CN113907663B

CN113907663B - 障碍物地图构建方法、清洁机器人及存储介质

Info

Publication number: CN113907663B
Application number: CN202111106119.3A
Authority: CN
Inventors: 郁顺昌; 王朕; 汤盛浩
Original assignee: Dreame Innovation Technology Suzhou Co Ltd
Current assignee: Dreame Innovation Technology Suzhou Co Ltd
Priority date: 2021-09-22
Filing date: 2021-09-22
Publication date: 2023-06-23
Anticipated expiration: 2041-09-22
Also published as: CN113907663A

Abstract

本发明涉及一种障碍物地图构建方法、清洁机器人及存储介质。该障碍物地图构建方法包括：获取清洁机器人行进方向上的图像信息；在根据所述图像信息判断所述清洁机器人行进方向上存在目标障碍物的情况下，确定所述目标障碍物的位置信息；将所述位置信息加入至清洁区域的格栅地图中以构建障碍物地图。本发明可解决相关技术中构建障碍物地图时人工标注和添加障碍物语义，操作繁琐体验差，标注准确度低的问题。

Description

障碍物地图构建方法、清洁机器人及存储介质

技术领域

本发明涉及清洁设备技术领域，特别涉及一种障碍物地图构建方法、清洁机器人及存储介质。

背景技术

随着自动化技术和人工智能技术的不断发展，清洁机器人等各种自移动清洁设备的应用越来越广泛。其中，清洁机器人作为一种智能化的清洁设备，可自动完成地面的清洁工作。而且，清洁机器人在对地面进行清洁的过程中，需要自动构建清洁区域的障碍物地图，分辨出清洁区域中的障碍物以便在清洁过程中进行避让。

在传统技术中，清洁机器人在构建障碍物地图时，需要较多地通过人工方式对障碍物进行标注和添加语义，操作繁琐，给用户带来的使用体验较差；而且，在多数情况下，用户也无法准确地标注出地图上的障碍物，导致构建得到的障碍物地图准确度较差。

