CN112336254A - 扫地机器人清洁策略生成方法、装置、计算机设备和介质 - Google Patents

Abstract

本申请涉及智能家居领域，特别是涉及一种扫地机器人清洁策略生成方法、装置、计算机设备和存储介质。所述方法包括：获取待清扫区域的三维模型数据；基于三维模型数据确定扫地机器人在待清扫区域中的空间位置；根据扫地机器人的空间位置以及三维模型数据，获取空间位置的空间属性；采集空间位置中预设检测类型的物体的物体数据；根据物体数据以及空间属性，生成控制扫地机器人进行清洁的清洁策略。采用本方法能够提升扫地机器人清洁能力以及智能化水平。

Description

扫地机器人清洁策略生成方法、装置、计算机设备和介质

技术领域

本申请涉及智能家居领域，特别是涉及一种扫地机器人清洁策略生成方法、装置、计算机设备和介质。

背景技术

随着科学技术的飞速发展，智能家居的应用越来越广泛，例如，扫地机器人等。对于扫地机器人而言，对地面的清洁能力是评判其性能的一个重要指标。

在传统方式中，扫地机器人在第一次执行清洁任务时，会首先对全屋扫描建图，在今后的清扫过程中，扫地机器人会按照建好的地图进行路径规划，障碍物绕行并进行清洁工作。

但是，现有扫地机器人并不能根据不同的房间环境生成不同的清扫策略，使得扫地机器人的清洁能力较低，智能化水平不高。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提升扫地机器人清洁能力以及智能化水平的扫地机器人清洁策略生成方法、装置、计算机设备和介质。

一种扫地机器人清洁策略生成方法，所述方法包括：

获取待清扫区域的三维模型数据；

基于三维模型数据确定扫地机器人在待清扫区域中的空间位置；

根据扫地机器人的空间位置以及三维模型数据，获取空间位置的空间属性；

采集空间位置中预设检测类型的物体的物体数据；

根据物体数据以及空间属性，生成控制扫地机器人进行清洁的清洁策略。

在其中一个实施例中，基于三维模型数据确定扫地机器人在待清扫区域中的空间位置，包括：

采集待清扫区域的实景图像；

根据实景图像以及三维模型数据，确定扫地机器人在待清扫区域中的空间位置。

在其中一个实施例中，根据实景图像以及三维模型数据，确定扫地机器人在待清扫区域中的空间位置，包括：

对实景图像进行目标对象的特征提取，得到目标对象的特征数据，三维模型数据中包括目标对象的对象模型数据；

根据特征数据以及对象模型数据，确定目标对象的目标位置，目标位置为目标对象在待清扫区域中的实际位置；

基于实景图像，确定扫地机器人与目标对象之间的相对位置；

根据相对位置以及目标位置，确定扫地机器人在待清扫区域中的空间位置。

在其中一个实施例中，上述方法还包括：

获取扫地机器人的设备参数；

根据物体数据以及空间属性，生成控制扫地机器人进行清洁的清洁策略，包括：

根据设备参数、物体数据以及空间属性，生成控制扫地机器人进行清洁的清洁策略。

在其中一个实施例中，生成控制扫地机器人进行清洁的清洁策略，包括：

生成控制扫地机器人进行清洁的清洁速度、清洁吸力以及行进方式中至少一种。

在其中一个实施例中，生成控制扫地机器人进行清洁的清洁策略之后，还包括：

获取预设清扫路线；

根据清洁策略，生成清洁指令，并按照清扫路线控制扫地机器人执行。

在其中一个实施例中，上述方法还包括：

采集扫地机器人的实际清扫路线；

根据实际清扫路线以及待清扫区域的三维模型数据，确定未清洁区域；

根据未清洁区域以及三维模型数据，生成二次清洁路线，并控制扫地机器人对未清洁区域进行清洁。

一种扫地机器人清洁策略生成装置，所述装置包括：

三维模型数据获取模块，用于获取待清扫区域的三维模型数据；

空间位置确定模块，用于基于三维模型数据确定扫地机器人在待清扫区域中的空间位置；

空间属性获取模块，用于根据扫地机器人的空间位置以及三维模型数据，获取空间位置的空间属性；

物体数据获取模块，用于采集空间位置中预设检测类型的物体的物体数据；

策略生成模块，用于根据物体数据以及空间属性，生成控制扫地机器人进行清洁的清洁策略。

一种计算机设备，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任一实施例所述方法的步骤。

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任一实施例所述的方法的步骤。

上述扫地机器人清洁策略生成方法、装置、计算机设备和介质，通过获取待清扫区域的三维模型数据，并基于三维模型数据确定扫地机器人在待清扫区域中的空间位置，然后根据扫地机器人的空间位置以及三维模型数据，获取空间位置的空间属性，采集空间位置中预设检测类型的物体的物体数据，根据物体数据以及空间属性，生成控制扫地机器人进行清洁的清洁策略。从而，可以根据三维模型数据准确确定扫地机器人的空间位置，并根据空间位置以及采集到的空间位置中预设检测类型的物体的物体数据，确定对扫地机器人所在空间位置进行清洁的清洁策略，可以准确对不同的环境区域生成对应的清扫策略并控制扫地机器人，可以提升扫地机器人的清洁能力以及智能化水平。

附图说明

图1为一个实施例中扫地机器人清洁策略生成方法的应用场景图；

图2为一个实施例中扫地机器人清洁策略生成方法的流程示意图；

图3为一个实施例中实体空间与数字孪生模型空间的示意图；

图4为一个实施例中确定扫地机器人的空间位置方法的流程示意图；

图5为另一个实施例中确定扫地机器人的空间位置的流程示意图；

图6为一个实施例中扫地机器人清洁策略生成装置的结构框图；

图7为一个实施例中计算机设备的内部结构图。

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。

本申请提供的扫地机器人清洁策略生成方法，可以应用于如图1所示的应用环境中。其中，扫地机器人102通过网络与服务器104进行通信。服务器104获取待清扫区域的三维模型数据，然后基于三维模型数据确定扫地机器人102在待清扫区域中的空间位置，进一步根据扫地机器人102的空间位置以及三维模型数据，获取空间位置的空间属性，然后采集空间位置中预设检测类型的物体的物体数据，并根据物体数据以及空间属性，生成控制扫地机器人102进行清洁的清洁策略。其中，服务器104可以装载于扫地机器人102内部，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种扫地机器人清洁策略生成方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：

步骤S202，获取待清扫区域的三维模型数据。

其中，待清扫区域是指扫地机器人需要清洁的区域，例如，可以是一整套房间或者是一栋楼等。

三维模型数据是指通过各种建筑信息化模型技术(Building InformationModeling，BIM)所构建生成的模型数据。参考图3，三维模型数据是与实体空间完全一致的数字孪生模型空间，三维模型数据中可以包括与实际待清扫区域中的各个实体物体相对应的虚拟物体，可以包括各虚拟物体的名称、材质、位置信息以及相关尺寸参数等数据，例如，墙体、各种家具家电等，还可以包括对房间进行清洁的A设备对应的A设备模型，即扫地机器人。

在本实施例中，服务器可以基于待清扫区域的实景数据，预先构建三维模型，并存储与服务器数据库中，并基于作业指令，从数据库中获取三维模型数据，并进行后续的处理。

在本实施例中，服务器在获取到三维模型数据后，还可以对三维模型数据进行转换，转换为2D时定位与地图构建(simultaneous localization and mapping，slam)所需要的NDT(Niton Data Transfer File)文件，然后再进行处理。

步骤S204，基于三维模型数据确定扫地机器人在待清扫区域中的空间位置。

其中，空间位置是指在待清扫区域中的具体位置，以一整套房为例，待清扫区域可以包括客厅、餐厅、主卧、次卧以及厨房等各个区域，空间位置即指各区域。

在本实施例中，由于三维模型数据是与实际待清扫区域项对应的，服务器可以通过确定扫地机器人再三维模型数据中的空间位置，从而确定扫地机器人在实景场景的待清扫区域中的空间位置。

步骤S206，根据扫地机器人的空间位置以及三维模型数据，获取空间位置的空间属性。

其中，空间属性是指扫地机器人所处空间位置的属性信息，例如，继续参考图3，可以包括的划分信息以及对应的材质信息，如房间属性，房间的铺装材质如铺设瓷砖地板、木地板或者铺设有地毯等。

在本实施例中，服务器可以根据扫地机器人的空间位置，从三维模型数据中获取对应空间位置的空间属性，并进行后续的处理。

步骤S208，采集空间位置中预设检测类型的物体的物体数据。

其中，预测检测类型的物体可以是指扫地机器人待清洁的物体，可以是指各种地面垃圾，如灰层、废纸屑等。

物体数据是指扫地机器人所在空间位置中各待清洁物体的数据，例如，对于灰层，物体数据可以是指地面的灰层量、灰层密度或者灰层厚度等数据。

在本实施例中，服务器可以通过安装于扫地机器人底部的灰尘侦测器等对预设检测类型的物体的物体数据进行检测，如检测地面的灰层含量等。

步骤S210，根据物体数据以及空间属性，生成控制扫地机器人进行清洁的清洁策略。

具体地，服务器可以根据扫地机器人所处空间位置的空间属性以及所处空间位置中预设检测类型的物体的物体数据，通过模拟程序进行模型，以生成控制扫地机器人进行清洁的清洁策略，并输出控制扫地机器人执行。

例如，服务器根据扫地机器人所处空间位置是否铺设地毯、铺设的地板材质以及根据检测到的灰层量，确定对该空间位置进行清洁的清洁策略。如，灰层量大，铺设有地毯，则加大吸力，减缓清洁速度；若地面材质为瓷砖或者木地板，则可以减小吸力，并提升清洁速度。

在本实施例中，对于待清扫区域的不同空间位置，服务器均可以基于对应空间位置的物体数据以及空间属性，生成对应的清扫策略，以控制扫地机器人执行。

上述扫地机器人清洁策略生成方法中，通过获取待清扫区域的三维模型数据，并基于三维模型数据确定扫地机器人在待清扫区域中的空间位置，然后根据扫地机器人的空间位置以及三维模型数据，获取空间位置的空间属性，采集空间位置中预设检测类型的物体的物体数据，根据物体数据以及空间属性，生成控制扫地机器人进行清洁的清洁策略。从而，可以根据三维模型数据准确确定扫地机器人的空间位置，并根据空间位置以及采集到的空间位置中预设检测类型的物体的物体数据，确定对扫地机器人所在空间位置进行清洁的清洁策略，可以准确对不同的环境区域生成对应的清扫策略并控制扫地机器人，可以提升扫地机器人的清洁能力以及智能化水平。

在其中一个实施例中，参考图4，基于三维模型数据确定扫地机器人在待清扫区域中的空间位置，可以包括：

步骤S402，采集待清扫区域的实景图像。

其中，实景图像是指通过采集设备采集的实际待清扫区域的图像。

在本实施例中，可以在扫定机器人顶部安装一图像采集设备，以通过该图像采集设备实施采集扫地机器人的所处环境的实景图像。

步骤S404，根据实景图像以及三维模型数据，确定扫地机器人在待清扫区域中的空间位置。

在本实施例中，图像采集设备可以是深度相机等采集设备，服务器可以根据图像采集设备采集的实景图像准确确定采集设备与采集到的实景图像中物体之间的位置距离。

进一步，服务器可以根据将位置距离以及实景图像中的物体映射至三维模型数据中，以通过三维模型数据确定扫地机器人在待清扫区域中的空间位置。例如，处于待清洁区域的某个具体房间或者是确定扫地机器人的具体坐标位置等。

在其中一个实施例中，参考图5，根据实景图像以及三维模型数据，确定扫地机器人在待清扫区域中的空间位置，可以包括：

步骤S502，对实景图像进行目标对象的特征提取，得到目标对象的特征数据，三维模型数据中包括目标对象的对象模型数据。

其中，目标对象是指实景图像中所采集到的实际环境中的物体，例如，可以是墙体、桌子、椅子、床、柜子等家居设备。

本领域技术人员可以理解的是，在三维模型数据中包括该目标对象对应的对象模型数据。当三维模型数据中不包括该目标对象的对象模型数据的时候，服务器可以通过图像采集设备重新采集相应的实景数据，确保三维模型数据中存在对应的对象模型数据。

在本实施例中，服务器可以通过预先训练完成的神经网络模型对实景图像进行特征提取，以得到目标对象的特征数据，例如，外形形状、尺寸数据、色彩等数据。通过预先训练完成的神经网络模型对实景图像进行特征提取，可以提升特征提取的准确性以及提取速度，提升数据处理的效率。

在本实施例中，服务器提取得到的目标对象可以一个或多个物体对象，本申请对此不作限制。

步骤S504，根据特征数据以及对象模型数据，确定目标对象的目标位置，目标位置为目标对象在待清扫区域中的实际位置。

在本实施例中，服务器可以通过特征数据，对三维模型数据中各个虚拟物体进行查找，以获取到对应该特征数据的目标对象的对象模型数据。

进一步，服务器可以根据三维模型数据中该目标对象的对象数据，确定该目标对象的位置信息，例如，该目标对象位于哪个房间或者是该目标对象具体的坐标位置等。

本领域技术人员可以理解的是，由于三维模型数据是与实际待清扫对应的模型数据，则目标对象在三维模型数据中的位置信息记为该目标对象在实际待清扫待区域中的实际位置。

步骤S506，基于实景图像，确定扫地机器人与目标对象之间的相对位置。

如前文所述，图像采集设备可以是深度相机等采集设备，服务器可以根据图像采集设备采集的实景图像准确确定采集设备与采集到的实景图像中物体之间的位置距离，即确定扫地机器人与目标对象之间的相对位置。

步骤S508，根据相对位置以及目标位置，确定扫地机器人在待清扫区域中的空间位置。

具体地，服务器可以根据扫地机器人与目标对象之间的相对位置以及该目标对象的目标位置，计算得到该扫地机器人在待清扫区域中的位置空间位置。

在本实施例中，如前文所述，服务器确定的目标对象可以为多个，则服务器可以分别确定扫地机器人与各目标对象之间的相对位置，然后根据各目标对象的目标位置以及扫地机器人与各目标对象之间的相对位置，对扫地机器人的实际位置进行综合计算，以确定扫地机器人的空间位置。例如，通过对应一个目标对象的目标位置以及相对位置，确定扫地机器人的空间位置，然后通过剩余各目标对象对应的目标位置以及相对位置进行验证，以提升扫地机器人定位的准确性。

上述实施例中，通过对实景图像进行目标对象的特征提取，得到目标对象的特征数据，然后根据特征数据以及对象模型数据，确定目标对象的目标位置，进一步基于实景图像，确定扫地机器人与目标对象之间的相对位置，并根据相对位置以及目标位置，确定扫地机器人在待清扫区域中的空间位置。从而，可以以采集的实景图像中的目标对象作为参照对象，并基于参照对象与扫地机器人之间的相对位置以及参照对象的实际位置，对扫地机器人进行定位，提升扫地机人定位的准确性。

在其中一个实施例中，上述方法还可以包括：获取扫地机器人的设备参数。

其中，设备参数是指扫地机器人的相关参数数据，例如，扫地机器人的最大吸力、最小吸力、扫地机器人的形式速度、扫地机器人的电量、扫地机器人的功率以及尺寸信息等数据。

在本实施例中，数据库可以预先存储有扫地机器人的设备参数，服务器可以直接从数据库中获取。

在本实施例中，根据物体数据以及空间属性，生成控制扫地机器人进行清洁的清洁策略，包括：根据设备参数、物体数据以及空间属性，生成控制扫地机器人进行清洁的清洁策略。

具体地，服务器可以根据扫地机器人所处空间位置的空间属性、所处空间位置中预设检测类型的物体的物体数据以及获取到的到底机器人的设备参数，生成控制扫地机器人进行清洁的清洁策略，并控制扫地机器人执行。

例如，在确定扫地机器人进行清洁的吸力时，需要综合考虑扫地机器人的最小最大吸力，以避免过大的吸力造成扫地机器人损坏；和可以根据扫地机器人的尺寸信息，确定狭窄区域是否可以通过等。

在其中一个实施例中，生成控制扫地机器人进行清洁的清洁策略，可以包括：生成控制扫地机器人进行清洁的清洁速度、清洁吸力以及行进方式中至少一种。

其中，清洁速度可以是指扫地机器人在清洁过程中的行驶速度，清洁吸力是指扫地机器人在清洁过程中的输出吸力，行进方式是指扫地机器人的清扫方式，例如围绕、折返、螺旋、贴边、转身等。

上述实施例中，通过根据扫地机人的设备参数、预设检测类型的物体的物体数据以及扫地机器人所处空间位置的空间属性，生成控制扫地机器人进行清洁的清洁策略，从而综合考量了扫地机器人自身的数据，可以提升清洁策略规划的准确性。

在其中一个实施例中，生成控制扫地机器人进行清洁的清洁策略之后，还可以包括：获取预设清扫路线；根据清洁策略，生成清洁指令，并按照清扫路线控制扫地机器人执行。

其中，预设清扫路线是指服务器基于待清扫区域的三维模型数据所预先生成的清扫路线。

在本实施例中，服务器可以根据待清扫区域中各空间位置的清洁策略，生成对应的清洁指令，然后按照清扫路线控制扫地机器人执行。例如，按照预设的扫路线，当行进至地毯时，加大爬升力，并加大吸力、减缓清洁速度进行清扫，或者往复多清洁几次，而对于普通的瓷砖地面，当检测到灰层量较少时，可以适当较小吸力，并提升清洁速度，并减少清洁次数。

上述实施例中，通过获取预设清扫路线，根据清洁策略，生成清洁指令，并按照清扫路线控制扫地机器人执行，从而，可以根据预先构建清扫路线，而不用在清扫过程中进行清扫路线的构建，减少在清扫过程中的数据处理量，提升清扫过程中的数据处理效率。

在其中一个实施例中，上述方法还可以包括：采集扫地机器人的实际清扫路线；根据实际清扫路线以及待清扫区域的三维模型数据，确定未清洁区域；根据未清洁区域以及三维模型数据，生成二次清洁路线，并控制扫地机器人对未清洁区域进行清洁。

具体地，在扫地机器人工作过程中，服务器可以实时采集扫地机器人的位置信息，生成扫地机器人的实际清扫路线。例如，可以在每一次清洁过程结束后，生成实际清扫路线。

进一步，服务器可以将实际清扫路线映射至三维模型数据中，对实际清洁过的区域进行标记，未标记区域则为未清洁区域。

在本实施例中，服务器搜索三维模型数据中未清洁区域，并对未清扫区域进行清扫。具体地，服务器将该未清洁区域标记为目标区域，计算扫地机器人到该目标区域的路径，即生成二次清洁路线，以控制扫地机器人沿着计算出的路径到达目标区域并进行清洁。

在本实施例中，当三维模型数据中不存在未清洁区域时，则服务器可以发送清洁停止指令指扫地机器人，以控制机器人结束清扫。

在本实施例中，当服务器搜索三维模型数据，确定三维模型数据中存在多块不相连接的未清洁区域时，可以以最短距离的方式进行二次清洁路线的规划，以减少扫地机器人的在进行二次清扫时的功耗。

上述实施例中，通过采集扫地机器人的实际清扫路线，根据实际清扫路线以及待清扫区域的三维模型数据，确定未清洁区域，从而可以结合三维模型数据对未清扫区域进行准确定位。并且，根据未清洁区域以及三维模型数据，生成二次清洁路线，并控制扫地机器人对未清洁区域进行清洁，可以提升扫地机器人的清洁能力。

应该理解的是，虽然图2、4和5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、4和5中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子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，这些子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的子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6所示，提供了一种扫地机器人清洁策略生成装置，包括：三维模型数据获取模块100、空间位置确定模块200、空间属性获取模块300、物体数据获取模块400和策略生成模块500，其中：

三维模型数据获取模块100，用于获取待清扫区域的三维模型数据。

空间位置确定模块200，用于基于三维模型数据确定扫地机器人在待清扫区域中的空间位置。

空间属性获取模块300，用于根据扫地机器人的空间位置以及三维模型数据，获取空间位置的空间属性。

物体数据获取模块400，用于采集空间位置中预设检测类型的物体的物体数据。

策略生成模块500，用于根据物体数据以及空间属性，生成控制扫地机器人进行清洁的清洁策略。

在其中一个实施例中，空间位置确定模块200可以包括：

实景图像采集子模块，用于采集待清扫区域的实景图像。

空间位置确定子模块，用于根据实景图像以及三维模型数据，确定扫地机器人在待清扫区域中的空间位置。

在其中一个实施例中，空间位置确定子模块可以包括：

特征数据生成单元，用于对实景图像进行目标对象的特征提取，得到目标对象的特征数据，三维模型数据中包括目标对象的对象模型数据。

目标位置确定单元，用于根据特征数据以及对象模型数据，确定目标对象的目标位置，目标位置为目标对象在待清扫区域中的实际位置。

相对位置确定单元，用于基于实景图像，确定扫地机器人与目标对象之间的相对位置。

空间位置确定单元，用于根据相对位置以及目标位置，确定扫地机器人在待清扫区域中的空间位置。

在其中一个实施例中，上述装置还可以包括：

设备参数获取模块，用于获取扫地机器人的设备参数。

在本实施例中，策略生成模块500用于根据设备参数、物体数据以及空间属性，生成控制扫地机器人进行清洁的清洁策略。

在其中一个实施例中，策略生成模块500生成控制扫地机器人进行清洁的清洁策略可以包括生成控制扫地机器人进行清洁的清洁速度、清洁吸力以及行进方式中至少一种。

在其中一个实施例中，上述装置还可以包括：

清扫路线获取模块，用于策略生成模块500生成控制扫地机器人进行清洁的清洁策略之后，获取预设清扫路线。

控制模块，用于根据清洁策略，生成清洁指令，并按照清扫路线控制扫地机器人执行。

在其中一个实施例中，上述装置还可以包括：

实际清扫路线采集模块，用于采集扫地机器人的实际清扫路线。

未清洁区域确定模块，用于根据实际清扫路线以及待清扫区域的三维模型数据，确定未清洁区域。

二次清扫路线生成模块，用于根据未清洁区域以及三维模型数据，生成二次清洁路线，并控制扫地机器人对未清洁区域进行清洁。

关于扫地机器人清洁策略生成装置的具体限定可以参见上文中对于扫地机器人清洁策略生成方法的限定，在此不再赘述。上述扫地机器人清洁策略生成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计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，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，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机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、计算机程序和数据库。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。该计算机设备的数据库用于存储三维模型数据、物体数据以及清洁策略等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种扫地机器人清洁策略生成方法。

本领域技术人员可以理解，图7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计算机设备的限定，具体的计算机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，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取待清扫区域的三维模型数据；基于三维模型数据确定扫地机器人在待清扫区域中的空间位置；根据扫地机器人的空间位置以及三维模型数据，获取空间位置的空间属性；采集空间位置中预设检测类型的物体的物体数据；根据物体数据以及空间属性，生成控制扫地机器人进行清洁的清洁策略。

在其中一个实施例中，处理器执行计算机程序时实现基于三维模型数据确定扫地机器人在待清扫区域中的空间位置，可以包括：采集待清扫区域的实景图像；根据实景图像以及三维模型数据，确定扫地机器人在待清扫区域中的空间位置。

在其中一个实施例中，处理器执行计算机程序时实现根据实景图像以及三维模型数据，确定扫地机器人在待清扫区域中的空间位置，可以包括：对实景图像进行目标对象的特征提取，得到目标对象的特征数据，三维模型数据中包括目标对象的对象模型数据；根据特征数据以及对象模型数据，确定目标对象的目标位置，目标位置为目标对象在待清扫区域中的实际位置；基于实景图像，确定扫地机器人与目标对象之间的相对位置；根据相对位置以及目标位置，确定扫地机器人在待清扫区域中的空间位置。

在其中一个实施例中，处理器执行计算机程序时还可以实现以下步骤：获取扫地机器人的设备参数。

在本实施例中，处理器执行计算机程序时实现根据物体数据以及空间属性，生成控制扫地机器人进行清洁的清洁策略，可以包括：根据设备参数、物体数据以及空间属性，生成控制扫地机器人进行清洁的清洁策略。

在其中一个实施例中，处理器执行计算机程序时实现生成控制扫地机器人进行清洁的清洁策略，可以包括：生成控制扫地机器人进行清洁的清洁速度、清洁吸力以及行进方式中至少一种。

在其中一个实施例中，处理器执行计算机程序时实现生成控制扫地机器人进行清洁的清洁策略之后，还可以实现以下步骤：获取预设清扫路线；根据清洁策略，生成清洁指令，并按照清扫路线控制扫地机器人执行。

在其中一个实施例中，处理器执行计算机程序时还可以实现以下步骤：采集扫地机器人的实际清扫路线；根据实际清扫路线以及待清扫区域的三维模型数据，确定未清洁区域；根据未清洁区域以及三维模型数据，生成二次清洁路线，并控制扫地机器人对未清洁区域进行清洁。

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：获取待清扫区域的三维模型数据；基于三维模型数据确定扫地机器人在待清扫区域中的空间位置；根据扫地机器人的空间位置以及三维模型数据，获取空间位置的空间属性；采集空间位置中预设检测类型的物体的物体数据；根据物体数据以及空间属性，生成控制扫地机器人进行清洁的清洁策略。

在其中一个实施例中，计算机程序被处理器执行时实现基于三维模型数据确定扫地机器人在待清扫区域中的空间位置，可以包括：采集待清扫区域的实景图像；根据实景图像以及三维模型数据，确定扫地机器人在待清扫区域中的空间位置。

在其中一个实施例中，计算机程序被处理器执行时实现根据实景图像以及三维模型数据，确定扫地机器人在待清扫区域中的空间位置，可以包括：对实景图像进行目标对象的特征提取，得到目标对象的特征数据，三维模型数据中包括目标对象的对象模型数据；根据特征数据以及对象模型数据，确定目标对象的目标位置，目标位置为目标对象在待清扫区域中的实际位置；基于实景图像，确定扫地机器人与目标对象之间的相对位置；根据相对位置以及目标位置，确定扫地机器人在待清扫区域中的空间位置。

在其中一个实施例中，计算机程序被处理器执行时还可以实现以下步骤：获取扫地机器人的设备参数。

在本实施例中，计算机程序被处理器执行时实现根据物体数据以及空间属性，生成控制扫地机器人进行清洁的清洁策略，可以包括：根据设备参数、物体数据以及空间属性，生成控制扫地机器人进行清洁的清洁策略。

在其中一个实施例中，计算机程序被处理器执行时实现生成控制扫地机器人进行清洁的清洁策略，可以包括：生成控制扫地机器人进行清洁的清洁速度、清洁吸力以及行进方式中至少一种。

在其中一个实施例中，计算机程序被处理器执行时实现生成控制扫地机器人进行清洁的清洁策略之后，还可以实现以下步骤：获取预设清扫路线；根据清洁策略，生成清洁指令，并按照清扫路线控制扫地机器人执行。

在其中一个实施例中，计算机程序被处理器执行时还可以实现以下步骤：采集扫地机器人的实际清扫路线；根据实际清扫路线以及待清扫区域的三维模型数据，确定未清洁区域；根据未清洁区域以及三维模型数据，生成二次清洁路线，并控制扫地机器人对未清洁区域进行清洁。

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/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)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)

1.一种扫地机器人清洁策略生成方法，其特征在于，所述方法包括：

获取待清扫区域的三维模型数据；

基于所述三维模型数据确定扫地机器人在所述待清扫区域中的空间位置；

根据所述扫地机器人的空间位置以及所述三维模型数据，获取所述空间位置的空间属性；

采集所述空间位置中预设检测类型的物体的物体数据；

根据所述物体数据以及所述空间属性，生成控制所述扫地机器人进行清洁的清洁策略。

2.根据权利要求1所述的方法，其特征在于，所述基于所述三维模型数据确定扫地机器人在所述待清扫区域中的空间位置，包括：

采集所述待清扫区域的实景图像；

根据所述实景图像以及所述三维模型数据，确定扫地机器人在所述待清扫区域中的空间位置。

3.根据权利要求2所述的方法，其特征在于，所述根据所述实景图像以及所述三维模型数据，确定扫地机器人在所述待清扫区域中的空间位置，包括：

对所述实景图像进行目标对象的特征提取，得到所述目标对象的特征数据，所述三维模型数据中包括所述目标对象的对象模型数据；

根据所述特征数据以及所述对象模型数据，确定所述目标对象的目标位置，所述目标位置为所述目标对象在所述待清扫区域中的实际位置；

基于所述实景图像，确定所述扫地机器人与所述目标对象之间的相对位置；

根据所述相对位置以及所述目标位置，确定所述扫地机器人在所述待清扫区域中的空间位置。

4.根据权利要求1所述的方法，其特征在于，还包括：

获取所述扫地机器人的设备参数；

所述根据所述物体数据以及所述空间属性，生成控制所述扫地机器人进行清洁的清洁策略，包括：

根据所述设备参数、所述物体数据以及所述空间属性，生成控制所述扫地机器人进行清洁的清洁策略。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述生成控制所述扫地机器人进行清洁的清洁策略，包括：

生成控制所述扫地机器人进行清洁的清洁速度、清洁吸力以及行进方式中至少一种。

6.根据权利要求1至4任一项所述的方法，其特征在于，所述生成控制所述扫地机器人进行清洁的清洁策略之后，还包括：

获取预设清扫路线；

根据所述清洁策略，生成清洁指令，并按照所述清扫路线控制所述扫地机器人执行。

7.根据权利要求6所述的方法，其特征在于，还包括：

采集所述扫地机器人的实际清扫路线；

根据所述实际清扫路线以及所述待清扫区域的三维模型数据，确定未清洁区域；

根据所述未清洁区域以及所述三维模型数据，生成二次清洁路线，并控制所述扫地机器人对所述未清洁区域进行清洁。

8.一种扫地机器人清洁策略生成装置，其特征在于，所述装置包括：

三维模型数据获取模块，用于获取待清扫区域的三维模型数据；

空间位置确定模块，用于基于所述三维模型数据确定扫地机器人在所述待清扫区域中的空间位置；

空间属性获取模块，用于根据所述扫地机器人的空间位置以及所述三维模型数据，获取所述空间位置的空间属性；

物体数据获取模块，用于采集所述空间位置中预设检测类型的物体的物体数据；

策略生成模块，用于根据所述物体数据以及所述空间属性，生成控制所述扫地机器人进行清洁的清洁策略。

9.一种计算机设备，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