清扫机器人的控制方法及装置专利检索-学习障碍认知障碍病理专利检索查询-专利查询网

清扫 机器人的控制方法及装置

阅读：41发布：2020-05-15

专利汇可以提供清扫机器人的控制方法及装置专利检索，专利查询，专利分析的服务。并且本发明公开了一种清扫机器人的控制方法及装置。其中，该方法包括：获取清扫机器人所在空间的障碍物的信息；根据障碍物的信息，通过识别模型识别出障碍物的种类，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：障碍物的信息和障碍物的信息对应的障碍物种类，障碍物的种类包括，静态障碍物和动态障碍物；根据静态障碍物规划清扫机器人的行走路径；根据行走路径控制清扫机器人。本发明解决了相关技术中清扫机器人对多个障碍物中真正障碍物与虚假障碍物识别准确率不高导致的清扫效果差的技术问题。，下面是清扫机器人的控制方法及装置专利的具体信息内容。

权利要求

1.一种清扫机器人的控制方法，其特征在于，包括：
获取清扫机器人所在空间的障碍物的信息；
根据所述障碍物的信息，通过识别模型识别出障碍物的种类，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：障碍物的信息和所述障碍物的信息对应的障碍物种类，所述障碍物的种类包括，静态障碍物和动态障碍物；
根据静态障碍物规划清扫机器人的行走路径；
根据所述行走路径控制清扫机器人。
2.根据权利要求1所述的方法，其特征在于，根据静态障碍物规划清扫机器人的行走路径之后包括：
在所述行走路径上标记动态障碍物的位置。
3.根据权利要求2所述的方法，其特征在于，当清扫机器人行走到所述行走路径上标记的动态障碍物的位置时，确定所述位置是否存在障碍物；
在所述行走路径上标记动态障碍物的位置存在障碍物时，识别所述障碍物的种类。
4.根据权利要求3所述的方法，其特征在于，
在识别出所述障碍物的种类为静态障碍物的情况下，根据所述静态障碍物和所述行走路径更新行走路径。
5.根据权利要求1所述的方法，其特征在于，根据静态障碍物规划清扫机器人的行走路径之前包括：
根据所述障碍物的信息确定清扫机器人的可行走区域。
6.根据权利要求5所述的方法，其特征在于，
根据所述可行走区域确定清扫机器人的行走区域，其中，所述行走区域为所述可行走区域的子区域。
7.根据权利要求6所述的方法，其特征在于，根据所述行走区域和所述静态障碍物规划清扫机器人的行走路径。
8.一种清扫机器人的控制装置，其特征在于，包括：
获取模块，用于获取清扫机器人所在空间的障碍物的信息；
识别模块，用于根据所述障碍物的信息，通过识别模型识别出障碍物的种类，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：障碍物的信息和所述障碍物的信息对应的障碍物种类，所述障碍物的种类包括，静态障碍物和动态障碍物；
规划模块，用于根据静态障碍物规划清扫机器人的行走路径；
控制模块，用于根据所述行走路径控制清扫机器人。
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。

说明书全文

清扫机器人的控制方法及装置

技术领域

[0001] 本发明涉及机器人控制技术领域，具体而言，涉及一种清扫机器人的控制方法及装置。

背景技术

[0002] 人工智能技术发展迅速，清扫机器人对用户生活的影响也越来越大。目前清扫机器人已经可以基本满足生活的需要，但是一些技术仍亟待改进，比如，清扫机器人可以识别障碍物，但是有些障碍物并不能认为是真正的障碍物，比如，在空间中运动的人或者动物，当这些人或者动物移动时，有时候并不能认为是一种障碍物。而在现有技术中，针对这类障碍物均是采用统一的避开处理，使得一些虚假的障碍物所在的区域无法清扫，从而导致清扫机器人清扫不干净的问题。

[0003] 针对上述的问题，目前尚未提出有效的解决方案。

发明内容

[0004] 本发明实施例提供了一种清扫机器人的控制方法及装置，以至少解决相关技术中清扫机器人对多个障碍物中真正障碍物与虚假障碍物识别准确率不高导致的清扫效果差的技术问题。

