是n5,经过旋转角度d后,方向向量是n1,此时再获取机器人400拍摄到的第二侧面112上的第二标识122的特征信息,并进行机器人400的位置信息的计算。
在一个实施例中,根据机器人400的位置信息控制机器人400进行回充包括:根据位置信息,控制机器人400移动至预设位置;控制机器人400从预设位置按照预设路线移动至充电座的回充位置进行回充。
具体地,由于充电位置在充电座上的位置可能是一个充电仓,或者机器人400需要对准充电接口才能进行充电,设置预设位置可以使机器人400先调整好回充的距离和方向,能够更准确地进行对位回充。计算出机器人400的位置信息后,即能够计算出该位置信息与预设位置的位置关系,控制机器人400从所在的位置移动至预设位置,预设位置到充电位置的路线是预先设置的,机器人400移动到预设位置后就可以按照预设路线运动到充电座的回充位置进行充电。
上述实施例中,通过先将机器人400移动到预设位置,可以使机器人400调整好与充电位置的距离和运动方向,以便机器人400能够更准确地与充电位置进行对位,保证机器人400移动到充电位置的准确性。
在一些实施例中,如图8、9和10所示,经计算得到机器人400的位置信息是P1,预设位置为P0,回充位置是正对着P0的充电座的第一侧面和第二侧面的夹角处。预先建立以P0为原点的世界坐标系以及以C1为原点的世界坐标系,由于P0和C1、C2的位置是固定的,三个坐标系之间可以相互转化,即已知C1和C2的相对位置,以及C1和P0的相对位置。C1坐标系下C2的位置表示为TC1C2,C1坐标系下P0的位置表示为TC1P0。依据第得到的TC2P1,坐标转换可得到C1坐标系下机器人400P1的位置TC1P1=TC1C2(TC2P1),再次坐标转换可以得到P0坐标系下P1的位置TP0P1=TP0C1(TC1P1)。然后即可控制机器人400从P1走到P0位置。机器人400走到P0位置后可直线运动至充电座的充电位置进行回充。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图11所示,提供了一种扫地机器人500,包括控制器(图中未示出)以及摄像头510。其中,图中的箭头方向指向机器人的前侧,即摄像头510的朝向。控制器包括存储器和处理器,存储器存储有计算机程序,摄像头510用于获取充电座的图像,处理器执行计算机程序时实现上述各方法实施例中的步骤。
具体地,摄像头510的朝向即为扫地机器人500的朝向。摄像头510用于获取充电座的图像,控制器通过摄像头510获取到充电座上特征标识120的图像,控制器执行计算机程序时实现的步骤参见上述各方法实施例中的步骤,在此不再赘述。
在一个实施例中,如图11所示,为了使扫地机器人500能够在黑暗环境下也能够识别充电座上的特征标识120从而自动回充,本实施例的特征标识120采用能够反射红外光的材料制作。同时在机器人上设置光敏传感器520和红外发射器530,摄像头510设置成红外摄像头。在周围环境的亮度低于亮度阈值的情况下,开启红外发射器530,红外发射器530发射的红外光线经过特征标识120反射后被红外摄像头接收进行成像,可达到类似较亮环境的灰度成像效果,从而拍摄到特征标识120的图像,并进一步通过图像处理来识别特征标识120。在一些实施例中,红外摄像头中设置有红外滤光片,并通过设置滤光开关控制红外滤光模式是否开启,在白天环境下开启红外滤光模式可以排除红外光避免红外干扰正常光线;在夜晚或黑暗环境下关闭红外滤光模式,红外线进入成像芯片即可实现夜视效果。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
在本说明书的描述中,参考术语“有些实施例”、“其他实施例”、“理想实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特征包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性描述不一定指的是相同的实施例或示例。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种机器人的回充方法,其特征在于,包括:
获取所述机器人拍摄到的特征标识的特征信息,其中,所述特征标识位于充电座上,所述充电座包括识别部,所述识别部包括识别面以及设置在所述识别面上的特征标识;所述识别面包括第一侧面以及第二侧面,所述第一侧面与所述第二侧面呈夹角设置且所述第一侧面与所述第二侧面相向倾斜;所述特征标识包括第一标识以及第二标识,所述第一标识设置在所述第一侧面上,所述第二标识设置在所述第二侧面上,所述第一标识与所述第二标识不相同;
根据所述特征信息确定机器人的方向向量;
根据所述特征信息、所述方向向量以及所述机器人拍摄到的特征标识所在的识别面的法向量确定所述机器人的位置信息;
根据所述机器人的位置信息控制所述机器人移动至充电座进行回充。
2.根据权利要求1所述的机器人的回充方法,其特征在于,若所述机器人拍摄到的特征标识包括第一标识和第二标识,则所述方向向量包括第一方向向量和第二方向向量,所述根据所述特征信息确定机器人的方向向量,包括:
根据所述第一标识的特征信息确定所述第一方向向量,根据所述第二标识的特征信息确定所述第二方向向量;
所述根据所述特征信息、所述方向向量以及所述机器人拍摄到的特征标识所在的识别面的法向量确定所述机器人的位置信息,包括:
根据所述第一标识的特征信息、所述第一方向向量以及所述充电座的第一侧面的法向量,确定机器人的第一位置;
根据所述第二标识的特征信息、所述第二方向向量以及所述充电座的第二侧面的法向量,确定机器人的第二位置;
将所述第一位置和所述第二位置进行平均处理,确定机器人的位置信息。
3.根据权利要求1所述的机器人的回充方法,其特征在于,所述特征信息包括所述特征标识中特征点的第一像素坐标和世界坐标;所述根据所述特征信息确定机器人的方向向量包括:
获取机器人的图像平面法向量;
采用PnP算法根据所述特征标识中特征点的世界坐标和第一像素坐标,确定机器人的位姿变换关系;
根据所述机器人的位姿变换关系以及所述图像平面法向量,确定机器人的方向向量。
4.根据权利要求1所述的机器人的回充方法,其特征在于,所述特征信息包括所述特征标识的特征强度;所述根据所述特征信息、所述方向向量以及所述机器人拍摄到的特征标识所在的识别面的法向量确定所述机器人的位置信息包括:
根据所述特征强度、所述方向向量以及所述机器人拍摄到的特征标识所在的识别面的法向量确定所述机器人的位置信息。
5.根据权利要求4所述的机器人的回充方法,其特征在于,所述机器人的位置信息包括角度信息和距离信息,所述角度信息为所述机器人的朝向与所述识别面的朝向的夹角,所述距离信息为所述机器人与所述充电座的距离;所述根据所述特征强度、所述方向向量以及所述机器人拍摄到的特征标识所在的识别面的法向量确定所述机器人的位置信息包括:
根据所述方向向量以及所述机器人拍摄到的特征标识所在的识别面的法向量,确定所述角度信息;
根据所述角度信息、所述特征强度以及经验系数,确定所述距离信息。
6.根据权利要求1所述的机器人的回充方法,其特征在于,在获取所述机器人拍摄到的特征标识的特征信息之前,所述方法还包括:
获取所述机器人拍摄到的特征标识中特征点的第二像素坐标;
根据所述第二像素坐标以及机器人的焦距参数,确定旋转角度;
根据所述旋转角度控制所述机器人旋转,以使所述机器人朝向所述充电座。
7.根据权利要求1所述的机器人的回充方法,其特征在于,所述根据所述机器人的位置信息控制所述机器人进行回充包括:
根据所述位置信息,控制所述机器人移动至预设位置;
控制所述机器人从所述预设位置按照预设路线移动至所述充电座的回充位置进行回充。
8.根据权利要求1所述的机器人的回充方法,其特征在于,所述第一侧面与所述第二侧面相互连接。
9.根据权利要求1所述的机器人的回充方法,其特征在于,所述识别部还包括第三侧面,所述第一侧面与所述第二侧面均靠向所述第三侧面倾斜;所述第三侧面与所述第一侧面的夹角以及与所述第二侧面的夹角大于15°。
10.一种扫地机器人,包括控制器以及摄像头,所述控制器包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述摄像头用于获取充电座的图像,所述处理器执行所述计算机程序时实现如权利要求1-9任意一项所述的机器人的回充方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210632659.3A CN114794992B (zh) | 2022-06-07 | 2022-06-07 | 充电座、机器人的回充方法和扫地机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210632659.3A CN114794992B (zh) | 2022-06-07 | 2022-06-07 | 充电座、机器人的回充方法和扫地机器人 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114794992A CN114794992A (zh) | 2022-07-29 |
CN114794992B true CN114794992B (zh) | 2024-01-09 |
Family
ID=82521809
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210632659.3A Active CN114794992B (zh) | 2022-06-07 | 2022-06-07 | 充电座、机器人的回充方法和扫地机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114794992B (zh) |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003285288A (ja) * | 2002-03-27 | 2003-10-07 | Sony Corp | 充電システム及び充電制御方法、ロボット装置、充電装置、及び充電制御プログラム及び記録媒体 |
JP2005199377A (ja) * | 2004-01-14 | 2005-07-28 | Sharp Corp | 追跡ロボットシステムおよびそれを用いた追跡ロボット |
WO2015117905A1 (de) * | 2014-02-04 | 2015-08-13 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | 3d-bildanalysator zur blickrichtungsbestimmung |
US9175936B1 (en) * | 2013-02-15 | 2015-11-03 | Innovative Defense, Llc | Swept conical-like profile axisymmetric circular linear shaped charge |
CN106826821A (zh) * | 2017-01-16 | 2017-06-13 | 深圳前海勇艺达机器人有限公司 | 基于图像视觉引导的机器人自动返回充电的方法和系统 |
CN108388244A (zh) * | 2018-01-16 | 2018-08-10 | 上海交通大学 | 基于人工路标的移动机器人系统、停靠方法及存储介质 |
CN108549050A (zh) * | 2018-03-27 | 2018-09-18 | 天津工业大学 | 一种基于定向充电时间的可充电节点定位方法 |
CN108646729A (zh) * | 2018-04-12 | 2018-10-12 | 深圳先进技术研究院 | 一种机器人及其路径规划方法、机器人系统 |
CN208272659U (zh) * | 2018-04-08 | 2018-12-21 | 深圳先进技术研究院 | 一种移动机器人充电桩 |
CN109676604A (zh) * | 2018-12-26 | 2019-04-26 | 清华大学 | 机器人曲面运动定位方法及其运动定位系统 |
CN109828280A (zh) * | 2018-11-29 | 2019-05-31 | 亿嘉和科技股份有限公司 | 一种基于三维激光栅格的定位方法以及机器人自主充电方法 |
EP3505959A1 (en) * | 2017-12-29 | 2019-07-03 | Acconeer AB | An autonomous mobile cleaning robot |
EP3508935A1 (en) * | 2018-01-05 | 2019-07-10 | iRobot Corporation | System for spot cleaning by a mobile robot |
CN110263601A (zh) * | 2018-03-12 | 2019-09-20 | 杭州萤石软件有限公司 | 一种充电座识别方法及移动机器人 |
JP2020187704A (ja) * | 2019-05-17 | 2020-11-19 | シャープ株式会社 | 移動体および移動体制御方法 |
CN112639882A (zh) * | 2019-09-12 | 2021-04-09 | 华为技术有限公司 | 定位方法、装置及系统 |
TW202120001A (zh) * | 2019-07-31 | 2021-06-01 | 南韓商Lg電子股份有限公司 | 移動式機器人及計算其移動距離的方法 |
DE102021118748A1 (de) * | 2020-07-21 | 2022-01-27 | Dreame Innovation Technology (Suzhou) Co., Ltd. | Verfahren, Vorrichtung, Speichermedium und System zur automatischen Rückkehr und Aufladung |
CN114340464A (zh) * | 2019-07-31 | 2022-04-12 | Lg电子株式会社 | 移动机器人及其控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ES2716397T3 (es) * | 2013-08-22 | 2019-06-12 | Carr Jr George Allen | Sistema y método para iluminar un objeto |
-
2022
- 2022-06-07 CN CN202210632659.3A patent/CN114794992B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003285288A (ja) * | 2002-03-27 | 2003-10-07 | Sony Corp | 充電システム及び充電制御方法、ロボット装置、充電装置、及び充電制御プログラム及び記録媒体 |
JP2005199377A (ja) * | 2004-01-14 | 2005-07-28 | Sharp Corp | 追跡ロボットシステムおよびそれを用いた追跡ロボット |
US9175936B1 (en) * | 2013-02-15 | 2015-11-03 | Innovative Defense, Llc | Swept conical-like profile axisymmetric circular linear shaped charge |
WO2015117905A1 (de) * | 2014-02-04 | 2015-08-13 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | 3d-bildanalysator zur blickrichtungsbestimmung |
CN106826821A (zh) * | 2017-01-16 | 2017-06-13 | 深圳前海勇艺达机器人有限公司 | 基于图像视觉引导的机器人自动返回充电的方法和系统 |
EP3505959A1 (en) * | 2017-12-29 | 2019-07-03 | Acconeer AB | An autonomous mobile cleaning robot |
EP3508935A1 (en) * | 2018-01-05 | 2019-07-10 | iRobot Corporation | System for spot cleaning by a mobile robot |
CN108388244A (zh) * | 2018-01-16 | 2018-08-10 | 上海交通大学 | 基于人工路标的移动机器人系统、停靠方法及存储介质 |
CN110263601A (zh) * | 2018-03-12 | 2019-09-20 | 杭州萤石软件有限公司 | 一种充电座识别方法及移动机器人 |
CN108549050A (zh) * | 2018-03-27 | 2018-09-18 | 天津工业大学 | 一种基于定向充电时间的可充电节点定位方法 |
CN208272659U (zh) * | 2018-04-08 | 2018-12-21 | 深圳先进技术研究院 | 一种移动机器人充电桩 |
CN108646729A (zh) * | 2018-04-12 | 2018-10-12 | 深圳先进技术研究院 | 一种机器人及其路径规划方法、机器人系统 |
CN109828280A (zh) * | 2018-11-29 | 2019-05-31 | 亿嘉和科技股份有限公司 | 一种基于三维激光栅格的定位方法以及机器人自主充电方法 |
CN109676604A (zh) * | 2018-12-26 | 2019-04-26 | 清华大学 | 机器人曲面运动定位方法及其运动定位系统 |
JP2020187704A (ja) * | 2019-05-17 | 2020-11-19 | シャープ株式会社 | 移動体および移動体制御方法 |
TW202120001A (zh) * | 2019-07-31 | 2021-06-01 | 南韓商Lg電子股份有限公司 | 移動式機器人及計算其移動距離的方法 |
CN114340464A (zh) * | 2019-07-31 | 2022-04-12 | Lg电子株式会社 | 移动机器人及其控制方法 |
CN112639882A (zh) * | 2019-09-12 | 2021-04-09 | 华为技术有限公司 | 定位方法、装置及系统 |
DE102021118748A1 (de) * | 2020-07-21 | 2022-01-27 | Dreame Innovation Technology (Suzhou) Co., Ltd. | Verfahren, Vorrichtung, Speichermedium und System zur automatischen Rückkehr und Aufladung |
Non-Patent Citations (2)
Title |
---|
基于图像识别的移动机器人自动完成充电;王建元;郭威;刘洋;李菁华;;电测与仪表(10);全文 * |
王建元 ; 郭威 ; 刘洋 ; 李菁华 ; .基于图像识别的移动机器人自动完成充电.电测与仪表.2017,(10),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN114794992A (zh) | 2022-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11461930B2 (en) | Camera calibration plate, camera calibration method and device, and image acquisition system | |
CN110798677B (zh) | 三维场景建模方法及装置、电子装置、可读存储介质及计算机设备 | |
KR20170139548A (ko) | 이미지 라인들로부터의 카메라 외부 파라미터들 추정 | |
US11924559B2 (en) | Method and system for determining occlusion within a camera field of view | |
Alizadeh | Object distance measurement using a single camera for robotic applications | |
WO2020034963A1 (zh) | 一种充电设备识别方法、移动机器人和充电设备识别系统 | |
CN112265463B (zh) | 自移动设备的控制方法、装置、自移动设备和介质 | |
CN111142514B (zh) | 一种机器人及其避障方法和装置 | |
JP2020149641A (ja) | 物体追跡装置および物体追跡方法 | |
Kurban et al. | Plane segmentation of kinect point clouds using RANSAC | |
CN111964680A (zh) | 一种巡检机器人的实时定位方法 | |
CN107680035B (zh) | 一种参数标定方法和装置、服务器及可读存储介质 | |
CN111080542A (zh) | 图像处理方法、装置、电子设备以及存储介质 | |
CN114794992B (zh) | 充电座、机器人的回充方法和扫地机器人 | |
CN115797405A (zh) | 一种基于车辆轴距的多镜头自适应跟踪方法 | |
WO2019153345A1 (zh) | 环境信息确定方法、装置、机器人及存储介质 | |
Isobe et al. | Target tracking for a mobile robot with a stereo camera considering illumination changes | |
Lin et al. | A monocular target pose estimation system based on an infrared camera | |
JP4546155B2 (ja) | 画像処理方法、画像処理装置および画像処理プログラム | |
CN108510538B (zh) | 三维图像合成方法、装置及计算机可读存储介质 | |
CN117830392B (zh) | 一种环境物体识别方法和成像系统 | |
CN115797995B (zh) | 人脸活体检测方法、电子设备及存储介质 | |
KR20190025267A (ko) | 직교 소실점을 이용한 단일 영상의 내벽 구조 검출 장치 및 방법 | |
KR102631472B1 (ko) | 어안 왜곡 이미지의 무손실 보정 방법 및 장치 | |
CN111586299B (zh) | 一种图像处理方法和相关设备 |
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 |