CN111459153B - 动态区域划分与区域通道识别方法及清洁机器人 - Google Patents
动态区域划分与区域通道识别方法及清洁机器人 Download PDFInfo
- Publication number
- CN111459153B CN111459153B CN201911327603.1A CN201911327603A CN111459153B CN 111459153 B CN111459153 B CN 111459153B CN 201911327603 A CN201911327603 A CN 201911327603A CN 111459153 B CN111459153 B CN 111459153B
- Authority
- CN
- China
- Prior art keywords
- area
- robot
- notch
- channel
- boundary
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 82
- 238000004140 cleaning Methods 0.000 title claims abstract description 76
- 230000007613 environmental effect Effects 0.000 claims abstract description 54
- 230000001502 supplementing effect Effects 0.000 claims abstract description 12
- 230000004888 barrier function Effects 0.000 claims description 54
- 239000013598 vector Substances 0.000 claims description 53
- 238000000638 solvent extraction Methods 0.000 claims description 23
- 238000005516 engineering process Methods 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 9
- 230000004807 localization Effects 0.000 claims description 6
- 238000013439 planning Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 4
- 238000005260 corrosion Methods 0.000 claims description 3
- 230000007797 corrosion Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000000153 supplemental effect Effects 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 2
- 238000010408 sweeping Methods 0.000 abstract description 21
- 238000011086 high cleaning Methods 0.000 abstract 1
- 230000001276 controlling effect Effects 0.000 description 13
- 230000000903 blocking effect Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 12
- 230000000875 corresponding effect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 230000003068 static effect Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- 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
- A47L11/4011—Regulation of the cleaning machine by electric means; Control systems and remote control systems therefor
-
- 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
- A47L11/4061—Steering means; Means for avoiding obstacles; Details related to the place where the driver is accommodated
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
- G05D1/0251—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting 3D information from a plurality of images taken from different locations, e.g. stereo vision
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- 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
- A47L2201/00—Robotic cleaning machines, i.e. with automatic control of the travelling movement or the cleaning operation
- A47L2201/04—Automatic control of the travelling movement; Automatic obstacle detection
-
- 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
- A47L2201/00—Robotic cleaning machines, i.e. with automatic control of the travelling movement or the cleaning operation
- A47L2201/06—Control of the cleaning action for autonomous devices; Automatic detection of the surface condition before, during or after cleaning
Abstract
本申请实施例提供一种动态区域划分与区域通道识别方法及清洁机器人。其中,所述动态区域划分方法包括如下的步骤:获取机器人在第一区域工作时采集的环境信息;基于所述环境信息确定存在有进入第二区域的通道时,判断所述机器人是否已完成在所述第一区域内的工作任务;所述工作任务未完成时,在所述通道处补充边界以封堵所述通道。本申请实施例提供的技术方案,降低了重复扫、漏扫现象的出现几率,且清洁效率高;另外,本实施例提供的技术方案,依赖工作中采集的环境信息,而无需借助历史地图数据,环境适应性高。
Description
交叉引用
本申请引用于2019年01月03日递交的名称为“动态区域划分方法及清洁机器人”的第2019100050535号中国专利申请,其通过引用被全部并入本申请。
技术领域
本申请涉及计算机技术领域,尤其涉及一种动态区域划分与区域通道识别方法及清洁机器人。
背景技术
随着技术的发展进步,移动机器人被广泛的使用以辅助人类完成一些任务,如运输、扫地等等。其中,清洁机器人(如扫地机器人、洗拖机器人等)是移动机器人的典型应用。如果机器人的路径或行为规划不合理,则将出现覆盖率低、路径重复率高等问题。
现有技术,清洁机器人在完成至少一次清扫后,根据清扫地图进行分区以便下次清扫时使用。但当环境变化较大时,机器人很可能无法很好的利用之前的清扫地图完成分区域清洁。
发明内容
本申请提供一种能解决或部分解决上述问题的动态区域划分方法及清洁机器人。
本申请的一个实施例,提供了一种动态区域划分方法。该方法包括:
获取机器人在第一区域工作时采集的环境信息;
基于所述环境信息确定存在有进入第二区域的通道时,判断所述机器人是否已完成在所述第一区域内的工作任务;
所述工作任务未完成时,在所述通道处补充边界以封堵所述通道。
本申请的另一个实施例,提供了一种动态区域划分方法。该方法包括:
获取机器人在第一区域内采集到的环境图像;
在所述环境图像中识别出符合通道结构的影像时,采集环境信息;
根据所述环境信息确定存在有进入第二区域的通道时,执行通道封堵设置以将通过所述通道连通的所述第一区域和所述第二区域分割开。
本申请的又一实施例,提供了一种清洁机器人。该清洁机器人包括:存储器及处理器;其中,
所述存储器,用于存储程序;
所述处理器,与所述存储器耦合,用于执行所述存储器中存储的所述程序,以用于:
获取机器人在第一区域工作时采集的环境信息;
基于所述环境信息确定存在有进入第二区域的通道时,判断所述机器人是否已完成在所述第一区域内的工作任务;
所述工作任务未完成时,在所述通道处补充边界以封堵所述通道。
本申请的又一实施例,提供了一种清洁机器人。该清洁机器人包括:存储器及处理器;其中,
所述存储器,用于存储程序;
所述处理器,与所述存储器耦合,用于执行所述存储器中存储的所述程序,以用于:
获取机器人在第一区域内采集到的环境图像;
在所述环境图像中识别出符合通道结构的影像时,采集环境信息;
根据所述环境信息确定存在有进入第二区域的通道时,执行通道封堵设置以将通过所述通道连通的所述第一区域和所述第二动态区域划分开。
本申请的又一实施例,提供了一种区域通道识别方法,包括:
获取机器人利用激光传感器在第一区域内采集到的环境信息,所述第一区域与已探测到的第二区域相邻;
基于所述环境信息识别所述第一区域中是否存在符合通道结构的缺口;
若存在,根据所述缺口左右端点两侧的障碍物边界,识别所述缺口是否是从所述第一区域进入所述第二区域的通道。
本申请的又一实施例,提供了一种机器人。该机器人包括:存储器及处理器;其中,
所述存储器,用于存储程序;
所述处理器,与所述存储器耦合,用于执行所述存储器中存储的所述程序,以用于:
获取机器人利用激光传感器在第一区域内采集到的环境信息,所述第一区域与已探测到的第二区域相邻;
基于所述环境信息识别所述第一区域中是否存在符合通道结构的缺口;
若存在,根据所述缺口左右端点两侧的障碍物边界,识别所述缺口是否是从所述第一区域进入所述第二区域的通道。
本申请实施例提供的一个技术方案中,获取机器人在第一区域工作时采集的环境信息,并在根据环境信息确定存在有进入第二区域的通道,同时判断出机器人未完成第一区域内的工作任务时,在通道处补充边界以封堵所述通道,进而保证了单个区域工作完毕后才能进入下一区域工作的原则,降低了重复扫、漏扫现象的出现几率,且清洁效率高;另外,本实施例提供的技术方案,依赖工作中采集的环境信息,而无需借助历史地图数据,环境适应性高。
本申请实施例提供的另一个技术方案中,获取机器人在第一区域内采集的环境图像,且在环境图像中识别出符合通道结构的影像时采集环境信息;若根据环境信息确定存在有进入第二区域的通道时,将通过通道连通的第一区域和第二动态区域划分开,以实时划分工作区域,降低机器人跨区域来回穿梭工作的出现几率,实现了动态分区,有助于提高清洁效率。
附图说明
为了更清楚地说明本申请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一简单地介绍,显而易见地,下面描述中的附图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1为本申请一实施例提供的动态区域划分方法的流程示意图;
图2为本申请另一实施例提供的动态区域划分方法的流程示意图;
图3为本申请实施例列举的一室内区域拓扑地图实例的示意图;
图4为机器人在房间1内工作的示意图;
图5为机器人在房间1内按照接续方案继续工作的示意图;
图6为机器人通过通道进入走廊区域工作的示意图;
图7为本申请一实施例提供的动态区域划分装置的结构示意图;
图8为本申请另一实施例提供的动态区域划分装置的结构示意图;
图9为本申请一实施例提供的清洁机器人的结构示意图;
图10为本申请一实施例提供的识别区域通道的状态示意图;
图11为本申请一实施例提供的一种区域通道识别方法的流程示意图。
具体实施方式
清洁机器人,如扫地机器人,在家庭室内进行清扫时,通过遍历整个户型区域的方式完成清扫。若无法区分不同的房间进行分别清扫,机器人会反复进出同一个房间,或在不同房间之间交替出现,需要反复多次进出才能完成对一个房间的清扫任务,从而直接导致清扫效率低;间接导致重复扫、漏扫等现象,甚至无法完整清扫整个户型。为解决上述问题,就需识别房间,并遵照单个房间清洁完后再进入下一个房间的原则进行清洁。
现有技术中有一种静态分区方案。静态分区方案,即清洁机器人在完成至少一次清扫后,能勾勒出整个户型的户型地图;然后对该户型地图进行分区以划分出不同房间,并在机器人下次工作时使用该已划分好房间的地图数据。静态分区方案的自适应较差,当环境发生变化时已有地图数据就无法使用。
为了使本技术领域的人员更好地理解本申请方案,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。
在本申请的说明书、权利要求书及上述附图中描述的一些流程中,包含了按照特定顺序出现的多个操作,这些操作可以不按照其在本文中出现的顺序来执行或并行执行。操作的序号如101、102等,仅仅是用于区分各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。此外,如下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,本领域技术人员在没有做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。
图1示出了本申请一实施例提供的动态区域划分方法的流程图。如图所示,本实施例提供的所述方法包括:
101、获取机器人在第一区域工作时采集的环境信息。
102、基于所述环境信息确定存在有进入第二区域的通道时,判断所述机器人是否已完成在所述第一区域内的工作任务。
103、所述工作任务未完成时,在所述通道处补充边界以封堵所述通道。
上述101中,所述环境信息可以是设置在机器人上的传感器(如激光传感器等)扫描一个平面内障碍物后采集到的二维点云数据;或者是设置在机器人上的包含有视觉传感器(如单目相机、双目相机、深度摄像机RGBD等)的传感器模组采集到三维点云数据等等,本实施例对此不作具体限定。
上述102中,通道是指连通两区域,机器人可通过的通路,如门洞。以门洞为例,门洞具有一定特征,如形状特征及尺寸特征等。因此在具体实施时,可基于环境信息确定出机器人实际工作场景中是否有符合通道特征(如形状特征及尺寸特征等)的通道。
所述机器人是否已完成在所述第一区域内的工作任务,可由机器人在第一区域内的工作记录来确定。工作记录可包括但不限于:工作方式(如弓字形清洁方式、Z字形清洁方式等等)、起始位置及机器人的当前位置。假设,如图5所示,机器人的工作方式为弓字形清洁方式,起始位置为处于第一区域的区域地图(图5中房间1)中间的某一位置处。机器人从起始位置以弓字形清洁方式工作至图5中所示的当前位置。这些信息均可被记录下来,然后基于机器人在图5中所示房间1内的工作记录,判断出所述机器人是否已完成其在房间1内的工作任务。
本实施例提供的技术方案中,获取机器人在第一区域工作时采集的环境信息,并在根据环境信息确定存在有进入第二区域的通道,同时判断出机器人未完成第一区域内的工作任务时,阻止所述机器人通过所述通道进入第二区域,进而保证了单个区域工作完毕后才能进入下一区域工作的原则,降低了重复扫、漏扫现象的出现几率,且清洁效率高;另外,本实施例提供的技术方案,依赖工作中实时采集的环境信息,而无需借助历史地图数据,环境适应性高。
在一种可实现的技术方案中,所述环境信息为点云模型。相应的,上述101可包括:
1011、采集所述机器人在第一区域工作时的环境图像。
1012、对所述环境图像进行识别。
1013、识别出所述环境图像中含有符合通道结构的影像时,利用同时定位与地图创建(Simultaneous Localization and Mapping,SLAM)技术对所述机器人的周围环境构建所述点云模型。
其中,所述环境图像可以机器人上设置的视觉传感器采集得到。对环境图像的识别可包括但不限于以下方法:
方法一、利用深度学习方法,通过大量的样本对深度学习训练模型进行训练得到识别模型;然后将所述环境图像作为该识别模型的输入,执行该识别模型得出所述环境图像中含有符合通道结构的影像的输出结果。
方法二、利用图像模式匹配的方法,将环境图像与预置通道结构图像进行比对,若比对成功,则确定所述环境图像中含有符合通道结构的影像;否则,确定所述环境图像中不含符合通道结构的影像。
SLAM技术是指机器人可在未知环境中通过传感器信息确定自身空间位置,并建立所处空间的环境模型的一种技术。采用SLAM技术,机器人携带传感器巡视环境一周即可构建出环境地图,操作简单,且随着传感器精度及技术的进步,采用SLAM技术所构建的地图精度也逐渐提升。SLAM方法多是使用激光或声纳进行二维点云模型的生成,以创建二维地图。由于激光扫描范围仅限于单一平面,因此为了对环境中的复杂结构进行完整的表示,可采用基于视觉的SLAM技术(简称VSLAM),使用视觉传感器进行三维点云模型的生成,以构建三维地图。
即本实施例中上述1013中的点云模型可以采用SLAM技术构建的二维点云模型,也可以是采用VSLAM技术构建的三维点云模型。
进一步的,所述环境信息为点云模型,相应的,本实施例提供的所述方法还可包括如下步骤:
104、基于所述点云模型,获取符合通道结构的候选结构的尺寸信息。
105、所述尺寸信息符合预设尺寸要求时,确定所述候选结构即进入所述第二区域的通道。
其中,由于点云模型中记录有尺寸信息,因此可基于点云模型获取到符合通道结构的候选结构的尺寸信息。具体实施时,所述尺寸信息可包括:宽度、高度和深度。在一种可实现的技术方案中,预设尺寸要求包括宽度区间、高度区间及深度区间;若所述尺寸信息中包含的所述宽度在所述宽度区间内、所述高度在所述高度区间内,且所述深度在所述深度区间内,则所述尺寸信息符合预设尺寸要求。通过上述步骤104和105可筛选出真正的通道(如门洞),删除误报,避免对与通道结构相似的一些情况例如柜子,墙画等的误识别。
在另一种可实现的技术方案中,所述环境信息为机器人上的激光传感器扫描一个平面内障碍物后采集到的二维点云数据。相应的,本实施例提供的所述方法还可采用下述方法基于环境信息确定是否存在从第一区域进入第二区域的通道。其中,基于环境信息确定是否存在从第一区域进入第二区域的通道的方法包括:首先,基于所述二维点云数据,识别第一区域中是否存在符合通道结构的缺口(Gap);若存在符合通道结构的缺口,根据该缺口左右端点两侧的障碍物边界,识别该缺口是否是从第一区域进入第二区域的通道。
其中,识别缺口(Gap)的一种可选方式为:基于二维点云数据,搜索机器人行进前方区域内的障碍物;若在前方区域内发现相邻障碍物,计算机器人与相邻障碍物形成的夹角;若该夹角大于设定夹角阈值,计算相邻障碍物之间的距离;若相邻障碍物之间的距离符合设定的距离要求,则确定相邻障碍物之间存在符合通道结构的缺口。
需要说明的是,在本申请实施例中,并不对前方区域的范围进行限定,可根据应用场景灵活设定。同理,在本申请实施例中,也不对夹角阈值和距离要求进行限定,可根据应用需求灵活设定。前方区域、夹角阈值以及距离要求可相互关联,相互影响。以包含门洞的应用场景为例,若门洞的宽度为70-120cm(厘米),则上述前方区域可以是在机器人前方1m(米)且左右各90度范围内,相应地,夹角阈值可以是110度,距离要求可以是一距离范围,如70-120cm。在该场景下,识别缺口(Gap)的方式为:搜索机器人行进前方1m以内左右各90度范围内的障碍物;若发现相邻障碍物,计算机器人与相邻障碍物形成的夹角;若该夹角大于110度,计算相邻障碍物之间的距离;若相邻障碍物之间的距离在70-120cm之间,则确定相邻障碍物之间存在符合通道结构的缺口。
进一步,为了降低误判率,还可以计算缺口(Gap)周围指定范围内的障碍物数量,根据缺口(Gap)周围指定范围内的障碍物数量,辅助判断上述相邻障碍物之间的缺口是否符合通道结构。针对不同通道结构,根据缺口(Gap)周围指定范围内的障碍物数量,辅助判断所述缺口是否符合通道结构的实施方式会有所不同。假设通道结构是门洞结构,则门洞结构周围一般不会存在很多障碍物,基于此,可以判断缺口(Gap)周围指定范围内的障碍物数量是否符合设定数量要求,例如是否小于设定的障碍物数量门限,若符合,则确定所述缺口符合通道结构;若不符合,则确定所述缺口不符合通道结构。
在一具体实施方式中,可以机器人所在位置为中心,计算机器人前方区域、后方区域、左方区域以及右方区域之内的障碍物数量,作为缺口(Gap)周围指定范围内的障碍物数量。可选地,前方区域、后方区域、左方区域以及右方区域的范围可根据应用场景灵活设定,例如每个区域可以是1m*1m、1.5m*1.5m的方形区域,也可以是1m*1.5m的长方形区域,也可以是半径为1m的扇形区域等等。进一步,可预先设定前方区域的障碍物占比阈值(记为第一占比阈值)和后方区域的障碍物占比阈值(记为第二占比阈值),计算机器人前方区域内的障碍物数量与前后左右四个区域内的障碍物数量之和的第一比值,并计算机器人后方区域内的障碍物数量与前后左右四个区域内的障碍物数量之和的第二比值;将第一比值和第二比值分别与第一占比阈值和第二占比阈值进行比较;若第一比值小于第一占比阈值,且第二比值小于第二占比阈值,则确定所述缺口符合通道结构;反之,在其它情况下,确定所述缺口不符合通道结构。在本实施例中,并不限定第一比值阈值和第二比值阈值的取值,两者取值可以相同,也可以不相同,可根据应用场景灵活设定。例如,第一比值阈值可以是但不限于:1/2、1/3、1/5等;第二比值阈值可以是2/3、1/3、1/4、2/5等。
在确定第一区域中存在符合通道结构的缺口(Gap)之后,可以根据该缺口的左右端点两侧的障碍物边界,识别该缺口是否是从第一区域进入第二区域的通道。其中,根据该缺口左右端点两侧的障碍物边界,识别该缺口是否是从第一区域进入第二区域的通道,一种可选实施方式包括:若缺口左右端点两侧的障碍物边界符合设定的边界要求,则确定该缺口是从第一区域进入第二区域的通道;若缺口左右端点两侧的障碍物边界不符合设定的边界要求,则确定该缺口不是从第一区域进入第二区域的通道。
根据通道结构的不同,边界要求也会有所不同。在一可选实施例中,边界要求是指在缺口左右端点两侧的障碍物边界平行或近似平行的情况下,该缺口属于通道;反之,该缺口不属于通道。基于此,具体可判断缺口左右端点两侧的障碍物边界是否平行或近似平行,若平行或近似平行,则确定该缺口是从第一区域进入第二区域的通道;反之,则确定该缺口不是从第一区域进入第二区域的通道。
在上述实施例中,缺口左右端点两侧的障碍物边界是指在一定区域范围内具有连续性的障碍物边界,通常包含多个边界点,而不是只有一个边界点。在一些应用场景中,机器人上的激光传感器可以采集到缺口左右端点两侧一定区域内连续的障碍物边界,则可以直接判断缺口左右端点两侧的障碍物边界是否平行或近似平行。
在另一些应用场景中,鉴于角度问题,机器人上的激光传感器可能无法采集到缺口左右端点两侧一定区域内连续的障碍物边界,采集到的是一些离散或不连续的边界点。针对这种场景,识别该缺口是否是从第一区域进入第二区域的通道的一种实施方式包括:在缺口左右端点两侧一定区域范围(称为第一设定区域范围)内进行膨胀腐蚀,得到位于缺口两侧的连续障碍物;在第二设定区域范围内跟踪位于缺口两侧的连续障碍物的边界(简称为障碍物边界),并计算跟踪的位于缺口两侧的障碍物边界的斜率;根据两个斜率判断位于缺口两侧的障碍物边界之间是否平行或近似平行;若是,则确定该缺口是从第一区域进入第二区域的通道;反之,则确定该缺口不是从第一区域进入第二区域的通道。
可选地,可以判断两个斜率的差值是否在设定差值范围内,若是,则确定位于缺口左右端点两侧的障碍物边界之间平行或近似平行。差值范围可以根据应用需求灵活设定,例如可以是0-0.01,也可以是0-0.05等。
在本实施例中,并不限定第一设定区域范围和第二预设区域范围进行限定,可灵活设定。在一可选实施例中,机器人可根据激光传感器采集到的二维点云数据实时构建区域拓扑地图,则第一设定区域范围和第二预设区域范围可以通过区域拓扑地图中的地图信息进行限定。可选地,区域拓扑地图可以是栅格地图,则可以以栅格地图中的栅格数量来定义第一设定区域范围和第二预设区域范围。例如,第一设定区域范围可以是以缺口左右端点分别为起始点的10、15、20或30个栅格范围,其中,栅格数量10、15、20或30仅为示例性说明。相应地,第二预设区域范围可以是以机器人所在位置为中心的4邻域、8邻域或12邻域等。
基于上述栅格地图的概念,可以在第二预设区域范围内跟踪障碍物的边界,若在第二预设区域内跟踪到栅格数量大于设定的栅格数量阈值(例如4个栅格)时,确定追踪到障碍物边界;反之,确定障碍物边界追踪失败。在失败的情况下,可结束此次分区操作。
进一步可选地,为了降低误判率,在确定位于缺口两侧的障碍物边界平行或近似平行之后,还可以执行以下至少一种判断操作:
操作1:判断是否位于缺口至少一侧的障碍物边界的向量、第二区域的相交边界的向量、以及与第二区域相邻的未探测区域的向量沿同一时针方向;
操作2:判断是否位于缺口至少一侧的障碍物边界与第二区域的相交边界的夹角在设定的角度范围内;
操作3:判断第二区域的相交边界的追踪起始点是否与机器人在同一连通区域内;
操作4:判断位于缺口两侧的障碍物是否不是孤立障碍物。
若上述任一种判断操作的判断结果均是,确定所述缺口是从第一区域进入第二区域的通道;反之,则确定所述缺口不是从第一区域进入第二区域的通道。
在操作1中,障碍物边界、第二区域的相交边界、以及与第二区域相邻的未探测区域是指位于缺口同一侧的边界或区域,例如都是位于缺口左侧的边界或区域,或者都是位于缺口右侧的边界或区域。其中,第二区域的相交边界是指第二区域与其相邻的未探测区域之间的边界,且该边界与缺口左端点或右端点相交。其中,可以在第三设定区域范围内,追踪第二区域的相交边界。在栅格地图的基础上,第三设定区域范围也可以通过栅格数量进行定义。例如,可以是以缺口左端点或右端点为起始点,将第二区域延伸方向上5、10、15或20个栅格区域定义为第三设定区域范围。其中,栅格数量5、10、15或20仅为示例性说明。
在操作1中,位于缺口左侧的障碍物边界的向量是指由缺口左端点指向右端点的向量;位于缺口右侧的障碍物边界的向量是指由缺口右端点指向左端点的向量;相应地,位于缺口左侧的第二区域的相交边界的向量是指由缺口左端点指向位于缺口左侧的第二区域的相交边界的向量;位于缺口右侧的第二区域的相交边界的向量是指由缺口右端点指向位于缺口右侧的第二区域的相交边界的向量;相应地,位于缺口左侧的与第二区域相邻的未探测区域的向量是指由缺口左端点指向位于缺口左侧的与第二区域相邻的未探测区域的向量;位于缺口右侧的与第二区域相邻的未探测区域的向量是指由缺口右端点指向位于缺口右侧的与第二区域相邻的未探测区域的向量。
在操作1中,可以是位于缺口左侧的三个向量沿同一时针方向(顺时针或逆时针),或者,也可以是位于缺口右侧的三个向量沿同一时针方向(顺时针或逆时针),或者,也可以是位于缺口左侧的三个向量与位于缺口右侧的三个向量分别沿同一时针方向。参见图10,位于缺口左侧的三个向量(即图10中带箭头的三条线)沿顺时针方向。
在操作2中,可以判断位于缺口左侧的障碍物边界与位于缺口左侧的第二区域的相交边界的夹角是否在左侧角度范围内;也可以判断位于缺口右侧的障碍物边界与位于缺口右侧的第二区域的相交边界的夹角是否在右侧角度范围内;还可以同时判断位于缺口左侧的障碍物边界与位于缺口左侧的第二区域的相交边界的夹角是否在左侧角度范围内,且判断位于缺口右侧的障碍物边界与位于缺口右侧的第二区域的相交边界的夹角是否在右侧角度范围内。
其中,左侧角度范围内与右侧角度范围可以相同,也可以不相同,可根据应用需求灵活设定。例如,左侧角度范围可以是10-85度,右侧角度范围可以是95-170度,但不限于此。
在操作3中,连通区域是指包含缺口左右端点在内的一定区域,该区域范围可灵活确定。第二区域的相交边界的追踪起始点是指追踪到第二区域的相交边界的起始点。
在操作4中,也可以判断位于缺口两侧的障碍物是否是带有缺口的同一障碍物。例如,缺口可以是房间的门洞,门洞两侧的障碍物是同一房间内的四面墙壁,四面墙壁是连续的、一体的,不属于孤立障碍物。
进一步,在确定上述缺口是从第一区域进入第二区域的通道的情况下,还可以输出缺口左右端点的坐标,以便用户或机器人确定从第一区域进入第二区域的通道的位置。
无论采用何种方式,在确定存在进入第二区域的通道之后,在具体实施时,本实施例提供的所述方法中步骤103可包括但不限于以下方案:
在一种可实现的方案中,上述步骤103可具体包括:
1031、获取区域拓扑地图及所述通道在所述区域拓扑地图中的位置;
1032、在所述区域拓扑地图的所述位置处,补充边界以封堵所述通道。
在具体实施时,上述1032可具体为:在所述区域拓扑地图的所述位置处,增设虚拟墙;其中,虚拟墙是可封堵所述通道的一种边界形态。虚拟墙对机器人来说是不可通过的。可选地,可以在区域拓扑地图中,显示该虚拟墙,也可以不显示该虚拟墙。或者
上述1032可具体为:在所述区域拓扑地图的所述位置处,设置通道封堵属性;其中,设置了封堵属性的通道,对机器人来说是不可通过的。设置通道封堵属性是补充边界的另一种实现方式。
相应的,本实施例提供的所述方法还可包括:
106、所述第一区域内的工作任务完成时,取消在所述通道处补充的边界。
同样的,上述106可具体为:删除在所述区域拓扑地图的所述位置处的虚拟墙;或者
上述106可具体为:在所述区域拓扑地图的所述位置处,删除所述通道封堵属性。
进一步的,在上述步骤103之后,本实施例提供的所述方法还可包括如下步骤:
1031’、获取所述机器人在所述第一区域内的工作记录。
1032’、根据所述工作记录,确定接续方案。
1033’、按照所述接续方案,控制所述机器人继续在所述第一区域内工作。
上述1031’中,所述工作记录包括但不限于:工作方式、起始位置、在所述起始位置时所述机器人的启动朝向及监测到所述机器人工作至所述通道处时的中途位置。相应的,上述步骤1031’可具体为:获取所述第一区域的区域地图;根据所述区域地图、所述工作方式、所述起始位置、所述启动朝向及所述中途位置,确定所述接续方案。
上述步骤1032’可具体为:根据所述中途位置,规划返回至所述起始位置的路径;按照所述路径,控制所述机器人工作以返回至所述起始位置;根据所述启动朝向,调整所述机器人再次回到所述起始位置后的接续朝向;控制所述机器人自所述起始位置起沿所述接续朝向,以所述工作方式继续在所述第一区域内工作。
参见图4和5所示实例,机器人采用弓字形工作方式,当机器人移动至通道(图4中示出的1号门处时),其可继续沿当前方向(即机器人当前的朝向)移动至房间1的边界位置,然后再沿直线轨迹从边界位置返回至起始位置。从图4可以看出,机器人的启动方向是图中X正向,调整后的接续朝向为与X正向向背的X负向,如图5所示。最后,控制机器人自起始位置起沿X负向,以弓字形工作方式继续在房间1内工作。
进一步的,本申请实施例提供的所述方法还可包括:
106’、所述工作任务已完成时,控制所述机器人从完成所述工作任务时的终点位置移动至所述中途位置,并在所述机器人到达所述中途位置后控制所述机器人通过所述通道进入所述第二区域。
上述106的方案是从对区域拓扑地图进行设置的角度来阻止机器人通过所述通道进入所述第二区域;步骤106’的方案是从机器人的控制策略的角度来阻止机器人通过所述通道进入所述第二区域。
图2示出了本申请一实施例提供的动态区域划分方法的流程示意图。如图2所示,所述动态区域划分方法包括:
201、获取机器人在第一区域内采集到的环境图像。
202、在所述环境图像中识别出符合通道结构的影像时,采集环境信息。
203、根据所述环境信息确定存在有进入第二区域的通道时,执行通道封堵设置以将通过所述通道连通的所述第一区域和所述第二区域分割开。
上述201中,环境图像可以是机器人上的视觉传感器采集到的。
有关上述202中在所述环境图像中识别符合通道结构的影像的方法可参见上述实施例中的相应内容,此处不再赘述。
上述202中,所述环境信息为点云模型,相应的,本步骤202可具体包括:利用同时定位与地图创建SLAM技术对所述机器人的周围环境构建所述点云模型。
所述点云模型可以是基于SLAM技术构建的二维点云模型,也可以是基于VSLAM技术构建的三维点云模型。
同样的,本实施例中有关如何根据所述环境信息确定是否存在有进入第二区域的通道的过程,可参见上述实施例中的相关内容,此次不再赘述。
进一步的,本实施例提供的所述动态区域划分方法还可包括:
204、监听到开放通道事件时,执行通道开放设置以通过所述通道连通所述第一区域和所述第二区域。
其中,具体实施时,所述开放通道事件的触发方式包括如下中的至少一种:
基于所述机器人在所述第一区域内的任务执行情况确定所述机器人已完成其在所述第一区域内的任务时,触发所述开放通道事件;
接收到用户输入的开放通道指令后,触发所述开放通道事件。
其中,所述开放通道指令可以是用户通过触控清洁机器人上的相应控键后生成的,也可以是用户在清洁机器人的人机交互界面上对地图进行操作后生成的,或者是用户向清洁机器人发出控制语音后生成的。
本实施例提供的技术方案中,获取机器人在第一区域内采集的环境图像,且在环境图像中识别出符合通道结构的影像时采集环境信息;若根据环境信息确定存在有进入第二区域的通道时,将通过通道连通的第一区域和第二区域分割开,以实时划分工作区域,降低机器人跨区域来回穿梭工作的出现几率,实现了动态分区,有助于提高清洁效率。
在本申请一些实施例中,机器人上设有视觉传感器,视觉传感器可在机器人工作时采集环境图像。这些实施例提供的技术方案可简单理解为:在视觉传感器采集到的环境图像中识别出符合通道结构的影像后,再利用SLAM技术提供的三维信息(如三维点云模型)确定机器人的实际工作场景中是否存在有跨域的通道;存在有通道时,一种是通过直接控制机器人的方式以达到机器人工作到通道位置时,不会穿过通道,直至完成所在第一区域的工作任务后才通过通道进入下一个区域执行任务的功能;另一种是对区域拓扑地图进行修改,即区域拓扑地图的通道所在位置处进行通道封堵设置的方式(如增设虚拟墙),以达到机器人工作到通道位置时,不会穿过通道,直至完成所在第一区域的工作任务后才通过通道进入下一个区域执行任务的功能。
在本申请另一些实施例中,机器人上设有激光传感器,激光传感器可在机器人工作时采集周围环境信息,即二维点云数据。这些实施例提供的技术方案可简单理解为:根据激光传感器采集到的二维点云数据,确定机器人的实际工作场景中是否存在有跨域的通道;存在有通道时,一种是通过直接控制机器人的方式以达到机器人工作到通道位置时,不会穿过通道,直至完成所在第一区域的工作任务后才通过通道进入下一个区域执行任务的功能;另一种是对区域拓扑地图进行修改,即区域拓扑地图的通道所在位置处进行通道封堵设置的方式(如增设虚拟墙),以达到机器人工作到通道位置时,不会穿过通道,直至完成所在第一区域的工作任务后才通过通道进入下一个区域执行任务的功能。
本申请各实施例提供的技术方案,不需要借助历史地图数据,当机器人在陌生环境下,首次或再次进行清扫时,能够实时动态的控制机器人或对区域拓扑地图进行相应的设置的方式,使得机器人实现动态分区,从而能够根据不同区域执行任务,降低重复扫或漏扫的出现概率,提高清洁效率。另外,本申请实施例提供的技术方案,利用机器人上已有的视觉传感器,无需外加传感器,减低成本,降低结构设计难度,实时性好。
本申请实施例提供的技术方案可用于所有带视觉传感器的家用机器人产品(如扫地机器人)上。下面结合具体应用场景,对本申请实施例提供的技术方案进行说明。
扫地机器人在家庭环境中清扫时,可以实时识别通道(如图4中示出的1号门~4号门,走廊入口等),并根据SLAM所提供的三维信息(如三维点云模型)在图4所示室内房间拓扑地图中通道所在位置处进行通道封堵设置(如设置虚拟墙),以使扫地机器人能够分区域执行任务。
这里需要说明的是,虚拟墙的设置是动态的。即假设机器人当前处于房间1内(如图4所示),当机器人在房间1内工作至图4中的当前位置时确定出此处存在有跨域通道(图4中的1号门)时,仅对该1号门对应的通道进行通道封堵设置;当机器人完成对房间1的清扫后,还需对该1号门对应的通道进行通道开放设置(如删除虚拟墙)以使机器人能通过1号门进入走廊。
机器人D第一次进入陌生环境如图3所示,被随机的放在任意地方,如图3示意放在房间1中,不论以何种清扫方式开始。假如以弓字型方式开始清扫,如图4所示,机器人工作中会实时的识别是否存在有通道;当机器人工作至通道处,当其没有确定将房间1清扫完毕时,会返回到起始位置根据清扫策略完成剩余部分的清扫,直至确定完成对房间1的清扫任务,机器人会穿过1号门,如图5所示,进行下一个区域(图5中的走廊)的清扫任务,在实例户型图中,机器人将进入走廊执行清扫任务。
如图6所示,在走廊区域内工作过程中,机器人也会实时动态的识别是否存在有通道(如图6中所示的1号门~4号门,走廊入口等),并工作至相应通道处时,当其没有确定将走廊清扫完毕时,不会穿过通道进入其他区域,会根据清扫策略完成剩余部分的清扫,直至确定完成当前区域(即走廊区域)的清扫任务,然后机器会根据清扫策略在没有清扫的区域中选择一个区域,然后穿过与选出的一个区域相应的通道,进行下一个区域的清扫任务。
本申请实施例提供的技术方案可用于所有带激光传感器的家用机器人产品(如扫地机器人)上。下面结合具体应用场景,对本申请实施例提供的技术方案进行说明。
机器人D第一次进入陌生环境如图10所示,被随机的放在任意地方,如图10示意放在客厅6中某一位置,不论以何种清扫方式开始。假如以弓字型方式开始清扫,在清扫过程中,机器人D可借助激光传感器实时采集作业环境中的环境信息,即二维点云数据。图10中黑色实线条所示为墙壁,黑色点线表示机器人D的移动轨迹。基于激光传感器采集到的二维点云数据,可构建区域栅格地图,如图10所示。在图10中,由于一开始并未对房间5与客厅6进行分区,所以机器人D移动到通道(图10中所示的缺口)处时,可以进入房间5内继续执行清扫任务,并继续构建栅格地图。进一步,机器人D在房间5执行清扫任务过程中,若再次采集到房间5与客厅6之间的通道,则可按照图11所示方法识别出房间5与客厅6之间的通道(例如门洞)。
进一步,当机器人D工作至通道处,当其确定房间5尚未清扫完毕时,可在图10所示栅格地图中通道所在位置处进行通道封堵设置(如设置虚拟墙),以便继续在房间5内执行剩余部分的清扫,直至确定完成对房间5的清扫任务,机器人D会穿过通道进入客厅6中继续执行清扫任务。关于虚拟墙的说明,请参见前述场景实施例,在此不再赘述。
在上述实施例中,以可执行扫地任务的机器人(简称为扫地机器人)为例对本申请技术方案进行了示例性说明,但并不限于扫地机器人。本申请各实施例中的机器人泛指任何能够在其所在环境中高度自主地进行空间移动的机械设备,例如,可以是扫地机器人、陪护机器人或引导机器人等,也可以是净化器、无人驾驶车辆等。当然,对于不同机器人形态,其所执行的工作任务也会有所不同,对此不做限定。
图7示出了本申请一实施例提供的动态区域划分装置的结构示意图。如图7所示,所述装置包括:第一获取模块11、判断模块12及补充模块13。其中,所述第一获取模块11用于获取机器人在第一区域工作时采集的环境信息;所述判断模块12用于基于所述环境信息确定存在有进入第二区域的通道时,判断所述机器人是否已完成在所述第一区域内的工作任务;所述补充模块13用于在所述第一区域内的工作任务未完成时,在所述通道处补充边界以封堵所述通道。
本实施例提供的技术方案中,获取机器人在第一区域工作时采集的环境信息,并在根据环境信息确定存在有进入第二区域的通道,同时判断出机器人未完成第一区域内的工作任务时,阻止所述机器人通过所述通道进入第二区域,进而保证了单个区域工作完毕后才能进入下一区域工作的原则,降低了重复扫、漏扫现象的出现几率,且清洁效率高;另外,本实施例提供的技术方案,依赖工作中实时采集的环境信息,而无需借助历史地图数据,环境适应性高。
进一步的,所述环境信息为点云模型;以及所述第一获取模块11还用于:采集所述机器人在第一区域工作时的环境图像;对所述环境图像进行识别;识别出所述环境图像中含有符合通道结构的影像时,利用同时定位与地图创建SLAM技术对所述机器人的周围环境构建所述点云模型。
进一步的,本实施例提供的所述装置还包括第二获取模块及确定模块。其中,第二获取模块用于基于所述点云模型,获取符合通道结构的候选结构的尺寸信息;确定模块用于所述尺寸信息符合预设尺寸要求时,确定所述候选结构即进入所述第二区域的通道。
进一步的,所述尺寸信息包括:宽度、高度和深度。
进一步的,所述补充模块13还用于:获取区域拓扑地图及所述通道在所述区域拓扑地图中的位置;在所述区域拓扑地图的所述位置处,进行通道封堵设置。
进一步的,所述补充模块13还用于在所述第一区域内的工作任务已完成时,在所述区域拓扑地图的所述位置处,进行通道开放设置以便所述机器人通过所述通道进入所述第二区域。
进一步的,本实施例提供的所述装置还包括控制模块,所述控制装置用于:获取所述机器人在所述第一区域内的工作记录;根据所述工作记录,确定接续方案;按照所述接续方案,控制所述机器人继续在所述第一区域内工作。
进一步的,所述工作记录包括:工作方式、起始位置、在所述起始位置时所述机器人的启动朝向及监测到所述机器人工作至所述通道处时的中途位置。相应的,所述控制模块还用于:获取所述第一区域的区域地图;根据所述区域地图、所述工作方式、所述起始位置、所述启动朝向及所述中途位置,确定所述接续方案。
进一步的,所述控制模块还用于:根据所述中途位置,规划返回至所述起始位置的路径;按照所述路径,控制所述机器人工作以返回至所述起始位置;根据所述启动朝向,调整所述机器人再次回到所述起始位置后的接续朝向;控制所述机器人自所述起始位置起沿所述接续朝向,以所述工作方式继续在所述第一区域内工作。
进一步的,所述控制模块还用于:
在所述第一区域内的工作任务已完成时,控制所述机器人从完成任务时的终点位置移动至所述中途位置,并在所述机器人到达所述中途位置后控制所述机器人通过所述通道进入所述第二区域。
这里需要说明的是:上述实施例提供的动态区域划分装置可实现上述各方法实施例中描述的技术方案,上述各模块或单元具体实现的原理可参见上述动态区域划分方法实施例中的相应内容,此处不再赘述。
图8示出了本申请一实施例提供的区域划分装置的结构示意图。如图8所示,所述区域划分装置包括:获取模块21、采集模块22及设置模块23。其中,获取模块21用于获取机器人在第一区域内采集到的环境图像;采集模块22用于在所述环境图像中识别出符合通道结构的影像时,采集环境信息;设置模块23用于根据所述环境信息确定存在有进入第二区域的通道时,执行通道封堵设置以将通过所述通道连通的所述第一区域和所述第二区域分割开。
本实施例提供的技术方案中,获取机器人在第一区域内采集的环境图像,且在环境图像中识别出符合通道结构的影像时采集环境信息;若根据环境信息确定存在有进入第二区域的通道时,将通过通道连通的第一区域和第二区域分割开,以实时划分工作区域,降低机器人跨区域来回穿梭工作的出现几率,实现了动态分区,有助于提高清洁效率。
进一步的,所述设置模块23还用于:监听到开放通道事件时,执行通道开放设置以通过所述通道连通所述第一区域和所述第二区域。
进一步的,本实施例提供的区域划分装置还可包括触发模块。该触发模块具有如下至少一种功能:
基于所述机器人在所述第一区域内的任务执行情况确定所述机器人已完成其在所述第一区域内的任务时,触发所述开放通道事件;
接收到用户输入的开放通道指令后,触发所述开放通道事件。
进一步的,所述环境信息为点云模型;相应的,所述采集模块22还用于利用同时定位与地图创建SLAM技术对所述机器人的周围环境构建所述点云模型。
这里需要说明的是:上述实施例提供的区域划分装置可实现上述各方法实施例中描述的技术方案,上述各模块或单元具体实现的原理可参见上述区域划分方法实施例中的相应内容,此处不再赘述。
图9示出了本申请一实施例提供的清洁机器人的结构框图。如图9所示,该清洁机器人包括存储器31及处理器32。存储器31可被配置为存储各种数据以支持在清洁机器人上的操作。这些数据的示例包括用于在清洁机器人上操作的任何应用程序或方法的指令。存储器31可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
所述处理器32,与所述存储器31耦合,用于执行所述存储器31中存储的所述程序,以用于:
获取机器人在第一区域工作时采集的环境信息;
基于所述环境信息确定存在有进入第二区域的通道时,判断所述机器人是否已完成在所述第一区域内的工作任务;
所述工作任务未完成时,在所述通道处补充边界以封堵所述通道。
本实施例提供的技术方案中,获取机器人在第一区域工作时采集的环境信息,并在根据环境信息确定存在有进入第二区域的通道,同时判断出机器人未完成第一区域内的工作任务时,阻止所述机器人通过所述通道进入第二区域,进而保证了单个区域工作完毕后才能进入下一区域工作的原则,降低了重复扫、漏扫现象的出现几率,且清洁效率高;另外,本实施例提供的技术方案,依赖工作中实时采集的环境信息,而无需借助历史地图数据,环境适应性高。
其中,处理器32在执行存储器31中的程序时,除了上面的功能之外,还可实现其它功能,具体可参见前面方法实施例的描述。
进一步的,如图9所示,清洁机器人还可包括:通信组件33、视觉传感器34、电源组件35、音频组件36、清洁组件37及动力组件38等其它组件。图9中仅示意性给出部分组件,并不意味着清洁机器人只包括图9所示组件。
相应地,本申请实施例还提供一种存储有计算机程序的计算机可读存储介质,所述计算机程序被计算机执行时能够实现上述各实施例提供的动态区域划分方法的步骤或功能。
本申请还提供了一种清洁机器人的实施例。本实施例提供的清洁机器人的组成结构同图9所示的实施例;具体组成结构可参见图9所示。区别在于,处理器的功能不同。本实施例提供的清洁机器人包括存储器及处理器。所述存储器用于存储程序。所述处理器,与所述存储器耦合,用于执行所述存储器中存储的所述程序,以用于:
获取机器人在第一区域内采集到的环境图像;
在所述环境图像中识别出符合通道结构的影像时,采集环境信息;
根据所述环境信息确定存在有进入第二区域的通道时,执行通道封堵设置以将通过所述通道连通的所述第一区域和所述第二区域分割开。
本实施例提供的技术方案中,获取机器人在第一区域内采集的环境图像,且在环境图像中识别出符合通道结构的影像时采集环境信息;若根据环境信息确定存在有进入第二区域的通道时,将通过通道连通的第一区域和第二区域分割开,以实时划分工作区域,降低机器人跨区域来回穿梭工作的出现几率,实现了动态分区,有助于提高清洁效率。
其中,处理器在执行存储器中的程序时,除了上面的功能之外,还可实现其它功能,具体可参见前面方法实施例的描述。
相应地,本申请实施例还提供一种存储有计算机程序的计算机可读存储介质,所述计算机程序被计算机执行时能够实现上述各实施例提供的动态区域划分方法的步骤或功能。
图11为本申请实施例提供的一种区域通道识别方法的流程示意图。如图11所示,该方法包括:
111、获取机器人利用激光传感器在第一区域内采集到的环境信息,第一区域与已探测到的第二区域相邻。
112、基于环境信息识别第一区域中是否存在符合通道结构的缺口;若存在,执行步骤113;反之,结束此次操作。
113、根据缺口左右端点两侧的障碍物边界,识别缺口是否是从第一区域进入第二区域的通道。
其中,第二区域是机器人已经探测过的已知区域,并不限定机器人对第二区域的探测方式。
若机器人带有视觉传感器,则可以利用视觉的方法来提取第一区域与第二区域之间通道的位置,进而可基于通道的位置进行实时分区。但是,对于为带有视觉传感器的机器人来说,例如对于仅带有激光传感器的机器人就无法利用视觉的方法来提取第一区域与第二区域之间通道的位置。
针对上述问题,本实施例提供一种区域通道识别方法。在本实施例中,机器人上设有激光传感器,激光传感器扫描一个平面内障碍物后可采集到环境信息,即二维点云数据。基于所述环境信息可识别第一区域中是否存在符合通道结构的缺口,若存在符合通道结构的缺口,根据该缺口左右端点两侧的障碍物边界,识别该缺口是否是从第一区域进入第二区域的通道。本实施例解决了不带有视觉传感器的机器人所面临的区域通道识别问题。
在一可选实施例中,步骤112的实施方式包括:基于所述环境信息,搜索机器人行进前方区域内的障碍物;若在前方区域内发现相邻障碍物,计算机器人与相邻障碍物形成的夹角;若该夹角大于设定夹角阈值,计算相邻障碍物之间的距离;若相邻障碍物之间的距离符合设定的距离要求,则确定相邻障碍物之间存在符合通道结构的缺口。
在一可选实施例中,在确定相邻障碍物之间存在符合通道结构的缺口之前,所述方法还包括:计算所述缺口周围指定范围内的障碍物数量;根据所述缺口周围指定范围内的障碍物数量,辅助判断所述缺口是否符合通道结构。
在一可选实施例中,步骤113的实施方式包括:判断所述缺口左右端点两侧的障碍物边界是否平行或近似平行;若平行或近似平行,则确定所述缺口是从所述第一区域进入所述第二区域的通道。
进一步,判断所述缺口左右端点两侧的障碍物边界是否平行或近似平行,包括:计算所述缺口左右端点两侧的障碍物边界的斜率;若所述缺口左右端点两侧的障碍物边界的斜率差值在设定差值范围内,确定所述缺口左右端点两侧的障碍物边界否平行或近似平行。
进一步,在判断所述缺口左右端点两侧的障碍物边界是否平行或近似平行之前,所述方法还包括:在所述缺口左右端点两侧第一设定区域范围内进行膨胀腐蚀,得到所述缺口左右端点两侧的连续障碍物;在第二设定区域范围内跟踪所述缺口左右端点两侧的连续障碍物的边界,以得到所述缺口左右端点两侧的障碍物边界。
更进一步,在确定所述缺口左右端点两侧的障碍物边界否平行或近似平行之后,在确定所述缺口是从所述第一区域进入所述第二区域的通道之前,所述方法还包括执行以下至少一种操作:
判断是否位于所述缺口至少一侧的障碍物边界的向量、第二区域的相交边界的向量、以及与第二区域相邻的未探测区域的向量沿同一时针方向;
判断是否位于所述缺口至少一侧的障碍物边界与第二区域的相交边界的夹角在设定的角度范围内;
判断第二区域的相交边界的追踪起始点是否与机器人在同一连通区域内;
判断位于所述缺口两侧的障碍物是否是同一障碍物;
若上述任一种判断操作的判断结果均是,确定所述缺口是从所述第一区域进入所述第二区域的通道。
其中,第二区域的相交边界是指第二区域与其相邻的未探测区域之间的边界,且该边界与缺口左端点或右端点相交。位于缺口左侧的障碍物边界的向量是指由缺口左端点指向右端点的向量;位于缺口右侧的障碍物边界的向量是指由缺口右端点指向左端点的向量;相应地,位于缺口左侧的第二区域的相交边界的向量是指由缺口左端点指向位于缺口左侧的第二区域的相交边界的向量;位于缺口右侧的第二区域的相交边界的向量是指由缺口右端点指向位于缺口右侧的第二区域的相交边界的向量;相应地,位于缺口左侧的与第二区域相邻的未探测区域的向量是指由缺口左端点指向位于缺口左侧的与第二区域相邻的未探测区域的向量;位于缺口右侧的与第二区域相邻的未探测区域的向量是指由缺口右端点指向位于缺口右侧的与第二区域相邻的未探测区域的向量。
进一步,在确定所述缺口是从所述第一区域进入所述第二区域的通道之后,所述方法还包括:执行通道封堵设置以将通过所述通道连通的所述第一区域和所述第二区域分割开。
关于本实施例中各步骤或操作的详细描述,可参见前述实施例中的描述,在此不再赘述。
本申请还提供了一种机器人的实施例。本实施例提供的机器人的组成结构同图9所示的实施例;具体组成结构可参见图9所示。区别在于,处理器的功能不同。本实施例提供的机器人包括存储器及处理器。所述存储器用于存储程序。所述处理器,与所述存储器耦合,用于执行所述存储器中存储的所述程序,以用于:
获取机器人利用激光传感器在第一区域内采集到的环境信息,所述第一区域与已探测到的第二区域相邻;
基于所述环境信息识别所述第一区域中是否存在符合通道结构的缺口;
若存在,根据所述缺口左右端点两侧的障碍物边界,识别所述缺口是否是从所述第一区域进入所述第二区域的通道。
本实施例提供的技术方案中,获取机器人在第一区域内采集的环境信息,且识别出符合通道结构的缺口,进而结合缺口左右端点两侧的障碍物边界来识别该缺口是否是从第一区域进入第二区域的通道,解决了区域间通道识别的问题。进一步,在识别出区域之间的通道之后,将通过通道连通的第一区域和第二区域分割开,以实时划分工作区域,降低机器人跨区域来回穿梭工作的出现几率,实现了动态分区,有助于提高清洁效率。
其中,处理器在执行存储器中的程序时,除了上面的功能之外,还可实现其它功能,具体可参见前面方法实施例的描述。
相应地,本申请实施例还提供一种存储有计算机程序的计算机可读存储介质,所述计算机程序被计算机执行时能够实现上述各实施例提供的动态区域划分方法的步骤或功能。
以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
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各实施方式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。基于这样的理解,上述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,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (22)
1.一种动态区域划分方法,其特征在于,包括:
获取机器人在第一区域工作时采集的环境信息;
基于所述环境信息识别所述第一区域中是否存在符合通道结构的缺口;
若存在,判断所述缺口左右端点两侧的障碍物边界是否平行或近似平行;
若平行或近似平行,则执行以下至少一种判断操作:
判断是否位于所述缺口至少一侧的障碍物边界的向量、第二区域的相交边界的向量、以及与第二区域相邻的未探测区域的向量沿同一时针方向;
判断是否位于所述缺口至少一侧的障碍物边界与第二区域的相交边界的夹角在设定的角度范围内;
判断第二区域的相交边界的追踪起始点是否与机器人在同一连通区域内;
判断位于所述缺口两侧的障碍物是否是同一障碍物;
若上述任一种判断操作的判断结果为是,则确定所述缺口是从所述第一区域进入所述第二区域的通道,判断所述机器人是否已完成在所述第一区域内的工作任务;
所述工作任务未完成时,获取区域拓扑地图及所述通道在所述区域拓扑地图中的位置;在所述区域拓扑地图的所述位置处,补充边界以封堵所述通道。
2.根据权利要求1所述的方法,其特征在于,所述环境信息为点云模型;以及
所述获取机器人在第一区域工作时采集的环境信息,包括:
采集所述机器人在第一区域工作时的环境图像;
对所述环境图像进行识别;
识别出所述环境图像中含有符合通道结构的影像时,利用同时定位与地图创建SLAM技术对所述机器人的周围环境构建所述点云模型。
3.根据权利要求1所述的方法,其特征在于,基于所述环境信息识别所述第一区域中是否存在符合通道结构的缺口,包括:
基于所述环境信息,搜索机器人行进前方区域内的障碍物;
若在前方区域内发现相邻障碍物,计算机器人与相邻障碍物形成的夹角;
若该夹角大于设定夹角阈值,计算相邻障碍物之间的距离;
若相邻障碍物之间的距离符合设定的距离要求,则确定相邻障碍物之间存在符合通道结构的缺口。
4.根据权利要求3所述的方法,其特征在于,在确定相邻障碍物之间存在符合通道结构的缺口之前,还包括:
计算所述缺口周围指定范围内的障碍物数量;
根据所述缺口周围指定范围内的障碍物数量,辅助判断所述缺口是否符合通道结构。
5.根据权利要求4所述的方法,其特征在于,判断所述缺口左右端点两侧的障碍物边界是否平行或近似平行,包括:
计算所述缺口左右端点两侧的障碍物边界的斜率;
若所述缺口左右端点两侧的障碍物边界的斜率差值在设定差值范围内,确定所述缺口左右端点两侧的障碍物边界是否平行或近似平行。
6.根据权利要求5所述的方法,其特征在于,还包括:
所述工作任务完成时,取消在所述通道处补充的边界。
7.根据权利要求1至6中任一项所述的方法,其特征在于,所述工作任务未完成时,在所述通道处补充边界以封堵所述通道,之后还包括:
获取所述机器人在所述第一区域内的工作记录;
根据所述工作记录,确定接续方案;
按照所述接续方案,控制所述机器人继续在所述第一区域内工作。
8.根据权利要求7所述的方法,其特征在于,所述工作记录包括:工作方式、起始位置、在所述起始位置时所述机器人的启动朝向及监测到所述机器人工作至所述通道处时的中途位置;以及
根据所述工作记录,确定接续方案,包括:
获取所述第一区域的区域地图;
根据所述区域地图、所述工作方式、所述起始位置、所述启动朝向及所述中途位置,确定所述接续方案。
9.根据权利要求8所述的方法,其特征在于,按照所述接续方案,控制所述机器人继续在所述第一区域内工作,包括:
根据所述中途位置,规划返回至所述起始位置的路径;
按照所述路径,控制所述机器人工作以返回至所述起始位置;
根据所述启动朝向,调整所述机器人再次回到所述起始位置后的接续朝向;
控制所述机器人自所述起始位置起沿所述接续朝向,以所述工作方式继续在所述第一区域内工作。
10.根据权利要求9所述的方法,其特征在于,还包括:
所述工作任务完成时,控制所述机器人从完成所述工作任务时的终点位置移动至所述中途位置,并在所述机器人到达所述中途位置后控制所述机器人通过所述通道进入所述第二区域。
11.一种动态区域划分方法,其特征在于,包括:
获取机器人在第一区域内采集到的环境图像;
在所述环境图像中识别出符合通道结构的影像时,采集环境信息;
基于所述环境信息识别所述第一区域中是否存在符合通道结构的缺口;
若存在,判断所述缺口左右端点两侧的障碍物边界是否平行或近似平行;
若平行或近似平行,则执行以下至少一种判断操作:
判断是否位于所述缺口至少一侧的障碍物边界的向量、第二区域的相交边界的向量、以及与第二区域相邻的未探测区域的向量沿同一时针方向;
判断是否位于所述缺口至少一侧的障碍物边界与第二区域的相交边界的夹角在设定的角度范围内;
判断第二区域的相交边界的追踪起始点是否与机器人在同一连通区域内;
判断位于所述缺口两侧的障碍物是否是同一障碍物;
若上述任一种判断操作的判断结果为是,则确定所述缺口是从所述第一区域进入所述第二区域的通道;
获取区域拓扑地图及所述通道在所述区域拓扑地图中的位置,在所述区域拓扑地图的所述位置处补充边界以封堵所述通道,以将通过所述通道连通的所述第一区域和所述第二区域分割开。
12.根据权利要求11所述的方法,其特征在于,还包括:
监听到开放通道事件时,执行通道开放设置以通过所述通道连通所述第一区域和所述第二区域。
13.根据权利要求12所述的方法,其特征在于,所述开放通道事件的触发方式包括如下中的至少一种:
基于所述机器人在所述第一区域内的任务执行情况确定所述机器人已完成其在所述第一区域内的任务时,触发所述开放通道事件;
接收到用户输入的开放通道指令后,触发所述开放通道事件。
14.根据权利要求11至13中任一项所述的方法,其特征在于,所述环境信息为点云模型;以及
所述采集环境信息包括:
利用同时定位与地图创建SLAM技术对所述机器人的周围环境构建所述点云模型。
15.一种清洁机器人,其特征在于,包括存储器及处理器;其中,
所述存储器,用于存储程序;
所述处理器,与所述存储器耦合,用于执行所述存储器中存储的所述程序,以用于:
获取机器人在第一区域工作时采集的环境信息;
基于所述环境信息识别所述第一区域中是否存在符合通道结构的缺口;
若存在,判断所述缺口左右端点两侧的障碍物边界是否平行或近似平行;
若平行或近似平行,则执行以下至少一种判断操作:
判断是否位于所述缺口至少一侧的障碍物边界的向量、第二区域的相交边界的向量、以及与第二区域相邻的未探测区域的向量沿同一时针方向;
判断是否位于所述缺口至少一侧的障碍物边界与第二区域的相交边界的夹角在设定的角度范围内;
判断第二区域的相交边界的追踪起始点是否与机器人在同一连通区域内;
判断位于所述缺口两侧的障碍物是否是同一障碍物;
若上述任一种判断操作的判断结果为是,则确定所述缺口是从所述第一区域进入所述第二区域的通道,判断所述机器人是否已完成在所述第一区域内的工作任务;
所述工作任务未完成时,获取区域拓扑地图及所述通道在所述区域拓扑地图中的位置;在所述区域拓扑地图的所述位置处,补充边界以封堵所述通。
16.一种清洁机器人,其特征在于,包括存储器及处理器;其中,
所述存储器,用于存储程序;
所述处理器,与所述存储器耦合,用于执行所述存储器中存储的所述程序,以用于:
获取机器人在第一区域内采集到的环境图像;
在所述环境图像中识别出符合通道结构的影像时,采集环境信息;
基于所述环境信息识别所述第一区域中是否存在符合通道结构的缺口;
若存在,判断所述缺口左右端点两侧的障碍物边界是否平行或近似平行;
若平行或近似平行,则执行以下至少一种判断操作:
判断是否位于所述缺口至少一侧的障碍物边界的向量、第二区域的相交边界的向量、以及与第二区域相邻的未探测区域的向量沿同一时针方向;
判断是否位于所述缺口至少一侧的障碍物边界与第二区域的相交边界的夹角在设定的角度范围内;
判断第二区域的相交边界的追踪起始点是否与机器人在同一连通区域内;
判断位于所述缺口两侧的障碍物是否是同一障碍物;
若上述任一种判断操作的判断结果为是,则确定所述缺口是从所述第一区域进入所述第二区域的通道;
获取区域拓扑地图及所述通道在所述区域拓扑地图中的位置,在所述区域拓扑地图的所述位置处补充边界以封堵所述通,以将通过所述通道连通的所述第一区域和所述第二区域分割开。
17.一种区域通道识别方法,其特征在于,包括:
获取机器人利用激光传感器在第一区域内采集到的环境信息,所述第一区域与已探测到的第二区域相邻;
基于所述环境信息识别所述第一区域中是否存在符合通道结构的缺口;
若存在,判断所述缺口左右端点两侧的障碍物边界是否平行或近似平行;
若平行或近似平行,则执行以下至少一种判断操作:
判断是否位于所述缺口至少一侧的障碍物边界的向量、第二区域的相交边界的向量、以及与第二区域相邻的未探测区域的向量沿同一时针方向;
判断是否位于所述缺口至少一侧的障碍物边界与第二区域的相交边界的夹角在设定的角度范围内;
判断第二区域的相交边界的追踪起始点是否与机器人在同一连通区域内;
判断位于所述缺口两侧的障碍物是否是同一障碍物;
若上述任一种判断操作的判断结果为是,则确定所述缺口是从所述第一区域进入所述第二区域的通道。
18.根据权利要求17所述的方法,其特征在于,基于所述环境信息识别所述第一区域中是否存在符合通道结构的缺口,包括:
基于所述环境信息,搜索机器人行进前方区域内的障碍物;
若在前方区域内发现相邻障碍物,计算机器人与相邻障碍物形成的夹角;
若该夹角大于设定夹角阈值,计算相邻障碍物之间的距离;
若相邻障碍物之间的距离符合设定的距离要求,则确定相邻障碍物之间存在符合通道结构的缺口。
19.根据权利要求18所述的方法,其特征在于,在确定相邻障碍物之间存在符合通道结构的缺口之前,还包括:
计算所述缺口周围指定范围内的障碍物数量;
根据所述缺口周围指定范围内的障碍物数量,辅助判断所述缺口是否符合通道结构。
20.根据权利要求17所述的方法,其特征在于,判断所述缺口左右端点两侧的障碍物边界是否平行或近似平行,包括:
计算所述缺口左右端点两侧的障碍物边界的斜率;
若所述缺口左右端点两侧的障碍物边界的斜率差值在设定差值范围内,确定所述缺口左右端点两侧的障碍物边界平行或近似平行。
21.根据权利要求17所述的方法,其特征在于,在判断所述缺口左右端点两侧的障碍物边界是否平行或近似平行之前,还包括:
在所述缺口左右端点两侧第一设定区域范围内进行膨胀腐蚀,得到所述缺口左右端点两侧的连续障碍物;
在第二设定区域范围内跟踪所述缺口左右端点两侧的连续障碍物的边界,以得到所述缺口左右端点两侧的障碍物边界。
22.一种机器人,其特征在于,包括存储器及处理器;其中,
所述存储器,用于存储程序;
所述处理器,与所述存储器耦合,用于执行所述存储器中存储的所述程序,以用于:
获取机器人利用激光传感器在第一区域内采集到的环境信息,所述第一区域与已探测到的第二区域相邻;
基于所述环境信息识别所述第一区域中是否存在符合通道结构的缺口;
若存在,判断所述缺口左右端点两侧的障碍物边界是否平行或近似平行;
若平行或近似平行,则执行以下至少一种判断操作:
判断是否位于所述缺口至少一侧的障碍物边界的向量、第二区域的相交边界的向量、以及与第二区域相邻的未探测区域的向量沿同一时针方向;
判断是否位于所述缺口至少一侧的障碍物边界与第二区域的相交边界的夹角在设定的角度范围内;
判断第二区域的相交边界的追踪起始点是否与机器人在同一连通区域内;
判断位于所述缺口两侧的障碍物是否是同一障碍物;
若上述任一种判断操作的判断结果为是,则确定所述缺口是从所述第一区域进入所述第二区域的通道。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP19907156.4A EP3907575B1 (en) | 2019-01-03 | 2019-12-30 | Dynamic region division and region channel identification method, and cleaning robot |
PCT/CN2019/129766 WO2020140860A1 (zh) | 2019-01-03 | 2019-12-30 | 动态区域划分与区域通道识别方法及清洁机器人 |
US16/733,164 US11618168B2 (en) | 2019-01-03 | 2020-01-02 | Dynamic region division and region passage identification methods and cleaning robot |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2019100050535 | 2019-01-03 | ||
CN201910005053 | 2019-01-03 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111459153A CN111459153A (zh) | 2020-07-28 |
CN111459153B true CN111459153B (zh) | 2022-09-06 |
Family
ID=71683383
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911327603.1A Active CN111459153B (zh) | 2019-01-03 | 2019-12-20 | 动态区域划分与区域通道识别方法及清洁机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111459153B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112237400B (zh) * | 2020-09-04 | 2022-07-01 | 安克创新科技股份有限公司 | 用于区域划分的方法、自移动机器人及计算机存储介质 |
CN112269380A (zh) * | 2020-10-15 | 2021-01-26 | 许继电源有限公司 | 一种变电站巡检机器人遇障控制方法及系统 |
CN112596654B (zh) * | 2020-12-25 | 2022-05-17 | 珠海格力电器股份有限公司 | 数据处理、电子设备的控制方法、装置、设备及电子设备 |
CN112847356B (zh) * | 2020-12-31 | 2022-05-20 | 国网智能科技股份有限公司 | 一种变电站足式巡检机器人安全控制方法及系统 |
CN112990098B (zh) * | 2021-04-13 | 2023-08-15 | 追觅创新科技(苏州)有限公司 | 区域划分方法和装置、存储介质、电子装置 |
CN113503877A (zh) * | 2021-06-22 | 2021-10-15 | 深圳拓邦股份有限公司 | 机器人分区地图建立方法、装置及机器人 |
CN113558530B (zh) * | 2021-07-30 | 2022-10-28 | 北京小狗吸尘器集团股份有限公司 | 一种清扫方法、存储介质和扫地机 |
CN113925390B (zh) * | 2021-10-19 | 2022-09-09 | 珠海一微半导体股份有限公司 | 一种基于地图图像的跨区域通道识别方法、机器人及芯片 |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100549042B1 (ko) * | 2003-07-21 | 2006-02-02 | 주식회사 한울로보틱스 | 청소로봇의 청소동작 제어방법 |
JP2005211359A (ja) * | 2004-01-30 | 2005-08-11 | Funai Electric Co Ltd | 自律走行ロボットクリーナーシステム |
CN103076802B (zh) * | 2012-10-09 | 2016-01-20 | 江苏大学 | 机器人虚拟边界建立与识别方法及系统 |
KR102158695B1 (ko) * | 2014-02-12 | 2020-10-23 | 엘지전자 주식회사 | 로봇 청소기 및 이의 제어방법 |
CN104460666B (zh) * | 2014-10-27 | 2017-05-10 | 上海理工大学 | 一种基于距离矢量的机器人自主避障移动控制方法 |
CN104615138B (zh) * | 2015-01-14 | 2017-09-08 | 上海物景智能科技有限公司 | 一种划分移动机器人室内区域动态覆盖方法及其装置 |
CN104898660B (zh) * | 2015-03-27 | 2017-10-03 | 中国科学技术大学 | 一种提高机器人路径规划效率的室内地图构建方法 |
US9868211B2 (en) * | 2015-04-09 | 2018-01-16 | Irobot Corporation | Restricting movement of a mobile robot |
CN108500977B (zh) * | 2017-01-09 | 2020-07-24 | 广东宝乐机器人股份有限公司 | 一种机器人的移动控制方法及机器人 |
CN106843230B (zh) * | 2017-03-24 | 2019-11-19 | 上海思岚科技有限公司 | 应用于移动设备的虚拟墙系统及其实现方法 |
CN106997721B (zh) * | 2017-04-17 | 2019-05-31 | 深圳奥比中光科技有限公司 | 绘制2d地图的方法、装置及存储装置 |
CN108803589A (zh) * | 2017-04-28 | 2018-11-13 | 深圳乐动机器人有限公司 | 机器人虚拟墙系统 |
CN107328419A (zh) * | 2017-06-21 | 2017-11-07 | 上海斐讯数据通信技术有限公司 | 一种清扫机器人的清扫路径的规划方法及清扫机器人 |
CN107329476A (zh) * | 2017-08-02 | 2017-11-07 | 珊口(上海)智能科技有限公司 | 一种房间拓扑地图构建方法、系统、装置及扫地机器人 |
CN107368079B (zh) * | 2017-08-31 | 2019-09-06 | 珠海市一微半导体有限公司 | 机器人清扫路径的规划方法及芯片 |
CN107378953A (zh) * | 2017-09-20 | 2017-11-24 | 深圳市杉川机器人有限公司 | 清扫控制方法、装置、清扫机器人及可读存储介质 |
CN107981790B (zh) * | 2017-12-04 | 2020-06-09 | 深圳市无限动力发展有限公司 | 室内区域划分方法及扫地机器人 |
CN108415421A (zh) * | 2018-01-26 | 2018-08-17 | 广东宝乐机器人股份有限公司 | 一种提高移动机器人边角覆盖率的方法 |
CN108606728B (zh) * | 2018-05-08 | 2020-12-25 | 平安科技(深圳)有限公司 | 一种扫地机器人控制方法、设备、扫地机器人及存储介质 |
CN108549383B (zh) * | 2018-05-17 | 2020-06-09 | 电子科技大学 | 一种实时多传感器的社区机器人导航方法 |
CN108983776B (zh) * | 2018-07-19 | 2021-07-30 | 深圳市欢创科技有限公司 | 一种机器人控制方法及其装置、电子设备 |
CN108968825B (zh) * | 2018-08-17 | 2020-12-11 | 深圳领贝智能科技有限公司 | 一种扫地机器人和机器人扫地方法 |
-
2019
- 2019-12-20 CN CN201911327603.1A patent/CN111459153B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111459153A (zh) | 2020-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111459153B (zh) | 动态区域划分与区域通道识别方法及清洁机器人 | |
EP3907575B1 (en) | Dynamic region division and region channel identification method, and cleaning robot | |
Rekleitis et al. | Efficient boustrophedon multi-robot coverage: an algorithmic approach | |
Jensfelt et al. | Active global localization for a mobile robot using multiple hypothesis tracking | |
Yamauchi | Decentralized coordination for multirobot exploration | |
CN105320140A (zh) | 一种扫地机器人及其清扫路径规划方法 | |
CN111728535B (zh) | 一种生成清扫路径的方法、装置、电子设备及存储介质 | |
CN104737085A (zh) | 用于自主地检测或处理地面的机器人和方法 | |
CN111609852A (zh) | 语义地图构建方法、扫地机器人及电子设备 | |
CN111158353A (zh) | 用于多个机器人的移动控制方法以及其系统 | |
CN110502014A (zh) | 一种机器人避障的方法及机器人 | |
Durham et al. | Distributed pursuit-evasion with limited-visibility sensors via frontier-based exploration | |
CN112656307B (zh) | 一种清洁方法及清洁机器人 | |
CN113219992A (zh) | 一种路径规划方法及清洁机器人 | |
CN109343521B (zh) | 一种机器人清扫房间的方法及机器人 | |
CN113475977B (zh) | 机器人路径规划方法、装置及机器人 | |
CN108803586A (zh) | 一种扫地机器人的工作方法 | |
EP4357871A1 (en) | Robot task execution method and apparatus, robot, and storage medium | |
CN115494834A (zh) | 机器人路径规划方法、装置及机器人 | |
CN113219995A (zh) | 一种路径规划方法及清洁机器人 | |
CN111679664A (zh) | 基于深度相机的三维地图构建方法及扫地机器人 | |
Matignon et al. | Multi-robot simultaneous coverage and mapping of complex scene-comparison of different strategies | |
GB2584839A (en) | Mapping of an environment | |
KR101970191B1 (ko) | 청소 기능 제어 장치와 방법 및 청소 로봇 | |
Maurović et al. | Autonomous exploration of large unknown indoor environments for dense 3D model building |
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 |