[发明专利]充电桩识别方法、装置、机器人及计算机可读存储介质

说明书

本申请实施例公开了一种充电桩识别方法、装置、机器人及计算机可读存储介质，该方法包括：获取包括待识别充电桩的目标区域的点云数据；将点云数据划分成多个第一点云子集；对每个第一点云子集进行数据过滤，得到第二点云子集；根据预设距离阈值以及每个第二点云子集中相距最远的两个点之间的第一距离，对每个第二点云子集进行数据过滤，得到第三点云子集；根据第三点云子集和待识别充电桩的点云模板进行点云匹配，得到充电桩识别结果，点云模板是根据待识别充电桩的形状结构预先构建的。可见，通过点云匹配的方式进行充电桩识别，不用调整算法，可以识别任意形状的充电桩；还对点云数据进行二次数据过滤，提高了充电桩识别准确率和识别速率。

技术领域

本申请属于机器人充电技术领域，尤其涉及一种充电桩识别方法、装置、机器人及计算机可读存储介质。

背景技术

目前，移动机器人可以自主回充，即移动机器人可以自主地回到充电桩处进行充电。

在自主回充过程中，移动机器人需要先识别出充电桩以及该充电桩相对于机器人的位姿。传统的充电桩识别方法可以精确的识别固定模型的充电桩，但是识别算法和充电桩实际形状强耦合，如果充电桩形状更换，往往需要替换相应的算法，开发代价非常大。例如，圆弧形充电桩更换至三角形充电桩，则需要重新开发充电桩识别算法。

发明内容

本申请实施例提供了一种充电桩识别方法、装置、机器人及计算机可读存储介质，可以在不调整算法的情况下识别不同形状的充电桩，并进一步提高充电桩识别准确率和识别速率。

第一方面，本申请实施例提供了一种充电桩识别方法，包括：

获取目标区域的点云数据，该目标区域包括待识别充电桩；

将点云数据划分成多个第一点云子集；

对每个第一点云子集进行数据过滤，得到数据过滤后的至少一个第二点云子集；

根据预设距离阈值以及每个第二点云子集中相距最远的两个点之间的第一距离，对每个第二点云子集进行数据过滤，得到数据过滤后的至少一个第三点云子集；

根据第三点云子集和待识别充电桩的点云模板进行点云匹配，得到充电桩识别结果，点云模板是根据待识别充电桩的形状结构预先构建的。

本申请实施例中，基于目标区域的点云数据和根据待识别充电桩的形状结构预先构建的点云模板进行点云匹配，得到充电桩识别结果，这样，当充电桩形状发生变化时，只需要使用对应形状的点云模板进行点云匹配即可，不用调整算法；另外，在将采集的点云数据划分成多个第一点云子集之后，对第一点云子集进行二次数据过滤，以去除用于点云匹配的点云数据中的噪点和不符合要求的点云子集，进一步提高了充电桩识别准确率和识别速率。

在第一方面的一些可能的实现方式中，根据第三点云子集和待识别充电桩的点云模板进行点云匹配，得到充电桩识别结果，包括：

将每个第三点云子集和点云模板进行匹配，得到至少一个待选点云子集，待选点云子集为与点云模板相匹配的第三点云子集；

确定每个待选点云子集的圆心点；

针对每个待选点云子集，确定待选点云子集中的每个点与圆心点之间的第二距离后，确定每个第二距离和预设半径之间的差值，预设半径为点云模板对应的圆弧的半径；

针对每个待选点云子集，确定差值小于第一阈值的点的数量占待选点云子集的总点数的比例；

将比例最高的待选点云子集作为目标点云子集，目标点云子集为待识别充电桩的点云数据。

在该实现方式中，在得到待选点云子集之后，进一步对待选点云子集进行筛选，以得到目标点云子集，即对点云匹配结果进行再次验证，从而进一步提高了充电桩的识别准确率。