机器人的充电控制方法、装置、机器人及存储介质与流程

本发明涉及机器人技术领域，尤其涉及一种机器人的充电控制方法、装置、机器人及存储介质。

背景技术：

近年各种生活服务类的机器人如雨后春笋一样涌现到市场中，清扫机器人、导游机器人、防疫机器人等，这些机器人具有一些共同特点，比如活动范围小且固定，电池续航能力差等，于是自动充电技术应运而生，在机器人电量不足时，通过某种导航方式引导机器人自行走到充电站，完成充电后再自动开始工作。

目前用于室内导航的方式主要有激光导航、超声波探测、红外线引导、地图检索方式。其中激光导航由于激光的光束集中特性，直线对准的准确性最高但是激光不适用于大角度范围内的引导，只适合最后阶段的辅助对接校准。且激光装置的成本较高。超声波测距技术在现阶段应用很广泛，技术成熟度较高，但是超声波覆盖范围大，角度性不好，比较适合远距离的大致方向的引导。地图检索方式是新兴起来的技术，技术不够成熟，成本较高，且对软件算法和数据库方面的设计要求很高。利用红外信号定位充电桩和引导机器人。由于红外信号容易受到外界影响，会导致机器人错误判断充电桩的方位，这样会导致充电失败。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

技术实现要素：

本发明的主要目的在于提供一种机器人的充电控制方法、装置、机器人及存储介质，旨在解决现有技术无法有效引导机器人进行自动充电的技术问题。

为实现上述目的，本发明提供了一种机器人的充电控制方法，所述机器人的充电控制方法包括以下步骤：

在待充电机器人达到预设充电位置时，启动所述待充电机器人的摄像装置；

通过所述摄像装置获取充电桩上的视觉定位标识码；

根据所述视觉定位标识码确定目标充电位置；

获取所述预设充电位置与所述目标充电位置之间的位置偏差量；

通过优化后的控制器确定所述位置偏差量对应的目标控制参数；

按照所述目标控制参数控制所述待充电机器人从所述预设充电位置移动至所述目标充电位置，以使所述待充电机器人通过所述充电桩进行充电。

可选地，所述根据所述视觉定位标识码确定目标充电位置，包括：

构建摄像装置对应的第一坐标系；

获取所述视觉定位标识码在所述第一坐标系下所对应的标识码位姿；

构建所述待充电机器人的底盘对应的第二坐标系；

根据所述标识码位姿和所述第二坐标系确定所述待充电机器人的目标位姿；

根据所述目标位姿确定目标充电位置。

可选地，所述获取所述视觉定位标识码在所述第一坐标系下所对应的标识码位姿，包括：

获取所述视觉定位标识码的标识码中心点；

以所述第一坐标系为基准获取所述标识码中心点的坐标；

根据所述标识码中心点的坐标和所述第一坐标系的原点坐标确定所述视觉定位标识码对应的纵向偏差、横向偏差以及角度偏差；

根据所述纵向偏差、所述横向偏差以及所述角度偏差确定所述视觉定位标识码对应的标识码位姿。

可选地，所述根据所述标识码位姿和所述第二坐标系确定所述待充电机器人的目标位姿，包括：

获取所述第一坐标系和所述第二坐标系之间的静态关系；

根据所述静态关系对所述标识码位姿进行转换，以获得所述待充电机器人的目标位姿。

可选地，所述通过优化后的控制器确定所述位置偏差量对应的目标控制参数之前，还包括：

获取预设神经网络模型的模型参数，以及预设控制器的历史输出数据；

将所述历史输出数据输入至所述预设神经网络模型，并获取所述预设神经网络模型输出的辨识数据；

根据所述辨识数据对所述模型参数进行调整，以获得调整后的神经网络模型；

通过调整后的神经网络模型确定目标控制器参数，并根据所述目标控制器参数对所述预设控制器进行优化，以获得优化后的控制器。

可选地，所述获取预设神经网络模型的模型参数，包括：

获取预设神经网络模型的输出权重、隐单元中心以及基宽度参数的初始范围；

对预设算法设置多个算法参数，并将所述算法参数对应的参数集合作为种群，将各个算法参数作为所述种群中的个体；

获取所述个体中各个算法参数对应的个体适应度；

根据所述个体适应度对所述种群中的个体进行遗传操作，获取新的种群；

从所述新的种群中筛选出符合所述初始范围的新个体，将所述新个体对应的算法参数作为所述预设神经网络模型的模型参数。

可选地，所述按照所述目标控制参数控制所述待充电机器人从所述预设充电位置移动至所述目标充电位置，以使所述待充电机器人通过所述充电桩进行充电之后，还包括：

检测所述待充电机器人是否处于充电状态；

在检测到所述待充电机器人未处于充电状态时，控制所述待充电机器人从所述目标充电位置向后退预设距离；

对所述目标充电位置进行调整，以使所述待充电机器人通过调整后的目标充电位置进行充电。

此外，为实现上述目的，本发明还提出一种机器人的充电控制装置，所述机器人的充电控制装置包括：

启动模块，用于在待充电机器人达到预设充电位置时，启动所述待充电机器人的摄像装置；

识别模块，用于通过所述摄像装置获取充电桩上的视觉定位标识码；

处理模块，用于根据所述视觉定位标识码确定目标充电位置；

获取模块，用于获取所述预设充电位置与所述目标充电位置之间的位置偏差量；

运算模块，还用于通过优化后的控制器确定所述位置偏差量对应的目标控制参数；

控制模块，用于按照所述目标控制参数控制所述待充电机器人从所述预设充电位置移动至所述目标充电位置，以使所述待充电机器人通过所述充电桩进行充电。

此外，为实现上述目的，本发明还提出一种机器人，所述机器人包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的机器人的充电控制程序，所述机器人的充电控制程序配置为实现如上文所述的机器人的充电控制方法的步骤。

此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有机器人的充电控制程序，所述机器人的充电控制程序被处理器执行时实现如上文所述的机器人的充电控制方法的步骤。

本发明在待充电机器人达到预设充电位置时，启动所述待充电机器人的摄像装置；通过所述摄像装置获取充电桩上的视觉定位标识码；根据所述视觉定位标识码确定目标充电位置；获取所述预设充电位置与所述目标充电位置之间的位置偏差量；通过优化后的控制器确定所述位置偏差量对应的目标控制参数；按照所述目标控制参数控制所述待充电机器人从所述预设充电位置移动至所述目标充电位置，以使所述待充电机器人通过所述充电桩进行充电，基于充电桩上的视觉定位标识码确定目标充电位置，然后根据目标充电位置与预设位置之间的位置偏差量控制机器人进行充电，能够以较低的成本更加准确对机器人的自动充电进行控制。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的机器人的结构示意图；

图2为本发明机器人的充电控制方法第一实施例的流程示意图；

图3为本发明机器人的充电控制方法第二实施例的流程示意图；

图4为本发明机器人的充电控制方法第三实施例的流程示意图；

图5为本发明机器人的充电控制方法视觉定位标识码示意图；

图6为本发明机器人的充电控制方法待充电机器人移动轨迹示意图；

图7为本发明机器人的充电控制装置第一实施例的结构框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的机器人结构示意图。

如图1所示，该机器人可以包括：处理器1001，例如中央处理器(centralprocessingunit，cpu)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(wireless-fidelity，wi-fi)接口)。存储器1005可以是高速的随机存取存储器(randomaccessmemory，ram)存储器，也可以是稳定的非易失性存储器(non-volatilememory，nvm)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的结构并不构成对机器人的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及机器人的充电控制程序。

在图1所示的机器人中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明机器人中的处理器1001、存储器1005可以设置在机器人中，所述机器人通过处理器1001调用存储器1005中存储的机器人的充电控制程序，并执行本发明实施例提供的机器人的充电控制方法。

本发明实施例提供了一种机器人的充电控制方法，参照图2，图2为本发明一种机器人的充电控制方法第一实施例的流程示意图。

本实施例中，所述机器人的充电控制方法包括以下步骤：

步骤s10：在待充电机器人达到预设充电位置时，启动所述待充电机器人的摄像装置。

需要说明的是，本实施例的执行主体可为一种处理器，还可为其他具有相同或相似功能的其他设备，本实施例对此不加以限制，以处理器为例进行说明。处理器可设置在待充电机器人内，可接收待充电器机器人的外部环境数据，也可以检测待充电机器人的运行状态数据，还可以根据接收到的外部环境数据和检测到的运行状态数据向控制器发送控制信号，实现对机器人的移动控制和充电控制等。

在本实施例中，机器人包括但不限于清扫机器人、导游机器人以及防疫机器人等，待充电机器人为需要进行充电的机器人，本实施例中可以预先设置一电量阈值，在机器人的电量低于预设电量阈值时，将机器人作为待充电机器人，也可以在机器人每次结束工作之后，对机器人进行充电，也即每次结束工作时的机器人均为待充电机器人，具体充电规则可以根据实际情况进行相应的设置，本实施例对此不加以限制。

在具体实施中，待充电器机器人为一种可移动的机器人，机器人可以移动至充电桩处，与充电桩进行对桩，通过充电桩进行充电。机器人进行对桩充电需要处于一定的位置，预设充电位置为充电桩处可以为机器人进行充电的位置，可以设置在充电桩正前方，预设充电位置与充电桩之间的距离可以根据实际充电需求进行相应的设置，本实施例对此加以限制。

需要说明的是，待充电器机器人上还设置有摄像装置，摄像装置包括但不限于摄像机，例如电荷耦合器件(chargecoupleddevice，ccd)摄像机的简称，它能够将光线变为电荷并将电荷存储及转移，也可将存储之电荷取出使电压发生变化，ccd摄像机具有体积小、重量轻、不受磁场影响、具有抗震动和撞击之特性，本实施例中还可采用其他其他类型的摄像机，对此不加以限制。本实施例中是通过摄像装置实现待充电机器人与充电桩之间的准确对桩，用于对桩充电的摄像装置在机器人工作时处于关闭状态，在待充电机器人达到预设充电位置时，说明充电桩前存在有充电需求的机器人，此时则将处于关闭状态的摄像装置进行启动，可通过向摄像装置发送启动信号，以启动摄像装置，处理器与摄像装置之间可财通串行通信协议进行信号的传输。

步骤s20：通过所述摄像装置获取充电桩上的视觉定位标识码。

在具体实施中，在启动摄像装置之后，通过摄像装置对充电桩进行扫描识别，以拍摄的方式获取充电桩上视觉定位标识码，所获取到的视觉定位标识码为图像形式，本实施例中充电桩上的视觉定位标识码可采用apriltag码，apriltag码类似于二维码，可用于进行视觉定位。

步骤s30：根据所述视觉定位标识码确定目标充电位置。

需要说明的是，在从充电桩上获取视觉定位标识码之后，本实施例中可基于相机成像原理根据视觉定位标识码的位置和姿态确定待充电机器人在进行充电时所需要处于的位置，即目标充电位置。

步骤s40：获取所述预设充电位置与所述目标充电位置之间的位置偏差量。

易于理解的是，不同型号或功能的机器人的结构是不同的，并非所有的待充电器机器人都能在预设充电位置进行准确对桩，而对桩不准确则无法进行充电，为了使得待充电机器人能够更加准确地进行对桩充电，需要获取预设充电位置与目标充电位置之间的位置偏差量，本实施例中位置偏差量包括水平方向上的位置偏差和竖直方向上的位置偏差，根据位置偏差量可以确定待充电机器人需要在水平方向上和竖直方向上移动多少距离可以到达目标充电位置。

步骤s50：通过优化后的控制器确定所述位置偏差量对应的目标控制参数。

需要说明的是，本实施例是通过设置的控制参数实现对待充电机器人的移动控制，基于位置偏差量可以确定目标控制参数，目标控制参数为待充电机器人从预设充电位置移动至目标充电位置所需要设置的控制参数，目标控制参数包括但不限于运行速度和角速度等参数。

需要强调的是，本实施例中是通过优化后的控制器确定目标控制参数，因此在确定目标控制参数之前，需要对预设控制器进行相应的优化处理，本实施例中所述步骤s50之前还包括：获取预设神经网络模型的模型参数，以及预设控制器的历史输出数据；将所述历史输出数据输入至所述预设神经网络模型，并获取所述预设神经网络模型输出的辨识数据；根据所述辨识数据对所述模型参数进行调整，以获得调整后的神经网络模型；通过调整后的神经网络模型确定目标控制器参数，并根据所述目标控制器参数对所述预设控制器进行优化，以获得优化后的控制器。

需要说明的是，本实施例中预设神经网络模型可采用径向基函数(radialbasisfunction，rbf)神经网络模型，也可以采用其他形式的神经网络模型，本实施例对此不加以限制，可以根据实际情况进行相应的设置，此外，本实施例中预设控制器可采用比例-积分-微分控制器(proportionintegrationdifferentiation，pid)，也可以采用其他形式的控制器，可以根据实际情况进行相应的设置，本实施例对此也不加以限制。本实施例中是对预设控制器进行优化，预设控制器为未进行优化处理的控制器，将历史输出数据输入预设神经网络模型中，可以获取到预设神经网络模型输出的辨识数据，本实施例中将预设神经网络模型作为辨识系统，辨识数据包含输入数据与输出数据之间的关系，将辨识数据发送至预设神经网络模型的神经元控制器中，可以根据辨识数据对预设神经网络模型的模型参数进行调整，例如调整预设神经网络中的迭代次数或者权重值等，以得到调整后的神经网络模型。在得到调整后的神经网络模型之后，将不同形式的误差样本输入至调整后的神经网络模型，以得到调整后的神经网络模型输出的目标控制参数，将预设控制器的控制参数替换成目标控制参数即可完成对预设控制器的优化，得到优化后的控制器。

进一步地，本实施例中为了能够更加准确地获取到预设神经网络模型的模型参数，先获取预设神经网络模型的输出权重、隐单元中心以及基宽度参数的初始范围，然后设置预设算法的多个算法参数，其中，算法参数的设置个数可以根据实际需求进行设置，预设算法可以采用遗传算法，本实施例中均不加以限制。设置完算法参数之后，将设置的所有算法参数对应的参数集合作为一个种群，算法参数即为种群中的个体，可以采用遗传算法中的个体适应度函数计算各个算法参数的个体适应度，然后按照计算出的个体适应度进行遗传操作，即对算法参数进行筛选，可以得到新的种群，最后再根据获取到的初始范围从新的种群中筛选出新个体，即符合初始范围的算法参数，本实施例中这些符合初始范围的算法参数即为预设神经网络模型的模型参数。

步骤s60：按照所述目标控制参数控制所述待充电机器人从所述预设充电位置移动至所述目标充电位置，以使所述待充电机器人通过所述充电桩进行充电。

在具体实施中，在确定目标控制参数之后，按照目标控制参数控制待充电机器人的移动速度和移动方向等，即可使得待充电机器人移动至目标充电位置。进一步地，在待充电机器人到达目标充电位置时，待充电机器人与充电桩进行接触对桩，完成对桩之后，便可通过充电桩进行充电。

本实施例在待充电机器人达到预设充电位置时，启动所述待充电机器人的摄像装置；通过所述摄像装置获取充电桩上的视觉定位标识码；根据所述视觉定位标识码确定目标充电位置；获取所述预设充电位置与所述目标充电位置之间的位置偏差量；通过优化后的控制器确定所述位置偏差量对应的目标控制参数；按照所述目标控制参数控制所述待充电机器人从所述预设充电位置移动至所述目标充电位置，以使所述待充电机器人通过所述充电桩进行充电，基于充电桩上的视觉定位标识码确定目标充电位置，然后根据目标充电位置与预设位置之间的位置偏差量控制机器人进行充电，能够以较低的成本更加准确对机器人的自动充电进行控制。

参考图3，图3为本发明一种机器人的充电控制方法第二实施例的流程示意图。

基于上述第一实施例，本实施例中所述步骤s30具体包括：

步骤s301：构建摄像装置对应的第一坐标系。

步骤s302：获取所述视觉定位标识码在所述第一坐标系下所对应的标识码位姿。

在具体实施中，以摄像装置的中心为原点，构建第一坐标系，第一坐标系为空间直角坐标系。以构建的第一坐标系为基准获取视觉定位标识码的标识码位姿，标识码位姿包括视觉定位标识码的位置和姿态，位置由视觉定位标识码与第一坐标系之间的纵向偏差和横向偏差确定，姿态由视觉定位标识码与第一坐标系之间的角度偏差确定。

进一步地，本实施例中为了准确获取视觉定位标识码的标识码位姿，所述步骤s302包括：获取所述视觉定位标识码的标识码中心点；以所述第一坐标系为基准获取所述标识码中心点的坐标；根据所述标识码中心点的坐标和所述第一坐标系的原点坐标确定所述视觉定位标识码对应的纵向偏差、横向偏差以及角度偏差；根据所述纵向偏差、所述横向偏差以及所述角度偏差确定所述视觉定位标识码对应的标识码位姿。

需要说明的是，本实施例中是以视觉定位标识码的标识码中心点为基准确定标识码位姿，在第一坐标系中获取标识码中心点的空间坐标，根据空间坐标的横坐标可以确定视觉定位标识码的横向偏差，根据空间坐标的纵坐标可以确定视觉定位标识码的纵向偏差，以及根据空间坐标点与第一坐标系原点之间的连线与空间坐标轴的夹角确定视觉定位标识码的角度偏差，纵向偏差、横向偏差以及角度偏差即为视觉定位标识码对应的标识码位姿，如图5所示视觉定位标识码的示意图，其中，点a为视觉定位标识码的中心点，基于空间直角坐标系xyz可以确定a点的空间坐标点，从而得到纵向偏差、横向偏差以及角度偏差。

步骤s303：构建所述待充电机器人的底盘对应的第二坐标系。

步骤s304：根据所述标识码位姿和所述第二坐标系确定所述待充电机器人的目标位姿。

在具体实施中，以待充电机器人的底盘中心点为原点构建第二坐标系，标识码位姿是在第一坐标系的基准下获取的，以第二坐标系为基准对标识码位姿进行转换，可以得到待充电机器人相对于充电桩的目标位姿。本实施例中在构建第一坐标系和第二坐标系之后，可以根据第一坐标系和第二坐标系的原点以及三个坐标轴的相对位置确定第一坐标系和第二坐标系之间的静态关系，然后再根据静态关系对标识码位姿进行转换，即可得到待充电机器人的目标位姿。

步骤s305：根据所述目标位姿确定目标充电位置。

在具体实施中，基于目标位姿可以确定待充电机器人相对于充电桩的位姿，根据该位姿中待充电机器人与充电桩之间的相对距离和相对角度可以确定此时待充电机器人所需要进行充电的目标充电位置，

本实施例通过构建摄像装置对应的第一坐标系，获取所述视觉定位标识码在所述第一坐标系下所对应的标识码位姿，构建所述待充电机器人的底盘对应的第二坐标系，根据所述标识码位姿和所述第二坐标系确定所述待充电机器人的目标位姿，根据所述目标位姿确定目标充电位置，通过构建的第一坐标系和第二坐标系，能够更加准确地确定目标充电位置。

参考图4，图4为本发明一种机器人的充电控制方法第三实施例的流程示意图。

基于上述第一实施例或第二实施例提出本发明一种机器人的充电控制方法第三实施例，以基于上述第一实施例为例进行说明，本实施例中所述步骤s60之后，还包括：

步骤s70：检测所述待充电机器人是否处于充电状态。

需要说明的是，目标充电位置是通过模型计算得到的，当然在实际过程中会存在一定的误差，有较低概率发生在待充电机器人即使处于目标充电位置处也无法进行准确对桩充电的情况，为了避免这种情况，需要对待充电机器人的充电状态进行检测。

步骤s80：在检测到所述待充电机器人未处于充电状态时，控制所述待充电机器人从所述目标充电位置向后退预设距离。

在具体实施中，如果检测待充电机器人未处于充电状态，则说明目标充电位置存在对桩误差，此时则控制待充电机器人后退预设距离，后退预设距离为了能够更好地对待充电机器人的位置进行二次调整，所需要后退的预设距离可以根据实际情况进行相应的设置，本实施例对此不加以限制。

步骤s90：对所述目标充电位置进行调整，以使所述待充电机器人通过调整后的目标充电位置进行充电。

易于理解的是，目标充电位置存在对桩误差，需要根据上述方式确定新的目标充电位置，本实施例可在水平方向上对目标充电位置进行调整，最后再按照调整后的目标充电位置进行充电，直至待充电机器人处于充电状态，例如图6所示，调整之前的目标充电位置为(2，1.037)，调整后的目标充电位置为(10.21，10.21)，将待充电机器人从(2，1.037)处移动至(10.21，10.21)处进行重新对桩充电。

本实施例通过检测所述待充电机器人是否处于充电状态；在检测到所述待充电机器人未处于充电状态时，控制所述待充电机器人从所述目标充电位置向后退预设距离；对所述目标充电位置进行调整，以使所述待充电机器人通过调整后的目标充电位置进行充电，避免因为对桩精度达不到要求而导致机器人无法进行充电，提升了机器人自动充电的可靠性。

此外，本发明实施例还提出一种存储介质，所述存储介质上存储有机器人的充电控制程序，所述机器人的充电控制程序被处理器执行时实现如上文所述的机器人的充电控制方法的步骤。

参照图5，图5为本发明机器人的充电控制装置第一实施例的结构框图。

如图5所示，本发明实施例提出的机器人的充电控制装置包括：

启动模块10，用于在待充电机器人达到预设充电位置时，启动所述待充电机器人的摄像装置。

识别模块20，用于通过所述摄像装置获取充电桩上的视觉定位标识码。

处理模块30，用于根据所述视觉定位标识码确定目标充电位置。

获取模块40，用于获取所述预设充电位置与所述目标充电位置之间的位置偏差量。

运算模块50，还用于通过优化后的控制器确定所述位置偏差量对应的目标控制参数。

控制模块60，用于按照所述目标控制参数控制所述待充电机器人从所述预设充电位置移动至所述目标充电位置，以使所述待充电机器人通过所述充电桩进行充电。

本实施例在待充电机器人达到预设充电位置时，启动所述待充电机器人的摄像装置；通过所述摄像装置获取充电桩上的视觉定位标识码；根据所述视觉定位标识码确定目标充电位置；获取所述预设充电位置与所述目标充电位置之间的位置偏差量；通过优化后的控制器确定所述位置偏差量对应的目标控制参数；按照所述目标控制参数控制所述待充电机器人从所述预设充电位置移动至所述目标充电位置，以使所述待充电机器人通过所述充电桩进行充电，基于充电桩上的视觉定位标识码确定目标充电位置，然后根据目标充电位置与预设位置之间的位置偏差量控制机器人进行充电，能够以较低的成本更加准确对机器人的自动充电进行控制。

在一实施例中，所述处理模块30，还用于构建摄像装置对应的第一坐标系；获取所述视觉定位标识码在所述第一坐标系下所对应的标识码位姿；构建所述待充电机器人的底盘对应的第二坐标系；根据所述标识码位姿和所述第二坐标系确定所述待充电机器人的目标位姿；根据所述目标位姿确定目标充电位置。

在一实施例中，所述处理模块30，还用于获取所述视觉定位标识码的标识码中心点；以所述第一坐标系为基准获取所述标识码中心点的坐标；根据所述标识码中心点的坐标和所述第一坐标系的原点坐标确定所述视觉定位标识码对应的纵向偏差、横向偏差以及角度偏差；根据所述纵向偏差、所述横向偏差以及所述角度偏差确定所述视觉定位标识码对应的标识码位姿。

在一实施例中，所述处理模块30，还用于获取所述第一坐标系和所述第二坐标系之间的静态关系；根据所述静态关系对所述标识码位姿进行转换，以获得所述待充电机器人的目标位姿。

在一实施例中，所述机器人的充电控制装置还包括：优化模块；

所述优化模块，还用于获取预设神经网络模型的模型参数，以及预设控制器的历史输出数据；将所述历史输出数据输入至所述预设神经网络模型，并获取所述预设神经网络模型输出的辨识数据；根据所述辨识数据对所述模型参数进行调整，以获得调整后的神经网络模型；通过调整后的神经网络模型确定目标控制器参数，并根据所述目标控制器参数对所述预设控制器进行优化，以获得优化后的控制器。

在一实施例中，所述优化模块，还用于获取预设神经网络模型的输出权重、隐单元中心以及基宽度参数的初始范围；对预设算法设置多个算法参数，并将所述算法参数对应的参数集合作为种群，将各个算法参数作为所述种群中的个体；获取所述个体中各个算法参数对应的个体适应度；根据所述个体适应度对所述种群中的个体进行遗传操作，获取新的种群；从所述新的种群中筛选出符合所述初始范围的新个体，将所述新个体对应的算法参数作为所述预设神经网络模型的模型参数。

在一实施例中，所述机器人的充电控制装置还包括：调整模块；

所述调整模块，用于检测所述待充电机器人是否处于充电状态；在检测到所述待充电机器人未处于充电状态时，控制所述待充电机器人从所述目标充电位置向后退预设距离；对所述目标充电位置进行调整，以使所述待充电机器人通过调整后的目标充电位置进行充电。

应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。

需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。

另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的机器人的充电控制方法，此处不再赘述。

此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器(readonlymemory，rom)/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。