CN113985866A - 扫地机器人路径规划方法、装置、电子设备、存储介质 - Google Patents
扫地机器人路径规划方法、装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN113985866A CN113985866A CN202111057733.5A CN202111057733A CN113985866A CN 113985866 A CN113985866 A CN 113985866A CN 202111057733 A CN202111057733 A CN 202111057733A CN 113985866 A CN113985866 A CN 113985866A
- Authority
- CN
- China
- Prior art keywords
- area
- determined
- primary
- areas
- cleaned
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000010408 sweeping Methods 0.000 title claims abstract description 36
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000005192 partition Methods 0.000 claims abstract description 61
- 238000004140 cleaning Methods 0.000 claims abstract description 52
- 238000000638 solvent extraction Methods 0.000 claims abstract description 27
- 230000015654 memory Effects 0.000 claims description 21
- 238000010586 diagram Methods 0.000 claims description 16
- 230000004044 response Effects 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 6
- 241001417527 Pempheridae Species 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006386 memory function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000009331 sowing Methods 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 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
- G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
-
- 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- 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
- G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
-
- 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
- G05D1/0285—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using signals transmitted via a public communication network, e.g. GSM network
Abstract
本发明提供一种扫地机器人路径规划方法、装置、电子设备、存储介质,其中方法包括:利用第一扫描线将地图中未清扫区域分块,得到至少两个初分区域;选择至少一个所述初分区域作为确定区域,并利用第二扫描线对剩余所述初分区域组成的区域进行分块,得到至少一个初分区域,选择所述至少一个初分区域中的一个初分区域作为确定区域,直至将所有初分区域均确认为确定区域;对所述确定区域进行清扫。本申请能够有效减少确定区域的数量,降低路径规划重复率,减少耗时,提高清扫效率。
Description
技术领域
本发明涉及机器人路径规划技术领域,尤其是涉及一种扫地机器人路径规划方法、装置、电子设备、存储介质。
背景技术
机器人的路径规划可分为点到点的路径规划和全覆盖路径规划。其中全覆盖路径描述的是机器人完全覆盖某个区域的路径,需要满足以下条件:遍历环境中所有可通行区域,遍历过程需要有效避开所有障碍物,遍历路径需要尽可能避免路径重复且能被机器人高效执行。基于上述特性,全覆盖路径规划技术在清洁机器人,割草机以及农业自动驾驶领域有着广泛应用。
全覆盖路径规划是NP-hard问题,难以被直接求解,因此通常对该问题进行简化,即将全局环境分割为若干个子区域,从而将全覆盖问题转换为子区域的覆盖问题和子区域的遍历问题。
但是现有技术中,子区域的划分比较复杂,往往会发分为大量的子区域,这使得在全覆盖路径规划重复率高,并且覆盖过程耗时较长。
发明内容
本发明提供一种扫地机器人路径规划方法、装置、电子设备、存储介质。该方法能够有效减少确定区域的数量,降低路径规划重复率,减少耗时,提高清扫效率。
为解决上述技术问题,本发明提供的第一个技术方案为:提供一种扫地机器人路径规划方法,包括:利用第一扫描线将地图中未清扫区域分块,得到至少两个初分区域;选择至少一个所述初分区域作为确定区域,并利用第二扫描线对剩余所述初分区域组成的区域进行分块,得到至少一个初分区域,选择所述至少一个初分区域中的一个初分区域作为确定区域,直至将所有初分区域均确认为确定区域;对所述确定区域进行清扫。
其中,所述选择至少一个所述初分区域作为确定区域的步骤,包括:遍历所有所述初分区域,将面积最大的所述初分区域作为所述确定区域。
其中,所述利用第二扫描线对剩余所述初分区域组成的区域进行分块之后,包括:确定当前得到的所述初分区域数量是否为一;响应于所述初分区域数量为一,则将所述初分区域作为所述确定区域;响应于所述初分区域数量不为一,选择至少一个所述初分区域作为所述确定区域,并利用第三扫描线对剩余所述初分区域组成的区域进行分块,直至得到一个所述初分区域,并将所述初分区域全部确认为所述确定区域;所述第三扫描线与所述第二扫描线角度或所述第一扫描线角度不同。
其中,所述第一扫描线与所述第二扫描线垂直,且所述第一扫描线与所述第二扫描线角度相同或不同。
其中,所述对所述确定区域进行清扫的步骤,包括:确定所述机器人的参考位置,所述参考位置为所述机器人在一个已清扫的确定区域的终点;基于所述参考位置确定所述机器人下一个待清扫的确定区域,并确定所述机器人清扫下一个待清扫的确定区域的终点以及起点;基于所述起点以及所述终点对下一个待清扫的确定区域进行清扫。
其中,所述基于所述参考位置确定所述机器人下一个待清扫的确定区域,并确定所述机器人清扫下一个待清扫的确定区域的终点以及起点的步骤,包括:将距离所述参考位置最近的所述确定区域确定为所述机器人下一个待清扫的确定区域,以及将所述机器人下一个待清扫的确定区域中,距离所述参考位置最近的位置确定为所述起点,将下一个待清扫的确定区域中距离未清扫的所述确定区域最近的位置确定为所述终点,其中,所述起点以及所述终点均为下一个待清扫的确定区域的顶点。
其中,所述基于所述起点以及所述终点对下一个待清扫的确定区域进行清扫的步骤之后,还包括:确定已清扫的所述确定区域中未清扫区域是否可通行;响应于可通行,对已清扫的所述确定区域中未清扫区域进行清扫。
其中,所述利用第一扫描线将地图中未清扫区域分块,得到初分区域以及第二区域的步骤之前,还包括:获取待清扫环境的栅格地图;按照所述待清扫环境的房间信息,对所述栅格地图进行划分,得到多个所述地图;将多个所述地图遍历为旅行商问题(Traveling Salesman Problem),得到所述机器人对多个所述地图的清扫顺序。
其中,所述按照所述待清扫环境的房间信息,对所述栅格地图进行划分,得到多个所述地图的步骤,包括:识别所述房间的边界信息,并将所述边界信息映射到所述栅格地图中;基于维诺图在所述栅格地图上确定关键点,基于所述关键点以及所述维诺图的基点对所述栅格地图进行划分,得到多个所述地图。
为解决上述技术问题,本发明提供的第二个技术方案为:提供一种扫地机器人路径规划装置,包括:初分区域划分模块,用于利用第一扫描线将地图中未清扫区域分块,得到至少两个初分区域;第二区域划分模块,用于选择至少一个所述初分区域作为确定区域,并利用第二扫描线对剩余所述初分区域形成的第二区域进行划分,得到至少一个初分区域,所述第一扫描线以及所述第二扫描线角度不同;清扫模块,用于对所述确定区域进行清扫。
为解决上述技术问题,本发明提供的第三个技术方案为:提供一种电子设备,包括:存储器和处理器,其中,所述存储器存储有程序指令,所述处理器从所述存储器调取所述程序指令以执行上述任一项所述的扫地机器人路径规划方法。
为解决上述技术问题,本发明提供的第二个技术方案为:提供一种计算机可读存储介质,存储有程序文件,所述程序文件能够被执行以实现上述任一项所述的扫地机器人路径规划方法。
本发明的有益效果,区别于现有技术的情况,本发明利用第一扫描线将地图中未清扫区域分块,得到至少两个初分区域;选择至少一个所述初分区域作为确定区域,并利用第二扫描线对剩余所述初分区域形成的第二区域进行划分,得到至少一个初分区域,选择所述至少一个初分区域中的一个初分区域作为确定区域,直至将所有初分区域均确认为确定区域。能够有效减少确定区域的数量,降低路径规划重复率,减少耗时,提高清扫效率。
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它的附图,其中:
图1为本发明扫地机器人路径规划方法的第一实施例的流程示意图;
图2a以及图2b为图1中步骤S11以及步骤S12的一实施例的示意图;
图3a-图3e为图1中步骤S11以及步骤S12的另一实施例的示意图;
图4为图1中步骤S13的一实施例的流程示意图;
图5为图4中步骤S32的第一实施例的流程示意图;
图6为图4中步骤S32的第二实施例的流程示意图;
图7为本发明扫地机器人路径规划方法的第二实施例的流程示意图;
图8为本发明扫地机器人路径规划装置的第二实施例的结构示意图;
图9为本发明电子设备的一实施例的结构示意图;
图10为本发明计算机可读存储介质的一实施例的结构示意图。
具体实施方式
现有技术提出一种方法,该方法在栅格地图中,基于扫地机的位姿,以路径长度、转弯角度以及有效相邻点个数为原则涉及能量代价函数,并以能量最低原则选择下一个移动栅格直至整个栅格地图全覆盖。这种方式的主要缺点是缺少对全局环境的理解,下一路径点的选择基于当前点的位姿获得,易陷入局部最优且难以控制路径几何形状,同时使用欧氏距离表示相邻路径点的距离,该方式能降低计算成本,但忽略相邻路径点之间的障碍物分布,复杂环境下的能量函数有较大误差,导致路径长度较大,路径重复率较高。
现有技术还提出一种扫地机全覆盖路径规划方法,其设计要点是使用多角度扫描线分割地图,当某个角度扫描线使得区域总转弯次数最少时,则以该角度扫描线将环境分解为多个子区域,同时使用自适应遗传算法计算出子区域的遍历顺序。该方法主要缺点是通过角度筛选后,使用该角度扫描线分割区域,单一的扫描分割方式不能有效减低区域数量,使得后续自适应遗传算法解决区域访问顺序的复杂度较高,同时遗传算法收敛速度较慢,在扫地机有限的计算资源下造成计算时间较长,同时难以在动态环境作出及时响应,造成区域漏扫。
现有技术还提出一种扫地机器人用基于路径规划的清扫方法,其设计要点是在自适应分区撒种的方式,将地图划分为若干个矩形区域,将矩形区域进行处理并按面积排序,在矩形区域内根据矩形缺口位置制定“弓”字覆盖清扫的起点,通过依次对矩形区域的全覆盖从而实现对整个环境的全覆盖。其设计的主要缺点是将分割区域限制为矩形,在复杂环境下使得分割区域数量较多,同时将区域限定为矩形区域不能充分发挥扫地机的行走覆盖能力,同样难以在动态环境作出及时响应,造成区域漏扫。
基于现有技术的确定,本申请提出一种扫地机器人路径规划方法,该方法利用不同角度的扫描线对地图进行分区,有效的减少了分割后的确定区域的数量,减少了清扫路径长度,降低了路径重复率,缩短了清扫时间,降低功耗。下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
请参见图1,为本发明提供的扫地机器人路径规划方法的第一实施例的流程示意图,包括:
步骤S11:利用第一扫描线将地图中未清扫区域分块,得到至少两个初分区域。
步骤S12:选择至少一个所述初分区域作为确定区域,并利用第二扫描线对剩余所述初分区域组成的区域进行分块,得到至少一个初分区域,选择所述至少一个初分区域中的一个初分区域作为确定区域,直至将所有初分区域均确认为确定区域。
需要说明的是,第一扫描线与第二扫描线的角度不同。
具体的,利用第一扫描线将地图中未清扫区域进行分块,得到至少两个初分区域。在本申请的一个实施例中,可以预先确定机器人进行清扫时的预设全覆盖路径,也即机器人清扫时的行走方式,例如“弓”形的预设全覆盖路径。基于预设全覆盖路径确定对应的扫描线。例如“弓”形的预设全覆盖路径其有“—”和“|”组成,因此可以确定得到水平方向的扫描线和垂直方向的扫描线。
如图2a所示,假设第一扫描线为水平方向的扫描线,利用第一扫描线对地图中未清扫区域分块后,得到初分区域①、②、③、④。其中A为障碍物。从初分区域①、②、③、④中选择至少一个初分区域作为确定区域。在一具体实施例中,遍历所有初分区域①、②、③、④,从初分区域①、②、③、④中选择面积最大的初分区域作为确定区域。假设初分区域①面积最大,则将初分区域①作为确定区域。利用第二扫描线对剩余的初分区域组成的区域进行分块,得到至少一个初分区域。
具体的,利用第二扫描线对剩余的初分区域②、③、④组成的第二区域划分,得到至少一个初分区域。在一实施例中,选择所述至少一个初分区域中的一个初分区域作为确定区域,直至将所有初分区域均确认为确定区域。其中,第二扫描线为竖直方向的扫描线。具体请结合图2b,初分区域②、③、④组成的区域,通过第二扫描线进行完整扫描,得到初分区域⑤。也即,通过本申请的方法,将地图划分为了确定区域①和确定区域⑤。在一具体实施例中,若分块后得到的初分区域数量为1,则直接将1个初分区域确定为确定区域,地图分割完成,即停止分割。需要说明的是,每一次将初分区域确定为确定区域时,选择所有初分区域中面积最大的区域作为确定区域,若面积最大的初分区域为多个,则将这多个初分区域均确定为确定区域。
在另一实施例中,在分块之后,确定当前得到的初分区域数量是否为一,响应于初分区域的数量为一,则将初分区域作为确定区域,此时地图中未清扫区域分块完成。响应于初分区域的数量不为一,则选择至少一个初分区域作为确定区域,例如选择面积最大的初分区域作为确定区域。然后利用第三扫描线对剩余的初分区域组成的区域进行分块,直至得到一个初分区域,并将这一个初分区域全部确认为确定区域。在一实施例中,第三扫描线与第二扫描线角度不同,或者第三扫描线与第三扫描线角度不同。在本申请的一实施例的,第二扫描线与第一扫描线角度不同,具体如图2b以及图3b所示。在本申请的另一实施例中,第二扫描线与第一扫描线角度相同,如图3c所示。
在本申请的一实施例中,如图3d所示,利用第一扫描线得到初分区域①,利用第二扫描线得到初分区域②,利用第三扫描线得到初分区域③,其中,第三扫描线角度与第二扫描线角度相同,与第一扫描线角度不同。在本申请的另一实施例中,如图3e所述,利用第一扫描线得到初分区域①,利用第二扫描线得到初分区域②,利用第三扫描线得到初分区域③,其中,第三扫描线角度与第一扫描线角度相同,与第二扫描线角度不同。
本实施例先通过水平方向的第一扫描线对地图进行分块,得到第至少两个初分区域,将面积最大的初分区域作为确定区域,然后利用竖直方向的第二扫描线对剩余初分区域形成的区域分块,得到至少一个初分区域,将至少一个初分区域中的一个初分区域作为确定区域,直至将所有初分区域均确认为确定区域。由此可以保证每次分块得到的区域的面积最大,可以一定程度上减少分割得到的区域的数量。
如图3a所示,假设第一扫描线为竖直方向的扫描线,利用第一扫描线对地图中未清扫区域分块后,得到初分区域①、②、③、④。其中A为障碍物。从初分区域①、②、③、④中选择至少一个初分区域作为确定区域。在一具体实施例中,遍历所有初分区域①、②、③、④,从初分区域①、②、③、④中选择面积最大的初分区域作为确定区域。假设初分区域①面积最大,则将初分区域①作为确定区域。利用第二扫描线对剩余的初分区域形成的区域进行分块,得到至少一个初分区域,选择至少一个初分区域中的一个初分区域作为确定区域,直至将所有初分区域均确定为确定区域。具体的,利用第二扫描线对剩余的初分区域②、③、④组成的区域划分,得到至少一个初分区域。其中,第二扫描线为水平方向的扫描线。具体请结合图3b,初分区域②、③、④组成的区域,通过第二扫描线进行完整扫描,得到确定区域⑤。也即,通过本申请的方法,将地图划分为了确定区域①和确定区域⑤。在一具体实施例中,若分块后得到的初分区域数量为1,则直接将1个初分区域确定为确定区域,地图分割完成,即停止分割。需要说明的是,每一次将初分区域确定为确定区域时,选择所有初分区域中面积最大的区域作为确定区域,若面积最大的初分区域为多个,则将这多个初分区域均确定为确定区域。
本实施例先通过竖直方向的第一扫描线对地图进行分块,得到第至少两个初分区域,将面积最大的初分区域作为确定区域,然后利用水平方向的第二扫描线对剩余初分区域形成的区域分块,得到至少一个初分区域。由此可以保证每次分块得到的区域的面积最大,可以一定程度上减少分割得到的区域的数量。
步骤S13:对所述确定区域进行清扫。
具体的,对确定区域①和确定区域⑤进行清扫。
本申请中,通过步骤S11以及步骤S12的方法,能够将地图划分为两个确定区域(确定区域①和确定区域⑤),然后对确定区域进行清扫。
现有技术中,在进行确定区域的划分时,只选择一种角度的扫描线,例如水平方向的扫描线,如图2a所示,再例如竖直方向的扫描线,如图3a所示,其均将地图分割为了四个区域①、②、③、④,过多的区域增加了清扫路径的长度,并且一定程度上增加的重复清扫率,增加清扫时间,功耗大。而通过本申请的方法,能够根据环境自由选择合适的角度的扫描线进行划分,如图2b以及图3b所示,本申请的方法将地图划分为了2个确定区域(确定区域①和确定区域⑤)。本申请的方法明显减少了确定区域的数量,进而能够有效地减少了清扫路径长度,降低了路径重复率,缩短了清扫时间,降低功耗。
请参见图4,图4为图1中步骤S13的第一实施例的流程示意图,具体包括:
步骤S31:确定所述机器人的参考位置。
具体的,所述参考位置为所述机器人在一个已清扫的所述确定区域的终点。可以理解的,若机器人刚开始清扫时,参考位置还可以为准备清扫的确定区域的起点,本实施例以参考位置为所述机器人在一个已清扫的所述确定区域的终点为例进行说明。
步骤S32:基于所述参考位置确定所述机器人下一个待清扫的确定区域,并确定所述机器人清扫下一个待清扫的确定区域的终点以及起点。
请参见图5,假设N点为参考位置,则基于参考位置确定机器人下一个清扫的确定区域,并确定机器人清扫下一个清扫的确定区域的终点以及起点。
在一具体实施例中,为了降低路径重复,将距离所述参考位置N最近的所述确定区域确定为所述机器人下一个待清扫的确定区域。如图5所示,与参考位置N距离最近的确定区域为确定区域①,则确定区域①为所述机器人下一个待清扫的确定区域。
进一步的,将所述机器人下一个待清扫的确定区域①中,距离所述参考位置N最近的位置确定为所述起点,将下一个待清扫的确定区域①中距离未清扫的所述确定区域最近的位置确定为所述终点。如图5所示,述机器人下一个待清扫的确定区域①中,距离所述参考位置N最近的位置为M,则将M点确定为所述起点。进一步的,下一个清扫的确定区域①中,距离未清扫的所述确定区域⑤最近的位置可以为H,因此可以将H确定为终点。需要说明的是,起点M以及终点H均为下一个待清扫的确定区域①的顶点。
步骤S33:基于所述起点以及所述终点对下一个待清扫的确定区域进行清扫。
在确定清扫下一个待清扫的确定区域①的起点以及终点之后,按照预设的全覆盖路径,例如“弓”字型路径对下一个待清扫的确定区域①进行清扫。
在本申请的一实施例中,为了避免确定区域中临时出现障碍物,而影响机器人工作,若对应的一个确定区域的清扫时间超过阈值,则进行下一个确定区域的清扫。或者进行下一个地图的清扫。
本实施例中,结合确定区域之间的拓扑关系,指定确定区域全覆盖的起点和终点,完成确定区域内部的全覆盖路径,并根据确定区域全覆盖路径终点对确定区域进行动态遍历,能实时生成确定区域遍历路线,从而生成整个确定区域的全覆盖路径,以此对确定区域进行清扫,降低了确定区域连接过程造成了路径重复。并且能够减少相邻的两个确定区域之间的路径重复,降低功耗。
请参见图6,为图1中步骤S13的第二实施例的流程示意图,其中,步骤S41、步骤S42以及步骤S43与上述图4所示的步骤S31、步骤S32以及步骤S33相同,区别在于,本实施例还包括:
步骤S44:确定已清扫的所述确定区域中未清扫区域是否可通行。
具体的,在地图中标记所有已清扫的确定区域,进而确定是否具有未清扫区域,若有未清扫区域,则进一步比对地图与实时环境,以确定未清扫区域是否可通行。具体的,可以利用红外线或者雷达等对未清扫区域进行检测,判断未清扫区域是否具有障碍物,若无障碍物,则确定可通行。
步骤S45:响应于可通行,对已清扫的所述确定区域中未清扫区域进行清扫。
若未清扫区域可通行,则对未清扫区域进行清扫。
进一步的,还可以对未清扫区域再次进行划分。当然也可以在地图上清除未清扫区域对应的障碍物,以更新地图。
本实施例中,根据确定区域的清扫状态,比对地图以确定地图的清扫情况,如对清扫过程中搬离障碍物的对应区域进行及时清扫和防止新障碍物造成清扫遗漏,在保证算法实时性的前提下提升了清扫效率。
请参见图7,为本发明提供的扫地机器人路径规划方法的第二实施例的流程示意图,其中,步骤S54、步骤S55以及步骤S56与上述图1所示的第一实施例相同,区别在于,本实施例在步骤S54之前还包括:
步骤S51:获取待清扫环境的栅格地图。
具体的,利用扫地机器人对待清扫环境进行扫描,进而获得待清扫环境的栅格地图。具体的,提出待清扫环境的为探索区域,从而减小栅格地图的尺寸。
在一实施例中,可以进一步对栅格地图中的小型障碍物进行过滤,防止小型障碍物对栅格地图的划分造成影响。
步骤S52:按照所述待清扫环境的房间信息,对所述栅格地图进行划分,得到多个所述地图。
利用扫地机器人的传感器,例如红外传感器或者雷达传感器等,识别待清扫环境的房间信息,按照房间信息对所述栅格地图进行划分,得到多个所述地图。
具体的,利用传感器扫描房间的所述房间的边界信息,例如墙壁信息或者门框信息,将所述边界信息映射到所述栅格地图中,基于维诺图在所述栅格地图上确定关键点,基于所述关键点以及所述维诺图的基点对所述栅格地图进行划分,得到多个所述地图。可以理解的,每一个地图对应一个房间信息。
步骤S53:将多个所述地图遍历为旅行商问题,得到所述机器人对多个所述地图的清扫顺序。
在一实施例中,将多个所述地图遍历为旅行商问题,得到所述机器人对多个所述地图的清扫顺序,进而建立多个地图的拓扑连接关系。
本实施例对待清扫环境全局地图进行预处理,首先提取栅格地图的有效区域,再将栅格地图分解为若干个房间,最后将地图分解为若干个确定区域。从而将环境全覆盖问题转换为确定区域覆盖和确定区域遍历问题。并且将多个所述地图遍历为旅行商问题,建立了多个地图的拓扑连接关系,能够减少地图与地图遍历之间的路径重复问题,提高清扫效率。
请参见图8,为本发明扫地机器人路径规划装置的一实施例的结构示意图,包括:第一区域划分模块81、第二区域划分模块82以及清扫模块83。
其中,第一区域划分模块81用于利用第一扫描线将地图中未清扫区域分块,得到至少两个初分区域。
第二区域划分模块82用于选择至少一个所述初分区域作为确定区域,并利用第二扫描线对剩余所述初分区域组成的区域进行分块,得到至少一个初分区域,选择所述至少一个初分区域中的一个初分区域作为确定区域,直至将所有初分区域均确认为确定区域;所述第一扫描线以及所述第二扫描线角度不同。
在一实施例中,第二区域划分模块82遍历所有所述初分区域,将面积最大的所述初分区域作为所述确定区域。响应于所述初分区域数量为1,则所述地图分割完成。利用第二扫描线对剩余所述初分区域形成的区域进行划分,得到至少一个初分区域。所述第一扫描线与所述第二扫描线垂直。
清扫模块83用于对所述确定区域进行清扫。
在一实施例中,清扫模块83用于确定所述机器人的参考位置,所述参考位置为所述机器人在一个已清扫的所述确定区域的终点;基于所述参考位置确定所述机器人下一个待清扫的确定区域,并确定所述机器人清扫下一个待清扫的确定区域的终点以及起点;基于所述起点以及所述终点对下一个待清扫的确定区域进行清扫。
在一实施例中,清扫模块83将距离所述参考位置最近的所述确定区域确定为所述机器人下一个待清扫的确定区域,以及将所述机器人下一个待清扫的确定区域中,距离所述参考位置最近的位置确定为所述起点,将下一个待清扫的确定区域中距离未清扫的所述确定区域最近的位置确定为所述终点,其中,所述起点以及所述终点均为下一个待清扫的确定区域的顶点。
在一实施例中,清扫模块83确定已清扫的所述确定区域中未清扫区域是否可通行;响应于可通行,对已清扫的所述确定区域中未清扫区域进行清扫。
在一实施例中,第一区域划分模块81还用于获取待清扫环境的栅格地图;按照所述待清扫环境的房间信息,对所述栅格地图进行划分,得到多个所述地图;将多个所述地图遍历为旅行商问题(Traveling Salesman Problem),得到所述机器人对多个所述地图的清扫顺序。
具体的,识别所述房间的边界信息,并将所述边界信息映射到所述栅格地图中;基于维诺图在所述栅格地图上确定关键点,基于所述关键点以及所述维诺图的基点对所述栅格地图进行划分,得到多个所述地图。
本申请的扫地机器人路径规划装置,一方面可以保证每次分块得到的区域的面积最大,可以一定程度上减少分割得到的区域的数量。另一方面能够结合确定区域之间的拓扑关系,指定确定区域全覆盖的起点和终点,完成确定区域内部的全覆盖路径,并根据确定区域全覆盖路径终点对确定区域进行动态遍历,能实时生成确定区域遍历路线,从而生成整个确定区域的全覆盖路径,以此对确定区域进行清扫,降低了确定区域连接过程造成了路径重复。并且能够减少相邻的两个确定区域之间的路径重复,降低功耗。再一方面能够对待清扫环境全局地图进行预处理,首先提取栅格地图的有效区域,再将栅格地图分解为若干个房间,最后将地图分解为若干个确定区域。从而将环境全覆盖问题转换为确定区域覆盖和确定区域遍历问题。并且将多个所述地图遍历为旅行商问题,建立了多个地图的拓扑连接关系,能够减少地图与地图遍历之间的路径重复问题,提高清扫效率。
请参见图9,为本发明电子设备的一实施例的结构示意图,电子设备包括相互连接的存储器202和处理器201。
存储器202用于存储实现上述任意一项的方法的程序指令。
处理器201用于执行存储器202存储的程序指令。
其中,处理器201还可以称为CPU(Central Processing Unit,中央处理单元)。处理器201可能是一种集成电路芯片,具有信号的处理能力。处理器201还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)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。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。
存储器202可以为内存条、TF卡等,可以存储设备的电子设备中全部信息,包括输入的原始数据、计算机程序、中间运动结果和最终运动结果都保存在存储器中。它根据控制器指定的位置存入和取出信息。有了存储器,电子设备才有记忆功能,才能保证正常工作。电子设备的存储器按用途可分为主存储器(内存)和辅助存储器(外存),也有分为外部存储器和内部存储器的分类方法。外存通常是磁性介质或光盘等,能长期保存信息。内存指主板上的存储部件,用来存放当前正在执行的数据和程序,但仅用于暂时存放程序和数据,关闭电源或断电,数据会丢失。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法和装置,可以通过其它的方式实现。例如,以上所描述的装置实施方式仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为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单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元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,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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,系统服务器,或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。
请参阅图10,为本发明计算机可读存储介质的结构示意图。本申请的存储介质存储有能够实现上述所有方法的程序文件203,其中,该程序文件203可以以软件产品的形式存储在上述存储介质中,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)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储装置包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质,或者是计算机、服务器、手机、平板等终端设备。
以上仅为本发明的实施方式,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (12)
1.一种扫地机器人路径规划方法,其特征在于,包括:
利用第一扫描线将地图中未清扫区域分块,得到至少两个初分区域;
选择至少一个所述初分区域作为确定区域,并利用第二扫描线对剩余所述初分区域组成的区域进行分块,得到至少一个初分区域,选择所述至少一个初分区域中的一个初分区域作为确定区域,直至将所有初分区域均确认为确定区域;
对所述确定区域进行清扫。
2.根据权利要求1所述的方法,其特征在于,所述选择至少一个所述初分区域作为确定区域的步骤,包括:
遍历所有所述初分区域,将面积最大的所述初分区域作为所述确定区域。
3.根据权利要求2所述的方法,其特征在于:
所述利用第二扫描线对剩余所述初分区域组成的区域进行分块之后,包括:
确定当前得到的所述初分区域数量是否为一;
响应于所述初分区域数量为一,则将所述初分区域作为所述确定区域;
响应于所述初分区域数量不为一,选择至少一个所述初分区域作为所述确定区域,并利用第三扫描线对剩余所述初分区域组成的区域进行分块,直至得到一个所述初分区域,并将所述初分区域全部确认为所述确定区域;所述第三扫描线与所述第二扫描线角度或所述第一扫描线角度不同。
4.根据权利要求1所述的方法,其特征在于,所述第一扫描线与所述第二扫描线垂直,且所述第一扫描线与所述第二扫描线角度相同或不同。
5.根据权利要求1~4任一项所述的方法,其特征在于,所述对所述确定区域进行清扫的步骤,包括:
确定所述机器人的参考位置,所述参考位置为所述机器人在一个已清扫的确定区域的终点;
基于所述参考位置确定所述机器人下一个待清扫的确定区域,并确定所述机器人清扫下一个待清扫的确定区域的终点以及起点;
基于所述起点以及所述终点对下一个待清扫的确定区域进行清扫。
6.根据权利要求5所述的方法,其特征在于,所述基于所述参考位置确定所述机器人下一个待清扫的确定区域,并确定所述机器人清扫下一个待清扫的确定区域的终点以及起点的步骤,包括:
将距离所述参考位置最近的所述确定区域确定为所述机器人下一个待清扫的确定区域,以及将所述机器人下一个待清扫的确定区域中,距离所述参考位置最近的位置确定为所述起点,将下一个待清扫的确定区域中距离未清扫的所述确定区域最近的位置确定为所述终点,其中,所述起点以及所述终点均为下一个待清扫的确定区域的顶点。
7.根据权利要求5所述的方法,其特征在于,所述基于所述起点以及所述终点对下一个待清扫的确定区域进行清扫的步骤之后,还包括:
确定已清扫的所述确定区域中未清扫区域是否可通行;
响应于可通行,对已清扫的所述确定区域中未清扫区域进行清扫。
8.根据权利要求1~4任一项所述的方法,其特征在于,所述利用第一扫描线将地图中未清扫区域分块,得到至少两个初分区域的步骤之前,还包括:
获取待清扫环境的栅格地图;
按照所述待清扫环境的房间信息,对所述栅格地图进行划分,得到多个所述地图;
将多个所述地图遍历为旅行商问题,得到所述机器人对多个所述地图的清扫顺序。
9.根据权利要求8所述的方法,其特征在于,所述按照所述待清扫环境的房间信息,对所述栅格地图进行划分,得到多个所述地图的步骤,包括:
识别所述房间的边界信息,并将所述边界信息映射到所述栅格地图中;
基于维诺图在所述栅格地图上确定关键点,基于所述关键点以及所述维诺图的基点对所述栅格地图进行划分,得到多个所述地图。
10.一种扫地机器人路径规划装置,其特征在于,包括:
第一区域划分模块,用于利用第一扫描线将地图中未清扫区域分块,得到至少两个初分区域;
第二区域划分模块,用于选择至少一个所述初分区域作为确定区域,并利用第二扫描线对剩余所述初分区域组成的区域进行分块,得到至少一个初分区域,选择所述至少一个初分区域中的一个初分区域作为确定区域,直至将所有初分区域均确认为确定区域;
清扫模块,用于对所述确定区域进行清扫。
11.一种电子设备,其特征在于,包括:存储器和处理器,其中,所述存储器存储有程序指令,所述处理器从所述存储器调取所述程序指令以执行如权利要求1-9任一项所述的扫地机器人路径规划方法。
12.一种计算机可读存储介质,其特征在于,存储有程序文件,所述程序文件能够被执行以实现如权利要求1-9任一项所述的扫地机器人路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111057733.5A CN113985866A (zh) | 2021-09-09 | 2021-09-09 | 扫地机器人路径规划方法、装置、电子设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111057733.5A CN113985866A (zh) | 2021-09-09 | 2021-09-09 | 扫地机器人路径规划方法、装置、电子设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113985866A true CN113985866A (zh) | 2022-01-28 |
Family
ID=79735557
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111057733.5A Pending CN113985866A (zh) | 2021-09-09 | 2021-09-09 | 扫地机器人路径规划方法、装置、电子设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113985866A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114443753A (zh) * | 2022-04-08 | 2022-05-06 | 深圳市云视机器人有限公司 | 清洁机器人的地图数据展示方法、装置、机器人以及介质 |
CN115390552A (zh) * | 2022-07-28 | 2022-11-25 | 云鲸智能(深圳)有限公司 | 路径规划方法、装置、清洁系统及存储介质 |
WO2024041538A1 (en) * | 2022-08-23 | 2024-02-29 | Willand (Beijing) Technology Co., Ltd. | Method and apparatus for determining mower path, and electronic device |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107831773A (zh) * | 2017-11-30 | 2018-03-23 | 深圳市沃特沃德股份有限公司 | 扫地机器人全覆盖清扫的方法及扫地机器人 |
CN108121331A (zh) * | 2016-11-26 | 2018-06-05 | 沈阳新松机器人自动化股份有限公司 | 一种自主清扫路径规划方法及装置 |
CN109298717A (zh) * | 2018-11-24 | 2019-02-01 | 珠海市微半导体有限公司 | 智能机器人的清扫方法和芯片以及智能清洁机器人 |
CN109947114A (zh) * | 2019-04-12 | 2019-06-28 | 南京华捷艾米软件科技有限公司 | 基于栅格地图的机器人全覆盖路径规划方法、装置及设备 |
CN110361017A (zh) * | 2019-07-19 | 2019-10-22 | 西南科技大学 | 一种基于栅格法的扫地机器人全遍历路径规划方法 |
CN110398964A (zh) * | 2019-07-16 | 2019-11-01 | 浙江大学 | 一种低能量损耗机器人全覆盖路径规划方法及系统 |
US20200081444A1 (en) * | 2018-01-12 | 2020-03-12 | Hong Huang | Cleaning method capable of automatically planning path |
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 |
WO2020077850A1 (zh) * | 2018-10-18 | 2020-04-23 | 深圳乐动机器人有限公司 | 一种室内区域划分和识别方法、装置及终端设备 |
CN111399524A (zh) * | 2020-03-27 | 2020-07-10 | 深圳市银星智能科技股份有限公司 | 机器人清扫方法及机器人 |
CN112987755A (zh) * | 2021-04-19 | 2021-06-18 | 浙江欣奕华智能科技有限公司 | 一种扫地机器人的避障方法及装置 |
CN113064407A (zh) * | 2019-12-13 | 2021-07-02 | 深圳拓邦股份有限公司 | 全区域覆盖的清扫方法、装置、清扫机器人及存储装置 |
-
2021
- 2021-09-09 CN CN202111057733.5A patent/CN113985866A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108121331A (zh) * | 2016-11-26 | 2018-06-05 | 沈阳新松机器人自动化股份有限公司 | 一种自主清扫路径规划方法及装置 |
CN107831773A (zh) * | 2017-11-30 | 2018-03-23 | 深圳市沃特沃德股份有限公司 | 扫地机器人全覆盖清扫的方法及扫地机器人 |
US20200081444A1 (en) * | 2018-01-12 | 2020-03-12 | Hong Huang | Cleaning method capable of automatically planning path |
WO2020077850A1 (zh) * | 2018-10-18 | 2020-04-23 | 深圳乐动机器人有限公司 | 一种室内区域划分和识别方法、装置及终端设备 |
CN109298717A (zh) * | 2018-11-24 | 2019-02-01 | 珠海市微半导体有限公司 | 智能机器人的清扫方法和芯片以及智能清洁机器人 |
CN109947114A (zh) * | 2019-04-12 | 2019-06-28 | 南京华捷艾米软件科技有限公司 | 基于栅格地图的机器人全覆盖路径规划方法、装置及设备 |
CN110398964A (zh) * | 2019-07-16 | 2019-11-01 | 浙江大学 | 一种低能量损耗机器人全覆盖路径规划方法及系统 |
CN110361017A (zh) * | 2019-07-19 | 2019-10-22 | 西南科技大学 | 一种基于栅格法的扫地机器人全遍历路径规划方法 |
CN113064407A (zh) * | 2019-12-13 | 2021-07-02 | 深圳拓邦股份有限公司 | 全区域覆盖的清扫方法、装置、清扫机器人及存储装置 |
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 |
CN111399524A (zh) * | 2020-03-27 | 2020-07-10 | 深圳市银星智能科技股份有限公司 | 机器人清扫方法及机器人 |
CN112987755A (zh) * | 2021-04-19 | 2021-06-18 | 浙江欣奕华智能科技有限公司 | 一种扫地机器人的避障方法及装置 |
Non-Patent Citations (1)
Title |
---|
简毅;高斌;张月;: "一种室内扫地机器人全遍历路径规划方法研究", 传感器与微系统, no. 01, 18 January 2018 (2018-01-18) * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114443753A (zh) * | 2022-04-08 | 2022-05-06 | 深圳市云视机器人有限公司 | 清洁机器人的地图数据展示方法、装置、机器人以及介质 |
CN114443753B (zh) * | 2022-04-08 | 2022-08-16 | 深圳市云视机器人有限公司 | 清洁机器人的地图数据展示方法、装置、机器人以及介质 |
CN115390552A (zh) * | 2022-07-28 | 2022-11-25 | 云鲸智能(深圳)有限公司 | 路径规划方法、装置、清洁系统及存储介质 |
WO2024041538A1 (en) * | 2022-08-23 | 2024-02-29 | Willand (Beijing) Technology Co., Ltd. | Method and apparatus for determining mower path, and electronic device |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113985866A (zh) | 扫地机器人路径规划方法、装置、电子设备、存储介质 | |
CN108335302B (zh) | 一种区域分割方法及装置 | |
WO2020134082A1 (zh) | 一种路径规划方法、装置和移动设备 | |
EP4043988A1 (en) | Robot edge treading areal sweep planning method, chip, and robot | |
CN110888960B (zh) | 一种室内空间分区方法、装置及移动机器人 | |
US11914391B2 (en) | Cleaning partition planning method for robot walking along boundry, chip and robot | |
CN109522803A (zh) | 一种室内区域划分和识别方法、装置及终端设备 | |
CN111459153B (zh) | 动态区域划分与区域通道识别方法及清洁机器人 | |
CN108256060B (zh) | 一种闭环检测方法、装置、终端及存储介质 | |
CN112017134B (zh) | 一种路径规划方法、装置、设备及存储介质 | |
CN111728535B (zh) | 一种生成清扫路径的方法、装置、电子设备及存储介质 | |
CN113219992A (zh) | 一种路径规划方法及清洁机器人 | |
CN111127500A (zh) | 一种空间分区方法、装置及移动机器人 | |
CN111399507A (zh) | 确定栅格地图中边界线的方法、划分栅格地图的方法 | |
CN111329398A (zh) | 机器人控制方法、机器人、电子设备和可读存储介质 | |
CN114431771B (zh) | 一种扫地机器人清扫方法及相关装置 | |
CN113110445A (zh) | 机器人的路径规划方法及装置、机器人、存储介质 | |
CN113219995A (zh) | 一种路径规划方法及清洁机器人 | |
CN111679664A (zh) | 基于深度相机的三维地图构建方法及扫地机器人 | |
CN108803586A (zh) | 一种扫地机器人的工作方法 | |
WO2023045798A1 (zh) | 一种过道区域识别方法及装置 | |
CN110764513B (zh) | 一种地图盲区识别方法 | |
US20240085212A1 (en) | Map zone dividing method, apparatus, autonomous mobile device and storage medium | |
WO2023231757A1 (zh) | 基于地图区域轮廓的设置方法与机器人沿边结束控制方法 | |
WO2023160698A1 (zh) | 动态全覆盖路径规划方法及装置、清洁设备、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 |