CN117122245A - 机器人控制方法、机器人、机器人控制系统及存储介质 - Google Patents

Abstract

本申请公开了一种机器人控制方法、机器人、机器人控制系统及存储介质，其中，机器人控制方法包括：基于机器人所处环境的环境地图进行路径规划，得到机器人的移动路线；其中，环境地图基于摄像器件对机器人所处环境拍摄到的环境图像构建得到，且摄像器件安装于机器人所处环境，并与机器人分离设置；在沿移动路线运动过程中，基于地面探测器的探测数据，控制机器人的清扫模式。上述方案，能够准确规划机器人移动路线，并控制其清扫模式。

Description

机器人控制方法、机器人、机器人控制系统及存储介质

技术领域

本申请涉及机器人技术领域，特别是涉及一种机器人控制方法、机器人、机器人控制系统及存储介质。

背景技术

随着计算机技术与人工智能科学飞速发展，诸如扫地机器人等各类清扫机器人进入千家万户。

然而，由于实际应用场景往往存在一定的复杂性，机器人在工作过程中容易出现规划路线不合理、清扫模式控制不准确等问题。例如，经过地毯时，机器人未能切换地毯模式造成打湿地毯甚至损伤地毯等问题。有鉴于此，如何准确规划机器人移动路线，并控制其清扫模式成为亟需解决的问题。

发明内容

本申请主要解决的技术问题是提供一种机器人控制方法、机器人、机器人控制系统及存储介质，能够准确规划机器人移动路线并控制其清扫模式。

为了解决上述技术问题，本申请第一方面提供了一种机器人控制方法，包括：基于机器人所处环境的环境地图进行路径规划，得到机器人的移动路线；其中，环境地图基于摄像器件对机器人所处环境拍摄到的环境图像构建得到，且摄像器件安装于机器人所处环境，并与机器人分离设置；在沿移动路线运动过程中，基于地面探测器的探测数据，控制机器人的清扫模式。

为了解决上述技术问题，本申请第二方面提供了一种机器人，包括地面探测器、处理器和存储器，地面探测器和存储器分别与处理器耦接；处理器用于执行存储器存储的程序指令，以实现上述第一方面所述的机器人控制方法。

为了解决上述技术问题，本申请第三方面提供了一种机器人控制系统，包括摄像器件和上述第二方面中的机器人。

为了解决上述技术问题，本申请第四方面提供了一种计算机可读存储介质，存储有能够被处理器运行的程序指令，程序指令用于实现上述第一方面中的机器人控制方法。

上述方案中，一方面通过安装于机器人所处环境的摄像器件获得环境图像，进而构建环境地图进行路径规划，得到机器人的移动路线，摄像器件与机器人分离设置，提高了环境地图构建的准确性，进而可以准确规划移动路线；另一方面在沿移动路线运动过程中，基于地面探测器的探测数据，进行地面状态分析，并根据地面状态准确控制机器人的清扫模式。

附图说明

图1是本申请机器人一实施例的框架示意图；

图2是地面探测器在机器人中的安装位置及其结构示意图；

图3是本申请机器人控制系统一实施例的框架示意图；

图4是摄像器件的结构示意图；

图5是本申请机器人控制方法一实施例的流程示意图；

图6是本申请机器人控制方法一实际应用场景的示意图；

图7是摄像器件拍摄视角的示意图；

图8是摄像器件获取深度信息的原理示意图；

图9是图5中步骤S11一实施例的流程示意图；

图10是图5中步骤S11另一实施例的流程示意图；

图11是本申请机器人控制方法另一实施例的流程示意图；

图12是机器人控制装置一实施例的框架示意图；

图13是本申请计算机可读存储介质一实施例的框架示意图。

具体实施方式

下面结合说明书附图，对本申请实施例的方案进行详细说明。

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、接口、技术之类的具体细节，以便透彻理解本申请。

本文中术语“系统”和“网络”在本文中常被可互换使用。本文中术语“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。此外，本文中的“多”表示两个或者多于两个。

为了便于说明本申请机器人控制方法的实施例，请参阅图1，图1是本申请机器人10一实施例的框架示意图。机器人10具体可以为扫地机器人、扫拖机器人、消杀机器人等能够半自主或全自主进行清洁工作的智能机器。具体而言，机器人10包括地面探测器103、处理器101和存储器102，地面探测器103和存储器102分别与处理器101耦接，处理器101用于执行存储器102存储的程序指令，以实现机器人移动控制方法任一实施例中的步骤。

具体地，处理器101可以控制其自身以及存储器102执行机器人移动控制方法任一实施例中的步骤。处理器101还可以称为CPU(Central Processing Unit，中央处理单元)。处理器101可能是一种集成电路芯片，具有信号的处理能力。处理器101还可以是通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable GateArray，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。另外，处理器101可以由多个成电路芯片共同实现。

请参阅图2，图2是地面探测器103在机器人10中的安装位置及其结构示意图。具体而言，地面探测器103设置于机器人10底部，地面探测器103包括第一摄像元件1031和照明元件1032，第一摄像元件1031用于拍摄机器人10所处地面的地面图像，照明元件1032用于照亮机器人10下方的地面，有利于提高采集地面图像信息的精确度。

在具体的实施场景中，可以参照图2将第一摄像元件1031的数量设置为1个、将照明元件1032的数量设置为4个。当然，在现实场景中，也可以根据需要对其自主设置，在此对第一摄像元件1031和照明元件1032两者的数量不作具体限制。同时，第一摄像元件1031可以是红外摄像头，照明元件1032可以是红外灯，也可以是其他摄像、照明装置的组合，在此不做具体限制。

上述方案中，一方面通过安装于机器人所处环境的摄像器件获得环境图像，进而构建环境地图进行路径规划，得到机器人的移动路线，摄像器件与机器人分离设置，提高了环境地图构建的准确性，进而可以准确规划移动路线；另一方面在沿移动路线运动过程中，基于地面探测器的探测数据，进行地面状态分析，并根据地面状态准确控制机器人的清扫模式。

请参阅图3，图3是本申请机器人控制系统30一实施例的框架示意图。具体而言，机器人控制系统30包括摄像器件31和机器人10，其中机器人10与前述实施例中的机器人含义完全一致，在此不再赘述；摄像器件31安装于机器人10所处环境，并与机器人10分离设置。示例性地，机器人10在诸如房间、展室等室内空间等工作时，摄像器件31可以安装在室内空间的墙面或者屋顶等位置；或者，机器人10在诸如街面、公园等室外空间工作时，摄像器件31可以安装在室外空间的路灯杆或建筑外墙等位置。需要说明的是，摄像器件31的安装位置以尽可能覆盖其工作区域为宜。其他情况可以以此类推，在此不再一一举例。

图4是摄像器件31的结构示意图，具体而言，摄像器件31包括云台311和承载于云台311的第二摄像元件312，云台311用于控制第二摄像元件312转动，第二摄像元件312用于拍摄机器人10所处环境的环境图像。云台311可以控制第二摄像元件312在竖直方向或水平方向转动，故而可以尽可能提升第二摄像元件312的拍摄视角，实现对机器人10所处环境的全面拍摄。

在一个具体的实施场景中，第二摄像元件312可以是结构光深度相机、双目深度相机、TOF(time of flight，飞行时间)深度相机等，在此不做具体限制。

上述方案中，一方面通过安装于机器人所处环境的摄像器件获得环境图像，进而构建环境地图进行路径规划，得到机器人的移动路线，摄像器件与机器人分离设置，提高了环境地图构建的准确性，进而可以准确规划移动路线；另一方面在沿移动路线运动过程中，基于地面探测器的探测数据，进行地面状态分析，并根据地面状态准确控制机器人的清扫模式。

请参阅图5，图5是本申请机器人控制方法一实施例的流程示意图。具体而言，本实施例中的机器人控制方法可以包括如下步骤：

步骤S11：基于机器人所处环境的环境地图进行路径规划，得到机器人的移动路线。

在一个实施场景中，可以基于摄像器件对机器人所处环境拍摄得到环境图像进行构建，得到环境地图。请参阅图6，图6是本申请机器人控制方法一实际应用场景的示意图。在一个客餐厅环境中，摄像器件设置于墙面，机器人在地面进行工作，根据摄像器件拍摄得到的环境图像进行构建，得到环境地图。

在一个实施场景中，机器人可以接收环境地图，环境地图由云服务器基于环境图像构建得到，环境图像由摄像器件上传至云服务器。机器人也可以直接接收环境图像，并基于环境图像构建环境地图。

在一个具体的实施场景中，为了降低诸如摄像器件等设备的工作负荷，摄像器件可以将拍摄得到的环境图像上传至云服务器进行图像处理，云服务器可以基于环境图像构建得到环境地图，并将环境地图发送至机器人。

在另一个具体的实施场景中，为了在降低诸如摄像器件等设备的动作负荷的前提下，进一步提升机器人获取环境地图的速率，从而提升机器人的工作效率，还可以搭建硬件服务器，且硬件服务器可以与摄像器件、机器人通信连接。在此基础上，摄像器件可以将拍摄得到的环境图像发送至与摄像器件和机器人通信连接的硬件服务器进行图像处理，硬件服务器可以基于环境图像构建得到环境地图，并将环境地图发送至机器人。

在又一个具体的实施场景中，在机器人算力富余的情况下，摄像器件可以将拍摄得到的环境图像转发至机器人，机器人内部处理器可以基于环境图像进行图像处理，进而在机器人本地即可构建得到环境地图。

需要说明的是，进行图像处理和环境地图构建的实施方式包括但不限于上述三种实施方式。

在一个具体的实施场景中，可以基于SLAM(Simultaneous Localization andMapping，同步定位与建图)技术构建环境地图。

在另一个具体的实施场景中，可以基于拓扑地图技术构建环境地图。

在又一个具体的实施场景中，还可以基于语义地图技术构建环境地图。

需要说明的是，实现环境地图构建的方法包括但不限于上述三种地图构建技术。

请参阅图7，图7是摄像器件的拍摄视角的示意图，摄像器件的竖直方向视场角为a，水平方向视场角为b，结合云台沿竖直方向和水平方向转动，尽可能提高了摄像器件的视角，故此，摄像器件拍摄的机器人所处环境的图像信息可以尽可能的全面、准确。进一步地，摄像器件为深度云台相机，因此其拍摄的环境图像还包括有深度信息，故而环境地图中还包含机器人所处环境各个位置的深度信息。请参阅图8，图8是摄像器件获取深度信息的原理示意图，可以以发出信号脉冲和接收信号脉冲的上升沿或者下降沿作为基础，获取脉冲信号的收发时间间隔td，进而根据光速和摄像器件的角度数据，换算出目标平面的深度数据。

请结合查阅图9，图9是图5中步骤S11一实施例的流程示意图，上述实施例中步骤S11可以具体包括：

步骤S111：基于环境地图中各位置的深度信息进行区域划分，得到区域划分结果。

在一个具体的实施场景中，基于环境地图中各位置的深度信息与机器人的通行能力的比较结果进行区域划分，得到区域划分结果。区域划分结果包括：可通行区域、禁止通行区域、待确定区域。

比如，机器人的通行能力可以包括最大攀登高度和最大越空高度，最大攀登高度反应了机器人可以攀登的最大平面凸起的高度，最大越空高度反映了机器人可以越过的最大平面凹陷的深度。响应于位置的深度信息处于机器人的最大攀登高度和最大越空高度之间，确定该位置属于可通行区域；响应于位置的深度信息超出最大攀登高度和最大越空高度之外，确定该位置属于禁止通行区域；响应于位置无法获取深度信息，确定该位置属于待确定区域。通过环境地图中位置深度信息与机器人通行能力的比较，识别出可通行区域、禁止通行区域以及待确定区域，便于后续按照区域的划分准确进行路径规划。

在另一个具体的实施场景中，基于环境地图中各个位置的深度信息是否发生骤变进行区域划分，得到区域划分结果。例如，可以设置骤变阈值为10厘米等具体数值，各个位置与相邻位置的深度差值超过骤变阈值，则将相关位置划分为危险区域，其他位置划分为安全区域。

在又一个具体的实施场景中，基于环境地图中各个位置的深度信息的变化率情况进行区域划分，得到区域划分结果。例如，可以设置变化率阈值为20％等具体数值，将与相邻位置的深度值的变化率均小于变化率阈值的未知区域划分为重点清扫区域，将与相邻位置的深度值的变化率均不小于变化率阈值的未知区域划分为无需清扫区域，将其他位置划分为选择清扫区域。

步骤S112：基于区域划分结果，规划得到移动路线。

在一个具体的实施场景中，如前所述，区域划分结果包括可通行区域、禁止通行区域以及待确定区域，在进行移动路线规划时可以优先沿着可通行区域进行路线规划，若无法仅依靠可通行区域确定移动路线，则可以适当经过部分待确定区域，严禁将移动路线规划至禁止通行区域。

在另一个具体的实施场景中，如前所述，区域划分结果包括危险区域和安全区域，在进行移动路线规划时仅可考虑安全区域，避免移动路线经过危险区域。

在又一个具体的实施场景中，如前所述，区域划分结果包括重点清扫区域、无需清扫区域和选择清扫区域，在进行路径规划时优先考虑重点清扫区域，适当加入部分选择清扫区域，避开无需清扫区域。

上述方案中，通过对机器人所处环境各个位置的深度信息进行分析，实现对环境各个区域的划分，进而根据区域的不同完成移动路线的规划，故而路线的规划可以更加准确，同时也尽可能减小了机器人驶入危险区域的可能。

在另一个实施场景中，机器人所处环境的地面上包含若干对象，且环境地图中标注有各对象及其对象类别。例如，在环境地图上标注有桌子、椅子、茶几、餐桌、高脚沙发等可通行物件，以及毛毯、墙壁、冰箱等无法通行障碍物。请结合查阅图10，图10是图5中步骤S11另一实施例的流程示意图，上述实施例中步骤S11可以具体包括：

步骤S113：响应于用户基于对象类别在环境地图上对对象的选择指令，将被选择的对象所在区域，作为可通行区域。

在一个具体的实施场景中，可以对摄像器件获取的图像信息进行语义识别，并对识别结果进行分类，对象类别包括可通行物件和无法通行障碍物。进一步地，标注有各对象及其对象类别的环境地图可以在手机、平板等智能移动终端上显示，用户可以选择若干对象，并将该对象所在区域作为可通行区域，也可以选择若干其他对象，并将其所在的区域作为禁止通行区域。

步骤S114：基于环境地图中可通行区域，规划得到移动路线。

对于用户选择对象确定的可通行区域，可以规划机器人一次前往进行清扫工作，并在前往可通行区域的路线上避开禁止通行区域。

上述方案中，环境地图中标注有各对象及其对象类别可以使用户直观看到机器人工作区域的外观，能有效提高人机交互体验感，同时用户可以自主选择可通行区域进行清扫工作，实现了对特定区域的选择性打扫，进一步提高了用户的使用体验感。

在又一个实施场景中，响应于用户基于对象类别在环境地图上对对象的选择指令，将被选择的对象所在区域作为可通行区域，进而基于环境地图中各位置的深度信息进行可通行区域的验证，按照最终确定的可通行区域，规划得到移动路线。相关执行步骤均可以参照前述实施例，在此不再赘述，最终确定的可通行区域为同时满足用户选择和基于深度信息进行划分两个条件，对于仅满足一条的可以视为待确定区域。

在又一个实施场景中，基于环境地图中各位置的深度信息进行区域划分，得到区域划分结果，进而响应于用户基于对象类别在环境地图上对对象的选择指令，最终确定可通行区域，进而规划得到移动路线。类似地，相关执行步骤均可以参照前述实施例，在此不再赘述。

上述方案中，一方面可以通过基于深度信息进行分析进而实现区域划分，另一方面用户基于对象类别在环境地图上对对象的选择指令，进而同样实现可通行区域的确定，两者对区域划分可以相互印证，极大地提高了区域划分和路线规划的准确性。

步骤S12：在沿移动路线运动过程中，基于地面探测器的探测数据，控制机器人的清扫模式。

在一个实施场景中，地面探测器用于探测机器人当前所处地面的工作条件，工作条件包括机器人当前所处地面的地面材质。故而基于地面探测器的探测数据进行分析，可以得到机器人当前所处地面的地面材质。

在一个具体的实施场景中，对第一摄像元件用于拍摄机器人所处地面的地面图像进行语义识别，识别结果包括地面材质和地面覆盖物。具体地，地面材质包括：瓷砖、地板、水泥等等，地面覆盖物包括毛毯、水渍、油污、电线等等。

在另一个具体的实施场景中，可以利用不同材质对光的反射率的不同，进而分析第一摄像元件拍摄的机器人所处地面的地面图像，并与预设反射率库进行比对，从而确定地面材质。

进一步地，本实施场景中，可以基于地面材质，控制机器人的清扫模式。

在一个具体的实施场景中，机器人数据库中设有预设清扫模式表，可以对于不同的地面材质或者地面覆盖物，选择相应的清扫模式。例如，当识别出地面材质为地板时，遍历预设清扫模式表查找地板材质对应的清扫模式，并控制机器人切换清扫模式为地板模式，减小清扫力度，并停止洒水，尽可能避免对地板的损伤；当识别出地面材质为瓷砖且地面覆盖物为油污时，遍历预设清扫模式表查找相应的清扫模式并控制机器人切换清扫模式为除污模式，增大地面吸力，有效清洁油污；当识别出地面覆盖物为毛毯时，遍历预设清扫模式表查找相应的清扫模式并控制机器人切换清扫模式为地毯模式，进开启吸尘模式，尽可能避免损伤地毯和打湿地毯。故而，通过对地面探测器的探测数据进行分析得到地面材质信息，并基于地面材质信息，控制机器人的清扫模式，故而能够针对不同地面材质调整清扫模式，使得机器人的工作更加智能化。

在另一个具体的实施场景中，可以对不同的地面材质和地面覆盖物进行清扫分赋值，进而根据最终分值的不同，控制机器人的清扫模式，调整清洁参数。例如，地板材质可以赋值5分，地面覆盖油污可以赋值50分，故而地板上覆盖油污的情况下的分值为55分，与上述实施例不同的是，此时虽然是地板材质，仍需要控制机器人的清扫模式切换至除污模式，对油污进行清洁，详细的赋值方法在此不做具体限制。

上述方案中，一方面通过安装于机器人所处环境的摄像器件获得环境图像，进而构建环境地图进行路径规划，得到机器人的移动路线，摄像器件与机器人分离设置，提高了环境地图构建的准确性，进而可以准确规划移动路线；另一方面在沿移动路线运动过程中，基于地面探测器的探测数据，进行地面状态分析，并根据地面状态准确控制机器人的清扫模式。

请参阅图11，图11是本申请机器人控制方法另一实施例的流程示意图。具体而言，本实施例中的机器人控制方法可以包括如下步骤：

步骤S101：基于机器人所处环境的环境地图进行路径规划，得到机器人的移动路线。

与前述实施例中的步骤S11完全一致，具体的实施步骤可以参照前述实施例，在此不再赘述。

步骤S102：基于探测数据进行分析，得到机器人当前所处地面的平整程度。

在一个实施场景中，地面探测器用于探测机器人当前所处地面的工作条件，工作条件包括机器人当前所处地面的平整程度。故而基于地面探测器的探测数据进行分析，可以得到机器人当前所处地面的平整程度。地面探测器包括第一摄像元件和照明元件，第一摄像元件可以是任意一种深度相机，在此不做具体限制。

在一个具体的实施场景中，地面的平整程度可以基于深度数据的变化值获取。例如，深度相机获取深度数据的时间间隔为1秒，相邻两次时间间隔的深度数据的差值为10厘米，可以将10厘米作为地面的平整程度。

在另一个具体的实施场景中，地面的平整程度可以基于深度数据的变化率获取。例如，深度相机获取深度数据的时间间隔为1秒，相邻两次时间间隔的深度数据分别为5厘米和15厘米，可以将200％作为地面的平整程度。

在又一个具体的实施场景中，地面的平整程度可以基于深度数据的变化值和变化率获取。例如，深度相机获取深度数据的时间间隔为1秒，相邻两次时间间隔的深度数据分别为5厘米和15厘米，可以将10厘米和200％作为地面的平整程度。

在另一个实施场景中，在基于探测数据进行分析，得到机器人当前所处地面的平整程度之前，还可以获取机器人当前所处地面所属区域的区域类别，区域类别基于环境地图确定得到，具体的实施步骤可以参照前述实施例中的“基于环境地图中各位置的深度信息进行区域划分，得到区域划分结果”，区域类别包括可通行区域、禁止通行区域、待确定区域。

进一步地，当机器人当前所处地面所属区域的区域类别为待确定区域时，此时可以执行步骤S102及其后续步骤，具体实施可以参照其他实施例，在此不再赘述；当机器人当前所处地面所属区域的区域类别为可通行区域或禁止通行区域时，无需执行步骤S102及步骤S103，直接执行步骤S104即可。故此，在基于探测数据进行分析，得到机器人当前所处地面的平整程度之前，可以先进行区域类别划分，并根据划分结果判断是否需要获取平整程度，针对性地对待确定区域进行验证，有利于优化和完善机器人工作逻辑，使其更加智能化。

步骤S103：基于平整程度，确定是否调整移动路线。

在一个实施场景中，基于地面的平整程度和机器人的通行能力，确定是否调整移动路线。机器人的通行能力一般包括机器人的最大攀登高度、机器人的最大越空高度、机器人可通行的最大地面颠簸程度。

在一个具体的实施场景中，如前所述，地面的平整程度为10厘米，若机器人的通行能力中最大攀登高度大于等于10厘米，则无需调整移动路线；否则，需要调整移动路线并沿调整后的移动路线继续运动。

在另一个具体的实施场景中，如前所述，地面的平整程度为200％，若机器人的通行能力可通行的最大地面颠簸程度大于等于200％，则无需调整移动路线；否则，需要调整移动路线并沿调整后的移动路线继续运动。

在又一个具体的实施场景中，如前所述，地面的平整程度为10厘米和200％，若机器人的通行能力同时满足最大攀登高度大于等于10厘米且可通行的最大地面颠簸程度大于等于200％，则无需调整移动路线；否则，需要调整移动路线并沿调整后的移动路线继续运动。

在另一个实施场景中，可以直接根据平整程度，确定是否调整路线。具体地，若平整程度超过平整阈值，需要调整移动路线并沿调整后的移动路线继续运动，否则，无需调整移动路线。例如，平整程度为10厘米，平整阈值为5厘米，此时需要调整移动路线并沿调整后的移动路线继续运动。

故此，通过对探测数据进行分析，得到机器人当前所处地面的平整程度，并基于平整程度，确定是否调整移动路线，对基于环境地图规划的移动路线进行验证和调整，进一步提高了移动路线的准确性。

步骤S104：在沿移动路线运动过程中，基于地面探测器的探测数据，控制机器人的清扫模式。

与前述实施例中的步骤S12完全一致，具体的实施步骤可以参照前述实施例，在此不再赘述。

上述方案中，一方面通过安装于机器人所处环境的摄像器件获得环境图像，进而构建环境地图进行路径规划，得到机器人的移动路线，摄像器件与机器人分离设置，提高了环境地图构建的准确性，进而可以准确规划移动路线；另一方面在沿移动路线运动过程中，基于地面探测器的探测数据，进行地面状态分析，并根据地面状态准确控制机器人的清扫模式。

请参阅图12，图12是机器人控制装置12一实施例的框架示意图。具体而言，机器人控制装置12包括路径规划模块1201和模式控制模块1202。其中，路径规划模块1201用于基于机器人所处环境的环境地图进行路径规划，得到机器人的移动路线；其中，环境地图基于摄像器件对机器人所处环境拍摄到的环境图像构建得到，且摄像器件安装于机器人所处环境，并与机器人分离设置；模式控制模块1202用于在沿移动路线运动过程中，基于地面探测器的探测数据，控制机器人的清扫模式。另外，机器人包括地面探测器，且地面探测器用于探测机器人当前所处地面的工作条件。

上述方案中，一方面通过安装于机器人所处环境的摄像器件获得环境图像，进而构建环境地图进行路径规划，得到机器人的移动路线，摄像器件与机器人分离设置，提高了环境地图构建的准确性，进而可以准确规划移动路线；另一方面在沿移动路线运动过程中，基于地面探测器的探测数据，进行地面状态分析，并根据地面状态准确控制机器人的清扫模式。

在一些公开实施例中，工作条件包括机器人当前所处地面的地面材质，模式控制模块1202还包括材质确定单元。材质确定单元用于基于探测数据进行分析，得到机器人当前所处地面的地面材质；模式控制模块1202用于基于地面材质，控制机器人的清扫模式。

因此，通过对地面探测器的探测数据进行分析得到地面材质信息，并基于地面材质信息，控制机器人的清扫模式，故而能够针对不同地面材质调整清扫模式，使得机器人的工作更加智能化。

在一些公开实施例中，环境地图包含机器人所处环境各个位置的深度信息，路径规划模块1201还包括区域划分单元。区域划分单元用于基于环境地图中各位置的深度信息进行区域划分，得到区域划分结果；其中，区域划分结果包括若干子区域以及各子区域的区域类别，且区域类别包括：可通行区域、禁止通行区域、待确定区域；路径规划模块1201用于基于区域划分结果，规划得到移动路线。

因此，通过对机器人所处环境各个位置的深度信息进行分析，实现对环境各个区域的划分，进而根据区域的不同完成移动路线的规划，故而路线的规划可以更加准确，同时也尽可能减小了机器人驶入危险区域的可能。

在一些公开实施例中，区域划分单元还用于响应于位置的深度信息未超出机器人的通行能力，确定位置属于可通行区域；和/或，响应于位置的深度信息超出机器人的通行能力，确定位置属于禁止通行区域；和/或，响应于位置无深度信息，确定位置属于待确定区域。

因此，通过环境地图中位置深度信息与机器人通行能力的比较，识别出可通行区域、禁止通行区域以及待确定区域，便于后续按照区域的划分准确进行路径规划。

在一些公开实施例中，机器人控制装置12可以接收环境地图；其中，环境地图由云服务器基于环境图像构建得到，环境图像由摄像器件上传至云服务器；或者机器人控制装置12接收环境图像，并基于环境图像构建环境地图。

因此，通过环境图像能够构建得到环境地图，环境地图可以在多个算力装置进行构建。用户可以根据算力的大小限制，选择合适的方式，便于灵活实现对机器人的控制。

在一些公开实施例中，工作条件还包括机器人当前所处地面的平整程度，机器人控制装置12还包括平整分析模块和路线调整模块。平整分析模块用于基于探测数据进行分析，得到机器人当前所处地面的平整程度；路线调整模块用于基于平整程度，确定是否调整移动路线。

因此，通过对探测数据进行分析，得到机器人当前所处地面的平整程度，并基于平整程度，确定是否调整移动路线，对基于环境地图规划的移动路线进行验证和调整，进一步提高了移动路线的准确性。

在一些公开实施例中，机器人控制装置12还包括区域类别获取模块。区域类别获取模块用于获取机器人当前所处地面所属区域的区域类别；其中，区域类别基于环境地图确定得到，区域类别包括：可通行区域、禁止通行区域、待确定区域；平整分析模块响应于区域类别为待确定区域，基于探测数据进行分析，得到机器人当前所处地面的平整程度；和/或，路线调整模块响应于区域类别为可通行区域或禁止通行区域，沿移动路线继续运动。

因此，在基于探测数据进行分析，得到机器人当前所处地面的平整程度之前，可以先进行区域类别划分，并根据划分结果判断是否需要获取平整程度，针对性地对待确定区域进行验证，有利于优化和完善机器人工作逻辑，使其更加智能化。

请参阅图13，图13是本申请计算机可读存储介质13一实施例的框架示意图。本实施例中，该计算机可读存储介质13存储有处理器可运行的程序指令1301，该程序指令1301用于执行上述机器人移动控制方法实施例中的步骤。

该计算机可读存储介质13具体可以为U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等可以存储程序指令的介质，或者也可以为存储有该程序指令的服务器，该服务器可将存储的程序指令发送给其他设备运行，或者也可以自运行该存储的程序指令。

上述方案中，一方面通过安装于机器人所处环境的摄像器件获得环境图像，进而构建环境地图进行路径规划，得到机器人的移动路线，摄像器件与机器人分离设置，提高了环境地图构建的准确性，进而可以准确规划移动路线；另一方面在沿移动路线运动过程中，基于地面探测器的探测数据，进行地面状态分析，并根据地面状态准确控制机器人的清扫模式。

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，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。

若本申请技术方案涉及个人信息，应用本申请技术方案的产品在处理个人信息前，已明确告知个人信息处理规则，并取得个人自主同意。若本申请技术方案涉及敏感个人信息，应用本申请技术方案的产品在处理敏感个人信息前，已取得个人单独同意，并且同时满足“明示同意”的要求。例如，在摄像头等个人信息采集装置处，设置明确显著的标识告知已进入个人信息采集范围，将会对个人信息进行采集，若个人自愿进入采集范围即视为同意对其个人信息进行采集；或者在个人信息处理的装置上，利用明显的标识/信息告知个人信息处理规则的情况下，通过弹窗信息或请个人自行上传其个人信息等方式获得个人授权；其中，个人信息处理规则可包括个人信息处理者、个人信息处理目的、处理方式以及处理的个人信息种类等信息。

Claims (10)

1.一种机器人控制方法，其特征在于，所述机器人包括地面探测器，且所述地面探测器用于探测所述机器人当前所处地面的工作条件，所述方法包括：

基于所述机器人所处环境的环境地图进行路径规划，得到所述机器人的移动路线；其中，所述环境地图基于摄像器件对所述机器人所处环境拍摄到的环境图像构建得到，且所述摄像器件安装于所述机器人所处环境，并与所述机器人分离设置；

在沿所述移动路线运动过程中，基于所述地面探测器的探测数据，控制所述机器人的清扫模式。

2.根据权利要求1所述的方法，其特征在于，所述工作条件包括所述机器人当前所处地面的地面材质，所述基于所述地面探测器的探测数据，控制所述机器人的清扫模式，包括：

基于所述探测数据进行分析，得到所述机器人当前所处地面的地面材质；

基于所述地面材质，控制所述机器人的清扫模式。

3.根据权利要求1所述的方法，其特征在于，所述环境地图包含所述机器人所处环境各个位置的深度信息，所述基于所述机器人所处环境的环境地图进行路径规划，得到所述机器人的移动路线，包括：

基于所述环境地图中各所述位置的深度信息进行区域划分，得到区域划分结果；其中，所述区域划分结果包括若干子区域以及各所述子区域的区域类别，且所述区域类别包括：可通行区域、禁止通行区域、待确定区域；

基于所述区域划分结果，规划得到所述移动路线。

4.根据权利要求3所述的方法，其特征在于，所述基于所述环境地图中各所述位置的深度信息进行区域划分，得到区域划分结果，包括：

响应于所述位置的深度信息未超出所述机器人的通行能力，确定所述位置属于所述可通行区域；和/或，响应于所述位置的深度信息超出所述机器人的通行能力，确定所述位置属于所述禁止通行区域；

和/或，响应于所述位置无所述深度信息，确定所述位置属于待确定区域。

5.根据权利要求1所述的方法，其特征在于，在所述基于所述机器人所处环境的环境地图进行路径规划，得到所述机器人的移动路线之前，所述方法包括：

接收所述环境地图；其中，所述环境地图由所述云服务器基于所述环境图像构建得到，所述环境图像由所述摄像器件上传至所述云服务器；或者

接收所述环境图像，并基于所述环境图像构建所述环境地图。

6.根据权利要求1所述的方法，其特征在于，所述工作条件还包括所述机器人当前所处地面的平整程度，在所述基于所述机器人所处环境的环境地图进行路径规划，得到所述机器人的移动路线之后，所述方法还包括：

基于所述探测数据进行分析，得到所述机器人当前所处地面的平整程度；

基于所述平整程度，确定是否调整所述移动路线。

7.根据权利要求6所述的方法，其特征在于，在所述基于所述探测数据进行分析，得到所述机器人当前所处地面的平整程度之前，所述方法包括：

获取所述机器人当前所处地面所属区域的区域类别；其中，所述区域类别基于所述环境地图确定得到，所述区域类别包括：可通行区域、禁止通行区域、待确定区域；

所述基于所述探测数据进行分析，得到所述机器人当前所处地面的平整程度，包括：

响应于所述区域类别为所述待确定区域，基于所述探测数据进行分析，得到所述机器人当前所处地面的平整程度；

和/或，响应于所述区域类别为所述可通行区域或所述禁止通行区域，沿所述移动路线继续运动。

8.一种机器人，其特征在于，包括地面探测器、处理器和存储器，所述地面探测器和所述存储器分别与所述处理器耦接；所述处理器用于执行所述存储器存储的程序指令，以实现权利要求1-7任一项所述的机器人控制方法。

9.一种机器人控制系统，其特征在于，包括摄像器件和如权利要求8所述的机器人，其中，所述摄像器件安装于所述机器人所处环境，并与所述机器人分离设置。

10.一种计算机可读存储介质，其特征在于，存储有能够被处理器运行的程序指令，所述程序指令用于实现权利要求1-8任一项所述的机器人控制方法。