割草机器人避障方法、装置和割草机器人与流程

1.本技术涉及割草机器人领域，特别是涉及一种割草机器人避障方法、装置和割草机器人。


背景技术：

2.割草机器人是一种用于修剪草坪、植被等的机械工具。随着割草机器人技术的发展，能够自主割草的割草机器人受到了人们的欢迎。自主割草机器人配置了障碍物检测装置，当检测到障碍物时，控制割草机器人停止或避开障碍物。
3.传统的障碍物检测是通过在割草机器人设置传感器，但该方式容易受到外部环境的干扰，如温度、风速和材料等，导致障碍物识别精度低，进而影响割草效果。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种能够兼顾割草效果和障碍物安全的割草机器人避障方法、装置和割草机器人。
5.第一方面，本技术提供了一种割草机器人避障方法，所述方法包括：
6.获取割草机器人的第一环境图像；
7.当识别到所述第一环境图像中包括障碍物时，获取障碍物的类型；所述障碍物的类型至少包括目标类型障碍物和非目标类型障碍物；
8.获取所述障碍物的类型对应的避障范围，所述目标类型障碍物的避障范围大于所述非目标类型障碍物的避障范围；
9.根据所述避障范围控制所述割草机器人进行主动避障。
10.第二方面，本技术还提供了一种割草机器人避障装置。所述装置包括：
11.图像采集模块，用于获取割草机器人的第一环境图像；
12.识别模块，用于当识别到所述第一环境图像中包括障碍物时，获取障碍物的类型；所述障碍物的类型至少包括目标类型障碍物和非目标类型障碍物；
13.避障范围确定模块，用于获取所述障碍物的类型对应的避障范围，所述目标类型障碍物的避障范围大于所述非目标类型障碍物的避障范围；
14.控制模块，用于根据所述避障范围控制所述割草机器人进行主动避障。
15.第三方面，本技术还提供了一种割草机器人。该割草机器人包括割草机器人执行机构、割草机器人驱动机构、控制器和图像采集设备，所述控制器与所述图像采集设备电连接，所述控制器与所述割草机器人驱动机构电连接，所述割草机器人驱动机构与所述割草机器人执行机构连接，所述割草机器人驱动机构响应所述控制器的控制信号，驱动所述割草机器人执行机构进行割草作业，所述控制器包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求上述各实施例的割草机器人避障方法的步骤。
16.上述割草机器人避障方法、装置和割草机器人，通过采集割草机器人的第一环境
图像，识别第一环境图像中是否包括障碍物，获取障碍物的类型，目标类型障碍物的避障范围大于所述非目标类型障碍物的避障范围。由于目标类型障碍物的避障范围大于所述非目标类型障碍物的避障范围，通过设置了一个较大的避障范围，能够一定程度上避免割草机器人对目标类型障碍物的伤害，确保目标类型障碍物的安全，对于非目标类型障碍物，通过设置一个较小的避障范围，能够减少漏割面积，确保割草效果。该割草机器人避障方法兼顾了割草效果和障碍物安全。
附图说明
17.图1为一个实施例中割草机器人的结构示意图；
18.图2为一个实施例中割草机器人避障方法的流程示意图；
19.图3为一个实施列中割草机器人的一次作业过程示意图；
20.图4为一个实施例中割草机器人对目标类型障碍物的避障作业的示意图；
21.图5为一个实施例中割草机器人对非目标类型障碍物的避障作业的示意图；
22.图6另一个实施例中割草机器人避障方法的流程示意图；
23.图7为一个实施例中割草机器人避障装置的结构框图；
24.图8为一个实施例中计算机设备的结构框图。
具体实施方式
25.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仅用以解释本技术，并不用于限定本技术。
26.本技术实施例提供的割草机器人100，如图1所示，包括割草机器人执行机构103、割草机器人驱动机构102、控制器101和图像采集设备104，控制器104与割草机器人驱动机构102电连接，割草机器人驱动机构102与割草机器人执行机构103连接，割草机器人驱动机构102响应控制器101的控制信号，驱动割草机器人执行机构103进行割草作业。控制器101还与图像采集设备104电连接。
27.其中，割草机器人执行机构103可以包括行走轮和割草头，行走轮执行割草机器人的行走及转向，割草头进行割草作业。割草机器人驱动机构102可以包括行走驱动机构和割草头驱动机构，行走驱动机构和割草头驱动机构与控制器101连接，行走驱动机构与行走轮连接，响应控制器的行走控制信号，驱动行走轮动作。割草头驱动机构与割草头连接，响应控制器的控制的割草控制信号，驱动割草头动作。
28.在其它实施例中，割草机器人还包括触碰传感器以及距离传感器。触碰传感器根据触碰信号检测割草机器人是否触碰到障碍物。距离传感器监测割草机器人与障碍物边缘的距离。
29.在其它实施例中，割草机器人还包括定位模块，用于输出割草机器人的实时坐标位置。
30.在其它实施例中，控制器还基于用户的命令控制割草机器人执行建图、割草等任务。
31.其中，控制器101获取割草机器人的第一环境图像，当识别到第一环境图像中包括
障碍物时，获取障碍物的类型，障碍物的类型至少包括目标类型障碍物和非目标类型障碍物，获取障碍物的类型对应的避障范围，目标类型障碍物的避障范围大于非目标类型障碍物的避障范围，根据避障范围控制割草机器人进行主动避障。
32.具体地，如图2所示，一种割草机器人避障方法，应用于图1所示的控制器，包括：
33.步骤202，获取割草机器人的第一环境图像。
34.随着割草机智能化的发展，能自主移动作业的割草机日益成为主流。自主移动的割草机器人根据地图在草坪进行割草作业，割草机器人的图像采集设备在割草机器人作业过程中，采集割草机器人作业草坪的第一环境图像。进一步的，割草机器人的图像采集设备的拍摄角度与割草机器人行进方向一致，采集割草机器人在目标作业方向上的第一环境图像。例如，割草机器人当前在向前行走，则图像采集设备采集割草机器人前方的第一环境图像。
35.步骤204，当识别到第一环境图像中包括障碍物时，获取障碍物的类型；障碍物的类型至少包括目标类型障碍物和非目标类型障碍物。
36.具体地，对于采集的第一环境图像，可采用图像识别方法，识别第一环境图像中是否包括障碍物。若识别到第一环境图像中包括障碍物，还进一步确定障碍物的类型。
37.其中，可以采用预先训练的图像识别模型对第一环境图像识别，识别第一环境图像中是否包括障碍物，以及障碍物的类型。具体地，图像识别模型可以采用神经网络模型，如卷积神经网络模型。可以理解的是，采用标记的训练样本对图像识别模型进行训练。训练样本中包括了正常草坪图像，以及各障碍物类型的图像。利用训练样本迭代多次对图像识别模型进行训练，得到识别准确度高的图像识别模型。利用图像识别模型可以对第一环境图像进行识别，确定第一环境图像中是否包括障碍物，以及障碍物的类别。
38.自主移动的割草机器人，在割草头执行割草作业的过程中，若无法识别障碍物并进行避障，则会对障碍物采用割草作业的方式进行处理，对障碍物将造成较大的伤害性。传统的割草机器人进行障碍物检测，主要有三种方式，第一种是依靠碰撞传感器进行障碍物识别。该方式通过根据机器人与障碍物发生碰撞时其浮动外壳或者碰撞条跟底盘之间发生相对位移进行障碍物识别，或者根据碰撞发生时驱动轮上负载的变化进行障碍物识别。第二种是采用超声或者毫米波雷达进行障碍物识别，但是超声或毫米波雷达通常存在较大的识别盲区且获取的环境信息有限，识别效果不是很好，通常只能作为辅助障碍物识别。第三种是视觉传感器识别。视觉传感器可以获取丰富的环境信息，但是割草机实际工作环境很复杂，比如同样的草坪，草的深浅、疏密、颜色、形状的差异会导致图像的差异，从而可能导致视觉传感器误识别为障碍物，若执行避障动作则可能导致草坪的漏割，若在视觉传感器检测到障碍物后不执行避障动作，而实通过碰撞传感器确认检测到障碍物了再执行避障动作，则在碰到人、宠物或者刺猬等时割草机器人有可能会伤害到人或者动物。
39.针对传统割草机器人障碍物检测的不足，本实施例中，通过对障碍物进行分类，使不同类型的障碍物具有不同的避障范围，从而兼顾割草效果和障碍物安全。
40.一个实施例中，将安全需求高的障碍物确定为目标障碍物。例如，人或动物的安全需求大于普通物品的安全需求，将人或动物设置为目标类型障碍物，普通安全需求的物品设置为非目标类型障碍物。一个实施例中，还可以根据障碍物的价值对障碍物进行分类，将价值高的障碍物确定为目标障碍物。例如，人或动物，以及一定高价值的物品，如名品植物、
掉落在草坪的奢侈品等，将这类型的障碍物确定为目标类型障碍物，普通价值物品设置为非目标类型障碍物。一个实施例中，还可以根据障碍物的自主活动性对障碍物进行分类，将具有自动活动性的障碍物，如人或动物确定为目标类型障碍物。将不能自主活动的障碍物，确定为非目标类型障碍物。
41.步骤206，获取障碍物的类型对应的避障范围，目标类型障碍物的避障范围大于非目标类型障碍物的避障范围。
42.避障范围，具体是指避开不进行割草的范围。避障范围根据障碍物的类型确定，不同的障碍物具有不同的避障范围。
43.具体地，考虑到目标类型障碍物的安全需求、自动主动性和价值均相对较高，对于目标类型障碍物设置一个较大的避障范围，作业时避开该范围，实现对目标类型障碍物的保护，确保目标类型障碍物的安全性。考虑到非目标类型障碍物安全需求、自动主动性和价值均相对较小，通过设置一个较小的避障范围，作业时需要避开的范围相对较小，割草作业的区域相对增加，能够确保割草效果。
44.本实施例中通过对于目标类型障碍物和非目标类型障碍物设置不同的避障范围，基于割草机器人的伤害性特点，寻求割草效果和安全需求的平衡。
45.步骤208，根据避障范围控制割草机器人进行主动避障。
46.主动避障是相对于被动避障而言，被动避障通常是指割草机器人为避开障碍物而停止运行，主动避障是指割草机器人主动避开障碍物。相对于被动避障，主动避障能够减少停机次数，主动避开障碍物，实现智能割草。
47.在作业过程中，根据障碍物的避障范围控制割草机器人进行主动避障，对于目标类型障碍物，主动避障范围大，对目标类型障碍物的保护区域较宽，保护范围较广，对于非目标类型障碍物，主动避障范围小，对于非目标类型障碍物所在的区域的割草面积大，割草效果好。
48.上述的割草机器人避障方法，通过采集割草机器人的第一环境图像，识别第一环境图像中是否包括障碍物，获取障碍物的类型，目标类型障碍物的避障范围大于非目标类型障碍物的避障范围。由于目标类型障碍物的避障范围大于非目标类型障碍物的避障范围，通过设置了一个较大的避障范围，能够一定程度上避免割草机器人对目标类型障碍物的伤害，确保目标类型障碍物的安全，对于非目标类型障碍物，通过设置一个较小的避障范围，能够减少漏割面积，确保割草效果。该割草机器人避障方法兼顾了割草效果和障碍物安全。
49.在另一个实施例中，为了兼顾安全需求以及割草效果，可以从安全需求、自主活动性和价值维度中的至少一个维度，确定障碍物的类型。
50.具体地，安全需求是相对于割草机器人的伤害性而言。由于割草机器人对人或物品具有伤害性，相对而言，障碍物具有安全需求。其中，人和动物的安全需求最高，价值较高的物品次之。
51.具体地，可以先设置障碍物的类别，从各障碍物的类别的安全需求出发，设定特定的障碍物类别为目标类型障碍物。该实施方式中，可以只考虑障碍物的安全需求，将安全需求较高的障碍物，如人或动物确定为目标类型障碍物，其它障碍物确定为非目标类型障碍物。
52.一种实施方式中，可以设置障碍物的类别，从各障碍物的类别的价值出发，设定价值超过一定程度的障碍物类别为目标类型障碍物。价值包括了生命价值和经济价值，生命价值是无价的，无法用经济价值衡量，因此，将生命价值高的人或动物，以及经济价值高于一定水平的物品确定为目标类型障碍物，将经济价值低于一定水平的物品确定为非目标类型障碍物。经济价值高于一定水平的物品可以为名种植物、掉落在草坪上的奢侈品等。
53.一种实施方式中，可以设置障碍物的类别，从各障碍物的类别的可自主活动性出发，对障碍物进行分类。自主活动性是指障碍物具有自主活动能力和自由度，如人或动物。由于可自主活动的障碍物通常具有自主活动能力和自由度，相对地自主活动范围具有不确定性，为避免割草机器人来不及规避障碍物的自主活动，通常为该类型的障碍物设置较高的避障范围。本实施例中，将可自主活动的障碍物确定为目标类型障碍物，将不可自主活动的障碍物确定为非目标类型障碍物。不可自主活动的障碍物，如掉落的衣物等。
54.一种实施方式中，还可以结合障碍物的安全需求和价值，将安全需求较高的障碍物，如人或动物确定为目标类型障碍物，以及将经济价值高于一定水平的物品确定为目标类型障碍物，将经济价值低于一定水平的物品确定为非目标类型障碍物。
55.本实施例中，通过从障碍物的安全需求、自主活动性和价值等维度中的至少一个维度对障碍物进行分类，能够兼顾障碍物的安全需求、自主活动性和价值，以及割草机器人的割草效果。
56.在另一个实施例中，对于目标类型障碍物，根据避障范围控制割草机器人进行主动避障的方式，可以为控制割草机器人远离目标类型障碍物。如前面所提及的，目标类型障碍物通常是具有自主活动性、价值高或安全需求高的障碍物，当割草机器人面对这些障碍物时，控制割草机器人远离目标类型障碍物，能够最大程度的确保目标类型障碍物的安全。
57.具体地，目标类型障碍物具有自主移动性、价值高以及安全需求高的特点，为确保目标类型障碍物的安全性，本实施例中，以目标类型障碍物所在的作业区域作为目标类型障碍物的避障范围。对应地，根据避障范围控制割草机器人进行主动避障，包括：控制割草机器人远离目标类型障碍物所在的作业区域。
58.其中，可以是预先将作业草坪分割为预设数量的作业区域，割草机器人器按照作业区域的顺序逐个分区割草。一种作业草坪的作业区域的划分如图3所示，将作业草坪分为1～9共9个作业区域，割草机器人按照从1～9的顺序逐个分区割草。
59.当割草机器人在当前割草区域进行割草作业时，确定当前割草位置所在的坐标，获取割草机器人的第一环境图像，当识别到第一环境图像中包括障碍物时，确定障碍物所在的坐标，根据当前割草位置确定障碍物所在的作业区域。若识别到当前作业区域存在目标类型障碍物，则控制割草机器人迅速离开当前作业的作业区域。
60.其中，还可以以目标类型障碍物为中心，根据预设避障范围创建目标类型障碍物所在的作业区域。例如，以目标类型障碍物为中心，以预设的避障范围为半径，确定目标类型障碍物所在的作业区域。
61.其中，目标类型障碍物所对应的预设避障范围还可以根据障碍物的价值、安全需求和可活动性进行设置。价值、安全需求和可活动性越高的目标类型障碍物，其对应的避障范围越大。例如，人或动物的避障范围大于高价值物品的避障范围。当识别到第一环境图像中包括目标类型障碍物时，控制割草机器人远离目标类型障碍物所在的作业区域，具体是
控制割草机器人绕开目标类型障碍物所在的作业区域。
62.本实施例中，根据控制割草机器人远离目标类型障碍物所在的作业区域，确保目标类型障碍物在割草作业中的安全。
63.进一步地，控制割草机器人远离目标类型障碍物所在的作业区域，包括：判断当次作业是否还存在未割草的作业区域，若是，则控制割草机器人根据预设工作路径行驶至下一未割草的作业区域进行割草作业。
64.具体地，未割草区域是指未进行过割草作业的区域。根据割草程序，一次割草作业通常是对整个作业草坪所进行的，割草作业按照预设工作路径进行。若根据第一环境图像检测到存在目标类型障碍物时，若当次作业还存在未割草的作业区域，即目标类型障碍物所在的作业区域不是预设工作路径上的最后一个作业区域，则控制割草机器人根据预设工作路径行驶至下一未割草的作业区域进行割草作业。例如，如图4所示，当前作业区域为作业区域5，在作业区域5进行割草作业时，从采集的第一环境图像中识别到障碍物的类型为狗，则确定包括了目标类型障碍物，根据预设工作路径确定还存在未割草的作业区域6～9，则控制割草机器人离开当前作业区域，进入作业区域6，从作业区域6开始完成作业区域6～9的割草作业。
65.本实施例中，在检测到当前作业区域存在目标类型障碍物时，若当次作业还存在未割草的作业区域，则控制割草机器人行驶至下一未割草的作业区域进行割草作业，在避开避障范围的同时，使割草程序按设定工作路径进行。
66.进一步地，若预设工作路径的最后一个作业区域完成作业后，获取当次作业检测的目标类型障碍物所在的作业未完成区域，控制割草机器人返回作业未完成区域进行割草作业，获取作业未完成区域的第二环境图像，当识别到第二环境图像不包括目标类型障碍物时，控制割草机器人完成对作业未完成区域的割草作业。
67.具体地，割草机器人的一次作业是指对作业草坪完成全部作业区域的割草作业。割草机器人以预设工作路径对作业草坪进行割草作业，若预设工作路径上的最后一个作业区域作业完成后，获取当次作业检测的目标类型障碍物所在的作业未完成区域。其中，作业未完成区域是因一个作业区域存在目标类型障碍物，在作业过程中所跳过或未完成割草作业的作业区域。如图4中的作业区域5即为一个作业未完成区域。
68.若当次作业在预设工作路径上的最后一个作业区域作业完成后，存在作业未完成区域，则控制割草机器人返回至作业未完成区域进行割草作业，如图4所示，在割草机器人完成作业区域9的割草作业后，确定还存在作业区域5为作业未完成区域，则控制割草机器人行驶至作业区域5进行割草作业。获取作业未完成区域的第二环境图像。若识别到第二环境图像中不包括目标类型障碍物时，说明目标类型障碍物离开了该区域，则可以控制割草机器人完成对作业未完成区域的割草作业。若目标类型障碍物还在该区域，则可以等待预定时间后，继续判断作业未完成区域是否存在目标类型障碍物以完成割草作业，或认为当次作业完成，控制割草机器人返回基站充电。
69.本实施例中，在预设工作路径上的最后一个作业区域完成作业后，继续返回对作业未完成区域再次进行检查，若目标类型障碍物离开作业未完成区域，则对作业未完成区域进行割草作业，使得一次割草作业达到较好的割草效果。
70.针对障碍物的类别为非目标类型障碍物，即障碍物为安全需求、价值和可活动性
较低的障碍物，根据避障范围控制割草机器人进行主动避障，具体包括：控制割草机器人继续按照预设工作路径进行割草作业，若在割草作业中检测触碰到非目标类型障碍物时，控制割草机器人根据非目标类型障碍物所确定的避障范围进行主动避障。
71.具体地，针对非目标类型障碍物，割草机器人在检测到作业区域包括该类型障碍物时，继续控制割草机器人按照预设的工作路径进行割草作业。割草机器人配置了触碰传感器。当利用割草机器人的触碰传感器检测到割草机器人触碰到非目标类型障碍物时，控制割草机器人根据目标障碍物所在位置确定的避障范围进行主动避障。
72.具体地，割草机器人与障碍物发生碰撞后，碰撞传感器检测浮动外壳与底盘之间的相对位移进行碰撞识别，或者检测碰撞发生时驱动轮负载的变化进行障碍物识别。
73.也就是说，当根据第一环境图像检测到非目标类型障碍物时，控制割草机器人按计划进行割草作业，而结合触碰传感器进行二次检查，当检测到作业时触碰到非目标类型障碍物时，控制割草机器人根据非目标类型障碍物的位置确定避障范围，避开该障碍物，使得非目标类型障碍物避障范围尽可能地小，相对地使得割草作业区域尽可能地大。
74.同时，触碰传感器相当于在图像识别结果基础上的二次检查。图像采集设备采集的环境图像包含了丰富的环境信息，而室外环境比较复杂，可能出现在草坪上的障碍物种类繁多，草坪本身由于草的深浅、疏密、颜色等而在图片上存在差异，另外草坪上可能还会存在落叶、积水或者光线反射导致眩光等，使得障碍物识别的难度比较大。
75.本实施例中，通过在割草机器人上增设触碰传感器，当利用图像识别结果检测到非目标类型障碍物时，控制割草机器人先不避障，而是继续进行割草作业。当利用触碰传感器检测触碰到障碍物时，此时触碰到的障碍物为真正的障碍物，避免因图像误差而导致一定面积的漏割草，提高了割草效果。
76.其中，控制割草机器人继续按照预设工作路径进行割草作业，包括：控制割草机器人降低速度，并继续按照预设工作路径进行割草作业。其中，可以是降低行走速度，也可以是降低割草速度，还可以是降低行走速度和割草速度。
77.也就是说，当利用图像识别结果检测到非目标类型障碍物时，控制割草机器人继续沿预设工作路径进行割草作业，但降低速度，比如原本速度是0.5米/秒，检测到非目标类型障碍物后降低到0.25米/秒。
78.通过在检测到非目标类型障碍物时，提前减速，减少后续的碰撞力度，降低对周围物体及割草机器人本体造成损坏。可以理解的是，在通过非目标类型障碍物后，再控制割草机器人将速度恢复到正常速度。
79.其中，控制割草机器人根据非目标类型障碍物所在位置确定的避障范围进行主动避障的方式，可以控制割草机器人距离非目标类型障碍物的边缘的距离在预设范围内，使割草机器人绕非目标类型障碍物的边缘进行避障。
80.具体地，可以通过在割草机器上安装距离传感器进行测距。距离传感器可以为超声波传感器，或红外传感器。还可以利用图像传感器的参数及安装角度计算与障碍物边缘的距离。在检测到非目标类型障碍物后，监测割草机器人与非目标类型障碍物边缘的距离，割草机器人靠近非目标类型障碍物进行割草，割草时割草机器人与非目标类型障碍物的边缘的距离尽可能地小，如小于1厘米，基于该距离控制，割草机器人绕非目标类型的边缘避障，所确定的范围即为非目标类型障碍物的外周作为避障范围，贴着障碍物外周进行割草，
尽可能障碍物外周的草割干净。
81.采用该方式在割草完成后，还可以作业区域中根据未割草区域的坐标位置，确定非目标类型障碍物的范围，记录非目标类型障碍物的范围。当下次割草任务开始时，基于记录的非目标类型障碍物的范围进行割草。
82.其中，控制割草机器人根据非目标类型障碍物所在位置确定的避障范围进行主动避障的方式，还可以为控制割草机器人每次触碰到非目标类型障碍物后，进行折返避障。
83.其中，在触碰到障碍物后，进行避障的方式，可以是绕障碍物一周，确定障碍物的形状参数和位置参数，将障碍物的形状参数和位置参数写入地图后，进行折返避障，如进行折返避障。在触碰到障碍物后，进行避障的方式，还可以是绕到障碍物的对面，避开障碍物。在触碰到障碍物后，进行避障的方式，还可以是每次触碰到非目标类型障碍物后，进行折返避障。
84.具体地，如图5所示，作业区域5存在一个椭圆性的非目标类型障碍物，在割草机器人触碰到非目标类型障碍物后，进行“弓字型”折返避障，直至割草区域割草完成。该方式能够最大程度地对非目标类型障碍物周边的草进行处理，确保割草效果。
85.如图6所示，一种割草机器人避障方法，包括以下步骤：
86.步骤602，获取割草机器人的环境图像。
87.步骤604，当识别到环境图像中包括障碍物时，获取障碍物的类型。若障碍物的类型为目标类型障碍物，则执行步骤606，若障碍物的类型为非目标类型障碍物，则执行步骤605。
88.步骤606，判断当次作业是否还存在未割草的作业区域。若是，则执行步骤608。若否，则执行步骤610。
89.步骤608，控制割草机器人根据预设工作路径行驶至下一未割草的作业区域进行割草作业。
90.其中，割草机器人在下一未割草的作业区域，返回步骤s602继续判断当前作业区域是否存在障碍物，以及判断障碍物的类型，直至当次作业完成。
91.步骤610，确定当次作业完成，控制割草机器人返回基站。
92.如图6所示，若障碍物的类型为非目标类型障碍物，则执行步骤605及其之后的步骤。
93.步骤605，控制割草机器人降低速度，并继续按照预设工作路径进行割草作业。
94.步骤607，在割草作业中检测触碰到非目标类型障碍物。若是，则执行步骤609。若否，则继续采集割草机器人的环境图像。
95.步骤609，控制割草机器人根据非目标类型障碍物所在位置确定的避障范围进行主动避障。
96.其中，控制割草机器人距离非目标类型障碍物的边缘的距离在预设范围内，使割草机器人绕非目标类型障碍物的边缘避障，或控制割草机器人每次触碰到非目标类型障碍物后，折返避障。
97.步骤s611，判断当前作业区域作业是否完成，若是，则返回步骤s606，判断当次作业是否还存在未割草的作业区域。若否，则继续获取割草机器人的环境图像进行检测。
98.本实施例中，对于目标类型障碍物和非目标类型障碍物，采用不同的避障处理方
式。对于目标类型障碍物，采用较大的避障范围进行避障，确保障碍物安全。对于非目标类型障碍物，通过触碰传感进行二次检查，提升障碍物检查的准确度，并根据非目标类型障碍物所在的位置确定一个相对较小的避障范围，相对增加割草面积，提高割草效果。
99.本实施例中，目标类型障碍物可以为特定的障碍物，如特定的安全需求高，价值高以及具有自主活动性的障碍物，如人或动物等。针对目标类型障碍物，在根据图像识别得到目标类型障碍物后，控制割草机器人远离目标类型障碍物工作，不触碰到目标类型障碍物，不给人或动物造成伤害。针对非目标类型障碍物，提前减速，减少碰撞力度，避免破坏周围物体(如树木、篱笆等)以及自身，同时在草坪上存在落叶、枯草以及可能存在的眩光导致障碍物误识别时不影响割草效果(不会漏割)。
100.应该理解的是，虽然如上所述的各实施例所涉及的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，如上所述的各实施例所涉及的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。
101.基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的割草机器人避障方法的割草机器人避障装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个割草机器人避障装置实施例中的具体限定可以参见上文中对于割草机器人避障方法的限定，在此不再赘述。
102.在一个实施例中，如图7所示，提供了一种割草机器人避障装置，包括：
103.图像采集模块702，用于获取割草机器人的第一环境图像。
104.识别模块704，用于当识别到第一环境图像中包括障碍物时，获取障碍物的类型；障碍物的类型至少包括目标类型障碍物和非目标类型障碍物。
105.避障范围确定模块706，用于获取障碍物的类型对应的避障范围，目标类型障碍物的避障范围大于非目标类型障碍物的避障范围。
106.控制模块708，用于根据避障范围控制割草机器人进行主动避障。
107.在其中一个实施例中，障碍物的类型根据至少一个维度确定，至少一个维度包括安全需求、自主活动性和价值；目标类型障碍物在安全需求、自主活动性和价值维度均高于非目标类型障碍物。
108.在其中一个实施例中，目标类型障碍物对应的避障范围为目标类型障碍物所在的作业区域。
109.控制模块，用于控制割草机器人远离目标类型障碍物所在的作业区域。
110.在其中一个实施例中，控制模块，用于判断当次作业是否还存在未割草的作业区域；若是，则控制割草机器人根据预设工作路径行驶至下一未割草的作业区域进行割草作业。
111.在其中一个实施例中，控制模块，用于若预设工作路径的最后一个作业区域完成作业后，获取当次作业检测的目标类型障碍物所在的作业未完成区域；控制割草机器人返回作业未完成区域进行割草作业；获取作业未完成区域的第二环境图像；当识别到第二环
境图像不包括目标类型障碍物时，控制割草机器人完成对作业未完成区域的割草作业。
112.在另一个实施例中，若障碍物的类别为非目标类型障碍物，控制模块，用于控制割草机器人继续按照预设工作路径进行割草作业；若在割草作业中检测触碰到非目标类型障碍物时，控制割草机器人根据非目标类型障碍物所在位置确定的避障范围进行主动避障。
113.在另一个实施例中，控制模块，用于控制割草机器人降低速度，并继续按照预设工作路径进行割草作业。
114.在另一个实施例中，控制模块，用于控制割草机器人距离非目标类型障碍物的边缘的距离在预设范围内，使割草机器人绕非目标类型障碍物的边缘避障，或控制割草机器人距离非目标类型障碍物的边缘的距离在预设范围内，使割草机器人绕非目标类型障碍物的边缘避障。
115.上述割草机器人避障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。
116.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割草机器人的控制器，其内部结构图可以如图8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、通信接口和割草机器人驱动机构。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系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、移动蜂窝网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种割草机器人避障方法。
117.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。
118.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上述各实施例的割草机器人避障方法的步骤。
119.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各实施例的割草机器人避障方法的步骤。
120.在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各实施例的割草机器人避障方法的步骤。
121.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、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、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。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等。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。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
122.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。
123.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，本技术的保护范围应以所附权利要求为准。