CN111543902B - 地面清洁方法、装置、智能清洁设备和存储介质 - Google Patents

Abstract

本申请涉及一种地面清洁方法、装置、智能清洁设备和存储介质。所述方法包括：采集待清洁区域的环境图像；对环境图像进行检测分割，得到环境对象组和地面区域；识别环境对象组中的各个环境对象，根据识别结果确定待清洁区域的环境类型；对地面区域进行识别，得到待清洁区域的地面材质类型；根据环境类型和地面材质类型确定待清洁区域对应的清洁策略，根据清洁策略对待清洁区域进行清洁。采用本方法能够对待清洁区域进行针对性的清洁，有效地提高清洁效率、提升清洁效果。

Description

地面清洁方法、装置、智能清洁设备和存储介质

技术领域

本申请涉及人工智能技术领域，特别是涉及一种地面清洁方法、装置、智能清洁设备和存储介质。

背景技术

随着人工智能技术的发展，越来越多的智能产品出现并应用在日常生活中。其中，智能清洁设备能够自动清洁地面，将用户从日常的清洁工作中解放出来。在传统方案中，智能清洁设备通常是对所有区域进行相同程度的清洁。

然而家庭中的地面环境往往比较复杂，不同的房间场景的垃圾类型往往不同。根据传统方案，对不同的房间场景的地面进行相同程度的清洁缺乏针对性、导致清洁效率低、清洁效果差。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高清洁效率和清洁效果的地面清洁方法、装置、智能清洁设备和存储介质。

一种地面清洁方法，应用于智能清洁设备，所述方法包括：

采集待清洁区域的环境图像；

对所述环境图像进行检测分割，得到环境对象组和地面区域；

识别所述环境对象组中的各个环境对象，根据识别结果确定所述待清洁区域的环境类型；

对所述地面区域进行识别，得到所述待清洁区域的地面材质类型；

根据所述环境类型和所述地面材质类型确定所述待清洁区域对应的清洁策略，根据所述清洁策略对所述待清洁区域进行清洁。

在其中一个实施例中，所述根据所述环境类型和所述地面材质类型确定所述待清洁区域对应的清洁策略，根据所述清洁策略对所述待清洁区域进行清洁包括：

当所述待清洁区域包括多种地面材质类型时，根据所述地面材质类型对待清洁区域进行区域划分，得到多个子区域；

获取各个所述子区域的地面材质类型对应的地面属性信息，以及所述环境类型对应的环境属性信息；

根据所述地面属性信息和所述环境属性信息确定各个所述子区域对应的清洁策略，根据各个所述子区域对应的清洁策略对所述待清洁区域进行分区清洁。

在其中一个实施例中，所述清洁策略包括清洁强度；所述根据所述环境类型和所述地面材质类型确定所述待清洁区域对应的清洁策略，根据所述清洁策略对所述待清洁区域进行清洁包括：

获取所述环境类型对应的环境属性信息和所述地面材质类型对应的地面属性信息；

根据所述环境属性信息确定所述环境类型对应的清洁强度，根据所述地面属性信息确定所述地面材质类型对应的清洁强度；

将所述环境类型对应的清洁强度和所述地面材质类型对应的清洁强度加权运算，根据加权运算结果确定所述待清洁区域对应的清洁强度；

根据所述清洁强度对所述待清洁区域进行清洁。

在其中一个实施例中，所述对所述地面区域进行识别，得到所述待清洁区域的地面材质类型包括：

对所述地面区域进行特征提取，得到所述地面区域对应的特征集合；

对所述特征集合中的各个特征进行分类，得到所述各个特征的类型；

获取所述各个特征类型对应的权重，根据所述权重对所述各个特征的类型进行加权运算，得到特征类型分数；

根据所述特征类型分数确定所述待清洁区域的地面材质类型。

在其中一个实施例中，所述方法还包括：

获取多个待清洁区域的环境图像和位置信息；

从所述多个待清洁区域的环境图像中提取得到环境特征点集合；

根据所述多个待清洁区域的位置信息确定所述环境特征点集合中各个环境特征点的位置信息；

根据所述各个环境特征点的位置信息对所述各个环境特征点进行渲染，生成房屋平面地图；

将所述多个待清洁区域对应的清洁策略与所述房屋平面地图进行关联匹配，得到房屋清洁策略地图；

在清洁过程中，获取当前待清洁区域的位置信息，根据所述当前待清洁区域的位置信息在所述房屋清洁策略地图中查找得到与所述当前待清洁区域匹配的目标清洁策略；根据所述目标清洁策略对所述当前待清洁区域进行清洁。

在其中一个实施例中，在所述根据所述环境类型和所述地面材质类型确定所述待清洁区域对应的清洁策略，根据所述清洁策略对所述待清洁区域进行清洁之后，所述方法还包括：

获取所述待清洁区域的地面图像，对所述地面图像进行目标检测，得到检测结果；

当所述检测结果包括待清洁对象时，识别得到所述待清洁对象的类型和位置区域；

获取与所述待清洁对象的类型匹配的对象清洁策略；

移动至所述待清洁对象的位置区域，根据所述对象清洁策略对所述待清洁对象进行清洁处理。

在其中一个实施例中，所述对象清洁策略包括将所述待清洁对象移动至与所述待清洁对象对应的目标位置。

一种地面清洁装置，应用于智能清洁设备，所述装置包括：

图像采集模块，用于采集待清洁区域的环境图像；

图像处理模块，用于对所述环境图像进行检测分割，得到环境对象组和地面区域；识别所述环境对象组中的各个环境对象，根据识别结果确定所述待清洁区域的环境类型；对所述地面区域进行识别，得到所述待清洁区域的地面材质类型；

清洁模块，用于根据所述环境类型和所述地面材质类型确定所述待清洁区域对应的清洁策略，根据所述清洁策略对所述待清洁区域进行清洁。

一种智能清洁设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法的步骤。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。

上述地面清洁方法、装置、智能清洁设备和存储介质，通过采集待清洁区域的环境图像；对环境图像进行检测分割，得到环境对象组和地面区域；识别环境对象组中的各个环境对象，根据识别结果确定待清洁区域的环境类型；对地面区域进行识别，得到待清洁区域的地面材质类型；根据环境类型和地面材质类型确定待清洁区域对应的清洁策略，根据清洁策略对待清洁区域进行针对性地清洁，能够有效地提高清洁效率、提升清洁效果。

附图说明

图1为一个实施例中智能清洁设备的结构示意图；

图2为一个实施例中地面清洁方法的流程示意图；

图3为一个实施例中对地面区域进行识别，得到待清洁区域的地面材质类型步骤的流程示意图；

图4为一个实施例中生成房屋清洁策略地图，通过房屋清洁策略地图对待清洁区域进行清洁的清洁方法的流程示意图；

图5为一个实施例中待清洁对象的清洁方法的流程示意图；

图6为另一个实施例中地面清洁方法的流程示意图；

图7为一个实施例中地面清洁装置的结构框图；

图8为一个实施例中智能清洁设备的内部结构图。

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。

本申请提供的地面清洁方法，可以应用于智能清洁设备中。如图1所示，智能清洁设备100可以包括但不限于传感器102、控制器104以及执行组件106等。控制器104可以执行该地面清洁方法，控制智能清洁设备100的执行组件106执行对应的操作。其中，传感器102具体可以包括但不限于视觉传感器、红外传感器、声波传感器、摄像机以及深度相机等。控制器104具体可以包括但不限于中央处理器(CPU，Central processing unit)和控制电路等，用于对采集到的环境图像等数据进行处理，并且通过控制电路控制执行组件106执行对应的操作。执行组件106具体可以包括但不限于移动组件和清洁组件等。

具体地，智能清洁设备100通过传感器102采集待清洁区域的环境图像。控制器104对环境图像进行检测分割，得到环境对象组和地面区域；识别环境对象组中的各个环境对象，根据识别结果确定待清洁区域的环境类型；对地面区域进行识别，得到待清洁区域的地面材质类型。进一步地，控制器104根据环境类型和地面材质类型确定待清洁区域对应的清洁策略，控制执行组件106根据清洁策略对待清洁区域进行清洁。

在一个实施例中，如图2所示，提供了一种地面清洁方法，以该方法应用于图1中的智能清洁设备为例进行说明，包括以下步骤：

步骤202，采集待清洁区域的环境图像。

其中，环境图像是指待清洁区域的周围环境的图像数据。环境图像可以是在智能清洁设备在进行清洁工作的过程中采集的，也可以是智能清洁设备为了采集环境图像而进行移动并且采集到的。在其中一个实施例中，智能清洁设备可以接收用户进行的初始化设置或者功能选择等清洁策略设置，智能清洁设备根据设置的清洁策略控制智能清洁设备进行对应的清洁工作。在智能清洁设备进行清洁的过程中，并行获取待清洁区域的环境图像。

待清洁区域是指智能清洁设备在进行清洁时所需要清洁的区域，可以是智能清洁设备视觉范围内需要清洁的区域。视觉范围是智能清洁设备中传感器的有效检测范围。待清洁区域的地面图像是智能清洁设备上的传感器对待清洁区域的地面采集得到的。

具体地，智能清洁设备可以在移动过程或清洁过程中，通过传感器采集待清洁区域的环境图像。环境图像可以是深度图像、点云图像、红外图像或者普通彩色图像、灰度图像等。

步骤204，对环境图像进行检测分割，得到环境对象组和地面区域。

其中，环境对象组包含多个环境对象。环境对象是从环境图像中检测得到的对象，例如茶几、床、沙发、浴缸等。地面区域是指由环境图像分割得到的地面区域子图像。

具体地，可以基于目标检测算法建立的目标检测模型。智能清洁设备通过调用目标检测模型，对环境图像进行目标检测。其中，用于建立图像检测模型的目标检测算法具体可以是YOLO(You Only Look Once)、Faster-RCNN(Convolutional Neural Networks，卷积神经网络)、CornerNet、MobileNet或者SSD(Single Shot Multi Box Detector)等多种目标检测算法中的一种。目标检测模型可以通过目标框在环境图像中框出检测到的环境对象和地面区域。

进一步地，在检测得到环境对象和地面区域后，对环境图像进行掩码操作，保留目标框区域，消除背景的影响，减少计算量。在掩码操作后，可以通过区域生长算法、分水岭算法、基于边缘检测的分割算法、基于遗传算法的图像分割、基于主动轮廓模型的分割算法等分割算法对掩码操作后的多个目标框区域进行分割，可以多个环境对象，以及地面区域，并由多个环境对象组合得到环境对象组。

步骤206，识别环境对象组中的各个环境对象，根据识别结果确定待清洁区域的环境类型。

其中，环境对象与待清洁区域对应的场景存在关联关系，智能清洁设备可以根据环境对象确定待清洁区域所对应的场景信息。场景信息可以包括待清洁区域对应的环境类型，例如，待检测图像中的待清洁区域具体可以对应房屋中的客厅、卫生间、阳台、厨房、饭厅或者卧室等环境类型。当环境对象包括灶台时，智能清洁设备可以根据关联关系确定待清洁区域对应的环境类型为厨房。

具体地，在检测得到环境对象组之后，将检测得到的环境对象组输入到环境对象识别模型中。环境对象识别模型可以有深度学习神经网络训练得到，例如，MobileNet V1(efficient convolutional neural networks for mobile vision application，用于移动视觉应用的高效卷积神经网络)。环境对象识别模型提取各个环境对象的轮廓特征，对各个环境对象的轮廓特征进行分类，识别得到各个环境对象的类型。

进一步地，智能清洁设备通过环境对象组中各个环境对象的类型来确定待清洁区域的环境类型。例如，环境对象组包括凳子、书桌、柜子、梳妆台和床。那么，当智能清洁设备仅识别到凳子和柜子时，并不能确定待清洁区域的环境类型；甚至当智能清洁设备识别到书桌时，可能会认为待清洁区域的环境类型为书房。因此，智能清洁设备在识别判断待清洁区域的环境类型时，可以通过多个环境对象组合得到的环境对象组来识别判断待清洁区域的环境类型，提高环境识别的准确率。

在一个实施例中，还可以为各个环境对象设置不同的权重。例如，为床、浴缸、灶台等具有明确房间场景特性的环境对象设置较高的权重，为凳子、桌子等房间场景特性较弱的环境对象设置较低的权重。获取各个环境对象对应的房间场景特性，例如，床对应的房间场景特性为卧室，浴缸对应的方将场景特性为浴室，将各个环境对象对应的房间场景特性以各个环境对象对应的权重进行加权运算，计算得到房间场景特性分数，将房间场景特性分数最高的房间场景特性对应的环境类型作为待清洁区域的环境类型。

步骤208，对地面区域进行识别，得到待清洁区域的地面材质类型。

其中，地面材质类型包括混凝土地面、石材地面、木质地面、瓷砖地面和地毯等。

具体地，智能清洁设备可以通过深度学习神经网络训练得到的地面材质识别模型来对地面区域进行识别，得到待清洁区域的地面材质类型。

步骤210，根据环境类型和地面材质类型确定待清洁区域对应的清洁策略，根据清洁策略对待清洁区域进行清洁。

其中，清洁策略是指预先为智能清洁设备设置的清洁规则，不同环境类型、不同地面材质类型对应不同的清洁策略。清洁策略可以包括但不限于清洁强度、清洁时间和清洁频率。清洁强度是指清洁的力度，例如吸力的大小。清洁时间是指清洁的时间点。清洁频率是清洁的时间间隔，也可以是清洁周期。

具体地，智能清洁设备可以根据环境属性信息确定环境类型对应的清洁策略，根据地面属性信息确定地面材质类型对应的清洁策略，再对环境类型对应的清洁策略和地面材质类型对应的清洁策略进行组合分析，得到待清洁区域对应的清洁策略。其中，环境属性信息包括但不限于环境的功能特性，例如，厨房的功能特性为饮食料理，那么，厨房可能在日常料理的时间段在存在较多的厨余垃圾，对应的清洁策略可以设为在中午12:30以及傍晚19:00对厨房进行高清洁强度的清洁。地面属性信息包括但不限于地面的耐磨性，例如，木质地面的耐磨性较差，若清洁强度过大，可能会导致木质地面被刮花，因此要控制好清洁强度，可以采用低清洁强度对木质地面进行清洁，从而保护木质地面。因此，当厨房为木质地面时，对应的清洁策略可以是，在中午12:30以及傍晚19:00对厨房进行多次低清洁强度的清洁，在保证清洁效果的同时，保护地面。

在一个实施例中，清洁策略包括清洁强度。智能清洁设备可以将环境类型对应的清洁强度和地面材质类型对应的清洁强度加权运算，根据加权运算结果确定待清洁区域对应的清洁强度；根据清洁强度对待清洁区域进行清洁。在一个实施例中，可以为地面材质类型对应的清洁强度设置较高的权重，以此来保护地面。当环境类型对应的清洁强度和地面材质类型对应的清洁强度相差较大时，可以高清洁强度对应地转换为清洁次数，对待清洁区域进行多次的低清洁强度的清洁。

在一个实施例中，待清洁区域可以包括多种地面材质类型。智能清洁设备可以根据地面材质类型对待清洁区域进行区域划分，将相邻的、地面材质类型相同的区域划分到一起，得到多个子区域。例如，卧室的地面为木质地面，在床旁边的地面上铺设有毛毯，那么可以将卧室的地面划分得到木质地面和毛毯地面，对木质地面和毛毯地面分别采用不同的清洁策略进行清洁。

上述地面清洁方法中，通过采集待清洁区域的环境图像；对环境图像进行检测分割，得到环境对象组和地面区域；识别环境对象组中的各个环境对象，根据识别结果确定待清洁区域的环境类型；对地面区域进行识别，得到待清洁区域的地面材质类型；根据环境类型和地面材质类型确定待清洁区域对应的清洁策略，根据清洁策略对待清洁区域进行针对性地清洁，能够有效地提高清洁效率、提升清洁效果。

在一个实施例中，如图3所示，步骤A包括：

步骤302，对地面区域进行特征提取，得到地面区域对应的特征集合；

步骤304，对特征集合中的各个特征进行分类，得到各个特征的类型；

步骤306，获取各个特征类型对应的权重，根据权重对各个特征的类型进行加权运算，得到特征类型分数；

步骤308，根据特征类型分数确定待清洁区域的地面材质类型。

其中，地面区域是指从环境图像中分割得到的地面区域子图像。特征提取、特征分类以及计算特征类型分数可以是基于深度学习模型实现的。

具体地，模型训练人员基于深度学习算法建立标准材质识别模型。标准材质识别模型可以是基于深度学习网络MobileNet V1(efficient convolutional neuralnetworks for mobile vision application，用于移动视觉应用的高效卷积神经网络)建立的TFLite(TensorFlow Lite，一种用于设备端推断的开源深度学习框架)类型的模型，标准材质识别模型也可以是基于其他深度学习网络建立的。例如，VGG、ResNet(ResidualNeural Network，残差神经网络)、RetinaNet、CornerNet-lite、YOLO或者SSD等网络建立地面材质识别模型。在其它实施例中，标准材质识别模型还可以是基于MobileNet-SSD算法建立的模型。MobileNet-SSD算法是通过MobileNet进行图像特征提取，用SSD框架来完成对象框检测的目标检测算法，通过深度可分离卷积提取图像特征，有效的提高了卷积网络的计算效率。

标准材质识别模型还包括分类器，在提取得到图像特征之后，通过分类器对图像特征进行分类，从而得到材质类型。其中，分类器包括但不限于SVM(Residual Network，支持向量机)、DT(Decision Tree，决策树)或者NBM(Naive Bayesian Model，朴素贝叶斯模型)或者分类神经网络等分类器。

训练数据可以是模型训练人员根据实际训练需求收集的图像数据，也可以是训练数据库中的图像数据。例如，用于模型训练的图像数据具体可以是TensorFlow(一个开放源代码的数据库)中包括需要识别地面材质的图像数据。获取到用于训练的图像数据之后，可以将图像数据转化为TFRecord(一种二进制数据格式)格式数据，将TFRecord格式数据作为训练数据输入标准材质识别模型进行模型训练。在其中一个实施例中，用于对标准材质识别模型进行训练的数据具体可以包括训练数据、验证数据以及测试数据。

根据训练图像可以对标准材质识别模型进行循环训练，直到训练收敛，得到训练后的地面材质识别模型。例如，可以采用Fine-Tune(模型微调)的方式进行迁移学习，训练预设数量个Epoch(每个Epoch表示使用全部训练数据训练一次)，比如3万个Epoch，将检测模型的损失值(loss)降低至预设值时，确定训练收敛。其中，预设值可以是根据实际需求预先设置的参数值，比如预设值可以设置为0.2。训练结束之后，可以通过模型转化算法对训练收敛的地面材质识别模型进行转化，将地面材质识别模型转化为能够在智能清洁设备中运行的，以此对传感器采集的地面图像进行检测的预设格式的地面材质识别模型。例如，地面材质识别模型具体可以是TFLite类型的材质识别模型。

训练后的地面材质识别模型包括所需提取的特征类型、各个类型对应的权重和分数。智能清洁设备通过调用训练后的地面材质识别模型，将待清洁区域的地面区域子图像输入训练后的地面材质识别模型，从而得各个待清洁区域的地面材质类型。地面材质识别模型通过卷积层对地面区域子图像进行卷积计算，提取得到待清洁区域对应的特征集合；通过池化层对特征集合进行下采样；通过全连接层对下采样后的特征集合进行特征加权，融合深度特征，从而识别得到待清洁区域的地面材质类型。

在一个实施例中，地面材质识别模型可以通过输出数字标签的方式来表示识别结果。数字标签可以是计算得到的特征类型分数。例如，当输出的数字标签为0时，表示对应的地面材质类型为瓷砖地面。

在本实施例中，通过对待清洁区域的地面区域子图像进行识别，可以得到待清洁区域对应的地面材质类型，从而实现对地面材质类型不同的待清洁区域执行不同的、具有针对性清洁策略，能够保护地面、提高清洁效率、提升清洁效果。

在一个实施例中，如图4所示，上述地面清洁方法还包括：

步骤402，获取多个待清洁区域的环境图像和位置信息；

步骤404，从多个待清洁区域的环境图像中提取得到环境特征点集合；

步骤406，根据多个待清洁区域的位置信息确定环境特征点集合中各个环境特征点的位置信息；

步骤408，根据各个环境特征点的位置信息对各个环境特征点进行渲染，生成房屋平面地图；

步骤410，将多个待清洁区域对应的清洁策略与房屋平面地图进行关联匹配，得到房屋清洁策略地图；

步骤412，在清洁过程中，获取当前待清洁区域的位置信息，根据当前待清洁区域的位置信息在房屋清洁策略地图中查找得到与当前待清洁区域匹配的目标清洁策略；根据目标清洁策略对当前待清洁区域进行清洁。

其中，智能清洁设备还包括定位装置。智能清洁设备通过定位装置能够获取多个待清洁区域的位置信息。其中，位置信息可以是全球定位系统(Global PositioningSystem，GPS)中的定位坐标，也可以是各个待清洁区域之间的位置关系。

具体地，智能清洁设备在清洁过程或移动过程中，通过传感器获取多个待清洁区域的环境图像，通过定位装置获取多个待清洁区域的位置信息。智能清洁设备可以通过卷积神经网络对多个待清洁区域的环境图像进行卷积运算，提取得到环境特征点集合。环境特征点集合中的各个环境特征点在环境图像中具有对应的图像位置信息，即图像中的像素点坐标。结合待清洁区域的位置信息和各个环境特征点的图像位置信息，智能清洁设备可以确定各个环境特征点的物理位置信息。其中，物理位置信息指的是与图像位置信息相对的，在现实世界中的位置信息，可以是全球定位系统的定位坐标。智能清洁设备根据各个环境特征点的物理位置信息，对各个环境特征点进行渲染，得到房屋平面地图。房屋平面图中可以包括客厅、卧室、餐厅、厨房、卫生间、走廊、阳台、书房等不同环境类型的区域。

进一步地，智能清洁设备根据多个待清洁区域的位置信息，将多个待清洁区域对应的清洁策略与房屋平面地图进行关联匹配，得到房屋清洁策略地图。其中，待清洁区域对应的清洁策略是由环境类型和地面材质类型确定的清洁策略，充分考虑到了环境类型和地面材质类型对清洁效果的影响。

在得到房屋清洁策略地图后，在后续的清洁过程中，智能清洁设备可以直接获取当前待清洁区域的位置信息，根据当前待清洁区域的位置信息在房屋清洁策略地图中查找得到与当前待清洁区域匹配的目标清洁策略；根据目标清洁策略对当前待清洁区域进行针对性的清洁，避免每次清洁都需要对待清洁区域的环境类型和地面材质类型进行识别，提高清洁效率。

在本实施例中，通过生成房屋清洁策略地图，在后续的清洁过程中，仅需要获取当前待清洁区域的位置信息，便可以从房屋清洁策略地图中查找得到匹配的目标清洁策略，对当前待清洁区域进行针对性的清洁，避免每次清洁都需要对待清洁区域的环境类型和地面材质类型进行识别，提高清洁效率。

在一个实施例中，如图5所示，在步骤210或步骤412之后，上述地面清洁方法还包括：

步骤502，获取待清洁区域的地面图像，对地面图像进行目标检测，得到检测结果；

步骤504，当检测结果包括待清洁对象时，识别得到待清洁对象的类型和位置区域；

步骤506，获取与待清洁对象的类型匹配的对象清洁策略；

步骤508，移动至待清洁对象的位置区域，根据对象清洁策略对待清洁对象进行清洁处理。

其中，地面图像是指在清洁过程中，对地面进行实时采集得到的图像。待清洁对象是智能清洁设备需要对其进行清洁的对象，可以是各种类型的垃圾，例如，毛发、纸屑和污渍等。对象清洁策略可以包括但不限于将待清洁对象吸入垃圾收纳盒，将待清洁对象移动至目标区域。其中，目标区域可以是预先规划好的垃圾投放区域。

具体地，在智能清洁设备通过目标清洁策略对待清洁区域进行清洁之后，可以再获取待清洁区域的地面图像，对地面图像进行目标检测，判断是否清洁干净。当目标检测结果为不包括待清洁对象时，说明待清洁区域已清洁干净，智能清洁设备可以停止对待清洁区域的清洁。

当目标检测结果为包括待清洁对象时，智能清洁设备可以提取待清洁对象的轮廓特征，将轮廓特征输入分类器或分类网络中，识别得到待清洁对象的类型。进一步地，智能清洁设备获取与待清洁对象的类型匹配的对象清洁策略，通过执行组件移动至待清洁对象的位置区域，根据对象清洁策略对待清洁对象进行清洁处理。根据对象清洁策略对待清洁对象进行清洁处理。例如，当待清洁对象为毛发、纸屑或者灰尘时，智能清洁设备直接将毛发或灰尘吸入垃圾收纳盒。当待清洁对象为可回收的易拉罐时，智能清洁设备将易拉罐移动至目标区域。当清洁对象为污渍时，智能清洁设备可以将其吸入再洒水，再吸入，反复多次进行清洁。

在本实施例中，通过在清洁过程中，检测判断待清洁区域是否清洁干净，若待清洁区域中包括待清洁对象，则进一步识别待清洁对象的类型，对待清洁对象执行针对性的对象清洁策略，能够进一步提高清洁效率，提升清洁效果。

在一个实施例中，如图6所示，提供了另一种地面清洁方法，以该方法应用于图1中的终端智能清洁设备为例进行说明，包括以下步骤：

步骤602，采集多个待清洁区域的环境图像和位置信息；

步骤604，分别对多个待清洁区域的环境图像进行检测分割，得到多个待清洁区域的对应的环境对象组和地面区域；

步骤606，识别环境对象组中的各个环境对象，根据识别结果确定多个待清洁区域的环境类型；

步骤608，对地面区域进行特征提取，得到地面区域对应的特征集合；

步骤610，对特征集合中的各个特征进行分类，得到各个特征的类型；

步骤612，获取各个特征类型对应的权重，根据权重对各个特征的类型进行加权运算，得到特征类型分数；

步骤614，根据特征类型分数确定多个待清洁区域的地面材质类型；

步骤616，当待清洁区域包括多种地面材质类型时，根据地面材质类型对待清洁区域进行区域划分，得到多个子区域；

步骤618，获取各个子区域的地面材质类型对应的地面属性信息，以及环境类型对应的环境属性信息；

步骤620，根据环境属性信息确定环境类型对应的清洁强度，根据地面属性信息确定各个子区域对应的清洁强度；

步骤622，将环境类型对应的清洁强度和各个子区域对应的清洁强度加权运算，根据加权运算结果确定各个子区域对应的清洁强度；

步骤624，根据清洁强度确定各个子区域对应的清洁策略；

步骤626，从多个待清洁区域的环境图像中提取得到环境特征点集合；

步骤628，根据多个待清洁区域的位置信息确定环境特征点集合中各个环境特征点的位置信息；

步骤630，根据各个环境特征点的位置信息对各个环境特征点进行渲染，生成房屋平面地图；

步骤632，将多个待清洁区域对应的清洁策略与房屋平面地图进行关联匹配，得到房屋清洁策略地图；

步骤634，在清洁过程中，获取当前待清洁区域的位置信息，根据当前待清洁区域的位置信息在房屋清洁策略地图中查找得到与当前待清洁区域匹配的各个子区域对应的清洁策略；

步骤636，根据各个子区域对应的清洁策略对当前待清洁区域进行分区清洁；

步骤638，获取待清洁区域的地面图像，对地面图像进行目标检测，得到检测结果；

步骤640，当检测结果包括待清洁对象时，识别得到待清洁对象的类型和位置区域；

步骤642，获取与待清洁对象的类型匹配的对象清洁策略；对象清洁策略包括将待清洁对象移动至与待清洁对象对应的目标位置；

步骤644，移动至待清洁对象的位置区域，根据对象清洁策略对待清洁对象进行清洁处理。

在本实施例中，通过识别得到待清洁区域的环境类型和地面材质类型，当待清洁区域包括多种地面材质类型时，对待清洁区域进行区域划分，并由划分后的子区域的环境类型和地面材质类型确定子区域对应的清洁策略。通过子区域的位置信息和子区域对应的清洁策略生成房屋清洁策略地图，在清洁过程中，可以通过定位获取得到对应的清洁策略，对待清洁区域进行针对性地分区清洁，提高清洁效率。在分区清洁过程中，或在分区清洁后，进一步地对待清洁区域进行目标检测，当检测得到待清洁区域还存在待清洁对象时，检测识别待清洁对象的类型，获取与待清洁对象的类型对应的对象清洁策略对其进行清洁，可以提升清洁效果。

应该理解的是，虽然图2-6的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-6中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图7所示，提供了一种地面清洁装置700，包括：图像采集模块701、图像处理模块702和清洁模块703，其中：

图像采集模块701，用于采集待清洁区域的环境图像；

图像处理模块702，用于对环境图像进行检测分割，得到环境对象组和地面区域；识别环境对象组中的各个环境对象，根据识别结果确定待清洁区域的环境类型；对地面区域进行识别，得到待清洁区域的地面材质类型；

清洁模块703，用于根据环境类型和地面材质类型确定待清洁区域对应的清洁策略，根据清洁策略对待清洁区域进行清洁。

在一个实施例中，清洁模块703还用于当待清洁区域包括多种地面材质类型时，根据地面材质类型对待清洁区域进行区域划分，得到多个子区域；获取各个子区域的地面材质类型对应的地面属性信息，以及环境类型对应的环境属性信息；根据地面属性信息和环境属性信息确定各个子区域对应的清洁策略，根据各个子区域对应的清洁策略对待清洁区域进行分区清洁。

在一个实施例中，清洁模块703还用于获取环境类型对应的环境属性信息和地面材质类型对应的地面属性信息；根据环境属性信息确定环境类型对应的清洁强度，根据地面属性信息确定地面材质类型对应的清洁强度；将环境类型对应的清洁强度和地面材质类型对应的清洁强度加权运算，根据加权运算结果确定待清洁区域对应的清洁强度；根据清洁强度对待清洁区域进行清洁。

在一个实施例中，图像处理模块702还用于对地面区域进行特征提取，得到地面区域对应的特征集合；对特征集合中的各个特征进行分类，得到各个特征的类型；获取各个特征类型对应的权重，根据权重对各个特征的类型进行加权运算，得到特征类型分数；根据特征类型分数确定待清洁区域的地面材质类型。

在一个实施例中，地面清洁装置700还包括地图生成模块704，地图生成模块704用于获取多个待清洁区域的环境图像和位置信息；从多个待清洁区域的环境图像中提取得到环境特征点集合；根据多个待清洁区域的位置信息确定环境特征点集合中各个环境特征点的位置信息；根据各个环境特征点的位置信息对各个环境特征点进行渲染，生成房屋平面地图；将多个待清洁区域对应的清洁策略与房屋平面地图进行关联匹配，得到房屋清洁策略地图；清洁模块703还用于在清洁过程中，获取当前待清洁区域的位置信息，根据当前待清洁区域的位置信息在房屋清洁策略地图中查找得到与当前待清洁区域匹配的目标清洁策略；根据目标清洁策略对当前待清洁区域进行清洁。

在一个实施例中，图像处理模块702还用于获取待清洁区域的地面图像，对地面图像进行目标检测，得到检测结果；当检测结果包括待清洁对象时，识别得到待清洁对象的类型和位置区域；清洁模块703还用于获取与待清洁对象的类型匹配的对象清洁策略；移动至待清洁对象的位置区域，根据对象清洁策略对待清洁对象进行清洁处理。

在一个实施例中，对象清洁策略包括将待清洁对象移动至与待清洁对象对应的目标位置。

关于地面清洁装置的具体限定可以参见上文中对于地面清洁方法的限定，在此不再赘述。上述地面清洁装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于智能清洁设备中的处理器中，也可以以软件形式存储于智能清洁设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种智能清洁设备，该智能清洁设备可以是终端，其内部结构图可以如图8所示。该智能清洁设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该智能清洁设备的处理器用于提供计算和控制能力。该智能清洁设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该智能清洁设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种地面清洁方法。该智能清洁设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该智能清洁设备的输入装置可以是显示屏上覆盖的触摸层，也可以是智能清洁设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的智能清洁设备的限定，具体的智能清洁设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种智能清洁设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：采集待清洁区域的环境图像；对环境图像进行检测分割，得到环境对象组和地面区域；识别环境对象组中的各个环境对象，根据识别结果确定待清洁区域的环境类型；对地面区域进行识别，得到待清洁区域的地面材质类型；根据环境类型和地面材质类型确定待清洁区域对应的清洁策略，根据清洁策略对待清洁区域进行清洁。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：当待清洁区域包括多种地面材质类型时，根据地面材质类型对待清洁区域进行区域划分，得到多个子区域；获取各个子区域的地面材质类型对应的地面属性信息，以及环境类型对应的环境属性信息；根据地面属性信息和环境属性信息确定各个子区域对应的清洁策略，根据各个子区域对应的清洁策略对待清洁区域进行分区清洁。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取环境类型对应的环境属性信息和地面材质类型对应的地面属性信息；根据环境属性信息确定环境类型对应的清洁强度，根据地面属性信息确定地面材质类型对应的清洁强度；将环境类型对应的清洁强度和地面材质类型对应的清洁强度加权运算，根据加权运算结果确定待清洁区域对应的清洁强度；根据清洁强度对待清洁区域进行清洁。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：对地面区域进行特征提取，得到地面区域对应的特征集合；对特征集合中的各个特征进行分类，得到各个特征的类型；获取各个特征类型对应的权重，根据权重对各个特征的类型进行加权运算，得到特征类型分数；根据特征类型分数确定待清洁区域的地面材质类型。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取多个待清洁区域的环境图像和位置信息；从多个待清洁区域的环境图像中提取得到环境特征点集合；根据多个待清洁区域的位置信息确定环境特征点集合中各个环境特征点的位置信息；根据各个环境特征点的位置信息对各个环境特征点进行渲染，生成房屋平面地图；将多个待清洁区域对应的清洁策略与房屋平面地图进行关联匹配，得到房屋清洁策略地图；在清洁过程中，获取当前待清洁区域的位置信息，根据当前待清洁区域的位置信息在房屋清洁策略地图中查找得到与当前待清洁区域匹配的目标清洁策略；根据目标清洁策略对当前待清洁区域进行清洁。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取待清洁区域的地面图像，对地面图像进行目标检测，得到检测结果；当检测结果包括待清洁对象时，识别得到待清洁对象的类型和位置区域；获取与待清洁对象的类型匹配的对象清洁策略；移动至待清洁对象的位置区域，根据对象清洁策略对待清洁对象进行清洁处理。

在一个实施例中，处理器执行计算机程序时，对象清洁策略包括将待清洁对象移动至与待清洁对象对应的目标位置。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：采集待清洁区域的环境图像；对环境图像进行检测分割，得到环境对象组和地面区域；识别环境对象组中的各个环境对象，根据识别结果确定待清洁区域的环境类型；对地面区域进行识别，得到待清洁区域的地面材质类型；根据环境类型和地面材质类型确定待清洁区域对应的清洁策略，根据清洁策略对待清洁区域进行清洁。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：当待清洁区域包括多种地面材质类型时，根据地面材质类型对待清洁区域进行区域划分，得到多个子区域；获取各个子区域的地面材质类型对应的地面属性信息，以及环境类型对应的环境属性信息；根据地面属性信息和环境属性信息确定各个子区域对应的清洁策略，根据各个子区域对应的清洁策略对待清洁区域进行分区清洁。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取环境类型对应的环境属性信息和地面材质类型对应的地面属性信息；根据环境属性信息确定环境类型对应的清洁强度，根据地面属性信息确定地面材质类型对应的清洁强度；将环境类型对应的清洁强度和地面材质类型对应的清洁强度加权运算，根据加权运算结果确定待清洁区域对应的清洁强度；根据清洁强度对待清洁区域进行清洁。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对地面区域进行特征提取，得到地面区域对应的特征集合；对特征集合中的各个特征进行分类，得到各个特征的类型；获取各个特征类型对应的权重，根据权重对各个特征的类型进行加权运算，得到特征类型分数；根据特征类型分数确定待清洁区域的地面材质类型。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取多个待清洁区域的环境图像和位置信息；从多个待清洁区域的环境图像中提取得到环境特征点集合；根据多个待清洁区域的位置信息确定环境特征点集合中各个环境特征点的位置信息；根据各个环境特征点的位置信息对各个环境特征点进行渲染，生成房屋平面地图；将多个待清洁区域对应的清洁策略与房屋平面地图进行关联匹配，得到房屋清洁策略地图；在清洁过程中，获取当前待清洁区域的位置信息，根据当前待清洁区域的位置信息在房屋清洁策略地图中查找得到与当前待清洁区域匹配的目标清洁策略；根据目标清洁策略对当前待清洁区域进行清洁。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取待清洁区域的地面图像，对地面图像进行目标检测，得到检测结果；当检测结果包括待清洁对象时，识别得到待清洁对象的类型和位置区域；获取与待清洁对象的类型匹配的对象清洁策略；移动至待清洁对象的位置区域，根据对象清洁策略对待清洁对象进行清洁处理。

在一个实施例中，计算机程序被处理器执行时，对象清洁策略包括将待清洁对象移动至与待清洁对象对应的目标位置。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。

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。

以上所述实施例仅表达了本申请的几种实施方式，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，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种地面清洁方法，应用于智能清洁设备，其特征在于，所述方法包括：

采集待清洁区域的环境图像；

对所述环境图像进行检测分割，得到环境对象组和地面区域；所述环境对象组包括多个环境对象；

识别所述环境对象组中的各个环境对象，根据各所述环境对象的识别结果确定所述待清洁区域的环境类型；

对所述地面区域进行识别，得到所述待清洁区域的地面材质类型；

根据所述环境类型和所述地面材质类型确定所述待清洁区域对应的清洁策略；当所述环境类型对应的清洁强度和所述地面材质类型对应的清洁强度的强度差异满足强度转换条件时，将所述环境类型对应的清洁强度和所述地面材质类型对应的清洁强度中的高清洁强度转换为进行多次的低清洁强度，并根据所述多次的低清洁强度对所述清洁策略进行更新；

根据更新后的所述清洁策略对所述待清洁区域进行清洁。

2.根据权利要求1所述的方法，其特征在于，所述根据所述环境类型和所述地面材质类型确定所述待清洁区域对应的清洁策略，根据所述清洁策略对所述待清洁区域进行清洁包括：

当所述待清洁区域包括多种地面材质类型时，根据所述地面材质类型对待清洁区域进行区域划分，得到多个子区域；

获取各个所述子区域的地面材质类型对应的地面属性信息，以及所述环境类型对应的环境属性信息；

根据所述地面属性信息和所述环境属性信息确定各个所述子区域对应的清洁策略，根据各个所述子区域对应的清洁策略对所述待清洁区域进行分区清洁。

3.根据权利要求1至2任意一项所述的方法，其特征在于，所述清洁策略包括清洁强度；所述根据所述环境类型和所述地面材质类型确定所述待清洁区域对应的清洁策略，包括：

获取所述环境类型对应的环境属性信息和所述地面材质类型对应的地面属性信息；

根据所述环境属性信息确定所述环境类型对应的清洁强度，根据所述地面属性信息确定所述地面材质类型对应的清洁强度；

将所述环境类型对应的清洁强度和所述地面材质类型对应的清洁强度加权运算，根据加权运算结果确定所述待清洁区域对应的清洁强度。

4.根据权利要求1所述的方法，其特征在于，所述对所述地面区域进行识别，得到所述待清洁区域的地面材质类型包括：

对所述地面区域进行特征提取，得到所述地面区域对应的特征集合；

对所述特征集合中的各个特征进行分类，得到所述各个特征的类型；

获取所述各个特征类型对应的权重，根据所述权重对所述各个特征的类型进行加权运算，得到特征类型分数；

根据所述特征类型分数确定所述待清洁区域的地面材质类型。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取多个待清洁区域的环境图像和位置信息；

从所述多个待清洁区域的环境图像中提取得到环境特征点集合；

根据所述多个待清洁区域的位置信息确定所述环境特征点集合中各个环境特征点的位置信息；

根据所述各个环境特征点的位置信息对所述各个环境特征点进行渲染，生成房屋平面地图；

将所述多个待清洁区域对应的清洁策略与所述房屋平面地图进行关联匹配，得到房屋清洁策略地图；

在清洁过程中，获取当前待清洁区域的位置信息，根据所述当前待清洁区域的位置信息在所述房屋清洁策略地图中查找得到与所述当前待清洁区域匹配的目标清洁策略；根据所述目标清洁策略对所述当前待清洁区域进行清洁。

6.根据权利要求1所述的方法，其特征在于，在所述根据更新后的所述清洁策略对所述待清洁区域进行清洁之后，所述方法还包括：

获取所述待清洁区域的地面图像，对所述地面图像进行目标检测，得到检测结果；

当所述检测结果包括待清洁对象时，识别得到所述待清洁对象的类型和位置区域；

获取与所述待清洁对象的类型匹配的对象清洁策略；

移动至所述待清洁对象的位置区域，根据所述对象清洁策略对所述待清洁对象进行清洁处理。

7.根据权利要求6所述的方法，其特征在于，所述对象清洁策略包括将所述待清洁对象移动至与所述待清洁对象对应的目标位置。

8.一种地面清洁装置，应用于智能清洁设备，其特征在于，所述装置包括：

图像采集模块，用于采集待清洁区域的环境图像；

图像处理模块，用于对所述环境图像进行检测分割，得到环境对象组和地面区域；所述环境对象组包括多个环境对象；识别所述环境对象组中的各个环境对象，根据各所述环境对象的识别结果确定所述待清洁区域的环境类型；对所述地面区域进行识别，得到所述待清洁区域的地面材质类型；

清洁模块，用于根据所述环境类型和所述地面材质类型确定所述待清洁区域对应的清洁策略；当所述环境类型对应的清洁强度和所述地面材质类型对应的清洁强度的强度差异满足强度转换条件时，将所述环境类型对应的清洁强度和所述地面材质类型对应的清洁强度中的高清洁强度转换为进行多次的低清洁强度，并根据所述多次的低清洁强度对所述清洁策略进行更新；根据更新后的所述清洁策略对所述待清洁区域进行清洁。

9.一种智能清洁设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

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，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

Images