【技术实现步骤摘要】
本申请涉及机器人，特别是涉及一种机器人对桩方法、装置、电子设备和存储介质。
技术介绍
1、随着机器人技术的发展，出现了机器人对桩技术，目前市面上的机器人对桩时大多使用红外对桩技术，该技术的实现原理是：工作站不断向外发出红外信号，机器人的左右接收器通过接收红外信号的数量与位置来判断自身的位置，再规划路线回到工作站与工作站进行对接。
2、然而，红外对桩技术的对桩精准度受应用环境的影响较大，当机器人接收器有灰尘或者是工作站位置安装在角落时，会出现无法回到工作站而搁浅在半路上的情况，对桩成功率低。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提高机器人对桩成功率的机器人对桩方法、装置、电子设备和计算机可读存储介质。
2、第一方面，本申请提供了一种机器人对桩方法。所述方法包括：
3、获取对机器人的周边区域拍摄得到的目标图像；
4、通过所述目标图像确定所述周边区域是否设置有工作站；
5、若所述周边区域设置有所述工作站，则根据所述目标图像确定所述工作站的位姿信息，所述位姿信息用于指示所述工作站相对机器人的位姿；
6、根据所述位姿信息控制所述机器人前往所述工作站进行对桩。
7、在其中一个实施例中，所述目标图像包括深度图像和彩色图像，所述通过所述目标图像确定所述周边区域是否设置有工作站，包括：
8、对所述彩色图像进行图像数据处理得到第一结果，对所述深度图像进行深度数据处理得到第二结果，所
9、根据所述第一结果和所述第二结果确定所述周边区域是否设置有工作站。
10、在其中一个实施例中，所述对所述彩色图像进行图像数据处理得到第一结果，包括：
11、对所述彩色图像进行二值化处理得到灰度图像；
12、对所述灰度图像进行边界提取得到边缘图像，所述边缘图像中包括至少一个图形；
13、对所述边缘图像中不满足预设条件的图形进行过滤处理，得到过滤后的边缘图像；
14、根据所述过滤后的边缘图像确定所述第一结果。
15、在其中一个实施例中，所述根据所述过滤后的边缘图像确定所述第一结果，包括：
16、确认所述过滤后的边缘图像与模板图像的相似度匹配得分，所述模板图像中包括所述工作站的标靶的图像特征；
17、若所述相似度匹配得分大于第一得分阈值，则确认所述第一结果指示所述彩色图像中包括所述工作站的标靶的图像特征；
18、若所述相似度匹配得分不大于所述第一得分阈值，则确认所述第一结果指示所述彩色图像中未包括所述工作站的标靶的图像特征。
19、在其中一个实施例中，所述对所述深度图像进行深度数据处理得到第二结果，包括：
20、将所述深度图像转换为点云数据得到点云数据集；
21、从所述点云数据集中的所有点中筛选符合要求的出多个目标点，并将所述多个目标点的集合作为轮廓特征点云数据；
22、根据所述轮廓特征点云数据确定所述第二结果。
23、在其中一个实施例中，所述根据所述轮廓特征点云数据确定所述第二结果，包括：
24、确认所述轮廓特征点云数据与模板点云数据的特征匹配得分是否大于第二得分阈值，所述模板点云数据中包括所述工作站的对桩接口轮廓特征对应的点云数据；
25、若所述特征匹配得分大于第二得分阈值，则确认所述第二结果指示所述深度图像包括所述工作站的对桩接口轮廓特征；
26、若所述特征匹配得分不大于第二得分阈值，则确认所述第二结果指示所述深度图像未包括所述工作站的对桩接口轮廓特征。
27、在其中一个实施例中，所述根据所述第一结果和所述第二结果确定所述周边区域是否设置有工作站，包括：
28、若所述第一结果指示所述彩色图像包括所述工作站的标靶的图像特征，和/或所述第二结果指示所述深度图像包括所述工作站的对桩接口轮廓特征，则确定所述周边区域设置有工作站。
29、在其中一个实施例中，所述位姿信息包括第一位姿信息，所述根据所述目标图像确定所述工作站的位姿信息，包括：
30、确定点云数据集中的第一特征点的坐标以及所述点云数据集中的第二特征点的坐标，所述第一特征点与所述彩色图像的中心位置对应，所述第二特征点与所述彩色图像中的所述工作站的标靶的图像特征的中心位置对应；
31、根据所述第一特征点的坐标以及所述第二特征点的坐标确定所述工作站的第一位姿信息，所述第一位姿信息包括所述工作站相对机器人的第一偏转角度和第一距离；
32、和|或所述位姿信息包括第二位姿信息，所述根据所述目标图像确定所述工作站的位姿信息，包括：
33、根据轮廓特征点云数据的中心位置和点云数据集的中心位置确定所述工作站的第二位姿信息，所述第二位姿信息包括所述工作站相对机器人的第二偏转角度和第二距离。
34、在其中一个实施例中，所述位姿信息包括第一位姿信息和/或第二位姿信息，所述根据所述位姿信息控制所述机器人前往所述工作站进行对桩，包括：
35、确认所述第一位姿信息和所述第二位姿信息的误差是否在预设范围内；
36、若所述误差在所述预设范围内，则根据所述第一位姿信息或所述第二位姿信息控制所述机器人前往所述工作站进行对桩。
37、第二方面，本申请还提供了一种机器人对桩装置。所述装置包括：
38、获取模块，用于获取对机器人的周边区域拍摄得到的目标图像，所述目标图像包括深度图像和彩色图像；
39、确定模块，用于通过所述目标图像确定所述周边区域是否设置有工作站；若所述周边区域设置有所述工作站，则根据所述目标图像确定所述工作站的位姿信息，所述位姿信息用于指示所述工作站相对机器人的位姿；
40、控制模块，用于根据所述位姿信息控制所述机器人前往所述工作站进行对桩。
41、第三方面，本申请还提供了一种电子设备。所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器用于调用并执行所述计算机程序时实现上述的方法的步骤。
42、第四方面，本申请还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，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。
43、第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述的方法的步骤。
44、上述机器人对桩方法、装置、电子设备和存储介质，获取对机器人的周边区域拍摄得到的目标图像，所述目标图像包括深度图像和彩色图像，通过所述目标图像确定所述周边区域是否设置有工作站，当确定周边区域设置有工作站时，根据所述目标图像确定所述工作站的位姿信息，并根据所本文档来自技高网...
【技术保护点】
1.一种机器人对桩方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述目标图像包括深度图像和彩色图像，所述通过所述目标图像确定所述周边区域是否设置有工作站，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述彩色图像进行图像数据处理得到第一结果，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述过滤后的边缘图像确定所述第一结果，包括：
5.根据权利要求2所述的方法，其特征在于，所述对所述深度图像进行深度数据处理得到第二结果，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述轮廓特征点云数据确定所述第二结果，包括：
7.根据权利要求2所述的方法，其特征在于，所述根据所述第一结果和所述第二结果确定所述周边区域是否设置有工作站，包括：
8.根据权利要求5所述的方法，其特征在于，所述位姿信息包括第一位姿信息，所述根据所述目标图像确定所述工作站的位姿信息，包括：
9.根据权利要求1所述的方法，所述位姿信息包括第一位姿信息和/或第二位姿信
10.一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器用于调用并执行所述计算机程序时实现权利要求1至9中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种机器人对桩方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述目标图像包括深度图像和彩色图像，所述通过所述目标图像确定所述周边区域是否设置有工作站，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述彩色图像进行图像数据处理得到第一结果，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述过滤后的边缘图像确定所述第一结果，包括：
5.根据权利要求2所述的方法，其特征在于，所述对所述深度图像进行深度数据处理得到第二结果，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述轮廓特征点云数据确定所...
【专利技术属性】
技术研发人员：刘云备，
申请(专利权)人：深圳市普渡科技有限公司，
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。