一种清洁方法、装置、电子设备及计算机可读存储介质制造方法及图纸

本发明专利技术公开了一种清洁方法、装置、电子设备及计算机可读存储介质。该方法包括：通过视觉传感器采集环境数据；若检测到环境数据中包括目标区域的特征，则根据目标区域的特征从环境数据中提取目标区域的多边形轮廓，其中，目标区域的特征通过预设的检测模型检测；将多边形轮廓投影至坐标系中，以在坐标系中划分目标区域和非目标区域；根据电子设备当前所处区域，采用相应的清洁模式对当前所处区域进行清洁。上述方案利用预先训练的检测模型根据环境数据提取目标区域的多边形轮廓，并投影至坐标系中，精准区分目标区域和非目标区域，并对不同区域采用不同的清洁模式，提高了检测目标区域的准确性以及清洁的灵活性。

【技术实现步骤摘要】
一种清洁方法、装置、电子设备及计算机可读存储介质
本专利技术实施例涉及人工智能
，尤其涉及一种清洁方法、装置、电子设备及计算机可读存储介质。
技术介绍
可移动的清洁设备能够自主导航并规划路径以执行清洁任务。清洁是指电子设备根据采集到的障碍物信息，在移动过程中感知环境中阻碍其通行的静态或动态物体，然后有效地清理这些物体，最后到达目标位置，完成清洁任务。在此过程当中，可能面临多样的清洁区域，如木质地板区域、水泥地面区域、大理石地面区域以及地毯区域等，对于不同的区域，清洁策略也不同，例如对于地毯区域，不适于用水清洗，需要尘推清理，将地毯内的灰尘和干垃圾吸走，以保持地毯区域的清洁。目前的电子设备在一些复杂场景中执行清洁任务时，工作模式单一固定，无法区分不同的区域有针对性地进行清洁，导致电子设备的使用具有较大的局限性，例如在大型商场、酒店、不同区域分布不规则等场景下，无法精确检测需要清洁的区域，不能满足实际需求。
技术实现思路
本专利技术实施例提供一种清洁方法、装置、电子设备及存储介质，通过利用预先训练的检测模型根据环境数据提取目标区域的多边形轮廓，并投影至坐标系中，精准地区分目标区域和非目标区域，并对不同区域采用不同的清洁模式，提高了检测目标区域的准确性以及清洁的灵活性。第一方面，本专利技术实施例提供了一种清洁方法，包括：通过视觉传感器采集环境数据；若检测到所述环境数据中包括目标区域的特征，则根据所述目标区域的特征从所述环境数据中提取所述目标区域的多边形轮廓，其中，所述目标区域的特征通过预设的检测模型检测；将所述多边形轮廓投影至坐标系中，以在所述坐标系中划分目标区域和非目标区域；根据电子设备当前所处区域，采用相应的清洁模式对当前所处区域进行清洁，其中，当前所处区域为目标区域或非目标区域。可选的，在通过视觉传感器采集环境数据之前，还包括：获取样本数据，所述样本数据包括视频帧和视频帧中的目标区域的标签；基于所述样本数据训练检测模型，所述检测模型用于检测所述环境数据中是否存在目标区域的特征。通过基于样本数据预先训练检测模型，使检测模型充分学习到目标区域的特征，能够有效准确地在环境中识别目标区域，能够提高识别目标区域的准确性。可选的，所述检测模型包括编码网络和解码网络；所述方法还包括：通过所述编码网络对所述环境数据进行多级下采样，得到第一分辨率的特征数据；通过所述解码网络对所述第一分辨率的特征数据进行多级上采样，得到第二分辨率的特征数据，所述第二分辨率高于所述第一分辨率；根据所述第一分辨率的特征数据和所述第二分辨率的特征数据检测所述环境数据中是否存在目标区域的特征。通过利用编码网络和解码网络的结构构建检测模型，先快速提取出特征数据，然后再恢复分辨率，得到高质量的特征数据，能够降低计算量，提高检测效率。可选的，所述通过所述解码网络对所述第一分辨率的特征数据进行多级上采样，包括：对于每级上采样，采用卷积操作将该级上采样的输入特征数据与相应级的下采样的输出特征数据融合；对融合后的特征数据进行上采样。通过将各级上采样的输入特征数据与相应级的下采样的输出特征数据融合，也即将第一分辨率的特征数据与第二分辨率的特征数据融合，能够得到完善准确的特征数据，从而改善特征处理的效果，进一步提高检测的准确性。可选的，所述样本数据包括第一样本数据和第二样本数据；其中，所述第一样本数据通过所述视觉传感器采集得到；所述第二样本数据通过对所述第一样本数据采用以下至少一种方式处理得到：平移、翻转、旋转。通过对第一样本数据进行扩展得到更多的第二样本数据，提供更丰富的样本数据，能够训练检测模型学习更丰富更具体的目标区域的特征，进一步提高检测的准确性。可选的，所述检测模型包括以下之一：图像级联网络；转换分割网络；双边分割网络；全卷积语义分割网络。通过可选择的预设类型的语义分割网络构建检测模型，能够提高检测模型的灵活性，可适用于不同的应用场景，满足不同的实际需求。可选的，所述将所述多边形轮廓投影至坐标系中，包括：根据所述环境数据与所述坐标系之间的单应性关系，将所述多边形轮廓投影至所述坐标系中，并标记所述坐标系中的目标区域的网格分数。通过利用单应性关系，能够将目标区域的多边形轮廓精准地投影至坐标系中，明确划分不同的区域，提高检测区域的准确性。可选的，还包括：对激光传感器和视觉传感器进行标定，以获取所述环境数据与所述坐标系之间的单应性关系；其中，所述激光传感器用于采集点云数据，所述坐标系基于所述点云数据建立。通过对激光传感器和视觉传感器进行标定，统一两者的坐标系，能够充分结合激光传感器采集的点云数据以及视觉传感器采集的环境数据，降低空间位置感知的误差，进一步保证检测目标区域的精确性。第二方面，本专利技术实施例还提供了一种清洁装置，包括：采集模块，用于通过视觉传感器采集环境数据；提取模块，用于若检测到所述环境数据中包括目标区域的特征，则根据所述目标区域的特征，从所述环境数据中提取所述目标区域的多边形轮廓，其中，所述目标区域的特征通过预设的检测模型检测；投影模块，用于将所述多边形轮廓投影至坐标系中，以在所述坐标系中划分目标区域和非目标区域；清洁模块，用于根据电子设备当前所处区域，采用相应的清洁模式对当前所处区域进行清洁，其中，当前所处区域为目标区域或非目标区域。可选的，还包括：样本获取模块，用于在通过视觉传感器采集环境数据之前，获取样本数据，所述样本数据包括视频帧和视频帧中的目标区域的标签；模型训练模块，用于基于所述样本数据训练检测模型，所述检测模型用于检测所述环境数据中是否存在目标区域的特征。可选的，检测模型包括编码网络和解码网络；所述装置还包括：下采样模块，用于通过所述编码网络对所述环境数据进行多级下采样，得到第一分辨率的特征数据；上采样模块，用于通过所述解码网络对所述第一分辨率的特征数据进行多级上采样，得到第二分辨率的特征数据，所述第二分辨率高于所述第一分辨率；检测模块，用于根据所述第一分辨率的特征数据和所述第二分辨率的特征数据检测所述环境数据中是否存在目标区域的特征。可选的，上采样模块，具体用于：对于每级上采样，采用卷积操作将该级上采样的输入特征数据与相应级的下采样的输出特征数据融合；对融合后的特征数据进行上采样。可选的，所述样本数据包括第一样本数据和第二样本数据；其中，所述第一样本数据通过所述视觉传感器采集得到；所述第二样本数据通过对所述第一样本数据采用以下至少一种方式处理得到：平移、翻转、旋转。可选的，所述检测模型包括以下之一：图像级联网络；转换分割网络；双边分割网络；全卷积语义分割网络。可选的，投影模块，具体用于：根据所述环境数据与所述坐标系之间的单应性关系本文档来自技高网...

【技术保护点】
1.一种清洁方法，其特征在于，包括：/n通过视觉传感器采集环境数据；/n若检测到所述环境数据中包括目标区域的特征，则根据所述目标区域的特征从所述环境数据中提取所述目标区域的多边形轮廓，其中，所述目标区域的特征通过预设的检测模型检测；/n将所述多边形轮廓投影至坐标系中，以在所述坐标系中划分目标区域和非目标区域；/n根据电子设备当前所处区域，采用相应的清洁模式对当前所处区域进行清洁，其中，当前所处区域为目标区域或非目标区域。/n

【技术特征摘要】
1.一种清洁方法，其特征在于，包括：
通过视觉传感器采集环境数据；
若检测到所述环境数据中包括目标区域的特征，则根据所述目标区域的特征从所述环境数据中提取所述目标区域的多边形轮廓，其中，所述目标区域的特征通过预设的检测模型检测；
将所述多边形轮廓投影至坐标系中，以在所述坐标系中划分目标区域和非目标区域；
根据电子设备当前所处区域，采用相应的清洁模式对当前所处区域进行清洁，其中，当前所处区域为目标区域或非目标区域。


2.根据权利要求1所述的方法，其特征在于，在通过视觉传感器采集环境数据之前，还包括：
获取样本数据，所述样本数据包括视频帧和视频帧中的目标区域的标签；
基于所述样本数据训练检测模型，所述检测模型用于检测所述环境数据中是否存在目标区域的特征。


3.根据权利要求2所述的方法，其特征在于，所述检测模型包括编码网络和解码网络；
所述方法还包括：
通过所述编码网络对所述环境数据进行多级下采样，得到第一分辨率的特征数据；
通过所述解码网络对所述第一分辨率的特征数据进行多级上采样，得到第二分辨率的特征数据，所述第二分辨率高于所述第一分辨率；
根据所述第一分辨率的特征数据和所述第二分辨率的特征数据检测所述环境数据中是否存在目标区域的特征。


4.根据权利要求3所述的方法，其特征在于，所述通过所述解码网络对所述第一分辨率的特征数据进行多级上采样，包括：
对于每级上采样，采用卷积操作将该级上采样的输入特征数据与相应级的下采样的输出特征数据融合；
对融合后的特征数据进行上采样。


5.根据权利要求2所述的方法，其特征在于，所述样本数据包括第一样本数据和第二样本数据；其中，
所述第一样本数据通过所述视觉传感器采集得到；
所述第二样本数据通过对所述第一样本数据采用以下至少一种方式处...

【专利技术属性】
技术研发人员：沈孝通，金伟，秦宝星，程昊天，
申请(专利权)人：上海高仙自动化科技发展有限公司，
类型：发明
国别省市：上海;31