本发明涉及智能设备技术领域,特别是涉及一种清洁机器人。
背景技术:
随着信息时代的高速发展,清洁机器人被广泛应用,同时也是当今服务机器人领域一个热门的研究方向。
清洁机器人凭借一定的人工智能,能够自动完成对地面、窗户等清理工作,例如,扫地机器人主要从事地面清洁工作,擦窗机器人主要从事玻璃清洁工作。
本申请的发明人在长期的研究中发现,现有的清洁机器人可能并不是那么智能,在清扫过程中,不能规避某些不适宜清洁机器人清扫的物体,而这些不适宜清洁机器人清扫的物体若被清洁机器人清扫后,可能会给用户带来更大的困扰。
技术实现要素:
本发明主要解决的技术问题是提供一种清洁机器人,能够实现智能规避。
为解决上述技术问题,本发明采用的一个技术方案是:提供一种清洁机器人,包括:
摄像电路、处理器以及控制器,所述处理器耦接所述摄像电路以及所述控制器;
所述摄像电路用于对所述清洁机器人的周围路况进行摄像而获得摄像数据;
所述处理器用于从所述摄像数据中提取周围路况图片,并利用已建立的目标物体识别模型判断所述周围路况图片中是否存在目标物体;
所述控制器用于在所述处理器判断出所述周围路况图片中存在目标物体时,根据所述目标物体在所述清洁机器人的周围路况中的具体位置,控制所述清洁机器人自动改变原来的移动路径进行清扫,以规避所述目标物体。
本发明的有益效果是:区别于现有技术的情况,本发明中的清洁机器人包括:摄像电路、处理器以及控制器,处理器耦接摄像电路以及控制器;摄像电路用于对清洁机器人的周围路况进行摄像而获得摄像数据;处理器用于从摄像数据中提取周围路况图片,并利用已建立的目标物体识别模型判断周围路况图片中是否存在目标物体;控制器用于在处理器判断出周围路况图片中存在目标物体时,根据目标物体在清洁机器人的周围路况中的具体位置,控制清洁机器人自动改变原来的移动路径进行清扫,以规避目标物体,通过该清洁机器人,能够实现智能规避。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。其中:
图1是本发明清洁机器人一实施方式的结构示意图。
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的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。
参阅图1,图1是本发明清洁机器人一实施方式的结构示意图,该清洁机器人包括:处理器11、摄像电路12以及控制器13,其中,处理器11耦接摄像电路12以及控制器13。
首先本实施方式中的清洁机器人既可以是扫地机器人,也可以是擦窗机器人,还可以是其他从事清洁工作的机器人,在此不做限制。
摄像电路12用于对清洁机器人的周围路况进行摄像而获得摄像数据。
在清洁机器人移动过程中,摄像电路12进行拍摄而获得摄像数据,其中,摄像电路12既可以拍摄的是照片,也可以拍摄的是视频,当摄像电路12拍摄的是照片时,摄像电路12可以按照一定的时间间隔工作,其中可选的,清洁机器人的周围路况具体为清洁机器人前进方向上的画面,即,可以将摄像电路12安装在清洁机器人合适的位置上,而对清洁机器人前进方向上一定视野范围内的画面进行拍摄,从而获得摄像数据。
处理器11用于从摄像数据中提取周围路况图片,并利用已建立的目标物体识别模型判断周围路况图片中是否存在目标物体。
其中,目标物体识别模型预先建立,能够从不同的路况图片中分辨出目标物体,当获得摄像数据后,其中该摄像数据既可以是大量的路况图片,也可以是视频数据,处理器11提取一定数量的路况图片,目标物体识别模型可以从提取的路况图片中判断出是否存在目标物体。
控制器13用于在处理器11判断出周围路况图片中存在目标物体时,根据目标物体在清洁机器人的周围路况中的具体位置,控制清洁机器人自动改变原来的移动路径进行清扫,以规避目标物体。
具体而言,若目标物体在清洁机器人的移动路径上,根据目标物体在清洁机器人的周围路况中的具体位置,当清洁机器人在移动时快到达目标物体时,控制器13控制清洁机器人自动改变原来的移动路径,以规避目标物体,避免清洁机器人对目标物体进行清扫。
上述实施方式中的清洁机器人通过事先建立好的目标物体识别模型判断清洁机器人周围路况图片中是否存在目标物体,当存在目标物体时,控制清洁机器人自动改变原来的移动路径,以规避目标物体,从而避免到清洁机器人在清洁过程中对目标物体进行清洁,实现智能规避。
可选地,摄像电路12包括摄像头,且为了在清洁机器人移动过程中拍摄的视野更好,摄像头设置在清洁机器人的上方,可选的,摄像电路12中摄像头的数量可以不止一个,例如可以为2个,通过2个摄像头的配合完成拍摄。
可选地,目标物体识别模型是通过人工智能算法训练出来的、可以从不同的图片中分辨出目标物体的模型。
人工智能(Artificial Intelligence),英文缩写为AI,它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能算法是人们受自然(生物界)规律的启迪,根据其原理,模拟求解问题的算法,通过人工智能算法训练出来的目标物体识别模型分辨目标物体的准确率较高,通常能够达到90%以上。人工智能算法包括神经网络算法、遗传算法、退火算法等算法。可选地,本实施方式中,人工智能算法为卷积神经网络算法。卷积神经网络算法(Convolutional Neural Network,CNN)是一种源于人工神经网络的深度机器学习方法,是一种多阶段全局可训练的人工神经网络算法,可以从经过少量预处理,甚至原始数据中学习到抽象的、本质的和高阶的特征,在车牌检测、人脸检测、手写字识别、目标跟踪等领域得到了广泛的应用,是机器学习、计算机视觉等领域研究的热点。
可选地,目标物体被清洁机器人清扫时,容易带来二次污染,即,该目标物体虽然可以被清洁机器人清扫,但是不容易清扫干净,甚至会被涂抹到地面的各个地方,或者是弄坏清洁机器人,从而给用户清扫带来更多的困扰,可选地,目标物体可以为宠物粪便、液体等。
可选地,处理器11还用于训练出可以从不同的图片中分辨出目标物体的目标物体识别模型。
例如,摄像电路12拍摄多个目标物体的样本,该多个样本可以是从不同角度拍摄的目标物体的样本,具体而言,样本的数量越多越好,对目标物体的判断更加准确。处理器11根据多个样本训练出能够从不同图片中分辨出目标物体的目标物体识别模型。
当然,目标物体识别模型也可以是事先由别的机器建立,只是保存在处理器11中,或者是目标物体的样本也可以由别的机器拍摄的,而处理器11根据别的机器拍摄的多个样本训练出目标物体识别模型。
可选的,控制器13根据目标物体在清洁机器人的周围路况中的具体位置,控制清洁机器人自动改变原来的移动路径进行清扫,以规避目标物体,包括:
控制器13根据目标物体在清洁机器人的周围路况中的具体位置,重新规划清洁机器人的移动路径,以控制清洁机器按照规划后的移动路径进行清扫,从而规避目标物体。
具体地,当清洁机器人快要到达目标物体时,可以按照预设的策略重新规划机器人的移动路径,例如,当清洁机器人快要到达目标物体时,沿着偏移目标物体一定角度的方向继续移动等。
可选的,为了最大面积的清洁,控制器13控制清洁机器人按照规划后的移动路径进行清扫,包括:
控制器13控制清洁机器人沿着目标物体的边缘进行清扫。
也就是说,控制机器人沿着目标物体的边缘清扫,保证除目标物体的其他地方都能够被清扫到,此时,需要确定目标物体的三维参数,从而控制清洁机器人能够沿着目标物体的边缘进行清扫,其中,可以通过单个摄像头拍摄的画面获知目标物体的二维参数,再加上激光测距的方式从而确定目标物体的三维参数,或者通过两个摄像头进行拍摄的画面,通过计算识别景深,从而确定目标物体的三维参数。
可选的,控制器13还用于在处理器11判断出周围路况图片中不存在目标物体时,控制清洁机器人按照原来的移动路径进行清扫。
可选的,控制器13具体用于:当目标物体距离清洁机器人的当前位置的距离小于第一阈值时,控制器控制清洁机器人自动改变原来的移动路径进行清扫,以规避目标物体。
在某些应用场景中,当处理器11判断出清洁机器人的周围路况中存在目标物体时,此时目标物体可能离清洁机器人的当前位置距离较远,如果此时就控制清洁机器人自动改变移动路径,则会造成目标物体周围大面积的地方不会被清扫,因此当目标物体距离清洁机器人的当前位置的距离大于第一阈值时,控制器13控制清洁机器人继续前进,直至当目标物体距离清洁机器人的当前位置的距离小于第一阈值时,控制器13才控制清洁机器人自动改变原来的移动路径进行清扫,以规避目标物体,其中,第一阈值可由设计人员根据多次实验分析得出,在此不对具体数值做限定。
以上所述仅为本发明的实施方式,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。