CN112198222A - 地面材质识别方法、系统、设备及存储介质 - Google Patents

地面材质识别方法、系统、设备及存储介质 Download PDF

Info

Publication number
CN112198222A
CN112198222A CN202010983034.2A CN202010983034A CN112198222A CN 112198222 A CN112198222 A CN 112198222A CN 202010983034 A CN202010983034 A CN 202010983034A CN 112198222 A CN112198222 A CN 112198222A
Authority
CN
China
Prior art keywords
identification
ground
frequency
ground material
low
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.)
Granted
Application number
CN202010983034.2A
Other languages
English (en)
Other versions
CN112198222B (zh
Inventor
胡利萍
王文浩
卢晓莹
周庆东
喻治安
程福萍
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Midea Robozone Technology Co Ltd
Original Assignee
Midea Group Co Ltd
Jiangsu Midea Cleaning Appliances Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Midea Group Co Ltd, Jiangsu Midea Cleaning Appliances Co Ltd filed Critical Midea Group Co Ltd
Priority to CN202010983034.2A priority Critical patent/CN112198222B/zh
Publication of CN112198222A publication Critical patent/CN112198222A/zh
Priority to US18/026,817 priority patent/US20230324343A1/en
Priority to PCT/CN2021/077834 priority patent/WO2022057209A1/zh
Application granted granted Critical
Publication of CN112198222B publication Critical patent/CN112198222B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24133—Distances to prototypes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G01N29/045—Analysing solids by imparting shocks to the workpiece and detecting the vibrations or the acoustic waves caused by the shocks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G01N29/12—Analysing solids by measuring frequency or resonance of acoustic waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/14—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object using acoustic emission techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4409—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison
    • G01N29/4427—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison with stored values, e.g. threshold values
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4454—Signal recognition, e.g. specific values or portions, signal events, signatures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4472—Mathematical theories or simulation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4481—Neural networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/46—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by spectral analysis, e.g. Fourier analysis or wavelet analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2131—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on a transform domain processing, e.g. wavelet transform
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/02—Indexing codes associated with the analysed material
    • G01N2291/023—Solids
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/02—Indexing codes associated with the analysed material
    • G01N2291/023—Solids
    • G01N2291/0232—Glass, ceramics, concrete or stone
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/26—Scanned objects
    • G01N2291/263—Surfaces
    • G01N2291/2632—Surfaces flat
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Acoustics & Sound (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)

Abstract

本申请实施例中提供了地面材质识别方法、系统、设备及存储介质，地面材质识别的方法包括：采集扫地机在多种材质地面上工作时产生的振动信号；根据振动信号确定地面材质识别的识别参数；最后，根据识别参数识别地面材质类型。通过本申请的地面材质识别技术，利用不同材质地面的不同振动信号的特征来区分地面材质，实现了低成本识别，提高了识别准确率以及鲁棒性，识别性能稳定，进一步增加了地面材质识别的可靠性。解决了现有地面材质识别技术成本高、可靠性低且识别结果不准确的问题。

Description

地面材质识别方法、系统、设备及存储介质
技术领域
本申请属于机器识别技术领域，具体地，涉及一种地面材质识别方法、系统、设备及存储介质。
背景技术
随着社会文明的发展进步，各种人工智能产品不断应用于人类生活的各个方面，在家庭生活中，房屋清洁作为日常很重要的步骤，为了将用户从日常的清扫工作中解放出来，出现了扫地机器人，可以使用扫地机器人自动完成家庭的清扫工作。
房屋中的地面可能有些区域的地面铺设有地毯、有些区域的地面铺设的是地板、有些区域的地面铺设的是地砖。在扫地机或者拖地机在工作时，避开地毯作业是强需求功能。另外，扫拖一体机在地毯/非地毯地面临界处，需要适时调整清洁模式，扫地机在地毯/非地毯地面临界处适时调整清洁模式，主要调整吸力是扫地机的重要智能化方向之一，因此地面材质识别是非常必要的，扫地机器人需要准确识别出这些地面材质，以便执行相应的清扫模式进行有针对性的清扫。
现有的地面材质识别技术中，有通过超声波传感器进行识别，但是传感器价格高，造成成本的大幅增加；或者通过视觉的硬件配合复杂的算法，这种方式因为算法复杂，其实施成本和效率也不尽如意；另外，通过多传感器融合的方案，如采用滚刷或边刷电流的，若扫地机器的滚刷或者边刷被毛发缠绕，此时电机电流增大，容易和上地毯后电机电流增大混淆，因此，识别可靠性低。
基于此，亟需一种低成本、准确率高且识别结果更可靠的地面材质识别技术。
发明内容
本发明提出了一种地面材质识别方法、系统、设备及存储介质，旨在解决现有地面材质识别技术成本高、可靠性低且识别结果不准确的问题。
根据本申请实施例的第一个方面，提供了一种地面材质识别方法，应用于清洁机器人，具体包括以下步骤：
采集清洁机器人在多种材质地面上工作时产生的振动信号；
根据振动信号确定地面材质识别的识别参数；
根据识别参数识别地面材质类型。
在本申请一些实施方式中，识别参数包括振动信号的低频段范围、高频段范围以及低频段能量与高频段能量的比值阈值。
在本申请一些实施方式中，根据振动信号确定地面材质识别的识别参数，具体包括以下步骤：
设定振动信号的预设低频段范围以及预设高频段范围；
根据预设低频段范围以及预设高频段范围确定振动信号的低频段能量与高频段能量；
将振动信号的低频段能量与高频段能量的比值作为识别特征；
输入识别特征至分类器进行训练，得到识别参数。
在本申请一些实施方式中，根据振动信号确定地面材质识别的识别参数，具体包括以下步骤：
根据振动信号形成的时域信号，通过频谱分析，得到多种材质地面的频率信号；
设定频率信号的预设低频段范围以及预设高频段范围；
根据预设低频段范围以及预设高频段范围确定频率信号的低频段能量与高频段能量；
将频率信号的低频段能量与高频段能量的比值作为识别特征；
输入识别特征至分类器进行训练，得到识别参数。在本申请一些实施方式中，根据振动信号形成的时域信号，通过频谱分析，得到多种材质地面的频率信号，具体包括：
将振动信号形成的时域信号进行加窗，得到加窗后的时域信号；
根据加窗后的时域信号，通过频谱分析得到频率信号。
在本申请一些实施方式中，得到多种材质地面的频率信号之后，还包括将频率信号按照硬质地面或者软质地面打标签；硬质地面包括地砖、地板以及大理石，软质地面包括地毯以及塑胶。
在本申请一些实施方式中，根据识别参数识别地面材质类型，具体包括：
采集在待识别地面上产生的待识别振动信号；
根据识别参数识别待识别振动信号得到地面材质分类。
根据本申请实施例的第二个方面，提供了一种地面材质识别系统，具体包括：
振动信号采集模块：用于采集清洁机器人在多种材质地面上工作时产生的振动信号；
识别参数确定模块：用于根据振动信号确定地面材质识别的识别参数；
材质识别模块：用于根据识别参数识别地面材质类型。
根据本申请实施例的第三个方面，提供了一种地面材质识别设备，包括：
存储器：用于存储可执行指令；以及
处理器:用于与存储器连接以执行可执行指令从而完成地面材质识别方法。
根据本申请实施例的第四个方面，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以实现地面材质识别方法。
采用本申请实施例中的地面材质识别方法、系统、设备及存储介质，地面材质识别的方法包括：采集清洁机器人在多种材质地面上工作时产生的振动信号；根据振动信号确定地面材质识别的识别参数；最后，根据识别参数识别地面材质类型。通过本申请的地面材质识别技术，利用不同材质地面的不同振动信号的特征来区分地面材质，实现了低成本识别，提高了识别准确率以及鲁棒性，识别性能稳定，进一步增加了地面材质识别的可靠性。解决了现有地面材质识别技术成本高、可靠性低且识别结果不准确的问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1中示出了根据本申请的地面材质识别方法的不同地面材质的频谱示意图；
图2中示出了根据本申请实施例的地面材质识别方法的步骤示意图；
图3中示出了根据本申请实施例的地面材质识别方法中基于振动信号进行识别的步骤示意图；
图4中示出了根据本申请实施例的地面材质识别方法中在硬质地面以及软质地面分别采集的振动信号示意图；
图5中示出了根据本申请实施例的地面材质识别方法的流程示意图；
图6中示出了根据本申请实施例的地面材质识别方法中基于频率信号进行识别的步骤示意图；
图7中示出了根据本申请实施例的地面材质识别系统的结构示意图；
图8中示出了根据本申请实施例的地面材质识别设备的结构示意图。
具体实施方式
在实现本申请的过程中，发明人发现现有的地面材质识别技术中，有通过超声波传感器进行识别，但是传感器价格高，造成成本的大幅增加；或者通过视觉的硬件配合复杂的算法，这种方式因为算法复杂，其实施成本和效率也不尽如意；另外，通过多传感器融合的方案，如采用滚刷或边刷电流的，若扫地机器的滚刷或者边刷被毛发缠绕，此时电机电流增大，容易和上地毯后电机电流增大混淆，因此，识别可靠性低。基于此，亟需一种低成本、准确率高且识别结果更可靠的地面材质识别技术。
另一方面，申请人还发现扫地机器地面行进过程中，机身处于连续振动中，而不同材质地面对振动信号具有不同的缓解吸收效果，例如地毯等软质地面对高频振动信号具有明显的减震吸收作用。因此，本申请的地面材质识别方法基于在不同材质地面上采集到的不同的振动信号，来进一步识别地面材质。
本申请的地面材质识别可以通过振动信号的时域信号进行分析识别，也可以基于振动信号变换的频率信号进行识别。
图1中示出了根据本申请的地面材质识别方法的不同地面材质的频谱示意图。以基于振动信号变换的频率信号进行识别为例，首先，利用扫地机内的陀螺仪中加速度计记录机身振动信号，然后，通过频率分析得到相应的频谱成分，将不同材质地面的频谱特征作为识别参数，进一步判断待识别地面的材质。
由图1可知，不同材质地面的频谱的高、低频率段出现的次数和频率均不相同，因此，本申请将一段时间内频谱的低频率段能量与高频段能量的比值作为识别特征，然后设定合理的比值阈值；识别时，将待识别材质地面的振动信号的低频率段能量与高频段能量的比值，与比值阈值进行比较，判断出待识别材质地面的材质。
在这个过程中，需要合理的识别参数，即划分出合理的低频段范围、高频段范围以及比值阈值，本申请通过分类器训练识别参数，使识别结果的准确率最高的划分方式即最后所得的识别参数。
基于此，本申请的地面材质识别方法，首先，通过采集在多种材质地面上产生的振动信号；然后，根据振动信号确定地面材质识别的识别参数；最后，根据识别参数识别地面材质类型。通过本申请的地面材质识别技术，利用不同材质地面的不同振动信号的特征来区分地面材质，实现了低成本识别，提高了识别准确率以及鲁棒性，识别性能稳定，进一步增加了地面材质识别的可靠性。解决了现有地面材质识别技术成本高、可靠性低且识别结果不准确的问题。
本申请提供的地面材质识别扫地机，在原来扫地机器器件基础上，复用扫地机已有的加速度计，低成本投入，识别准确率高，且识别过程鲁棒性高。识别效果与扫地机的加速度计相关，即使毛发缠绕扫地机的主轮或其他部位，也不会改变振动信号以及频率成分，使扫地机的识别性能稳定，增加了地面材质识别的可靠性。
扫地机或者类似功能的扫拖一体机，在对地面材质进行识别后，可以避开地毯材质地面进行作业；或者在地毯/非地毯地面临界处，适时调整清洁模式，例如扫拖同时、只扫不拖或者只拖不扫等各种情节模式的转换，同时在不同材质地面的临界处适时调整清洁模式的吸力。
为了使本申请实施例中的技术方案及优点更加清楚明白，以下结合附图对本申请的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本申请的一部分实施例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
实施例1
图2中示出了根据本申请实施例的地面材质识别方法的步骤示意图。
如图2所示，本申请实施例的地面材质识别方法，具体包括以下步骤：
S10：采集扫地机或者清洁机器人在多种材质地面上工作时产生的振动信号。
本申请通过扫地机、拖地机或者扫拖一体机等清洁机器人在工作中不断振动的机器，基于不同材质地面对振动不同程度的缓解和吸收，振动机器可因在各种不同材质地面上产生不同的振动信号，通过振动信号采集模块，例如扫地机、拖地机或者扫拖一体机中，设置的扫陀螺仪中加速度计等，可同时进行振动信号的采集。
S20：根据振动信号确定地面材质识别的识别参数。
由于，不同材质地面的振动信号或者由振动信号变换的频率信号，其高、低频率段出现的次数和频率均不相同，因此，本申请将一段时间内振动信号或者频率信号的低频率段能量与高频段能量的比值作为识别特征，然后设定合理的比值阈值进行识别。
在这个过程中，需要合理的识别参数，即划分出合理的低频段范围、高频段范围以及比值阈值，本申请通过分类器训练识别参数，使识别结果的准确率最高的划分方式即最后所得的识别参数。
因此，本申请需要确定的识别参数，包括振动信号的低频段范围、高频段范围以及低频段能量与高频段能量的比值阈值。
本申请实施例的地面材质识别可以通过振动信号的时域信号进行分析识别，也可以基于振动信号变换的频率信号进行识别。
图3中示出了根据本申请实施例的地面材质识别方法基于振动信号进行识别的步骤示意图。
如图3所示，本申请地面材质识别方法中基于振动信号的时域信号进行地面材质识别的具体过程如下：
S201：设定振动信号的预设低频段范围以及预设高频段范围。
S202：根据预设低频段范围以及预设高频段范围确定振动信号的低频段能量与高频段能量。
S203：将振动信号的低频段能量与高频段能量的比值作为识别特征。
S204：输入识别特征至分类器进行训练，得到识别参数。
本申请在地面材质识别时，根据识别参数划定出待识别材质地面的振动信号的低频段范围以及高频段范围，然后分别计算低频段范围与高频段范围内的总能量，最后通过将低频率段能量与高频段能量的比值，与比值阈值进行比较，判断出待识别材质地面的材质，例如，若落在地毯地面的低、高频段能量的比值阈值内，则为硬质地面。
在这个过程中，需要得到准确的识别参数，即需要得到合理的低频段范围、高频段范围以及比值阈值，由此，本申请通过分类器训练识别参数，确定出低频段范围、高频段范围以及低频段与高频段能量比值的阈值，反复训练直到得到使识别结果的准确率最高的划分方式即最后所得的识别参数。在获得了最终的识别参数之后，由此实现了地面材质的准确识别，大大提高了分类器的地面材质识别准确率。
其中，分类器不仅可以采用神经网络分类器，还可以采用支持向量机等分类方法。
在本申请一些实施方式中，在步骤201之前，还包括将振动信号按照硬质地面或者软质地面打标签；硬质地面包括地砖、地板以及大理石，软质地面包括地毯以及塑胶。
另一方面的，
具体实施中，首先，将时域振动信号加窗，比如以秒为单位将连续的时域信号划分为小段，即加矩形窗。
然后，将加窗后的时域信号按照“硬质地面”和“软质地面”打上标签，即分为两类。前者包括地砖、地板、大理石等地面。后者包括地毯地面。
然后，定义识别特征为低、高频段的能量比，即低频段的能量和高频段的能量比值。
这期间，需要通过将识别特征输入至分类器进行训练学习，识别特征需要确定低频段范围、高频段范围以及低、高频段的能量比的阈值等识别参数。
具体的，频段的划分方式指低频段和高频段的起止。比如频谱范围为0～50Hz，定义5Hz～20Hz为低频段、定义25Hz～40Hz为高频段，是一种频段的划分方式。将低频段的能量和高频段的能量比值作为识别的特征。
所谓训练是指在所有以上划分方式的可能性中找到最佳的划分方式。比如低频段和高频段的划分方式根据排列组合方式有成千上万种，每一种可能的划分方式都有对应一个最终的识别准确率。将识别准确率最高对应的划分方式作为训练的结果。同样的，低、高频段的能量比的阈值的训练同理，所谓阈值的学习是指设定一个分类的阈值使得两类信号的分类准确率最大。
图4中示出了根据本申请实施例的地面材质识别方法中在硬质地面以及软质地面分别采集的振动信号示意图。
如图4所示，将硬质地面以及软质地面两类地面的信号的特征，即图4中的圆点，看做数学空间内的点，低、高频段的能量比的阈值可以看作一条划分的直线，即图4中间的横线。在阈值，即横线以下识别为“硬质地面”；在阈值，即横线以上识别为“软质地面”。
完成以上步骤后，将训练所得的识别参数，即频谱划分方式，即低频段范围、高频段范围以及低、高频段的能量比的阈值导入扫地机或者清洁机器人，实现地面材质实时识别。
具体的，S30：根据识别参数识别地面材质类型。首先，采集在待识别地面上产生的待识别振动信号；然后，根据识别参数识别待识别振动信号得到地面材质分类。
在识别时，根据识别参数划定出待识别材质地面的振动信号的低频段范围以及高频段范围，然后分别计算低频段范围与高频段范围内的总能量，最后通过将低频率段能量与高频段能量的比值，与比值阈值进行比较，判断出待识别材质地面的材质，例如，若落在地毯地面的低、高频段能量的比值阈值内，则为硬质地面。
图5中示出了根据本申请实施例的地面材质识别方法的流程示意图。
首先，用扫地机或者清洁机器人在各种地面上采集振动信号，扫地机或者清洁机器人须带加速度传感器，但不限轴数。加速度传感器记录机身的振动信号。
其次，以低频段能量和高频段能量的比值为特征，作为地面识别的依据，例如，可以在上位机上，采用机器学习方法对所得振动信号进行训练学习，得到可以使地面材质识别分类最准确的识别参数。
最后，将识别参数导入扫地机或者清洁机器人，进行实时地面材质的识别，同时可以适配多种不同型号、功能的扫地机或者清洁机器人。
采用本申请实施例中的地面材质识别方法，采集或者清洁机器人在多种材质地面上工作时产生的振动信号；根据振动信号确定地面材质识别的识别参数；最后，根据识别参数识别地面材质类型。通过本申请的地面材质识别技术，利用不同材质地面的不同振动信号的特征来区分地面材质，实现了低成本识别，提高了识别准确率以及鲁棒性，识别性能稳定，进一步增加了地面材质识别的可靠性。解决了现有地面材质识别技术成本高、可靠性低且识别结果不准确的问题。
本申请提供的地面材质识别扫地机或者清洁机器人，在原来扫地机器器件基础上，复用扫地机已有的加速度计，低成本投入，识别准确率高，且识别过程鲁棒性高。识别效果与扫地机的加速度计相关，即使毛发缠绕扫地机的主轮或其他部位，也不会改变振动信号以及频率成分，使扫地机的识别性能稳定，增加了地面材质识别的可靠性。
扫地机或者类似功能的扫拖一体机，在对地面材质进行识别后，可以避开地毯材质地面进行作业；或者在地毯/非地毯地面临界处，适时调整清洁模式，例如扫拖同时、只扫不拖或者只拖不扫等各种情节模式的转换，同时在不同材质地面的临界处适时调整清洁模式的吸力。
实施例2
本实施例提供的地面材质识别方法是基于频率信号进行识别，对于本实施例的地面材质识别方法中未披露的细节，请参照实施例1中的地面材质识别方法的实施内容。
图6中示出了根据本申请实施例的地面材质识别方法中基于频率信号进行识别的步骤示意图。
如图6所示，本申请地面材质识别方法中基于频率信号进行地面材质识别的具体过程如下：
S211：根据振动信号形成的时域信号，通过频谱分析，得到多种材质地面的频率信号；
S212：设定频率信号的预设低频段范围以及预设高频段范围；
S213：根据预设低频段范围以及预设高频段范围确定频率信号的低频段能量与高频段能量；
S214：将频率信号的低频段能量与高频段能量的比值作为识别特征；
S215：输入识别特征至分类器进行训练，得到识别参数。
在本申请一些实施方式中，S211具体包括：将时域信号进行加窗，得到加窗后的时域信号；根据加窗后的时域信号，通过频谱分析得到频率信号。其中，频谱分析包括傅里叶变换或小波变换。
在本申请一些实施方式中，在S211中得到多种材质地面的频率信号之后，还包括将频率信号按照硬质地面或者软质地面打标签；硬质地面包括地砖、地板以及大理石，软质地面包括地毯以及塑胶。
本申请在地面材质识别时，根据识别参数划定出待识别材质地面的振动信号的低频段范围以及高频段范围，然后分别计算低频段范围与高频段范围内的总能量，最后通过将低频率段能量与高频段能量的比值，与比值阈值进行比较，判断出待识别材质地面的材质，例如，若落在地毯地面的低、高频段能量的比值阈值内，则为硬质地面。
在这个过程中，需要得到准确的识别参数，即需要得到合理的低频段范围、高频段范围以及比值阈值，由此，本申请通过分类器训练识别参数，确定出低频段范围、高频段范围以及低频段与高频段能量比值的阈值，反复训练直到得到使识别结果的准确率最高的划分方式即最后所得的识别参数。在获得了最终的识别参数之后，由此实现了地面材质的准确识别，大大提高了分类器的地面材质识别准确率。其中，分类器不仅可以采用神经网络分类器，还可以采用支持向量机等分类方法。
另一方面的，
具体实施中，首先，将时域振动信号加窗，比如以秒为单位将连续的时域信号划分为小段，即加矩形窗。
然后，用傅里叶变换，或小波变换等其他频谱分析方法，求得每一小段信号的频谱。
然后，将变换后的频谱即频率信号按照“硬质地面”和“软质地面”打上标签，即分为两类。前者包括地砖、地板、大理石等地面。后者包括地毯地面。
然后，定义识别特征为低、高频段的能量比，即低频段的能量和高频段的能量比值。
这期间，需要通过将识别特征输入至分类器进行训练学习，识别特征需要确定低频段范围、高频段范围以及低、高频段的能量比的阈值等识别参数。
具体的，频段的划分方式指低频段和高频段的起止。比如频谱范围为0～50Hz，定义5Hz～20Hz为低频段、定义25Hz～40Hz为高频段，是一种频段的划分方式。将低频段的能量和高频段的能量比值作为识别的特征。
所谓训练是指在所有以上划分方式的可能性中找到最佳的划分方式。比如低频段和高频段的划分方式根据排列组合方式有成千上万种，每一种可能的划分方式都有对应一个最终的识别准确率。将识别准确率最高对应的划分方式作为训练的结果。同样的，低、高频段的能量比的阈值的训练同理，所谓阈值的学习是指设定一个分类的阈值使得两类信号的分类准确率最大。
采用本申请实施例中的地面材质识别方法通过采集扫地机或者清洁机器人在多种材质地面上工作时产生的振动信号；根据振动信号确定地面材质识别的识别参数；最后，根据识别参数识别地面材质类型。通过本申请的地面材质识别技术，利用不同材质地面的不同振动信号的特征来区分地面材质，实现了低成本识别，提高了识别准确率以及鲁棒性，识别性能稳定，进一步增加了地面材质识别的可靠性。解决了现有地面材质识别技术成本高、可靠性低且识别结果不准确的问题。
实施例3
本实施例提供了一种地面材质识别系统，对于本实施例的地面材质识别系统中未披露的细节，请参照其它实施例中的地面材质识别方法或设备的实施内容。
图7中示出了根据本申请实施例的地面材质识别系统的结构示意图。
如图7所示，本申请的地面材质识别系统，具体包括振动信号采集模块10、识别参数确定模块20以及材质识别模块30。
具体的，
振动信号采集模块10：用于采集扫地机或者清洁机器人在多种材质地面上工作时产生的振动信号。
本申请通过扫地机、拖地机或者扫拖一体机等或者清洁机器人在工作中不断振动的机器，基于不同材质地面对振动不同程度的缓解和吸收，振动机器可因在各种不同材质地面上产生不同的振动信号，通过振动信号采集模块，例如扫地机、拖地机或者扫拖一体机中，设置的扫陀螺仪中加速度计等，可同时进行振动信号的采集。
识别参数确定模块20：用于根据振动信号确定地面材质识别的识别参数。
由于，不同材质地面的振动信号或者由振动信号变换的频率信号，其高、低频率段出现的次数和频率均不相同，因此，本申请将一段时间内振动信号或者频率信号的低频率段能量与高频段能量的比值作为识别特征，然后设定合理的比值阈值进行识别。
在这个过程中，需要得到准确的识别参数，即需要得到合理的低频段范围、高频段范围以及比值阈值，由此，本申请通过分类器训练识别参数，确定出低频段范围、高频段范围以及低频段与高频段能量比值的阈值，反复训练直到得到使识别结果的准确率最高的划分方式即最后所得的识别参数。在获得了最终的识别参数之后，由此实现了地面材质的准确识别，大大提高了分类器的地面材质识别准确率。因此，本申请需要确定的识别参数，包括振动信号的低频段范围、高频段范围以及低频段能量与高频段能量的比值阈值。
本申请实施例的地面材质识别可以通过振动信号的时域信号进行分析识别，也可以基于振动信号变换的频率信号进行识别。
其中，本申请地面材质识别方法中基于振动信号的时域信号进行地面材质识别的具体过程如下：
S201：设定振动信号的预设低频段范围以及预设高频段范围。
S202：根据预设低频段范围以及预设高频段范围确定振动信号的低频段能量与高频段能量。
S203：将振动信号的低频段能量与高频段能量的比值作为识别特征。
S204：输入识别特征至分类器进行训练，得到识别参数。其中，本申请地面材质识别方法中基于频率信号进行地面材质识别的具体过程如下：
S211：根据振动信号形成的时域信号，通过频谱分析，得到多种材质地面的频率信号；
S212：设定频率信号的预设低频段范围以及预设高频段范围；
S213：根据预设低频段范围以及预设高频段范围确定频率信号的低频段能量与高频段能量；
S214：将频率信号的低频段能量与高频段能量的比值作为识别特征；
S215：输入识别特征至分类器进行训练，得到识别参数；其中，识别参数使分类器的地面材质识别结果最高。
在本申请一些实施方式中，S211具体包括：将时域信号进行加窗，得到加窗后的时域信号；根据加窗后的时域信号，通过频谱分析得到频率信号。其中，频谱分析包括傅里叶变换或小波变换。
在本申请一些实施方式中，在S211中得到多种材质地面的频率信号之后，还包括将频率信号按照硬质地面或者软质地面打标签；硬质地面包括地砖、地板以及大理石，软质地面包括地毯以及塑胶。
本申请在地面材质识别时，将待识别材质地面的振动信号的低频率段能量与高频段能量的比值，与比值阈值进行比较，判断出待识别材质地面的材质。
在这个过程中，需要得到准确的识别参数，即需要得到合理的低频段范围、高频段范围以及比值阈值，由此，本申请通过分类器训练识别参数，确定出低频段范围、高频段范围以及低频段与高频段能量比值的阈值，反复训练直到得到使识别结果的准确率最高的划分方式即最后所得的识别参数。在获得了最终的识别参数之后，由此实现了地面材质的准确识别，大大提高了分类器的地面材质识别准确率。另一方面的，
具体实施中，首先，将时域振动信号加窗，比如以秒为单位将连续的时域信号划分为小段，即加矩形窗。
然后，用傅里叶变换，或小波变换等其他频谱分析方法，求得每一小段信号的频谱。
然后，将变换后的频谱即频率信号按照“硬质地面”和“软质地面”打上标签，即分为两类。前者包括地砖、地板、大理石等地面。后者包括地毯地面。
然后，定义识别特征为低、高频段的能量比，即低频段的能量和高频段的能量比值。
这期间，需要通过将识别特征输入至分类器进行训练学习，识别特征需要确定低频段范围、高频段范围以及低、高频段的能量比的阈值等识别参数。
具体的，频段的划分方式指低频段和高频段的起止。比如频谱范围为0～50Hz，定义5Hz～20Hz为低频段、定义25Hz～40Hz为高频段，是一种频段的划分方式。将低频段的能量和高频段的能量比值作为识别的特征。
所谓训练是指在所有以上划分方式的可能性中找到最佳的划分方式。比如低频段和高频段的划分方式根据排列组合方式有成千上万种，每一种可能的划分方式都有对应一个最终的识别准确率。将识别准确率最高对应的划分方式作为训练的结果。同样的，低、高频段的能量比的阈值的训练同理，所谓阈值的学习是指设定一个分类的阈值使得两类信号的分类准确率最大。
材质识别模块30：用于根据识别参数识别地面材质类型。
首先，采集在待识别地面上产生的待识别振动信号；然后，根据识别参数识别待识别振动信号得到地面材质分类。
在识别时，根据识别参数划定出待识别材质地面的振动信号的低频段范围以及高频段范围，然后分别计算低频段范围与高频段范围内的总能量，最后通过将低频率段能量与高频段能量的比值，与比值阈值进行比较，判断出待识别材质地面的材质，例如，若落在地毯地面的低、高频段能量的比值阈值内，则为硬质地面。
采用本申请实施例中的地面材质识别系统，通过振动信号采集模块10采集扫地机或者清洁机器人在多种材质地面上工作时产生的振动信号；识别参数确定模块20根据振动信号确定地面材质识别的识别参数；最后，材质识别模块30根据识别参数识别地面材质类型。通过本申请的地面材质识别技术，利用不同材质地面的不同振动信号的特征来区分地面材质，实现了低成本识别，提高了识别准确率以及鲁棒性，识别性能稳定，进一步增加了地面材质识别的可靠性。解决了现有地面材质识别技术成本高、可靠性低且识别结果不准确的问题。
本申请提供的地面材质识别扫地机或者清洁机器人，在原来扫地机器器件基础上，复用扫地机已有的加速度计，低成本投入，识别准确率高，且识别过程鲁棒性高。识别效果与扫地机的加速度计相关，即使毛发缠绕扫地机的主轮或其他部位，也不会改变振动信号以及频率成分，使扫地机的识别性能稳定，增加了地面材质识别的可靠性。
扫地机或者类似功能的扫拖一体机，在对地面材质进行识别后，可以避开地毯材质地面进行作业；或者在地毯/非地毯地面临界处，适时调整清洁模式，例如扫拖同时、只扫不拖或者只拖不扫等各种情节模式的转换，同时在不同材质地面的临界处适时调整清洁模式的吸力。
实施例4
本实施例提供了一种地面材质识别设备，对于本实施例的地面材质识别设备中未披露的细节，请参照其它实施例中的地面材质识别方法或系统具体的实施内容。
图8中示出了根据本申请实施例的地面材质识别设备400的结构示意图。
如图8所示，地面材质识别设备400，包括：
存储器402：用于存储可执行指令；以及
处理器401：用于与存储器402连接以执行可执行指令从而完成地面材质识别方法。
本领域技术人员可以理解，示意图8仅仅是地面材质识别设备400的示例，并不构成对地面材质识别设备400的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如地面材质识别设备400还可以包括输入输出设备、网络接入设备、总线等。
所称处理器401(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器401也可以是任何常规的处理器等，处理器401是地面材质识别设备400的控制中心，利用各种接口和线路连接整个地面材质识别设备400的各个部分。
存储器402可用于存储计算机可读指令，处理器401通过运行或执行存储在存储器402内的计算机可读指令或模块，以及调用存储在存储器402内的数据，实现地面材质识别设备400的各种功能。存储器402可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据地面材质识别设备400计算机设备30的使用所创建的数据等。此外，存储器402可以包括硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)或其他非易失性/易失性存储器件。
地面材质识别设备400集成的模块如果以软件功能模块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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机可读指令来指令相关的硬件来完成，的计算机可读指令可存储于一计算机可读存储介质中，该计算机可读指令在被处理器执行时，可实现上述各个方法实施例的步骤。
实施例5
本实施例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以实现其他实施例中的地面材质识别方法。
采用本申请实施例中的地面材质识别设备及计算机存储介质，通过采集扫地机或者清洁机器人在多种材质地面上工作时产生的振动信号；根据振动信号确定地面材质识别的识别参数；最后，根据识别参数识别地面材质类型。通过本申请的地面材质识别技术，利用不同材质地面的不同振动信号的特征来区分地面材质，实现了低成本识别，提高了识别准确率以及鲁棒性，识别性能稳定，进一步增加了地面材质识别的可靠性。解决了现有地面材质识别技术成本高、可靠性低且识别结果不准确的问题。
本申请提供的地面材质识别扫地机或者清洁机器人，在原来扫地机器器件基础上，复用扫地机已有的加速度计，低成本投入，识别准确率高，且识别过程鲁棒性高。识别效果与扫地机的加速度计相关，即使毛发缠绕扫地机的主轮或其他部位，也不会改变振动信号以及频率成分，使扫地机的识别性能稳定，增加了地面材质识别的可靠性。
扫地机或者类似功能的扫拖一体机，在对地面材质进行识别后，可以避开地毯材质地面进行作业；或者在地毯/非地毯地面临界处，适时调整清洁模式，例如扫拖同时、只扫不拖或者只拖不扫等各种情节模式的转换，同时在不同材质地面的临界处适时调整清洁模式的吸力。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在本发明使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明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。
应当理解，尽管在本发明可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本发明范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种地面材质识别方法，用于清洁机器人，其特征在于，具体包括以下步骤：
采集清洁机器人在多种材质地面上工作时产生的振动信号；
根据所述振动信号确定地面材质识别的识别参数；
根据所述识别参数识别地面材质类型。
2.根据权利要求1所述的地面材质识别方法，其特征在于，所述识别参数包括所述振动信号的低频段范围、高频段范围以及低频段能量与高频段能量的比值阈值。
3.根据权利要求1或2所述的地面材质识别方法，其特征在于，所述根据所述振动信号确定地面材质识别的识别参数，具体包括以下步骤：
设定所述振动信号的预设低频段范围以及预设高频段范围；
根据所述预设低频段范围以及预设高频段范围确定所述振动信号的低频段能量与高频段能量；
将所述低频段能量与高频段能量的比值作为识别特征；
输入所述识别特征至分类器进行训练，得到识别参数。
4.根据权利要求1或2所述的地面材质识别方法，其特征在于，所述根据所述振动信号确定地面材质识别的识别参数，具体包括以下步骤：
根据所述振动信号形成的时域信号，通过频谱分析，得到所述多种材质地面的频率信号；
设定所述频率信号的预设低频段范围以及预设高频段范围；
根据所述预设低频段范围以及预设高频段范围确定所述频率信号的低频段能量与高频段能量；
将所述频率信号的低频段能量与高频段能量的比值作为识别特征；
输入所述识别特征至分类器进行训练，得到识别参数。
5.根据权利要求4所述的地面材质识别方法，其特征在于，所述根据所述振动信号形成的时域信号，通过频谱分析，得到所述多种材质地面的频率信号，具体包括：
将所述振动信号形成的时域信号进行加窗，得到加窗后的时域信号；
根据所述加窗后的时域信号，通过频谱分析得到频率信号。
6.根据权利要求4所述的地面材质识别方法，其特征在于，所述得到所述多种材质地面的频率信号之后，还包括将所述频率信号按照硬质地面或者软质地面打标签；所述硬质地面包括地砖、地板以及大理石，所述软质地面包括地毯以及塑胶。
7.根据权利要求1或2所述的地面材质识别方法，其特征在于，所述根据所述识别参数识别地面材质类型，具体包括：
采集清洁机器人在待识别地面上工作时产生的待识别振动信号；
根据所述识别参数识别所述待识别振动信号得到地面材质分类。
8.一种地面材质识别系统，其特征在于，具体包括：
振动信号采集模块：用于采集清洁机器人在多种材质地面上工作时产生的振动信号；
识别参数确定模块：用于根据所述振动信号确定地面材质识别的识别参数；
材质识别模块：用于根据所述识别参数识别地面材质类型。
9.一种地面材质识别的设备，其特征在于，包括：
存储器：用于存储可执行指令；以及
处理器:用于与所述存储器连接以执行所述可执行指令从而完成权利要求1-6任一项所述的地面材质识别方法。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序；计算机程序被处理器执行以实现如权利要求1-6任一项所述的地面材质识别方法。
CN202010983034.2A 2020-09-17 2020-09-17 地面材质识别方法、系统、设备及存储介质 Active CN112198222B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010983034.2A CN112198222B (zh) 2020-09-17 2020-09-17 地面材质识别方法、系统、设备及存储介质
US18/026,817 US20230324343A1 (en) 2020-09-17 2021-02-25 Floor material identification method, system and device, and storage medium
PCT/CN2021/077834 WO2022057209A1 (zh) 2020-09-17 2021-02-25 地面材质识别方法、系统、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010983034.2A CN112198222B (zh) 2020-09-17 2020-09-17 地面材质识别方法、系统、设备及存储介质

Publications (2)

Publication Number Publication Date
CN112198222A true CN112198222A (zh) 2021-01-08
CN112198222B CN112198222B (zh) 2022-04-05

Family

ID=74015408

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010983034.2A Active CN112198222B (zh) 2020-09-17 2020-09-17 地面材质识别方法、系统、设备及存储介质

Country Status (3)

Country Link
US (1) US20230324343A1 (zh)
CN (1) CN112198222B (zh)
WO (1) WO2022057209A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022057209A1 (zh) * 2020-09-17 2022-03-24 美智纵横科技有限责任公司 地面材质识别方法、系统、设备及存储介质
CN117860145A (zh) * 2024-03-11 2024-04-12 奇勃(深圳)科技有限公司 清洁模式确定方法、装置、计算机设备和存储介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114747980B (zh) * 2022-03-31 2024-06-18 苏州三六零机器人科技有限公司 扫地机器人出水量确定方法、装置、设备及存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1242692A (zh) * 1997-08-25 2000-01-26 皇家菲利浦电子有限公司 带有声学表面类型检测器的电动表面处理装置
JP2009172235A (ja) * 2008-01-25 2009-08-06 Mitsubishi Electric Corp 床面検知装置並びに電気掃除機
CN101883526A (zh) * 2007-12-03 2010-11-10 朱卡·朱韦林 使用超声技术测量材料的厚度的方法
CN103093234A (zh) * 2012-12-21 2013-05-08 中国科学院合肥物质科学研究院 基于步行时地面反作用力的身份识别方法
WO2014032181A1 (en) * 2012-08-27 2014-03-06 Université Du Québec À Chicoutimi Method to determine physical properties of the ground, foot-worn sensor therefore, and method to advise a user of a risk of falling based thereon
US20140214205A1 (en) * 2013-01-29 2014-07-31 Samsung Electronics Co., Ltd. Robot cleaner and control method thereof
CN109199216A (zh) * 2018-09-28 2019-01-15 江苏美的清洁电器股份有限公司 手持清洁设备
CN109542224A (zh) * 2018-11-19 2019-03-29 东南大学 一种基于人力触觉感知特性的纹理粗糙度客观评价方法
CN110147826A (zh) * 2019-04-23 2019-08-20 中国科学技术大学 一种动态环境下机器人地面分类方法及系统
CN111027627A (zh) * 2019-12-11 2020-04-17 哈尔滨高斯触控科技有限公司 一种基于多层感知机的振动信息地形分类识别方法
CN111443033A (zh) * 2020-04-26 2020-07-24 武汉理工大学 一种扫地机器人地毯检测方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107505392B (zh) * 2017-07-24 2020-01-31 清华大学 基于纹理表面接触加速度触觉信息的材质分析方法及装置
CN112198222B (zh) * 2020-09-17 2022-04-05 美智纵横科技有限责任公司 地面材质识别方法、系统、设备及存储介质

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1242692A (zh) * 1997-08-25 2000-01-26 皇家菲利浦电子有限公司 带有声学表面类型检测器的电动表面处理装置
CN101883526A (zh) * 2007-12-03 2010-11-10 朱卡·朱韦林 使用超声技术测量材料的厚度的方法
JP2009172235A (ja) * 2008-01-25 2009-08-06 Mitsubishi Electric Corp 床面検知装置並びに電気掃除機
WO2014032181A1 (en) * 2012-08-27 2014-03-06 Université Du Québec À Chicoutimi Method to determine physical properties of the ground, foot-worn sensor therefore, and method to advise a user of a risk of falling based thereon
CN103093234A (zh) * 2012-12-21 2013-05-08 中国科学院合肥物质科学研究院 基于步行时地面反作用力的身份识别方法
US20140214205A1 (en) * 2013-01-29 2014-07-31 Samsung Electronics Co., Ltd. Robot cleaner and control method thereof
CN109199216A (zh) * 2018-09-28 2019-01-15 江苏美的清洁电器股份有限公司 手持清洁设备
CN109542224A (zh) * 2018-11-19 2019-03-29 东南大学 一种基于人力触觉感知特性的纹理粗糙度客观评价方法
CN110147826A (zh) * 2019-04-23 2019-08-20 中国科学技术大学 一种动态环境下机器人地面分类方法及系统
CN111027627A (zh) * 2019-12-11 2020-04-17 哈尔滨高斯触控科技有限公司 一种基于多层感知机的振动信息地形分类识别方法
CN111443033A (zh) * 2020-04-26 2020-07-24 武汉理工大学 一种扫地机器人地毯检测方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022057209A1 (zh) * 2020-09-17 2022-03-24 美智纵横科技有限责任公司 地面材质识别方法、系统、设备及存储介质
CN117860145A (zh) * 2024-03-11 2024-04-12 奇勃(深圳)科技有限公司 清洁模式确定方法、装置、计算机设备和存储介质
CN117860145B (zh) * 2024-03-11 2024-05-31 奇勃(深圳)科技有限公司 清洁模式确定方法、装置、计算机设备和存储介质

Also Published As

Publication number Publication date
US20230324343A1 (en) 2023-10-12
WO2022057209A1 (zh) 2022-03-24
CN112198222B (zh) 2022-04-05

Similar Documents

Publication Publication Date Title
CN112198222B (zh) 地面材质识别方法、系统、设备及存储介质
Giguere et al. A simple tactile probe for surface identification by mobile robots
JP6403696B2 (ja) 身体的活動のモニタリングデバイス及びその方法
US8824802B2 (en) Method and system for gesture recognition
CN105912142B (zh) 一种基于加速传感器的记步与行为识别方法
Strese et al. A haptic texture database for tool-mediated texture recognition and classification
Nitsche et al. Comparison of machine learning methods for evaluating pavement roughness based on vehicle response
JP5514918B2 (ja) 頭部認識方法
CN106485190B (zh) 指纹注册方法及装置
US20110307260A1 (en) Multi-modal gender recognition
CN108231075A (zh) 清洁设备的控制方法、装置、设备和存储介质
CN110414546A (zh) 使用中间损失函数训练图像信号处理器
CN110837768A (zh) 一种面向珍稀动物保护的在线检测与识别方法
US20210213619A1 (en) Robot and control method therefor
CN107688790A (zh) 人体行为识别方法、装置、存储介质及电子设备
CN110095769B (zh) 一种车位检测方法、装置及电子设备
CN110705584A (zh) 情绪识别方法、装置、计算机装置及存储介质
CN108008151A (zh) 一种基于三轴加速度传感器的运动状态识别方法及系统
Mitchell et al. A semi-automatic approach for estimating near surface internal layers from snow radar imagery
Widynski et al. A particle filter framework for contour detection
CN103064857B (zh) 图像查询方法及图像查询设备
KR102302198B1 (ko) 청소 장치 및 그 제어 방법
CN110742559B (zh) 一种基于脑电波检测的扫地机器人控制方法及系统
KR101816441B1 (ko) 차량의 주행 감성 평가 장치 및 방법
CN112869969B (zh) 一种用于电动轮椅的全方位通行策略生成系统和方法

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210305

Address after: No.39 Caohu Avenue, Xiangcheng Economic Development Zone, Suzhou, Jiangsu Province, 215000

Applicant after: Meizhizongheng Technology Co.,Ltd.

Address before: No.39 Caohu Avenue, Xiangcheng Economic Development Zone, Suzhou, Jiangsu Province, 215000

Applicant before: JIANGSU MIDEA CLEANING APPLIANCES Co.,Ltd.

Applicant before: MIDEA GROUP Co.,Ltd.

GR01 Patent grant
GR01 Patent grant