本申请实施例提供一种机器人自动对桩方法、装置、机器人及存储介质。在该机器人自动对桩方法中，机器人可获取自身当前位置相对于充电桩的多组位姿信息；根据图优化算法对多组位姿信息进行优化，得到机器人与充电桩的优化位姿信息，并根据该优化位姿信息，采用全向控制底盘沿着规划的移动路径移动到充电桩。通过这种方式，利用图优化算法，机器人可得到较为精确的位姿信息，进而使得规划的移动路径更加准确，从而提升了对桩成功率。从而提升了对桩成功率。从而提升了对桩成功率。
【技术实现步骤摘要】
一种机器人自动对桩方法、装置、机器人及存储介质
[0001]本申请涉及机器人
，尤其涉及一种机器人自动对桩方法、装置、机器人及存储介质。
技术介绍
[0002]随着科技的不断发展，各种机器人不断涌现，常见于人类生活中的诸多服务场景，比如扫地机器人、浇水机器人、农耕机器人、物流机器人等等。这些机器人在进行自动充电时需要通过对桩来找到合适的充电位置。
[0003]但是现有的机器人对桩的对桩失败几率较高。因此，有待提出一种新的解决方案。
技术实现思路
[0004]本申请提供一种机器人自动对桩方法、装置、机器人及存储介质，用以提升对桩成功率。
[0005]本申请实施例提供一种机器人自动对桩方法，适用于机器人，所述机器人安装有全向控制底盘；包括：响应充电对桩指令，获取所述机器人的当前位置相对于充电桩的多组位姿信息；根据图优化算法对所述多组位姿信息进行优化，得到所述机器人与所述充电桩的优化位姿信息；根据所述优化位姿信息，规划所述机器人到所述充电桩的移动路径；采用全向控制底盘，沿所述移动路径移动到所述充电桩。
[0006]进一步可选地，响应充电对桩指令，获取所述机器人的当前位置相对于充电桩的多组位姿信息，包括：对所述充电桩上的物体进行多次图像识别操作，得到多个深度信息识别结果；根据所述多个深度信息识别结果，确定所述机器人的当前位置相对于所述充电桩的多组位姿信息。
[0007]进一步可选地，根据图优化算法对所述多组位姿信息进行优化，得到所述机器人与所述充电桩的优化位姿信息，包括：基于所述多组位姿信息，确定图模型；通过预设的目标迭代优化方法和预设的稀疏优化器，对所述图模型进行迭代优化，以不断更新顶点；当迭代优化次数达到预设的迭代次数阈值时，停止迭代，并输出更新后的顶点对应的位姿信息，作为所述优化位姿信息。
[0008]进一步可选地，所述图模型包括多条边以及顶点；所述顶点的初始化值根据所述多组位姿信息的平均值确定或者根据所述多组位姿信息中的任一组位姿信息确定；所述多条边与所述多组位姿信息一一对应，任一条边根据所述边对应的一组位姿信息与所述顶点之间的误差确定。
[0009]进一步可选地，所述机器人的指定侧面上安装有充电接口；根据所述优化位姿信息，规划所述机器人到所述充电桩的移动路径，包括：根据所述优化位姿信息，通过所述全向控制底盘，调整所述机器人的当前位姿，以使所述指定侧面与所述充电桩的充电平面相对；根据所述机器人的调整后的位姿以及所述充电桩的充电点位的位置信息，确定所述机器人移动至所述充电点位的直线路径；其中，所述充电点位的位置信息包括：所述充电点位
相对于所述充电桩的方向以及距离。
[0010]进一步可选地，所述充电点位位于所述充电桩的充电平面的正前方的指定距离处；采用全向控制底盘，沿所述移动路径移动到所述充电桩，包括：通过所述全向控制底盘，将所述机器人沿所述直线路径移动到所述充电点位；从所述充电点位的位置开始，通过所述全向控制底盘，将所述机器人直线移动所述指定距离，以到达所述充电桩。
[0011]进一步可选地，根据所述机器人的调整后的位姿以及所述充电桩的充电点位的位置信息，确定所述机器人移动至所述充电点位的直线路径之前，还包括：获取所述机器人经过位姿调整后相对于所述充电桩的多组新的位姿信息；根据图优化算法对所述多组新的位姿信息进行优化，得到所述机器人的调整后的位姿信息。
[0012]本申请实施例还提供一种自动对桩装置，包括：获取模块，用于：响应充电对桩指令，获取所述机器人的当前位置相对于充电桩的多组位姿信息；优化模块，用于：根据图优化算法对所述多组位姿信息进行优化，得到所述机器人与所述充电桩的优化位姿信息；规划模块，用于，根据所述优化位姿信息，规划所述机器人到所述充电桩的移动路径；移动模块，用于：采用全向控制底盘，沿所述移动路径移动到所述充电桩。
[0013]进一步可选地，所述获取模块，具体用于：对所述充电桩上的物体进行多次图像识别操作，得到多个深度信息识别结果；根据所述多个深度信息识别结果，确定所述机器人的当前位置相对于所述充电桩的多组位姿信息。
[0014]进一步可选地，所述优化模块，具体用于：基于所述多组位姿信息，确定图模型；通过预设的目标迭代优化方法和预设的稀疏优化器，对所述图模型进行迭代优化，以不断更新顶点；当迭代优化次数达到预设的迭代次数阈值时，停止迭代，并输出更新后的顶点对应的位姿信息，作为所述优化位姿信息。
[0015]进一步可选地，所述图模型包括多条边以及顶点；所述顶点的初始化值根据所述多组位姿信息的平均值确定或者根据所述多组位姿信息中的任一组位姿信息确定；所述多条边与所述多组位姿信息一一对应，任一条边根据所述边对应的一组位姿信息与所述顶点之间的误差确定。
[0016]本申请实施例还提供一种机器人，包括：存储器、处理器以及通信组件；其中，所述存储器用于：存储一条或多条计算机指令；所述处理器用于执行所述一条或多条计算机指令，以用于：执行所述机器人自动对桩方法中的步骤。
[0017]本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，当计算机程序被处理器执行时，致使处理器实现所述机器人自动对桩方法中的步骤。
[0018]本申请实施例提供一种机器人自动对桩方法、装置、机器人及存储介质中，机器人可获取自身当前位置相对于充电桩的多组位姿信息；根据图优化算法对多组位姿信息进行优化，得到机器人与充电桩的优化位姿信息，并根据该优化位姿信息，采用全向控制底盘沿着规划的移动路径移动到充电桩。通过这种方式，利用图优化算法，机器人可得到较为精确的位姿信息，进而使得规划的移动路径更加准确，从而提升了对桩成功率。
附图说明
[0019]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0020]图1a为本申请一示例性实施例提供的机器人自动对桩方法的流程示意图；
[0021]图1b为本申请一示例性实施例提供的图模型的示意图；
[0022]图2为本申请一示例性实施例提供的移动路径规划的示意图；
[0023]图3为本申请一示例性实施例提供的移动路径规划的示意图；
[0024]图4为本申请一示例性实施例提供的移动路径规划的示意图；
[0025]图5为本申请一示例性实施例提供的自动对桩装置的结构示意图；
[0026]图6为本申请一示例性实施例提供的机器人的结构示意图。
具体实施方式
[0027]为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0028]针对现有技术中，机器人对桩的对桩失败本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种机器人自动对桩方法，适用于机器人，其特征在于，所述机器人安装有全向控制底盘；包括：响应充电对桩指令，获取所述机器人的当前位置相对于充电桩的多组位姿信息；根据图优化算法对所述多组位姿信息进行优化，得到所述机器人与所述充电桩的优化位姿信息；根据所述优化位姿信息，规划所述机器人到所述充电桩的移动路径；采用全向控制底盘，沿所述移动路径移动到所述充电桩。2.根据权利要求1所述的方法，其特征在于，响应充电对桩指令，获取所述机器人的当前位置相对于充电桩的多组位姿信息，包括：对所述充电桩上的物体进行多次图像识别操作，得到多个深度信息识别结果；根据所述多个深度信息识别结果，确定所述机器人的当前位置相对于所述充电桩的多组位姿信息。3.根据权利要求1所述的方法，其特征在于，根据图优化算法对所述多组位姿信息进行优化，得到所述机器人与所述充电桩的优化位姿信息，包括：基于所述多组位姿信息，确定图模型；通过预设的目标迭代优化方法和预设的稀疏优化器，对所述图模型进行迭代优化，以不断更新顶点；当迭代优化次数达到预设的迭代次数阈值时，停止迭代，并输出更新后的顶点对应的位姿信息，作为所述优化位姿信息。4.根据权利要求3所述的方法，其特征在于，所述图模型包括多条边以及顶点；所述顶点的初始化值根据所述多组位姿信息的平均值确定或者根据所述多组位姿信息中的任一组位姿信息确定；所述多条边与所述多组位姿信息一一对应，任一条边根据所述边对应的一组位姿信息与所述顶点之间的误差确定。5.根据权利要求1所述的方法，其特征在于，所述机器人的指定侧面上安装有充电接口；根据所述优化位姿信息，规划所述机器人到所述充电桩的移动路径，包括：根据所述优化位姿信息，通过所述全向控制底盘，调整所述机器人的当前位姿，以使所述指定侧面与所述充电桩的充电平面相对；根据所述机器人的调整后的位姿以及所述充电桩的充电点位的位置信息，确定所述机器人移动至所述充电点位的直线路径；其中，所述充电点位的位置信息包括：所述充电点位相对于所述充电桩的方向以及距离。6.根据权利要求5所述的方法，其特征在于，所述充电点位位于所述充电桩的充电平面的正前方的指定距离处；采用全向控制底盘，沿所述移动路径移动到所述充电桩，包括：通过所述全向控制底盘，将所述机器人沿所述直线路径移动到所述充电点位；从所述充电点位的位置开始，通过所述全向控制...
【专利技术属性】
技术研发人员：郑晓阳，
申请(专利权)人：达闼机器人股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。