发明内容

因此，本发明所要解决的技术问题是构建障碍物地图时人工标注和添加障碍物语义，操作繁琐体验差，标注准确度低。

为解决上述技术问题，本发明提供一种障碍物地图构建方法，所述方法包括：

获取清洁机器人行进方向上的图像信息；

在根据所述图像信息判断所述清洁机器人行进方向上存在目标障碍物的情况下，确定所述目标障碍物的位置信息；

将所述位置信息加入至清洁区域的格栅地图中以构建障碍物地图。

可选地，所述根据所述图像信息判断所述清洁机器人行进方向上存在目标障碍物，包括：

将得到的所述图像信息输入至预设的障碍物检测模型中，通过所述障碍物检测模型检测所述图像信息中的障碍物信息；

当检测到所述图像信息中存在目标障碍物时，判断清洁机器人行进方向上存在所述目标障碍物；

其中，所述障碍物检测模型通过样本障碍物图像数据对初始障碍物检测模型进行训练得到，所述样本障碍物图像数据中标注了对应的目标障碍物。

可选地，所述当检测到清洁机器人的行进方向上存在目标障碍物时之后，还包括：

通过所述障碍物检测模型获取所述目标障碍物的标签信息，所述标签信息包括所述目标障碍物的名称类别；

将所述位置信息和所述标签信息加入至清洁区域的格栅地图中，构建得到所述障碍物地图。

可选地，所述方法还包括：

获取所述目标障碍物的三维数据，并将所述目标障碍物的三维数据添加至所述障碍物地图中。

可选地，所述获取所述目标障碍物的三维数据，包括：

判断所述目标障碍物的类型信息；

当检测到所述目标障碍物为低矮障碍物、黑色障碍物时，通过所述障碍物检测模型获取所述目标障碍物的所述标签信息；

当检测到所述目标障碍物为普通障碍物时，基于线激光传感器获取所述目标障碍物的线激光点云信息，根据得到的所述线激光点云信息获得所述目标障碍物的三维数据。

可选地，所述障碍物检测模型设为神经网络检测模型。

可选地，所述获取所述目标障碍物的位置信息，包括：

计算所述目标障碍物与清洁机器人之间的距离信息；

根据所述目标障碍物在所述图像信息中的图像坐标、所述距离信息及所述摄像机的内参数和外参数，确定所述目标障碍物的所述位置信息。

此外，本发明还提出一种清洁机器人，包括：

机器人本体；

摄像机，设于所述机器人本体上，用于获取清洁机器人行进方向上的图像信息；

控制器，设于所述机器人本体上，与所述摄像机通信连接，用于在根据所述图像信息判断所述清洁机器人行进方向上存在目标障碍物的情况下，确定所述目标障碍物的位置信息；将所述位置信息加入至清洁区域的格栅地图中以构建障碍物地图。

可选地，还包括：

线激光传感器，设于所述机器人本体上，用于获取所述目标障碍物的线激光点云信息；

所述控制器，与所述线激光传感器通信连接，用于根据所述线激光点云信息获取所述目标障碍物的三维数据，并将所述目标障碍物的三维数据添加至所述障碍物地图中。

此外，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如上所述的障碍物地图构建方法的所有方法步骤或部分方法步骤。

本发明提供的技术方案，具有以下优点：

本发明提供的障碍物地图构建方法，通过控制清洁机器人在清洁区域移动时自动获取行进方向上的图像信息，可以自动判断图像信息中的障碍物信息，就可以自动识别清洁机器人行进方向上的障碍物，并且还可以自动得到障碍物在清洁区域中的位置信息，从而就可以自动在清洁区域的格栅地图中自动标识出障碍物及其位置信息，这样，无需通过人工方式标注和添加障碍物语义等信息，可以实现障碍物的自动识别和标注，操作简单方便，标注准确度高，可给用户带来良好的体验效果。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例所述障碍物地图构建方法的步骤流程示意图一；

图2为本发明实施例所述障碍物地图构建方法的步骤流程示意图二；

图3为本发明实施例所述障碍物地图构建系统的结构示意框图；

图4为本发明实施例所述清洁机器人的立体结构示意图。

具体实施方式

现在将详细参照本发明的具体实施例，在附图中例示了本发明的例子。尽管将结合具体实施例描述本发明，但将理解，不是想要将本发明限于所述的实施例。相反，想要覆盖由所附权利要求限定的在本发明的精神和范围内包括的变更、修改和等价物。应注意，这里描述的方法步骤都可以由任何功能块或功能布置来实现，且任何功能块或功能布置可被实现为物理实体或逻辑实体、或者两者的组合。

为了使本领域技术人员更好地理解本发明，下面结合附图和具体实施方式对本发明作进一步详细说明。

注意：接下来要介绍的示例仅是一个具体的例子，而不作为限制本发明的实施例必须为如下具体的步骤、数值、条件、数据、顺序等等。本领域技术人员可以通过阅读本说明书来运用本发明的构思来构造本说明书中未提到的更多实施例。

在传统技术中，清洁机器人等清洁设备为了便于对清洁区域进行清洁，需要先构建该清洁区域的障碍物地图，便于在清洁过程中规避地图中的障碍物。而在清洁设备构建障碍物地图时，需要较多地通过人工方式对障碍物进行标注和添加语义，操作繁琐，给用户带来的使用体验较差；而且，在多数情况下，用户也无法准确地标注出地图上的障碍物，导致构建得到的障碍物地图准确度较差。为了解决上述技术问题，本发明提出一种障碍物地图构建方法及系统。

而且，本发明提出一种障碍物地图构建方法及系统，可应用于具有自移动能力的清洁设备上，也可应用于具有自移动能力的车辆、船只、飞行器等设备上。而在以下实施例中，本发明以应用于清洁机器人等清洁设备为例进行说明。

实施例1

如图1所示，本实施例提供一种障碍物地图构建方法，所述方法包括：

S100、获取清洁机器人行进方向上的图像信息；

在本实施例中，清洁机器人上可设置有摄像机，清洁机器人在清洁区域移动时，可通过控制摄像机拍摄获取清洁机器人行进方向上的图像信息。

而且，可以控制清洁机器人原地转动，可获取清洁机器人的周围的图像信息；也可以控制清洁机器人从一个清洁区域移动至另一个清洁区域，可以得到多个清洁区域内的图像信息。

从而，可以控制清洁机器人在需要清洁的所有清洁区域移动行走，以得到所有清洁区域内的图像信息。

S200、在根据所述图像信息判断所述清洁机器人行进方向上存在目标障碍物的情况下，确定所述目标障碍物的位置信息；

在清洁机器人在清洁区域移动时，并通过摄像机拍摄获得清洁机器人前进方向上的图像信息后，可根据图像信息判断图像中是否存在目标障碍物物，即可判断清洁机器人的前进方向上是否存在目标障碍物；

当检测到图像信息中存在目标障碍物，即清洁机器人的前进方向上存在目标障碍物时，可进一步确定该目标障碍物的位置信息，即确定该目标障碍物在清洁区域中所处的具体位置。

S300、将所述位置信息加入至清洁区域的格栅地图中以构建障碍物地图。

在根据图像信息检测到目标障碍物，并得到目标障碍物的位置信息后，就可以自动将目标障碍物及其位置信息标记到已经建立的清洁区域的格栅地图中，从而得到清洁区域的障碍物地图。

根据得到的障碍物地图，使得清洁机器人在对清洁区域进行清洁的过程中，在移动到清洁区域中标记的目标障碍物的位置附近时，就可自动对其进行规避，可以更好地在清洁区域移动行走。

本实施例提供的障碍物地图构建方法，通过控制清洁机器人在清洁区域移动时自动获取行进方向上的图像信息，可以自动判断图像信息中的障碍物信息，就可以自动识别清洁机器人行进方向上的障碍物，并且还可以自动得到障碍物在清洁区域中的位置信息，从而就可以自动在清洁区域的格栅地图中自动标识出障碍物及其位置信息，这样，无需通过人工方式标注和添加障碍物语义等信息，可以实现障碍物的自动识别和标注，操作简单方便，标注准确度高，可给用户带来良好的体验效果。

而且，在上述步骤S200中，根据所述图像信息判断所述清洁机器人行进方向上存在目标障碍物，包括：

S210、将得到的所述图像信息输入至预设的障碍物检测模型中，通过所述障碍物检测模型检测所述图像信息中的障碍物信息；

在通过清洁机器人上设置的摄像机得到清洁机器人行进方向上的图像信息后，可将得到的图像信息输入预先设置的障碍物检测模型中进行检测，以判断图像信息中的障碍物信息，即判断图像信息中是否存在目标障碍物。

其中，障碍物检测模型通过样本障碍物图像数据对初始障碍物检测模型进行训练得到，样本障碍物图像数据中标注了对应的目标障碍物。而且，在本实施例中，障碍物检测模型可设为神经网络检测模型。

即预先建立一个初始障碍物检测模型，并将各种样本障碍物图像数据输入至该初始障碍物检测模型中对其进行训练，直至该初始障碍物检测模型成长为成熟的障碍物检测模型，能够准确地对各种目标障碍物进行识别。样本障碍物图像数据可包括各种目标障碍物的图像信息，以及与目标障碍物对应的障碍物名称、类型、外形等等信息。而且，样本障碍物图像数据可包括各种同一目标障碍物的多个方位的图像信息，可从多个方位对目标障碍物进行识别。

障碍物检测模型还可具有自学习能力，当遇到未知的障碍物时，可自动对其进行多方位的图像信息获取，并提醒用户对其具体信息进行标注。而且，这种障碍物检测模型可设置在清洁机器人中，也可设置在与清洁机器人通信连接的云端服务器中。

障碍物检测模型中预先设置有目标障碍物的图像信息，可将得到的图像信息与障碍物检测模型中的目标障碍物的图像进行分析比对，并判断图像信息中的物体图像与障碍物检测模型中的目标障碍物的图像的相似度。当二者的相似度超过预设值(如90％、或95％等等)时，可判断图像信息中的物体图像为障碍物检测模型中的目标障碍物的图像，从而判断图像信息中存在目标障碍物；否则，则判断图像信息中不存在目标障碍物。

S220、当检测到所述图像信息中存在目标障碍物时，判断清洁机器人行进方向上存在所述目标障碍物；

即当障碍物检测模型检测到输入的图像信息中存在目标障碍物的图像时，就判断清洁机器人的行进方向上存在对应的目标障碍物。

S230、当检测到图像信息中不存在目标障碍物时，判断清洁机器人的行进方向上不存在目标障碍物。

此外，上述步骤S200中，获取所述目标障碍物的位置信息，包括：

S240、计算所述目标障碍物与清洁机器人之间的距离信息；

在检测到清洁机器人的行进方向上存在目标障碍物后，可利用具有深度测量功能的摄像机计算测量目标障碍物和清洁机器人之间的距离信息。

S250、根据所述目标障碍物在所述图像信息中的图像坐标、所述距离信息及所述摄像机的内参数和外参数，确定所述目标障碍物的所述位置信息。

即可利用具有深度测量功能的摄像机，检测出清洁机器人的行进方向上的目标障碍物的世界坐标，即目标障碍物的位置信息。

此外，在上述步骤S300，将所述位置信息加入至清洁区域的格栅地图中以构建障碍物地图，包括：

S310、通过所述障碍物检测模型获取所述目标障碍物的标签信息，所述标签信息包括所述目标障碍物的名称类别；

障碍物检测模型中预设有目标障碍物的标签信息，当障碍物检测模型检测到图像信息中存在目标障碍物时，就可以即时得到目标障碍物的标签信息。目标障碍物的标签信息可包括目标障碍物的名称、类别、外形等等信息。

S320、将所述位置信息和所述标签信息加入至清洁区域的格栅地图中，构建得到所述障碍物地图。

在已经构建好的清洁区域的格栅地图中，可不断加入得到的目标障碍物的位置信息和标签信息，将清洁区域中所有的目标障碍物信息自动地加入至格栅地图中，从而构建得到该清洁区域的完整的障碍物地图。

此外，如图2所示，本实施例提供的障碍物地图构建方法，还包括：

S400、获取所述目标障碍物的三维数据，并将所述目标障碍物的三维数据添加至所述障碍物地图中。

在本实施例中，清洁机器人上可设置有线激光传感器，多个线激光传感器可位于清洁机器人的前端的左右两侧，可分为左线激光传感器和右线激光传感器。在线激光传感器的有效探测范围内，可获取清洁机器人的行进方向上的目标障碍物的线激光点云信息。该线激光传感器的有效探测范围，可包括探测高度范围和探测深度范围。

清洁机器人在清洁区域移动行走时，可通过控制线激光传感器获取清洁机器人行进方向上的线激光点云信息。这样，可以获得清洁区域的周围环境的线激光点云信息，并根据线激光点云信息得到清洁区域的格栅地图。

而且，在通过障碍物检测模型检测到清洁机器人的行进方向上存在目标障碍物时，还可通过线激光传感器获取该目标障碍物的线激光点云信息，并根据目标障碍物的线激光点云信息得到目标障碍物的三维数据。再将目标障碍物的三维数据，和目标障碍物的位置信息、标签信息，添加至清洁区域的格栅地图中，得到整个清洁区域的完整的障碍物地图。

进一步地，上述步骤S400中，获取所述目标障碍物的三维数据，包括：

S410、判断所述目标障碍物的类型信息；

可根据障碍物检测模型检测得到的目标障碍物的标签信息，得到目标障碍物的类型类别，以判断目标障碍物是属于普通的非线激光视野盲区的障碍物、或是属于线激光视野盲区的障碍物。

S420、当检测到所述目标障碍物为低矮障碍物、黑色障碍物时，通过所述障碍物检测模型获取所述目标障碍物的所述标签信息；

由于低矮障碍物通过线激光传感器难以捕捉，而黑色障碍物由于反光效果差、几乎无有效点云信息，线激光传感器对这些类型的障碍物会存在视野盲区，难以获取真实具体的线激光点云信息，因此无法获得其三维数据。

此时，由于目标障碍物为线激光传感器无法捕捉的低矮障碍物、黑色障碍物，无法获得其三维数据，就利用障碍物检测模型中已经标记好的标签信息直接对清洁区域中存在的目标障碍物进行标记，并将得到的目标障碍物的位置信息加入至格栅地图中，但是不再在格栅地图中融入目标障碍物的三维数据。

S430、当检测到所述目标障碍物为普通障碍物时，基于线激光传感器获取所述目标障碍物的线激光点云信息，根据得到的所述线激光点云信息获得所述目标障碍物的三维数据。

对于普通障碍物，线激光传感器可以正常得到其线激光点云信息，就可以正常得到目标障碍物的三维数据，即可在将目标障碍物的标签信息、位置信息加入至格栅地图的同时，还可将目标障碍物的三维数据加入格栅地图中。

清洁机器人在清洁区域清扫过程中，会在不同位置生成多个目标障碍物的累积的检测信息(目标障碍物的标签信息和位置信息等)和线激光点云信息。因此，在清扫结束后，需要基于累积的多个目标障碍物的检测信息和线激光点云信息，对不可通行的障碍物进行最终的地图补全和矫正，以得到最终的障碍物地图。

实施例2

如图3所示，本实施例提供一种障碍物地图构建系统10，包括图像获取模块12，与图像获取模块12通信连接的障碍物位置获取模块14，以及与障碍物位置获取模块14通信连接的地图构建模块16。

其中，图像获取模块12用于获取清洁机器人行进方向上的图像信息；障碍物位置获取模块14用于在根据图像信息判断清洁机器人行进方向上存在目标障碍物的情况下，确定目标障碍物的位置信息；地图构建模块16用于将位置信息加入至清洁区域的格栅地图中以构建障碍物地图。

进一步地，障碍物位置获取模块14可包括障碍物检测模块142，与图像获取模块12通信连接。该障碍物检测模块142用于：将得到的图像信息输入至预设的障碍物检测模型中，通过障碍物检测模型检测图像信息中的障碍物信息；当检测到图像信息中存在目标障碍物时，判断清洁机器人行进方向上存在目标障碍物；其中，障碍物检测模型通过样本障碍物图像数据对初始障碍物检测模型进行训练得到，样本障碍物图像数据中标注了对应的目标障碍物。

而且，障碍物位置获取模块14可包括障碍物位置确定模块144，与障碍物检测模块142通信连接。该障碍物位置确定模块144用于：计算所述目标障碍物与清洁机器人之间的距离信息；根据所述目标障碍物在所述图像信息中的图像坐标、所述距离信息及所述摄像机的内参数和外参数，确定所述目标障碍物的所述位置信息。

此外，地图构建模块16可包括与障碍物位置确定模块144通信连接的障碍物标签获取模块162，以及与障碍物标签获取模块162通信连接的障碍物地图创建模块164。其中，障碍物标签获取模块162用于通过障碍物检测模型获取目标障碍物的标签信息，标签信息包括目标障碍物的名称类别；障碍物地图创建模块164用于将位置信息和标签信息加入至清洁区域的格栅地图中，构建得到障碍物地图。

此外，障碍物地图构建系统还包括障碍物三维数据获取模块18，与障碍物检测模块142和障碍物地图创建模块164均通信连接。障碍物三维数据获取模块18用于获取目标障碍物的三维数据，并将目标障碍物的三维数据添加至障碍物地图中。

进一步地，障碍物三维数据获取模块18包括与障碍物检测模块142通信连接的障碍物类型判断模块182，以及与障碍物类型判断模块182均通信连接的第一数据获取模块184和第二数据获取模块186，第一数据获取模块184和第二数据获取模块186均与障碍物地图创建模块164通信连接。

其中，障碍物类型判断模块182用于判断目标障碍物的类型信息；第一数据获取模块184用于当检测到目标障碍物为低矮障碍物、黑色障碍物时，通过障碍物检测模型获取目标障碍物的标签信息；第二数据获取模块186用于当检测到目标障碍物为普通障碍物时，基于线激光传感器获取目标障碍物的线激光点云信息，根据得到的线激光点云信息获得目标障碍物的三维数据。

本实施例所述的障碍物地图构建系统10与上述的障碍物地图构建方法相互对应，本实施例中障碍物地图构建系统10中各个模块的功能在相应的方法实施例中详细阐述，在此不再赘述。

实施例3

如图3所示，本实施例提出一种清洁机器人100，包括机器人本体110，设于机器人本体110上的摄像机120，以及设于机器人本体110上并和摄像机120通信连接的控制器(图中未示意出)。

摄像机120用于获取清洁机器人100的行进方向上的图像信息。而且，摄像机120可采用TOF相机、单目相机、双目相机、结构光相机等深度相机中的一种。

控制器用于：控制摄像机120获取清洁机器人行进方向上的图像信息；在根据图像信息判断所述清洁机器人行进方向上存在目标障碍物的情况下，确定目标障碍物的位置信息；将位置信息加入至清洁区域的格栅地图中以构建障碍物地图。而且，该控制器不仅可设置于机器人本体110上，还可设置在与清洁机器人100通信连接的云端服务器中，也可设置在与清洁机器人100通信连接的其他终端设备中(如移动终端、或清洁基站、或桌面终端)。

此外，清洁机器人100还可包括设于机器人本体110上的线激光传感器130，与控制器通信连接。线激光传感器130用于获取目标障碍物的线激光点云信息。

而且，上述控制器还可用于：控制线激光传感器130获取目标障碍物的线激光点云信息；根据线激光点云信息获取目标障碍物的三维数据，并将目标障碍物的三维数据添加至障碍物地图中。

可知，控制器可用于控制实现上述障碍物地图构建方法中的各步骤，具体实现方式可参照上述障碍物地图构建方法的具体内容，在此不再赘述。

基于同一发明构思，本申请实施例还提供一种电子设备，包括存储器和处理器，存储器上储存有在处理器上运行的计算机程序，处理器执行计算机程序时实现上述方法中的所有方法步骤或部分方法步骤。

所称处理器可以是中央处理单元(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 Specific Integrated Circuit，ASIC)、现成可编程门阵列(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也可以是任何常规的处理器等，处理器是计算机装置的控制中心，利用各种接口和线路连接整个计算机装置的各个部分。

存储器可用于存储计算机程序和/或模型，处理器通过运行或执行存储在存储器内的计算机程序和/或模型，以及调用存储在存储器内的数据，实现计算机装置的各种功能。存储器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(例如声音播放功能、图像播放功能等)；存储数据区可存储根据手机的使用所创建的数据(例如音频数据、视频数据等)。此外，存储器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，例如硬盘、内存、插接式硬盘，智能存储卡(SmartMedia 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、或其他易失性固态存储器件。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、服务器或计算机程序产品。因此，本发明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，本发明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和光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、服务器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。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims

1.一种障碍物地图构建方法，其特征在于，所述方法包括：

获取清洁机器人行进方向上的图像信息；将得到的所述图像信息输入至预设的障碍物检测模型中，通过所述障碍物检测模型检测所述图像信息中的障碍物信息；当检测到所述图像信息中存在目标障碍物时，判断清洁机器人行进方向上存在所述目标障碍物；其中，所述障碍物检测模型通过样本障碍物图像数据对初始障碍物检测模型进行训练得到，所述样本障碍物图像数据中标注了对应的目标障碍物；

将所述位置信息加入至清洁区域的格栅地图中以构建障碍物地图；通过所述障碍物检测模型获取所述目标障碍物的标签信息，所述标签信息包括所述目标障碍物的名称类别；将所述位置信息和所述标签信息加入至清洁区域的格栅地图中，构建得到所述障碍物地图；

获取所述目标障碍物的三维数据，即判断所述目标障碍物的类型信息；当检测到所述目标障碍物为低矮障碍物、黑色障碍物时，通过所述障碍物检测模型获取所述目标障碍物的所述标签信息；当检测到所述目标障碍物为普通障碍物时，基于线激光传感器获取所述目标障碍物的线激光点云信息，根据得到的所述线激光点云信息获得所述目标障碍物的三维数据；并将所述目标障碍物的三维数据添加至所述障碍物地图中。

2.根据权利要求1所述的障碍物地图构建方法，其特征在于，所述将得到的所述图像信息输入至预设的障碍物检测模型中，通过所述障碍物检测模型检测所述图像信息中的障碍物信息，包括：

将通过清洁机器人上设置的摄像机得到清洁机器人行进方向上的图像信息，输入预先设置的障碍物检测模型中进行检测，以判断图像信息中是否存在目标障碍物。

3.根据权利要求1所述的障碍物地图构建方法，其特征在于，所述通过所述障碍物检测模型获取所述目标障碍物的标签信息，所述标签信息包括所述目标障碍物的名称类别，包括：

障碍物检测模型中预设有目标障碍物的标签信息，当障碍物检测模型检测到图像信息中存在目标障碍物时，即时得到目标障碍物的标签信息；

目标障碍物的标签信息包括目标障碍物的名称、类别、外形信息。

4.根据权利要求1所述的障碍物地图构建方法，其特征在于，所述将所述位置信息和所述标签信息加入至清洁区域的格栅地图中，构建得到所述障碍物地，包括：

在已经构建好的清洁区域的格栅地图中，不断加入得到的目标障碍物的位置信息和标签信息，以将清洁区域中所有的目标障碍物信息自动地加入至格栅地图中，构建得到该清洁区域的完整的障碍物地图。

5.根据权利要求1所述的障碍物地图构建方法，其特征在于，所述通过所述障碍物检测模型获取所述目标障碍物的所述标签信息，包括：

通过所述障碍物检测模型中已经标记好的标签信息直接对清洁区域中存在的所述目标障碍物进行标记，并将得到的所述目标障碍物的位置信息加入至格栅地图中。

6.根据权利要求2所述的障碍物地图构建方法，其特征在于，所述障碍物检测模型设为神经网络检测模型。

7.根据权利要求1所述的障碍物地图构建方法，其特征在于，所述获取所述目标障碍物的位置信息，包括：

计算所述目标障碍物与清洁机器人之间的距离信息；

根据所述目标障碍物在所述图像信息中的图像坐标、所述距离信息及摄像机的内参数和外参数，确定所述目标障碍物的所述位置信息。

8.一种清洁机器人，其特征在于，包括：

机器人本体；

控制器，设于所述机器人本体上，与所述摄像机通信连接，用于将得到的所述图像信息输入至预设的障碍物检测模型中，通过所述障碍物检测模型检测所述图像信息中的障碍物信息；其中，所述障碍物检测模型通过样本障碍物图像数据对初始障碍物检测模型进行训练得到，所述样本障碍物图像数据中标注了对应的目标障碍物；当检测到所述图像信息中存在目标障碍物时，判断清洁机器人行进方向上存在所述目标障碍物；

将所述位置信息加入至清洁区域的格栅地图中以构建障碍物地图；通过所述障碍物检测模型获取所述目标障碍物的标签信息，所述标签信息包括所述目标障碍物的名称类别；将所述位置信息和所述标签信息加入至清洁区域的格栅地图中，构建得到所述障碍物地；

9.根据权利要求8所述的清洁机器人，其特征在于，还包括：

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至7中任一项所述的障碍物地图构建方法的所有方法步骤或部分方法步骤。