CN116501070A - 回充方法、机器人及存储介质 - Google Patents

回充方法、机器人及存储介质 Download PDF

Info

Publication number
CN116501070A
CN116501070A CN202310786458.3A CN202310786458A CN116501070A CN 116501070 A CN116501070 A CN 116501070A CN 202310786458 A CN202310786458 A CN 202310786458A CN 116501070 A CN116501070 A CN 116501070A
Authority
CN
China
Prior art keywords
target
segment
point
recharging
distance
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.)
Granted
Application number
CN202310786458.3A
Other languages
English (en)
Other versions
CN116501070B (zh
Inventor
徐权
陈悦
欧阳家斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Huanchuang Technology Co ltd
Original Assignee
Shenzhen Camsense Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Camsense Technologies Co Ltd filed Critical Shenzhen Camsense Technologies Co Ltd
Priority to CN202310786458.3A priority Critical patent/CN116501070B/zh
Publication of CN116501070A publication Critical patent/CN116501070A/zh
Application granted granted Critical
Publication of CN116501070B publication Critical patent/CN116501070B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0234—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons
    • G05D1/0236—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons in combination with a laser
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Optics & Photonics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Power Engineering (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明实施例涉及机器人技术领域，公开了一种回充方法，该方法首先获取确定特征点云数据，并根据特征点云数据确定目标回充点，获取目标回充点的第一距离和第一角度，并控制机器人按第一距离和第一角度移动，以使机器人移动至回充座上充电。该方法通过激光雷达扫描高反射率靶而产生特征点云数据，再根据特征点云数据确定目标回充点，无需新增硬件成本，并且，高反射率靶的设置可使得机器人在多角度下也能识别特征点云数据，识别效果好，使得根据特征点云数据确定的目标回充点更加精确，进而机器人能够精准识别回充座进行充电，提高回充的精确度以及回充效率。

Description

回充方法、机器人及存储介质
技术领域
本发明实施例涉及机器人技术领域，尤其涉及一种回充方法、机器人及存储介质。
背景技术
机器人工作完成后或电量低时需要准确回到基站的回充座上进行充电，机器人回去充电的过程称为回充。目前常用的回充方法中，一般基于红外信号、蓝牙以及超声波等对基站处的回充座进行通信定位，以回到回充座进行充电。然而，上述回充方法不仅增加了硬件成本，还容易受环境影响（例如遮挡、屏蔽或硬件自身损坏等），导致信号不稳定，干扰机器人对回充座的识别。此外，通过信号通信定位，误差较大，使得机器人无法准确识别回充座，识别效果较差。
发明内容
有鉴于此，本发明一些实施例提供了一种回充方法、机器人及存储介质，能够更好地识别回充座，进而提高回充效率以及回充精确度。
第一方面，本发明实施例中提供了一种回充方法，应用于包括激光雷达的机器人，所述机器人对应的回充座上设置高反射率靶或交替设置反射率不同的靶，所述方法包括：
获取由所述激光雷达扫描得到的激光点云数据；
根据所述激光点云数据与预设距离亮度曲线，确定特征点云数据，其中，所述特征点云数据为所述激光雷达扫描高反射率靶而产生的激光点云数据；
根据所述特征点云数据确定目标回充点，获取所述目标回充点的第一距离和第一角度，并控制所述机器人按所述第一距离和第一角度移动，以使所述机器人移动至所述回充座上充电。
在一些实施例中，在所述获取由所述激光雷达扫描得到的激光点云数据之前，所述方法还包括：
在机器人与所述回充座之间的预设距离范围内按照预设步长依次设置白靶，获取由所述激光雷达扫描所述白靶得到的标定点云数据；
根据所述标定点云数据获取各个所述预设步长下，所述白靶的最大亮度值；
根据各个所述预设步长下的所述最大亮度值与所述预设距离范围中的预设起点以及预设终点确定第一距离亮度直线；
以所述预设起点为起点，以预设量程下限为终点，做所述第一距离亮度直线的延长线，得到第二距离亮度直线；
以所述预设终点为起点，以预设量程上限为终点，做所述第一距离亮度直线的水平直线，得到第三距离亮度直线；
汇总所述第一距离亮度直线、所述第二距离亮度直线以及所述第三距离亮度直线，得到所述预设距离亮度曲线。
在一些实施例中，所述根据所述特征点云数据确定目标回充点，包括：
按照角度顺序对所述特征点云数据进行排序，并对排序后的所述特征点云数据进行聚类分段；
根据所述聚类分段的宽度、所述高反射率靶的宽度确定与各个所述高反射率靶对应的匹配聚类段；
根据所述匹配聚类段确定所述目标回充点。
在一些实施例中，所述对排序后的所述特征点云数据进行聚类分段，包括：
将排序后的所述特征点云数据中的起始点作为第一个点收入当前所述聚类分段；
依次读取所述特征点云数据中的下一个点，计算读取点与当前所述聚类分段中的尾点之间的第二距离与第二角度；
若所述第二距离与所述第二角度均小于第一预设阈值，则将所述读取点收入当前所述聚类分段，作为当前所述聚类分段的尾点；
否则，将所述读取点作为新的所述聚类分段的起点，继续所述依次读取所述特征点云数据中的下一个点，计算读取点与当前所述聚类分段中的尾点之间的第二距离与第二角度的步骤，直至所有所述特征点云数据遍历结束。
在一些实施例中，在根据所述聚类分段的宽度、所述高反射率靶的宽度确定与各个所述高反射率靶对应的匹配聚类段之前，所述方法还包括：
根据所述聚类分段的宽度、所述高反射率靶的宽度以及第一预设阈值，滤除所述聚类分段中的干扰聚类段，具体包括：
若所述聚类分段的宽度与各个所述高反射率靶的宽度的差值均不在第一预设偏差范围内，则将所述聚类分段确定为所述干扰聚类段，并将所述干扰聚类段的数据整体删除。
在一些实施例中，所述根据所述聚类分段的宽度、所述高反射率靶的宽度确定与各个所述高反射率靶对应的匹配聚类段，包括：
若所述聚类分段的宽度与所述高反射率靶的宽度的差值在第二预设偏差范围内，则将所述聚类分段作为所述高反射率靶对应的匹配聚类段；
在所述将所述聚类分段作为所述高反射率靶对应的匹配聚类段之后，所述方法还包括：
获取当前所述匹配聚类段的第一中点和下一所述高反射率靶对应的所述匹配聚类段的第二中点之间的第三距离；
获取当前所述匹配聚类分段对应的所述高反射率靶的第一中心点与下一所述高反射率靶的第二中心点之间的第四距离；
若所述第三距离与所述第四距离之间的差值在第三预设偏差范围内，则确定当前所述匹配聚类分段以及下一所述高反射率靶对应的所述匹配聚类段均为有效匹配聚类段；
若所述第三距离与所述第四距离之间的差值不在第三预设偏差范围内，则继续遍历下一所述高反射率靶对应的其他所述匹配聚类段，直至下一所述高反射率靶对应的所述匹配聚类段遍历结束。
在一些实施例中，若所述机器人对应的回充座上交替设置反射率不同的靶，所述根据所述匹配聚类段确定目标回充点，包括：
根据每个所述有效匹配聚类段中所述特征点云数据的角度确定第一聚类分段以及第二聚类分段，其中，第一聚类分段的角度的最小值小于或等于每个所述有效匹配聚类段的角度，所述第二聚类分段的角度的最大值大于或等于每个所述有效匹配聚类段的角度；
将所述第一聚类分段的尾点与所述第二聚类分段的起点之间连线的第三中点作为回充点；
根据所述第一聚类分段的宽度、所述第二聚类分段的宽度及其对应的所述高反射率靶宽度，以及其对应的所述高反射率靶的中心的距离差值，确定所述回充点的评分值；
根据所述回充点的评分值，确定目标回充点。
在一些实施例中，所述根据所述第一聚类分段的宽度、所述第二聚类分段的宽度及其对应的所述高反射率靶的宽度，以及其对应的所述高反射率靶的中心的距离差值，确定所述回充点的评分值，包括：
计算所述第一聚类分段的宽度与其对应的所述高反射率靶的宽度之间的第一偏差绝对值；
计算所述第二聚类分段的宽度与其对应的所述高反射率靶的宽度之间的第二偏差绝对值；
计算所述第一聚类分段的中心与所述第二聚类分段的中心之间的第五距离；
计算所述第一聚类分段对应的所述高反射率靶的中心点与所述第二聚类分段对应的所述高反射率靶的中心点之间的第六距离；
计算所述第五距离与所述第六距离之间的第三偏差绝对值；
根据所述第一偏差绝对值、所述第二偏差绝对值以及所述第三偏差绝对值确定所述回充点的评分值。
在一些实施例中，所述根据所述激光点云数据与预设距离亮度曲线，确定特征点云数据，包括：
将亮度值高于所述预设距离亮度曲线的激光点云数据确定为所述特征点云数据。
第二方面，本发明实施例中提供了一种机器人，包括：
激光雷达，
至少一个处理器，所述至少一个处理器与所述激光雷达通信连接；
与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上所述的回充方法。
第三方面，本发明实施例中提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机设备执行如上所述的回充方法。
本发明实施例的有益效果：区别于现有技术的情况，本发明实施例提供的回充方法，应用于包括激光雷达的机器人，所述机器人对应的回充座上交替设置高反射率靶或交替设置反射率不同的靶，该方法首先获取由激光雷达扫描得到的激光点云数据，根据激光点云数据与预设距离亮度曲线，确定特征点云数据，该特征点云数据为所述激光雷达扫描所述高反靶而产生的激光点云数据，最后根据特征点云数据确定目标回充点，获取目标回充点的第一距离和第一角度，并控制机器人按第一距离和第一角度移动，以使机器人移动至回充座上充电。该回充方法通过激光雷达扫描高反射率靶而产生特征点云数据，再根据特征点云数据确定目标回充点，无需新增硬件成本，并且，高反射率靶的设置可使得机器人在多角度下也能识别特征点云数据，识别效果好，使得根据特征点云数据确定的目标回充点更加精确，进而机器人能够精准识别回充座进行充电，提高回充的精确度以及回充效率。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
图1a为本发明实施例提供的其中一种回充方法的应用环境示意图；
图1b-图1e为本发明实施例提供的两块高反射率靶的设置示意图；
图1f-图1g为本发明实施例提供的三块高反射率靶的设置示意图；
图1h为本发明实施例提供的一块高反射率靶的设置示意图；
图2为本发明实施例提供的高反射率靶宽度计算示意图；
图3为本发明实施例提供的高反射率靶高度计算示意图；
图4为本发明实施例提供的其中一种回充方法的流程示意图；
图5为本发明实施例提供的其中一种回充方法的流程示意图；
图6为本发明实施例提供的其中一种预设距离亮度曲线示意图；
图7为本发明实施例提供的其中一种预设距离亮度曲线示意图；
图8为本发明实施例提供的其中一种预设距离亮度曲线示意图；
图9为图4中步骤S13的流程示意图；
图10为图9中步骤S133的流程示意图；
图11为本发明实施例提供的其中一种回充装置的示意图；
图12为本发明实施例提供的其中一种机器人的结构示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
需要说明的是，如果不冲突，本发明实施例中的各个特征可以相互结合，均在本发明的保护范围之内。另外，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。此外，本文所采用的“第一”、“第二”、“第三”等字样并不对数据和执行次序进行限定，仅是对功能和作用基本相同的相同项或相似项进行区分。
除非另有定义，本说明书所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本说明书中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是用于限制本发明。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明实施例中回充方法，应用于包括激光雷达的机器人，其中，机器人可以是能够提供功能服务的移动设备，例如：可以是清洁机器人、宠物机器人、搬运机器人、看护机器人、远程监控机器人、扫地机器人等机器人。机器人配合基站可以自动化地完成工作，这里，基站是配合机器人自动化地完成工作的电子设备。可以理解的是，基站的功能是基于对应的机器人的功能配置的。在一些实施例中，机器人可以是无人驾驶车，对应的基站可以为无人驾驶车提供充电服务、停靠服务或洗车服务等。在一些实施例中，机器人可以是清洁机器人，对应的基站能够为清洁机器人提供停靠、充电、补水、排污、补清洁剂以及自清洁、干燥等服务。
基站处设置有回充座，机器人在工作完成后或电量过低时需要回到回充座处进行充电。以下以机器人为扫地机器人为例，说明该回充方法的应用环境。其中，扫地机器人包括且不限于吸尘机器人、拖地机器人或洗地机器人等。
请参阅图1a，图1a是本发明实施例提供的一种回充方法的应用环境示意图。如图1a所示，机器人10位于地面上，该地面可以是居住室或办公室等场所的地面。机器人所在的场所包括基站20、书桌、花盆、沙发等物体。
基站20的回充座上设置高反射率靶或交替设置反射率不同的靶，例如：高反射率靶可为晶格靶，低反射率靶可以为白靶、黑靶、灰靶等。该机器人上安装有激光雷达，其中，激光雷达对机器人所在的周围环境进行扫描，得到激光点云数据。激光雷达与控制芯片通信连接，激光雷达将激光点云数据发送给控制芯片，控制芯片调用机器人的存储器内事先预置好的回充方法的程序，基于激光点云数据确定特征点云数据，其中，特征点云数据为所述激光雷达扫描高反射率靶而产生的激光点云数据，再根据激光点云数据识别定位出回充座上的目标回充点，并根据目标回充点的第一距离和第一角度，控制机器人按该第一距离和第一角度移动，以使机器人移动至回充座上充电。
其中，机器人10可以被构造成任何合适形状，以便实现特定业务功能操作，例如，在一些实施例中，机器人10可以为基于SLAM系统的扫地机器人。在一些实施例中，机器人可以包括机器人主体、激光雷达、控制芯片、行走机构以及与回充座对接的对接装置（图未示）等。
机器人主体是机器人10的主体结构,可以根据机器人10的实际需要,选用相应的形状结构及制造材质(如硬质塑料或者铝、铁等金属)，例如设置为扫地机器人常见的较为扁平的圆柱形。
驱动轮部件是设置在机器人主体上,为机器人10提供移动能力的结构装置。若机器人10为清洁机器人，则驱动轮部件驱动机器人在待清洁面上移动。在一些实施例中，驱动轮部件包括左驱动轮、右驱动轮及全向轮，左驱动轮和右驱动轮分别安装于主体的相对两侧。全向轮安装于主体的底部的靠前位置，全向轮为活动脚轮，可以水平360度旋转，以使得机器人可以灵活转向。左驱动轮、右驱动轮及全向轮的安装构成三角形，以提高机器人行走的平稳性。该驱动轮部件具体可以采用任何类型的移动装置实现,例如滚轮、履带式等。
激光雷达设置于机器人10的机身，用于感知扫地机器人10周围环境的障碍物情况，扫描获得激光点云数据，并发送给控制芯片，以便控制芯片基于周围物体的距离控制机器人行走。在一些实施例中，激光雷达包括脉冲激光雷达、连续波激光雷达等雷达。
控制芯片是内置于机器人主体中的电子计算核心,用于执行逻辑运算步骤以实现机器人的智能化控制。在本实施例中,控制芯片与激光雷达通信连接,用于根据特征点云数据确定目标回充点，获取目标回充点的第一距离和第一角度，并控制机器人按第一距离和第一角度移动，以使机器人移动至回充座上充电。
可以理解的是，控制芯片可以为通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列（FPGA）、单片机、ARM（Acorn RISC Machine）或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。控制芯片还可以是任何传统处理器、控制器、微控制器或状态机。控制芯片也可以被实现为计算设备的组合，例如，DSP和微处理器的组合、多个微处理器、一个或多个微处理器结合DSP和/或任何其它这种配置，或者微控制单元（Microcontroller Unit，MCU）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）、系统级芯片（System on Chip，SoC）中的一种或多种组合。
可以理解的是，本发明实施例中的机器人10还包括存储模块，存储模块包括但不限于：Flash闪存、NAND闪存、垂直NAND闪存（VNAND）、NOR闪存、电阻随机存取存储器（RRAM）、磁阻随机存取存储器（MRAM）、铁电随机存取存储器（FRAM）、自旋转移扭矩随机存取存储器（STT-RAM）等设备中的一种或多种。
可以理解的是，在一些实施例中，根据所要完成的任务，除了以上的功能模组以外，机器人主体上还可以搭载一个或者多个其它不同的功能模组，例如，机器人主体还可以包括清水箱、污水箱、清洁剂盒、集尘盒等。机器人的对接装置可以包括清水箱的接口、污水箱的接口、清洁剂盒的接口、集尘盒的接口，或，充电极片等。
在此实施例中，基站包括回充座、供电装置、储水装置以及清洗装置等。基座、供电装置、储水装置以及清洗装置等在图中未示出。回充座用于停靠机器人，清洗装置用于清洗机器人，储水装置用于为机器人供水和/或为清洗装置供水，供电装置用于为机器人充电。
可以理解的是，回充座上设有用于将上述各装置与机器人对接的对接装置，例如，基站的对接装置可以包括供电装置的接口或充电极片等。在此实施例中，机器人的对接装置与基站的对接装置完成对接时，机器人上充电极片与基站上充电极片对接电连接，从而，基站上供电装置可以对机器人充电。
其中，需要说明的是，上述应用环境仅是为了进行示例性说明，在实际应用中，本发明下述实施例提供的回充方法和相关装置还可以进一步的拓展到其他合适的应用环境中，而不限于图1a中所示的应用环境。
在常用的回充方法中，一般基于红外信号、蓝牙以及超声波等对基站处的回充座进行通信定位，以回到回充座进行充电。然而，上述回充方法不仅增加了硬件成本，还容易受环境影响（例如遮挡、屏蔽或硬件自身损坏等），导致信号不稳定，干扰机器人对回充座的识别。此外，通过信号通信定位，误差较大，使得机器人无法准确识别回充座，识别效果较差。
针对上述问题，本发明实施例提供了一种回充方法，应用于包括激光雷达的机器人，其中，机器人对应的回充座上设置有特征靶，其中，特征靶为高反射率靶或交替设置的反射率不同的靶。高反射率靶可为反射率为92%的晶格靶或者其他高反材质的非晶格靶，低反射率靶或背景靶可为吸光的极低反材质靶，其材质无要求，只需与高反射率靶有反射率区分即可。
若高反射率靶为两块靶，各个背景靶与高反射率靶相互间的尺寸关系无要求，各个靶的宽度之间也无相互要求，具体地，其设置方式可如图1b-1e所示，其中，图1b中的各个背景靶B1、B2以及B3不等宽，各个高反射率靶C1与C2也不等宽，图1c中的各个背景靶B1、B2以及B3不等宽，左高反射率靶C1与右高反射率靶C2等宽，图1d中的背景靶只有一个中间背景靶B1，图1e中的背景靶只有一个中间背景靶B1，且左高反射率靶C1与右高反射率靶C2等宽。
若高反射率靶为三块靶，各个背景靶与高反射率靶相互间的尺寸关系无要求，各个靶的宽度之间也无相互要求，具体地，其设置方式可如图1f-1g所示，其中，图1f中的各个背景靶B1与B2不等宽，各个高反射率靶C1、C2以及C3也不等宽，图1g中左高反射率靶C1以及右高反射率靶C3等宽。
若高反射率靶为单一整块靶，其设置方式可如图1h所示，其只有一块高反射率靶C。
各个高反射率靶与背景靶可设置于靶板上，靶板设置于回充座上。为了使得后续能够更好地获取激光点云数据，可根据需要的激光点云数据的个数，激光雷达的中心距离靶板的距离预先设置每一个高反射率靶的宽度，还可根据盲区距离，实际需求中激光雷达距离靶板的最远距离以及俯仰角确定靶板的高度。
具体地，以图1c中为例，其每一高反射率靶的宽度计算方式如图2所示，通过下式计算：
（1）
其中，d为激光雷达中心距离靶板中心的距离，为背景靶的左边缘距离激光雷达中心的夹角，/>为中心角，其为左高反射率靶的左边缘距离背景靶的左边缘的夹角。
d根据实际需要而确定，其一般不大于3m，为预设常数，/>根据所需点云数据的个数、雷达转频、角分辨率以及帧率相关，例如，若激光雷达的转频为5.2Hz，帧率为2000Hz，角分辨率为0.936°，则5个点云数据对应的中心角/>≥4.680°，2个点云数据对应的中心角/>≥1.872°。又例如，若激光雷达的转频为3Hz，帧率为2000Hz，角分辨率为0.540°，则5个点云数据对应的中心角/>≥2.700°，2个点云数据对应的中心角/>≥1.080°。
为了能够获得更多的点云，可增大高反射率靶的长度，但由于受基站和场地的限制，无法做到任意长度，因此需要均衡识别效果和限制因素。
靶板的高度计算如图3所示，当俯仰角变化时，每一台雷达的俯仰角是在一定范围内随机动态变化的，θ1为俯仰角下限，θ2为俯仰角上限，远距离光斑落点高度值h2，通过下式计算高度值h2：
（2）
当俯仰角为下限θ1时，近距离光斑落点高度值h1为：
（3）
若俯仰角变化范围θ1~θ2，要想近远距离均能接收到光斑，根据图3，落点总高度范围H：
（4）
其中俯仰角下限为θ1，俯仰角下限为θ2，近距离d1可为盲区距离，远距离d2可为实际需求中的最远距离，例如，俯仰角范围为0~1.5°，远距离d2为3000mm,则可得出靶板高度为78.5mm。
在实际设置中，考虑到装配公差、光斑大小及余量，建议靶板实际高度需在理论值基础上预留合适的余量值(如余量值为8mm~15mm)。
在回充座上设置好高反射率靶与背景靶之后，机器人再执行本发明实施例提供的回充方法。该回充方法首先获取由激光雷达扫描得到的激光点云数据，根据激光点云数据与预设距离亮度曲线，确定特征点云数据，该特征点云数据为所述激光雷达扫描所述高反靶而产生的激光点云数据，最后根据特征点云数据确定目标回充点，获取目标回充点的第一距离和第一角度，并控制机器人按第一距离和第一角度移动，以使机器人移动至回充座上充电。该回充方法通过激光雷达扫描高反射率靶而产生特征点云数据，再根据特征点云数据确定目标回充点，无需新增硬件成本，并且，高反射率靶的设置可使得机器人在多角度下也能识别特征点云数据，识别效果好，使得根据特征点云数据确定的目标回充点更加精确，进而机器人能够精准识别回充座进行充电，提高回充的精确度以及回充效率。
根据上文可以理解，本发明实施例提供的回充方法可以由包括激光雷达的机器人实施，例如由机器人的控制芯片或处理器实施执行或由其它具有计算处理能力的设备实施执行等。其它具有计算处理能力的设备可以是与机器人通信连接的智能终端。
请参阅图4，图4是本发明实施例提供的回充方法的流程示意图。可以理解的是，该回充方法的执行主体可以是机器人的一个或多个处理器。
如图4所示，该方法S100具体可以包括以下步骤：
S11：获取由所述激光雷达扫描得到的激光点云数据；
S12：根据所述激光点云数据与预设距离亮度曲线，确定特征点云数据，其中，所述特征点云数据为所述激光雷达扫描高反射率靶而产生的激光点云数据；
激光点云数据中包含有激光雷达扫描高反射率靶而产生的特征点云数据，还包含有激光雷达扫描周围环境而产生的其他激光点云数据，例如扫描反射率低的背景靶，或者机器人所处环境中其他物体等而产生的其他激光点云数据。
不同反射率的靶，产生的激光点云数据中的亮度值不同。特征点云数据中的亮度值较大，因此，可根据激光点云数据与预设距离亮度曲线，确定特征点云数据。
在回充方法执行之前，可在机器人与所述回充座之间的预设距离范围内按照预设步长依次设置白靶，再获取由激光雷达扫描所述白靶得到的标定点云数据来得到预设距离亮度曲线。
具体地，如图5所示，该回充方法S100还包括：
S14：在机器人与所述回充座之间的预设距离范围内按照预设步长依次设置白靶，获取由所述激光雷达扫描所述白靶得到的标定点云数据；
其中，预设距离范围[d1,d2]根据需要而设置，例如，d1为0.6m，d2为1m。d1可以为盲区距离，d2可为实际需求中的最远距离。预设步长也可根据需要而设置，在本发明实施例中，预设步长可为0.2m到0.6m之间的任一数据。
S15：根据所述标定点云数据获取各个所述预设步长下，所述白靶的最大亮度值；
S16：根据各个所述预设步长下的所述最大亮度值与所述预设距离范围中的预设起点以及预设终点确定第一距离亮度直线；
在每个预设步长下，根据所述标定点云数据获取最大亮度值，将预设距离范围内的预设起点距离下对应的最大亮度值与预设终点距离下对应的最大亮度值做直线，得到第一距离亮度直线。第一距离亮度直线如图6所示中的直线L1所示，图6的坐标系中，横轴为距离，竖轴为亮度值。直线L1的起点横坐标为d1，竖坐标为d1距离对应的标定点云数据中最大亮度值，直线L1的终点横坐标为d2，竖坐标为d2距离对应的标定点云数据中最大亮度值。
S17：以所述预设起点为起点，以预设量程下限为终点，做所述第一距离亮度直线的延长线，得到第二距离亮度直线；
预设量程下限可为盲区距离dA，将直线L1延长至盲区点A，得到第二距离亮度直线。第二距离亮度直线如图4中的直线L2所示，盲区点A对应的距离为盲区距离dA，盲区距离内无点云数据。
S18：以所述预设终点为起点，以预设量程上限为终点，做所述第一距离亮度直线的水平直线，得到第三距离亮度直线；
预设量程上限可根据需要而设置，第三距离亮度直线如图6中直线L3所示，直线L3平行于横轴，其终点为点B，点B对应的距离为预设量程上限dB，对应的最大亮度值与d2距离下对应的最大亮度值相同。
S19：汇总所述第一距离亮度直线、所述第二距离亮度直线以及所述第三距离亮度直线，得到所述预设距离亮度直线。
若采用极简的方式以得到第一距离亮度直线，则可在1m内摆放两块不同距离的白靶，分别获取这两块白靶的最高亮度值，对这两个最高亮度值做直线连接，得到直线L1，再将直线L1延长至盲区距离得到直线L2，对两者较远最高亮度做水平直线得到直线L3。
在一些实施例中，可对直线L3采取一定的优化，针对某一量产雷达型号，即通过统计的方式对足够样本量的远端数据（距离，亮度）进行统计，且通过直线拟合预先得到直线L3的斜率K。同时以1m内远端标靶的标定数据（距离，亮度）作为直线L3上的已知点，从而更精准的确定直线L3，如图7所示。当然，也可以直接使用统计拟合得到的斜率K的直线作为直线L3并以其和1m内通过标定得到的直线的交点的值（距离，亮度）作为直线L3的起点距离参数，如图8所示，直线L3的起点对应的距离为d3。
汇总直线L1、直线L2以及直线L3得到预设距离亮度曲线。
在获得激光点云数据之后，将激光点云数据与预设距离亮度曲线进行对比，如若某点云在当前距离下的亮度值大于预设距离亮度曲线上的值，则认为该点云为特征点云。因此，将同一距离下，亮度值高于预设距离亮度曲线的激光点云数据确定为特征点云数据，该特征点云数据包含了距离和角度等信息。
S13：根据所述特征点云数据确定目标回充点，获取所述目标回充点的第一距离和第一角度，并控制所述机器人按所述第一距离和第一角度移动，以使所述机器人移动至所述回充座上充电。
特征点云数据为激光雷达扫描回充座上高反射率靶而得到的点云数据，因此，可以根据特征点云数据进行聚类分段以及将聚类分段与高反射率靶进行匹配，以确定目标回充点。
具体地，如图9所示，步骤S13包括：
S131：按照角度顺序对所述特征点云数据进行排序，并对排序后的所述特征点云数据进行聚类分段；
将特征点云数据按照角度递增或者角度递减进行排序，再对排序后的特征点云数据进行聚类分段。
具体地，首先将排序后的所述特征点云数据中的起始点作为第一个点收入当前所述聚类分段，再依次读取所述特征点云数据中的下一个点，计算读取点与当前所述聚类分段中的尾点之间的第二距离与第二角度。
若所述第二距离与所述第二角度均小于第一预设阈值，则将所述读取点收入当前所述聚类分段，作为当前所述聚类分段的尾点，否则，将所述读取点作为新的所述聚类分段的起点，继续所述依次读取所述特征点云数据中的下一个点，计算读取点与当前所述聚类分段中的尾点之间的第二距离与第二角度的步骤，直至所有所述特征点云数据遍历结束。
其中，第一预设阈值根据需要而设置，其可通过各个高反射率靶的宽度，以及对该型号雷达对特征点云的角度分布特性进行设定，在本发明实施例中，其为1。
通过上述方法可将第二距离与第二角度均小于第一预设阈值的特征点云收入同一聚类分段中，且可将每一高反射率靶对应的特征点云正确收入到对应聚类分段的集合中。
在一些实施例中，特征点云数据中会包含有误差较大的数据，或者是一些干扰数据，这些误差较大数据或干扰数据会形成干扰聚类分段，因此，为了后续能够精准识别目标回充点，会将干扰聚类分段集合数据予以整体删除。
干扰聚类分段的宽度与高反射率靶的宽度具有较大偏差，可根据该偏差而确定干扰聚类分段，并将其整体删除。具体地，根据所述聚类分段的宽度、所述高反射率靶的宽度以及第一预设阈值，滤除所述聚类分段中的干扰聚类段。若所述聚类分段的宽度与各个所述高反射率靶的宽度的差值均不在第二预设偏差范围内，则将所述聚类分段确定为所述干扰聚类段，并将所述干扰聚类段的数据整体删除。
通过上述方法，可对聚类分段进行去噪，去除不符合高反射率靶宽度的干扰聚类分段，以减小后续识别的误差。
S132：根据所述聚类分段的宽度、所述高反射率靶的宽度确定与各个所述高反射率靶对应的匹配聚类段；
由于此前已经做过干扰聚类分段的滤除，剩余的聚类分段均为满足各个高反射率靶的宽度的有效数据段。下面需将各个聚类分段与各个高反射率靶一一进行匹配，得到各个高反射率靶对应的匹配聚类段，以方便后续根据各个匹配聚类段确定目标回充点。
具体地，若所述聚类分段的宽度与所述高反射率靶的宽度的差值在第二预设偏差范围内，则将所述聚类分段作为所述高反射率靶对应的匹配聚类段。
例如，聚类分段有a段和b段，高反射率靶有第一高反射率靶和第二高反射率靶，若a段的宽度与第一高反射率靶的宽度的差值在第二预设偏差范围内，b段的宽度与第二高反射率靶的宽度的差值也在第二预设偏差范围内，则a段为第一高反射率靶的匹配聚类段，b段为第二高反射率靶的匹配聚类段。
仅仅根据宽度确定各个高反射率靶对应的匹配聚类段，并不能表征各个匹配聚类段就是与各个高反靶相对应的有效聚类段，因此，不能直接根据各个匹配聚类段确定目标回充点，还需对各个匹配聚类段的有效性进行判断，若各个匹配聚类段的中点之间的距离与各个高反靶的中点之间的距离相差在第三预设偏差范围内，则确定各个匹配聚类段为各个高反射率靶对应的有效匹配聚类段。
具体地，首先获取当前所述匹配聚类段的第一中点和下一所述高反射率靶对应的所述匹配聚类段的第二中点之间的第三距离，再获取当前所述匹配聚类分段对应的所述高反射率靶的第一中心点与下一所述高反射率靶的第二中心点之间的第四距离。
若所述第三距离与所述第四距离之间的差值在第三预设偏差范围内，则确定当前所述匹配聚类分段以及下一所述高反射率靶对应的所述匹配聚类段均为有效匹配聚类段。
若所述第三距离与所述第四距离之间的差值不在第三预设偏差范围内，则继续遍历下一所述高反射率靶对应的其他所述匹配聚类段，直至下一所述高反射率靶对应的所述匹配聚类段遍历结束。
通过上述方法，可准确获得各个高反靶对应的各个有效匹配聚类段，将各个高反靶与各个有效匹配聚类段一一对应，从而减小后续目标回充点识别的误差，使得目标回充点的识别更加精确。
S133：根据所述匹配聚类段确定所述目标回充点。
不同的高反射率靶的设置，根据匹配聚类段确定目标回充点的过程不同。
具体地，确定目标回充点的步骤如图10所示，步骤S133包括：
S1331：根据每个所述有效匹配聚类段中所述特征点云数据的角度确定第一聚类分段以及第二聚类分段，其中，第一聚类分段的角度的最小值小于或等于每个所述有效匹配聚类段的角度，所述第二聚类分段的角度的最大值大于或等于每个所述有效匹配聚类段的角度；
S1332：将所述第一聚类分段的尾点与所述第二聚类分段的起点之间连线的第三中点作为回充点；
若高反射率靶为两块靶，其设置方式如图1b-图1e所示，对于机器人来说，两块高反射率靶分别为左边靶和右边靶，激光雷达对机器人所在的环境进行360°或180°扫描，若激光雷达为顺时针扫描，则左边靶对应的有效匹配聚类段的角度的最小值小于或等于任一有效匹配聚类段的角度，右边靶对应的有效匹配聚类段的角度的最大值大于或等于任一有效匹配聚类段的角度。则需要根据左边靶对应的有效匹配聚类段的尾点，以及右边靶对应的有效匹配聚类段的起点来确定回充点。
若激光雷达为逆时针扫描，则右边靶对应的有效匹配聚类段的角度的最小值小于或等于任一有效匹配聚类段的角度，左边靶对应的有效匹配聚类段的角度的最大值大于或等于任一有效匹配聚类段的角度。则需要根据右边靶对应的有效匹配聚类段的尾点，以及左边靶对应的有效匹配聚类段的起点来确定回充点。
因此，将有效匹配聚类段分为第一聚类分段和第二聚类分段，第一聚类分段的角度的最小值小于或等于任一有效匹配聚类段的角度，第二聚类分段的角度的最大值大于或等于任一有效匹配聚类段的角度，最后根据第一聚类分段的尾点和第二聚类分段的起点之间的连线的第三中点作为回充点。第三中点的距离和角度为该回充点的方位值。
若高反射率靶为三块靶，其设置方式如图1f-1g所示，对于机器人来说，三块高反射率靶分别为左边靶、中间靶以及右边靶，则与上述实施例相同，若激光雷达为顺时针扫描，则第一聚类分段为左边靶，第二聚类分段为右边靶，若激光雷达为逆时针扫描，则第一聚类分段为右边靶，第二聚类分段为左边靶，同样可以根据第一聚类分段的尾点和第二聚类分段的起点之间的连线的第三中点作为回充点。
在一些实施例中，还可根据中间靶对应的有效匹配聚类段确定回充点。可根据各个高反射率靶的宽度确定各个高反射率靶对应的有效匹配聚类段，例如，根据中间靶的宽度，从有效匹配聚类段中区分出中间靶对应的有效匹配聚类段，将其确定为第三聚类分段。
若各个高反射率靶中有两个或三个高反射率靶的尺寸相同，则可根据角度从有效匹配聚类段中区分出中间靶对应的有效匹配聚类段，将其确定为第三聚类分段，其中，第三聚类分段中的角度的最小值大于第一聚类分段的角度的最大值，并且，第三聚类分段中的角度的最大值小于第二聚类分段的角度的最小值。
最后，确定第三聚类分段的起点和尾点之间的第四中点为回充点，第四中点的角度和距离为该回充点的方位值。
S1333：根据所述第一聚类分段的宽度、所述第二聚类分段的宽度及其对应的所述高反射率靶宽度，以及其对应的所述高反射率靶的中心的距离差值，确定所述回充点的评分值；
若找到不止一个回充点，则需根据各个回充点的评分值来确定目标回充点。具体地，首先计算所述第一聚类分段的宽度与其对应的所述高反射率靶的宽度之间的第一偏差绝对值，再计算所述第二聚类分段的宽度与其对应的所述高反射率靶的宽度之间的第二偏差绝对值，再计算所述第一聚类分段的中心与所述第二聚类分段的中心之间的第五距离，再计算所述第一聚类分段对应的所述高反射率靶的中心点与所述第二聚类分段对应的所述高反射率靶的中心点之间的第六距离，最后计算所述第五距离与所述第六距离之间的第三偏差绝对值，并根据所述第一偏差绝对值、所述第二偏差绝对值以及所述第三偏差绝对值确定所述回充点的评分值。
在一些实施例中，获取第一偏差绝对值、第二偏差绝对值以及第三偏差绝对值中的最小值，将该最小值的倒数确定为所述回充点的评分值。
在一些实施例中，将第一偏差绝对值、第二偏差绝对值以及第三偏差绝对值加权相乘得到加权偏差值，将加权偏差值的倒数乘以预设倍数得到所述回充点的评分值。
通过上述方法可获得所述回充点的评分值，且该评分值反映了该回充点与实际回充位置的偏差，评分值越大，其偏差越小，评分值越小，其偏差越大。
在一些实施例中，若高反射率靶为单一整块靶，其设置方式如图1h所示，则在确定该反射率靶对应的有效匹配聚类段之后，则可将第一聚类分段与第二聚类分段的确定过程省略，直接将该高反射率靶对应的有效匹配聚类段的起点和尾点连线的第五中点作为该单一高反射率靶的回充点，该第五中点的角度和距离作为该回充点的方位值。同时，若找到不止一个回充点，则计算该高反射率靶的宽度与其对应的有效匹配聚类段的宽度之间的第四偏差绝对值，将第四偏差绝对值的倒数作为该回充点的评分值。
S1334：根据所述回充点的评分值，确定目标回充点。
将最大的评分值对应的回充点确定为目标回充点，即选择偏差最小的回充点作为目标回充点，进一步提高了回充的准确性。
综上所述，该方法首先获取由激光雷达扫描得到的激光点云数据，根据激光点云数据与预设距离亮度曲线，确定特征点云数据，该特征点云数据为所述激光雷达扫描所述高反靶而产生的激光点云数据，最后根据特征点云数据确定目标回充点，获取目标回充点的第一距离和第一角度，并控制机器人按第一距离和第一角度移动，以使机器人移动至回充座上充电。
该回充方法通过激光雷达扫描高反射率靶而产生特征点云数据，再根据特征点云数据确定目标回充点，无需新增硬件成本，并且，高反射率靶的设置可使得机器人在多角度下也能识别特征点云数据，识别效果好，使得根据特征点云数据确定的目标回充点更加精确，进而机器人能够精准识别回充座进行充电，提高回充的精确度以及回充效率。
请参阅图11，图11是本发明实施例提供的一种回充装置的结构示意图。其中，该回充装置，应用于机器人，具体的，该回充装置应用于机器人的一个或多个处理器。
如图11所示，该回充装置200包括：获取模块201、第一确定模块202、第二确定模块203以及控制模块204。
其中，获取模块201用于获取由所述激光雷达扫描得到的激光点云数据，第一确定模块202用于根据所述激光点云数据与预设距离亮度曲线，确定特征点云数据，其中，所述特征点云数据为所述激光雷达扫描高反射率靶而产生的激光点云数据，第二确定模块203用于根据所述特征点云数据确定目标回充点，获取所述目标回充点的第一距离和第一角度，控制模块204用于控制所述机器人按所述第一距离和第一角度移动，以使所述机器人移动至所述回充座上充电。
在本发明实施例中，回充装置亦可以由硬件器件搭建成的，例如，回充装置可以由一个或两个以上的芯片搭建而成，各个芯片可以互相协调工作，以完成上述各个实施例所阐述的回充方法。再例如，回充装置还可以由各类逻辑器件搭建而成，诸如由通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、单片机、ARM（Acorn RISC Machine）或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合而搭建成。
本发明实施例中的回充装置可以为具有操作系统的装置。该操作系统可以为安卓（Android）操作系统，可以为ios操作系统，还可以为其他可能的操作系统，本发明实施例不作具体限定。
本发明实施例提供的回充装置能够实现上述回充方法所能实现的各个过程，为避免重复，这里不再赘述。
需要说明的是，上述回充装置可执行本发明实施例所提供的回充方法，具备执行方法相应的功能模块和有益效果。未在回充装置实施例中详尽描述的技术细节，可参见本发明实施例所提供的回充方法。
本发明实施例还提供了一种机器人，请参阅图12，图12是本发明实施例提供的一种机器人的硬件结构示意图。
如图12所示，该机器人300包括通信连接的至少一个处理器301、存储器302和激光雷达303（图12中以总线连接、一个处理器为例）。
其中，处理器301用于提供计算和控制能力，以控制机器人300执行相应任务，例如，控制机器人300执行上述任一方法实施例中的回充方法，该方法包括获取由激光雷达扫描得到的激光点云数据，根据激光点云数据与预设距离亮度曲线，确定特征点云数据，该特征点云数据为所述激光雷达扫描所述高反靶而产生的激光点云数据，最后根据特征点云数据确定目标回充点，获取目标回充点的第一距离和第一角度，并控制机器人按第一距离和第一角度移动，以使机器人移动至回充座上充电。
在此实施例中，机器人通过激光雷达扫描高反射率靶而产生特征点云数据，再根据特征点云数据确定目标回充点，无需新增硬件成本，并且，高反射率靶的设置可使得机器人在多角度下也能识别特征点云数据，识别效果好，使得根据特征点云数据确定的目标回充点更加精确，进而机器人能够精准识别回充座进行充电，提高回充的精确度以及回充效率。
处理器301可以是通用处理器，包括中央处理器（CentralProcessingUnit，CPU）、网络处理器（NetworkProcessor，NP）、硬件芯片或者其任意组合；还可以是数字信号处理器（DigitalSignalProcessing，DSP）、专用集成电路（ApplicationSpecificIntegratedCircuit，ASIC）、可编程逻辑器件（programmable logic device，PLD）或其组合。上述PLD可以是复杂可编程逻辑器件（complex programmable logic device，CPLD），现场可编程逻辑门阵列（field-programmable gate array，FPGA），通用阵列逻辑（generic array logic，GAL）或其任意组合。
存储器302作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态性计算机可执行程序以及模块，如本发明实施例中的回充方法对应的程序指令/模块。处理器301通过运行存储在存储器302中的非暂态软件程序、指令以及模块，可以实现上述述任一方法实施例中的回充方法，为避免重复，这里不再赘述。
具体地，存储器302可以包括易失性存储器（volatile memory，VM），例如随机存取存储器（random access memory， RAM）；存储器302也可以包括非易失性存储器（non-volatile memory，NVM），例如只读存储器（read-only memory， ROM），快闪存储器（flashmemory），硬盘（hard disk drive， HDD）或固态硬盘（solid-state drive， SSD）或其他非暂态固态存储器件；存储器302还可以包括上述种类的存储器的组合。
在本发明实施例中，存储器302还可以包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
在一些实施例中，激光雷达303包括脉冲激光雷达、连续波激光雷达等雷达。
在本发明实施例中，机器人300还可以具有有线或无线网络接口、键盘以及输入输出接口等部件，以便进行输入输出，机器人300还可以包括其他用于实现设备功能的部件，在此不做赘述。
本发明实施例还提供了一种计算机可读存储介质，例如包括程序代码的存储器，上述程序代码可由处理器执行以完成上述实施例中的回充方法。例如，该计算机可读存储介质可以是只读存储器（Read-Only Memory ,ROM）、随机存取存储器（Random AccessMemory，RAM）、只读光盘（Compact Disc Read-Only Memory，CDROM）、磁带、软盘和光数据存储设备等。
本发明实施例还提供了一种计算机程序产品，该计算机程序产品包括一条或多条程序代码，该程序代码存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质读取该程序代码，处理器执行该程序代码，以完成上述实施例中提供的回充方法的方法步骤。
需要说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施方式的描述，本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。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，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory, ROM)或随机存储记忆体(Random Access Memory, RAM)等。
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；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明，它们没有在细节中提供；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范围。

Claims (11)

1.一种回充方法，应用于包括激光雷达的机器人，所述机器人对应的回充座上设置高反射率靶或交替设置反射率不同的靶，其特征在于，所述方法包括：
获取由所述激光雷达扫描得到的激光点云数据；
根据所述激光点云数据与预设距离亮度曲线，确定特征点云数据，其中，所述特征点云数据为所述激光雷达扫描高反射率靶而产生的激光点云数据；
根据所述特征点云数据确定目标回充点，获取所述目标回充点的第一距离和第一角度，并控制所述机器人按所述第一距离和第一角度移动，以使所述机器人移动至所述回充座上充电。
2.根据权利要求1所述的方法，其特征在于，在所述获取由所述激光雷达扫描得到的激光点云数据之前，所述方法还包括：
在机器人与所述回充座之间的预设距离范围内按照预设步长依次设置白靶，获取由所述激光雷达扫描所述白靶得到的标定点云数据；
根据所述标定点云数据获取各个所述预设步长下，所述白靶的最大亮度值；
根据各个所述预设步长下的所述最大亮度值与所述预设距离范围中的预设起点以及预设终点确定第一距离亮度直线；
以所述预设起点为起点，以预设量程下限为终点，做所述第一距离亮度直线的延长线，得到第二距离亮度直线；
以所述预设终点为起点，以预设量程上限为终点，做所述第一距离亮度直线的水平直线，得到第三距离亮度直线；
汇总所述第一距离亮度直线、所述第二距离亮度直线以及所述第三距离亮度直线，得到所述预设距离亮度曲线。
3.根据权利要求1所述的方法，其特征在于，所述根据所述特征点云数据确定目标回充点，包括：
按照角度顺序对所述特征点云数据进行排序，并对排序后的所述特征点云数据进行聚类分段；
根据所述聚类分段的宽度、所述高反射率靶的宽度确定与各个所述高反射率靶对应的匹配聚类段；
根据所述匹配聚类段确定所述目标回充点。
4.根据权利要求3所述的方法，其特征在于，所述对排序后的所述特征点云数据进行聚类分段，包括：
将排序后的所述特征点云数据中的起始点作为第一个点收入当前所述聚类分段；
依次读取所述特征点云数据中的下一个点，计算读取点与当前所述聚类分段中的尾点之间的第二距离与第二角度；
若所述第二距离与所述第二角度均小于第一预设阈值，则将所述读取点收入当前所述聚类分段，作为当前所述聚类分段的尾点；
否则，将所述读取点作为新的所述聚类分段的起点，继续所述依次读取所述特征点云数据中的下一个点，计算读取点与当前所述聚类分段中的尾点之间的第二距离与第二角度的步骤，直至所有所述特征点云数据遍历结束。
5.根据权利要求3所述的方法，其特征在于，在根据所述聚类分段的宽度、所述高反射率靶的宽度确定与各个所述高反射率靶对应的匹配聚类段之前，所述方法还包括：
根据所述聚类分段的宽度、所述高反射率靶的宽度以及第一预设阈值，滤除所述聚类分段中的干扰聚类段，具体包括：
若所述聚类分段的宽度与各个所述高反射率靶的宽度的差值均不在第一预设偏差范围内，则将所述聚类分段确定为所述干扰聚类段，并将所述干扰聚类段的数据整体删除。
6.根据权利要求3所述的方法，其特征在于，所述根据所述聚类分段的宽度、所述高反射率靶的宽度确定与各个所述高反射率靶对应的匹配聚类段，包括：
若所述聚类分段的宽度与所述高反射率靶的宽度的差值在第二预设偏差范围内，则将所述聚类分段作为所述高反射率靶对应的匹配聚类段；
在所述将所述聚类分段作为所述高反射率靶对应的匹配聚类段之后，所述方法还包括：
获取当前所述匹配聚类段的第一中点和下一所述高反射率靶对应的所述匹配聚类段的第二中点之间的第三距离；
获取当前所述匹配聚类分段对应的所述高反射率靶的第一中心点与下一所述高反射率靶的第二中心点之间的第四距离；
若所述第三距离与所述第四距离之间的差值在第三预设偏差范围内，则确定当前所述匹配聚类分段以及下一所述高反射率靶对应的所述匹配聚类段均为有效匹配聚类段；
若所述第三距离与所述第四距离之间的差值不在第三预设偏差范围内，则继续遍历下一所述高反射率靶对应的其他所述匹配聚类段，直至下一所述高反射率靶对应的所述匹配聚类段遍历结束。
7.根据权利要求6所述的方法，其特征在于，若所述机器人对应的回充座上交替设置反射率不同的靶，所述根据所述匹配聚类段确定目标回充点，包括：
根据每个所述有效匹配聚类段中所述特征点云数据的角度确定第一聚类分段以及第二聚类分段，其中，第一聚类分段的角度的最小值小于或等于每个所述有效匹配聚类段的角度，所述第二聚类分段的角度的最大值大于或等于每个所述有效匹配聚类段的角度；
将所述第一聚类分段的尾点与所述第二聚类分段的起点之间连线的第三中点作为回充点；
根据所述第一聚类分段的宽度、所述第二聚类分段的宽度及其对应的所述高反射率靶宽度，以及其对应的所述高反射率靶的中心的距离差值，确定所述回充点的评分值；
根据所述回充点的评分值，确定目标回充点。
8.根据权利要求7所述的方法，其特征在于，所述根据所述第一聚类分段的宽度、所述第二聚类分段的宽度及其对应的所述高反射率靶的宽度，以及其对应的所述高反射率靶的中心的距离差值，确定所述回充点的评分值，包括：
计算所述第一聚类分段的宽度与其对应的所述高反射率靶的宽度之间的第一偏差绝对值；
计算所述第二聚类分段的宽度与其对应的所述高反射率靶的宽度之间的第二偏差绝对值；
计算所述第一聚类分段的中心与所述第二聚类分段的中心之间的第五距离；
计算所述第一聚类分段对应的所述高反射率靶的中心点与所述第二聚类分段对应的所述高反射率靶的中心点之间的第六距离；
计算所述第五距离与所述第六距离之间的第三偏差绝对值；
根据所述第一偏差绝对值、所述第二偏差绝对值以及所述第三偏差绝对值确定所述回充点的评分值。
9.根据权利要求1-8任一项所述的方法，其特征在于，所述根据所述激光点云数据与预设距离亮度曲线，确定特征点云数据，包括：
将亮度值高于所述预设距离亮度曲线的激光点云数据确定为所述特征点云数据。
10.一种机器人，其特征在于，包括：
激光雷达，
至少一个处理器，所述至少一个处理器与所述激光雷达通信连接；
与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1-9任一项所述的回充方法。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机设备执行如权利要求1-9任一项所述的回充方法。
CN202310786458.3A 2023-06-30 2023-06-30 回充方法、机器人及存储介质 Active CN116501070B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310786458.3A CN116501070B (zh) 2023-06-30 2023-06-30 回充方法、机器人及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310786458.3A CN116501070B (zh) 2023-06-30 2023-06-30 回充方法、机器人及存储介质

Publications (2)

Publication Number Publication Date
CN116501070A true CN116501070A (zh) 2023-07-28
CN116501070B CN116501070B (zh) 2023-09-19

Family

ID=87321749

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310786458.3A Active CN116501070B (zh) 2023-06-30 2023-06-30 回充方法、机器人及存储介质

Country Status (1)

Country Link
CN (1) CN116501070B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116740581A (zh) * 2023-08-16 2023-09-12 深圳市欢创科技有限公司 确定材质识别模型的方法、回到基站的方法及电子设备

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002131016A (ja) * 2000-10-27 2002-05-09 Honda Motor Co Ltd 距離測定装置、及び距離測定方法
JP2009162709A (ja) * 2008-01-10 2009-07-23 Ihi Corp 移動ロボットの監視装置および監視方法
JP2017040594A (ja) * 2015-08-20 2017-02-23 株式会社Ｚｍｐ 距離センサー及びそれを用いた搬送用ロボット
CN110000784A (zh) * 2019-04-09 2019-07-12 深圳市远弗科技有限公司 一种机器人回充定位导航方法、系统、设备及存储介质
CN110109450A (zh) * 2019-04-01 2019-08-09 深圳市女娲机器人科技有限公司 一种机器人自动回充方法、装置及终端设备
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
CN113281775A (zh) * 2021-05-26 2021-08-20 珠海市一微半导体有限公司 一种基于激光扫描信息的充电座定位方法、芯片及机器人
CN113341396A (zh) * 2021-05-28 2021-09-03 深圳市优必选科技股份有限公司 机器人及其充电桩识别方法和装置
CN113675923A (zh) * 2021-08-23 2021-11-19 追觅创新科技(苏州)有限公司 充电方法、充电装置及机器人
CN114355321A (zh) * 2022-03-18 2022-04-15 深圳市欢创科技有限公司 激光雷达的标定方法、装置、系统、激光雷达及机器人
WO2022089488A1 (zh) * 2020-10-29 2022-05-05 深圳市普渡科技有限公司 自动回充方法及系统
CN114442624A (zh) * 2022-01-21 2022-05-06 美的集团(上海)有限公司 一种机器人的回充控制方法、装置及系统
CN114895686A (zh) * 2022-05-27 2022-08-12 广州高新兴机器人有限公司 机器人对桩充电方法及系统
CN115524684A (zh) * 2022-09-13 2022-12-27 深圳市欢创科技有限公司 一种激光雷达畸变点云角度识别方法、装置及机器人
CN115587603A (zh) * 2022-09-15 2023-01-10 汤恩智能科技(上海)有限公司 机器人及其识别工作站的方法、系统、存储介质、工作站
WO2023279225A1 (zh) * 2021-07-05 2023-01-12 深圳市速腾聚创科技有限公司 激光雷达的点云处理方法、装置、存储介质及终端设备
CN116195934A (zh) * 2023-02-27 2023-06-02 九阳股份有限公司 一种清洁机器人返回基站的方法

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002131016A (ja) * 2000-10-27 2002-05-09 Honda Motor Co Ltd 距離測定装置、及び距離測定方法
JP2009162709A (ja) * 2008-01-10 2009-07-23 Ihi Corp 移動ロボットの監視装置および監視方法
JP2017040594A (ja) * 2015-08-20 2017-02-23 株式会社Ｚｍｐ 距離センサー及びそれを用いた搬送用ロボット
CN110109450A (zh) * 2019-04-01 2019-08-09 深圳市女娲机器人科技有限公司 一种机器人自动回充方法、装置及终端设备
CN110000784A (zh) * 2019-04-09 2019-07-12 深圳市远弗科技有限公司 一种机器人回充定位导航方法、系统、设备及存储介质
WO2022089488A1 (zh) * 2020-10-29 2022-05-05 深圳市普渡科技有限公司 自动回充方法及系统
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
CN113281775A (zh) * 2021-05-26 2021-08-20 珠海市一微半导体有限公司 一种基于激光扫描信息的充电座定位方法、芯片及机器人
CN113341396A (zh) * 2021-05-28 2021-09-03 深圳市优必选科技股份有限公司 机器人及其充电桩识别方法和装置
WO2023279225A1 (zh) * 2021-07-05 2023-01-12 深圳市速腾聚创科技有限公司 激光雷达的点云处理方法、装置、存储介质及终端设备
CN113675923A (zh) * 2021-08-23 2021-11-19 追觅创新科技(苏州)有限公司 充电方法、充电装置及机器人
CN114442624A (zh) * 2022-01-21 2022-05-06 美的集团(上海)有限公司 一种机器人的回充控制方法、装置及系统
CN114355321A (zh) * 2022-03-18 2022-04-15 深圳市欢创科技有限公司 激光雷达的标定方法、装置、系统、激光雷达及机器人
CN114895686A (zh) * 2022-05-27 2022-08-12 广州高新兴机器人有限公司 机器人对桩充电方法及系统
CN115524684A (zh) * 2022-09-13 2022-12-27 深圳市欢创科技有限公司 一种激光雷达畸变点云角度识别方法、装置及机器人
CN115587603A (zh) * 2022-09-15 2023-01-10 汤恩智能科技(上海)有限公司 机器人及其识别工作站的方法、系统、存储介质、工作站
CN116195934A (zh) * 2023-02-27 2023-06-02 九阳股份有限公司 一种清洁机器人返回基站的方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116740581A (zh) * 2023-08-16 2023-09-12 深圳市欢创科技有限公司 确定材质识别模型的方法、回到基站的方法及电子设备
CN116740581B (zh) * 2023-08-16 2023-10-27 深圳市欢创科技有限公司 确定材质识别模型的方法、回到基站的方法及电子设备

Also Published As

Publication number Publication date
CN116501070B (zh) 2023-09-19

Similar Documents

Publication Publication Date Title
CN116501070B (zh) 回充方法、机器人及存储介质
CN110622085A (zh) 移动机器人及其控制方法和控制系统
CN110554700A (zh) 一种关于移动机器人的房间与门的识别方法
CN110794831B (zh) 一种控制机器人工作的方法及机器人
CN110680253A (zh) 一种机器人沿边清洁的方法及机器人
CN109674404B (zh) 一种基于free move技术的扫地机器人避障处理方式
US11422567B2 (en) Robot recharging localization method and robot using the same
CN112513679A (zh) 一种目标识别的方法和装置
CN112034837A (zh) 确定移动机器人工作环境的方法、控制系统及存储介质
CN115656984A (zh) Tof点云的处理方法、点云优化方法、激光雷达及机器人
CN111609853A (zh) 三维地图构建方法、扫地机器人及电子设备
CN114431771B (zh) 一种扫地机器人清扫方法及相关装置
EP4286892A1 (en) Window occlusion detection method and apparatus
CN114820657A (zh) 地面点云分割方法、系统、地面建模方法及介质
WO2024008016A1 (zh) 作业地图构建方法、装置、割草机器人以及存储介质
WO2024099113A1 (zh) 机器人的限速方法、装置及电子设备
CN117169848A (zh) 过滤玻璃噪点的方法、激光雷达及机器人
CN117289300A (zh) 点云矫正方法、激光雷达及机器人
CN111958610A (zh) 一种机器人沿边清洁的方法、装置、机器人及存储介质
CN115032618B (zh) 应用于激光雷达的盲区修复方法、装置及激光雷达
CN116872194A (zh) 一种机器人控制方法、装置、可读存储介质及机器人
CN113741447B (zh) 机器人充电对桩方法、装置、终端设备及存储介质
CN114529539A (zh) 无人设备路面障碍检测方法、装置、无人设备及存储介质
WO2021065371A1 (ja) 処理装置及び点群削減方法
CN114660583A (zh) 一种机器人及其重定位方法、装置和介质

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
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 518000, Floor 1801, Block C, Minzhi Stock Commercial Center, North Station Community, Minzhi Street, Longhua District, Shenzhen City, Guangdong Province

Patentee after: Shenzhen Huanchuang Technology Co.,Ltd.

Address before: 518000, Floor 1801, Block C, Minzhi Stock Commercial Center, North Station Community, Minzhi Street, Longhua District, Shenzhen City, Guangdong Province

Patentee before: SHENZHEN CAMSENSE TECHNOLOGIES Co.,Ltd.