[0005] 根据本发明实施例的一个方面，提供了一种清扫机器人的控制方法，包括：获取清扫机器人所在空间的障碍物的信息；根据所述障碍物的信息，通过识别模型识别出障碍物的种类，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：障碍物的信息和所述障碍物的信息对应的障碍物种类，所述障碍物的种类包括，静态障碍物和动态障碍物；根据静态障碍物规划清扫机器人的行走路径；根据所述行走路径控制清扫机器人。

[0006] 可选地，根据静态障碍物规划清扫机器人的行走路径之后包括：在所述行走路径上标记动态障碍物的位置。

[0007] 可选地，当清扫机器人行走到所述行走路径上标记的动态障碍物的位置时，确定所述位置是否存在障碍物；在所述行走路径上标记动态障碍物的位置存在障碍物时，识别所述障碍物的种类。

[0008] 可选地，在识别出所述障碍物的种类为静态障碍物的情况下，根据所述静态障碍物和所述行走路径更新行走路径。

[0009] 可选地，根据静态障碍物规划清扫机器人的行走路径之前包括：根据所述障碍物的信息确定清扫机器人的可行走区域。

[0010] 可选地，根据所述可行走区域确定清扫机器人的行走区域，其中，所述行走区域为所述可行走区域的子区域。

[0011] 可选地，根据所述行走区域和所述静态障碍物规划清扫机器人的行走路径。

[0012] 根据本发明实施例的另一方面，还提供了一种清扫机器人的控制装置，包括：获取模块，用于获取清扫机器人所在空间的障碍物的信息；识别模块，用于根据所述障碍物的信息，通过识别模型识别出障碍物的种类，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：障碍物的信息和所述障碍物的信息对应的障碍物种类，所述障碍物的种类包括，静态障碍物和动态障碍物；规划模块，用于根据静态障碍物规划清扫机器人的行走路径；控制模块，用于根据所述行走路径控制清扫机器人。

[0013] 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任意一项所述的方法。

[0014] 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任意一项所述的方法。

[0015] 在本发明实施例中，采用获取清扫机器人所在空间的障碍物的信息；根据所述障碍物的信息，通过识别模型识别出障碍物的种类，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：障碍物的信息和所述障碍物的信息对应的障碍物种类，所述障碍物的种类包括，静态障碍物和动态障碍物；根据静态障碍物规划清扫机器人的行走路径；根据所述行走路径控制清扫机器人的方式，通过识别模型识别出障碍物的种类，达到了准确地识别空间内的真正障碍物的目的，从而实现了清扫机器人对清扫路线的规则更准确，清扫更干净的技术效果，进而解决了相关技术中清扫机器人对多个障碍物中真正障碍物与虚假障碍物识别准确率不高导致的清扫效果差的技术问题。附图说明

[0016] 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：

[0017] 图1是根据本发明实施例的清扫机器人的控制方法的流程图；

[0018] 图2是根据本发明实施例的清扫机器人的控制装置的结构示意图。

具体实施方式

[0019] 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。

[0020] 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、系统、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。

[0021] 根据本发明实施例，提供了一种清扫机器人的控制方法的实施例，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系统中执行，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。

[0022] 图1是根据本发明实施例的清扫机器人的控制方法的流程图，如图1所示，该方法包括如下步骤：

[0023] 步骤S102，获取清扫机器人所在空间的障碍物的信息；

[0024] 步骤S104，根据障碍物的信息，通过识别模型识别出障碍物的种类，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：障碍物的信息和障碍物的信息对应的障碍物种类，障碍物的种类包括，静态障碍物和动态障碍物；

[0025] 步骤S106，根据静态障碍物规划清扫机器人的行走路径；

[0026] 步骤S108，根据行走路径控制清扫机器人。

[0027] 通过上述步骤，可以实现采用获取清扫机器人所在空间的障碍物的信息；根据障碍物的信息，通过识别模型识别出障碍物的种类，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：障碍物的信息和障碍物的信息对应的障碍物种类，障碍物的种类包括，静态障碍物和动态障碍物；根据静态障碍物规划清扫机器人的行走路径；根据行走路径控制清扫机器人的方式，通过识别模型识别出障碍物的种类，达到了准确地识别空间内的真正障碍物的目的，从而实现了清扫机器人对清扫路线的规则更准确，清扫更干净的技术效果，进而解决了相关技术中清扫机器人对多个障碍物中真正障碍物与虚假障碍物识别准确率不高导致的清扫效果差的技术问题。

