智能清扫设备及其避障路径规划方法和装置与流程

本发明属于图像数据处理技术领域，尤其涉及智能清扫设备及其避障路径规划方法和装置。

背景技术：

当前针对智能家居的产品越来越普及，例如，作为智能清扫设备的扫地机器人。在现有技术中，扫地机器人在由当前位置到指定位置的避障路径规划，一般采用a星策略，即一种现有的路径规划算法，规划效率低，需要做出改进。

技术实现要素：

有鉴于此，本发明实施例提供了一种智能清扫设备及其避障路径规划方法和装置，以解决现有技术中智能清扫设备避障路径规划算法效率低的问题。

本发明实施例的第一方面，提供了一种智能清扫设备避障路径规划方法，其包括：当设备根据已知地图检测到设备在当前位置移动到目标位置存在障碍物时，提取地图中障碍物的边缘像素序列；根据边缘像素序列，确定设备在障碍物边缘位置上的第一避障点和第二避障点；选取第一避障点与第二避障点之间的第一边缘像素序列或第二边缘像素序列，作为所述设备避开障碍物的规划路径。

在一些实施方案例中，提取地图中障碍物的边缘像素序列，包括：识别地图中障碍物的边缘位置；沿同一方向依次提取在障碍物的边缘位置上的像素点，并对所述像素点进行标记排序，形成边缘像素序列。

在一些实施方案例中，提取地图中障碍物的边缘像素序列，包括：识别地图中障碍物的边缘位置；根据设备的最小通过半径，对障碍物的边缘位置进行膨胀扩大至少所述最小通过半径的像素位置，得到障碍物的膨胀边缘位置；沿同一方向依次提取在障碍物的膨胀边缘位置上的像素点，并对所述像素点进行标记排序，形成边缘像素序列。

在一些实施方案例中，根据边缘像素序列，确定设备在障碍物边缘位置上的第一避障点和第二避障点，包括：基于省却障碍物的地图，确定设备在当前位置移动到目标位置的路径；计算在所述地图上所述路径与边缘像素序列的相交像素点；选择间距最大的两个相交像素点，作为所述设备的第一避障点和第二避障点。

在一些实施方案例中，根据边缘像素序列，确定设备在障碍物边缘位置上的第一避障点和第二避障点，包括：计算在所述边缘像素序列上距离设备当前位置的距离最小的第一像素点，作为第一避障点；计算在所述边缘像素序列上距离设备的目标位置的距离最小的第二像素点，作为第二避障点。

在一些实施方案例中，选取第一避障点与第二避障点之间的第一边缘像素序列或第二边缘像素序列，作为所述设备避开障碍物的规划路径，包括：截取在第一避障点与第二避障点之间的第一边缘像素序列；截取在第二避障点与第一避障点之间的第二边缘像素序列；比较第一边缘像素序列和第二边缘像素序列确定的像素路径长度；选择像素路径长度较小的边缘像素序列，作为所述设备避开障碍物的规划路径。

在一些实施方案例中，选取第一避障点与第二避障点之间的第一边缘像素序列或第二边缘像素序列，作为所述设备避开障碍物的规划路径，包括：截取在第一避障点与第二避障点之间的第一边缘像素序列；截取在第二避障点与第一避障点之间的第二边缘像素序列；基于地图中的距离设备最近的墙边界，分别计算第一边缘像素序列和第二边缘像素序列中各像素点到所述墙边界的最大距离；选择距离最大者所对应的边缘像素序列，作为所述设备避开障碍物的规划路径。

第二方面，本发明提供了一种智能清扫设备避障路径规划装置，其包括：边缘像素提取模块，被配置为当设备根据已知地图检测到设备在当前位置移动到目标位置存在障碍物时，提取地图中障碍物的边缘像素序列；避障位置确定模块，被配置为根据边缘像素序列，确定设备在障碍物边缘位置上的第一避障点和第二避障点；避障路径确定模块，被配置为选取第一避障点与第二避障点之间的第一边缘像素序列或第二边缘像素序列，作为所述设备避开障碍物的规划路径。

第三方面，本发明提供了一种智能清扫设备，包括存储器、处理器以及存储在所述存储器中并可在所述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如第一方面中任意一项所述方法的步骤。

第四方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面中任意一项所述方法的步骤。

本发明实施例与现有技术相比存在的有益效果是：本发明通过直接在地图中对障碍物的边缘进行像素点提取，来得到障碍物的边缘位置上的有序像素点集合，即边缘像素序列，然后在该边缘像素序列中确定设备在移动靠近障碍物时与障碍物的边缘接触的一个边缘像素点，即第一避障点，以及设备在沿障碍物的边缘移动至离开时，与障碍物的边缘位置相接触的最后一个边缘像素点，即第二避障点；最后选择第一避障点和第二避障点之间部分边缘像素序列作为设备避开障碍物的规划路径。这种规划方法至少步骤少且简单，可以快速而高效地规划出避障路径。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术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它的附图。

图1是本发提供的能够被智能清洁设备识别的地图一的原理说明图。

图2是本发明在一实施例中提供的智能清扫设备避障路径规划方法的流程图。

图3是图2所示步骤s1的两种实施方式的的流程图。

图4是本发提供的能够被智能清洁设备识别的地图二的原理说明图。

图5是图2所示步骤s2的两种实施方式的的流程图。

图6是图2所示步骤s3的两种实施方式的的流程图。

图7是本发明提供的障碍物的边缘像素序列的示意图。

图8是本发明在一实施例中提供的智能清扫设备避障路径规划装置的原理图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

见图1，为本发提供的智能清洁设备在已知地图上规划清扫路径的应用示意图。

如图1所示，在地图01中，包括智能清洁设备(为便于描述，下文简称：设备)不可跨越的障碍物图像信息，其中，所述障碍物可以为设备所在环境中各种物体，例如，墙体、座椅、家具等。具体的，在地图01中各种障碍物的图像都是一个闭合的图像区域，且障碍物的图像像素与活动区域的图像像素值不一样的。

示例性的，结合图1，图像区域11表示墙体，图像区域12表示其它依靠着在墙体边上的障碍物，图像区域13则表示活动区域，即设备可以自由移动的空间区域。

具体的，根据地图01，可以识别出设备14在地图01中的当前位置a，以及设备想要规划的目标位置b。假设在没有障碍物12的情况下，一般设备会根据靠近墙体边界的原则，来计算规划出一条由当前位置a移动至目标位置b的路径l。显然，当在当前位置a与目标位置b之间存在障碍物12时，则按一般原则规划的路径l将无法跨越障碍物，因此，需要重新规划避开障碍物的路径。下面将针对如何当前位置a与目标位置b之间存在障碍物12时，快速规划出避开障碍物的避障路径，做详细的技术实现说明。

见图2，为本发明在一实施例中提供的智能清扫设备避障路径规划方法的流程图。

在本实施例中，该方法的执行主体可以为如图1所示的智能清扫设备14，例如扫地机器人。结合图2来说，所述智能清扫设备避障路径规划方法，可以包括步骤s1-s3：

s1：当设备根据已知地图检测到设备在当前位置移动到目标位置存在障碍物时，提取地图中障碍物的边缘像素序列；

s2：根据边缘像素序列，确定设备在障碍物边缘位置上的第一避障点和第二避障点；

s3：选取第一避障点与第二避障点之间的第一边缘像素序列或第二边缘像素序列，作为所述设备避开障碍物的规划路径。

上述智能清扫设备避障路径规划方法的工作原理在于：利用障碍物在地图中的位置，可以确定障碍物的边界，即边缘位置的像素点；据此，确定设备在移动靠近障碍物时与障碍物的边缘接触的一个边缘像素点，即第一避障点，以及设备在沿障碍物的边缘移动至离开时，与障碍物的边缘位置相接触的最后一个边缘像素点，即第二避障点；最后选取第一避障点和第二避障点之间的障碍物边缘位置上的像素点确定的设备避开障碍物的规划路径。

针对上述步骤s1，见图3，为图2所示步骤s1的两种实施方式的的流程图。

在一示例性实施例中，结合图3所示，以上步骤1在一实施例中，可以包括以下步骤s111-s112：

s111：识别地图中障碍物的边缘位置。

由于障碍物的图像像素与活动区域的图像像素不一致，为此可以快速识别出障碍物的边缘位置。

s112：沿同一方向依次提取在障碍物的边缘位置上的像素点，并对所述像素点进行标记排序，形成边缘像素序列。

上述同一方向，可以是沿障碍物边缘的顺时针方向，或者是沿障碍物边缘的逆时针方向。考虑到障碍物在地图中的图像区域为闭合区域，为此，只要沿着其中一个方向依次提取障碍物在边缘位置上的像素点，即可得到一个像素点集合。其中，根据方向对提取得到的每个像素点进行序号标记，即可对该像素点集合进行排序，得到一个像素点序列，即边缘像素序列。

在另一示例性实施例中，再结合图3所示，以上步骤1可以具体包括下列步骤s121-s123：

s121：识别地图中障碍物的边缘位置。

本步骤与上述图3中的步骤s111相同，故不再赘述。

s122：根据设备的最小通过半径，对障碍物的边缘位置进行膨胀扩大至少所述最小通过半径的像素位置，得到障碍物的膨胀边缘位置。

由于设备移动一般参考的是设备的中心点，为此在规划移动的路径时，需要考虑设备的中心至设备周边的距离，即设备的最小通过半径。例如，以设备为扫地机器人来说，扫地机器人是圆形，其移动时沿设备的周边旋转来进行移动，所以在计算规划设备移动的路径时，需要考虑扫地机器人的最小半径。

示例性的，见图4，为本提供的设备在另一已知地图中的规划示原理图。

结合图4所示，在地图02中，包括已知的墙体21，以及设备14(如扫地机器人)，还有在地图02中已知的第一位置m1和第二位置m2。其中，第一位置m1和第二位置m2为墙体21的边界上的两个位置点，当规划设备14由第一位置m1移动至第二位置m2时，如果直接规划第一位置m1至第二位置m2的像素点路径g1，显然以设备14的圆心为移动中心时，路径g1并不是设备14的实际移动路径。其实际移动路径，应该是根据设备14的半径r/2距离，在第一位置m1移动至第二位置m2的基础上，向外垂直膨胀扩大所述r/2距离的像素距离，由此得到与第一位置m1对应的膨胀后的第三位置m3，以及与第二位置m1对应的膨胀后的第四位置m4，利用第三位置m3和第四位置m4确定的像素点路径g2，才应该是设备14实际移动路径。

基于上述分析可知，对障碍物的边缘位置进行膨胀扩大最小通过半径的像素位置，得到的膨胀边缘位置，相当于是在边缘像素序列的基础上向外膨胀扩大设备最小通过半径的像素距离的另一边缘像素序列，即膨胀处理后的边缘像素序列。

s123：沿同一方向依次提取在障碍物的膨胀边缘位置上的像素点，并对所述像素点进行标记排序，形成边缘像素序列。

与上述图3所示步骤s112原理相同，对提取到在障碍物的膨胀边缘位置上的像素点按照同一方向依次进行标号，即可得到具有顺序关系的像素点序列。

具体来说，由于边缘像素序列中的像素点可以是障碍物边缘位置上的连续提取的像素点，也可以是障碍物边缘位置上的间隔提取的像素点，对此本申请不做限制。对提取到的像素点做了标记排序，因此可以将这些有序像素点按顺序连接起来，便可以生成对应的像素点路径。

需要说明的是，按照现有技术惯例，设备规划的清扫路径，一般是按照设备的最小通过半径进行膨胀处理后得到的像素路径。因此，在实际中，也可以是直接提取障碍物的边缘位置上的像素点来构成边缘像素序列，也可以是对障碍物的边缘进行膨胀处理后，在提取边缘位置上的像素点来构成边缘像素序列，二者并不冲突。

针对上述步骤s2，见图5，为图2所示步骤s2的两种实施方式的的流程图。

在一示例性实施例中，结合图5所示，以上步骤2可以包括步骤s211-s213：

s211：基于省却障碍物的地图，确定设备在当前位置移动到目标位置的路径。

省却障碍物的地图，可以是对已知地图，如图1中地图01中的障碍物进行抠除处理后得到的地图；也可以是已知的不包括图1所示障碍物12的地图，例如图4中的地图02。其中，本步骤中的路径相当于图4中的路径g2，或者图1中的路径l。

s212：计算在所述地图上所述路径与边缘像素序列的相交像素点。

在设备移动的起始位置和目标位置确定的情况下，利用不存在障碍物时确定的路径，与存在障碍物时确定的障碍物边缘位置上的边缘像素序列，在同一地图上，那么二者必然相交，且相交的点至少包括两个交点。

具体的，计算得到的相交像素点，相当于包括设备在移动靠近障碍物时与障碍物的边缘接触的一个边缘像素点，以及设备在沿障碍物的边缘移动至离开时，与障碍物的边缘位置相接触的最后一个边缘像素点。

s213：选择间距最大的两个相交像素点，作为所述设备的第一避障点和第二避障点。

由上分析可知，计算得到的相交像素点的数量显然不是固定的，考虑到障碍物的像素区域为闭合区域，因此，可以选择间距相差最大的两个相交像素点，作为第一避障点和第二避障点。

在另一示例性实施例中，再结合图5所示，上述步骤s2可以具体包括步骤s221-s222：

s221：计算在所述边缘像素序列上距离设备当前位置的距离最小的第一像素点，作为第一避障点。

在边缘像素序列和设备当前位置已知情况下，按惯例，以墙体的边界为参考，以设备的最小通过半径，沿墙体的边界依次规划向目标位置移动的像素路径，来计算得到与边缘像素序列中距离最近的像素点，即第一避障点。

s222：计算在所述边缘像素序列上距离设备的目标位置的距离最小的第二像素点，作为第二避障点。

同理，与上述步骤s221的原理相同，也可以快速确定第二避障点。

需要说明的是，根据上述图3的示例可知，边缘像素序列中的像素点既可以是障碍物边缘位置上的像素点，也可以是对障碍物的边缘进行膨胀扩大处理得到的膨胀边缘位置上的像素点。对应的，根据边缘像素序列得到的第一避障点和第二避障点也可以是上述任一种像素点。

针对上述步骤s3，见图6，为图2所示步骤s3的两种实施方式的的流程图。

在一示例性实施例中，结合图6所示，以上步骤3可以包括步骤s311-s314：

s311：截取在第一避障点与第二避障点之间的第一边缘像素序列。

根据上述确定边缘像素序列的方向，第一边缘像素序列是在第一避障点与第二避障点之间有序像素点序列，即部分边缘像素序列。

s312：截取在第二避障点与第一避障点之间的第二边缘像素序列。

同理，第二边缘像素序列也是在第二避障点与第一避障点之间有序像素点序列，即另一部分边缘像素序列。

见图7，为本发明提供的障碍物的边缘像素序列的示意图。

具体的，如图7所示，以图1所示的障碍物12为例，由于障碍物的图像区域为闭合区域，那么，障碍物12的边缘像素序列也应该对应为一个沿同一方向f1提取的闭合的像素点序列，即边缘像素序列07。其中，在该边缘像素序列07中包括以上步骤确定第一避障点71和第二避障点72所对应的两个像素点，显然在第一避障点71和第二避障点72之间，可以得到两个部分的边缘像素序列，即第一边缘像素序列x1和第二边缘像素序列x2。

s313：比较第一边缘像素序列和第二边缘像素序列确定的像素路径长度。

一般的，在第一避障点和第二避障点之间的边缘像素序列的长度是不一致的，长度越长表示路径越长，反之，则越短。

s314：选择像素路径长度较小的边缘像素序列，作为所述设备避开障碍物的规划路径。

这里选取像素路径长短较小的边缘像素序列为避障路径，既符合实际，也更经济合理。

应理解，在地图中，障碍物在靠在墙体边上时，得到的障碍物的像素区域一般是与墙体的像素区域是融合一体的，由此，边缘像素序列可能并非如图7所示的单独存在的封闭区域。

在又一示例性实施例中，结合图6所示，以上步骤s3可以具体包括步骤s321-s324：

s321：截取在第一避障点与第二避障点之间的第一边缘像素序列；

s322：截取在第二避障点与第一避障点之间的第二边缘像素序列；

s323：基于地图中的距离设备最近的墙边界，分别计算第一边缘像素序列和第二边缘像素序列中各像素点到所述墙边界的最大距离；

s324：选择距离最大者所对应的边缘像素序列，作为所述设备避开障碍物的规划路径。

与上述图6的第一示例的不同之处在于：本示例是利用计算第一避障点与第二避障点确定的不同边缘像素序列中距离墙体边界距离最远的像素点，该像素点即在最外侧的点，与设备实际避障移动的方向是一致的，为此相比于计算避障点间距的方式更合理。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

在与上述智能清扫设备避障路径规划方法属于同一发明构思的基础上，相应的，本发明还提供了一种智能清扫设备避障路径规划装置。

见图8，为本发明在一实施例中提供的智能清扫设备避障路径规划装置的原理图。

结合图8所示，该智能清扫设备避障路径规划装置08，包括：边缘像素提取模块81，被配置为当设备根据已知地图检测到设备在当前位置移动到目标位置存在障碍物时，提取地图中障碍物的边缘像素序列；避障位置确定模块82，被配置为根据边缘像素序列，确定设备在障碍物边缘位置上的第一避障点和第二避障点；避障路径确定模块83，被配置为选取第一避障点与第二避障点之间的第一边缘像素序列或第二边缘像素序列，作为所述设备避开障碍物的规划路径。

由于本实施例所要解决的技术问题，解决该技术问题所在用的技术方案，以及所取得技术效果，都与上述方法相同。故在上述方法中对于技术方案已经做了清楚而完整的说明的情况下，关于本实施例中的装置的技术细节，可以参见上述方法实施例，这里不再赘述。

此外，在一些实施例中，本发明还提供了一种可以应用本发明智能清扫设备避障路径规划方法的设备。

示例性的，本发明还提供了一种智能清扫设备，包括存储器、处理器以及存储在所述存储器中并可在所述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如图2所示智能清扫设备避障路径规划方法的步骤。

进一步的，本发明还提供了一种可以被安装在例如上述智能清扫设备中的存储介质，该存储介质可以为计算机可读存储介质。

示例性的，在一些实施例中，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如图2所示智能清扫设备避障路径规划方法的步骤。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。