一种机器人的充电桩识别定位方法技术

一种机器人的充电桩识别定位方法，通过选择最优的点云集合，然后根据最小二乘法的直线拟合方式计算V型充电桩的角度，计算出来的角度符合阈值范围，则识别出充电桩。最后根据最优点云的集合进行两次逆旋转，推算V型角的位置，得到充电桩在地图中的坐标位置。机器人能够快速的在充电桩附近识别定位出充电桩位置，快速的进行充电对接，实现机器人的自主充电。实现机器人的自主充电。

【技术实现步骤摘要】
一种机器人的充电桩识别定位方法


[0001]本专利技术涉及机器人系统
，具体涉及一种机器人的充电桩识别定位方法。

技术介绍

[0002]随着科技的发展，各种机器人开始出现在各个生活场所，用于代替人工执行一些任务，服务机器人正逐步替代部分人工的工作。目前，已将机器人广泛应用于餐厅、酒店、医院、博物馆、文化馆、政府机构等场景中，提供配送、引导、讲解等服务。应用于上述场景中的机器人需要克服使用场地的限制，进行无轨道移动。机器人具有电源系统，当电量消耗后，需要对电源系统及时进行充电。机器人自动寻找充电桩进行充电，是自主移动机器人必须具备的功能。

技术实现思路

[0003]本专利技术为了克服以上技术的不足，提供了一种能让机器人在摆放充电桩的位置快速定位出充电桩，让机器人快速的对接充电的方法。
[0004]本专利技术克服其技术问题所采用的技术方案是：一种机器人的充电桩识别定位方法，包括如下步骤：a)在机器人上安装激光雷达，在充电桩上安装V字形的识别标识；b)机器人在充电桩附件采集激光雷达点云数据，对激光雷达点云数据依次进行滤波、分割、筛选操作，得到与充电桩特征信息相匹配的点云数据；c)机器人采用HU不变矩方法对与充电桩特征信息相匹配的点云数据进行模板匹配，得到最优的点云簇数据集；d)将最优的点云簇数据进行直线拟合，计算得到充电桩的几何特征，该几何特征包括充电桩的宽高比、充电桩上的V字形识别标识的拐点位置以及V字形的识别标识的夹角；e)将点云数据拐点位置作为充电桩的位置，将拐点位置坐标转换到地图中，得到充电桩所在地图的位置。
[0005]进一步的，步骤b)中对激光点云数据采用高斯滤波的方式进行滤波，删除掉激光雷达采集的噪声数据。
[0006]进一步的，步骤b)中对激光雷达点云数据的分割的方法为：b
‑
1.1)通过将滤波后的激光雷达点云数据转换到机器人坐标系下；b
‑
1.2)利用点云数据坐标计算相邻点云数据之间的欧式距离；b
‑
1.3)设置阈值，将欧式距离小于等于阈值的相邻点云数据放置到一个簇中，将欧式距离大于阈值的相邻点云数据放置到另一个簇中。
[0007]进一步的，步骤b)中对激光雷达点云数据筛选的方法为：b
‑
2.1)设定筛选阈值；b
‑
2.2)如果一个簇中的点云数量小于筛选阈值时，将该点云簇进行剔除。
[0008]进一步的，步骤d)中计算出充电桩上的V字形识别标识的拐点位置后，将最优的点云簇根据拐点位置进行左右分割，对分割的左右两侧的点云数据采用最小二乘法的直线拟合方式进行拟合，得到两条直线的夹角，即为识别标识的夹角。
[0009]本专利技术的有益效果是：通过选择最优的点云集合，然后根据最小二乘法的直线拟合方式计算V型充电桩的角度，计算出来的角度符合阈值范围，则识别出充电桩。最后根据最优点云的集合进行两次逆旋转，推算V型角的位置，得到充电桩在地图中的坐标位置。机器人能够快速的在充电桩附近识别定位出充电桩位置，快速的进行充电对接，实现机器人的自主充电。
具体实施方式
[0010]下面对本专利技术做进一步说明。
[0011]一种机器人的充电桩识别定位方法，包括如下步骤：a)在机器人上安装激光雷达，在充电桩上安装V字形的识别标识。
[0012]b)机器人在充电桩附件采集激光雷达点云数据，对激光雷达点云数据依次进行滤波、分割、筛选操作，得到与充电桩特征信息相匹配的点云数据。具体来说，首先对雷达数据中的无穷大与无穷小数据进行相邻数据的过滤，去除无穷大与无穷小的异常数值。然后再对经过初次过滤后的激光雷达数据集利用高斯滤波的方法，对激光雷达数据集进行噪声的处理，获取可信任的激光数据。将获取到的激光雷达数据转换成电云数据，为防止激光器不安装在机器人正前方，并计算了激光器安装角度，然后通过旋转操作，将点云旋转到机器人正前方，再转换到机器人坐标系下，从而获取在机器人坐标系下所有采集到的点云数据。
[0013]c)机器人采用HU不变矩方法对与充电桩特征信息相匹配的点云数据进行模板匹配，得到最优的点云簇数据集。
[0014]d)将最优的点云簇数据进行直线拟合，计算得到充电桩的几何特征，该几何特征包括充电桩的宽高比、充电桩上的V字形识别标识的拐点位置以及V字形的识别标识的夹角。
[0015]e)将点云数据拐点位置作为充电桩的位置，将拐点位置坐标转换到地图中，得到充电桩所在地图的位置。
[0016]得到最优匹配的数据集合之后，需要将旋转的数据集合进行反向逆推，再经过旋转的过程来求得具体充电桩的位置。得到最优数据集合之后，根据模板数据中的近近点坐标，反推出该点云簇的近进点坐标位置，然后经过两次逆旋转，使得该点云的近进点坐标恢复至正向旋转的原始坐标位置，根据旋转后的中心点下标位置，记得到充电桩的位置。
[0017]通过选择最优的点云集合，然后根据最小二乘法的直线拟合方式计算V型充电桩的角度，计算出来的角度符合阈值范围，则识别出充电桩。最后根据最优点云的集合进行两次逆旋转，推算V型角的位置，得到充电桩在地图中的坐标位置。根据本专利技术提供的识别充电桩及定位方法，机器人能够快速的在充电桩附近识别定位出充电桩位置，快速的进行充电对接，实现机器人的自主充电。
[0018]实施例1：步骤b)中对激光点云数据采用高斯滤波的方式进行滤波，删除掉激光雷达采集的噪声数据。
[0019]实施例2：步骤b)中对激光雷达点云数据的分割的方法为：b
‑
1.1)通过将滤波后的激光雷达点云数据转换到机器人坐标系下。
[0020]b
‑
1.2)利用点云数据坐标计算相邻点云数据之间的欧式距离。
[0021]b
‑
1.3)设置阈值，将欧式距离小于等于阈值的相邻点云数据放置到一个簇中，将欧式距离大于阈值的相邻点云数据放置到另一个簇中。从而确保留下的点云簇集合中每一个簇元素中的数据量足够满足计算的要求。
[0022]实施例3：步骤b)中对激光雷达点云数据筛选的方法为：b
‑
2.1)设定筛选阈值。
[0023]b
‑
2.2)如果一个簇中的点云数量小于筛选阈值时，将该点云簇进行剔除。
[0024]实施例4：经过分簇筛选之后，需要对保留下的点云簇元素进一步的匹配筛选。首先要将点云簇中的每一个簇元素进行旋转，使簇中的点云数据都旋转至机器人的正前方，并对这些点云数据进行拟合，求得点云簇的直线拟合主方向角度，中心点坐标，然后将这些点云再做一次旋转，使得主方向垂直于激光正方向。对点云簇中的每一簇集合的元素都做这样的旋转处理，然后获取素有旋转之后的数据，再对全部的数据进行特征的提取。此时特征数据求得旋转数据最大最小数据及数据所在位置，根据点云数据中位数及高宽比来筛选点云簇元素是否符合V字形识别标识特征，当集合元素符合中位数及宽高比特征之后，根据点云簇集合元素中的特征下标值，对该集合元素的所有点云本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机器人的充电桩识别定位方法，其特征在于，包括如下步骤：a)在机器人上安装激光雷达，在充电桩上安装V字形的识别标识；b)机器人在充电桩附件采集激光雷达点云数据，对激光雷达点云数据依次进行滤波、分割、筛选操作，得到与充电桩特征信息相匹配的点云数据；c)机器人采用HU不变矩方法对与充电桩特征信息相匹配的点云数据进行模板匹配，得到最优的点云簇数据集；d)将最优的点云簇数据进行直线拟合，计算得到充电桩的几何特征，该几何特征包括充电桩的宽高比、充电桩上的V字形识别标识的拐点位置以及V字形的识别标识的夹角；e)将点云数据拐点位置作为充电桩的位置，将拐点位置坐标转换到地图中，得到充电桩所在地图的位置。2.根据权利要求1所述的机器人的充电桩识别定位方法，其特征在于：步骤b)中对激光点云数据采用高斯滤波的方式进行滤波，删除掉激光雷达采集的噪声数据。3.根据权利要求1所述的机器人的充电桩识别定位方法，其特征在于，步骤b)中对激光雷达点云数据的分割的方法为：b

【专利技术属性】
技术研发人员：华逢彬，高明，王建华，马辰，
申请(专利权)人：山东新一代信息产业技术研究院有限公司，
类型：发明
国别省市：