[0028] 在获取清扫机器人所在空间的障碍物的信息时，其中，障碍物的信息可以采用多种获取方式，例如，可以采用传感器、摄像头等获取方式。具体地，以获取清扫机器人所在空间的图像信息进行说明，较为常用的可以是直接拍照的方式，也可以是直接录像的方式。在采用直接拍照的方式进行采集时，可以依据拍照所得的照片来获取所在空间的障碍物的信息；而在采用录像的方式进行采集时，之后，依据录像所得到的录像资料来获取所在空间的障碍物的信息。需要说明的是，上述录像资料可以是一段时间内的录像资料，上述一段时间的时长可以依据空间的大小而灵活决定。

[0029] 进一步地，上述清扫机器人所在的空间是清扫机器人的工作场景，具有多种多样的特点，可以是封闭空间内的场景，也可以是开放空间内的场景。该封闭内的场景可以是公开的空间的场景，也可以是私密空间内的场景。开放空间内的场景也可以是大型开放空间内的场景，例如，公园等，也可以是一些相对小的空间内的场景。

[0030] 上述识别模型是经过大量障碍物训练数据训练得到，能够根据障碍物的信息识别出与该障碍物的信息对应的障碍物种类，例如，该障碍物是静态障碍物，还是动态障碍物。静态障碍物被认为是真正的障碍物，动态障碍物被认为是虚假的障碍物，两者对清扫机器人的行走路径的影响也是不同的。此外，该模型可以有同时快速识别多个障碍物的能力，如可以同时识别多个静态障碍物或者多个动态障碍物，以及上述多个障碍物的组合形式等。

[0031] 在根据静态障碍物规划清扫机器人的行走路径时，规划出避开该真正障碍物的清扫路线，而对于虚假的障碍物则在制定清扫路线时则可以不予考虑，可以在清扫机器人工作中根据虚假的障碍物的具体情况，对清扫机器人的工作路径做出实时调整。进而，根据规划的行走路径控制清扫机器人进行相关清扫任务。

[0032] 在根据识别出的真正障碍物，执行清扫路线的规划时，可以依据真正障碍物的大小来制定清扫规划路线，也可以依据真正障碍物的形状来制定清扫规划路线，等。

[0033] 需要说明的是，在制定好清扫路线时，在清扫机器人依据该清扫路线进行清扫时，可以在清扫的过程中，依据具体场景的变化，对制定的清扫路线进行调整。当然，在对清扫路线进行调整时，需要对应的触发调整的因素，例如，可以是清扫机器人的大小被限制了，导致清扫机器人到达不了，当然也可以是一些人为规定的因素，例如，人为规定清扫机器人所不能到达的地方。

[0034] 可选地，根据静态障碍物规划清扫机器人的行走路径之后包括：在行走路径上标记动态障碍物的位置。

[0035] 在根据静态障碍物规划清扫机器人的行走路径之后，为了能够有效地规避动态障碍物，需要进一步对出现在行走路径上的动态障碍物的位置进行标记。在行走路径上标记动态障碍物的位置包括：确定动态障碍物的位置，以及停留时间；若动态障碍物停留时间超过预设时间阈值，则对其位置进行标记。通过对行走路径上的动态障碍物的位置进行标记，可以实时掌握动态障碍物的移动状态，以便清扫机器人合理调整清扫的路径。

[0036] 可选地，当清扫机器人行走到行走路径上标记的动态障碍物的位置时，确定位置是否存在障碍物；在行走路径上标记动态障碍物的位置存在障碍物时，识别障碍物的种类。

[0037] 在清扫机器人按照行走路径进行工作时，会实时的对行走路径上标记的动态障碍物进行监测，进一步判断清扫机器人行走到该标记的动态障碍物的位置时障碍物是否存在，若该标记的动态障碍物不存在，则清扫机器人按照预先设定的行走路径继续工作；若该标记的动态障碍物仍然存在，进行暂时规避，则清扫机器人重新设定的行走路径继续工作。需要说明的是，在行走路径上标记动态障碍物的位置存在障碍物时，识别障碍物的种类，能够有效应对清扫机器人工作中，动态障碍物对行走路径的影响，避免了现有技术中对障碍物采用统一的规避处理，使用更加灵活的方法，使得清扫效果得到提升。

[0038] 可选地，在识别出障碍物的种类为静态障碍物的情况下，根据静态障碍物和行走路径更新行走路径。

[0039] 由于静态障碍物是真正的障碍物，清扫机器人在工作当中对其进行规避，从而根据静态障碍物的位置信息，重新规划原有的行走路径，得到更新后的行走路径。例如，清扫机器人进行清扫作业时，由客厅进入卧室进行清扫，若卧室门开着，清扫机器人的行走路径会进入卧室进行相应的清扫，一旦卧室门关闭，清扫机器人会将关闭的卧室门认为静态障碍物，进而重新规划行走路线，更新原有的行走路径。通过上述方法，大大提高了清扫机器人的路径规划的自适应能力，能够应对各种复杂的情形。

[0040] 可选地，根据静态障碍物规划清扫机器人的行走路径之前包括：根据障碍物的信息确定清扫机器人的可行走区域。

[0041] 上述障碍物的信息经过识别模型可以得到具体的分类，障碍物的种类包括静态障碍物和动态障碍物。其中，静态障碍物处于静止状态，在相当长的时间内不会发生移动，被认为真正的障碍物，而动态障碍物处于移动或者暂时静止状态，随时都会移动到空间的其他地方，被认为虚假的障碍物。进一步地，可以根据障碍物的种类，上述可行走区域是清扫机器人所在空间内除静态障碍物以外的剩余空间。而且，可以根据具体情况将对清扫机器人的可行走区域进行动态调整，例如，可以预设动态障碍物的停留时间，一旦动态障碍物停留超过预设时间，该障碍物所处的空间将被视为不可行走区域，之后若动态障碍物发生移动，该障碍物所处的空间将被视为可行走区域。因此，对清扫机器人的可行区域进行划分，包括动态划分，能够使清扫机器人合理规划工作路线，准确地预测清扫时间。

[0042] 可选地，根据可行走区域确定清扫机器人的行走区域，其中，行走区域为可行走区域的子区域。

[0043] 清扫机器人能够在行走区域内活动，完成相关的工作任务，其中，清扫机器人的可行走区域又可以根据具体的清扫情况分为行走区域和非行走区域。例如，清扫机器人在打扫客厅卫生时，除了沙发、电视柜等占用的空间以外区域为可行走区域，当清扫机器人进行清扫时，已经清扫的空间区域为非行走区域，而为完成清扫的空间区域为行走区域，当清扫机器人持续进行工作时，行走区域也会随着逐渐变小。

[0044] 此外，清扫机器人可以根据用户需求进行一次或者多次清扫任务，其中，每一次清扫任务完成，清扫机器人的行走区域会根据可行走区域被重新设定。无论是一次或者多次清扫任务，每次根据可行走区域确定清扫机器人的行走区域，可以有效避免清扫机器人的重复工作，提高工作效率。

[0045] 可选地，根据行走区域和静态障碍物规划清扫机器人的行走路径。

[0046] 上述行走区域随着清扫机器人的清扫工作进行不断变小，此时清扫机器人可以根据行走区域和静态障碍物进一步规划行走路径。例如，在对客厅进行清扫时，清扫机器人可以根据行走区域的形状、面积大小以及清扫的次数等，结合沙发、桌子等的位置智能规划清扫机器人的行走路径。需要说明的是，清扫机器人根据上述条件可以提供多条行走路径，用户可以自行选择清扫机器人的行走路径；另外，在默认情况下，清扫机器人选择多条行走路径中的最优的一条行走路径。根据行走区域和静态障碍物规划清扫机器人的行走路径，不仅提高清扫机器人的行走路径规划能力，更能提升用户的智能化体验。

[0047] 图2是根据本发明实施例的清扫机器人的控制装置的结构示意图；如图2所示，该清扫机器人的控制装置，包括：获取模块22，识别模块24，规划模块26和控制模块28。下面对该清扫机器人的控制装置进行详细说明。

[0048] 获取模块22，用于获取清扫机器人所在空间的障碍物的信息；识别模块24，与上述获取模块22连接，用于根据障碍物的信息，通过识别模型识别出障碍物的种类，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：障碍物的信息和障碍物的信息对应的障碍物种类，障碍物的种类包括，静态障碍物和动态障碍物；规划模块26，与识别模块24连接，用于根据静态障碍物规划清扫机器人的行走路径；控制模块28，与上述规划模块26连接，用于根据行走路径控制清扫机器人。

[0049] 通过上述装置，可以实现通过识别模型识别出障碍物的种类，达到了准确地识别空间内的真正障碍物的目的，从而实现了清扫机器人对清扫路线的规则更准确，清扫更干净的技术效果，进而解决了相关技术中清扫机器人对多个障碍物中真正障碍物与虚假障碍物识别准确率不高导致的清扫效果差的技术问题。

[0050] 在获取清扫机器人所在空间的障碍物的信息时，其中，障碍物的信息可以采用多种获取方式，例如，可以采用传感器、摄像头等获取方式。具体地，以获取清扫机器人所在空间的图像信息进行说明，较为常用的可以是直接拍照的方式，也可以是直接录像的方式。在采用直接拍照的方式进行采集时，可以依据拍照所得的照片来获取所在空间的障碍物的信息；而在采用录像的方式进行采集时，之后，依据录像所得到的录像资料来获取所在空间的障碍物的信息。需要说明的是，上述录像资料可以是一段时间内的录像资料，上述一段时间的时长可以依据空间的大小而灵活决定。

[0051] 进一步地，上述清扫机器人所在的空间是清扫机器人的工作场景，具有多种多样的特点，可以是封闭空间内的场景，也可以是开放空间内的场景。该封闭内的场景可以是公开的空间的场景，也可以是私密空间内的场景。开放空间内的场景也可以是大型开放空间内的场景，例如，公园等，也可以是一些相对小的空间内的场景。

[0052] 上述识别模型是经过大量障碍物训练数据训练得到，能够根据障碍物的信息识别出与该障碍物的信息对应的障碍物种类，例如，该障碍物是静态障碍物，还是动态障碍物。静态障碍物被认为是真正的障碍物，动态障碍物被认为是虚假的障碍物，两者对清扫机器人的行走路径的影响也是不同的。此外，该模型可以有同时快速识别多个障碍物的能力，如可以同时识别多个静态障碍物或者多个动态障碍物，以及上述多个障碍物的组合形式等。

[0053] 在根据静态障碍物规划清扫机器人的行走路径时，规划出避开该真正障碍物的清扫路线，而对于虚假的障碍物则在制定清扫路线时则可以不予考虑，可以在清扫机器人工作中根据虚假的障碍物的具体情况，对清扫机器人的工作路径做出实时调整。进而，根据规划的行走路径控制清扫机器人进行相关清扫任务。

[0054] 在根据识别出的真正障碍物，执行清扫路线的规划时，可以依据真正障碍物的大小来制定清扫规划路线，也可以依据真正障碍物的形状来制定清扫规划路线，等。

[0055] 需要说明的是，在制定好清扫路线时，在清扫机器人依据该清扫路线进行清扫时，可以在清扫的过程中，依据具体场景的变化，对制定的清扫路线进行调整。当然，在对清扫路线进行调整时，需要对应的触发调整的因素，例如，可以是清扫机器人的大小被限制了，导致清扫机器人到达不了，当然也可以是一些人为规定的因素，例如，人为规定清扫机器人所不能到达的地方。

[0056] 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任意一项的方法。

[0057] 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任意一项的方法。

[0058] 下面对本发明的优选实施方式进行说明。

[0059] 解决问题：扫地机器人对多个障碍物中真正障碍物与虚拟障碍物识别准确率不高的问题；

[0060] 达到效果：能够准确地识别空间内的真正障碍物，使得扫地机器人对扫地路线的规则更准确，从而达到扫地干净的效果。

[0061] 实施步骤：

[0062] 采集扫地机器人所在空间的图像；

[0063] 根据障碍物识别模型以及图像，识别出空间内真正的障碍物；

[0064] 根据识别出的真正障碍物，执行扫地路线的规划。

[0065] 其中，障碍物识别模型是通过对大量的样本图片进行识别，识别出图片中的静止障碍物和运动障碍物，其中，静止障碍物被认为是真正的障碍物，运动的障碍物被认为是虚假的障碍物，同时，该模型可以有同时快速识别多个障碍物的能力，如可以同时识别多个静止障碍物或者多个运动障碍物，以及上述多个障碍物的组合等。在制定扫地路线时，可以仅仅依据真正的障碍物进行规划。例如，规划出避开该真正障碍物的扫地路线。而对于虚假的障碍物则在制定扫地路线时则可以不予考虑。

[0066] 同时，该障碍物识别模型能够对采集的空间图像进行区域识别，如当扫地机器人处于房间边缘时，会根据采集的图像信息保持与房间边缘的合理距离，实现打扫卫生的同时又能避免与房间墙角等过近接触。从而使得制定出的扫地路线是依据真实地场景制定的，使得扫地更加智能，准确。

[0067] 在采集扫地机器人所在空间的图像可以采用多种方式，例如，较为常用的可以是直接拍照的方式，也可以是直接录像的方式。在采用直接拍照的方式进行采集时，之后可以依据拍照所得的照片来通过障碍物模型来识别出真正的障碍物；而在采用录像的方式进行采集时，之后，依据录像所是的录像资料来通过障碍物模型来识别出真正的障碍物。其中，该录像资料可以是一段时间内的录像资料，上述一段时间的时长可以依据空间的大小而灵活决定。

[0068] 在根据障碍物识别模型以及图像，识别出空间内真正的障碍物时，其中，该障碍物识别模型可以是通过在多种场景下获得的图片样品进行训练得到的，例如，可以是封闭空间内的场景，也可以是开放空间内的场景。该封闭内的场景可以是公开的空间的场景，也可以是私密空间内的场景。开放空间内的场景也可以是大型开放空间内的场景，例如，公园等，也可以是一些相对小的空间内的场景。

[0069] 在根据识别出的真正障碍物，执行扫地路线的规划时，可以依据真正障碍物的大小来制定扫地规划路线，也可以依据真正障碍物的形状来制定扫地规划路线，等。

[0070] 在制定好扫地路线时，在扫地机器人依据该扫地路线进行扫地时，可以在扫地的过程中，依据具体场景的变化，对制定的扫地路线进行调整。当然，在对扫地路线进行调整时，需要对应的触发调整的因素，例如，可以是扫地机器人的大小被限制了，导致扫地机器人到达不了，当然也可以是一些人为规定的因素，例如，人为规定扫地机器人所不能到达的地方，等。

[0071] 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。

[0072] 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。

[0073] 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系统，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。

[0074] 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。

[0075] 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。

[0076] 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。

[0077] 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。

标题	发布/更新时间	阅读量
采用面部追踪和情感检测及其相关的方法应用在一种交互式自适应学习及神经认知障碍诊断系统	2020-05-14	178
一种基于深度学习的实时检测及识别障碍物的方法	2020-05-13	124
一种改善学习记忆能力障碍的保健制剂的制备方法及用途	2020-05-13	261
人参皂苷Rg1、Rh1和Ppt抗认知、学习记忆功能障碍的用途	2020-05-13	915
Ppt抗认知、学习记忆功能障碍的用途	2020-05-11	533
敬钊毒素-V在制备抗认知、学习记忆功能障碍药物中的应用	2020-05-12	708
包含生姜提取物或姜烯酚的药物组合物	2020-05-15	228
改善伴有学习/记忆障碍和运动障碍等的中枢神经变性疾病的干燥植物组织和植物组织提取物以及含有它们的药品和食品	2020-05-14	938
清扫机器人的控制方法及装置	2020-05-15	41
心脑胶囊在制备学习记忆障碍改善药物中的应用	2020-05-12	244

清扫机器人的控制方法及装置

清扫机器人的控制方法及装置

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：