CN112198871A - 用于移动机器人的自主充电的方法和装置 - Google Patents
用于移动机器人的自主充电的方法和装置 Download PDFInfo
- Publication number
- CN112198871A CN112198871A CN202010907714.6A CN202010907714A CN112198871A CN 112198871 A CN112198871 A CN 112198871A CN 202010907714 A CN202010907714 A CN 202010907714A CN 112198871 A CN112198871 A CN 112198871A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- point
- charging
- charging pile
- mobile robot
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 78
- 238000001514 detection method Methods 0.000 claims abstract description 33
- 210000001503 joint Anatomy 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims description 37
- 238000003032 molecular docking Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 230000001131 transforming effect Effects 0.000 claims description 4
- 238000000638 solvent extraction Methods 0.000 claims 2
- 230000000977 initiatory effect Effects 0.000 claims 1
- 238000013519 translation Methods 0.000 description 14
- 230000014616 translation Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 239000011159 matrix material Substances 0.000 description 12
- 230000009466 transformation Effects 0.000 description 9
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000003137 locomotive effect Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000001681 protective effect Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000002567 autonomic effect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 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
- G05D1/0231—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
- 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
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- 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
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0225—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving docking at a fixed facility, e.g. base station or loading bay
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/44—Methods for charging or discharging
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Optics & Photonics (AREA)
- Electromagnetism (AREA)
- General Chemical & Material Sciences (AREA)
- Electrochemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Chemical & Material Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请提供了一种用于移动机器人的自主充电的方法和装置,所述方法包括:获取在检测位置处移动机器人面向充电桩一侧的雷达扫描的点云数据,将所述点云数据划分为多个点云子集,其中,所述充电桩包括特定形状结构;将所述多个点云子集中的每个点云子集与所述特定形状结构对应的点云模板进行匹配,并根据匹配结果确定所述充电桩的位置及方向信息;根据所述位置及方向信息完成与所述充电桩的对接,并开始充电。根据本申请的方案,具有广泛的适用场景,成本低廉,检测结果精度高,可实现安全对接且稳定可靠。
Description
技术领域
本申请涉及移动机器人领域,尤其涉及一种用于移动机器人的自主充电的方法和装置。
背景技术
随着人工智能相关技术的不断进步,移动机器人的应用范围越来越广泛,例如可广泛应用于工业、农业、医疗、城市安全、国防和空间探测等领域,移动机器人技术中存在许多热点问题,如何使移动机器人完成自主充电就是其中之一。以工业领域为例,近年来,移动机器人技术在现代工业发挥了越来越重要的作用,与传统的依靠人力运输的工业产线相比,依靠移动机器人进行自动化运输的产线有更高的准确性和安全性,生产效率也会大大提高,然而,现有充电技术大部分依靠在地面铺设磁轨、充电环境中布置二维码等人工标识、安装红外线对接装置等导引方式,令移动机器人依照设定或半设定路径移动来对接充电桩,其中铺设磁轨及布置二维码的方式需要日常维护,且工厂环境变化时需要二次改造,安装红外线对接装置成本较高,且容易出现故障。
发明内容
本申请的目的是提供一种环境改造小、成本低廉、又准确稳定的用于移动机器人的自主充电的技术方案。
根据本申请的一个实施例,提供一种用于移动机器人的自主充电的方法,其中,该方法包括:
获取在检测位置处移动机器人面向充电桩一侧的雷达扫描的点云数据,将所述点云数据划分为多个点云子集,其中,所述充电桩包括特定形状结构;
将所述多个点云子集中的每个点云子集与所述特定形状结构对应的点云模板进行匹配,并根据匹配结果确定所述充电桩的位置及方向信息;
根据所述位置及方向信息完成与所述充电桩的对接,并开始充电。
根据本申请的另一个实施例,还提供了一种移动机器人中用于自动充电的装置,其中,该装置包括:
用于获取在检测位置处移动机器人面向充电桩一侧的雷达扫描的点云数据,将所述点云数据划分为多个点云子集的装置,其中,所述充电桩包括特定形状结构;
用于将所述多个点云子集中的每个点云子集与所述特定形状结构对应的点云模板进行匹配,并根据匹配结果确定所述充电桩的位置及方向信息的装置;
用于根据所述位置及方向信息完成与所述充电桩的对接,并开始充电的装置。
与现有技术相比,本申请具有以下优点:能够将对实时点云数据进行划分得到的点云子集与充电桩的特定形状结构对应的点云模板进行匹配,从而得到充电桩的准确位置及方向,以实现移动机器人与充电桩之间的安全高效的对接以及移动机器人的自主充电;具有广泛的适用场景,无需对环境进行改造,在任意位置放置上充电桩即可完成设置,简单便捷,使用场景不受任何限制;成本低廉,复用了机器人本身的激光雷达,无需在场景中添加任何辅助标识,也无需在移动机器人及充电桩上增加新的传感器,这大大降低了移动机器人的制造成本和后期维护成本,且可针对不同的特定形状结构快速生成点云模板,因此能够适应各种形状的充电桩设计,该基于模板匹配的形状检测算法具有高鲁棒性;检测结果精度高,基于模板匹配的形状检测算法可以最大化利用输入数据,检测分辨率可以达到毫米级精度,结果相较于其他检测算法更加精准;由于使用的是移动机器人本身的雷达传感***,因此能够在自主充电过程中实时感知周围环境。当机器人周围出现行人或障碍物时,能够有效地进行自主避障,从而避免对人或环境造成损害;此外,对于可能出现的检测不成功及少数意外情况,能够在充电失败时进行再次有效尝试,从而能够大大地降低充电失败概率。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1示出了本申请一个示例的充电桩的正视图;
图2示出了图1所示充电桩的侧视图;
图3示出了本申请一个示例的移动机器人的后视图;
图4示出了图3所示移动机器人的侧视图;
图5示出了本申请一个实施例的用于移动机器人的自主充电的方法的流程示意图;
图6a示出了本申请一个示例的粗匹配结果的示意图;
图6b示出了本申请一个示例的精匹配结果的示意图;
图7示出了本申请一个示例的自主充电流程示意图;
图8示出了本申请一个实施例的移动机器人中用于自主充电的装置的结构示意图。
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
本文后面所讨论的方法(其中一些通过流程图示出)可以通过硬件、软件、固件、中间件、微代码、硬件描述语言或者其任意组合来实施。当用软件、固件、中间件或微代码来实施时,用以实施必要任务的程序代码或代码段可以被存储在机器或计算机可读介质(比如存储介质)中。(一个或多个)处理器可以实施必要的任务。
这里所公开的具体结构和功能细节仅仅是代表性的,并且是用于描述本申请的示例性实施例的目的。但是本申请可以通过许多替换形式来具体实现,并且不应当被解释成仅仅受限于这里所阐述的实施例。
应当理解的是,虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元,但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说,在不背离示例性实施例的范围的情况下,第一单元可以被称为第二单元,并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。
这里所使用的术语仅仅是为了描述具体实施例而不意图限制示例性实施例。除非上下文明确地另有所指,否则这里所使用的单数形式“一个”、“一项”还意图包括复数。还应当理解的是,这里所使用的术语“包括”和/或“包含”规定所陈述的特征、整数、步骤、操作、单元和/或组件的存在,而不排除存在或添加一个或更多其他特征、整数、步骤、操作、单元、组件和/或其组合。
还应当提到的是,在一些替换实现方式中,所提到的功能/动作可以按照不同于附图中标示的顺序发生。举例来说,取决于所涉及的功能/动作,相继示出的两幅图实际上可以基本上同时执行或者有时可以按照相反的顺序来执行。
下面结合附图对本申请作进一步详细描述。
在详细说明本申请的用于移动机器人的自主充电的技术方案之前,先对本申请所涉及的充电桩及移动机器人作示例性地说明。
首先需要说明的是,本实施例中用于移动机器人的自主充电的充电桩包括特定形状结构,该特定形状结构的高度位于移动机器人的雷达扫描平面。本申请对充电桩所包括的特定形状结构的具体结构并不作限制,例如,特定形状结构为一个具有特定夹角的V形与一条直线的组合,又如,特定形状结构为一个弧形和一条直线的组合。需要进一步说明的是,充电桩除特定形状结构外,还包括用于与移动机器人的充电机片对接的充电极柱以及其他结构,如用于保护充电极柱的保护外壳、用于起支撑作用的底座等,本领域技术人员应能理解,任何具有特定形状结构的用于为移动机器人充电的充电桩,均应包含在本申请的保护范围内。
作为一个示例,充电桩包括直线结构、嵌入至所述直线结构中且具有特定夹角的V形结构、充电极柱以及充电极柱保护外壳,其中,所述V形结构的高度位于所述移动机器人的雷达扫描平面,所述充电极柱用于对接位于移动器人车身上的充电极片。所述直线结构和所述V形结构的组合构成一个特定形状结构,也即,充电桩包含一个具有特定夹角的V形与一条直线组合而成的特定形状(上下文中也将该特定形状简称为“VL形状”)。在一些实施例中,直线结构是指边框或表面结构呈现出若干直线段的结构。在一些实施例中,V形结构是指形状上呈V形的结构,该V形结构具有一个特定夹角,该特定夹角可基于实际需要来进行设计,作为一个示例,充电桩的V形结构呈120度夹角,由此,该充电桩包含一个120°夹角的V形与一条直线组合而成的特定形状。在一些实施例中,充电桩包括两个充电极柱,该两个充电极柱用于对接位于移动机器人身上的充电极片。在一些实施例中,当充电桩与移动机器人完成对接时,充电桩会产生电压信号并将该电压信号返回至移动机器人,以指示对接成功,移动机器人在接收到该电压信号后开启继电器进行充电。在一些实施例中,V形结构嵌入至直线结构的一个侧面,充电极柱可安装在该侧面上除V形结构的嵌入位置以外的任何位置;作为一种优选方案,所述充电极柱位于所述V形结构在所述直线结构上的嵌入位置的下方,该情形下,移动机器人可直接通过识别特定形状结构来确定充电桩的位置;在一些实施例中,所述充电极柱与所述V形结构之间相隔一定的距离,该情形下,移动机器人通过识别特定形状结构,并结合所述充电极柱与所述V形结构之间的相对位置信息,来确定充电桩的位置。在一些实施例中,所述充电桩还包括位于所述直线结构下方的底座,所述底座用于起支撑作用,本申请并不限制所述底座的具体形状结构。
图1示出了本申请一个示例的充电桩的正视图,图2示出了图1所示充电桩的侧视图。该实施例的充电桩包括V形结构101、两个充电极柱102、直线结构103、充电极柱保护外壳104和底座105,其中,V形结构101具有120度的夹角,V形结构101嵌入至直线结构103一侧的左上方,充电极柱102位于V形结构101的嵌入位置的下方且紧邻该嵌入位置,两个充电极柱102用于对接移动机器人车身上的充电极片,以此完成充电。需要说明的是,虽然本实施例中充电极柱102位于V形结构101的嵌入位置的下方且紧邻该嵌入位置,但是本领域技术人员应能理解,充电极柱102也可设置在该侧的其他任意位置,如设置在V形结构101的嵌入位置上方,或者设置在该侧的右下方等,只要移动机器人中存储有充电极柱102与V形结构101之间的相对位置信息,移动机器人便能够基于识别到的充电桩的位置以及该相对位置信息确定充电极柱102的位置,并实现对接。
图3示出了本申请一个示例的移动机器人的后视图;图4示出了图3所示移动机器人的侧视图。该示例的移动机器人包括机器人充电极片201、车头雷达202、车尾雷达203以及车轮204,当使用本申请的充电桩实现自主充电时,充电极片201用于与充电桩的充电极柱对接,车头雷达202和车尾雷达203用于发出激光信号,当移动机器人接受到充电任务时,会自主导航到充电桩前方,并会读取移动机器人面向充电桩一侧的雷达(可能为车头雷达202或者车尾雷达203)扫描到的实时点云数据,以识别充电桩的位置并完成与充电桩的对接。需要说明的是,图3所示移动机器人仅为举例,而非对本申请的限制。
图5示出了本申请一个实施例的用于移动机器人的自主充电的方法的流程示意图。本实施例的方法包括步骤S11、步骤S12和步骤S13。在步骤S11中,移动机器人获取在检测位置处移动机器人面向充电桩一侧的雷达扫描的点云数据,将所述点云数据划分为多个点云子集,其中,所述充电桩包括特定形状结构;在步骤S12中,移动机器人将所述多个点云子集中的每个点云子集与所述特定形状结构对应的点云模板进行匹配,并根据匹配结果确定所述充电桩的位置及方向信息;在步骤S13中,移动机器人根据所述位置及方向信息完成与所述充电桩的对接,并开始充电。
需要说明的是,在执行自主充电任务之前,需要先获得充电桩的特定形状结构对应的点云模板,该点云模板实际上就是严格符合真实形状分布,相邻点距相同、相邻点距较小的点云数据,具有不同特定形状结构的充电桩对应不同的点云模板,获得充电桩的特定形状结构对应的点云模板的实现方式将在后续实施例中予以详述,在此不再赘述。在一些实施例中,点云模板的最大长度(也即点云模板中任意两个点之间的距离中的最大距离)是基于其所对应的特定形状结构来确定的,优选地,将特定形状结构对应的最大点距(也即特定形状结构中任意两个点之间的距离中的最大距离)确定为点云模板的最大长度;例如,图1所示充电桩包括一个VL形状,该VL形状对应的点云模板的最大长度为V形的远离L的端点与L的最远端之间的距离;又例如,特定形状结构为一个波浪形状,该波浪形状对应的点云模板的最大长度为波浪形状的两个端点之间的距离。
在步骤S11中,移动机器人获取在检测位置处移动机器人面向充电桩一侧的雷达扫描的点云数据,将所述点云数据划分为多个点云子集,其中,所述充电桩包括特定形状结构。
其中,移动机器人在接收到充电任务时,会自主导航到充电桩的前方,本申请对移动机器人自主导航到充电桩的前方的导航过程不作限制,任何在接收到充电任务时自主导航到充电桩的前方的实现方式均应包含在本申请的保护范围内。
在一些实施例中,移动机器人自主导航到充电桩前方后,其面向充电桩一侧的雷达发出激光信号,移动机器人读取该雷达扫描到的实时点云数据,将所述点云数据划分为多个点云子集。其中,可采用任何可行方式将实时点云数据划分为多个点云子集。作为一种优选方案,所述将所述点云数据划分为多个点云子集,包括:将所述点云数据中的第一个点作为起始点;从所述起始点开始遍历,若找到与所述起始点之间的距离长度符合点云模板长度的目标点,将从所述起始点到所述目标点的点云数据划分为一个点云子集;若所述目标点为所述点云数据中的最后一个点,结束划分操作,否则,将所述起始点的下一个点作为新的起始点,并重复所述遍历操作。其中,若所述目标点为所述点云云数据中的最后一个点,则已获得点云数据对应的所有点云子集。作为一个示例,移动机器人上的雷达的扫描角度范围是以雷达中心为原点,从-135度到135度进行扫描,雷达的扫描分辨率是0.25,则雷达的扫描角度为270度(也即从-135度到135度的角度值),从而可计算得到点数为270/0.25=1080个,即读取到的实时点云数据包括按照扫描顺序排列的从第0个到第1080个点,也即一共有1081个点,之后,以第0个点为起始点开始向后遍历,找到第m个点(也即第0个点对应的目标点),第0个点到第m个点的距离长度大致符合(如等于或最为接近)点云模板的最大长度,则将点云数据中区间为[0,m]的点划分为一个点云子集,然后将第1个点为起始点开始向后遍历,找到第n个点(也即第1个点对应的目标点),第1个点到第n个点的距离长度大致符合点云模板的最大长度,则将点云数据中区间为[1,n]的点划分为一个点云子集,依次类推,直至在1081个点中找到所有的点云子集(每个点云子集的最大点距满足点云模板的最大长度),则完成划分操作。
需要说明的是,上述划分方式仅为举例,而非对本申请的限制,其他将点云数据划分为多个点云子集的实现方式也应包含在本申请的保护范围内。
在步骤S12中,移动机器人将所述多个点云子集中的每个点云子集与所述特定形状结构对应的点云模板进行匹配,并根据匹配结果确定所述充电桩的位置及方向信息。
在一些实施例中,将每个点云子集与所述特定形状结构对应的点云模板进行匹配,并根据匹配度最高(且超过预定匹配度阈值)的点云子集确定充电桩的位置及方向信息。
在一些实施例中,点云模板匹配算法包括粗匹配过程和精匹配过程,两片点云的匹配值被设计为两片点云中对应点间距的平均数值。在一些实施例中,所述将所述多个点云子集中的每个点云子集与所述特定形状结构对应的点云模板进行匹配,并根据匹配结果确定所述充电桩的位置及方向信息,包括:对于所述多个点云子集中的每个点云子集,通过初始位姿对该点云子集进行变换,将变换后的点云子集与所述点云模板进行粗匹配来获得粗匹配结果,判断所述粗匹配结果是否满足粗匹配阈值条件,若否,放弃该点云子集,若是,基于最近点迭代算法将所述点云子集与所述点云模板进行精匹配来获得精匹配结果,判断所述精匹配结果是否满足精匹配阈值条件,若否,放弃该点云子集,若是,根据所述粗匹配结果和所述精匹配结果,确定所述充电桩的位置及方向信息。图6a示出了本申请一个示例的粗匹配结果的示意图,图6b示出了本申请一个示例的精匹配结果的示意图,该示例示出的是基于图1所示充电桩实现图3所示移动机器人的自主充电过程中的匹配结果,其中,301为图1所示充电桩的VL形状对应的点云模板,302为实时点云数据的粗匹配结果,303为实时点云数据的精匹配结果,则根据303的位姿结果来确定充电桩的位置及方向信息。
在一些实施例中,在粗匹配过程中,首先在雷达扫描的实时的点云数据上搜索满足点云模板特点的点云子集,将这些点云子集通过一个初始位姿变换到点云模板附近,如果一个变换后的点云子集与点云模板之间的粗匹配结果不能满足粗匹配阈值条件,则表示粗匹配结果失败,该点云子集被认为并非待检测的充电桩,如果一个变换后的点云子集与点云模板之间的粗匹配结果满足了粗匹配阈值条件,该点云子集被认为是可能的充电桩形状,可以进行精匹配过程;在精匹配过程中,基于最近点迭代算法对可能的点云子集继续进行模板匹配,得到精匹配结果,如果精匹配结果优于精匹配阈值(例如,若精匹配阈值设为0.3cm,若精匹配结果指示点云子集与点云模板之间对应点间距的平均数值为0.2cm,由于该平均数值小于精匹配阈值,则认为该精匹配结果优于精匹配阈值,也即,两片点云中对应点间距的平均数值越小,两片点云越匹配),这表明该点云子集就是移动机器人要寻找的充电桩,精匹配结果所指示的位姿结果就是充电桩的位置及方向,也即,充电桩的位置及方向结合了粗匹配过程和精匹配过程的位姿变换结果,例如,针对点云子集A,在粗匹配过程中将A平移并且旋转,得到变换后的点云子集A1,若粗匹配成功,在精匹配过程中会将点云子集A1平移并且旋转,得到变换后的点云子集A2,若精匹配结果优于精匹配阈值,则认为寻找到充电桩,则结合上述两次平移和两次旋转的位姿变换矩阵T,就是充电桩的位置和方向。作为一个示例,基于上述点云模板匹配算法,通过粗匹配过程和精匹配过程识别到充电桩时,会得到一个旋转矩阵R和平移向量t,其中,旋转矩阵R能够表征实时点云坐标系与模板坐标系之间的旋转关系,平移向量t能够表征实时点云坐标系与模板坐标系之间的平移关系,旋转矩阵R和平移向量t的计算满足如下关系式:
