CN117093011B - 一种智能机器人无人清洗控制方法 - Google Patents
一种智能机器人无人清洗控制方法 Download PDFInfo
- Publication number
- CN117093011B CN117093011B CN202311363804.3A CN202311363804A CN117093011B CN 117093011 B CN117093011 B CN 117093011B CN 202311363804 A CN202311363804 A CN 202311363804A CN 117093011 B CN117093011 B CN 117093011B
- Authority
- CN
- China
- Prior art keywords
- area
- important
- path
- intelligent robot
- normal
- 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.)
- Active
Links
- 238000004140 cleaning Methods 0.000 title claims abstract description 120
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000003595 spectral effect Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000005406 washing Methods 0.000 claims description 7
- 230000005611 electricity Effects 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 3
- 239000000758 substrate Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及智能机器人技术领域,具体涉及一种智能机器人无人清洗控制方法。该方法获取智能机器人清洗的节点区域;将节点区域划分为混合区域和综合重要区域;对综合重要区域中的重要区域进行分类,获取第二类别的第二路径;根据第二路径的特征,获取综合重要区域的初始成本指标;根据正常区域与综合重要区域中的重要区域的位置,获取分配系数,确定划分到综合重要区域的正常区域;将第一类别和第二类别中的路径进行重新规划,获取最终第一路径和最终第二路径;根据每条最终第一路径和每条最终第二路径中的人流密度,确定智能机器人清洗路径的顺序。本发明通过获取智能机器人最优的移动路径,提高智能机器人的工作效率。
Description
技术领域
本发明涉及智能机器人技术领域,具体涉及一种智能机器人无人清洗控制方法。
背景技术
随着科技不断的发展,智能机器人逐步成为清洁行业的刚需,使用智能机器人对清洗区域进行清洗时,智能机器人清洗路径的规划,直接决定了智能机器人清洗的效率。
现有方法中基于迪杰斯特拉(Dijkstra)算法,预先对智能机器人的清洗区域进行定位,建立地图,进行最短路径的选择划分。但在商场中,对智能机器人进行规划路径时,需要考虑智能机器人的剩余电量是否足够,并不是简单只考虑智能机器人的剩余电量是否可以回到充电区域,还要考虑智能机器人的剩余电量对清洗动作控制精度的影响,例如,商场中的某些清洗区域存在清洗贵重物品或者楼梯等动作精度需求较高的操作。同时,由于商场中的高人流密度使得智能机器人在避让行人时,会消耗额外的电量,因此,只考虑最短路径对商场中的清洗区域进行清洗会导致智能机器人清洗路径的规划不合理,使得智能机器人的清洗效率较低。
发明内容
为了解决智能机器人清洗路径的规划不合理的技术问题,本发明的目的在于提供一种智能机器人无人清洗控制方法,所采用的技术方案具体如下:
本发明提出了一种智能机器人无人清洗控制方法,该方法包括以下步骤:
获取智能机器人需要清洗的节点区域和每个节点区域的人流密度;其中,节点区域包括正常区域和重要区域;
对节点区域进行分类,获得至少两个第一类别;获取每个第一类别的第一路径;根据第一路径中每个重要区域清洗后智能机器人的第一剩余电量,将节点区域划分为混合区域和综合重要区域;
对综合重要区域进行分类,获得第二类别;获取每个第二类别的第二路径;根据每条第二路径的长度和经过的重要区域,以及智能机器人对每条第二路径中的所有重要区域清洗后的第二剩余电量,获取综合重要区域进行清洗的成本指标,作为初始成本指标;
根据每个正常区域与综合重要区域中的每个重要区域的位置,获取每个正常区域与综合重要区域中的每个重要区域之间的分配系数,根据所述分配系数、正常区域预划分到综合重要区域后对应的成本指标和初始成本指标,确定划分到综合重要区域的正常区域;
将第一类别和第二类别中的路径进行重新规划,获取最终第一路径和最终第二路径;根据每条最终第一路径和每条最终第二路径中的每个节点区域的人流密度,确定智能机器人清洗路径的顺序。
进一步地,所述第一剩余电量的获取方法为:
获取智能机器人存储的总电量;
获取智能机器人清洗每个节点区域的清洗消耗电量;
任选一条第一路径作为参考路径,获取参考路径中每个重要区域之前的所有节点区域的清洗消耗电量的总和,作为每个重要区域的第一结果;
将每个重要区域的第一结果与清洗消耗电量的相加结果,作为每个重要区域的参考消耗电量;
将总电量与每个参考消耗电量的差值,作为每个重要区域清洗后智能机器人的第一剩余电量。
进一步地,所述将节点区域划分为混合区域和综合重要区域的方法为:
当第一剩余电量大于预设的剩余电量阈值时,将对应的重要区域和正常区域划分为混合区域;
当第一剩余电量小于或者等于预设的剩余电量阈值时,将对应的重要区域划分为综合重要区域。
