CN110347144B - 自移动设备及其自学习方法、可读存储介质 - Google Patents

Abstract

本申请涉及一种自移动设备及其自学习方法、可读存储介质。该设备包括：传感器、定位模块和处理器，传感器与处理器连接，用于在自移动设备行走过程中获取草地识别信息，并发送至处理器；定位模块与处理器连接，用于在自移动设备行走过程中获取自移动设备的位置信息，并发送至处理器；处理器，用于接收草地识别信息和位置信息，并根据草地识别信息和位置信息，按照预设算法判断自移动设备所在位置是否在工作区域内，若自移动设备位于非工作区域内，则控制自移动设备返回工作区域内。通过自移动设备的传感器和定位模块相结合，判断自移动设备是否位于工作区域并调整自移动设备行走路径，提高了自移动设备的自移动控制精度。

Description

自移动设备及其自学习方法、可读存储介质

技术领域

本发明涉及自移动设备领域，特别是涉及一种自移动设备及其自学习方法、可读存储介质。

背景技术

随着智能化的发展趋势越来越快，自动移动设备已广泛应用于多种行业以及人们的日常生活，自移动设备能够根据预先设定的路径行走并执行相关工作。

常用的自动移动设备包括割草机、打草机等，以割草机为例，割草机在执行割草操作时，需要根据对边界线的感应信号判断是否位于工作区域内，此时则需要提前在草地边界位置部署边界线，又或者根据位置信息或草地识别信息粗略判断是否位于工作区域内，判断精度低。也即，现有自移动设备存在自移动控制精度低的问题。

发明内容

基于此，有必要针对现有自移动设备存在自移动控制精度低的问题，提供一种自移动设备及其自学习方法、可读存储介质。

一种自移动设备，所述自移动设备包括：

传感器、定位模块和处理器，

所述传感器与所述处理器连接，用于在自移动设备行走过程中获取草地识别信息，并发送至所述处理器；

所述定位模块与所述处理器连接，用于在自移动设备行走过程中获取所述自移动设备的位置信息，并发送至处理器；

所述处理器，用于接收所述草地识别信息和所述位置信息，并根据所述草地识别信息和所述位置信息，按照预设算法判断自移动设备所在位置是否在工作区域内，若所述自移动设备位于非工作区域内，则控制自移动设备返回工作区域内。

在其中一个实施例中，所述处理器还用于判断所述草地识别信息的可信度和/或所述位置信息的可信度，基于所述草地识别信息的可信度和/或所述位置信息的可信度的判断结果，判断自移动设备所在位置是否在工作区域内。

在其中一个实施例中，所述处理器还用于基于所述草地识别信息的可信度和所述位置信息的可信度，调整所述草地识别信息的权重和所述位置信息的权重，根据调整后的权重对所述草地识别信息和所述位置信息进行加权处理，根据加权处理结果判断自移动设备所在位置是否在工作区域内。

在其中一个实施例中，所述处理器还用于基于所述位置信息反映的自移动设备的当前位置与工作区域的边界位置的距离，判断所述草地识别信息的可信度和/或所述位置信息的可信度。

在其中一个实施例中，所述传感器还用于在自移动设备行走过程中采集工作区域的草况数据，并发送至所述处理器；

所述处理器还用于接收所述草况数据，根据所述草况数据和所述位置信息生成工作区域的草况地图。

在其中一个实施例中，所述处理器还用于根据所述工作区域的草况地图，更新自移动设备的路径规划信息或时间规划信息。

一种自移动设备的自学习方法，包括：

当满足设定的更新条件时，获取所述自移动设备在行走过程中采集的工作区域中各子区域的草况数据；

分别对所述各子区域的草况数据进行分析处理，生成工作区域的草况地图；

根据所述工作区域的草况地图，更新所述自移动设备的路径规划信息，所述路径规划信息用于控制所述自移动设备按照所述路径规划信息在所述工作区域内行走并工作。

在其中一个实施例中，所述分别对所述各子区域的草况数据进行分析处理，生成工作区域的草况地图包括：

分别对所述各子区域的草况数据进行分析处理，得到各子区域的草况等级；

根据所述各子区域的草况等级生成工作区域的草况地图。

在其中一个实施例中，所述分别对所述各子区域的草况数据进行分析处理，得到各子区域的草况等级的步骤，包括：

根据所述各子区域的草况数据，分别得到各子区域中预设范围内的草况数据所占比例；

根据所述比例得到各子区域的草况等级。

在其中一个实施例中，所述根据所述各子区域的草况数据，分别得到各子区域中预设范围内的草况数据所占比例，根据所述比例得到各子区域的草况等级的步骤，包括：

根据所述各子区域的草况数据，分别得到各子区域中小于或等于第一预设值的草况数据所占的第一比例、大于所述第一预设值且小于或等于第二预设值的草况数据所占的第二比例、和大于所述第二预设值的草况数据所占的第三比例，其中，所述第一预设值小于所述第二预设值；

当所述第一比例大于预设阈值时，得到对应的子区域的草况等级为第一预设等级；

当所述第一比例小于或等于所述预设阈值、且所述第二比例大于所述第三比例时，得到对应的子区域的草况等级为第二预设等级；

当所述第一比例小于或等于所述预设阈值、且所述第二比例小于或等于所述第三比例时，得到对应的子区域的草况等级为第三预设等级。

在其中一个实施例中，所述根据所述各子区域的草况地图，更新所述自移动设备的路径规划信息的步骤，包括：

获取初始路径规划信息，所述路径规划信息包括各子区域的标识以及基于各子区域的标识组成的行走路径；

获取草况等级为第二预设等级和/或第三预设等级的子区域的标识；

根据所述草况等级为第二预设等级和/或第三预设等级的子区域的标识、以及所述行走路径中所述草况等级为第二预设等级和/或第三预设等级的子区域的标识的顺序，更新所述行走路径。

