清扫策略生成方法、装置、计算机设备和存储介质与流程

1.本技术涉及扫地机器人领域，特别是涉及一种清扫策略生成方法、装置、计算机设备和存储介质。


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。一般采用刷扫和真空方式，将地面杂物吸纳进入自身的垃圾收纳盒，从而完成地面清理的功能。一般来说，将完成清扫、吸尘、擦地工作的机器人，也统一归为扫地机器人，在我们的生活和生产中所发挥的重要作用不容忽视，其带给我们极大的便利，成为我们生产生活中的重要组成部分。
3.现有的扫地机器人存在以下问题：路径规划基于固定的策略，从充电桩出发，根据建图的规则按照一定的顺序进行清扫，由于路径中很多区域并不需要清扫，因此清扫效率低；对于待清扫区域中的待清扫对象无法判断，因此无法做到自动判断采用哪一级的吸力以及哪种清扫方式。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种清扫策略生成方法、装置、计算机设备和存储介质。
5.第一方面，本发明实施例提出一种清扫策略生成方法，所述清扫策略由扫地机器人执行，所述方法包括：
6.基于所采集的场景图片中的目标区域与同一场景下的参考图片中的参考区域的比较结果，确定所述目标区域中的待清扫区域以及待清扫对象；
7.基于所述待清扫区域以及待清扫对象，生成对应的清扫策略。
8.在一实施例中，所述基于所采集的场景图片中的目标区域与同一场景下的参考图片中的参考区域的比较结果，确定所述目标区域中的待清扫区域以及待清扫对象包括：
9.将采集的场景图片中的目标区域与同一场景下的参考图片中的参考区域的比较，确定目标区域中的差异区域；
10.基于所述差异区域中的对象的识别结果，确定所述待清扫区域以及待清扫对象。
11.在一实施例中，所述清扫策略包括清扫路径以及与待清扫对象所对应的清扫方式；所述基于所述待清扫区域以及待清扫对象，生成对应的清扫策略包括：
12.基于所述待清扫区域，生成对应的清扫路径；
13.基于所述待清扫对象，确定对应的清扫方式。
14.在一实施例中，所述方法还包括：
15.基于目标区域中所出现的活物的运动轨迹，确定经过各区块的次数；其中，所述区块由所述目标区域划分得到；
16.当经过某一区块的次数大于设定次数时，基于该区块生成对应的清扫策略。
17.第二方面，本发明实施例提出一种清扫策略生成装置，所述清扫策略由扫地机器人执行，所述装置包括：
18.第一确定模块，用于基于所采集的场景图片中的目标区域与同一场景下的参考图片中的参考区域的比较结果，确定所述目标区域中的待清扫区域以及待清扫对象；
19.策略生成模块，用于基于所述待清扫区域以及待清扫对象，生成对应的清扫策略。
20.在一实施例中，所述第一确定模块包括：
21.第一确定子模块，用于将采集的场景图片中的目标区域与同一场景下的参考图片中的参考区域的比较，确定目标区域中的差异区域；
22.第二确定子模块，用于基于所述差异区域中的对象的识别结果，确定所述待清扫区域以及待清扫对象。
23.在一实施例中，所述清扫策略包括清扫路径以及与待清扫对象所对应的清扫方式；所述策略生成模块包括：
24.路径生成模块，用于基于所述待清扫区域，生成对应的清扫路径；
25.类型确定模块，用于基于所述待清扫对象，确定对应的清扫方式。
26.在一实施例中，所述装置还包括：
27.第二确定模块，用于基于目标区域中所出现的活物的运动轨迹，确定经过各区块的次数；其中，所述区块由所述目标区域划分得到；
28.所述策略生成模块还用于当经过某一区块的次数大于设定次数时，基于该区块生成对应的清扫策略。
29.第三方面，本发明实施例提出一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行第一方面所述的步骤。
30.第四方面，本发明实施例提出一种计算机可读存储介质，其上存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面所述的步骤。
31.上述方法、装置、计算机设备和存储介质，基于所采集的场景图片中的目标区域与同一场景下的参考图片中的参考区域的比较结果，确定所述目标区域中的待清扫区域以及待清扫对象；基于所述待清扫区域以及待清扫对象，生成对应的清扫策略。本发明中的清扫策略基于待清扫区域以及待清扫对象生成，相比于现有技术，不需要对干净的区域进行清扫，也不需要人为设定清扫的模式，从而提升了扫地机器人清扫效率以及清扫的有效性。
附图说明
32.图1为一个实施例清扫策略生成方法的应用环境示意图；
33.图2为一个实施例中清扫策略生成方法的流程示意图；
34.图3为一个实施例中待清扫区域以及待清扫对象确定方法的流程示意图；
35.图4为一个实施例中策略生成方法的流程示意图；
36.图5为另一个实施例中策略生成方法的流程示意图；
37.图6为一个实施例中清扫策略生成及执行方法的流程示意图；
38.图7为一个实施例中清扫策略生成装置的流程示意图；
39.图8为一个实施例中计算机设备的结构示意图。
具体实施方式
40.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅用以解释本技术，并不用于限定本技术。
41.本技术提供的清扫策略生成方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与扫地机器人104进行通信。终端102首先基于所采集的场景图片中的目标区域与同一场景下的参考图片中的参考区域的比较结果，确定所述目标区域中的待清扫区域以及待清扫对象，基于所述待清扫区域以及待清扫对象，生成对应的清扫策略，终端102再将清扫策略发送到扫地机器人104，扫地机器人104执行清扫策略。
42.其中，终端102可以包括一个或以上处理器(例如，单芯片处理器或多芯片处理器)。仅作为示例，终端102可以包括中央处理单元(cpu)、专用集成电路(asic)、专用指令集处理器(asip)、图像处理单元(gpu)、物理运算处理单元(ppu)、数字信号处理器(dsp)、现场可编程门阵列(fpga)、可编程逻辑器件(pld)、控制器、微控制器单元、精简指令集计算机(risc)、微处理器等或其任意组合。
43.通信可以是或包括公共网络(例如，因特网)、专用网络(例如，局部区域网络(lan))、有线网络、无线网络(例如，802.11网络、wi-fi网络)、帧中继网络、虚拟专用网(vpn)、卫星网络、电话网络、路由器、集线器、交换机、服务器计算机和/或其任何组合。例如，网络可以包括电缆网络、有线网络、光纤网络、电信网络、内联网、无线局部区域网络(wlan)、城域网(man)、公共电话交换网络(pstn)、蓝牙网络、zigbee网络、近场通信(nfc)网络等，或其任意组合。
44.其中，扫地机器人具有多种清扫方式，例如毛发清理、集尘、拖地、烘干，同时还具有多个等级的吸力，扫地机器人可以执行清扫策略实现清扫。
45.在一实施例中，如图2所示，提供了一种清扫策略生成方法，以该方法应用于图1中的应用环境为例进行说明，包括以下步骤：
46.s202：基于所采集的场景图片中的目标区域与同一场景下的参考图片中的参考区域的比较结果，确定所述目标区域中的待清扫区域以及待清扫对象。
47.场景图片通过安装在场景中的摄像头采集。
48.目标区域指的是扫地机器人可以清扫到的区域，通常为地面区域。
49.参考图片为相同场景下用于与场景图片比对的图片，通过将采集的场景图片中的目标区域与同一场景下的参考图片中的参考区域的比较来确定目标区域中的待清扫区域以及待清扫对象。
50.s204：基于所述待清扫区域以及待清扫对象，生成对应的清扫策略。
51.本实施例中的清扫策略基于待清扫区域以及待清扫对象生成，相比于现有技术，不需要对干净的区域进行清扫，也不需要人为设定清扫的模式，从而提升了扫地机器人清扫效率以及清扫的有效性。
52.其次，扫地机器人执行清扫策略通过采集的场景图片中的目标区域与同一场景下的参考图片中的参考区域的比较结果来触发，而不需要人为控制，因此更加的智能，使用更加方便。
53.在一实施例中，如图3所示，基于所采集的场景图片中的目标区域与同一场景下的
参考图片中的参考区域的比较结果，确定所述目标区域中的待清扫区域以及待清扫对象包括以下步骤：
54.s302：将采集的场景图片中的目标区域与同一场景下的参考图片中的参考区域的比较，确定目标区域中的差异区域；
55.s304：基于所述差异区域中的对象的识别结果，确定所述待清扫区域以及待清扫对象。
56.首先通过图像识别算法识别场景图片中的目标区域以及参考图片中的参考区域，再通过图像比对算法将目标区域与参考区域比对来区域目标区域中的差异区域，再利用图像识别算法识别差异区域中的对象，判断对象是否为待清扫对象，若是，则将该差异区域作为待清扫区域，将该对象作为待清扫对象，若不是，则将该差异区域不作为待清扫区域，将该对象不作为待清扫对象。
57.其中，图像识别算法可以基于深度学习算法对差异区域中的对象进行分类，例如袜子，电线，玩具，宠物粪便，鞋子，线团，书本，果壳等。
58.在一示例实施例中，若识别差异区域中的对象为果皮，判断果皮为待清扫对象，则果皮所在区域作为待清扫区域，将果皮作为待清扫对象；若识别差异区域中的对象为玩具，判断玩具不为待清扫对象，则玩具所在区域不作为待清扫区域，将玩具不作为待清扫对象。
59.在一实施例中，考虑到在一些灰色杂色的地板或瓷砖上的灰尘污块是很难通过深度识别判断的，因此将差异区域中无法识别的对象确定为污渍。若无法识别差异区域中的对象，则将该差异区域作为待清扫区域，将该对象作为待清扫对象。
60.在一实施例中，清扫策略包括清扫路径以及与待清扫对象所对应的清扫方式。如图4所示，基于所述待清扫区域以及待清扫对象，生成对应的清扫策略包括以下步骤：
61.s402：基于所述待清扫区域，生成对应的清扫路径；
62.s404：基于所述待清扫对象，确定对应的清扫方式。
63.首先，基于目标区域建立坐标系，根据确定的待清扫区域在目标区域中的位置确定其坐标，然后将所有待清扫区域在该坐标系中显示，最后生成路径最短的清扫路径，从而节约扫地机器人的清扫时间。
64.可以理解的是，不同的待清扫对象需要不同的清扫方式，例如，针对污渍，需要采用拖地烘干的清扫方式；针对毛发，需要专门的毛发清理模式。其次，针对不同的待清扫对象，需要对应等级的吸力，例如针对果皮清理的吸力等级要高于针对毛发的。在确定待清扫对象后就可以确定其对应的清扫方式，结合上述步骤得到的清扫路径，得到清扫策略。
65.针对灰尘图像识别算法很难对其识别判断，在一实施例中，如图5所示，清扫策略方法还包括以下步骤：
66.s502：基于目标区域中所出现的活物的运动轨迹，确定经过各区块的次数；其中，所述区块由所述目标区域划分得到；
67.s504：当经过某一区块的次数大于设定次数时，基于该区块生成对应的清扫策略。
68.在本实施例中，通过设于场景中的摄像头检测目标区域中所出现的活物，包括人和动物，具体可以通过深度学习算法进行检测。在检测到活物时，对其跟踪获得运动轨迹，来确定经过各区块的次数。当经过某一区块的次数大于设定次数时，基于该区块生成对应的清扫策略，确定清扫路径以及清扫方式。
69.通过确定经过各区块的次数，来避免因为无法识别灰尘等而没有清扫的区域情况，实现对这些区域的清扫。
70.在一实施例中，摄像头拍摄场景图片，当检测到场景图片中无活物时进行待清扫区域、待清扫对象的确定以及清扫策略的生成。避免在有人时，扫地机器人执行清扫而打扰生活。
71.在一实施例中，在扫地机器人清扫完成后再次拍摄场景图像，将场景图片作为参考图片，以实现对参考图片的更新，以减少差异区域中对象的识别，提高清扫的速度。
72.清扫策略生成及执行的过程如图6所示，摄像头拍摄场景图片，检测场景图片中是否有活物，若是则获得运动轨迹，确定经过各区块的次数，若否则进行场景图片与参考图片的比对，再确定是否有差异区域，若没有则判断经过区块的书是否大于设定次数，若有则生成清扫策略；在有差异区域的情况下，确定待清扫区域以及待清扫对象，并生成清扫策略；将清扫策略发送到扫地机器人，扫地机器人执行清扫策略，在清扫完成后更新参考图片。
73.应该理解的是，上述流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，上述流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
74.在一实施例中，如图7所示，本发明提供了一种清扫策略生成装置，包括：
75.第一确定模块702，用于基于所采集的场景图片中的目标区域与同一场景下的参考图片中的参考区域的比较结果，确定所述目标区域中的待清扫区域以及待清扫对象；
76.策略生成模块704，用于基于所述待清扫区域以及待清扫对象，生成对应的清扫策略。
77.在一实施例中，所述第一确定模块包括：
78.第一确定子模块，用于将采集的场景图片中的目标区域与同一场景下的参考图片中的参考区域的比较，确定目标区域中的差异区域；
79.第二确定子模块，用于基于所述差异区域中的对象的识别结果，确定所述待清扫区域以及待清扫对象。
80.在一实施例中，所述清扫策略包括清扫路径以及与待清扫对象所对应的清扫方式；所述策略生成模块包括：
81.路径生成模块，用于基于所述待清扫区域，生成对应的清扫路径；
82.类型确定模块，用于基于所述待清扫对象，确定对应的清扫方式。
83.在一实施例中，所述装置还包括：
84.第二确定模块，用于基于目标区域中所出现的活物的运动轨迹，确定经过各区块的次数；其中，所述区块由所述目标区域划分得到；
85.所述策略生成模块还用于当经过某一区块的次数大于设定次数时，基于该区块生成对应的清扫策略。
86.关于清扫策略生成装置的具体限定可以参见上文中对于清扫策略生成方法的限定，在此不再赘述。上述清扫策略生成装置中的各个模块可全部或部分通过软件、硬件及其
组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
87.在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括通过装置总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作装置、计算机程序和数据库。该内存储器为非易失性存储介质中的操作装置和计算机程序的运行提供环境。该计算机设备的数据库用于存储动作检测数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述任一项清扫策略生成方法实施例中的步骤。
88.本领域技术人员可以理解，图8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。
89.在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述任一项清扫策略生成方法实施例中的步骤。
90.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任一项清扫策略生成方法实施例中的步骤。
91.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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，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易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。
92.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。
93.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发明专利范围的限制。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。