其中,表示实时点云数据经过位姿变换后的一个雷达数据点,表示点云模板上与点欧式距离最接近的雷达数据点,n表示实时点云数据的雷达点总个数,基于上述公式可以看出,旋转矩阵R和平移向量t是能够使实时点云数据与点云模板数据的全部对应点对欧式距离之和最小的最优解,由旋转矩阵R和平移向量t构成的位姿变换关系,其公式如下
其中,[xinput,yinput]表示实时点云数据,θ表示根据点云模板匹配算法得到的充电桩朝向,向量[xt,yt]即为根据点云模板匹配算法得到的充电桩位置。
需要说明的是,上述公式及根据匹配结果确定所述充电桩的位置及方向信息的实现方式仅为举例,而非对本申请的限制,本领域技术人员应能理解,任何根据匹配结果确定所述充电桩的位置及方向信息的实现方式均应包含在本申请的包含范围内。
在步骤S13中,移动机器人根据所述位置及方向信息完成与所述充电桩的对接,并开始充电。具体地,移动机器人根据所述位置及方向信息进行旋转和移动,以完成与充电桩上的充电极柱的对接,并当对接成功后启动继电器开始充电。
在一些实施例中,所述步骤S13进一步包括:根据所述位置及方向信息确定目标位置姿态信息;根据所述目标位置姿态信息进行旋转和移动,以使所述移动机器人移动至目标位置和目标姿态;低速向后移动,若检测到所述充电桩返回的电压信号,开始充电。在一些实施例中,所述目标位置姿态信息用于指示移动机器人需移动至的目标位置以及移动机器人的目标姿态,目标位置为距离充电桩前方的一个固定距离处,目标姿态为充电桩的识别方向(也即前述检测出的充电桩的朝向)。其中,移动机器人可采用任何可行方式进行旋转和移动,以移动至目标位置和目标姿态,如通过码盘度数来进行旋转和移动,又如通过即时定位与地图构建技术来进行旋转和移动。在一些实施例中,移动机器人根据所述位置及方向信息确定目标位置姿态信息,并生成包括所述目标位置姿态信息的指令,之后,移动机器人根据该指令进行旋转和移动,使其移动到目标位置和目标姿态,到达目标位置后,将低速向后移动,直到其充电极片与充电桩的两个充电极柱接触并检测到充电桩返回的电压信号,则视为自主充电对接成功,移动机器人将开启继电器进行充电任务。
在一些实施例中,移动机器人若在向后移动的过程中检测到满足异常触发条件,停止向后移动,并返回所述检测位置,以再次尝试自主充电(也即重复执行步骤S11、步骤S12、步骤S13)。在一些实施例中,所述异常触发条件包括但不限于没有检测到来自充电桩的电压信号(如在达到预定时间或移动了预定距离时仍未检测到电压信号),出现了障碍物等。基于该容错机制,移动机器人在发现异常后能够及时停止后退,并返回初始的检测位置,重新进行充电尝试,因此在一些异常情况下也能保证自主充电的成功率。
在一些实施例中,所述方法还包括在步骤S11之前执行的步骤S14(图未示),在步骤S14中,移动机器人获得所述特定形状结构对应的点云模板。例如,移动机器人获得图1所示充电桩的VL形状对应的点云模板,以在之后使用图1所示充电桩进行自主充电。
在一些实施例中,所述步骤S14进一步用于:根据所述特定形状结构,生成所述特定形状结构对应的点云模板。例如,根据图1所示充电桩的VL形状,生成该VL形状对应的点云模板,该点云模板是严格符合该VL形状的真实形状分布,相邻点距相同、相邻点距较小的点云数据。在一些实施例中,可预先生成所述特定形状结构对应的点云模板,当充电任务开始时,加载该点云模板。在一些实施例中,当充电任务开始时,生成所述特定形状结构对应的点云模板。
在一些实施例中,所述步骤S14进一步用于:获得点云模板集合,从所述点云模板集合中确定与所述特定形状结构对应的点云模板。其中,点云模板集合中包括多种特定形状结构对应的点云模板,可从该点云模板中确定与所要对接的充电桩的特定形状结构对应的点云模板,以使用该充电桩进行自主充电。本申请对移动机器人获得点云模板集合的方式并不作限制,例如,可接收其他设备通过网络发送的点云模板集合,或者,读取通过外接输入设备输入的点云模板集合,或者,通过特定应用程序下载点云模板集合,又例如,可针对不同的特定形状结构分别生成点云模板,从而得到点云模板集合。在一些实施例中,移动机器人中可默认设置一个特定形状结构,或者,用户可基于实际需求设置一个特定形状结构,移动机器人可从点云模板集合中确定与默认设置或用户设置的特定形状结构对应的点云模板以用于自主充电,由此,移动机器人可支持多种具有不同特定形状的充电桩,且用户可基于需求或喜好来选择充电桩;优选地,若移动机器人采用已确定的点云模板并未检测到充电桩,可自动更换点云模板以尝试用其他点云模板来检测充电桩,以避免用户更换充电桩后未及时更新设置而导致自动充电失败。
在一些实施例中,移动机器人将在整个自主充电的流程中读取实时雷达数据,以通过雷达数据实现避障功能,提高整个自主充电流程的安全性。
图7示出了本申请一个示例的自主充电流程示意图。具体流程如下:当充电任务开始,移动机器人加载充电桩的特定形状结构对应的点云模板,之后移动到检测位置,并获取在检测位置处移动机器人面向充电桩一侧的雷达扫描的点云数据;截取一段点云子集(也即按照前述实施例中的划分方式划分得到的一个点云子集),针对该点云子集进行点云模板匹配,若不满足阈值,则放弃该点云子集并重新截取一段点云子集进行点云模板匹配,若满足阈值,则移动机器人进行旋转和移动,当与充电桩对接成功后开始充电,若充电成功则充电任务结束,否则,移动机器人退回检测位置,重新获取实时点云数据并重复上述匹配过程。
图8示出了本申请一个实施例的用于移动机器人的自主充电的装置的结构示意图。该用于移动机器人的自主充电的装置(以下简称为“自主充电装置”)包括第一装置11、第二装置12和第三装置13。
需要说明的是,在执行自主充电任务之前,需要先获得充电桩的特定形状结构对应的点云模板,该点云模板实际上就是严格符合真实形状分布,相邻点距相同、相邻点距较小的点云数据,具有不同特定形状结构的充电桩对应不同的点云模板,获得充电桩的特定形状结构对应的点云模板的实现方式将在后续实施例中予以详述,在此不再赘述。在一些实施例中,点云模板的最大长度(也即点云模板中任意两个点之间的距离中的最大距离)是基于其所对应的特定形状结构来确定的,优选地,将特定形状结构对应的最大点距(也即特定形状结构中任意两个点之间的距离中的最大距离)确定为点云模板的最大长度;例如,图1所示充电桩包括一个VL形状,该VL形状对应的点云模板的最大长度为V形的远离L的端点与L的最远端之间的距离;又例如,特定形状结构为一个波浪形状,该波浪形状对应的点云模板的最大长度为波浪形状的两个端点之间的距离。
第一装置11用于获取在检测位置处移动机器人面向充电桩一侧的雷达扫描的点云数据,将所述点云数据划分为多个点云子集,其中,所述充电桩包括特定形状结构。
其中,移动机器人在接收到充电任务时,会自主导航到充电桩的前方,本申请对移动机器人自主导航到充电桩的前方的导航过程不作限制,任何在接收到充电任务时自主导航到充电桩的前方的实现方式均应包含在本申请的保护范围内。
在一些实施例中,移动机器人自主导航到充电桩前方后,其面向充电桩一侧的雷达发出激光信号,第一装置11读取该雷达扫描到的实时点云数据,将所述点云数据划分为多个点云子集。其中,可采用任何可行方式将实时点云数据划分为多个点云子集。作为一种优选方案,所述将所述点云数据划分为多个点云子集,包括:将所述点云数据中的第一个点作为起始点;从所述起始点开始遍历,若找到与所述起始点之间的距离长度符合点云模板长度的目标点,将从所述起始点到所述目标点的点云数据划分为一个点云子集;若所述目标点为所述点云数据中的最后一个点,结束划分操作,否则,将所述起始点的下一个点作为新的起始点,并重复所述遍历操作。其中,若所述目标点为所述点云数据中的最后一个点,则已获得点云数据对应的所有点云子集。作为一个示例,移动机器人上的雷达的扫描角度范围是以雷达中心为原点,从-135度到135度进行扫描,雷达的扫描分辨率是0.25,则雷达的扫描角度为270度(也即从-135度到135度的角度值),从而可计算得到点数为270/0.25=1080个,即读取到的实时点云数据包括按照扫描顺序排列的从第0个到第1080个点,也即一共有1081个点,之后,以第0个点为起始点开始向后遍历,找到第m个点(也即第0个点对应的目标点),第0个点到第m个点的距离长度大致符合(如等于或最为接近)点云模板的最大长度,则将点云数据中区间为[0,m]的点划分为一个点云子集,然后将第1个点为起始点开始向后遍历,找到第n个点(也即第1个点对应的目标点),第1个点到第n个点的距离长度大致符合点云模板的最大长度,则将点云数据中区间为[1,n]的点划分为一个点云子集,依次类推,直至在1081个点中找到所有的点云子集(每个点云子集的最大点距满足点云模板的最大长度),则完成划分操作。
需要说明的是,上述划分方式仅为举例,而非对本申请的限制,其他将点云数据划分为多个点云子集的实现方式也应包含在本申请的保护范围内。
第二装置12用于将所述多个点云子集中的每个点云子集与所述特定形状结构对应的点云模板进行匹配,并根据匹配结果确定所述充电桩的位置及方向信息。
在一些实施例中,将每个点云子集与所述特定形状结构对应的点云模板进行匹配,并根据匹配度最高(且超过预定匹配度阈值)的点云子集确定充电桩的位置及方向信息。
在一些实施例中,点云模板匹配算法包括粗匹配过程和精匹配过程,两片点云的匹配值被设计为两片点云中对应点间距的平均数值。在一些实施例中,所述将所述多个点云子集中的每个点云子集与所述特定形状结构对应的点云模板进行匹配,并根据匹配结果确定所述充电桩的位置及方向信息,包括:对于所述多个点云子集中的每个点云子集,通过初始位姿对该点云子集进行变换,将变换后的点云子集与所述点云模板进行粗匹配来获得粗匹配结果,判断所述粗匹配结果是否满足粗匹配阈值条件,若否,放弃该点云子集,若是,基于最近点迭代算法将所述点云子集与所述点云模板进行精匹配来获得精匹配结果,判断所述精匹配结果是否满足精匹配阈值条件,若否,放弃该点云子集,若是,根据所述粗匹配结果和所述精匹配结果,确定所述充电桩的位置及方向信息。图6a示出了本申请一个示例的粗匹配结果的示意图,图6b示出了本申请一个示例的精匹配结果的示意图,该示例示出了基于图1所示充电桩实现图3所示移动机器人的自主充电过程中的匹配结果,其中,301为图1所示充电桩的VL形状对应的点云模板,302为实时点云数据的粗匹配结果,303为实时点云数据的精匹配结果,则根据303的位姿结果来确定充电桩的位置及方向信息。
在一些实施例中,在粗匹配过程中,首先在雷达扫描的实时的点云数据上搜索满足点云模板特点的点云子集,将这些点云子集通过一个初始位姿变换到点云模板附近,如果一个变换后的点云子集与点云模板之间的粗匹配结果不能满足粗匹配阈值条件,则表示粗匹配结果失败,该点云子集被认为并非待检测的充电桩,如果一个变换后的点云子集与点云模板之间的粗匹配结果满足了粗匹配阈值条件,该点云子集被认为是可能的充电桩形状,可以进行精匹配过程;在精匹配过程中,基于最近点迭代算法对可能的点云子集继续进行模板匹配,得到精匹配结果,如果精匹配结果优于精匹配阈值(例如,若精匹配阈值设为0.3cm,若精匹配结果指示点云子集与点云模板之间对应点间距的平均数值为0.2cm,由于该平均数值小于精匹配阈值,则认为该精匹配结果优于精匹配阈值,也即,两片点云中对应点间距的平均数值越小,两片点云越匹配),这表明该点云子集就是移动机器人要寻找的充电桩,精匹配结果所指示的位姿结果就是充电桩的位置及方向,也即,充电桩的位置及方向结合了粗匹配过程和精匹配过程的位姿变换结果,例如,针对点云子集A,在粗匹配过程中将A平移并且旋转,得到变换后的点云子集A1,若粗匹配成功,在精匹配过程中会将点云子集A1平移并且旋转,得到变换后的点云子集A2,若精匹配结果优于精匹配阈值,则认为寻找到充电桩,则结合上述两次平移和两次旋转的位姿变换矩阵T,就是充电桩的位置和方向。作为一个示例,基于上述点云模板匹配算法,通过粗匹配过程和精匹配过程识别到充电桩时,会得到一个旋转矩阵R和平移向量t,其中,旋转矩阵R能够表征实时点云坐标系与模板坐标系之间的旋转关系,平移向量t能够表征实时点云坐标系与模板坐标系之间的平移关系,旋转矩阵R和平移向量t的计算满足如下关系式:
其中,表示实时点云数据经过位姿变换后的一个雷达数据点,表示点云模板上与点欧式距离最接近的雷达数据点,n表示实时点云数据的雷达点总个数,基于上述公式可以看出,旋转矩阵R和平移向量t是能够使实时点云数据与点云模板数据的全部对应点对欧式距离之和最小的最优解,由旋转矩阵R和平移向量t构成的位姿变换关系,其公式如下
其中,[xinput,yinput]表示实时点云数据,θ表示根据点云模板匹配算法得到的充电桩朝向,向量[xt,yt]即为根据点云模板匹配算法得到的充电桩位置。
需要说明的是,上述公式及根据匹配结果确定所述充电桩的位置及方向信息的实现方式仅为举例,而非对本申请的限制,本领域技术人员应能理解,任何根据匹配结果确定所述充电桩的位置及方向信息的实现方式均应包含在本申请的包含范围内。
第三装置13根据所述位置及方向信息完成与所述充电桩的对接,并开始充电。具体地,移动机器人根据所述位置及方向信息进行旋转和移动,以完成与充电桩上的充电极柱的对接,并当对接成功后启动继电器开始充电。
在一些实施例中,第三装置13进一步用于:根据所述位置及方向信息确定目标位置姿态信息;根据所述目标位置姿态信息进行旋转和移动,以使所述移动机器人移动至目标位置和目标姿态;低速向后移动,若检测到所述充电桩返回的电压信号,开始充电。在一些实施例中,所述目标位置姿态信息用于指示移动机器人需移动至的目标位置以及移动机器人的目标姿态,目标位置为距离充电桩前方的一个固定距离处,目标姿态为充电桩的识别方向(也即前述检测出的充电桩的朝向)。其中,移动机器人可采用任何可行方式进行旋转和移动,以移动至目标位置和目标姿态,如通过码盘度数来进行旋转和移动,又如通过即时定位与地图构建技术来进行旋转和移动。在一些实施例中,移动机器人根据所述位置及方向信息确定目标位置姿态信息,并生成包括所述目标位置姿态信息的指令,之后,移动机器人根据该指令进行旋转和移动,使其移动到目标位置和目标姿态,到达目标位置后,将低速向后移动,直到其充电极片与充电桩的两个充电极柱接触并检测到充电桩返回的电压信号,则视为自主充电对接成功,移动机器人将开启继电器进行充电任务。
在一些实施例中,移动机器人若在向后移动的过程中检测到满足异常触发条件,停止向后移动,并返回所述检测位置,以再次尝试自主充电(也即触发第一装置11、第二装置12和第三装置13重复执行操作)。在一些实施例中,所述异常触发条件包括但不限于没有检测到来自充电桩的电压信号(如在达到预定时间或移动了预定距离时仍未检测到电压信号),出现了障碍物等。基于该容错机制,移动机器人在发现异常后能够及时停止后退,并返回初始的检测位置,重新进行充电尝试,因此在一些异常情况下也能保证自主充电的成功率。
在一些实施例中,该自动充电装置还包括在第一装置11之前执行操作的第四装置(图未示),第四装置用于获得所述特定形状结构对应的点云模板。例如,移动机器人获得图1所示充电桩的VL形状对应的点云模板,以在之后使用图1所示充电桩进行自主充电。
在一些实施例中,第四装置进一步用于:根据所述特定形状结构,生成所述特定形状结构对应的点云模板。例如,根据图1所示充电桩的VL形状,生成该VL形状对应的点云模板,该点云模板是严格符合该VL形状的真实形状分布,相邻点距相同、相邻点距较小的点云数据。在一些实施例中,可预先生成所述特定形状结构对应的点云模板,当充电任务开始时,加载该点云模板。在一些实施例中,当充电任务开始时,生成所述特定形状结构对应的点云模板。
在一些实施例中,第四装置进一步用于:获得点云模板集合,从所述点云模板集合中确定与所述特定形状结构对应的点云模板。其中,点云模板集合中包括多种特定形状结构对应的点云模板,可从该点云模板中确定与所要对接的充电桩的特定形状结构对应的点云模板,以使用该充电桩进行自主充电。本申请对移动机器人获得点云模板集合的方式并不作限制,例如,可接收其他设备通过网络发送的点云模板集合,或者,读取通过外接输入设备输入的点云模板集合,或者,通过特定应用程序下载点云模板集合,又例如,可针对不同的特定形状结构分别生成点云模板,从而得到点云模板集合。在一些实施例中,移动机器人中可默认设置一个特定形状结构,或者,用户可基于实际需求设置一个特定形状结构,第四装置可从点云模板集合中确定与默认设置或用户设置的特定形状结构对应的点云模板以用于自主充电,由此,移动机器人可支持多种具有不同特定形状的充电桩,且用户可基于需求或喜好来选择充电桩;优选地,若移动机器人采用已确定的点云模板并未检测到充电桩,可自动更换点云模板以尝试用其他点云模板来检测充电桩,以避免用户更换充电桩后未及时更新设置而导致自动充电失败。
在一些实施例中,移动机器人将在整个自主充电的流程中读取实时雷达数据,以通过雷达数据实现避障功能,提高整个自主充电流程的安全性。
根据本申请的方案,能够将对实时点云数据进行划分得到的点云子集与充电桩的特定形状结构对应的点云模板进行匹配,从而得到充电桩的准确位置及方向,以实现移动机器人与充电桩之间的安全高效的对接以及移动机器人的自主充电;具有广泛的适用场景,无需对环境进行改造,在任意位置放置上充电桩即可完成设置,简单便捷,使用场景不受任何限制;成本低廉,复用了机器人本身的激光雷达,无需在场景中添加任何辅助标识,也无需在移动机器人及充电桩上增加新的传感器,这大大降低了移动机器人的制造成本和后期维护成本,且可针对不同的特定形状结构快速生成点云模板,因此能够适应各种形状的充电桩设计,该基于模板匹配的形状检测算法具有高鲁棒性;检测结果精度高,基于模板匹配的形状检测算法可以最大化利用输入数据,检测分辨率可以达到毫米级精度,结果相较于其他检测算法更加精准;由于使用的是移动机器人本身的雷达传感***,因此能够在自主充电过程中实时感知周围环境。当机器人周围出现行人或障碍物时,能够有效地进行自主避障,从而避免对人或环境造成损害;此外,对于可能出现的检测不成功及少数意外情况,能够在充电失败时进行再次有效尝试,从而能够大大地降低充电失败概率。
需要说明的是,本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其他的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。***权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
Claims (16)
1.一种用于移动机器人的自主充电的方法,其中,该方法包括:
获取在检测位置处移动机器人面向充电桩一侧的雷达扫描的点云数据,将所述点云数据划分为多个点云子集,其中,所述充电桩包括特定形状结构;
将所述多个点云子集中的每个点云子集与所述特定形状结构对应的点云模板进行匹配,并根据匹配结果确定所述充电桩的位置及方向信息;
根据所述位置及方向信息完成与所述充电桩的对接,并开始充电。
2.根据权利要求1所述的方法,其中,所述将所述点云数据划分为多个点云子集,包括:
将所述点云数据中的第一个点作为起始点;
从所述起始点开始遍历,若找到与所述起始点之间的距离长度符合点云模板长度的目标点,将从所述起始点到所述目标点的点云数据划分为一个点云子集;
若所述目标点为所述点云数据中的最后一个点,结束划分操作,否则,将所述起始点的下一个点作为新的起始点,并重复所述遍历操作。
3.根据权利要求1所述的方法,其中,所述方法还包括:
获得所述特定形状结构对应的点云模板。
4.根据权利要求3所述的方法,其中,所述获得所述特定形状结构对应的点云模板,包括:
根据所述特定形状结构,生成所述特定形状结构对应的点云模板。
5.根据权利要求3所述的方法,其中,所述获得所述特定形状结构对应的点云模板,包括:
获得点云模板集合,从所述点云模板集合中确定与所述特定形状结构对应的点云模板。
6.根据权利要1至5中任一项所述的方法,其中,所述将所述多个点云子集中的每个点云子集与所述特定形状结构对应的点云模板进行匹配,并根据匹配结果确定所述充电桩的位置及方向信息,包括:
对于所述多个点云子集中的每个点云子集,通过初始位姿对该点云子集进行变换,将变换后的点云子集与所述点云模板进行粗匹配来获得粗匹配结果,判断所述粗匹配结果是否满足粗匹配阈值条件,若否,放弃该点云子集,若是,基于最近点迭代算法将所述点云子集与所述点云模板进行精匹配来获得精匹配结果,判断所述精匹配结果是否满足精匹配阈值条件,若否,放弃该点云子集,若是,根据所述粗匹配结果和所述精匹配结果,确定所述充电桩的位置及方向信息。
7.根据权利要求1至6中任一项所述的方法,其中,所述根据所述位置及方向信息完成与所述充电桩的对接,并开始充电,包括:
根据所述位置及方向信息确定目标位置姿态信息;
根据所述目标位置姿态信息进行旋转和移动,以使所述移动机器人移动至目标位置;
低速向后移动,若检测到所述充电桩返回的电压信号,开始充电。
8.根据权利要求7所述的方法,其中,该方法还包括:
若在向后移动的过程中检测到满足异常触发条件,停止向后移动,并返回所述检测位置,以重新开始扫描并再次尝试充电。
9.一种移动机器人中用于自主充电的装置,其中,该装置包括:
用于获取在检测位置处移动机器人面向充电桩一侧的雷达扫描的点云数据,将所述点云数据划分为多个点云子集的装置,其中,所述充电桩包括特定形状结构;
用于将所述多个点云子集中的每个点云子集与所述特定形状结构对应的点云模板进行匹配,并根据匹配结果确定所述充电桩的位置及方向信息的装置;
用于根据所述位置及方向信息完成与所述充电桩的对接,并开始充电的装置。
10.根据权利要求9所述的装置,其中,所述将所述点云数据划分为多个点云子集,包括:
将所述点云数据中的第一个点作为起始点;
从所述起始点开始遍历,若找到与所述起始点之间的距离长度符合点云模板长度的目标点,将从所述起始点到所述目标点的点云数据划分为一个点云子集;
若所述目标点为所述点云数据中的最后一个点,结束划分操作,否则,将所述起始点的下一个点作为新的起始点,并重复所述遍历操作。
11.根据权利要求9所述的装置,其中,所述装置还包括:
用于获得所述特定形状结构对应的点云模板的装置。
12.根据权利要求11所述的装置,其中,所述用于获得所述特定形状结构对应的点云模板的装置,用于:
根据所述特定形状结构,生成所述特定形状结构对应的点云模板。
13.根据权利要求11所述的装置,其中,所述用于获得所述特定形状结构对应的点云模板的装置,用于:
获得点云模板集合,从所述点云模板集合中确定与所述特定形状结构对应的点云模板。
14.根据权利要9至13中任一项所述的装置,其中,所述用于将所述多个点云子集中的每个点云子集与所述特定形状结构对应的点云模板进行匹配,并根据匹配结果确定所述充电桩的位置及方向信息的装置,用于:
对于所述多个点云子集中的每个点云子集,通过初始位姿对该点云子集进行变换,将变换后的点云子集与所述点云模板进行粗匹配来获得粗匹配结果,判断所述粗匹配结果是否满足粗匹配阈值条件,若否,放弃该点云子集,若是,基于最近点迭代算法将所述点云子集与所述点云模板进行精匹配来获得精匹配结果,判断所述精匹配结果是否满足精匹配阈值条件,若否,放弃该点云子集,若是,根据所述粗匹配结果和所述精匹配结果,确定所述充电桩的位置及方向信息。
15.根据权利要求9至14中任一项所述的装置,其中,所述用于根据所述位置及方向信息完成与所述充电桩的对接,并开始充电的装置,用于:
根据所述位置及方向信息确定目标位置姿态信息;
根据所述目标位置姿态信息进行旋转和移动,以使所述移动机器人移动至目标位置;
低速向后移动,若检测到所述充电桩返回的电压信号,开始充电。
16.根据权利要求15所述的装置,其中,该移动机器人还包括:
若在向后移动的过程中检测到满足异常触发条件,停止向后移动,并返回所述检测位置,以重新开始扫描并再次尝试充电。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010907714.6A CN112198871A (zh) | 2020-09-02 | 2020-09-02 | 用于移动机器人的自主充电的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010907714.6A CN112198871A (zh) | 2020-09-02 | 2020-09-02 | 用于移动机器人的自主充电的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112198871A true CN112198871A (zh) | 2021-01-08 |
Family
ID=74006275
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010907714.6A Pending CN112198871A (zh) | 2020-09-02 | 2020-09-02 | 用于移动机器人的自主充电的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112198871A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113138596A (zh) * | 2021-03-31 | 2021-07-20 | 深圳市优必选科技股份有限公司 | 机器人自动充电方法、***、终端设备及存储介质 |
CN113297989A (zh) * | 2021-05-28 | 2021-08-24 | 深圳市优必选科技股份有限公司 | 充电桩识别方法、装置、机器人及计算机可读存储介质 |
CN113341963A (zh) * | 2021-05-31 | 2021-09-03 | 深圳市威睿晶科电子有限公司 | 一种基于激光雷达的机器人自动回基站的导航方法及*** |
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 |
CN113418525A (zh) * | 2021-07-29 | 2021-09-21 | 中国工程物理研究院应用电子学研究所 | 一种基于激光雷达成像的自主定位装置及定位方法 |
CN114355889A (zh) * | 2021-12-08 | 2022-04-15 | 上海擎朗智能科技有限公司 | 控制方法、机器人、机器人充电座及计算机可读存储介质 |
CN114967668A (zh) * | 2021-11-19 | 2022-08-30 | 丰疆智能(深圳)有限公司 | 一种机器人自动充电方法及*** |
CN115220446A (zh) * | 2022-06-30 | 2022-10-21 | 北京三快在线科技有限公司 | 机器人寻桩方法、装置及机器人 |
CN115933706A (zh) * | 2023-02-07 | 2023-04-07 | 科大讯飞股份有限公司 | 机器人充电方法、装置、机器人及机器人*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110307838A (zh) * | 2019-08-26 | 2019-10-08 | 深圳市优必选科技股份有限公司 | 机器人重定位方法、装置、计算机可读存储介质及机器人 |
CN110758152A (zh) * | 2019-10-08 | 2020-02-07 | 北京创新工场旷视国际人工智能技术研究院有限公司 | 智能机器人、充电桩及智能机器人自主充电对接的方法 |
CN110824491A (zh) * | 2019-10-24 | 2020-02-21 | 北京迈格威科技有限公司 | 充电桩定位方法、装置、计算机设备和存储介质 |
CN111324121A (zh) * | 2020-02-27 | 2020-06-23 | 四川阿泰因机器人智能装备有限公司 | 一种基于激光雷达的移动机器人自动充电方法 |
CN111352420A (zh) * | 2020-03-03 | 2020-06-30 | 厦门大学 | 一种激光导航agv高精度定位及目标对准控制方法 |
-
2020
- 2020-09-02 CN CN202010907714.6A patent/CN112198871A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110307838A (zh) * | 2019-08-26 | 2019-10-08 | 深圳市优必选科技股份有限公司 | 机器人重定位方法、装置、计算机可读存储介质及机器人 |
CN110758152A (zh) * | 2019-10-08 | 2020-02-07 | 北京创新工场旷视国际人工智能技术研究院有限公司 | 智能机器人、充电桩及智能机器人自主充电对接的方法 |
CN110824491A (zh) * | 2019-10-24 | 2020-02-21 | 北京迈格威科技有限公司 | 充电桩定位方法、装置、计算机设备和存储介质 |
CN111324121A (zh) * | 2020-02-27 | 2020-06-23 | 四川阿泰因机器人智能装备有限公司 | 一种基于激光雷达的移动机器人自动充电方法 |
CN111352420A (zh) * | 2020-03-03 | 2020-06-30 | 厦门大学 | 一种激光导航agv高精度定位及目标对准控制方法 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113138596A (zh) * | 2021-03-31 | 2021-07-20 | 深圳市优必选科技股份有限公司 | 机器人自动充电方法、***、终端设备及存储介质 |
CN113297989A (zh) * | 2021-05-28 | 2021-08-24 | 深圳市优必选科技股份有限公司 | 充电桩识别方法、装置、机器人及计算机可读存储介质 |
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 |
CN113297989B (zh) * | 2021-05-28 | 2024-04-16 | 优必康(青岛)科技有限公司 | 充电桩识别方法、装置、机器人及计算机可读存储介质 |
CN113341396B (zh) * | 2021-05-28 | 2023-12-15 | 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 |
WO2022247137A1 (zh) * | 2021-05-28 | 2022-12-01 | 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 |
CN113341963B (zh) * | 2021-05-31 | 2023-08-22 | 深圳市威睿晶科电子有限公司 | 一种基于激光雷达的机器人自动回基站的导航方法及*** |
CN113341963A (zh) * | 2021-05-31 | 2021-09-03 | 深圳市威睿晶科电子有限公司 | 一种基于激光雷达的机器人自动回基站的导航方法及*** |
CN113418525A (zh) * | 2021-07-29 | 2021-09-21 | 中国工程物理研究院应用电子学研究所 | 一种基于激光雷达成像的自主定位装置及定位方法 |
CN114967668A (zh) * | 2021-11-19 | 2022-08-30 | 丰疆智能(深圳)有限公司 | 一种机器人自动充电方法及*** |
CN114355889A (zh) * | 2021-12-08 | 2022-04-15 | 上海擎朗智能科技有限公司 | 控制方法、机器人、机器人充电座及计算机可读存储介质 |
CN115220446B (zh) * | 2022-06-30 | 2023-12-08 | 北京三快在线科技有限公司 | 机器人寻桩方法、装置及机器人 |
CN115220446A (zh) * | 2022-06-30 | 2022-10-21 | 北京三快在线科技有限公司 | 机器人寻桩方法、装置及机器人 |
CN115933706A (zh) * | 2023-02-07 | 2023-04-07 | 科大讯飞股份有限公司 | 机器人充电方法、装置、机器人及机器人*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112198871A (zh) | 用于移动机器人的自主充电的方法和装置 | |
CN112217248A (zh) | 充电桩、用于移动机器人的自主充电的方法和装置 | |
US11340628B2 (en) | Marker-combined simultaneous localization and mapping navigation method, device and system | |
JP3561473B2 (ja) | 物***置の追跡・検知方法及びビークル | |
CN110757446B (zh) | 机器人回充登录的方法、装置及存储装置 | |
Olson | Probabilistic self-localization for mobile robots | |
CN107945233B (zh) | 视觉扫地机器人及其回充方法 | |
KR101927038B1 (ko) | 차량 위치 추정 장치, 차량 위치 추정 방법 | |
US7696894B2 (en) | Method for determining a relative position of a mobile unit by comparing scans of an environment and mobile unit | |
EP3226207B1 (en) | Automatic operation vehicle | |
CN108481327B (zh) | 一种增强视觉的定位装置、定位方法及机器人 | |
CN108544494B (zh) | 一种基于惯性和视觉特征的定位装置、方法及机器人 | |
Ye | Navigating a mobile robot by a traversability field histogram | |
JP7199937B2 (ja) | 駐車支援装置 | |
JP2005528707A (ja) | データ組間の特徴マッピング | |
CN113900454A (zh) | 充电对桩方法、装置、设备及存储介质 | |
JP5032953B2 (ja) | 自己位置認識システム | |
Wirbel et al. | Humanoid robot navigation: From a visual SLAM to a visual compass | |
CN212044739U (zh) | 一种基于惯性数据和视觉特征的定位装置及机器人 | |
Lin et al. | Robust outdoor stereo vision SLAM for heavy machine rotation sensing | |
JP2637764B2 (ja) | 指紋中心検出方式 | |
CN110455274B (zh) | 基于倒角距离形状匹配的agv初始定位方法及定位*** | |
US20240142992A1 (en) | Map generation device and map generation system | |
He et al. | S4OM: A real-time LiDAR odometry and mapping system based on super4pcs scan-matching | |
EP4012655A1 (en) | Positioning system and method for determining the three-dimensional position of a movable object |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210805 Address after: Room 1101-2, floor 11, block B, No. 3, Haidian Street, Haidian District, Beijing 100080 Applicant after: Beijing Jiexiang Lingyue Technology Co.,Ltd. Address before: 100080 room 1001-003, building 1, No.3 Haidian Street, Haidian District, Beijing Applicant before: SINOVATION VENTURES (BEIJING) ENTERPRISE MANAGEMENT Co.,Ltd. |
|
TA01 | Transfer of patent application right |