CN113359731B - 清洁机器人及其路径学习方法、路径重复方法和介质 - Google Patents
清洁机器人及其路径学习方法、路径重复方法和介质 Download PDFInfo
- Publication number
- CN113359731B CN113359731B CN202110654131.1A CN202110654131A CN113359731B CN 113359731 B CN113359731 B CN 113359731B CN 202110654131 A CN202110654131 A CN 202110654131A CN 113359731 B CN113359731 B CN 113359731B
- Authority
- CN
- China
- Prior art keywords
- cleaning robot
- path
- path point
- preset
- 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.)
- Active
Links
- 238000004140 cleaning Methods 0.000 title claims abstract description 248
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000015654 memory Effects 0.000 claims description 26
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 229920001621 AMOLED Polymers 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 239000010409 thin film Substances 0.000 description 2
- 241001417527 Pempheridae Species 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005669 field effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 239000002096 quantum dot Substances 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0219—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请涉及清洁机器人领域，具体公开了一种清洁机器人及其路径学习方法、路径重复方法和介质。该路径学习方法包括：清洁机器人在预定区域中行驶；所述清洁机器人检测预定区域中的障碍物分布信息；清洁机器人在根据障碍物分布信息确定当前位置的路径点为预设类型的路径点的情况下，标识当前位置的路径点并保存在学习路径中，以使得清洁机器人在重复学习路径时，采用预设行驶方式重复预设类型的路径点。如此，可以提高清洁机器人记录的路径的有效性，同时清洁机器人在重复路径时，可以根据路径点的类型采用不同的控制方式，提高重复模式下清洁机器人的作业效率、成功率，提升了用户体验。
Description
技术领域
本申请涉及清洁机器人领域，特别涉及一种清洁机器人及其路径学习方法、路径重复方法和介质。
背景技术
随着机器人技术的发展，清洁设备，例如清洁机器人，逐渐向智能化发展，以减少用户的体力消耗和重复劳动。现有的清洁机器人通常具有路径学习模式，用户操作清洁机器人进行作业，清洁机器人记录并存储机器人的行驶路径，在进入路径重复模式时可自动沿记录的行驶路径作业。但是，机器人在一些场景中无法完全重复记录的行驶路径，从而影响路径重复模式下清洁机器人的作业效率、作业成功率和安全性。例如，在图1所示的应用场景中，虚线为清洁机器人10在用户操作下的行驶路径S，但在图示拐角A附近清洁机器人10的转弯半径小于清洁机器人10所允许的最小转弯半径导致在路径S上SA段不可重复、图示路径邻近墙面B的路径距离墙面B的距离d小于预设的安全距离(即为保证清洁机器人10的安全作业预设的清洁机器人10与障碍物的最小距离)导致路径S上SB段不可重复，即清洁机器人10在路径S上SA段和路径S上SB段不能按记录的行驶路径作业。
发明内容
有鉴于此，本申请实施例提供了一种清洁机器人及其路径学习方法、路径重复方法和介质。清洁机器人通过在路径学习过程中，标记路径点的类型，以便于在路径重得时采用不同的控制方式控制清洁机器人沿记录的路径行驶，如此可以提高学习的路径的有效性，提升了用户体验。
第一方面，本申请实施例提供了一种清洁机器人的路径学习方法，该方法包括：清洁机器人在预定区域中行驶；清洁机器人检测预定区域中的障碍物分布信息；清洁机器人在根据障碍物分布信息确定当前位置的路径点为预设类型的路径点的情况下，标识当前位置的路径点并保存在学习路径中，以使得清洁机器人在重复学习路径时，采用预设行驶方式重复预设类型的路径点。
如此，提高了路径学习的有效性，同时，提高了清洁机器人在路径重复模式下的作业效率、作业成功率和安全性。
结合上述第一方面的第一种可能实现中，上述清洁机器人检测预定区域中的障碍物分布信息，具体包括：确定清洁机器人与预定区域中的障碍物的距离。
结合上述第一方面的第一种可能实现的第二种可能实现中，上述清洁机器人通过以下方式确定当前位置的路径点是否为预设类型的路径点：当上述距离大于清洁机器人预设的安全距离时，将清洁机器人的当前位置的路径点确定为预设类型的路径点。
结合上述第一方面的第二种可能实现的第三种可能实现中，上述预设行驶方式为：清洁机器人以距离障碍物的边界小于预设安全距离的路径沿障碍物的边界行驶。
结合上述第一方面的第四种可能实现中，上述清洁机器人通过以下方式确定当前位置的路径点是否为预设类型的路径点：当清洁机器人当前位置的路径点的半径小于清洁机器人的预设转弯半径时，将清洁机器人当前位置的路径点确定为预设类型的路径点。
结合上述第一方面的第四种可能实现的第五种可能实现中，上述预设行驶方式为：清洁机器人以小于预设转弯半径的路径行驶。
第二方面，本申请实施例提供了一种路径重复方法，包括：获取待重复路径中的路径点的类型，待重复路径为根据上述第一方面所述任一路径学习方法所确定行驶路径；根据路径点的类型确定重复路径的方法，包括：清洁机器人获取待重复路径中的预行驶路径点和预行驶路径点的类型，待重复路径为根据上述第一方面所述任一路径学习方法所确定行驶路径；清洁机器人获取预行驶区域的障碍物分布信息；清洁机器人根据预行驶路径点的转弯半径、预行驶路径点的类型和预行驶区域的障碍物分布信息确定预行驶路径点的行驶方式，并根据确定的行驶方式控制清洁机器人沿预行驶路径点行驶。
如此，清洁机器人可以根据不同的路径点类型，选择不同的行驶方式重复路径，提高了清洁机器人重复路径的效率。
结合上述第二方面的第一种可能现中，上述根据预行驶路径点的转弯半径、预行驶路径点的类型和预行驶区域的障碍物分布信息确定预行驶路径点的行驶方式，具体包括：在预行驶路径点为预设类型的路径点且清洁机器人的预行驶区域存在障碍物的情况下，清洁机器人以距离障碍物的边界小于预设安全距离的路径沿障碍物的边界行驶；在预行驶路径点为预设类型的路径点、清洁机器人的预行驶区域不存在障碍物且预行驶路径的转弯半径小于清洁机器人的预设转弯半径的情况下，清洁机器人以小于预设转弯半径的路径行驶。
第三方面，本申请实施例提供了一种存储介质，介质中存储由指令，当指令被清洁机器人执行时，使清洁机器人实现上述第一方面和第二方面所述的任一方法。
第四方面，本申请实施例提供了一种清洁机器人，该清洁机器人包括存储器，用于存储由清洁机器人的至少一个处理器执行的指令；以及处理器，用于执行上述指令使清洁机器人实现上述第一方面和第二方面所述的任一方法。
附图说明
图1示出了一种清洁机器人进行路径学习的场景图；
图2根据本申请的一些实施例，示出了一种清洁机器人的结构示意图；
图3根据本申请的一些实施例，示出了一种路径学习方法的流程示意图；
图4根据本申请的一些实施例，示出了一种不可重复路径的示意图；
图5根据本申请的一些实施例，示出了一种路径学习方法的应用场景示意图；
图6根据本申请的一些实施例，示出了一种路径重复作业的流程示意图。
具体实施方式
本申请实施例包括但不限于清洁机器人及其路径学习方法、路径重复方法和介质。
为了进一步说明本申请实施例的技术方案和有益效果，下面结合附图进一步说明。
下面基于图1所示的场景，描述本申请实施例所提供的路径学习方法。具体地，对于图1所示的场景，在本申请的技术方案中，清洁机器人10包括路径学习模式和路径重复模式。当清洁机器人10在用户的操作下进入路径学习模式，沿着图示路径S行驶时，清洁机器人10自动记录路径S上的路径点。当清洁机器人10在用户的操作下进入路径重复模式时，清洁机器人10可以自动沿着记录的路径S行驶。
清洁机器人10在用户操作下沿路径S进行路径学习，当清洁机器人10行驶到路径S中拐角A附近时，由于路径S上拐角A附近清洁机器人10的转弯半径小于清洁机器人10的最小转弯半径，即清洁机器人10在路径重复模式下不能完全重复路径S上SA段；当清洁机器人10行驶到路径S中墙面B附近时，由于路径S上墙面B附近清洁机器人10距离墙面B的距离d小于清洁机器人10预设的安全距离，即清洁机器人10在路径重复模式下不能完全重复路径S上SB段的路径点，此时清洁机器人10标识不可重复的路径点增加标识，例如，在记录路径点数据时增加路径点的类型，将不可重复的路径点记录为贴边路径点，将可重复的路径点记为正常路径点，以便于清洁机器人10在路径重复模式下根据路径点的类型采用不同的控制方式控制清洁机器人10重复路径，如此，提高了清洁机器人10在路径学习模式下记录的路径的有效性，进而提高清洁机器人10在路径重复模式下的作业效率、作业成功率和安全性。
图2根据本申请实施例，示出了一种清洁机器人10的结构示意图。如图2所示，清洁机器人10包括：控制器100、音频模块101、显示器102、存储器103、电源模块104、传感感应模块105、接口模块106、摄像头107、运动模块108、作业模块109和通信模块110。其中：
控制器100用于清洁机器人10运动、清洁作业的控制，在一些实施例中，控制100也可以同时包含沿边控制器和路径跟随控制器。控制器100进一步包括处理器，处理器可以包括一个或多个处理单元，例如，可以包括中央处理器CPU(Central Processing Unit)、图像处理器GPU(Graphics Processing Unit)、数字信号处理器DSP(Digital SignalProcessor)、微处理器MCU(Micro-programmed Control Unit)、AI(ArtificialIntelligence，人工智能)处理器或可编程逻辑器件FPGA(Field Programmable GateArray)等的处理模块或处理电路。其中，不同的处理单元可以是独立的器件，也可以集成在一个或多个处理器中。例如，在本申请的一些实施例中，处理器可以用于沿边控制的指令，也可以用于根据传感器的数据确定清洁机器人10周围的障碍物分布信息。在一些实施例中控制器100还可以包括用于控制清洁机器人10沿障碍物的边界行驶的沿边控制器以及用于控制清洁机器人10沿指定路径行驶的路径跟随控制器。
音频模块101用于将数字音频信息转换成模拟音频信号输出，或者将模拟音频输入转换为数字音频信号，在一些实施例中，音频模块101还可以包含蜂鸣器。音频模块101可以用于路径学习模式下存在无法重复路径时对用户进行提示，例如播放“存在无法重复路径”的语音提示。在一些实施例中，音频模块101还可以用于接收用户的语音指令，控制器100中的处理器对语音指令处理后生成控制指令，并根据控制指令记录路径。
显示器102的显示面板可以采用液晶显示屏(Liquid Crystal Display，LCD)，有机发光二极管(Organic Light-emitting Diode，OLED)，有源矩阵有机发光二极体或主动矩阵有机发光二极体(Active-matrix Organic Light-emitting Diode的，AMOLED)，柔性发光二极管(Flex Light-emitting Diode，FLED)，Mini LED，Micro LED，Micro OLED，量子点发光二极管(Quantum Dot Light-emitting Diodes，QLED)等。显示器102可以用于显示清洁机器人10的行驶路径。在一些实施例中，显示器102还可以包括触摸屏，例如薄膜场效应晶体管(Thin Film Transistor，TFT)触摸屏，用户可以通过触摸屏与清洁机器人10进行交互，例如修改记录的行驶路径。
存储器103，可用于存储数据、软件程序，可以是易失性存储器(VolatileMemory)，例如随机存取存储器(Random-Access Memory，RAM)；或者非易失性存储器(Non-Volatile Memory)，例如只读存储器(Read-Only Memory，ROM)，快闪存储器(FlashMemory)，硬盘(Hard Disk Drive，HDD)或固态硬盘(Solid-State Drive，SSD)；或者上述种类的存储器的组合，或者也可以是可移动存储介质，例如安全数字(Secure Digital，SD)存储卡等。例如，存储器103可以用于存储控制清洁机器人10的程序，还可以用于存储清洁机器人10的行驶路径。
电源模块104可以包括电源、电源管理部件等。电源可以为电池。电源管理部件用于管理电源的充电和电源向其他模块的供电。
接口模块105包括外部存储器接口、通用串行总线(universal serial bus，USB)接口等。其中外部存储器接口可以用于连接外部存储卡，例如Micro SD卡，实现扩展清洁机器人10的存储能力。外部存储卡通过外部存储器接口与处理器1001通信，实现数据存储功能。通用串行总线接口用于清洁机器人10和其他电子设备进行通信。
传感器模块106用于获取清洁机器人的运行状态以及清洁机器人周围的障碍物信息，包括但不限于激光雷达、超声波传感器、红外传感器、速度传感器等。其中，激光雷达通过向目标发射探测信号(激光束),然后将接收到的从目标反射回来的信号(目标回波)与发射信号进行比较，从而获得目标的距离、方位、高度、速度、姿态、甚至形状等参数；超声波传感器通过向目标物体发射机械波，在遇到目标物体时产生回波，根据多普勒效率即可获取目标与超声波传感器的距离。在一些实施例中，激光雷达和超声波传感器可以用于获取清洁机器人10周围的障碍物分布信息。
摄像头107用于捕获静态图像或视频。物体景物通过镜头101生成的光学图像投射到感光元件，感光元件把光信号转换成电信号，之后将电信号传递给图像信号处理器转换成数字图像信号。在一些实施例中，摄像头107可以是深度摄像头，用于获取清洁机器人10周围的障碍物信息。在另一些实施例中，摄像头107可以为深度摄像头，例如时间飞行(timeof flight，TOF)摄像头，通过向外发射红外光(激光脉冲)，遇到物体后反射，反射到摄像头结束，计算从发射到反射回摄像头的时间差或相位差，并将数据收集起来，形成一组距离深度数据，从而得到障碍物的三维模型。
运动模块108可以包括驱动器、电机、车轮等，用于根据控制器的指令驱动清洁机器人进行运动。
作业模块109可以包括驱动器、电机，作业机构(例如吸尘盘、清扫盘等)，用于根据控制器100的指令进行作业。
通信模块110可以包括天线，并经由天线实现对电磁波的收发。无线通信单元可以提供应用在清洁机器人10上的包括无线局域网(Wireless Local Area Networks，WLAN)(如无线保真(Wireless Fidelity，Wi-Fi)网络)，蓝牙(Bluetooth，BT)，全球导航卫星系统(Global Navigation Satellite System，GNSS)，调频(Frequency Modulation，FM)，近距离无线通信技术(Near Field Communication，NFC)，红外技术(Infrared，IR)等无线通信的解决方案。清洁机器人10可以通过通信模块110与其他设备进行交互，也可以通过通信模块110确定清洁机器人10的位置，更为精确的记录清洁机器人10的行驶路径。在另一些实施例中，清洁机器人10还可以通过通信模块110与用户的可穿戴设备通信，并在路径不可重复时通过可穿戴设备提示用户。
可以理解，在另一些实施例中，清洁机器人10还可以包括按键及信号装置，按键可以用于控制清洁机器人10；指示灯可以用于提示用户清洁机器人的运行状态和待记录路径点的状态。
需要说明的是，清洁机器人10可以是具备路径学习和路径重复功能的各种清洁机器人，包括但不限于扫地机、洗地机、吸尘器等，本申请实施例不做限定。
需要说明的是，图2所示的清洁机器人10的结构只是一种示例，在另一些实施例中，清洁机器人10可以包括更多或更少的模块，也可以组合或拆分部分模块，本申请实施例不做限定。
下面以清洁机器人10为例，介绍本申请实施例的路径学习方法。图3根据本申请的一些实施例，示出了一种清洁机器人10的路径学习方法的流程示意图。如图3所示，清洁机器人10的路径学习方法包括如下步骤：
步骤301：清洁机器人10进入路径学习模式。清洁机器人10响应于用户的操作进入路径学习模式，例如用户可以通过操作清洁机器人10的按键、遥控器、触摸屏等，清洁机器人10响应于用户的操作后进入路径学习模式。
可以理解，清洁机器人10进入路径学习模式后，用户即可操作清洁机器人10行驶，清洁机器人10会记录清洁机器人10的行驶路径。例如，用户可以通过驾驶、推动、遥控等方式操作清洁机器人10沿清洁路径进行行驶。
可以理解，在用户操作清洁机器人10沿清洁路径进行行驶时，清洁机器人10可以进行清洁作业，也可以只是沿着清洁路径进行行驶，不进行清洁作业，本申请实施例不做限定。
步骤302：清洁机器人10检测预定区域的障碍物分布信息。例如，清洁机器人10可以通过深度摄像机、激光雷达、超声波等确定预定区域的障碍物分布信息，例如可以通过超声波和激光雷达确定预定区域的障碍物与清洁机器人10的距离。在一些实施例中，清洁机器人10还可以通过获取的障碍物分布信息，将记录的路径及障碍物显示在清洁机器人10的显示屏102中。
需要说明的是，本领域的普通技术人员应当理解，获取预定区域时，还可以根据清洁机器人10所包含的传感器通过其他传感器获取预定区域的障碍物分布信息，本申请实施例不做限定。
可以理解，预定区域可以是清洁机器人的四周，也可也是清洁机器前进方向的部分区域，例如正前方、左前方和右前方，本申请实施例不做限定。本领域的普通技术人员应当理解，预定区域根据不同清洁机器人的传感器的类型和检测范围的不同而不同，本申请实施例不做限定。
步骤303：清洁机器人10根据障碍物分布信息或清洁机器人的路径特征，判断待记录路径点在路径重复模式下是否可重复。如果可以重复，转到步骤306；否则，转至步骤304。例如，在一些实施例中，可以通过判断障碍物距离清洁机器人10的距离是否小于清洁机器人10预设的与障碍物的安全距离判断是否能够重复记录的路径。
在另一些实施例中，也可以通过判断清洁机器人10所记录路径的转弯半径是否小于清洁机器人10的最小转弯半径确定是否能够沿记录的路径行驶。例如，图4示出了一种路径点不可重复的示意图。如图4所示，用户将清洁机器人10设定为路径学习模式，并操作清洁机器人10沿路径S0行驶，r为记录的路径点的转弯半径，R为清洁机器人10在路径重复模式时的最小转弯半径。则路径S0中M点到N点之间的路径为不可重复的路径点。
可以理解，对于不同的清洁机器人10和具体的障碍场景，本领域的普通技术人员还可以采用其他方式判断待记录的路径点是否可重复，本申请实施例不做限定。
步骤304：清洁机器人10将无法重复的路径点记录为贴边路径点。例如，在一些实施例中，可以在记录的路径数据中增加路径点的类型，将无法重复的路径点的类型记录为贴边路径点。可以理解，对于路径点的类型为贴边路径点的路径，清洁机器人10在路径重复模式下可以采用沿边控制器控制清洁机器人10以距离障碍物边界较近的距离行驶。
步骤305：清洁机器人10将待记录的路径点记录为正常路径点。
可以理解，在路径重复模式下，清洁机器人10可以通过路径跟随控制器控制清洁机器人10沿正常路径点作业。
如此，在清洁机器人10进行路径学习时，通过记录不可重复的路径点的路径点类型，以便于在路径重复模式下清洁机器人10可以根据路径点的类型采用不同的控制方式，提升了路径重复模式下清洁机器人10的作业的效率、成功率和安全性。
具体地，图5根据本申请的一些实施例，示出了一种清洁机器人路径学习方法的应用场景示意图。如图5所示，用户将清洁机器人10设置设定为路径学习模式，并推动清洁机器人10沿路径S0(图示虚线)行驶，其中D为清洁机器人预设的与障碍物的安全距离、d为清洁机器人10采用贴边控制时的最小贴边距离、A1点和A4点距离障碍物P的距离为清洁机器人10预设的安全距离D、A2点和A3点距离障碍物P的距离为清洁机器人采用贴边控制时的最小贴边距离d，并且d<D。
根据图3所示的路径学习方法：在A1点前和A4点后，清洁机器人10距离障碍物P的距离大于安全距离D，清洁机器人10将路径点记录为正常路径点；当清洁机器人10行驶到A1点到A2点之间、A3点到A4点之间时，清洁机器人10距离障碍物的距离小于安全距离D但大于最小贴边距离d，清洁机器人10向用户示警并将A1点到A2点之间的路径点、A3点到A4点之间的路径点记录为贴边路径点；当清洁机器人10行驶到A2点到A3点之间时，清洁机器人10距离障碍物P的距离小于最小贴边距离d，清洁机器人10提示用户路径不可重复，若用户不调整路径，则将A2到A3之间的路径记录为贴边路径点并标记为不可重复。
可以理解，如果将A1点到A4点之间的路径记录为正常路径点，在路径重复模式下，清洁机器人10将按照A1→路径S1→A4行驶，偏离记录的路径较远。而将A1点到A4点之间的路径记录为贴边路径点，在路径重复模式下，清洁机器人10将按照A1→A2→路径S2→A3→A4→行驶，只在A2至A3点之间的路径中较小的偏离记录的路径。如此，能够提高清洁机器人10在路径重复模式下对记录路径的重复率，提升用户体验。
进一步，基于图3所示的路径学习方法记录的路径，图6示出了一种路径重复方法的流程示意图，包括如下步骤：
步骤601：清洁机器人10进入路径重复模式。清洁机器人10响应于用户的操作进入路径重复模式。例如，用户可以通过清洁机器人10上的按键、遥控器、触摸屏等，清洁机器人10响应于用户的操作进入路径重复模式。在一些实施例中，路径数据存储于清洁机器人10的存储器103，用户可以选取待重复的路径数据。
步骤602：清洁机器人10判断预行驶路径中是否有贴边路径点。如果有，转至步骤603；否则转至步骤607。
步骤603：清洁机器人10判断预行驶区域是否存在障碍物。例如，清洁机器人10可以通过深度摄像机、激光雷达、超声波等确定预行驶区域是否存在障碍物。若存在障碍物，转至步骤604；否则转至步骤605。
可以理解，预行驶区域为预行驶路径点附近的区域，可以根据清洁机器人的尺寸、预行驶路径点、清洁机器人10的传感器类型和传感器的可检测区域确定。
可以理解，在路径学习模式下和路径重复模式下，待行驶路径中的障碍物分布信息可以不同。例如，在路径学习模式下，由于障碍物存在路径点被记录为贴边路径点，但在路径重复模式下，障碍物已经被移除，此时则可以沿记录的路径作业而无需采用沿边控制器控制清洁机器人10沿障碍物边界作业。
步骤604：清洁机器人10使用沿边控制器控制清洁机器人10沿障碍物边界作业。
可以理解，沿边控制器可以控制清洁机器人以距离障碍物边界较近的距离作业，使清洁机器人的作业路径尽可能与记录的路径相似，例如，在一些实施例中，清洁机器人10可以通过深度摄像机、超声波传感器、激光雷达等确定障碍物的轮廓，并控制清洁机器人10沿清洁机器人10的中心线与障碍物的轮廓的距离为比清洁机器人10宽度的一半略大的距离的路径行驶。本领域的普通技术人员应当理解，对于不同的沿边控制器，其采用的沿边方式控制方式可能不同，本申请实施例不做限定。
步骤605：清洁机器人10判断预行驶路径的转弯半径是否小于清洁机器人10的最小转弯半径。如果清洁机器人10预行驶路径的转弯半径小于清洁机器人10的最小转弯半径，转至步骤606；否则转到步骤607。
步骤606：清洁机器人10使用沿边控制器控制清洁机器人10以较小的半径作业。例如，沿边控制器通过降低清洁机器人10的行驶速度，使清洁机器人10能够以较小的转弯半径沿预行驶路径作业。
步骤607：清洁机器人10使用路径跟随控制器控制清洁机器人10沿记录的路径作业。
可以理解，在一些实施例中，使用路径跟随控制器控制清洁机器人10沿记录的路径作业过程时，若在重复正常路径点时检测到有障碍物，清洁机器人10可以根据预设的避障方式规避障碍物进行作业。在一些实施例中，当重复的路径点为正常路径点且检测到有障碍物时，可以触发沿边控制器，控制清洁机器人10沿障碍物的边界作业。
如此，在路径重复模式下，清洁机器人10可以根据不同的数据点采用不同的控制方式，从而提高作业路径与记录的路径的相似性，进而提高清洁机器人10在路径重复模式下的作业效率、作业成功率和安全性。
需要说明的是，上述实施例中以清洁机器人10为执行主体说明了本申请公开的路径学习方法、路径重复方法的技术方案和有益效果，本领域的普通技术人员应当理解，公开的路径学习方法和路径重复方法也适用于其他具备路径学习和路径重复功能的设备，例如工业机器人。
本申请公开的机制的各实施例可以被实现在硬件、软件、固件或这些实现方法的组合中。本申请的实施例可实现为在可编程系统上执行的计算机程序或程序代码，该可编程系统包括至少一个处理器、存储系统(包括易失性和非易失性存储器和/或存储元件)、至少一个输入设备以及至少一个输出设备。
可将程序代码应用于输入指令，以执行本申请描述的各功能并生成输出信息。可以按已知方式将输出信息应用于一个或多个输出设备。为了本申请的目的，处理系统包括具有诸如例如数字信号处理器(DSP)、微控制器、专用集成电路(ASIC)或微处理器之类的处理器的任何系统。
程序代码可以用高级程序化语言或面向对象的编程语言来实现，以便与处理系统通信。在需要时，也可用汇编语言或机器语言来实现程序代码。事实上，本申请中描述的机制不限于任何特定编程语言的范围。在任一情形下，该语言可以是编译语言或解释语言。
在一些情况下，所公开的实施例可以以硬件、固件、软件或其任何组合来实现。所公开的实施例还可以被实现为由一个或多个暂时或非暂时性机器可读(例如，计算机可读)存储介质承载或存储在其上的指令，其可以由一个或多个处理器读取和执行。例如，指令可以通过网络或通过其他计算机可读介质分发。因此，机器可读介质可以包括用于以机器(例如，计算机)可读的形式存储或传输信息的任何机制，包括但不限于，软盘、光盘、光碟、只读存储器(CD-ROMs)、磁光盘、只读存储器(ROM)、随机存取存储器(RAM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、磁卡或光卡、闪存、或用于利用因特网以电、光、声或其他形式的传播信号来传输信息(例如，载波、红外信号数字信号等)的有形的机器可读存储器。因此，机器可读介质包括适合于以机器(例如，计算机)可读的形式存储或传输电子指令或信息的任何类型的机器可读介质。
在附图中，可以以特定布置和/或顺序示出一些结构或方法特征。然而，应该理解，可能不需要这样的特定布置和/或排序。而是，在一些实施例中，这些特征可以以不同于说明性附图中所示的方式和/或顺序来布置。另外，在特定图中包括结构或方法特征并不意味着暗示在所有实施例中都需要这样的特征，并且在一些实施例中，可以不包括这些特征或者可以与其他特征组合。
需要说明的是，本申请各设备实施例中提到的各单元/模块都是逻辑单元/模块，在物理上，一个逻辑单元/模块可以是一个物理单元/模块，也可以是一个物理单元/模块的一部分，还可以以多个物理单元/模块的组合实现，这些逻辑单元/模块本身的物理实现方式并不是最重要的，这些逻辑单元/模块所实现的功能的组合才是解决本申请所提出的技术问题的关键。此外，为了突出本申请的创新部分，本申请上述各设备实施例并没有将与解决本申请所提出的技术问题关系不太密切的单元/模块引入，这并不表明上述设备实施例并不存在其它的单元/模块。
需要说明的是，在本专利的示例和说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
虽然通过参照本申请的某些优选实施例，已经对本申请进行了图示和描述，但本领域的普通技术人员应该明白，可以在形式上和细节上对其作各种改变，而不偏离本申请的精神和范围。
Claims (8)
1.一种清洁机器人的路径学习方法，其特征在于，包括：
所述清洁机器人在预定区域中行驶；
所述清洁机器人检测预定区域中的障碍物分布信息；
所述清洁机器人在根据所述障碍物分布信息确定当前位置的路径点为预设类型的路径点的情况下，标识所述当前位置的路径点并保存在学习路径中，以使得所述清洁机器人在重复所述学习路径时，采用预设行驶方式重复所述预设类型的路径点，其中，所述清洁机器人通过以下任意一种方式确定当前位置的路径点是否为预设类型的路径点：
当距离大于所述清洁机器人预设的安全距离时，将所述清洁机器人的所述当前位置的路径点确定为预设类型的路径点；
当所述清洁机器人当前位置的路径点的半径小于所述清洁机器人的预设转弯半径时，将所述清洁机器人当前位置的路径点确定为预设类型的路径点。
2.根据权利要求1所述的路径学习方法，其特征在于，所述清洁机器人检测预定区域中的障碍物分布信息，具体包括：
确定所述清洁机器人与所述预定区域中的障碍物的距离。
3.根据权利要求2所述的路径学习方法，其特征在于，当所述距离大于所述清洁机器人预设的安全距离时，所述预设行驶方式为：
所述清洁机器人以距离所述障碍物的边界小于所述预设安全距离的路径沿所述障碍物的边界行驶。
4.根据权利要求1所述的路径学习方法，其特征在于，当所述清洁机器人当前位置的路径点的半径小于所述清洁机器人的预设转弯半径时，所述预设行驶方式为：
所述清洁机器人以小于所述预设转弯半径的路径行驶。
5.一种路径重复方法，应用于清洁机器人，其特征在于，包括：
所述清洁机器人获取待重复路径中的预行驶路径点和所述预行驶路径点的类型，所述待重复路径为根据权利要求1至4中任一项所述的路径学习方法所确定行驶路径；
所述清洁机器人获取预行驶区域的障碍物分布信息；
所述清洁机器人根据所述预行驶路径点的转弯半径、所述预行驶路径点的类型和所述预行驶区域的障碍物分布信息确定所述预行驶路径点的行驶方式，并根据确定的行驶方式控制清洁机器人沿所述预行驶路径点行驶。
6.根据权利要求5所述的路径重复方法，其特征在于，所述根据所述预行驶路径点的转弯半径、所述预行驶路径点的类型和所述预行驶区域的障碍物分布信息确定所述预行驶路径点的行驶方式，具体包括：
在所述预行驶路径点为预设类型的路径点且所述清洁机器人的预行驶区域存在障碍物的情况下，所述清洁机器人以距离所述障碍物的边界小于所述预设安全距离的路径沿所述障碍物的边界行驶；
在所述预行驶路径点为预设类型的路径点、所述清洁机器人的预行驶区域不存在障碍物且预行驶路径的转弯半径小于所述清洁机器人的预设转弯半径的情况下，所述清洁机器人以小于所述预设转弯半径的路径行驶。
7.一种可读介质，其特征在于，所述可读介质中存储有指令，当所述指令被清洁机器人的处理器执行时，使清洁机器人执行权利要求1至6任一项所述的方法。
8.一种清洁机器人，其特征在于，所述清洁机器人包括：
存储器，用于存储供清洁机器人的至少一个处理器执行的指令；以及
处理器，当所述指令被所述处理器执行时，使清洁机器人实现权利要求1至6任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110654131.1A CN113359731B (zh) | 2021-06-11 | 2021-06-11 | 清洁机器人及其路径学习方法、路径重复方法和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110654131.1A CN113359731B (zh) | 2021-06-11 | 2021-06-11 | 清洁机器人及其路径学习方法、路径重复方法和介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113359731A CN113359731A (zh) | 2021-09-07 |
| CN113359731B true CN113359731B (zh) | 2023-06-16 |
Family
ID=77534287
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110654131.1A Active CN113359731B (zh) | 2021-06-11 | 2021-06-11 | 清洁机器人及其路径学习方法、路径重复方法和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113359731B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111528732A (zh) * | 2020-03-27 | 2020-08-14 | 珠海格力电器股份有限公司 | 一种清洁机器人运行控制方法、装置、系统及存储介质 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050072300A (ko) * | 2004-01-06 | 2005-07-11 | 삼성전자주식회사 | 청소로봇 및 그 제어방법 |
| KR100919698B1 (ko) * | 2007-08-14 | 2009-09-29 | 포항공과대학교 산학협력단 | 로봇청소기를 이용한 청소방법 |
| KR102015315B1 (ko) * | 2012-10-09 | 2019-10-21 | 삼성전자주식회사 | 청소 로봇 및 그 제어 방법 |
| CN108268031A (zh) * | 2016-12-30 | 2018-07-10 | 深圳光启合众科技有限公司 | 路径规划方法、装置及机器人 |
| CN107256019B (zh) * | 2017-06-23 | 2018-10-19 | 杭州九阳小家电有限公司 | 一种清洁机器人的路径规划方法 |
| CN112799398B (zh) * | 2020-12-25 | 2021-12-03 | 珠海一微半导体股份有限公司 | 基于寻径代价的清洁路径规划方法、芯片及清洁机器人 |
-
2021
- 2021-06-11 CN CN202110654131.1A patent/CN113359731B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111528732A (zh) * | 2020-03-27 | 2020-08-14 | 珠海格力电器股份有限公司 | 一种清洁机器人运行控制方法、装置、系统及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113359731A (zh) | 2021-09-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11373395B2 (en) | Methods and systems for simultaneous localization and calibration | |
| CN109863500B (zh) | 事件驱动的感兴趣区域管理 | |
| CN108427123B (zh) | Lidar装置和用于操作lidar装置的方法 | |
| CN110268413B (zh) | 低电平传感器融合 | |
| KR102355750B1 (ko) | 경로를 자율주행하도록 로봇을 훈련시키기 위한 시스템 및 방법 | |
| US11157001B2 (en) | Device and method for assisting with driving of vehicle | |
| US20200371235A1 (en) | Light Detection and Ranging (LIDAR) Device Range Aliasing Resilience by Multiple Hypotheses | |
| JP2019182411A (ja) | オブジェクトの二次元境界枠を自動運転車両の三次元位置に転換するための方法［ｍｅｔｈｏｄ ｆｏｒ ｔｒａｎｓｆｏｒｍｉｎｇ ２ｄ ｂｏｕｎｄｉｎｇ ｂｏｘｅｓ ｏｆ ｏｂｊｅｃｔｓ ｉｎｔｏ ３ｄ ｐｏｓｉｔｉｏｎｓ ｆｏｒ ａｕｔｏｎｏｍｏｕｓ ｄｒｉｖｉｎｇ ｖｅｈｉｃｌｅｓ （ａｄｖｓ）］ | |
| US10948907B2 (en) | Self-driving mobile robots using human-robot interactions | |
| US10386840B2 (en) | Cruise control system and method | |
| EP4296721A2 (en) | Generating 3-dimensional maps of a scene using passive and active measurements | |
| CN111507157A (zh) | 基于强化学习而在自动驾驶时优化资源分配的方法及装置 | |
| WO2021218310A1 (zh) | 一种泊车方法、装置及车辆 | |
| US11471016B2 (en) | Method and apparatus for executing cleaning operation | |
| CN110390240B (zh) | 自动驾驶车辆中的车道后处理 | |
| US20200257311A1 (en) | Cart having leading and following function | |
| KR20190099165A (ko) | 가상 홈 서비스 장치 및 방법 | |
| US20210215809A1 (en) | Methods and systems for calibration of multiple lidar devices with non-overlapping fields of view | |
| CN108687759B (zh) | 移动装置、移动装置的控制方法以及记录介质 | |
| JP2009223757A (ja) | 自律移動体、その制御システム、自己位置推定方法 | |
| CN113359731B (zh) | 清洁机器人及其路径学习方法、路径重复方法和介质 | |
| US11520332B1 (en) | System for automated exploration by an autonomous mobile device using markers based on image features | |
| JPWO2018179960A1 (ja) | 移動体および自己位置推定装置 | |
| JP5644673B2 (ja) | 周辺監視装置および周辺監視方法、並びに運転支援装置 | |
| JP2016218504A (ja) | 移動装置及び移動システム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |