CN117464694A - 中空玻璃自动清洗装置路径规划方法 - Google Patents
中空玻璃自动清洗装置路径规划方法 Download PDFInfo
- Publication number
- CN117464694A CN117464694A CN202311830564.3A CN202311830564A CN117464694A CN 117464694 A CN117464694 A CN 117464694A CN 202311830564 A CN202311830564 A CN 202311830564A CN 117464694 A CN117464694 A CN 117464694A
- Authority
- CN
- China
- Prior art keywords
- hollow glass
- data
- area
- cleaning device
- cleaning
- 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.)
- Granted
Links
- 238000004140 cleaning Methods 0.000 title claims abstract description 298
- 239000011521 glass Substances 0.000 title claims abstract description 236
- 238000000034 method Methods 0.000 title claims abstract description 100
- 238000005265 energy consumption Methods 0.000 claims abstract description 71
- 230000008569 process Effects 0.000 claims abstract description 24
- 238000004590 computer program Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 7
- 238000003708 edge detection Methods 0.000 claims description 6
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 238000010408 sweeping Methods 0.000 description 8
- 238000012216 screening Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B08—CLEANING
- B08B—CLEANING IN GENERAL; PREVENTION OF FOULING IN GENERAL
- B08B11/00—Cleaning flexible or delicate articles by methods or apparatus specially adapted thereto
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J11/00—Manipulators not otherwise provided for
- B25J11/008—Manipulators for service tasks
- B25J11/0085—Cleaning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Cleaning In General (AREA)
- Surface Treatment Of Glass (AREA)
Abstract
本发明属于路径规划技术领域,本发明公开了中空玻璃自动清洗装置路径规划方法;采集中空玻璃图像;对中空玻璃图像进行分析,获取中空玻璃面积数据、中空玻璃形状数据和中空玻璃污渍数据;采集清洗装置数据、和中空玻璃朝向数据,将中空玻璃朝向数据、中空玻璃面积数据、中空玻璃形状数据和中空玻璃污渍数据作为中空玻璃数据,将中空玻璃数据和清洗装置数据作为路径规划数据;将中空玻璃划分为n个区域;计算n个区域对应的清洗系数;计算n个区域对应的能耗系数;获取清洗装置清洗中空玻璃的m条路径;计算m条路径中每条路径的能耗总量和清洗系数总量;使得中空玻璃的自动清洗过程高效完成,缩短清洗时间,降低清洗过程中人力和成本支出。
Description
技术领域
本发明涉及路径规划技术领域,更具体地说,本发明涉及中空玻璃自动清洗装置路径规划方法。
背景技术
中空玻璃广泛用于高楼大厦、商业建筑和住宅,以控制室内光照和温度;目前中空玻璃的清洗主要依赖人工操作,人工清洗的路径规划存在盲目性,导致清洗的过程中冗余路线较多,清洗效率较低,无法满足大面积中空玻璃的高效清洗需求,同时人工清洗存在安全隐患,在清洗过程中可能对人身安全造成危害;
在其余的建筑清洗领域,自动清洗装置的出现代替了人工清洗,大大提高了清洗效率和安全性,例如玻璃外墙清洗机器人;为了提高自动清洗装置的清洗效率,规划合理的清洗路径至关重要,以确保自动清洗装置能够智能的选择最佳的路线,减少不必要的清洗冗余,并且能够自动避开障碍物,在最短的时间内完成清洗任务;
目前,在扫地机器人领域中,智能路径规划方法迅速发展,例如申请公开号为CN113031577A的专利公开了一种扫地机器人的路径规划方法;包括:采用摄像头采集扫地机器人行走环境图像;机器人控制器对机器人行走环境的全局环境图像进行分析处理,并进行路径规划,得到多条可行路径;机器人控制器根据能量最小原则,从多条可行路径中,找出步进电机能耗最低的一条路径,确定为最优路径;机器人控制器控制左步进电机和右步进电机,使扫地机器人按照最优路径行进;方法步骤简单,实现方便,且能够有效得到扫地机器人清扫整个环境地面的最优路径,提高了扫地效率和效果;
上述技术并未公开可行路径的具体获取逻辑,并且由于运用在扫地机器人的路径规划,并未对地面上的污渍进行识别,在路径规划上也未考虑污渍的因素,相对扫地机器人的工作环境,中空玻璃上存在更多的顽固污渍,需要对顽固污渍进行集中清扫,因此中空玻璃的自动清洗装置在路径规划上需要考虑污渍的因素;此外中空玻璃的自动清洗装置多为垂直工作或倾斜工作,在清洗过程中若电量耗尽,则会发生掉落,造成安全隐患;
鉴于此,本发明提出中空玻璃自动清洗装置路径规划方法以解决上述问题。
发明内容
为了克服现有技术的上述缺陷,为实现上述目的,本发明提供如下技术方案:中空玻璃自动清洗装置路径规划方法,包括:
S1:采集中空玻璃图像;
S2:对中空玻璃图像进行分析,获取中空玻璃面积数据、中空玻璃形状数据和中空玻璃污渍数据;
S3:采集清洗装置数据和中空玻璃朝向数据,将中空玻璃朝向数据、中空玻璃面积数据、中空玻璃形状数据和中空玻璃污渍数据作为中空玻璃数据,将中空玻璃数据和清洗装置数据作为路径规划数据;清洗装置数据包括清洗头面积数据、清洗装置电量数据和清洗装置位置数据;
S4:将中空玻璃划分为n个区域;
S5:计算n个区域对应的清洗系数;
S6:计算n个区域对应的能耗系数;
S7:获取清洗装置清洗中空玻璃的m条路径;
S8:计算m条路径中每条路径的能耗总量和清洗系数总量;
S9:将m条路径中每条路径的能耗总量与清洗装置电量数据进行对比,将能耗总量小于清洗装置电量数据对应的路径标记为选择路径;
S10:计算选择路径的最优系数,选择最优系数最小对应的路径作为清洗装置本次清洗中空玻璃的路径。
进一步地,对中空玻璃图像进行分析,获取中空玻璃面积数据和中空玻璃形状数据的方法包括:
S201:读取中空玻璃图像;
S202:对中空玻璃图像进行灰度化处理,将彩色图像转换为灰度图像;
S203:对灰度图像应用高斯滤波,以降低噪声和细节;
S204:将应用完高斯滤波后的灰度图像进行边缘检测,检测灰度图像中中空玻璃的边缘;
S205:将边缘检测后的灰度图像进行二值化操作,将灰度图像转换为只包含边缘和背景的二值图像;
S206:使用findContours函数,查找二值图像中的轮廓;
S207:使用drawContours函数将查找到的轮廓绘制在中空玻璃图像上,以可视化识别的轮廓;
S208:计算轮廓的面积,获取中空玻璃面积数据;
S209:显示绘制轮廓的中空玻璃图像,中空玻璃图像中绘制的轮廓即为中空玻璃形状数据;
进一步地,对中空玻璃图像进行分析,获取中空玻璃污渍数据的方法包括:
S211:读取中空玻璃图像;
S212:对中空玻璃图像进行灰度化处理,将彩色图像转换为灰度图像;
S213:对灰度图像应用颜色阈值化以检测污渍;
S214:将应用颜色阈值化后的灰度图像进行形态学操作以去除噪声;
S215:查找形态学操作后灰度图像污渍的轮廓;
S216:分析灰度图像中的污渍数据;
S217: 在中空玻璃图像上标记污渍区域;
S218:显示标记有污渍区域的中空玻璃图像,获取中空玻璃污渍数据。
进一步地,n个区域对应的清洗系数计算包括:
;
式中,为清洗系数,/>为朝向数值,/>为污渍占比,/>、/>为预设权重,为预设常数,/>为第/>个区域,/>。
进一步地,污渍占比为n个区域中每个区域的污渍面积除以对应区域总面积的商,n个区域中每个区域的总面积即为清洗头面积数据;
n个区域中每个区域污渍面积的计算包括:
结合中空玻璃面积数据和中空玻璃形状数据对中空玻璃构建直角坐标系,根据标记有污渍区域的中空玻璃图像获取中空玻璃的污渍轮廓,再根据中空玻璃污渍数据获取中空玻璃中污渍轮廓对应的数据点坐标,按照划分的n个区域获取每个区域中污渍轮廓对应的数据点坐标以及数据点数量,根据每个区域中污渍轮廓对应的数据点坐标以及数据点数量计算每个区域的污渍面积;
;
式中,为污渍面积,/>为数据点数量,/>为第k个数据点的横坐标,/>为第k个数据点的纵坐标,/>为最后一个数据点的横坐标,/>为最后一个数据点的纵坐标,,L个数据点均为第i个区域中的数据点。
进一步地,n个区域对应的能耗系数计算如下:
;
式中,为能耗系数,/>为清洗头面积,/>为预设权重,/>为预设常数。
进一步地,获取清洗装置清洗中空玻璃m条路径的方法包括:
a:根据清洗装置位置数据,获取清洗装置当前位置,定义清洗装置当前位置为初始区域,从初始区域开始本次深度优先搜索,并确保清洗装置经过n个区域中每个区域;
b:从初始区域开始,将初始区域标记为已访问区域,探索初始区域的相邻区域,并选择初始区域的其中一个相邻区域作为下一区域,并标记下一区域为已访问区域;探索下一区域的相邻区域,并选择下一区域的其中一个未标记为已访问区域的相邻区域作为新的下一区域,并标记新的下一区域为已访问区域;
c:重复步骤b中的方法,直到下一区域的相邻区域均已标记为已访问区域,此时检测n个区域是否均已标记为已访问区域;
若n个区域均已标记为已访问区域,则本次深度优先搜索结束;
若n个区域中存在区域未标记为已访问区域,则本次深度优先搜索继续;
此时从当前区域回溯到上一区域,并选择上一区域的其中一个未标记为已访问区域的相邻区域作为新的下一区域,直到n个区域均已标记为已访问区域,则本次深度优先搜索结束;
d:重复步骤b~步骤c,获取清洗装置清洗中空玻璃的m条路径。
进一步地,计算m条路径中每条路径的能耗总量和清洗系数总量的方法包括:
m条路径中每条路径的能耗总量为n个区域对应的能耗系数相加再加上移动能耗;移动能耗为清洗装置在n个区域内的移动能耗,将每条路径所经过的区域数量乘以移动能耗系数作为移动能耗;
将n个区域对应的清洗系数分别乘以对应的清洗权重,再依次相加,作为m条路径中每条路径的清洗系数总量;n个区域对应的清洗权重根据路径中的区域顺序进行预先设置。
进一步地,选择路径的最优系数计算包括:
;
式中为最优系数,/>为能耗总量,/>为清洗系数总量,/>。
进一步地,获取清洗装置清洗中空玻璃的Q条备选路径;计算Q条备选路径中每条备选路径的能耗总量,将Q条备选路径中每条备选路径的能耗总量以及清洗装置电量数据从大到小排序生成排序表,按照排序表正序选择排在清洗装置电量数据后一个能耗总量对应的备选路径,作为清洗装置本次清洗中空玻璃的路径;
获取清洗装置清洗中空玻璃Q条备选路径的方法包括:
e:从初始区域开始,但不将初始区域标记为已访问区域,探索初始区域的相邻区域,并选择初始区域的其中一个相邻区域作为下一区域,并标记下一区域为已访问区域;探索下一区域的相邻区域,并选择下一区域的其中一个未标记为已访问区域的相邻区域作为新的下一区域,并标记新的下一区域为已访问区域;
f:重复步骤e中的方法,直到下一区域的相邻区域均已标记为已访问区域,此时检测清洗装置当前所在区域是否为初始区域;将清洗装置当前所在区域为初始区域对应的路径标记为备选路径;
g:重复步骤e~步骤f,获取清洗装置清洗中空玻璃的Q条备选路径。
一种电子设备,包括存储器、处理器以及存储在存储器上并在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述的中空玻璃自动清洗装置路径规划方法。
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被执行时实现所述的中空玻璃自动清洗装置路径规划方法。
本发明中空玻璃自动清洗装置路径规划方法的技术效果和优点:
1.通过采集中空玻璃图像、数据分析和路径规划等步骤,综合考虑能耗和污渍获取最优路线,对带有污渍的区域进行优先清洗,同时保证清洗装置在清洗过程中不会出现电量耗尽的情况;完成了智能路径规划,使得中空玻璃的自动清洗过程高效完成,确保清洗装置对整个中空玻璃均完成了清洗,大大缩短中空玻璃的清洗时间,降低清洗过程的人力和成本支出。
2.通过重新进行路径规划,确保清洗装置在电量耗尽之前返回初始区域,避免清洗装置在电量耗尽之前停在中空玻璃上的其他区域,便于工作人员及时收回清洗装置并对清洗装置进行充电;并且重新选择路径经过的区域均为需要清洗的区域,充分利用能源,提高清洗效率。
附图说明
图1为本发明实施例1提供的中空玻璃自动清洗装置路径规划方法示意图;
图2为本发明实施例1提供的污渍轮廓示意图;
图3为本发明实施例2提供的中空玻璃自动清洗装置路径规划方法示意图;
图4为本发明实施例4提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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做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。
实施例1
请参阅图1所示,本实施例所述中空玻璃自动清洗装置路径规划方法,包括:
S1:采集中空玻璃图像,中空玻璃图像由安装在清洗装置上的广角摄像头获取;
中空玻璃为光伏玻璃,用透明的太阳能电池板制成,能够将太阳能转换为电能;
使用广角摄像头的目的在于,当中空玻璃面积较大时,一般的摄像头无法拍摄整个中空玻璃的图像;而相比于一般的摄像头,广角摄像头具有更广阔的视野,因此可以拍摄更大的面积,同时可以捕捉摄像头周围更多的细节,例如中空玻璃上的污渍和障碍等;
S2:对中空玻璃图像进行分析,获取中空玻璃面积数据、中空玻璃形状数据和中空玻璃污渍数据,中空玻璃污渍数据包括污渍数量数据,污渍面积数据和污渍位置数据;
对中空玻璃图像进行分析,获取中空玻璃面积数据和中空玻璃形状数据的方法包括:
S201:读取中空玻璃图像;
image = cv2.imread('your_image.jpg', cv2.IMREAD_COLOR)
S202:对中空玻璃图像进行灰度化处理,将彩色图像转换为灰度图像;
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
S203:对灰度图像应用高斯滤波,以降低噪声和细节;
blurred = cv2.GaussianBlur(gray, (5, 5), 0)
S204:将应用完高斯滤波后的灰度图像进行边缘检测,检测灰度图像中中空玻璃的边缘;
edges = cv2.Canny(blurred, 50, 150)
S205:将边缘检测后的灰度图像进行二值化操作,将灰度图像转换为只包含边缘和背景的二值图像;
_, thresh = cv2.threshold(edges, 0, 255, cv2.THRESH_BINARY)
S206:使用findContours函数,查找二值图像中的轮廓;
contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN
_APPROX_SIMPLE)
S207:使用drawContours函数将查找到的轮廓绘制在中空玻璃图像上,以可视化识别的轮廓;
contour_image = image.copy()
cv2.drawContours(contour_image, contours, -1, (0, 255, 0), 2)
S208:计算轮廓的面积,获取中空玻璃面积数据;
for contour in contours:
area = cv2.contourArea(contour)
print("Contour Area: {:.2f}".format(area))
S209:显示绘制轮廓的中空玻璃图像,中空玻璃图像中绘制的轮廓即为中空玻璃形状数据;
cv2.imshow('Image with Contours', contour_image)
对中空玻璃图像进行分析,获取中空玻璃污渍数据的方法包括:
S211:读取中空玻璃图像;
image = cv2.imread('your_image.jpg', cv2.IMREAD_COLOR)
S212:对中空玻璃图像进行灰度化处理,将彩色图像转换为灰度图像;
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
S213:对灰度图像应用颜色阈值化以检测污渍;
_, thresh = cv2.threshold(gray, 30, 255, cv2.THRESH_BINARY)
S214:将应用颜色阈值化后的灰度图像进行形态学操作以去除噪声;
kernel = np.ones((5, 5), np.uint8)
cleaned = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)
S215:查找形态学操作后灰度图像污渍的轮廓;
contours, _ = cv2.findContours(cleaned, cv2.RETR_EXTERNAL, cv2.
CHAIN_APPROX_SIMPLE)
S216:分析灰度图像中的污渍数据;
stain_data = []
for contour in contours:
area = cv2.contourArea(contour)
if area>100:
x, y, w, h = cv2.boundingRect(contour)
stain_data.append({
"x": x,
"y": y,
"width": w,
"height": h,
"area": area
})
S217: 在中空玻璃图像上标记污渍区域;
for stain in stain_data:
x, y, w, h = stain["x"], stain["y"], stain["width"], stain["height"]
cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)
S218:显示标记有污渍区域的中空玻璃图像,获取中空玻璃污渍数据;
cv2.imshow('Original Image', image)
S3:采集清洗装置数据和中空玻璃朝向数据,将中空玻璃朝向数据、中空玻璃面积数据、中空玻璃形状数据和中空玻璃污渍数据作为中空玻璃数据,将中空玻璃数据和清洗装置数据作为路径规划数据;
清洗装置数据包括清洗头面积数据、清洗装置电量数据和清洗装置位置数据,清洗头面积数据和清洗装置电量数据由清洗装置的规格和技术参数获取;中空玻璃朝向数据由安装在自动清洗装置内部的磁力计获取;
路径规划数据均会对自动清洗装置的路径规划产生影响;中空玻璃朝向数据会影响中空玻璃上的灰尘数量,朝南的中空玻璃相对于朝北的中空玻璃受到更多的阳光照射,因此附着的灰尘数量更多,需要自动清洗装置更加集中的清洗;中空玻璃污渍数据为中空玻璃上污渍的数量以及各处污渍的面积和位置,需要优先清洗污渍所在的位置;结合中空玻璃面积数据和中空玻璃形状数据可以获取中空玻璃的大小和形状,针对不同中空玻璃的大小和形状需要不同的路径规划,中空玻璃越大,需要考虑如何规划路线能够更高效的完成清洗任务,中空玻璃形状越复杂,需要更复杂的路径规划,确保整个中空玻璃均完成清洗;清洗头面积数据反应了清洗装置在移动过程中清洗区域的大小,路径规划需要根据清洗头面积数据来进行优化,以保证整个中空玻璃均完成清洗,同时减少冗余的移动;清洗装置电量数据反映了清洗装置能够清洗多大面积的中空玻璃,在路径规划的时候,需要确保在清洗装置电量耗尽前完成清洗任务,防止清洗装置在清洗过程中电量耗尽从而停止在中空玻璃上;清洗装置位置数据用于确定清洗装置当前所在的位置,当前所在位置即为路径规划的起点;
S4:将中空玻璃划分为n个区域,n为大于1的整数;根据中空玻璃面积数据和中空玻璃形状数据,将中空玻璃按照清洗头面积数据划分为n个区域,确保清洗装置对整个中空玻璃均完成清洗;同时根据绘制轮廓的中空玻璃图像获取清洗装置位置数据,清洗装置位置数据为清洗装置当前所在区域;
S5:计算n个区域对应的清洗系数;
n个区域对应的清洗系数计算包括:
;
式中,为清洗系数,/>为朝向数值,/>为污渍占比,/>、/>为预设权重,/>为预设常数,/>为第/>个区域,/>;
式中预设权重和常数由本领域技术人员采集多组综合参数,将采集的多组综合参数代入上述清洗系数的计算公式,其中任意三个公式构成三元一次方程组,计算得出方程组中的两个权重和常数,将计算得到的多个权重和常数进行筛选,筛选方法为计算多个权重对应的权重均值和多个常数对应的常数均值,再计算每个权重与权重均值之间的权重差值,每个常数与常数均值之间的常数差值,计算多个权重差值的绝对值对应的权重差值均值和多个常数差值的绝对值对应的常数差值均值;将权重差值的绝对值大于权重差值均值对应的权重去除,将常数差值的绝对值大于常数差值均值对应的常数去除;将筛选后多个权重对应的均值作为、/>的值,将筛选后多个常数对应的均值作为/>的值;所述的权重差值、权重差值的绝对值、权重差值均值均对应/>、/>两个权重;
需要说明的是,污渍占比为n个区域中每个区域的污渍面积除以对应区域总面积的商,n个区域中每个区域的总面积即为清洗头面积数据,本实施例选用清洗头的形状为正方形;
n个区域中每个区域污渍面积的计算包括:
结合中空玻璃面积数据和中空玻璃形状数据对中空玻璃构建直角坐标系,根据标记有污渍区域的中空玻璃图像获取中空玻璃的污渍轮廓,再根据中空玻璃污渍数据获取中空玻璃中污渍轮廓对应的数据点坐标,按照划分的n个区域获取每个区域中污渍轮廓对应的数据点坐标以及数据点数量,每个区域的污渍轮廓请参阅图2所示,图2中实线表示为每个区域的边界线和每个污渍轮廓的边界线,虚线表示为每个区域内污渍轮廓的边界线;根据每个区域中污渍轮廓对应的数据点坐标以及数据点数量计算每个区域的污渍面积;
;
式中,为污渍面积,/>为数据点数量,/>为第k个数据点的横坐标,/>为第k个数据点的纵坐标,/>为最后一个数据点的横坐标,/>为最后一个数据点的纵坐标,,L个数据点均为第i个区域中的数据点;
应当了解的是,计算每个区域的污渍面积为将每个区域中污渍轮廓对应的数据点按照顺时针或者逆时针顺序连接起来,以形成闭合的多边形,针对多边形的每条边(两个相邻的数据点),计算对应的坐标乘积(即和/>),相邻数据点坐标乘积的差值即表示每个区域污渍面积的部分有向面积,将部分有向面积相加再除以2取绝对值即为每个区域的污渍面积;
需要说明的是,朝向数值为工作人员预先对中空玻璃朝向数据进行赋值,中空玻璃不同的朝向赋予不同的数值,朝向数值包括南向数值、东向数值、西向数值和北向数值,中空玻璃不同朝向对应朝向数值的大小顺序为南向数值东向数值/>西向数值/>北向数值;
S6:计算n个区域对应的能耗系数;
n个区域对应的能耗系数计算如下:
;
式中,为能耗系数,/>为清洗头面积,/>为预设权重,/>为预设常数;式中预设权重和常数由本领域技术人员采集多组综合参数,将采集的多组综合参数代入上述能耗系数的计算公式,其中任意两个公式构成二元一次方程组,计算得出方程组中的权重和常数,将计算得到的多个权重和常数进行筛选,筛选方法为计算多个权重对应的权重均值和多个常数对应的常数均值,再计算每个权重与权重均值之间的权重差值,每个常数与常数均值之间的常数差值,计算多个权重差值的绝对值对应的权重差值均值和多个常数差值的绝对值对应的常数差值均值;将权重差值的绝对值大于权重差值均值对应的权重去除,将常数差值的绝对值大于常数差值均值对应的常数去除;将筛选后多个权重对应的均值作为/>的值,将筛选后多个常数对应的均值作为/>的值;
需要说明的是,n个区域的清洗系数和清洗头面积为决定n个区域的能耗系数的相关参数,清洗系数越大,说明该区域内的污渍越多,污渍清理越困难,因此需要清洗装置消耗更多的能源,能耗系数就越大,反之则相反;清洗头面积越大,说明清洗装置中清洗头覆盖的表面积越大,为了确保充分覆盖和彻底清洗,需要消耗更多的能源,能源系数就越大,反之则相反;
S7:获取清洗装置清洗中空玻璃的m条路径,m为大于1的整数,m条路径均经过了n个区域中每个区域;
获取清洗装置清洗中空玻璃m条路径的方法包括:
a:根据清洗装置位置数据,获取清洗装置当前位置,定义清洗装置当前位置为初始区域,从初始区域开始深度优先搜索,并确保清洗装置经过n个区域中每个区域;
b:从初始区域开始,将初始区域标记为已访问区域,探索初始区域的相邻区域,并选择初始区域的其中一个相邻区域作为下一区域,并标记下一区域为已访问区域;探索下一区域的相邻区域,并选择下一区域的其中一个未标记为已访问区域的相邻区域作为新的下一区域,并标记新的下一区域为已访问区域;
c:重复步骤b中的方法,直到下一区域的相邻区域均已标记为已访问区域,此时检测n个区域是否均已标记为已访问区域;
若n个区域均已标记为已访问区域,则本次深度优先搜索结束;
若n个区域中存在区域未标记为已访问区域,则本次深度优先搜索继续;
此时从当前区域回溯到上一区域,并选择上一区域的其中一个未标记为已访问区域的相邻区域作为新的下一区域,直到n个区域均已标记为已访问区域,则本次深度优先搜索结束;上一区域为选择当前区域作为新的下一区域的区域;
d:重复步骤b~步骤c,获取清洗装置清洗中空玻璃的m条路径,m条路径均不一样,即每次深度优先搜索时,选择的下一区域不一样;
从当前区域回溯到上一区域的原因在于,由于步骤b中下一区域的选择是随机的,因此未标记为已访问区域的区域会与标记为已访问区域的区域相邻,依次回溯到上一区域就能查找到未标记为已访问区域的区域;
示例性的,将清洗装置划分为,共9个区域,将清洗装置最左下角的区域标记为1,1右边的区域标记为2,2右边的区域标记为3,3上面的区域标记为4,4左边的区域标记为5,以此类推对9个区域进行标记;将1作为初始区域,将1标记为已访问区域,1的相邻区域为2或6,选择2作为下一区域,将2标记为已访问区域,2的相邻区域为3或5,选择3作为新的下一区域,将3标记为已访问区域,之后依次选择4、5、8和9作为新的下一区域,并依次将4、5、8和9标记为已访问区域,此时9的相邻区域为8和4,但8和4均已标记为已访问区域,则从9回溯到8,8的相邻区域为7和9,7未标记为已访问区域,则选择7为新的下一区域,将7标记为已访问区域,最后选择6为新的下一区域,将6标记为已访问区域,此时9个区域均已标记为已访问区域,本次深度优先搜索结束;按照顺序1、2、3、4、5、8、9、7、6即为一条路径;
S8:计算m条路径中每条路径的能耗总量和清洗系数总量;
计算m条路径中每条路径的能耗总量和清洗系数总量的方法包括:
m条路径中每条路径的能耗总量为n个区域对应的能耗系数相加再加上移动能耗;移动能耗为清洗装置在n个区域内的移动能耗,将每条路径所经过的区域数量乘以移动能耗系数作为移动能耗,移动能耗系数为工作人员在实验环境下,多次收集清洗装置从一个区域移动到相邻区域的能耗,将多个能耗的均值作为移动能耗系数;
将n个区域对应的清洗系数分别乘以对应的清洗权重,再依次相加,作为m条路径中每条路径的清洗系数总量;n个区域对应的清洗权重为工作人员根据路径中的区域顺序进行预先设置,清洗装置先经过的区域对应的清洗权重小,按照路径中的区域顺序一一设置清洗权重,示例性的,清洗装置第一个经过的区域对应清洗权重为0.1,清洗装置第二个经过的区域对应清洗权重为0.2;
S9:将m条路径中每条路径的能耗总量与清洗装置电量数据进行对比,将能耗总量小于清洗装置电量数据对应的路径标记为选择路径;
S10:计算选择路径的最优系数,选择最优系数最小对应的路径作为清洗装置本次清洗中空玻璃的路径;
选择路径的最优系数计算包括:
;
式中为最优系数,/>为能耗总量,/>为清洗系数总量,/>;
需要说明的是,能耗总量和清洗系数总量为决定选择路径的最优系数的相关参数;由于选择最优系数最小对应的路径作为清洗装置本次清洗中空玻璃的路径,因此最优系数越小,说明对应的选择路径越好;能耗总量越小,说明清洗装置的能耗越小,对应的选择路径越佳,因此选择路径的最优系数越小,反之则相反;清洗系数总量越小,说明清洗装置优先对清洗系数较大的区域进行清洗,对应的选择路径越佳,因此选择路径的最优系数越小,反之则相反;
本实施例通过采集中空玻璃图像、数据分析和路径规划等步骤,综合考虑能耗和污渍获取最优路线,对带有污渍的区域进行优先清洗,同时保证清洗装置在清洗过程中不会出现电量耗尽的情况;完成了智能路径规划,可以使中空玻璃的自动清洗过程高效完成,确保清洗装置对整个中空玻璃均完成了清洗,大大缩短中空玻璃的清洗时间,降低清洗过程的人力和成本支出。
实施例2
请参阅图3所示,本实施例在实施例1的基础上进一步改进设计,清洗装置在路径规划时,剔除了能耗总量大于或等于清洗装置电量数据对应的路径,但此时若m条路径中每条路径的能耗总量均大于或等于清洗装置电量数据,则需要重新进行的路径规划;因此本实施例提供了中空玻璃自动清洗装置路径规划方法,还包括重新获取清洗装置清洗中空玻璃的Q条备选路径,保证清洗装置在电量耗尽之前返回初始区域,工作人员能及时对清洗装置进行充电;
获取清洗装置清洗中空玻璃的Q条备选路径,Q为大于1的整数,Q条路径的起点和终点均为初始区域;计算Q条备选路径中每条备选路径的能耗总量,将Q条备选路径中每条备选路径的能耗总量以及清洗装置电量数据从大到小排序生成排序表,按照排序表正序选择排在清洗装置电量数据后一个能耗总量对应的备选路径,作为清洗装置本次清洗中空玻璃的路径;
获取清洗装置清洗中空玻璃Q条备选路径的方法包括:
e:从初始区域开始,但不将初始区域标记为已访问区域,探索初始区域的相邻区域,并选择初始区域的其中一个相邻区域作为下一区域,并标记下一区域为已访问区域;探索下一区域的相邻区域,并选择下一区域的其中一个未标记为已访问区域的相邻区域作为新的下一区域,并标记新的下一区域为已访问区域;
f:重复步骤e中的方法,直到下一区域的相邻区域均已标记为已访问区域,此时检测清洗装置当前所在区域是否为初始区域;将清洗装置当前所在区域为初始区域对应的路径标记为备选路径;
g:重复步骤e~步骤f,获取清洗装置清洗中空玻璃Q条备选路径,Q条备选路径均不一样;
需要说明的是,与获取m条路径不同的是,获取Q条备选路径时,不将初始区域标记为已访问区域的原因在于,清洗装置对应的清洗装置电量数据不足以支持清洗装置清洗整个中空玻璃,因此需要清洗装置在清洗装置电量数据耗尽之前回到初始区域,以便工作人员能及时对清洗装置进行充电;不将初始区域标记为已访问区域,使得清洗装置在进行区域探索时,初始区域可能为清洗装置最后一个探索的区域,即清洗装置最后回到初始区域,此时将清洗装置最后回到初始区域对应的路径标记为备选路径,备选路径即为满足清洗装置最后一个探索区域为初始区域对应的路径;
本实施例通过重新进行路径规划,确保清洗装置在电量耗尽之前返回初始区域,避免清洗装置在电量耗尽之前停在中空玻璃上的其他区域,便于工作人员及时收回清洗装置并对清洗装置进行充电;并且重新选择路径经过的区域均为需要清洗的区域,充分利用能源,提高清洗效率。
实施例3
请参阅图4所示,本实施例公开提供了一种电子设备,包括存储器、处理器以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计算机程序时实现上述各方法所提供的任一项所述中空玻璃自动清洗装置路径规划方法。
由于本实施例所介绍的电子设备为实施本申请实施例中中空玻璃自动清洗装置路径规划方法所采用的电子设备,故而基于本申请实施例中所介绍的中空玻璃自动清洗装置路径规划方法,本领域所属技术人员能够了解本实施例的电子设备的具体实施方式以及其各种变化形式,所以在此对于该电子设备如何实现本申请实施例中的方法不再详细介绍。只要本领域所属技术人员实施本申请实施例中中空玻璃自动清洗装置路径规划方法所采用的电子设备,都属于本申请所欲保护的范围。
实施例4
本实施例公开提供了一种计算机可读存储介质,包括存储器、处理器以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计算机程序时实现上述各方法所提供的任一项所述中空玻璃自动清洗装置路径规划方法。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线网络或无线网络方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质。半导体介质可以是固态硬盘。
本领域普通技术人员可以意识到,结合本发明中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一 种,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。
所述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例方案的目的。
另外,在本发明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。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
最后:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (12)
1.中空玻璃自动清洗装置路径规划方法,其特征在于,包括:
S1:采集中空玻璃图像;
S2:对中空玻璃图像进行分析,获取中空玻璃面积数据、中空玻璃形状数据和中空玻璃污渍数据;
S3:采集清洗装置数据和中空玻璃朝向数据,将中空玻璃朝向数据、中空玻璃面积数据、中空玻璃形状数据和中空玻璃污渍数据作为中空玻璃数据,将中空玻璃数据和清洗装置数据作为路径规划数据;清洗装置数据包括清洗头面积数据、清洗装置电量数据和清洗装置位置数据;
S4:将中空玻璃划分为n个区域;
S5:计算n个区域对应的清洗系数;
S6:计算n个区域对应的能耗系数;
S7:获取清洗装置清洗中空玻璃的m条路径;
S8:计算m条路径中每条路径的能耗总量和清洗系数总量;
S9:将m条路径中每条路径的能耗总量与清洗装置电量数据进行对比,将能耗总量小于清洗装置电量数据对应的路径标记为选择路径;
S10:计算选择路径的最优系数,选择最优系数最小对应的路径作为清洗装置本次清洗中空玻璃的路径。
2.根据权利要求1所述的中空玻璃自动清洗装置路径规划方法,其特征在于,所述对中空玻璃图像进行分析,获取中空玻璃面积数据、中空玻璃形状数据的方法包括:
S201:读取中空玻璃图像;
S202:对中空玻璃图像进行灰度化处理,将彩色图像转换为灰度图像;
S203:对灰度图像应用高斯滤波,以降低噪声和细节;
S204:将应用完高斯滤波后的灰度图像进行边缘检测,检测灰度图像中中空玻璃的边缘;
S205:将边缘检测后的灰度图像进行二值化操作,将灰度图像转换为只包含边缘和背景的二值图像;
S206:使用findContours函数,查找二值图像中的轮廓;
S207:使用drawContours函数将查找到的轮廓绘制在中空玻璃图像上,以可视化识别的轮廓;
S208:计算轮廓的面积,获取中空玻璃面积数据;
S209:显示绘制轮廓的中空玻璃图像,中空玻璃图像中绘制的轮廓即为中空玻璃形状数据。
3.根据权利要求2所述的中空玻璃自动清洗装置路径规划方法,其特征在于,对中空玻璃图像进行分析,获取中空玻璃污渍数据的方法包括:
S211:读取中空玻璃图像;
S212:对中空玻璃图像进行灰度化处理,将彩色图像转换为灰度图像;
S213:对灰度图像应用颜色阈值化以检测污渍;
S214:将应用颜色阈值化后的灰度图像进行形态学操作以去除噪声;
S215:查找形态学操作后灰度图像污渍的轮廓;
S216:分析灰度图像中的污渍数据;
S217:在中空玻璃图像上标记污渍区域;
S218:显示标记有污渍区域的中空玻璃图像,获取中空玻璃污渍数据。
4.根据权利要求3所述的中空玻璃自动清洗装置路径规划方法,其特征在于,所述n个区域对应的清洗系数计算包括:
;
式中,为清洗系数,/>为朝向数值,/>为污渍占比,/>、/>为预设权重,为预设常数,/>为第/>个区域,/>。
5.根据权利要求4所述的中空玻璃自动清洗装置路径规划方法,其特征在于,所述污渍占比为n个区域中每个区域的污渍面积除以对应区域总面积的商,n个区域中每个区域的总面积即为清洗头面积数据;
n个区域中每个区域污渍面积的计算包括:
结合中空玻璃面积数据和中空玻璃形状数据对中空玻璃构建直角坐标系,根据标记有污渍区域的中空玻璃图像获取中空玻璃的污渍轮廓,再根据中空玻璃污渍数据获取中空玻璃中污渍轮廓对应的数据点坐标,按照划分的n个区域获取每个区域中污渍轮廓对应的数据点坐标以及数据点数量,根据每个区域中污渍轮廓对应的数据点坐标以及数据点数量计算每个区域的污渍面积;
;
式中,为污渍面积,/>为数据点数量,/>为第k个数据点的横坐标,/>为第k个数据点的纵坐标,/>为最后一个数据点的横坐标,/>为最后一个数据点的纵坐标,/>,L个数据点均为第i个区域中的数据点。
6.根据权利要求5所述的中空玻璃自动清洗装置路径规划方法,其特征在于,所述n个区域对应的能耗系数计算如下:
;
式中,为能耗系数,/>为清洗头面积,/>为预设权重,/>为预设常数。
7.根据权利要求6所述的中空玻璃自动清洗装置路径规划方法,其特征在于,所述获取清洗装置清洗中空玻璃的m条路径的方法包括:
a:根据清洗装置位置数据,获取清洗装置当前位置,定义清洗装置当前位置为初始区域,从初始区域开始本次深度优先搜索,并确保清洗装置经过n个区域中每个区域;
b:从初始区域开始,将初始区域标记为已访问区域,探索初始区域的相邻区域,并选择初始区域的其中一个相邻区域作为下一区域,并标记下一区域为已访问区域;探索下一区域的相邻区域,并选择下一区域的其中一个未标记为已访问区域的相邻区域作为新的下一区域,并标记新的下一区域为已访问区域;
c:重复步骤b中的方法,直到下一区域的相邻区域均已标记为已访问区域,此时检测n个区域是否均已标记为已访问区域;
若n个区域均已标记为已访问区域,则本次深度优先搜索结束;
若n个区域中存在区域未标记为已访问区域,则本次深度优先搜索继续;
此时从当前区域回溯到上一区域,并选择上一区域的其中一个未标记为已访问区域的相邻区域作为新的下一区域,直到n个区域均已标记为已访问区域,则本次深度优先搜索结束;
d:重复步骤b~步骤c,获取清洗装置清洗中空玻璃的m条路径。
8.根据权利要求7所述的中空玻璃自动清洗装置路径规划方法,其特征在于,所述计算m条路径中每条路径的能耗总量和清洗系数总量的方法包括:
m条路径中每条路径的能耗总量为n个区域对应的能耗系数相加再加上移动能耗;移动能耗为清洗装置在n个区域内的移动能耗,将每条路径所经过的区域数量乘以移动能耗系数作为移动能耗;
将n个区域对应的清洗系数分别乘以对应的清洗权重,再依次相加,作为m条路径中每条路径的清洗系数总量;n个区域对应的清洗权重根据路径中的区域顺序进行预先设置。
9.根据权利要求8所述的中空玻璃自动清洗装置路径规划方法,其特征在于,所述选择路径的最优系数计算的方法包括:
;
式中为最优系数,/>为能耗总量,/>为清洗系数总量,/>。
10.根据权利要求9所述的中空玻璃自动清洗装置路径规划方法,其特征在于,获取清洗装置清洗中空玻璃的Q条备选路径;计算Q条备选路径中每条备选路径的能耗总量,将Q条备选路径中每条备选路径的能耗总量以及清洗装置电量数据从大到小排序生成排序表,按照排序表正序选择排在清洗装置电量数据后一个能耗总量对应的备选路径,作为清洗装置本次清洗中空玻璃的路径;
获取清洗装置清洗中空玻璃Q条备选路径的方法包括:
e:从初始区域开始,但不将初始区域标记为已访问区域,探索初始区域的相邻区域,并选择初始区域的其中一个相邻区域作为下一区域,并标记下一区域为已访问区域;探索下一区域的相邻区域,并选择下一区域的其中一个未标记为已访问区域的相邻区域作为新的下一区域,并标记新的下一区域为已访问区域;
f:重复步骤e中的方法,直到下一区域的相邻区域均已标记为已访问区域,此时检测清洗装置当前所在区域是否为初始区域;将清洗装置当前所在区域为初始区域对应的路径标记为备选路径;
g:重复步骤e~步骤f,获取清洗装置清洗中空玻璃的Q条备选路径。
11.一种电子设备,包括存储器、处理器以及存储在存储器上并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计算机程序时实现权利要求1至10中任一项所述的中空玻璃自动清洗装置路径规划方法。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被执行时实现权利要求1至10中任一项所述的中空玻璃自动清洗装置路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311830564.3A CN117464694B (zh) | 2023-12-28 | 2023-12-28 | 中空玻璃自动清洗装置路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311830564.3A CN117464694B (zh) | 2023-12-28 | 2023-12-28 | 中空玻璃自动清洗装置路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117464694A true CN117464694A (zh) | 2024-01-30 |
CN117464694B CN117464694B (zh) | 2024-03-05 |
Family
ID=89640163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311830564.3A Active CN117464694B (zh) | 2023-12-28 | 2023-12-28 | 中空玻璃自动清洗装置路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117464694B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105892467A (zh) * | 2016-05-22 | 2016-08-24 | 昆山伊娃机器人有限公司 | 一种玻璃幕墙清洗机器人的视觉导航方法及系统 |
CN106037599A (zh) * | 2016-06-23 | 2016-10-26 | 北京历途科技有限公司 | 基于图像识别空间建模的高层建筑外表面清洗机器人 |
CN109571482A (zh) * | 2019-01-02 | 2019-04-05 | 京东方科技集团股份有限公司 | 清扫机器人路径规划方法及相关系统、可读存储介质 |
CN111374584A (zh) * | 2018-12-28 | 2020-07-07 | 珠海市一微半导体有限公司 | 一种视觉擦窗机器人及其控制方法 |
CN113012149A (zh) * | 2021-04-14 | 2021-06-22 | 北京铁道工程机电技术研究所股份有限公司 | 一种智能清洗机器人路径规划方法及系统 |
KR20220067949A (ko) * | 2020-11-18 | 2022-05-25 | 유희중 | 신개념 유리창 청소로봇 |
CN116540710A (zh) * | 2023-05-12 | 2023-08-04 | 河海大学常州校区 | 一种基于图像识别的玻璃清洁机器人的路径规划方法 |
CN117161004A (zh) * | 2023-10-18 | 2023-12-05 | 哈尔滨工业大学 | 一种激光清洗的路径规划方法及系统 |
-
2023
- 2023-12-28 CN CN202311830564.3A patent/CN117464694B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105892467A (zh) * | 2016-05-22 | 2016-08-24 | 昆山伊娃机器人有限公司 | 一种玻璃幕墙清洗机器人的视觉导航方法及系统 |
CN106037599A (zh) * | 2016-06-23 | 2016-10-26 | 北京历途科技有限公司 | 基于图像识别空间建模的高层建筑外表面清洗机器人 |
CN111374584A (zh) * | 2018-12-28 | 2020-07-07 | 珠海市一微半导体有限公司 | 一种视觉擦窗机器人及其控制方法 |
CN109571482A (zh) * | 2019-01-02 | 2019-04-05 | 京东方科技集团股份有限公司 | 清扫机器人路径规划方法及相关系统、可读存储介质 |
KR20220067949A (ko) * | 2020-11-18 | 2022-05-25 | 유희중 | 신개념 유리창 청소로봇 |
CN113012149A (zh) * | 2021-04-14 | 2021-06-22 | 北京铁道工程机电技术研究所股份有限公司 | 一种智能清洗机器人路径规划方法及系统 |
CN116540710A (zh) * | 2023-05-12 | 2023-08-04 | 河海大学常州校区 | 一种基于图像识别的玻璃清洁机器人的路径规划方法 |
CN117161004A (zh) * | 2023-10-18 | 2023-12-05 | 哈尔滨工业大学 | 一种激光清洗的路径规划方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117464694B (zh) | 2024-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110398964B (zh) | 一种低能量损耗机器人全覆盖路径规划方法及系统 | |
CN110340891B (zh) | 基于点云模板匹配技术的机械臂定位抓取系统及方法 | |
Borrmann et al. | A mobile robot based system for fully automated thermal 3D mapping | |
US9811714B2 (en) | Building datum extraction from laser scanning data | |
CN103488988B (zh) | 基于无人机巡线可见光影像的电力设备中绝缘子的提取方法 | |
CN107563412A (zh) | 一种基于深度学习的红外图像电力设备实时检测方法 | |
Peng et al. | Model and context‐driven building extraction in dense urban aerial images | |
CN111061270B (zh) | 一种全面覆盖方法、系统及作业机器人 | |
CN113110513A (zh) | 一种基于ros的居家整理移动机器人 | |
CN111612806B (zh) | 一种建筑物立面窗户提取方法及装置 | |
CN109528089A (zh) | 一种被困清洁机器人的继续行走方法、装置及芯片 | |
CN116448118B (zh) | 一种扫地机器人的工作路径优化方法和装置 | |
WO2023045798A1 (zh) | 一种过道区域识别方法及装置 | |
CN112882459A (zh) | 一种清扫路径规划方法、清扫路径规划装置和清扫机器人 | |
CN112087573B (zh) | 环境的绘制 | |
CN109059791A (zh) | 电力设备变形监测方法及装置 | |
CN113534822A (zh) | 扫地机器人的路径控制方法、装置及扫地机器人 | |
CN115187879A (zh) | 一种基于YOLOv5的楼栋检测与楼层定位方法及装置 | |
CN113744329A (zh) | 区域自动划分、机器人行走控制方法、系统、设备和介质 | |
Li et al. | Improving autonomous exploration using reduced approximated generalized voronoi graphs | |
CN117464694B (zh) | 中空玻璃自动清洗装置路径规划方法 | |
CN108895976B (zh) | 封闭空间设备变形监测方法及装置 | |
CN112486182B (zh) | 一种实现未知环境地图构建与路径规划的扫地机器人及其使用方法 | |
CN114115269A (zh) | 清扫路径的确定方法、装置及电子设备 | |
CN116452604B (zh) | 一种复杂变电站场景分割方法、设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |