扫地机器人的路径控制方法、装置及扫地机器人与流程

1.本发明涉及扫地机器人技术领域，尤其涉及一种扫地机器人的路径控制方法、装置及扫地机器人。


背景技术：

2.扫地机器人，又称自动打扫机、智能吸尘、机器人吸尘器等，是智能家用电器的一种，能凭借一定的人工智能，自动在房间内完成地板清理工作。目前的扫地机器人方案，预先构建地图然后在扫地机器人工作时根据地图进行路径的划分，但是其路径规划往往没有考虑室内环境的特殊性，得到的规划路径并不是最优的路径，影响了扫地机器人的工作效率。


技术实现要素：

3.基于此，有必要针对上述问题，提出了一种扫地机器人的路径控制方法、装置及扫地机器人。
4.在本发明的第一部分，提供了一种扫地机器人的路径控制方法，所述方法包括：获取预先构建的地图，根据历史数据对地图进行划分，将地图划分成多个区域，并确定多个区域之间的连通关系；根据区域之间的连通关系对每一个区域进行路径规划，确定每一个区域的至少一条子路径；根据每个区域的至少一条子路径以及区域之间的连通关系，确定至少一条备选路径；针对每一条备选路径，分别计算其在多个路径评价维度下的代价值得分，根据预设的路径评价维度系数和在多个路径评价维度下的代价值得分计算每一条备选路径的代价值，所述路径评价维度包括了备选路径的路径长度、运动时间、耗电量、重复路径长度、重复区域面积大小中的一个或多个；根据代价值从至少一条备选路径中确定一条备选路径作为目标规划路径。
5.可选的，所述根据历史数据对地图进行划分，将地图划分成多个区域，并确定多个区域之间的连通关系的步骤，还包括：将地图划分成多个网格；在多个网格中确定多个基础网格点，基于每一个基础网格点在地图划分成的网格中向外进行膨胀，以获取每一个基础网格点对应的膨胀后的矩形区域，其中，在遇到障碍物时停止膨胀、或在障碍物区域对应的网格数量大于预设值的情况下停止膨胀；针对多个矩形区域：根据矩形区域之间的重复关系和包含关系，对多个矩形区域进行第一区域处理操作，其中，第一区域处理操作包含去重操作、删除操作、合并操作中的一个或多个；遍历每一个矩形区域，计算遍历到的第一矩形区域与其他存在重叠区域的第二矩
形区域之间的重叠面积与第一矩形区域/第二矩形区域之间的区域大小比值作为第一比值/第二比值；若第一比值和第二比值均大于预设的比值阈值，则将第一矩形区域和第二矩形区域进行合并处理；若第一比值小于预设的比值阈值，和/或，第二比值小于预设的比值阈值，将第一矩形区域和第二矩形区域进行分割处理，其中，在第一比值小于第二比值的情况下，分割处理为将第一矩形区域和第二矩形区域的相交区域从第一矩形区域中删除。
6.可选的，所述根据历史数据对地图进行划分，将地图划分成多个区域，并确定多个区域之间的连通关系的步骤，还包括：在将第一矩形区域和第二矩形区域的相交区域从第一矩形区域中删除的过程中，将第一矩形区域和第二矩形区域之间的相交线作为分割线，将分割线作为分割处理之后的第一矩形区域和第二矩形区域对应的区域之间的连通位置。
7.可选的，所述根据区域之间的连通关系对每一个区域进行路径规划，确定每一个区域的至少一条子路径的步骤，还包括：对每一个区域进行路径规划，以获取起点和终点均在与其他区域的连通位置的规划路径作为备选子路径；分别计算每一条备选子路径的代价值，分别计算其在多个路径评价维度下的代价值得分，根据预设的路径评价维度系数和在多个路径评价维度下的代价值得分计算每一条备选子路径的代价值，所述路径评价维度包括了备选子路径的路径长度、运动时间、耗电量、重复路径长度、重复区域面积大小中的一个或多个；根据代价值在备选子路径中确定一条或多条备选子路径作为区域对应的至少一条子路径。
8.可选的，所述方法还包括：在扫地机器人进行清扫的过程中，记录每一个区域的清扫时长、单位耗电量和打扫模式；根据历史数据，确定每一个区域的单位耗电量以及打扫模式，确定每一个区域的平均耗电量；所述根据代价值从至少一条备选路径中确定一条备选路径作为目标规划路径的步骤，还包括：根据每一个区域的平均耗电量，计算每一条备选路径的总耗电量；判断总耗电量是否小于或等于预设的电量阈值，其中，电量阈值为扫地机器人的总电量；可选的，所述方法还包括：在扫地机器人基于目标规划路径运动到待打扫区域时，通过设置在扫地机器人上的摄像装置，获取待打扫区域的目标图像并对采集到的目标图像进行图像识别，以确定待打扫区域的区域特征，根据区域特征在预设的多个打扫模式中，确定与待打扫区域对应的目标打扫模式；基于目标打扫模式和目标规划路径，对待打扫区域进行打扫。
9.可选的，所述通过设置在扫地机器人上的摄像装置，获取待打扫区域的目标图像并对采集到的目标图像进行图像识别，以确定待打扫区域的区域特征的步骤，还包括：将目标图像转换成灰度图像，以得到灰度图像的目标图像；
计算所述目标图像的每一行包含的像素点的灰度平均值，计算每个像素点与所在行的灰度平均值之间的差值作为灰度差值，基于灰度差值计算每一行下的灰度标准差；计算灰度值小于根据灰度标准差确定的极限误差阈值的像素点的每一行的灰度平均值，根据每一行的灰度平均值生成第一差分图像；根据目标图像与第一差分图像之间的灰度差值的绝对值的确定第二差分图像，并对第二差分图像进行二值化处理，以得到二值化的第二差分图像；计算所述目标图像的每一列包含的像素点的灰度平均值，计算每个像素点与所在列的灰度平均值之间的差值作为灰度差值，基于灰度差值计算每一列下的灰度标准差；计算灰度值小于根据灰度标准差确定的极限误差阈值的像素点的每一列的灰度平均值，根据每一列的灰度平均值生成第三差分图像；根据目标图像与第三差分图像之间的灰度差值的绝对值的确定第四差分图像，并对第四差分图像进行二值化处理，以得到二值化的第四差分图像；对第二差分图像和第四差分图像进行融合处理，以得到第五差分图像，第五差分图像为二值化图像；对第五差分图像进行识别，以确定所述目标图像中的roi区域；获取所述目标图像中roi区域的图像作为检测图像；获取预设的多个打扫模式对应特征模板，基于特征模板对所述检测图像进行特征提取，以获取检测图像在每一个特征模板下包含的特征及其置信度；根据置信度确定一个特征模板下的特征作为所述区域特征。
10.在本发明的第二部分，提供了一种扫地机器人的路径控制装置，包括：区域划分模块，用于获取预先构建的地图，根据历史数据对地图进行划分，将地图划分成多个区域，并确定多个区域之间的连通关系；区域路径规划模块，用于根据区域之间的连通关系对每一个区域进行路径规划，确定每一个区域的至少一条子路径；路径连通模块，用于根据每个区域的至少一条子路径以及区域之间的连通关系，确定至少一条备选路径；代价计算模块，用于针对每一条备选路径，分别计算其在多个路径评价维度下的代价值得分，根据预设的路径评价维度系数和在多个路径评价维度下的代价值得分计算每一条备选路径的代价值，所述路径评价维度包括了备选路径的路径长度、运动时间、耗电量、重复路径长度、重复区域面积大小中的一个或多个；目标路径选择模块，用于根据代价值从至少一条备选路径中确定一条备选路径作为目标规划路径。
11.在本发明的第三部分，提供了一种扫地机器人，所述扫地机器人包括存储器和处理器，所述存储器有可执行代码，当所述可执行代码在所述处理器上运行以实现如上述第一部分提所述的扫地机器人的路径控制方法采用本发明实施例，具有如下有益效果：采用了上述扫地机器人的路径控制方法、装置及扫地机器人之后，在扫地机器人进行打扫之前，首先需要针对预先构建的地图进行区域划分以得到多个区域，并确定多个区域之间的连通关系；根据区域之间的连通关系对每一个区域进行路径规划，确定每一个
区域的至少一条子路径；根据每个区域的至少一条子路径以及区域之间的连通关系，确定至少一条备选路径；针对每一条备选路径，分别计算其在多个路径评价维度下的代价值得分，根据预设的路径评价维度系数和在多个路径评价维度下的代价值得分计算每一条备选路径的代价值，所述路径评价维度包括了备选路径的路径长度、运动时间、耗电量、重复路径长度、重复区域面积大小中的一个或多个；根据代价值从至少一条备选路径中确定一条备选路径作为目标规划路径。其中，合理的对区域进行划分，将地图整体的路径规划分割成多个区域的路径规划问题，可以在保障规划路径的全局最优的情况下，降低路径规划的计算量，提高扫地机器人进行打扫工作的工作效率。
附图说明
12.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
13.其中：图1为一个实施例中一种扫地机器人的路径控制方法的流程示意图；图2为一个实施例中一种扫地机器人的路径控制装置的组成示意图；图3为一个实施例中运行上述扫地机器人的路径控制的计算机设备的结构示意图。
具体实施方式
14.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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
15.在本实施例中，提供了一种扫地机器人的路径控制方法，该方法的实现可以是基于一扫地机器人。
16.在本实施例中，为了通过扫地机器人对全屋的打扫，需要预先构建全屋的地图，然后基于构建的地图进行路径规划，使得扫地机器人可以根据规划的路径进行运动，并在运动过程中完成全屋的清扫，为用户减轻清扫任务。
17.其中，如何对扫地机器人的路径进行规划，以得到重复路径少、且能覆盖地图中所有区域的路径，是扫地机器人中一个重要的环节。在本实施例中，提供了一种扫地机器人的路径控制方法，可以优化扫地机器人的路径规划，以使得扫地机器人在按照规划的路径进行运动和清扫时耗费的时间较短、或运动的路程较短。
18.具体的，请参见图1，图1给出了上述扫地机器人的路径控制方法的流程示意图，该方法包括：步骤s101：获取预先构建的地图，根据历史数据对地图进行划分，将地图划分成多个区域，并确定多个区域之间的连通关系。
19.获取扫地机器人的地图，该地图是预先根据扫地机器人采集的数据构建的地图，
例如，该地图为全屋地图。一般来讲，需要进行打扫的区域包括了一个或多个房间。在本实施例中，在进行路径规划之前，需要将地图划分成多个区域，其中，每个区域对应一个房间或者一个功能区域。其中，每一个区域为矩形形状或多个矩形的连通区域。
20.具体实施中，将地图划分为网格，网格的大小可以是根据地图的具体形状以及历史数据确认，例如，根据地图中包含的最小矩形的大小来确定，再例如，根据历史数据中障碍物所在区域的大小来确定。一般来讲，网格的大小小于地图中最小矩形的大小，也小于障碍物的大小，只有当网格足够小的情况下，才可以在后续基于网格的区域的划分足够准确。
21.在网格中均匀的选择若干个基础网格点，其中，基础网格点的数量大于最终确定的区域的数量，并且以远大于区域的数量为优。基于基础网格点对外进行膨胀，这里的膨胀是指向外一层网格进行膨胀，并且一层一层进行膨胀，以得到不能再膨胀的情况下的膨胀网格。需要说明的是，在这里，在进行膨胀时，不仅基于网格点向四周进行膨胀，还包括了在一个方向上的膨胀（即矩形的一边向外进行膨胀）。在这里，基础网格点的数量要足够多，才可以覆盖地图所在的全部区域。
22.如果膨胀的过程中遇到障碍物，如果障碍物所在区域的网格数量小于或等于预设的阈值，这里还是继续进行膨胀，但是，如果障碍物所在的区域的网格数量大于预设的阈值，则在遇到障碍物时就停止膨胀。经过网格膨胀之后，可以获得多个网格的矩形区域。需要说明的是，在这里，膨胀获取得到的多个矩形区域区域完全覆盖地图所在的区域，如果不是，则需要进一步的增加基础网格点，以使得通过基础网格点膨胀得到的多个矩形区域可以完全覆盖地图所在的区域。
23.这里，因为每一个基础网格点向外的膨胀都是自行进行膨胀的，因此，不同的基础网格点膨胀得到的矩形区域之间是存在重叠的，这里就需要对这些矩形区域进行进一步的处理，以得到最终划分的区域。
24.如果两个矩形区域重复，则删除重复的矩形区域，仅保留一个矩形区域；如果一个矩形区域a完全包含在另一个矩形区域b中，则删除矩形区域a，保留矩形区域b；而对于其他存在重叠区域的多个矩形区域，按照如下方法进行处理：任选一个矩形区域，确定与其存在重叠区域的所有的矩形区域，然后遍历每一个重叠的矩形区域，确定其对应的重叠面积，并计算该重叠面积与选择的矩形区域的面积的第一比值、以及该遍历到的矩形区域的编辑之间的第二比值，根据第一比值和第二比值是否均大于或等于预设的阈值来确定是否将这两个矩形区域进行合并处理。若是，则合并，若不是，则将2个矩形区域的相交区域从其中一个矩形区域中删除，例如，确定第一比值和第二比值的大小，确定比值较小的矩形区域，将相交区域从该比值较小的矩形区域中删除，以得到删除相交区域之后的矩形区域、以及比值较大的完整的矩形区域。
25.然后，对于处理之后的区域，也作为一个矩形区域，并继续进行上述矩形区域之间的重叠面积的处理，以矩形区域之间不再存在重叠面积的情况下终止。
26.在这个过程中，在区域的获取过程中，将局域之间的相交区域从某一个区域中删除时的删除动作，根据区域之间的相交关系来确定两个区域时间是连通的，然后确定区域与区域之间的连通关系。也就是说，在本步骤中，通过上述对区域的处理，获取了多个区域，每个区域对应了一个房间或者一个相对独立的区域。
27.步骤s102：根据区域之间的连通关系对每一个区域进行路径规划，确定每一个区域的至少一条子路径。
28.在本实施例中，每一个区域进行清扫的路径的起点和终点均需要在该区域与其他区域之间的连通处，以便于扫地机器人在区域之间的流转。因此，在本步骤中进行路径规划时，每一个区域规划的子路径的起点和终点均在该区域与其他区域之间的连通处。
29.在对每一个区域进行路径规划时，可以根据“弓”字的路径对区域内进行路径规划，以使得规划的路径可以覆盖区域内的所有区域，以使得扫地机器人在根据该路径进行清扫时可以对地图内的所有区域均进行清扫。这里对区域内进行路径规划时采用的路径规划算法可以是任意的路径规划的算法，在本实施例中不做限定。通过本步骤，可以得到每一个区域的路径规划结果，且每一个区域的路径规划结果中包含了一条或多条可以实现的子路径。
30.对于每一个区域的路径规划，还需要考虑每一个区域在历史数据中的打扫情况，对于部分需要进行强力清扫的区域，在进行路径规划时可以使得该区域内的每一个地点都被打扫多次以上。具体的，根据历史数据，确定每一个区域的热力值，其中，区域的热力值用于表示区域在历史数据中的运动速度和耗电值，其中，不同打扫模式对应的运动速度不同。也就是说，对于不同程度的脏、以及不同类型的区域，在打扫过程的运动速度不同，对应的耗电量也不同。根据历史数据中的运动速度以及耗电量，计算每一个区域对应的热力值。然后根据热力值确定每一个区域是否需要进行重复打扫，例如，在热力值大于预设值的情况下，确定需要重复打扫，并且根据热力值的大小确定该区域内需要被重复打扫的次数。然后在对该区域进行路径规划得到的至少一条子路径时，需要规划处的每一条子路径中的每一个点都需要被重复打扫两个或以上，并且，该区域对应的区域重复率大于预设值。
31.步骤s103：根据每个区域的至少一条子路径以及区域之间的连通关系，确定至少一条备选路径，并按照预设的计算公式，计算每一个备选路径对应的代价值，所述代价值包括了备选路径的路径长度、运动时间、耗电量中的一个或多个。
32.在本实施例中，最终的路径规划是根据每个区域的路径规划的结果来获取的，具体的，将每个区域的路径规划的结果按照区域之间的连通关系进行连接，以得到可以覆盖所有区域的路径；但是，因为每个区域的路径规划结果有多条子路径，且区域之间的路径的连接关系也存在多种可能，因此，在本实施例中，这样进行连接得到的路径也有多条，即可以得到多条备选路径。
33.考虑区域与区域之间的连接关系、以及每个区域的子路径的起点和终点的位置，在生成连接的路径时，还需要根据区域之间的连通关系以及子路径的起点和终点的位置，连接上一个区域的终点与下一个区域的起点，并生成之间的连接路径，这部分的连接路径与原来已经规划的路径之间可能存在重复。
34.对于每一条连接各个区域的路径，将其作为一条扫地机器人完成地图所有区域的清扫工作的路径，也就得到了多条备选路径。然后，需要在这多条备选路径中选择一条作为最终的目标规划路径。
35.具体的，分别确定每一条备选路径的路径长度、运动时间、重复路径长度、重复区域大小、耗电量等一个或多个代价值，这多个代价值从不同的方面展示了备选路径在各个方面的优劣；这里，将每一条备选路径的路径长度、运动时长、重复路径长度、重复区域大小
等作为一个路径评价维度。针对每一条备选路径，计算其在每一个路径评价维度下的得分，这里，针对每一个路径评价维度均设置有其对应的代价值计算公式，从而可以得到备选路径每一个路径评价维度下的代价值得分，其中，该代价值得分是一个取值在
‑
1到1之间的一个值。
36.然后，根据预设的与每一个路径评价维度对应的权重系数，以及每一个路径评价维度下的代价值得分，按照预设的计算公式，计算每一条备选路径对应的代价值。
37.步骤s104：根据代价值从至少一条备选路径中确定一条备选路径作为目标规划路径。
38.在本实施例中，从多条备选路径中，确定代价值最小的备选路线作为路径规划的最终结果，即为最终得到的目标规划路径。
39.进一步的，在本实施例中，为了减少计算量，并不是将每一个区域进行路径规划得到的所有的子路线均进入到步骤s103中的路径连接以得到备选路径的过程中，也就是说，还需要对每一个区域进行路径规划得到子路线进行筛选。具体的，针对每一个子路线，根据前述代价值的计算方式，计算每一个子路线对应的代价值，然后将代价值小于或等于预设值的子路线进行筛选，以得到筛选之后的子路线，从而得到最终的进入到步骤s103中进行路线连接的子路线。
40.进一步的，在本实施例中，对于每一个区域的打扫过程中还需要确定每一个区域对应的打扫模式。具体执行中，在扫地机器人运动到每一个区域时（这时，这个区域为待打扫区域），通过扫地机器人上设置的摄像装置采集区域对应的图像（目标图像），然后对图像进行识别，根据识别结果来确定需要采用的目标打扫模式。
41.具体实施中，在打扫到待打扫区域时，通过设置在扫地机器人上的摄像装置来采集待打扫区域的目标图像，然后对该采集到的目标图像进行识别，以获取待打扫区域的区域特征。
42.下面对如何对目标图像进行识别来获取区域特征的过程进行详细的说明。
43.第一步，需要获取目标图像中包含了区域特征的区域（这里被称为roi区域），roi区域中包含了待打扫区域的特征，可以根据roi区域的特征来确定待打扫区域的区域特征。例如，在地板上有部分区域（roi区域）中有水渍，通过图像识别可以获取水渍所在的区域作为roi区域，然后对roi区域进行具体的特征提取。
44.首先需要将目标图像转换成灰度图像，以得到灰度图像的目标图像，通过对灰度化之后的目标图像进行识别，以获取roi区域的轮廓。这里不是对原本的目标图像进行处理，而是对灰度图像进行处理，可以降低计算量。
45.计算所述目标图像的每一行包含的像素点的灰度平均值，计算每个像素点与所在行的灰度平均值之间的差值作为灰度差值，基于灰度差值计算每一行下的灰度标准差；计算灰度值小于根据灰度标准差确定的极限误差阈值的像素点的每一行的灰度平均值，根据每一行的灰度平均值生成第一差分图像。根据目标图像与第一差分图像之间的灰度差值的绝对值的确定第二差分图像，并对第二差分图像进行二值化处理，以得到二值化的第二差分图像。计算所述目标图像的每一列包含的像素点的灰度平均值，计算每个像素点与所在列的灰度平均值之间的差值作为灰度差值，基于灰度差值计算每一列下的灰度标准差；计算灰度值小于根据灰度标准差确定的极限误差阈值的像素点的每一列的灰度平均值，根据
每一列的灰度平均值生成第三差分图像。根据目标图像与第三差分图像之间的灰度差值的绝对值的确定第四差分图像，并对第四差分图像进行二值化处理，以得到二值化的第四差分图像。然后对第二差分图像和第四差分图像进行融合处理，以得到第五差分图像，第五差分图像为二值化图像；最后对第五差分图像进行识别，以确定所述目标图像中的roi区域。
46.其中，通过差分图像的获取，可以对目标图像中与其他区域有差异的部分进行突出处理，因此，可以通过上述差分计算过程简单的识别来确定目标图像中的roi区域。一般来讲，地板都是纯色或者固定花纹，通过行列的差分处理，可以简单的提取目标图像中区分于地板的模板中的差异，从而可以简单的识别出其中的roi区域。
47.然后，需要对目标图像中的roi区域进行进一步的特征提取，以获取待打扫区域的区域特征。
48.具体的，将目标图像中的roi区域的图像作为检测图像，然后仅对检测图像进行特征识别，可以降低特征提取的特征的计算量。
49.在一个具体的实施例中，获取预设的多个特征模板，其中，特征模板是预先设置的与诶一个打扫模式对应的特征模板，在每一个特征模板中包含了其对应的打扫模式下的图像所应该具备的特征。然后基于特征模板来提取检测图像中的特征，具体的，将特征模板和检测图像输入预设的特征提取模型，以计算在每一个特征模板下检测图像包含的特征，以及与该特征的置信度，其中，置信度表示的是特征模板与检测图像之间的相似度，即该检测图像包含了相应的特征模板的置信度。然后，根据置信度在多个特征模板中选择一个目标特征模板，并将该特征模板下的特征作为从待打扫区域的目标图像中提取到的区域特征。
50.在一个具体的实施例中，将检测图像输入预设的卷积神经网络模型，并输出与每一种特征对应的置信度，然后将置信度大于预设值的特征作为这里的区域特征，或者，将置信度最大的特征作为这里的区域特征。
51.扫地机器人可以支持多种多打扫模式，例如，水渍清扫模式、灰尘清扫模式、头发清扫模式、油污清扫模式、地毯清扫模式，而每一个区域采用何种多打扫模式进行打扫，是根据区域对应的区域特征来确定的。
52.在本实施例中，预先获取了每一个打扫模式对应的区域的图像，并提取其中的特征来作为每一种多打扫模式分别对应的样本特征；然后在本步骤中，根据预设的特征匹配算法，计算待打扫区域的区域特征与样本特征之间的相似度，也相当于计算两个特征之间的相似度，然后根据相似来确定该区域特征具体能对应到哪一个打扫模式，具体实施中，确定相似度最大的样本特征对应的打扫模式作为所述目标打扫模式。
53.进一步的，对于每一个区域，在开始每一个区域的打扫之前，需要判断扫地机器人的剩余电量是否可以支持完成该区域的打扫工作，具体的，确定预设的每一个打扫模式对应的模式耗电数据，这里可以是每一种多打扫模式对应的单位耗电量，根据第一规划路径以及目标打扫模式对应的模式耗电数据，确定待打扫区域的第一耗电量；然后判断第一耗电量是否小于等于扫地机器人的剩余电量，若是，则控制所述扫地机器人按照目标规划路线运动完成对待打扫区域的打扫工作；若否，则控制扫地机器人运动至充电座进行充电，在充电完成之后再执行待打扫区域的打扫工作。这就避免了扫地机器人在一个区域的打扫中途出现电量不足的情况。
54.在本实施例的另一方面，提供了一种扫地机器人的路径控制装置，如图2所示，该
装置包括：区域划分模块101，用于获取预先构建的地图，根据历史数据对地图进行划分，将地图划分成多个区域，并确定多个区域之间的连通关系；区域路径规划模块102，用于根据区域之间的连通关系对每一个区域进行路径规划，确定每一个区域的至少一条子路径；路径连通模块103，用于根据每个区域的至少一条子路径以及区域之间的连通关系，确定至少一条备选路径；代价计算模块104，用于针对每一条备选路径，分别计算其在多个路径评价维度下的代价值得分，根据预设的路径评价维度系数和在多个路径评价维度下的代价值得分计算每一条备选路径的代价值，所述路径评价维度包括了备选路径的路径长度、运动时间、耗电量、重复路径长度、重复区域面积大小中的一个或多个；目标路径选择模块105，用于根据代价值从至少一条备选路径中确定一条备选路径作为目标规划路径。
55.图3示出了一个实施例中实现上述扫地机器人的路径控制方法的扫地机器人（计算机设备）的内部结构图。该计算机设备具体可以是终端，也可以是服务器。如图3所示，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现上述方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行上述方法。本领域技术人员可以理解，图3中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
56.采用了上述扫地机器人的路径控制方法、装置及扫地机器人之后，在扫地机器人进行打扫之前，首先需要针对预先构建的地图进行区域划分以得到多个区域，并确定多个区域之间的连通关系；根据区域之间的连通关系对每一个区域进行路径规划，确定每一个区域的至少一条子路径；根据每个区域的至少一条子路径以及区域之间的连通关系，确定至少一条备选路径；针对每一条备选路径，分别计算其在多个路径评价维度下的代价值得分，根据预设的路径评价维度系数和在多个路径评价维度下的代价值得分计算每一条备选路径的代价值，所述路径评价维度包括了备选路径的路径长度、运动时间、耗电量、重复路径长度、重复区域面积大小中的一个或多个；根据代价值从至少一条备选路径中确定一条备选路径作为目标规划路径。其中，合理的对区域进行划分，将地图整体的路径规划分割成多个区域的路径规划问题，可以在保障规划路径的全局最优的情况下，降低路径规划的计算量，提高扫地机器人进行打扫工作的工作效率。
57.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器
(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink) dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
58.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
59.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。请输入具体实施内容部分。