[发明专利]机器人回充路径规划方法、机器人及充电系统

权利要求书

1.一种机器人回充路径规划方法，其特征在于，包括：

获取所述机器人所处环境的环境图像信息；

对所述环境图像信息进行图像分析，以定位出充电座在所述机器人存储的环境地图中的位姿信息；

根据所述位姿信息，规划所述机器人移动至所述充电座上两个发射器发射的红外信号的重叠区的路径；

根据接收到的红外信号，规划所述机器人移动至所述充电座的路径，控制所述机器人的移动装置按照所规划的路径移动至所述充电座，使机器人的充电接口和所述充电座的充电插头完成对接。

2.根据权利要求1所述的方法，其特征在于，根据所述位姿信息，规划所述机器人移动至所述充电座的路径，包括：

监听到回充事件时，根据所述位姿信息，规划所述机器人移动至所述充电座的路径。

3.根据权利要求2所述的方法，其特征在于，监听到回充事件时，根据所述位姿信息，规划所述机器人移动至所述充电座的路径，包括：

监听到回充事件时，判断是否已定位出充电座的在所述机器人存储的环境地图中的位姿信息；

若否，控制所述机器人按预设动作调整，直至定位出充电座的在所述机器人存储的环境地图中的位姿信息，

根据所述位姿信息，规划所述机器人移动至所述充电座的路径。

4.根据权利要求1所述的方法，其特征在于，对所述环境图像信息进行图像分析，以定位出充电座的在所述机器人存储的环境地图中的位姿信息，包括：

从所述环境图像信息中，提取充电座图像信息；

对所述充电座图像信息进行图像分析，得到所述位姿信息。

5.根据权利要求4所述的方法，其特征在于，从所述环境图像信息中，提取充电座图像信息，包括：

获取第一图像识别模型；

将所述环境图像信息作为所述第一图像识别模型的入参，执行所述第一图像识别模型抓取所述充电座图像信息。

6.根据权利要求5所述的方法，其特征在于，所述第一图像识别模型为第一学习模型。

7.根据权利要求6所述的方法，其特征在于，

获取从多角度采集到的含有充电座图像的多个样本环境图像信息及各样本环境图像信息对应的样本充电座图像信息；

使用所述多个样本环境图像信息及各样本环境图像信息对应的样本充电座图像信息，对待训练的学习模型进行训练，得到训练完成的所述第一学习模型。

8.根据权利要求4所述的方法，其特征在于，所述位姿信息包括角度信息；

对所述充电座图像信息进行图像分析，得到所述位姿信息，包括：

获取第二图像识别模型；

将所述充电座图像信息作为所述第二图像识别模型的入参，执行所述第二图像识别模型得到所述角度信息。

9.根据权利要求8所述的方法，其特征在于，所述第二图像识别模型为第二学习模型。

10.根据权利要求9所述的方法，其特征在于，还包括：

获取采集到的多个多角度样本充电座图像信息及各样本充电座图像信息对应的样本角度信息；

使用所述多个样本充电座图像信息及各样本充电座图像信息对应的样本角度信息，对待训练的学习模型进行训练，得到训练完成的所述第二学习模型。

11.根据权利要求4所述的方法，其特征在于，所述位姿信息还包括距离信息；

对所述环境图像信息进行图像分析，以确定出所述充电座的位姿信息，还包括：

在所述环境图像信息中，确定所述充电座图像信息对应的像素点；

基于所述充电座图像信息对应的像素点，计算所述机器人距所述充电座的所述距离信息。