CN102727135A

CN102727135A - 结合脏污检测机制的清洁路线引导方法

Info

Publication number: CN102727135A
Application number: CN2011102348909A
Authority: CN
Inventors: 陈水石; 滕有为
Original assignee: MSI Computer Shenzhen Co Ltd
Current assignee: iRobot Corp
Priority date: 2011-03-30
Filing date: 2011-08-16
Publication date: 2012-10-17
Anticipated expiration: 2031-08-16
Also published as: US8871030B2; US20120247510A1; JP5776118B2; CN102727135B; TW201239643A; JP2012210395A; DE102011052154A1

Abstract

一种结合脏污检测机制的清洁路线引导方法，执行于一自动清洁装置，用以产生一清洁路径，以引导自动清洁装置清洁一待清洁区域，其中待清洁区域中可定义多个网格。该方法是先于待清洁区域中移动自动清洁装置以清除脏污，并持续检测所清除的脏污流量，以取得当前所在网格的脏乱程度；若当前所在网格的脏乱程度超过一门坎值时，标记网格为一脏乱网格；执行一算法，依据所标记的脏乱网格，找出一可以通过所有脏乱网格的最短路径，以作为一清洁路径；最后，依据清洁路径移动自动清洁装置通过每一脏乱网格，依序清洁每一脏乱网格。

Description

结合脏污检测机制的清洁路线引导方法

技术领域

本发明是与自动清洁装置的清洁路线导引有关，特别是关于一种结合脏污检测机制的清洁路线引导方法。

背景技术

自动清洁装置通常为吸尘装置，自带移动动力及障碍物检测功能，以在一待清洁区域自行移动，而清洁待清洁区域。

为了确实清理待清洁区域，自动清洁装置都具备一或多种路线导引机制，以引导自动清洁装置依据特定路径，清洁待清洁区域。

前述的路线引导机制中，最简单的是单纯模式切换型引导机制。于单纯模式切换型引导机制下，自动清洁装置内建多种清洁路线模式，例如bounce清洁路线模式、wall follow清洁路线模式、Snake清洁路线模式。自动清洁装置通常会以时间调度作为切换依据，每到一指定的时间点，自动清洁装置就切换至一对应该时间点的清洁路线模式。通过单纯模式切换型引导机制，自动清洁装置执行不同的清洁路线模式，且确保可以针对不同的脏污分布、脏乱程度都可以达到良好的清洁效果。但是对于相对复杂的室内环境而言，例如格局型态特别的房间/房屋，或是障碍物多的房屋，此种单纯模式切换型引导机制仍无法确保自动清洁装置能够充分地完成清洁工作。

针对单纯模式切换型引导机制，集成人工智能的改良方案被提出。于集成人工智能模式切换型引导机制中，自动清洁装置仍然内建数种清洁路线模式，但是自动清洁装置中更进一步设置脏污检测机制，以通过各种感应器检测脏污分布及脏乱程度。经由人工智能分析脏污分布及脏乱程度，自动清洁装置可以从多种清洁路线模式中，选择最可能达成清洁工作者，而切换至所选出的清洁路线模式。虽然集成人工智能之后，自动清洁装置内建的清洁路线模式仍与单纯模式切换型相同，但是自动清洁装置可以通过人工智能选择最佳清洁路线模式，而使得其能够充分地完成清洁工作。

前述两种引导模式中，自动清洁装置都是盲目前进，在碰到障碍物或预设边界时改变行进方向。在这种情况下，可能会发生自动清洁装置从未或很少经过特定局部区块的状况，而导致该特定局部区块的清洁状况不佳。

因此，更有系统化导航型引导机制被提出，以进一步将SLAM算法(simultaneous localization and mapping，同时定位及绘制地图技术)集成于自动清洁装置中。自动清洁装置于清洁过程中，同时绘制待清洁区域的地图。自动清洁装置并配合脏污检测机制，于待清洁区域规划出最佳清洁策略，以确保待清洁区域中的每一角落都可以确实被清洁。

理论上系统化导航型引导机制为最佳引导模式而可确实完成清洁工作，但实务上因为检测机制的缺点、吸尘机构设计不良等，造成特定局部区块清洁不确实、检测机制误判影响清洁效果、清洁时间过久等问题。因此，如何通过脏污检测机制的检测结果及清洁区域的地图规划出最佳清洁策略，仍为待解决问题。

发明内容

鉴于已知技术中的导航机制，存在特定局部区块清洁不确实、检测机制误判影响清洁效果、清洁时间过久等问题，本发明提出一种结合脏污检测机制的清洁路线引导方法，用以产生最佳化的清洁路径，以引导自动清洁装置完成清洁作业。

本发明提出一种结合脏污检测机制的清洁路线引导方法，执行于一自动清洁装置，用以产生一清洁路径，以供自动清洁装置依据清洁路径清洁一待清洁区域，其中待清洁区域中可定义多个网格。

所述方法包含下列步骤：于待清洁区域中移动自动清洁装置，并以自动清洁装置清除脏污；在移动自动清洁装置的过程中，持续执行一同时定位及绘制地图算法，以对自动清洁装置所在的当前位置进行定位；在移动自动清洁装置的过程中，检测所清除的脏污流量，以取得当前所在网格的脏乱程度；当该当前所在网格的脏乱程度超过一门坎值时，标记网格为一脏乱网格；依据所标记的脏乱网格，找出一可以通过所有脏乱网格的最短路径，以做为一清洁路径；依据清洁路径移动自动清洁装置通过每一脏乱网格，依序清洁每一脏乱网格。

是于清洁过程中，通过实际吸引清除的脏污流量评估脏污程度，使得待清洁区域中各网格的脏污程度可以相对正确地被评估，以供规划新的清洁路径。此一清洁路径可以依据脏乱程度设定下一次清洁作业时需要优先清除的脏污网格，加强清洁效果。同时，也可以依据脏污网格可能地找出自动清洁装置所必须行进的最短路径，从而加速清洁该待清洁区域所需要的时间。

附图说明

图1为本发明实施例所揭露的一种自动清洁装置的电路方块图，用以执行结合脏污检测机制的清洁路线引导方法。

图2为本发明第一实施例所揭露的一种结合脏污检测机制的清洁路线引导方法。

图3A、3B及3C为本发明第二实施例所揭露的一种结合脏污检测机制的清洁路线引导方法。

图4A、4B为基因算法中，由Pi网格产生多个清洁路径的示意图。

[主要元件标号说明]

100 自动清洁装置

110 控制模块

120 清洁模块

130 检测模块

140 移动模块

150 探索模块

160 电池模块

具体实施方式

请参阅图1所示，为本发明实施例所揭露的一种自动清洁装置100的电路方块图，用以清洁一待清洁区域，该待清洁区域中可定义多个网格。自动清洁装置100包括一控制模块110、一清洁模块120、一检测模块130、一移动模块140及一探索模块150及一电池模块160，设置于一机体中。

电池模块160用以供应电力至控制模块110、清洁模块120、检测模块130、移动模块140及探索模块150。检测模块130、清洁模块120、移动模块140及探索模块150电性连接于控制模块110。清洁模块120用以产生一负压以吸引脏污，以清除待清洁区域上的脏污，例如灰尘或小纸屑等，而清洁该待清洁区域。检测模块130用以检测清洁模块120所清除的脏污流量，以取得各网格的脏乱程度。移动模块140用以移动机体，控制模块110用以控制移动模块140，以使机体沿着一清洁路径移动而清洁该待清洁区域的各网格。

请参阅图2所示，为本发明第一实施例所揭露的结合脏污检测机制的清洁路线引导方法，用以产生一清洁路径，以供自动清洁装置100依据该清洁路径清洁该待清洁区域。前述自动清洁装置100的控制模块110执行一句柄，而执行结合脏污检测机制的清洁路线引导方法。于自动清洁装置100清洁该待清洁区域的过程中，控制模块110分析各网格的脏乱程度，据以产生一清洁路径并储存之。在往后的清洁作业中，自动清洁装置100的控制模块110可加载该清洁路径，而沿着该清洁路径移动自动清洁装置100，以对清洁路径所通过的网格加强清洁。

于自动清洁装置100启动之后，控制模块110依据其所执行的句柄，开始驱动移动模块140，以于该待清洁区域中移动该自动清洁装置100。同时，控制模块110也启动清洁模块120，使清洁模块120开始产生负压而开始清除脏污，如Step 110所示。

