CN107713913A - 机器人辨识及处理宠物粪便的方法 - Google Patents
机器人辨识及处理宠物粪便的方法 Download PDFInfo
- Publication number
- CN107713913A CN107713913A CN201710994071.1A CN201710994071A CN107713913A CN 107713913 A CN107713913 A CN 107713913A CN 201710994071 A CN201710994071 A CN 201710994071A CN 107713913 A CN107713913 A CN 107713913A
- Authority
- CN
- China
- Prior art keywords
- pet
- excrement
- color data
- point
- robot
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
- A47L11/24—Floor-sweeping machines, motor-driven
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
- A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Manipulator (AREA)
Abstract
本发明涉及一种机器人辨识及处理宠物粪便的方法,机器人在清扫的过程中,通过拍摄前方路面的图像,并基于SIFT算法提取所拍摄的当前图像中的物体形状的特征点,把该特征点与预存的参考图像的参考特征点进行对比,根据对比结果来确定所述物体是否为宠物粪便。这种通过形状特征对比的检测方法,可以准确检测出地面上的物体是否为宠物粪便。此外,在确定是宠物粪便之后,再通过向宠物粪便喷射速冻剂来使粪便凝固,便于机器人直接将凝固的粪便吸入垃圾腔,避免现有的机器人吸取湿黏的粪便时造成的大面积污染,保证了机器人处理宠物粪便的效果,同时提高了机器人的实用性,满足养有宠物的家庭的卫生清扫需求。
Description
技术领域
本发明涉及机器人领域,具体涉及一种机器人辨识及处理宠物粪便的方法。
背景技术
随着智能生活水平的提高,越来越多的家庭开始采用智能扫地机器人清扫家里地板的卫生。但是,一些养有宠物的家庭,这些宠物有时会随地排泄粪便,而智能扫地机器人又不能辨识粪便,所以,在清扫过程中会直接从粪便上清扫过去。由于粪便比较湿黏,机器人无法将直接其吸入垃圾腔内,反而在继续前进的过程中,把粪便带得一路都是,使得粪便污染面积更大,更难以清理。
发明内容
为解决上述问题,本发明提供了一种机器人辨识及处理宠物粪便的方法,可以准确地辨识地面的物体是否为宠物粪便,并对确定为宠物粪便的物体进行有效处理。本发明的具体技术方案如下:
一种机器人辨识宠物粪便的方法,包括如下步骤:
基于摄像头,机器人一边行走一边拍摄前方路面的图像;
基于SIFT算法提取所拍摄的当前图像中的物体形状的特征点,判断所述当前图像的特征点是否在预存的参考图像的参考特征点的设定范围内;
如果是,则确定所述物体为宠物粪便;
如果否,则继续一边行走一边拍摄前方路面的图像,并进行下一幅图像的判断。
进一步地,所述预存的参考图像的参考特征点,通过如下步骤获取:
确定第一宠物,拍摄所述第一宠物排出的粪便的图像并作为参考图像,基于SIFT算法提取所述参考图像中粪便形状的参考特征点的数量和各参考特征点之间的方位关系;
确定第二宠物,拍摄所述第二宠物排出的粪便的图像并作为参考图像,基于SIFT算法提取所述参考图像中粪便形状的参考特征点的数量和各参考特征点之间的方位关系;
以此类推,
确定第N宠物,拍摄所述第N宠物排出的粪便的图像并作为参考图像,基于SIFT算法提取所述参考图像中粪便形状的参考特征点的数量和各参考特征点之间的方位关系;
将所述参考图像和对应的参考特征点的数量以及各参考特征点之间的方位关系存入机器人的数据库中;
其中,N为大于1的自然数。
进一步地,所述基于SIFT算法提取所拍摄的当前图像中的物体形状的特征点,判断所述当前图像的特征点是否在预存的参考图像的参考特征点的设定范围内,包括如下步骤:
基于SIFT算法提取所拍摄的当前图像中的物体形状的特征点并作为对比特征点,确定所述对比特征点的数量和各对比特征点之间的方位关系;
判断所述对比特征点的数量与每幅所述参考图像中的参考特征点的数量之间的差值是否小于或等于设定数量;
如果判断结果都为否,则确定所述当前图像的特征点不在预存的参考图像的参考特征点的设定范围内;
如果判断结果中至少一个为是,则将判断结果为是的所述参考图像中的各参考特征点之间的方位关系与各所述对比特征点之间的方位关系进行对比分析;
如果两者的方位关系达到预设相同率,则确定所述当前图像的特征点在预存的参考图像的参考特征点的设定范围内;
否则,确定所述当前图像的特征点不在预存的参考图像的参考特征点的设定范围内。
进一步地,所述两者的方位关系是否达到预设相同率,包括如下判断步骤:
分别以所述参考图像中的每一个参考特征点为参考基准点,获取其它参考特征点相对于所述参考基准点的参考方向和参考距离;
分别以所述当前图像中的每一个对比特征点为对比基准点,获取其它对比特征点相对于所述对比基准点的对比方向和对比距离;
如果所述其它对比特征点相对于所述对比基准点的对比方向和对比距离与所述其它参考特征点相对于所述参考基准点的参考方向和参考距离有70%以上相同或者在误差范围内,则认为所述对比基准点与所述参考基准点相同,否则认为所述对比基准点与所述参考基准点不相同;
当所述对比基准点与所述参考基准点相同的数量占所述参考基准点的总数的70%以上,则确定所述两者的方位关系达到预设相同率,否则确定所述两者的方位关系没有达到预设相同率。
进一步地,在判断所述当前图像的特征点是在预存的参考图像的参考特征点的设定范围内的步骤之后,还包括如下步骤:
基于颜色传感器,机器人采集所述物体的当前颜色数据;
判断所采集的当前颜色数据是否在预存的宠物粪便的参考颜色数据的误差范围内;
如果是,则确定所述物体为宠物粪便;
如果否,则继续一边行走一边拍摄前方路面的图像,并进行下一幅图像的判断。
进一步地,所述预存的宠物粪便的参考颜色数据,通过如下步骤获取:
确定第一宠物,采集所述第一宠物在不同时间排出的多组粪便的颜色数据,将所述多组粪便的颜色数据取平均值作为第一参考颜色数据;
确定第二宠物,采集所述第二宠物在不同时间排出的多组粪便的颜色数据,将所述多组粪便的颜色数据取平均值作为第二参考颜色数据;
以此类推,
确定第N宠物,采集所述第N宠物在不同时间排出的多组粪便的颜色数据,将所述多组粪便的颜色数据取平均值作为第N参考颜色数据;
将N个所述参考颜色数据存入机器人的数据库中;
其中,N为大于1的自然数。
进一步地,所述采集所述第N宠物在不同时间排出的多组粪便的颜色数据,将所述多组粪便的颜色数据取平均值作为第N参考颜色数据,包括如下步骤:
采集所述第N宠物在不同时间排出的多组粪便的颜色数据;
判断所述多组粪便的颜色数据中,各组颜色数据之间的差值是否在预设范围内;
如果是,则取所述多组粪便的颜色数据的平均值作为参考颜色数据;
如果否,则将差值最大的两组颜色数据提取出来,分别作为参考颜色数据,再取其它组颜色数据的平均值作为参考颜色数据。
进一步地,在判断所述当前图像的特征点是在预存的参考图像的参考特征点的设定范围内的步骤之后,还包括如下步骤:
基于红外测温仪,采集所述物体的当前温度;
判断所采集的当前温度是否小于或等于预存的宠物粪便的参考温度,大于环境温度;
如果是,则确定所述物体为宠物粪便;
如果否,则继续一边行走一边拍摄前方路面的图像,并进行下一幅图像的判断。
进一步地,所述预存的宠物粪便的参考温度,通过如下步骤获取:
确定第一宠物,采集多组不同时间的所述第一宠物的肛门温度,取肛门温度最高的值作为预选参考温度;
确定第二宠物,采集多组不同时间的所述第二宠物的肛门温度,取肛门温度最高的值作为预选参考温度;
以此类推,
确定第N宠物,采集多组不同时间的所述第N宠物的肛门温度,取肛门温度最高的值作为预选参考温度;
取所述预选参考温度中温度最高的值作为参考温度;
其中,N为大于1的自然数。
一种机器人处理宠物粪便的方法,包括如下步骤:
基于上述的机器人辨识宠物粪便的方法,确定所检测的物体为宠物粪便;
停止行走,启动速冻剂装置,对所述宠物粪便喷射速冻剂;
将凝固的宠物粪便吸入垃圾腔;
再次对所述宠物粪便所在的位置喷射速冻剂;
然后停在所述位置清扫预设时间,再向前行走预设距离后停止,接着向后退两倍的预设距离后停止,再向前行走两倍的预设距离后停止,最后再向后退预设距离停止;
完成对宠物粪便的处理。
本发明的有益效果在于:机器人在清扫的过程中,通过拍摄前方路面的图像,并基于SIFT算法提取所拍摄的当前图像中的物体形状的特征点,把该特征点与预存的参考图像的参考特征点进行对比,根据对比结果来确定所述物体是否为宠物粪便。这种通过形状特征对比的检测方法,可以准确检测出地面上的物体是否为宠物粪便。此外,在确定是宠物粪便之后,再通过向宠物粪便喷射速冻剂来使粪便凝固,便于机器人直接将凝固的粪便吸入垃圾腔,避免现有的机器人吸取湿黏的粪便时造成的大面积污染,保证了机器人处理宠物粪便的效果,同时提高了机器人的实用性,满足养有宠物的家庭的卫生清扫需求。
附图说明
图1为本发明所述的机器人辨识宠物粪便的方法的流程图一。
图2为本发明所述的参考图像的示意图。
图3为本发明所述的当前图像的示意图。
图4为本发明所述的机器人辨识宠物粪便的方法的流程图二。
图5为本发明所述的机器人辨识宠物粪便的方法的流程图三。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明:
本发明所述的机器人主要指扫地机器人,又称清洁机器人、自动打扫机、智能吸尘器等,是智能家用电器的一种,能凭借一定的人工智能,自动在房间内完成地板清理工作。一般采用刷扫和真空方式,将地面杂物先吸纳进入自身的垃圾腔,从而完成地面清理的功能。一般来说,将完成扫地、吸尘、擦地等工作的机器人,也统一归为扫地机器人。扫地机器人的机体为无线机器,以圆盘型为主。使用充电电池运作,操作方式为遥控或是机器上的操作面板。一般能设定时间预约打扫,自行充电。机体上设有各种传感器,可检测行走距离、行走角度、机身状态和障碍物等,如碰到墙壁或其他障碍物,会自行转弯,并依不同的设定,而走不同的路线,有规划地清扫地区。本发明所述机器人包括如下结构:带有驱动轮的能够自主行走的机器人机体,机体上设有人机交互界面和摄像头,机体上设有障碍检测单元、颜色传感器、红外测温仪和/或气味传感器,机体底部设有主刷(也可以叫中刷)和边刷。机体内部设置有速冻剂装置和惯性传感器,所述惯性传感器包括加速度计和陀螺仪等,驱动轮上设有用于检测驱动轮的行走距离的里程计(一般是码盘),还设有能够处理相关传感器的参数,并能够输出控制信号到执行部件的控制模块。
如图1所示,本发明所述的机器人辨识宠物粪便的方法,包括如下步骤:基于摄像头,机器人一边行走一边拍摄前方路面的图像;基于SIFT算法提取所拍摄的当前图像中的物体形状的特征点,判断所述当前图像的特征点是否在预存的参考图像的参考特征点的设定范围内;如果是,则确定所述物体为宠物粪便;如果否,则继续一边行走一边拍摄前方路面的图像,并进行下一幅图像的判断。其中,所述SIFT算法 即(Scale-invariant featuretransform,尺度不变特征转换) 算法,是一种计算机视觉的算法,用来侦测与描述影像中的局部性特征,它在空间尺度中寻找极值点,并提取出其位置、尺度、旋转不变量。本发明所述的方法,通过机器人在清扫的过程中拍摄前方路面的图像,并基于SIFT算法提取所拍摄的当前图像中的物体形状的特征点,把该特征点与预存的参考图像的参考特征点进行对比,根据对比结果来确定所述物体是否为宠物粪便。这种通过形状特征对比的检测方法,可以准确检测出地面上的物体是否为宠物粪便,解决了现有机器人无法辨识宠物粪便而导致清扫时扩大粪便污染面积的问题。
优选的,所述预存的参考图像的参考特征点,通过如下步骤获取:确定第一宠物,拍摄所述第一宠物排出的粪便的图像并作为参考图像,基于SIFT算法提取所述参考图像中粪便形状的参考特征点的数量和各参考特征点之间的方位关系;确定第二宠物,拍摄所述第二宠物排出的粪便的图像并作为参考图像,基于SIFT算法提取所述参考图像中粪便形状的参考特征点的数量和各参考特征点之间的方位关系;以此类推,确定第N宠物,拍摄所述第N宠物排出的粪便的图像并作为参考图像,基于SIFT算法提取所述参考图像中粪便形状的参考特征点的数量和各参考特征点之间的方位关系;将所述参考图像和对应的参考特征点的数量以及各参考特征点之间的方位关系存入机器人的数据库中。其中,N为大于1的自然数,N的值也可以根据不同情况进行相应设置,如果上述操作由机器人厂家进行,则N值越大,机器人的应用范围越全面,如果上述操作是由机器人用户控制机器人进行,则N值设置为小于5即可,因为单个家庭的宠物一般不会太多,减小N值可以减少参考数据,后续机器人的对比分析会更有针对性,对比分析效率会更高。此外,拍摄所述第N宠物排出的粪便的图像并作为参考图像的步骤中,如果所述第N宠物排出的粪便的形状差异太大,则都拍摄成图像并全部作为参考图像,以提高参考数据的全面性,如果形状差异不大,只需拍摄一幅图像作为参考图像,避免参考数据的重复性。比如沙皮狗第一次排出的粪便是长条形的,第二次排除的粪便是颗粒形的,则两种形状的粪便都拍摄成图像并作为参考图像。
由于不同的家庭所养的宠物不同,有的养狗,有的养猫,有的养兔子等等,有的家庭还养有多种宠物,而不同宠物产生的粪便的形状也不同,所以,需要拍摄各种不同的宠物的粪便的形状作为参考图像。采集的宠物种类越多,参考数据越全面,后续的对比判断越准确。比如,确定沙皮狗作为第一宠物,如图2所示,为拍摄所述沙皮狗排出的粪便的图像,其中,A、B、C、D、E、F、G、H和I分别为基于SIFT算法提取的粪便形状的参考特征点,一共有9个参考特征点。以A点为例进行说明,以A点作为坐标原点,建立XY轴坐标系,则B点相对于A点的方位关系为(角度(即所述参考方向)=a1,距离(即所述参考距离)=La1),C点相对于A点的方位关系为(a2,La2),以此类推,D点相对于A点的方位关系为(a3,La3),E点相对于A点的方位关系为(a4,La4),F点相对于A点的方位关系为(a5,La5),G点相对于A点的方位关系为(a6,La6),H点相对于A点的方位关系为(a7,La7),I点相对于A点的方位关系为(a8,La8)。同理,以B点作为坐标原点,建立XY轴坐标系,则A点相对于B点的方位关系为(角度(即所述参考方向)=b1,距离(即所述参考距离)=Lb1),C点相对于B点的方位关系为(b2,Lb2),D点相对于B点的方位关系为(b3,Lb3),E点相对于B点的方位关系为(b4,Lb4),F点相对于B点的方位关系为(b5,Lb5),G点相对于B点的方位关系为(b6,Lb6),H点相对于B点的方位关系为(b7,Lb7),I点相对于B点的方位关系为(b8,Lb8)。同样的,分别以C、D、E、F、G、H和I为原点建立XY轴坐标系,并提取其它个点相对于原点的方位关系。又比如,确定波斯猫作为第二宠物,拍摄波斯猫排出的粪便的图像作为参考图像,请按上述方式提取参考图像中粪便形状的参考特征点的数量和各参考特征点之间的方位关系。以此类推,分别拍摄其它各种常见宠物的粪便形状的参考图像,并将所有参考图像和对应的参考特征点的数量以及各参考特征点之间的方位关系存入机器人的数据库中,供后续的对比分析使用。上述参考图像和对应的参考特征点的数量以及各参考特征点之间的方位关系可以是机器人厂家提前制备好,也可以是后续机器人用户根据家里的宠物情况自己控制机器人获取。
优选的,所述基于SIFT算法提取所拍摄的当前图像中的物体形状的特征点,判断所述当前图像的特征点是否在预存的参考图像的参考特征点的设定范围内,包括如下步骤:基于SIFT算法提取所拍摄的当前图像中的物体形状的特征点并作为对比特征点,确定所述对比特征点的数量和各对比特征点之间的方位关系;判断所述对比特征点的数量与每幅所述参考图像中的参考特征点的数量之间的差值是否小于或等于设定数量;如果判断结果都为否,则确定所述当前图像的特征点不在预存的参考图像的参考特征点的设定范围内;如果判断结果中至少一个为是,则将判断结果为是的所述参考图像中的各参考特征点之间的方位关系与各所述对比特征点之间的方位关系进行对比分析;如果两者的方位关系达到预设相同率,则确定所述当前图像的特征点在预存的参考图像的参考特征点的设定范围内;否则,确定所述当前图像的特征点不在预存的参考图像的参考特征点的设定范围内。其中,优选的,所述两者的方位关系是否达到预设相同率,包括如下判断步骤:分别以所述参考图像中的每一个参考特征点为参考基准点,获取其它参考特征点相对于所述参考基准点的参考方向和参考距离;分别以所述当前图像中的每一个对比特征点为对比基准点,获取其它对比特征点相对于所述对比基准点的对比方向和对比距离;如果所述其它对比特征点相对于所述对比基准点的对比方向和对比距离与所述其它参考特征点相对于所述参考基准点的参考方向和参考距离有70%以上相同或者在误差范围内,则认为所述对比基准点与所述参考基准点相同,否则认为所述对比基准点与所述参考基准点不相同;当所述对比基准点与所述参考基准点相同的数量占所述参考基准点的总数的70%以上,则确定所述两者的方位关系达到预设相同率,否则确定所述两者的方位关系没有达到预设相同率。其中,所述设定数量、误差范围和预设相同率均可以根据实际情况进行相应设置。
如图3所示,首先,基于SIFT算法提取所拍摄的当前图像中的物体形状的特征点并作为对比特征点,图3中的B'、C'、D'、E'、F'、G'、H'和I'为提取的所述对比特征点,一共8个,然后确定各对比特征点之间的方位关系,与上述的实施方式的方法相同,以B'点为例,其它各对比特征点相对于B'点的方位关系分别为(角度(即所述参考方向)=b1',距离(即所述参考距离)=Lb1')、(b2', Lb2')、(b3', Lb3')、(b4', Lb4')、(b5', Lb5')、(b6', Lb6')和(b7', Lb7')。以此类推,确定剩余的其它各对比特征点之间的方位关系,在此不再赘述。
接着,判断所述对比特征点的数量与每幅所述参考图像中的参考特征点的数量之间的差值是否小于或等于设定数量,其中,所述设定数量为所述参考图像中参考特征点的总数的八分之一。如图2所示的参考图像中的参考特征点的数量为9个,则设定数量为9*(1/8)=1.125≈1(四舍五入)。由于对比特征点为8个,比参考特征点少1个,所以,所述对比特征点的数量与所述参考图像中的参考特征点的数量之间的差值小于或等于设定数量。如果对比特征点为5个或者13个,则对比特征点的数量与所述参考图像中的参考特征点的数量之间的差值都为4(差值始终是用数大的减去数小的,即9-5或者13-9),大于1,确定所述当前图像的特征点不在预存的参考图像的参考特征点的设定范围内,继续进行下一幅参考图像的对比,至所有参考图像都对比完后,还不能确定对比特征点的数量与所述参考图像中的参考特征点的数量之间的差值小于或等于设定数量的,则将拍摄的下一幅图像作为当前图像,继续与所述参考图像轮流进行对比。通过先分析特征点的数量关系,可以快速排除一些明显不是宠物粪便的物体,从而提高机器人的数据处理效率。
紧接着,在判断所述对比特征点的数量与每幅所述参考图像中的参考特征点的数量之间的差值小于或等于设定数量之后,需要进一步对比分析所述参考图像中的各参考特征点之间的方位关系与各所述对比特征点之间的方位关系。分析图2中参考图像的各特征点之间的方位关系得出(分析方法和上述实施例所述的方法相同):(a1,La1)、(a2,La2)、(a3,La3)、(a4,La4)、(a5,La5)、(a6,La6)、(a7,La7)、(a8,La8)、(b1,Lb1)、(b2,Lb2)、(b3,Lb3)、(b4,Lb4)、(b5,Lb5)、(b6,Lb6)、(b7,Lb7)、(b8,Lb8)……(i1,Li1)、(i2,Li2)、(i3,Li3)、(i4,Li4)、(i5,Li5)、(i6,Li6)、(i7,Li7)、(i8,Li8)。同样的,分析图3中所示当前图像的各对比特征点之间的方位关系得出:(b1',Lb1')、(b2',Lb2')、(b3',Lb3')、(b4',Lb4')、(b5',Lb5')、(b6',Lb6')、(b7',Lb7')……(i1',Li1')、(i2',Li2')、(i3',Li3')、(i4',Li4')、(i5',Li5')、(i6',Li6')、(i7',Li7')。由于(b1',Lb1')和(b1,Lb1)在误差范围内,(b2',Lb2')和(b2,Lb2)在误差范围内,(b3',Lb3')和(b3,Lb3)相同,(b4',Lb4')和(b4,Lb4)在误差范围内,(b5',Lb5')和(b5,Lb5)不相同也不在误差范围内,(b6',Lb6')和(b6,Lb6)相同,(b7',Lb7')和(b7,Lb7)相同,其中,不相同的只有1个,相同或者在误差范围内的有6个,占总数的83.33%,大于70%,所以,认为作为对比基准点的B'和作为参考基准点的B相同。所述误差范围为在所述参考方向和所述参考距离的±5%范围内,比如,b1=5°,如果b1'在5-5*5%=4.75°至5+5*5%=5.25°的范围内,则认为b1'和b1在误差范围内;又比如Lb1=10,如果Lb1'在10-10*5%=9.5至10+10*5%=10.5的范围内,则认为Lb1'和Lb1在误差范围内。只有b1'和b1在误差范围内以及Lb1'和Lb1在误差范围内,才认为(b1',Lb1')和(b1,Lb1)在误差范围内。其它基准点的分析方法与上述方法相同,在此不再赘述。通过分析,最终得出对比基准点的B'和作为参考基准点的B相同,对比基准点的C'和作为参考基准点的C相同,对比基准点的D'和作为参考基准点的D相同,对比基准点的E'和作为参考基准点的E相同,对比基准点的F'和作为参考基准点的F相同,对比基准点的G'和作为参考基准点的G不相同,对比基准点的H'和作为参考基准点的H相同,对比基准点的I'和作为参考基准点的I相同。
最后,判断所述对比基准点与所述参考基准点相同的数量是否占所述参考基准点的总数的70%以上。通过上述分析,对比基准点与参考基准点相同的数量为7个,参考基准点的总数为9个,占比为7/9=77.77%>70%,所以,所述对比基准点与所述参考基准点相同的数量占所述参考基准点的总数的70%以上,确定所述两者的方位关系达到预设相同率,即确定所述当前图像的特征点在预存的参考图像的参考特征点的设定范围内,从而确定所述物体为宠物粪便。如果对比基准点与参考基准点相同的数量为6个或者小于6个,则占比为66.66%或者小于66.66%<70%,则确定所述物体不是宠物粪便,继续进行下一幅参考图像的对比,至所有参考图像都对比完后,还不能确定对比特征点的数量与所述参考图像中的参考特征点的数量之间的差值小于或等于设定数量,且对比基准点与所述参考基准点相同的数量占所述参考基准点的总数的70%以上,则将拍摄的下一幅图像作为当前图像,继续与所述参考图像轮流进行对比。通过在特征点数量分析的基础上,再进行特征点方位关系的分析,可以进一步确定所检测的物体是否为宠物粪便,提高了机器人辨识宠物粪便的准确性,解决了现有机器人无法有效识别宠物粪便的问题。
优选的,如图4所示,在判断所述当前图像的特征点是在预存的参考图像的参考特征点的设定范围内的步骤之后,还包括如下步骤:基于颜色传感器,机器人采集所述物体的当前颜色数据;判断所采集的当前颜色数据是否在预存的宠物粪便的参考颜色数据的误差范围内;如果是,则确定所述物体为宠物粪便;如果否,则继续一边行走一边拍摄前方路面的图像,并进行下一幅图像的判断。其中,所述颜色数据是通过颜色传感器采集颜色的RGB参数来获取,比如,黑色对应的RGB参数是(0,0,0),白色对应的RGB参数是(255,255,255),红色对应的RGB参数是(255,0,0),绿色对应的RGB参数是(0,255,0),蓝色对应的RGB参数是(0,0,255),其它各种颜色的参数则是在0至255之间的范围内变化。所述参考颜色数据的误差范围可以根据不同的要求进行相应设置,优选的,可设置为参考颜色数据的±10%的范围内,比如参考颜色数据为深灰色(105,105,105),由于(105-(105*10%))=94.5,(105+(105*10%))=115.5,则RGB参数在(94.5,94.5,94.5)至(115.5,115.5,115.5)之间的颜色数据,均在参考颜色数据的误差范围。上述方法通过机器人在清扫的过程中,采集前方物体的颜色数据,与机器人中预存的宠物粪便的参考颜色数据进行对比,根据对比结果来确定所述物体是否为宠物粪便。这种在形状判断的基础上,进一步通过颜色对比的辨识方法,可以更准确地辨识地面上的物体是否为宠物粪便,准确性更高。
优选的,所述预存的宠物粪便的参考颜色数据,通过如下步骤获取:确定第一宠物,采集所述第一宠物在不同时间排出的多组粪便的颜色数据,将所述多组粪便的颜色数据取平均值作为第一参考颜色数据;确定第二宠物,采集所述第二宠物在不同时间排出的多组粪便的颜色数据,将所述多组粪便的颜色数据取平均值作为第二参考颜色数据;以此类推,确定第N宠物,采集所述第N宠物在不同时间排出的多组粪便的颜色数据,将所述多组粪便的颜色数据取平均值作为第N参考颜色数据;将N个所述参考颜色数据存入机器人的数据库中。其中,N为大于1的自然数。其中,所述不同时间可以根据不同要求进行相应选择,优选的,可以选择一天中的早、中和晚三个时段采集,连续采集一周。N的值也可以根据不同情况进行相应设置,如果上述操作由机器人厂家进行,则N值越大,机器人的应用范围越全面,如果上述操作是由机器人用户控制机器人进行,则N值设置为小于5即可,因为单个家庭的宠物一般不会太多,减小N值可以减少参考数据,后续机器人的对比分析会更有针对性,对比分析效率会更高。
由于不同的家庭所养的宠物不同,有的养狗,有的养猫,有的养兔子等等,有的家庭还养有多种宠物,而不同宠物产生的粪便也不同,所以,需要针对各种不同的宠物采集其粪便的颜色作为参考颜色数据。采集的宠物种类越多,参考颜色数据越全面,后续的对比判断越准确。比如,确定吉娃娃狗为第一宠物,采集吉娃娃狗第一天排出的粪便颜色数据,如果其一天排多次粪便,则取早、中和晚三个时段的粪便颜色数据,如果其一天排粪少于三次,则全部采集。如此连续采集一周的时间,然后取所有采集的粪便的颜色数据的平均值,把平均值作为第一参考颜色数据。同样的,确定泰迪狗作为第二宠物,按上述方式采集泰迪狗的粪便的颜色数据,取平均值作为第二参考颜色数据。以此类推,分别采集猫和兔子等常见宠物的粪便的颜色数据,取平均值作为参考颜色数据。最后将所有参考颜色数据存入机器人的数据库中,后续对比时,机器人将采集到的当前颜色数据分别与数据库中的第一参考颜色数据、第二参考颜色数据至第N参考颜色数据进行对比,如果当前颜色数据在任意一个参考颜色数据的误差范围内,则确定当前颜色数据所对应的物体为宠物粪便,否则确定当前颜色数据所对应的物体不为宠物粪便。上述参考颜色数据可以是机器人厂家提前制备好,也可以是后续机器人用户根据家里的宠物情况自己控制机器人获取。
优选的,所述采集所述第N宠物在不同时间排出的多组粪便的颜色数据,将所述多组粪便的颜色数据取平均值作为第N参考颜色数据,包括如下步骤:采集所述第N宠物在不同时间排出的多组粪便的颜色数据;判断所述多组粪便的颜色数据中,各组颜色数据之间的差值是否在预设范围内;如果是,则取所述多组粪便的颜色数据的平均值作为参考颜色数据;如果否,则将差值最大的两组颜色数据提取出来,分别作为参考颜色数据,再取其它组颜色数据的平均值作为参考颜色数据。其中,所述预设范围也可以根据产品要求进行相应设置,优选的,可以设置为RGB参数中的单个量相差大于50,即认为不在预设范围内,比如RGB(255,255,255)和RGB(255,255,200)中,第三个量相差55,则这两个颜色数据的差值不在预设范围内,又比如,RGB(230,220,210)和RGB(200,215,230)中,三个量的差值都分别小50,则这两个颜色数据的差值在预设范围内。
由于宠物所吃的食物差异太大时,排出的粪便颜色差异也会比较大,如果全部按平均值的方式选取参考颜色数据,会导致对比分析时部分颜色的粪便覆盖不到,而产生检测结果错误的问题。所以,在按上述实施方式采集到宠物的粪便后,需要判断采集到的各组粪便的颜色数据是否存在很大差异,如果差值大于预设范围,则需要将差值最大的两组颜色数据提取出来,分别作为参考颜色数据,还要将除了差值最大的两组颜色数据外的其它组颜色数据的平均值作为参考颜色数据,如此,针对该宠物的粪便颜色就会有三个参考颜色数据,对比分析的参考数据更全面,进一步减小了检测结果误判的风险。如果各组颜色数据的差值都小于预设范围,则各组颜色比较接近,设置太多参考颜色数据的作用不明显,反而会因为设置太多参考颜色数据,而降低机器人的数据处理效率,所以,取平均值作为参考颜色数据为最佳选择。
优选的,如图5所示,在判断所述当前图像的特征点是在预存的参考图像的参考特征点的设定范围内的步骤之后,还包括如下步骤:基于红外测温仪,采集所述物体的当前温度;判断所采集的当前温度是否小于或等于预存的宠物粪便的参考温度,大于环境温度;如果是,则确定所述物体为宠物粪便;如果否,则继续一边行走一边拍摄前方路面的图像,并进行下一幅图像的判断。由于,单纯地依靠形状判断是否为宠物粪便,会存在一些误判的情况,比如一些与宠物粪便形状相近的其它垃圾,会被误认为是宠物粪便,但是这种误判不会影响机器人对宠物粪便的整体清理,只是会浪费一些时间和材料来清理这些疑似宠物粪便的垃圾。所以,为了进一步提高机器人对宠物粪便的辨识准确性,本发明所述的方法通过红外测温仪对这些形状与宠物粪便颜色近似的物体作进一步的温度检测,这种通过形状检测结合温度检测的方式,可以进一步提高辨识的准确性。因为宠物刚排出的粪便的温度是高于环境温度的,即使经过较长时间,最后也只是逐渐趋向于接近环境温度而已,所以,在确定了物体的形状与宠物粪便的形状近似之后,如果检测到该物体的温度小于或等于预存的宠物粪便的参考温度,大于环境温度,则确定该物体为宠物粪便,否则,确定该物体不是宠物粪便。
优选的,所述预存的宠物粪便的参考温度,通过如下步骤获取:确定第一宠物,采集多组不同时间的所述第一宠物的肛门温度,取肛门温度最高的值作为预选参考温度;确定第二宠物,采集多组不同时间的所述第二宠物的肛门温度,取肛门温度最高的值作为预选参考温度;以此类推,确定第N宠物,采集多组不同时间的所述第N宠物的肛门温度,取肛门温度最高的值作为预选参考温度;取所述预选参考温度中温度最高的值作为参考温度。其中,N为大于1的自然数,N的值也可以根据不同情况设置,N值越大,参考数据越多,选取的参考温度越准确,机器人的应用范围越全面。所述不同时间可以根据不同要求进行相应选择,优选的,可以选择一天中的早、中和晚三个时段采集,连续采集一周。
由于不同宠物的肛门温度是不一样的,而宠物刚排出的粪便的温度是接近肛门温度的,所以,不同宠物排出的粪便的温度是不一样的。选取参考温度时,需要采集不同宠物的肛门温度。比如,确定沙皮狗作为第一宠物,在第一天的早、中和晚三个时段分别采集沙皮狗的肛门温度,依此连续采集一周,然后在所有采集的肛门温度中选择温度最高的作为一个预选参考温度。同样的,确定牧羊犬作为第二宠物,按上述时间采集牧羊犬的肛门温度,选取温度值最高的作为一个预选参考温度。以此类推,分别确定各种猫、兔子等宠物的预选参考温度。最后,选取所有预选参考温度中,温度值最高的作为参考温度。由于常见宠物都是热血动物,其体温相差不会太大,肛门温度也不会相差太大,所以,只要确定了肛门的最高温度后,就可以很全面的覆盖了绝大部分宠物的粪便温度,不必将每种宠物的肛门温度都作为参考温度,如此,可以在减少机器人运算资源的同时,还能保证较高的准确性。
优选的,在判断所采集的当前温度小于或等于预存的宠物粪便的参考温度,大于环境温度的步骤之后,还包括如下步骤:基于气味传感器,采集所述物体的当前气味数据;判断所采集的当前气味数据是否在预存的宠物粪便的参考气味数据的误差范围内;如果是,则确定所述物体为宠物粪便;如果否,则继续一边行走一边拍摄前方路面的图像,并进行下一幅图像的判断。通过上述的形状与温度结合的检测方式,已经可以很准确地判断当前检测的物体是否为宠物粪便,但是,本发明所述的方法,为了更进一步地提高准确性,在形状与温度结合的基础上,再增加气味的判断。因为宠物的粪便都存在一定的气味,而一般的其它垃圾是没有气味或者气味很小的,所以,需要先采集并预存各种宠物粪便的气味至机器人数据库中,作为参考气味数据,然后通过判断所采集的当前气味数据是否在预存的宠物粪便的参考气味数据的误差范围内,来确定当前物体是否为宠物粪便。其中,所述粪便的气味数据是通过检测粪便挥发的气体中所含的吲哚、粪臭素、硫醇和硫化氢等物质的量。所述误差范围可以根据具体要求进行相应设置,优选的,可设置为±15%,由于宠物粪便的挥发的气体含量不是很高,所以误差范围不宜过小,过小容易造成漏检,也不宜过大,过大容易引入其它气味而造成误判。
优选的,在判断所采集的当前颜色数据在预存的宠物粪便的参考颜色数据的误差范围内的步骤之后,还包括如下步骤:基于气味传感器,采集所述物体的当前气味数据;判断所采集的当前气味数据是否在预存的宠物粪便的参考气味数据的误差范围内;如果是,则确定所述物体为宠物粪便;如果否,则继续一边行走一边采集颜色数据。本发明所述方法的另一实施方式,是在颜色检测的基础上,为了进一步提高检测的准确性,增加了气味检测和判断,气味检测和判断的原理与上述实施方式相同,在此不再赘述。
优选的,上述实施方式中所述的预存的宠物粪便的参考气味数据,通过如下步骤获取:确定第一宠物,采集多组不同时间的所述第一宠物的粪便的气味数据,取气味数据的平均值作为参考气味数据;确定第二宠物,采集多组不同时间的所述第二宠物的粪便的气味数据,取气味数据的平均值作为参考气味数据;以此类推,确定第N宠物,采集多组不同时间的所述第N宠物的粪便的气味数据,取气味数据的平均值作为参考气味数据。其中,N为大于1的自然数,N的值也可以根据不同情况设置,如果上述操作由机器人厂家进行,则N值越大,参考数据越多,选取的参考气味数据越准确,机器人的应用范围越全面;如果上述操作是由机器人用户控制机器人进行,则N值设置为小于5即可,因为单个家庭的宠物一般不会太多,减小N值可以减少参考数据,后续机器人的对比分析会更有针对性,对比分析效率会更高。所述不同时间可以根据不同要求进行相应选择,优选的,可以采集每一天排出的粪便气味,连续采集一周。
由于不同的家庭所养的宠物不同,有的养狗,有的养猫,有的养兔子等等,有的家庭还养有多种宠物,而不同宠物产生的粪便的气味也不同,所以,需要针对各种不同的宠物采集其粪便的气味作为参考气味数据。采集的宠物种类越多,参考气味数据越全面,后续的对比判断越准确。比如,确定波斯猫为第一宠物,采集波斯猫第一天排出的粪便气味数据,如果其一天排多次粪便,则取早、中和晚三个时段的粪便气味数据,如果其一天排粪少于三次,则全部采集。如此连续采集一周的时间,然后取所有采集的粪便的气味数据的平均值,把平均值作为参考气味数据。同样的,确定加菲猫作为第二宠物,按上述方式采集加菲猫的粪便的气味数据,取平均值作为第二参考气味数据。以此类推,分别采集狗和兔子等常见宠物的粪便的气味数据,取平均值作为参考气味数据。最后将所有参考气味数据存入机器人的数据库中,后续对比时,机器人将采集到的当前气味数据分别与数据库中的第一参考气味数据、第二参考气味数据至第N参考气味数据进行对比,如果当前气味数据在任意一个参考气味数据的误差范围内,则确定当前气味数据所对应的物体为宠物粪便,否则确定当前气味数据所对应的物体不为宠物粪便。上述参考气味数据可以是机器人厂家提前制备好,也可以是后续机器人用户根据家里的宠物情况自己控制机器人获取。
本发明所述的机器人处理宠物粪便的方法,包括如下步骤:基于上述的机器人辨识宠物粪便的方法,确定所检测的物体为宠物粪便;停止行走,启动速冻剂装置,对所述宠物粪便喷射速冻剂;将凝固的宠物粪便吸入垃圾腔;再次对所述宠物粪便所在的位置喷射速冻剂;然后停在所述位置清扫预设时间,再向前行走预设距离后停止,接着向后退两倍的预设距离后停止,再向前行走两倍的预设距离后停止,最后再向后退预设距离停止;完成对宠物粪便的处理。由于机器人是一边行走清扫一边检测的,所以,当检测到前方物体是宠物粪便后,需要停止继续前进,否则就会直接清理宠物粪便,从而造成大面积粪便污染。停止行走后,机器人启动速冻剂装置,将速冻剂喷射至宠物粪便上,待宠物粪便冷冻凝固后,再通过吸尘口把凝固的宠物粪便吸入垃圾腔。由于粪便已经凝固成型,所以在吸取粪便的时候,不会污染得到处都是,清理效果很好,避免现有的机器人吸取湿黏的粪便时造成的大面积污染,保证了机器人清理宠物粪便的效果,同时提高了机器人的实用性,满足养有宠物的家庭的卫生清扫需求。喷射速冻剂的时间可以根据不同的情况进行相应设置,为了保证宠物粪便的凝固效果,可以设置较长的喷射时间,比如喷射20秒;也可以根据粪便类型设置,比如牧羊犬的粪便比较大,需要较长的速冻时间,可以喷射18秒,而兔子的粪便比较小,只需要较短的速冻时间,可以喷射5秒。在所述将凝固的宠物粪便吸入垃圾腔之后,再次对所述宠物粪便所在的位置喷射速冻剂;然后停在所述位置清扫预设时间,再向前行走预设距离后停止,接着向后退两倍的预设距离后停止,再向前行走两倍的预设距离后停止,最后再向后退预设距离停止,完成对宠物粪便的清理。其中,上述预设距离可以根据实际要求进行相应设置,优选的,本实施例设置为5厘米,以保障全面覆盖清扫面积。同时,上述预设时间也可以根据具体情况相应设置,优选的,本实施例设置为3秒至10秒。由于速冻剂只能将粪便外表面凝固硬化,当粪便被吸入垃圾腔后,地面与粪便接触的位置还会残留一些湿黏的粪便,此时,如果机器人直接清扫,也会造成小面积的粪便污染。所以,本发明所述的方法,先对残留的粪便喷射速冻剂,使残留的粪便全部凝固硬化后,再对该其进行清扫。又因为残留的粪便在地面硬化后,比较难以清扫,所以,需要对其进行重点清扫。重点清扫时,在粪便的残留位置上前后反复移动清扫,前后反复移动的次数可以根据不同的要求进行相应设置,优选的,本实施例在残留位置上定点清扫5秒,再采用前、后、前、后这样的四次次数,进一步保证粪便清理干净。在完成对宠物粪便的清理后,接着机器人继续进行后续的其它清扫工作。当然上述重点清扫还可以采用其它方式,比如先前后左右反复清扫,再定点清扫预设时间等。
以上实施例仅为充分公开而非限制本发明,凡基于本发明的创作主旨、未经创造性劳动的等效技术特征的替换,应当视为本申请揭露的范围。
Claims (10)
1.一种机器人辨识宠物粪便的方法,其特征在于,包括如下步骤:
基于摄像头,机器人一边行走一边拍摄前方路面的图像;
基于SIFT算法提取所拍摄的当前图像中的物体形状的特征点,判断所述当前图像的特征点是否在预存的参考图像的参考特征点的设定范围内;
如果是,则确定所述物体为宠物粪便;
如果否,则继续一边行走一边拍摄前方路面的图像,并进行下一幅图像的判断。
2.根据权利要求1所述的方法,其特征在于,所述预存的参考图像的参考特征点,通过如下步骤获取:
确定第一宠物,拍摄所述第一宠物排出的粪便的图像并作为参考图像,基于SIFT算法提取所述参考图像中粪便形状的参考特征点的数量和各参考特征点之间的方位关系;
确定第二宠物,拍摄所述第二宠物排出的粪便的图像并作为参考图像,基于SIFT算法提取所述参考图像中粪便形状的参考特征点的数量和各参考特征点之间的方位关系;
以此类推,
确定第N宠物,拍摄所述第N宠物排出的粪便的图像并作为参考图像,基于SIFT算法提取所述参考图像中粪便形状的参考特征点的数量和各参考特征点之间的方位关系;
将所述参考图像和对应的参考特征点的数量以及各参考特征点之间的方位关系存入机器人的数据库中;
其中,N为大于1的自然数。
3.根据权利要求2所述的方法,其特征在于,所述基于SIFT算法提取所拍摄的当前图像中的物体形状的特征点,判断所述当前图像的特征点是否在预存的参考图像的参考特征点的设定范围内,包括如下步骤:
基于SIFT算法提取所拍摄的当前图像中的物体形状的特征点并作为对比特征点,确定所述对比特征点的数量和各对比特征点之间的方位关系;
判断所述对比特征点的数量与每幅所述参考图像中的参考特征点的数量之间的差值是否小于或等于设定数量;
如果判断结果都为否,则确定所述当前图像的特征点不在预存的参考图像的参考特征点的设定范围内;
如果判断结果中至少一个为是,则将判断结果为是的所述参考图像中的各参考特征点之间的方位关系与各所述对比特征点之间的方位关系进行对比分析;
如果两者的方位关系达到预设相同率,则确定所述当前图像的特征点在预存的参考图像的参考特征点的设定范围内;
否则,确定所述当前图像的特征点不在预存的参考图像的参考特征点的设定范围内。
4.根据权利要求3所述的方法,其特征在于,所述两者的方位关系是否达到预设相同率,包括如下判断步骤:
分别以所述参考图像中的每一个参考特征点为参考基准点,获取其它参考特征点相对于所述参考基准点的参考方向和参考距离;
分别以所述当前图像中的每一个对比特征点为对比基准点,获取其它对比特征点相对于所述对比基准点的对比方向和对比距离;
如果所述其它对比特征点相对于所述对比基准点的对比方向和对比距离与所述其它参考特征点相对于所述参考基准点的参考方向和参考距离有70%以上相同或者在误差范围内,则认为所述对比基准点与所述参考基准点相同,否则认为所述对比基准点与所述参考基准点不相同;
当所述对比基准点与所述参考基准点相同的数量占所述参考基准点的总数的70%以上,则确定所述两者的方位关系达到预设相同率,否则确定所述两者的方位关系没有达到预设相同率。
5.根据权利要求1所述的方法,其特征在于,在判断所述当前图像的特征点是在预存的参考图像的参考特征点的设定范围内的步骤之后,还包括如下步骤:
基于颜色传感器,机器人采集所述物体的当前颜色数据;
判断所采集的当前颜色数据是否在预存的宠物粪便的参考颜色数据的误差范围内;
如果是,则确定所述物体为宠物粪便;
如果否,则继续一边行走一边拍摄前方路面的图像,并进行下一幅图像的判断。
6.根据权利要求5所述的方法,其特征在于,所述预存的宠物粪便的参考颜色数据,通过如下步骤获取:
确定第一宠物,采集所述第一宠物在不同时间排出的多组粪便的颜色数据,将所述多组粪便的颜色数据取平均值作为第一参考颜色数据;
确定第二宠物,采集所述第二宠物在不同时间排出的多组粪便的颜色数据,将所述多组粪便的颜色数据取平均值作为第二参考颜色数据;
以此类推,
确定第N宠物,采集所述第N宠物在不同时间排出的多组粪便的颜色数据,将所述多组粪便的颜色数据取平均值作为第N参考颜色数据;
将N个所述参考颜色数据存入机器人的数据库中;
其中,N为大于1的自然数。
7.根据权利要求6所述的方法,其特征在于,所述采集所述第N宠物在不同时间排出的多组粪便的颜色数据,将所述多组粪便的颜色数据取平均值作为第N参考颜色数据,包括如下步骤:
采集所述第N宠物在不同时间排出的多组粪便的颜色数据;
判断所述多组粪便的颜色数据中,各组颜色数据之间的差值是否在预设范围内;
如果是,则取所述多组粪便的颜色数据的平均值作为参考颜色数据;
如果否,则将差值最大的两组颜色数据提取出来,分别作为参考颜色数据,再取其它组颜色数据的平均值作为参考颜色数据。
8.根据权利要求1所述的方法,其特征在于,在判断所述当前图像的特征点是在预存的参考图像的参考特征点的设定范围内的步骤之后,还包括如下步骤:
基于红外测温仪,采集所述物体的当前温度;
判断所采集的当前温度是否小于或等于预存的宠物粪便的参考温度,大于环境温度;
如果是,则确定所述物体为宠物粪便;
如果否,则继续一边行走一边拍摄前方路面的图像,并进行下一幅图像的判断。
9.根据权利要求8所述的方法,其特征在于,所述预存的宠物粪便的参考温度,通过如下步骤获取:
确定第一宠物,采集多组不同时间的所述第一宠物的肛门温度,取肛门温度最高的值作为预选参考温度;
确定第二宠物,采集多组不同时间的所述第二宠物的肛门温度,取肛门温度最高的值作为预选参考温度;
以此类推,
确定第N宠物,采集多组不同时间的所述第N宠物的肛门温度,取肛门温度最高的值作为预选参考温度;
取所述预选参考温度中温度最高的值作为参考温度;
其中,N为大于1的自然数。
10.一种机器人处理宠物粪便的方法,其特征在于,包括如下步骤:
基于权利要求1至9任一项所述的机器人辨识宠物粪便的方法,确定所检测的物体为宠物粪便;
停止行走,启动速冻剂装置,对所述宠物粪便喷射速冻剂;
将凝固的宠物粪便吸入垃圾腔;
再次对所述宠物粪便所在的位置喷射速冻剂;
然后停在所述位置清扫预设时间,再向前行走预设距离后停止,接着向后退两倍的预设距离后停止,再向前行走两倍的预设距离后停止,最后再向后退预设距离停止;
完成对宠物粪便的处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710994071.1A CN107713913B (zh) | 2017-10-23 | 2017-10-23 | 家用清洁机器人辨识及处理宠物粪便的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710994071.1A CN107713913B (zh) | 2017-10-23 | 2017-10-23 | 家用清洁机器人辨识及处理宠物粪便的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107713913A true CN107713913A (zh) | 2018-02-23 |
CN107713913B CN107713913B (zh) | 2020-09-01 |
Family
ID=61212497
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710994071.1A Active CN107713913B (zh) | 2017-10-23 | 2017-10-23 | 家用清洁机器人辨识及处理宠物粪便的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107713913B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108553042A (zh) * | 2018-05-21 | 2018-09-21 | 安克创新科技股份有限公司 | 一种清洁机器人 |
CN109753890A (zh) * | 2018-12-18 | 2019-05-14 | 吉林大学 | 一种路面垃圾物智能识别与感知方法及其实现装置 |
CN109997728A (zh) * | 2018-03-21 | 2019-07-12 | 深圳市天工测控技术有限公司 | 一种喂鸟器的控制方法、装置及移动终端 |
CN111392556A (zh) * | 2020-03-25 | 2020-07-10 | 虏克电梯有限公司 | 一种用于检测和清洁电梯内宠物排泄物的装置 |
EP3689136A1 (en) * | 2019-01-31 | 2020-08-05 | iRobot Corporation | Cleaning of pet areas by autonomous cleaning robots |
CN111666794A (zh) * | 2019-03-08 | 2020-09-15 | 宏碁股份有限公司 | 宠物监视方法与宠物监视系统 |
CN112168059A (zh) * | 2019-07-01 | 2021-01-05 | 东芝生活电器株式会社 | 自主式清扫机 |
CN112229668A (zh) * | 2020-09-10 | 2021-01-15 | 宠米(北京)科技有限公司 | 便携式宠物粪便监测设备 |
CN113342000A (zh) * | 2021-06-30 | 2021-09-03 | 北京小狗吸尘器集团股份有限公司 | 一种动物排泄物识别及清扫方法、装置、计算机设备及计算机可读存储介质 |
TWI746127B (zh) * | 2020-08-26 | 2021-11-11 | 宏碁股份有限公司 | 寵物照護系統及其方法 |
CN115644740A (zh) * | 2022-12-29 | 2023-01-31 | 中国石油大学(华东) | 一种扫地机器人的控制方法和系统 |
WO2023016297A1 (zh) * | 2021-08-10 | 2023-02-16 | 追觅创新科技(苏州)有限公司 | 移动机器人的清洁方法及装置、存储介质及电子装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101574059A (zh) * | 2008-05-07 | 2009-11-11 | 上海市宝山区青少年科学技术指导站 | 宠物粪便速冻器 |
CN104644340A (zh) * | 2015-02-05 | 2015-05-27 | 上海微银生物技术有限公司 | 大小便报警装置与实现方法 |
CN104820983A (zh) * | 2015-04-23 | 2015-08-05 | 清华大学 | 一种图像匹配方法 |
CN105616048A (zh) * | 2016-03-17 | 2016-06-01 | 西安绿野医疗科技有限责任公司 | 一种人体排泄检测监护方法及系统 |
CN105701766A (zh) * | 2016-02-24 | 2016-06-22 | 网易(杭州)网络有限公司 | 图形匹配方法和装置 |
GB2534265A (en) * | 2014-08-11 | 2016-07-20 | James Webber Simon | Animal excrement collection |
CN105997359A (zh) * | 2016-06-24 | 2016-10-12 | 张传信 | 一种防大便黏附的监测型纸尿裤 |
-
2017
- 2017-10-23 CN CN201710994071.1A patent/CN107713913B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101574059A (zh) * | 2008-05-07 | 2009-11-11 | 上海市宝山区青少年科学技术指导站 | 宠物粪便速冻器 |
GB2534265A (en) * | 2014-08-11 | 2016-07-20 | James Webber Simon | Animal excrement collection |
CN104644340A (zh) * | 2015-02-05 | 2015-05-27 | 上海微银生物技术有限公司 | 大小便报警装置与实现方法 |
CN104820983A (zh) * | 2015-04-23 | 2015-08-05 | 清华大学 | 一种图像匹配方法 |
CN105701766A (zh) * | 2016-02-24 | 2016-06-22 | 网易(杭州)网络有限公司 | 图形匹配方法和装置 |
CN105616048A (zh) * | 2016-03-17 | 2016-06-01 | 西安绿野医疗科技有限责任公司 | 一种人体排泄检测监护方法及系统 |
CN105997359A (zh) * | 2016-06-24 | 2016-10-12 | 张传信 | 一种防大便黏附的监测型纸尿裤 |
Non-Patent Citations (2)
Title |
---|
王文君,宋端坡,孟凡菲,俞竹青: "基于RGB法的回收塑料瓶自动颜色分选系统开发", 《仪表技术与传感器》 * |
谢峰云: "基于RGB法的葡萄干颜色分选", 《华东交通大学学报》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109997728A (zh) * | 2018-03-21 | 2019-07-12 | 深圳市天工测控技术有限公司 | 一种喂鸟器的控制方法、装置及移动终端 |
CN108553042A (zh) * | 2018-05-21 | 2018-09-21 | 安克创新科技股份有限公司 | 一种清洁机器人 |
CN109753890A (zh) * | 2018-12-18 | 2019-05-14 | 吉林大学 | 一种路面垃圾物智能识别与感知方法及其实现装置 |
CN109753890B (zh) * | 2018-12-18 | 2022-09-23 | 吉林大学 | 一种路面垃圾物智能识别与感知方法及其实现装置 |
US11930992B2 (en) | 2019-01-31 | 2024-03-19 | Irobot Corporation | Cleaning of pet areas by autonomous cleaning robots |
EP3689136A1 (en) * | 2019-01-31 | 2020-08-05 | iRobot Corporation | Cleaning of pet areas by autonomous cleaning robots |
US11191407B2 (en) | 2019-01-31 | 2021-12-07 | Irobot Corporation | Cleaning of pet areas by autonomous cleaning robots |
CN111666794A (zh) * | 2019-03-08 | 2020-09-15 | 宏碁股份有限公司 | 宠物监视方法与宠物监视系统 |
CN112168059A (zh) * | 2019-07-01 | 2021-01-05 | 东芝生活电器株式会社 | 自主式清扫机 |
CN111392556A (zh) * | 2020-03-25 | 2020-07-10 | 虏克电梯有限公司 | 一种用于检测和清洁电梯内宠物排泄物的装置 |
TWI746127B (zh) * | 2020-08-26 | 2021-11-11 | 宏碁股份有限公司 | 寵物照護系統及其方法 |
CN112229668A (zh) * | 2020-09-10 | 2021-01-15 | 宠米(北京)科技有限公司 | 便携式宠物粪便监测设备 |
CN113342000A (zh) * | 2021-06-30 | 2021-09-03 | 北京小狗吸尘器集团股份有限公司 | 一种动物排泄物识别及清扫方法、装置、计算机设备及计算机可读存储介质 |
WO2023016297A1 (zh) * | 2021-08-10 | 2023-02-16 | 追觅创新科技(苏州)有限公司 | 移动机器人的清洁方法及装置、存储介质及电子装置 |
CN115644740B (zh) * | 2022-12-29 | 2023-03-07 | 中国石油大学(华东) | 一种扫地机器人的控制方法和系统 |
CN115644740A (zh) * | 2022-12-29 | 2023-01-31 | 中国石油大学(华东) | 一种扫地机器人的控制方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107713913B (zh) | 2020-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107713913A (zh) | 机器人辨识及处理宠物粪便的方法 | |
US11042760B2 (en) | Mobile robot, control method and control system thereof | |
CN107782674A (zh) | 机器人检测和清理宠物粪便的方法 | |
WO2021208380A1 (zh) | 防疫消毒清洁机器人消毒清洁作业效果检测方法及装置 | |
CN109514582B (zh) | 一种机器人逗宠控制装置及移动机器人 | |
CN108733061B (zh) | 一种清扫作业的路径修正方法 | |
CN104765369B (zh) | 一种清扫装置以及使用该清扫装置的清扫方法 | |
CN108697293A (zh) | 自主行走型吸尘器的控制装置、具备该控制装置的自主行走型吸尘器以及具备自主行走型吸尘器的控制装置的扫除系统 | |
CN108968815A (zh) | 一种扫地机器人障碍判定并沿边行走装置及方法 | |
CN105700531A (zh) | 基于自定义地图的家用两层工作扫地机器人及其扫地方法 | |
CN108209773A (zh) | 清洁机器人及清洁机器人的智能避障方法 | |
CN109479746B (zh) | 一种机器人逗宠控制方法及芯片 | |
KR102347511B1 (ko) | 잔디경계선에 대한 영상처리를 이용한 잔디깍기 로봇 및 이의 제어 방법 | |
CN112022000A (zh) | 一种扫地机器人清扫的方法及相关装置 | |
CN108415419A (zh) | 垃圾拾取方法、机器人、电子设备和计算机程序产品 | |
CN113342000B (zh) | 一种动物排泄物识别及清扫方法、装置、计算机设备及计算机可读存储介质 | |
WO2022021630A1 (zh) | 自动行走设备及其控制方法和系统及可读存储介质 | |
CN109316127A (zh) | 一种扫地机器人洞口检测装置及未知区域探索方法 | |
WO2020206946A1 (zh) | 自动收割机的倒伏行驶规划系统及其方法 | |
CN108784540A (zh) | 一种扫地机器人自动避障行进装置及行进方法 | |
CN110301864A (zh) | 一种基于毫米波雷达的智能吸尘器系统及其跟随方法 | |
CN107456162A (zh) | 地面清洁机器人以及用于地面清洁机器人的控制方法 | |
CN111339961A (zh) | 自动工作系统、自动行走设备及其控制方法及计算机可读存储介质 | |
CN111012254A (zh) | 智能扫地机器人 | |
CN113679298A (zh) | 机器人的控制方法、控制装置、机器人和可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |