本发明涉及实现室内扫地机器人自主探索建图及自主路径覆盖的方法，属于清扫地板、地毯、家具、墙壁或墙上覆盖物的机械的技术领域。
背景技术：
目前市场上已有的室内扫地机器人大都利用单纯的弓形清扫策略或者随机方式。弓形清扫机器人原理是：让机器人向前行走直至碰到障碍，然后旋转90度并继续向前行走一小段距离，在继续旋转90度后行走，直至再次碰到障碍物，一直循环下去。这种策略会有很多的漏扫，覆盖率不高。随机方式的清扫机器人同样也是让机器人向前行走，只是在碰到障碍物后让机器人随机的旋转一个角度，并直行，一直循环。这种方式并不能保证完全覆盖，而且一旦机器人被障碍物困住很难脱离出来，另外随机方式的清扫重复率很高，从而影响其使用效率。
技术实现要素：
本发明的目的在于提供一种实现室内扫地机器人自主探索建图及自主路径覆盖的方法，解决现有技术存在的缺憾。
本发明采用如下技术方案实现：
实现室内扫地机器人自主探索建图及自主路径覆盖的方法，其特征在于，该方法包括如下步骤：
1）扫地机器人利用摄像头感知当前区域环境，获取当前拍摄区的深度信息，通过对当前区域的边界检测，确定一个边界位置；
2）机器人自主移动至此位置，完成对上一区域的扫描及地图生成，并感知新区域的环境；
3）扫地机器人通过不断的边界探索及新的区域扫描，最终完成室内环境完整地图的生成，并在地图中区分无法通过的区域和可以通过的区域；
4）完成室内环境地图，将地图的区域进行分解，生成能够覆盖各个区域的清扫路径；
5）运动控制模块驱动扫地机器人按照规划的区域顺序及路径最终完成室内环境的清扫。
本发明的有益技术效果是：首先通过视觉传感器实现对家庭环境的自主建图，之后在建立地图的基础上，利用地图分解及路径规划算法实现地图不同区域的分割及到底机器人行进路线的规划，最后扫地机器人根据不同区域的划分，按区域及规划好的路线在真实环境中进行清扫。一方面提高扫地机器人工作效率，另一方面能够提高覆盖率的同时，降低相同区域的重复清扫。
具体实施方式
通过下面对实施例的描述，将更加有助于公众理解本发明，但不能也不应当将申请人所给出的具体的实施例视为对本发明技术方案的限制，任何对部件或技术特征的定义进行改变和/或对整体结构作形式的而非实质的变换都应视为本发明的技术方案所限定的保护范围。
在本实施例中，扫地机器人利用摄像头感知当前区域环境，获取当前拍摄区域的深度信息，通过对当前区域的边界检测，确定一个边界位置，机器人自主移动至此位置，完成对上一区域的扫描及地图生成，并感知新区域的环境；扫地机器人通过不断的边界探索及新区域扫描，最终完成室内环境完整地图的生成。在机器人建立的地图中，障碍物及墙壁等机器人无法通过的区域用一种颜色描述，其他区域用另一种颜色描述。室内环境地图完成后，利用最优地图分解算法实现地图的区域分解，分解后的地图被红色线段分成不同的区域，通过快速路径规划算法，生成能够以最有效率的方式将各区域覆盖的机器人清扫路径。在地图分解及规划算法完成后，运动控制模块驱动扫地机器人按照规划的区域顺序及路径最终完成室内环境的清扫。图中右半部分白色区域为清扫完成后的区域。本发明克服了传统扫地机器人覆盖率低、清扫重复率高的缺陷，提高了系统的鲁棒性及工作效率。
本发明中的算法说明：
最优地图分解算法：机器人通过对环境的感知，实现整个环境中外部边界、内部障碍物区域及平坦区域的划分，并将外部边界及内部障碍物用多边形表示。最优地图分解算法通过在外部边界内部寻找内部边界的所有凸点，对所有凸点以某一角度做延长线，与外部边界相交，整个地图则被分割成各个小区域，并作为路径规划的依据。
快速路径规划算法：快速路径规划算法在全局路径规划算法的基础上，采用贪心算法，只对相邻区域进行规划处理，即局部最优处理，对不相邻的区域不做处理，减少系统运算时间，从而提高路径规划效率。
全局规划思想：将划分的不同区域以排列组合的方式进行连接及规划，并对规划结果进行比较，选择最优的路径规划结果作为机器人运动控制的依据，此算法所消耗的时间较长，效率较低，不利于机器人的实时处理。
边界检测算法：在机器人感知周围环境过程中，将环境用三种不同的方式表示，分别为：未知区域、障碍点（无法逾越区域）及平坦区域（可逾越区域），边界检测算法通过对探索到的相邻障碍点进行连接处理，若连接后的障碍点能够形成闭合的区域，则将此闭合的多边形定义为边界。
当然，本发明还可以有其他多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员可以根据本发明做出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。