本发明涉及机器人与充电桩之间的红外对准技术,尤其是涉及一种应用于机器人的红外对准信号数据处理方法。
背景技术:
机器人与充电桩之间的红外对准技术是指:充电桩发出红外线信号,机器人接红外线信号,根据所接收到的红外线信号数据判断机器人所处于的位置,从而实现对准。目前常用的技术方案就是通过预测试,获悉在不同位置处的信号接收情况,从而建立一种对应关系,并将这种关系以数据字典的方式写入程序中来使用。当机器人在自动充电时,通过字典查询,根据收到的信号来判断机器人所处的位置,从而实现机器人的对准运动控制。
然而,现有的数据字典方案鲁棒性不高,由于外部环境的差异,在不同的应用场合下,机器人的数据接收情况也会有所不同,同一个数据字典也可能会导致机器人的行为发生偏差。
技术实现要素:
本发明技术方案是针对上述情况的,为了解决上述问题而提供一种应用于机器人的红外对准信号数据处理方法,所述处理方法法包括以下步骤:
步骤a、将充电桩的红外线信号场划分成n个区域,预设定机器人的m种偏角;
步骤b、将机器人放置在第n个区域,调整成第m种偏角;
步骤c、记录机器人接收到的红外线信号信息;
步骤d、将调整成下一种偏角,m=m+1;
步骤e、判断m是否小于或等于m,若是,则返回步骤b,若否,则进行步骤f;
步骤f、将机器人放置在下一个区域,n=n+1;
步骤g、判断n是否小于或等于n,若是,则返回步骤b,若否,则进行步骤h;
步骤h、根据记录的所有区域、偏角和红外线信号信息建立机器人学习模型的数据集。
进一步,数据集的数据形式为{区域,偏角,红外线信号},红外线信号作为机器人学习模型的输入数据,区域和偏角作为机器人学习模型的输出数据。
进一步,充电桩的红外线信号为三种,分别是:第一红外线、第二红外线和第三红外线,第一红外线与第二红外线部分重叠,第二红外线与第三红外线部分重叠,在所述步骤a中,沿与充电桩平行的方向把红外线信号场分为五个大区,再根据与充电桩的距离把五个大区分为二十五个区域。
进一步,在所述步骤a中,预设机器人的三种偏角,三种偏角分别为-30°、0°和30°。
采用上述技术方案后,本发明的效果是:通过上述处理方法,在机器人学习模型的数据集之后,不管外部环境如何变化,机器人的数据接收情况也会保持一致,从而有效地避免机器人的行为发生偏差的情况。
附图说明
图1为本发明涉及的数据处理方法的流程图;
图2为本发明涉及的信号场的区域示意图;
图3为本发明涉及的机器人的偏角示意图。
具体实施方式
下面通过实施例对本发明技术方案进一步的描述:
如图1所示,本发明提供一种应用于机器人的红外对准信号数据处理方法,该处理方法包括以下步骤:
步骤a、将充电桩的红外线信号场划分成n个区域,预设定机器人的m种偏角;
步骤b、将机器人放置在第n个区域,调整成第m种偏角;
步骤c、记录机器人接收到的红外线信号信息;
步骤d、将调整成下一种偏角,m=m+1;
步骤e、判断m是否小于或等于m,若是,则返回步骤b,若否,则进行步骤f;
步骤f、将机器人放置在下一个区域,n=n+1;
步骤g、判断n是否小于或等于n,若是,则返回步骤b,若否,则进行步骤h;
步骤h、根据记录的所有区域、偏角和红外线信号信息建立机器人学习模型的数据集。
其中,数据集的数据形式为{区域,偏角,红外线信号},红外线信号作为机器人学习模型的输入数据,区域和偏角作为机器人学习模型的输出数据。
上述处理方法属于机器人学习技术,在红外对准信号处理的应用提供了所需的数据集,通过上述处理方法可以建立机器人位姿(即区域和偏角)与信号之间的联系,并将此联系转化为机器人学习技术所需要的数据集。
如图2所示,在本实施例中,充电桩发出的红外线信号通常为三种,分别是:第一红外线1、第二红外线2和第三红外线3,第一红外线1与第二红外线2部分重叠,第二红外线2与第三红外线3部分重叠。沿与充电桩平行的方向把信号场分为五个大区:第一红外线区,第一和第二红外线重叠区、第二红外线区,第二和第三红外线重叠区、以及第三红外线区。再根据与充电桩的距离把五个大区分为二十五个区域:a1-a25。机器人依次在上述二十五个区域中进行红外线信号的记录。
如图3所示,偏角为充电桩1的中线与机器人2的中线的夹角,在本实施例中,预设机器人2有三种偏角,三种偏角分别为-30°、0°和30°。机器人处于其中一个区域中时,将机器人依次调整成上述三种偏角进行红外线信号的记录,在该区域中完成三种偏角的红外线信号记录之后,再将机器人放置在下一区域。
通过上述处理方法,在机器人学习模型的数据集之后,不管外部环境如何变化,机器人的数据接收情况也会保持一致,从而有效地避免机器人的行为发生偏差的情况。
以上所述实施例,只是本发明的较佳实例,并非来限制本发明的实施范围,故凡依本发明申请专利范围所述的构造、特征及原理所做的等效变化或修饰,均应包括于本发明专利申请范围内。