在其中一个实施例中，还包括：

获取与所述草况数据对应的位置信息；

对所述草况数据进行分析，根据分析结果生成携带有位置信息对应的维护指令；

根据所述维护指令控制所述自移动设备行走至所述位置信息对应的位置时，执行所述维护指令对应的维护操作。

在其中一个实施例中，还包括：

根据草况数据和位置信息确定工作区域；

以预设位置为起点、第一预设距离为半径得到圆形区域，将所述圆形区域内的工作区域标记为第N子区域；

以已标记的工作区域对应的圆形区域为内圆、第二预设距离为内外圆半径差得到圆环区域，并将所述圆环区域内的工作区域标记为第N+1子区域；

当已标记的子区域未包括所有的工作区域时，返回以已标记的子区域对应的圆形区域为内圆、第二预设距离为内外圆半径差得到圆环区域，并将所述圆环区域内的工作区域标记为第N+1子区域的步骤，直至标记的子区域包括所有的工作区域。

在其中一个实施例中，所述根据草况数据和位置信息确定工作区域的步骤，包括：

当检测到草况数据小于第三预设值时，以当前位置为起点，获取连续的第三预设距离内的草况数据；

当所述连续的第三预设距离内的草况数据均小于所述第三预设值时，将所述当前位置的位置信息标记为边界位置；

当检测到草况数据大于或等于第三预设值时，将当前位置的位置信息标记为工作区域。

一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现任一项实施例所述的自移动设备的自学习方法。

上述自移动设备及其自学习方法、可读存储介质，自移动设备包括传感器、定位模块和处理器，传感器用于在自移动设备行走过程中获取草地识别信息，并发送至处理器，定位模块用于在自移动设备行走过程中获取自移动设备的位置信息，并发送至处理器，处理器用于根据接收到草地识别信息和位置信息，按照预设算法判断自移动设备所在位置是否在工作区域内，若自移动设备位于非工作区域内，则控制自移动设备返回工作区域内。通过自移动设备的传感器和定位模块相结合，判断自移动设备是否位于工作区域并调整自移动设备行走路径，提高了自移动设备的自移动控制精度，并保证了自移动设备工作的安全性，同时避免了因布署边界线的而造成的人力物力损耗。。

附图说明

图1为一实施例中自移动设备的结构框图；

图2为一实施例中自移动设备的结构示意图；

图3为一实施例中自移动设备的自学习方法的流程示意图；

图4为一实施例中草况等级划分步骤的流程示意图；

图5为另一实施例中草况等级划分步骤的流程示意图；

图6为一实施例中草况统计图的示意图；

图7为一实施例中路径规划信息更新步骤的流程示意图；

图8为一实施例中执行维护工作步骤的流程示意图；

图9为一实施例中工作区域划分步骤的流程示意图；

图10为一实施例中工作区域划分的示意图；

图11为另一实施例中工作区域划分的示意图；

图12为一实施例中边界位置和工作位置识别步骤的流程示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在一实施例中，如图1所示，为一种自移动设备的结构框图，该自移动设备包括：处理器110、传感器120和定位模块130。

自移动设备需保持在预设的工作区域内自动行驶和工作，为了使自移动设备保持在预设的工作区域内，传统的方法为沿工作区域的边界布置边界线，边界线中传输电流信号，自移动设备的传感器检测边界线生成的磁场信号，判断自身位于工作区域内或外。但这种办法需用户布置边界线，费时费力。为了省去布置边界线的麻烦，可以通过为移动设备配置定位模块的方法判断自移动设备的位置，自移动设备获取工作区域的边界位置信息，行走过程中比较当前位置与边界位置信息，判断自身是否位于工作区域内。高精度的定位设备价格昂贵，且即使是高精度的定位设备也会出现误判断的情况，例如定位信号被遮挡时。本实施例中的自移动设备为自移动园艺设备，工作区域为草地，具体的，自移动设备为自动割草机，另一种判断自移动设备是否在工作区域内的方法为利用传感器识别草地与非草地，例如电容传感器，但是仅利用传感器识别容易出现误判断，例如工作区域内包含不长草的区域，或者由于下雨地面潮湿，将泥土误认为草地的情况等。

本实施例中，自移动设备同时包括定位模块和传感器，其中，定位模块用于在自移动设备行走过程中获取自移动设备的位置信息，并发送至处理器，传感器用于在自移动设备行走过程中获取草地识别信息，并发送至处理器，处理器根据草地识别传感器和定位模块的输出，按照预设算法，判断自移动设备所在位置是否在工作区域内，若自移动设备位于非工作区域内，则控制自移动设备转向或后退，以返回工作区域内。

其中，草地识别信息是指用于表示草地或者非草地的相关信息。位置信息是指自移动设备所在位置的信息。

在一实施例中，传感器为电容式传感器，草作为电容的介质，当草的水分含量不同时，其对应的介电常量也不同，通过介电常量的变化或者通过间接反应介电常量的其他物理量的变化而得到草的水分含量等代表草的生长情况的参照量，具体地，可将电容式传感器的电容作为草况数据代表草的生长情况。在其他实施例中，也可以为其他可用于感知草生长情况的传感器，比如用于感知草生长长度的传感器等。结合图片2所示的自移动设备结构示意图，传感器可设置于自移动设备的底面，以便于采集草况数据。

