漏扫检测方法及扫地机器人与流程
本公开涉及一种漏扫检测方法及扫地机器人。
背景技术:
1、现有扫地机器人在进行漏扫检测时,通常以机身轨迹覆盖或地图区域访问记录作为判定已清扫的依据。然而,在实际作业中,清扫组件相对于机身存在安装偏移,其实际作用范围与机身轨迹并不完全重合。仅依赖机身经过进行判定,无法准确反映清扫组件对地面的真实清洁效果,容易导致局部区域虽被机身路径覆盖但实际未被有效清洁,从而造成漏扫检测不准确的问题。
技术实现思路
1、本公开提供了一种漏扫检测方法及扫地机器人。
2、根据本公开的一个方面,提供了一种漏扫检测方法,包括:将待检测区域划分为多个栅格单元;获取扫地机器人在清扫过程中的位姿序列及清扫组件配置参数,位姿序列包括按时间顺序记录的扫地机器人全局位置坐标与航向角;基于清扫组件配置参数和位姿序列确定清扫组件作用区域;基于清扫组件配置参数、位姿序列以及各栅格单元与清扫组件作用区域的空间重叠关系,计算各栅格单元在各时刻的有效清扫足迹贡献值;基于有效清扫足迹贡献值,递归更新各栅格单元的清扫状态置信度;基于更新后的清扫状态置信度计算各栅格单元的漏扫概率;将漏扫概率超过阈值的栅格单元进行连通域分析,根据分析结果输出漏扫区域。
3、根据本公开的一个方面的技术方案,漏扫检测方法通过获取位姿序列及清扫组件配置参数确定清扫组件作用区域,并结合空间重叠关系计算有效清扫足迹贡献值,直接量化清扫组件对各栅格单元的实际覆盖程度。随后基于有效清扫足迹贡献值递归更新清扫状态置信度,并推导漏扫概率,最终通过连通域分析提取并输出漏扫区域。漏扫检测方法将清扫状态判定依据从机身轨迹转移至清扫组件作用区域,准确识别机身路径经过但清扫组件未有效作用的局部区域,从而解决背景技术中仅依赖机身经过导致漏扫检测不准确的问题。
4、根据本公开的至少一个实施例的漏扫检测方法,计算各栅格单元在各时刻的有效清扫足迹贡献值,包括:基于栅格单元中心与清扫组件中心的相对位置,构建清扫足迹高斯核模型以表征清扫组件的足迹分布;结合机器人运动方向与栅格单元的相对角度,计算清扫方向性增强系数;将清扫足迹高斯核模型与清扫方向性增强系数融合,得到有效清扫足迹贡献值。
5、在本实施例的技术方案中,漏扫检测方法通过栅格单元中心与清扫组件中心的相对位置构建清扫足迹高斯核模型,精确表征清扫组件在物理空间中的概率分布范围。同时依据机器人运动方向与栅格单元的相对角度计算清扫方向性增强系数,量化运动方向对清扫覆盖效率的影响。将清扫足迹高斯核模型与清扫方向性增强系数融合得到有效清扫足迹贡献值。该处理方式将清扫组件的几何覆盖特性与运动学特性进行量化建模,提升有效清扫足迹贡献值的计算精度,为后续清扫状态置信度的递归更新提供可靠的数据输入,增强漏扫检测方法对实际作业场景的适应性与稳定性。
6、根据本公开的至少一个实施例的漏扫检测方法,计算各栅格单元在各时刻的有效清扫足迹贡献值之前,还包括:获取扫地机器人在清扫过程中的多帧环境观测数据;根据多帧环境观测数据确认障碍物轮廓边界;基于障碍物轮廓边界与清扫方向的相对几何关系,计算各栅格单元对应的障碍阴影系数。
7、在本实施例的技术方案中,通过获取多帧环境观测数据确认障碍物轮廓边界,并结合障碍物轮廓边界与清扫方向的相对几何关系计算障碍阴影系数,量化障碍物对清扫覆盖区域造成的几何遮挡衰减程度,准确识别因障碍物遮挡导致的清扫盲区,提升有效清扫足迹贡献值计算的准确性,避免将障碍物后方未清扫区域误判为已清扫区域。
8、根据本公开的至少一个实施例的漏扫检测方法,递归更新各栅格单元的清扫状态置信度之前,还包括:基于多帧环境观测数据,计算各栅格单元对应的遮挡持久性系数、轮廓边界不确定性系数及机器人位姿不确定性系数;遮挡持久性系数基于障碍物在时间窗内的出现频次与连续存在比例计算,轮廓边界不确定性系数基于传感器识别的障碍物轮廓抖动幅值计算,机器人位姿不确定性系数基于机器人的平移方差与角度方差计算。
9、在本实施例的技术方案中,基于多帧环境观测数据分别计算遮挡持久性系数、轮廓边界不确定性系数及机器人位姿不确定性系数,综合评估障碍物存在的时空稳定性、传感器识别边界误差以及机器人定位漂移误差,修正环境动态变化与传感器噪声对状态估计的影响,增强清扫状态置信度递归更新过程的鲁棒性与抗干扰能力。
10、根据本公开的至少一个实施例的漏扫检测方法,根据有效清扫足迹贡献值,递归更新各栅格单元的清扫状态置信度,包括:将有效清扫足迹贡献值、障碍阴影系数、遮挡持久性系数、轮廓边界不确定性系数及机器人位姿不确定性系数进行连乘运算,得到各栅格单元在当前时刻的有效清扫贡献概率;基于有效清扫贡献概率与清扫状态置信度的历史更新值,执行贝叶斯概率递归更新,输出更新后的清扫状态置信度。
11、在本实施例的技术方案中,将有效清扫足迹贡献值与障碍阴影系数、遮挡持久性系数、轮廓边界不确定性系数及机器人位姿不确定性系数进行连乘运算得到有效清扫贡献概率,并基于有效清扫贡献概率与清扫状态置信度的历史更新值执行贝叶斯概率递归更新。该处理方式实现几何覆盖、遮挡衰减与时空不确定性多源信息的概率融合,通过时间序列上的概率累积与修正,平滑单帧观测波动,准确反映栅格单元被有效清扫的累积状态,提高状态估计的连续性。
12、根据本公开的至少一个实施例的漏扫检测方法,基于更新后的清扫状态置信度计算各栅格单元的漏扫概率,包括:计算清扫状态置信度的补集,将补集作为漏扫概率。
13、在本实施例的技术方案中,通过计算清扫状态置信度的补集并将补集作为漏扫概率,建立已清扫状态与未清扫状态之间的直接数学映射关系,以简洁的计算逻辑实现清扫确定性与漏扫可能性的快速转换,为后续连通域分析提供明确的风险量化指标,降低系统计算复杂度并提升实时处理能力。
14、根据本公开的至少一个实施例的漏扫检测方法,基于更新后的清扫状态置信度计算各栅格单元的漏扫概率之后,还包括:对漏扫概率执行时序一致性滤波,采用当前时刻漏扫概率与上一时刻平滑值的指数加权平均,抑制瞬时噪声;对滤波后的漏扫概率执行空间一致性增强,基于相邻栅格单元的空间距离构建空间关联权重,利用所述空间关联权重对中心栅格单元的漏扫概率进行局部加权融合。
15、在本实施例的技术方案中,通过对漏扫概率执行时序一致性滤波,利用当前时刻漏扫概率与上一时刻平滑值的指数加权平均抑制瞬时噪声,消除单帧数据波动引起的概率跳变。同时对滤波后的漏扫概率执行空间一致性增强,基于相邻栅格单元的空间距离与区域材质一致性构建空间关联权重,并利用空间关联权重对中心栅格单元的漏扫概率进行局部加权融合。该处理方式在时间维度上平滑概率序列,在空间维度上利用邻域拓扑关系修正孤立异常点,提升漏扫概率分布的连续性与平滑度,增强检测结果在复杂动态环境下的稳定性。
16、根据本公开的至少一个实施例的漏扫检测方法,将漏扫概率超过预设阈值的栅格单元进行连通域分析,得到漏扫区域,包括:将经过空间一致性增强后的漏扫概率超过检测阈值的相邻栅格单元聚合为漏扫连通域;计算漏扫连通域的区域置信度;当区域置信度不低于置信度阈值且漏扫连通域的栅格覆盖面积不小于面积阈值时,将漏扫连通域确定为最终漏扫区域。
17、在本实施例的技术方案中,将经过空间一致性增强后的漏扫概率超过检测阈值的相邻栅格单元聚合为漏扫连通域,并计算漏扫连通域的区域置信度。当区域置信度不低于置信度阈值且漏扫连通域的栅格覆盖面积不小于面积阈值时,将漏扫连通域确定为最终漏扫区域。上述处理方式通过连通域聚合将离散的栅格级概率转化为连续的区域级判定结果,结合区域置信度与栅格覆盖面积的双重条件过滤,有效剔除由随机噪声或微小干扰产生的碎片化虚假区域,确保输出的最终漏扫区域具备明确的物理边界与可执行的补扫价值。
18、根据本公开的至少一个实施例的漏扫检测方法,清扫组件配置参数至少包括主刷、边刷或拖布中的一种的安装位置、外形尺寸、作用宽度及相对机身姿态;位姿序列和多帧环境观测数据通过激光雷达、视觉传感器、结构光传感器或飞行时间传感器中的至少一种获取。
19、在本实施例的技术方案中,清扫组件配置参数包含主刷、边刷或拖布的安装位置、外形尺寸、作用宽度及相对机身姿态,为清扫组件作用区域的空间几何重叠关系计算提供精确的物理维度输入。同时位姿序列和多帧环境观测数据通过激光雷达、视觉传感器、结构光传感器或飞行时间传感器中的至少一种获取,保障多维感知数据输入的硬件兼容性。该处理方式提升算法模型对不同类型清扫执行机构与感知模组的适配能力,便于在不同硬件架构的扫地机器人上部署与复用。
20、根据本公开的一个方面,提供了一种扫地机器人,包括:控制器,控制器用于执行如上述任一项的漏扫检测方法。
21、在本实施例的技术方案中,控制器集成漏扫检测方法的计算逻辑与状态更新指令,实时处理位姿序列、多帧环境观测数据及清扫组件配置参数,完成有效清扫足迹贡献值计算、清扫状态置信度递归更新及漏扫区域提取。该处理方式将算法软件逻辑与硬件执行单元结合,赋予扫地机器人自主识别与定位漏扫区域的能力,实现清扫任务的全流程闭环控制,提升整机的智能化水平与清洁作业覆盖率。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com