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

背景技術：

目前，銀行業(yè)務咨詢、業(yè)務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雜，無法實現(xiàn)人機交互等功能。另外，銀行業(yè)務推廣主要依靠傳單等紙質資料，造成資源浪費。銀行廳堂服務機器人可以很好的解決上述問題，并為前來辦理業(yè)務的顧客提供引導服務，減輕銀行引導人員的工作負擔，具有很高的應用價值。

自主導航是移動機器人的關鍵技術，也是反映移動機器人實現(xiàn)智能化的關鍵指標。移動機器人導航就是機器人能夠自主按照存儲在其內部的地圖信息，或根據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的情況下，移動到預定目標點。由于銀行廳堂環(huán)境具有結構復雜，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)境的服務機器人自主導航與自動充電方法，導航系統(tǒng)能夠根據自身定位和銀行業(yè)務辦理系統(tǒng)分析得到的目標任務點位置，將機器人引導至目標點，并將狀態(tài)反饋至金融業(yè)務應用。當機器人的電池電壓較低時，導航系統(tǒng)會將機器人引導至充電樁附近，并通過識別標志物引導機器人與充電樁對接，實現(xiàn)自動充電的導航。

本發(fā)明的技術方案如下：

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)域對地圖進行構建，具體步驟如下：

a)：機器人設置有激光傳感器、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)，進行當前激光結構分析，尋找當前幀中的關鍵結構點，加大結構點的影響因子，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，尋找出關鍵幀作為當前時段最優(yōu)匹配結果。

c)：根據粒子濾波器得到的位姿估計結果，判斷關鍵幀匹配結果足夠優(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)據有較大偏差時，則對數(shù)據進行校核，如果此時數(shù)據不穩(wěn)定即測量方差較大，則認為該超聲波傳感器對應的感知范圍內存在反光/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，并根據銀行的實際業(yè)務需求設定若干任務點。

步驟s3：機器人工作時的具體步驟如下：

a)：加載構建好的地圖，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)：導航系統(tǒng)接收銀行業(yè)務系統(tǒng)根據用戶需求分析出機器人需前往的任務目標點，綜合采集到的各類傳感器信息，根據任務點和自身定位，在已構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，導航系統(tǒng)將機器人引導至充電樁前方。

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的led燈亮，導航系統(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建銀行廳堂環(huán)境地圖，并根據實際金融業(yè)務的需要設置任務點；工作時，根據上層的銀行業(yè)務系統(tǒng)發(fā)來的任務點，通過混合狀態(tài)a*的路徑規(guī)劃算法規(guī)劃路徑，引導機器人前往任務點，實現(xiàn)銀行廳堂環(huán)境的機器人自主導航。

2、通過將機器人引導至充電樁附近，再識別充電樁上的圖像標志引導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)境的服務機器人自主導航方法。

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)域對地圖進行構建，具體步驟如下：

a)：機器人設置有激光傳感器、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構分析，尋找當前幀中的關鍵結構點，加大結構點的影響因子，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，pm及pb分別為粒子中各激光點坐標和觀測數(shù)據中各激光點坐標。通過對連續(xù)匹配幀分析，尋找出當前時段最優(yōu)關鍵幀及其匹配結果m(t)。同時，該最優(yōu)匹配結果被用作反饋值，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設參數(shù)確定方式為

c)：根據粒子濾波器得到的位姿估計結果，判斷關鍵幀匹配結果足夠優(yōu)異，對于地圖更新模塊，其主要包括三類執(zhí)行動作。當關鍵幀匹配結果足夠優(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。反之當關鍵幀匹配結果不夠優(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)據有較大偏差時，則對數(shù)據進行校核，如果此時數(shù)據不穩(wěn)定即測量方差較大，則認為該超聲波傳感器對應的感知范圍內存在反光/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，并根據銀行的實際業(yè)務需求設定若干任務點。

步驟s3：機器人工作時的具體步驟如下：

a)：加載構建好的地圖，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)：導航系統(tǒng)接收銀行業(yè)務系統(tǒng)根據用戶需求分析出機器人需前往的任務目標點，綜合采集到的各類傳感器信息，根據任務點和自身定位，在已構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為最小轉彎半徑，σκ是代價系數(shù)，ωκ和ωs是加權系數(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目標點。

實施例2、一種機器人自動充電定位導航方法。

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經過圖像識別得到圖像標志的四個頂點在圖像中對應點，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為設定的參數(shù)；期望角速度v＝kp2*(x-c2)，其中kp2為設定的參數(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，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色彩空間轉換至hsi色彩空間，判斷視覺標志兩側一定圖像區(qū)域內的每一個像素的h通道像素值和s通道像素值是否在設定范圍內，統(tǒng)計該區(qū)域內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的紅色和綠色led燈已經亮起，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，所作的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內。