CN110251004B - 扫地机器人及其清扫方法和计算机可读存储介质 - Google Patents

Abstract

本发明公开了一种扫地机器人的清扫方法，扫地机器人设有图像采集模块，所述扫地机器人通过所述图像采集模块采集地板图像，所述扫地机器人的清扫方法包括以下步骤：在扫地机器人行走过程中，获取所述图像采集模块采集的地板图像；根据预测模型对所述地板图像中各个像素进行像素类型的预测，以得到各个所述像素对应的像素类型；根据各个所述像素对应的像素类型的灰阶值将所述地板图像转化为二值图像，以在所述二值图像确定预设颜色的区域，其中，预设颜色的区域为脏区域；控制所述扫地机器人清扫所述区域。本发明还公开一种扫地机器人和计算机可读存储介质。本发明扫地机器人的清扫效率较高。

Description

扫地机器人及其清扫方法和计算机可读存储介质

技术领域

本发明涉及扫地机器人技术领域，尤其涉及一种扫地机器人及其清扫方法和计算机可读存储介质。

背景技术

随着人们生活节奏的加快，人们休息的时间减少，也即人们处理家务的时间也变少。为了保持家庭的整洁，人们通过扫地机器人对房间进行清扫。

现有技术中，扫地机器人在进行清扫时，是按照预设的路线进行清扫的。但实际上房间的某一些区域比较干净，某一些区域则比较脏，扫地机器人按照预设路线进行清扫，使得干净的区域重复被清扫，且待扫地机器人清扫完位于预设路线的其他区域才能对较脏区域进行清扫，扫地机器人扫清效率较低。

发明内容

本发明的主要目的在于提供一种扫地机器人及其清扫方法和计算机可读存储介质，旨在解决扫地机器人清扫效率较低的问题。

为实现上述目的，本发明提供的一种扫地机器人的清扫方法，扫地机器人设有图像采集模块，所述扫地机器人通过所述图像采集模块采集地板图像，所述扫地机器人的清扫方法包括以下步骤：

在扫地机器人行走过程中，获取所述图像采集模块采集的地板图像；

根据预测模型对所述地板图像中各个像素进行像素类型的预测，以得到各个所述像素对应的像素类型；

根据各个所述像素对应的像素类型的灰阶值将所述地板图像转化为二值图像，以在所述二值图像确定预设颜色的区域，其中，预设颜色的区域为脏区域；

控制所述扫地机器人清扫所述区域。

在一实施例中，所述地板图像中洁净区域的像素对应的像素类型相同，所述地板图像中脏区域的像素对应的像素类型相同，且所述洁净区域的像素对应的像素类型与所述脏区域的像素对应的像素类型不同。

在一实施例中，所述根据预测模型对所述地板图像中各个像素进行像素类型的预测，以得到各个所述像素对应的像素类型的步骤之后，包括：

判断所述地板图像中各个像素对应的像素类型中是否含有预设像素类型，其中，所述预设像素类型对应的灰阶值为所二值图像中脏区域的像素对应的灰阶值；

在确定所述地板图像中各个像素对应的像素类型中含有预设像素类型，执行所述根据各个所述像素对应的像素类型的灰阶值将所述地板图像转化为二值图像的步骤；

在确定所述地板图像中各个像素对应的像素类型中不含有预设像素类型，控制所述扫地机器人按照预设清扫路线进行清扫。

在一实施例中，所述控制扫地机器人清扫所述区域的步骤包括：

确定所述区域对应的边界像素以及扫地机器人的当前位置；

确定所述当前位置与各个所述边界像素之间的距离；

根据各个所述距离控制所述扫地机器人对所述区域进行清扫。

在一实施例中，所述根据预测模型对所述地板图像中各个像素进行像素类型的预测，以得到各个所述像素对应的像素类型的步骤之前，还包括：

建立预设模型，并对所述预设模型配置网络以及训练参数以得到待训练模型；

向所述待训练预设模型输入多张含有脏区域的图像以对所述待训练预设模型进行训练；

在所述待训练预设模型的收敛值小于预设阈值时，停止对所述待训练模型的训练，以得到所述预测模型。

在一实施例中，所述获取所述图像采集模块采集的地板图像的步骤包括：

确定清扫次数与预设次数比值大于预设比值的目标区域；

控制所述扫地机器人去往所述目标区域，以获取所述图像采集模块采集的所述目标区域的地板图像。

在一实施例中，所述预测模型中设有深度学习语义分割网络或者掩码区域卷积神经网络。

在一实施例中，所述扫地机器人的清扫方法，还包括：

在当前时间点达到设定时间点，或者，在扫地机器人充电完毕时，控制扫地机器人行走，以执行所述获取所述图像采集模块采集的地板图像的步骤。

为实现上述目的，本发明还提供一种扫地机器人，所述扫地机器人包括图像采集模块、预测模型、存储器、处理器以及存储在所述存储器并可在所述处理器上运行的扫地机器人的清扫程序，所述图像采集模块以及所述预测模型分别与所述处理器连接，所述扫地机器人被所述处理器执行时实现如上所述的扫地机器人的清扫方法的各个步骤。

为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质包括扫地机器人的清扫程序，所述扫地机器人的清扫程序被处理器执行时实现如上所述的扫地机器人的清扫方法的各个步骤。

本发明提供的扫地机器人及其清扫方法和计算机可读存储介质，在扫地机器人行走过程中，扫地机器人获取图像采集模块采集的地板图像，并根据预测模型对地板图像中各个像素的像素类型进行预测以得到各个像素对应的像素类型，再根据各个像素的像素类型的灰阶值将地板图像转化为二值图像，并在二值图像中确定预设颜色的区域，预设颜色即为脏区域的颜色，进而控制扫地机器人对脏区域进行清扫；由于扫地机器人在行走过程中可确定脏区域，使得扫地机器人直接对脏区域进行清扫，而无需对清洁区域进行清扫，扫地机器人的清扫效率较高。

附图说明

图1为本发明实施例涉及的扫地机器人的硬件构架示意图；

图2为本发明扫地机器人的清扫方法一实施例的流程示意图；

图3为本发明扫地机器人的清扫方法另一实施例的流程示意图；

图4为图2中步骤S10的细化流程示意图。

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仅用以解释本发明，并不用于限定本发明。

本发明实施例的主要解决方案是：在扫地机器人行走过程中，获取所述图像采集模块采集的地板图像；根据预测模型对所述地板图像中各个像素进行像素类型的预测，以得到各个所述像素对应的像素类型；根据各个所述像素对应的像素类型的灰阶值将所述地板图像转化为二值图像，以在所述二值图像确定预设颜色的区域，其中，预设颜色的区域为脏区域；控制所述扫地机器人清扫所述区域。

由于扫地机器人在行走过程中可确定脏区域，使得扫地机器人直接对脏区域进行清扫，而无需对清洁区域进行清扫，扫地机器人的清扫效率较高。

作为一种实现方案，扫地机器人可以如图1所示。

本发明实施例方案涉及的是扫地机器人，扫地机器人包括：处理器101，例如CPU，存储器102，通信总线103、图像采集模块104以及预测模型105。其中，通信总线103用于实现这些组件之间的连接通信、图像采集模块104以及预测模型105与处理器101连接，图像采集模块104可为摄像头或者摄像机。

存储器102可以是高速RAM存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。如图1所示，作为一种计算机存储介质的存储器103中可以包括扫地机器人的清扫程序；而处理器101可以用于调用存储器102中存储的扫地机器人的清扫程序，并执行以下操作：

在扫地机器人行走过程中，获取所述图像采集模块采集的地板图像；

根据预测模型对所述地板图像中各个像素进行像素类型的预测，以得到各个所述像素对应的像素类型；

根据各个所述像素对应的像素类型的灰阶值将所述地板图像转化为二值图像，以在所述二值图像确定预设颜色的区域，其中，预设颜色的区域为脏区域；

控制所述扫地机器人清扫所述区域。

在一实施例中，处理器101可以用于调用存储器102中存储的扫地机器人的清扫程序，并执行以下操作：

所述地板图像中洁净区域的像素对应的像素类型相同，所述地板图像中脏区域的像素对应的像素类型相同，且所述洁净区域的像素对应的像素类型与所述脏区域的像素对应的像素类型不同。

在一实施例中，处理器101可以用于调用存储器102中存储的扫地机器人的清扫程序，并执行以下操作：

判断所述地板图像中各个像素对应的像素类型中是否含有预设像素类型，其中，所述预设像素类型对应的灰阶值为所二值图像中脏区域的像素对应的灰阶值；

在确定所述地板图像中各个像素对应的像素类型中含有预设像素类型，执行所述根据各个所述像素对应的像素类型的灰阶值将所述地板图像转化为二值图像的步骤；

在确定所述地板图像中各个像素对应的像素类型中不含有预设像素类型，控制所述扫地机器人按照预设清扫路线进行清扫。

在一实施例中，处理器101可以用于调用存储器102中存储的扫地机器人的清扫程序，并执行以下操作：

确定所述区域对应的边界像素以及扫地机器人的当前位置；

确定所述当前位置与各个所述边界像素之间的距离；

根据各个所述距离控制所述扫地机器人对所述区域进行清扫。

在一实施例中，处理器101可以用于调用存储器102中存储的扫地机器人的清扫程序，并执行以下操作：

所述根据预测模型对所述地板图像中各个像素进行像素类型的预测，以得到各个所述像素对应的像素类型的步骤之前，还包括：

建立预设模型，并对所述预设模型配置网络以及训练参数以得到待训练模型；

向所述待训练预设模型输入多张含有脏区域的图像以对所述待训练预设模型进行训练；

在所述待训练预设模型的收敛值小于预设阈值时，停止对所述待训练模型的训练，以得到所述预测模型。

在一实施例中，处理器101可以用于调用存储器102中存储的扫地机器人的清扫程序，并执行以下操作：

确定清扫次数与预设次数比值大于预设比值的目标区域；

控制所述扫地机器人去往所述目标区域，以获取所述图像采集模块采集的所述目标区域的地板图像。

在一实施例中，处理器101可以用于调用存储器102中存储的扫地机器人的清扫程序，并执行以下操作：

所述预测模型中设有深度学习语义分割网络或者掩码区域卷积神经网络。

在一实施例中，处理器101可以用于调用存储器102中存储的扫地机器人的清扫程序，并执行以下操作：

在当前时间点达到设定时间点，或者，在扫地机器人充电完毕时，控制扫地机器人行走，以执行所述获取所述图像采集模块采集的地板图像的步骤。

本实施例根据上述方案，在扫地机器人行走过程中，扫地机器人获取图像采集模块采集的地板图像，并根据预测模型对地板图像中各个像素的像素类型进行预测以得到各个像素对应的像素类型，再根据各个像素的像素类型的灰阶值将地板图像转化为二值图像，并在二值图像中确定预设颜色的区域，预设颜色即为脏区域的颜色，进而控制扫地机器人对脏区域进行清扫；由于扫地机器人在行走过程中可确定脏区域，使得扫地机器人直接对脏区域进行清扫，而无需对清洁区域进行清扫，扫地机器人的清扫效率较高。

基于上述扫地机器人的硬件构架，提出本发明扫地机器人的清扫方法的实施例。

参照图2，图2为本发明扫地机器人的清扫方法的一实施例，所述扫地机器人的清扫方法包括以下步骤：

步骤S10，扫地机器人行走过程中，获取所述图像采集模块采集的地板图像；

在本实施例中，扫地机器人设有图像采集模块，图像采集模块可为摄像头或者摄像机。在扫地机器人行走时，扫地机器人会启动图像采集模块，以采集地板图像，图像采集模块连接转动机构，扫地机器人通过控制转动机构驱动图像采集模块转动，以采集房间内较大范围内的图像，减小扫地机器人的行走路径。

步骤S20，根据预测模型对所述地板图像中各个像素进行像素类型的预测，以得到各个所述像素对应的像素类型；

在图像采集模块采集到地板图像后，将地板图像输入至预测模型中，使得预测模型对地板图像中各个像素的像素类型进行预测。预测模型实则是预测出地板图像对应的二维数组，二维数组中含有地板图像中各个像素对应的像素类型。像素类型可通过数值进行区别，例如，数值为1的像素类型数值为0的像素类型不同。

预测模型中设有深度学习语义分割网络或者掩码区域卷积神经网络，深度学习语义分割网络即为Deep LAB3，而掩码区域卷积神经网络为Mask Rcnn。

需要说明的是，扫地机器人中预测模型是通过含有脏区域图像训练得到的。具体的，预测模型的训练流程包括如下步骤：

1、扫地机器人建立预设模型，并对预设模型配置网络以及训练参数得到待训练预设模型，配置的网络为Deep LAB3或者Mask Rcnn；

2、获取多张含有脏区域的图像，采用分割标识工具在图像中标记脏区域的轮廓，保存对应的json文件，再通过程序生成标记图像的掩码图像，掩码图像即为原始的图像的标签，且对掩码图像中脏区域的各个像素设置同一种像素类型，像素类型用数值进行表征，非脏区域中各个像素设置的像素类型与脏区域中的各个像素对应的像素类型不同；

3、将原始图像以及掩码图像一同输入待训练预设模型进行训练，在当待训练预设模型的收敛值小于预设阈值时，即可停止训练，得到预测模型，预设阈值可为任意合适的数值，例如，0.1，当然，也可计算待训练预设模型的训练量，在训练量达到预设量时，即可停止训练，预设量可为30K步。

步骤S30，根据各个所述像素对应的像素类型的灰阶值将所述地板图像转化为二值图像，以在所述二值图像确定预设颜色的区域，其中，预设颜色的区域为脏区域；

在预测模型预测出地板图像的各个像素对应的像素类型后，确定各个像素类型对应的数值，每一个数值对应一个灰阶值，从而可根据各个像素的像素类型对应的灰阶值将地板图像转化为二值图像。由于地板图像中脏区域的各个像素的像素类型对应的灰阶值相同，使得脏区域中各个像素的颜色相同，一种灰阶值对应一种颜色，因此，可将脏区域中像素的颜色作为预设颜色。故，扫地机器人在二值图像中查找颜色为预设颜色的区域，该区域即为脏区域。

步骤S40，控制所述扫地机器人清扫所述区域。

扫地机器人在确定各个脏区域后，选取较近的脏区域作为目标清扫区域，并确定作为目标清扫区域的脏区域的各个边界像素。扫地机器人中存储有房间的地图，且能够定位自身当前所在的位置。

具体的，扫地机器人提取脏区域的轮廓，得到脏区域的各个边界点，将各个边界点输出扫地机器人中的双目测距算法中，得到每一个边界点与扫地机器人之间的距离，从而根据距离控制扫地机器人对目标区域进行清扫。

在本实施例提供的技术方案中，在扫地机器人行走过程中，扫地机器人获取图像采集模块采集的地板图像，并根据预测模型对地板图像中各个像素的像素类型进行预测以得到各个像素对应的像素类型，再根据各个像素的像素类型的灰阶值将地板图像转化为二值图像，并在二值图像中确定预设颜色的区域，预设颜色即为脏区域的颜色，进而控制扫地机器人对脏区域进行清扫；由于扫地机器人在行走过程中可确定脏区域，使得扫地机器人直接对脏区域进行清扫，而无需对清洁区域进行清扫，扫地机器人的清扫效率较高。

在一实施例中，扫地机器人将地板图像中脏区域的各个像素对应的类型设置相同，非脏区域的各个像素对应的像素类型设置为相同，非脏区域即可洁净区域，且洁净区域的像素对应的像素类型与脏区域的像素对应的像素类型不同。不同的像素类型对应的数值设置不同的灰阶值，因此，二值图像包括二种颜色的区域，一种颜色表征脏区域，另外一种颜色表征洁净区域。

在本实施例中，可将脏区域中各个像素的像素类型的数值设置为1，洁净区域各个像素对应的像素类型的数值设置为0，可将像素类型数值0对应的灰阶值设置为0，而将像素类型数值1对应的灰阶值设置为255，因此，二值图像中洁净区域的颜色为黑色，而二值图像中脏区域则为白色。

本实施例通过将脏区域中各个像素的像素类型设置相同，洁净区域中各个像素的像素类型设置相同，且脏区域的像素的像素类型与洁净区域的像素的像素类型不同，减少了预测模型的工作量，从而使得扫地机器人能够快速的识别出脏区域与洁净区域，提高了扫地机器人的清扫效率。

在一实施例中，可对脏区域进行等级划分，每一个等级的脏区域中像素的像素值不同，等级越高的脏区域的越脏，脏区域的等级可以根据颜色的深度进行划分，颜色越深的脏区域，等级越高。对此，机器人将等级较高的脏区域中各个像素对应的灰阶值设置的较高，而将等级较低的脏区域中各个像素对应的灰阶值设置的较低，使得地板图像在转化为灰度图像时，扫地机器人可在确定脏区域的同时确定各个脏区域的等级。不同等级的脏区域可设置对应的清扫策略，例如，等级高的脏区域设置的单位面积的清扫时间较长，或者等级高的脏区域的需要进行多次清扫，也即清扫策略包括单位面积的清扫时长、清扫次数等。

参照图3，图3为本发明扫地机器人的清扫方法的另一实施例，所述步骤S20之后，还包括：

步骤S50，判断所述地板图像中各个像素对应的像素类型中是否含有预设像素类型，其中，所述预设像素类型对应的灰阶值为所二值图像中脏区域的像素对应的灰阶值；

步骤S60，在确定所述地板图像中各个像素对应的像素类型中含有预设像素类型，执行所述根据各个所述像素对应的像素类型的灰阶值将所述地板图像转化为二值图像，以在所述二值图像确定预设颜色的区域的步骤；

步骤S70，在确定所述地板图像中各个像素对应的像素类型中不含有预设像素类型，控制所述扫地机器人按照预设清扫路线进行清扫。

在本实施例中，预设像素类型对应的像素为地板图像中脏区域的像素。在扫地机器人得到地板图像中各个像素对应的像素类型后，判断各个像素类型中是否有预设像素类型，若含有预设像素类型，则表明室内有脏区域需要进行清扫，此时，执行步骤S30以及步骤S40，以对脏区域进行清扫。

若各个像素类型中不含有预设像素值，则表明当前采集的地板图像中不含有脏区域，此时，扫地机器人按照预设清扫路线进行清扫。

在本实施例中，扫地机器人在确定点图像中各个像素的像素类型后，确定各个像素值中是否含有预设像素类型，从而判断室内是否有脏区域，以根据判断结果采用对应的策略进行清扫，扫地机器人的智能化程度高。

参照图4，图4为图2中步骤S10的细化流程示意图，所述步骤S10包括：

步骤S11，确定清扫次数与于预设次数比值大于预设比值的目标区域；

步骤S12，控制所述扫地机器人去往所述目标区域，以获取所述图像采集模块采集的所述目标区域的地板图像。

在本实施例中，扫地机器人在清扫完脏区域后，会记录脏区域所在的区域，区域为脏区域所在的房间，且对区域进行清扫次数的记录。扫地机器人中设有预设清扫次数，扫地机器人每完成依次全房间的清扫时，预设清扫次数+1。扫地机器人确定各个区域的清扫次数以及预设清扫次数，计算清扫次数与预设清扫次数的比值，该比值表征扫地机器人对某个区域清扫频率，比值越大，该区域的清扫频率越大。若比值大于预设比值，则表明该比值对应的区域容易脏，需要进行清扫，此时，控制扫地机器人进行清扫，也即控制扫地机器人优先去往该区域，以识别该区域中的脏区域以进行清扫。需要说明的是，比值越大的区域，扫地机器人越先对其进行脏区域的识别。

在本实施例提供的技术方案中，扫清机器人确定清扫次数与预设清扫次数之间的比值大于预设比值的区域，该区域即为容易脏的目标区域，从而使得扫地机器人优先对目标区域进行脏区域的识别，提高了扫地机器人的清扫效率。

在一实施例中，用户可设定扫地机器人的清扫时间点。在当前时间点达到设定时间点时，扫地机器人进行行走，从而获取地板图像以对脏区域进行清扫。此外，也可设置扫地机器人一直处于行走，直至电量较少时，扫地机器人去往充电桩充电。在扫地机器人结束充电后，继续行走，从而获取地板图像以对脏区域进行清扫。

本发明还提供一种扫地机器人，所述扫地机器人包括图像采集模块、预测模型、存储器、处理器以及存储在所述存储器并可在所述处理器上运行的扫地机器人的清扫程序，所述图像采集模块以及所述预测模型分别与所述处理器连接，所述扫地机器人被所述处理器执行时实现如上实施例所述的扫地机器人的清扫方法的各个步骤。

本发明还提供一种计算机可读存储介质，所述计算机可读存储介质包括扫地机器人的清扫程序，所述扫地机器人的清扫程序被处理器执行时实现如上实施例所述的扫地机器人的清扫方法的各个步骤。

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。

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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。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、物品或者装置中还存在另外的相同要素。

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如上所述的一个存储介质(如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，空调器，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。

Claims (10)

1.一种扫地机器人的清扫方法，其特征在于，扫地机器人设有图像采集模块，所述扫地机器人通过所述图像采集模块采集地板图像，所述扫地机器人的清扫方法包括以下步骤：

在扫地机器人行走过程中，获取所述图像采集模块采集的地板图像；

根据预测模型对所述地板图像中各个像素进行像素类型的预测，以得到各个所述像素对应的像素类型，所述预测模型通过多张含有脏区域的图像预先训练获得；

根据各个所述像素对应的像素类型的灰阶值将所述地板图像转化为二值图像，以在所述二值图像确定预设颜色的区域，其中，预设颜色的区域为脏区域；

对所述脏区域进行等级划分，每一个等级的所述脏区域中对应的灰阶值不同；

根据所述等级对应的清扫策略控制所述扫地机器人清扫所述区域。

2.如权利要求1所述的扫地机器人的清扫方法，其特征在于，所述地板图像中洁净区域的像素对应的像素类型相同，所述地板图像中脏区域的像素对应的像素类型相同，且所述洁净区域的像素对应的像素类型与所述脏区域的像素对应的像素类型不同。

3.如权利要求1所述的扫地机器人的清扫方法，其特征在于，所述根据预测模型对所述地板图像中各个像素进行像素类型的预测，以得到各个所述像素对应的像素类型的步骤之后，包括：

判断所述地板图像中各个像素对应的像素类型中是否含有预设像素类型，其中，所述预设像素类型对应的灰阶值为所述二值图像中脏区域的像素对应的灰阶值；

在确定所述地板图像中各个像素对应的像素类型中含有预设像素类型，执行所述根据各个所述像素对应的像素类型的灰阶值将所述地板图像转化为二值图像的步骤；

在确定所述地板图像中各个像素对应的像素类型中不含有预设像素类型，控制所述扫地机器人按照预设清扫路线进行清扫。

4.如权利要求1所述的扫地机器人的清扫方法，其特征在于，所述控制扫地机器人清扫所述区域的步骤包括：

确定所述区域对应的边界像素以及扫地机器人的当前位置；

确定所述当前位置与各个所述边界像素之间的距离；

根据各个所述距离控制所述扫地机器人对所述区域进行清扫。

5.如权利要求1所述的扫地机器人的清扫方法，其特征在于，所述根据预测模型对所述地板图像中各个像素进行像素类型的预测，以得到各个所述像素对应的像素类型的步骤之前，还包括：

建立预设模型，并对所述预设模型配置网络以及训练参数以得到待训练模型；

向所述待训练预设模型输入多张含有脏区域的图像以对所述待训练预设模型进行训练；

在所述待训练预设模型的收敛值小于预设阈值时，停止对所述待训练模型的训练，以得到所述预测模型。

6.如权利要求1所述的扫地机器人的清扫方法，其特征在于，所述获取所述图像采集模块采集的地板图像的步骤包括：

确定清扫次数与预设次数比值大于预设比值的目标区域；

控制所述扫地机器人去往所述目标区域，以获取所述图像采集模块采集的所述目标区域的地板图像。

7.如权利要求1-6任一项所述的扫地机器人的清扫方法，其特征在于，所述预测模型中设有深度学习语义分割网络或者掩码区域卷积神经网络。

8.如权利要求1-6任一项所述的扫地机器人的清扫方法，其特征在于，所述扫地机器人的清扫方法，还包括：

在当前时间点达到设定时间点，或者，在扫地机器人充电完毕时，控制扫地机器人行走，以执行所述获取所述图像采集模块采集的地板图像的步骤。

9.一种扫地机器人，其特征在于，所述扫地机器人包括图像采集模块、预测模型、存储器、处理器以及存储在所述存储器并可在所述处理器上运行的扫地机器人的清扫程序，所述图像采集模块以及所述预测模型分别与所述处理器连接，所述扫地机器人被所述处理器执行时实现如权利要求1-8任一项所述的扫地机器人的清扫方法的各个步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括扫地机器人的清扫程序，所述扫地机器人的清扫程序被处理器执行时实现如权利要求1-8任一项所述的扫地机器人的清扫方法的各个步骤。

Images