清扫机器人控制方法及装置制造方法及图纸

本发明专利技术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。本发明专利技术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。

Control method and device of cleaning robot

【技术实现步骤摘要】
清扫机器人控制方法及装置
本专利技术涉及清扫机器人控制
，具体而言，涉及一种清扫机器人控制方法及装置。
技术介绍
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。
技术实现思路
本专利技术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。根据本专利技术实施例的一个方面，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。根据本专利技术实施例的另一方面，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。根据本专利技术实施例的另一方面，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。根据本专利技术实施例的另一方面，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。在本专利技术实施例中，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专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是根据本专利技术实施例的清扫机器人控制方法的流程图；图2是根据本专利技术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
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都应当属于本专利技术保护的范围。需要说明的是，本专利技术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，以便这里描述的本专利技术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。根据本专利技术实施例，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。图1是根据本专利技术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；根据障碍本文档来自技高网...

【技术保护点】
1.一种清扫机器人控制方法，其特征在于，包括：/n获取障碍物的图像信息；/n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；/n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。/n

【技术特征摘要】
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...

【专利技术属性】
技术研发人员：吴少波，连园园，陈浩广，冯德兵，谌进，
申请(专利权)人：格力电器武汉有限公司，珠海格力电器股份有限公司，
类型：发明
国别省市：湖北;42