一种机器人回充定位导航方法、系统、设备及存储介质

摘要

本发明实施例公开了一种机器人回充定位导航方法、系统、设备及存储介质，涉及机器人定位导航技术领域，本发明实施例通过高反光材料做成的反光标志、由红外发射器、红外接收器、图像处理器形成的深度相机来实现机器人的回充定位导航，利用人造的已知特征图案不但能在可见光充足的环境良好运作，同时解决环境光照不足以及黑暗情况下的充电桩定位以及机器人回充导航问题，反光标志通过反光材料层贴在塑料底层上，把黑色塑料片层镂空成特定标志，贴在反光材料层上，从而为识别提供特征图案，这种做法可以有效抑制近距离下反光标志在红外图中的发散现象；另外，在黑色塑料片上加一层透红外滤光片，用于减轻超近距离下反光材料的过曝现象。

权利要求

1.一种机器人回充定位导航方法，其特征在于，所述方法包括：

向充电桩主体发射红外线；

通过反光标志反射照射到充电桩主体的竖直部分的正面的红外线；

采集反光标志反射的红外线并成像；

基于成像图像进行图像识别分析；及

基于图形识别分析结果对机器人相对于充电桩的位置进行定位并引导机器人靠近充电桩自动回充；

所述机器人的定位和引导根据所述机器人距所述充电桩主体的距离采用第一类反光图案和第二类反光图案结合的方案；其包括：远距离和角度偏移达到或超过预定值的情况下，对通过第一类反光图案反射红外线成像后得到的IR图进行自适应阈值处理，然后进行图像低通模糊，再进行阈值处理，检测出图案的高亮部分，并跟环境中的不规则高亮区分开，根据高亮区域在IR图中的大概位置，估计出充电桩的粗略角度，然后控制机器人靠近充电桩并调整角度以接近正对充电桩；

中距离和角度偏移位于预定值范围内的情况下，对通过第一类反光图案反射红外线成像后得到的IR图进行自适应阈值处理，然后进行图像低通模糊，再进行阈值处理，计算得到每个反光图案的几何中心，对每个中心利用其周围最近的n个点计算其描述子，并与模板帧上的点进行匹配，根据匹配结果，计算当前相对于充电桩的单应矩阵，根据提前标定的相机内参和单应矩阵得到旋转矩阵和平移向量，进而调整机器人以正对的角度接近充电桩；及近距离下和角度偏移位于预定值范围内的情况下，对通过第二类反光图案反射红外线成像后得到的IR图进行自适应阈值处理，然后进行图像低通模糊，再进行阈值处理，计算得到每个反光图案的几何中心，对每个中心利用其周围最近的n个点计算其描述子，并与模板帧上的点进行匹配，根据匹配结果，计算当前相对于充电桩的单应矩阵，根据提前标定的相机内参和单应矩阵得到旋转矩阵和平移向量，进而调整机器人以正对的角度接近充电桩；

其中，n个点为至少四个点，四个点中至少有三个点不共线。

2.如权利要求1所述的方法，其特征在于，所述反光标志设置在充电桩主体的竖直部分的正面，所述反光标志包括塑料底层、反光材料层、黑色塑料片层和透红外滤光片，所述反光材料层贴在所述塑料底层上，所述黑色塑料片层镂空成特定标志图案并贴在所述反光材料层上，形成用于图像识别的特征标志图案，所述透红外滤光片盖在所述黑色塑料片层上。

3.如权利要求2所述的方法，其特征在于，所述充电桩主体的竖直部分与垂直方向之间存在一个仰角。

4.如权利要求2所述的方法，其特征在于，所述反光标志上形成的特征标志图案包括若干反光面积不同的第一类反光图案和第二类反光图案，所述第一类反光图案的反光面积大于所述第二类反光图案的反光面积。

5.如权利要求1所述的方法，其特征在于，所述机器人的定位和引导还包括：利用所述第一类反光图案或所述第二类反光图案反射红外线成像后得到的深度图提供的深度信息，获取机器人相对于充电桩的预估距离信息，基于预估距离信息对机器人进行定位和引导。

6.一种机器人回充定位导航系统，其特征在于，所述系统包括：

设置于机器人上的深度相机以及设置于充电桩主体的竖直部分的正面的反光标志，所述深度相机包括：红外接收器、附带于所述红外接收器上的红外发射器以及与所述红外接收器数据连接的图像处理器；

所述红外发射器用于向充电桩主体发射红外线；

所述反光标志用于反射照射到充电桩主体的竖直部分的正面的红外线；

所述红外接收器用于采集反光标志反射的红外线并成像；及

所述图像处理器用于基于成像图像进行图像识别分析；及基于图形识别分析结果对机器人相对于充电桩的位置进行定位并引导机器人靠近充电桩主体自动回充；

所述机器人的定位和引导根据所述机器人距所述充电桩主体的距离采用第一类反光图案和第二类反光图案结合的方案；其包括：远距离和角度偏移达到或超过预定值的情况下，对通过第一类反光图案反射红外线成像后得到的IR图进行自适应阈值处理，然后进行图像低通模糊，再进行阈值处理，检测出图案的高亮部分，并跟环境中的不规则高亮区分开，根据高亮区域在IR图中的大概位置，估计出充电桩的粗略角度，然后控制机器人靠近充电桩并调整角度以接近正对充电桩；

中距离和角度偏移位于预定值范围内的情况下，对通过第一类反光图案反射红外线成像后得到的IR图进行自适应阈值处理，然后进行图像低通模糊，再进行阈值处理，计算得到每个反光图案的几何中心，对每个中心利用其周围最近的n个点计算其描述子，并与模板帧上的点进行匹配，根据匹配结果，计算当前相对于充电桩的单应矩阵，根据提前标定的相机内参和单应矩阵得到旋转矩阵和平移向量，进而调整机器人以正对的角度接近充电桩；及近距离下和角度偏移位于预定值范围内的情况下，对通过第二类反光图案反射红外线成像后得到的IR图进行自适应阈值处理，然后进行图像低通模糊，再进行阈值处理，计算得到每个反光图案的几何中心，对每个中心利用其周围最近的n个点计算其描述子，并与模板帧上的点进行匹配，根据匹配结果，计算当前相对于充电桩的单应矩阵，根据提前标定的相机内参和单应矩阵得到旋转矩阵和平移向量，进而调整机器人以正对的角度接近充电桩；

其中，n个点为至少四个点，四个点中至少有三个点不共线。

7.如权利要求6所述的系统，其特征在于，所述反光标志设置在充电桩主体的竖直部分的正面，所述充电桩主体的竖直部分与垂直方向之间存在一个仰角，所述反光标志上形成的特征标志图案包括反光面积不同的第一类反光图案和第二类反光图案，所述第一类反光图案的反光面积大于所述第二类反光图案的反光面积。

8.一种计算机设备，其特征在于，所述设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至5中任一所述的方法。

9.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机程序指令，所述计算机程序指令用于执行如权利要求1至5中任一项所述的方法。

说明书

一种机器人回充定位导航方法、系统、设备及存储介质

技术领域

[0001] 本发明涉及机器人定位引导技术领域，具体涉及一种机器人回充定位导航方法、系统、设备及存储介质。

背景技术

[0002] 机器人智能化技术作为一门迅速发展的新兴学科，正在越来越多的领域得到非常广泛的运用。工业机器人的自动回充定位导航技术主要有三种：红外线定位、蓝牙定位和雷达定位，目前，70％左右的工业机器人机型都采用红外线定位。

[0003] 红外线定位虽然精度较高，但容易受到周围环境的影响，例如，采用红外线相机采集红外线定位导航的方式，特别容易受到光强度条件影响，在环境光照不足或者黑暗情况下，其红外线定位非常容易出错，在黑暗情况下，甚至无法实现红外线的定位导航。

发明内容

[0004] 本发明实施例的目的在于提供一种机器人回充定位导航方法、系统、设备及存储介质，用以解决环境光照不足以及黑暗情况下的机器人定位不精确的问题。

[0005] 为实现上述目的，本发明实施例提供了一种机器人回充定位导航方法，所述方法包括：向充电桩主体发射红外线；通过反光标志反射照射到充电桩主体的竖直部分的正面的红外线；采集反光标志反射的红外线并成像；基于成像图像进行图像识别分析；及基于图形识别分析结果对机器人相对于充电桩的位置进行定位并引导机器人靠近充电桩自动回充。

[0006] 进一步地，所述反光标志设置在充电桩主体的竖直部分的正面，所述反光标志包括塑料底层、反光材料层、黑色塑料片层和透红外滤光片，所述反光材料层贴在所述塑料底层上，所述黑色塑料片层镂空成特定标志图案并贴在所述反光材料层上，形成用于图像识别的特征标志图案，所述透红外滤光片盖在所述黑色塑料片层上。

[0007] 进一步地，所述充电桩主体的竖直部分与垂直方向之间存在一个仰角。

[0008] 进一步地，所述反光标志上形成的特征标志图案包括若干反光面积不同的第一类反光图案和第二类反光图案，所述第一类反光图案的反光面积大于所述第二类反光图案的反光面积。

[0009] 进一步地，所述机器人的定位和引导根据所述机器人距所述充电桩主体的距离采用第一类反光图案和第二类反光图案结合的方案；其包括：远距离和角度偏移达到或超过预定值的情况下，对通过第一类反光图案反射红外线成像后得到的IR图进行自适应阈值处理，然后进行图像低通模糊，再进行阈值处理，检测出图案的高亮部分，并跟环境中的不规则高亮区分开，根据高亮区域在IR图中的大概位置，估计出充电桩的粗略角度，然后控制机器人靠近充电桩并调整角度以接近正对充电桩；中距离和角度偏移位于预定值范围内的情况下，对通过第一类反光图案反射红外线成像后得到的IR图进行自适应阈值处理，然后进行图像低通模糊，再进行阈值处理，计算得到每个反光图案的几何中心，对每个中心利用其周围最近的n个点计算其描述子，并与模板帧上的点进行匹配，根据匹配结果，计算当前相对于充电桩的单应矩阵，根据提前标定的相机内参和单应矩阵得到旋转矩阵和平移向量，进而调整机器人以正对的角度接近充电桩；及近距离下和角度偏移位于预定值范围内的情况下，对通过第二类反光图案反射红外线成像后得到的IR图进行自适应阈值处理，然后进行图像低通模糊，再进行阈值处理，计算得到每个反光图案的几何中心，对每个中心利用其周围最近的n个点计算其描述子，并与模板帧上的点进行匹配，根据匹配结果，计算当前相对于充电桩的单应矩阵，根据提前标定的相机内参和单应矩阵得到旋转矩阵和平移向量，进而调整机器人以正对的角度接近充电桩；其中，n个点为至少四个点，四个点中至少有三个点不共线。

[0010] 进一步地，所述机器人的定位和引导还包括：利用所述第一类反光图案或所述第二类反光图案反射红外线成像后得到的深度图提供的深度信息，获取机器人相对于充电桩的预估距离信息，基于预估距离信息对机器人进行定位和引导。

[0011] 本发明实施例的另外一方面，还提供的一种机器人回充定位导航系统，所述系统包括：设置于机器人上的深度相机以及设置于充电桩主体的竖直部分的正面的反光标志，所述深度相机包括：红外接收器、附带于所述红外接收器上的红外发射器以及与所述红外接收器数据连接的图像处理器；所述红外发射器用于向充电桩主体发射红外线；所述反光标志用于反射照射到充电桩主体的竖直部分的正面的红外线；所述红外接收器用于采集反光标志反射的红外线并成像；及所述图像处理器用于基于成像图像进行图像识别分析；及基于图形识别分析结果对机器人相对于充电桩的位置进行定位并引导机器人靠近充电桩主体自动回充。

[0012] 进一步地，所述反光标志设置在充电桩主体的竖直部分的正面，所述充电桩主体的竖直部分与垂直方向之间存在一个仰角，所述反光标志上形成的特征标志图案包括若干反光面积不同的第一类反光图案和第二类反光图案，所述第一类反光图案的反光面积大于所述第二类反光图案的反光面积。

[0013] 本发明实施例的另外一方面，还提供了一种计算机设备，所述设备包括：一个或多个处理器；存储器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上所述的方法。

[0014] 本发明实施例的另外一方面，还提供了一种计算机存储介质，所述计算机存储介质存储有计算机程序指令，所述计算机程序指令用于执行如上所述的方法。

[0015] 本发明实施例具有如下优点：

[0016] 本发明实施例通过高反光材料做成的反光标志、红外接收器及红外接收器附带的红外发射器、图像处理器来实现机器人的回充定位导航，利用人造的已知特征图案不但能在可见光充足的环境良好运作，同时解决环境光照不足以及黑暗情况下的充电桩定位以及机器人回充导航问题，反光标志通过反光材料层贴在塑料底层上，把黑色塑料片层镂空成特定标志，贴在反光材料层上，从而为识别提供特征图案，这种做法可以有效抑制近距离下反光标志在红外图中的发散现象；另外，在黑色塑料片上加一层透红外滤光片，用于减轻超近距离下反光材料的过曝现象。

附图说明

[0017] 为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引申获得其它的实施附图。

[0018] 图1为本发明实施例提供的一种机器人回充定位导航系统的逻辑结构示意图。

[0019] 图2为本发明实施例提供的充电桩主体及反光标志的正面示意图。

[0020] 图3为本发明实施例提供的一种机器人回充定位导航方法的流程框图。

[0021] 图4为本发明实施例提供的远距离和角度偏移达到或超过预定值的情况下采用第一类反光图案对机器人的定位和引导的流程框图。

[0022] 图5为本发明实施例提供的中距离和角度偏移位于预定值范围内的情况下采用第一类反光图案对机器人的定位和引导的流程框图。

[0023] 图6为本发明实施例提供的近距离下和角度偏移位于预定值范围内的情况下采用第二类反光图案结合的方案对机器人的定位和引导的流程框图。

[0024] 1-深度相机、11-红外发射器、12-红外接收器、13-图像处理器、2-充电桩主体、21-底座、22-竖直部分、3-反光标志、31-塑料底层、32-反光材料层、33-黑色塑料片层、34-透红外滤光片、4-机器人、5-电机、6-第一类反光图案、7-第二类反光图案。

具体实施方式

[0025] 以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0026] 实施例

[0027] 参考图1，本发明实施例提供了一种机器人回充定位导航系统包括：设置于机器人4上的深度相机1以及设置于充电桩主体2的竖直部分22的正面的反光标志3，深度相机1包括：红外接收器12、附带于红外接收器12上的红外发射器11以及与红外接收器12数据连接的图像处理器13；红外发射器11用于向充电桩主体2发射红外线；充电桩主体2包括：底座21和竖直部分22，底座21水平放置在地面上，竖直部分22立于底座21上使充电桩主体2整体呈L型，竖直部分22的正面是特定形状的反光材料，反光标志3用于反射照射到充电桩主体2的竖直部分22的正面的红外线；红外接收器12用于采集反光标志反射的红外线并成像；及图像处理器13用于基于成像图像进行图像识别分析；及基于图形识别分析结果对机器人4相对于充电桩的位置进行定位并引导机器人4靠近充电桩主体2自动回充。

[0028] 参考图1，进一步地，反光标志3设置在充电桩主体2的竖直部分22的正面，反光标志3包括塑料底层31、反光材料层32、黑色塑料片层33和透红外滤光片34，塑料底层31布置在竖直部分22的正面，反光材料层32贴在塑料底层31上，黑色塑料片层33镂空成特定标志图案并贴在反光材料层32上，形成用于图像识别的特征标志图案，这种做法可以有效抑制近距离下反光标志3在红外图中的发散现象，在黑色塑料片层33上加盖一层透红外滤光片34，用于减轻超近距离下反光材料的过曝现象。

[0029] 参考图1，优选地，竖直部分22与垂直方向之间存在一个仰角α。主要原因是超近距离下(10cm以内)红外灯的镜面反射会在红外图像中形成一个大圆斑，影响特征识别。进一步地，仰角α的范围为5-45°，更优选地，仰角α为10°。仰角α可以有效减弱这种大圆斑效应。

[0030] 参考图3，本发明实施例提供了一种机器人回充定位导航方法包括：红外发射器1向充电桩主体2发射红外线；通过反光标志3将照射到充电桩主体2的竖直部分22的正面的红外线反射至红外接收器11；红外接收器11采集反光标志3反射的红外线并成像；红外接收器11将获得的成像图像发送至图像处理器13中，图像处理器13基于成像图像进行图像识别分析；及图像处理器13基于图形识别分析结果对机器人4相对于充电桩的位置进行定位并引导机器人4靠近充电桩自动回充。

[0031] 优选地，参考图2，反光标志3上形成的特征标志图案包括若干反光面积不同的第一类反光图案6和第二类反光图案7，第一类反光图案6的反光面积大于第二类反光图案7的反光面积，第一类反光图案6和第二类反光图案7的形状可以是一种或多种，其形状包括但不限于：四边形、圆点形、椭圆形、三角形等，所有适合用于本发明实施例中的反光图案的形状均属于本发明实施例保护范围，第一类反光图案6和第二类反光图案7杂乱交叉布置在一起，或者是第一类反光图案6和第二类反光图案7分别集中布置在一起。

[0032] 进一步地，机器人4的定位和引导根据机器人4距充电桩主体的距离采用第一类反光图案6和第二类反光图案7结合的方案。

[0033] 远距离和角度偏移达到或超过预定值的情况下，通过第一类反光图案6反射红外线成像，此时成像获取的反光图案可能不太清晰，但是在红外图中形成明显的高亮部分，保持高亮部分位于视野中央对机器人4进行定位引导向高亮部分移动，就可以保证正确的定位导航方向；具体地，参考图4，远距离和角度偏移达到或超过预定值的情况下采用第一类反光图案6对机器人4的定位和引导，包括：对通过第一类反光图案6反射红外线成像后得到的IR图进行自适应阈值处理，然后进行图像低通模糊，再进行阈值处理，检测出图案的高亮部分，并跟环境中的不规则高亮区分开，根据高亮区域在IR图中的大概位置，估计出充电桩的粗略角度，然后控制机器人靠近充电桩并调整角度以接近正对充电桩。

[0034] 中距离和角度偏移位于预定值范围内的情况下，通过第一类反光图案6反射红外线成像，此时成像获取的反光图案比较清晰，利用获得的每一帧图像提取出的角点或特征点或影像的亮暗色彩特征识别出已知图案，通过对帧与帧之间提取到的角点进行匹配，找到关联关系，对机器人4进行定位引导向充电桩位置移动；具体地，参考图5，中距离和角度偏移位于预定值范围内的情况下采用第一类反光图案6对机器人4的定位和引导，包括：对通过第一类反光图案6反射红外线成像后得到的IR图进行自适应阈值处理，然后进行图像低通模糊，再进行阈值处理，计算得到每个反光图案的几何中心，对每个中心利用其周围最近的n个点计算其描述子，并与模板帧上的点进行匹配，根据匹配结果，计算当前相对于充电桩的单应矩阵，根据提前标定的相机内参和单应矩阵得到旋转矩阵和平移向量，进而调整机器人以正对的角度接近充电桩。

[0035] 近距离下和角度偏移位于预定值范围内的情况下，对定位精度的要求提高，由于反光面积大的第一类反光图案6的反光效果太强会导致红外图中产生过曝现象，此时需要通过反光面积小的第二类反光图案7反射红外线成像，利用获得的每一帧图像提取出的角点或特征点或影像的亮暗色彩特征识别出已知图案，通过对帧与帧之间提取到的角点进行匹配，找到关联关系，对机器人4进行定位引导向充电桩位置移动；具体地，参考图6，近距离下和角度偏移位于预定值范围内的情况下采用第二类反光图案6对机器人4的定位和引导，包括：对通过第二类反光图案反射红外线成像后得到的IR图进行自适应阈值处理，然后进行图像低通模糊，再进行阈值处理，计算得到每个反光图案的几何中心，对每个中心利用其周围最近的n个点计算其描述子，并与模板帧上的点进行匹配，根据匹配结果，计算当前相对于充电桩的单应矩阵，根据提前标定的相机内参和单应矩阵得到旋转矩阵和平移向量，进而调整机器人4以正对的角度接近充电桩。

[0036] 进一步地，通过第一类反光图案6或第二类反光图案7反射红外线成像，对获得的每一帧图像进行特征提取，通过对帧与帧之间提取到的角点进行匹配，找到关联关系，对机器人4进行定位引导向充电桩位置移动，包括：提取出至少四对相互匹配的特征点，其中，四个点中至少有三个点不共线；基于至少四对特征点计算出当前帧相对于模板帧的旋转矩阵和平移向量，从而算出当前时刻相对于充电桩的位姿；及基于当前时刻机器人相对于充电桩的位置，驱动电机5引导机器人向充电桩的位置移动。

[0037] 以圆形点为例，对上述涉及到的特征提取进行进一步说明，对红外接收器得到的图像进行阈值处理，使得圆点区域是白色，非圆点区域是黑色，从而找到圆点的圆心。本发明实施例中是基于LLAH(locally likely Arrangement Hashing)方法进行特征匹配，LLAH算法是一种经典的检索算法，在图像中常常用到，它的算法流程如下：取一个点作为特征点p；p周围找到最邻近的n个点，这n个点按照顺时针排列；从n个点中提取出所有的m个点的组合，每m个点的组合形成一个Hash值，将Hash值注册到Hash表中。在检索图片时：生成n个点中所有m个点的组合，每个组合计算一个Hash值；在Hash表中查找该计算获得的Hash值；每个点都有一个投票，投票最多的作为检索结果。

[0038] 由于单个点不能提供有足够区分度的纹理信息，因此，本发明实施例中需要采用基于这些点计算出几何特征，从而计算特征描述子。进一步地，本发明实施例中特征描述子的计算过程具体如下：对每一个提取出的特征点，选取它的n个邻近点；从n个点中选择m个点；所有m个点组合的数量表示每个点描述子的数量。如上所述，本发明实施例中，从m个点中至少选4个点来计算描述子，以m个点中选4个点来计算描述子为例，此时，所有4个点组合的数量对应于每个描述子的维度，对于选出来的4个点的任一组合A、B、C、D，计算面积比替代各Hash值进行注册。

[0039] 进一步地，本发明实施例中是根据计算出的特征描述子，对照已知的模板帧进行匹配，可以知道每个点的ID。根据点的ID来确定帧与帧之间点的对应关系。因为这种情况下，每一帧图像都是模板帧在同一平面上的圆点成的像，所以可以利用RANSAC算法计算得到当前帧与模板帧之间的单应矩阵，进而得到机器人相对于模板帧的旋转矩阵和平移向量，调整自身方向，从而改变单应矩阵向一个特定的矩阵调整，使得机器人向充电桩靠近。当单应矩阵特别接近该特定矩阵时，说明机器人已经到达指定充电位置，可以开始充电。具体地，当前的单应矩阵到该特定矩阵之间相差一个旋转矩阵和平移向量，当旋转矩阵近似为单位阵，平移向量为零向量时，可以判定已经到达充电位置。

[0040] 单应是射影几何中的概念，又称为射影变换。他把一个射影平面上的点映射到另一个平面对应的位置，并且把直线映射为直线，具有保线性质。与对极几何不同的是，对极几何将点映射到线上，而单应矩阵是点对点的关系。要注意的是单应矩阵的适用场景为：当场景中的特征点都落在同一平面上，比如墙、地面等，此时可用单应性估计运动。

[0041] RANSAC为Random Sample Consensus的缩写，它是根据一组包含异常数据的样本数据集，计算出数据的数学模型参数，得到有效样本数据的算法。它于1981年由Fischler和Bolles最先提出。RANSAC算法经常用于计算机视觉中。例如，在立体视觉领域中同时解决一对相机的匹配点问题及基本矩阵的计算。RANSAC算法的基本假设是样本中包含正确数据(inliers，可以被模型描述的数据)，也包含异常数据(outliers，偏离正常范围很远、无法适应数学模型的数据)，即数据集中含有噪声。这些异常数据可能是由于错误的测量、错误的假设、错误的计算等产生的。同时RANSAC算法也假设，给定一组正确的数据，存在可以计算出符合这些数据的模型参数的方法。

[0042] 本发明实施例通过高反光材料做成的反光标志、红外接收器及红外接收器附带的红外发射器、图像处理器来实现机器人的回充定位导航，利用人造的已知特征图案不但能在可见光充足的环境良好运作，同时解决环境光照不足以及黑暗情况下的充电桩定位以及机器人回充导航问题，反光标志通过反光材料层贴在塑料底层上，把黑色塑料片层镂空成特定标志，贴在反光材料层上，从而为识别提供特征图案，这种做法可以有效抑制近距离下反光标志在红外图中的发散现象；另外，在黑色塑料片上加一层透红外滤光片，用于减轻超近距离下反光材料的过曝现象。

[0043] 进一步地，本发明实施例中的深度相机1的图像处理器13是通过深度计算模块来进行数据处理，深度计算模块能够同时输出IR图和深度图，深度图能够输出每个像素点相对于相机的距离。优选地，本发明实施例中，机器人的定位和引导还包括：利用第一类反光图案6或第二类反光图案6反射红外线成像后得到的深度图提供的深度信息，获取机器人相对于充电桩的预估距离信息，基于预估距离信息对机器人进行定位和引导，这样提高了充电桩定位以及机器人回充导航的精度和鲁棒性。

[0044] 另外，本发明实施例提出的一种计算机设备，所述设备包括：一个或多个处理器；存储器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上所述的方法。

[0045] 另外，本发明实施例提出的一种计算机存储介质，所述计算机存储介质存储有计算机程序指令，所述计算机程序指令用于执行如上所述的方法。

[0046] 在本发明的实施例中，各个模块或系统可以是由计算机程序指令形成的处理器，处理器可以是一种集成电路芯片，具有信号的处理能力。处理器可以是通用处理器、数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现场可编程门阵列(FieldProgrammable GateArray，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

[0047] 可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。处理器读取存储介质中的信息，结合其硬件完成上述方法的步骤。

[0048] 存储介质可以是存储器，例如可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。

[0049] 其中，非易失性存储器可以是只读存储器(Read-Only Memory，简称ROM)、可编程只读存储器(Programmable ROM，简称PROM)、可擦除可编程只读存储器(Erasable PROM，简称EPROM)、电可擦除可编程只读存储器(Electrically EPROM，简称EEPROM)或闪存。

[0050] 易失性存储器可以是随机存取存储器(RandomAccess Memory，简称RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，简称SRAM)、动态随机存取存储器(Dynamic RAM，简称DRAM)、同步动态随机存取存储器(Synchronous DRAM，简称SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM，简称DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，简称ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM，简称SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM，简称DRRAM)。

[0051] 本发明实施例描述的存储介质旨在包括但不限于这些和任意其它适合类型的存储器。

[0052] 本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件与软件组合来实现。当应用软件时，可以将相应功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。

[0053] 虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。