CN114967698A - 清扫方法、装置、电子设备及存储介质 - Google Patents
清扫方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114967698A CN114967698A CN202210613623.0A CN202210613623A CN114967698A CN 114967698 A CN114967698 A CN 114967698A CN 202210613623 A CN202210613623 A CN 202210613623A CN 114967698 A CN114967698 A CN 114967698A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- cleaning
- target area
- sweeping
- action
- 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
- 238000004140 cleaning Methods 0.000 title claims abstract description 152
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000010408 sweeping Methods 0.000 claims abstract description 116
- 230000009471 action Effects 0.000 claims abstract description 82
- 230000008859 change Effects 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 10
- 230000004888 barrier function Effects 0.000 abstract description 9
- 230000033001 locomotion Effects 0.000 description 16
- 230000008569 process Effects 0.000 description 9
- 230000003068 static effect Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 230000016776 visual perception Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 241001417527 Pempheridae Species 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000010813 municipal solid waste Substances 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000011218 segmentation 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
- G05D1/0231—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, 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
- G05D1/0221—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, 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
- G05D1/0231—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, 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
- G05D1/0231—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, 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
- G05D1/0257—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, 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/028—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及机器人技术领域，提供一种清扫方法、装置、电子设备及存储介质。方法包括：确定目标区域；标记所述目标区域内的障碍物，在所述目标区域内避开所述障碍物执行清扫动作；检测所述目标区域内的障碍物的状态，确定状态改变的障碍物；在所述状态改变的障碍物位置处执行清扫动作。本发明能够在场景中存在动态障碍物时，针对动态障碍物覆盖的区域实时检测，实时准备在障碍物移动时进行补扫，提高了清扫的效率和避障成功率。
Description
技术领域
本发明涉及机器人技术领域，尤其涉及一种清扫方法、装置、电子设备及存储介质。
背景技术
随着智能化时代的到来，各种智能设备的产生为人们带来巨大的便利。扫地机器人作为一种自动清洁的智能机器人，可以减轻人们的家务负担。目前，扫地机器人的清扫策略能够在静态场景下达到很高全屋清扫覆盖率，但是，在动态场景下，例如人员行走、宠物移动、房门开关和家具搬动的情况下，扫地机器人未能识别到动态障碍物，会出现漏扫的情况。
发明内容
本发明旨在至少解决相关技术中存在的技术问题之一。为此，本发明提出一种清扫方法，在第一次清扫的过程中会对所有障碍物进行标记，检测到障碍物区域中障碍物状态发生改变时，进行第二次清扫，从而避免物体移动导致的漏扫。
本发明还提出一种清扫装置。
本发明还提出一种电子设备。
本发明还提出一种非暂态计算机可读存储介质。
本发明还提出一种计算机程序产品。
根据本发明第一方面实施例的一种清扫方法，包括：
确定目标区域；
标记所述目标区域内的障碍物，在所述目标区域内避开所述障碍物执行清扫动作；
检测所述目标区域内的障碍物的状态，确定状态改变的障碍物；
在所述状态改变的障碍物位置处执行清扫动作。
根据本发明实施例的清扫方法，首先确定了需要清扫的目标区域，然后在目标区域内执行清扫动作，同时避开障碍物并标记障碍物。检测目标区域内移动了的障碍物，当场景中存在可移动物体、用户搬动物体和开关门的情况时，判别障碍物的状态改变，前往状态改变的障碍物位置处执行清扫动作。有效避免物体移动导致的漏扫，提高动态场景下自动清扫的覆盖率。
根据本发明的一个实施例，所述标记所述目标区域内的障碍物，包括：
标记所述目标区域内的障碍物的位置、类型和形状，所述类型包括动态障碍物。
根据本发明实施例的清扫方法，通过内嵌的算法或功能识别目标区域内的障碍物，并将识别结果进行融合，获得目标区域内障碍物的位置、障碍物类型是否为动态障碍物和障碍物的形状。对障碍物的位置、类型和形状进行存储，在障碍物状态发生改变时实时检测。
根据本发明的一个实施例，所述检测所述目标区域内的障碍物的状态，确定状态改变的障碍物，包括：
检测所述目标区域内的所述动态障碍物的位置和形状；
基于位置改变或形状改变的动态障碍物，确定状态改变的动态障碍物。
根据本发明实施例的清扫方法，由于动态障碍物的状态会随着时间变化改变，因此在存在动态障碍物的场景下进行清扫时，通过实时检测障碍物的位置和形状，当位置或形状这两种状态发生改变时，能够确定对应的障碍物类别为动态障碍物。同时，检测到状态改变的动态障碍物后，可以对该区域进行补扫提高清扫覆盖度。
根据本发明的一个实施例，所述清扫动作包括第一清扫动作和第二清扫动作，其中，执行所述第一清扫动作确定的第一清扫轨迹为闭合回路，执行所述第二清扫动作确定的第二清扫轨迹能填充所述目标区域。
根据本发明的一个实施例，所述确定目标区域，包括：
执行所述第一清扫动作，基于所述第一清扫动作的清扫轨迹确定所述目标区域。
根据本发明的一个实施例，所述在所述目标区域内避开所述障碍物执行清扫动作，包括：
在所述目标区域内执行第二清扫动作；
确定遇到所述障碍物，执行第一清扫动作避开所述障碍物后继续执行第二清扫动作。
根据本发明第二方面实施例的一种清扫装置，包括：
区域划定模块，用于确定目标区域；
第一清扫模块，用于标记所述目标区域内的障碍物，在所述目标区域内避开所述障碍物执行清扫动作；
动态检测模块，用于检测所述目标区域内的障碍物的状态，确定状态改变的障碍物；
第二清扫模块，用于在所述状态改变的障碍物位置处执行清扫动作。
根据本发明实施例的清扫装置，区域划定模块首先确定了需要清扫的目标区域，第一清扫模块能够在目标区域内执行清扫动作，同时避开障碍物并标记障碍物。动态检测模块能够检测目标区域内移动了的障碍物，当场景中存在可移动物体、用户搬动物体和开关门的情况时，判别障碍物的状态改变，第二清扫模块用于令执行主体前往状态改变的障碍物位置处执行清扫动作，从而避免物体移动导致的漏扫，提高动态场景下自动清扫的覆盖率。
根据本发明第三方面实施例的一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述清扫方法。
根据本发明第四方面实施例的一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述清扫方法。
根据本发明第五方面实施例的一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现所述清扫方法。
本发明实施例中的上述一个或多个技术方案，至少具有如下技术效果之一：当场景中存在动态障碍物时，当前的静态环境清扫方法会漏扫掉动态障碍物对应的区域，本发明实施例通过识别并标记障碍物，检测状态改变的障碍物并补扫，提高了清扫的效率和避障成功率。
进一步的，对可移动障碍物区域进行检查，检查到障碍物移动时重新进行清扫，从而避免物体移动导致的漏扫，提高清扫的全地图覆盖率。
更进一步的，通过标记目标区域内的障碍物的位置、类型和形状，在动态障碍物的状态发生变化时，及时检测并记录，在当前次对目标区域的清扫任务结束后，统一对状态改变的动态障碍物进行清扫，提高清扫的实时准确性。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例或相关技术中的技术方案，下面将对实施例或相关技术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是本发明实施例提供的清扫方法流程示意图；
图2是本发明实施例提供的第一清扫轨迹和第二清扫轨迹示意图；
图3是本发明实施例提供的清扫装置结构示意图；
图4是本发明实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。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。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请实施例的至少一个实施例或示例中。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
下面结合附图和实施例对本申请的实施方式作进一步详细描述。以下实施例用于说明本申请，但不能用来限制本申请的范围。
图1示例了本发明实施例提供的清扫方法的流程示意图，该方法至少包括以下步骤：
步骤101、确定目标区域；
步骤102、标记目标区域内的障碍物，在目标区域内避开障碍物执行清扫动作；
步骤103、检测目标区域内的障碍物的状态，确定状态改变的障碍物；
步骤104、在状态改变的障碍物位置处执行清扫动作。
需要说明的是，在实际的动态应用场景中，例如人员行走、宠物移动、房门开关和家具搬动的场景下，本发明实施例方法的执行终端可以是扫地机器人、自动打扫机、智能吸尘器和机器人吸尘器等设备，在此不做限定。以下以扫地机器人为执行终端进行说明。
针对步骤101，需要说明的是，在执行清扫任务时，扫地机器人会首先在清扫场景内确定出清扫任务的目标区域，在确定目标区域时若碰到了障碍物，则会绕开检测到的障碍物并标记检测到的障碍物。在后续的清扫过程中，若在确定目标区域时检测到的障碍物为动态障碍物且位置移动，扫地机器人会重扫该区域。
针对步骤102，需要说明的是，扫地机器人自身具备目标识别、目标分割和目标跟踪的功能，通过这些功能，机器人可以在于执行清扫任务时标记目标区域的障碍物。标记出当前障碍物之后将存储至障碍物集合中，然后绕行当前障碍物清扫其余目标区域。
针对步骤103，需要说明的是，扫地机器人在每一次清扫的过程中会实时检测附近的障碍物的状态，若检测到障碍物状态发生改变，则标记出状态改变的障碍物以便下一次清洁时去查看。
针对步骤104，需要说明的是，扫地机器人可以在一次清扫任务中依次执行步骤101至步骤103，至当前目标区域清扫完成。在当前次清扫任务结束后会执行步骤104，统一对障碍物集合进行遍历，检查障碍物集合中障碍物的状态是否发生改变，若有状态物的状态发生改变，则移动至状态发生改变的障碍物位置处执行清扫动作。
另外，扫地机器人也可以在当前次清扫任务中，发现障碍物状态发生改变后立刻前往该障碍物位置执行清扫动作。比如，扫地机器人刚刚绕过当前障碍物之后立刻发现障碍物状态发生改变，则可以即刻对当前障碍物的原始位置进行清扫，不用等待全屋清扫结束后再对该处进行补扫。
根据本发明实施例的清扫方法，可以在清扫过程中检测目标区域内可移动的障碍物，并判别动态障碍物的状态是否改变。通过前往状态改变的障碍物位置处执行清扫动作，可以有效避免物体移动导致的漏扫，提高动态场景下自动清扫的覆盖率。
可以理解的是，标记目标区域内的障碍物，包括：
标记目标区域内的障碍物的位置、类型和形状。
需要说明的是，扫地机器人在遇到障碍物时会先在目标区域地图中标记障碍物等位置，然后基于扫地机器人上设置的视觉感知设备和雷达设备，可以进一步获取障碍物的类型和形状。障碍物的类型分为静态障碍物和动态障碍物，本发明实施例主要关注动态障碍物对清扫覆盖率的影响。在动态障碍物的类别下又分为很多子类别如：家具、宠物、鞋、袜子、门、垃圾桶…等等。
具体的，类型包括动态障碍物和静态障碍物，类型用于判断该障碍物是否需要检测。由于静态障碍物的位置一般不变，位置一旦确定其覆盖的区域将不会作为清扫的目标区域，因此，虽然在标记时也会标记静态障碍物，但是机器人不需要检测静态障碍物的状态，节省算力。
障碍物的类型一般由视觉感知设备采集后处理得到，其中，视觉感知设备可以是RGB相机时，扫地机器人会采集行进路线上障碍物的RGB图像数据并标记障碍物位置，通过目标识别方法输出当前采集的障碍物数据的类型。动态障碍物是指在场景中经常会发生位置移动或形状变化的障碍物，静态障碍物是指在场景中位置通常不变的障碍物，如墙壁，立柱等。
障碍物的形状一般由雷达设备采集后处理得到，雷达设备可以是旋转激光雷达，通过旋转激光雷达可以采集障碍物的点云信息，点云信息中包括障碍物的3D形状。另外还有一些障碍物信息需要结合视觉感知设备和雷达设备综合确定障碍物的类型和形状，如宠物，其动作改变会影响待清扫区域的范围。
具体的，本发明实施例构建了一种目标识别方法，采用常见的基于深度学习的目标检测模型作为基础模型，比如：卷积神经网络(Convolutional Neural Network，CNN)、R-CNN、Fast-RCNN、YOLO网络模型等。目标识别算法通过构建家居清洁领域多类别的训练集来训练目标检测模型，训练集中的标签包括：家具、人员、宠物、鞋、凳子、电线、袜子、门和垃圾桶等家居场景常见的障碍物类型。通过提取实时障碍物深度特征进行训练，最终，本发明实施例的目标识别方法能够根据视觉数据输出障碍物的类型。
另外，需要说明的是，障碍物中的门需要结合视觉感知设备和雷达设备获得的信息进行综合处理，通过视觉感知设备获得门的开或闭，在通过雷达设备获得门的开闭尺寸是否适合扫地机器人进入，获得门的位置和门的状态。其中门的开状态表示扫地机器人可以进入，门的闭状态表示扫地机器人不可以进入。在障碍物中特别标出门是因为门的开闭影响了目标区域的范围，因此，若步骤103在识别出门的状态从闭状态转为开状态时，扫地机器人需要移动至门处开始从步骤101开始重新执行目标区域的确定工作。
根据本发明实施例的清扫方法，可以在清扫过程中标记目标区域内的障碍物的位置、类型和形状，并将标记的障碍物存储在障碍物集合中。障碍物集合中并不是所有障碍物类型都是已知的，在后续的检测时，当一些障碍物的状态改变时，可以在障碍物集合中为这些障碍物标记类型为动态障碍物。通过对动态障碍物的标记，本发明实施例的方法在动态场景下，扫地机可以处理动态障碍物的位置，避免出现漏扫。
可以理解的是，检测目标区域内的障碍物的状态，确定状态改变的障碍物，包括：
检测目标区域内的动态障碍物的位置和形状；
基于位置改变或形状改变的动态障碍物，确定状态改变的动态障碍物。
需要说明的是，本发明实施例中主要对动态障碍物进行检查，障碍物的状态包括存在或不存在，特别的，对于门来说存在状态对应闭状态，不存在状态对应开状态。扫地机器人在目标区域执行清扫任务时，会实时采集在其视觉感知设备和雷达设备的感知区域内的障碍物状态。障碍物状态改变包括位置改变或形状改变，这两种改变均可能导致障碍物从原位置移开，使得障碍物状态从存在改变为不存在。障碍物状态为不存在时，扫地机器人可以对障碍物占据的区域进行重新清扫。
可以理解的是，清扫动作包括第一清扫动作和第二清扫动作，其中，执行第一清扫动作确定的第一清扫轨迹为闭合回路，执行第二清扫动作确定的第二清扫轨迹能填充目标区域。
需要说明的是，第一清扫动作可以是沿边清扫动作，具体包括沿墙壁清扫或沿障碍物边缘清扫，从起点出发最终回到起点，使得清扫轨迹形成闭合回路。第二清扫动作可以是弓形清扫动作，具体包括：扫地机器人从原点位置出发进入目标区域，开始正向行走；扫地机器人抵达待清洗区域的最右端，掉头进行反向行走；扫地机器人抵达待清洗区域的最左端，掉头进行正向行走。最终，弓形清扫动作结束后，形成的第二清扫轨迹会填充沿边清扫动作形成的第一清扫轨迹。
结合图2，可以理解的是，图中为理想状态下无障碍物时，第一清扫动作为沿边清扫，第二清扫动作为弓形清扫时最终形成的第一清扫轨迹和第二清扫轨迹。
可以理解的是，确定目标区域，包括：
执行第一清扫动作，基于第一清扫动作的清扫轨迹确定目标区域。
需要说明的是，扫地机器人通过第一清扫动作沿着环境的墙壁清扫一周，获得目标区域，目标区域即为此次清扫任务建立的地图，后续标记的障碍物位置将通过坐标形式存储在地图中。比如，扫地机器人沿着矩形房间边缘进行沿边清扫，得到的矩形的目标区域。
可以理解的是，在目标区域内避开障碍物执行清扫动作，包括：
在目标区域内执行第二清扫动作；
确定遇到障碍物，执行第一清扫动作避开障碍物后继续执行第二清扫动作。
需要说明的是，在目标区域确认后，扫地机器人会在目标区域内进行弓形清扫，一旦遇见障碍物便会沿逆时针方向对障碍物进行沿边清扫，然后继续执行弓形清扫动作。重复执行第一清扫动作和第二清扫动作后，最终会将目标区域内除障碍物覆盖区域外清扫干净。
可以理解的是，在状态改变的障碍物位置处执行清扫动作，包括三种情况，
第一种情况：障碍物移除，在障碍物占据的区域执行第二清扫动作。具体是通过弓形清扫针对障碍物的实时变化针对性地进行补扫，无需对全屋进行重扫，提高了清扫的效率。
第二种情况：障碍物轻微移动，在障碍物占据的区域执行第一清扫动作。若障碍物的位置轻微发生移动，原始被覆盖的障碍物区域并未完全暴露，此时执行第一清扫动作对暴露出的区域进行补扫即可。
第三种情况：原障碍物移除，但是有其他障碍物，此时需要结合第一清扫动作和第二清扫动作，比如，先沿边清扫确定新的障碍物边界，再弓形清扫对原边界和现边界之间的未清扫目标区域进行清扫。
需要说明的是，在状态改变的障碍物占据的区域执行第二清扫动作，
可以理解的是，在遇到障碍物时，本发明会基于第一清扫动作和第二清扫动作利用路径规划算法对第一清扫轨迹和第二清扫轨迹进行优化，尽量避免重复清扫。
示例性地，扫地机器人执行清扫方法的操控过程实施为：
步骤201、扫地机对目标区域边缘进行沿边清扫。
步骤202、扫地机在目标区域内进行弓形清扫，如果碰到障碍物则进行沿边清扫。
步骤203、在步骤201和步骤202中，将可移动障碍物oi记录到障碍物集合O中。
可移动障碍物分为三种情况：
a、如果是激光雷达可见障碍物，记录障碍物位置和点云信息。
b、如果是RGB相机识别的障碍物，记录障碍物位置和类型。
c、如果是房门，记录房门的开关状态。
步骤204、重复步骤202和步骤203，直到完成目标区域清扫。
步骤205、对O中的障碍物进行导航遍历，检测障碍物是否还存在，检测方法如下：
e、激光雷达检测的障碍物，检查点云信息是否存在。
f、RGB相机检测的障碍物，检查障碍物位置是否移动。
步骤206、如果步骤205中检测的障碍物不存在，对障碍物占据的区域进行一次弓形清扫。
需要说明的是，在上述操控过程中，将清扫任务分为了两次，第一次清扫为传统的正常清扫，但是需要标记动态障碍物位置和状态。第二次清扫为对可移动障碍物区域进行检查和补扫。通过上述方法不仅可以提高第一次清扫的效率和避障成功率，还可以提高第二次清扫的覆盖率。
下面对本发明提供的清扫装置进行描述，下文描述的清扫装置与上文描述的清洁避障方法可相互对应参照。如图3所示，本发明实施例还公开了一种清扫装置，包括：
区域划定模块301，用于确定目标区域；
第一清扫模块302，用于标记目标区域内的障碍物，在目标区域内避开障碍物执行清扫动作；
动态检测模块303，用于检测目标区域内的障碍物的状态，确定状态改变的障碍物；
第二清扫模块304，用于在状态改变的障碍物位置处执行清扫动作。
根据本发明实施例的清扫装置，区域划定模块301首先确定了需要清扫的目标区域，第一清扫模块302能够在目标区域内执行清扫动作，同时避开障碍物并标记障碍物。动态检测模块303能够检测目标区域内可移动的障碍物，当场景中存在可移动物体、用户搬动物体和开关门的情况时，判别动态障碍物的状态改变，第二清扫模块304用于令执行主体前往状态改变的障碍物位置处执行清扫动作，从而避免物体移动导致的漏扫，提高动态场景下自动清扫的覆盖率。
可以理解的是，第一清扫模块302中标记目标区域内的障碍物，包括：
标记目标区域内的障碍物的位置、类型和形状。
需要说明的是，为了本发明实施例的清扫装置能够实现，扫地机器人至少需要配置RGB摄像头、激光雷达、高性能GPU、AI芯片和存储器。比如，在扫地机器人边缘部位每隔90度角安装一个高清摄像头，用于拍摄实时视觉场景。在扫地机器人内部安装高性能GPU，用于对实时拍摄的视觉场景图像进行特征提取，图像识别。在高性能GPU内部安装AI芯片，芯片内部集成目标识别算法。扫地机器人内部安装存储器，用于存储目标区域地图和障碍物集合。
GPU可以实现障碍物状态管理、AI识别和导航规划功能。
具体的，RGB摄像头可以识别低矮的障碍物如袜子、电线等，激光雷达可以识别高大的障碍物如家具、垃圾桶等。
可以理解的是，动态检测模块303中检测目标区域内的障碍物的状态，确定状态改变的障碍物，包括：
检测目标区域内的障碍物的位置和形状；
基于位置改变或形状改变的障碍物，确定状态改变的障碍物。
可以理解的是，清扫动作包括第一清扫动作和第二清扫动作，其中，执行第一清扫动作确定的第一清扫轨迹为闭合回路，执行第二清扫动作确定的第二清扫轨迹用于遍历闭合回路。
可以理解的是，区域划定模块301中确定目标区域，包括：
执行第一清扫动作，基于第一清扫动作的清扫轨迹确定目标区域。
可以理解的是，第二清扫模块304中在目标区域内避开障碍物执行清扫动作，包括：
在目标区域内执行第二清扫动作；
确定遇到障碍物，执行第一清扫动作避开障碍物后继续执行第二清扫动作。
图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行如下方法：
确定目标区域；
标记目标区域内的障碍物，在目标区域内避开障碍物执行清扫动作；
检测目标区域内的障碍物的状态，确定状态改变的障碍物；
在状态改变的障碍物位置处执行清扫动作。
此外，上述的存储器430中的逻辑指令可以通过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，本发明的技术方案本质上或者说对相关技术做出贡献的部分或者该技术方案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，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：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。
另一方面，本发明实施例公开一种计算机程序产品，计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：
确定目标区域；
标记目标区域内的障碍物，在目标区域内避开障碍物执行清扫动作；
检测目标区域内的障碍物的状态，确定状态改变的障碍物；
在状态改变的障碍物位置处执行清扫动作。又一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的传输方法，例如包括：
确定目标区域；
标记目标区域内的障碍物，在目标区域内避开障碍物执行清扫动作；
检测目标区域内的障碍物的状态，确定状态改变的障碍物；
在状态改变的障碍物位置处执行清扫动作。
以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
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必需的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的方法。
最后应说明的是，以上实施方式仅用于说明本发明，而非对本发明的限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行各种组合、修改或者等同替换，都不脱离本发明技术方案的精神和范围，均应涵盖在本发明的范围中。
Claims (10)
1.一种清扫方法，其特征在于，包括：
确定目标区域；
标记所述目标区域内的障碍物，在所述目标区域内避开所述障碍物执行清扫动作；
检测所述目标区域内的障碍物的状态，确定状态改变的障碍物；
在所述状态改变的障碍物位置处执行清扫动作。
2.根据权利要求1所述的清扫方法，其特征在于，所述标记所述目标区域内的障碍物，包括：
标记所述目标区域内的障碍物的位置、类型和形状，所述类型包括动态障碍物。
3.根据权利要求2所述的清扫方法，其特征在于，所述检测所述目标区域内的障碍物的状态，确定状态改变的障碍物，包括：
检测所述目标区域内所述动态障碍物的位置和形状；
基于位置改变或形状改变的动态障碍物，确定状态改变的动态障碍物。
4.根据权利要求1至3任一所述的清扫方法，其特征在于，所述清扫动作包括第一清扫动作和第二清扫动作，其中，执行所述第一清扫动作确定的第一清扫轨迹为闭合回路，执行所述第二清扫动作确定的第二清扫轨迹能填充所述目标区域。
5.根据权利要求4所述的清扫方法，其特征在于，所述确定目标区域，包括：
执行所述第一清扫动作，基于所述第一清扫动作的清扫轨迹确定所述目标区域。
6.根据权利要求4所述的清扫方法，其特征在于，所述在所述目标区域内避开所述障碍物执行清扫动作，包括：
在所述目标区域内执行第二清扫动作；
确定遇到所述障碍物，执行第一清扫动作避开所述障碍物后继续执行第二清扫动作。
7.一种清扫装置，其特征在于，包括：
区域划定模块，用于确定目标区域；
第一清扫模块，用于标记所述目标区域内的障碍物，在所述目标区域内避开所述障碍物执行清扫动作；
动态检测模块，用于检测所述目标区域内的障碍物的状态，确定状态改变的障碍物；
第二清扫模块，用于在所述状态改变的障碍物位置处执行清扫动作。
8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述清扫方法。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至6任一项所述清扫方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述清扫方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210613623.0A CN114967698A (zh) | 2022-05-31 | 2022-05-31 | 清扫方法、装置、电子设备及存储介质 |
| PCT/CN2023/093307 WO2023217190A1 (zh) | 2022-05-10 | 2023-05-10 | 清洁方法、装置、清洁设备以及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210613623.0A CN114967698A (zh) | 2022-05-31 | 2022-05-31 | 清扫方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114967698A true CN114967698A (zh) | 2022-08-30 |
Family
ID=82958154
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210613623.0A Pending CN114967698A (zh) | 2022-05-10 | 2022-05-31 | 清扫方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114967698A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023217190A1 (zh) * | 2022-05-10 | 2023-11-16 | 美智纵横科技有限责任公司 | 清洁方法、装置、清洁设备以及存储介质 |
-
2022
- 2022-05-31 CN CN202210613623.0A patent/CN114967698A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023217190A1 (zh) * | 2022-05-10 | 2023-11-16 | 美智纵横科技有限责任公司 | 清洁方法、装置、清洁设备以及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111700546B (zh) | 一种移动机器人的清扫方法及移动机器人 | |
| CN104737085B (zh) | 用于自主地检测或处理地面的机器人和方法 | |
| CN108335302B (zh) | 一种区域分割方法及装置 | |
| CN108606728B (zh) | 一种扫地机器人控制方法、设备、扫地机器人及存储介质 | |
| CN112180931B (zh) | 扫地机的清扫路径规划方法、装置及可读存储介质 | |
| CN113568415B (zh) | 一种移动机器人及其沿边移动方法、计算机存储介质 | |
| CN111459153B (zh) | 动态区域划分与区域通道识别方法及清洁机器人 | |
| CN111609852A (zh) | 语义地图构建方法、扫地机器人及电子设备 | |
| CN111104933A (zh) | 地图处理方法、移动机器人及计算机可读存储介质 | |
| CN112462780A (zh) | 扫地控制方法、装置、扫地机器人及计算机可读存储介质 | |
| CN108459599A (zh) | 一种运动路径规划方法及装置 | |
| CN113741438A (zh) | 路径规划方法、装置、存储介质、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 | |
| CN110687903B (zh) | 可移动机器人受困判断方法、装置与运动控制方法、装置 | |
| CN111679664A (zh) | 基于深度相机的三维地图构建方法及扫地机器人 | |
| CN110874101A (zh) | 一种机器人清扫路径的生成方法及装置 | |
| CN111714028A (zh) | 清扫设备的禁区脱困方法、装置、设备及可读存储介质 | |
| WO2023160698A1 (zh) | 动态全覆盖路径规划方法及装置、清洁设备、存储介质 | |
| CN111726591B (zh) | 地图更新方法、装置、存储介质及电子设备 | |
| CN114967698A (zh) | 清扫方法、装置、电子设备及存储介质 | |
| CN111609853A (zh) | 三维地图构建方法、扫地机器人及电子设备 | |
| CN113080768A (zh) | 扫地机控制方法、控制设备及计算机可读存储介质 | |
| CN110084825B (zh) | 一种基于图像边缘信息导航的方法及系统 | |
| CN111309011A (zh) | 一种自主探索目标的决策方法、系统、设备及存储介质 | |
| CN114652217B (zh) | 控制方法、清洁机器人和存储介质 |
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 |