运行于大型仓库中的自动巡检机器人,必须有多个可靠的充电站供其就近充电。完整的自主充电系统要求巡检机器人能够在仓库内巡检的同时,自主监控电池电量,在合适的时间节点能够触发充电指令,并且寻找到距离最近的充电站,实现与充电站的对接并完成充电。论文整理与讨论了机器人实现自主充电需要解决的关键问题,并且针对机器人无法在移动状态下准确预测剩余电量以及机器人与充电站对接不精确的问题进行了研究。提出了基于卡尔曼滤波的机器人电池剩余电量预测算法,可以保证机器人在运动状态下精准预测剩余电量。同时提出了基于AprilTag的机器人与充电站对接系统,保证了机器人与充电站之间的精准对接。在此基础上,论文设计与实现了一个完整的移动机器人自主充电系统,并验证了整个充电系统的功能实现以及充电效率。论文主要的研究工作如下:(1)分析与总结了机器人自动充电系统的基本功能,确定了当前亟需解决的两个问题:机器人运动状态下剩余电量的预测,机器人与充电站的精准对接。针对这两个问题,论文分析了现阶段的一些解决方案,并且讨论了这些解决方案的优点与缺陷。(2)提出了基于卡尔曼滤波的剩余电量预测算法,解决了机器人在工作状态下无法准确预测剩余电量的问题。算法在考虑了温度、运行时间等影响电池剩余电量预测的因素的情况下,将电池的状态描述为卡尔曼滤波的状态方程和测量方程,结合电池的电化学方程,对剩余电量进行了预测。(3)设计了基于AprilTag的机器人与充电站对接系统。对接系统利用了机器人自定位技术以及AprilTag定位技术进行充电站的寻找与对接,将对接的过程分为了寻找阶段与靠近对接阶段,并通过基于位置的伺服控制系统调整机器人在对接过程中的运动控制信号,进一步减少了对接时间。(4)设计与实现了完整的移动机器人的自主充电系统。结合论文提出的剩余电量预测系统与基于AprilTag的对接系统,基于实验室机器人,在ROS系统上实现了完整的自主充电系统。实验结果表明充电系统可以在机器人与充电站对接过程中存在±15cm,±15°误差范围的情况下对接成功。整个系统充电一次成功率达到95%,能够满足绝大部分室内机器人的自主充电需求。