一种基于机器人的清洁方法、装置及机器人制造方法及图纸

本发明专利技术实施例公开了一种基于机器人的清洁方法、装置及机器人，其中，方法包括：获取清洁任务和待清洁场景的点云数据和/或场景图像，所述清洁任务包括立面清洁任务和垃圾拾取任务；根据待清洁场景的点云数据和/或场景图像识别所述待清洁场景中待清洁物体的位姿信息；根据所述待清洁物体的位姿信息规划出与所述清洁任务相对应的清洁轨迹；基于所述清洁轨迹控制机器人执行所述清洁任务。采用本发明专利技术，可针对各种复杂场景下不同类型的清洁任务，对待清洁物体进行快速精准的清洁。待清洁物体进行快速精准的清洁。待清洁物体进行快速精准的清洁。

【技术实现步骤摘要】
一种基于机器人的清洁方法、装置及机器人


[0001]本专利技术涉及清洁机器人
，特别是涉及一种基于机器人的清洁方法、装置及机器人。

技术介绍

[0002]随着经济与科技的不断进度，清洁服务机器人逐渐进入了人们的视野。清洁服务机器人可自主或半自主的完成清洁任务的机器人，将人们从繁杂的清洁工作中解脱出来，广泛应用地铁站，机场，园区、公共卫生间。虽然清洁机器人技术取得很大进步，但是机器人对于复杂的场景尚不能进行快速精准地清洁。

技术实现思路

[0003]本专利技术实施例旨在提供一种基于机器人的清洁方法、装置及机器人，以解决现有技术中机器人在复杂场景下不能快速精准地清洁的问题。
[0004]为解决上述技术问题，本专利技术实施例提供以下技术方案：
[0005]根据本专利技术的一方面，提供一种基于机器人的清洁方法，所述方法包括：
[0006]获取清洁任务和待清洁场景的点云数据和/或场景图像，所述清洁任务包括立面清洁任务和垃圾拾取任务；
[0007]根据所述待清洁场景的点云数据和/或场景图像识别所述待清洁场景中待清洁物体的位姿信息；
[0008]根据所述待清洁物体的位姿信息规划出与所述清洁任务相对应的清洁轨迹；
[0009]基于所述清洁轨迹控制机器人执行所述清洁任务。
[0010]可选地，根据所述待清洁场景的点云数据和/或场景图像识别所述待清洁场景中待清洁物体的位姿信息包括：
[0011]根据所述待清洁场景的点云数据基于点云匹配方法识别所述待清洁场景中待清洁物体的位姿信息；
[0012]当基于点云匹配方法识别所述待清洁场景中待清洁物体的位姿信息失败时，基于卷积神经网络的物体分割和位姿估计方法识别所述待清洁场景中待清洁物体的位姿信息。
[0013]可选地，根据所述待清洁场景的点云数据基于点云匹配方法识别所述待清洁场景中待清洁物体的位姿信息包括：
[0014]对所述待清洁场景的点云数据进行预处理得到所述待清洁场景中待清洁物体的点云；
[0015]将所述待清洁物体的点云与预设的模型点云进行匹配，识别所述待清洁场景中待清洁物体的位姿信息。
[0016]可选地，所述基于卷积神经网络的物体分割和位姿估计方法识别所述待清洁场景中待清洁物体的位姿信息包括：
[0017]将所述待清洁场景的场景图像输入到预设的卷积神经网络模型中识别所述待清
洁场景中待清洁物体的位姿信息；
[0018]所述预设的卷积神经网络模型先对所述场景图像进行特征提取，生成多个不同通道的特征图，再将所述多个不同通道的特征图分别输入到语义分割、平移矩阵预测和旋转矩阵预测三个任务分支，得到待清洁物体的语义标签、3D位置和3D姿态，然后根据所述待清洁物体的语义标签、3D位置和3D姿态确定出所述待清洁场景中待清洁物体的位姿信息。
[0019]可选地，所述基于所述清洁轨迹控制机器人执行所述清洁任务包括：
[0020]基于广义动量的力矩观测器获得机器人机械臂受到的接触力矩；
[0021]将所述接触力矩输入到导纳模型中得到机械臂关节运动的加速度，将所述加速度积分后的偏移位移与所述清洁轨迹相融合得到修正清洁轨迹；
[0022]基于所述修正清洁轨迹计算出驱动机械臂运动关节电机所需的修正力矩；
[0023]基于所述修正力矩控制机器人执行所述清洁任务。
[0024]可选地，当所述清洁任务为垃圾拾取任务时，根据所述待清洁物体的位姿信息规划出与所述清洁任务相对应的清洁轨迹包括：
[0025]根据所述待清洁物体的位姿信息，基于快速搜索随机树RRT算法规划出机械臂抓取所述待清洁物体的抓取轨迹。
[0026]可选地，当所述清洁任务为立面清洁任务时，根据所述待清洁物体的位姿信息规划出与所述清洁任务相对应的清洁轨迹包括：
[0027]根据所述待清洁物体的位姿信息，规划出机械臂垂直于所述待清洁物体表面的全覆盖清洁路径轨迹。
[0028]根据本专利技术的另一方面，提供一种基于机器人的清洁装置，包括：
[0029]数据获取模块，用于获取清洁任务和待清洁场景的点云数据和/或场景图像，所述清洁任务包括立面清洁任务和垃圾拾取任务；
[0030]位姿识别模块，用于根据所述待清洁场景的点云数据和/或场景图像识别所述待清洁场景中待清洁物体的位姿信息；
[0031]轨迹规划模块，用于根据所述待清洁物体的位姿信息规划出与所述清洁任务相对应的清洁轨迹；
[0032]清洁控制模块，用于基于所述清洁轨迹控制机器人执行所述清洁任务。
[0033]根据本专利技术的再一方面，提供一种机器人，包括存储器、处理器及存储在存储器上运行的计算机程序，所述处理器执行所述程序时实现上述任一项所述的基于机器人的清洁方法的步骤。
[0034]根据本专利技术的再一方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时，所述处理器执行上述任一项所述的基于机器人的清洁方法的步骤。
[0035]本专利技术实施例的有益效果是：区别于现有技术的情况，本专利技术实施例中，获取清洁任务和待清洁场景的点云数据和/或场景图像，所述清洁任务包括立面清洁任务和垃圾拾取任务；根据待清洁场景的点云数据和/或场景图像识别所述待清洁场景中待清洁物体的位姿信息；根据所述待清洁物体的位姿信息规划出与所述清洁任务相对应的清洁轨迹；基于所述清洁轨迹控制机器人执行所述清洁任务。采用本专利技术，可针对各种复杂场景下不同类型的清洁任务，对待清洁物体进行快速精准的清洁。
附图说明
[0036]一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
[0037]图1是本专利技术实施例一提供的一种可选的基于机器人的清洁方法流程图；
[0038]图2是本专利技术实施例一提供的另一种可选的待清洁问题的位姿识别方法流程图；
[0039]图3是本专利技术实施例一提供的一种可选的卷积神经网络的结构图；
[0040]图4是本专利技术实施例二提供的一种可选的基于机器人的清洁装置的结构示意图；
[0041]图5为本专利技术是实施例三提供的一种可选的机器人的结构示意图。
具体实施方式
[0042]为使本专利技术实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本专利技术一部分实施例，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，都属于本专利技术保护的范围。
[0043]此外，下面所描述的本专利技术各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
[0044]实施例一
[0045]根据本专利技术实施例，提供一种基于机本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器人的清洁方法，其特征在于，所述方法包括：获取清洁任务和待清洁场景的点云数据和/或场景图像，所述清洁任务包括立面清洁任务和垃圾拾取任务；根据所述待清洁场景的点云数据和/或场景图像识别所述待清洁场景中待清洁物体的位姿信息；根据所述待清洁物体的位姿信息规划出与所述清洁任务相对应的清洁轨迹；基于所述清洁轨迹控制机器人执行所述清洁任务。2.根据权利要求1所述的方法，其特征在于，根据所述待清洁场景的点云数据和/或场景图像识别所述待清洁场景中待清洁物体的位姿信息包括：根据所述待清洁场景的点云数据基于点云匹配方法识别所述待清洁场景中待清洁物体的位姿信息；当基于点云匹配方法识别所述待清洁场景中待清洁物体的位姿信息失败时，基于卷积神经网络的物体分割和位姿估计方法识别所述待清洁场景中待清洁物体的位姿信息。3.根据权利要求2所述的方法，其特征在于，根据所述待清洁场景的点云数据基于点云匹配方法识别所述待清洁场景中待清洁物体的位姿信息包括：对所述待清洁场景的点云数据进行预处理得到所述待清洁场景中待清洁物体的点云；将所述待清洁物体的点云与预设的模型点云进行匹配，识别所述待清洁场景中待清洁物体的位姿信息。4.根据权利要求2所述的方法，其特征在于，所述基于卷积神经网络的物体分割和位姿估计方法识别所述待清洁场景中待清洁物体的位姿信息包括：将所述待清洁场景的场景图像输入到预设的卷积神经网络模型中识别所述待清洁场景中待清洁物体的位姿信息；所述预设的卷积神经网络模型先对所述场景图像进行特征提取，生成多个不同通道的特征图，再将所述多个不同通道的特征图分别输入到语义分割、平移矩阵预测和旋转矩阵预测三个任务分支，得到待清洁物体的语义标签、3D位置和3D姿态，然后根据所述待清洁物体的语义标签、3D位置和3D姿态确定出所述待清洁场景中待清洁物体的位姿信息。5.根据权利要求1所送的方法，其特征在于，所述基于所述清洁轨迹控制机器人执行所述清洁...

【专利技术属性】
技术研发人员：王振斌，罗作煌，
申请(专利权)人：深圳亿嘉和科技研发有限公司，
类型：发明
国别省市：