在移动模块140移动自动清洁装置100的过程中，控制模块110通过探索模块150取得周边环境参数，而持续执行一SLAM(同时定位及绘制地图)算法，藉以绘制该待清洁区域的各网格，产生其等的相对位置关系，并对自动清洁装置100所在的当前位置进行定位，如Step 120所示。

同时，检测模块130持续检测清洁模块120所清除的脏污流量，以取得当前所在网格的脏乱程度，使控制模块110通过分析网格的脏乱程度，如Step130所示。

当该当前所在网格的脏乱程度超过一门坎值时，控制模块110标记该网格为一脏乱网格，如Step 140所示。

于清洁作业完成之后，控制模块110依据所标记的脏乱网格，找出一可以通过所有脏乱网格的最短路径，以作为一清洁路径。且控制模块110避免该清洁路径重复通过同一脏乱网格，如Step 150所示。

最后，控制模块110控制移动模块120，以依据清洁路径移动自动清洁装置100，使自动清洁装置100通过每一该脏乱网格，依序清洁每一该脏乱网格，如Step 160所示。

一般而言，居家环境中比较脏乱的地方通常会集中在某几个区块，例如厨房地板、大门口附近。于本发明一或多个实施例中，自动清洁装置100于每一次清洁一网格的过程中，都可以持续通过检测模块130检测各网格的脏乱程度，而产生脏乱网格，以针对脏乱网格加强清洁，确保家中环境的清扫效率大幅提升。

实务上，检测模块130可为一麦克风。检测清洁模块120所清除的脏污流量的方式是以该麦克风，于清洁模块120运作以清除脏污时取得噪音值，以噪音值大小判断脏乱程度。通常，在网格的脏乱程度高时，清洁模块120以负压吸引脏污时，高脏污流量会造成相对较大的噪音，因此噪音值的大小扣除系统原有噪声之后，就可以作为该网格的脏乱程度。

此外，检测模块130可为光学检测模块130，用以检测清洁模块120清除脏污时所产生气流的透光率，而作为脏乱程度。透光率较高则代表脏污量少而有较低的脏乱程度，透光率较低代表脏污量多而有较高的脏乱程度。

此外，脏乱网格之间并不必然相邻，而形成杂乱的分布，此时可以通过相关度分析，以通过该些脏乱网格决定至少一脏乱区块，其中该脏乱区块包含多个网格。控制模块110该清洁路径中，加入针对此一脏乱区块实施一清洁路线模式的步骤，以全面清洁该脏乱区块所属网格。所述清洁路线模式可为bounce清洁路线模式、wall follow清洁路线模式、Snake清洁路线模式，或是不同路线模式的组合，以确保该脏乱区块中每一网格都会被加强清洁，而避免干净网格受到相邻脏乱网格的影响。

通过脏乱网格决定脏乱区块的方式可为群聚算法(clustelingalgorithm)，例如模糊C-means算法，其演算过程例示如下：

令每一脏乱网格为x，该脏乱网格x属于第k个脏乱区块的归属度为u_k(x)。对于每一脏乱网格x来说，归属度的总和为1：

而第k个脏乱区块的中心位置为：

{center}_{k} = \frac{\underset{x}{Σ} u_{k} {(x)}^{m} x}{\underset{x}{Σ} u_{k} {(x)}^{m}}

中心位置center_k决定之后，脏乱网格x对于第k个脏乱区域的归属度为u_k(x)即可由下式决定：

u_{k} (x) = \frac{1}{\underset{j}{Σ} {(\frac{d ({center}_{k, x})}{d ({center}_{k, j})})}^{2 / (m - 1)}}

属于第k个脏乱区域的脏乱网格x依据归属度u_k(x)大小排列之后，即可决定多个脏乱区块。

例如，于厨房中，某一特定区块或整个厨房通常为待清洁区域中最脏乱的区块，但是控制模块110并不必然将厨房中每一网格都标记为脏乱网格，这样容易忽略许多脏乱但是脏乱程度低于门坎值的网格。通过群聚算法，即可将整个厨房所属区域定义为一脏乱区块，在产生清洁路径时，就不需要于此一脏乱区块中特别规划最短路径，而是将之视为大范围的脏污，而直接对其实施各种清洁路线模式，以全面清洁每一网格。

前述模糊C-means算法仅为群聚算法的一例示，本发明所采的群聚算法并不以此为限。

在前述多个脏乱区块被定义出来之后，所规划的清洁路径必须能通过每一脏乱区块，再依序于脏乱区块中执行各种清洁路线模式。于产生清洁路径之前，可先依据面积大小及脏乱程度给予每一脏乱区块一权重值，依据权重值大小决定脏乱区块的排序，依据此一排序产生清洁路径。

决定各脏乱区块权重值的方式其中之一例示如下：

w_i＝k₁L_i+k₂A_i

其中w_i为第i个脏乱区块的权重值，L_i为脏乱程度，A_i为第i个脏乱区块的面积。k₁，k₂为常数。

同样地，前述权重值计算公式仅为一例示，本发明实施例所采用的权重值计算公式并不以此为限。

参阅图3A、图3B及图3C所示，为本发明第二实施例所揭露的一种结合脏污检测机制的清洁路线引导方法中。如图1所示，自动清洁装置100是以内置的电池模块160提供电力，而该电池模块160具备有限的电容量。自动清洁装置100必须在电池模块160的电力消耗之后，对电池模块160进行充电以维持运作。因此，自动清洁装置100必须在电池模块160的电量过低时自动返回一充电站进行充电。同时，自动清洁装置100也不是持续地进行清洁作业，而是在被启动或到达一调度时间时自动启动，而执行清洁作业。因此，第一实施例的流程可进一步扩充如下。

如图3A、图3B及图3C所示，于自动清洁装置100启动之后，控制模块110依据其所执行的句柄，同样执行清洁程序，依据清洁路径逐一清洁各网格，并持续标示脏乱网格，如Step 210至Step 240所示。

于每一次清洁一脏乱网格之后，控制模块110先判断是否每一脏乱网格都已经完成清洁，如Step 241所示。

若于Step 241中，控制模块110判断该清洁路径中每一脏乱网格都完成清洁，则控制模块110控制移动模块140移动自动清洁装置100至充电站，以对电池模块160进行充电，如Step 242所示。同时控制模块110切换至一待机状态，等待一启动命令的输入。

每经过一预定等待时间后，控制模块110判断是否有该启动命令的输入，如Step 243所示。

若有启动命令输入，则控制模块110再度启动自动清洁装置100加载经过重新规划的清洁路径，重新依据该清洁路径执行清洁作业，如Step 250、Step 260所示。

前述启动命令可为设置于机体上的一操作面板所发出，也可以是由远程发出而对控制模块110进行遥控启动。

若无启动命令的输入，则控制模块110进一步检查一调度表，判断当前时间是否已到达调度时间，如Step 224所示。

若已到达调度时间，控制模块110再度启动自动清洁装置100加载经过重新规划的清洁路径，重新依据该清洁路径执行清洁作业。尚未到达调度时间，则重新等待启动命令的输入，如Step 250、Step 260所示。

同样地，若尚未完成该清洁路径中所有脏乱网格的清洁作业，该控制模块110先判断是否电池模块160留有足够电力，以在清洁完下一网格后可回归至充电站，如Step 245所示。若为是，则依据当前的清洁路径，持续清洁下一脏乱网格。

在前述的清洁过程中，控制模块110仍持续通过探索模块150取得环境参数而执行SLAM算法，以更新地图并对自动清洁装置100的当前位置进行定位；同时，控制模块110通过检测模块130持续判断清除中网格的脏乱程度，以更新脏乱网格的数据记录。

若电池模块160的电力不足以在清洁完下一网格后回归至充电站，亦即仅足以供直接返回充电站，则移动自动清洁装置100至充电站，以对电池模块160进行充电，如Step 242所示。

在调度启动或接收启动命令启动之后，则控制模块110加载尚未完成的清洁路径，持续完成清洁工作。

于标记脏乱区块的实施例中，可在调度中指定一特定调度时间点，以驱动自动清洁装置100针对至少一对应的脏乱区块进行清洁作业。例如，于晚餐时段之后，对厨房区域进行清洁；或于白天上班时间之后，对客厅或起居室区域进行清洁。

控制模块110于每一次被启动之后(不论是调度启动或手动启动)，可重新规划一清洁路径，此一清洁路径可包含经过需要优先清洁的网格，以及回归充电站的路径。藉以使自动清洁装置100充分运用电池模块160所储存的电力持续执行清洁作业，并自动清洁装置100可回归至充电站。

于此一实施例中，控制模块110需先判断电池模块160的电量，以决定自动清洁装置100可持续运作的时间。举例而言，控制模块110判断电池模块160的电量为饱和的30％。可支持自动清洁装置100持续运作的27分钟，则此时控制模块110规划一持续运作27分钟的清洁路径。

控制模块110并区分可持续运作的时间为执行清洁作业的清洁阶段，以及不执行清洁作业而走回充电站的回归阶段。其中，清洁阶段可以设定一固定比例，例如占有27分钟的可持续运作的时间的三分之二，亦即18分钟。控制模块110再通过网格的大小及自动清洁装置100的移动速度，推算出清洁阶段中，自动清洁装置100可以走过的网格数。例如，每一网格的大小为60cmx60cm，而自动清洁装置100的移动速度为每6秒可以跨越一个网格，则18分钟内自动清洁装置100可以走过180个网格。

依据自动清洁装置100的当前位置(例如充电站的位置)，控制模块110可以由180个网格产生多个清洁阶段的清洁路径。

于多个清洁阶段的清洁路径中，可以找出清洁效果最佳化的清洁路径，以供控制模块110控制移动模块140以移动自动清洁装置100。

找出清洁效果最佳化的清洁路径时，可考虑每一脏乱网格的权重值及单一网格重复地被自动清洁装置100走过次数，而产生一积分。

例如清洁路径每经过一脏乱网格时，便给予一正相关于脏乱程度的加分。当单一网格重复被自动清洁装置100走过一次时，就减去一扣分。最后找出清洁路径的积分后，找出积分最高者即为清洁效果最佳化的清洁路径。

找出清洁效果最佳化的清洁路径的一例示为实数型基因算法，将染色体设计为：

G＝{g1，g2，….g180}

其中gi＝{1，2，…，8}，代表八方向的网格，如图4A所示。例如自动清洁装置100初始位置在P0，下一位置P1可能会落在g1＝1，2，3，….，8其中之一，亦即会到达图4B中1～8其中之一的位置的位置。

定义一最佳化函数：

其中W_Pi是第Pi个网格的权重值(

若不属于脏乱区块的网格，则

)。

n_rep是路径走到重复网格的次数，k_rep是定值，代表路径走到重复网格的扣分值。

等到控制模块110依据基因算法执行完毕预设的迭代作业之后，可找出Z的最大值及对应的染色体，该染色体即为清洁效果最佳化的清洁路径。

以上所述的基因算法仅为一例示，本发明找出清洁效果最佳化的清洁路径的方法并不以此为限。

而回归阶段则相对单纯，不需要考虑脏乱程度，只要直接找出P180到P0之间的最短路径，亦即清洁阶段的最后位置至充电站之间的最短路径即可。

通过本发明实施例揭露的结合脏污检测机制的清洁路线引导方法，待清洁区域中各网格的脏污程度可以相对正确地被评估，以供规划新的清洁路径。此一清洁路径除了可以依据脏乱程度设定优先清除的网格之外，也尽可能地找出自动清洁装置所必须行进的最短路径，从而加速清洁该待清洁区域所需要的时间。

Claims

1.一种结合脏污检测机制的清洁路线引导方法，执行于一自动清洁装置，用以产生一清洁路径，以供该自动清洁装置依据该清洁路径清洁一待清洁区域，其中该待清洁区域中可定义多个网格；该方法包含：

于该待清洁区域中移动该自动清洁装置，并以该自动清洁装置清除脏污；

在移动该自动清洁装置的过程中，持续执行一同时定位及绘制地图算法，以对该自动清洁装置所在的当前位置进行定位；

在移动该自动清洁装置的过程中，检测所清除的脏污流量，以取得该当前所在网格的脏乱程度；

当该当前所在网格的脏乱程度超过一门坎值时，标记该网格为一脏乱网格；

依据所标记的脏乱网格，找出一可以通过所有脏乱网格的最短路径，以作为一清洁路径；及

依据该清洁路径移动自动清洁装置通过每一该脏乱网格，依序清洁每一该脏乱网格。

2.根据权利要求1所述的结合脏污检测机制的清洁路线引导方法，其中检测所清除的脏污流量的步骤为：

以一麦克风取得清除脏污时的噪音值，作为该网格的脏乱程度。

3.根据权利要求1所述的结合脏污检测机制的清洁路线引导方法，其中检测所清除的脏污流量，检测清除脏污时所产生的气流的透光率，而作为脏乱程度。

4.根据权利要求1所述的结合脏污检测机制的清洁路线引导方法，其中还包含一步骤，通过该些脏乱网格决定至少一脏乱区块，包含多个网格；并在该清洁路径中加入针对该脏乱区块实施实施一清洁路线模式的步骤，以全面清洁该脏乱区块所属网格。

5.根据权利要求4所述的结合脏污检测机制的清洁路线引导方法，其中所述路线是选自bounce清洁路线模式、wall follow清洁路线模式、Snake清洁路线模式或其等的组合。

6.根据权利要求4所述的结合脏污检测机制的清洁路线引导方法，其中产生脏乱区块的方式为群聚算法。

7.根据权利要求4所述的结合脏污检测机制的清洁路线引导方法，其中该些脏乱网格决定多个脏乱区块，各该脏乱区块依据面积大小及脏乱程度被给予一权重值，以依据权重值大小决定脏乱区块的排序，并依据该排序产生该清洁路径。

8.根据权利要求4所述的结合脏污检测机制的清洁路线引导方法，其中还包含一步骤，于一特定时间点驱动该自动清洁装置针对至少一对应的脏乱区块进行清洁。

9.根据权利要求1所述的结合脏污检测机制的清洁路线引导方法，其中于该清洁路径中每一该脏乱网格都完成清洁之后，移动该自动清洁装置至一充电站以进行充电。

10.根据权利要求9所述的结合脏污检测机制的清洁路线引导方法，其中于该自动清洁装置进行充电时，还执行下列步骤：

等待一启动命令的输入，并于启动命令输入之后，依据该清洁路径移动自动清洁装置通过每一该脏乱网格，依序清洁每一该脏乱网格。

11.根据权利要求9所述的结合脏污检测机制的清洁路线引导方法，其中于该自动清洁装置进行充电时，还执行下列步骤：

检查一调度表，判断当前时间是否已到达一调度时间；及

若当前时间已到达该调度时间，依据该清洁路径移动自动清洁装置通过每一该脏乱网格，依序清洁每一该脏乱网格。

12.根据权利要求9所述的结合脏污检测机制的清洁路线引导方法，其中于每一清洁一个该些网格之后，还包含下列步骤：

判断该自动清洁装置是否有足够电力，以在清洁完下一网格后可回归至充电站；及

若为是，则该自动清洁装置依据当前的清洁路径，持续清洁下一脏乱网格；若该自动清洁装置的电力不足以在清洁完下一网格后回归至是该充电站，移动该自动清洁装置至该充电站，以进行充电。

13.根据权利要求1所述的结合脏污检测机制的清洁路线引导方法，其中于产生该清洁路径之前，还包含：

以决定该自动清洁装置可持续运作的时间，并区分该可持续运作的时间为一清洁阶段及一回归阶段；

决定该清洁阶段中，该自动清洁装置可以走过的网格数；

依据该自动清洁装置的当前位置及该网格数，产生多个清洁阶段的清洁路径；及

找出清洁效果最佳化的清洁路径，以移动自动清洁装置进行清洁。

14.根据权利要求13所述的结合脏污检测机制的清洁路线引导方法，其中找出清洁效果最佳化的清洁路径的步骤包含：

每一该清洁路径经过一脏乱网格时，给予一与脏乱程度正相关的加分；且每一该清洁路径重复经过一网格时，就减去一扣分；及

总和加分及扣分，找出每一该清洁路径的积分，以找出积分最高者即为清洁效果最佳化的清洁路径。

15.根据权利要求13所述的结合脏污检测机制的清洁路线引导方法，其中找出该回归阶段的路径的步骤包含：

找出清洁效果最佳化的清洁路径的终点及起始点之间的最短路径，以作为该回归阶段的路径。