CN108873892A - 一种基于路径密度分析的自动吸尘机器人最优路径规划方法 - Google Patents

一种基于路径密度分析的自动吸尘机器人最优路径规划方法 Download PDF

Info

Publication number
CN108873892A
CN108873892A CN201810543848.7A CN201810543848A CN108873892A CN 108873892 A CN108873892 A CN 108873892A CN 201810543848 A CN201810543848 A CN 201810543848A CN 108873892 A CN108873892 A CN 108873892A
Authority
CN
China
Prior art keywords
data link
link table
dust absorption
machine people
automatic dust
Prior art date
Legal status (The legal status 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 status listed.)
Granted
Application number
CN201810543848.7A
Other languages
English (en)
Other versions
CN108873892B (zh
Inventor
刘瑜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GUANGDONG LESHENG INTELLIGENT TECHNOLOGY CO.,LTD.
Original Assignee
Hangzhou Jingyi Intelligent Science and Technology Co Ltd
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
Application filed by Hangzhou Jingyi Intelligent Science and Technology Co Ltd filed Critical Hangzhou Jingyi Intelligent Science and Technology Co Ltd
Priority to CN201810543848.7A priority Critical patent/CN108873892B/zh
Publication of CN108873892A publication Critical patent/CN108873892A/zh
Application granted granted Critical
Publication of CN108873892B publication Critical patent/CN108873892B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0219—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

公开了一种基于路径密度分析的自动吸尘机器人最优路径规划方法，所述的自动吸尘机器人包括两个驱动轮、与所述驱动轮连接的两个驱动电机，所述的驱动电机上安装编码器，以安装在所述的自动吸尘机器人前部的障碍物检测装置，所述的控制器内部设置最优路径规划方法，所述的最优路径规划方法包括以下步骤：(1)设置数据链表L0；(2)所述的自动吸尘机器人检测到障碍物时，记录当前位置坐标，存入数据链表L0；(3)求取数据链表L0的中心点O，以及中心点O到数据链表L0中的点Pi(xi,yi)的方向角α，并存入数据链表L1{αj}；(4)、设置数据链表L2={bk}，bk代表数据链表L1中元素位于k×π/4区域内的数量；(5)计算数据链表L1中元素αj位于bk对应区域的数量，并求最小值，其对应的方向作为新的清扫方向。

Description

一种基于路径密度分析的自动吸尘机器人最优路径规划方法
技术领域
本发明涉及一种基于路径密度分析的自动吸尘机器人最优路径规划方法，属于智能家用电器控制技术领域。
背景技术
随着人们生活节奏的加快，以及要求生活内容越来越丰富，促使智能家电走进了我们的生活。其中，自动吸尘机器人给了我们很大的帮助。家庭的清洁工作非常繁重，并且非常频繁。自动吸尘机器人可以对家庭地板自动进行清扫。它利用自身携带的可充电电池给各种电器供电，其中吸尘电机在自动吸尘机器人内部形成足够的真空，通过条形吸口将地面的垃圾吸入内部的灰尘盒，而驱动电机和驱动轮可以实现自动吸尘机器人的自由行走。自动吸尘机器人通过自身的行走过程就实现了对地面的清洁。
因为目前自动吸尘机器人还不具备非常精确的定位和规划能力，因此其清扫路径的效率就成为困扰行业发展的难题。目前常用的策略是随机的路径，自动吸尘机器人在地面随机行走，放弃任何规划方法，这种策略导致很低的清扫效率，经常会出现自动吸尘机器人长时间在某个区域清扫，而很少会进入其他区域。
发明内容
本发明的目的是为了克服现有技术中的不足之处，提出一种基于路径密度分析的最优路径规划方法，将清扫方向分成8个固定方向，选择在概率上最有可能是未清扫区域方向进行清扫，降低路径重复率，提高清扫效率，同时不增加任何硬件成本。
本发明解决其技术问题所采用的技术方案是：
一种基于路径密度分析的自动吸尘机器人最优路径规划方法，所述的自动吸尘机器人包括两个驱动轮、与所述驱动轮连接的两个驱动电机，所述的驱动电机上安装编码器，还包括一个支撑轮，以安装在所述的自动吸尘机器人前部的障碍物检测装置，所述的驱动电机、编码器和障碍物检测装置与控制器连接，所述的控制器通过分别设置两个所述的驱动轮的速度和方向来实现所述的自动吸尘机器人的***，并且根据所述的编码器的信号可以计算所述的自动吸尘机器人的相对移动距离和旋转方向，以起始位置为坐标原点，可计算当前位置的坐标（x，y），所述的控制器内部设置最优路径规划方法，所述的最优路径规划方法包括以下步骤：
(1)、设置数据链表L0={Pi(xi,yi)}，其中，i=0，1，2......N-1，xi和yi为坐标值，N为数据链表L0的长度，数据链表L0为近期所述的自动吸尘机器人检测障碍物以后停止位置的坐标数据；
(2)、所述的自动吸尘机器人以直线运动方式前进，并且不断检测障碍物；当检测到障碍物时，所述的自动吸尘机器人停止，并记录当前位置的坐标（x，y）,存入数据链表L0，然后进入步骤3；
(3)、求取数据链表L0的中心点O(xo，yo)，计算中心点O到数据链表L0中的点Pi(xi,yi)的方向角α，并存入数据链表L1{αj}，其中，j=0，1，2......N-1；
(4)、设置数据链表L2={bk}，其中，k=0，1，2......7；以中心点O为中心，将圆周分成8个区域，而bk代表数据链表L1中元素αj位于区域内的数量；
(5)、计算数据链表L1中的所有元素αj所在的区域，index=INT()，则bindex++；比较数据链表L2中元素bk的大小，提取最小值，记为bmin，其对应的方向角为，则新的清扫方向为θ。
在步骤2中，当前位置的坐标（x，y）存入数据链表L0，按照如下步骤：
令Pi(xi,yi)=Pi-1(xi-1,yi-1) ，i=1,2,3.....N-1;
然后P0(x0,y0)=(x，y)，完成链表操作。
在步骤3中，数据链表L0的中心点O(xo，yo)的坐标计算方法为：
搜索数据链表L0中坐标数据的最大最小值：xmax，xmin，ymax，ymin；
计算xo=，yo=。
在步骤3中，计算中心点O到数据链表L0中点Pi(xi,yi)的方向角α的方法为：
当(xi-xo)>0并且(yi-yo)>0，则α=；
当(xi-xo)<0并且(yi-yo)>0，则α=;
当(xi-xo)<0并且(yi-yo)<0，则α=；
当(xi-xo)>0并且(yi-yo)<0，则α=。
实施本发明的积极效果是：1、提高随机路径的清扫覆盖率；2、工作方式灵活，易于实现，不增加***成本。
附图说明
图1是自动吸尘机器人的结构示意图；
图2是自动吸尘机器人的路径规划方法。
具体实施方式
现结合附图对本发明作进一步说明：
参照图1-2，一种基于路径密度分析的自动吸尘机器人最优路径规划方法，所述的自动吸尘机器人包括两个驱动轮1、与所述驱动轮1连接的两个驱动电机2，所述的驱动电机2上安装编码器，还包括一个支撑轮3，所述的支撑轮3起到支撑的作用，不用于驱动。其中，所述驱动电机2和编码器与控制器连接。所述的控制器通过分别设置两个所述的驱动轮1的速度和方向来实现所述自动吸尘机器人的***，并且根据所述的编码器的信号可以计算所述的自动吸尘机器人的相对移动距离和旋转方向，以起始位置为坐标原点，可计算当前位置的坐标（x，y）。由于机械间隙，计算误差以及地面打滑等因素，坐标（x，y）会存在累计误差，也就是说，随着时间的推移，误差会越来越大，但是在一段时间之内，坐标（x，y）还是具有利用价值。
还包括安装在所述的自动吸尘机器人前部的障碍物检测装置，同样与所述控制器连接。所述的障碍物检测装置可以采用超声波、红外或者是激光雷达等传感器或者两种或者多种传感器的集合。
所述的控制器内部设置最优路径规划方法，所述的最优路径规划方法包括以下步骤：
(1)、设置数据链表L0={Pi(xi,yi)}，其中，i=0，1，2......N-1，xi和yi为坐标值，N为数据链表L0的长度，数据链表L0为近期所述的自动吸尘机器人检测障碍物以后停止位置的坐标数据；
数据链表L0的长度N不宜过大，否则误差太大导致规划效果变差。
(2)、所述的自动吸尘机器人以直线运动方式前进，并且不断检测障碍物；当检测到障碍物时，所述的自动吸尘机器人停止，并记录当前位置的坐标（x，y）,存入数据链表L0，然后进入步骤3；
在步骤2中，当前位置的坐标（x，y）存入数据链表L0，按照如下步骤：
令Pi(xi,yi)=Pi-1(xi-1,yi-1) ，i=1,2,3.....N-1;
然后P0(x0,y0)=(x，y)，完成链表操作。
(3)、求取数据链表L0的中心点O(xo，yo)，计算中心点O到数据链表L0中的点Pi(xi,yi)的方向角α，并存入数据链表L1{αj}，其中，j=0，1，2......N-1；
在步骤3中，数据链表L0的中心点O(xo，yo)的坐标计算方法为：
搜索数据链表L0中坐标数据的最大最小值：xmax，xmin，ymax，ymin；
计算xo=，yo=。
在步骤3中，计算中心点O到数据链表L0中点Pi(xi,yi)的方向角α的方法为：
当(xi-xo)>0并且(yi-yo)>0，则α=；
当(xi-xo)<0并且(yi-yo)>0，则α=;
当(xi-xo)<0并且(yi-yo)<0，则α=；
当(xi-xo)>0并且(yi-yo)<0，则α=。
(4)、设置数据链表L2={bk}，其中，k=0，1，2......7；以中心点O为中心，将圆周分成8个区域，而bk代表数据链表L1中元素αj位于区域内的数量；
Bk为累计寄存器，记录对应方向上的清扫次数，为后续规划提供依据。
(5)、计算数据链表L1中的所有元素αj所在的区域，index=INT()，则bindex++；比较数据链表L2中元素bk的大小，提取最小值，记为bmin，其对应的方向角为，则新的清扫方向为θ。
最后，根据数据链表L1中的数据，对数据链表L2赋值，然后根据最小值，也就是确定没有或者最少清扫的方向为新的清扫方向。
综上所述，自动吸尘机器人将清扫方向分成8个固定方向，通过对历史数据的分析，选择最少清扫次数的方向作为接一步的清扫方向，减少路径重复，从而有效提高清扫效率。同时，该方案同样适合于自动吸尘机器人寻找充电座的路径规划。

Claims (4)

1.一种基于路径密度分析的自动吸尘机器人最优路径规划方法，所述的自动吸尘机器人包括两个驱动轮、与所述驱动轮连接的两个驱动电机，所述的驱动电机上安装编码器，还包括一个支撑轮，以安装在所述的自动吸尘机器人前部的障碍物检测装置，所述的驱动电机、编码器和障碍物检测装置与控制器连接，所述的控制器通过分别设置两个所述的驱动轮的速度和方向来实现所述的自动吸尘机器人的***，并且根据所述的编码器的信号可以计算所述的自动吸尘机器人的相对移动距离和旋转方向，以起始位置为坐标原点，可计算当前位置的坐标（x，y），其特征在于：所述的控制器内部设置最优路径规划方法，所述的最优路径规划方法包括以下步骤：
(1)、设置数据链表L0={Pi(xi,yi)}，其中，i=0，1，2......N-1，xi和yi为坐标值，N为数据链表L0的长度，数据链表L0为近期所述的自动吸尘机器人检测障碍物以后停止位置的坐标数据；
(2)、所述的自动吸尘机器人以直线运动方式前进，并且不断检测障碍物；当检测到障碍物时，所述的自动吸尘机器人停止，并记录当前位置的坐标（x，y）,存入数据链表L0，然后进入步骤3；
(3)、求取数据链表L0的中心点O(xo，yo)，计算中心点O到数据链表L0中的点Pi(xi,yi)的方向角αj，并存入数据链表L1{αj}，其中，j=0，1，2......N-1；
(4)、设置数据链表L2={bk}，其中，k=0，1，2......7；以中心点O为中心，将圆周分成8个区域，而bk代表数据链表L1中元素αj位于区域内的数量；
(5)、计算数据链表L1中的所有元素αj所在的区域index=INT()，则bindex++；比较数据链表L2中元素bk的大小，提取最小值，记为bmin，其对应的方向角为，则新的清扫方向为θ。
2.根据权利要求1所述的一种基于路径密度分析的自动吸尘机器人最优路径规划方法，其特征在于：在步骤2中，当前位置的坐标（x，y）存入数据链表L0，按照如下步骤：
令Pi(xi,yi)=Pi-1(xi-1,yi-1) ，i=1,2,3.....N-1;
然后P0(x0,y0)=(x，y)，完成链表操作。
3.根据权利要求1所述的一种基于路径密度分析的自动吸尘机器人最优路径规划方法，其特征在于：在步骤3中，数据链表L0的中心点O(xo，yo)的坐标计算方法为：
搜索数据链表L0中坐标数据的最大最小值：xmax，xmin，ymax，ymin；
计算xo=，yo=。
4.根据权利要求1所述的一种基于路径密度分析的自动吸尘机器人最优路径规划方法，其特征在于：在步骤3中，计算中心点O到数据链表L0中点Pi(xi,yi)的方向角α的方法为：
当(xi-xo)>0并且(yi-yo)>0，则α=；
当(xi-xo)<0并且(yi-yo)>0，则α=;
当(xi-xo)<0并且(yi-yo)<0，则α=；
当(xi-xo)>0并且(yi-yo)<0，则α=。
CN201810543848.7A 2018-05-31 2018-05-31 一种基于路径密度分析的自动吸尘机器人最优路径规划方法 Active CN108873892B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810543848.7A CN108873892B (zh) 2018-05-31 2018-05-31 一种基于路径密度分析的自动吸尘机器人最优路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810543848.7A CN108873892B (zh) 2018-05-31 2018-05-31 一种基于路径密度分析的自动吸尘机器人最优路径规划方法

Publications (2)

Publication Number Publication Date
CN108873892A true CN108873892A (zh) 2018-11-23
CN108873892B CN108873892B (zh) 2022-02-01

Family

ID=64336585

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810543848.7A Active CN108873892B (zh) 2018-05-31 2018-05-31 一种基于路径密度分析的自动吸尘机器人最优路径规划方法

Country Status (1)

Country Link
CN (1) CN108873892B (zh)

Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0323277A2 (en) * 1987-12-31 1989-07-05 Westinghouse Electric Corporation Parametric path modeling for an optical automatic seam tracker and real time robotic control system
CN101714000A (zh) * 2009-09-30 2010-05-26 刘瑜 一种自动吸尘器的路径规划方法
CN101833333A (zh) * 2009-12-23 2010-09-15 湖南大学 水下清洗作业机器人未知环境路径规划方法
CN102155942A (zh) * 2011-02-26 2011-08-17 山东大学 大范围环境下基于模糊拓扑地图的全局路径规划方法
CN102169347A (zh) * 2011-03-08 2011-08-31 浙江工业大学 基于协作协进化和多种群遗传算法的多机器人路径规划***
CN102520721A (zh) * 2011-12-08 2012-06-27 北京控制工程研究所 一种基于双目立体视觉的巡视探测器自主避障规划方法
CN102662400A (zh) * 2012-05-10 2012-09-12 慈溪思达电子科技有限公司 割草机器人的路径规划算法
CN103092206A (zh) * 2013-02-27 2013-05-08 慈溪思达电子科技有限公司 管道机器人的遍历路径规划方法
CN103411609A (zh) * 2013-07-18 2013-11-27 北京航天自动控制研究所 一种基于在线构图的飞行器返航路线规划方法
CN103901887A (zh) * 2014-03-04 2014-07-02 重庆邮电大学 一种基于改进粒子群算法的多移动机器人编队控制方法
CN103926925A (zh) * 2014-04-22 2014-07-16 江苏久祥汽车电器集团有限公司 一种基于改进的vfh算法的定位与避障方法及机器人
CN104268551A (zh) * 2014-09-29 2015-01-07 浙江理工大学 基于视觉特征点的转向角度控制方法
CN104898551A (zh) * 2015-03-08 2015-09-09 浙江理工大学 全自动割草机器人的双视觉自定位***
KR20150107398A (ko) * 2014-03-14 2015-09-23 에브리봇 주식회사 로봇 청소기 및 그의 제어 방법
CN105045260A (zh) * 2015-05-25 2015-11-11 湖南大学 一种未知动态环境下的移动机器人路径规划方法
CN106647769A (zh) * 2017-01-19 2017-05-10 厦门大学 基于a*提取引导点的agv路径跟踪与避障协调方法
CN106681320A (zh) * 2016-12-15 2017-05-17 浙江大学 一种基于激光数据的移动机器人导航控制方法
CN107024210A (zh) * 2017-03-09 2017-08-08 深圳市朗空亿科科技有限公司 一种室内机器人避障方法、装置及导航***
CN107036618A (zh) * 2017-05-24 2017-08-11 合肥工业大学(马鞍山)高新技术研究院 一种基于最短路径深度优化算法的agv路径规划方法
CN107913039A (zh) * 2017-11-17 2018-04-17 北京奇虎科技有限公司 用于清洁机器人的区块选择方法、装置及机器人
CN107943034A (zh) * 2017-11-23 2018-04-20 南开大学 移动机器人沿给定路径的完备且最短时间轨迹规划方法

Patent Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0323277A2 (en) * 1987-12-31 1989-07-05 Westinghouse Electric Corporation Parametric path modeling for an optical automatic seam tracker and real time robotic control system
CN101714000A (zh) * 2009-09-30 2010-05-26 刘瑜 一种自动吸尘器的路径规划方法
CN101833333A (zh) * 2009-12-23 2010-09-15 湖南大学 水下清洗作业机器人未知环境路径规划方法
CN102155942A (zh) * 2011-02-26 2011-08-17 山东大学 大范围环境下基于模糊拓扑地图的全局路径规划方法
CN102169347A (zh) * 2011-03-08 2011-08-31 浙江工业大学 基于协作协进化和多种群遗传算法的多机器人路径规划***
CN102520721A (zh) * 2011-12-08 2012-06-27 北京控制工程研究所 一种基于双目立体视觉的巡视探测器自主避障规划方法
CN102662400A (zh) * 2012-05-10 2012-09-12 慈溪思达电子科技有限公司 割草机器人的路径规划算法
CN103092206A (zh) * 2013-02-27 2013-05-08 慈溪思达电子科技有限公司 管道机器人的遍历路径规划方法
CN103411609A (zh) * 2013-07-18 2013-11-27 北京航天自动控制研究所 一种基于在线构图的飞行器返航路线规划方法
CN103901887A (zh) * 2014-03-04 2014-07-02 重庆邮电大学 一种基于改进粒子群算法的多移动机器人编队控制方法
KR20150107398A (ko) * 2014-03-14 2015-09-23 에브리봇 주식회사 로봇 청소기 및 그의 제어 방법
CN103926925A (zh) * 2014-04-22 2014-07-16 江苏久祥汽车电器集团有限公司 一种基于改进的vfh算法的定位与避障方法及机器人
CN104268551A (zh) * 2014-09-29 2015-01-07 浙江理工大学 基于视觉特征点的转向角度控制方法
CN104898551A (zh) * 2015-03-08 2015-09-09 浙江理工大学 全自动割草机器人的双视觉自定位***
CN105045260A (zh) * 2015-05-25 2015-11-11 湖南大学 一种未知动态环境下的移动机器人路径规划方法
CN106681320A (zh) * 2016-12-15 2017-05-17 浙江大学 一种基于激光数据的移动机器人导航控制方法
CN106647769A (zh) * 2017-01-19 2017-05-10 厦门大学 基于a*提取引导点的agv路径跟踪与避障协调方法
CN107024210A (zh) * 2017-03-09 2017-08-08 深圳市朗空亿科科技有限公司 一种室内机器人避障方法、装置及导航***
CN107036618A (zh) * 2017-05-24 2017-08-11 合肥工业大学(马鞍山)高新技术研究院 一种基于最短路径深度优化算法的agv路径规划方法
CN107913039A (zh) * 2017-11-17 2018-04-17 北京奇虎科技有限公司 用于清洁机器人的区块选择方法、装置及机器人
CN107943034A (zh) * 2017-11-23 2018-04-20 南开大学 移动机器人沿给定路径的完备且最短时间轨迹规划方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
DANIEL BONILLA LICEA ETAL.: "A ROBOTIC MOBILITY DIVERSITY ALGORITHM WITH MARKOVIAN TRAJECTORY PLANNERS", 《2013 IEEE INTERNATIONAL WORKSHOP ON MACHINE LEARNING FOR SIGNAL PROCESSING》 *
YU LIU ETAL.: "Combined Coverage Path Planning for Autonomous Cleaning Robots in Unstructured Environments", 《PROCEEDINGS OF THE 7TH WORLD CONGRESS ON INTELLIGENT CONTROL AND AUTOMATION》 *
刘瑜等: "移动机器人Markov定位算法的研究", 《浙江大学学报（工学版）》 *
孙奇: "AGV***路径规划技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
朱世强等: "自主吸尘机器人的研究现状", 《机器人》 *
陈涛等: "平面离散点集的边界搜索算法", 《计算机仿真》 *

Also Published As

Publication number Publication date
CN108873892B (zh) 2022-02-01

Similar Documents

Publication Publication Date Title
CN105881555B (zh) 基于风机直接除尘的光伏电站清扫机器人及其工作方法
CN101714000B (zh) 一种自动吸尘器的路径规划方法
KR100690669B1 (ko) 자율 주행 로봇의 위치인식 시스템
JP4173144B2 (ja) ロボット掃除機のジャイロセンサーの補正方法
CN102063123B (zh) 执行机器人清洁器的旋转移动的控制方法
CN108469819A (zh) 一种自动吸尘机器人的z字形回归路径规划方法
CN106970623A (zh) 智能清洁装置及其网格路径作业方法
WO2019006974A1 (zh) 清洁设备的清洁操作执行方法、装置及可读存储介质
CN106200645A (zh) 自主机器人、控制装置和控制方法
CN108345308A (zh) 一种自动吸尘机器人的最佳随机路径选择方法
CN1531405A (zh) 自控移动箱式真空吸尘器
CN106618386B (zh) 一种清洁机器人
CN108065866A (zh) 一种自动定点清扫机器及方法
WO2019056998A1 (zh) 自主移动机器人及其寻桩方法、控制装置和智能清洁***
TW201915630A (zh) 自主移動機器人及其尋樁方法、控制裝置以及智能清潔系統
CN105125144B (zh) 基于物联网的清洁机
CN206643042U (zh) 太阳能电池板智能清洁机器人
CN1883889A (zh) 一种适用于清洁机器人的路径规划
CN202498547U (zh) 吸尘机器人的自主导航***
CN111493750A (zh) 扫地机器人的控制方法、装置及电子设备
CN108319270A (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
CN109303524A (zh) 一种智能化家用扫地机器人
CN206200981U (zh) 清洁机器人
CN103584798A (zh) 智能吸尘器控制***及智能吸尘器清扫方法
CN202714801U (zh) 智能吸尘器控制***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220106

Address after: 523581 room 1201, No. 58, Second Street, Mawu new village, Changping Town, Dongguan City, Guangdong Province

Applicant after: GUANGDONG LESHENG INTELLIGENT TECHNOLOGY CO.,LTD.

Address before: 310013 no.256, 6th floor, building 2, Huahong building, 248 Tianmushan Road, Xihu District, Hangzhou City, Zhejiang Province

Applicant before: HANGZHOU JINGYI INTELLIGENT SCIENCE & TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant