CN111067439B - 障碍物处理方法以及清洁机器人 - Google Patents

Abstract

本申请提供了障碍物处理方法与清洁机器人。其中，该清洁机器人包括控制器、图像采集装置、机身主体以及边扫，边扫延伸超过所述机身主体的边缘；图像采集装置用于获取清洁机器人的前进方向上的障碍物的第一图像；控制器用于，根据所述障碍物的第一图像，识别所述障碍物的类型；确定障碍物的类型对应的障碍物处理方式，障碍物处理方式包括清洁机器人在障碍物前是否根据前进方向继续前进，以及当清洁机器人在障碍物前更改前进方向时，机身主体及边扫分别与障碍物之间的距离信息；所述控制器用于根据障碍物的类型对应的障碍物处理方式控制清洁机器人运动。实施本申请可实现针对不同障碍物提高清扫覆盖率的同时，降低清扫风险。

Description

障碍物处理方法以及清洁机器人

技术领域

本申请涉及智能机器人领域，尤其涉及一种障碍物处理方法以及清洁机器人。

背景技术

现代生活中，清洁机器人逐渐应用和普及。在清洁机器人的清扫过程中，会遇到各种障碍物，如墙壁、桌椅、花瓶等。现有的障碍物处理方案主要是通过在清洁机器人前部或顶部安装非接触式传感器，如红外，激光或超声波等测距传感器，通过非接触式方式检测远方障碍物；然后在前部安装一套接触传感器，如开关或电容传感等，来检测清洁机器人与障碍物的触碰。非接触式传感器与接触式传感器相互配合，从而形成一套避障路径。现有技术中，清洁机器人在清扫过程中，在接近障碍物的预定距离内改变运动路径，或者与通过接触式传感器与障碍物发生碰撞后改变运动路径。若避障路径中预定距离太大会使漏扫区域太多；预定距离太小或者与障碍物发生碰撞后可能会损坏部分障碍物，有些情况下，也容易出现清洁机器人被困的现象。因此，清洁机器人面对障碍物时的路径规划很重要。

发明内容

本申请实施例提供一种障碍物处理方法以及清洁机器人，可实现针对不同障碍物提高清扫覆盖率的同时，降低清扫风险，同时能避免现有方案中传感器的相关缺陷。

第一方面，本申请实施例提供了一种障碍物处理方法，所述方法应用于清洁机器人，所述清洁机器人包括机身主体以及与所述机身主体连接的边扫，所述边扫延伸超过所述机身主体的边缘并且用于清扫所述机身主体的边缘之外的地面区域；所述方法包括：采集所述清洁机器人的运行环境中的障碍物的第一图像；根据所述障碍物的第一图像，识别所述障碍物的类型；确定所述障碍物的类型对应的障碍物处理方式，所述障碍物处理方式包括所述清洁机器人在所述障碍物前是否根据所述前进方向继续前进，以及当所述清洁机器人在所述障碍物前更改前进方向时，所述机身主体及所述边扫分别与所述障碍物之间的距离信息；其中不同的障碍物类型对应不同的障碍物处理方式；根据所述障碍物的类型对应的障碍物处理方式控制所述清洁机器人运动。

可以看出，实施本申请实施例，清洁机器人能够区分环境中不同类型的障碍物，依据不同障碍物类型，实现不同的障碍物处理方式，这样，能够针对不同障碍物实现不同的避障距离，确保该远离的障碍物就远离，该尽量靠近的障碍物则尽量靠近，从而可以将清扫覆盖率提升到最高，同时，将风险或负面影响控制到最低。

基于第一方面，在可能的实施例中，所述根据所述障碍物的第一图像，识别所述障碍物的类型包括：根据所述障碍物的第一图像，将所述障碍物的类型识别为以下一种：非危险类障碍物；危险类障碍物；上实下空类障碍物；凹陷类障碍物；相应的，所述障碍物的类型对应的障碍物处理方式具体包括：所述清洁机器人在所述障碍物前更改前进方向，以及更改前进方向时所述机身主体及所述边扫分别与所述障碍物之间的距离信息。这样，后续步骤中就能够针对不同障碍物实现不同的避障距离。本申请实施例通过图像检测的方法来确定障碍物类型，受障碍物颜色影响较小，不会因为障碍物颜色不一样，而导致避障距离不一样，避免现有技术的传感器方案的一些缺陷。

基于第一方面，在可能的实施例中，所述根据所述障碍物的类型对应的障碍物处理方式控制所述清洁机器人运动包括以下至少一种：控制所述清洁机器人调整前进方向并远离所述障碍物；控制所述清洁机器人调整前进方向并根据所述障碍物进行沿墙运动；控制所述清洁机器人相对所述障碍物进行后退运动。这样，能够针对不同障碍物实现不同的避障距离，确保该远离的障碍物就远离，该尽量靠近的障碍物则尽量靠近，从而可以将清扫覆盖率提升到最高，同时，将风险或负面影响控制到最低。

基于第一方面，在可能的实施例中，所述根据所述障碍物的类型对应的障碍物处理方式控制所述清洁机器人运动还包括以下至少一种：控制所述机身主体不靠近所述障碍物，并控制所述边扫不靠近所述障碍物；控制所述机身主体不靠近所述障碍物，并控制所述边扫靠近所述障碍物；控制所述机身主体靠近所述障碍物，并控制所述边扫靠近或接触所述障碍物。

基于第一方面，在可能的实施例中，所述根据所述障碍物的类型对应的障碍物处理方式控制所述清洁机器人运动具体为以下一种：当所述障碍物的类型表示危险类障碍物，控制所述机身主体不靠近所述障碍物，并控制所述边扫不靠近所述障碍物；当所述障碍物的类型表示上实下空类障碍物或凹陷类障碍物时，控制所述机身主体不靠近所述障碍物，并控制所述边扫靠近所述障碍物；当所述障碍物的类型表示非危险类障碍物时，控制所述机身主体靠近所述障碍物，并控制所述边扫靠近或接触所述障碍物。这样，能够针对不同障碍物实现不同的避障距离，确保该远离的障碍物(如高危险类)就远离，该尽量靠近的障碍物(如非危险类)则尽量靠近，从而可以将清扫覆盖率提升到最高，同时，将风险或负面影响控制到最低。

基于第一方面，在可能的实施例中，所述根据所述障碍物的第一图像，识别所述障碍物的类型包括：根据所述障碍物的第一图像，将所述障碍物的类型识别为以下一种：轻薄且可穿越类障碍物；突起且可跨越类障碍物；轻型且可推动类障碍物；相应的，所述障碍物的类型对应的障碍物处理方式具体包括：所述清洁机器人在所述障碍物前根据所述前进方向继续前进。也就是说，本申请实施例中，有些障碍物需要调整前进方向远离或者执行沿墙模式，而有些障碍物可以穿越、跨越甚至推动的。

基于第一方面，在可能的实施例中，所述根据所述障碍物的类型对应的障碍物处理方式控制所述清洁机器人运动包括以下至少一种：控制所述清洁机器人接触及穿越所述障碍物；控制所述清洁机器人接触及跨越所述障碍物；控制所述清洁机器人接触及推动所述障碍物。也就是说，本申请实施例除了障碍物需要调整前进方向、远离或者执行沿墙模式的处理方式外，有些障碍物可以穿越、跨越甚至推动的处理方式，这样，能够极大丰富应用场景的清扫处理方式，满足各种场景的清扫需求。

基于第一方面，在可能的实施例中，所述根据所述障碍物的类型对应的障碍物处理方式控制所述清洁机器人运动为以下一种：当所述障碍物的类型表示轻薄且可穿越类障碍物时，控制所述清洁机器人接触及穿越所述障碍物；当所述障碍物的类型表示突起且可跨越类障碍物时，控制所述清洁机器人接触及跨越所述障碍物；当所述障碍物的类型表示轻型且可推动类障碍物时，控制所述清洁机器人接触及推动所述障碍物。

可以看到，本申请实施例中，除了障碍物需要调整前进方向、远离或者执行沿墙模式的处理方式外，有些障碍物可以穿越、跨越甚至推动的处理方式，这样，能够极大丰富应用场景的清扫处理方式，满足各种场景的清扫需求，从而可以将清扫覆盖率提升到最高，同时，将风险或负面影响控制到最低。

基于第一方面，在可能的实施例中，所述障碍物处理方式还包括：在所述清洁机器人的前进方向上的动作起始点相对所述障碍物的位置信息；所述根据所述障碍物的类型对应的障碍物处理方式控制所述清洁机器人运动还包括：从所述清洁机器人运动至所述位置信息指示的动作起始点开始，控制所述清洁机器人减速或者加速。

具体的，清洁机器人移动速度与动作起始点距离或减速加速度成正向关系，因为机器人移动速度越高，要实现避障路径的难度就越大，则需要预留更长距离做为缓冲。

基于第一方面，在可能的实施例中，所述方法还包括：根据所述障碍物的第一图像，获得第一障碍物边界的可信度；根据所述第一障碍物边界的可信度，对所述动作起始点相对所述障碍物的位置信息进行修正，得到修正后的位置信息；相应的，所述从所述清洁机器人运动至所述位置信息指示的动作起始点开始，控制所述清洁机器人减速或者加速具体为：从所述清洁机器人运动至所述修正后的位置信息指示的动作起始点开始，控制所述清洁机器人减速或者加速。

具体的，障碍物边界的置信度水平与动作起始点距离或速率成反向关系，因为边界置信度水平低`，则障碍物边界错误的可能性增大，则需要预留更长距离做为缓冲。

比如，对于一些可以让清洁机器人靠近的障碍物类型，动作起始点距离可以短一些，或者减速加速度小一些。例如障碍物为床边，清洁机器人可以较短的动作起始点距离启动动作，使清洁机器人可以尽量靠近障碍物，尽量提高清扫覆盖率。

基于第一方面，在可能的实施例中，所述方法还包括：在所述清洁机器人运动超过所述动作起始点之后，获取所述障碍物的第二图像；根据所述障碍物的第二图像确定所述障碍物的类型，以及，根据所述障碍物的第二图像获得第二障碍物边界的可信度；确定所述第一障碍物边界的可信度和所述第二障碍物边界的可信度两者中，可信度较高者对应图像所对应的障碍物的类型；

相应的，所述根据所述障碍物的类型对应的障碍物处理方式控制所述清洁机器人运动包括：根据所述所对应的障碍物的类型对应的障碍物处理方式控制所述清洁机器人运动。

可以看到，在各种障碍物处理方式中，在判断出前方有障碍物后，清洁机器人将在动作起始点开始减速，这样有利于提高图像检测装置输出数据的精度)。然后，可再次进行图像检测(即再次拍照并再次进行图像识别和图像测距)，从而对障碍物类型进行确认，以及对机身距离的距离进行确认，确认以提高置信度。

基于第一方面，在可能的实施例中，所述根据所述障碍物处理方式进行运动及清扫之前，还包括：根据所述障碍物的第一图像，计算得到障碍物边界；以及，根据所述障碍物的第一图像，计算得到所述障碍物到所述机身主体的距离；根据所述距离，将所述障碍物边界标定在SLAM地图；根据标定有所述障碍物边界的SLAM地图和所述障碍物处理方式进行路径规划，得到运动路径；相应的，所述根据所述障碍物处理方式进行运动及清扫，包括：根据所述运动路径进行运动及清扫。

可以看出，实施本申请实施例，清洁机器人能够通过图像检测或者已存储在SLAM地图上的障碍物边界区分环境中不同类型的障碍物，依据不同障碍物类型，再根据路径规划算法，实现不同的障碍物处理方式，并可将障碍物边界标定到SLAM地图中，结合SLAM地图和障碍物处理方式进行综合的路线规划。这样，既能够针对不同障碍物实现不同的避障距离，从而将清扫覆盖率提升到最高的同时将风险或负面影响控制到最低，还能有较充分的距离制定避障路径，因此避障路径会更加合理。

第二方面，本申请实施例提供了一种清洁机器人，所述清洁机器人包括机身主体以及与所述机身主体连接的边扫，其中所述机身主体包括控制器、图像采集装置，所述边扫延伸超过所述机身主体的边缘并且用于清扫所述机身主体的边缘之外的地面区域；所述图像采集装置用于，采集所述清洁机器人的运行环境中的障碍物的第一图像；所述控制器用于，根据所述障碍物的第一图像，识别所述障碍物的类型；还用于确定所述障碍物的类型对应的障碍物处理方式，所述障碍物处理方式包括所述清洁机器人在所述障碍物前是否根据所述前进方向继续前进，以及当所述清洁机器人在所述障碍物前更改前进方向时，所述机身主体及所述边扫分别与所述障碍物之间的距离信息；其中不同的障碍物类型对应不同的障碍物处理方式；所述控制器用于，根据所述障碍物的类型对应的障碍物处理方式控制所述清洁机器人运动。

所述清洁机器人的各个部件具体可用于实现第一方面所描述的方法。

第三方面，本申请实施例提供了一种非易失性存储介质，用于存储程序指令，当该程序指令应用于清洁机器人时，可用于实现第一方面所描述的方法。

第四方面，本申请实施例提供了一种计算机程序产品；该计算机程序产品包括程序指令，当该计算机程序产品被清洁机器人执行时，该清洁机器人执行前述第一方面所述方法。该计算机程序产品可以为一个软件安装包，在需要使用前述第一方面的任一种可能的设计提供的方法的情况下，可以下载该计算机程序产品并在清洁机器人上执行该计算机程序产品，以实现第一方面所述方法。

可以看出，实施本申请实施例，清洁机器人能够区分环境中不同类型的障碍物，依据不同障碍物类型，再根据路径规划算法，实现不同的障碍物处理方式，如有些障碍物不能碰撞需提前后退，有些障碍物需要调整前进方向远离或者执行沿墙模式，有些障碍物可以穿越、跨越甚至推动。这样，能够针对不同障碍物实现不同的避障距离，确保该远离的障碍物(如高危险类)就远离，该尽量靠近的障碍物(如非危险类)则尽量靠近，从而可以将清扫覆盖率提升到最高，同时，将风险或负面影响控制到最低。另外，本申请实施例还可在考虑障碍物类型的基础上再综合考虑了边界置信度水平、清洁机器人的移动速度等因素的影响，对障碍物处理方式的相关避障路径进行修正，因此避障路径更具有可操作性和准确性。此外，本申请实施例受障碍物颜色影响较小，不会因为障碍物颜色不一样，而导致避障距离不一样，避免现有技术的一些缺陷。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1A为本申请实施例示例性提供的清洁机器人的俯视示意图；

图1B为本申请实施例示例性提供的清洁机器人的仰视示意图；

图2为本申请实施例示例性提供的清洁机器人的结构示意图；

图3为本申请实施例示例性提供的清洁机器人的控制器功能结构示意图；

图4为本申请实施例提供的一种障碍物处理方法的流程示意图；

图5为本申请实施例提供的一种应用场景中清洁机器人与障碍物边界的示意图；

图6(1)-图6(11)为本申请实施例提供的各种应用场景中清洁机器人的障碍物处理方式的示意图；

图7为本申请实施例提供的又一种障碍物处理方法的流程示意图；

图8为本申请实施例提供的一种全局运动路径的示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

需要说明的是，在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

图1A和图1B是本申请的一个实施例提供的一种清洁机器人10的结构示意图，其中图1A示出了该清洁机器人10的俯视图，图1B示出了该清洁机器人10的仰视图。如图1A和图1B所示，该清洁机器人10包括：机身主体101以及与所述机身主体101连接的清扫装置，清扫装置例如可包括一个或多个边扫(如图示中清扫装置包括边扫1021和边扫1022)。可选的实施例中，清扫装置还可包括一个或多个主扫1041。机身主体101包括清洁机器人的壳体、以及容纳于壳体的多种部件。

轮子装置可以部分容纳于壳体中，如图示中轮子装置包括主动轮1031、主动轮1032和从动轮1033)。其中主动轮1031及主动轮1032中一个为左轮子装置，一个为右轮子装置。主动轮1031及主动轮1032分别以对称的方式居中地布置在机器主体101的底部的相对侧。在执行清洁期间执行包括向前运动、向后运动及旋转的运动操作。从动轮1033设置在机器主体101前部，用于改变清洁机器人在行进过程中的行驶方向。

图像采集装置(如图示中的摄像头1051)设置在壳体上。可选的，壳体上还设置有一个或多个传感器(如图示中包括接触传感器1061)。

在一具体实现中，清洁机器人10的壳体可以呈圆形，也可以是其他形状(如方形、椭圆等)，这里不做限定。

在一具体实现中，图像采集装置可以是单目摄像头或双目摄像头或深度摄像头，设置于机身主体的壳体上面的前方位置(即前置摄像装置)，用于实现对清洁机器人在前进方向行进中遭遇的障碍物进行拍摄或录像功能，并将图像或视频传输至容纳于壳体中的相关部件，相关部件基于图像或视频实现清洁机器人10的路线规划。其中，容纳于壳体中的相关部件可参考图2实施例的描述，这里不再赘述。

在一些实施例中，除了安装有前置摄像装置之外，还可以在机身主体的后部、底部等其他部位安装摄像装置，用于采集机身主体周边的环境图像，并将采集的环境图像存储于存储器315中。

在一具体实现中，轮子装置可与壳体固定连接，轮子装置用于基于机身主体的相关部件的驱动而进行运动，具体的，可用于前进、后退、调整前进方向等运动以及用于加速、减速、匀速、暂停等运动。需要说明的是，本申请对轮子装置设置在壳体下面的具体位置不作限定。

在一具体实现中，边扫可设置于壳体下面的前方位置，用于在清洁机器人10行进中进行垃圾清扫。举例来说，如图1B所示，边扫包括边扫1021和边扫1022，且边扫1021和边扫1022皆相较于壳体前伸出一定的相对距离，以扩大清扫范围和实现本申请实施例所描述的障碍物处理方法。在一实例中，边扫可与壳体进行固定连接，此时，边扫的边缘相对壳体的距离是固定的。在又一实例中，边扫可与壳体进行可伸缩连接，此时，边扫的边缘相对壳体的距离是可以改变的，即可根据处理方式需要而改变清扫距离。

在一具体实现中，主扫1041可设置于壳体底部的位置，用于在清洁机器人10行进中对经过边扫所清扫的垃圾进行进一步清扫和回收。举例来说，如图1B所示，主扫1041可以是以滚轮形进行转动的鼓形转刷，在壳体内部还设置有垃圾回收腔(图未示)，垃圾回收腔与主扫1041接合，用于收集经主扫1041所回收的垃圾。

需要说明的是，实际应用中，清洁机器人10还可包括其他模块或组件，例如清洁机器人10还包括回充座，用于实现清洁机器人10的自主智能充电等等，本申请实施例不作限定。

参见图2，图2为本申请实施例提供的清洁机器人10的一种具体实现方式的结构框图。如图2所示，清洁机器人10可包括：芯片310、存储器315(一个或多个计算机可读存储介质)、外围系统317。这些部件可在一个或多个通信总线314上通信。

外围系统317主要用于实现SLAM终端300和用户/外部环境之间的交互功能，具体实现中，外围系统317可包括：运动管理模块318、摄像头管理模块319、清扫管理模块320以及传感器管理模块321中的若干个部件。其中，各个管理模块可与各自对应的外围设备如轮子装置323、摄像头324、清扫装置325以及传感器326等耦合。其中：

在一些实施例中，轮子装置323可进一步包括主动轮和从动轮，主动轮和从动轮的功能可参考上文的描述。

在一些实施例中，摄像头324可以为单目摄像头或双目摄像头。

在一些实施例中，清扫装置325可进一步包括边扫和主扫，边扫和主扫的功能可参考上文的描述。

在一些实施例中，传感器326可进一步包括以下传感器中的一个或多个：接触传感器，用于检测清洁机器人10是否与障碍物接触，接触传感器可进一步包含开关、电容传感、压力感应等；速度计，用于检测清洁机器人10的行驶速度；加速计，用于检测清洁机器人10的加速度；里程计，用于检测清洁机器人10的行驶里程。在一些实施例中，传感器326还包括红外传感器，超声波传感器，射频(RF)传感器，地磁传感器，位置敏感设备(PSD)传感器等。传感器326用于感测清洁机器人周围的障碍数据。

需要说明的，外围系统317还可以包括其他I/O外设，这里不做限定。

芯片310可集成包括：一个或多个控制器311、时钟模块312以及可能的电源管理模块313。集成于芯片310中的时钟模块312主要用于为控制器311产生数据传输和时序控制所需要的时钟。集成于基带芯片310中的电源管理模块313主要用于为控制器311以及外围系统提供稳定的、高精确度的电压。

控制器311包括，但不限于：中央处理器、单片机、数字信号处理器、微处理器等。

存储器315与控制器311耦合，用于存储各种数据(如障碍物类型与障碍物处理方式之间的映射关系)、各种软件程序和/或多组程序指令、存储清洁机器人10的行进区域的地图。具体实现中，存储器315可包括高速随机存取的存储器，并且也可包括非易失性存储器，例如一个或多个磁盘存储设备、闪存设备或其他非易失性固态存储设备。存储器315还可以存储一个或多个应用程序，如SLAM系统程序、深度学习图像算法等。

一些实施例中，所述地图包括全局位置图、行进区域中各个房间的位置、障碍物的位置信息、障碍物的类型等等。在清洁机器人10的行进过程中，基于各种传感器感测到的数据，更新所述地图中的数据。

应当理解，具体应用场景中，清洁机器人10可具有比图2示出的部件更多或更少的部件，可以组合两个或更多个部件，或者可具有部件的不同配置实现。

本申请具体实施例中，所述控制器311可用于调用存储器中的程序指令和数据，以实现下文所描述的障碍物处理方法，为了说明书的简洁，这里不赘述。

下面进一步描述控制器311的相关功能模块。参见图3，图3是控制器311的一种具体实现方式的结构框图，如图3所示，控制器311进一步包括图像获取模块401、图像检测模块403、图像测距模块405、障碍物处理模块407、地图处理模块409，其中：

图像获取模块401，用于获取摄像头所采集的障碍物的图像。

图像检测模块403，根据所述障碍物的图像，确定所述障碍物的类型；还用于根据障碍物的图像，计算得到障碍物边界。

图像测距模块405，用于根据所述障碍物的图像，计算得到所述障碍物到所述机身主体的距离。

障碍物处理模块407，用于确定所述障碍物的类型对应的障碍物处理方式，其中，障碍物的类型与障碍物处理方式之间具有对应关系，所述障碍物处理方式包括所述清洁机器人在所述障碍物前是否改变前进方向，以及当所述清洁机器人在所述障碍物前改变前进方向时，所述机身主体、所述边扫分别与所述障碍物之间的位置信息。

地图处理模块409，用于根据所述距离信息，将所述障碍物边界标定在SLAM地图，以及用于根据标定有所述障碍物边界的SLAM地图和所述障碍物处理方式进行路径规划，得到运动路径。

后续，控制器311可将障碍物处理方式或运动路径的指令发送至图2所示的运动管理模块318和清扫管理模块319，从而通过运动管理模块318进一步驱动轮子装置323进行运动，通过清扫管理模块319进一步驱动清扫装置325进行清扫。

上述各个模块具体用以实现下文所描述的障碍物处理方法，为了说明书的简洁，这里不赘述。

参见图4，基于上文所描述清洁机器人，下面描述本申请实施例提供的一种障碍物处理方法，该方法包括但不限于以下步骤：

步骤201、控制器311获取清洁机器人的运行环境中的障碍物的图像。

其中，本文中所描述的障碍物为清洁机器人在行进过程中遇到的任意的可能会对清洁机器人的运动造成影响的物体。

具体的，障碍物可以是凸起地面的物体，例如家具、家电、玩具、瓶装物、动物粪便、墙壁、电线、茶几布帘、门槛、鞋子等等；障碍物也可以是紧贴地面的物体，例如地面的水渍、粉末堆等等；障碍物可以是从地面凹陷下去的物体，例如楼梯、凹槽等等。

在一实施例中，清洁机器人在沿前进方向行进中，通过其自身的摄像头对环境进行拍摄，可以理解的，当清洁机器人前方有障碍物时，其所拍摄的图像或录像中就会存在障碍物的图像。

步骤202、控制器311根据所述障碍物的图像，确定所述障碍物的障碍物类型(可简称为所述障碍物的类型)。

障碍物类型表征了障碍物的属性。在一些实施例中，可预先在清洁机器人中设置多个种类的障碍物类型。举例来说，可将障碍物类型表示为以下几种：

非危险类障碍物，如墙壁、桌椅等固定物体。对于清洁机器人而言，非危险类障碍物不会影响机器的清扫，是可触碰的。

危险类障碍物，如花瓶、宠物粪便、垃圾桶等物体。在一实施例中，危险类障碍物还可以再细分，如高危险不可接触类障碍物危险类障碍物。对于清洁机器人而言，危险类障碍物会对清扫带来较大的负面影响。

上实下空类障碍物，如与清洁机器人高度相等的上实下空的家具(因为机身可能被卡死)等。

凹陷类障碍物，如楼梯、凹槽、悬崖等。

在一些实施例中，所述障碍物类型还可以表示分为以下几种：

轻薄且可穿越类障碍物，如下垂的床单、茶几布帘、桌帘、窗帘等。

突起且可跨越类障碍物，如低门槛等。

轻型且可推动类障碍物，如小玩具、轻型拖鞋等。

此外，障碍物类型还可以包括两种或两种以上障碍物组合类型，也就是说，当两种或两种以上障碍物中的相邻障碍物之间的间隔小于所述机身主体的最大长度时，此时清洁机器人将无法从这些障碍物间隙中穿过去，那么清洁机器人可将这样的障碍物组合作为一种障碍物类型。

需要说明的是，上述障碍物类型仅仅作为示例，实际应用中，可根据实际的清扫需要预先配置障碍物类型。

在具体的实施例中，清洁机器人在行进过程中，通过摄像头获得障碍物的图像后，控制器311可根据该图像通过预先训练好的深度学习模型进行识别，从而识别该障碍物对应的障碍物类型。举例来说，通过深度学习模型识别出当前拍摄的障碍物为花瓶，进而控制器311确定该障碍物的类型表示危险类障碍物。

需要说明的是，在其他可能的实施方式中，也可通过其他图像识别算法或传感器方法来识别障碍物的类型。

因此，在具体的实施例中，清洁机器人还根据障碍物的图像，采用图像测距算法进行测距，从而获得障碍物到清洁机器人的距离。

步骤203、控制器311确定所述障碍物的类型对应的障碍物处理方式。

本申请实施例中，为了解决现有技术的缺陷，可在清洁机器人中预先设置障碍物类型与障碍物处理方式之间的对应关系。也就是说，每一种障碍物类型均对应于至少一种障碍物处理方式，不同的障碍物类型对应不同的障碍物处理方式。其中，障碍物类型表征了障碍物的属性，障碍物处理方式表示在清洁机器人清扫过程中，遇到该障碍物类型的障碍物时如何进行运动以及如何进行清扫。具体的，障碍物处理方式指示了针对该障碍物时清洁机器人采用避障路径还是非避障路径。

避障路径是指清洁机器人遇到障碍物时，避开障碍物，调整方向进行移动。避障路径的具体内容包括但不限于以下行为或内容中的一个或多个：减速、加速、调整加速度(比如调整减速加速度)、调整前进方向、直线后退、以沿墙模式移动一段距离、指定动作起始点(动作起始点用于确定进行避障动作的起始点)、指定动作起始点与障碍物碰撞点之间的直线距离(下文简称为动作起始点距离)、指定清洁机器人的机身主体与障碍物碰撞点之间的直线距离(下文简称为机身距离)、指定清洁机器人的边扫边缘与障碍物碰撞点之间的直线距离(下文简称为边扫距离)等等。其中，障碍物碰撞点指清洁机器人依据障碍物边界、清洁机器人的形状(包括边扫能够触及的边界)和清洁机器人的行走方向而计算出的最近的碰撞点。

其中，所述以沿墙模式移动一段距离是指：清洁机器人将障碍物边界或膨胀后的虚拟边界(指障碍物的四周同时向外扩展一段距离，以确保机器人不会触碰到障碍物)模拟成实际的墙，清洁机器人以接触或者不接触障碍物的方式，沿着障碍物边界或膨胀后的虚拟边界行走一段距离。清洁机器人跟随障碍物边界的距离可以根据障碍物类型进行调整，最后形成的路径轨迹近似于障碍物边界的一段或整段。

其中，如图5所示，障碍物边界为清洁机器人根据障碍物的图像进行特征提取(如点云特征提取)，从而获得障碍物的最外边缘的位置特征，可将该位置特征或者将该位置特征膨胀后的虚拟边界作为障碍物边界。如图5示出了清洁机器人以及其所遇见的一种障碍物边界为六边形的障碍物。清洁机器人可将该障碍物边界标定在清洁机器人通过自身的SLAM系统所构建的SLAM地图上。

非避障路径是指清洁机器人遇到障碍物时，不避开障碍物，按照原先规划的前进方向进行移动。非避障路径的具体内容包括但不限于以下行为或内容中的一个：接触并穿越障碍物、接触并跨越障碍物，接触并推动障碍物前进一段距离。或者，非避障路径的具体内容包括接触并穿越障碍物、接触并跨越障碍物，接触并推动障碍物前进一段距离中的多个的组合，例如先接触并推动障碍物前进一段距离，再跨越该障碍物。

需要说明的是，对于非避障路径并不意味着整个运动过程清洁机器人都要固定不变地按照原先规划的前进方向运行，只是说从全局而言，其前进方向总体是按照原先规划的前进方向运行的。例如在可能的应用场景中，清洁机器人在不避开障碍物、按照原先规划的前进方向进行移动的过程中，可能也会在某个阶段出现前进方向的适当调节(比如在障碍物前先稍微转向，使清洁机器人以更好的路径跨越障碍物，再恢复原定方向)，其目的是为了实现穿越障碍物、或跨越障碍物、或推动障碍物前进，从全局而言，其前进方向总体是按照原先规划的前进方向运行的。

参见表1，表1示例性地示出了障碍物类型与障碍物处理方式之间的一些对应关系。

表1

基于表1，对障碍物处理方式分别描述如下：

处理方式1：对于一些危险类障碍物，如花瓶，宠物粪便等，在一种实现中，机身主体和边扫尽量不靠近障碍物边界，以避免磨蹭到该障碍物。因此，在所述障碍物前更改前进方向后，清洁机器人可直线后退。具体的，如图6(1)，清洁机器人在某个动作起始点开始减速，清洁机器人再次确认障碍物类型和机身距离，在机身距离为len2长度处停止运动，开始执行直线后退动作。其中动作起始点距离的长度可记为len1(下文同)。相对于非危险可接触类障碍碍物，len1优选地可取一个较大的值。len2的值应保证清洁机器人的边缘(即边扫边缘)和障碍物间有适当的安全距离。

处理方式2：对于一些非危险类障碍物，如墙壁，床等，在一种实现中，机身主体或边扫可尽量靠近或接触障碍物边界，以更全面地清扫障碍物。在所述障碍物前更改前进方向后，清洁机器人调整方向并远离障碍物。具体的，如图6(2)，清洁机器人可在某个动作起始点开始减速，在清洁机器人再次确认障碍物类型和机身距离后，在机身距离len2处调整方向并远离。其中相对于危险类障碍物，动作起始点距离len1的长度可选一个较小的值。其中len2的值可取足够小值，甚至可取0值，以减小漏扫区域。可以理解的，当len2为0时，即边扫直接接触障碍物边界且机身主体也直接接触障碍物边界。

处理方式3：对于与机器高度相等的上实下空类障碍物，如上实下空的家具，在一种实现中，机身主体不能靠近障碍物边界，以避免清洁机器人被卡住，但是边扫可以靠近障碍物边界。在所述障碍物前更改前进方向后，清洁机器人调整方向并远离障碍物。具体的，如图6(3)，清洁机器人在某个动作起始点开始减速，在清洁机器人再次确认障碍物类型和机身距离后，在机身距离len2处调整方向并远离。其中相对于危险类障碍物及非危险类障碍物，动作起始点距离len1的长度可选一个适中的值。其中len2的值应使得边扫能尽量能够接触到障碍物边界，以减小漏扫区域，但不可使机身主体触碰到障碍物边界，以防机身主体卡入障碍物底部。

处理方式4：对于危险类障碍物，如动物粪便、电线、花瓶、液体(咖啡，果汁，牛奶等)等，在又一种实现中，机身主体和边扫都不能靠近障碍物边界，以避免接触到该障碍物。在所述障碍物前更改前进方向后，清洁机器人调整方向并远离障碍物。具体的，如图6(4)，清洁机器人在某个动作起始点开始减速，清洁机器人再次确认障碍物类型和机身距离后，在离障碍物边界len2距离处调整方向并远离障碍物。其中相对于非危险障可接触类障碍碍物，动作起始点距离len1优选地可取一个较大的值。这里len2的长度应保证清洁机器人和障碍物边界之间有适当的安全距离。

处理方式5：对于非危险类障碍物，如墙壁，床等，在又一种实现中，机身主体或边扫尽量靠近障碍物边界。在所述障碍物前更改前进方向后，清洁机器人进入沿墙模式。具体的，如图6(5)，清洁机器人在某个动作起始点开始减速，再次确认障碍物类型和机身距离后，在len2距离处调整方向并沿着障碍物边界执行沿墙模式。其中相对于危险类障碍物，动作起始点距离len1的长度可选一个较小的值。len2的长度可取足够小值。在一些实施例中可让清洁机器人执行沿墙模式时边扫接触到障碍物边界，或者机身主体离障碍物边界的距离为1cm-3cm，以减小漏扫区域。

处理方式6：对于与机器高度相等的上实下空类障碍物，在又一种实现中，机身主体不能靠近障碍物边界，边扫可以靠近障碍物边界。在所述障碍物前更改前进方向后，清洁机器人执行沿墙模式。具体的，如图6(6)，清洁机器人在某个动作起始点开始减速，再次确认障碍物类型和机身距离后，在len2距离处调整方向并沿着障碍物边界执行沿墙模式。其中相对于危险类障碍物及非危险类障碍物，动作起始点距离len1的长度可选一个适中的值。len2的长度应使得边扫能尽量接触障碍物边界，以减小漏扫区域，但不可使清洁机器人触碰到障碍物边界，以防机器卡入障碍物底部。

处理方式7：对于危险类障碍物，如动物粪便、电线、花瓶、液体(咖啡，果汁，牛奶等)、非回充模式下遇到的回充座等，在又一种实现中，机身和边扫都不能靠近障碍物边界，以避免触碰到障碍物。在所述障碍物前更改前进方向后，清洁机器人执行沿墙模式。具体的，如图6(7)，清洁机器人在某个动作起始点开始减速，再次确认障碍物类型和机身距离后，在len2距离处调整方向沿障碍物边界执行沿墙模式。其中相对于非危险可接触类障碍碍物，len1优选地可取一个较大的值。len2的长度应保证清洁机器人的外缘和障碍物边界之间有适当的安全距离。

处理方式8：对于障碍物组合类型，障碍物组合中的障碍物间隙长度小于机身主体的直径，所以清洁机器人将无法通过，此时可根据障碍物组合类型中的障碍物来确定机身主体或边扫能否靠近。具体的，如图6(8)，清洁机器人可通过地图信息或者实时距离测量等方法可得两障碍物之间的间隙长度len3(比如两障碍物之间入口处的长度)小于清洁机器人的机身主体的直径，那么可将这两障碍物视为一个障碍物组合，将两障碍物之间的连接线作为该障碍物组合的障碍物边界的一部分。那么清洁机器人可在某个动作起始点开始减速，这里len1和len2的长度根据两障碍物中清洁机器人当前面对的障碍物本身的类型来确定，当然，也可设置len1和len2为一恒定值，清洁机器人在离该障碍物len2距离处调整方向沿该障碍物边界以及连接线执行沿墙模式。

处理方式9：对于轻薄且可穿越类障碍物，如下垂的床单、茶几布帘、桌帘、窗帘等，清洁机器人不改变原定前进方向继续前进。这个过程可能会触发到机身主体中的接触传感器，清洁机器人可直接穿越障碍物。具体的，如图6(9)，障碍物为桌帘，清洁机器人在某个动作起始点开始减速，再次确认障碍物类型和距离后，清洁机器人继续往前直行。当接触传感器检测到该障碍物时，清洁机器人继续尝试往前直行，若能够继续前行则维持原定前进方向进行前进，直到穿越障碍物。需要说明的是，若清洁机器人无法继续前行，则应该停止穿越障碍物并调整避障路径。其中相对于危险类障碍物，动作起始点距离len1的长度可选一个较小的值。

处理方式10：对于突起且可跨越类障碍物，如门槛等，清洁机器人可先预判障碍物的高度，如果障碍物高度大于机器人的可跨越高度，则采取前述的障碍物处理方式。相反，如果障碍物高度小于等于机器人的可跨越高度，则清洁机器人不改变原定前进方向继续前进。这个过程可能不会触发到机身主体中的接触传感器，清洁机器人可直接跨越障碍物。具体的，如图6(10)，障碍物为低门槛，机器人在某个动作起始点可选择进行加速，再次确认障碍物类型和机身距离后，清洁机器人继续往前直行，直到跨越该障碍物。这个过程中由于清洁机器人的外壳并没有碰到障碍物，所以接触传感器不会被触发。需要说明的是，相反，如接触传感器检测到障碍物，则说明外壳碰到了障碍物，则应该停止跨越障碍物并调整避障路径。其中，相对于非危险可接触类障碍碍物，动作起始点距离len1的长度可选一个较大的值。

处理方式11：对于轻型且可推动类障碍物，如拖鞋、小玩具等，清洁机器人不改变原定前进方向继续前进，清洁机器人触碰到障碍物后，继续前进，从而推动障碍物移动一段距离。可以理解的，这个过程可能会触发到机身主体中的接触传感器。具体的，如图6(11)，清洁机器人在某个动作起始点开始减速，再次确认障碍物类型和机身距离后，继续往前直行。当接触传感器检测到障碍物时，继续尝试往前直行。当推动障碍物移动一小段距离后或者障碍物无法推动时，则应该停止推动障碍物调整避障路径。其中危险类障碍物，动作起始点距离len1的长度可选一个较小的值。

需要说明的是，上述表1仅仅作为障碍物类型与障碍物处理方式之间的对应关系的解释，而非限定。本申请实施例的具体应用中，可根据实际清扫的需要预先配置各种障碍物类型、各种障碍物处理方式、以及两者的各种对应关系。

还需要说明的是，控制器根据所述障碍物的类型对应的障碍物处理方式，控制所述清洁机器人的运动除了可能是以下的一种：控制所述清洁机器人调整前进方向并远离所述障碍物；控制所述清洁机器人调整前进方向并根据所述障碍物进行沿墙运动；控制所述清洁机器人相对所述障碍物进行后退运动。也可能是多种运动的组合，例如控制器先控制清洁机器人相对障碍物进行后退运动，控制器再控制清洁机器人调整前进方向并根据障碍物进行沿墙运动，等等。

通过上述表1的描述可以看到，本申请实施例中，障碍物类型与障碍物处理方式之间具有对应关系，即在确定障碍物类型后，清洁机器人将可以获取与之对应的障碍物处理方式。

需要说明的是，在本申请实施例中，控制器311可根据障碍物的图像计算获得障碍物边界的可信度，根据障碍物边界的可信度，对动作起始点相对所述障碍物的位置信息(即动作起始点与障碍物间的距离)进行修正，障碍物边界的可信度越低，动作起始点与障碍物间的距离越大。

需要说明的是，在本申请实施例上述各种处理方式中，清洁机器人具体可在某个动作起始点开始减速，然后通过对障碍物拍照再次获得障碍物的图像，根据该图像确定所述障碍物的类型、确定当前清洁机器人与障碍物的距离，以及根据该图像获得障碍物边界的可信度，比较本次障碍物边界的可信度和步骤204所拍摄图像的障碍物边界的可信度，将两者中可信度较大者对应的障碍物的类型予以采用，即采用可信度较大者对应的障碍物的类型所对应的障碍物处理方式继续执行后续的运动。

可以看到，在各种障碍物处理方式中，在判断出前方有障碍物后，清洁机器人将在动作起始点开始减速，这样有利于提高图像检测装置输出数据的精度。然后，可再次进行图像检测(即再次拍照并再次进行图像识别和图像测距)，从而对障碍物类型进行确认，以及对机身距离的距离进行确认，确认以提高置信度。

还可以看到，本申请实施例还可以依据障碍物类型设置不同动作起始点距离和减速加速度(减速加速度也可不随着障碍物类型变化)。

比如，对于一些可以让清洁机器人靠近的障碍物类型，动作起始点距离可以短一些，或者减速加速度小一些。例如障碍物为床边，清洁机器人可以较短的动作起始点距离启动动作，使清洁机器人可以尽量靠近障碍物，尽量提高清扫覆盖率。

比如，对于一些不可以让清洁机器人靠近的障碍物类型，动作起始点距离要长一些，或减速加速度要大一些。例如回充座，遇到回充座则不能靠近回充座清扫，因为边扫或机身主体会撞歪回充座，导致以后充电失败，因此清洁机器人设置的动作起始点距离更长或者减速加速度大。又例如动物粪便，则清洁机器人需要远离，以确保边扫和机器人本身不能有任何接触该动物粪便，因此设置的动作起始点距离长且减速加速度大，但距离又不能太远，因为太远清扫覆盖率受影响。

又比如，对于门槛类的障碍物，动作起始点与障碍物的高度成正相关，并且可取反向减速加速度。即在动作起始点后增加清洁机器人行进速度，以使清洁机器人有较大的惯性和动力可以跨越障碍物。

在本申请实施例的具体实现中，所述控制器311还可以配置不可以靠近的障碍物类型的动作起始点距离大于可以靠近的障碍物类型的动作起始点距离，或者配置不可以靠近的障碍物类型的减速加速度大于可以靠近的障碍物类型的减速加速度。

需要说明的是，在可能的实施例中，对于某个障碍物类型而言，其对应的障碍物处理方式不是固定不变的，而是可根据一些因素进行调整、修正，这些因素包括障碍物边界的置信度水平、障碍物所处的环境对所述障碍物的影响、多个障碍物之间的相互影响、路径规划处理方式，等等。

具体的，障碍物边界的置信度水平与动作起始点距离或速率成反向关系，因为边界置信度水平低`，则障碍物边界错误的可能性增大，则需要预留更长距离做为缓冲。

具体的，清洁机器人移动速度与动作起始点距离或减速加速度成正向关系，因为机器人移动速度越高，要实现避障路径的难度就越大，则需要预留更长距离做为缓冲。

此外，动作起始点距离和减速加速度的大小也可以依据实际情况进行搭配。比如，所述控制器311可以使动作起始点距离更长，减速加速度更小进行搭配；又比如，所述控制器311也可以最大的减速加速度控制清洁机器人直接使速度下降到某一定值，再控制清洁机器人以下降后的速度向障碍物靠近。

此外，还需要说明的是，关于上述障碍物处理方式中清洁机器人调整前进方向，如果清洁机器人的壳体是圆形，那么清洁机器人基于轮子装置可通过同圆心旋转实现转向，如果清洁机器人的壳体是非圆形机器人，则清洁机器人除了基于轮子装置实现转向外，对于避障调整方向的距离还可根据清洁机器人调整方向的时候是否会撞到障碍物来进行调整。

步骤204、根据所述障碍物处理方式进行运动及清扫。

可以理解的，在确定当前所面对障碍物的障碍物处理方式后，清洁机器人可根据障碍物处理方式的具体内容，控制轮子装置进行相应的运动，以及控制清扫装置进行清扫。

可以看出，实施本申请实施例，清洁机器人能够区分环境中不同类型的障碍物，依据不同障碍物类型，再根据路径规划算法，实现不同的障碍物处理方式，如有些障碍物不能碰撞需提前后退，有些障碍物需要调整前进方向并远离或者执行沿墙模式，有些障碍物可以穿越、跨越甚至推动。这样，能够针对不同障碍物实现不同的避障距离，确保该远离的障碍物(如高危险类)就远离，该尽量靠近的障碍物(如非危险类)则尽量靠近，从而可以将清扫覆盖率提升到最高，同时，将风险或负面影响控制到最低。

另外，本申请实施例还可在考虑障碍物类型的基础上再综合考虑了边界置信度水平、清洁机器人的移动速度等因素的影响，对障碍物处理方式的相关避障路径进行修正，因此避障路径更具有可操作性和准确性。

此外，本申请实施例受障碍物颜色影响较小，不会因为障碍物颜色不一样，而导致避障距离不一样，避免现有技术的一些缺陷。

参见图7，基于前文描述的清洁机器人，下面进一步描述本申请实施例提供的又一种障碍物处理方法，如图7所示，该方法包括但不限于以下步骤：

步骤401、清洁机器人预先配置路径规划算法、SLAM系统、图像识别算法、图像测距算法等。

其中，SLAM(Simultaneous Localization and Mapping，中文：同时定位与建图)系统可用于，当清洁机器人在未知环境中从一个未知位置开始移动时，在移动过程中根据位置估计和地图进行自身定位，同时在自身定位的基础上建造增量式地图(称为SLAM地图)，从而实现清洁机器人的自主定位和导航。

步骤402、清洁机器人通过摄像头获得障碍物的图像后，根据障碍物的图像，通过图像识别算法识别出该障碍物的障碍物类型，并获得障碍物边界，通过图像测距算法计算出障碍物边界与清洁机器人的距离(即障碍物相对清洁机器人的位置)。相关内容还可参考图4实施例步骤202的描述，这里不再赘述。

步骤403、清洁机器人根据障碍物边界与清洁机器人的距离，将障碍物边界标定在SLAM地图中，这样，清洁机器人就能够根据SLAM地图同时实现清洁机器人的自定位和障碍物的再定位。也就是说，后续在清洁机器人的运行中，由于障碍物边界已标定在SLAM地图中，所以清洁机器人也可以直接根据SLAM地图来判断前方是否有障碍物以及对应的障碍物类型。

步骤404、基于更新的SLAM地图，清洁机器人进入避障处理子程序，以便于实现后续对障碍物的处理操作。

步骤405、清洁机器人判断前方是否有障碍物。如果判断结果为是，则执行后续步骤406；如果判断结果为否，则重新执行步骤404。

具体的，清洁机器人判断前方是否有障碍物有两种方式：一种方式是，清洁机器人可通过实时拍摄障碍物的图像来判断前方是否有障碍物；另一种方式是，当SLAM地图已存在有障碍物边界，那么也可以直接根据SLAM地图判断前方是否有障碍物，此时可查询历史数据来确定该障碍物边界对应的障碍物类型。

步骤406、清洁机器人根据障碍物类型确定障碍物处理方式。具体的，清洁机器人根据标定有所述障碍物边界的SLAM地图和所确定的障碍物处理方式进行路径规划，得到全局的运动路径。

具体的，可根据SLAM地图初步生成全局的弓字形路径，将弓字形路径与障碍物处理方式所指示的避障路径进行结合，从而获得全局的运动路径。

举例来说，参见图8，图8示出了一种全局的运动路径的示意图。在该全局的运动路径中，当清洁机器人朝向障碍物直线移动时，如果清洁机器人朝向的障碍物的面的长度小于设定长度(可设置为机身主体的长度)，则清洁机器人可选择沿着障碍物边界绕到障碍物另一侧，并旋转到与刚执行沿墙模式时一致的朝向后继续弓字型清扫。如果清洁机器人朝向的障碍物的面的长度大于设定长度，则清洁机器人可选择沿着障碍物行走小于或等于设定长度的距离后，再旋转到与刚执行沿墙模式时的相反朝向，继续弓字型清扫。这样，能够保证无论障碍物相比起清洁机器人的大小如何，障碍物周围都能够得到足够的清扫覆盖。

此外，本步骤的障碍物类型、障碍物处理方式等相关内容还可参考图4实施例步骤203的描述，这里不再赘述。

步骤407、清洁机器人到达动作起始点。动作起始点的相关内容还可参考图4实施例步骤203的描述，这里不再赘述。

步骤408、清洁机器人根据所述运动路径进行运动及清扫。

可以理解的，在确定全局的运动路径后，清洁机器人可根据该运动路径的具体内容，控制轮子装置进行相应的运动，以及控制清扫装置进行清扫。

可以看出，实施本申请实施例，清洁机器人能够通过图像检测或者已存储在SLAM地图上的障碍物边界区分环境中不同类型的障碍物，依据不同障碍物类型，再根据路径规划算法，实现不同的障碍物处理方式，并可将障碍物边界标定到SLAM地图中，结合SLAM地图和障碍物处理方式进行综合的路线规划。这样，既能够针对不同障碍物实现不同的避障距离，从而将清扫覆盖率提升到最高的同时将风险或负面影响控制到最低，还能有较充分的距离制定避障路径，因此避障路径会更加合理。

需要说明的是，本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random AccessMemory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。

在上述的实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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一个存储介质中，包括若干指令用以使得一个设备(可以是个人计算机，服务器，或者网络设备、机器人、单片机、芯片、机器人等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。

以上对本申请实施例公开的进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (23)

1.一种清洁机器人，其特征在于，所述清洁机器人包括控制器、图像采集装置、机身主体以及与所述机身主体连接的边扫，所述边扫延伸超过所述机身主体的边缘并且用于清扫所述机身主体的边缘之外的地面区域；

所述图像采集装置用于，采集所述清洁机器人的运行环境中的障碍物的第一图像；

所述控制器用于，根据所述障碍物的第一图像，识别所述障碍物的类型；

还用于确定所述障碍物的类型对应的障碍物处理方式，所述障碍物处理方式包括当所述清洁机器人在所述障碍物前更改前进方向时，所述机身主体及所述边扫分别与所述障碍物之间的距离信息；当所述清洁机器人在所述障碍物前更改前进速度时，所述清洁机器人的前进方向上的动作起始点相对所述障碍物的位置信息；其中不同的障碍物类型对应不同的障碍物处理方式；

所述控制器还用于，根据所述障碍物的类型对应的障碍物处理方式控制所述清洁机器人运动。

2.根据权利要求1所述的清洁机器人，其特征在于，所述控制器具体用于根据所述障碍物的第一图像，将所述障碍物的类型识别为以下一种：

非危险类障碍物；

危险类障碍物；

相应的，所述障碍物的类型对应的障碍物处理方式具体包括：所述清洁机器人在所述障碍物前更改前进方向，以及更改前进方向时所述机身主体及所述边扫分别与所述障碍物之间的距离信息。

3.根据权利要求2所述的清洁机器人，其特征在于，所述控制器具体用于根据所述障碍物的类型对应的障碍物处理方式，控制所述清洁机器人的运动包括以下至少一种：

控制所述清洁机器人调整前进方向并远离所述障碍物；

控制所述清洁机器人调整前进方向并根据所述障碍物进行沿墙运动；

控制所述清洁机器人相对所述障碍物进行后退运动。

4.根据权利要求3所述的清洁机器人，其特征在于，所述控制器具体用于根据所述障碍物的类型对应的障碍物处理方式控制所述清洁机器人的运动还包括以下一种：

控制所述机身主体不靠近所述障碍物，并控制所述边扫不靠近所述障碍物；

控制所述机身主体靠近所述障碍物，并控制所述边扫靠近或接触所述障碍物。

5.根据权利要求2所述的清洁机器人，其特征在于，所述控制器具体用于根据所述障碍物的类型对应的障碍物处理方式控制所述清洁机器人的运动具体为以下一种：

当所述障碍物的类型表示危险类障碍物，控制所述机身主体不靠近所述障碍物，并控制所述边扫不靠近所述障碍物；

当所述障碍物的类型表示非危险类障碍物时，控制所述机身主体靠近所述障碍物，并控制所述边扫靠近或接触所述障碍物。

6.根据权利要求2所述的清洁机器人，其特征在于，所述控制器具体用于根据所述障碍物的第一图像，将所述障碍物的类型识别为以下一种：

轻薄且可穿越类障碍物；

突起且可跨越类障碍物；

轻型且可推动类障碍物；

相应的，所述障碍物的类型对应的障碍物处理方式具体包括：所述清洁机器人在所述障碍物前根据所述前进方向继续前进。

7.根据权利要求6所述的清洁机器人，其特征在于，所述控制器具体用于根据所述障碍物的类型对应的障碍物处理方式控制所述清洁机器人的运动包括以下至少一种：

控制所述清洁机器人接触及穿越所述障碍物；

控制所述清洁机器人接触及跨越所述障碍物；

控制所述清洁机器人接触及推动所述障碍物。

8.根据权利要求6所述的清洁机器人，其特征在于，所述控制器具体用于根据所述障碍物的类型对应的障碍物处理方式控制所述清洁机器人的运动为以下一种：

当所述障碍物的类型表示轻薄且可穿越类障碍物时，控制所述清洁机器人接触及穿越所述障碍物；

当所述障碍物的类型表示突起且可跨越类障碍物时，控制所述清洁机器人接触及跨越所述障碍物；

当所述障碍物的类型表示轻型且可推动类障碍物时，控制所述清洁机器人接触及推动所述障碍物。

9.根据权利要求1-8任一项所述的清洁机器人，其特征在于，所述控制器还用于，从所述清洁机器人运动至所述位置信息指示的动作起始点开始，控制所述清洁机器人减速或者加速。

10.根据权利要求9所述的清洁机器人，其特征在于，

所述控制器还用于：根据所述障碍物的第一图像，获得第一障碍物边界的可信度；根据所述第一障碍物边界的可信度，对所述动作起始点相对所述障碍物的位置信息进行修正，得到修正后的位置信息；

所述控制器还用于，从所述清洁机器人运动至所述修正后的位置信息指示的动作起始点开始，控制所述清洁机器人减速或者加速。

11.根据权利要求10所述的清洁机器人，其特征在于，

所述控制器还用于：在所述清洁机器人运动超过所述动作起始点之后，获取所述障碍物的第二图像；根据所述障碍物的第二图像确定所述障碍物的类型，以及，根据所述障碍物的第二图像获得第二障碍物边界的可信度；确定所述第一障碍物边界的可信度和所述第二障碍物边界的可信度两者中，可信度较高者对应图像所对应的障碍物的类型；

所述控制器具体用于，受所述控制器的驱动，根据所述所对应的障碍物的类型对应的障碍物处理方式控制所述清洁机器人运动。

12.一种障碍物处理方法，其特征在于，所述方法应用于清洁机器人，所述清洁机器人包括机身主体以及与所述机身主体连接的边扫，所述边扫延伸超过所述机身主体的边缘并且用于清扫所述机身主体的边缘之外的地面区域；所述方法包括：

采集所述清洁机器人的运行环境中的障碍物的第一图像；

根据所述障碍物的第一图像，识别所述障碍物的类型；

确定所述障碍物的类型对应的障碍物处理方式，所述障碍物处理方式包括当所述清洁机器人在所述障碍物前更改前进方向时，所述机身主体及所述边扫分别与所述障碍物之间的距离信息；当所述清洁机器人在所述障碍物前更改前进速度时，所述清洁机器人的前进方向上的动作起始点相对所述障碍物的位置信息；其中不同的障碍物类型对应不同的障碍物处理方式；

根据所述障碍物的类型对应的障碍物处理方式控制所述清洁机器人运动。

13.根据权利要求12所述的方法，其特征在于，所述根据所述障碍物的第一图像，识别所述障碍物的类型包括：

根据所述障碍物的第一图像，将所述障碍物的类型识别为以下一种：非危险类障碍物；危险类障碍物；

相应的，所述障碍物的类型对应的障碍物处理方式具体包括：所述清洁机器人在所述障碍物前更改前进方向，以及更改前进方向时所述机身主体及所述边扫分别与所述障碍物之间的距离信息。

14.根据权利要求13所述的方法，其特征在于，所述根据所述障碍物的类型对应的障碍物处理方式控制所述清洁机器人运动包括以下至少一种：

控制所述清洁机器人调整前进方向并远离所述障碍物；

控制所述清洁机器人调整前进方向并根据所述障碍物进行沿墙运动；

控制所述清洁机器人相对所述障碍物进行后退运动。

15.根据权利要求14所述的方法，其特征在于，所述根据所述障碍物的类型对应的障碍物处理方式控制所述清洁机器人运动还包括以下至少一种：

控制所述机身主体不靠近所述障碍物，并控制所述边扫

不靠近所述障碍物；

控制所述机身主体靠近所述障碍物，并控制所述边扫靠近或接触所述障碍物。

16.根据权利要求13所述的方法，其特征在于，所述根据所述障碍物的类型对应的障碍物处理方式控制所述清洁机器人运动具体为以下一种：

当所述障碍物的类型表示危险类障碍物，控制所述机身主体不靠近所述障碍物，并控制所述边扫不靠近所述障碍物；

当所述障碍物的类型表示非危险类障碍物时，控制所述机身主体靠近所述障碍物，并控制所述边扫靠近或接触所述障碍物。

17.根据权利要求13所述的方法，其特征在于，所述根据所述障碍物的第一图像，识别所述障碍物的类型包括：

根据所述障碍物的第一图像，将所述障碍物的类型识别为以下一种：轻薄且可穿越类障碍物；突起且可跨越类障碍物；轻型且可推动类障碍物；

相应的，所述障碍物的类型对应的障碍物处理方式具体包括：所述清洁机器人在所述障碍物前根据所述前进方向继续前进。

18.根据权利要求17所述的方法，其特征在于，所述根据所述障碍物的类型对应的障碍物处理方式控制所述清洁机器人运动包括以下至少一种：

控制所述清洁机器人接触及穿越所述障碍物；

控制所述清洁机器人接触及跨越所述障碍物；

控制所述清洁机器人接触及推动所述障碍物。

19.根据权利要求17所述的方法，其特征在于，所述根据所述障碍物的类型对应的障碍物处理方式控制所述清洁机器人运动为以下一种：

当所述障碍物的类型表示轻薄且可穿越类障碍物时，控制所述清洁机器人接触及穿越所述障碍物；

当所述障碍物的类型表示突起且可跨越类障碍物时，控制所述清洁机器人接触及跨越所述障碍物；

当所述障碍物的类型表示轻型且可推动类障碍物时，控制所述清洁机器人接触及推动所述障碍物。

20.根据权利要求12-19任一项所述的方法，其特征在于，

所述根据所述障碍物的类型对应的障碍物处理方式控制所述清洁机器人运动还包括：

从所述清洁机器人运动至所述位置信息指示的动作起始点开始，控制所述清洁机器人减速或者加速。

21.根据权利要求20所述的方法，其特征在于，所述方法还包括：

根据所述障碍物的第一图像，获得第一障碍物边界的可信度；

根据所述第一障碍物边界的可信度，对所述动作起始点相对所述障碍物的位置信息进行修正，得到修正后的位置信息；

相应的，所述从所述清洁机器人运动至所述位置信息指示的动作起始点开始，控制所述清洁机器人减速或者加速具体为：从所述清洁机器人运动至所述修正后的位置信息指示的动作起始点开始，控制所述清洁机器人减速或者加速。

22.根据权利要求21所述的方法，其特征在于，所述方法还包括：

在所述清洁机器人运动超过所述动作起始点之后，获取所述障碍物的第二图像；

根据所述障碍物的第二图像确定所述障碍物的类型，以及，根据所述障碍物的第二图像获得第二障碍物边界的可信度；

确定所述第一障碍物边界的可信度和所述第二障碍物边界的可信度两者中，可信度较高者对应图像所对应的障碍物的类型；

相应的，所述根据所述障碍物的类型对应的障碍物处理方式控制所述清洁机器人运动包括：根据所述所对应的障碍物的类型对应的障碍物处理方式控制所述清洁机器人运动。

23.一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上存储有程序指令，所述程序指令被执行时实现如权利要求12-22中任意一项所述的方法。

Images