定位模块130可采用GPS定位系统实现对自移动设备的实时定位，获取自移动设备的位置信息。

同时使用定位模块和草地识别传感器，能够降低单独使用定位模块和草地识别传感器判断自移动设备是否位于工作区域的误判断率，使得自移动设备对工作区域的识别更加准确，提高了自移动控制精度。由于自移动设备对工作区域的识别是自移动设备实现自动工作的最基本的保证，因此，保障自移动设备对工作区域识别的准确性是自移动设备的至关重要的性能。通过结合定位模块的位置信息和草地识别传感器的草地识别信息调整自移动设备行走路径，能够保证自移动设备工作的安全性，同时免去了用户布边界线的麻烦。

在本实施例中，可以使用低精度的定位模块，例如使用低精度GPS模块，降低了设备的成本。也降低了对草地识别传感器精度的要求，降低了由于可能的误判对电路实现的要求以及算法精确度的要求。

具体的，定位模块输出的的位置信息所指示的自移动设备是否在工作区域内与草地识别传感器输出的草地识别信息所指示的自移动设备是否在工作区域内的指示信号可能是一致的，例如均指示自移动设备在工作区域内；也可能是不一致的，例如定位模块指示自移动设备在工作区域内，而草地识别传感器指示自移动设备在非草地。这可能是由于定位模块的误差，也可能是草地识别传感器的误判断。

在一实施例中，处理器用于按照预设算法判断自移动设备所在位置是否在工作区域内时，具体用于判断草地识别信息的可信度和/或位置信息的可信度，基于草地识别信息的可信度和/或位置信息的可信度的判断结果，判断自移动设备所在位置是否在工作区域内。

具体的，基于位置信息反映的自移动设备的当前位置与工作区域的边界位置的距离，判断草地识别信息的可信度和/或位置信息的可信度。例如，当位置信息反映自移动设备与工作区域的边界位置的距离较远时，例如位于工作区域的中央，则位置信息的可信度较高，此时，优先考虑位置信息，根据位置信息判断自移动设备在工作区域内。当位置信息反映自移动设备与工作区域的边界位置的距离较近时，则位置信息的可信度较低，可能由于位置信息的精度低，导致位置信息与自移动设备的实际位置之间存在偏差，例如位置信息反映自移动设备在工作区域内，而实际自移动设备已抵达工作区域边界，或者位置信息反映自移动设备在工作区域外，而实际自移动设备还在工作区域内。此时，优先考虑草地识别信息，若草地识别信息反映自移动设备在草地内，则判断自移动设备在工作区域内，否则判断自移动设备在工作区域外。

此外，也可以根据草地识别传感器的输出判断草地识别信息的可信度和/或位置信息的可信度。例如，草地识别传感器前后输出的信息一致性较好时，判断草地识别信息的可信度高，否则判断草地识别信息的可信度低，等等。

进一步地，处理器用于按照预设算法判断自移动设备所在位置是否在工作区域内时，具体用于基于草地识别信息的可信度和位置信息的可信度，调整草地识别信息的权重和位置信息的权重，根据调整后的权重对草地识别信息和位置信息进行加权处理，根据加权处理结果判断自移动设备所在位置是否在工作区域内。

具体地，当草地识别信息的可信度较高时，增大草地识别信息的权重，减小位置信息的权重。同理，当位置信息的可信度较高时，增大位置信息的权重，减小草地识别信息的权重。

基于可信度调整位置信息和草地识别信息的权重，以根据调整后的位置信息和草地识别信息的权重，综合考虑二者对于判断自移动设备所在位置是否在工作区域内的影响，能够进一步提高工作区域判断的准确性，保障自移动设备工作的安全性，同时降低了对定位模块和草地识别传感器的精度的要求，降低了成本。

进一步的，传感器120还用于在自移动设备行走过程中采集工作区域的草况数据，并发送至处理器110。处理器110用于根据草况数据和位置信息生成工作区域的草况地图。

草况数据是指用于表示当前草地生长情况的相关数据。具体地，草况数据根据自移动设备中的传感器120感知草地获取得到的数据，当自移动设备在行走或工作过程中即可采集行走路径中的草况数据并存储，提高了草况数据采集效率。进一步地，自移动设备在工作过程中采集数据时，其采集的草况数据为执行完维护工作后所采集的数据，以保证草况数据的准确性。草况地图是指携带有草况数据的信息的工作区域的地图。

在一实施例中，处理器还用于根据工作区域的草况地图，更新自移动设备的路径规划信息或时间规划信息。

其中，路径规划信息是指自移动设备工作时的行走路径。在本实施例中，路径规划信息根据草况数据和位置信息生成，以便根据草况数据合理规划自移动设备工作路径。时间规划信息是指自移动设备对工作区域中各子区域进行维护工作的时间规划。

上述自移动设备，通过自移动设备的传感器和定位模块相结合，自主获取位置信息及对应的草况数据，根据位置信息及对应的草况数据更新路径规划信息，以控制自移动设备按照更新后的路径规划信息行走并工作。根据位置信息及对应的草况数据更新得到的路径规划信息，既能满足工作区域的当前实际需求，又能通过优化路径规划信息提高自移动设备的工作效率，减少资源的浪费。

在一实施例中，处理器还用于根据草况数据和位置信息确定边界位置和工作区域。

具体地，当草况数据满足边界判定条件时，将该草况数据对应的位置信息标记为边界位置，否则标记为工作区域。通过自移动设备获取的草况数据和位置信息，自动进行边界的判定和划分，从而无需采用人工部署边界线的方式进行工作区域的圈定，减少了因部署边界线而导致的人力物力损耗。

在一实施例中，处理器110具体用于当满足设定的更新条件时，获取自移动设备在行走过程中采集的工作区域中各子区域的草况数据，分别对各子区域的草况数据进行分析处理，生成工作区域的草况地图，根据工作区域的草况地图，更新自移动设备的路径规划信息，路径规划信息用于控制自移动设备按照路径规划信息行走并工作。

进一步地，处理器110还用于将接收的草况数据和位置信息发送至存储器150进行关联存储，并在接收到用户终端发送的查询指令时，将草况数据和位置信息发送至用户终端进行显示。此外，处理器110还用于接收用户终端发送的控制指令，并根据控制指令控制自移动设备进行行走和工作。

自移动设备还包括数据传输模块160，数据传输模块160分别与处理器110以及用户终端连接，用于通过处理器110将获取的草况数据和位置信息、和根据草况数据和位置信息分析得到的数据，比如将草况地图发送至用户终端进行显示及处理，以及将用户终端发送的控制指令传输至处理器110。

在启动自移动设备时，处理器110还用于生成驱动指令，驱动自移动设备进行行走。

在一实施例中，自移动设备还包括维护工作头140，用于根据控制指令执行对应的维护操作。

具体地，自移动设备可包括多个维护工作头，分别执行不同的维护操作。比如，通过割草工作头执行割草操作，通过浇水工作头进行浇水操作，通过施肥工作头对草地进行施肥，通过播种工作头进行播种，各工作头可基于控制指令进行转换，以针对不同区域的需求执行不同的维护操作。

此外，自移动设备还可包括用于存储草况数据和位置信息的存储器150。通过将位置信息及草况数据关联存储，以便根据位置信息可快速获取该位置对应的草况数据。具体地，关联存储的方式可以为，由处理器根据位置信息及草况数据生成草况地图，将草况地图发送至存储器进行存储。

自移动设备还包括驱动模块170，用于根据处理器发送的驱动指令驱动自移动设备进行行走。

上述自移动设备，通过自移动设备的传感器和定位模块相结合，自主获取位置信息及对应的草况数据，根据位置信息及对应的草况数据更新路径规划信息，以控制自移动设备按照更新后的路径规划信息行走并工作。根据位置信息及对应的草况数据更新得到的路径规划信息，既能满足工作区域的当前实际需求，又能通过优化路径规划信息提高自移动设备的工作效率，减少资源的浪费。同时，还能够根据草况数据和位置信息自动进行边界位置和工作区域的判定，避免了因人工部署边界线而造成的人力物力损耗。

在一实施例中，提供一种自移动设备的自学习方法，该方法应用于上述任一项实施例的自移动设备，如图3所示，该方法包括步骤S320至步骤S360：

S320，当满足设定的更新条件时，获取自移动设备在行走过程中采集的工作区域中各子区域的草况数据。

草况数据是指用于表示当前草地生长情况的相关数据。具体地，草况数据可以为根据传感器感知草地获取得到的数据。在一实施例中，传感器为电容式传感器，草作为电容的介质，当草的水分含量不同时，其对应的介电常量也不同，通过介电常量的变化或者通过间接反应介电常量的其他物理量的变化而得到草的水分含量等代表草的生长情况的参照量，具体地，可将电容式传感器的电容作为草况数据代表草的生长情况，当采用基于水分含量检测的电容式传感器时，草况数据为非雨天以及非浇水时所采集的数据。在其他实施例中，也可以为其他可用于感知草生长情况的传感器，比如用于感知草生长长度的传感器等。子区域是指对工作区域进行划分，得到的划分之后的各个区域。

进一步地，将传感器设置于自移动设备中，自移动设备在行走或工作过程中即可采集行走路径中的草况数据并存储，提高了草况数据采集效率。当自移动设备在工作过程中采集数据时，其采集的草况数据为执行完维护工作后所采集的数据，以保证草况数据的准确性。

在本实施例中，自移动设备在行走过程中采集行走路径中的草况数据，并基于采集的草况数据进行路径的自主学习，根据自主学习结果自发地更新路径规划信息。具体地，自移动设备根据预先设定的更新条件执行更新操作，更新条件为预先设定的更新时间间隔，当达到更新时间间隔时，自移动设备便获取一次自移动设备在行走过程中采集的各子区域的草况数据，并对草况数据进行分析处理，根据分析处理结果更新路径规划信息。

进一步地，更新时间间隔可以为自移动设备的一次工作周期，比如自移动设备的工作周期为一天，则更新时间间隔也设置为一天，在完成一次工作周期的工作后，便获取自移动设备在行走过程中采集的各子区域的草况数据，并对草况数据进行分析处理，根据分析处理结果更新路径规划信息。在其他实施例中，更新时间间隔也可以为根据工作区域面积设定的其他时间间隔值，工作区域面积越大，其更新时间间隔值越大。

S340，分别对各子区域的草况数据进行分析处理，生成工作区域的草况地图。

根据所获取的各子区域的草况数据，以确定各子区域的草况的整体情况，并生成能够有效表示各子区域草况的草况地图。

S360，根据工作区域的草况地图，更新自移动设备的路径规划信息，路径规划信息用于控制自移动设备按照路径规划信息行走并工作。

上述自移动设备的自学习方法，通过自移动设备自主获取并分析工作区域中各子区域的草况数据，得到工作区域的草况地图，根据当前草况地图自适应地调整和更新路径规划信息，既能满足各子区域当前的实际需求，又能通过优化路径规划信息提高自移动设备的工作效率，减少资源的浪费，同时提高了自移动设备的自移动控制精度。

在一实施例中，分别对各子区域的草况数据进行分析处理，生成工作区域的草况地图包括：分别对各子区域的草况数据进行分析处理，得到各子区域的草况等级；根据各子区域的草况等级生成工作区域的草况地图。

根据所获取的各子区域的草况数据，以确定各子区域的草况等级，以便根据各子区域的草况等级决定是否需要进行割草工作。

其中，草况等级用于表示各子区域草地的整体生长情况，比如，可以将草况划分为草况差、草况一般和草况良好三个等级，根据各子区域的草况数据可以确定各子区域所属的草况等级，并基于草况等级得到工作区域的草况地图，进而根据草况地图来优化路径规划信息，使得自移动设备根据优化的路径规划信息来提高工作效率。

参照图4，在另一实施例中，分别对各子区域的草况数据进行分析处理，得到各子区域的草况等级的步骤，包括步骤S420至步骤S440：

S420，根据各子区域的草况数据，分别得到各子区域中预设范围内的草况数据所占比例。

S440，根据比例得到各子区域的草况等级。

在本实施例中，首先对草况数据进行划分，根据草况数据的数值大小划分为不同的范围，而后根据每个子区域的草况数据划分情况，得到每个子区域中不同范围内的草况数据所占的比例，根据得比例确定各子区域的草况等级。

进一步参照图5，在一具体实施例中，根据各子区域的草况数据，分别得到各子区域中预设范围内的草况数据所占比例，根据比例得到各子区域的草况等级的步骤，包括步骤S520至步骤S540：

S520，根据各子区域的草况数据，分别得到各子区域中小于或等于第一预设值的草况数据所占的第一比例、大于第一预设值且小于或等于第二预设值的草况数据所占的第二比例、和大于第二预设值的草况数据所占的第三比例，其中，第一预设值小于第二预设值。

将草况数据划分为三个不同的范围，依次为小于或等于第一预设值、大于第一预设值且小于或等于第二预设值、以及大于第二预设值。当草况数据的值小于或等于第一预设值时，说明草水分含量较低或者草生长稀疏，草况较差，不需要进行割草，当草况数据的值大于第一预设值且小于或等于第二预设值时，说明草况一般，需要进行割草，当草况数据的值大于第二预设值时，说明草生长得较为茂盛，草况良好，可以适当降低自移动设备的行走速度，以提高割草质量。

其中，第一预设值和第二预设值可根据不同的工作需求进行确定，比如，可以通过提高第一预设值来减少需要进行割草的情况。

进一步地，根据每个子区域的草况数据，计算每个子区域中上述三个范围内的草况数据的比例情况，分别得到每个子区域的第一比例、第二比例和第三比例，以便根据比例值了解各子区域的草地生长情况，并确定各子区域的草况等级。

S540，当第一比例大于第一阈值时，得到对应的子区域的草况等级为第一预设等级，当第一比例小于或等于预设阈值、且第二比例大于第三比例时，得到对应的子区域的草况等级为第二预设等级，当第一比例小于或等于预设阈值、且第二比例小于或等于第三比例时，得到对应的子区域的草况等级为第三预设等级。

当得到各子区域的草况范围比例情况后，基于比例值确定该子区域所属的草况等级，该草况等级用于表示该子区域的整体草况。

具体地，将草况等级划分为第一预设等级、第二预设等级和第三预设等级，当第一比例大于第一阈值时，表示对应的子区域的草况等级为第一预设等级；当第一比例小于或等于预设阈值、且第二比例大于第三比例时，表示对应的子区域的草况等级为第二预设等级；当第一比例小于或等于预设阈值、且第二比例小于或等于第三比例时，表示对应的子区域的草况等级为第三预设等级。

进一步地，第一预设等级可用于表示整体草况较差，第二预设等级可用于表示整体草况一般，第三预设等级可用于表示整体草况良好。

下面以第一比例为子区域内草况较差的草地占该子区域的比例、第二比例为子区域内草况一般的草地占该子区域的比例、第三比例为子区域内草况良好的草地占该子区域的比例，第一预设等级表示整体草况较差，第二预设等级表示整体草况一般，第三预设等级表示整体草况良好对上述等级划分进行具体说明：

当某一子区域的第一比例大于第一阈值时，说明该子区域内草况较差的草地所占比例较大，进而说明该子区域的整体草况较差。当该子区域不属于整体草况较差的情况时，也即第一比例小于或等于第一阈值时，进一步判断该子区域属于整体草况一般还是整体草况良好的情况，当第二比例大于第三比例时，该子区域内草况一般的草地所占比例大于该子区域内草况良好的草地所占比例，表示该子区域的整体草况一般，否则则说明该子区域的整体草况良好。

在一具体实施例中，第一阈值可设为50％，当某一子区域的第一比例大于50％时，表示该子区域内草况较差的情况占据了一半以上，进而说明该子区域的整体草况较差。第一比例小于或等于50％时，继续判断第二比例和第三比例的大小，当第三比例大于第二比例时，说明该子区域不属于整体草况较差的情况，且该子区域内草况良好的草地所占比例较大，该子区域的整体草况良好，否则则说明该子区域的整体草况一般。

在另一实施例中，在得到各子区域中第一比例、第二比例和第三比例数据之后，还可生成各子区域的草况统计图，以便发送至用户终端直观地显示各子区域内的草况。具体地，每一子区域建立一个草况统计图，将所得到的第一比例、第二比例和第三比例在草况统计图中分别以不同颜色或其他不同表现形式区分显示。

在一具体实施例中，如图6所示，为其中一子区域内的草况统计图，A区域表示该子区域内小于或等于第一预设值的草况数据所占的第一比例，B区域表示该子区域内大于第一预设值且小于或等于第二预设值的草况数据所占的第二比例，C区域表示该子区域内大于第二预设值的草况数据所占的第三比例。其中，第一比例值为26％，第二比例值为48％，第三比例值为26％。

进一步地，如图7所示，根据各子区域的草况地图，更新自移动设备的路径规划信息的步骤，包括步骤S720至步骤S760：

S720，获取初始路径规划信息，路径规划信息包括各子区域的标识以及基于各子区域的标识组成的行走路径。

初始路径规划信息中的行走路径可以为人为设定，也可以由自移动设备随机设定，还可以为自移动设备根据各子区域的位置信息进行设定，比如根据各子区域距离初始位置的距离远近进行设定。

S740，获取草况等级为第二预设等级和/或第三预设等级的子区域的标识。

S760，根据草况等级为第二预设等级和/或第三预设等级的子区域的标识、以及行走路径中草况等级为第二预设等级和/或第三预设等级的子区域的标识的顺序，更新行走路径。

在本实施例中，自移动设备仅在草况等级为第二预设等级和/或第三预设等级的子区域工作，通过获取草况等级为第二预设等级和/或第三预设等级的子区域的标识，并按所获取的标识在初始行走路径中顺序组成新的行走路径，新的行走路径中不包括草况等级为第一预设等级的子区域。当自移动设备按照更新后的行走路径进行行走并工作时，则可直接跳过草况等级为第一预设等级的子区域，也即，当某一工作区域的整体草况较差时，无需对其执行作业，进而提高自移动设备的整体工作效率，并且避免因自移动设备在草况较差的子区域内行走和工作时对草地造成的损伤。

进一步地，当路径规划信息不包括某一子区域时，也即在行走路径中删除某一子区域后，当达到一预设时间值时，自移动设备行走并遍历该子区域，以采集该子区域的草况数据，并根据草况数据确定该子区域的草况等级，当该子区域的草况等级为第二预设等级或第三预设等级时，根据初始路径规划信息中该子区域的工作顺序，在行走路径中增加该子区域，更新路径规划信息。在一具体实施例中，预设时间值为一周。

在另一实施例中，自移动设备的自学习方法还包括：获取自移动设备行走时的位置信息和该位置的草况数据，将位置信息和草况数据关联并发送至存储器以进行存储。

在自移动设备行走过程中，通过自移动设备自带的传感器实时获取草况数据、通过定位装置实时获取位置信息，并将位置信息以及该位置对应的草况数据关联并发送至存储器以进行存储，从而可了解各个位置的草况。

在一具体实施例中，还可将草况地图存储至存储器中，当根据用户指令读取存储器中存储的草况地图时，将草况地图发送至用户终端，以便在用户终端显示该草况地图。具体地，将草况数据划分为三个不同的范围，依次为小于或等于第一预设值、大于第一预设值且小于或等于第二预设值、以及大于第二预设值，将三种不同颜色分别代表三个范围内的草况数据，根据位置信息和草况数据的对应关系，在地图相应的位置上生成草况数据。

在一实施例中，还可在地图相应的位置上生成与该位置的草况数据对应的显示颜色，以便在发送至用户终端时，用户能够直接根据草况地图上的显示颜色直观地了解各个位置的草况。

进一步地，假设当草况数据的值小于或等于第一预设值时，说明草水分含量较低或者草生长稀疏，草况较差，需要进行浇水，当草况数据的值大于第一预设值且小于或等于第二预设值时，说明草况一般，需要进行割草，当草况数据的值大于第二预设值时，说明草生长得较为茂盛，草况良好，可以适当降低自移动设备的行走速度。用户可根据地图上的颜色标识，控制自移动设备行走至对应位置执行对应的维护操作，比如，用蓝色代表小于或等于第一预设值的草况数据，从而可控制自移动设备行走至蓝色区域进行浇水。

在一实施例中，如图8所示，自学习方法还包括执行维护工作的相关步骤，具体包括步骤S820至步骤S860：

S820，获取与草况数据对应的位置信息。

S840，对草况数据进行分析，根据分析结果生成携带有位置信息的维护指令。

通过对草况数据进行分析，按照不同的草况数据生成不同的维护指令，进而基于不同区域的实际需求，对不同区域执行不同的维护策略。

具体地，当草况数据小于第三预设值且该草况数据对应的位置位于工作区域内时，生成播种和施肥指令。在实际应用中，第三预设值接近于零，用于表示当草况数据小于该第三预设值时，传感器未检测到草，需要进行播种和施肥。当草况数据大于或等于第三预设值、且小于第一预设值时，生成浇水指令，说明该草况数据对应位置的草水分含量较低，需要进行浇水以补充水分。当草况数据大于第一预设值且小于或等于第二预设值时，生成第一割草指令，该第一割草指令包括第一割草速度。当草况数据大于第二预设值时，说明草况非常好，该位置处的草生长茂盛，生成第二割草指令，该第二割草指令包括第二割草速度，且第二割草速度小于第一割草速度，通过降低割草速度以提高割草效果。

S860，根据维护指令控制自移动设备行走至位置信息对应的位置时，执行维护指令对应的维护操作。

具体地，自移动设备包括播种、施肥、浇水、割草等多个维护工作头，当自移动设备行走至维护指令对应的位置时，基于所生成的维护指令选择对应的维护工作头执行相关作业，以满足不同区域的实际维护需求。

在另一实施例中，如图9所示，自移动设备的自学习方法还包括步骤S920至步骤S980：

S920，根据草况数据和位置信息确定工作区域。

S940，以预设位置为起点、第一预设距离为半径得到圆形区域，将圆形区域内的工作区域标记为第N子区域。

S960，以已标记的子区域对应的圆形区域为内圆、第二预设距离为内外圆半径差得到圆环区域，并将圆环区域内的工作区域标记为第N+1子区域。

S980，当已标记的子区域未包括所有的工作区域时，返回以已标记的子区域对应的圆形区域为内圆、第二预设距离为内外圆半径差得到圆环区域，并将圆环区域内的工作区域标记为第N+1子区域的步骤，直至标记的子区域包括所有的工作区域。

其中，N的初始值为1。如图10所示，假设图10中的方形区域为所有能工作的区域。第1-4子区域分别为基于步骤S920至步骤S980划分的子区域，具体划分规则为：首先，以O为原点、d1为半径画圆，得到第一圆弧L1，将第一圆弧L1形成的圆形区域标记为第1子区域。而后，以O为原点、d1+d2为半径，得到第二圆弧L2，将圆弧L1、L2形成的圆环区域标记为第2子区域。再以O为原点、半径增加d2画圆，得到圆弧L3，由于圆弧L3内包括非工作区域，因此，将如图8所示所示的L3的实线部分、L2以及边界组成的区域标记为第3子区域。以此类推，直至所有标记的子区域包括所有可工作的区域。

在其他实施例中，子区域也可通过人为的方式进行划分。具体地，可通过将自移动设备放置于不同位置，基于所放置的位置，并结合边界线和/或障碍物组成的边界，将边界内的区域划分为一个子区域。如图11所示，通过人为方式将工作区域划分为子区域A、子区域B和子区域C。

在另一实施例中，如图12所示，根据草况数据和位置信息确定工作区域的步骤，包括步骤S1220至步骤S1260：

S1220，当检测到草况数据小于第三预设值时，以当前位置为起点，获取连续的第三预设距离内的草况数据。

其中，当前位置是指当前检测到的草况数据小于第三预设值的位置，其具体位置信息可根据定位装置获取到的位置信息确定。

S1240，当连续的第三预设距离内的草况数据均小于第三预设值时，将当前位置的位置信息标记为边界位置。

S1260，当检测到草况数据大于或等于第三预设值时，将当前位置的位置信息标记为工作区域。

在实际应用中，第三预设值接近于零，用于表示当草况数据小于该第三预设值时，传感器未检测到草，也即该位置为非草地，当草况数据大于或等于第三预设值时，说明当前位置为草地。因此，草地识别信息可以结合第三预设值和传感器采集到的草况数据生成。

在本实施例中，当检测到草况数据大于或等于第三预设值时，说明当前位置为草地，将当前位置标记为工作区域，当传感器采集到一位置的草况数据小于该第三预设值时，也即草况数据接近于零时，以该位置为起点，继续对预设距离L内的草况数据进行采集，当该预设距离L内的草况数据均接近于零，则将该位置定义为边界位置，从而可实现对边界以及工作区域的自动识别。通过对边界位置以及工作区域的自动识别，而无需通过传统的边界线方式来圈定工作区域，避免了因铺设边界线对草地的损害，也避免了因铺设边界线造成的人力物力的浪费。

在一实施例中，在自移动设备按照路径规划信息行走过程中，该方法还包括：根据草地识别信息和位置信息，按照预设算法，判断自移动设备所在位置是否在工作区域内，若自移动设备位于非工作区域内，则控制自移动设备返回工作区域内。

进一步地，按照预设算法判断自移动设备所在位置是否在工作区域内包括：判断草地识别信息的可信度和/或位置信息的可信度，基于草地识别信息的可信度和/或位置信息的可信度的判断结果，判断自移动设备所在位置是否在工作区域内。

在另一实施例，自移动设备的自学习方法还包括检测自移动设备的剩余电量，当剩余电量低于电量阈值时，关闭自移动设备的维护工作头，并回归至充电站进行充电。

进一步地，当剩余电量低于电量阈值时，自移动设备获取当前的位置信息以及充电站的位置信息，根据当前的位置信息以及充电站的位置信息生成回归路径，按照回归路径回归至充电站进行充电。其中，回归路径为最短回归路径，以使自移动设备快速回归至充电站。

上述自移动设备的自学习方法，通过自移动设备自主获取工作区域中各子区域的草况数据，对草况数据进行统计分析，得到各子区域的草况等级，使得根据当前草况等级自适应地调整和更新路径规划信息，既能满足各子区域当前的实际需求，又能通过优化路径规划信息提高自移动设备的工作效率，减少资源的浪费。并且自移动设备还能够基于草况数据自动识别工作区域和边界位置，从而无需设置边界线。进一步地，自移动设备还能够根据草况数据调整维护工作，基于不同的草况需求执行不同的维护作业，获得良好的草地维护效果。

可以理解，上述任一项实施例中描述的自学习方法，均可由上述任一项实施例描述的自移动设备的处理器执行并实现。

在另一实施例中，还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现任一项实施例的自移动设备的自学习方法。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种自移动设备，其特征在于，所述自移动设备包括：传感器、定位模块和处理器，

所述传感器与所述处理器连接，用于在自移动设备行走过程中获取草地识别信息，并发送至所述处理器；

所述定位模块与所述处理器连接，用于在自移动设备行走过程中获取所述自移动设备的位置信息，并发送至处理器；

所述处理器，用于接收所述草地识别信息和所述位置信息，并基于所述位置信息反映的自移动设备的当前位置与工作区域的边界位置的距离，判断所述草地识别信息的可信度和/或所述位置信息的可信度，基于所述草地识别信息的可信度和所述位置信息的可信度，调整所述草地识别信息的权重和所述位置信息的权重，根据调整后的权重对所述草地识别信息和所述位置信息进行加权处理，根据加权处理结果判断自移动设备所在位置是否在工作区域内，若所述自移动设备位于非工作区域内，则控制自移动设备返回工作区域内；

所述传感器还用于在自移动设备行走过程中采集工作区域中各子区域的草况数据，并发送至所述处理器；

所述处理器还用于接收所述草况数据，分别对所述各子区域的草况数据进行分析处理，得到各子区域的草况等级，根据所述各子区域的草况等级和所述位置信息生成工作区域的草况地图，所述草况等级用于表示各子区域草地的整体生长情况。

2.根据权利要求1所述的自移动设备，其特征在于，所述处理器还用于根据所述工作区域的草况地图，更新自移动设备的路径规划信息或时间规划信息。

3.一种自移动设备的自学习方法，其特征在于，应用于权利要求1至2任一项所述的自移动设备，包括：

在自移动设备行走过程中获取草地识别信息和自移动设备的位置信息，基于所述位置信息反映的自移动设备的当前位置与工作区域的边界位置的距离，判断所述草地识别信息的可信度和/或所述位置信息的可信度，基于所述草地识别信息的可信度和所述位置信息的可信度，调整所述草地识别信息的权重和所述位置信息的权重，根据调整后的权重对所述草地识别信息和所述位置信息进行加权处理，根据加权处理结果判断自移动设备所在位置是否在工作区域内，若所述自移动设备位于非工作区域内，则控制自移动设备返回工作区域内；

当满足设定的更新条件时，获取所述自移动设备在行走过程中采集的工作区域中各子区域的草况数据；

分别对所述各子区域的草况数据进行分析处理，得到各子区域的草况等级，所述草况等级用于表示各子区域草地的整体生长情况；

根据所述各子区域的草况等级生成工作区域的草况地图；

根据所述工作区域的草况地图，更新所述自移动设备的路径规划信息，所述路径规划信息用于控制所述自移动设备按照所述路径规划信息行走并工作。

4.根据权利要求3所述的自移动设备的自学习方法，其特征在于，所述分别对所述各子区域的草况数据进行分析处理，得到各子区域的草况等级的步骤，包括：

根据所述各子区域的草况数据，分别得到各子区域中预设范围内的草况数据所占比例；

根据所述比例得到各子区域的草况等级。

5.根据权利要求4所述的自移动设备的自学习方法，其特征在于，所述根据所述各子区域的草况数据，分别得到各子区域中预设范围内的草况数据所占比例，根据所述比例得到各子区域的草况等级的步骤，包括：

根据所述各子区域的草况数据，分别得到各子区域中小于或等于第一预设值的草况数据所占的第一比例、大于所述第一预设值且小于或等于第二预设值的草况数据所占的第二比例、和大于所述第二预设值的草况数据所占的第三比例，其中，所述第一预设值小于所述第二预设值；

当所述第一比例大于预设阈值时，得到对应的子区域的草况等级为第一预设等级；

当所述第一比例小于或等于所述预设阈值、且所述第二比例大于所述第三比例时，得到对应的子区域的草况等级为第二预设等级；

当所述第一比例小于或等于所述预设阈值、且所述第二比例小于或等于所述第三比例时，得到对应的子区域的草况等级为第三预设等级。

6.根据权利要求5所述的自移动设备的自学习方法，其特征在于，所述根据所述工作区域的草况地图，更新所述自移动设备的路径规划信息的步骤，包括：

获取初始路径规划信息，所述路径规划信息包括各子区域的标识以及基于各子区域的标识组成的行走路径；

获取草况等级为第二预设等级和/或第三预设等级的子区域的标识；

根据所述草况等级为第二预设等级和/或第三预设等级的子区域的标识、以及所述行走路径中所述草况等级为第二预设等级和/或第三预设等级的子区域的标识的顺序，更新所述行走路径。

7.根据权利要求3所述的自移动设备的自学习方法，其特征在于，还包括：

获取与所述草况数据对应的位置信息；

对所述草况数据进行分析，根据分析结果生成携带有位置信息的维护指令；

根据所述维护指令控制所述自移动设备行走至所述位置信息对应的位置时，执行所述维护指令对应的维护操作。

8.根据权利要求3所述的自移动设备的自学习方法，其特征在于，还包括：

根据草况数据和位置信息确定工作区域；

以预设位置为起点、第一预设距离为半径得到圆形区域，将所述圆形区域内的工作区域标记为第N子区域；

以已标记的子区域对应的圆形区域为内圆、第二预设距离为内外圆半径差得到圆环区域，并将所述圆环区域内的工作区域标记为第N+1子区域；

当已标记的子区域未包括所有的工作区域时，返回以已标记的子区域对应的圆形区域为内圆、第二预设距离为内外圆半径差得到圆环区域，并将所述圆环区域内的工作区域标记为第N+1子区域的步骤，直至标记的子区域包括所有的工作区域。

9.根据权利要求8所述的方法，其特征在于，所述根据草况数据和位置信息确定工作区域的步骤，包括：

当检测到草况数据小于第三预设值时，以当前位置为起点，获取连续的第三预设距离内的草况数据；

当所述连续的第三预设距离内的草况数据均小于所述第三预设值时，将所述当前位置的位置信息标记为边界位置；

当检测到草况数据大于或等于第三预设值时，将当前位置的位置信息标记为工作区域。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求3-9任一项所述的自移动设备的自学习方法。

Images