CN117009834A - 门槛区域识别方法及装置、介质及电子设备 - Google Patents

Abstract

本公开提供一种门槛区域识别方法、门槛区域识别装置、计算机可读存储介质及电子设备，方法包括：基于清洁机器人清扫过程中的脱困信息，确定第一易卡区域；将存在预设高度连续障碍物的所述第一易卡区域，确定为第二易卡区域；根据所述第二易卡区域及其所在房间地图信息，判断所述第二易卡区域是否为门槛区域。该方法可以对清洁区域中的门槛区域进行识别。

Description

门槛区域识别方法及装置、介质及电子设备

技术领域

本公开涉及智能家居领域，具体而言，涉及一种门槛区域识别方法、门槛区域识别装置、计算机可读存储介质及电子设备。

背景技术

近年来，随着计算机技术与人工智能科学的飞速发展，智能机器人技术逐渐成为现代机器人研究领域的热点。其中，清洁机器人作为智能机器人中最实用化的一种，能凭借一定的人工智能，自动完成地面的清理工作。

目前，清洁机器人在清洁过程中，在一些门槛区域容易出现卡困，导致清扫时间延长，清扫效果变差。

为了在清扫过程中对门槛区域进行特殊处理，首先识别出门槛区域具有重要意义。

发明内容

本公开的目的在于提供一种门槛区域识别方法、门槛区域识别装置、计算机可读存储介质及电子设备，以对清洁区域中的门槛区域进行识别。具体方案如下：

根据本公开的具体实施方式，第一方面，本公开提供一种门槛区域识别方法，所述方法包括：基于清洁机器人清扫过程中的脱困信息，确定第一易卡区域；将存在预设高度连续障碍物的所述第一易卡区域，确定为第二易卡区域；根据所述第二易卡区域及其所在房间地图信息，判断所述第二易卡区域是否为门槛区域。

本公开的一种示例性实施方式中，所述基于清洁机器人清扫过程中的脱困信息，确定第一易卡区域，包括：在所述清洁机器人清扫过程中，获取触发所述清洁机器人执行预设脱困动作的触发位置；根据所述触发位置，确定所述第一易卡区域。

本公开的一种示例性实施方式中，所述根据所述触发位置，确定所述第一易卡区域，包括：在所述触发位置为一个的情况下，将所述触发位置所在预设范围内的触发区域确定为所述第一易卡区域；在所述触发位置为多个的情况下，将多个所述触发位置对应的多个所述触发区域进行聚类，获得至少一个所述第一易卡区域。

本公开的一种示例性实施方式中，所述将多个所述触发位置对应的多个所述触发区域进行聚类，获得至少一个所述第一易卡区域，包括：根据多个所述触发位置之间的相互距离，对多个所述触发区域进行聚类，获得所述第一易卡区域。

本公开的一种示例性实施方式中，所述预设范围为距离所述触发位置在50cm内的范围。

本公开的一种示例性实施方式中，所述预设脱困动作为所述清洁机器人打滑后触发的脱困动作。

本公开的一种示例性实施方式中，所述将存在预设高度连续障碍物的所述第一易卡区域，确定为第二易卡区域，包括：获取所述第一易卡区域中的障碍物高度信息；根据所述障碍物高度信息，确定所述第一易卡区域中是否存在满足所述预设高度的连续障碍物；若存在，则将所述第一易卡区域确定为所述第二易卡区域。

本公开的一种示例性实施方式中，所述预设高度在1.5cm到2cm之间。

本公开的一种示例性实施方式中，所述根据所述第二易卡区域及其所在房间地图信息，判断所述第二易卡区域是否为门槛区域，包括：在所述第二易卡区域中选取预设数量的采样点；根据所述房间地图信息，获取所述采样点在房间地图中的最近障碍物距离信息；根据所述最近障碍物距离信息，判断所述第二易卡区域是否为所述门槛区域。

本公开的一种示例性实施方式中，所述根据所述房间地图信息，获取所述采样点在房间地图中的最近障碍物距离信息，包括：在所述房间地图上，以所述采样点为起点，获取所述采样点在各个方向上的最近障碍物距离，组成所述最近障碍物距离信息。

本公开的一种示例性实施方式中，所述根据所述最近障碍物距离信息，判断所述第二易卡区域是否为所述门槛区域，包括：使用神经网络分类器对所述最近障碍物距离信息进行识别，以确定所述第二易卡区域是否为所述门槛区域；其中，所述神经网络分类器是通过最近障碍物距离训练信息训练获得的。

本公开的一种示例性实施方式中，所述方法还包括：在根据预设数量的所述采样点获取的多个所述最近障碍物距离信息，判断所述第二易卡区域是否为所述门槛区域的过程中，只要有一所述采样点对应的所述最近障碍物距离信息判定所述第二易卡区域为所述门槛区域，则确定所述第二易卡区域为所述门槛区域。

本公开的一种示例性实施方式中，所述预设数量为8-10个。

第二方面，本公开提供一种门槛区域识别装置，包括：第一易卡区域确定模块，用于基于清洁机器人清扫过程中的脱困信息，确定第一易卡区域；第二易卡区域确定模块，用于将存在预设高度连续障碍物的所述第一易卡区域，确定为第二易卡区域；门槛区域判断模块，用于根据所述第二易卡区域及其所在房间地图信息，判断所述第二易卡区域是否为门槛区域。

第三方面，本公开提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述的门槛区域识别方法。

第四方面，本公开提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述的门槛区域识别方法。

与现有技术相比，本公开示例性实施方式提供的门槛区域识别方法，通过在清洁机器人清扫过程中获取脱困信息，并基于该脱困信息确定出第一易卡区域，可以初步确定出清扫区域中的可能门槛区域；接着，在确定出的第一易卡区域中，将存在预设高度连续障碍物的区域确定为第二易卡区域，也就是将具有一定高度的可能门槛区域进一步确定为待确定区域；最后，结合第二易卡区域及其所在房间地图信息，就可以判断出该第二易卡区域是否为门槛区域。也就是说，在识别门槛区域的过程中，在脱困信息的基础上结合连续障碍物信息，可以提高门槛区域确定的准确性，并且基于房间地图信息可以识别出并非位于门口的类门槛区域，为后续提高清扫效率提供了充足的门槛区域信息。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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。在附图中：

图1示出了本公开示例性实施方式提供的门槛区域识别方法的流程图；

图2示出了本公开示例性实施方式提供的一种房间地图中触发位置的示意图；

图3示出了本公开示例性实施方式提供的一种通过最近障碍物距离信息来确定门槛区域的方法流程图；

图4示出了本公开示例性实施方式提供的一种在房间地图中以采样点为中心确定最近障碍物距离的示意图；

图5A和图5B示出了在图4所示的房间地图中确定的两个不同的采样点获取的最近障碍物位置示意图；

图6示出了本公开示例性实施方式提供的门槛区域识别方法的操作步骤流程图；

图7示出了本公开示例性实施方式提供的一种门槛区域识别装置的框图；

图8示出了本公开示例性实施方式提供的电子设备的模块示意图。

具体实施方式

为了使本公开的目的、技术方案和优点更加清楚，下面将结合附图对本公开作进一步地详细描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，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它实施例，都属于本公开保护的范围。

在本公开实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种。

应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

应当理解，尽管在本公开实施例中可能采用术语第一、第二、第三等来描述……，但这些……不应限于这些术语。这些术语仅用来将……区分开。例如，在不脱离本公开实施例范围的情况下，第一……也可以被称为第二……，类似地，第二……也可以被称为第一……。

取决于语境，如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。

还需要说明的是，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商品或者装置不仅包括那些要素，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商品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的商品或者装置中还存在另外的相同要素。

清洁机器人属于智能家用电器的一种，可以凭借一定的人工智能，自动在房间内完成地板清理工作。一般采用刷扫和真空方式，将地面杂物先吸纳进入自身的垃圾收纳盒，从而完成地面清理的功能。

然而，清洁机器人在清扫过程中在遇到门槛区域时，往往会由于外部干扰等原因未能越过而导致漏扫的情况发生；或者是清扫路径经过门槛区域多次来回穿越，由于清扫门槛区域会延长清扫时间，最终也会影响清扫效果。

因此，在清洁机器人清扫过程中对门槛区域进行特殊处理，例如减少通过的次数，或者通过时减速等，可以减少上述情况的发生。然而在进行上述处理之前，先确定出门槛区域也是非常关键的步骤。

基于此，本公开示例性实施方式提供了一种门槛区域识别方法，可应用于清洁机器人中，该清洁机器人可通过硬件和/或软件来实现该方法。参照图1，示出了本公开示例性实施方式提供的门槛区域识别方法的流程图，该门槛区域识别方法可以包括以下步骤：

步骤S110、基于清洁机器人清扫过程中的脱困信息，确定第一易卡区域；

步骤S120、将存在预设高度连续障碍物的第一易卡区域，确定为第二易卡区域；

步骤S130、根据第二易卡区域及其所在房间地图信息，判断第二易卡区域是否为门槛区域。

本公开示例性实施方式提供的门槛区域识别方法，通过在清洁机器人清扫过程中获取脱困信息，并基于该脱困信息确定出第一易卡区域，可以初步确定出清扫区域中的可能门槛区域；接着，在确定出的第一易卡区域中，将存在预设高度连续障碍物的区域确定为第二易卡区域，也就是将具有一定高度的可能门槛区域进一步确定为待确定区域；最后，结合第二易卡区域及其所在房间地图信息，就可以判断出该第二易卡区域是否为门槛区域。也就是说，在识别门槛区域的过程中，在脱困信息的基础上结合连续障碍物信息，可以提高门槛区域确定的准确性，并且基于房间地图信息可以识别出并非位于门口的类门槛区域，为后续提高清扫效率提供了充足的门槛区域信息。

由此可见，本公开示例性实施方式提供的门槛区域识别方法，不仅可以识别出位于门口位置的门槛区域，还可以识别出并非位于门口位置的类门槛区域，由于类门槛区域与门槛区域一样也会影响到清洁效果，因此，清洁机器人可以根据实际需要对门槛区域以及类门槛区域均进行特殊化清洁处理，以提高清洁的效率。

下面将列举具体实施方式对本公开示例性实施例提供的门槛区域识别方法的各个步骤进行详细说明：

在步骤S110中，基于清洁机器人清扫过程中的脱困信息，确定第一易卡区域。

通常情况下，清洁机器人在进行实际的清扫作业过程中，会在遇到卡困等位置的时候触发脱困动作，以通过脱困动作帮助清洁机器人顺利通过这些卡困位置。在实际应用中，脱困动作可能会有多种不同的形式，例如加档或者减速等。

本公开示例性实施方式中，预先设定了一种预设脱困动作，如果清洁机器人在清扫过程中，触发了该预设脱困动作，就可以获取触发清洁机器人执行预设脱困动作的触发位置，并基于该触发位置，确定出第一易卡区域。

也就是说，本公开示例性实施方式为确定门槛区域设定了一种预设脱困动作，只有清洁机器人在触发这种脱困动作时，才对相应的位置进行采集获取，以排除其他情况下发生的脱困情况，例如，遇到障碍物时触发的脱困动作等，从而也就从可能门槛区域中排除了属于障碍物的区域等。

本公开示例性实施方式中，预设脱困动作可以是清洁机器人打滑后触发的脱困动作。具体可以是前进打滑后触发的脱困动作，也可以是后退打滑后触发的脱困动作。

其中，前进打滑后触发的脱困动作主要是清洁机器人在通过过门石等门槛区域时，会发生双轮卡在门槛区域位置打滑的现象。其中，打滑状态可以通过Odom(里程计)、Gyro(陀螺仪)、Laser(雷达数据)以及SLAM(地图)等数据判断出来，具体判断过程此处不作赘述，现有的打滑状态判断方法均可以用于此。

清洁机器人在前进过程中发生打滑情况时，会触发一种特殊脱困动作，该特殊脱困动作具体可以包括：控制清洁机器人后退一段距离，并尝试以弧线路径绕过打滑位置。在解除打滑状态后，调整清洁机器人的角度到触发特殊脱困动作前的角度。如果打滑状态未解除的话，继续重复上述后退绕行的动作。

其中，上述的以弧线路径绕过打滑位置可以包括：控制清洁机器人向左前，之后再右前方向移动的路径(此种情况为墙位于清洁机器人的右侧)；在墙位于清洁机器人左侧时，先向右前，之后再左前方向移动；如果打滑位置附近无墙，则可以随机设置上述两个动作的顺序，即先左前后右前，或先右前后左前均可。

如果上述后退弧线路径绕行动作仍然无法解除打滑状态，可以通过直接控制清洁机器人轮子PWM(Pulse Width Modulation，脉冲宽度调制)信号的形式使得清洁机器人后退，再分别先后以左轮和右轮为中心旋转，旋转结束后控制清洁机器人前行脱离打滑位置。

如果清洁机器人在执行完上述特殊脱困动作后，仍然未脱离打滑状态，则标记该打滑位置，并设置清洁机器人在后续的清扫过程中不对该位置进行清扫，以免难以脱困。

另外，后退打滑后触发的脱困动作主要是清洁机器人从过门石等门槛区域后退时产生打滑时执行的脱困动作。例如：由于清洁机器人的前侧会被架高，拖布会顶住地面而导致轮子打滑，此时，清洁机器人会尝试后退或旋转，并触发另一种特殊脱困动作。

此特殊脱困动作可以是先后退，再正反方向原地旋转以解除打滑状态；也可以是通过直接控制轮子PWM的形式让清洁机器人沿右后、左后方向移动，并重复这个动作直到解除打滑状态；也可以通过直接控制轮子PWM的形式让机器正反向旋转以解除打滑状态。

如果清洁机器人在执行完上述特殊脱困动作后，仍然没有解除打滑状态，则标记该打滑位置，并设置清洁机器人在后续的清扫过程中不对该位置进行清扫，以免难以脱困。

本公开示例性实施方式将上述的前进打滑时触发的特殊脱困动作和后退打滑时触发的特殊脱困动作均确定为上述的预设脱困动作。

本公开示例性实施方式中，在清洁机器人触发上述预设脱困动作后，需要获取清洁机器人执行预设脱困动作的触发位置，在获取到触发位置后，可以将获取到的触发位置标记在房间地图中，如图2中所示的房间地图中的黑点即为获取到的触发位置210。

在实际清扫过程中，触发清洁机器人执行上述预设脱困动作的位置可能会有多个，也就是说获取到的触发位置可能会有多个，而这多个触发位置有可能是同一个门槛区域中的位置，也有可能是多个门槛区域中的位置。

因此，本公开示例性实施方式中，在获取到的触发位置有多个的情况下，可以将多个触发位置对应的多个触发区域进行聚类，以获得至少一个第一易卡区域。

通常情况下，所获取到的触发位置为一个点，其对应的触发区域可以是以该触发位置为中心的小区域，该小区域的形状可以是圆形，也可以是方形等，本公开示例性实施方式对此不作特殊限定。

在实际应用中，在将多个触发位置对应的多个触发区域进行聚类的过程中，可以有多种不同的聚类方法。本公开示例性实施方式中主要是根据多个触发位置之间的相互距离，对多个触发区域进行聚类，以获得上述的第一易卡区域。

例如，如图2所示，房间地图中的黑点总共有3个，分别代表3个不同的触发位置210，并且这3个触发位置210的相互距离在预设范围内，则可以将这3个触发位置310对应的触发区域聚类为一个第一易卡区域220。也可以是，现将相互距离在预设范围内的其中2个触发位置210对应的触发区域聚类获得第一聚类区域，然后确定第3个触发位置210距离第一聚类区域的距离是不是在预设范围内，如果是，则将第3个触发位置210对应的触发区域合并到第一聚类区域中，获得第二聚类区域；如果还有其他触发位置，也按照上述方式逐一聚类，直到没有触发位置，或者触发位置不在预设范围，从而获得第一易卡区域220。

在实际应用中，上述的预设范围可以根据实际情况来确定，例如，预设范围可以是距离触发位置在50cm内的范围，本公开示例性实施方式对于预设范围的具体取值可以不作特殊限定。

需要说明的是，在实际应用中，触发位置可能只有一个，此时，只要将触发位置所在预设范围内的触发区域确定为第一易卡区域即可。

在步骤S120中，将存在预设高度连续障碍物的第一易卡区域，确定为第二易卡区域。

本公开示例性实施方式中，在确定出第一易卡区域后，需要进一步判断该第一易卡区域中是否存在满足预设高度的连续障碍物，以判断第一易卡区域是不是可能的门槛区域，即第二易卡区域。

具体的，判断第一易卡区域是否存在满足预设高度的连续障碍物，首先，可以获取第一易卡区域中的障碍物高度信息；接着，根据障碍物高度信息，确定第一易卡区域中是否存在满足预设高度的连续障碍物；若存在，则将第一易卡区域确定为第二易卡区域；若不存在，则忽略该第一易卡区域。

在实际应用中，门槛区域通常是相对于地面具有一定高度的区域，因此，在获取障碍物高度信息的时候，可以获取第一易卡区域中所有位置的高度信息，并对这些高度信息进行统计，以确定出是否有连续的位置的高度大于预设高度，则将该连续的位置确定为连续障碍物。其中，连续障碍物的长度需要大于一定的长度，例如，大于50cm等。

另外，预设高度也可以根据实际情况来设定，例如，预设高度可以在1.5cm到2cm之间等，本公开示例性实施方式对于预设高度不作特殊限定。

在步骤S130中，根据第二易卡区域及其所在房间地图信息，判断第二易卡区域是否为门槛区域。

本公开示例性实施方式中，在确定出第二易卡区域后，就需要确定该第二易卡区域是不是门槛区域了。

在实际应用中，判断第二易卡区域是否是门槛区域有多种不同的方法，例如，直接根据第二易卡区域在房间地图中的位置来判断等，然而，这种判断方法包含的信息量比较大，导致运算比较大。

基于此，本公开示例性实施方式提出了一种通过最近障碍物距离信息来确定门槛区域的方法，参照图3，具体包括以下步骤：

步骤S310、在第二易卡区域中选取预设数量的采样点。

在实际应用中，可以在第二易卡区域中选取任意位置的采样点。本公开示例性实施方式为了提高判断的准确度，可以选取距离最近障碍物的长度大于预设长度的采样点，其中，预设长度可以是5cm或其他值，此处不作特殊限定。

其中，采样点的数量，即预设数量可以是任意数量，本公开示例性实施方式中，预设数量可以为8-10个。

步骤S320、根据房间地图信息，获取采样点在房间地图中的最近障碍物距离信息。

本公开示例性实施方式中，在确定出采样点后，可以在第二易卡区域所在的房间地图上，以采样点为起点，获取采样点在各个方向上的最近障碍物距离，组成最近障碍物距离信息。参照图4，示出了在房间地图中以采样点410为中心确定最近障碍物距离的示意图。

在实际应用中，可以在采样点处模拟激光雷达，向0°(正右方)～359°方向(上图4为方便展示每隔5°绘制一条采样方向)上发射激光来获得采样点附近区域的地理空间信息，在激光被障碍物挡住时，获取激光从采样点到障碍物的长度作为最近障碍物距离，因此，360度方向中每个方向上都有一个最近障碍物距离。如果在某一方向上，激光没有遇到障碍物，则将该方向上的最近障碍物距离确定为没有或者预设最远距离。

参照图5A和图5B，示出了在图4所示的房间地图中确定的两个不同的采样点获取的最近障碍物位置示意图，其中的最近障碍物以点标识，该点距离采样点的距离即为最近障碍物距离。图5A中的采样点510和图5B中的采样点520是第二易卡区域中不同的采样点，其中，图5B中的采样点520为距离实际门槛较近的采样点。根据不同的采样点所对应的最近障碍物距离信息可能会获取到不同的判断结果。

步骤S330、根据最近障碍物距离信息，判断第二易卡区域是否为门槛区域。

本公开示例性实施方式中，在获取到最近障碍物距离信息后，就可以基于该信息进行门槛区判断了。从采样点处获得的激光信息为一个360维特征向量，其中每个维度代表一个方向的最近障碍物距离，这些距离信息中包含有采样点附近的空间信息(包括房间形状，障碍物位置等)，其中就包含有判断该点是否处于门槛处所需信息，然而这些信息往往不是显示展示的，难以通过直观的方式进行提炼判别。深度学习技术即是通过观察无数门槛与非门槛点处特征向量，通过隐藏层(往往不止一层)来自动拟合信息提炼规则，最终由输出层输出一个数(0～1)来表示该点处于门槛处的概率。

因此，在实际应用中，可以使用神经网络分类器对最近障碍物距离信息进行识别，以确定第二易卡区域是否为门槛区域；其中的神经网络分类器需要通过数据训练获得，具体可以通过最近障碍物距离训练信息训练获得。本公开示例性实施方式对于具体的训练过程不作赘述。

在获取到经过训练的神经网络分类器后，就可以对不同采样点获得的最近障碍物距离信息进行识别了。具体是将采样点对应的最近障碍物距离信息输入到神经网络分类器中，例如，将图5A和图5B获得的最近障碍物位置图输入到神经网络分类器中进行识别。需要说明的是所输入至分类器中的信息需要与训练时的信息一致。最后，神经网络分类器会输出该采样点所在的第二易卡区域是不是门槛区域的结果。

在实际应用中，根据同一个第二易卡区域中不同的采样点获得的最近障碍物距离信息确定的结果可能不同，可以根据一定的比例来确定是不是门槛区域，例如，有60％以上的采样点对应的判断结果为是，则确定该第二易卡区域为门槛区域。也可以是只要有一采样点对应的最近障碍物距离信息判定第二易卡区域为门槛区域，则确定第二易卡区域为门槛区域。本公开示例性实施方式对于具体的判定比例不作限定。

本公开示例性实施方式提供的门槛区域识别方法，一方面，在识别门槛区域的过程中，在脱困信息的基础上结合连续障碍物信息，可以提高门槛区域确定的准确性，并且可以识别出并非位于门口的类门槛区域，为后续提高清扫效率提供了充足的门槛区域信息；另一方面，在判断第二易卡区域是否为门槛区域的过程中，通过使用最近障碍物距离信息，可以减小识别过程的信息量，从而降低识别过程的运算量，提高运算效率。

最终，在确定出门槛区域后，可以将门槛区域传输至用户终端的APP中，将门槛区域显示在房间地图中，以提示用户在该区域有门槛区域，可以优化后续清扫策略，以提升清扫效率。

参照图6，示出了本公开示例性实施方式提供的门槛区域识别方法的操作步骤流程图；图6中，步骤S601中，在清洁机器人被触发执行预设脱困动作时，获取触发位置；接着，进入步骤S602，对触发位置聚类，确定第一易卡区域；进入步骤S603，在第一易卡区域中，获取障碍物高度信息；步骤S604，即进入判断条件1，确定是否存在满足预设高度的连续障碍物；如果是，则进入步骤S605，将第一易卡区域确定为第二易卡区域；如果否，则结束。

步骤S605之后，进入步骤S606，在第二易卡区域中选取预设数量的采样点(简称选取采样点)；进入步骤S607，获取采样点对应的最近障碍物距离信息；进入步骤S608，判断条件2，根据最近障碍物距离信息，判断第二易卡区域是否为门槛区域；如果是，则进入步骤S609，将门槛区域上传APP；如果否，结束。

需要说明的是，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

在本公开的示例性实施例中，还提供了一种门槛区域识别装置，如图7所示，所述门槛区域识别装置700可以包括：第一易卡区域确定模块710、第二易卡区域确定模块720和门槛区域判断模块730，其中：

第一易卡区域确定模块710，用于基于清洁机器人清扫过程中的脱困信息，确定第一易卡区域；

第二易卡区域确定模块720，用于将存在预设高度连续障碍物的第一易卡区域，确定为第二易卡区域；

门槛区域判断模块730，用于根据第二易卡区域及其所在房间地图信息，判断第二易卡区域是否为门槛区域。

在本公开的一种示例性实施方式中，第一易卡区域确定模块710，用于在清洁机器人清扫过程中，获取触发清洁机器人执行预设脱困动作的触发位置；根据触发位置，确定第一易卡区域。

在本公开的一种示例性实施方式中，第一易卡区域确定模块710，用于在触发位置为一个的情况下，将触发位置所在预设范围内的触发区域确定为第一易卡区域；在触发位置为多个的情况下，将多个触发位置对应的多个触发区域进行聚类，获得至少一个第一易卡区域。

在本公开的一种示例性实施方式中，第一易卡区域确定模块710，用于根据多个触发位置之间的相互距离，对多个触发区域进行聚类，获得第一易卡区域。

在本公开的一种示例性实施方式中，预设范围为距离触发位置在50cm内的范围。

在本公开的一种示例性实施方式中，预设脱困动作为清洁机器人打滑后触发的脱困动作。

在本公开的一种示例性实施方式中，第二易卡区域确定模块720，用于获取第一易卡区域中的障碍物高度信息；根据障碍物高度信息，确定第一易卡区域中是否存在满足预设高度的连续障碍物；若存在，则将第一易卡区域确定为第二易卡区域。

在本公开的一种示例性实施方式中，预设高度在1.5cm到2cm之间。

在本公开的一种示例性实施方式中，门槛区域判断模块730，用于在第二易卡区域中选取预设数量的采样点；根据房间地图信息，获取采样点在房间地图中的最近障碍物距离信息；根据最近障碍物距离信息，判断第二易卡区域是否为门槛区域。

在本公开的一种示例性实施方式中，门槛区域判断模块730，用于在房间地图上，以采样点为起点，获取采样点在各个方向上的最近障碍物距离，组成最近障碍物距离信息。

在本公开的一种示例性实施方式中，门槛区域判断模块730，用于使用神经网络分类器对最近障碍物距离信息进行识别，以确定第二易卡区域是否为门槛区域；其中，神经网络分类器是通过最近障碍物距离训练信息训练获得的。

在本公开的一种示例性实施方式中，门槛区域判断模块730，用于在根据预设数量的采样点获取的多个最近障碍物距离信息，判断第二易卡区域是否为门槛区域的过程中，只要有一采样点对应的最近障碍物距离信息判定第二易卡区域为门槛区域，则确定第二易卡区域为门槛区域。

在本公开的一种示例性实施方式中，预设数量为8-10个。

上述中各门槛区域识别装置模块的具体细节已经在对应的门槛区域识别方法中进行了详细的描述，因此此处不再赘述。

应当注意，尽管在上文详细描述中提及了用于执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备，例如，该电子设备可以是一种能够实现上述方法的清洁机器人。

所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图8来描述根据本公开的这种实施方式的电子设备800。图8显示的电子设备800仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图8所示，电子设备800以通用计算设备的形式表现。电子设备800的组件可以包括但不限于：上述至少一个处理单元810、上述至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810)的总线830、显示单元840。

其中，所述存储单元820存储有程序代码，所述程序代码可以被所述处理单元810执行，使得所述处理单元810执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元810可以执行如图1和图3中所示的步骤。

存储单元820可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)8201和/或高速缓存存储单元8202，还可以进一步包括只读存储单元(ROM)8203。

存储单元820还可以包括具有一组(至少一个)程序模块8205的程序/实用工具8204，这样的程序模块8205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线830可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备800也可以与一个或多个外部设备870(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备800交互的设备通信，和/或与使得该电子设备800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口850进行。并且，电子设备800还可以通过网络适配器860与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器860通过总线830与电子设备800的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备800使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。

根据本公开的实施方式的用于实现上述方法的程序产品，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本公开的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

此外，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。

Claims (10)

1.一种门槛区域识别方法，其特征在于，所述方法包括：

基于清洁机器人清扫过程中的脱困信息，确定第一易卡区域；

将存在预设高度连续障碍物的所述第一易卡区域，确定为第二易卡区域；

根据所述第二易卡区域及其所在房间地图信息，判断所述第二易卡区域是否为门槛区域。

2.根据权利要求1所述的方法，其特征在于，所述基于清洁机器人清扫过程中的脱困信息，确定第一易卡区域，包括：

在所述清洁机器人清扫过程中，获取触发所述清洁机器人执行预设脱困动作的触发位置；

根据所述触发位置，确定所述第一易卡区域。

3.根据权利要求2所述的方法，其特征在于，所述根据所述触发位置，确定所述第一易卡区域，包括：

在所述触发位置为一个的情况下，将所述触发位置所在预设范围内的触发区域确定为所述第一易卡区域；

在所述触发位置为多个的情况下，将多个所述触发位置对应的多个所述触发区域进行聚类，获得至少一个所述第一易卡区域。

4.根据权利要求3所述的方法，其特征在于，所述将多个所述触发位置对应的多个所述触发区域进行聚类，获得至少一个所述第一易卡区域，包括：

根据多个所述触发位置之间的相互距离，对多个所述触发区域进行聚类，获得所述第一易卡区域。

5.根据权利要求3或4所述的方法，其特征在于，所述预设范围为距离所述触发位置在50cm内的范围。

6.根据权利要求2-4中任一项所述的方法，其特征在于，所述预设脱困动作为所述清洁机器人打滑后触发的脱困动作。

7.根据权利要求1所述的方法，其特征在于，所述将存在预设高度连续障碍物的所述第一易卡区域，确定为第二易卡区域，包括：

获取所述第一易卡区域中的障碍物高度信息；

根据所述障碍物高度信息，确定所述第一易卡区域中是否存在满足所述预设高度的连续障碍物；

若存在，则将所述第一易卡区域确定为所述第二易卡区域。

8.一种门槛区域识别装置，其特征在于，包括：

第一易卡区域确定模块，用于基于清洁机器人清扫过程中的脱困信息，确定第一易卡区域；

第二易卡区域确定模块，用于将存在预设高度连续障碍物的所述第一易卡区域，确定为第二易卡区域；

门槛区域判断模块，用于根据所述第二易卡区域及其所在房间地图信息，判断所述第二易卡区域是否为门槛区域。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7任一项所述的门槛区域识别方法。

10.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-7任一项所述的门槛区域识别方法。