本發(fā)明屬于服務(wù)機器人定位與導(dǎo)航領(lǐng)域，涉及銀行廳堂環(huán)境中進行金融業(yè)務(wù)辦理的服務(wù)機器人自主導(dǎo)航及自動充電方法。

背景技術(shù)：

目前，銀行業(yè)務(wù)咨詢、業(yè)務(wù)辦理等工作主要通過人工處理，效率較低。同時，銀行現(xiàn)有的柜員機操作方式復(fù)雜，無法實現(xiàn)人機交互等功能。另外，銀行業(yè)務(wù)推廣主要依靠傳單等紙質(zhì)資料，造成資源浪費。銀行廳堂服務(wù)機器人可以很好的解決上述問題，并為前來辦理業(yè)務(wù)的顧客提供引導(dǎo)服務(wù)，減輕銀行引導(dǎo)人員的工作負擔(dān)，具有很高的應(yīng)用價值。

自主導(dǎo)航是移動機器人的關(guān)鍵技術(shù)，也是反映移動機器人實現(xiàn)智能化的關(guān)鍵指標。移動機器人導(dǎo)航就是機器人能夠自主按照存儲在其內(nèi)部的地圖信息，或根據(jù)傳感器獲得的外部環(huán)境信號規(guī)劃出移動路徑，并能夠沿著該路徑在沒有人工干預(yù)的情況下，移動到預(yù)定目標點。由于銀行廳堂環(huán)境具有結(jié)構(gòu)復(fù)雜，動態(tài)物體多的特點，因此，如何在該類環(huán)境中正確、安全地完成即時定位與地圖構(gòu)建、動態(tài)路徑規(guī)劃等功能是目前亟待解決的問題之一。

技術(shù)實現(xiàn)要素：

有鑒于此，本發(fā)明提供了一種面向銀行廳堂環(huán)境的服務(wù)機器人自主導(dǎo)航與自動充電方法，導(dǎo)航系統(tǒng)能夠根據(jù)自身定位和銀行業(yè)務(wù)辦理系統(tǒng)分析得到的目標任務(wù)點位置，將機器人引導(dǎo)至目標點，并將狀態(tài)反饋至金融業(yè)務(wù)應(yīng)用。當機器人的電池電壓較低時，導(dǎo)航系統(tǒng)會將機器人引導(dǎo)至充電樁附近，并通過識別標志物引導(dǎo)機器人與充電樁對接，實現(xiàn)自動充電的導(dǎo)航。

本發(fā)明的技術(shù)方案如下：

步驟s1：當需要在一個新的銀行廳堂部署機器人時，首先使用上位機遙控機器人掃描廳堂的各個區(qū)域?qū)Φ貓D進行構(gòu)建，具體步驟如下：

a)：機器人設(shè)置有激光傳感器、單目攝像頭、rgb-d相機、輪式里程計、超聲波傳感器、慣性測量單元，自主導(dǎo)航系統(tǒng)采集傳感器信息，通過基于rgb-d相機的視覺里程計、輪式里程計、慣性測量單元估計機器人的粗略姿態(tài)。

b)：粒子濾波器基于上一步驟得到的粗略姿態(tài)，進行當前激光結(jié)構(gòu)分析，尋找當前幀中的關(guān)鍵結(jié)構(gòu)點，加大結(jié)構(gòu)點的影響因子，然后基于montecarlo的局部迭代收斂過程，尋找機器人在局部空間下的最優(yōu)姿態(tài)。同時，通過對連續(xù)匹配幀的分析，尋找出關(guān)鍵幀作為當前時段最優(yōu)匹配結(jié)果。

c)：根據(jù)粒子濾波器得到的位姿估計結(jié)果，判斷關(guān)鍵幀匹配結(jié)果足夠優(yōu)異，如果足夠優(yōu)異則在全局地圖中加入當前幀掃描信息，同時會利用當前幀掃描信息消除地圖中原有的錯誤信息。同時，若某個超聲波傳感器返回的距離信息與激光傳感器和rgbd相機數(shù)據(jù)有較大偏差時，則對數(shù)據(jù)進行校核，如果此時數(shù)據(jù)不穩(wěn)定即測量方差較大，則認為該超聲波傳感器對應(yīng)的感知范圍內(nèi)存在反光/透明/半透明的物體，則在地圖中進行標注。

步驟s2：環(huán)境地圖構(gòu)建完成后，可人工通過上位機編輯地圖，如增加虛擬墻等，并根據(jù)銀行的實際業(yè)務(wù)需求設(shè)定若干任務(wù)點。

步驟s3：機器人工作時的具體步驟如下：

a)：加載構(gòu)建好的地圖，并通過rgb-d相機采集的圖像識別場景，得到機器人在地圖中的位置。

b)：導(dǎo)航系統(tǒng)接收銀行業(yè)務(wù)系統(tǒng)根據(jù)用戶需求分析出機器人需前往的任務(wù)目標點，綜合采集到的各類傳感器信息，根據(jù)任務(wù)點和自身定位，在已構(gòu)建好的地圖中利用基于混合狀態(tài)a-star算法進行路徑規(guī)劃，生成運動控制量，具體步驟為：首先利用傳統(tǒng)a*計算達到目標狀態(tài)的復(fù)雜度，然后利用模糊推理為混合狀態(tài)a*搜索計算啟發(fā)式權(quán)重，最后通過混合狀態(tài)a*搜索規(guī)劃行駛路徑。機器人到達目標點后，再次執(zhí)行本步驟，準備接收下一個任務(wù)目標點。

本發(fā)明還提供了一種基于圖像標志的自動充電的定位導(dǎo)航方法，該方法包括：

步驟s1，不斷監(jiān)測電池電壓，當電壓低于閾值時，導(dǎo)航系統(tǒng)將機器人引導(dǎo)至充電樁前方。

步驟s2，通過圖像傳感器采集圖像，提取圖像中的置于充電樁上的視覺標志，計算機器人相對充電樁的位置，引導(dǎo)機器人靠近充電樁。

步驟s3，當機器人與充電樁對接后，充電樁上視覺標志兩側(cè)的led燈亮，導(dǎo)航系統(tǒng)通過圖像判斷對接成功，控制機器人停止運動并打開機器人充電電路的繼電器。

有益效果：

1、部署時，利用激光雷達、rgb-d相機、超聲波傳感器等多種傳感器信息構(gòu)建銀行廳堂環(huán)境地圖，并根據(jù)實際金融業(yè)務(wù)的需要設(shè)置任務(wù)點；工作時，根據(jù)上層的銀行業(yè)務(wù)系統(tǒng)發(fā)來的任務(wù)點，通過混合狀態(tài)a*的路徑規(guī)劃算法規(guī)劃路徑，引導(dǎo)機器人前往任務(wù)點，實現(xiàn)銀行廳堂環(huán)境的機器人自主導(dǎo)航。

2、通過將機器人引導(dǎo)至充電樁附近，再識別充電樁上的圖像標志引導(dǎo)機器人與充電樁對接，實現(xiàn)機器人的自動充電。

附圖說明

圖1為本發(fā)明實施例1中兩輪差動轉(zhuǎn)向模型示意圖；

圖2為本發(fā)明實施例1中混合狀態(tài)a*算法流程圖；

圖3為本發(fā)明實施例1中路徑規(guī)劃時當前節(jié)點到目標節(jié)點的reed-shepp曲線示例圖；

圖4為本發(fā)明實施例2中的充電樁視覺標志物及l(fā)ed燈與機器人攝像頭間的關(guān)系示意圖；

圖5為本發(fā)明實施例2中的一種自動充電引導(dǎo)方法流程圖。

標號說明：

1、充電樁上的視覺標志示例；2、視覺標志兩側(cè)的led燈；3、機器人搭載的攝像頭；4、充電樁上用于充電的觸點。

具體實施方式

下面結(jié)合附圖并舉實施例，對本發(fā)明進行詳細描述。

實施例1、面向銀行廳堂環(huán)境的服務(wù)機器人自主導(dǎo)航方法。

步驟s1：當需要在一個新的銀行廳堂部署機器人時，首先使用上位機遙控機器人掃描廳堂的各個區(qū)域?qū)Φ貓D進行構(gòu)建，具體步驟如下：

a)：機器人設(shè)置有激光傳感器、單目攝像頭、rgb-d相機、輪式里程計、超聲波傳感器、慣性測量單元。自主導(dǎo)航系統(tǒng)采集傳感器信息，輪式里程計模塊通過航位推算獲得粗略的機器人實時姿態(tài)，兩輪差動轉(zhuǎn)向模型如圖1所示，兩輪差動模型航位推算過程表示為

其中vk為機器人實時運動速率；視覺里程計基于立體視覺前后幀特征匹配以及ransac算法進行特征提純，通過最小化重投影誤差獲得前后幀的旋轉(zhuǎn)平移矩陣從而累計獲得機器人當前姿態(tài)；通過慣性測量單元獲得機器人的加速度和角速度，從而積分獲得機器人姿態(tài)。

b)：利用粒子濾波器根據(jù)獲得的上一步驟得到的實時粗略姿態(tài)及當前幀激光數(shù)據(jù)與地圖信息匹配，消除里程計的積累誤差。主要進行當前激光結(jié)構(gòu)分析，尋找當前幀中的關(guān)鍵結(jié)構(gòu)點，加大結(jié)構(gòu)點的影響因子，然后基于montecarlo局部迭代收斂過程，尋找機器人在局部空間下的最優(yōu)姿態(tài)。其中，每一粒子姿態(tài)通過旋轉(zhuǎn)平移矩陣獲得方法為

其中sm(t)為當待匹配粒子，sb(t)為當前觀測數(shù)據(jù)，pm及pb分別為粒子中各激光點坐標和觀測數(shù)據(jù)中各激光點坐標。通過對連續(xù)匹配幀分析，尋找出當前時段最優(yōu)關(guān)鍵幀及其匹配結(jié)果m(t)。同時，該最優(yōu)匹配結(jié)果被用作反饋值，作用于下一幀粒子匹配過程，粒子分布范圍(x^m,y^m,a^m)及迭代次數(shù)loopnum通過歷史匹配值及預(yù)設(shè)參數(shù)確定方式為

c)：根據(jù)粒子濾波器得到的位姿估計結(jié)果，判斷關(guān)鍵幀匹配結(jié)果足夠優(yōu)異，對于地圖更新模塊，其主要包括三類執(zhí)行動作。當關(guān)鍵幀匹配結(jié)果足夠優(yōu)異時，該模塊不僅在全局地圖中加入當前幀掃描信息，同時會利用當前幀掃描信息消除地圖中原有的錯誤信息。當匹配值持續(xù)優(yōu)異時，進行地圖更新。反之當關(guān)鍵幀匹配結(jié)果不夠優(yōu)異時，全局地圖將保持不變，只更新機器人的姿態(tài)信息。同時，若某個超聲波傳感器返回的距離信息與激光傳感器和rgbd相機數(shù)據(jù)有較大偏差時，則對數(shù)據(jù)進行校核，如果此時數(shù)據(jù)不穩(wěn)定即測量方差較大，則認為該超聲波傳感器對應(yīng)的感知范圍內(nèi)存在反光/透明/半透明的物體，則在地圖中進行標注。

步驟s2：環(huán)境地圖構(gòu)建完成后，可人工通過上位機編輯地圖，如增加虛擬墻等，并根據(jù)銀行的實際業(yè)務(wù)需求設(shè)定若干任務(wù)點。

步驟s3：機器人工作時的具體步驟如下：

a)：加載構(gòu)建好的地圖，并通過rgb-d相機采集的圖像識別場景，得到機器人在地圖中的位置。

b)：導(dǎo)航系統(tǒng)接收銀行業(yè)務(wù)系統(tǒng)根據(jù)用戶需求分析出機器人需前往的任務(wù)目標點，綜合采集到的各類傳感器信息，根據(jù)任務(wù)點和自身定位，在已構(gòu)建好的地圖中利用基于混合狀態(tài)a-star算法進行路徑規(guī)劃，并生成運動控制量。具體步驟如圖2所示：首先將當前機器人的連續(xù)狀態(tài)與起始柵格關(guān)聯(lián)起來，然后通過前向仿真計算當前連續(xù)狀態(tài)的子狀態(tài)，并計算這些子狀態(tài)落入的柵格，如果該柵格從未出現(xiàn)在open列表中，那么將其添加到open列表中；如果該柵格已經(jīng)出現(xiàn)在open列表中，則計算該柵格當前的g代價，若其小于原有的g代價，則更新該柵格的代價與父節(jié)點，并重新對open列表進行排序。由于前向仿真很難精確抵達目標狀態(tài)，同時也為了進一步提高混合狀態(tài)a*搜索的實時性與路徑光滑度，在節(jié)點擴展過程中還進行了“解析擴展”步驟，該步驟忽略環(huán)境中的障礙物，計算當前節(jié)點到目標節(jié)點的reed-shepp路徑，如圖3所示，1中qi為起始狀態(tài)，qg為目標狀態(tài)，如果該路徑是無碰撞的，則將該路徑的直接點添加到open列表中。至此算法規(guī)劃出來的路徑并非全局最優(yōu)，還需要通過后處理進一步優(yōu)化，使得路徑更加光滑，優(yōu)化方法采用共軛梯度法，待優(yōu)化的目標函數(shù)為

其中κmax為最小轉(zhuǎn)彎半徑，σκ是代價系數(shù)，ωκ和ωs是加權(quán)系數(shù)，n為路徑中的路點數(shù)量，δxi和δφi分別是位置向量和角度向量：

δxi＝xi-xi-1(6)

其中x和y分別是路點的橫、縱坐標，為了提高混合狀態(tài)a*搜索的實時性，搜索使用的柵格地圖分辨率通常較低，因此路徑中的路點間距較大，不利于底層程序進行跟蹤控制，為此需要對規(guī)劃路徑進行插值操作。為了使得規(guī)劃路徑在無碰撞的基礎(chǔ)上進一步遠離障礙物，再次使用共軛梯度法優(yōu)化路徑，待優(yōu)化的目標函數(shù)為

其中σo是代價系數(shù)，ωo是加權(quán)系數(shù)，oi是障礙物坐標，dmax是機器人與障礙物的最大距離。機器人到達目標點后，準備接收下一個任務(wù)目標點。

實施例2、一種機器人自動充電定位導(dǎo)航方法。

步驟s1，不斷監(jiān)測電池電壓，當電壓低于閾值時，利用實施例1中的方法將機器人引導(dǎo)至充電樁前方。

步驟s2，通過圖像傳感器采集圖像，提取圖像中的置于充電樁上的視覺標志，設(shè)pi＝[xiyizi]^t,i＝1,2,3,4為圖像標志的四個頂點的在自身坐標系下的坐標，pi＝[uivi]^t,i＝1,2,3,4經(jīng)過圖像識別得到圖像標志的四個頂點在圖像中對應(yīng)點，為pi點通過針孔相機模型計算得到圖像投影點，通過優(yōu)化目標函數(shù)得到機器人相對于圖像標志的變換矩陣，則可以得到機器人相對與圖像標志的距離d＝|t|。設(shè)p＝[xy]^t為視覺標志的中心的在圖像像素坐標系下的坐標，則控制量的輸出為期望線速度v＝kp1*d+c1，其中kp1和c為設(shè)定的參數(shù)；期望角速度v＝kp2*(x-c2)，其中kp2為設(shè)定的參數(shù)，c2為圖像水平方向像素個數(shù)的一半。

步驟s3，當機器人相對與圖像標志的距離d小于一定閾值時，機器人減速到一定范圍內(nèi)，同時判斷圖像中是否出現(xiàn)明顯的紅色或綠色，判斷的方法為將采集的圖像由rgb色彩空間轉(zhuǎn)換至hsi色彩空間，判斷視覺標志兩側(cè)一定圖像區(qū)域內(nèi)的每一個像素的h通道像素值和s通道像素值是否在設(shè)定范圍內(nèi)，統(tǒng)計該區(qū)域內(nèi)符合條件的像素個數(shù)，當符合條件的像素個數(shù)大于閾值則認為充電樁上視覺標志兩側(cè)的紅色和綠色led燈已經(jīng)亮起，即機器人與充電樁對接成功，立即使機器人停止運動，并打開機器人充電電路的繼電器開始對電池進行充電。

綜上，以上僅為本發(fā)明的較佳實施例而已，并非用于限定本發(fā)明的保護范圍。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。