CN113219992A - 一种路径规划方法及清洁机器人 - Google Patents
一种路径规划方法及清洁机器人 Download PDFInfo
- Publication number
- CN113219992A CN113219992A CN202110626970.2A CN202110626970A CN113219992A CN 113219992 A CN113219992 A CN 113219992A CN 202110626970 A CN202110626970 A CN 202110626970A CN 113219992 A CN113219992 A CN 113219992A
- Authority
- CN
- China
- Prior art keywords
- grid
- cleaning
- path
- cleaned
- point
- 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.)
- Pending
Links
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
- G05D1/0234—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons
- G05D1/0236—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons in combination with a laser
-
- 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
-
- 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
- G05D1/0253—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 relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
-
- 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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- 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
Abstract
本发明涉及路径规划技术领域,公开一种路径规划方法及清洁机器人,路径规划方法包括:获取栅格地图,栅格地图包括用于表示待清洁区域的栅格,确定待清洁区域对应的最长边,根据最长边,规划待清洁区域对应的清洁路径,通过上述方法规划出的清洁路径,能够有效地减少清洁机器人的转弯次数,避免因转弯过多而花费较长时间,从而能够提高清洁效率。
Description
技术领域
本发明涉及路径规划技术领域,具体涉及一种路径规划方法及清洁机器人。
背景技术
随着清洁机器人技术的发展,清洁机器人逐渐步入普通家庭,逐步将人们从繁重琐碎的家务劳动中进行解放,从而为人们提供极大便利。
现有清洁机器人利用即时定位与地图构建(simultaneous localization andmapping,SLAM)算法,实时建图和规划清洁路径,但是,清洁机器人按照现有技术规划的清洁路径行走时,转弯次数较多,导致清洁效率较为低下。
发明内容
本发明实施例的一个目的旨在提供一种路径规划方法及清洁机器人,其能够提高清洁效率。
在第一方面,本发明实施例提供一种路径规划方法,包括:
获取栅格地图,所述栅格地图包括用于表示待清洁区域的栅格;
确定所述待清洁区域对应的最长边;
根据所述最长边,规划所述待清洁区域对应的清洁路径。
在第二方面,本发明实施例提供一种路径规划装置,包括:
获取单元,用于获取栅格地图,所述栅格地图包括用于表示待清洁区域的栅格;
长边确定单元,用于确定所述待清洁区域对应的最长边;
规划单元,用于根据所述最长边,规划所述待清洁区域对应的清洁路径。
在第三方面,本发明实施例提供一种非易失性可读存储介质,所述非易失性可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使清洁机器人执行所述的路径规划方法。
在第四方面,本发明实施例提供一种计算机程序产品,所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被清洁机器人执行时,使机器人执行所述路径规划方法。
在第五方面,一种清洁机器人,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行任一项所述的路径规划方法。
本发明与现有技术相比至少具有以下有益效果:在本发明实施例提供的清洁机器人的路径规划方法中,获取栅格地图,栅格地图包括用于表示待清洁区域的栅格,确定待清洁区域对应的最长边,根据最长边,规划待清洁区域对应的清洁路径,若清洁机器人按照本实施例提供的路径规划方法行走,则能够有效地减少转弯次数,避免因转弯过多而花费较长时间,从而能够提高清洁效率。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1为本发明实施例提供的一种路径规划方法的流程示意图;
图2为本发明一实施例提供的弓形路径的示意图;
图3a为本发明一实施例提供的清洁机器人选择最长边规划清洁路径的示意图;
图3b为本发明一实施例提供的清洁机器人选择非最长边规划清洁路径的示意图;
图4为本发明一实施例提供的一种待清洁区域的示意图;
图5a为本发明一实施例提供的相邻两条清洁主路径的示意图;
图5b为本发明一实施例提供的清洁转弯路径的示意图;
图6a为本发明实施例提供的一种路径规划装置的示意图;
图6b为本发明另一实施例提供的一种路径规划装置的示意图;
图7为本发明实施例提供的一种清洁机器人的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,如果不冲突,本发明实施例中的各个特征可以相互结合,均在本发明的保护范围之内。另外,虽然在装置示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于装置中的模块划分,或流程图中的顺序执行所示出或描述的步骤。再者,本发明所采用的“第一”、“第二”、“第三”等字样并不对数据和执行次序进行限定,仅是对功能和作用基本相同的相同项或相似项进行区分。
实施例一:
图1示出本发明实施例提供的一种路径规划方法的流程示意图,详述如下,路径规划方法S100包括:
S11、获取栅格地图,栅格地图包括用于表示待清洁区域的栅格。
作为示例而非限定的是,栅格地图是基于目标空间对应的环境图像生成的,目标空间包括清洁机器人当前所在的空间,例如,目标空间为整体室内空间,整体室内空间包括具有不同生活功能的各个房间,例如卧室、厨房或客厅等房间,相应的,栅格地图所指示的区域地图包括卧室地图、厨房地图或客厅地图,再例如,目标空间为相应房间的空间。
环境图像由清洁机器人的环境感测装置感测得到,其中,环境感测装置为用于感测环境的装置。
作为示例而非限定的是,环境感测装置包括摄像头或/和激光雷达,环境图像可以为图像格式文件或激光点云格式文件。
栅格地图由多个栅格组成,为了能够体现出环境图像中的物体的分布情况,可以给每个栅格设置对应的栅格值,栅格值能够体现对应的栅格的状态,栅格的状态用于表示环境图像中相应像素点的情况。单个栅格的状态可为以下一种:可通行状态、障碍物状态、未知状态。其中,可通行状态用于表示对应的像素点属于环境图像中无障碍物占据的区域的像素,障碍物状态用于表示对应的像素点属于环境图像中被障碍物占据的区域的像素,未知状态用于表示对应的像素点属于环境图像中未知区域的像素。为了便于描述,可将可通行状态对应的栅格的类型、障碍物状态对应的栅格的类型、未知状态对应的栅格的类型分别确定为可通行栅格、障碍物栅格、未知区域栅格。
作为示例而非限定的是,可通行栅格对应的栅格值、障碍物栅格对应的栅格值、未知状态栅格对应的栅格值分别为0、1、2。
在一些实施例中,障碍物栅格对应的栅格值还可用于体现障碍物的尺寸,例如,栅格地图包括障碍物栅格a和障碍物栅格b,障碍物栅格a对应的栅格值、障碍物栅格b对应的栅格值分别为3、4,其中,3表示对应的障碍物的高度小于预设高度,4表示对应的障碍物的高度等于或者大于预设高度,例如,障碍物为沙发,沙发对应的障碍物栅格的栅格值为3,由于预设高度大于沙发底部到地面的高度,则清洁机器人根据障碍物栅格的栅格值,确定无需穿过障碍物。
由于能够栅格化地图,并依据每个障碍物栅格的栅格值赋予了障碍物高度的含义,使得清洁机器人后期避障和清洁时,能够简化避障判断逻辑,直接可以根据障碍物栅格的栅格值,确定是否需要穿过障碍物,从而提高避障效率。
在一些实施例中,可以根据可通行栅格对应的栅格值和障碍物栅格对应的栅格值,确定可通行栅格到障碍物栅格的障碍物距离,举例而言,首先,本实施例可以根据可通行栅格与障碍物栅格的距离,生成可通行栅格的栅格值,例如,假设每个障碍物栅格的栅格值都为120,可通行栅格R1与障碍物栅格R0的距离为10个栅格距离,可通行栅格R1的栅格值为110。可通行栅格R2与障碍物栅格R0的距离为15个栅格距离,可通行栅格R2的栅格值为105。可通行栅格R3与障碍物栅格R0的距离为20个栅格距离,可通行栅格R3的栅格值为100,以此类推。其次,本实施例通过比对障碍物栅格对应的栅格值120与可通行栅格R1对应的栅格值110,便可得知此可通行栅格R1与障碍物栅格之间的距离为10个栅格距离。
由于能够栅格化地图,并依据每个障碍物栅格的栅格值与可通行栅格的栅格值之间的关系,确定清洁机器人距离障碍物的距离,使得清洁机器人后期避障和清洁时,及时确定停止位置,避免与障碍物出现碰撞或者陷入障碍物内无法逃离障碍物,进而提高了清洁机器人的工作可靠性和维护好清洁机器人。
在一些实施例中,为了方便在栅格地图中定位某个物体在目标空间的位置,以及方便清洁机器人在目标空间内进行导航、避障等操作,清洁机器人为栅格地图配置栅格坐标系,其中,栅格坐标系的原点可以被定义在栅格地图的任意合适位置,例如,原点可被定义在栅格地图的左下角,X轴的正方向为水平向右,Y轴的正方向为垂直向上,如此,通过栅格坐标系,每个物体或每个区域在栅格地图中的位置都可以被量化表示。
在一些实施例中,栅格地图包括用于表示待清洁区域的栅格,用于表示待清洁区域的栅格可为可通行栅格,待清洁区域可以由位于待清洁区域边界的障碍物栅格界定而成。作为示例而非限定的是,通过直线拟合各个边界障碍物栅格,可以得到若干条拟合线段,若干条拟合线段首尾连接可界定得到待清洁区域,其中,边界障碍物栅格为位于待清洁区域边界的障碍物栅格,待清洁区域可以呈矩形、棱形或梯形等其它形状。
在一些实施例中,清洁机器人可以从栅格地图中提取待清洁区域,例如,用户向清洁机器人发送清洁指令,清洁机器人根据清洁指令,从栅格地图中提取待清洁区域,例如,清洁机器人自发地从栅格地图中提取出待清洁区域。
S12、确定待清洁区域对应的最长边。
作为示例而非限定的是,最长边为构成待清洁区域的边(线段)中最长的边(线段),清洁机器人可以根据待清洁区域的横向范围与纵向范围,计算待清洁区域对应的每条拟合线段的长度,再比对待清洁区域对应的每条拟合线段的长度,选择长度最长的线段作为最长边。
S13、根据最长边,规划待清洁区域对应的清洁路径。
作为示例而非限定的是,清洁机器人后期执行清洁作业时可根据所述清洁路径进行行走,在一些实施例中,清洁路径包括清洁主路径和清洁转弯路径,清洁主路径对应于在待清洁区域内规划的主要路径,清洁转弯路径对应于由当前清洁主路径转弯至最近清洁主路径时所形成的路径,清洁主路径的长度大于清洁转弯路径的长度,因此,清洁主路径可作为清洁机器人行走时的主要路径。当前清洁主路径为机器人当前位置所对应的清洁主路径,最近清洁主路径为与当前清洁主路径距离最近且处于待清洁状态(未被标记已清洁状态)的清洁主路径。
举例而言,请参阅图2,清洁机器人21在待清洁区域22内规划弓字形的清洁路径,其中,待清洁区域22呈矩形,包括拟合线段221、拟合线段222、拟合线段223及拟合线段224,其中,拟合线段221和拟合线段223的长度是最长的,因此,清洁机器人21可以根据拟合线段221或拟合线段223规划清洁路径,其中,每条拟合线段都由若干边界障碍物栅格拟合而成,因此拟合线段可作为边界线段。
如图2所示,清洁路径包括第一清洁主路径23、第二清洁主路径24及清洁转弯路径25,假设当前清洁主路径为第一清洁主路径23,相对第一清洁主路径23而言,由于第二清洁主路径24处于待清洁状态,并且相对其它清洁主路径而言,第二清洁主路径24与第一清洁主路径23之间的距离是最小的,因此,第二清洁主路径24可以作为第一清洁主路径23的最近清洁主路径。当清洁机器人21需要由在第一清洁主路径23上行走转移到在第二清洁主路径24上行走时,清洁机器人21需要规划清洁转弯路径25。在一些实施例中,清洁机器人21可以利用dijkstra算法求取清洁转弯路径25。
可以理解的是,可在待清洁区域规划出多条清洁主路径,每条清洁主路径相互平行。
作为示例而非限定的是,清洁机器人根据全覆盖遍历算法,采用弓形模式进行弓形全覆盖清洁待清洁区域。当清洁机器人在待清洁区域的不同起始点、以不同清洁方向进行弓形全覆盖清洁待清洁区域时,清洁机器人所需经过的清洁主路径的数量可以不同,清洁主路径对应的清洁方向(行走方向)可表示为清洁主方向。
作为示例而非限定的是,清洁主方向对应清洁机器人执行清洁作业时的主要行走方向,相对清洁机器人转弯时的行走方向,清洁机器人按照清洁主方向行走时,可以清洁大部分区域,因此,清洁主方向可作为清洁机器人在待清洁区域的主要行走方向,清洁主方向可为待规划出的清洁主路径所对应的清洁方向(行走方向)。
作为示例而非限定的是,每条清洁主路径在栅格地图上的斜率都是相等的,并且相邻两条清洁主路径对应的清洁主方向互相相反。请参阅图2,第一清洁主路径23与第二清洁主路径24在栅格地图上的斜率都是相等的,其中,第一清洁主路径23对应的清洁主方向与第二清洁主路径24对应的清洁主方向互相相反。
还可以理解的是,若按照最长边规划清洁路径,最长边与清洁主路径两者在栅格地图的倾斜角度都相等。通常,清洁机器人根据待清洁区域最长边对应的方向进行行走时,转弯次数相对选择其它方向行走时的转弯次数少。
请一并参阅图3a与图3b,图3a为清洁机器人选择最长边规划清洁路径的示意图,图3b为清洁机器人选择非最长边规划清洁路径的示意图,由此可见,清洁机器人在图3a的转弯次数比在图3b的转弯次数少,因此,清洁机器人可以减少因转弯而过多花费时间,从而提高清洁效率。
如前所述,清洁机器人得到最长边,便可以依据最长边搜索起始点,并结合起始点和清洁主方向,规划清洁路径,因此,在一些实施例中,S13包括以下步骤:
步骤131、根据最长边对应的倾斜数据,确定起始清洁主方向;
步骤132、根据起始点与起始清洁主方向,规划待清洁区域对应的清洁路径,起始点为待清洁区域对应的清洁路径的规划起点。
作为示例而非限定的是,倾斜数据用于描述最长边在栅格地图中相对指定参考方向的倾斜情况,例如指定参考方向为X轴的正方向,倾斜数据可以描述最长边所在的直线相对X轴的正方向的倾斜情况,在一些实施例中,倾斜数据为最长边所在直线的直线方程在栅格坐标系的斜率或者最长边与指定轴之间的夹角,其中,指定轴可为X轴或者Y轴。例如,步骤1001可包括:根据最长边与指定轴之间的夹角确定起始清洁主方向。其中,起始清洁主方向与指定轴之间的夹角可等于最长边与指定轴之间的夹角。例如,最长边与X轴平行,即最长边对应的方向为水平方向,对应地,起始清洁主方向为水平方向,水平方向可为水平向左或者水平向右。
作为示例而非限定的是,起始清洁主方向为:清洁机器人为实现待清洁区域的全覆盖清洁所需的最小转弯次数对应的首条清洁主路径对应的清洁主方向,请结合图2,第一清洁主路径23为清洁机器人作弓形全覆盖清洁所需最小转弯次数对应的首条清洁主路径,第一清洁主路径23对应的清洁主方向为起始清洁主方向。
在一些实施例中,清洁机器人可以选择最长边对应的方向作为起始清洁主方向,亦可以选择与最长边对应的方向偏离预设角度的方向作为起始清洁主方向,其中,预设角度由用户自定义,例如预设角度为5度或10度等,在此不赘述。
在本实施例中,起始点为待清洁区域对应的清洁路径的规划起点,其可对应清洁机器人开始执行清洁作业时的出发点。如前所述,根据起始清洁主方向与起始点,便可以有效地规划待清洁区域对应的清洁路径。
在一些实施例中,清洁机器人可以将机器人当前位置作为起始点,亦可以基于机器人当前位置选择最优位置作为起始点,以便能够实现转弯次数少且还可实现全覆盖清洁待清洁区域,因此,在执行步骤132之前,路径规划方法S100还包括:
步骤14、确定机器人当前位置;
步骤15、分别计算机器人当前位置与各个目标交点的距离,目标交点为待清洁区域对应的最长边与相邻边的交点;
步骤16、根据基准点的坐标以及安全防碰裕量,确定起始点的坐标,基准点为与机器人当前位置距离最小的目标交点;
对应地,步骤132包括:根据所述起始点的坐标与所述起始清洁主方向,规划所述待清洁区域对应的清洁路径。
作为示例而非限定的是,机器人当前位置用于体现清洁机器人当前所处位置,其中,机器人当前位置为:在栅格地图中,用于表示清洁机器人当前所处位置的栅格的位置,机器人当前位置可用栅格的坐标来表示。
作为示例而非限定的是,对于封闭的待清洁区域,由于每条边界线段都与相邻两条边界线段相交,因此,每条最长边对应有两个目标交点,两个目标交点可分别为第一交点、第二交点。相邻边为与最长边相邻且相交的线段。对应地,所述分别计算机器人当前位置与各个目标交点的距离包括:计算第一距离和第二距离,其中,第一距离为机器人当前位置与第一交点的距离,第二距离为机器人当前位置与第二交点的距离。
其中,若待清洁区域对应的最长边的数量大于一,则对应地,目标交点为待清洁区域对应的最长边与相邻边的交点可具体为:目标边与相邻边的交点,目标边为待清洁区域对应的最长边中离机器人当前位置最近的边。
例如,请参阅图4,第一边界线段41为最长边,其中,第二边界线段42、第三边界线段43分别与第一边界线段41相交于第一交点411、第二交点412,对应地两个目标交点可分别为:第一交点411、第二交点412。
可以理解的是,每条边界线段在栅格地图中都有相应的直线方程,由于每个边界障碍物栅格在栅格地图的坐标都是已知的,根据直线拟合算法,结合各个边界障碍物栅格的坐标,都可以得到每条边界线段的直线方程,亦即,如图4所示,第一边界线段41、第二边界线段42及第三边界线段43的直线方程都是已知的,因此,通过联立各条边界线段的直线方程,可以求取每条边界线段的交点,亦即,每条边界线段的交点在栅格地图的坐标也是可求的,因此,第一交点411与第二交点412的坐标都是可求的。
由于清洁机器人的当前位置也是已知的,则,根据两点距离的公式,结合第一交点411与第二交点412的坐标,可以求取第一距离和第二距离,第一距离为机器人当前位置与第一交点411之间的距离,第二距离为机器人当前位置与第二交点412之间的距离。
在一些实施例中,清洁机器人可以选择与机器人当前位置距离最小的目标交点为基准点,如图4所示,假设第一距离小于第二距离,则第一交点411为基准点,因此,清洁机器人移动至第一交点411所花费的时间相对移动至第二交点412的少,因此,采用本方法,既能够满足全覆盖清洁的需求,又可以减少清洁机器人由当前位置移动至起始点时所花费的时间,进而能够提高清洁效率。
在一些实施例中,清洁机器人可以预留一定的安全防碰裕量,以便避免清洁机器人在执行清洁作业时碰撞到诸如墙壁等障碍物,而损坏清洁机器人和降低清洁效率,其中,安全防碰裕量可用于表示清洁机器人与障碍物之间的安全距离,所述安全距离为能够保证清洁机器人不与障碍物发生碰撞的距离。
同理可得,清洁机器人确定基准点后,为了防止在起始点开始执行清洁作业时就触碰到墙壁,清洁机器人需要结合基准点的坐标以及安全防碰裕量,确定起始点的坐标,举例而言:
在阐述如何确定起始点的坐标之前,下文先交代计算方法的技术基础,可以理解的是,下文只是给出一种实现方式,该实现方式并不用于对本发明的保护范围造成任何不当限定。
本文约定:根据待清洁区域中的可通行栅格与每条边界线段的相对位置关系,可定义所述可通行栅格相对每条边界线段的类别,类别包括上栅格、下栅格、左栅格及右栅格,假设边界线段的障碍物栅格的坐标为(x,y),可通行栅格的坐标为(x_a,y_a)。当x=x_a,y<y_a时,该可通行栅格为上栅格;当x=x_a,y>y_a时,该可通行栅格为下栅格;当x>x_a,y=y_a时,该可通行栅格为左栅格;当x<x_a,y=y_a时,该可通行栅格为右栅格。请结合图4,对于可通行栅格S1,其相对第一边界线段而言,由于第一边界线段41存在与可通行栅格S1的横坐标相同的障碍物栅格,且由于x=x_a,y<y_a,因此可通行栅格S1相对第一边界线段41而言,其为上栅格。其相对第二边界线段而言,由于第二边界线段42存在与可通行栅格S1的纵坐标相同的障碍物栅格,且由于x<x_a,y=y_a,因此可通行栅格S1相对第二边界线段42而言,其为右栅格。
同理可得,可通行栅格S2相对第一边界线段41而言,其为上栅格,相对第三边界线段43而言,其为左栅格。可通行栅格S3相对第三边界线段43而言,其为左栅格,相对第四边界线段44而言,其为下栅格。可通行栅格S4相对第五边界线段45而言,其为左栅格,相对第六边界线段46而言,其为下栅格。
设基准点在栅格地图的坐标为(x0,y0),起始点在栅格地图的坐标为(x1,y1),其中,起始点在栅格地图的坐标可为起始点对应的栅格在栅格地图中的坐标,本文还约定:
当可通行栅格为左栅格时,x1=x0-h1;当可通行栅格为右栅格时,x1=x0+h1;当可通行栅格为下栅格时,y1=y0-h2;当可通行栅格为上栅格时,y1=y0+h2,其中,安全防碰裕量可包括:第一安全防碰裕量h1或/和第二安全防碰裕量h2,可以理解的是,本文将清洁机器人与X轴上的障碍物和Y轴上的障碍物的安全防碰裕量都设置成相同安全防碰裕量,亦即,h=h1=h2,h统称为安全防碰裕量。当清洁机器人呈圆柱状时,安全防碰裕量=k*清洁机器人的半径,k为安全防碰系数,k可大于1,其可以选择1.1或1.2等数值,k可以保证清洁机器人具备足够的旋转空间。
作为示例而非限定的是,请结合图4,如前所述,第一交点411为基准点,可以结合安全防碰裕量,以及与第一交点411对应的栅格相邻的可通行栅格来计算起始点的坐标。第一交点411为第一边界线段41和第二边界线段42的交点,因此,相对第一边界线段41,与第一交点411对应的栅格相邻的可通行栅格为上栅格;相对第二边界线段42,与第一交点411对应的栅格相邻的可通行栅格为右栅格。
根据上文的约定,当可通行栅格为上栅格时,y1=y0+h2,当可通行栅格为右栅格时,x1=x0+h1,因此,起始点的坐标为(x0+h1,y0+h2)。
在一些实施例中,如前所述,清洁机器人得到起始点的坐标后,可以结合起始清洁主方向来得到起始清洁主路径。由于相邻两条清洁主路径的路径间距是已知的,且每条清洁主路径在栅格地图的倾斜角度也是已知的,因此,清洁机器人可以以起始清洁主路径为基础,循环迭代出更多旁路清洁主路径,并且,当清洁机器人遍历完当前清洁主路径后,需要转弯至最近清洁主路径继续遍历,直至将待清洁区域遍历完。在规划清洁转弯路径时,清洁机器人可以根据预设规则自行规划清洁转弯路径,待清洁区域对应的清洁路径包括起始清洁主路径和旁路清洁主路径,步骤132包括以下步骤:
步骤1321、根据起始点与起始清洁主方向,确定起始清洁主路径;
步骤1322、根据起始清洁主路径,确定旁路清洁主路径。
作为示例而非限定的是,起始清洁主路径为自起始点开始遍历栅格地图时的首条清洁主路径,旁路清洁主路径为与当前清洁主路径相距N倍路径间距的清洁主路径,N为正整数,例如,旁路清洁主路径包括与起始清洁主路径相距1倍路径间距的清洁主路径、相距2倍路径间距的清洁主路径、相距3倍路径间距的清洁主路径。
在一些实施例中,为了便于描述,可定义当前清洁主路径,当前清洁主路径为:清洁机器人在规划清洁路径的过程中,清洁机器人当前所在的清洁主路径(机器人当前位置所对应的清洁主路径),例如,清洁机器人在规划清洁路径的过程中,机器人当前位置处于起始清洁主路径上,对应地,当前清洁主路径可以包括起始清洁主路径。若清洁机器人在规划清洁路径的过程中,机器人当前位置处于旁路清洁主路径上,对应地,当前清洁主路径可以包括旁路清洁主路径,可以理解的是,假设机器人当前位置位于起始清洁主路径上,即当前清洁主路径为起始清洁主路径,当清洁机器人在起始清洁主路径上搜索出旁路清洁主路径后,可将旁路清洁主路径对应的清洁主方向设置为与当前清洁主路径的清洁主方向相反。
在一些实施例中,所述路径规划方法S100还包括:根据清洁机器人的尺寸数据计算路径间距,所述清洁机器人的尺寸数据用于表示清洁机器人的尺寸,路径间距为相邻两个清洁主路径之间的(间距)距离,例如,当清洁机器人的形状呈圆柱形时,清洁机器人的尺寸数据包括清洁机器人的直径,路径间距=清洁机器人的直径*(1-预设数值),所述预设数值为小于1大于0的数,即路径间距小于清洁机器人的直径,意味着清洁机器人对相邻两条清洁主路径进行清洁时,会存在重复清洁区域,如此,可以提高清洁的覆盖率和清洁度。
请参阅图5a,清洁主路径51与清洁主路径52相邻,其两者存在重复的清洁区域53。
作为示例而非限定的是,如前所述,清洁转弯路径为用于连接两条相邻的清洁主路径的路径,也可理解为清洁机器人由当前清洁主路径转弯至最近清洁主路径时所形成的路径。例如,请参阅图5b,清洁机器人501在起始清洁主路径502上,自起始点503开始遍历到起始清洁主路径502的终点504,清洁机器人501生成旁路清洁主路径505。
清洁机器人501根据起始清洁主路径502的终点504在栅格地图的坐标及旁路清洁主路径505所在直线的直线方程,求取起始清洁主路径502的终点504到旁路清洁主路径505所在直线的距离,选择旁路清洁主路径505上与终点504距离最短的点作为候选点506,若所述候选点在待清洁区域中,则所述候选点506为转弯结束点,控制清洁机器人501自起始清洁主路径502的终点504开始转弯至转弯结束点。若所述候选点506不在待清洁区域中,则清洁机器人501逐点遍历,将待清洁区域中与起始清洁主路径502的终点504的距离最短的点确定为转弯结束点。
在一些实施例中,在按照各条清洁主路径和清洁转弯路径遍历完对应的区域栅格后,将所述对应的区域栅格的栅格值设置为已遍历栅格的栅格值。
可以理解的是,清洁机器人501转弯至转弯结束点506时,当前清洁主路径为旁路清洁主路径505。
在一些实施例中,清洁机器人在清洁过程中,若未检测到与当前清洁主路径距离一倍路径间距的待清洁的清洁主路径时,清洁机器人会按照整倍数递增的顺序,由小到大地遍历下一条旁路清洁主路径,例如,请结合图5b,旁路清洁主路径505作为当前清洁主路径时,若存在与当前清洁主路径相距一倍路径间距的待清洁的旁路清洁主路径A,则将旁路清洁主路径A作为下一条待行走的旁路清洁主路径。若不存在与当前清洁主路径相距一倍路径间距的待清洁的旁路清洁主路径,清洁机器人确定是否存在与当前清洁主路径相距两倍路径间距的待清洁的旁路清洁主路径,若存在与当前清洁主路径相距两倍路径间距的待清洁的旁路清洁主路径B,则将旁路清洁主路径B作为下一条待行走的旁路清洁主路径。若不存在与当前清洁主路径相距两倍的路径间距的待清洁的旁路清洁主路径,清洁机器人确定是否存在与当前清洁主路径相距三倍路径间距的待清洁的旁路清洁主路径,以此类推。若清洁机器人在栅格地图中遍历完所有旁路清洁主路径仍找不到与当前清洁主路径距离整倍数的路径间距的清洁主路径,则可认为栅格地图对应的区域已被清洁完毕,即待清洁区域已被清洁完毕,全覆盖清洁任务结束。
与上述实施例不同点在于,确定旁路清洁主路径或清洁转弯路径时,清洁机器人可以根据当前清洁主路径,确定清洁转弯路径。接着,清洁机器人根据清洁转弯路径,确定旁路清洁主路径。
为了确保清洁机器人不至于碰撞到障碍物或者陷入不可转弯的区域,栅格地图包括用于表示不可通行区域的栅格,亦即包括障碍物栅格或未知区域栅格,对应地,步骤1321包括:
步骤13211、根据起始点与起始清洁主方向,确定参考线;
步骤13212、在参考线上依序遍历栅格以确定出不可通行区域的首个栅格;
步骤13213、根据首个栅格与安全防碰裕量,确定终点位置;
步骤13214、根据起始点、终点位置及起始清洁主方向,确定起始清洁主路径。
作为示例而非限定的是,参考线为经过起始点的线,且参考线相对于指定轴的倾斜角度与起始清洁主方向相对于指定轴的倾斜角度相同,对应地,步骤13212可为:按照起始清洁主方向,依序遍历经过参考线的栅格以确定出不可通行区域的首个栅格,首个栅格为:依序遍历经过参考线的栅格时首次遍历到的障碍物栅格。
作为示例而非限定的是,假设起始清洁主方向为水平向右,经过参考线的栅格水平向右依次包括:可通行栅格甲、可通行栅格乙、可通行栅格丙、障碍物栅格丁、障碍物栅格戊,对应地,首个栅格为障碍物栅格丁。
另,安全防碰裕量可用于表示清洁机器人与障碍物之间的安全距离,所述安全距离为能够保证清洁机器人不与障碍物发生碰撞的距离。
在一些实施例中,在步骤13213之前,包括:根据清洁机器人的尺寸数据和预设的安全防碰系数确定安全防碰裕量;对应地,所述步骤13213包括:根据安全防碰裕量和栅格地图的分辨率确定安全防碰裕量对应的栅格数量,根据所述安全防碰裕量对应的栅格数量和首个栅格确定终点位置。
例如,栅格地图的分辨率d=0.025,安全防碰系数为1.2,安全防碰裕量b=1.2*清洁机器人的半径,安全防碰裕量b对应的栅格数量n=b/d,因此,终点位置为在参考线上与所述首个栅格距离栅格数量n的栅格所在的位置。清洁机器人根据起始点、终点位置及起始清洁主方向,便可以确定起始清洁主路径,由于在生成起始清洁主路径时,清洁机器人可以排除障碍物栅格(即生成的起始清洁主路径可不包括障碍物栅格),并且依据安全防碰裕量设定终点位置,一方面,采用此种方法,清洁机器人沿着起始清洁主路径行走时及时在障碍物前停止行走,从而能够可靠地保证清洁机器人执行清洁作业,另一方面,由于本实施例留有足够旋转裕量(安全防碰裕量)给清洁机器人转身和调整位姿,从而避免传统方式因陷入障碍物而无法逃脱障碍物的局面出现。
在一些实施例中,步骤1322包括以下:
步骤13221、在起始清洁主路径上选择参考点;
步骤13222、确定最近路径点,最近路径点为与参考点的距离满足最近路径条件的点;
步骤13223、根据最近路径点与起始清洁主方向,确定旁路清洁主路径。
在一些实施例中,清洁机器人可以在起始清洁主路径上选择处于任意位置的栅格作为参考点,若机器人当前位置对应的栅格位于当前清洁主路径上,也可以以机器人当前位置对应的栅格为参考点。由上可见,参考点可为栅格。
最近路径条件:最近路径点需要位于待清洁区域中处于待清洁状态的待清洁区域内(具体可为最近路径点需要位于待清洁区域中未被标记已清洁状态的待清洁区域内),且最近路径点为目标路径点中距离参考点最近的点,其中,目标路径点为满足关系c的点,关系c为:目标路径点和参考点之间的距离与路径间距构成整倍数关系。
举例而言,假设机器人当前位置对应的栅格位于起始清洁主路径,路径间距为s,清洁机器人首先搜索到一个栅格b,该栅格与参考点的距离为s,若栅格b与参考点的距离满足最近路径条件,则将栅格b确定为最近路径点;若栅格b在障碍物区域或在已清洁区域,则确定与起始清洁主路径相距路径间距s的其他栅格是否满足最近路径条件,若清洁机器人没有找到满足最近路径条件的栅格,则在与起始清洁主路径相距路径间距2s的栅格中,确定是否存在满足最近路径条件的栅格,若存在栅格e(栅格e为:与起始清洁主路径相距路径间距2s的栅格中,满足最近路径条件的栅格),则将栅格e确定为最近路径点;若在与起始清洁主路径相距路径间距2s的栅格中,不存在满足最近路径条件的栅格,则在与起始清洁主路径相距路径间距3s的栅格中,确定是否存在满足最近路径条件的栅格,以此类推。
请结合图5b,清洁机器人501以起始点503作为参考点,搜索出最近路径点507。
在一些实施例中,若机器人当前位置对应的栅格位于当前清洁主路径上,则可以以机器人当前位置对应的栅格为参考点,对应地,步骤13222可具体可包括:
A11、赋值H=L=1;
A12、确定参考点对应的周边栅格,所述周边栅格与参考点的距离为H个栅格距离;
A14、用正整数依序(按照指定顺序)标记每个周边栅格,R为周边栅格的数量;
A15、L是否大于R;
A16、若大于,则赋值H=H+1,返回步骤A12;
A17、若小于或等于,则判断第L周边栅格是否在待清洁区域内,且第L周边栅格的H个栅格距离是否与路径间距构成整倍数关系;
A18、若第L周边栅格在待清洁区域内,且第L周边栅格的H个栅格距离与路径间距构成整倍数关系,则选择第L周边栅格作为最近路径点;
A19、若第L周边栅格不在待清洁区域内,或第L周边栅格的H个栅格距离与路径间距未构成整倍数关系,则赋值L=L+1,返回步骤A15。
作为示例而非限定的是,“H”为大于或者等于1的正整数,“L”为大于或者等于1的正整数,栅格距离可为两个栅格中心点之间的距离,周边栅格为可通行栅格。为了详细理解上文提供的搜索最近路径点的方案,下文对此举例说明,具体如下:
举例而言,清洁机器人将机器人当前位置对应的栅格设置为参考点p0,刚开始H=1,确定参考点对应的第一周边栅格,每个第一周边栅格与参考点p0的距离为1个栅格距离,假设参考点p0的第一周边栅格的数量为8个,即R=8,8个第一周边栅格分别为p11、p12、p13、p14、p15、p16、p17、p18,这8个第一周边栅格都为可通行栅格。
首先,清洁机器人判断周边栅格p11是否在待清洁区域内,且周边栅格p11的1个栅格距离是否与路径间距构成整倍数关系,若周边栅格p11不在待清洁区域内或者1个栅格距离不与路径间距构成整倍数关系,则赋值L=1+1=2,返回步骤A15。
由于L=2小于R=8,清洁机器人继续判断周边栅格p12是否在待清洁区域内,且周边栅格p12的1个栅格距离是否与路径间距构成整倍数关系,以此类推。
假设按照上述过程已经循环到L=8,并返回步骤A15。
由于L=8等于R=8,清洁机器人继续判断周边栅格p18是否在待清洁区域内,且周边栅格p18的1个栅格距离是否与路径间距构成整倍数关系,这里作出两个假设:
假设1:周边栅格p18在待清洁区域内且与路径间距构成整倍数关系,则选择周边栅格p18作为最近路径点。
假设2:若周边栅格p18不在待清洁区域内或者1个栅格距离不与路径间距构成整倍数关系,则赋值L=8+1=9,返回步骤A15。由于L=9大于R=8,执行步骤A16,赋值H=1+1=2,返回步骤A12。
执行步骤A12时,确定参考点对应的第二周边栅格每个第二周边栅格与参考点的距离为2个栅格距离,依序标记8个第二周边栅格分别为p21、p22、p23、p24、p25、p26、p27、p28,此时,后续过程按照上述方式来进行。
假设周边栅格p26与参考点的距离为2个栅格距离,且2个栅格距离与路径间距构成1倍关系,且周边栅格p26在待清洁区域内,则周边栅格p26作为最近路径点。
再假设搜索到周边栅格p26与参考点的距离为2个栅格距离,且2个栅格距离与路径间距构成1倍关系,但是周边栅格p26不在待清洁区域内,则周边栅格p26不作为最近路径点,并且,按照上述逻辑,假设确定参考点对应的第三周边栅格每个第三周边栅格与参考点的距离为4个栅格距离,依序标记8个周边栅格分别为p41、p42、p43、p44、p45、p46、p47、p48。假设最后搜索到周边栅格p45与参考点的距离为4个栅格距离,且4个栅格距离与路径间距构成2倍关系,且周边栅格p45在待清洁区域内,则周边栅格p45作为最近路径点,采用本方法,清洁机器人能够在保证全覆盖遍历待清洁区域时,可靠地搜索出最近路径点及旁路清洁主路径。
当清洁机器人规划出清洁路径时,清洁机器人便可以沿着清洁路径执行清洁作业,并实时利用激光雷达和深度相机等传感器检查该清洁路径上是否有新出现的障碍物,若检测到障碍物,则利用避障算法绕开障碍物,以继续前进。
当清洁机器人规划出起始清洁主路径或旁路清洁主路径或清洁转弯路径时,清洁机器人便可以沿着对应清洁主路径或清洁转弯路径执行清洁作业,并实时利用激光雷达和深度相机等传感器检查该清洁路径上是否有新出现的障碍物,若检测到障碍物,则利用避障算法绕开障碍物,以继续前进。
在一些实施例中,栅格地图包括障碍物栅格和可通行栅格,在确定待清洁区域对应的最长边之前,路径规划方法S100还包括以下步骤:
步骤17、将具有相同邻接位置关系的障碍物栅格归类在相同初始数组,邻接位置关系指:障碍物栅格和与之相邻的可通行栅格之间的位置关系;
步骤18、将每个初始数组中满足栅格连续条件的障碍物栅格归类在相同候选数组;
对应地,S12包括:根据每个候选数组中的障碍物栅格的坐标,确定待清洁区域对应的最长边。
作为示例而非限定的是,栅格连续条件为:初始数组中的相应障碍物栅格能够拟合成线段的条件,候选数组用于存放满足栅格连续条件的障碍物栅格,举例而言,由于每个障碍物栅格的栅格值都相同,因此,清洁机器人将属于障碍物栅格值的栅格作为障碍物栅格归类到障碍物数组,障碍物数组用于存放障碍物栅格,有利于后期进一步对各个障碍物栅格作初筛操作,以得到相应的初始数组。请结合图4,第一边界线段41至第六边界线段46上的障碍物栅格都可以归类到障碍物数组。
其中,将每个初始数组中满足栅格连续条件的障碍物栅格归类在相同候选数组,即位于同一个候选数组中的障碍物栅格的中心点位于同一直线上,且位于同一个候选数组中的障碍物栅格是连续的。例如,初始数组A中存在障碍物栅格甲、障碍物栅格乙、障碍物栅格丙、障碍物栅格丁,其中,障碍物栅格甲与障碍物栅格乙相邻,障碍物栅格乙与障碍物栅格丙相邻,障碍物栅格丙与障碍物栅格丁相邻,则说明障碍物栅格甲、障碍物栅格乙、障碍物栅格丙以及障碍物栅格丁是连续的,障碍物栅格甲的中心点、障碍物栅格乙的中心点、障碍物栅格丙的中心点以及障碍物栅格丁的中心点位于同一直线上,故初始数组A中满足栅格连续条件的障碍物栅格包括:障碍物栅格甲、障碍物栅格乙、障碍物栅格丙以及障碍物栅格丁,可将障碍物栅格甲、障碍物栅格乙、障碍物栅格丙以及障碍物栅格丁归在一个候选数组中。
为了方便基于障碍物数组中各个障碍物栅格进行线段拟合,清洁机器人先对障碍物数组中的障碍物栅格作初筛处理,亦即,先将具有相同邻接位置关系的障碍物栅格归类在相同初始数组,每个初始数组包含的障碍物栅格具有相同邻接位置关系。
请继续结合图4和第一次的约定规则,第一边界线段41为上栅格对应的边界线段,第二边界线段42为右栅格对应的边界线段,第三边界线段43为左栅格对应的边界线段,第四边界线段44为下栅格对应的边界线段,第五边界线段45为左栅格对应的边界线段,第六边界线段46为下栅格对应的边界线段。
相对于相同相邻的可通行栅格,由于其它边界线段和可通行栅格的邻接位置关系,与第一边界线段41和可通行栅格的邻接位置关系都不同,因此,只将第一边界线段41的障碍物栅格归类到第一初始数组。
同理,可将第二边界线段42的障碍物栅格归类到第二初始数组。
由于第三边界线段43和可通行栅格的邻接位置关系,与第五边界线段45和可通行栅格的邻接位置关系相同,则第三边界线段43和第五边界线段45的障碍物栅格归类到第三初始数组。
由于第四边界线段44和可通行栅格的邻接位置关系,与第六边界线段46和可通行栅格的邻接位置关系相同,则第四边界线段44和第六边界线段46的障碍物栅格归类到第四初始数组。
在第三初始数组或第四初始数组中,可以发现:虽然第三边界线段43和第五边界线段45的障碍物栅格都归类到第三初始数组,但是第三边界线段43和第五边界线段45的障碍物栅格并非是连续的,亦即第三边界线段43和第五边界线段45并非是连续线段,此种情况需要作进一步筛选。
因此,清洁机器人将每个初始数组中满足栅格连续条件的障碍物栅格归类在相同候选数组,例如,在第三初始数组中,将第三边界线段43的障碍物栅格归类到第一候选数组,将第五边界线段45的障碍物栅格归类到第二候选数组,在第四初始数组中,将第四边界线段44的障碍物栅格归类到第三候选数组,将第六边界线段46的障碍物栅格归类到第四候选数组。
在一些实施例中,步骤18包括:分别对每个初始数组,执行以下两个阶段(包括第一阶段和第二阶段)的步骤:
第一阶段:
B11:赋值i=1;
B12:在初始数组中,自首位障碍物栅格开始,依序选择N个障碍物栅格作线性拟合,得到第i直线方程,N为构成每条直线方程的障碍物栅格的数量;
B13:若K小于或者等于N-1,K为初始数组中未进行直线拟合的障碍物栅格的数量,则停止直线拟合操作,若K大于N-1,则在初始数组中选择与第i直线方程的首位障碍物栅格相隔指定距离的障碍物栅格作为第i+1直线方程的首位障碍物栅格;
B14:赋值i=i+1,返回步骤B13。
作为示例而非限定的是,首位障碍物栅格为对应直线方程中最小横坐标或最大横坐标或最小纵坐标或最大纵坐标对应的障碍物栅格,指定距离可等于(单个)障碍物栅格的边长的F倍,其中,F为正整数。例如,F可为1或者2或者3。
经过第一阶段,清洁机器人可以得到初始数组的全部直线方程,举例而言,假设N=10,F=1,K=1000,在每个初始数组中,刚开始时,清洁机器人选择横坐标最小的障碍物栅格D0作为首位障碍物栅格,自首位障碍物栅格开始,依序选择10个障碍物栅格(10个障碍物栅格中包括首位障碍物栅格)作线性拟合,得到拟合第一直线方程,记第一直线方程的障碍物栅格包括:D0、D1、D2、D3、D4、D5、D6、D7、D8以及D9。
接着,再以障碍物栅格D1为首位障碍物栅格,依序选择10个障碍物栅格(10个障碍物栅格中包括D1)作线性拟合,得到第二直线方程,记第二直线方程的障碍物栅格包括:D1、D2、D3、D4、D5、D6、D7、D8、D0、D9以及D10,其中,障碍物栅格D1与障碍物栅格D0的距离等于障碍物栅格的边长。以此类推,直到初始数组不足10个栅格为止。至此,初始数组可以得到991个直线方程。
第二阶段:
B15:将第一直线方程的障碍物栅格归类在第一候选数组,并赋值j=2,Q=1,Z=1;
B16:判断Z是否等于W,其中,Z为已作归类操作的直线方程的数量,W为由初始数组得到的直线方程的总数量,若Z等于W,则停止归类操作,若Z小于W,则判断第一直线方程与第j直线方程的夹角是否小于角度阈值,若第一直线方程与第j直线方程的夹角小于角度阈值,则将第j直线方程中不属于第j-1直线方程的障碍物栅格归类在第Q候选数组;赋值j=j+1,Z=Z+1,返回再次执行步骤B16;
B17:若第一直线方程与第j直线方程的夹角大于或等于角度阈值,则赋值Q=Q+1,将第j直线方程中不属于第j-1直线方程的障碍物栅格归类在第Q候选数组,更新第一直线方程(将第一直线方程更新为第j直线方程),即更新后的第一直线方程等于第j直线方程,赋值j=2,Z=Z+1,返回步骤B16。
经过第二阶段,清洁机器人可以将初始数组中满足栅格连续条件的障碍物栅格归类在相同候选数组,例如,在第三初始数组中,将第三边界线段43的障碍物栅格归类到第一候选数组,将第五边界线段45的障碍物栅格归类到第二候选数组。在本实施例中,角度阈值由用户自定义,例如角度阈值为30度。
可以理解的是,上述作法只是将每个初始数组中满足栅格连续条件的障碍物栅格归类在相同候选数组的一种实现方式,本领域技术人员可以采用另外一种方式,举例而言:
在一些实施例中,步骤18包括以下步骤:
C11:在初始数组中,自首位障碍物栅格开始,依序选择N个障碍物栅格作线性拟合,得到第一直线方程,N为构成每条直线方程的障碍物栅格的数量,赋值i=2,j=1,将第一直线方程的障碍物栅格归类在第j候选数组;
C12:若K小于或者等于N-1,K为初始数组中未直线拟合的障碍物栅格的数量,则停止直线拟合操作,若K大于N-1,则在初始数组中选择与第i-1直线方程的首位障碍物栅格相隔指定距离的障碍物栅格作为第i直线方程的首位障碍物栅格,依序选择首位障碍物栅格以及首位障碍物栅格的后续N-1个障碍物栅格作线性拟合,得到第i直线方程;
C13:判断第一直线方程与第i直线方程的夹角是否小于角度阈值,若第一直线方程与第i直线方程的夹角小于角度阈值,则将第i直线方程中不属于第i-1直线方程的第一障碍物栅格归类在第j候选数组,赋值i=i+1,返回步骤C12;
C14:若第一直线方程与第i直线方程的夹角大于或等于角度阈值,则赋值j=j+1,将第i直线方程中不属于第一直线方程的第一障碍物栅格归类在第j候选数组,并在各个第一障碍物栅格中确定首位障碍物栅格,自首位障碍物栅格开始,依序选择N个障碍物栅格作线性拟合,得到第一直线方程,赋值i=2,返回步骤C12。
作为示例而非限定的是,第一障碍物栅格为第i直线方程中不属于第一直线方程的障碍物栅格,例如,假设第一直线方程的障碍物栅格包括:D0、D1、D2、D3、D4、D5、D6、D7、D8以及D9,F=1,N=10,当i=2时,第二直线方程的障碍物栅格包括:D1、D2、D3、D4、D5、D6、D7、D8、D0、D9以及D10,其中,第一障碍物栅格包括:障碍物栅格D10。当i=10时,第十直线方程的障碍物栅格包括:D9、D10、D11、D12、D13、D14、D15、D16、D17以及D18,由上可得,第一障碍物栅格包括:D10、D11、D12、D13、D14、D15、D16、D17、D18。
假设第十直线方程与第一直线方程的夹角大于角度阈值,则赋值j=1+1=2,将障碍物栅格D10、D11、D12、D13、D14、D15、D16、D17以及D18归类在第二候选数组,将障碍物栅格D10作为首位障碍物栅格,从障碍物栅格D10开始,依序选择10个障碍物栅格(10个障碍物栅格中包括D10)作线性拟合,得到方程A,将第一直线方程更新为方程A,此时的第一直线方程的障碍物栅格包括:D10、D11、D12、D13、D14、D15、D16、D17、D18以及D19,以此类推。
作为示例而非限定的是,在各个第一障碍物栅格中确定首位障碍物栅格时,清洁机器人可以在各个第一障碍物栅格中,选择最小横坐标或最大横坐标或最小纵坐标或最大纵坐标对应的第一障碍物栅格作为首位障碍物栅格。
采用本方法,其能够可靠准确地将每个初始数组中满足栅格连续条件的障碍物栅格归类在相同候选数组,以便后续正确地规划清洁路径。
在一些实施例中,根据每个候选数组中的障碍物栅格在所述栅格地图的坐标,确定待清洁区域对应的最长边,包括步骤:
步骤121、根据每个候选数组中的障碍物栅格的坐标,确定每个候选数组对应的候选直线方程;
步骤122、确定每个候选直线方程对应的目标点距离;
步骤123、将目标数组中各个障碍物栅格连成的边确定为最长边,目标数组为最大目标点距离对应的候选直线方程的候选数组。
作为示例而非限定的是,清洁机器人可以采用直线拟合算法,直线拟合每个候选数组中的障碍物栅格,从而得到每个候选数组对应的候选直线方程。
作为示例而非限定的是,步骤122包括:对每个候选数组执行以下步骤:计算候选数组中最小横坐标值对应的障碍物栅格与候选数组中最大横坐标值对应的障碍物栅格之间的横向距离,以及计算候选数组中最小纵坐标值对应的障碍物栅格与候选数组中最大纵坐标值对应的障碍物栅格之间的纵向距离,从横向距离与纵向距离中比对出最大距离作为目标点距离。以此类推,清洁机器人可以从若干个候选数组得到若干个目标点距离。
清洁机器人再从若干个目标点距离搜索出最大目标点距离,其中,最大目标点距离对应的候选直线方程的候选数组便作为目标数组,清洁机器人将目标数组中各个障碍物栅格连成的边长确定为最长边,采用此种做法,其能够可靠准确地确定最长边。
在本发明实施例提供的清洁机器人的路径规划方法中,获取栅格地图,栅格地图包括用于表示待清洁区域的栅格,确定待清洁区域对应的最长边,根据最长边,规划待清洁区域对应的清洁路径,若清洁机器人按照本实施例提供的路径规划方法行走,则能够有效地减少转弯次数,避免因转弯过多而花费较长时间,从而能够提高清洁效率。
需要说明的是,在上述各个实施方式中,上述各步骤之间并不必然存在一定的先后顺序,本领域普通技术人员,根据本发明实施方式的描述可以理解,不同实施方式中,上述各步骤可以有不同的执行顺序,亦即,可以并行执行,亦可以交换执行等等。
实施例二:
本发明实施例提供一种路径规划装置。其中,路径规划装置可以为软件模块,所述软件模块包括若干指令,其存储在存储器内,处理器可以访问该存储器,调用指令进行执行,以完成上述各个实施方式所阐述的路径规划方法。
在一些实施方式中,路径规划装置亦可以由硬件器件搭建成的,例如,路径规划装置可以由一个或两个以上的芯片搭建而成,各个芯片可以互相协调工作,以完成上述各个实施方式所阐述的路径规划方法。再例如,路径规划装置还可以由各类逻辑器件搭建而成,诸如由通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、单片机、ARM(Acorn RISC Machine)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合而搭建成。
请参阅图6a,路径规划装置600包括获取单元61、长边确定单元62及规划单元63,获取单元61用于获取栅格地图,栅格地图包括用于表示待清洁区域的栅格,长边确定单元62用于确定待清洁区域对应的最长边,规划单元63用于根据最长边,规划待清洁区域对应的清洁路径。若清洁机器人按照本实施例提供的路径规划方法行走,则能够有效地减少转弯次数,避免因转弯过多而花费较长时间,从而能够提高清洁效率。
在一些实施例中,规划单元63用于:根据所述最长边对应的倾斜数据,确定起始清洁主方向;根据起始点与所述起始清洁主方向,规划所述待清洁区域对应的清洁路径,所述起始点为所述待清洁区域对应的清洁路径的规划起点。
在一些实施例中,请参阅图6b,路径规划装置600还包括起始点确定单元64,起始点确定单元64用于确定机器人当前位置,分别计算所述机器人当前位置与各个目标交点的距离,所述目标交点为所述待清洁区域对应的最长边与相邻边的交点;根据基准点的坐标以及安全防碰裕量,确定起始点的坐标,所述基准点为与所述机器人当前位置距离最小的目标交点;对应地,规划单元63具体用于:根据所述起始点的坐标与所述起始清洁主方向,规划所述待清洁区域对应的清洁路径。
在一些实施例中,所述待清洁区域对应的清洁路径包括起始清洁主路径和旁路清洁主路径,规划单元63具体用于:根据所述起始点与所述起始清洁主方向,确定起始清洁主路径;根据所述起始清洁主路径,确定旁路清洁主路径。
在一些实施例中,栅格地图包括用于表示不可通行区域的栅格,规划单元63还具体用于:根据所述起始点与所述起始清洁主方向,确定参考线;在所述参考线上依序遍历栅格以确定出所述不可通行区域的首个栅格;根据所述首个栅格与安全防碰裕量,确定终点位置;根据所述起始点、所述终点位置及所述起始清洁主方向,确定起始清洁主路径。
在一些实施例中,规划单元63还具体用于:在所述起始清洁主路径上选择参考点;确定最近路径点,所述最近路径点为与所述参考点的距离满足最近路径条件的点;根据所述最近路径点与所述起始清洁主方向,确定旁路清洁主路径。
所述栅格地图包括障碍物栅格和可通行栅格,对应地,在一些实施例中,请参阅图6b,路径规划装置600还包括归类单元65,归类单元65用于将具有相同邻接位置关系的障碍物栅格归类在相同初始数组,所述邻接位置关系指:障碍物栅格和与之相邻的可通行栅格之间的位置关系;将每个所述初始数组中满足栅格连续条件的障碍物栅格归类在相同候选数组;对应地,长边确定单元62具体用于:根据每个所述候选数组中的障碍物栅格的坐标,确定所述待清洁区域对应的最长边。
在一些实施例中,长边确定单元62具体还用于:根据每个所述候选数组中的障碍物栅格的坐标,确定每个所述候选数组对应的候选直线方程;确定每个所述候选直线方程对应的目标点距离;将目标数组中各个障碍物栅格连成的边确定为最长边,所述目标数组为最大目标点距离对应的候选直线方程的候选数组。
需要说明的是,上述路径规划装置可执行本发明实施方式所提供的路径规划方法,具备执行方法相应的功能模块和有益效果。未在路径规划装置实施方式中详尽描述的技术细节,可参见本发明实施方式所提供的路径规划方法。
实施例三:
请参阅图7,图7是本发明实施例提供的一种清洁机器人的电路结构示意图,其中,本发明实施例的清洁机器人可以被构造成任何合适形状,以便实现特定业务功能操作,例如,在一些实施例中,清洁机器人包括且不限于扫地机器人、吸尘机器人、拖地机器人以及洗地机器人等等。
如图7所示,清洁机器人700包括一个或多个处理器71以及存储器72。其中,图7中以一个处理器71为例。
处理器71和存储器72可以通过总线或者其他方式连接,图7中以通过总线连接为例。
存储器72作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本发明实施例中的路径规划方法对应的程序指令/模块。处理器71通过运行存储在存储器72中的非易失性软件程序、指令以及模块,从而执行路径规划装置的各种功能应用以及数据处理,即实现上述方法实施例提供的路径规划方法以及上述装置实施例的各个模块或单元的功能。
存储器72可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器72可选包括相对于处理器71远程设置的存储器,这些远程存储器可以通过网络连接至处理器71。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。所述程序指令/模块存储在所述存储器72中,当被所述一个或者多个处理器71执行时,执行上述任意方法实施例中的路径规划方法。
本发明实施例还提供了一种非易失性计算机存储介质,所述计算机存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行,例如图7中的一个处理器71,可使得上述一个或多个处理器可执行上述任意方法实施例中的路径规划方法。
本发明实施例还提供了一种计算机程序产品,所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被机器人执行时,使所述机器人执行上述任意方法实施例中的路径规划方法。
以上所描述的装置或设备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模块可以是或者也可以不是物理上分开的,作为模块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模块单元上。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。
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相关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发明的技术方案,而非对其限制;在本发明的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本发明的不同方面的许多其它变化,为了简明,它们没有在细节中提供;尽管参照前述实施例对本发明进行了详细的说明,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发明各实施例技术方案的范围。
Claims (10)
1.一种路径规划方法,其特征在于,包括:
获取栅格地图,所述栅格地图包括用于表示待清洁区域的栅格;
确定所述待清洁区域对应的最长边;
根据所述最长边,规划所述待清洁区域对应的清洁路径。
2.根据权利要求1所述的方法,其特征在于,所述根据所述最长边,规划所述待清洁区域对应的清洁路径包括:
根据所述最长边对应的倾斜数据,确定起始清洁主方向;
根据起始点与所述起始清洁主方向,规划所述待清洁区域对应的清洁路径,所述起始点为所述待清洁区域对应的清洁路径的规划起点。
3.根据权利要求2所述的方法,其特征在于,在所述根据起始点与所述起始清洁主方向,规划所述待清洁区域对应的清洁路径之前,还包括:
确定机器人当前位置;
分别计算所述机器人当前位置与各个目标交点的距离,所述目标交点为所述待清洁区域对应的最长边与相邻边的交点;
根据基准点的坐标以及安全防碰裕量,确定起始点的坐标,所述基准点为与所述机器人当前位置距离最小的目标交点;
对应地,所述根据起始点与所述起始清洁主方向,规划所述待清洁区域对应的清洁路径包括:
根据所述起始点的坐标与所述起始清洁主方向,规划所述待清洁区域对应的清洁路径。
4.根据权利要求2所述的方法,其特征在于,所述待清洁区域对应的清洁路径包括起始清洁主路径和旁路清洁主路径,所述根据起始点与所述起始清洁主方向,规划所述待清洁区域对应的清洁路径,包括:
根据所述起始点与所述起始清洁主方向,确定起始清洁主路径;
根据所述起始清洁主路径,确定旁路清洁主路径。
5.根据权利要求4所述的方法,其特征在于,所述栅格地图包括用于表示不可通行区域的栅格,所述根据所述起始点与所述起始清洁主方向,确定起始清洁主路径包括:
根据所述起始点与所述起始清洁主方向,确定参考线;
在所述参考线上依序遍历栅格以确定出所述不可通行区域的首个栅格;
根据所述首个栅格与安全防碰裕量,确定终点位置;
根据所述起始点、所述终点位置及所述起始清洁主方向,确定起始清洁主路径。
6.根据权利要求4所述的方法,其特征在于,所述根据所述起始清洁主路径,确定旁路清洁主路径包括:
在所述起始清洁主路径上选择参考点;
确定最近路径点,所述最近路径点为与所述参考点的距离满足最近路径条件的点;
根据所述最近路径点与所述起始清洁主方向,确定旁路清洁主路径。
7.根据权利要求1至6任一项所述的方法,其特征在于,所述栅格地图包括障碍物栅格和可通行栅格,对应地,在所述确定所述待清洁区域对应的最长边之前,包括:
将具有相同邻接位置关系的障碍物栅格归类在相同初始数组,所述邻接位置关系指:障碍物栅格和与之相邻的可通行栅格之间的位置关系;
将每个所述初始数组中满足栅格连续条件的障碍物栅格归类在相同候选数组;
对应地,所述确定所述待清洁区域对应的最长边,包括:
根据每个所述候选数组中的障碍物栅格的坐标,确定所述待清洁区域对应的最长边。
8.根据权利要求7所述的方法,其特征在于,所述根据每个所述候选数组中的障碍物栅格的坐标,确定所述待清洁区域对应的最长边包括:
根据每个所述候选数组中的障碍物栅格的坐标,确定每个所述候选数组对应的候选直线方程;
确定每个所述候选直线方程对应的目标点距离;
将目标数组中各个障碍物栅格连成的边确定为最长边,所述目标数组为最大目标点距离对应的候选直线方程的候选数组。
9.一种路径规划装置,其特征在于,包括:
获取单元,用于获取栅格地图,所述栅格地图包括用于表示待清洁区域的栅格;
长边确定单元,用于确定所述待清洁区域对应的最长边;
规划单元,用于根据所述最长边,规划所述待清洁区域对应的清洁路径。
10.一种清洁机器人,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至8任一项所述的路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110626970.2A CN113219992A (zh) | 2021-06-04 | 2021-06-04 | 一种路径规划方法及清洁机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110626970.2A CN113219992A (zh) | 2021-06-04 | 2021-06-04 | 一种路径规划方法及清洁机器人 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113219992A true CN113219992A (zh) | 2021-08-06 |
Family
ID=77082953
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110626970.2A Pending CN113219992A (zh) | 2021-06-04 | 2021-06-04 | 一种路径规划方法及清洁机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113219992A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113577772A (zh) * | 2021-09-27 | 2021-11-02 | 深圳易帆互动科技有限公司 | 基于瓦片地图的单位移动方法、装置及可读存储介质 |
CN114224225A (zh) * | 2021-11-15 | 2022-03-25 | 深圳乐动机器人有限公司 | 控制机器人清洁的方法及机器人 |
CN114355926A (zh) * | 2021-12-29 | 2022-04-15 | 深圳市云鼠科技开发有限公司 | 一种路径规划方法、装置、机器人及存储介质 |
CN116185045A (zh) * | 2023-04-26 | 2023-05-30 | 麦岩智能科技(北京)有限公司 | 一种路径规划方法、装置、电子设备及介质 |
WO2023160369A1 (zh) * | 2022-02-26 | 2023-08-31 | 追觅创新科技(苏州)有限公司 | 移动方向纠偏方法、移动方向纠偏方法、系统及自移动机器人 |
CN116901085A (zh) * | 2023-09-01 | 2023-10-20 | 苏州立构机器人有限公司 | 智能机器人避障方法、装置、智能机器人及可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110332943A (zh) * | 2019-07-03 | 2019-10-15 | 浙江大学 | 一种快速遍历的机器人全覆盖路径规划方法 |
CN110353579A (zh) * | 2019-08-14 | 2019-10-22 | 成都普诺思博科技有限公司 | 一种清洁机器人自动规划路径方法 |
CN110974091A (zh) * | 2020-02-27 | 2020-04-10 | 深圳飞科机器人有限公司 | 清洁机器人及其控制方法、存储介质 |
-
2021
- 2021-06-04 CN CN202110626970.2A patent/CN113219992A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110332943A (zh) * | 2019-07-03 | 2019-10-15 | 浙江大学 | 一种快速遍历的机器人全覆盖路径规划方法 |
CN110353579A (zh) * | 2019-08-14 | 2019-10-22 | 成都普诺思博科技有限公司 | 一种清洁机器人自动规划路径方法 |
CN110974091A (zh) * | 2020-02-27 | 2020-04-10 | 深圳飞科机器人有限公司 | 清洁机器人及其控制方法、存储介质 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113577772A (zh) * | 2021-09-27 | 2021-11-02 | 深圳易帆互动科技有限公司 | 基于瓦片地图的单位移动方法、装置及可读存储介质 |
CN114224225A (zh) * | 2021-11-15 | 2022-03-25 | 深圳乐动机器人有限公司 | 控制机器人清洁的方法及机器人 |
CN114224225B (zh) * | 2021-11-15 | 2023-09-22 | 深圳乐动机器人股份有限公司 | 控制机器人清洁的方法及机器人 |
CN114355926A (zh) * | 2021-12-29 | 2022-04-15 | 深圳市云鼠科技开发有限公司 | 一种路径规划方法、装置、机器人及存储介质 |
CN114355926B (zh) * | 2021-12-29 | 2022-10-14 | 深圳市云鼠科技开发有限公司 | 一种路径规划方法、装置、机器人及存储介质 |
WO2023160369A1 (zh) * | 2022-02-26 | 2023-08-31 | 追觅创新科技(苏州)有限公司 | 移动方向纠偏方法、移动方向纠偏方法、系统及自移动机器人 |
CN116185045A (zh) * | 2023-04-26 | 2023-05-30 | 麦岩智能科技(北京)有限公司 | 一种路径规划方法、装置、电子设备及介质 |
CN116901085A (zh) * | 2023-09-01 | 2023-10-20 | 苏州立构机器人有限公司 | 智能机器人避障方法、装置、智能机器人及可读存储介质 |
CN116901085B (zh) * | 2023-09-01 | 2023-12-22 | 苏州立构机器人有限公司 | 智能机器人避障方法、装置、智能机器人及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113219992A (zh) | 一种路径规划方法及清洁机器人 | |
US11175670B2 (en) | Robot-assisted processing of a surface using a robot | |
Rekleitis et al. | Efficient boustrophedon multi-robot coverage: an algorithmic approach | |
JP7219811B2 (ja) | 動的確率的運動計画 | |
CN109363585B (zh) | 分区遍历方法、清扫方法及其扫地机器人 | |
CN113219993A (zh) | 一种路径规划方法及清洁机器人 | |
CN109540155A (zh) | 一种扫地机器人的路径规划与导航方法、计算机装置以及计算机可读存储介质 | |
CN111609852A (zh) | 语义地图构建方法、扫地机器人及电子设备 | |
CN113219995A (zh) | 一种路径规划方法及清洁机器人 | |
CN104615138A (zh) | 一种划分移动机器人室内区域动态覆盖方法及其装置 | |
CN112017134B (zh) | 一种路径规划方法、装置、设备及存储介质 | |
CN113050632A (zh) | 用于机器人探索未知区域的地图探索方法、芯片及机器人 | |
CN111679661A (zh) | 基于深度相机的语义地图构建方法及扫地机器人 | |
CN108398945A (zh) | 一种用于移动机器人执行任务的方法及设备 | |
CN112237403B (zh) | 用于清扫设备的覆盖路径生成方法和清扫设备 | |
CN115494834A (zh) | 机器人路径规划方法、装置及机器人 | |
CN113317733B (zh) | 一种路径规划方法及清洁机器人 | |
CN113985866A (zh) | 扫地机器人路径规划方法、装置、电子设备、存储介质 | |
Xu et al. | An efficient algorithm for environmental coverage with multiple robots | |
CN114343490B (zh) | 机器人清扫方法、机器人及存储介质 | |
CN114431771B (zh) | 一种扫地机器人清扫方法及相关装置 | |
CN112033423B (zh) | 一种基于道路共识的机器人路径规划方法、装置和机器人 | |
CN114442642B (zh) | 路径规划方法、装置、计算机设备和存储介质 | |
CN115855086A (zh) | 基于自旋转的室内场景自主重建方法、系统及介质 | |
CN114740853A (zh) | 路径规划方法、终端设备和存储介质 |
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 |