CN110301864A - 一种基于毫米波雷达的智能吸尘器系统及其跟随方法 - Google Patents

Abstract

本发明涉及一种基于毫米波雷达的智能吸尘器跟随方法，涉及智能家电技术领域，用于解决现有技术中存在的使用者需要手动改变吸尘器的位置而吸尘器无法自主跟随使用者的脚步的技术问题。本发明的基于毫米波雷达的智能吸尘器跟随方法，使智能吸尘器能够沿毫米波雷达所跟踪到的目标使用者的动态路径进行行走并执行清洁工作，从而使智能吸尘器能够自主跟随目标使用者的脚步，因此无论目标使用者如何行走以及位于何种方位，智能吸尘器都能够沿其行走路线跟随其脚步来行走，因此较之传统的吸尘器，智能吸尘器能够极大地便利人们生活需求，提高生活质量追求，智能人性化地服务于大众。

Description

一种基于毫米波雷达的智能吸尘器系统及其跟随方法

技术领域

本发明涉及智能家电技术领域，特别地涉及一种基于毫米波雷达的智能吸尘器系统及其跟随方法。

背景技术

为了适应日益加快的生活节奏，吸尘器成为了人们生活中进行清洁处理时必不可少的应用品。传统的吸尘器的吸尘端和收纳端(垃圾桶)一般通过管线相连，使用者在清洁时手持吸尘端进行清洁工作，并通过拉动、推动或者拖动等人工操作的方式来使收纳端(垃圾桶)的位置改变以跟随其脚步，以防吸尘端和收纳端(垃圾桶)相距过远而超出管线的长度后使吸尘端和收纳端(垃圾桶)分离从而无法清洁。这在使用过程中相当不方便，因为使用者每行走一段距离后，都不得不回过头来移动收纳端(垃圾桶)，这种重复的移动工作常常使人感到烦躁；同时当收纳端(垃圾桶)中收纳了较多的垃圾后其重量也会加重，因此移动起来将更加费劲，从而使采用吸尘器进行清洁变成了人们的负担。

发明内容

本发明提供一种基于毫米波雷达的智能吸尘器跟随方法，用于解决现有技术中存在的使用者需要手动改变吸尘器的位置而吸尘器无法自主跟随使用者的脚步的技术问题。

根据本发明的第一个方面，本发明提供一种基于毫米波雷达的智能吸尘器跟随方法，包括以下操作步骤：

步骤S10：根据智能吸尘器所在环境中的群组目标，采用机器学习模型以确定目标使用者；

步骤S20：通过毫米波雷达跟踪所述目标使用者的动态运行轨迹，使智能吸尘器沿所述目标使用者的动态运行轨迹行走。

在一个实施方式中，步骤S10中，通过群组目标的个体特征来确定目标使用者。

在一个实施方式中，步骤S10包括以下子步骤：

步骤S11：提取所述群组目标的个体特征；

步骤S12：根据所述群组目标的个体特征，采用机器学习模型将所述群组目标划分为目标使用者和非目标使用者；

步骤S13：利用机器学习模型确定群组目标中符合所述目标使用者的个体特征的目标。

在一个实施方式中，步骤S20中，沿目标使用者的动态运行轨迹行走时，采用动态路径规划最佳路径以避开障碍物。

在一个实施方式中，步骤S20包括以下子步骤：

步骤S21：通过毫米波雷达跟踪目标使用者的动态运行轨迹，并判断所述动态运行轨迹上是否存在障碍物，若是，则执行步骤S22；若否，则执行步骤S23；

步骤S22：进行动态路径规划以获得智能吸尘器行走的最优路径；

步骤S23：使智能吸尘器沿目标使用者的动态运行轨迹行走。

在一个实施方式中，步骤S22包括以下子步骤：

步骤S221：通过毫米波雷达确定障碍物的初始信息；

步骤S222：判断所述障碍物是否会影响所述动态运行轨迹，若是，则执行步骤S223，若否，则执行步骤S23；

行步骤S223：通过优化算法确定最优路线，使智能吸尘器沿最优路线行走。

在一个实施方式中，步骤S221和步骤S222之间还包括以下操作步骤：

随机初始化智能吸尘器的速度和位置；以及

通过智能优化算法更新智能吸尘器动作的速度和位置。

在一个实施方式中，还包括步骤S10之前，通过毫米波雷达对智能吸尘器所在环境进行群组目标跟踪的步骤。

在一个实施方式中，通过毫米波雷达对智能吸尘器所在环境进行群组目标跟踪包括以下子步骤：

通过毫米波雷达采集智能吸尘器所在环境的群组目标的回波信号；

将所述回波信号转换为数字信号；

对所述数字信号进行处理后获得点云信息；

根据所述点云信息，通过ARM模块进行群组目标跟踪。

根据本发明的第二个方面，本发明提供一种基于毫米波雷达的智能吸尘器系统，其采用上述的基于毫米波雷达的智能吸尘器跟随方法进行作业，其包括：

毫米波雷达，其用于跟踪目标使用者的动态轨迹；

集尘装置，其与所述毫米波雷达相连，用于沿所述目标使用者的动态轨迹行走；以及

吸尘装置，其与集尘装置的输入部位相连，用于执行清洁动作并将收容物输送至所述集尘装置。

与现有技术相比，本发明的优点在于：

(1)使智能吸尘器能够沿毫米波雷达所跟踪到的目标使用者的动态路径进行行走并执行清洁工作，从而使智能吸尘器能够自主跟随目标使用者的脚步，因此无论目标使用者如何行走以及位于何种方位，智能吸尘器都能够沿其行走路线跟随其脚步来行走，因此使用者无需再通过手动方式来移动吸尘器，也就是说，使用者无需做额外的功就可进行清洁工作，因此较之传统的吸尘器，智能吸尘器能够极大地便利人们生活需求，提高生活质量追求，智能人性化地服务于大众。

(2)通过机器学习模型确定目标使用者，是智能吸尘器沿目标使用者的动态运行轨迹行走的前提，以保证智能吸尘器能够正确地跟随目标使用者。

附图说明

在下文中将基于实施例并参考附图来对本发明进行更详细的描述。

图1是本发明的一个实施例中基于毫米波雷达的智能吸尘器跟随方法的流程图；

图2是本发明的一个实施例中采用机器学习模型以确定目标使用者的流程图；

图3是本发明的一个实施例中采用动态规划路径进行避障的流程图；

图4是本发明的一个实施例中智能吸尘器跟随目标使用者的示意图。

具体实施方式

下面将结合附图对本发明作进一步说明。

如图1-3所示，根据本发明的第一个方面，本发明提供一种基于毫米波雷达的智能吸尘器跟随方法，其通过毫米波雷达来跟随目标使用者的动态运行轨迹，从而使智能吸尘器能够跟随使用者的脚步进行清洁工作，既无需使用者手动地改变其位置，又无需使用者事先指定路线，因此清洁工作将完全按照使用者当前的状态进行，较之传统的吸尘器，本发明的智能吸尘器的便捷性和可操作性均有大幅度的提升。

在一个具体的实施例中，本发明是通过如下操作步骤来实现：

第一步，通过毫米波雷达对智能吸尘器所在环境进行群组目标跟踪。

首先，如图1所示，通过毫米波雷达采集智能吸尘器所在环境的群组目标的回波信号。毫米波雷达发射的是一种电磁波，具体地，是一种锥状波束，相比激光而言，毫米波雷达目标检测的可靠性更高(由于其是基于面反射)。

其次，通过数模信号转换装置将回波信号转换为数字信号，以便对这些数字信号进行进一步处理。

再次，对所述数字信号进行DSP信号处理后获得点云信息。进一步地，该点云信息可以是三维点云图。

最后，根据点云信息，通过ARM模块进行群组目标跟踪。通过ARM模块能够获得智能吸尘器所在环境的群组目标的个体特征，例如群组目标与智能吸尘器之间的距离、群组目标与智能吸尘器之间的角度以及群组目标的速度等。通过这些个体特征以及三位点云图，能够获得该目标是人、动物还是静态的物等等。

需要说明的是，在初始状态，还可通过毫米波雷达采集智能吸尘器所在环境的信息，以助于构建环境地图。

第二步，根据智能吸尘器所在环境的群组目标，采用机器学习模型以确定目标使用者。其中，确定当前目标是否为目标使用者是智能吸尘器正确跟随的前提，因此必须保证正确地确定目标使用者。

例如，对智能吸尘器所在环境的群组目标进行判断，来确定目标使用者。即，判断群组目标中的n个目标是否为目标使用者，若第i个目标的判断结果为是，则第i个目标是目标使用者，若第i个目标的判断结果为否，则第i个目标不是目标使用者，通过机器学习模型在再次判断直到确定目标使用者为止。

其中，本发明的机器学习模型包括深度学习模型等学习模型。

下面以采用深度学习模型来确定目标使用者为例来进行说明。具体地，如图2所示，通过深度学习模型确定目标使用者的步骤如下。

首先，根据上一步中获得的点云信息(例如，三维点云图)，提取群组目标的个体特征。例如可以获得群组目标与智能吸尘器之间的距离以及群组目标的速度等。

其次，根据群组目标的个体特征，采用深度学习优化分类的方法，将群组目标划分为目标使用者和非目标使用者。

其中，非目标使用者例如，静止的物体(家具或植物等)，动态的物(宠物狗、宠物猫、老鼠或蟑螂等)以及其他的人(目标使用者的家人或客人等)。在同一时刻，目标使用者和非目标使用者所处的位置以及速度等个体特征必然不同，例如目标使用者的速度不为零，而家具或植物的速度为零，从而根据这些不同的个体特征能够对群组目标进行分类。

最后，对群组目标进行分类的目的是为了确定目标使用者，因此可利用深度学习模型判断来进行判断，如图1所示，若群组目标中的其中一个目标的个体特征符合目标使用者的个体特征，则表明该目标就是目标使用者，则继续进行路径上是否有障碍物的判断等下一步操作；若群组目标中的该目标的个体特征不符合目标使用者的个体特征，则表明该目标不是目标使用者，那么需要通过深度学习模型重新跟随正确的目标使用者。

由于目标使用者是运动的人，换言之，目标使用者是以一定速度改变其与智能吸尘器之间距离的一个目标，那么根据这些个体特征就可以确定目标群组中符合要求的目标使用者，从而为跟踪目标使用者的动态路径奠定准确地基础。

第三步，通过毫米波雷达跟踪目标使用者的动态运行轨迹，使智能吸尘器沿目标使用者的动态运行轨迹行走。

当目标使用者被确定后，毫米波雷达就可以跟踪目标使用者的动态运行轨迹使智能吸尘器沿目标使用者的动态运行轨迹行走，但是由于目标使用者具有主观能动性，因此他本身具有避开障碍物的特性，例如地上有玩具等，目标使用者可能会直接跨过，但是该玩具对与智能吸尘器来说，却是一个障碍物，因此智能吸尘器也应当具有能够避开障碍物的功能。

具体来说，当目标使用者的动态运行轨迹上存在障碍物时，用动态路径规划以避开或处理该障碍物。当目标使用者的动态运行轨迹上不存在障碍物时，使智能吸尘器沿目标使用者的动态运行轨迹行走。在一个实施例中，如图3所示，执行动态路径规划的步骤如下。

首先，系统启动，参数初始化，根据第一步中获得的点云信息，确定障碍物的初始信息。例如，该障碍物是静止的物，还是动态的物以及路径起始障碍物数目和障碍物的位置信息。

其次，随机初始化智能吸尘器的速度和位置，并通过智能优化算法更新智能吸尘器动作的速度和位置。

最后，毫米波雷达跟踪目标使用者的动态运行轨迹，确定其运行的清洁路径，判断障碍物的出现是否影响其净化，而后决定是否采用智能优化算法实现避障处理且与毫米波雷达追踪目标轨迹相结合确定新的最优的路径，完成清洁处理工作。

具体判断障碍物的方法如下：

判断该障碍物是否会影响动态运行轨迹(即是否影响其清洁作业)，若否，即该障碍物不影响其运行轨迹，例如障碍物为小石子，甚至老鼠或蟑螂等，那么智能吸尘器就可沿目标使用者的动态运行轨迹行走，以清理该障碍物。若是，即该障碍物会影响其运行轨迹，例如该障碍物为椅子等，则通过优化算法确定最优路线后，使智能吸尘器沿最优路线行走以避开该障碍物。

需要说明的是，一旦智能吸尘器避开动态运行轨迹上的障碍物之后，其就可继续跟随目标使用者的动态运行轨迹进行行走。

此外，虽然一旦确定了目标使用者，毫米波雷达就可跟踪目标使用者的动态运行轨迹，但是对于其他动态的物(例如宠物狗)，毫米波雷达可也采集到其动态运行轨迹，但是不会跟随其他动态的物的运行轨迹。对于使用者而言，在终端可以看到不同的目标，其动态运行轨迹以不同的颜色或者形态进行展示。

在一个可选的实施例中，本发明的智能吸尘器沿目标使用者的动态运行轨迹行走时，能够同时执行吸尘抽风等清洁作业。

在一个可选的实施例中，本发明的智能吸尘器也可以先停止正在进行的吸尘抽风等清洁作业，再沿目标使用者的动态运行轨迹行走，随后再执行吸尘抽风等清洁作业。

也就是说，本发明的智能吸尘器沿目标使用者的动态运行轨迹行走，以及执行清洁作业之间并不具备必然的先后关系。

同样地，智能吸尘器沿目标使用者的动态运行轨迹行走，以及下文所述的执行清除异味的作业之间也不具备必然的先后关系。

在一个实施例中，本发明还包括智能吸尘器执行清除异味的操作步骤。该步骤可以与清洁工作同时进行，以辅助清洁工作，从而避免异味的干扰以及减少异味对人体带来的健康危害。下面以一个具体的实施例来对本申请的方法进行详细的说明。

如图4所示，智能吸尘器所处的环境中共有7个目标，包括5个家具(即图4中所示的A)，1只宠物狗B以及1个主人。

首先，对智能吸尘器所在环境进行群组目标跟踪。

具体地，通过毫米波雷达接收和发送毫米波的回波信息，经过ADC实现模数转换，而后经过DSP信号处理过程形成点云信息，最后经ARM模块实现群组跟踪。进而智能吸尘器可获得上述5个家具，1只宠物狗B以及1个主人的个体特征，例如5个家具的速度为零，1只宠物狗的速度为零，1个主人正以1.5m/s的速度离开智能吸尘器。

其次，通过深度学习模型确定目标使用者，利用毫米波雷达形成三维点云图，根据群组目标不同个体进行，利用深度学习模型网络实现目标分类的同时将人与非人类的动态物体(比如宠物狗)区分。智能吸尘器可得到5个家具及1只宠物狗B均不是目标使用者，1个主人是目标使用者。

最后，主人沿着图4所示的路线S行走，因为主人具有主观能动性，因此其在行走中可以跨过宠物狗B，形成图4的路线S。

毫米波雷达在跟踪该路线S时需要进行判断，该路线S上是否存在障碍物，得到结果为“是”，并且通过三维点云图，可以得知，该障碍物为宠物狗B，因此该宠物狗B会影响到其执行清洁作业，因此智能吸尘器执行动态路径规划，在宠物狗B处形成图4的路线S’，以避开该宠物狗B。随后智能吸尘器继续沿路线S行走并执行清洁工作。

可以看出，智能吸尘器完全在无障碍物时完全跟随主人的脚步，即沿着目标使用者的运行轨迹在行走，并且智能地在宠物狗B所处的位置进行了躲避和重新规划路径。

根据本发明的第二个方面，本发明提供一种基于毫米波雷达的智能吸尘器系统，其采用上述的基于毫米波雷达的智能吸尘器跟随方法进行作业，具体来说，其包括毫米波雷达、集尘装置(即垃圾桶)以及吸尘装置。其中，毫米波雷达用于跟踪目标使用者的动态轨迹；集尘装置与所述毫米波雷达电性相连，用于沿所述目标使用者的动态轨迹行走；吸尘装置与集尘装置的输入部位相连，用于执行清洁动作并将收容物输送至所述集尘装置。

在一个具体的实施例中，毫米波雷达包括群组追踪模块，其具体包括前端、DSP信号处理模块和ARM模块。

由于本发明的智能吸尘器系统能够实现自主跟随，因此其可以沿用传统的吸尘器中的手持方式，从而增加集尘装置的容量，以克服无线吸尘器容量较小的缺点，以及避免电池式吸尘器续航能力弱以及充电时间长的缺点。

综上所述，本申请的基于毫米波雷达的智能吸尘器跟随方法，是通过毫米波雷达以及机器学习模型的方法来实现智能吸尘器跟踪目标使用者的动态运动轨迹的目的；此外，通过动态路径规划能够有效避免使用中智能吸尘器碰到障碍物的弊端。因此，本发明的智能吸尘器系统能够便捷地处理生活中的灰尘、小颗粒物品等干扰物，使清洁工作更便利，符合人们提高生活质量的追求和对家电更加智能化、人性化的需求。

虽然已经参考优选实施例对本发明进行了描述，但在不脱离本发明的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，各个实施例中所提到的各项技术特征均可以任意方式组合起来。本发明并不局限于文中公开的特定实施例，而是包括落入权利要求的范围内的所有技术方案。

Claims (10)

1.一种基于毫米波雷达的智能吸尘器跟随方法，其特征在于，包括以下操作步骤：

步骤S10：对智能吸尘器所在环境中的群组目标，采用机器学习模型以确定目标使用者；

步骤S20：通过毫米波雷达跟踪所述目标使用者的动态运行轨迹，使智能吸尘器沿所述目标使用者的动态运行轨迹行走。

2.根据权利要求1所述的基于毫米波雷达的智能吸尘器跟随方法，其特征在于，步骤S10中，通过群组目标的个体特征来确定目标使用者。

3.根据权利要求1或2所述的基于毫米波雷达的智能吸尘器跟随方法，其特征在于，步骤S10包括以下子步骤：

步骤S11：提取所述群组目标的个体特征；

步骤S12：根据所述群组目标的个体特征，采用机器学习模型将所述群组目标划分为目标使用者和非目标使用者；

步骤S13：利用机器学习模型确定群组目标中符合所述目标使用者的个体特征的目标。

4.根据权利要求1或2所述的基于毫米波雷达的智能吸尘器跟随方法，其特征在于，步骤S20中，沿目标使用者的动态运行轨迹行走时，采用动态路径规划最佳路径以避开障碍物。

5.根据权利要求4所述的基于毫米波雷达的智能吸尘器跟随方法，其特征在于，步骤S20包括以下子步骤：

步骤S21：通过毫米波雷达跟踪目标使用者的动态运行轨迹，并判断所述动态运行轨迹上是否存在障碍物，若是，则执行步骤S22；若否，则执行步骤S23；

步骤S22：进行动态路径规划以获得智能吸尘器行走的最优路径；

步骤S23：使智能吸尘器沿目标使用者的动态运行轨迹行走。

6.根据权利要求5所述的基于毫米波雷达的智能吸尘器跟随方法，其特征在于，步骤S22包括以下子步骤：

步骤S221：通过毫米波雷达确定障碍物的初始信息；

步骤S222：判断所述障碍物是否会影响所述动态运行轨迹，若是，则执行步骤S223，若否，则执行步骤S23；

行步骤S223：通过优化算法确定最优路线，使智能吸尘器沿最优路线行走。

7.根据权利要求4所述的基于毫米波雷达的智能吸尘器跟随方法，其特征在于，步骤S221和步骤S222之间还包括以下操作步骤：

随机初始化智能吸尘器的速度和位置；以及

通过智能优化算法更新智能吸尘器动作的速度和位置。

8.根据权利要求1或2所述的基于毫米波雷达的智能吸尘器跟随方法，其特征在于，还包括步骤S10之前，通过毫米波雷达对智能吸尘器所在环境进行群组目标跟踪的步骤。

9.根据权利要求8所述的基于毫米波雷达的智能吸尘器跟随方法，其特征在于，通过毫米波雷达对智能吸尘器所在环境进行群组目标跟踪包括以下子步骤：

通过毫米波雷达采集智能吸尘器所在环境的群组目标的回波信号；

将所述回波信号转换为数字信号；

对所述数字信号进行处理后获得点云信息；

根据所述点云信息，通过ARM模块进行群组目标跟踪。

10.一种基于毫米波雷达的智能吸尘器系统，其采用权利要求1-9所述的基于毫米波雷达的智能吸尘器跟随方法进行作业，其特征在于，包括：

毫米波雷达，其用于跟踪目标使用者的动态轨迹；

集尘装置，其与所述毫米波雷达相连，用于沿所述目标使用者的动态轨迹行走；以及

吸尘装置，其与集尘装置的输入部位相连，用于执行清洁动作并将收容物输送至所述集尘装置。