清扫控制方法与流程

本发明涉及智能机器人技术领域，更具体的说，本发明涉及一种用于智能扫地机器人的清扫控制方法。

背景技术：

随着人工智能的发展，越来越多的智能终端开始进入人们的生活，例如，智能扫地机器人，可以自动在房间内完成对地板的清扫、吸尘、擦地等工作，将地面上的杂物吸纳进入自身的垃圾收纳盒中，实现对地面的清洁，现有技术中，智能扫地机器人通常通过前置的摄像头采集前方图像信息，根据采集的前方图像信息检测是否有障碍物，若检测到障碍物，则自动躲避，但现有技术中障碍物的检测是根据采集到的图像提取前景物特征，若提取的前景物特征与预先存储的障碍物的全部特征匹配时，则确认前景物为障碍物，若提取的前景物特征只是障碍物的部分特征时，则无法确认前景物是否为障碍物，但智能扫地机器人实际运行时，由于摄像头设备老化或者参数设置等问题，采集到的图像可能是模糊的，通过模糊的图像可能只采集到部分前景物特征，而通过部分前景物特征则无法与预先存储的障碍物图像匹配，即检测不到障碍物，导致智能扫地机器人无法及时更改清扫路径。

技术实现要素：

本发明要解决的技术问题是提供一种用于智能扫地机器人的清扫控制方法，障碍物检测更全面，便于智能扫地机器人及时更改清扫路径。

为解决上述技术问题，本发明采用如下技术方案：

一种清扫控制方法，用于智能扫地机器人扫地控制，其包括：

根据智能扫地机器人清扫的目标区域设置智能扫地机器人行走的第一清扫路径；

控制智能扫地机器人按照所述第一清扫路径进行清扫；

采集智能扫地机器人行走前方的图像；

从采集的图像提取前景物特征和场景特征；

根据提取的前景物特征检测前景物是否为障碍物；

若检测结果为是障碍物时，则将该前景物所在区域标为障碍点，重新设置规避该障碍点的第二清扫路径；

若检测结果为无法确定是否为障碍物时，则根据提取的场景特征和前景物特征进一步确定前景物为障碍物的第一条件概率，若第一条件概率大于预设的阈值，则确定前景物为障碍物，将该前景物所在区域标为障碍点，重新设置规避该障碍点的第二清扫路径。

与现有技术相比，本发明具有以下有益效果：

本发明的清扫控制方法中，从采集的图像提取前景物特征和场景特征；根据提取的前景物特征检测前景物是否为障碍物；若检测结果为是障碍物时，则将该前景物所在区域标为障碍点，重新设置规避该障碍点的第二清扫路径；而若检测结果为无法确定是否为障碍物时，例如若采集的图像模糊，通过模糊的图像可能只采集到部分前景物特征时，无法确定前景物是否为障碍物时，则根据提取的场景特征和前景物特征进一步确定前景物为障碍物的第一条件概率，若第一条件概率大于预设的阈值，则确定前景物为障碍物，将该前景物所在区域标为障碍点，重新设置规避该障碍点的第二清扫路径，本发明中将场景特征和前景物特征结合起来，基于条件概率原理检测障碍物，障碍物检测更全面，便于智能扫地机器人及时更改清扫路径。

附图说明

图1是本发明一种清扫控制方法的一个具体实施例流程图；

图2是本发明一种清扫控制方法中设置清扫路径的一个具体实施例示意图；

图3是本发明一种清扫控制方法中对网格单元编码的一个具体实施例示意图。

具体实施方式

参考图1，该图是本发明一种清扫控制方法的一个具体实施例流程图，本实施例的方法主要包括如下步骤：

步骤s101，根据智能扫地机器人清扫的目标区域设置智能扫地机器人行走的第一清扫路径，具体实现时，路径设置是一种目标区域内的全覆盖路径设置，可采用多种算法设置清扫路径，例如，采用随机覆盖法、dijkstra算法、神经网络算法等，参考图2，该图是采用随机覆盖法设置的一个清扫路径实施例示意图，也可以采用其他方式设置，这里不做具体限定；

步骤s102，控制智能扫地机器人按照所述第一清扫路径进行清扫，具体实现时，以图2设置的清扫路径为例，智能扫地机器人单向行驶至转弯为一次清扫过程，则清扫一圈需要4次清扫过程，这里不再赘述；

步骤s103，采集智能扫地机器人行走前方的图像，具体实现时，需要在智能扫地机器人本体前方设置图像采集装置，图像采集装置可以是摄像机、照相机等，另外，图像采集装置可以实时采集智能扫地机器人前方的图像，也可以在智能扫地机器人清扫到大块物体时，将大块物体确定为待检测物体，这里不做具体限定；

步骤s104，从采集的图像提取前景物特征和场景特征，具体实现时，从采集的图像进行特征提取可以采用各种方式，例如，前景物特征的提取可通过将图像转换为二值图像，从而将图像分为前景部分和背景部分，再将二值图像与原图像叠加即可获得前景图像，进而可根据前景图像提取前景物特征，这里不对前景物特征的提取方式做具体限定，另外，对于场景特征，同样可以根据上述方式提取，这里不再赘述；

步骤s105，根据提取的前景物特征检测前景物是否为障碍物，具体实现时，根据前景物特征检测前景物是否为障碍物，可采用特征点匹配的方式，即预先确定障碍物特征，将确定的前景物特征与障碍物特征进行匹配，若两者匹配，则确定前景物为障碍物，若两者不匹配，则确定前景物不是障碍物；

本实施例中在步骤s106，若采集的图像清晰，当检测结果为前景物是障碍物时，则将该前景物所在区域标为障碍点，重新设置规避该障碍点的第二清扫路径，若检测结果为前景物不是障碍物，则继续按照第一清扫路径进行清扫；

另外，例如，若采集到的图像模糊，则提取的前景物特征只是全部特征中的部分特征，则根据提取的前景物特征无法确定前景物是否为障碍物；为此，本实施例中在步骤s107，当检测结果为无法确定前景物是否为障碍物时，则根据提取的场景特征和前景物特征确定前景物为障碍物的第一条件概率，若第一条件概率大于预设的阈值，则确定前景物为障碍物，将该前景物所在区域标为障碍点，重新设置规避该障碍点的第二清扫路径；若第一条件概率小于预设的阈值，则可确定前景物不是障碍物，继续按照第一清扫路径进行清扫。

下面详细说明本发明根据条件概率检测障碍物的方式，本发明基于条件概率检测障碍物的原理是通过将场景特征和前景物特征作为检测的约束条件进行检测，具体来说，本实施例中根据提取的场景特征和前景物特征进一步确定前景物为障碍物的第一条件概率具体采用下述方式，即：

预先将各场景特征与各前景物特征组合成各种条件，确定各条件下前景物为障碍物的条件概率并保存；

根据提取的场景特征和前景物特征确定对应的条件；

根据确定的条件查询预先保存的条件概率信息得到对应该条件的第一条件概率。

下面以一个简单的例子进行说明，例如，假设智能扫地机器人所在环境中，场景特征为2种，分别为a1和a2，前景物特征也为2种，分别为b1和b2，场景特征结合前景物特征组合得到的条件为4个，即：a1b1、a1b2、a2b1和a2b2，设置阈值为80%，通过对样本进行训练和测试，预先确定在a1b1条件下前景物为障碍物的概率为40%，在a1b2条件下前景物为障碍物的概率为90%，在a2b1条件下前景物为障碍物的概率为75%，在a2b2条件下前景物为障碍物的概率为60%，现有技术中只有匹配b1和b2全部两个前景物特征的情况下才能确定前景物为障碍物，对于只提取到前景物特征b2的情况下，则无法确定前景物是否为障碍物或直接确定前景物不是障碍物，而本发明中通过提取的前景物特征b2结合提取的场景特征a1，确定对应的条件为a1b2，进一步查询预先保存的条件概率信息确定对应条件a1b2的前景物为障碍物的条件概率为90%，大于预先设定的阈值80%，则可确定前景物为障碍物，本发明中通过将场景特征与前景物特征结合作为检测的约束条件，可使障碍物检测更全面，便于智能扫地机器人及时更改清扫路径。

需要说明的，作为另一个优选实施例，本发明中还从采集的图像提取参照物特征；

若检测结果为无法确定是否为障碍物，则根据提取的场景特征、参照物特征和前景物特征进一步确定前景物为障碍物的第二条件概率，若第二条件概率大于预设的阈值，则确定前景物为障碍物，将该前景物所在区域标为障碍点，重新设置规避该障碍点的第三清扫路径。

需要说明的，根据提取的场景特征、参照物特征和前景物特征进一步确定前景物为障碍物的第二条件概率同样可以采用下述方式，即：

预先将各场景特征与参照物特征以及各前景物特征组合成各种条件，确定各条件下前景物为障碍物的条件概率并保存；

根据提取的场景特征、参照物特征和前景物特征确定对应的条件；

根据确定的条件查询预先保存的条件概率信息得到对应该条件的第二条件概率。

另外，为提高智能扫地机器人的工作效率，作为一个优选的实施例，本发明中还包括：

将智能扫地机器人清扫的目标区域划分为各个网格单元，其中网格单元分为自由网格单元和障碍网格单元，自由网格单元为自由通行的区域，障碍网格单元为存在障碍点的区域，参考图3，本实施例中可对网格单元编码，自由网格单元编码为1，障碍网格单元编码为0，通过编码可使智能扫地机器人快速识别网格单元，以减少清扫时间；

需要说明的，本实施例中在所述网格自由单元控制智能扫地机器人按照快速清扫模式进行清扫，在所述障碍网格单元控制智能扫地机器人按照精扫模式进行清扫，这样，一方面在网格自由单元采用快速清扫模式可以保证智能扫地机器人的工作效率，同时一般在障碍处各种垃圾较多，因此，在障碍网格单元采用精扫模式可以扫得更干净。

另外，本发明中还在清扫完成后，将目标区域的网格单元编码信息保存，根据保存的多次清扫的网格单元编码信息对清扫环境地图进行更新，进行下次清扫时，按照更新后的环境地图设置清扫路径，这里不再赘述。