进一步地,所述成本指标对应的计算公式为:
式中,C为综合重要区域进行清洗的成本指标;为智能机器人对第n条第二路径
中的所有节点区域清洗后的第二剩余电量;为第n条第二路径的总长度;为第n条第二
路径经过的节点区域的总数量;N为综合重要区域中第二路径的总数量;norm为归一化函
数。
进一步地,所述分配系数对应的计算公式为:
式中,为第a个正常区域与综合重要区域中的第b个重要区域之间的分配系数;为第a个正常区域与智能机器人的充电区域之间的距离;为综合重要区域中的第b个重
要区域与智能机器人的充电区域之间的距离;为第a个正常区域与综合重要区域中的第b
个重要区域之间的距离;为绝对值函数。
进一步地,所述根据所述分配系数、正常区域预划分到综合重要区域后对应的成本指标和初始成本指标,确定划分到综合重要区域的正常区域的方法为:
选取综合重要区域中的任一个第二类别,作为参考第二类别;
获取参考第二类别中每个重要区域对应的最大分配系数,从大到小进行排序,获得参考第二类别的参考分配系数序列;
将参考分配系数序列中的第一个分配系数对应的至少一个正常区域,依次预划分到参考第二类别,当满足预设条件时,将第一个分配系数对应的正常区域划分到综合重要区域;继续获取参考分配系数序列中的第二个分配系数对应的正常区域中可以划分到综合重要区域的正常区域,直至参考分配系数序列中的第y个分配系数对应的每个正常区域均不满足预设条件时,停止向参考第二类别中划分正常区域;
将每个第二类别中划分的正常区域,作为划分到综合重要区域的正常区域。
进一步地,所述预设条件的获取方法为:
加入对应正常区域后参考第二类别的清洗消耗电量的总和小于总电量,以及加入对应正常区域后综合重要区域的成本指标小于或者等于初始成本指标。
进一步地,所述根据每条最终第一路径和每条最终第二路径中的每个节点区域的人流密度,确定智能机器人清洗路径的顺序的方法为:
将每条最终第一路径中的每个节点区域的人流密度进行累加,作为每条最终第一路径的第一整体人流量;
智能机器人根据最终第一路径对应的第一整体人流量从小到大的顺序,对最终第一路径进行清洗;
将每条最终第二路径中的每个节点区域的人流密度进行累加,作为每条最终第二路径的第二整体人流量;
智能机器人根据最终第二路径对应的第二整体人流量从小到大的顺序,对最终第二路径进行清洗。
进一步地,所述第一路径和第二路径的获取方法为:
获取每个节点区域和充电区域的中心;
将充电区域的中心作为起始点,根据每个节点区域的中心位置,获取每个第一类别对应的最短路径,作为第一路径;
将充电区域的中心作为起始点,根据综合重要区域中每个重要区域的中心位置,获取每个第二类别对应的最短路径,作为第二路径。
进一步地,所述第一类别和第二类别的获取方法为:
通过谱聚类对节点区域进行聚类,获得至少两个第一类别;其中,每个第一类别聚类的条件是每个第一类别中的所有清洗消耗电量的总和小于总电量;
通过谱聚类对综合重要区域中的重要区域进行聚类,获得第二类别;其中,每个第二类别聚类的条件是每个第二类别中的所有清洗消耗电量的总和小于总电量。
本发明具有如下有益效果:
根据第一路径中每个重要区域清洗后智能机器人的第一剩余电量,将节点区域划分为混合区域和综合重要区域,初步将节点区域进行分离,同时将部分重要区域划分到混合区域中,减少智能机器人的移动路径,提高智能机器人的清洗效率;为了进一步提高智能机器人的清洗效率,进而对综合重要区域中的重要区域进行分类,获得第二类别,获取每个第二类别的第二路径,减少智能机器人清洗重要区域的移动路径;为进一步减少智能机器人清洗重要区域在移动路径中的消耗,进而确定划分到综合重要区域的正常区域,减少智能机器人重复的移动路径,优化智能机器人的工作路径,进而根据最终的混合区域和综合重要区域,确定最终第一路径和最终第二路径,减少智能机器人在移动路径中的电量和时间的消耗,同时确保智能机器人将每条规划的路径中的节点区域清洗完成,使得智能机器人的移动路径规划的更合理,进而提高智能机器人的清洗工作效率;为了避免人流密度对智能机器人的清洗工作效率的影响,进而根据每条最终第一路径和每条最终第二路径中的每个节点区域的人流密度,确定智能机器人清洗路径的顺序,对多条路径进行优先度判定,保证智能机器人工作效率与安全的同时,减少智能机器人避障难度,提高智能机器人的清洗工作效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术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附图。
图1为本发明一个实施例所提供的一种智能机器人无人清洗控制方法的流程示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种智能机器人无人清洗控制方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种智能机器人无人清洗控制方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种智能机器人无人清洗控制方法的流程示意图,该方法包括以下步骤:
步骤S1:获取智能机器人需要清洗的节点区域和每个节点区域的人流密度;其中,节点区域包括正常区域和重要区域。
具体的,本发明实施例通过激光雷达,摄像头等传感器获取商场中的整体清洗区域的信息,进而通过激光SLAM(Simultaneous Localization And Mapping)算法,将商场中的整体清洗区域和智能机器人的充电区域构建为实时地图。其中,激光SLAM(SimultaneousLocalization And Mapping)算法为公知技术,在此不进行赘述。将实时地图中需要智能机器人清洗的区域作为节点区域,为了提高智能机器人清洗的效率,通过人工标记,将节点区域分别标记为正常区域和重要区域。其中,正常区域表示智能机器人只需要清洁地面的区域,重要区域表示智能机器人需要进行多项作业内容,如垂直清洗贵重物品,或需要下楼梯等控制精度较高的操作。同时根据商场中的监控探头,获取每个节点区域的人流密度。
步骤S2:对节点区域进行分类,获得至少两个第一类别;获取每个第一类别的第一路径;根据第一路径中每个重要区域清洗后智能机器人的第一剩余电量,将节点区域划分为混合区域和综合重要区域。
具体的,在规划智能机器人的路径时,需要使得智能机器人的清洗效率最大化,最简单的解决方法便是将节点区域划分为两个部分进行处理,一部分是排除重要区域,对正常区域根据规划的最短路径进行清洗。另一部分是直接对重要区域进行清洗,即智能机器人在充电区域充满电量后,从充电区域出发直接到某一个重要区域进行清洗,该重要区域清洗完成后,智能机器人返回充电区域进行充电,当充满电量后,智能机器人再次出发到另一个重要区域进行清洗,重复对每个重要区域进行清洗的过程,直至把所有的重要区域清洗完成。从充电区域出发只针对的清洗一个重要区域的方式,可以确保智能机器人控制清洗动作的精度,但是会浪费太多时间和电量在重要区域与充电区域之间的距离上,使得智能机器人的清洗效率较低。因此,在对智能机器人的清洗路径进行规划时,可以弹性的将部分重要区域与正常区域划分为一部分,减少智能机器人在节点区域与充电区域之间的往返次数,同时保证智能机器人清洗重要区域时的动作精度,以此提高智能机器人的清洗效率。本发明实施例将节点区域划分为两个部分分别作为混合区域和综合重要区域,其中,混合区域包括正常区域和部分重要区域,综合重要区域只包含部分重要区域。其中,获取混合区域和综合重要区域的方法如下:
(1)获取第一类别。
优选地,获取第一类别的方法为:获取智能机器人存储的总电量;获取智能机器人清洗每个节点区域的清洗消耗电量;通过谱聚类对节点区域进行聚类,获得至少两个第一类别;其中,每个第一类别聚类的条件是每个第一类别中的所有清洗消耗电量的总和小于总电量。其中,谱聚类为现有技术,在此不进行赘述。
作为一个示例,获取智能机器人充满电后存储的总电量,以及智能机器人清洗每个节点区域的预估消耗电量,即清洗消耗电量。清洗消耗电量的获取可通过以往清洗数据进行预估,这里不再进行详细说明。通过谱聚类对实时地图中的节点区域进行聚类,获得至少两个第一类别。根据节点区域的清洗消耗电量,限定每个第一类别中的节点区域,使得智能机器人从充电区域出发,对任一个第一类别中的所有节点区域清洗完成后,可以再返回充电区域进行充电,因此限定每个第一类别中的所有清洗消耗电量的总和小于总电量。减少智能机器人去充电区域的次数,降低智能机器人在移动路径中消耗的电量和时间,提高智能机器人的清洗效率。本发明实施例以第i个第一类别为例,获取第i个第一类别中的所有节点区域的清洗消耗电量的总和,作为清洗整体电量,当清洗整体电量小于总电量时,可以继续向第i个第一类别中聚类其他满足谱聚类条件的节点区域,直至第i个第一类别中的清洗整体电量大于或者等于总电量,停止对第i个第一类别的聚类,同时,此时对应的节点区域不可聚类到第i个第一类别中。若第i个第一类别中的清洗整体电量小于总电量,但实时地图中不存在可以划分到第i个第一类别中的节点区域,则第i个第一类别不再进行聚类其他的节点区域。根据获取第i个第一类别的方法,获取实时地图中所有的第一类别。需要说明的是,若通过谱聚类只获取一个第一类别,说明智能机器人清洗的节点区域距离充电区域很近且节点区域的面积较小,直接对该第一类别进行最短路径规划即可,进行分析的意义不大,因此,第一类别至少存在两个。
至此,获取实时地图中所有的第一类别。
(2)获取第一路径。
智能机器人是进行充电工作的,智能机器人每清洗一段时间,要返回到充电区域进行充电,当智能机器人充满电后,继续从充电区域出去,对节点区域进行清洗。为了提高智能机器人的清洗效率,本发明实施例获取充电区域和每个节点区域的中心,将充电区域的中心作为起始点,根据每个节点区域的中心位置,获取每个第一类别对应的最短路径,作为第一路径。每条第一路径的起点都是充电区域。此时,第一路径即为清洗第一类别中多个节点区域的路径中效率最高的路径,即智能机器人在移动路径上的时间和电量消耗最少的路径。其中,充电区域和每个节点区域的中心获取方法以及最短路径均为现有技术,在此不在进行赘述。
(3)获取混合区域和综合重要区域。
优选地,获取混合区域和综合重要区域的方法为:任选一条第一路径作为参考路径,获取参考路径中每个重要区域之前的所有节点区域的清洗消耗电量的总和,作为每个重要区域的第一结果;将每个重要区域的第一结果与清洗消耗电量的相加结果,作为每个重要区域的参考消耗电量;将总电量与每个参考消耗电量的差值,作为每个重要区域清洗后智能机器人的第一剩余电量;当第一剩余电量大于预设的剩余电量阈值时,将对应的重要区域和正常区域划分为混合区域;当第一剩余电量小于或者等于预设的剩余电量阈值时,将对应的重要区域划分为综合重要区域。
作为一个示例,以第x条第一路径为例,将第x条第一路径作为参考路径,将第x条第一路径中的重要区域根据出现的先后顺序进行排序,获得第x条第一路径的重要区域序列。获取第x条第一路径中的每个重要区域与对应重要区域之前的所有节点区域的清洗消耗电量的总和,作为每个重要区域的参考消耗电量。例如,假设第x条第一路径中的第一个重要区域为第x条第一路径中的第四个节点区域,则将第x条第一路径中的前四个节点区域的清洗消耗电量的总和,作为第x条第一路径中的第一个重要区域的参考消耗电量。根据获取第x条第一路径中的第一个重要区域的参考消耗电量的方法,获取每条第一路径中的每个重要区域的参考消耗电量。获取总电量与每个参考消耗电量的差值,作为每个重要区域清洗后智能机器人的第一剩余电量。已知,每个第一类别中的所有清洗消耗电量的总和小于总电量,确保智能机器人将每条第一路径的节点区域清洗完成后,可以返回到充电区域,因此,第一剩余电量一定大于0。本发明实施例将预设的剩余电量阈值设定为总电量的40%,实施者可根据实际情况进行设定,在此不进行限定。当第一剩余电量大于预设的剩余电量阈值时,说明智能机器人的剩余电量还比较多,间接说明对应的重要区域距离充电区域比较近,可以将该重要区域与正常区域统一划分为混合区域;当第一剩余电量小于或者等于预设的剩余电量阈值时,说明对应的重要区域距离充电区域可能比较远,将该重要区域划分为综合重要区域。至此,确定混合区域中的节点区域和综合重要区域中的节点区域。
本发明实施例实质就是将实时地图中的所有节点区域划分为混合区域和综合重要区域。为了便于对综合重要区域中的节点区域即重要区域进行统一分析,本发明实施例将第一类别中属于综合重要区域中的重要区域分割出来,将混合区域中的节点区域继续保留在第一类别中。
步骤S3:对综合重要区域进行分类,获得第二类别;获取每个第二类别的第二路径;根据每条第二路径的长度和经过的重要区域,以及智能机器人对每条第二路径中的所有重要区域清洗后的第二剩余电量,获取综合重要区域进行清洗的成本指标,作为初始成本指标。
具体的,已知划分到混合区域中的重要区域都是距离充电区域较近的重要区域,可与正常区域一起通过最短路径的规划,对划分到混合区域中的重要区域进行清洗。为了提高智能机器人对综合重要区域中的重要区域进行清洗的工作效率,本发明实施例通过谱聚类对综合重要区域中的重要区域进行聚类,获得第二类别;同时,将部分正常区域划分到综合重要区域中,避免因为智能机器人移动路线的重复,导致智能机器人清洗工作的效率低下。将部分正常区域划分到综合重要区域中需要满足一定的条件,首先需要获取综合重要区域中的重要区域进行清洗的成本指标即初始成本指标,为确定划分到综合重要区域中的正常区域作准备。其中,获取综合重要区域进行清洗的初始成本指标的方法如下:
(1)获取第二类别。
为了提高智能机器人对综合重要区域中的重要区域进行清洗的工作效率,本发明实施例同样通过谱聚类对综合重要区域中的节点区域即重要区域进行聚类,获得第二类别;其中,每个第二类别聚类的条件是每个第二类别中的所有清洗消耗电量的总和小于总电量。
作为一个示例,由步骤S2中的(1)获取第一类别的方法可知,根据综合重要区域中的重要区域的清洗消耗电量,限定每个第二类别中的重要区域,使得智能机器人从充电区域离开,对任一个第二类别中的所有重要区域清洗完成后,可以再返回充电区域进行充电,减少智能机器人去充电区域的次数,提高智能机器人的清洗工作效率。本发明实施例以第c个第二类别为例,获取第c个第二类别中的所有重要区域的清洗消耗电量的总和,作为清洗重要电量,当清洗重要电量小于总电量时,可以继续向第c个第二类别中聚类其他满足谱聚类条件的综合重要区域中的重要区域,直至第c个第二类别中的清洗重点电量大于或者等于总电量,停止对第c个第二类别的聚类,同时,此时对应的综合重要区域中的重要区域不可聚类到第c个第二类别中。若第c个第二类别中的清洗重要电量小于总电量,但实时地图中不存在可以划分到第c个第二类别中的综合重要区域中的重要区域,则第c个第二类别不再进行聚类。根据获取第c个第二类别的方法,获取实时地图中所有的第二类别。需要说明的是,因为综合重要区域中的重要区域可能分布的比较杂乱,因此,第二类别中的重要区域可能存在一个或者多个。
(2)获取第二路径。
根据步骤S2中获取第一路径的方法,获取第二路径的方法为:将充电区域的中心作为起始点,获取每个第二类别对应的最短路径,作为第二路径。
(3)获取初始成本指标。
具体的,对综合重要区域中的重要区域进行清洗时,根据智能机器人对每条第二路径中的重要区域清洗后的第二剩余电量,即智能机器人存储的总电量与每条第二路径中的所有重要区域的清洗消耗电量的差值,以及每条第二路径的总长度和经过的重要区域的数量,获取综合重要区域中的重要区域进行清洗的初始成本指标。其中,总电量大于每条第二路径中的所有节点区域的清洗消耗电量的总和,因此,第二剩余电量一定大于0。每条第二路径的总长度即为智能机器人从充电区域的出发到返回充电区域所行的路程。需要说明的是,充电区域不属于节点区域。获取综合重要区域进行清洗的初始成本指标的计算公式为:
式中,为综合重要区域进行清洗的初始成本指标;为智能机器人对第n条第二
路径中的所有重要区域清洗后的第二剩余电量;为第n条第二路径的总长度;为第n条
第二路径经过的重要区域的总数量;N为综合重要区域中第二路径的总数量;norm为归一化
函数。
需要说明的是,越大,智能机器人清洗完第n条第二路径中的所有重要区域后的
剩余电量越多,第n条第二路径对应的第二类别中可以划分正常区域的可能性越大,越
大;越大,说明第n条第二路径的总长度越大,且经过的重要区域越少,间接说明智能机
器人消耗越多的电量和时间在移动路径上,越大;因此,越大,说明当前综合重要区域
中规划的第二路径,使得智能机器人在移动路径中消耗的电量和时间越多,智能机器人的
工作效率越低,越需要向综合重要区域中添加正常区域,优化综合重要区域中的第二路径。
步骤S4:根据每个正常区域与综合重要区域中的每个重要区域的位置,获取每个正常区域与综合重要区域中的每个重要区域之间的分配系数,根据分配系数、正常区域预划分到综合重要区域后对应的成本指标和初始成本指标,确定划分到综合重要区域的正常区域。
具体的,为了准确的确定可以划分到综合重要区域中的正常区域,本发明实施例根据每个正常区域与综合重要区域中的每个重要区域的位置,获取每个正常区域与综合重要区域中的每个重要区域之间的分配系数,筛选出预测正常区域,对预测正常区域进行分析,确定划分到综合重要区域的正常区域,缩短了对划分到综合重要区域的正常区域的查找时间,提高了本发明实施例的操作效率。
作为一个示例,以第a个正常区域和综合重要区域中的第b个重要区域为例,获取第a个正常区域的中心与充电区域中心之间的欧式距离,即第a个正常区域与智能机器人的充电区域之间的距离;获取第b个重要区域的中心与充电区域中心之间的欧式距离,即综合重要区域中的第b个重要区域与智能机器人的充电区域之间的距离;获取第a个正常区域的中心与第b个重要区域的中心之间的欧式距离,即第a个正常区域与综合重要区域中的第b个重要区域之间的距离,其中,欧式距离的获取方法为公知技术,在此不进行赘述。进而获取第a个正常区域与综合重要区域中的第b个重要区域之间的分配系数的计算公式为:
式中,为第a个正常区域与综合重要区域中的第b个重要区域之间的分配系数;为第a个正常区域与智能机器人的充电区域之间的距离;为综合重要区域中的第b个重
要区域与智能机器人的充电区域之间的距离;为第a个正常区域与综合重要区域中的第b
个重要区域之间的距离;为绝对值函数。
需要说明的是,越小,与越接近,说明智能机器人到第a
个正常区域的路径与智能机器人到综合重要区域中的第b个重要区域的路径重复程度越
高,若第a个正常区域被分配到第b个重要区域所在的第二类别中,则智能机器人在移动路
程中消耗的电流和时间越少,智能机器人的清洗工作效率越高,越大;当
时,说明第a个正常区域距离充电区域之间的距离越小,第a个正常区域被分配到第b个重要
区域所在的第二类别中的可能性越低,越大,越小;因此,越大,第a个
正常区域被分配到第b个重要区域所在的第二类别中的可能性越大。
根据获取第a个正常区域与综合重要区域中的第b个重要区域之间的分配系数的方法,获取每个正常区域与综合重要区域中的每个重要区域之间的分配系数。
优选地,确定划分到综合重要区域的正常区域的方法为:选取综合重要区域中的任一个第二类别,作为参考第二类别;获取参考第二类别中每个重要区域对应的最大分配系数,从大到小进行排序,获得参考第二类别的参考分配系数序列;将参考分配系数序列中的第一个分配系数对应的至少一个正常区域,依次预划分到参考第二类别,当满足预设条件时,将第一个分配系数对应的正常区域划分到综合重要区域;继续获取参考分配系数序列中的第二个分配系数对应的正常区域中可以划分到综合重要区域的正常区域,直至参考分配系数序列中的第y个分配系数对应的每个正常区域均不满足预设条件时,停止向参考第二类别中划分正常区域;将每个第二类别中划分的正常区域,作为划分到综合重要区域的正常区域。本发明实施例将预设条件设定为:加入对应正常区域后参考第二类别的清洗消耗电量的总和小于总电量,以及加入对应正常区域后综合重要区域的成本指标小于或者等于初始成本指标。
作为一个示例,以综合重要区域中的第r个第二类别为例,将第r个第二类别作为参考第二类别,获取第r个第二类别中每个重要区域对应的最大分配系数,从大到小进行排序,获得第r个第二类别的参考分配系数序列。从参考分配系数序列中的第一个分配系数开始进行分析,假如参考分配系数序列中的第一个分配系数对应的是第r个第二类别中的第t个重要区域,若参考分配系数序列中的第一个分配系数不止存在一个,例如存在3个,则第t个重要区域同时对应3个正常区域。
将第t个重要区域对应3个正常区域分别预划分到第r个第二类别中,当不满足预设条件时,则第t个重要区域对应的3个正常区域都不可以划分到综合重要区域中,此时第r个第二类别中不可以划分任何正常区域。当3个正常区域均满足预设条件时,则第t个重要区域对应的3个正常区域都可以单独划分到综合重要区域中。当部分正常区域满足预设条件时,则第t个重要区域对应的3个正常区域中存在可以单独划分到综合重要区域中的正常区域,若存在一个正常区域可以单独划分到综合重要区域中的正常区域,则将该正常区域划分到第r个第二类别中,即确定该正常区域为划分到综合重要区域的正常区域,并将该正常区域从对应的第一类别中进行去除;若存在两个正常区域可以单独划分到综合重要区域中的正常区域,则将该两个正常区域同时划分到第r个第二类别中,当满足预设条件时,则该两个正常区域可以一起划分到第r个第二类别即综合重要区域中,并将该两个正常区域从对应的第一类别中去除。
为了进一步优化智能机器人的移动路径,当第t个重要区域对应的3个正常区域均可单独划分到综合重要区域中时,将第t个重要区域对应的3个正常区域任意两两组合,将每两个正常区域同时加入第r个第二类别,当每任意两两组合均满足预设条件时,则第t个重要区域对应的3个正常区域中的每两个正常区域均可一起划分到综合重要区域中;此时可以同时将第t个重要区域对应的3个正常区域加入第r个第二类别,当满足预设条件时,则第t个重要区域对应的3个正常区域均可一起划分到第r个第二类别即综合重要区域中,并将的3个正常区域从对应的第一类别中去除。当每任意两两组合存在满足预设条件时,则第t个重要区域对应的3个正常区域中存在某两个正常区域均可一起划分到综合重要区域中,若某两个正常区域只有一种情况,则把该两个正常区域划分到第r个第二类别中,即确定该两个正常区域为划分到综合重要区域的正常区域,并将该两个正常区域从对应的第一类别中进行去除;若某两个正常区域不止一种情况,则获取每种组合情况对应的成本指标,将最大的成本指标对应的两个正常区域划分到第r个第二类别中,即确定该两个正常区域为划分到综合重要区域的正常区域,并将该两个正常区域从对应的第一类别中进行去除,若最大的成本指标对应的两个正常区域不止一种情况,则任选一种情况对应的两个正常区域划分到综合重要区域中。当每任意两两组合均不满足预设条件时,则第t个重要区域对应的3个正常区域中每任意两个正常区域均不可一起划分到综合重要区域,此时,获取第t个重要区域对应的3个正常区域单独加入第r个第二类别对应的成本指标,将最大的成本指标对应的正常区域划分到第r个第二类别中,即确定该正常区域为划分到综合重要区域的正常区域,并将该正常区域从对应的第一类别中进行去除,若最大的成本指标对应的正常区域不止一个,则任选一个正常区域划分到综合重要区域中。
只要参考分配系数序列中的第一个分配系数对应的正常区域有划分到第r个第二类别中的,则继续对参考分配系数序列中的第二个分配系数进行分析,直至出现参考分配系数序列中的某个分配系数对应的每个正常区域均不满足预设条件时,停止向第r个第二类别中划分正常区域。
根据获取第r个第二类别中划分的正常区域的方法,获取每个第二类别中可以划分的正常区域,将划分到第二类别中的正常区域一定要从对应的第一类别中进行去除。其中,所有第二类别中划分的正常区域即为划分到综合重要区域中的正常区域。
步骤S5:将第一类别和第二类别中的路径进行重新规划,获取最终第一路径和最终第二路径;根据每条最终第一路径和每条最终第二路径中的每个节点区域的人流密度,确定智能机器人清洗路径的顺序。
具体的,将混合区域中去除划分到综合重要区域的正常区域的第一类别和划分到正常区域的第二类别对应的最短路径进行重新规划,获取每个第一类别的最终第一路径和每个第二类别的最终第二路径,作为智能机器人最终的每条移动路径。
当节点区域中的人流密度过大时,智能机器人在清洗该节点区域时,需要不断的避让行人,导致智能机器人的工作效率降低,为了降低人流密度对智能机器人工作效率的影响。本发明实施例将每条最终第一路径中的每个节点区域的人流密度进行累加,作为每条最终第一路径的第一整体人流量;智能机器人根据最终第一路径对应的第一整体人流量从小到大的顺序,对每条最终第一路径进行清洗,为了防止对每条最终第一路径进行重复清洗,本发明实施例将清洗后的最终第一路径进行去除,每次只分析未清洗的最终第一路径的第一整体人流量。因为行人不是固定的,因此,每清洗完一条最终第一路径,需要对未清洗的最终第一路径的第一整体人流量进行重新排序,确定智能机器人清洗最终第一路径的顺序。至此,完成对每条最终第一路径中的节点区域的清洗。进而开始对每条最终第二路径中的每个节点区域进行清洗。
本发明实施例将每条最终第二路径中的每个节点区域的人流密度进行累加,作为每条最终第二路径的第二整体人流量;智能机器人根据最终第二路径对应的第二整体人流量从小到大的顺序,对每条最终第二路径进行清洗,为了防止对每条最终第二路径进行重复清洗,本发明实施例将清洗后的最终第二路径进行去除,每次只分析未清洗的最终第二路径的第二整体人流量。因为行人不是固定的,因此,每清洗完一条最终第二路径,需要对未清洗的最终第二路径的第二整体人流量进行重新排序,确定智能机器人清洗最终第二路径的顺序。至此,完成对每条最终第二路径中的节点区域的清洗。
其中,本发明实施例通过智能机器人的控制与执行模块,控制智能制机器人的运动和执行清洗动作,即控制智能机器人的驱动器或执行器进行精确的运动,同时负责控制智能制机器人的清洗装置,例如智能制机器人的喷头、刷子或者吸尘装置的启动,停止以及对应的参数调节。同时,通过智能机器人的安全模块,控制智能制机器人识别和避开环境中的障碍物,确保智能机器人的安全以及正常清洗操作。其中,安全模块通过智能机器人自身安置的激光雷达、超声波传感器、摄像头等装置来检测障碍物,例如行人,并使用避障算法来规避障碍物。其中,避障算法为现有技术,在此不进行赘述。
至此,本发明完成。
综上所述,本发明实施例获取智能机器人清洗的节点区域;将节点区域划分为混合区域和综合重要区域;对综合重要区域中的重要区域进行分类,获取第二类别的第二路径;根据第二路径的特征,获取综合重要区域的初始成本指标;根据每个正常区域与综合重要区域中的重要区域的位置,获取分配系数,确定划分到综合重要区域的正常区域;将第一类别和第二类别中的路径进行重新规划,获取最终第一路径和最终第二路径;根据每条最终第一路径和每条最终第二路径中的人流密度,确定智能机器人清洗路径的顺序。本发明通过获取智能机器人最优的移动路径,提高智能机器人的工作效率。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
Claims (6)
1.一种智能机器人无人清洗控制方法,其特征在于,该方法包括以下步骤:
获取智能机器人需要清洗的节点区域和每个节点区域的人流密度;其中,节点区域包括正常区域和重要区域;其中,正常区域表示智能机器人只需要清洁地面的区域,重要区域表示智能机器人需要进行多项作业内容的区域;
对节点区域进行分类,获得至少两个第一类别;将充电区域的中心作为起始点,根据每个节点区域的中心位置,获取每个第一类别对应的最短路径,作为第一路径;根据第一路径中每个重要区域清洗后智能机器人的第一剩余电量,将节点区域划分为混合区域和综合重要区域;其中,获取第一类别的方法为:获取智能机器人存储的总电量;获取智能机器人清洗每个节点区域的清洗消耗电量;通过谱聚类对节点区域进行聚类,获得至少两个第一类别;其中,每个第一类别聚类的条件是每个第一类别中的所有清洗消耗电量的总和小于总电量;
其中,获取混合区域和综合重要区域的方法为:任选一条第一路径作为参考路径,获取参考路径中每个重要区域之前的所有节点区域的清洗消耗电量的总和,作为每个重要区域的第一结果;将每个重要区域的第一结果与清洗消耗电量的相加结果,作为每个重要区域的参考消耗电量;将总电量与每个参考消耗电量的差值,作为每个重要区域清洗后智能机器人的第一剩余电量;当第一剩余电量大于预设的剩余电量阈值时,将对应的重要区域和正常区域划分为混合区域;当第一剩余电量小于或者等于预设的剩余电量阈值时,将对应的重要区域划分为综合重要区域;
对综合重要区域进行分类,获得第二类别;将充电区域的中心作为起始点,根据综合重要区域中每个重要区域的中心位置,获取每个第二类别对应的最短路径,作为第二路径;根据每条第二路径的长度和经过的重要区域,以及智能机器人对每条第二路径中的所有重要区域清洗后的第二剩余电量,获取综合重要区域进行清洗的成本指标,作为初始成本指标;其中,每个第二类别聚类的条件是每个第二类别中的所有清洗消耗电量的总和小于总电量;
根据每个正常区域与综合重要区域中的每个重要区域的位置,获取每个正常区域与综合重要区域中的每个重要区域之间的分配系数,根据所述分配系数、正常区域预划分到综合重要区域后对应的成本指标和初始成本指标,确定划分到综合重要区域的正常区域;
将第一类别和第二类别中的路径进行重新规划,获取最终第一路径和最终第二路径;根据每条最终第一路径和每条最终第二路径中的每个节点区域的人流密度,确定智能机器人清洗路径的顺序。
2.如权利要求1所述一种智能机器人无人清洗控制方法,其特征在于,所述成本指标对应的计算公式为:
,式中,C为综合重要区域进行清洗的成本指标;/>为智能机器人对第n条第二路径中的所有节点区域清洗后的第二剩余电量;/>为第n条第二路径的总长度;/>为第n条第二路径经过的节点区域的总数量;N为综合重要区域中第二路径的总数量;norm为归一化函数。
3.如权利要求1所述一种智能机器人无人清洗控制方法,其特征在于,所述分配系数对应的计算公式为:
,式中,/>为第a个正常区域与综合重要区域中的第b个重要区域之间的分配系数;/>为第a个正常区域与智能机器人的充电区域之间的距离;为综合重要区域中的第b个重要区域与智能机器人的充电区域之间的距离;/>为第a个正常区域与综合重要区域中的第b个重要区域之间的距离;/>为绝对值函数。
4.如权利要求1所述一种智能机器人无人清洗控制方法,其特征在于,所述根据所述分配系数、正常区域预划分到综合重要区域后对应的成本指标和初始成本指标,确定划分到综合重要区域的正常区域的方法为:
选取综合重要区域中的任一个第二类别,作为参考第二类别;
获取参考第二类别中每个重要区域对应的最大分配系数,从大到小进行排序,获得参考第二类别的参考分配系数序列;
将参考分配系数序列中的第一个分配系数对应的至少一个正常区域,依次预划分到参考第二类别,当满足预设条件时,将第一个分配系数对应的正常区域划分到综合重要区域;继续获取参考分配系数序列中的第二个分配系数对应的正常区域中可以划分到综合重要区域的正常区域,直至参考分配系数序列中的第y个分配系数对应的每个正常区域均不满足预设条件时,停止向参考第二类别中划分正常区域;
将每个第二类别中划分的正常区域,作为划分到综合重要区域的正常区域。
5.如权利要求4所述一种智能机器人无人清洗控制方法,其特征在于,所述预设条件的获取方法为:
加入对应正常区域后参考第二类别的清洗消耗电量的总和小于总电量,以及加入对应正常区域后综合重要区域的成本指标小于或者等于初始成本指标。
6.如权利要求1所述一种智能机器人无人清洗控制方法,其特征在于,所述根据每条最终第一路径和每条最终第二路径中的每个节点区域的人流密度,确定智能机器人清洗路径的顺序的方法为:
将每条最终第一路径中的每个节点区域的人流密度进行累加,作为每条最终第一路径的第一整体人流量;
智能机器人根据最终第一路径对应的第一整体人流量从小到大的顺序,对最终第一路径进行清洗;
将每条最终第二路径中的每个节点区域的人流密度进行累加,作为每条最终第二路径的第二整体人流量;
智能机器人根据最终第二路径对应的第二整体人流量从小到大的顺序,对最终第二路径进行清洗。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311363804.3A CN117093011B (zh) | 2023-10-20 | 2023-10-20 | 一种智能机器人无人清洗控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311363804.3A CN117093011B (zh) | 2023-10-20 | 2023-10-20 | 一种智能机器人无人清洗控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117093011A CN117093011A (zh) | 2023-11-21 |
CN117093011B true CN117093011B (zh) | 2024-01-05 |
Family
ID=88772000
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311363804.3A Active CN117093011B (zh) | 2023-10-20 | 2023-10-20 | 一种智能机器人无人清洗控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117093011B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113126629A (zh) * | 2021-04-29 | 2021-07-16 | 清华大学深圳国际研究生院 | 一种机器人主动搜索目标的方法及智能机器人 |
CN213911557U (zh) * | 2020-03-18 | 2021-08-10 | 上海思岚科技有限公司 | 一种喷洒消毒机器人 |
EP3940494A1 (en) * | 2020-07-17 | 2022-01-19 | Wuhan University of Science and Technology | Path planning method for substation inspection robot |
CN115969287A (zh) * | 2023-03-21 | 2023-04-18 | 科大讯飞股份有限公司 | 清洁机器人及其电量管理方法、装置及存储介质 |
CN116859909A (zh) * | 2023-05-29 | 2023-10-10 | 河南清智智能科技研究院有限公司 | 一种智能机器人的路径规划方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107677285B (zh) * | 2017-04-11 | 2019-05-28 | 平安科技(深圳)有限公司 | 机器人的路径规划系统及方法 |
US20220280010A1 (en) * | 2021-03-02 | 2022-09-08 | Yujin Robot Co., Ltd. | Moving path planning apparatus and method for robot |
-
2023
- 2023-10-20 CN CN202311363804.3A patent/CN117093011B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN213911557U (zh) * | 2020-03-18 | 2021-08-10 | 上海思岚科技有限公司 | 一种喷洒消毒机器人 |
EP3940494A1 (en) * | 2020-07-17 | 2022-01-19 | Wuhan University of Science and Technology | Path planning method for substation inspection robot |
CN113126629A (zh) * | 2021-04-29 | 2021-07-16 | 清华大学深圳国际研究生院 | 一种机器人主动搜索目标的方法及智能机器人 |
CN115969287A (zh) * | 2023-03-21 | 2023-04-18 | 科大讯飞股份有限公司 | 清洁机器人及其电量管理方法、装置及存储介质 |
CN116859909A (zh) * | 2023-05-29 | 2023-10-10 | 河南清智智能科技研究院有限公司 | 一种智能机器人的路径规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117093011A (zh) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107703930B (zh) | 机器人的续扫控制方法 | |
CN109953700B (zh) | 一种清扫方法及清洁机器人 | |
CN109363585B (zh) | 分区遍历方法、清扫方法及其扫地机器人 | |
CN109976350B (zh) | 多机器人调度方法、装置、服务器及计算机可读存储介质 | |
Bormann et al. | Room segmentation: Survey, implementation, and analysis | |
Ijspeert et al. | Collaboration through the exploitation of local interactions in autonomous collective robotics: The stick pulling experiment | |
CN106444755B (zh) | 基于改进遗传算法的移动机器人路径规划方法 | |
Best et al. | Bayesian intention inference for trajectory prediction with an unknown goal destination | |
CN111474926B (zh) | 一种基于多agv时间窗路径优化算法的废烟回收方法 | |
Fernandez et al. | A survey of elevator group control systems for vertical transportation: A look at recent literature | |
Gao et al. | A global path planning algorithm for robots using reinforcement learning | |
CN103472828A (zh) | 基于改进蚁群粒子群算法的移动机器人路径规划方法 | |
Zhang et al. | Path planning based quadtree representation for mobile robot using hybrid-simulated annealing and ant colony optimization algorithm | |
CN111062494B (zh) | 具有终身学习能力的机器人自组织-反思认知发育方法及系统 | |
CN107390700A (zh) | 机器人的动态建图方法及芯片 | |
Luo et al. | Multi-agent collaborative exploration through graph-based deep reinforcement learning | |
CN114489062A (zh) | 面向车间物流的多自动导引车分布式动态路径规划方法 | |
CN112344945A (zh) | 室内配送机器人路径规划方法、系统及室内配送机器人 | |
CN107664748B (zh) | 机器人检测地毯的方法及芯片 | |
CN112053065A (zh) | 一种机器人的本地递送方法、装置和机器人 | |
CN117093011B (zh) | 一种智能机器人无人清洗控制方法 | |
CN112015185A (zh) | 一种机器人的本地调度方法、装置和机器人 | |
Lang et al. | Semantic maps for robotics | |
CN115026833A (zh) | 多层地图创建方法、装置及机器人 | |
CN109615885B (zh) | 一种智能交通信号控制方法、装置及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |