CN115007367A - 一种喷涂方法和系统 - Google Patents

Abstract

本说明书实施例提供一种喷涂方法和系统，该方法包括获取与待喷涂区域有关的参考信息；基于所述参考信息，通过喷涂模式确定模型确定喷涂机器人的喷涂模式；以及基于所述喷涂模式控制所述喷涂机器人对所述待喷涂区域进行喷涂。

Description

一种喷涂方法和系统

技术领域

本说明书涉及防磁层喷涂领域，特别涉及一种喷涂方法和系统。

背景技术

核磁共振仪在运行时会产生高强度的物理场，这些高强度的物理场会对周围的设备和人员等造成影响。物理场可以包括磁场(例如，主磁体产生的主磁场)和电磁场(例如，梯度系统产生的梯度场)中的至少一种。在一些情况下，需要对核磁共振扫描室中的部分区域或设备喷涂防磁层。现有技术中，一般采用人工操作的方式实现喷涂，人工操作的方式不但费时费力，喷涂的工作效率较低，且喷涂材料有一定毒性，不适合人工长期喷涂。

因此，需要提供一种喷涂方法和系统，减少喷涂对施工人员的身体伤害，并提高喷涂效率及效果。

发明内容

本说明书实施例之一提供一种喷涂。所述方法包括：获取与待喷涂区域有关的参考信息；基于所述参考信息，通过喷涂模式确定模型确定喷涂机器人的喷涂模式；以及基于所述喷涂模式控制所述喷涂机器人对所述待喷涂区域进行喷涂。

在一些实施例中，所述方法进一步包括：获取核磁共振仪运行时扫描室中的物理场分布信息；以及基于所述物理场分布信息，确定所述扫描室中的所述待喷涂区域。

在一些实施例中，所述获取核磁共振仪运行时扫描室中的物理场分布信息，包括：获取所述核磁共振仪的物理场发射模型以及所述扫描室中各个区域的电磁特征；利用物理场仿真模型基于所述物理场发射模型和各个区域的电磁特征确定所述核磁共振仪运行时所述扫描室的物理场分布信息。

在一些实施例中，所述基于所述物理场分布信息，确定所述扫描室中的所述待喷涂区域，包括：通过区域确定模型基于物理场分布信息，确定所述扫描室中的待喷涂区域，和/或，基于所述核磁共振仪运行时所述扫描室中的各个位置处的物理场强度及预设强度阈值，确定所述扫描室中的待喷涂区域。

在一些实施例中，所述获取与待喷涂区域有关的参考信息包括以下的至少一种：通过激光雷达设备获取所述待喷涂区域的点云数据、通过图像采集装置拍摄所述待喷涂区域的图像，及通过测距仪获取所述待喷涂区域内的物品的位置信息。

在一些实施例中，所述参考信息包括所述待喷涂区域的材质信息、形状信息、位置信息、图像数据、点云数据、深度数据、待喷涂区域内的物品有关的信息等中的一个或其任意组合。

在一些实施例中，所述喷涂模式包括自动喷涂模式、人工喷涂模式、对应不同喷涂区域的不同喷涂模式、对应不同喷涂轨迹的不同喷涂模式。在一些实施例中，所述基于所述参考信息，利用喷涂模式确定模型确定喷涂机器人的喷涂模式包括：基于所述参考信息，利用所述喷涂模式确定模型确定所述待喷涂区域中的一个或多个目标区域；以及基于所述一个或多个目标区域，确定所述喷涂机器人的喷涂模式，其中所述喷涂机器人对所述一个多个目标区域进行喷涂时，所述喷涂模式由自动喷涂模式切换为人工喷涂模式。

在一些实施例中，所述基于所述参考信息，利用所述喷涂模式确定模型确定所述待喷涂区域中的一个或多个目标区域包括：基于所述参考信息，建立所述待喷涂区域对应的待喷涂区域三维模型及喷涂机器人三维模型；设定喷涂模式；通过所述待喷涂区域三维模型及所述喷涂机器人三维模型基于设定的喷涂模式模拟喷涂过程；基于模拟结果，确定所述一个或多个目标区域。

在一些实施例中，所述方法进一步包括：响应于所述喷涂模式切换为人工喷涂模式，通过虚拟现实设备向用户显示与所述待喷涂区域对应的虚拟场景；接受所述用户利用所述虚拟现实设备输入的操控指令；以及基于所述操控指令控制所述喷涂机器人对所述一个多个目标区域进行喷涂。

在一些实施例中，所述方法进一步包括：在进行实际喷涂前利用所述虚拟现实设备进行模拟喷涂；根据模拟结果设计喷涂方案。

在一些实施例中，所述虚拟场景包括与所述喷涂机器人对应的喷涂机器人模型和与所述待喷涂区域对应的待喷涂区域模型；所述虚拟现实设备包括控制件和显示件，所述显示件用于显示所述虚拟场景，所述控制件用于获取所述用户的操控指令，所述方法进一步包括：基于所述操控指令，控制所述喷涂机器人模型执行相应的动作，并更新所述待喷涂区域模型；以及基于所述更新后的待喷涂区域模型，更新所述虚拟场景。

在一些实施例中，所述方法进一步包括：基于所述待喷涂区域的三维扫描数据生成所述待喷涂区域模型；基于所述喷涂机器人或其一部分的三维扫描数据生成所述喷涂机器人模型。

在一些实施例中，所述基于所述操控指令，控制所述喷涂机器人模型执行相应的动作，并更新所述待喷涂区域模型，包括：通过所述控制件接受用户输入的移动轨迹；基于所述移动轨迹生成控制信号；根据所述控制信号控制现实场景中的喷涂机器人，使所述喷涂机器人按照该移动轨迹完成用户指定的动作；基于所述移动轨迹控制虚拟场景中的喷涂机器人模型执行相应的动作，并更新所述待喷涂区域模型；并基于所述操控指令，预测所述待喷涂区域的变化，基于预测的所述待喷涂区域的变化更新所述待喷涂区域模型。

在一些实施例中，所述喷涂机器人上安装有图像采集装置，所述参考信息包括由所述图像采集装置在喷涂前采集的所述待喷涂区域的第一图像数据。

在一些实施例中，所述方法进一步包括：利用喷涂质量检测件采集所述待喷涂区域的喷涂质量信息；以及基于所述喷涂质量信息，确定所述待喷涂区域的喷涂质量。

在一些实施例中，所述方法进一步包括：基于所述待喷涂区域的喷涂质量生成训练数据；基于所述训练数据对所述喷涂模式确定模型进行更新。

在一些实施例中，所述基于所述待喷涂区域的喷涂质量生成训练数据，包括：根据所述待喷涂区域的样本参考信息生成训练样本；根据所述待喷涂区域的喷涂质量确定标签。

本说明书实施例之一提供一种喷涂系统，所述系统包括信息获取模块，用于获取与待喷涂区域有关的参考信息；模式确定模块，用于基于所述参考信息，通过喷涂模式确定模型确定喷涂机器人的喷涂模式；喷涂控制模块，用于基于所述喷涂模式控制所述喷涂机器人对所述待喷涂区域进行喷涂。

在一些实施例中，所述方法进一步包括：利用图像采集装置在喷涂后采集所述待喷涂区域的第二图像数据；基于所述第二图像数据，利用质量检测模型确定所述待喷涂区域的喷涂质量。

本说明书实施例之一提供一种喷涂装置，包括处理器，所述处理器用于执行喷涂方法。

本说明书实施例之一提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行喷涂方法。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的喷涂系统的应用场景示意图；

图2是根据本说明书一些实施例所示的喷涂系统的示例性框图；

图3是根据本说明书一些实施例所示的喷涂方法的示例性流程图；

图4是根据本说明书一些实施例所示的用户通过虚拟现实设备控制喷涂机器人对一个多个目标区域进行喷涂的示例性流程图；

图5是根据本说明书一些实施例所示的更新虚拟场景的示例性流程图；

图6是根据本说明书一些实施例所示的更新喷涂模式确定模型的示例性流程图。

其中，100、应用场景；110、处理设备；120、网络；130、待喷涂区域；140、喷涂机器人；150、用户；170、喷涂质量检测件；141、底座；142、机械臂；143、喷头；144、行走组件；162、控制件；161、显示件；200、喷涂系统；210、信息获取模块；220、模式确定模块；230、喷涂控制模块；240、区域确定模块；250、质量确定模块；610、确定模型；620、待喷涂区域的喷涂模式；630、喷涂质量检测件；640、喷涂质量信息；650、喷涂质量；510、显示件；520、用户；530、控制件；540、喷涂机器人模型；550、待喷涂区域模型。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

图1是根据本说明书一些实施例所示的喷涂系统的应用场景100示意图。

如图1所示，应用场景100可以包括处理设备110、网络120、待喷涂区域130、喷涂机器人140、用户150、虚拟现实设备、喷涂质量检测件170。应用场景100可以通过实施本说明书中披露的方法和/或过程进行喷涂。

处理设备110可以用于处理来自应用场景100的至少一个组件或外部数据源(例如，云数据中心)的数据和/或信息。例如，处理设备110可以通过网络120或者直接从喷涂机器人140、虚拟现实设备、喷涂质量检测件170访问数据和/或信息。处理设备110可以对获取的数据和/或信息进行处理。例如，处理设备110可以获取与待喷涂区域130有关的参考信息；基于参考信息，通过喷涂模式确定模型确定喷涂机器人140的喷涂模式；以及基于喷涂模式控制喷涂机器人140对待喷涂区域130进行喷涂。在一些实施例中，处理设备110可以是单个服务器或服务器组。处理设备110可以是本地的、远程的。

网络120可以包括提供能够促进应用场景100的信息和/或数据交换的任何合适的网络。在一些实施例中，应用场景100的一个或多个组件(例如，处理设备110、喷涂机器人140、用户150、虚拟现实设备、喷涂质量检测件170)之间可以通过网络120交换信息和/或数据。在一些实施例中，网络120可以是有线网络或无线网络中的任意一种或多种。在一些实施例中，网络120可以包括一个或以上网络接入点。例如，网络120可以包括有线或无线网络接入点，例如，基站和/或网络交换点，通过这些网络接入点，应用场景100的一个或多个组件可连接到网络120以交换数据和/或信息。

待喷涂区域130可以为需要被喷涂材料的区域，例如，用于放置核磁共振仪的扫描室中的墙、天花板、地面、电子设备(如柜机)等。其中，喷涂至待喷涂区域130的材料可以为反射材料，反射材料被喷涂至待喷涂区域130上后，可以在待喷涂区域130的表面形成防磁层，核磁共振仪发出的电磁波被防磁层反射回去，从而减少待喷涂区域130中的物理场会对待喷涂区域130或者其后的活体和/或电子设备产生的影响。在一些实施例中，反射材料可以包括纯铁、硅钢或铁镍合金中的至少一种。在一些实施例中，喷涂至待喷涂区域130的材料还可以是其他材料，例如，装饰涂料，示例地，水溶性涂料、乳胶漆涂料等。

喷涂机器人140为用于对待喷涂区域130喷涂材料的设备。在一些实施例中，喷涂机器人140可以包括有底座141、机械臂142、喷头143、控制器、储料箱(图中未示出)及导料管(图中未示出)。机械臂142、控制器及储料箱可以安装在底座141上，喷头143及导料管可以安装在机械臂142上。储料箱可以用于存储喷涂材料，导料管的一端可以与储料箱导通连接，导料管的另一端可以与喷头143导通连接。

在一些实施例中，底座141可以包括行走组件144，行走组件144可以在控制器输出的控制指令下调整底座141的位置，从而调整喷头143喷涂的位置。机械臂142可以在控制器输出的控制指令下调整姿态，从而调整喷头143喷涂的角度和/或位置。需要进行喷涂时，控制器实时调整机械臂142的姿态和/或通过行走组件144调整底座141的位置，从而将调整喷头143至对准待喷涂区域130，并且，储料箱中的喷涂材料经过导料管从喷头143被喷涂至待喷涂区域130。

在一些实施例中，控制器可以包括微控制器、微处理器、精简指令集计算机(RISC)、专用集成电路(ASIC)、应用特定指令集处理器(ASIP)、中央处理器(CPU)、图形处理单元(GPU)、物理处理单元(PPU)、微控制器单元、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、高级RISC机(ARM)、可编程逻辑器件以及能够执行一个或多个功能的任何电路和处理器等，或其任意组合。

在一些实施例中，喷涂机器人140可以包括自动定位设备(例如，蓝牙定位装置、UWB定位装置、WiFi定位装置等)，自动定位设备可以用于实时获取喷涂机器人140的位置。在一些实施例中，控制器可以根据喷涂机器人140的实时位置确定喷涂路径上的多个喷涂轨迹点的喷涂顺序。例如，越靠近喷涂机器人的当前位置的喷涂轨迹点的喷涂顺序越靠前。

在一些实施例中，处理设备110可以通过网络120与控制器进行数据和/或信息的交互，完成待喷涂区域的喷涂。例如，处理设备110可以通过网络120将通过喷涂模式确定模型确定的喷涂机器人的喷涂模式发送至控制器，控制器可以基于该喷涂模式控制喷涂机器人对待喷涂区域进行喷涂。

喷涂质量检测件170可以为用于获取喷涂质量信息。喷涂质量信息可以包括用于评估喷涂机器人140对待喷涂区域130的喷涂质量的信息，例如，喷涂后的待喷涂区域的图像信息、喷涂层(例如，防磁层)硬度、喷涂层(例如，防磁层)厚度等信息。在一些实施例中，喷涂质量检测件170可以包括硬度检测件，硬度检测件用于获取喷涂层硬度。在一些实施例中，硬度检测件可以为超声波硬度计、里氏硬度计、洛氏硬度计、布氏硬度计等。在一些实施例中，喷涂质量检测件170可以包括图像采集装置，图像采集装置可以用于获取喷涂后的待喷涂区域的图像信息。在一些实施例中，喷涂质量检测件170还可以包括其他用于获取喷涂质量的设备，例如，超声波测厚仪、红外测厚仪等。

在一些实施例中，喷涂质量检测件170可以安装在喷涂机器人140上。例如，喷涂质量检测件170可以安装在喷涂机器人140的机械臂142上。在一些实施例中，喷涂机器人140可以包括两个机械臂，用于分别安装喷涂质量检测件170和喷头143。在一些实施例中，喷涂质量检测件170独立于喷涂机器人，安装在检测机器人(图中未示出)上。与喷涂机器人相似，检测机器人可以包括底座、机械臂、控制器和行走组件，检测机器人的机械臂和控制器可以设置在检测机器人的底座上，喷涂质量检测件170可以安装检测机器人的机械臂上，检测机器人的底座可以安装在行走组件上，检测机器人的控制器可以通过网络120与处理设备110进行数据和/或信息的交互。

在一些实施例中，用户可以在实际喷涂中佩戴虚拟现实设备，以实现对喷涂机器人140的监控和/或控制。在一些实施例中，虚拟现实设备可以包括控制件162及显示件161。显示件161可以用于显示与待喷涂区域130对应的虚拟场景，以使用户了解喷涂的实施进程。控制件162可以接受用户输入的操控指令，例如喷涂开始指令、喷涂停止指令、喷头位置调整指令、质量检测指令等。喷涂机器人140可以基于该操控指令对待喷涂区域130进行喷涂。在一些实施例中，用户可以在进行实际喷涂前利用虚拟现实设备进行模拟喷涂，从而根据模拟结果设计喷涂方案，例如确定不同区域的喷涂顺序等。在一些实施例中，显示件161可以包括虚拟实境头盔、虚拟实境眼镜、虚拟实境眼罩、增强实境头盔、增强实境眼镜、增强实境眼罩等或以上任意组合。在一些实施例中，控制件162可以包括手柄、动作捕捉系统、手套、触控笔等。

应当注意应用场景100仅仅是为了说明的目的而提供的，并不意图限制本说明书的范围。对于本领域的普通技术人员来说，可以根据本说明书的描述，做出多种修改或变化。例如，应用场景100还可以包括数据库。然而，这些变化和修改不会背离本说明书的范围。

在一些实施例中，应用场景100可以包括一个或多其他组件，或者省略上文所述的一个或多个组件。例如，应用场景100可以进一步包括图像采集装置，用于在喷涂前、喷涂后和/或喷涂过程中采集待喷涂区域130的图像数据。可选的，图像采集装置可以安装在喷涂机器人140(例如，机械臂142)上。又例如，喷涂质量检测件170和/或虚拟现实设备可以省略。在一些实施例中，处理设备110可以是其他组件(例如，喷涂机器人140或虚拟现实设备)的一部分。例如，处理设备110和喷涂机器人140的控制器可以集成为同一组件。

图2是根据本说明书一些实施例所示的喷涂系统200的示例性框图。

如图2所示，喷涂系统200可以包括信息获取模块210、模式确定模块220及喷涂控制模块230。

信息获取模块210可以用于获取与待喷涂区域有关的参考信息。

模式确定模块220可以用于基于参考信息，通过喷涂模式确定模型确定喷涂机器人的喷涂模式。在一些实施例中，模式确定模块220可以用于基于参考信息，利用喷涂模式确定模型确定待喷涂区域中的一个或多个目标区域；以及基于一个或多个目标区域，确定喷涂机器人的喷涂模式，其中喷涂机器人对一个多个目标区域进行喷涂时，喷涂模式由自动喷涂模式切换为人工喷涂模式。

喷涂控制模块230可以用于基于喷涂模式控制喷涂机器人对待喷涂区域进行喷涂。在一些实施例中，喷涂控制模块230可以用于响应于喷涂模式切换为人工喷涂模式，通过虚拟现实设备向用户显示与待喷涂区域对应的虚拟场景；接受用户利用虚拟现实设备输入的操控指令；以及基于操控指令控制喷涂机器人对一个多个目标区域进行喷涂。

在一些实施例中，喷涂系统200还可以包括区域确定模块240，区域确定模块240可以用于获取核磁共振仪运行时扫描室中的物理场分布信息，基于物理场分布信息，确定扫描室中的待喷涂区域。

在一些实施例中，喷涂系统200还可以包括质量确定模块250，质量确定模块250可以用于利用喷涂质量检测件采集待喷涂区域的喷涂质量信息；以及基于喷涂质量信息，确定待喷涂区域的喷涂质量。在一些实施例中，质量确定模块250可以用于基于喷涂质量信息生成训练数据；基于训练数据对喷涂模式确定模型进行更新。在一些实施例中，质量确定模块250可以用于利用图像采集装置在喷涂后采集待喷涂区域的第二图像数据；基于第二图像数据，利用质量检测模型确定待喷涂区域的喷涂质量。

需要注意的是，以上对于喷涂系统200及其模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。在一些实施例中，图2中披露的信息获取模块210、模式确定模块220、喷涂控制模块230、区域确定模块240及质量确定模块250可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本说明书的保护范围之内。

图3是根据本说明书一些实施例所示的喷涂方法的示例性流程图。如图3所示，流程300包括下述步骤。在一些实施例中，流程300可以由喷涂系统200执行。

步骤310，可以获取与待喷涂区域有关的参考信息。在一些实施例中，信息获取模块210可以用于执行步骤310。

待喷涂区域130可以为需要被喷涂材料的区域。例如，待喷涂区域130可以是核磁共振扫描室中需要喷涂防磁涂层的区域。关于待喷涂区域的更多描述可以参见图1及其相关说明，此处不再赘述。

在一些实施例中，区域确定模块240可以通过任意可行的方式确定待喷涂区域。例如，区域确定模块240可以接收用户(例如，用户150)指定的待喷涂区域。仅作为示例，区域确定模块240可以通过图像采集装置采集核磁共振扫描室的图像，并基于采集的核磁共振扫描室的图像构建核磁共振扫描室对应的虚拟场景。用户可以在虚拟场景中选择目标区域。区域确定模块240可以将核磁共振扫描室中与用户在虚拟场景中选择的目标区域相对应的区域作为待喷涂区域。在一些实施例中，步骤310可以包括：当需要对用于放置核磁共振仪的扫描室进行喷涂时，区域确定模块240可以先获取核磁共振仪运行时扫描室中的物理场分布信息，再基于物理场分布信息，确定扫描室中的待喷涂区域。

物理场分布信息可以为核磁共振仪运行时扫描室中的各个位置处的物理场强度。在一些实施例中，区域确定模块240可以直接从外部数据源获取物理场分布信息。在一些实施例中，区域确定模块240可以通过物理场强度获取装置获取物理场分布信息。物理场强度获取装置可以为用于测量物理场强度的设备。例如，可以在核磁共振仪运行时，通过物理场强度获取装置获取扫描室中的各个位置处的物理场强度，从而确定扫描室的物理场分布信息。在一些实施例中，区域确定模块240可以通过数据分析预测核磁共振仪运行时扫描室的物理场分布信息。仅作为示例，区域确定模块240基于有限元分析(Finite ElementAnalysis,FEA)方法来进行磁共振物理场仿真，以确定核磁共振仪所在的扫描室中物理场分布信息。基于有限元分析的物理场仿真主要是将2D或3D环境表示分解为一系列节(nodes)或点(points)，在每次计算中，需要计算相邻节或点的值，并通过一系列不同的算法进行迭代计算以确定物理场分布信息。

又例如，区域确定模块240获取核磁共振仪的物理场发射模型以及扫描室中各个区域的电磁特征，并利用物理场仿真模型确定核磁共振仪运行时扫描室的物理场分布信息。物理场发射模型可以表示核磁共振仪运行时的物理场发射特征。例如，物理场发射模型可以包括其在运行时向不同距离的位置发射的物理场的强度。在一些实施例中，可以使用物理场强度等高线图来表示物理场发射模型。在物理场强度等高线图中，核磁共振仪发射的物理场强度相等或者相近的位置点会被相连形成闭合曲线，不同闭环曲线上会标注对应的物理场强度。在一些实施例中，物理场强度等高线图可以是三维等高线图或二维等高线图。区域电磁特征可以包括该区域的物理场吸收特征和物理场反射特征中的至少一种，例如，物理场吸收率和物理场反射率。物理场仿真模型可以是用于确定物理场分布的模型，物理场仿真模型可以包括卷积神经网络(Convolutional Neural Networks,CNN)、残差网络(Residual Network,ResNet)等。在一些实施例中，区域确定模块240可以将核磁共振仪的物理场发射模型以及扫描室中各个区域的电磁特征输入至物理场仿真模型，物理场仿真模型可以输出与物理场分布有关的信息。例如，物理场仿真模型可以输出每个区域对应的物理场强度。区域确定模块240可以基于每个区域对应的物理场强度，确定物理场分布。

在一些实施例中，处理设备可以根据核磁共振仪的一个或多个用于发射磁场和/或电磁场的部件的性能参数，确定物理场发射模型。例如，处理设备可以获取核磁共振仪运行时，主磁体发射到不同位置的磁场强度和/或梯度系统能够发射到不同位置的最大电磁场强度(即，最大梯度场强度)。对扫描室中的每个位置，处物设备可以将该位置处的磁场强度和/或最大电磁场强度之和作为该位置的物理场强度，从而可以确定物理场发射模型。

根据本说明书的一些实施例，利用机器学习算法训练生成物理场仿真模型，可以利用其从大数据中学习物理场仿真的最优机制，挖掘各种维度的数据(例如，扫描室中各区域的位置信息、电磁特征、核磁共振仪的特征信息)之间的关系。这种关系往往包括传统物理场仿真方法或者人工确定物理场分布方法难以获得的深层关系。因此使用物理场仿真模型可以提高获得的物理场分布的准确度。

在一些实施例中，区域确定模块240可以通过任意可行的方式基于物理场分布信息，确定扫描室中的待喷涂区域。例如，区域确定模块240通过区域确定模型基于物理场分布信息，确定扫描室中的待喷涂区域。其中，区域确定模型为用于确定扫描室中的待喷涂区域的机器学习模型，区域确定模型的输入为核磁共振仪运行时扫描室中的物理场分布信息，区域确定模型的输出为扫描室中的待喷涂区域。区域确定模型可以包括卷积神经网络(CNN)、循环神经网络(RNN)、多层神经网络(MLP)、对抗神经网络(GAN)等一种或多种的组合。

在一些实施例中，区域确定模块240可以基于第一训练样本更新第一初始模型的参数，直至训练后的第一初始模型满足预设条件，得到训练好的区域确定模型。第一训练样本可以包括样本扫描室的样本物理场分布信息，第一训练样本的标签为样本物理场分布信息对应的待喷涂区域。预设条件可以为损失函数收敛、损失函数值小于预设值或迭代次数大于预设次数等。在一些实施例中，第一训练样本的标签可以通过任意方式获取，例如，通过人工确定第一训练样本的标签，又例如，通过外部数据源获取第一训练样本的标签。

根据本说明书的一些实施例，利用机器学习算法训练生成区域确定模型，可以挖掘各种维度的数据(例如，物理场分布信息、待喷涂区域等)之间的关系。这种关系往往包括传统待喷涂区域确定方法或者人工确定待喷涂区域方法难以获得的深层关系。因此使用区域确定模型可以提高获得的待喷涂区域的准确度。

又例如，区域确定模块240可以将核磁共振仪运行时扫描室中的各个位置处的物理场强度与预设强度阈值进行比较，将物理场强度大于该预设强度阈值的位置作为目标位置，多个目标位置可以组成待喷涂区域。可以理解的，扫描室中的各个位置对应的预设强度阈值可以相同或不同。

在一些实施例中，通过获取核磁共振仪运行时扫描室中的物理场分布信息，可以较为快速准确地基于物理场分布信息，确定扫描室中需要进行喷涂的待喷涂区域。进一步地，可以有效防止核磁共振仪运行时对用户或其他设备产生影响。

参考信息可以包括与待喷涂区域相关的信息。例如，待喷涂区域的材质信息、形状信息、位置信息、图像数据、点云数据、深度数据、待喷涂区域内的物品有关的信息等中的一个或其任意组合。

例如，信息获取模块210可以指示激光雷达设备扫描待喷涂区域，获取待喷涂区域的点云数据。又例如，信息获取模块210可以指示双目摄像机或TOF(Time of FightCamera)相机拍摄待喷涂区域的深度图像。再例如，待喷涂区域内的物品可以为位于待喷涂区域内的物品，例如，柜机。信息获取模块210可以指示超声波测距仪、激光测距仪等设备获取待喷涂区域内的物品的位置信息。

在一些实施例中，参考信息可以包括待喷涂区域的第一图像数据。第一图像数据的格式可以为Joint Photographic Experts Group(JPEG)、Tagged Image File Format(TIFF)、Graphics Interchange Format(GIF)等。第一图像数据可以是二维(2D，two-dimensional)图像或三维(3D，three-dimensional)图像。在一些实施例中，信息获取模块210可以通过第一图像采集装置获取待喷涂区域的第一图像数据。第一图像采集装置可以包括双目摄像机、TOF(Time of Fight Camera)相机、黑白相机、彩色相机、扫描仪等中的一个或其任意组合。在一些实施例中，图像采集装置可以直接安装在待喷涂区域。在一些实施例中，第一图像采集装置可以安装在喷涂机器人140或检测机器人上。

在一些实施例中，执行流程300的步骤310之前，用户可以通过虚拟现实设备进行模拟喷涂，并根据模拟喷涂的结果制定喷涂计划，完成喷涂计划制定后再执行步骤310。关于用户通过虚拟现实设备进行模拟喷涂的更多描述可以参见图4及其相关描述，此处不再赘述。

步骤320，基于参考信息，通过喷涂模式确定模型确定喷涂机器人的喷涂模式。在一些实施例中，步骤320可以由模式确定模块220执行。

喷涂模式可以表征喷涂机器人(例如，喷涂机器人140)对待喷涂区域进行喷涂的方式。在一些实施例中，喷涂模式可以包括自动喷涂模式、人工喷涂模式、对应不同喷涂区域的不同喷涂模式(例如，天花板喷涂模式、墙面喷涂模式、转角喷涂模式等)、对应不同喷涂轨迹的不同喷涂模式(例如，直线形轨迹喷涂模式、直线锯齿形轨迹喷涂模式、直线往复形轨迹喷涂模式、曲线Z形轨迹喷涂模式、曲线锯齿形轨迹喷涂模式，曲线往复形轨迹喷涂模式等)等。

自动喷涂模式是指喷涂机器人不需要人为干预对待喷涂区域自动进行喷涂的方式；人工喷涂模式是指喷涂机器人需要人为干预对待喷涂区域进行喷涂的方式。

在一些实施例中，当喷涂机器人以自动喷涂模式进行喷涂时，处理设备110和/或喷涂机器人的控制器可以自动确定喷涂策略，包括待喷涂区域的喷涂轨迹、喷涂轨迹上每个喷涂轨迹点的喷涂厚度、每个喷涂轨迹点的喷涂时间等。控制器可以根据自动生成的喷涂策略控制喷涂机器人的机械臂和喷涂等，以完成喷涂。

在一些实施例中，当喷涂机器人以人工喷涂模式进行喷涂时，用户(例如，用户150)可以远程发送操控指令控制喷涂机器人。例如，用户可以通过虚拟现实设备或其他终端发送实时操控指令至喷涂机器人，喷涂机器人按照该操控指令对待喷涂区域(例如，目标区域)进行喷涂，直至人工喷涂模式结束。又例如，当喷涂机器人以人工喷涂模式进行喷涂时，喷涂机器人可以先自动确定喷涂策略。喷涂机器人按照该喷涂策略对待喷涂区域进行喷涂的过程中，用户可以通过虚拟现实设备或其他终端发送操控指令至喷涂机器人，喷涂机器人按照该操控指令对待喷涂区域(例如，目标区域)进行喷涂。该喷涂指令结束后，喷涂机器人可以按照喷涂策略进行剩余的喷涂工作。

在一些实施例中，模式确定模块220可以基于当前喷涂区域的类型确定喷涂机器人的喷涂模式，例如，当前喷涂区域为天花板时，喷涂机器人的喷涂模式可以为天花板喷涂模式，当前喷涂区域切换为墙面时，模式确定模块220可以将喷涂机器人的喷涂模式从天花板喷涂模式切换为墙面喷涂模式。又例如，当前喷涂区域为平面时，喷涂机器人的喷涂模式可以为直线往复形轨迹喷涂模式，当前喷涂区域从平面切换为曲面时，模式确定模块220可以将喷涂机器人的喷涂模式从直线往复形轨迹喷涂模式切换为曲线往复形轨迹喷涂模式。又例如，当前喷涂区域结构较为简单时，喷涂机器人的喷涂模式可以为自动喷涂模式，当前喷涂区域结构较为复杂时，喷涂机器人的喷涂模式可以为人工喷涂模式。

喷涂模式确定模型为用于确定喷涂机器人的喷涂模式的机器学习模型，喷涂模式确定模型的输入为与待喷涂区域有关的参考信息。在一些实施例中，喷涂模式确定模型的输出可以直接为待喷涂区域对应的喷涂模式。在一些实施例中，喷涂模式确定模型的输出为可以用于确定喷涂机器人的喷涂模式的信息，例如，每种喷涂模式对应的喷涂效果、待喷涂区域中不同子区域的喷涂难度、待喷涂区域中喷涂难度较大的目标区域等。喷涂模式确定模型可以包括卷积神经网络(CNN)、循环神经网络(RNN)、多层神经网络(MLP)、对抗神经网络(GAN)等一种或多种的组合。

在一些实施例中，喷涂模式确定模型可以利用模型训练过程生成。模型训练过程可以包括获取第二初始模型和获取至少两个第二训练样本。每个第二训练样本包括与样本待喷涂区域有关的样本参考信息，第二训练样本的标签为该样本待喷涂区域对应的喷涂模式(例如，样本待喷涂区域中哪些区域对应人工喷涂模式)或样本喷涂区域中不同子区域的喷涂难度等。模型训练过程可以进一步包括通过利用至少两个第二训练样本训练初始喷模型，以生成喷涂模式确定模型。第二初始模型的训练与第一初始模型的训练相似，关于训练第二初始模型的更多描述可以参见第一初始模型的相关描述，此处不再赘述。

在一些实施例中，模式确定模块220可以将与待喷涂区域有关的参考信息输入至喷涂模式确定模型，喷涂模式确定模型直接输出该待喷涂区域对应的喷涂模式。

在一些实施例中，模式确定模块220可以先基于参考信息，利用喷涂模式确定模型确定待喷涂区域中的一个或多个目标区域，再基于一个或多个目标区域确定喷涂机器人的喷涂模式。

在一些实施例中，目标区域可以是喷涂难度较大的区域(例如，转角区域、高空区域、非平面区域、障碍物较多等)。若喷涂机器人按照自动喷涂模式对目标区域进行喷涂，可能会导致喷涂效果较差。喷涂机器人对待喷涂区域中目标区域以外的区域进行喷涂时，喷涂机器人的喷涂模式可以是自动喷涂模式；喷涂机器人对待喷涂区域的一个或多个目标区域进行喷涂时，喷涂模式可以由自动喷涂模式切换为人工喷涂模式。可以理解的，通过人工喷涂模式对目标区域进行喷涂，可以有效提高目标区域的喷涂效果。

此时，喷涂模式确定模型可以不直接用于确定喷涂机器人的喷涂模式，而用于确定与待喷涂区域中的一个或多个目标区域有关的信息。例如，喷涂模式确定模型的输入为与待喷涂区域有关的参考信息，喷涂模式确定模型的输出可以是待喷涂区域中不同子区域的喷涂难度，模式确定模块220可以基于喷涂难度从子区域中确定难度超过一定程度的目标区域。

在一些实施例中，模式确定模块220可以通过模拟喷涂过程，来确定目标区域。例如，模式确定模块220基于该模拟喷涂过程，来确定喷涂机器人喷涂较为困难或喷涂质量较差的区域，将其作为目标区域。

仅作为示例地，模式确定模块220可以基于待喷涂区域的参考信息(例如，待喷涂区域的扫描数据)建立待喷涂区域对应的待喷涂区域三维模型，并基于与喷涂机器人相关的信息(例如，喷涂机器人的扫描数据)建立喷涂机器人三维模型。模式确定模块220可以基于预设的喷涂模式(例如，自动喷涂模式、天花板喷涂模式、墙面喷涂模式、转角喷涂模式等)，利用喷涂机器人三维模型和待喷涂区域三维模型模拟喷涂的过程。用户或者模式确定模块220可以根据该模拟过程，确定机器人喷涂较为困难或喷涂质量较差的区域，并将其作为目标区域，喷涂机器人对待喷涂区域的一个或多个目标区域进行喷涂时，喷涂模式可以由自动喷涂模式切换为人工喷涂模式。

在一些实施例中，目标区域还可以为其他区域，例如，目标区域可以为包括特定喷涂物的区域。特定喷涂物可以为天花板、电子设备(如柜机)等。

根据本说明书的一些实施例，利用机器学习算法训练生成喷涂模式确定模型，可以挖掘各种维度的数据(例如，待喷涂区域的参考信息、喷涂机器人的喷涂模式或待喷涂区域中不同子区域的喷涂难度等)之间的关系。这种关系往往包括传统喷涂机器人的喷涂模式确定方法或者人工确定喷涂机器人的喷涂模式方法难以获得的深层关系。因此使用喷涂模式确定模型可以提高获得的喷涂机器人的喷涂模式的准确度。

步骤330，可以基于喷涂模式控制喷涂机器人对待喷涂区域进行喷涂。在一些实施例中，步骤330可以由喷涂控制模块230执行。

在一些实施例中，当喷涂机器人以人工喷涂模式进行喷涂时，用户可以通过虚拟现实设备控制喷涂机器人对一个多个目标区域进行喷涂。关于用户通过虚拟现实设备控制喷涂机器人对一个多个目标区域进行喷涂的更多描述可以参见图4及其相关描述，此处不再赘述。

在一些实施例中，流程300还可以包括步骤340，利用喷涂质量检测件采集待喷涂区域的喷涂质量信息。在一些实施例中，步骤340可以由质量确定模块250执行。

喷涂质量检测件可以为用于获取喷涂质量信息。喷涂质量信息可以包括用于评估喷涂机器人对待喷涂区域的喷涂质量的信息，例如，喷涂后的待喷涂区域的图像信息、喷涂层(例如，防磁层)硬度、喷涂层(例如，防磁层)厚度等信息。关于喷涂质量检测件及喷涂质量信息的更多描述可以参见图1及其相关描述，此处不再赘述。

在一些实施例中，为了使得获取的喷涂质量信息更加准确，喷涂质量检测件可以在喷涂机器人完成喷涂后，相隔一段时间后再获取待喷涂区域的喷涂质量信息。例如，喷涂质量检测件可以在喷涂机器人完成喷涂后，待喷涂区域内喷涂的反射材料固化后再测量喷涂层(例如，防磁层)的厚度。

在一些实施例中，流程300还可以包括步骤350，基于喷涂质量信息，确定待喷涂区域的喷涂质量。在一些实施例中，步骤350可以由质量确定模块250执行。

喷涂质量可以表征喷涂机器人对待喷涂区域的喷涂效果。在一些实施例中，喷涂质量可以由任意形式表示，例如，数值、等级、颜色等。例如，数值越大表示喷涂质量越好。又例如，红色表示喷涂质量优秀、黄色表示喷涂质量合格，灰色表示喷涂质量不合格。

在一些实施例中，质量确定模块250可以通过任意可行的方式分析喷涂质量信息，确定待喷涂区域的喷涂质量。

例如，质量确定模块250可以根据预设规则基于喷涂质量信息确定待喷涂区域的喷涂质量，预设规则可以表征喷涂质量信息与待喷涂区域的喷涂质量之间的对应关系。示例地，预设规则可以包括喷涂层(例如，防磁层)硬度与喷涂质量之间的对应关系。当喷涂层(例如，防磁层)硬度大于第一预设厚度阈值且小于或等于第二预设厚度阈值时，喷涂质量为优秀；当喷涂层硬度小于第一预设厚度阈值或大于第二预设厚度阈值时，喷涂质量为不合格。在一些实施例中，质量确定模块250可以确定待喷涂区域中不同子区域的喷涂质量。例如，可以确定待喷涂区域中的每个目标区域的喷涂质量。又例如，可以确定待喷涂区域中质量不合格的子区域。

在一些实施例中，质量确定模块250可以利用第二图像采集装置在喷涂后采集待喷涂区域的第二图像数据，并基于第二图像数据确定待喷涂区域的喷涂质量。第二图像数据可以包括被喷涂后的待喷涂区域图像的数据。第二图像采集装置可以包括双目摄像机、TOF(Time of Fight Camera)相机、黑白相机、彩色相机、扫描仪等中的一个或其任意组合。在一些实施例中，第二图像数据可以类似于步骤310中描述的第一图像数据。在一些实施例中，第一图像采集装置和第二图像采集装置可以是相同的或者不同的装置。

在一些实施例中，质量确定模块250可以基于第二图像数据，利用质量检测模型确定待喷涂区域的喷涂质量。质量检测模型可以为用于确定待喷涂区域的喷涂质量的机器学习模型。质量检测模型的输入可以包括待喷涂区域的第二图像数据，输出可以包括待喷涂区域的喷涂质量。质量检测模型可以包括卷积神经网络(CNN)、循环神经网络(RNN)、多层神经网络(MLP)、对抗神经网络(GAN)等一种或多种的组合。

在一些实施例中，质量检测模型可以利用模型训练过程生成。模型训练过程可以包括建立第三初始模型和获取至少两个第三训练样本。每个第三训练样本包括样本待喷涂区域的喷涂后的样本图像数据，第三训练样本的标签可以为该样本待喷涂区域对应的喷涂质量。模型训练过程可以进一步包括利用至少两个第三训练样本训练第三初始模型，以生成质量检测模型。第三初始模型的训练与第一初始模型的训练相似，关于训练第三初始模型的更多描述可以参见第一初始模型的相关描述，此处不再赘述。

在一些实施例中，通过获取待喷涂区域的第二图像数据，可以使用质量检测模型基于待喷涂区域的第二图像数据快速且准确地确定待喷涂区域的喷涂质量。在一些实施例中，通过获取喷涂质量信息，确定待喷涂区域的喷涂质量，可以在喷涂质量较差时，及时通知用户，并对喷涂进行改进，以保证待喷涂区域喷涂后符合需求。例如，可以通知用户采用人工控制的方式控制喷涂机器人再次对待喷涂区域进行喷涂，以提高待喷涂区域的喷涂质量。

根据本说明书的一些实施例，利用机器学习算法训练生成质量检测模型，可以挖掘各种维度的数据(例如，待喷涂区域的喷涂后的样本图像数据、待喷涂区域的喷涂质量等)之间的关系。这种关系往往包括传统喷涂质量确定方法或者人工确定喷涂质量方法难以获得的深层关系。因此使用质量检测模型可以提高获得的待喷涂区域的喷涂质量的准确度。

在一些实施例中，可以基于确定的待喷涂区域的质量生成训练数据，并将所述训练数据用于对所述喷涂模式确定模型进行更新。

例如，可以根据所述待喷涂区域的样本参考信息生成训练样本，并根据所述待喷涂区域的喷涂质量确定标签。对于待喷涂区域A，其对应的实际喷涂模式为自动喷涂模式，而喷涂后发现其喷涂质量并不合格，则可以待喷涂区域A作为样本待喷涂区域。进一步地，可以获取待喷涂区域A的样本参考信息以及喷涂模式标签。由于A区域的喷涂质量不合格，其喷涂模式可以从自动喷涂模式调整为人工喷涂模式，以作为第二训练样本。该第二训练样本可以用在喷涂模式确定模型的更新中，更新后的喷涂模式确定模型可以用于确定喷涂机器人对下一个待喷涂区域的喷涂模式。在一些实施例中，通过基于实际检测到的喷涂质量生成训练数据，基于训练数据对喷涂模式确定模型进行更新，可以使得更新后的喷涂模式确定模型具有更高的准确性。

图6示出了更新喷涂模式确定模型的示例性流程。如图6所示，在一些实施例中，喷涂质量确定模型610可以用于确定待喷涂区域的喷涂模式620。当喷涂结束后，可以利用喷涂质量检测件630采集喷涂质量信息640。进一步地，可以基于喷涂质量检测件630获取的喷涂质量信息640确定喷涂质量650。喷涂质量650可以用于生成训练数据，并基于训练数据对喷涂模式确定模型610进行更新。

在一些实施例中，需要喷涂至待喷涂区域的喷涂材料有一定毒性，不适合人工长期喷涂。通过获取与待喷涂区域有关的参考信息，基于参考信息，通过喷涂模式确定模型确定喷涂机器人的喷涂模式，并基于喷涂模式控制所述喷涂机器人对待喷涂区域进行喷涂，能有效减少对施工人员的身体伤害，并提高喷涂效率及效果。

应当注意的是，上述有关流程300的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程300进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。

图4是根据本说明书一些实施例所示的用户通过虚拟现实设备控制喷涂机器人对一个多个目标区域进行喷涂的示例性流程图。如图4所示，用户通过虚拟现实设备控制喷涂机器人对一个多个目标区域进行喷涂可以包括下述步骤。

步骤410，可以通过虚拟现实设备向用户显示与待喷涂区域对应的虚拟场景。在一些实施例中，步骤410可以由喷涂控制模块230执行。

虚拟场景是可以完全反应待喷涂区域场景特征的虚拟空间。虚拟场景可以包括用于辅助用户远程控制喷涂机器人对待喷涂区域进行喷涂的至少一个元素，例如，包括表示待喷涂区域的室内空间模型、表示位于该室内空间模型内的设备模型(例如，核磁共振仪对应的模型)等。在一些实施例中，虚拟场景可以呈现喷涂机器人(例如，喷头)的视角下的待喷涂区域，使用户可以更准确得控制喷涂机器人。

在一些实施例中，虚拟场景可以包括与喷涂机器人对应的喷涂机器人模型和与待喷涂区域对应的待喷涂区域模型。喷涂机器人模型和待喷涂区域模型可以为三维模型。在一些实施例中，喷涂机器人模型具有跟现实场景中的喷涂机器人一样的外观、自由度和工作空间，可以跟随现实中的喷涂机器人执行相同的动作。在一些实施例中，喷涂机器人模型可以只对应喷涂机器人的一部分。例如，为了使用户可以从喷涂机器人视角观察待喷涂区域，喷涂机器人模型可以只对应机械臂和喷头部分。在一些实施例中，喷涂控制模块230可以先基于待喷涂区域的三维扫描数据生成待喷涂区域对应的三维模型。例如，喷涂控制模块230可以利用三维建模技术(如，多边形建模(Polygon Modeling)、参数化建模(Parametric Modeling)、逆向建模(Reverse Modeling)、曲面建模(NURBS Modeling)、多边形建模(Polygon Modeling)等)对三维扫描数据进行处理，以构建表示待喷涂区域的三维模型。进一步地，处理设备可以采用虚拟现实技术，对待喷涂区域的三维模型进行扩展加工，给待喷涂区域赋予材质和纹理特征，生成待喷涂区域的三维虚拟视图。处理设备可以将待喷涂区域的三维虚拟视图进行三维渲染处理，呈现出生动形象的三维虚拟效果图，也就是待喷涂区域模型。仅仅作为示例，处理设备可以使用与扫描室中各个区域相同的颜色渲染三维虚拟空间中对应的区域，以使得构建的三维虚拟空间尽可能与扫描室相近。在一些实施例中，待喷涂区域的三维扫描数据可以通过第三图像采集装置获取，第三图像采集装置可以和第一图像采集装置和/或第二图像采集装置为同一装置或者不同装置。在一些实施例中，待喷涂区域的三维扫描数据还可以通过其他装置获取，例如，激光雷达扫描仪等。

在一些实施例中，喷涂控制模块230可以基于喷涂机器人或其一部分的三维扫描数据生成喷涂机器人对应的三维模型。例如，获取喷涂机器人的机械臂的三维扫描数据，建立机械臂三维模型，该机械臂三维模型可以作为喷涂机器人对应的三维模型。建立喷涂机器人对应的三维模型的方式与建立待喷涂区域对应的三维模型相似，此处不再赘述。

在一些实施例中，通过建立喷涂机器人对应的喷涂机器人模型和与待喷涂区域对应的待喷涂区域模型，使得用户在人工控制喷涂机器人进行喷涂时更有沉浸感，从而使得用户发出的操控指令更准确。

在一些实施例中，喷涂控制模块230可以通过任意可以显示图像的设备显示虚拟场景，例如，通过LED显示屏显示虚拟场景。

在一些实施例中，为了使得用户在人工控制喷涂机器人进行喷涂时更有沉浸感，用户可以佩戴显示件161。显示件161与用户的面部之间形成一个相对密封的空间，用户的眼镜位于该相对密封的空间，显示件161在该相对密封的空间显示虚拟场景，其显示原理是左右眼屏幕分别显示左右眼的图像，人眼获取这种带有差异的信息后在脑海中产生立体感。关于显示件161的更多描述可以参见图1及其相关描述，此处不再赘述。

步骤420，接受用户利用虚拟现实设备输入的操控指令。在一些实施例中，步骤420可以由喷涂控制模块230执行。

操作指令可以表征用户想要喷涂机器人执行的动作的指令。例如，操控指令可以控制喷涂机器人的机械臂的移动方向、控制喷头执行喷射、控制喷头停止喷射、控制喷头的喷射角度等。操作指令可以为语音指令、文字指令等。

在一些实施例中，喷涂控制模块230可以通过任意可以输入指令的设备获取操作指令，例如，用户通过键盘、鼠标等输入操控指令。

在一些实施例中，为了提高获取操作指令的效率及准确度，喷涂控制模块230可以通过控制件162获取操作指令。在一些实施例中，控制件162可以是集成真实的三维导航和力反馈触感的设备，能够准确测量其三维空间位置和方位。关于控制件162的更多描述可以参见图1及其相关描述，此处不再赘述。

步骤430，基于操控指令控制喷涂机器人对一个多个目标区域进行喷涂。在一些实施例中，步骤430可以由喷涂控制模块230执行。

在一些实施例中，喷涂控制模块230可以基于操控指令，控制喷涂机器人执行相应的动作。

例如，在基于操控指令控制喷涂机器人对一个多个目标区域进行喷涂过程中，用户可以手动操控控制件162上的操作杆，生成移动轨迹。喷涂控制模块230可以该移动轨迹生成控制信号，以控制现实场景中的喷涂机器人，使其按照该移动轨迹完成用户指定的动作。同时，喷涂控制模块230可以基于该移动轨迹生成更新虚拟场景中的喷涂机器人模型，并替换运动前的喷涂机器人。又例如，当用户按压控制件162时，喷涂机器人可以喷出喷涂材料。在一些实施例中，喷涂控制模块230可以通过第四图像采集装置，在喷涂过程中实时获取喷涂机器人和待喷涂区域的图像，并基于获取的喷涂机器人和待喷涂区域的图像更新虚拟场景。在一些实施例中，第四图像采集装置可以和第一图像采集装置、第二图像采集装置和/或第三图像采集装置为同一装置或不同装置。

在一些实施例中，在基于操控指令控制喷涂机器人进行喷涂的同时，喷涂控制模块230可以控制虚拟场景中的喷涂机器人模型执行相应的动作，并更新待喷涂区域模型。

在一些实施例中，喷涂控制模块230可以基于操控指令，预测待喷涂区域的变化，基于该预测的变化更新待喷涂区域模型。例如，喷涂控制模块230可以基于操控指令，预测喷涂至待喷涂区域的喷涂材料的位置、面积及厚度。基于预测结果，喷涂控制模块230可以生成用于表征该喷涂材料的子模型，并将其显示在虚拟场景中，从而完成待喷涂区域模型的更新。

在一些实施例中，喷涂控制模块230可以在基于操控指令，控制喷涂机器人模型执行相应的动作时或完成相应的动作后，再次获取待喷涂区域的相关信息，并基于再次获取的待喷涂区域的相关信息更新待喷涂区域模型。例如，基于操控指令，控制喷涂机器人模型执行相应的动作后，喷涂控制模块230可以再次获取喷涂机器人的点云数据，并基于再次获取的喷涂机器人的点云数据生成新的喷涂机器人模型，使用该新的喷涂机器人模型替换虚拟场景中的喷涂机器人模型，从而完成喷涂机器人模型的更新。

待喷涂区域模型和喷涂机器人模型的更新完成后，即实现了虚拟场景的更新。

在一些实施例中，当喷涂机器人的喷涂模式为人工喷涂模式时，可以重复执行上述步骤410-步骤430，直至完成目标区域的喷涂。

在一些实施例中，在进行实际的喷涂前，用户可以通过虚拟现实设备进行模拟喷涂，并根据模拟喷涂的结果制定喷涂计划。例如，可以通过执行步骤410向用户显示与待喷涂区域对应的虚拟场景，其中包括与喷涂机器人对应的喷涂机器人模型和与待喷涂区域对应的待喷涂区域模型。可以进一步执行步骤420来接受用户输入的操控指令。在步骤430中，可以不控制喷涂机器人进行实际的喷涂工作，而是直接根据操控指令预测待喷涂区域及喷涂机器人的变化，基于该预测的变化更新虚拟场景中的待喷涂区域模型及喷涂机器人模型。可以重复执行上述步骤410-步骤430，直至完成虚拟的目标区域的喷涂。在模拟喷涂中，用户可以测试不同喷涂方式(如不同的喷涂顺序、喷涂角度等)的喷涂效果。进一步地，用户或处理设备可以根据模拟喷涂的整个过程设计喷涂计划。例如，可以根据最终更新后的虚拟场景确定按照本次喷涂操作喷涂后的模拟效果，从而判断是否需要按照本次的喷涂操作控制喷涂机器人对目标区域进行喷涂。又例如，可以根据模拟喷涂的过程确定不同待喷涂区域的喷涂顺序、喷涂角度等，以实现最佳的喷涂效果。

图5是根据本说明书一些实施例所示的更新虚拟场景的示例性流程图。如图5所示，在一些实施例中，更新虚拟场景的流程可以包括：通过显示件510向用户520显示虚拟场景，以使得用户520可以了解待喷涂区域和喷涂机器人的现状。用户520可以通过控制件530输入操控指令。基于该操控指令，喷涂控制模块230可以完成喷涂机器人模型540和待喷涂区域模型550的更新。更新后的喷涂机器人模型540和待喷涂区域模型550可以通过显示件510显示给用户520。

在一些实施例中，当喷涂机器人的喷涂模式为人工喷涂模式时，通过虚拟现实设备向用户显示与待喷涂区域对应的虚拟场景，接受用户利用虚拟现实设备输入的操控指令；并基于该操控指令控制喷涂机器人对一个多个目标区域进行喷涂，可以实现用户远程控制喷涂机器人对一个多个目标区域进行喷涂，用户可以不处于喷涂场景，使得用户不受喷涂材料的侵害，保护用户的身体健康。

下面以对放置核磁共振仪的扫描室的墙面喷涂防磁层为例对喷涂方法进行说明。

在进行实际的喷涂前，可以基于有限元分析(Finite Element Analysis,FEA)方法来进行物理场磁共振仿真，以确定核磁共振仪所在的扫描室中物理场分布，基于物理场分布信息，确定扫描室中需要进行喷涂的墙面。

确定扫描室中的待喷涂区域后，用户可以通过虚拟现实设备进行模拟喷涂，并根据模拟喷涂的结果制定喷涂计划。例如，可以先通过虚拟现实设备向用户显示与扫描室对应的虚拟场景，其中包括与喷涂机器人对应的喷涂机器人模型和与扫描室对应的扫描室模型；接受用户利用虚拟现实设备输入的操控指令，直接根据操控指令预测扫描室及喷涂机器人的变化，基于该预测的变化更新虚拟场景中的扫描室模型及喷涂机器人模型，可以重复执行上述步骤，直至完成虚拟的扫描室的喷涂。在模拟喷涂中，用户可以测试不同喷涂方式(如不同的喷涂顺序、喷涂角度等)的喷涂效果并根据模拟喷涂的整个过程设计喷涂计划。

完成喷涂计划的设计后，用户可以根据设计的喷涂计划进行实际的喷涂。进行实际喷涂前，可以先获取与扫描室有关的参考信息(例如，扫描室中需要进行喷涂的墙面的材质信息、形状信息、位置信息、图像数据、点云数据、深度数据、待喷涂区域内的物品有关的信息等中的一个或其任意组合)。

喷涂模式确定模型可以基于参考信息，确定扫描室中不同区域的喷涂模式。例如，喷涂区域确定模型可以确定喷涂机器人以自动喷涂模式进行喷涂的区域，以及喷涂机器人以人工喷涂模式进行喷涂的区域(例如，转角区域、高空区域、非平面区域、障碍物较多等)。当喷涂机器人以自动喷涂模式进行喷涂时，处理设备110和/或喷涂机器人的控制器可以自动确定喷涂策略，例如，根据设计的喷涂计划生成喷涂策略。喷涂策略可以包括待喷涂区域的喷涂轨迹、喷涂轨迹上每个喷涂轨迹点的喷涂厚度、每个喷涂轨迹点的喷涂时间等。喷涂机器人的控制器可以根据自动生成的喷涂策略控制喷涂机器人的机械臂和喷涂等，以完成喷涂。当喷涂机器人以人工喷涂模式进行喷涂时，用户可以根据设计喷涂计划，远程发送操控指令控制喷涂机器人。例如，用户可以通过虚拟现实设备或其他终端发送实时操控指令至喷涂机器人，喷涂机器人按照该操控指令对待喷涂区域进行喷涂，直至人工喷涂模式结束。具体的，当前喷涂区域为扫描室的墙面时，喷涂机器人的控制器可以根据设计的喷涂计划生成喷涂策略，控制器可以控制喷涂机器人以直线往复形轨迹喷涂模式对扫描室墙面喷涂反射材料。当前喷涂区域切换为转角时，可以将喷涂机器人的喷涂模式从自动喷涂模式切换为人工喷涂模式，用户可以通过虚拟现实设备或其他终端发送实时操控指令至喷涂机器人，喷涂机器人按照该操控指令对转角喷涂反射材料。当前喷涂区域又切换为天花板时，可以将从人工喷涂模式切换为天花板喷涂模式对扫描室的天花板喷涂反射材料。喷涂模式为人工喷涂模式时，可以通过虚拟现实设备向用户显示与扫描室对应的虚拟场景，其中包括与喷涂机器人对应的喷涂机器人模型和与扫描室对应的扫描室模型。用户可以向虚拟现实设备发送语音指令或触摸指令等，以控制喷涂机器人的机械臂的移动方向、控制喷头执行喷射、控制喷头停止喷射、控制喷头的喷射角度等。在基于操控指令控制喷涂机器人进行喷涂的同时，处理设备110可以基于操控指令，预测扫描室及喷涂机器人的变化，基于该预测的变化更新扫描室对应的虚拟场景。用户可以基于更新后的虚拟场景向虚拟现实设备发送语音指令或触摸指令等，进行下一个喷涂动作，直至墙角喷涂完成。

在一些实施例中，用户在进行实际的喷涂前可以不设计喷涂计划，直接进行根据经验预先设定的自动喷涂模式的参数控制喷涂机器人进行实际的喷涂，并喷涂模式为人工喷涂模式时，根据经验控制喷涂机器人进行喷涂。

完成待喷涂区域的喷涂工作后，利用第二图像采集装置在喷涂后采集扫描室的图像数据，并基于第二图像数据质量检测模型确定扫描室的喷涂质量，在喷涂质量较差时，及时通知用户，并对喷涂进行改进，以保证扫描室喷涂后符合需求。

本说明书一些实施例中，可以获取与待喷涂区域有关的参考信息。基于参考信息，可以通过喷涂模式确定模型确定喷涂机器人的喷涂模式，并基于喷涂模式控制喷涂机器人对待喷涂区域进行喷涂。本说明书实施例可能带来的有益效果包括但不限于：(1)利用喷涂机器人进行喷涂可以避免人工在待喷涂区域内进行喷涂，能有效减少对施工人员的身体伤害，并提高喷涂效率及效果；(2)通过获取核磁共振仪运行时扫描室中的物理场分布信息，可以较为快速准确地基于物理场分布信息，确定扫描室中需要进行喷涂的待喷涂区域，通过喷涂机器人对待喷涂区域进行喷涂，可以有效防止核磁共振仪运行时对用户或其他设备产生影响；(3)通过获取喷涂质量信息，确定待喷涂区域的喷涂质量，可以在喷涂质量较差时，及时通知用户，并对喷涂进行改进，以保证待喷涂区域喷涂后符合需求；(4)通过基于实际检测到的喷涂质量生成训练数据，基于训练数据对喷涂模式确定模型进行更新，可以使得更新后的喷涂模式确定模型具有更高的准确性；(5)通过建立喷涂机器人对应的喷涂机器人模型和与待喷涂区域对应的待喷涂区域模型，使得用户在人工控制喷涂机器人进行喷涂时更有沉浸感，从而使得用户发出的操控指令更准确。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (10)

1.一种喷涂方法，由至少一个处理器执行，其特征在于，所述方法包括：

获取与待喷涂区域有关的参考信息；

基于所述参考信息，通过喷涂模式确定模型确定喷涂机器人的喷涂模式；以及

基于所述喷涂模式控制所述喷涂机器人对所述待喷涂区域进行喷涂。

2.如权利要求1所述的方法，其特征在于，所述方法进一步包括：

获取核磁共振仪运行时扫描室中的物理场分布信息；以及

基于所述物理场分布信息，确定所述扫描室中的所述待喷涂区域。

3.如权利要求1所述的方法，其特征在于，所述基于所述参考信息，利用喷涂模式确定模型确定喷涂机器人的喷涂模式包括：

基于所述参考信息，利用所述喷涂模式确定模型确定所述待喷涂区域中的一个或多个目标区域；以及

基于所述一个或多个目标区域，确定所述喷涂机器人的喷涂模式，其中所述喷涂机器人对所述一个多个目标区域进行喷涂时，所述喷涂模式由自动喷涂模式切换为人工喷涂模式。

4.如权利要求3所述的方法，其特征在于，所述方法进一步包括：

响应于所述喷涂模式切换为人工喷涂模式，

通过虚拟现实设备向用户显示与所述待喷涂区域对应的虚拟场景；

接受所述用户利用所述虚拟现实设备输入的操控指令；以及

基于所述操控指令控制所述喷涂机器人对所述一个多个目标区域进行喷涂。

5.如权利要求4所述的方法，其特征在于，所述虚拟场景包括与所述喷涂机器人对应的喷涂机器人模型和与所述待喷涂区域对应的待喷涂区域模型；

所述虚拟现实设备包括控制件和显示件，所述显示件用于显示所述虚拟场景，所述控制件用于获取所述用户的操控指令，所述方法进一步包括：

基于所述操控指令，控制所述喷涂机器人模型执行相应的动作，并更新所述待喷涂区域模型；以及

基于更新后的所述待喷涂区域模型，更新所述虚拟场景。

6.如权利要求1所述的方法，其特征在于，所述喷涂机器人上安装有图像采集装置，

所述参考信息包括由所述图像采集装置在喷涂前采集的所述待喷涂区域的第一图像数据。

7.如权利要求1所述的方法，其特征在于，所述方法进一步包括：

利用喷涂质量检测件采集所述待喷涂区域的喷涂质量信息；以及

基于所述喷涂质量信息，确定所述待喷涂区域的喷涂质量。

8.如权利要求7所述的方法，其特征在于，所述方法进一步包括：

基于所述待喷涂区域的喷涂质量生成训练数据；

基于所述训练数据对所述喷涂模式确定模型进行更新。

9.如权利要求1所述的方法，其特征在于，所述方法进一步包括：

利用图像采集装置在喷涂后采集所述待喷涂区域的第二图像数据；

基于所述第二图像数据，利用质量检测模型确定所述待喷涂区域的喷涂质量。

10.一种喷涂系统，其特征在于：

信息获取模块，用于获取与待喷涂区域有关的参考信息；

模式确定模块，用于基于所述参考信息，通过喷涂模式确定模型确定喷涂机器人的喷涂模式；

喷涂控制模块，用于基于所述喷涂模式控制所述喷涂机器人对所述待喷涂区域进行喷涂。

Images