CN109141454A - 一种充电机器人及存储介质 - Google Patents
一种充电机器人及存储介质 Download PDFInfo
- Publication number
- CN109141454A CN109141454A CN201810927707.5A CN201810927707A CN109141454A CN 109141454 A CN109141454 A CN 109141454A CN 201810927707 A CN201810927707 A CN 201810927707A CN 109141454 A CN109141454 A CN 109141454A
- Authority
- CN
- China
- Prior art keywords
- patrol
- charged
- robot
- patrol robot
- charging
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提供了一种充电机器人及存储介质,其中,该充电机器人包括存储器和处理器,存储器用于存储可执行程序代码和数据,处理器用于调用存储器存储的可执行程序代码执行以下步骤:获取待充电巡逻机器人当前所处的位置的位置信息以及所述巡逻机器人当前的巡逻规划;基于所述位置信息和所述巡逻规划,使用充电路径生成算法生成充电路径;基于所述充电路径找到所述巡逻机器人,并对所述巡逻机器人进行充电。使用本发明,以提高巡逻机器人的充电效率,提高巡逻机器人巡逻的安全性。
Description
技术领域
本发明涉及人工智能,具体涉及一种充电机器人及存储介质。
背景技术
随着机器人的应用需求不断增加,人工智能相关技术不断进步,硬件性能的增长,服务机器人近年来开始从实验室走向工厂,并从单一功能向多功能的个人机器人发展。提到机器人,一个最近经常提及的词是人工智能。人工智能是用计算机来实现类似于人的智能行为的一门学科。机器人本身即是人工智能的一个终极应用目标之一。
传统的人工智能作为一门学科,起源于20世纪50年代的达特茅斯会议,后来经过几次大起大落,在基础理论和方法上积累了丰富的成果。从早期的符号计算***,到专家***,再到90年代发展起来的机器学习,大数据分析,都可以算是人工智能的范畴。在图像、语音、搜索、数据挖掘、社会计算等领域,又派生出了一些相关的应用研究。其中与机器人联系较为紧密的包括计算机视觉,语音和自然语言处理,还有智能体(Agent)等。
根据以往机器人领域的研究进展和对应用的初步分析可以认为如下的感知、认知技术,将是实现应用的关键。
1、三维导航定位技术。不管什么机器人,只要可移动,即需要在家庭或其他环境中进行导航定位。其中SLAM(Simultaneous Localization and Ming)技术可同时进行定位和建图,在学术研究方面已经有不少技术积累。但对于实际***,由于实时性低成本(比如无法采用比较昂贵的雷达设备)的要求和家庭环境的动态变化(物品的摆放),因而对导航定位技术提出了更高要求,仍需进一步研发。
2、视觉感知技术。其中包含人脸识别、手势识别、物体识别和情绪识别等相关技术。视觉感知技术,是机器人和人交互的一个非常重要的技术。
3、语言交互技术。其中包含语音识别、语音生成、自然语言理解和智能对话***等。
4、文字识别技术。生活中有不少文字信息,如书报和物体的标签信息,这也要求机器人能够通过摄像头来进行文字识别。与传统的扫描后识别文字相比,其可通过摄像头来进行文字的识别。
5、认知技术。机器人需要逐步实现规划、推理、记忆、学习和预测等认知功能,从而变得更加智能。
从目前的研究现状看,服务机器人面对的关键技术均有了长足进步,但还有相当多的问题要解决。
其中,一种机器人的应用场景是让机器人在特定区域内进行巡逻。现有的一种机器人巡逻的方式是预先设定好机器人的巡逻路线,机器人按照该预先设置好的巡逻路线进行巡逻。
该方法虽然能够让机器人实现巡逻的功能,但是由于路线是预先设定好的,很容易被不法分子钻空子,安全性得不到保障。
发明内容
本发明实施例提供了一种对巡逻机器人进行充电的方法及机器人、存储介质,用于对巡逻机器人进行充电,从而可以提高巡逻机器人的充电效率,提高巡逻机器人巡逻的安全性。
本发明实施例的目的是通过以下技术方案实现的:
一种对巡逻机器人进行充电的方法,包括:
获取待充电巡逻机器人当前所处的位置的位置信息以及所述巡逻机器人当前的巡逻规划;
基于所述位置信息和所述巡逻规划,使用充电路径生成算法生成充电路径;
基于所述充电路径找到所述巡逻机器人,并对所述巡逻机器人进行充电。
可选的,所述获取待充电巡逻机器人当前所处的位置的位置信息以及所述巡逻机器人当前的巡逻规划前,所述方法还包括:
确定所述待充电巡逻机器人。
可选的,所述确定所述待充电巡逻机器人包括:
向所有巡逻机器人发送电量查询请求,并接收巡逻机器人发送的电量信息,基于所述电量信息确定所述待充电巡逻机器人;或
接收所述待充电巡逻机器人在电量低于预设充电电量时主动发送的电量信息,并基于所述电量信息确定所述待充电巡逻机器人。
可选的,所述待充电巡逻机器人的数量为至少两个,所述基于所述位置信息和所述巡逻规划,使用充电路径生成算法生成充电路径前,所述方法还包括:
判断是否可以为所述至少两个待充电巡逻机器人进行充电;
如果不能为所述至少两个待充电巡逻机器人进行充电,从所述至少两个待充电巡逻机器人中选择满足预设条件的待充电巡逻机器人;
所述基于所述位置信息和所述巡逻规划,使用充电路径生成算法生成充电路径包括:
基于所述满足预设条件的待充电巡逻机器人的位置信息和巡逻规划,使用充电路径生成算法生成针对所述满足预设条件的待充电巡逻机器人的充电路径。
可选的,如果不能为所述至少两个待充电巡逻机器人进行充电,所述方法还包括:
指示其他充电机器人对所述至少两个待充电机器人中不满足所述预设条件的待充电巡逻机器人进行充电。
一种充电机器人,包括:
获取单元,用于获取待充电巡逻机器人当前所处的位置的位置信息以及所述巡逻机器人当前的巡逻规划;
生成单元,用于基于所述位置信息和所述巡逻规划,使用充电路径生成算法生成充电路径;
充电单元,用于基于所述充电路径找到所述巡逻机器人,并对所述巡逻机器人进行充电。
可选的,所述充电机器人还包括:
确定单元,用于在所述获取单元获取待充电巡逻机器人当前所处的位置的位置信息以及所述巡逻机器人当前的巡逻规划之前,确定所述待充电巡逻机器人。
可选的,所述确定单元具体用于:
向所有巡逻机器人发送电量查询请求,并接收巡逻机器人发送的电量信息,基于所述电量信息确定所述待充电巡逻机器人;或
接收所述待充电巡逻机器人在电量低于预设充电电量时主动发送的电量信息,并基于所述电量信息确定所述待充电巡逻机器人。
可选的,所述待充电巡逻机器人的数量为至少两个,所述充电机器人还包括:
判断单元,用于判断是否可以为所述至少两个待充电巡逻机器人进行充电;
选择单元,用于在所述判断单元判断不能为所述至少两个待充电巡逻机器人进行充电时,从所述至少两个待充电巡逻机器人中选择满足预设条件的待充电巡逻机器人;
所述生成单元,具体用于:
基于所述满足预设条件的待充电巡逻机器人的位置信息和巡逻规划,使用充电路径生成算法生成针对所述满足预设条件的待充电巡逻机器人的充电路径。
可选的,所述充电机器人还包括:
指示单元,用于在所述判断单元判断不能为所述至少两个待充电巡逻机器人进行充电时,指示其他充电机器人对所述至少两个待充电机器人中不满足所述预设条件的待充电巡逻机器人进行充电。
一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取待充电巡逻机器人当前所处的位置的位置信息以及所述巡逻机器人当前的巡逻规划;
基于所述位置信息和所述巡逻规划,使用所述存储介质存储的充电路径生成算法生成充电路径;
基于所述充电路径找到所述巡逻机器人,并对所述巡逻机器人进行充电。
可选的,所述处理器获取待充电巡逻机器人当前所处的位置的位置信息以及所述巡逻机器人当前的巡逻规划前,所述计算机程序被所述处理器执行时还实现以下步骤:
确定所述待充电巡逻机器人。
可选的,所述处理器确定所述待充电巡逻机器人的方式包括:
向所有巡逻机器人发送电量查询请求,并接收巡逻机器人发送的电量信息,基于所述电量信息确定所述待充电巡逻机器人;或
接收所述待充电巡逻机器人在电量低于预设充电电量时主动发送的电量信息,并基于所述电量信息确定所述待充电巡逻机器人。
可选的,所述待充电巡逻机器人的数量为至少两个,所述处理器基于所述位置信息和所述巡逻规划,使用所述存储介质存储的充电路径生成算法生成充电路径前,所述计算机程序被所述处理器执行时还实现以下步骤:
判断是否可以为所述至少两个待充电巡逻机器人进行充电;
如果不能为所述至少两个待充电巡逻机器人进行充电,从所述至少两个待充电巡逻机器人中选择满足预设条件的待充电巡逻机器人;
所述处理器基于所述位置信息和所述巡逻规划,使用所述存储介质存储的充电路径生成算法生成充电路径的方式包括:
基于所述满足预设条件的待充电巡逻机器人的位置信息和巡逻规划,使用所述存储介质存储的充电路径生成算法生成针对所述满足预设条件的待充电巡逻机器人的充电路径。
可选的,如果不能为所述至少两个待充电巡逻机器人进行充电,所述计算机程序被所述处理器执行时还实现以下步骤:
指示其他充电机器人对所述至少两个待充电机器人中不满足所述预设条件的待充电巡逻机器人进行充电。
一种充电机器人,包括:存储器和处理器,其中,所述存储器用于存储可执行程序代码和数据,所述处理器用于调用所述存储器存储的可执行程序代码,执行以下步骤:
获取待充电巡逻机器人当前所处的位置的位置信息以及所述巡逻机器人当前的巡逻规划;
基于所述位置信息和所述巡逻规划,使用所述存储器存储的充电路径生成算法生成充电路径;
基于所述充电路径找到所述巡逻机器人,并对所述巡逻机器人进行充电。
可选的,所述处理器获取待充电巡逻机器人当前所处的位置的位置信息以及所述巡逻机器人当前的巡逻规划之前,所述处理器还用于调用所述存储器存储的可执行程序代码,执行以下步骤:
确定所述待充电巡逻机器人。
可选的,所述充电机器人还包括通信装置,所述处理器确定所述待充电巡逻机器人的方式包括:
控制所述通信装置向所有巡逻机器人发送电量查询请求,并接收巡逻机器人发送的电量信息,基于所述电量信息确定所述待充电巡逻机器人;或
控制所述通信装置接收所述待充电巡逻机器人在电量低于预设充电电量时主动发送的电量信息,并基于所述电量信息确定所述待充电巡逻机器人。
可选的,所述待充电巡逻机器人的数量为至少两个,所述处理器还用于调用所述存储器存储的可执行程序代码,执行以下步骤:
判断是否可以为所述至少两个待充电巡逻机器人进行充电;
在判断出不能为所述至少两个待充电巡逻机器人进行充电时,从所述至少两个待充电巡逻机器人中选择满足预设条件的待充电巡逻机器人;
其中,所述处理器基于所述位置信息和所述巡逻规划,使用所述存储器存储的充电路径生成算法生成充电路径的方式包括:
基于所述满足预设条件的待充电巡逻机器人的位置信息和巡逻规划,使用所述存储器存储的充电路径生成算法生成针对所述满足预设条件的待充电巡逻机器人的充电路径。
可选的,所述处理器还用于调用所述存储器存储的可执行程序代码,执行以下步骤:
在判断出不能为所述至少两个待充电巡逻机器人进行充电时,指示其他充电机器人对所述至少两个待充电机器人中不满足所述预设条件的待充电巡逻机器人进行充电。
从上可知,使用本实施例提供的充电机器人,可以基于待充电巡逻机器人的位置信息和巡逻规划,使用充电路径生成算法生成充电路径,从而根据该充电路径对待充电巡逻机器人进行充电,能够不影响待充电巡逻机器人的巡逻规划的情况下对待充电巡逻机器人进行充电,从而可以提高巡逻机器人的充电效率,提高巡逻机器人巡逻的安全性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一个实施例提供的对巡逻机器人进行充电的方法的流程图;
图2为本发明一个实施例提供的充电机器人的结构图;
图3为本发明另一个实施例提供的充电机器人的结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
先介绍本发明实施例提供的对巡逻机器人进行充电的方法,图1描述了本发明一个实施例提供的对巡逻机器人进行充电的方法的流程,该方法可以由充电机器人执行。如图1所示,该方法可以包括:
101、获取待充电巡逻机器人当前所处的位置的位置信息以及所述巡逻机器人当前的巡逻规划。
其中,待充电巡逻机器人当前所处的位置可以由所述带巡逻机器人获取后发送给充电机器人,也可以由所述带巡逻机器人获取后发送给服务器,再由服务器发送给所述充电机器人。
所述待充电巡逻机器人的巡逻规划可以由所述带巡逻机器人获取后发送给充电机器人,也可以由服务器发送给所述充电机器人。所述的巡逻规划包括了所述待充电巡逻机器人的巡逻路径和/或巡逻时间。
其中,根据所述待充电巡逻机器人当前所处的位置的不同,所述待充电巡逻机器人获取当前所处的位置的位置信息的方式会有不同。
例如,在当前所处的位置为室外区域时,可以使用卫星定位***获取所述机器人当前所处的位置,所述的卫星定位***可以是全球定位***(GPS:Global PositioningSystem),北斗卫星定位***,GLONASS卫星定位***,和/或伽利略卫星导航***。
例如,在当前所处的位置为室内区域时,由于卫星定位***不能定位,因此可以使用室内定位技术,例如可以使用WiFi室内定位技术,UWB室内定位技术,蓝牙室内定位技术,红外线室内定位技术,RFID室内定位技术,和超声波室内定位技术等等。
可以理解的是,即便当前所处的位置为室外区域,也可以使用上述室内定位技术进行定位。
在一种实施方式中,步骤101之前还可以包括:确定所述待充电巡逻机器人。具体地,所述确定所述待充电巡逻机器人可以采用如下方式进行:
向所有巡逻机器人发送电量查询请求,并接收巡逻机器人发送的电量信息,基于所述电量信息确定所述待充电巡逻机器人;也就是说充电机器人主动地查询巡逻机器人的电量情况,从而对需要进行充电的待充电巡逻机器人进行充电;或者,
接收所述待充电巡逻机器人在电量低于预设充电电量时主动发送的电量信息,并基于所述电量信息确定所述待充电巡逻机器人;也就是说待充电巡逻机器人主动地向充电机器人发送充电请求,相当于充电机器人被动地接收待充电巡逻机器人的请求,然后对待充电巡逻机器人进行充电。
102、基于所述位置信息和所述巡逻规划,使用充电路径生成算法生成充电路径。
在知道了所述待充电巡逻机器人当前位置以及巡逻规划后,就可以知道所述待充电巡逻机器人的后续巡逻路径,因此可以基于充电路径生成算法生成充电路径,通过该充电路径就可以让充电机器人直接找到所述待充电巡逻机器人,从而对所述待充电巡逻机器人进行充电。
其中,在所述待充电巡逻机器人的数量是一个时,所述充电路径可以仅包括所述一个待充电巡逻机器人的相关信息,因此充电机器人可以直接通过该充电路径查找到所述待充电巡逻机器人,从而对所述待充电巡逻机器人进行充电。
在所述待充电巡逻机器人的数量是至少两个时,所述充电路径需要包括所述至少两个待充电巡逻机器人的相关信息,例如,包括所述至少两个待充电巡逻机器人的充电顺序,以及所述至少两个待充电机器人各自的充电数量,其中,由于充电效率的问题,可能并不能够在充满一个待充电巡逻机器人的电量后再去充另一个待充电巡逻机器人的电量,因此一种可能的方式是,先对其中的一个待充电机器人充一部分的电,保障该充电机器人能够继续巡逻一段时间,在这段巡逻时间之内去对其他的待充电巡逻机器人进行充电,然后在该巡逻时间届满之前再回来对该待充电巡逻机器人进行充电,从而确保待充电巡逻机器人的巡逻不会中断。
例如,在一个实施例中,待充电的巡逻机器人的数量为3个,分别是A,B和C,则所述充电路径可以是:A(20%)→B(30%)→C(20%)→B(50%)→C(40%)→A(40%)→C(70%)→A(60%)→B(80%)→A(80%)→C(100%)→A(100%)→B(100%),其中括号中的百分数是指的将待充电巡逻机器人的电量充至满电量的百分比。其中,并不是按照A→B→C的顺序对所述三个待充电巡逻机器人进行充电的原因是所述三个待充电巡逻机器人一直在巡逻,也就是说一直在移动中,因此充电机器人在生成充电路径时,需要考虑待充电巡逻机器人之间的距离以及充电之后的距离,从而确保充电过程中充电机器人在待充电巡逻机器人之间的移动距离尽可能短,从而能够提高充电效率。
其中,所述的充电路径生成算法可以是预先训练好的,该算法具体可以是一种数学模型,例如可以是卷积神经网络(CNN:Convolutional Neural Network,)模型,或循环神经网络(RNN:Recurrent Neural Networks)模型,或者也可以是深度神经网络(DNN:DeepNeural Networks)模型。
在一种实施方式中,一个充电机器人可能并不能完成对所有待充电巡逻机器人的充电,因此在所述待充电巡逻机器人的数量为至少两个时,所述基于所述位置信息和所述巡逻规划,使用充电路径生成算法生成充电路径前,所述方法还可以包括:
判断是否可以为所述至少两个待充电巡逻机器人进行充电;其中,具体可以通过待充电巡逻机器人的数量,以及至少两个待充电巡逻机器人之间的距离,以及各个待充电巡逻机器人剩余的电量来判断是否可以完成对所述至少两个待充电巡逻机器人的充电。
如果不能为所述至少两个待充电巡逻机器人进行充电,从所述至少两个待充电巡逻机器人中选择满足预设条件的待充电巡逻机器人;
相应地,所述基于所述位置信息和所述巡逻规划,使用充电路径生成算法生成充电路径具体为:
基于所述满足预设条件的待充电巡逻机器人的位置信息和巡逻规划,使用充电路径生成算法生成针对所述满足预设条件的待充电巡逻机器人的充电路径。
其中,在不能为所述至少两个待充电巡逻机器人进行充电时,为了确保所述至少两个待充电机器人中不满足所述预设条件的待充电巡逻机器人的巡逻不会中断,所述方法还可以包括:
指示其他充电机器人对所述至少两个待充电机器人中不满足所述预设条件的待充电巡逻机器人进行充电。
103、基于所述充电路径找到所述巡逻机器人,并对所述巡逻机器人进行充电。
从上可知,使用本实施例提供的对巡逻机器人进行充电的方法,可以基于待充电巡逻机器人的位置信息和巡逻规划,使用充电路径生成算法生成充电路径,从而根据该充电路径对待充电巡逻机器人进行充电,能够不影响待充电巡逻机器人的巡逻规划的情况下对待充电巡逻机器人进行充电,从而可以提高巡逻机器人的充电效率,提高巡逻机器人巡逻的安全性。
在本发明的一种实施方式中,所述的充电路径生成算法部署在神经网络中,神经网络可以由多个神经元组成。在所述神经网络中,所述的充电路径生成算法可以表示成如下所述的计算式:
q=f(Ap+Bw)=f(Ap1∩Ap2∩Ap3+Bw1∩Bw2∩Bw3)
其中,q表示生成的充电路径,p表示待充电巡逻机器人的位置,w表示待充电巡逻机器人的巡逻规划,p1、p2和p3分别表示三个待充电巡逻机器人的位置信息,w1、w2和w3分别表示所述三个待充电巡逻机器人的巡逻规划,f()表示的是神经元对应的激活函数,A和B是激活函数对应的模块参数。在一种实施方式中,激活函数f()具体可以是sigmoid函数,即f()可以表示成如下的形式:
其中,激活函数f()的模块参数是预先训练好的,在一种实施方式中模块参数A、B和C具体可以通过如下训练函数训练获得:
其中,M是训练函数的参数,N是训练集合中训练对的数量,qn是训练集合中的充电路径,pn是训练集合中待充电巡逻机器人的位置,wn是训练集合中待充电巡逻机器人的巡逻规划。
图2描述了本发明一个实施例提供的一种充电机器人的结构,其中,该充电机器人可以用于实现前述实施例提供的对巡逻机器人进行充电的方法。如图2所示,该充电机器人可以包括:
获取单元201,用于获取待充电巡逻机器人当前所处的位置的位置信息以及所述巡逻机器人当前的巡逻规划。
其中,待充电巡逻机器人当前所处的位置可以由所述带巡逻机器人获取后发送给充电机器人,也可以由所述带巡逻机器人获取后发送给服务器,再由服务器发送给所述充电机器人。
所述待充电巡逻机器人的巡逻规划可以由所述带巡逻机器人获取后发送给充电机器人,也可以由服务器发送给所述充电机器人。所述的巡逻规划包括了所述待充电巡逻机器人的巡逻路径和/或巡逻时间。
其中,根据所述待充电巡逻机器人当前所处的位置的不同,所述待充电巡逻机器人获取当前所处的位置的位置信息的方式会有不同。
例如,在当前所处的位置为室外区域时,可以使用卫星定位***获取所述机器人当前所处的位置,所述的卫星定位***可以是全球定位***(GPS:Global PositioningSystem),北斗卫星定位***,GLONASS卫星定位***,和/或伽利略卫星导航***。
例如,在当前所处的位置为室内区域时,由于卫星定位***不能定位,因此可以使用室内定位技术,例如可以使用WiFi室内定位技术,UWB室内定位技术,蓝牙室内定位技术,红外线室内定位技术,RFID室内定位技术,和超声波室内定位技术等等。
可以理解的是,即便当前所处的位置为室外区域,也可以使用上述室内定位技术进行定位。
生成单元202,用于基于所述位置信息和所述巡逻规划,使用充电路径生成算法生成充电路径。
在知道了所述待充电巡逻机器人当前位置以及巡逻规划后,就可以知道所述待充电巡逻机器人的后续巡逻路径,因此可以基于充电路径生成算法生成充电路径,通过该充电路径就可以让充电机器人直接找到所述待充电巡逻机器人,从而对所述待充电巡逻机器人进行充电。
其中,在所述待充电巡逻机器人的数量是一个时,所述充电路径可以仅包括所述一个待充电巡逻机器人的相关信息,因此充电机器人可以直接通过该充电路径查找到所述待充电巡逻机器人,从而对所述待充电巡逻机器人进行充电。
在所述待充电巡逻机器人的数量是至少两个时,所述充电路径需要包括所述至少两个待充电巡逻机器人的相关信息,例如,包括所述至少两个待充电巡逻机器人的充电顺序,以及所述至少两个待充电机器人各自的充电数量,其中,由于充电效率的问题,可能并不能够在充满一个待充电巡逻机器人的电量后再去充另一个待充电巡逻机器人的电量,因此一种可能的方式是,先对其中的一个待充电机器人充一部分的电,保障该充电机器人能够继续巡逻一段时间,在这段巡逻时间之内去对其他的待充电巡逻机器人进行充电,然后在该巡逻时间届满之前再回来对该待充电巡逻机器人进行充电,从而确保待充电巡逻机器人的巡逻不会中断。
例如,在一个实施例中,待充电的巡逻机器人的数量为3个,分别是A,B和C,则所述充电路径可以是:A(20%)→B(30%)→C(20%)→B(50%)→C(40%)→A(40%)→C(70%)→A(60%)→B(80%)→A(80%)→C(100%)→A(100%)→B(100%),其中括号中的百分数是指的将待充电巡逻机器人的电量充至满电量的百分比。其中,并不是按照A→B→C的顺序对所述三个待充电巡逻机器人进行充电的原因是所述三个待充电巡逻机器人一直在巡逻,也就是说一直在移动中,因此充电机器人在生成充电路径时,需要考虑待充电巡逻机器人之间的距离以及充电之后的距离,从而确保充电过程中充电机器人在待充电巡逻机器人之间的移动距离尽可能短,从而能够提高充电效率。
其中,所述的充电路径生成算法可以是预先训练好的,该算法具体可以是一种数学模型,例如可以是卷积神经网络(CNN:Convolutional Neural Network,)模型,或循环神经网络(RNN:Recurrent Neural Networks)模型,或者也可以是深度神经网络(DNN:DeepNeural Networks)模型。
在一种实施方式中,一个充电机器人可能并不能完成对所有待充电巡逻机器人的充电,因此在所述待充电巡逻机器人的数量为至少两个时,所述基于所述位置信息和所述巡逻规划,使用充电路径生成算法生成充电路径前,所述方法还可以包括:
判断是否可以为所述至少两个待充电巡逻机器人进行充电;其中,具体可以通过待充电巡逻机器人的数量,以及至少两个待充电巡逻机器人之间的距离,以及各个待充电巡逻机器人剩余的电量来判断是否可以完成对所述至少两个待充电巡逻机器人的充电。
如果不能为所述至少两个待充电巡逻机器人进行充电,从所述至少两个待充电巡逻机器人中选择满足预设条件的待充电巡逻机器人;
相应地,所述基于所述位置信息和所述巡逻规划,使用充电路径生成算法生成充电路径具体为:
基于所述满足预设条件的待充电巡逻机器人的位置信息和巡逻规划,使用充电路径生成算法生成针对所述满足预设条件的待充电巡逻机器人的充电路径。
其中,在不能为所述至少两个待充电巡逻机器人进行充电时,为了确保所述至少两个待充电机器人中不满足所述预设条件的待充电巡逻机器人的巡逻不会中断,所述方法还可以包括:
指示其他充电机器人对所述至少两个待充电机器人中不满足所述预设条件的待充电巡逻机器人进行充电。
充电单元203,用于基于所述充电路径找到所述巡逻机器人,并对所述巡逻机器人进行充电。
从上可知,使用本实施例提供的充电机器人,可以基于待充电巡逻机器人的位置信息和巡逻规划,使用充电路径生成算法生成充电路径,从而根据该充电路径对待充电巡逻机器人进行充电,能够不影响待充电巡逻机器人的巡逻规划的情况下对待充电巡逻机器人进行充电,从而可以提高巡逻机器人的充电效率,提高巡逻机器人巡逻的安全性。
在一个实施例中,所述充电机器人还可以包括:
确定单元,用于在获取单元201获取待充电巡逻机器人当前所处的位置的位置信息以及所述巡逻机器人当前的巡逻规划之前,确定所述待充电巡逻机器人。
在一个实施例中,所述确定单元可以具体用于:
向所有巡逻机器人发送电量查询请求,并接收巡逻机器人发送的电量信息,基于所述电量信息确定所述待充电巡逻机器人;也就是说充电机器人主动地查询巡逻机器人的电量情况,从而对需要进行充电的待充电巡逻机器人进行充电;或
接收所述待充电巡逻机器人在电量低于预设充电电量时主动发送的电量信息,并基于所述电量信息确定所述待充电巡逻机器人;也就是说待充电巡逻机器人主动地向充电机器人发送充电请求,相当于充电机器人被动地接收待充电巡逻机器人的请求,然后对待充电巡逻机器人进行充电。
在一个实施例中,所述待充电巡逻机器人的数量为至少两个,所述充电机器人还可以包括:
判断单元,用于判断是否可以为所述至少两个待充电巡逻机器人进行充电;
选择单元,用于在所述判断单元判断不能为所述至少两个待充电巡逻机器人进行充电时,从所述至少两个待充电巡逻机器人中选择满足预设条件的待充电巡逻机器人;
此时,所述生成单元202,可以具体用于:
基于所述满足预设条件的待充电巡逻机器人的位置信息和巡逻规划,使用充电路径生成算法生成针对所述满足预设条件的待充电巡逻机器人的充电路径。
在一个实施例中,所述充电机器人还可以包括:
指示单元,用于在所述判断单元判断不能为所述至少两个待充电巡逻机器人进行充电时,指示其他充电机器人对所述至少两个待充电机器人中不满足所述预设条件的待充电巡逻机器人进行充电。
本发明实施例还提供了一种充电机器人,可以用于执行前述实施例提供的对巡逻机器人进行充电的方法。如图3所示,该充电机器人至少可以包括:存储器10和至少一个处理器20,例如CPU(Central Processing Unit,中央处理器),其中,存储器10和处理器20可以通过总线进行通信连接。本领域技术人员可以理解,图3中示出的充电机器人的结构并不构成对本发明实施例的限定,它既可以是总线形结构,也可以是星型结构,还可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
其中,存储器10可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器10可选的还可以是至少一个位于远离前述处理器20的存储装置。存储器10可以用于存储可执行程序代码和数据,本发明实施例不作限定。
在图3所示的充电机器人中,处理器20可以用于调用存储器10存储的可执行程序代码,执行以下步骤:
获取待充电巡逻机器人当前所处的位置的位置信息以及该巡逻机器人当前的巡逻规划;
基于该位置信息和该巡逻规划,使用存储器10存储的充电路径生成算法生成充电路径;
基于该充电路径找到该巡逻机器人,并对该巡逻机器人进行充电。
可选的,处理器20获取待充电巡逻机器人当前所处的位置的位置信息以及该巡逻机器人当前的巡逻规划之前,处理器20还可以用于调用存储器10存储的可执行程序代码,执行以下步骤:
确定待充电巡逻机器人。
可选的,该充电机器人还可以包括通信装置(图中未示出),处理器20确定待充电巡逻机器人的方式可以包括:
控制通信装置向所有巡逻机器人发送电量查询请求,并接收巡逻机器人发送的电量信息,基于电量信息确定待充电巡逻机器人;或
控制通信装置接收待充电巡逻机器人在电量低于预设充电电量时主动发送的电量信息,并基于电量信息确定待充电巡逻机器人。
可选的,待充电巡逻机器人的数量为至少两个,处理器20还可以用于调用存储器10存储的可执行程序代码,执行以下步骤:
判断是否可以为上述至少两个待充电巡逻机器人进行充电;
在判断出不能为上述至少两个待充电巡逻机器人进行充电时,从上述至少两个待充电巡逻机器人中选择满足预设条件的待充电巡逻机器人;
其中,处理器20基于该位置信息和该巡逻规划,使用存储器10存储的充电路径生成算法生成充电路径的方式可以包括:
基于满足预设条件的待充电巡逻机器人的位置信息和巡逻规划,使用存储器10存储的充电路径生成算法生成针对满足预设条件的待充电巡逻机器人的充电路径。
可选的,处理器20还可以用于调用存储器10存储的可执行程序代码,执行以下步骤:
在判断出不能为上述至少两个待充电巡逻机器人进行充电时,指示其他充电机器人对上述至少两个待充电机器人中不满足预设条件的待充电巡逻机器人进行充电。
实施图3所示的充电机器人,可以基于待充电巡逻机器人的位置信息和巡逻规划,使用充电路径生成算法生成充电路径,从而根据该充电路径对待充电巡逻机器人进行充电,能够不影响待充电巡逻机器人的巡逻规划的情况下对待充电巡逻机器人进行充电,从而可以提高巡逻机器人的充电效率,提高巡逻机器人巡逻的安全性。
上述充电机器人包括的各单元模块之间的信息交互、执行过程等内容,由于与本发明方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
本发明实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时可以实现以下步骤:
获取待充电巡逻机器人当前所处的位置的位置信息以及该巡逻机器人当前的巡逻规划;
基于该位置信息和该巡逻规划,使用存储介质存储的充电路径生成算法生成充电路径;
基于该充电路径找到该巡逻机器人,并对该巡逻机器人进行充电。
可选的,处理器获取待充电巡逻机器人当前所处的位置的位置信息以及该巡逻机器人当前的巡逻规划前,该计算机程序被处理器执行时还可以实现以下步骤:
确定待充电巡逻机器人。
可选的,处理器确定待充电巡逻机器人的方式可以包括:
向所有巡逻机器人发送电量查询请求,并接收巡逻机器人发送的电量信息,基于电量信息确定待充电巡逻机器人;或
接收待充电巡逻机器人在电量低于预设充电电量时主动发送的电量信息,并基于电量信息确定待充电巡逻机器人。
可选的,待充电巡逻机器人的数量为至少两个,处理器基于该位置信息和该巡逻规划,使用存储介质存储的充电路径生成算法生成充电路径前,该计算机程序被处理器执行时还可以实现以下步骤:
判断是否可以为上述至少两个待充电巡逻机器人进行充电;
如果不能为上述至少两个待充电巡逻机器人进行充电,从上述至少两个待充电巡逻机器人中选择满足预设条件的待充电巡逻机器人;
其中,处理器基于该位置信息和该巡逻规划,使用存储介质存储的充电路径生成算法生成充电路径的方式可以包括:
基于满足预设条件的待充电巡逻机器人的位置信息和巡逻规划,使用存储介质存储的充电路径生成算法生成针对满足预设条件的待充电巡逻机器人的充电路径。
可选的,如果不能为上述至少两个待充电巡逻机器人进行充电,该计算机程序被处理器执行时还可以实现以下步骤:
指示其他充电机器人对上述至少两个待充电机器人中不满足预设条件的待充电巡逻机器人进行充电。
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,上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,上述的存储介质可为磁碟、光盘、只读存储记忆体(ROM:Read-Only Memory)或随机存储记忆体(RAM:RandomAccess Memory)等。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取待充电巡逻机器人当前所处的位置的位置信息以及所述巡逻机器人当前的巡逻规划;
基于所述位置信息和所述巡逻规划,使用所述存储介质存储的充电路径生成算法生成充电路径;
基于所述充电路径找到所述巡逻机器人,并对所述巡逻机器人进行充电。
2.如权利要求1所述的计算机可读存储介质,其特征在于,所述处理器获取待充电巡逻机器人当前所处的位置的位置信息以及所述巡逻机器人当前的巡逻规划前,所述计算机程序被所述处理器执行时还实现以下步骤:
确定所述待充电巡逻机器人。
3.如权利要求2所述的计算机可读存储介质,其特征在于,所述处理器确定所述待充电巡逻机器人的方式包括:
向所有巡逻机器人发送电量查询请求,并接收巡逻机器人发送的电量信息,基于所述电量信息确定所述待充电巡逻机器人;或
接收所述待充电巡逻机器人在电量低于预设充电电量时主动发送的电量信息,并基于所述电量信息确定所述待充电巡逻机器人。
4.如权利要求1至3任一所述的计算机可读存储介质,其特征在于,所述待充电巡逻机器人的数量为至少两个,所述处理器基于所述位置信息和所述巡逻规划,使用所述存储介质存储的充电路径生成算法生成充电路径前,所述计算机程序被所述处理器执行时还实现以下步骤:
判断是否可以为所述至少两个待充电巡逻机器人进行充电;
如果不能为所述至少两个待充电巡逻机器人进行充电,从所述至少两个待充电巡逻机器人中选择满足预设条件的待充电巡逻机器人;
所述处理器基于所述位置信息和所述巡逻规划,使用所述存储介质存储的充电路径生成算法生成充电路径的方式包括:
基于所述满足预设条件的待充电巡逻机器人的位置信息和巡逻规划,使用所述存储介质存储的充电路径生成算法生成针对所述满足预设条件的待充电巡逻机器人的充电路径。
5.如权利要求4所述的计算机可读存储介质,其特征在于,如果不能为所述至少两个待充电巡逻机器人进行充电,所述计算机程序被所述处理器执行时还实现以下步骤:
指示其他充电机器人对所述至少两个待充电机器人中不满足所述预设条件的待充电巡逻机器人进行充电。
6.一种充电机器人,其特征在于,包括:存储器和处理器,其中,所述存储器用于存储可执行程序代码和数据,所述处理器用于调用所述存储器存储的可执行程序代码,执行以下步骤:
获取待充电巡逻机器人当前所处的位置的位置信息以及所述巡逻机器人当前的巡逻规划;
基于所述位置信息和所述巡逻规划,使用所述存储器存储的充电路径生成算法生成充电路径;
基于所述充电路径找到所述巡逻机器人,并对所述巡逻机器人进行充电。
7.如权利要求6所述的充电机器人,其特征在于,所述处理器获取待充电巡逻机器人当前所处的位置的位置信息以及所述巡逻机器人当前的巡逻规划之前,所述处理器还用于调用所述存储器存储的可执行程序代码,执行以下步骤:
确定所述待充电巡逻机器人。
8.如权利要求7所述的充电机器人,其特征在于,所述充电机器人还包括通信装置,所述处理器确定所述待充电巡逻机器人的方式包括:
控制所述通信装置向所有巡逻机器人发送电量查询请求,并接收巡逻机器人发送的电量信息,基于所述电量信息确定所述待充电巡逻机器人;或
控制所述通信装置接收所述待充电巡逻机器人在电量低于预设充电电量时主动发送的电量信息,并基于所述电量信息确定所述待充电巡逻机器人。
9.如权利要求6至8任一所述的充电机器人,其特征在于,所述待充电巡逻机器人的数量为至少两个,所述处理器还用于调用所述存储器存储的可执行程序代码,执行以下步骤:
判断是否可以为所述至少两个待充电巡逻机器人进行充电;
在判断出不能为所述至少两个待充电巡逻机器人进行充电时,从所述至少两个待充电巡逻机器人中选择满足预设条件的待充电巡逻机器人;
其中,所述处理器基于所述位置信息和所述巡逻规划,使用所述存储器存储的充电路径生成算法生成充电路径的方式包括:
基于所述满足预设条件的待充电巡逻机器人的位置信息和巡逻规划,使用所述存储器存储的充电路径生成算法生成针对所述满足预设条件的待充电巡逻机器人的充电路径。
10.如权利要求9所述的充电机器人,其特征在于,所述处理器还用于调用所述存储器存储的可执行程序代码,执行以下步骤:
在判断出不能为所述至少两个待充电巡逻机器人进行充电时,指示其他充电机器人对所述至少两个待充电机器人中不满足所述预设条件的待充电巡逻机器人进行充电。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810927707.5A CN109141454A (zh) | 2018-08-15 | 2018-08-15 | 一种充电机器人及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810927707.5A CN109141454A (zh) | 2018-08-15 | 2018-08-15 | 一种充电机器人及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109141454A true CN109141454A (zh) | 2019-01-04 |
Family
ID=64789459
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810927707.5A Withdrawn CN109141454A (zh) | 2018-08-15 | 2018-08-15 | 一种充电机器人及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109141454A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111038290A (zh) * | 2019-12-06 | 2020-04-21 | 广东嘉腾机器人自动化有限公司 | 一种主动伴随式的agv充电***及控制方法 |
WO2020259168A1 (zh) * | 2019-06-28 | 2020-12-30 | 炬星科技(深圳)有限公司 | 一种任务调度方法、装置、***、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104836293A (zh) * | 2015-05-08 | 2015-08-12 | 杭州南江机器人股份有限公司 | 自动导引运输车(agv)的充电方法和移动充电桩、充电*** |
CN107031444A (zh) * | 2017-04-13 | 2017-08-11 | 蔚来汽车有限公司 | 用于确定移动充电车充电路径的方法和设备 |
CN107351694A (zh) * | 2016-05-09 | 2017-11-17 | 比亚迪股份有限公司 | 用于车辆的移动充电方法、装置及*** |
CN107891983A (zh) * | 2017-11-10 | 2018-04-10 | 广东工业大学 | 一种无人装置的能量补给方法、装置、设备及*** |
-
2018
- 2018-08-15 CN CN201810927707.5A patent/CN109141454A/zh not_active Withdrawn
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104836293A (zh) * | 2015-05-08 | 2015-08-12 | 杭州南江机器人股份有限公司 | 自动导引运输车(agv)的充电方法和移动充电桩、充电*** |
CN107351694A (zh) * | 2016-05-09 | 2017-11-17 | 比亚迪股份有限公司 | 用于车辆的移动充电方法、装置及*** |
CN107031444A (zh) * | 2017-04-13 | 2017-08-11 | 蔚来汽车有限公司 | 用于确定移动充电车充电路径的方法和设备 |
CN107891983A (zh) * | 2017-11-10 | 2018-04-10 | 广东工业大学 | 一种无人装置的能量补给方法、装置、设备及*** |
Non-Patent Citations (1)
Title |
---|
ZJUPECO: "逻辑回归的本质-极大似然估计", 《CSDN》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020259168A1 (zh) * | 2019-06-28 | 2020-12-30 | 炬星科技(深圳)有限公司 | 一种任务调度方法、装置、***、电子设备及存储介质 |
CN111038290A (zh) * | 2019-12-06 | 2020-04-21 | 广东嘉腾机器人自动化有限公司 | 一种主动伴随式的agv充电***及控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Energy-efficient distributed mobile crowd sensing: A deep learning approach | |
CN112937564B (zh) | 换道决策模型生成方法和无人车换道决策方法及装置 | |
US11755882B2 (en) | Method, apparatus and system for recommending location of robot charging station | |
CN109085833A (zh) | 一种巡逻机器人及存储介质 | |
CN112154458A (zh) | 使用代理课程的强化学习 | |
Jiang et al. | A brief survey: Deep reinforcement learning in mobile robot navigation | |
CN109088452A (zh) | 机器人充电方法及机器人 | |
CN109141454A (zh) | 一种充电机器人及存储介质 | |
CN117289691A (zh) | 用于导航场景下强化学习的路径规划智能体的训练方法 | |
Wang et al. | Human-drone collaborative spatial crowdsourcing by memory-augmented and distributed multi-agent deep reinforcement learning | |
Zhao et al. | Dronesense: Leveraging drones for sustainable urban-scale sensing of open parking spaces | |
CN109015639A (zh) | 一种控制机器人巡逻的装置及存储介质 | |
CN108981712A (zh) | 机器人巡逻方法及机器人 | |
CN109270931A (zh) | 控制机器人巡逻的方法及装置 | |
CN109066857A (zh) | 对巡逻机器人进行充电的方法及充电机器人 | |
CN109086731A (zh) | 一种用于进行行为监控的机器人及存储介质 | |
CN109118580A (zh) | 目标货物堆监控方法及相关装置 | |
US20230267353A1 (en) | Computer-Implemented Method and System for Predicting Future Developments of a Traffic Scene | |
CN116625376A (zh) | 基于禁忌蜂群算法的无人机海上搜救路径规划方法 | |
CN109062212A (zh) | 一种用于巡逻的机器人及存储介质 | |
CN108958024A (zh) | 机器人巡逻方法及机器人 | |
CN109048899A (zh) | 一种巡逻机器人及存储介质 | |
CN108877115A (zh) | 疏散指引方法及机器人 | |
Wang et al. | Deep reinforcement learning based multi-uuv cooperative control for target capturing | |
CN113220311B (zh) | 一种移动感知的云边端协同应用卸载方法、***及其存储介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190104 |
|
WW01 | Invention patent application withdrawn after publication |