CN110936370A - 清扫机器人控制方法及装置 - Google Patents
清扫机器人控制方法及装置 Download PDFInfo
- Publication number
- CN110936370A CN110936370A CN201811115975.3A CN201811115975A CN110936370A CN 110936370 A CN110936370 A CN 110936370A CN 201811115975 A CN201811115975 A CN 201811115975A CN 110936370 A CN110936370 A CN 110936370A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- image information
- cleaning robot
- attribute
- threshold
- 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.)
- Pending
Links
- 238000004140 cleaning Methods 0.000 title claims abstract description 97
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012549 training Methods 0.000 claims abstract description 41
- 238000010801 machine learning Methods 0.000 claims abstract description 10
- 230000009471 action Effects 0.000 claims description 28
- 239000007787 solid Substances 0.000 claims description 20
- 230000004888 barrier function Effects 0.000 claims description 8
- 238000005065 mining Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 abstract description 31
- 230000000875 corresponding effect Effects 0.000 description 21
- 230000001276 controlling effect Effects 0.000 description 11
- 238000000605 extraction Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000035515 penetration Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1669—Programme controls characterised by programming, planning systems for manipulators characterised by special application, e.g. multi-arm co-operation, assembly, grasping
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
- A47L11/24—Floor-sweeping machines, motor-driven
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
- A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
- A47L11/4011—Regulation of the cleaning machine by electric means; Control systems and remote control systems therefor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J11/00—Manipulators not otherwise provided for
- B25J11/008—Manipulators for service tasks
- B25J11/0085—Cleaning
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种清扫机器人控制方法及装置。其中,该方法包括:获取障碍物的图像信息;将图像信息输入识别模型,由识别模型输出与图像信息对应的障碍物种类和障碍物属性,其中,识别模型为使用多组训练数据,通过机器学习训练得出的,多组训练数据中的每组数据均包括:图像信息和图像信息对应的障碍物种类和障碍物属性,障碍物属性包括,障碍物的大小;根据障碍物的种类和障碍物的属性控制清扫机器人。本发明解决了相关技术中清扫机器人对目标障碍物的检测能力弱的技术问题。
Description
技术领域
本发明涉及清扫机器人控制技术领域,具体而言,涉及一种清扫机器人控制方法及装置。
背景技术
当今社会,随着科学技术的不断发展进步,机器人的应用越来越广泛。例如,生活中常见的清扫机器人就是其中一种,作为对人力劳动的取代者,清扫机器人在我们的生活中发挥着不可替代的作用。从市场渗透率看,美国清扫机器人市场的渗透率已达到10%至11%,而中国清扫机器人市场的渗透率则在5%以下。可见在中国清扫机器人的发展前景十分广阔。但是现在市场上普及的清扫机器人在应用中,存在如下问题:路线规划不清晰;障碍物绕行能力差。上述问题的关键在于现有技术中的清扫机器人对目标障碍物检测能力弱。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种清扫机器人控制方法及装置,以至少解决相关技术中清扫机器人对目标障碍物的检测能力弱的技术问题。
根据本发明实施例的一个方面,提供了一种清扫机器人控制方法,包括:获取障碍物的图像信息;将所述图像信息输入识别模型,由所述识别模型输出与所述图像信息对应的障碍物种类和障碍物属性,其中,所述识别模型为使用多组训练数据,通过机器学习训练得出的,所述多组训练数据中的每组数据均包括:图像信息和所述图像信息对应的障碍物种类和障碍物属性,所述障碍物属性包括,障碍物的大小;根据所述障碍物的种类和障碍物的属性控制所述清扫机器人。
可选地,获取障碍物的图像信息包括:通过设置在所述清扫机器人上的图像采集装置拍摄照片;根据所述照片确定图像信息。
可选地,所述识别模型是通过在线困难样本挖掘算法以及正负样本均衡优化训练方法建立的。
可选地,根据所述障碍物的种类和障碍物的属性控制所述清扫机器人包括:根据所述障碍物的种类确定对该障碍物的动作,其中,所述动作包括下列至少之一,绕行,直行,翻越;根据所述障碍物的属性判断所述动作是否可行,在可行的情况下执行所述动作。
可选地,根据所述障碍物的种类确定对该障碍物的动作包括:在所述障碍物为边界障碍物的情况下,选择绕行动作;和/或,在所述障碍物为硬度超过硬度阈值的固体障碍物的情况下,判断是否可以直行,在可以执行的情况下,选择直行动作;和/或,在所述障碍物为硬度不超过硬度阈值的软体障碍物的情况下,判断是否可以翻越,在可以执行的情况下,选择翻越动作。
可选地,判断是否可以直行包括:根据所述固体障碍物的重量和尺寸判断是否可以直行;在所述固体障碍物的重量和尺寸不超过第一阈值的情况下,确定可以直行;其中,所述第一阈值包括第一重量阈值和第一尺寸阈值。
可选地,判断是否可以翻越包括:根据所述软体障碍物的重量和尺寸判断是否可以翻越;在所述软体障碍物的重量和尺寸不超过第二阈值的情况下,确定可以翻越;其中,所述第二阈值包括第二重量阈值和第二尺寸阈值。
根据本发明实施例的另一方面,还提供了一种清扫机器人控制装置,包括:获取模块,用于获取障碍物的图像信息;识别模块,用于将所述图像信息输入识别模型,由所述识别模型输出与所述图像信息对应的障碍物种类和障碍物属性,其中,所述识别模型为使用多组训练数据,通过机器学习训练得出的,所述多组训练数据中的每组数据均包括:图像信息和所述图像信息对应的障碍物种类和障碍物属性,所述障碍物属性包括,障碍物的大小;控制模块,用于根据所述障碍物的种类和障碍物的属性控制所述清扫机器人。
根据本发明实施例的另一方面,还提供了一种存储介质,所述存储介质存储有程序指令,其中,在所述程序指令运行时控制所述存储介质所在设备执行上述中任意一项所述的方法。
根据本发明实施例的另一方面,还提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述中任意一项所述的方法。
在本发明实施例中,采用获取障碍物的图像信息;将所述图像信息输入识别模型,由所述识别模型输出与所述图像信息对应的障碍物种类和障碍物属性,其中,所述识别模型为使用多组训练数据,通过机器学习训练得出的,所述多组训练数据中的每组数据均包括:图像信息和所述图像信息对应的障碍物种类和障碍物属性,所述障碍物属性包括,障碍物的大小;根据所述障碍物的种类和障碍物的属性控制所述清扫机器人的方式,通过识别模型,达到了准确地识别图像信息中障碍物的种类和属性的目的,从而实现了提升目标障碍物检测效率和精度,进而更加有效地控制清扫机器人进行工作的技术效果,进而解决了相关技术中清扫机器人对目标障碍物的检测能力弱的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的清扫机器人控制方法的流程图;
图2是根据本发明实施例的清扫机器人控制装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,而不是全部的实施例。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劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例,提供了一种清扫机器人控制方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的清扫机器人控制方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取障碍物的图像信息;
步骤S104,将图像信息输入识别模型,由识别模型输出与图像信息对应的障碍物种类和障碍物属性,其中,识别模型为使用多组训练数据,通过机器学习训练得出的,多组训练数据中的每组数据均包括:图像信息和图像信息对应的障碍物种类和障碍物属性,障碍物属性包括,障碍物的大小;
步骤S106,根据障碍物的种类和障碍物的属性控制清扫机器人。
通过上述步骤,可以实现采用获取障碍物的图像信息;将图像信息输入识别模型,由识别模型输出与图像信息对应的障碍物种类和障碍物属性,其中,识别模型为使用多组训练数据,通过机器学习训练得出的,多组训练数据中的每组数据均包括:图像信息和图像信息对应的障碍物种类和障碍物属性,障碍物属性包括,障碍物的大小;根据障碍物的种类和障碍物的属性控制清扫机器人的方式,通过识别模型,达到了准确地识别图像信息中障碍物的种类和属性的目的,从而实现了提升目标障碍物检测效率和精度,进而更加有效地控制清扫机器人进行工作的技术效果,进而解决了相关技术中清扫机器人对目标障碍物的检测能力弱的技术问题。
上述获取障碍物的图像信息可以采用多种方式。例如,可以通过清扫机器人工作区域内的监控设备采集,也可以由清扫机器人自身的摄像头进行采集等。其中,上述设备采集的信息可以是图片、视频等。需要说明的是,获取的障碍物的图像信息是清扫机器人所处位置周围的所有能够影响到该清扫机器人工作的障碍物信息。
在构建识别模型后,对该识别模型进行训练,其中,训练数据为图像信息以及该图像信息对应的障碍物种类和障碍物属性,经过训练后得到的最终可用的识别模型,该模型能够根据获取的障碍物的图像信息,得到与其对应的障碍物的种类与属性。其中,通过在线困难样本挖掘算法以及正负样本均衡优化训练方法来优化该识别模型,增强识别模型对众多小目标的检测,提高模型的特征提取能力及分类检测能力。需要说明的是,该识别模型是经过大量图像信息训练得到的,能够通过采集的图像信息确定检测目标,提升目标障碍物的检测效率和精度,以及增强对众多小目标的检测,提高模型的特征提取能力及分类检测能力。清扫机器人可以根据输出的目标检测结果,规划清晰的路线,提高障碍物绕行能力。
在从识别模型得到识别结果后,进一步根据障碍物的种类和障碍物的属性控制清扫机器人,使得清扫机器人能够完成清扫路线的规划,提高清扫效率。
除了可以应用于扫地机器人外,该技术方案也可以应用于智能家居中,可以识别智能家具环境中的目标,如人,动物等,其中识别目标可以是移动的物体,也可以是静止的物体。通过提升目标检测效率和精度,以及增强众多小目标的检测,提高模型的特征提取能力及分类检测能力,智能家居可以通过目标检测结果,可以更准确的实现智能家居的智能化运行。
可选地,获取障碍物的图像信息包括:通过设置在清扫机器人上的图像采集装置拍摄照片;根据照片确定图像信息。
在清扫机器人上安装图像采集装置,该图像采集装置包括摄像头、录像机等,其中,上述图像采集装置可以是一个或者多个,能够自由地移动角度获取图像信息,以此实现无死角采集障碍物图像。进一步地,提取采集到的照片中的障碍物关键特征,得到与障碍物相关的图像信息。需要说明的是,在提取采集上述障碍物关键特征时,包括对图片进行去噪等相应处理,将对障碍物识别无用的干扰因素过滤掉。
可选地,识别模型是通过在线困难样本挖掘算法以及正负样本均衡优化训练方法建立的。
上述在线困难样本挖掘算法实现的网络结构中包括特征提取网络、融合特征、区域产生网络RPN、分类回归网络等,将采集装置与障碍物之间由于某些因素影响,例如,距离、采集角度等,均可以通过上述算法将产生的不利影响的后果消除。同时,与正负样本均衡优化识别模型的训练过程,达到匹配清扫机器人周围场景的多种尺度及比例的目标,提升目标检测效率和精度。上述正负样本均衡优化训练方法是指通过正样本和正样本对应的对抗样本对上述识别模型进行训练,可以有效提高识别模型的识别能力,有效降低识别模型的错误率。
可选地,根据障碍物的种类和障碍物的属性控制清扫机器人包括:根据障碍物的种类确定对该障碍物的动作,其中,动作包括下列至少之一,绕行,直行,翻越;根据障碍物的属性判断动作是否可行,在可行的情况下执行动作。
清扫机器人可以根据障碍物的种类和障碍物的属性进行相关活动,根据障碍物的种类选择清扫机器人对障碍物采用绕行,直行,翻越等动作,进一步地,通过该障碍物的属性判断上述采用的动作是否可行,然后根据判断结果执行相应动作。
可选地,根据障碍物的种类确定对该障碍物的动作包括:在障碍物为边界障碍物的情况下,选择绕行动作;和/或,在障碍物为硬度超过硬度阈值的固体障碍物的情况下,判断是否可以直行,在可以执行的情况下,选择直行动作;和/或,在障碍物为硬度不超过硬度阈值的软体障碍物的情况下,判断是否可以翻越,在可以执行的情况下,选择翻越动作。
清扫机器人能够根据障碍物的不同种类做出一些针对性的动作,其中,针对性的动作包括绕行,直行,以及翻越等。具体地,在障碍物为边界障碍物的情况下,例如,墙角、沙发、桌子等的离地较近的边沿等,这些情况清扫机器人不能够通过,只能选择绕行。生活中的障碍物能够影响到清扫机器人对清扫路线的规划,而这些障碍物不属于清扫对象或者不能够被清扫,清扫机器人也会根据障碍物本身的特点进行识别,进一步地,可以根据障碍物的硬度是否超过硬度阈值对障碍物进行分类,由上述判断条件可以将障碍物分为固体障碍物和软体障碍物,然后执行相应的动作。若在确定障碍物为硬度超过硬度阈值的固体障碍物的情况下,进一步判断清扫机器人是否可以直行,在可以执行的情况下,选择直行动作。若在确定障碍物为硬度不超过硬度阈值的软体障碍物的情况下,进一步判断清扫机器人是否可以翻越,在可以执行的情况下,选择翻越动作。需要说明的是,上述清扫机器人根据障碍物种类而选择执行的动作,可以分别执行所选择动作,也可以结合执行所选择的动作。
进而,由上述技术方案可以使清扫机器人能够规划清楚的清扫路线,大大提高了清扫机器人的障碍物绕行能力。
可选地,判断是否可以直行包括:根据固体障碍物的重量和尺寸判断是否可以直行;在固体障碍物的重量和尺寸不超过第一阈值的情况下,确定可以直行;其中,第一阈值包括第一重量阈值和第一尺寸阈值。
在判定清扫机器人在障碍物为固体障碍物的情况下,需要进一步的根据该固体障碍物的重量和尺寸判断清扫机器人是否可以执行。其中,判断条件为固体障碍物的重量和尺寸是否超过第一阈值,该第一阈值包括第一重量阈值和第一尺寸阈值。若固体障碍物的重量和尺寸超过第一阈值,则清扫机器人选择绕行。若固体障碍物的重量和尺寸不超过第一阈值,则清扫机器人选择直行。需要说明的是,在确定固体障碍物的第一重量阈值和第一尺寸阈值时,是根据当前该清扫机器人的具体工作能力决定的。因此,不同的清扫机器人的第一阈值也是存在差异的。例如,固体障碍物包括桌椅、掉落在地上的钢笔等。
可选地,判断是否可以翻越包括:根据软体障碍物的重量和尺寸判断是否可以翻越;在软体障碍物的重量和尺寸不超过第二阈值的情况下,确定可以翻越;其中,第二阈值包括第二重量阈值和第二尺寸阈值。
在判定清扫机器人在障碍物为软体障碍物的情况下,需要进一步的根据该软体障碍物的重量和尺寸判断清扫机器人是否可以执行。其中,判断条件为软体障碍物的重量和尺寸是否超过第一阈值,该第一阈值包括第一重量阈值和第一尺寸阈值。若软体障碍物的重量和尺寸超过第一阈值,则清扫机器人选择绕行。若软体障碍物的重量和尺寸不超过第一阈值,则清扫机器人选择翻越。需要说明的是,在确定软体障碍物的第一重量阈值和第一尺寸阈值时,是根据当前该清扫机器人的具体工作能力决定的。因此,不同的清扫机器人的第一阈值也是存在差异的。例如,软体障碍物包括地毯、衣物等。
图2是根据本发明实施例的清扫机器人控制装置的结构示意图;如图2所示,该清扫机器人控制装置,包括:获取模块22,识别模块24和控制模块26。下面对该清扫机器人控制装置进行详细说明。
获取模块22,用于获取障碍物的图像信息;识别模块24,与上述获取模块22连接,用于将图像信息输入识别模型,由识别模型输出与图像信息对应的障碍物种类和障碍物属性,其中,识别模型为使用多组训练数据,通过机器学习训练得出的,多组训练数据中的每组数据均包括:图像信息和图像信息对应的障碍物种类和障碍物属性,障碍物属性包括,障碍物的大小;控制模块26,与识别模块24连接,用于根据障碍物的种类和障碍物的属性控制清扫机器人。
通过上述清扫机器人控制装置,可以实现获取障碍物的图像信息;将图像信息输入识别模型,由识别模型输出与图像信息对应的障碍物种类和障碍物属性,其中,识别模型为使用多组训练数据,通过机器学习训练得出的,多组训练数据中的每组数据均包括:图像信息和图像信息对应的障碍物种类和障碍物属性,障碍物属性包括,障碍物的大小;根据障碍物的种类和障碍物的属性控制清扫机器人的方式,通过识别模型,达到了准确地识别图像信息中障碍物的种类和属性的目的,从而实现了提升目标障碍物检测效率和精度,进而更加有效地控制清扫机器人进行工作的技术效果,进而解决了相关技术中清扫机器人对目标障碍物的检测能力弱的技术问题。
上述获取障碍物的图像信息可以采用多种方式,例如,可以通过清扫机器人工作区域内的监控设备采集,也可以由清扫机器人自身的摄像头进行采集等。其中,上述设备采集的信息可以是图片、视频等。需要说明的是,获取的障碍物的图像信息是清扫机器人所处位置周围的所有能够影响到该清扫机器人工作的障碍物信息。
在构建识别模型后,对该识别模型进行训练,其中,训练数据为图像信息以及该图像信息对应的障碍物种类和障碍物属性,经过训练后得到的最终可用的识别模型,该模型能够根据获取的障碍物的图像信息,得到与其对应的障碍物的种类与属性。其中,通过在线困难样本挖掘算法以及正负样本均衡优化训练方法来优化该识别模型,增强识别模型对众多小目标的检测,提高模型的特征提取能力及分类检测能力。需要说明的是,该识别模型是经过大量图像信息训练得到的,能够通过采集的图像信息确定检测目标,提升目标障碍物的检测效率和精度,以及增强对众多小目标的检测,提高模型的特征提取能力及分类检测能力。清扫机器人可以根据输出的目标检测结果,规划清晰的路线,提高障碍物绕行能力。
在从识别模型得到识别结果后,进一步根据障碍物的种类和障碍物的属性控制清扫机器人,使得清扫机器人能够完成清扫路线的规划,提高清扫效率。
根据本发明实施例的另一方面,还提供了一种存储介质,存储介质存储有程序指令,其中,在程序指令运行时控制存储介质所在设备执行上述中任意一项的方法。
根据本发明实施例的另一方面,还提供了一种处理器,处理器用于运行程序,其中,程序运行时执行上述中任意一项的方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种清扫机器人控制方法,其特征在于,包括:
获取障碍物的图像信息;
将所述图像信息输入识别模型,由所述识别模型输出与所述图像信息对应的障碍物种类和障碍物属性,其中,所述识别模型为使用多组训练数据,通过机器学习训练得出的,所述多组训练数据中的每组数据均包括:图像信息和所述图像信息对应的障碍物种类和障碍物属性,所述障碍物属性包括,障碍物的大小;
根据所述障碍物的种类和障碍物的属性控制所述清扫机器人。
2.根据权利要求1所述的方法,其特征在于,获取障碍物的图像信息包括:
通过设置在所述清扫机器人上的图像采集装置拍摄照片;
根据所述照片确定图像信息。
3.根据权利要求1所述的方法,其特征在于,所述识别模型是通过在线困难样本挖掘算法以及正负样本均衡优化训练方法建立的。
4.根据权利要求1所述的方法,其特征在于,根据所述障碍物的种类和障碍物的属性控制所述清扫机器人包括:
根据所述障碍物的种类确定对该障碍物的动作,其中,所述动作包括下列至少之一,绕行,直行,翻越;
根据所述障碍物的属性判断所述动作是否可行,在可行的情况下执行所述动作。
5.根据权利要求4所述的方法,其特征在于,根据所述障碍物的种类确定对该障碍物的动作包括:
在所述障碍物为边界障碍物的情况下,选择绕行动作;
和/或,在所述障碍物为硬度超过硬度阈值的固体障碍物的情况下,判断是否可以直行,在可以执行的情况下,选择直行动作;
和/或,在所述障碍物为硬度不超过硬度阈值的软体障碍物的情况下,判断是否可以翻越,在可以执行的情况下,选择翻越动作。
6.根据权利要求5所述的方法,其特征在于,判断是否可以直行包括:
根据所述固体障碍物的重量和尺寸判断是否可以直行;
在所述固体障碍物的重量和尺寸不超过第一阈值的情况下,确定可以直行;
其中,所述第一阈值包括第一重量阈值和第一尺寸阈值。
7.根据权利要求5中任意一项所述的方法,其特征在于,判断是否可以翻越包括:
根据所述软体障碍物的重量和尺寸判断是否可以翻越;
在所述软体障碍物的重量和尺寸不超过第二阈值的情况下,确定可以翻越;
其中,所述第二阈值包括第二重量阈值和第二尺寸阈值。
8.一种清扫机器人控制装置,其特征在于,包括:
获取模块,用于获取障碍物的图像信息;
识别模块,用于将所述图像信息输入识别模型,由所述识别模型输出与所述图像信息对应的障碍物种类和障碍物属性,其中,所述识别模型为使用多组训练数据,通过机器学习训练得出的,所述多组训练数据中的每组数据均包括:图像信息和所述图像信息对应的障碍物种类和障碍物属性,所述障碍物属性包括,障碍物的大小;
控制模块,用于根据所述障碍物的种类和障碍物的属性控制所述清扫机器人。
9.一种存储介质,其特征在于,所述存储介质存储有程序指令,其中,在所述程序指令运行时控制所述存储介质所在设备执行权利要求1至7中任意一项所述的方法。
10.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至7中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811115975.3A CN110936370A (zh) | 2018-09-25 | 2018-09-25 | 清扫机器人控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811115975.3A CN110936370A (zh) | 2018-09-25 | 2018-09-25 | 清扫机器人控制方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110936370A true CN110936370A (zh) | 2020-03-31 |
Family
ID=69905054
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811115975.3A Pending CN110936370A (zh) | 2018-09-25 | 2018-09-25 | 清扫机器人控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110936370A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111528737A (zh) * | 2020-05-08 | 2020-08-14 | 小狗电器互联网科技(北京)股份有限公司 | 一种扫地机控制方法及装置 |
CN111643011A (zh) * | 2020-05-26 | 2020-09-11 | 深圳市杉川机器人有限公司 | 清洁机器人控制方法、装置、清洁机器人和存储介质 |
CN111872928A (zh) * | 2020-06-08 | 2020-11-03 | 特斯联科技集团有限公司 | 一种障碍物属性判别方法、***及智能机器人 |
CN112155486A (zh) * | 2020-09-30 | 2021-01-01 | 王丽敏 | 扫地机器人的控制方法和控制装置 |
CN112692844A (zh) * | 2020-12-15 | 2021-04-23 | 大国重器自动化设备(山东)股份有限公司 | 一种人工智能药物护理机器人的控制方法 |
CN113106907A (zh) * | 2021-04-30 | 2021-07-13 | 广东美房智高机器人有限公司 | 机器人对障碍物识别与处理方法、***、设备及介质 |
CN113647864A (zh) * | 2021-07-21 | 2021-11-16 | 美智纵横科技有限责任公司 | 确定清洁机器人的运行方法、装置、电子设备及介质 |
WO2022077945A1 (zh) * | 2020-10-14 | 2022-04-21 | 北京石头世纪科技股份有限公司 | 障碍物识别信息反馈方法、装置、机器人和存储介质 |
CN114935341A (zh) * | 2022-07-25 | 2022-08-23 | 深圳市景创科技电子股份有限公司 | 一种新型slam导航计算视频识别方法及装置 |
US11874668B2 (en) | 2019-12-27 | 2024-01-16 | Samsung Electronics Co., Ltd. | Electronic apparatus and method of controlling thereof |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102809451A (zh) * | 2011-05-31 | 2012-12-05 | 精工爱普生株式会社 | 应力检测元件、传感器组件以及电子设备 |
CN104503450A (zh) * | 2014-11-27 | 2015-04-08 | 无锡北斗星通信息科技有限公司 | 实现智能化越障的服务机器人 |
CN105511478A (zh) * | 2016-02-23 | 2016-04-20 | 百度在线网络技术(北京)有限公司 | 应用于扫地机器人的控制方法、扫地机器人及终端 |
US20160280235A1 (en) * | 2015-03-23 | 2016-09-29 | Toyota Jidosha Kabushiki Kaisha | Autonomous driving device |
CN106821157A (zh) * | 2017-04-14 | 2017-06-13 | 小狗电器互联网科技(北京)股份有限公司 | 一种扫地机器人扫地的清扫方法 |
CN106909139A (zh) * | 2015-12-23 | 2017-06-30 | 袁祖六 | 基于触觉的避障机器人 |
CN107456173A (zh) * | 2016-06-06 | 2017-12-12 | 北京小米移动软件有限公司 | 障碍物跨越方法及装置 |
-
2018
- 2018-09-25 CN CN201811115975.3A patent/CN110936370A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102809451A (zh) * | 2011-05-31 | 2012-12-05 | 精工爱普生株式会社 | 应力检测元件、传感器组件以及电子设备 |
CN104503450A (zh) * | 2014-11-27 | 2015-04-08 | 无锡北斗星通信息科技有限公司 | 实现智能化越障的服务机器人 |
US20160280235A1 (en) * | 2015-03-23 | 2016-09-29 | Toyota Jidosha Kabushiki Kaisha | Autonomous driving device |
CN106909139A (zh) * | 2015-12-23 | 2017-06-30 | 袁祖六 | 基于触觉的避障机器人 |
CN105511478A (zh) * | 2016-02-23 | 2016-04-20 | 百度在线网络技术(北京)有限公司 | 应用于扫地机器人的控制方法、扫地机器人及终端 |
CN107456173A (zh) * | 2016-06-06 | 2017-12-12 | 北京小米移动软件有限公司 | 障碍物跨越方法及装置 |
CN106821157A (zh) * | 2017-04-14 | 2017-06-13 | 小狗电器互联网科技(北京)股份有限公司 | 一种扫地机器人扫地的清扫方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11874668B2 (en) | 2019-12-27 | 2024-01-16 | Samsung Electronics Co., Ltd. | Electronic apparatus and method of controlling thereof |
CN111528737A (zh) * | 2020-05-08 | 2020-08-14 | 小狗电器互联网科技(北京)股份有限公司 | 一种扫地机控制方法及装置 |
CN111643011A (zh) * | 2020-05-26 | 2020-09-11 | 深圳市杉川机器人有限公司 | 清洁机器人控制方法、装置、清洁机器人和存储介质 |
WO2021248857A1 (zh) * | 2020-06-08 | 2021-12-16 | 特斯联科技集团有限公司 | 一种障碍物属性判别方法、***及智能机器人 |
CN111872928A (zh) * | 2020-06-08 | 2020-11-03 | 特斯联科技集团有限公司 | 一种障碍物属性判别方法、***及智能机器人 |
CN111872928B (zh) * | 2020-06-08 | 2022-04-05 | 特斯联科技集团有限公司 | 一种障碍物属性判别方法、***及智能机器人 |
CN112155486A (zh) * | 2020-09-30 | 2021-01-01 | 王丽敏 | 扫地机器人的控制方法和控制装置 |
WO2022077945A1 (zh) * | 2020-10-14 | 2022-04-21 | 北京石头世纪科技股份有限公司 | 障碍物识别信息反馈方法、装置、机器人和存储介质 |
CN112692844A (zh) * | 2020-12-15 | 2021-04-23 | 大国重器自动化设备(山东)股份有限公司 | 一种人工智能药物护理机器人的控制方法 |
CN113106907A (zh) * | 2021-04-30 | 2021-07-13 | 广东美房智高机器人有限公司 | 机器人对障碍物识别与处理方法、***、设备及介质 |
CN113106907B (zh) * | 2021-04-30 | 2022-07-15 | 广东美房智高机器人有限公司 | 机器人对障碍物识别与处理方法、***、设备及介质 |
CN113647864A (zh) * | 2021-07-21 | 2021-11-16 | 美智纵横科技有限责任公司 | 确定清洁机器人的运行方法、装置、电子设备及介质 |
CN114935341A (zh) * | 2022-07-25 | 2022-08-23 | 深圳市景创科技电子股份有限公司 | 一种新型slam导航计算视频识别方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110936370A (zh) | 清扫机器人控制方法及装置 | |
CN111543902B (zh) | 地面清洁方法、装置、智能清洁设备和存储介质 | |
CN110175514B (zh) | 一种刷脸支付提示方法、装置及设备 | |
CN105872477B (zh) | 视频监控方法和视频监控*** | |
CN109190508B (zh) | 一种基于空间坐标系的多摄像头数据融合方法 | |
CN105335725B (zh) | 一种基于特征融合的步态识别身份认证方法 | |
US11113526B2 (en) | Training methods for deep networks | |
CN102741882B (zh) | 图像分类装置、图像分类方法、集成电路、模型制作装置 | |
CN106844492B (zh) | 一种人脸识别的方法、客户端、服务器及*** | |
CN101794384B (zh) | 基于人体轮廓图提取与分组运动图查询的投篮动作识别 | |
TW200820099A (en) | Target moving object tracking device | |
CN110472612B (zh) | 人体行为识别方法及电子设备 | |
CN101853391A (zh) | 信息处理设备和方法、程序及记录介质 | |
CN109358546B (zh) | 家用电器的控制方法、装置和*** | |
CN111643014A (zh) | 智能清洁方法、装置、智能清洁设备和存储介质 | |
CN107392182A (zh) | 一种基于深度学习的人脸采集识别方法及装置 | |
CN105844258A (zh) | 动作识别方法及装置 | |
CN110928282A (zh) | 清扫机器人的控制方法及装置 | |
CN109063776A (zh) | 图像再识别网络训练方法、装置和图像再识别方法及装置 | |
CN106127161A (zh) | 基于级联多层检测器的快速目标检测方法 | |
Bormann et al. | Autonomous dirt detection for cleaning in office environments | |
CN108268863A (zh) | 一种图像处理方法、装置和计算机存储介质 | |
CN109460792A (zh) | 一种基于图像识别的人工智能模型训练方法及装置 | |
CN110315538B (zh) | 一种在电子地图上显示障碍物的方法、装置及机器人 | |
Makris et al. | Robust 3d human pose estimation guided by filtered subsets of body keypoints |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200331 |
|
RJ01 | Rejection of invention patent application after publication |