WO2011000256A1 - 清洁机器人及其脏物识别装置和该机器人的清洁方法 - Google Patents

清洁机器人及其脏物识别装置和该机器人的清洁方法 Download PDF

Info

Publication number
WO2011000256A1
WO2011000256A1 PCT/CN2010/073762 CN2010073762W WO2011000256A1 WO 2011000256 A1 WO2011000256 A1 WO 2011000256A1 CN 2010073762 W CN2010073762 W CN 2010073762W WO 2011000256 A1 WO2011000256 A1 WO 2011000256A1
Authority
WO
WIPO (PCT)
Prior art keywords
dirt
image
value
unit
trust
Prior art date
Application number
PCT/CN2010/073762
Other languages
English (en)
French (fr)
Inventor
汤进举
Original Assignee
泰怡凯电器(苏州)有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Priority to CN200910150110.5 priority Critical
Priority to CN2009101501105A priority patent/CN101941012B/zh
Application filed by 泰怡凯电器(苏州)有限公司 filed Critical 泰怡凯电器(苏州)有限公司
Publication of WO2011000256A1 publication Critical patent/WO2011000256A1/zh

Links

Classifications

    • AHUMAN NECESSITIES
    • A47FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47LDOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L9/00Details or accessories of suction cleaners, e.g. mechanical means for controlling the suction or for effecting pulsating action; Storing devices specially adapted to suction cleaners or parts thereof; Carrying-vehicles specially adapted for suction cleaners
    • A47L9/28Installation of the electric equipment, e.g. adaptation or attachment to the suction cleaner; Controlling suction cleaners by electric means
    • A47L9/2836Installation of the electric equipment, e.g. adaptation or attachment to the suction cleaner; Controlling suction cleaners by electric means characterised by the parts which are controlled
    • A47L9/2852Elements for displacement of the vacuum cleaner or the accessories therefor, e.g. wheels, casters or nozzles
    • AHUMAN NECESSITIES
    • A47FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47LDOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L9/00Details or accessories of suction cleaners, e.g. mechanical means for controlling the suction or for effecting pulsating action; Storing devices specially adapted to suction cleaners or parts thereof; Carrying-vehicles specially adapted for suction cleaners
    • A47L9/28Installation of the electric equipment, e.g. adaptation or attachment to the suction cleaner; Controlling suction cleaners by electric means
    • A47L9/2805Parameters or conditions being sensed
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • AHUMAN NECESSITIES
    • A47FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47LDOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L2201/00Robotic cleaning machines, i.e. with automatic control of the travelling movement or the cleaning operation
    • A47L2201/06Control of the cleaning action for autonomous devices; Automatic detection of the surface condition before, during or after cleaning
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D2201/00Application
    • G05D2201/02Control of position of land vehicles
    • G05D2201/0203Cleaning or polishing vehicle
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10STECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S901/00Robots
    • Y10S901/46Sensing device
    • Y10S901/47Optical

Description

清洁机器人及其脏物识别装置和该机器人的清洁方法 技术领域
本发明涉及一种智能设备,尤其是一种清洁机器人及其脏物识别装置和该机器人的清洁方法。 背景技术
随着时代的进步和科技的飞跃发展, 智能设备, 如机器人已成为人们所熟知的名词。 不仅如 此, 智能清扫机、 智能拖地机等类似的家庭服务机器人, 以其清洁方便、 省时省力的特点, 使人 们摆脱了繁琐的家务劳动而步入了寻常百姓的家庭生活。
在现有的家庭服务机器人技术及产品中, 机器人可以按人们的要求完成最基本的清除灰尘的 功能。
在现有技术中, 清洁机器人大致分为智能吸尘器、 智能扫地机和集吸、 扫于一体的智能清扫 机。 智能吸尘器的清洁原理是依靠电动机驱动风叶轮高速旋转, 风叶轮强力抽吸空气, 造成吸尘 器机体内外产生很大的压力差, 在吸口处产生强大气流, 从而将待清洁表面的灰尘和脏物随气流 吸入吸尘器的集尘单元内, 经过过滤器的过滤, 灰尘和脏物被留在集尘单元内, 干净的空气则透 过过滤器, 经过风叶轮等部件, 释放到大气中。 智能扫地机的清洁原理是: 在扫地机的底部设有 可转动的滚刷, 通过滚刷的转动将待清洁表面的颗粒等脏物带到扫地机的集尘单元内。 智能清扫 机的清洁原理是: 清扫机上设有能产生真空效果的电动机、 风叶轮以及可转动的滚刷, 通过真空 吸力和滚刷的转动, 使得待清洁表面的灰尘和颗粒脏物被吸入和带入到清扫机内的集尘单元内, 清洁效果比同功率下的智能吸尘器或智能扫地机要好。
上述所说的清洁机器人在进行工作时, 一般会自行移动。 当机器人, 诸如智能清扫机, 其在 行走的路径中遇到灰尘等脏物时, 通过安装在进口通道两侧的灰尘传感器来探测灰尘等脏物的数 量, 灰尘等脏物在滚刷带动和吸力的作用下通过进口通道进入到集尘盒, 此时灰尘传感器通过将 探测到进口通道间灰尘等脏物的数量与预先设定的标准值进行比较, 从而选择是否需要对该清扫 点进行小区域地定点集中吸扫。
由此可见, 现有的清洁机器人对灰尘等脏物的探测是一个被动的过程, 只有当机器人遇到灰 尘等脏物的时候, 才能起到一个探测的功能, 没有主动识别选择功能。 因此, 在做清洁工作时, 由于该清洁机器人不能主动识别灰尘, 常常是在待清洁表面走来走去, 需要花费很长时间才能将 待清洁表面打扫干净, 不但效率低下, 而且浪费电能。 为了克服这些缺陷, 需要由人们对该清洁 机器人进行引导, 使清洁机器人能到达有灰尘等脏物的地方来清洁, 无形中又增加了人为的干预, 不能真正起到将人们从劳动中解放出来的最终目的。
另外, 也有一种清洁机器人, 其配置有摄像装置, 通过摄像装置采集前方地面的图像, 将该 图像与一标准图像来进行比较, 从而确定出是否需要对其进行清洁。 该方法虽然可以对待清洁地 方进行主动探测, 但是判断方法过于简单, 不能准确地确定所采集区域是否真的需要清洁, 误判 率高。 发明内容
本发明所要解决的技术问题是, 针对现有技术不足, 提供一种脏物识别装置、 清洁机器人及 清洁方法, 可以对灰尘等脏物进行主动识别, 并能准确地判断出是否需要清洁, 从而提高清洁机 器人的清洁效率、 节约清洁时间, 将人们从劳动中真正解放出来。
为便于解决上述的技术问题, 本发明提供了一种清洁机器人的脏物识别装置, 包括图像采集 模块, 图像处理模块;
所述图像采集模块用于采集清洁机器人待工作表面的图像信息, 将所述图像信息发送给所述 图像处理模块;
所述图像处理模块将采集到的待工作表面图像分割成 N ( N> 1 ) 块, 提取出每一块图像的图 像信息, 对所述图像信息进行处理, 以确定所述 N块中的一块图像所对应的待工作表面最脏, 从 而使所述装置可以对脏物进行主动识别。
本发明提供的第二种方案是, 在第一种方案提供的清洁机器人的脏物识别装置中, 所述图像 处理模块包括图像分割单元、 信息提取单元和计算单元;
所述图像分割单元用于将采集到的清洁机器人待工作表面的图像分割成 N ( N> 1 ) 块; 所述信息提取单元提取出每一块图像的图像信息, 并发送给所述的计算单元;
所述计算单元根据每一块图像的图像信息, 判断出所述 N块中的一块图像所对应的待工作表 面最脏。
本发明提供的第三种方案是, 在第二种方案提供的清洁机器人的脏物识别装置中, 所述信息 提取单元为灰度值提取单元, 所述计算单元为比较单元; 其中, 所述灰度值提取单元从每一块图 像提取出对应的灰度值; 所述比较单元比较每一块图像的灰度值, 从而将灰度值最大的图像确定 为最脏的待工作表面。
本发明提供的第四种方案是, 在第二种方案提供的清洁机器人的脏物识别装置中, 所述信息 提取单元为灰度值提取单元, 所述计算单元包括特征值提取单元和比较单元; 其中, 所述灰度值 提取单元从每一块图像提取出对应的灰度值; 所述特征值提取单元将各图像块的灰度值转化为与 其对应的特征值, 从而从每一块图像中提取出脏物特征; 所述比较单元比较每一图像的脏物特征 值, 从而将脏物特征值最大的图像确定为最脏的待工作表面。
本发明提供的第五种方案是, 在第二种方案提供的清洁机器人的脏物识别装置中, 所述信息 提取单元为灰度值提取单元, 所述计算单元包括特征值提取单元、 理论信任度计算单元和比较单 元; 其中, 所述灰度值提取单元从每一图像块提取出对应的灰度值; 所述特征值提取单元将各图 像块的灰度值转化为与其对应的特征值, 从而从每一块图像中提取出脏物特征; 所述理论信任度 计算单元以所述特征值、 从一数据库中得到的对应于所述特征值的即时信任度为参数, 根据所述 特征值、 即时信任度和理论信任度的函数关系得到对应于每一图像块的理论信任度; 所述比较单 元比较每一图像块的理论信任度, 从而将理论信任度最大的图像确定为最脏的待工作表面。
本发明提供的第六种方案是, 在第五种方案提供的清洁机器人的脏物识别装置中, 还包括灰 尘传感器和理论信任度修正单元; 其中, 所述灰尘传感器用于感测待工作表面的脏物量, 并将感 测到实际脏物量的信息发送给所述理论信任度修正单元; 所述理论信任度修正单元计算实际脏物 量与标准脏物量的差值, 并根据该差值与即时信任度偏差值的函数关系, 计算出即时信任度偏差 值; 所述理论信任度计算单元根据所述特征值、 即时信任度和即时信任度偏差值的函数关系, 计 算出修正后对应于每一图像块的理论信任度。
本发明提供的第七种方案是, 在第六种方案提供的清洁机器人的脏物识别装置中, 所述比较 单元比较每一图像块的修正后的理论信任度,将理论信任度最大的图像确定为最脏的待工作表面。
本发明提供的第八种方案是, 在第五种方案提供的清洁机器人的脏物识别装置中, 所述特征 值、 即时信任度和理论信任度的函数关系为: PA=AFA
其中, A为特征值; FA为特征值为 A的即时信任度; PA为特征值为 A的理论信任度。
本发明提供的第九种方案是, 在第六种方案提供的清洁机器人的脏物识别装置中, 实际脏物 量与标准脏物量的差值与即时信任度偏差值的函数关系为:
FA(n)=f(x)
X为实际脏物量与标准脏物量的差值; FAW为第 n次修正后的特征值为 A的即时信任度偏 差值, f为函数关系式;
所述理论信任度计算单元 ( 232E ) 通过如下公式计算出修正后对应于每一图像块的理论信任 度:
PA(n), = A ( FA+ FA (n)+ FA(n-1)+ ·· · ·· · Δ ΥΜΙ) )
其中, Α为特征值; FA为特征值为 A的即时信任度; FAW为对应于第 n次修正时的实际脏 物量与标准脏物量的差值的即时信任度偏差值; n- 1次修正时的实际脏物量与 标准脏物量的差值的即时信任度偏差值; …… FA(1)为对应于第 1 次修正时的实际脏物量与标准 脏物量的差值的即时信任度偏差值; ΡΑ(η) ' 为经过 η次修正后、 特征值为 Α的理论信任度。
本发明提供的第十种方案是,在第九种方案提供的清洁机器人的脏物识别装置中, ^ FAW=f(x) 中所述 f 的函数关系式为:
Δ FA(n)= anXn+ an— iXn2Xn2+ + a1X1 + a0
其中, X为实际脏物量与标准脏物量的差值; FAW为第 n次修正后的特征值为 A的即时信 任度偏差值; an、 an - ! ai、 aQ为多项系数。
本发明提供的第十一种方案是, 在第五种方案提供的清洁机器人的脏物识别装置中, 还包括 所述的数据库, 所述数据库存储有相互对应的特征值、 即时信任度、 初始信任度和理论信任度。
本发明提供的第十二种方案是, 在第六种方案提供的清洁机器人的脏物识别装置中还包括所 述的数据库, 所述数据库存储有相互对应的特征值、 即时信任度、 初始信任度、 即时信任度偏差 值、 理论信任度和标准脏物量的阈值。
本发明提供的第十三种方案是, 在第十一、十二种方案提供的清洁机器人的脏物识别装置中, 初始时所述特征值对应的即时信任度的值与初始信任度的值相等。
本发明提供的第十四种方案是, 在第六种方案提供的清洁机器人的脏物识别装置中, 还包括 一设定单元, 用于设定初始信任度和 /或标准脏物量的阈值。
本发明提供的第十五种方案是, 在第十四种方案提供的清洁机器人的脏物识别装置中所述的 设定单元为按键、 旋钮、 触摸式或遥控式装置。
本发明还提供了 一种清洁机器人, 包括机器人本体、 控制单元、 驱动单元、 行走单元和清洁 单元, 所述控制单元控制清洁单元工作, 并控制驱动单元, 由驱动单元驱动行走单元行走, 还包 括前述方案一至十五任一所述的脏物识别装置, 所述控制单元根据所述脏物识别装置确定的最脏 的待工作表面, 确定行走单元以最脏的待工作表面为目的地的行走路线, 对最脏的待工作表面进 行清洁。
在所述的清洁机器人中, 前述方案一至十五任一所述的脏物识别装置中的图像处理模块为所 述控制单元的一个组成部分。
本发明还提供了一种清洁机器人的清洁方法, 其特征在于, 包括如下步骤:
步骤 1, 应用前述方案一至十五任一所述脏物识别装置中的图像采集模块采集清洁机器人待 工作表面的图像;
步骤 2, 应用前述方案一至十五任一所述脏物识别装置中的图像处理模块将所述图像分割成 多个图像块, 并将每一图像块的图像信息转化成灰度值; 步骤 3, 由所述图像处理模块根据所述灰度值确定最脏的待工作表面;
步骤 4, 驱动机器人行走到所述最脏的待工作表面, 并对所述最脏的待工作表面进行清洁。 在上述的清洁机器人的清洁方法中, 步骤 3具体包括如下步骤:
步骤 301, 将各图像块的灰度值转化为与其对应的特征值, 从而从每一块图像中提取出脏物 特征;
步骤 302, 比较每一图像块的特征值, 将特征值最大的图像块确定为最脏的待工作表面。 在所述的清洁机器人的清洁方法中, 步骤 3还可以包括以下步骤:
步骤 311, 将各图像块的灰度值转化为与其对应的特征值;
步骤 312, 根据特征值、 即时信任度和理论信任度的函数关系得到对应于每一图像块的理论 信任度;
步骤 313, 比较每一图像块的理论信任度, 将理论信任度最大的图像块确定为最脏的待工作 表面。
在前述的清洁机器人的清洁方法中, 步骤 312中所述的特征值、 即时信任度和理论信任度的 函数关系为: 其中, A为特征值; F为特征值为 A的即时信任度; PA为特征值为 A的理论信任度。
在上述清洁机器人的清洁方法中, 在步骤 4之后还包括如下步骤:
步骤 5, 通过灰尘传感器感测工作表面的脏物量;
步骤 6, 计算实际脏物量与标准脏物量的差值,
步骤 7, 并根据该差值与即时信任度偏差值的函数关系, 计算出即时信任度偏差值, 而后返 回步骤 312 ; 其中, 实际脏物量与标准脏物量的差值与即时信任度偏差值的函数关系式为: FA(n)=f(x)
X为实际脏物量与标准脏物量的差值; FAW为第 n次修正后的即时信任度偏差值, f为函数 关系式;
此时, 步骤 312中所述的特征值、 即时信任度和理论信任度的函数关系为:
PA(n), = A ( FA + FA (N)+ FA(N-1)+ ·· · ·· · Δ ΥΜΙ) )
其中, Α为特征值; FAW为对应于第 n次修正时的实际脏物量与标准脏物量的差值的即时 信任度偏差值; n- 1次修正时的实际脏物量与标准脏物量的差值的即时信任度 偏差值; …… FA(1)为对应于第 1 次修正时的实际脏物量与标准脏物量的差值的即时信任度偏差 值; ΡΑ(η) ' 为经过 η次修改后特征值为 Α的理论信任度。 其中, FAW=f(x)中所述 f 的函数关系式为:
Δ FA(n)= anXn+ an— iXn— i + an— 2Xn2+。。。 + a1X1 + a0
其中, X为实际脏物量与标准脏物量的差值; FAW为第 n次修正后的特征值为 A的即时信 任度偏差值 an、 an - ! , ai、 aQ为多项系数。
在步骤 4中, 当对最脏的待工作表面进行清洁时, 如果灰尘传感器感测到的实际脏物量在预 设的时间段内均低于设定值时或在另一预设时间段内一直大于设定值时, 结束对该工作表面的清 洁, 返回步骤 1。
前述任一所述的清洁机器人的清洁方法中, 还包括以下步骤:
检测机器人的工作电量, 如工作电量低于预先设定值, 停止清洁工作。
前述任一所述的清洁机器人的清洁方法中, 还包括以下步骤:
检测所有的即时信任度是否全部收敛到即时信任度取值范围的下限数值, 如果全部收敛到即 时信任度取值范围的下限数值, 停止清洁工作。
本发明由图像处理模块将图像采集模块所采集到的图像进行分块处理, 通过对分块后的每块 图像信息进行比较, 从而判断诸多块图像中哪一分块图像对应的工作表面最脏。 通过本发明的方 案, 清洁机器人可以对灰尘等脏物进行主动识别, 从而准确而快速地进入工作区域工作, 与现有 技术相比, 提高了判断的准确率和工作效率, 节约了工作时间; 并且, 由于对工作区域的选择和 清洁, 不需要人为干预, 从而将人们从劳动中真正解放出来。 另外, 在本发明中, 通过将图像信 息转化成灰度值, 因此无需存储图片信息而不需要大量的存储空间, 由此加快了控制单元的运行 速度, 并且由于没有对存储单元的存储量有额外要求, 也由此可以降低元器件的采购成本。
以下结合附图和具体实施例对本发明的技术方案进行详细的说明。 附图说明
图 1为本发明所述具有主动识别脏物的识别装置的控制框图;
图 2为本发明所述具有主动识别脏物的识别装置的实施例一的控制框图;
图 3为本发明图 2中所述具有主动识别脏物的识别装置的工作流程图;
图 4为本发明所述具有主动识别脏物的识别装置的实施例二的控制框图;
图 5为本发明图 4中所述具有主动识别脏物的识别装置的工作流程图;
图 6为本发明所述具有主动识别脏物的识别装置的实施例三的控制框图;
图 7为本发明所述具有主动识别脏物的识别装置的实施例四的控制框图;
图 8为本发明图 7中所述具有主动识别脏物的识别装置的工作流程图; 图 9为本发明所述具有主动识别脏物的识别装置的实施例五的控制框图;
图 10为本发明图 9中所述具有主动识别脏物的识别装置的工作流程图;
图 11为本发明所述自移动清洁机器人的整体示意图;
图 12为本发明所述自移动清洁机器人的底部示意图;
图 13为本发明所述自移动清洁机器人一具体实施例的控制框图;
图 14为本发明所述自移动清洁机器人的工作流程图;
图 15A-15C为自移动清洁机器人运行示意图。 具体实施方式
本发明提供了一种实现脏物主动识别的识别装置, 包括图像采集模块 10和图像处理模块 20; 其中, 所述图像采集模块 10用于采集清洁机器人 1待工作表面的图像信息, 将所述图像信息发送 给所述图像处理模块 20 ; 所述图像处理模块 20将采集到的待工作表面图像分割成 N块, 提取出 每一块图像的图像信息, 其中, N> 1, 对所述图像信息进行处理, 最终判断出所述 N块中的一块 图像所对应的待工作表面最脏; 或者将提取出每一块图像的图像信息发送给所述的清洁机器人 1, 由清洁机器人判断出所述 N块中的一块图像所对应的待工作表面最脏。 其中, 判断出所述 N块中 的一块图像所对应的待工作表面最脏即可以由识别装置来完成, 也可以由清洁机器人来完成。 以 下通过具体实施例来展开说明。
实现脏物主动识别的识别装置的实施例一
如图 2所示, 为本实施例一提供的一种主动识别脏物的识别装置, 该装置包括图像采集模块 10A和图像处理模块 20A, 其中, 所述图像处理模块 20A包括图像分割单元 210A、 信息提取单元 220A和计算单元 230A。 图 3为该识别装置的工作流程图。
结合图 2和图 3, 图像采集模块 10A用于采集待工作表面的图像信息 (步骤 S 10A)后, 图像 处理模块 20A中的图像分割单元 210A将采集到的待工作表面的图像信息根据实际工作需要分割 成 N块(N>1 ) (步骤 S20A), 由信息提取单元 220A提取出每一块图像的图像信息(步骤 S30A) , 并发送给所述的计算单元 230A, 所述计算单元 230A根据每一块图像的图像信息, 判断出所述 N 块中的一块图像所对应的待工作表面最脏 (步骤 S40A)。
其中, 信息提取单元 220A可以从每一块图像提取出一部分信息, 如灰度值、 特征值等, 从 而不用将所有图像的信息全部存储下来, 因而极大地节省了存储空间, 并且, 由于所述计算单元 230A根据这些信息进行判断, 所以, 提高了运行速度。
实现脏物主动识别的识别装置的实施例二 如图 4所示, 为本实施例二提供的一种主动识别脏物的识别装置, 图 5为图 4所示识别装置 的工作流程图, 结合图 4和图 5, 该识别装置包括图像采集模块 10B和图像处理模块 20B, 其中, 图像处理模块 20B包括图像分割单元 210B、 灰度值提取单元 220B和比较单元 230B。
图像采集模块 10B采集清洁机器人待工作表面的图像信息 (步骤 S 10B ), 并将该图像信息发 送给所述图像分割单元 210B ; 所述图像分割单元 210B将采集到的待工作表面的图像信息根据实 际工作需要分割成 N块 (N>1 ) (步骤 S20B ) ; 所述灰度值提取单元 220B从每一块图像提取出对 应的灰度值 (步骤 S30B ) , 而后, 所述比较单元 230B 比较每一块图像的灰度值, 从而将灰度值 最大的图像确定为最脏的待工作表面 (步骤 S40B )。
其中, 从图像中提取灰度值的方法为公知惯常知识, 通常, 灰度值在 0~255之间。
本实施例以灰度值的大小为判断依据是因为, 对于性质相同的待工作表面, 灰尘等脏物量大 的表面的灰度值通常比灰尘等脏物量小的表面的灰度值大, 因此, 通过对比灰度值便可以判断出 最脏的工作表面。
实现脏物主动识别的识别装置的实施例三
如图 6所示, 为本实施例三提供的一种主动识别脏物的识别装置原理示意图, 所述识别装置 包括图像采集模块 10C和图像处理模块 20C, 其中, 图像处理模块 20C包括图像分割单元 210C、 灰度值提取单元 220C、 特征值提取单元 231C和比较单元 230C, 其中, 特征值提取单元 231C和 比较单元 230C构成计算单元。
本实施例与实施例一的区别在于: 在特征值提取单元 231C, 将灰度值转化成特征值, 在判断 最脏的工作表面时的依据是特征值的大小, 将特征值最大的图像块对应的表面确定为最脏。
其中, 其转化方法采用模式识别中的统计方法, 诸如聚类法等等。 具体地说, 将每一块图像 信息在数字环节之后进行预处理, 用于除去混入的干扰信息并减少某些变形和失真。 随后进行特 征抽取, 即从数字化或预处理的输入模式中抽取一组特征。 所说的特征是指选定的一种度量, 它 对于一般的变形和失真保持不变或几乎保持不变, 并且只含尽可能少的冗余信息。 灰度值作为公 知惯常知识, 其数值在 0~255之间。 本实施例中, 特征值通过一个模式识别算法, 使其取值范围 在 0~1之间。
本实施例中的识别装置, 通过将每块图像信息转化而成的灰度值, 再通过模式识别算法, 使 得不同的灰度值对应不同的特征值。通过特征值之间的比较从而进行判断所分块的待工作表面中, 哪一块最脏。
众所周知, 数字图像是以位图的形式存在, 位图是一个矩形点阵, 每一个点的像素所具有的 明暗程度由灰度值所标识。 因此, 对每一块图像信息的灰度值进行比较, 其数据占用存储量十分 大, 这对于存储单元而言, 增加了不少负荷。 而在本实施例, 通过抓取每一块图像信息的某一个 或者若干个灰度值, 从所抓取的灰度值通过算法转化成特征值, 而免去了对每一块的整个图像信 息进行灰度值比较, 其数据占用量较小, 数据可信度更强。
实现主动识别脏物的识别装置的实施例四
如图 7所示, 为本实施例四提供的一种主动识别脏物的识别装置原理示意图, 与实施例三相 比, 增加了一理论信任度计算单元 232D, 所述理论信任度计算单元 232D根据所述特征值, 从一 个数据库中得到的对应于所述特征值的即时信任度, 其中, 该数据库可以存储在识别装置中的存 储单元中, 也可以存储在识别装置外部的存储单元中。
在该数据库中存储有很多组特征值与即时信任度相对应的数据。 根据一个特征值, 便可以通 过査询得到与其对应的即时信任度。
图 8为图 7所示装置的工作流程图。 识别装置的识别方法为:
步骤 S 10D, 图像采集模块 10D采集清洁机器人待工作表面的图像信息, 并将该图像信息发 送给所述图像分割单元 210D ;
步骤 S20D, 所述图像分割单元 210D将采集到的待工作表面的图像信息根据实际工作需要分 割成 N块 (N>1 ) ;
步骤 S30D, 所述灰度值提取单元 220D从每一块图像提取出对应的灰度值;
步骤 S40D, 在特征值提取单元 231D, 通过模式识别算法将灰度值转化成特征值; 步骤 S50D, 所述理论信任度计算单元 232D根据所述特征值, 从一个数据库中査找相对应的 即时信任度, 初始时, 数据库中的即时信任度为预先设定值, 并且预先设定值均相同, 该初始时 的即时信任度定义为初始信任度;
步骤 S60D, 所述理论信任度计算单元 232D根据所述特征值、 即时信任度和理论信任度的函 数关系得到对应于每一图像块的理论信任度, 其中, 所述特征值、 即时信任度和理论信任度的函 数关系为一种换算方法, 诸如乘法关系, 即 PA=AFA, 其中, A为特征值; FA为特征值为 A的即 时信任度; PA为特征值为 A的理论信任度, 如此, 针对每一个图像块均得到一个理论信任度; 步骤 S70D, 所述比较单元 230D比较每一图像块的理论信任度, 从而将理论信任度最大的图 像确定为最脏的待工作表面。
实现主动识别脏物的识别装置的实施例五
如图 9所示, 为本发明所述具有主动识别脏物的识别装置的实施例五的控制框图; 图 10为本 发明图 9中所述具有主动识别脏物的识别装置的工作流程图。
在本实施例中, 与实施例四相比, 增加了灰尘传感器 235E和理论信任度修正单元 236E, 传 感器可以是红外发射、 红外接收传感器; 也可以是声纳传感器, 用来感测待工作表面的脏物量, 并将感测到实际脏物量的信息发送给所述的理论信任度修正单元 236E, 由所述理论信任度修正单 元 236E计算实际脏物量与标准脏物量的差值, 并根据该差值与即时信任度偏差值的函数关系,计 算出即时信任度偏差值, 理论信任度计算单元 232E此差值来修正最后计算得到的理论信任度。
步骤 S 10E, 图像采集模块 10E采集清洁机器人待工作表面的图像信息, 并将该图像信息发送 给所述图像分割单元 210E;
步骤 S20E, 所述图像分割单元 210E将采集到的待工作表面的图像信息根据实际工作需要分 割成 N块 (N>1 ) ;
步骤 S30E, 所述灰度值提取单元 220E从每一块图像提取出对应的灰度值;
步骤 S40E, 在特征值提取单元 231E, 通过模式识别算法采对灰度值转化成特征值; 步骤 S50E, 所述理论信任度计算单元 232E根据所述特征值, 从一个数据库中査找相对应的 即时信任度, 初始时, 数据库中的即时信任度为预先设定值, 并且预先设定值均相同, 该初始时 的即时信任度定义为初始信任度;
步骤 S60E, 所述理论信任度计算单元 232E根据所述特征值、 即时信任度和理论信任度的函 数关系得到对应于每一图像块的理论信任度;
步骤 S70E, 所述比较单元 230E比较每一图像块的理论信任度, 从而将理论信任度最大的图 像确定为最脏的待工作表面。
当清洁机器人在该工作表面工作时, 在步骤 S80E, 灰尘传感器 235E对灰尘、 颗粒等脏物的 探测, 并将实际探测到的灰尘量 L发送给所述理论信任度修正单元 236E;
在步骤 S90E, 理论信任度修正单元 236E接收计所述灰尘传感器 235E发送的实际脏物量 L, 并将该实际脏物量 L与标准脏物量 λ进行比较, 并根据该差值与即时信任度偏差值的函数关系 F=f(x)=f ( L- λ ), 计算出即时信任度偏差值 F, 其中, X为实际脏物量与标准脏物量的差值, 即 ( L- λ ); F为即时理论信任度偏差值, f为函数关系式, 该函数关系式代表一种反馈校正算法; 计算得到差值 F后, 将差值 F返给理论信任度计算单元 232E, 由理论信任度计算单元 232E 重新计算理论信任度, 从而调整该块图像的理论信任度。
上文所述的即时信任度的偏差值 F 的反馈校正算法, 是根据即时信任度与灰尘量偏差值的 比较方式而得到, 二者之间的函数关系为: FAW=f(x)中所述 f 的函数关系式:
Δ F anXn+ an- iXn_1 + an2Xn2+ + a X1 + a0
其中, X为实际脏物量与标准脏物量的差值;
FAW为第 n次修正后的特征值为 A的即时信任度偏差值; an、 an -! , ......、 ai、 a。为多项系数。
根据上述函数关系式可得到多种函数关系式, 至于采用何种函数关系式, 取决于最终打算如 何去处理灰尘量偏差值所反馈的效果。比如:作为一个固定的反馈效果,函数关系对应为: Y= aiX1 + ao ; 作为一个非固定的反馈效果, 函数关系中 Y与 X之间的关系呈曲线, 曲线则是一个 X的多 元函数, 如二次函数 ...... N 次函数等等。 本发明在此给出即时信任度的偏差值 F 的反馈校正算 法的启示, 本领域技术人员可以以机器人实际工作的环境灵活选择最佳的函数关系式。
除此之外, 为避免图像采集、 处理和分析进入无限循环状态, 在计算模块中可以对即时信任 度的取值范围增加上、 下限的限制。 当所有的即时信任度的数值低于取值范围的下限时, 说明所 对应的待工作表面已足够干净, 图像采集模块不需要再采集图像; 在某一设定时间段内, 当所有 即时信任度的数值高于取值范围的上限时, 说明所对应的待工作表面已校正调整的次数足够多, 此时应进行下一个图像采集。
当进行下一个图像的采集时, 前一图像最后调整后的即时信任度为该特征值下的当前即时信 任度。
本实施例与实施例四相比, 当清洁机器人移动到确定的工作表面进行清洁工作时, 由灰尘传 感器对当前工作表面的灰尘量进行检测, 并由该识别装置对当前的即时信任度进行调整。 其中, 当前即时信任度等于上一次信任度与每一次调整后得到的即时信任度的偏差的和。
如图 11所示, 为本发明所述自移动清洁机器人的整体示意图; 图 12为本发明所述自移动清 洁机器人的控制框图, 参照图 11 和图 12, 所述清洁机器人具有实现脏物主动识别的功能, 其包 括机器人本体 1、 控制单元 2、 驱动单元 3、 行走单元 4和清洁单元 5, 所述控制单元 2控制清洁 单元 5工作, 并控制驱动单元 3, 由驱动单元 3驱动行走单元 4行走, 在该机器人中还包括前面 所述脏物识别装置用于确定最脏的待工作表面, 控制单元 2根据该最脏的待工作表面确定行走单 元 4以最脏的待工作表面为目的地的行走路线, 对最脏的待工作表面进行清洁。
其中, 通过控制单元 2控制所述驱动单元 3, 使得驱动单元 3驱动行走单元 4 (驱动轮, 如图 13 ) 带动机器人本体 1移动, 为实现自动清扫的功能, 本自移动清洁机器人的内部设有清洁单元 5。 该清洁单元 5包括真空抽吸单元、 地刷等相关部件, 用于清洁待工作表面。 在自移动清洁机器 人本体的底部设有进口通道, 灰尘等脏物在滚刷的带动以及真空吸力的作用下通过该进口通道进 入到机器人主体 1, 灰尘传感器 235E安装在机器人进口通道的两侧, 由灰尘传感器辨别进口通道 间的脏物量的大小。
另外, 前述脏物识别装置可以为独立于机器人控制单元 2的一个装置, 也可以是与控制单元 2在组成上相互交叉的装置, 即脏物识别装置中的图像处理模块为控制单元 2的一个组成部分。 由于该识别装置在前面已经做了详细地说明, 因此在这里不再进行详细地说明。
以下详细说明具有脏物主动识别功能的清洁机器人在工作时如何实现脏物的主动识别及其工 作流程。 为表达更为清楚, 现针对本实施例结合具体数据和对应附图进行总体阐述, 具体举例如 下:
参照图 11、 图 12、 图 13、 图 14和图 15A-15C, 自移动清洁机器人的工作流程如下: 步骤 S 101 , 设置于清洁机器人头部的图像采集模块 10E (如摄像头) 对清洁机器人前面的待 清洁表面进行图像采集;
步骤 S 102, 图像分割单元 210E将所述图像分割成左右两个图像块。 如图 15A所示, 左右两 个图像块分别对应于区域 B、 C, 并将每一图像块的图像信息转化成灰度值, 例如, 左边灰度值为 125、 右边灰度值为 180;
步骤 S 103, 所述特征值提取单元 231E采用模式识别算法将灰度值转化成特征值, 从而从每 一块图像块中提取出脏物特征, 如相应的特征值为: 0.15和 0.56;
步骤 S 104, 所述理论信任度计算单元 232E以所述特征值、 从一数据库中得到的对应于所述 特征值的即时信任度为参数, 根据所述特征值、 即时信任度和理论信任度的函数关系得到对应于 每一图像块的理论信任度。 其中, 数据库中的数据如表 1所示, 所述理论信任度计算单元从该表 中査到特征值为 0.15和 0.56的即时信任度?。.15和 FQ.56, 初始数据库中的即时信任度为初始信任 度, 并且每个初始信任度数值均相同。 在本实施例中, 该初始信任度为预先设定的, 信任度为 1, 即 FQ.15 ( 0 ) =F0.56 ( 0 ) =1。 而后在每一个已知特征值和即时信任度的前提下, 通过乘法关系, 得 出理论信任度。 具体的换算关系式如下: 理论信任度 =特征值 *即时信任度。 如此, 每一图像块的 图像信息都会对应一个理论信任度, 理论信任度分别为: PQ.15 ( 0 ) =0.15* ( 1+0 ) =0.15; P0.56 ( 0 ) =0.56* ( 1+0 ) =0.56。
步骤 S 105, 将二个理论信任度进行比较, 理论信任度数值最大的为 0.56, 从而将右面的图像 块确定为待工作表面;
步骤 S 106, 控制单元 2向驱动单元 3发出控制信号, 驱动单元 3驱动行走单元 4向区域 C移 动, 如图 15B所示, 移动到该工作表面, 即区域 C, 如图 15C所示, 控制单元 2控制清洁单元 5 工作, 对该表面进行清洁。 驱动单元 3驱动行走单元 4在区域内移动, 可以借助编码器或者里程 计或者类似原理的设备来加以精确定位。
步骤 S 107, 当在该工作表面工作时, 灰尘传感器 235E对灰尘、 颗粒等脏物进行实时探测, 将实际探测到的灰尘量 LQ.56=700发送给识别单元中的一理论信任度修正单元 236E, 该理论信任 度修正单元 236E将该实际脏物量 LQ.56=700与标准脏物量 λ =500进行比较, 其中, 该标准脏物量 入的阈值可以由用户通过一设定单元灵活设置。 比较之后通过反馈校正算法计算特征值为 0.56的 即时信任度偏差值 A FQ.56 ( 1 ) =f ( L0.15- A ) =0.2;
步骤 S 108, 此时, 理论信任度计算单元 232E重新计算特征值 0.56的理论信任度, 并将调整 后的即时信任度调整为该特征值下的当前的即时信任度。
首先计算即时信任度, 即时信任度等于上一次的即时信任度加上每一次调整后的即时信任度 偏差值 A F ( n)。 在本实施例中, 由于只调整了一次, 因此, F。.56 ( 1 ) = Fo.56 ( 0 ) +△ F。.56 ( 1 ) = 1+0.2=1.2。此时特征值 0.56对应的理论信任度更新为 Po.56 ( 1 ) =0.56* F0.56 ( 1 ) =0.56* 1.2=0.672。
在本具体数据举例中, 图像灰度值对应的特征值, 其取值范围在 0~1之间的任意数值; 对应 的即时信任度的取值范围在 0~10的任意数值; 即时信任偏差值是 0~1之间的任意数值。
表 1, 各特征值与各数值之间的对应关系
在本实施例的上述描述中, 初始信任度是预先设定的。 除此种方式之外, 初始信任度也可以 通过一设定单元 7, 由用户在几个可选项中进行选取, 或是由用户在一定的取值范围内 (如: 大 于 0且小于等于 1 ) 随意选取。 通过人为的设定, 使得每个初始信任度、 即时信任度以及每个理 论信任度都会相应地调整和变化。 这在理论信任度的信任判定标准不变的情况下, 如果所选取的 初始信任度数值较小, 其相应各特征值对应的即时信任度和理论信任度都会变小, 利用图像进行 主动识别脏物的判定中, 则会认为该区域的脏物较少, 可以采用与之相应的工作方式进行工作; 如果所选取的初始信任度数值较大, 其相对各特征值对应的即时信任度和理论信任度都会变大, 利用图像进行主动识别脏物的判定中, 则会认为该区域的脏物较多, 同样可以采用与之相应的工 作方式进行工作。
除了上述描述的初始信任度可以调整之外, 对于灰尘传感器 235E, 同样也可以通过一个设定 单元 7, 对其标准灰尘量的数值或是对应的清洁程度进行选取。 所选取的方式可以由用户在几个 可选项中进行选取, 或是由用户在一定的取值范围内随意选取。 如果所选取的标准灰尘量数值较 小, 则意味着灰尘感应信号灵敏, 灰尘传感器更容易探测到灰尘等脏物; 如果所选取的标准灰尘 量数值较大, 则意味着灰尘感应信号较迟钝, 灰尘传感器不容易探测到灰尘等脏物。 机器人在当前工作表面进行清洁时, 实时判断: (1 ) 其电池电量是否低于预先设定值 (步骤 S 109 ) ; ( 2 ) 所有的特征值所对应的当前即时信任度是否都收敛到 0, 即即时信任度的下限值 (步 骤 S 111 ) ; ( 3 ) 灰尘传感器感测到的实际脏物量在预设的时间段内均低于设定值时或在另一预设 时间段内一直大于设定值(步骤 S 112 ) ; 如果电池电量低于预先设定值(步骤 S 109 ) , 则保留所有 特征值对应的即时信任度, 并退出当前工作状态, 停止清洁工作 (步骤 S 110 ) ; 如果所有的特征 值所对应的当前即时信任度都收敛到 0 (也就是即时信任度的下限值) 时, 则清除数据库中存贮 的各个特征值对应的即时信任度, 并且默认数据库中所用特征值的初始信任度为当前该特征值的 即时信任度, 并退出当前工作状态, 由此代表着所有的工作表面均已清扫完毕。 如果灰尘传感器 所探测到的灰尘量均低于预先设定的阈值, 此时, 说明该表面已足够清洁, 将返回步骤 S 101选取 下一图像; 如果灰尘传感器所探测到的灰尘量在某一个设定时间段 (比如: 10分钟) 内, 一直处 于大于预先设定的阈值, 说明对该表面无法清洁干净, 则放弃对该表面的清洁, 返回步骤 S 101 选取下一图像。
在上述实施例中, 清洁机器人在判断向哪里移动时的依据是理论信任度, 当然也可以以灰度 值或特征值为判断依据, 判断方法如前述实现脏物主动识别的识别装置的实施例二和三。
由于仅仅通过图像信息来主动识别脏物, 识别装置会不可避免、 或多或少地受到外界环境的 干扰, 而造成以图像信息为依据进行识别的信息不完全可靠。 因而, 在本实施例中, 识别装置将 待工作表面的图像信息采集后并分成 N块(N>1 ), 把每一块图像信息转化为灰度值, 进而进行一 系列的计算, 得出每个图块的理论信任度, 再对每一个理论信任度的数值进行比较, 取出最大值, 并以此为依据, 选取该最大理论信任度对应的该块图像的待工作表面。 然后, 灰尘传感器对由图 像信息判断出的最脏的某一分块待工作表面进行实际探测, 将实际探测的灰尘量与预先设定的灰 尘标称值进行比较, 以反馈校正算法来不断纠正即时信任度, 并以此更新理论信任度。
本实施例中采用以上方法, 实现对待工作表面进行图像采集、 信息转化、 提取数值、 数值比 较, 判别最大值、 灰尘传感器辅助判断、 反馈校正算法, 数据纠正和数据更新, 由此不断针对当 前判断最脏的某一分块的待工作表面图像信息进行判断和纠错, 从而有效提高效率, 增强信息的 可信度。
在本实施例中, 用于实现图像的分割、 信息提取、 判断和计算的识别处理单元是控制单元 2 中的一部分, 在具体实施时, 可以采用控制单元中的硬件和内部控制程序来完成, 也可以采用一 套独立的硬件和控制程序来完成, 此时应与机器人中的控制单元 2中的其他控制部分配合工作, 以此完成机器人的清洁工作。
其中, 设定单元可以位于机器人的人机交互界面上, 如图 11中的设定面板 7, 其中具有初始 信任度的设定按键和灰尘传感器的标准灰尘量的阈值的设定按键。
用户通过设定单元对初始信任度进行有目的地设定或选取, 选取方式可以是在几个可选项中 进行选取, 也可以是在一定的取值范围内 (如: 大于 0且小于等于 1 ) 随意选取。 通过人为设定, 使得每个初始即时信任度以及每个初始理论信任度都会随之相应地调整和变化。 这在理论信任度 的信任判定标准不变的情况下, 如果所选取的初始信任度数值较小, 其相应各特征值对应的即时 信任度和理论信任度都会变小, 利用图像进行主动识别脏物的判定中, 则会认为该区域的脏物较 少, 可以采用与之相应的工作方式进行工作, 所述相应的工作方式可以是自移动清洁机器人在小 区域范围内进行扇形清扫, 也可以是自移动清洁机器人通过控制单元, 将吸尘功率调小进行工作; 如果所选取的初始信任度数值较大, 其相对各特征值对应的即时信任度和理论信任度都会变大, 利用图像进行主动识别脏物的判定中, 则会认为该区域的脏物较多, 同样可以采用与之相应的工 作方式进行工作, 所述相应的工作方式可以是自移动清洁机器人在小区域范围内进行类似螺旋形 清扫, 也可以是自移动清洁机器人通过控制单元, 将吸尘功率调大进行工作。
通过用户对其标准灰尘量的数值的阈值或是对应的清洁程度 (该清洁程度对应一定的阈值) 进行选取来进行人为设定。 所选取的方式可以是通过对几个可选项进行选取, 也可以是由用户在 一定的取值范围内随意选取。 如果所选取的标准灰尘量数值较小, 则意味着灰尘感应信号灵敏, 灰尘传感器更容易探测到灰尘等脏物; 如果所选取的标准灰尘量数值较大, 则意味着灰尘感应信 号较迟钝, 灰尘传感器不容易探测到灰尘等脏物。
在本实施例中, 是通过按键来进行设定, 当然也可以采用旋钮、 触摸屏或是有线或无线遥控 装置来进行设定。
上述具有主动识别脏物的识别装置和清洁方法可以应用在各种自移动机器人上, 根据自移动 机器人单元内置功能单元的不同, 可以为除尘机器人或智能清扫机等等所使用。
最后应说明的是: 以上实施例仅用以说明本发明而非限制, 尽管参照较佳实施例对本发明进 行了详细说明, 本领域的普通技术人员应当理解, 在不脱离本发明的精神和范围的前提下对本发 明进行的修改或者等同替换, 均应涵盖在本发明的权利要求范围当中。

Claims

权利要求书
1. 一种清洁机器人的脏物识别装置, 包括图像采集模块 (10), 其特征在于, 还包括图像处 理模块 ( 20);
所述图像采集模块 (10) 用于采集清洁机器人待工作表面的图像信息, 将所述图像信息发送 给所述图像处理模块 (20) ;
所述图像处理模块 (20) 将采集到的待工作表面图像分割成 N块, 其中, N> 1, 提取出每一 块图像的图像信息, 对所述图像信息进行处理, 以确定所述 N块中的一块图像所对应的待工作表 面最脏, 从而使所述装置可以对脏物进行主动识别。
2.根据权利要求 1所述的清洁机器人的脏物识别装置,其特征在于,所述图像处理模块(20A) 包括图像分割单元 (210A)、 信息提取单元 (220A) 和计算单元 (230A) ;
所述图像分割单元(210A)用于将采集到的清洁机器人待工作表面的图像分割成 N块, 其中 N> 1 ;
所述信息提取单元(220A)提取出每一块图像的图像信息,并发送给所述的计算单元(230A) ; 所述计算单元(230A)根据每一块图像的图像信息, 判断出所述 N块中的一块图像所对应的 待工作表面最脏。
3.根据权利要求 2所述的清洁机器人的脏物识别装置,其特征在于,所述信息提取单元 ( 220A) 为灰度值提取单元 (220B ), 所述计算单元 (230A) 为比较单元 (230B ) ;
所述灰度值提取单元 (220B ) 从每一块图像提取出对应的灰度值;
所述比较单元 (230B ) 比较每一块图像的灰度值, 从而将灰度值最大的图像确定为最脏的待 工作表面。
4.根据权利要求 2所述的清洁机器人的脏物识别装置,其特征在于,所述信息提取单元 ( 220A) 为灰度值提取单元 (220C), 所述计算单元包括特征值提取单元 (231C ) 和比较单元 (230C) ; 所述灰度值提取单元 (220C) 从每一块图像提取出对应的灰度值;
所述特征值提取单元 (231C) 将各图像块的灰度值转化为与其对应的特征值, 从而从每一块 图像中提取出脏物特征;
所述比较单元 (230C) 比较每一图像的脏物特征值, 从而将脏物特征值最大的图像确定为最 脏的待工作表面。
5.根据权利要求 2所述的清洁机器人的脏物识别装置,其特征在于,所述信息提取单元 ( 220A) 为灰度值提取单元 (220D ), 所述计算单元 (230A) 包括特征值提取单元 (231D )、 理论信任度 计算单元 (232D ) 和比较单元 (230D ) ; 所述灰度值提取单元 (220D) 从每一图像块提取出对应的灰度值;
所述特征值提取单元 (231D) 将各图像块的灰度值转化为与其对应的特征值, 从而从每一块 图像中提取出脏物特征;
所述理论信任度计算单元 (232D) 以所述特征值、 从一数据库中得到的对应于所述特征值的 即时信任度为参数, 根据所述特征值、 即时信任度和理论信任度的函数关系得到对应于每一图像 块的理论信任度;
所述比较单元 (230D) 比较每一图像块的理论信任度, 从而将理论信任度最大的图像确定为 最脏的待工作表面。
6.根据权利要求 5所述的清洁机器人的脏物识别装置,其特征在于,还包括灰尘传感器(235E) 和理论信任度修正单元 (236E);
所述灰尘传感器 (235E) 用于感测待工作表面的脏物量, 并将感测到实际脏物量的信息发送 给所述理论信任度修正单元 (236E);
所述理论信任度修正单元 (236E) 计算实际脏物量与标准脏物量的差值, 并根据该差值与即 时信任度偏差值的函数关系, 计算出即时信任度偏差值;
所述理论信任度计算单元 (232E) 根据所述特征值、 即时信任度和即时信任度偏差值的函数 关系, 计算出修正后对应于每一图像块的理论信任度。
7. 根据权利要求 6所述的清洁机器人的脏物识别装置, 其特征在于, 所述比较单元 (230E) 比较每一图像块的修正后的理论信任度, 将理论信任度最大的图像确定为最脏的待工作表面。
8. 根据权利要求 5所述的清洁机器人的脏物识别装置, 其特征在于, 所述特征值、 即时信任 度和理论信任度的函数关系为: 其中, A为特征值; FA为特征值为 A的即时信任度; PA为特征值为 A的理论信任度。
9. 根据权利要求 6所述的清洁机器人的脏物识别装置, 其特征在于, 实际脏物量与标准脏物 量的差值与即时信任度偏差值的函数关系为:
FA(n)=f(x)
X为实际脏物量与标准脏物量的差值; FAW为第 n次修正后的特征值为 A的即时信任度偏 差值, f为函数关系式;
所述理论信任度计算单元 ( 232E ) 通过如下公式计算出修正后对应于每一图像块的理论信任 度:
PA(n)' =A (FA+ FA(n)+ FA(n-1)+ ······ ΔΥΜΙ)) 其中, A为特征值; FA为特征值为 A的即时信任度; FAW为对应于第 n次修正时的实际脏 物量与标准脏物量的差值的即时信任度偏差值; n-1次修正时的实际脏物量与 标准脏物量的差值的即时信任度偏差值; …… FA(1)为对应于第 1 次修正时的实际脏物量与标准 脏物量的差值的即时信任度偏差值; ΡΑ(η) ' 为经过 η次修正后、 特征值为 Α的理论信任度。
10. 根据权利要求 9所述的清洁机器人的脏物识别装置, 其特征在于, FA(n)=f(x)中所述 f 的函数关系式为:
Δ FA(n)= anXn+ an- iXn1 + an2Xn2+ + a1X1 + a0
其中, X为实际脏物量与标准脏物量的差值; FAW为第 n次修正后的特征值为 A的即时信 任度偏差值; an、 an - ! ai、 aQ为多项系数。
11 . 根据权利要求 5所述的清洁机器人的脏物识别装置, 其特征在于, 还包括所述的数据库, 所述数据库存储有相互对应的特征值、 即时信任度、 初始信任度和理论信任度。
12. 根据权利要求 6所述的清洁机器人的脏物识别装置, 其特征在于, 还包括所述的数据库, 所述数据库存储有相互对应的特征值、 即时信任度、 初始信任度、 即时信任度偏差值、 理论信任 度和标准脏物量的阈值。
13. 根据权利要求 11或 12所述的清洁机器人的脏物识别装置, 其特征在于, 初始时所述特 征值对应的即时信任度的值与初始信任度的值相等。
14.根据权利要求 6所述的清洁机器人的脏物识别装置,其特征在于,还包括一设定单元(7 ), 用于设定初始信任度和 /或标准脏物量的阈值。
15. 根据权利要求 14所述的清洁机器人的脏物识别装置, 其特征在于, 所述的设定单元(7 ) 为按键、 旋钮、 触摸式或遥控式装置。
16. 一种清洁机器人, 包括机器人本体 (1 )、 控制单元 (2)、 驱动单元 (3 )、 行走单元 (4 ) 和清洁单元 (5 ), 所述控制单元 (2 ) 控制清洁单元 (5 ) 工作, 并控制驱动单元 (3 ), 由驱动单 元 (3 ) 驱动行走单元 (4 ) 行走, 其特征在于, 还包括权利要求 1-15任一所述的脏物识别装置, 所述控制单元 (2 ) 根据所述脏物识别装置确定的最脏的待工作表面, 确定行走单元 (4 ) 以最脏 的待工作表面为目的地的行走路线, 对最脏的待工作表面进行清洁。
17. 根据权利要求 16所述的清洁机器人, 其特征在于, 权利要求 1-15任一所述的脏物识别 装置中的图像处理单元 (20 ) 为所述控制单元 (2 ) 的一个组成部分。
18. 一种清洁机器人的清洁方法, 其特征在于, 包括如下步骤:
步骤 1, 应用权利要求 1-15任一所述脏物识别装置中的图像采集模块 (10 ) 采集清洁机器人 待工作表面的图像; 步骤 2, 应用权利要求 1 - 15任一所述脏物识别装置中的图像处理模块 (20 ) 将所述图像分割 成多个图像块, 并将每一图像块的图像信息转化成灰度值;
步骤 3, 由所述图像处理模块 (20 ) 根据所述灰度值确定最脏的待工作表面;
步骤 4, 驱动机器人行走到所述最脏的待工作表面, 并对所述最脏的待工作表面进行清洁。
19.根据权利要求 18所述的清洁机器人的清洁方法,其特征在于,步骤 3具体包括如下步骤: 步骤 301, 将各图像块的灰度值转化为与其对应的特征值, 从而从每一块图像中提取出脏物 特征;
步骤 302, 比较每一图像块的特征值, 将特征值最大的图像块确定为最脏的待工作表面。
20.根据权利要求 18所述的清洁机器人的清洁方法,其特征在于,步骤 3具体包括以下步骤: 步骤 311, 将各图像块的灰度值转化为与其对应的特征值;
步骤 312, 根据特征值、 即时信任度和理论信任度的函数关系得到对应于每一图像块的理论 信任度;
步骤 313, 比较每一图像块的理论信任度, 将理论信任度最大的图像块确定为最脏的待工作 表面。
21 .根据权利要求 20所述的清洁机器人的清洁方法,其特征在于,步骤 312中所述的特征值、 即时信任度和理论信任度的函数关系为: 其中, A为特征值; F为特征值为 A的即时信任度; PA为特征值为 A的理论信任度。
22. 根据权利要求 20所述的清洁机器人的清洁方法, 其特征在于, 在步骤 4之后还包括如下 步骤:
步骤 5, 通过灰尘传感器感测工作表面的脏物量;
步骤 6, 计算实际脏物量与标准脏物量的差值,
步骤 7, 并根据该差值与即时信任度偏差值的函数关系, 计算出即时信任度偏差值, 而后返 回步骤 312 ; 其中, 实际脏物量与标准脏物量的差值与即时信任度偏差值的函数关系式为: FA(n)=f(x)
X为实际脏物量与标准脏物量的差值; FAW为第 n次修正后的即时信任度偏差值, f为函数 关系式;
此时, 步骤 312中所述的特征值、 即时信任度和理论信任度的函数关系为:
PA(n), = A ( FA + FA (n)+ FA(n-1)+ ·· · ·· · Δ ΥΑ(1) )
其中, Α为特征值; FAW为对应于第 n次修正时的实际脏物量与标准脏物量的差值的即时 信任度偏差值; n-1次修正时的实际脏物量与标准脏物量的差值的即时信任度 偏差值; …… FA(1)为对应于第 1 次修正时的实际脏物量与标准脏物量的差值的即时信任度偏差 值; ΡΑ(η) ' 为经过 η次修改后特征值为 Α的理论信任度。
23. 根据权利要求 22所述的清洁机器人的清洁方法, 其特征在于, FA(n)=f(x)中所述 f 的 函数关系式为:
Δ FA(n)= anXn+ an- iXn1 + an2Xn2+ + a1X1 + a0
其中, X为实际脏物量与标准脏物量的差值; FAW为第 n次修正后的特征值为 A的即时信 任度偏差值 an、 an - ! , ai、 aQ为多项系数。
24. 根据权利要求 22所述的清洁机器人的清洁方法, 其特征在于, 在步骤 4中, 当对最脏的 待工作表面进行清洁时, 如果灰尘传感器感测到的实际脏物量在预设的时间段内均低于设定值时 或在另一预设时间段内一直大于设定值时, 结束对该工作表面的清洁, 返回步骤 1。
25. 根据权利要求 18-24任一所述的清洁机器人的清洁方法, 其特征在于, 还包括以下步骤: 检测机器人的工作电量, 如工作电量低于预先设定值, 停止清洁工作。
26. 根据权利要求 18-24任一所述的清洁机器人的清洁方法, 其特征在于, 还包括以下步骤: 检测所有的即时信任度是否全部收敛到即时信任度取值范围的下限值, 如果全部收敛到即时 信任度取值范围的下限数值, 停止清洁工作。
PCT/CN2010/073762 2009-07-03 2010-06-10 清洁机器人及其脏物识别装置和该机器人的清洁方法 WO2011000256A1 (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN200910150110.5 2009-07-03
CN2009101501105A CN101941012B (zh) 2009-07-03 2009-07-03 清洁机器人及其脏物识别装置和该机器人的清洁方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE112010002823.0T DE112010002823B4 (de) 2009-07-03 2010-06-10 Reinigungsroboter, Schmutzerkennungsvorrichtung davon und Reinigungsverfahren des Roboters
US13/381,617 US8924019B2 (en) 2009-07-03 2010-06-10 Cleaning robot, dirt recognition device thereof and cleaning method of robot

Publications (1)

Publication Number Publication Date
WO2011000256A1 true WO2011000256A1 (zh) 2011-01-06

Family

ID=43410490

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2010/073762 WO2011000256A1 (zh) 2009-07-03 2010-06-10 清洁机器人及其脏物识别装置和该机器人的清洁方法

Country Status (4)

Country Link
US (1) US8924019B2 (zh)
CN (1) CN101941012B (zh)
DE (1) DE112010002823B4 (zh)
WO (1) WO2011000256A1 (zh)

Families Citing this family (45)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101341197B1 (ko) * 2010-07-06 2013-12-12 엘지전자 주식회사 자동 청소기
US20120217415A1 (en) * 2011-02-28 2012-08-30 Stanley Quinn Wormely Clean-as-a-whistle cleaning system: product specification
CN102303027A (zh) * 2011-07-14 2012-01-04 海太半导体(无锡)有限公司 全自动等离子清洗装置
US8972061B2 (en) 2012-11-02 2015-03-03 Irobot Corporation Autonomous coverage robot
CN103279735B (zh) * 2013-04-24 2017-07-25 广州广电运通金融电子股份有限公司 一种金融票据识别模块中积灰检测方法及系统
KR102071947B1 (ko) * 2013-05-10 2020-01-31 삼성전자주식회사 청소 로봇 및 그 제어방법
WO2014196272A1 (ja) * 2013-06-03 2014-12-11 Sako Yoichiro 電気掃除装置
KR102124509B1 (ko) * 2013-06-13 2020-06-19 삼성전자주식회사 청소 로봇 및 그 제어 방법
CN103284664A (zh) * 2013-06-28 2013-09-11 苏州市牛勿耳关电器科技有限公司 一种智能清洁机器人
CN103284663A (zh) * 2013-06-28 2013-09-11 苏州市牛勿耳关电器科技有限公司 一种物联网清洁机器人
CN103349531B (zh) * 2013-07-24 2016-08-31 莱克电气股份有限公司 机器人吸尘器的侧边回归充电方法
KR102158695B1 (ko) * 2014-02-12 2020-10-23 엘지전자 주식회사 로봇 청소기 및 이의 제어방법
KR20150104311A (ko) * 2014-03-05 2015-09-15 엘지전자 주식회사 로봇 청소기 및 그의 제어방법
JP6599603B2 (ja) * 2014-04-18 2019-10-30 東芝ライフスタイル株式会社 自律走行体
US9704043B2 (en) 2014-12-16 2017-07-11 Irobot Corporation Systems and methods for capturing images and annotating the captured images with information
WO2016123421A1 (en) * 2015-01-31 2016-08-04 Mini-Mole Llc Automatic floor cleaning robot
US10384651B2 (en) 2015-02-19 2019-08-20 Joseph E. Kovarik System and method for removing light scattering film from the interior of a windshield
JP6193904B2 (ja) * 2015-03-13 2017-09-06 ファナック株式会社 加工槽内の洗浄機能を有するワイヤ放電加工機
DE102015106536B4 (de) 2015-04-28 2016-11-10 Vorwerk & Co. Interholding Gmbh Haushaltsroboter und Verfahren zum Betreiben eines Haushaltsroboters
CN105182974B (zh) * 2015-09-16 2018-07-31 江苏拓新天机器人科技有限公司 一种扫地机器人的智能寻路方法
DE102015120221A1 (de) * 2015-11-23 2017-05-24 Alfred Kärcher Gmbh & Co. Kg Bodenreinigungssystem und Verfahren zum Reinigen einer Bodenfläche
US10479328B2 (en) * 2016-11-04 2019-11-19 Ford Global Technologies, Llc System and methods for assessing the interior of an autonomous vehicle
CN106377209A (zh) * 2016-11-11 2017-02-08 北京地平线机器人技术研发有限公司 可移动清洁设备及其控制方法
CN106444786B (zh) * 2016-11-29 2019-07-02 北京小米移动软件有限公司 扫地机器人的控制方法及装置和电子设备
CN106527444B (zh) * 2016-11-29 2020-04-14 深圳市元征科技股份有限公司 清洁机器人的控制方法及清洁机器人
US11055797B1 (en) * 2017-02-24 2021-07-06 Alarm.Com Incorporated Autonomous property monitoring
CN106963296A (zh) * 2017-03-31 2017-07-21 湖北工程学院 扫地机及扫地机控制方法
CN107157393A (zh) * 2017-06-28 2017-09-15 合肥超赢工业设计有限公司 一种智能化控制工业吸尘设备
DE102017213431B4 (de) * 2017-08-02 2019-11-14 BSH Hausgeräte GmbH Staubsauger
CN109662654A (zh) * 2017-10-13 2019-04-23 松下家电研究开发(杭州)有限公司 自动检测垃圾分布的方法及快速清扫方法及重点清扫方法
CN108056691A (zh) * 2017-12-11 2018-05-22 邓鹏� 一种基于大数据的淋浴装置
CN107928501A (zh) * 2017-12-11 2018-04-20 黄锋平 一种淋浴装置
CN108042032A (zh) * 2017-12-11 2018-05-18 邓鹏� 一种结合淋浴者运动数据的智能淋浴装置
CN108065839A (zh) * 2017-12-11 2018-05-25 黄锋平 一种基于图像的智能淋浴装置
US10952591B2 (en) * 2018-02-02 2021-03-23 Dishcraft Robotics, Inc. Intelligent dishwashing systems and methods
CN108338748A (zh) * 2018-03-14 2018-07-31 郑州工程技术学院 一种基于视频监控的自动清洁方法、装置以及清洁机器人
US10895515B2 (en) 2018-03-15 2021-01-19 CGRS, Inc. Methods and apparatus for detection of leaks in underground storage tanks
CN110187725B (zh) * 2018-06-13 2020-06-19 丁建利 基于灰度检测的电暖器吹风控制平台
CN109724152A (zh) * 2018-07-24 2019-05-07 永康市蜂蚁科技有限公司 供暖设备散热管道流速切换系统
USD907868S1 (en) 2019-01-24 2021-01-12 Karcher North America, Inc. Floor cleaner
CN110251004A (zh) * 2019-07-16 2019-09-20 深圳市杉川机器人有限公司 扫地机器人及其清扫方法和计算机可读存储介质
CN110443175A (zh) * 2019-07-29 2019-11-12 苏州维众数据技术有限公司 基于分离式视觉检测的清洁机器人控制系统及控制方法
CN111084589A (zh) * 2019-12-17 2020-05-01 万翼科技有限公司 清洁方法及相关产品
CN111568321A (zh) * 2020-04-15 2020-08-25 长沙中联重科环境产业有限公司 防疫消毒清洁机器人消毒清洁作业效果检测方法及装置
CN111578610A (zh) * 2020-05-09 2020-08-25 珠海格力电器股份有限公司 冰箱清扫检测装置、方法和智能冰箱

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5613261A (en) * 1994-04-14 1997-03-25 Minolta Co., Ltd. Cleaner
KR20020088985A (ko) * 2001-05-22 2002-11-29 주식회사 엘지이아이 디지털 청소기의 제어장치
JP2003149166A (ja) * 2001-11-15 2003-05-21 Fuji Heavy Ind Ltd 汚れ自動検知方法、および自動清掃方法、並びに自動清掃装置
KR20040080583A (ko) * 2003-03-12 2004-09-20 삼성광주전자 주식회사 로봇청소기의 작업영역 설정방법
US20050192707A1 (en) * 2004-02-27 2005-09-01 Samsung Electronics Co., Ltd. Dust detection method and apparatus for cleaning robot
JP2007167154A (ja) * 2005-12-20 2007-07-05 Sanyo Electric Co Ltd 電気掃除機

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0973132B1 (en) * 1997-11-07 2007-01-03 Kabushiki Kaisha Sega doing business as Sega Corporation Image generating device and image generating method
JP3580475B2 (ja) * 1998-09-14 2004-10-20 矢崎総業株式会社 周辺監視装置
AU767561B2 (en) * 2001-04-18 2003-11-13 Samsung Kwangju Electronics Co., Ltd. Robot cleaner, system employing the same and method for reconnecting to external recharging device
KR100437372B1 (ko) * 2001-04-18 2004-06-25 삼성광주전자 주식회사 이동통신망을 이용한 로봇 청소 시스템
KR100466321B1 (ko) * 2002-10-31 2005-01-14 삼성광주전자 주식회사 로봇청소기와, 그 시스템 및 제어방법
DE10261787B3 (de) * 2002-12-23 2004-01-22 Alfred Kärcher Gmbh & Co. Kg Mobiles Bodenbearbeitungsgerät
US20040244138A1 (en) * 2003-03-14 2004-12-09 Taylor Charles E. Robot vacuum
US7805220B2 (en) * 2003-03-14 2010-09-28 Sharper Image Acquisition Llc Robot vacuum with internal mapping system
US20070019181A1 (en) * 2003-04-17 2007-01-25 Sinclair Kenneth H Object detection system
CN1237327C (zh) 2004-04-20 2006-01-18 长安大学 一种识别路面裂缝的系统和方法
JP3752251B2 (ja) * 2004-07-01 2006-03-08 シャープ株式会社 自走式移動車
EP2595130B1 (en) * 2004-11-12 2016-11-02 Xtralis Technologies Ltd Particle detector, system and method
EP1677099A1 (en) * 2004-12-30 2006-07-05 Danmarks Tekniske Universitet Method and apparatus for classification of surfaces
JP4544094B2 (ja) * 2005-08-17 2010-09-15 株式会社日立プラントテクノロジー 粉粒体回収方法
US20090268031A1 (en) * 2005-09-15 2009-10-29 Kazunari Honma Electric Device, Information Terminal, Electric Refrigerator, Electric Vacuum Cleaner, Ultraviolet Sensor, and Field-Effect Transistor
WO2007095556A2 (en) * 2006-02-14 2007-08-23 Fotonation Vision Limited Digital image acquisition device with built in dust and sensor mapping capability
JPWO2007132925A1 (ja) * 2006-05-15 2009-09-24 株式会社ニコン 表面検査装置
KR100791382B1 (ko) * 2006-06-01 2008-01-07 삼성전자주식회사 로봇의 이동 경로에 따라 소정 영역의 특성에 관한 정보를수집하고 분류하는 방법 및 상기 영역 특성에 따라제어되는 로봇, 상기 영역 특성을 이용한 ui 구성 방법및 장치
KR100960650B1 (ko) * 2007-04-03 2010-06-07 엘지전자 주식회사 이동로봇 및 그 동작방법
JP4951540B2 (ja) * 2008-01-23 2012-06-13 ペンタックスリコーイメージング株式会社 ダスト検出装置およびデジタルカメラ
JP5371558B2 (ja) * 2009-06-05 2013-12-18 キヤノン株式会社 記録媒体撮像装置及び画像形成装置
CN201543633U (zh) 2009-09-22 2010-08-11 泰怡凯电器(苏州)有限公司 清洁机器人及其脏物识别装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5613261A (en) * 1994-04-14 1997-03-25 Minolta Co., Ltd. Cleaner
KR20020088985A (ko) * 2001-05-22 2002-11-29 주식회사 엘지이아이 디지털 청소기의 제어장치
JP2003149166A (ja) * 2001-11-15 2003-05-21 Fuji Heavy Ind Ltd 汚れ自動検知方法、および自動清掃方法、並びに自動清掃装置
KR20040080583A (ko) * 2003-03-12 2004-09-20 삼성광주전자 주식회사 로봇청소기의 작업영역 설정방법
US20050192707A1 (en) * 2004-02-27 2005-09-01 Samsung Electronics Co., Ltd. Dust detection method and apparatus for cleaning robot
JP2007167154A (ja) * 2005-12-20 2007-07-05 Sanyo Electric Co Ltd 電気掃除機

Also Published As

Publication number Publication date
CN101941012A (zh) 2011-01-12
DE112010002823B4 (de) 2017-03-09
DE112010002823T5 (de) 2012-07-05
US8924019B2 (en) 2014-12-30
CN101941012B (zh) 2012-04-25
US20120103367A1 (en) 2012-05-03

Similar Documents

Publication Publication Date Title
WO2011000256A1 (zh) 清洁机器人及其脏物识别装置和该机器人的清洁方法
CN201543633U (zh) 清洁机器人及其脏物识别装置
TWI603699B (zh) 行動機器人及其控制方法
WO2019052285A1 (zh) 机器人打滑的检测方法和建图方法及芯片
JP3926209B2 (ja) 自走式掃除機
CN105700531A (zh) 基于自定义地图的家用两层工作扫地机器人及其扫地方法
AU2014278987A1 (en) Cleaning robot and method for controlling the same
GB2419191A (en) Robot Cleaner
CN109797691B (zh) 一种无人清扫车及其行车方法
CN106618386B (zh) 一种清洁机器人
EP3432107B1 (en) Cleaning robot and controlling method thereof
EP3427625A1 (en) Control device for autonomous vacuum cleaner, autonomous vacuum cleaner provided with control device, and cleaning system provided with control device for autonomous vacuum cleaner
US20110077774A1 (en) Robot cleaner system and method for controlling a robot cleaner
CN205721357U (zh) 一种基于自定义地图的家用两层工作扫地机器人
CN109202891A (zh) 移动机器人、工作表面识别方法及控制方法
CN107443385A (zh) 基于视觉的机器人直线导航的检测方法和芯片及机器人
CN108319270B (zh) 一种基于历史数据分析的自动吸尘机器人最优路径规划方法
JP2014079513A (ja) 自走式掃除機
CN107664748A (zh) 机器人检测地毯的方法及芯片
CN107348906A (zh) 具有清洁机器人的用于地面清洁的系统和方法
CN110693396A (zh) 一种基于free move技术的扫地机避障处理方式
CN111938510A (zh) 清洁机器人、表面类型检测方法及控制方法
CN206565898U (zh) 一种灰满自动停止的智能扫地机器人
KR20180121244A (ko) 이동 로봇 및 그 제어방법
CN107669215A (zh) 碎屑清洁方法、系统及所适用的扫地机器人

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 10793551

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 13381617

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 1120100028230

Country of ref document: DE

Ref document number: 112010002823

Country of ref document: DE

122 Ep: pct application non-entry in european phase

Ref document number: 10793551

Country of ref document: EP

Kind code of ref document: A1