清洁机器人控制方法、清洁机器人、清洁系统及存储介质

技术领域

本申请涉及智能清洁设备技术领域，具体涉及一种清洁机器人控制方法、清洁机器人、清洁系统及计算机可读存储介质。

背景技术

在相关技术中，清洁机器人在基站附近清洁时，可能会被基站的底座卡住、无法挣脱，为了避免清洁机器人的清洁过程中在基站附近遇阻的情况，通常以基站为中心设定一个机器人禁入区，该禁入区往往大于基站的实际占用区，清洁机器人在清洁过程中不会进入该禁入区划定的范围。然而如此，将会导致因清洁机器人无法进入禁入区而出现禁入区漏清洁的情况，清洁效果不佳。

发明内容

本申请提供了一种清洁机器人控制方法、清洁机器人、清洁系统及计算机可读存储介质。

本申请实施方式涉及的清洁机器人控制方法，包括：

响应于所述清洁机器人离开基站开始执行清洁任务，获取并记录所述基站的第一位置以及所述基站的第一轮廓信息；

在所述清洁机器人进入所述第一位置的预设范围的情况下，确定所述清洁机器人所在环境的点云信息；

根据所述点云信息、所述第一位置以及所述第一轮廓信息，确定所述基站的当前位姿；

根据所述当前位姿，控制所述清洁机器人对围绕所述基站的预设区域进行清洁。

如此，本申请能够通过清洁机器人上的传感器获取到的点云图像对当前清洁区域地面上物体的分布情况进行简略描述，并根据该点云图像对当前基站的位置与姿态进行重新识别确定，使得机器人能够较为准确地获取到基站的当前位置与姿态信息，使得机器人能够较为精准地对基站轮廓附近的预设区域进行清洁，避免因禁入区的划定而导致的漏清洁情况或在不清楚基站的实际位姿导致的机器人卡在基站底座的情况，有效改善清洁效果。

在某些实施方式中，所述在所述清洁机器人进入所述第一位置的预设范围的情况下，确定所述清洁机器人所在环境的点云信息，包括：

累积所述清洁机器人的传感器于多个时刻获取到的多帧点云数据，确定在预设坐标系下的所述点云信息。

如此，本申请能够通过累积多个时刻获取到的多帧点云数据，在参考平面上的坐标系下确定出一个合并后的点云数据。

在某些实施方式中，所述在所述清洁机器人进入基站的预设范围的情况下，确定所述清洁机器人所在环境的点云信息，还包括：

确定当前所述清洁机器人的定位信息以及倾角信息；

在所述定位信息以及所述倾角信息满足第一预设条件的情况下，累积所述清洁机器人的传感器于多个时刻获取到的多帧点云数据，确定在预设坐标系下的所述点云信息。

如此，本申请能够控制清洁机器人在获取点云数据之前，优先对自身的定位能力以及倾角状态进行校验，避免点云数据出现较大的偏差。

在某些实施方式中，所述根据所述点云信息、所述第一位置以及所述基站的第一轮廓信息，确定所述基站的当前位姿，包括：

根据所述点云信息以及所述第一位置，确定第一图像；

根据所述第一轮廓信息，检测所述第一图像中的第一图形；

在检测到所述第一图形的情况下，检测所述第一图像中的第二图形；

根据所述第二图形的检测结果，确定所述基站的当前位姿。

如此，本申请能够根据确定好的点云信息以及清洁机器人离站时记录的初始位置，确定出用于描述清洁机器人所在环境的点云图像，并根据该图像检测出具有特定几何特征的图形，进一步确定当前基站的位姿。

在某些实施方式中，所述根据所述点云信息以及所述第一位置，确定第一图像，包括：

截取第一有效范围内的所述点云信息，所述第一有效范围包含所述第一位置；

根据所述第一位置所在的第一参考平面，将所述第一有效范围内的所述点云信息投影到所述第一参考平面；

对所述第一有效范围内的所述点云信息进行过滤处理，确定所述第一图像。

如此，本申请能够根据累积确定的点云信息的一部分，对该部分点云信息进行噪点过滤，以确定用于确定当前基站位姿的点云图像。

在某些实施方式中，所述对所述第一有效范围内的所述点云信息进行过滤处理，确定所述第一图像，包括：

以所述基站的第一位置为基准，将所述第一有效范围内的所述点云信息划分为多个预设边长的栅格；

在每个所述栅格内填入第一像素值，所述第一像素值等于该所述栅格内的投影点个数；

根据所述第一像素值与预设像素值阈值的大小关系，确定所述栅格的第二像素值，并根据所述第二像素值确定所述第一图像，其中所述第二像素值包括两个不同的数值。

如此，本申请能够根据栅格以及二值化过滤的方式对点云信息进行过滤，以确定用于确定当前基站位姿的点云图像。

在某些实施方式中，

所述根据所述第一轮廓信息，检测所述第一图像中的第一图形，包括：

获取所述第一图像中的多条第一线段；

根据第一几何特征，对所述第一线段进行分组处理，所述第一几何特征为斜率差小于或等于预设第一阈值；

根据分组处理后的所述第一线段以及所述第一轮廓信息，检测所述第一线段中线段间距与所述基站宽度之差小于或等于预设差值阈值且斜率差小于或等于所述预设第一阈值的第一线段对，所述第一线段对为所述第一图形。

如此，本申请能够根据确定的点云图像确定的第一线段对，以描述基站当前位姿中的外轮廓。

在某些实施方式中，所述在检测到所述第一图形的情况下，检测所述第一图像中的第二图形，包括：

在检测到所述第一线段对的情况下，根据所述第一图像，获取第二线段，其中所述第二线段的斜率、与所述第一线段对中的任意一条所述第一线段的法向斜率的差均小于或等于预设第二阈值；

在所述第二线段中，检测与所述第一线段对相交的第三线段，所述第三线段为所述第二图形。

如此，本申请能够在筛选出的第一线段对的基础上，进一步筛选出与第一线段对相配合来描述基站外轮廓的第三线段。

在某些实施方式中，所述根据所述第二图形的检测结果，确定所述基站的当前位姿，还包括：

在检测到所述第三线段的数量与几何特征满足第二预设条件的情况下，确定检测到所述基站；

根据检测到的所述第一线段对、所述第三线段，确定所述基站的当前位姿；或者，

在检测到与所述第三线段的数量与几何特征不满足第二预设条件的情况下，确定未检测到所述基站。

如此，本申请能够对第三线段的数量与几何特征进行检测，在不同的条件下给出对基站的不同检测结果。

在某些实施方式中，所述根据所述当前位姿，控制所述清洁机器人对围绕所述基站的预设区域进行清洁，之前还包括：

根据所述第一线段对中每条线段的长度以及所述第一轮廓信息，确定所述当前位姿的第一置信度；

根据所述第三线段的长度以及所述第一轮廓信息，确定所述当前位姿的第二置信度；

根据所述当前位姿与所述第一位置，确定所述当前位姿的第三置信度；

根据所述第一置信度、所述第二置信度、所述第三置信度，确定所述当前位姿的总置信度。

如此，本申请能够在确定了基站的当前位姿后，对该位姿的置信度进行计算确定，以对位姿确定结果的准确度进行标定，为后续是否依据该基站的当前位姿控制清洁机器人的清洁行为做依据。

在某些实施方式中，所述第一置信度为至少两档置信度中的一档，所述第二置信度为至少所述两档置信度中的一档，所述第三置信度为至少所述两档置信度中的一档；

所述根据所述第一置信度、所述第二置信度、所述第三置信度，确定所述当前位姿的总置信度，包括：

分别确定与所述第一置信度、所述第二置信度、所述第三置信度对应的第一权重比、第二权重比和第三权重比，其中，所述第一权重比、所述第二权重比和所述第三权重比的加和为一；

根据所述第一置信度、所述第一权重比、所述第二置信度、所述第二权重比、所述第三置信度和所述第三权重比，确定所述当前位姿的总置信度。

如此，本申请能够根据不同维度的多个置信度，确定基站当前位姿的总置信度。

在某些实施方式中，所述根据所述当前位姿，控制所述清洁机器人对围绕所述基站的预设区域进行清洁，之前还包括：

在所述当前位姿的总置信度大于或等于置信度阈值的情况下，控制所述清洁机器人采信并保存所述当前位姿；和/或，

在所述当前位姿的总置信度小于所述置信度阈值的情况下，控制所述清洁机器人丢弃所述当前位姿。

如此，本申请还能够根据确定的总置信度，决定是否采信确定出的基地当前位姿，在置信度不足的情况下将确定的当前位姿丢弃，避免误差过大的当前位姿影响后续的清洁任务的执行。

在某些实施方式中，所述根据所述点云信息、所述第一位置以及所述基站的第一轮廓信息，确定所述基站的当前位姿，还包括：

在未检测到所述第一图形的情况下，截取第二有效范围内的所述点云信息，以在所述第二有效范围内检测所述基站的当前位姿，其中所述第二有效范围包含所述第一有效范围，和/或

在所述第二有效范围为所述点云信息的最大范围的情况下，若仍未检测到所述第一图形，确定无法检测到所述基站。

如此，本申请能够在第一有效范围内的点云图像中没有检测到第一线段对的情况下扩大点云图像的范围，以进一步检测符合条件的第一线段对，且在点云图像为最大范围的情况下依然未检测到符合条件的第一线段对的情况下，确定无法检测到基站的当前位姿。

在某些实施方式中，所述根据所述当前位姿，控制所述清洁机器人对围绕所述基站的预设区域进行清洁，还包括：

在获取到所述当前位姿的情况下，根据所述当前位姿，控制所述清洁机器人对围绕所述基站的轮廓外的区域进行清洁；或者

在未能获取到所述当前位姿的情况下，控制所述清洁机器人对围绕所述基站的禁入区以外的区域进行清洁。

如此，本申请能够根据基站当前位姿的不同确定情况，对基站周围的区域执行不同的清洁策略。

本申请还提供一种清洁机器人，所述清洁机器人包括存储器与处理器，所述存储器存储有计算机程序，在所述计算机程序被所述处理器执行的情况下，使得所述清洁设备执行如上述实施方式中任一项所述的方法。

本申请还提供一种清洁系统，所述清洁系统包括如上述实施方式所述的清洁机器人以及基站。

本申请还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，在所述计算机程序被一个或多个处理器执行的情况下，实现如上述实施方式中任一项所述的方法。

本申请的实施方式的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实施方式的实践了解到。

附图说明

本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为本申请提供的清洁机器人控制方法的流程示意图；

图2为本申请提供的清洁机器人控制方法的流程示意图；

图3为本申请提供的清洁机器人控制方法的流程示意图；

图4为本申请提供的清洁机器人控制方法的流程示意图；

图5为本申请提供的清洁机器人控制方法的应用场景示意图；

图6为本申请提供的清洁机器人控制方法的流程示意图；

图7为本申请提供的清洁机器人控制方法的应用场景示意图；

图8为本申请提供的清洁机器人控制方法的应用场景示意图；

图9为本申请提供的清洁机器人控制方法的流程示意图；

图10为本申请提供的清洁机器人控制方法的流程示意图；

图11为本申请提供的清洁机器人控制方法的流程示意图。

具体实施方式

下面详细描述本申请的实施方式，实施方式的示例在附图中示出，其中，相同或类似的标号自始至终表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本申请的实施方式，而不能理解为对本申请的实施方式的限制。

如图1所示，本申请提供的清洁机器人控制方法，包括如下步骤：

01：响应于清洁机器人离开基站开始执行清洁任务，获取并记录基站的第一位置以及基站的第一轮廓信息；

02：在清洁机器人进入第一位置的预设范围的情况下，确定清洁机器人所在环境的点云信息；

03：根据点云信息、第一位置以及第一轮廓信息，确定基站的当前位姿。

04：根据当前位姿，控制清洁机器人对围绕基站的预设区域进行清洁。

本申请还提供一种清洁机器人控制装置，本申请的清洁机器人控制方法可以由清洁机器人控制装置实现，具体地，清洁机器人控制装置包括数据获取模块、点云信息确定模块、位姿确定模块以及执行控制模块，其中数据获取模块用于响应于清洁机器人离开基站开始执行清洁任务，获取并记录基站的第一位置以及基站的第一轮廓信息，点云信息确定模块用于在清洁机器人进入第一位置的预设范围的情况下，确定清洁机器人所在环境的点云信息，位姿确定模块用于根据点云信息、第一位置以及第一轮廓信息，确定基站的当前位姿，执行控制模块用于根据当前位姿，控制清洁机器人对围绕基站的预设区域进行清洁。

本申请还提供一种清洁机器人，包括存储器与处理器，存储器储存有计算机程序，处理器用于响应于清洁机器人离开基站开始执行清洁任务，获取并记录基站的第一位置以及基站的第一轮廓信息，以及用于在清洁机器人进入第一位置的预设范围的情况下，确定清洁机器人所在环境的点云信息，以及用于根据点云信息、第一位置以及第一轮廓信息，确定基站的当前位姿，以及用于根据当前位姿，控制清洁机器人对围绕基站的预设区域进行清洁。

具体地，对于清洁机器人与基站共同组成的清洁系统，在清洁机器人因执行清洁任务而离开基站的情况下，为了清洁机器人在执行完清洁任务之后能够顺利返回基站，清洁机器人会通过自身的定位装置获取离站前清洁机器人还在基站内时的位置信息，也即离站前的基站位置(对应于第一位置)。另外，为了使清洁机器人对基站的外轮廓的识别过程更方便快捷，一般在清洁系统出厂前会向清洁机器人中输入基站的外轮廓信息，包括几何特征与相关的长度信息，即基站会预存基站的外轮廓信息。基站的外轮廓信息也可以在清洁系统初次开始使用时由清洁机器人出基站后采集，并保存在清洁机器人的临时存储中，在每次清洁机器人将要离开基站执行清洁任务时，清洁机器人可从临时存储中调用基站的外轮廓信息(对应于第一轮廓信息)。需要说明的是，“获取并记录基站的第一位置以及基站的第一轮廓信息”中的“获取”的含义是获取数据，“获取”是获取数据就行。无论该数据是预先存储的还是清洁机器人所采集的。具体可以是直接获取出厂前预存的基站的外轮廓信息，也可以是在清洁系统初次开始使用时，获取清洁机器人采集得到的基站的外轮廓信息。

然后，在清洁机器人执行清洁任务的过程中，若清洁机器人根据自身的定位装置检测到以上述的第一位置为中心、1～2米内任意长度为半径的范围(对应于第一位置的预设范围)内的情况下，触发清洁机器人对基站的识别检测。清洁机器人利用自身的探测传感器获取其周围地面上物体轮廓的点云信息，更具体的，清洁机器人自身的探测传感器可以在每一个信息获取的时刻都会获取其周围地面上物体轮廓的点云信息，以便于后续判定基站的位姿。预设范围所形成的区域形状可以是圆形、正方形、长方形或其他形状，其边长或半径等长度可依据实际情况进行设置或调整，此处不做限制，例如，以基站的第一位置为中心、以3米为边长的正方形。上述的探测传感器可以是激光扫描传感器等可以获取到点云信息的传感器。

在收集到足够多的点云信息后，综合获取到的点云信息、记录的第一位置以及基站的外轮廓信息的情况下，清洁机器人以上述的已知信息为数据基础，经过数据处理与计算，最终判定基站的当前位姿，即当前基站的位置以及摆放姿态，以便于清洁机器人根据确定的当前位姿规划基站周围的清洁运动路径。

如此，本申请能够通过清洁机器人上的传感器获取到的点云图像对当前清洁区域地面上物体的分布情况进行简略描述，并根据该点云图像对当前基站的位置与姿态进行重新识别确定，使得机器人能够较为准确地获取到基站的当前位置与姿态信息，使得机器人能够较为精准地对基站轮廓附近的预设区域进行清洁，避免因禁入区的划定而导致的漏清洁情况或在不清楚基站的实际位姿导致的机器人卡在基站底座的情况，有效改善清洁效果。

在某些实施方式中，步骤02包括：

累积清洁机器人的传感器于多个时刻获取到的多帧点云数据，确定在预设坐标系下的点云信息。

在某些实施方式中，点云信息确定模块还用于累积清洁机器人的传感器于多个时刻获取到的多帧点云数据，确定在预设坐标系下的点云信息。

在某些实施方式中，处理器还用于累积清洁机器人的传感器于多个时刻获取到的多帧点云数据，确定在预设坐标系下的点云信息。

具体地，对于点云信息的获取与确定，由于清洁机器人上的传感器直接获取到的数据是瞬时数据，也即在多个时刻中，每一个时刻都会获取一组数据。而由于清洁机器人在执行任务的过程中是移动的，因此这些数据的参考系也并不相同。所以，为了能够确定一个在一段固定的时间内于相对固定的范围内的点云信息，需要将不同时刻获取到的点云数据结合时间以及清洁机器人的运动情况进行累积与叠加，最终能够叠加出以在地面上的平面坐标系为基准的点云图像，对应于点云信息。

如此，本申请能够通过累积多个时刻获取到的多帧点云数据，在参考平面上的坐标系下确定出一个合并后的点云数据。

在某些实施方式中，步骤02还包括：

确定当前清洁机器人的定位信息以及倾角信息；

在定位信息以及倾角信息满足第一预设条件的情况下，累积清洁机器人的传感器于多个时刻获取到的多帧点云数据，确定在预设坐标系下的点云信息。

在某些实施方式中，点云信息确定模块还用于确定当前清洁机器人的定位信息以及倾角信息，以及用于在定位信息以及倾角信息满足第一预设条件的情况下，累积清洁机器人的传感器于多个时刻获取到的多帧点云数据，确定在预设坐标系下的点云信息。

在某些实施方式中，处理器还用于确定当前清洁机器人的定位信息以及倾角信息，以及用于在定位信息以及倾角信息满足第一预设条件的情况下，累积清洁机器人的传感器于多个时刻获取到的多帧点云数据，确定在预设坐标系下的点云信息。

具体地，在上述实施方式的基础上，在累积与叠加点云数据之前，为了保证点云数据能够以地面上的平面坐标系为基准精确地叠加，还需要对机器人自身的定位精准度以及自身的倾角进行检验与校正。若机器人自身的定位精确度存在问题，则其对第一位置的判断存在误差，若机器人自身的倾角大于预设的阈值，则机器人相对于地面的倾角超出正常范围，则获取到的点云数据与实际情况相比会出现相对较大的偏移量。上述两种情况带来的偏离误差都有可能导致获取到的点云数据置信度不高，则根据这样的点云数据确定的点云信息置信度也不高。

在某些示例中，清洁机器人进入预设范围获取到点云数据后，对自身的定位装置的精准度以及自身的倾角进行检验校正。若检测到定位装置正常、倾角也正常(也即定位信息以及倾角信息满足第一预设条件)，则将获取到的点云数据结合时间以及清洁机器人的运动特征进行累积与叠加，最终能够叠加出以在地面上的平面坐标系为基准的点云图像，对应于点云信息。对于对自身的倾角进行检验的过程，一般采用姿态传感器(IMU)来对机器人自身与水平面间的角度进行获取，若获取到的角度小于或等于预设的倾角最大值，则说明机器人自身的倾角正常。

另外，若检测到定位装置的精确度不符合标准或自身的倾角过大，则将获取到的点云数据删除，提醒用户当前清洁机器人的定位装置状态异常或机器人自身姿态存在异常。

如此，本申请能够控制清洁机器人在获取点云数据之前，优先对自身的定位能力以及倾角状态进行校验，避免点云数据出现较大的偏差。

请参阅图2，在某些实施方式中，步骤03包括：

031：根据点云信息以及第一位置，确定第一图像；

032：根据第一轮廓信息，检测第一图像中的第一图形；

033：在检测到第一图形的情况下，检测第一图像中的第二图形；

034：根据第二图形的检测结果，确定基站的当前位姿。

在某些实施方式中，位姿确定模块用于根据点云信息以及第一位置，确定第一图像，以及用于根据第一轮廓信息，检测第一图像中第一图形，以及用于在检测到第一图形的情况下，检测第一图像中第二图形，根据第二图形的检测结果，确定基站的当前位姿。

在某些实施方式中，处理器用于根据点云信息以及第一位置，确定第一图像，以及用于根据第一轮廓信息，检测第一图像中第一图形，以及用于在检测到第一图形的情况下，检测第一图像中第二图形，根据第二图形的检测结果，确定基站的当前位姿。

具体地，在确定了点云信息后，结合点云信息，将第一位置确定为一个基准点，将点云信息确定为一个具有明确的基准点的点云图像。上述的基准点可以是包括原点在内的某一个特殊点，也可以根据实际情况进行调整，然后对该点云图像进行处理，得到包括多条线段的第一图像。

然后，以第一图像为根据，以基站的外轮廓信息(即第一轮廓信息)中的几何特征以及基站的轮廓的各边缘的长度信息为基准，检测第一图像中与基站外轮廓信息中的几何特征以及相关长度信息相符的线段(对应于第一图形)，用以表示潜在的基站位姿。

接下来，在检测到的第一图形的情况下，进一步检测在潜在的基站位姿的基础上能够更准确地表现当前基站位姿的线段(对应于第二图形)，并根据上述第二图形的检测结果来确定基站的当前位姿。

如此，本申请能够根据确定好的点云信息以及清洁机器人离站时记录的初始位置，确定出用于描述清洁机器人所在环境的点云图像，并根据该图像检测出具有特定几何特征的图形，进一步确定当前基站的位姿。

如图3所示，在某些实施方式中，步骤031包括：

0311：截取第一有效范围内的点云信息，第一有效范围包含所述第一位置；

0312：根据第一位置所在的第一参考平面，将第一有效范围内的点云信息投影到第一参考平面；

0313：对第一有效范围内的点云信息进行过滤处理，确定第一图像。

在某些实施方式中，位姿确定模块用于截取第一有效范围内的点云信息，以及用于根据第一位置所在的第一参考平面，将第一有效范围内的点云信息投影到第一参考平面，以及用于对第一有效范围内的点云信息进行过滤处理，确定第一图像。

在某些实施方式中，处理器还用于截取第一有效范围内的点云信息，以及用于根据第一位置所在的第一参考平面，将第一有效范围内的点云信息投影到第一参考平面，以及用于对第一有效范围内的点云信息进行过滤处理，确定第一图像。

具体地，接下来具体说明第一图像的生成过程。首先，在确定的点云信息中，划定一个局部作为第一有效范围，如此做的目的在于在单次检测与确定基站的位姿的过程中尽可能节省存储空间。第一有效范围应包含第一位置，以避免遗漏基站的初始位置。第一有效范围可以是圆形、正方形、长方形或其他形状，其边长或半径等长度可依据实际情况进行设置或调整，此处不做限制，例如，以基站的第一位置为中心、以3米为边长的正方形。

然后，由于第一位置——也即基站的初始位置位于地面上，清洁机器人获取到的环境点云信息应与第一位置位于同一平面上，故将第一有效范围内的点云信息投影到地面所在的平面上，以便于后续的数据处理、提高数据的精确度。

由于传感器获取到的数据通常会存在噪点，噪点的数量达到一定程度即会影响图像的精确度，从而导致图像失真，降低识别与检测的精确度，另外噪点的存在也会影响从点云图转化为其他种类图像的过程。所以，在将第一有效范围内的点云信息投影到地面上之后，需要对点云信息进行噪点过滤处理，过滤方法可以根据实际需求进行调整。点云信息经过过滤处理后即可利用剩余的有效点构成第一图像。

如此，本申请能够根据累积确定的点云信息的一部分，对该部分点云信息进行噪点过滤，以确定用于确定当前基站位姿的点云图像。

如图4所示，在某些实施方式中，步骤0313包括：

03131：以基站的第一位置为基准，将第一有效范围内的点云信息划分为多个预设边长的栅格；

03132：在每个栅格内填入第一像素值，第一像素值等于该栅格内的投影点个数；

03133：根据第一像素值与预设像素值阈值的大小关系，确定栅格的第二像素值，并根据第二像素值确定第一图像，其中第二像素值包括两个不同的数值。

在某些实施方式中，位姿确定模块用于以基站的第一位置为基准，将第一有效范围内的点云信息划分为多个预设边长的栅格，以及用于在每个栅格内填入第一像素值，第一像素值等于该栅格内的投影点个数，以及用于根据第一像素值与预设像素值阈值的大小关系，确定栅格的第二像素值，并根据第二像素值确定第一图像。

在某些实施方式中，处理器还用于以基站的第一位置为基准，将第一有效范围内的点云信息划分为多个预设边长的栅格，以及用于在每个栅格内填入第一像素值，第一像素值等于该栅格内的投影点个数，以及用于根据第一像素值与预设像素值阈值的大小关系，确定栅格的第二像素值，并根据第二像素值确定第一图像。

具体地，接下来具体说明对噪点的过滤处理以及利用剩余的有效点构成第一图像的方法。

首先将投影到地面上的点云信息进行栅格化，其中栅格化的点云信息以第一位置为基准点。对于栅格化的精细程度，可以根据清洁机器人自身或清洁系统的运算能力与存储能力进行调整。在某些示例中，栅格化的点云信息以第一位置为几何中心以及坐标原点，将3m×3m的第一有效范围划分为多个边长为0.02m的正方形栅格，也即将3m×3m的第一有效范围划分为150×150的栅格。

接下来，如图5所示，统计每一个栅格中像素点的个数，并将该个数作为该栅格对应的像素值填入该栅格。比如，某栅格中存在3个像素点，则向该栅格中填入数据“3”。

在这种情况下，特别地，对于压在栅格边上的点，判断其统计栅格的标准可以根据实际情况进行调整，比如图5所示的情况下，压在竖直方向的栅格边上的点统一算作相邻栅格中水平相左方向的栅格中的点，又比如压在水平方向的栅格边上的点统一算作相邻栅格中竖直向上方向的栅格中的点，再比如压在栅格边交叉点上的点统一算作第二象限方向的栅格中的点等。

最后，对所有的栅格进行二值化过滤。在某些示例中，先根据像素点的总个数以及平均水平确定一个二值化过滤阈值，比如设定二值化过滤阈值为2。然后，将所有填入的数据小于或等于2的栅格中填入的数据置为0，将所有填入的数据大于2的栅格中填入的数据置为255。即：将根据第一像素值与预设像素值阈值的大小关系，确定栅格的第二像素值。其中第二像素值包括两个不同的数值，在图5示例中，两个不同的数值是指0、255。对于填入的数据的更改可以根据实际情况进行调整，但一般初次向栅格填入的数据小于或等于二值化过滤阈值的情况下，在二值化过滤的过程中应将对应栅格填入的数据置为0，以便于根据二值化过滤结果将点云信息转变为可以通过数据非零的栅格的连线构成的第一图像，更有利于机器人根据第一图像判断基站的位姿。

经过二值化过滤后，整个栅格图中仅剩余数据为零的栅格以及数据非零的栅格两种栅格。为了能够更明确地凸显出栅格图中的几何特征，将数据非零的栅格看作实点栅格，将数据为零的栅格看作空点栅格，将栅格图视作由多个实点栅格构成的几何图形，也即将栅格图确定为具有明确几何特征的第一图像。

如此，本申请能够根据栅格以及二值化过滤的方式对点云信息进行过滤，以确定用于确定当前基站位姿的点云图像。

如图6和图8所示，在某些实施方式中，步骤032包括：

0321：获取第一图像中的多条第一线段；

0322：根据第一几何特征，对第一线段进行分组处理，第一几何特征为斜率差小于或等于预设第一斜率阈值；

0323：根据分组处理后的第一线段以及第一轮廓信息，检测第一线段中线段间距与基站宽度之差小于或等于预设差值阈值且斜率差小于或等于预设第一阈值的第一线段对。

在某些实施方式中，位姿确定模块用于获取第一图像中的多条第一线段，以及用于根据第一几何特征，对第一线段进行分组处理，第一几何特征为斜率差小于或等于预设第一斜率阈值，以及用于根据分组处理后的第一线段以及第一轮廓信息，检测第一线段中线段间距与基站宽度之差小于或等于预设差值阈值且斜率差小于或等于预设第一阈值的第一线段对。

在某些实施方式中，处理器还用于获取第一图像中的多条第一线段，以及用于根据第一几何特征，对第一线段进行分组处理，第一几何特征为斜率差小于或等于预设第一斜率阈值，以及用于根据分组处理后的第一线段以及第一轮廓信息，检测第一线段中线段间距与基站宽度之差小于或等于预设宽度阈值且斜率差小于或等于预设第一阈值的第一线段对。

具体地，在确定了第一图像后，以第一图像为根据，首先获取由多个数据非零的实点栅格构成的几何图形，并将这些几何图形抽象为第一线段。

比如，在某些示例中生成的第一图像如图7所示，该图像的几何中心为第一位置，黑色的部分为空点栅格，白色的直线段为实点栅格构成的线段，其中被白色粗虚线圈出的部分可能是基站的当前位姿。图8示出的为图7中被白色粗虚线圈出的部分的局部放大图，其中粗实线对应于基站两侧的实际外轮廓线。两侧的平行粗实线为检测出的第一线段对。

由于第一图像中有原点、有坐标系，因此这些线段都拥有斜率，而判断线段间的平行、垂直关系可以直接从斜率上直观地体现出来。对于第一几何特征，在某些示例中，第一几何特征指两条线段在一定误差范围内平行。在某些示例中，为了便于对两条线段间的斜率差异进行比较，采用其斜率对应的倾斜角的弧度值进行比较。对应的弧度差阈值(对应于预设第一阈值)一般设定于0～1rad之间，比如取0.8rad，当两条线段的斜率对应的倾斜角的差或差的绝对值小于或等于0.8rad的情况下，认为这两条线段平行，如图8中与粗实线之间的夹角小于45°的两条线段，即对应于上述的被认为平行的两条线段。然后，将被认为平行的多条线段确定为一组，如此即可以将第一图像中的多条第一线段分为多组。另外，基于基站外轮廓的不同设计，弧度差阈值也可以设定为其他区间之间的任意值，以适应实际并非理论平行的外轮廓。

然后在每一组第一线段中，两两校验同组的第一线段的间距，一般地，仅当同组的两条第一线段各自的中点之间存在潜在的公垂线段的情况下才需要校验间距，若当同组的两条第一线段的中点之间不存在潜在的共垂线段，则这两条第一线段间不需要校验间距。

若认定两条同组的第一线段需要进行间距校验的情况下，可以直接将两个中点间的公垂线段的长度与第一轮廓信息中基站的宽度值进行比较，比较的误差范围可以取±(0.1m～0.3m)之间中的任意值，例如取±0.2m，即上述公垂线段的长度处于第一轮廓信息中基站的宽度值±0.2m的范围内时，认定该间距有效。

最后，将认定间距有效的两条同组的第一线段，确定为符合第一几何特征的第一线段对，以用于后续的其他数据处理与转化。第一线段对即对应于第一图形。

如此，本申请能够根据确定的点云图像确定具有第一几何特征的第一线段对，以描述基站当前位姿中的外轮廓。

如图8和图9所示，在某些实施方式中，步骤033包括：

0331：在检测到第一线段对的情况下，根据第一图像，获取第二线段，其中第二线段的斜率、与第一线段对中的任意一条第一线段的法向斜率的差均小于或等于预设第二阈值；

0332：在第二线段中，检测与第一线段对相交的第三线段，第三线段为第二图形。

在某些实施方式中，位姿确定模块还用于在检测到第一线段对的情况下，根据第一图像，获取第二线段，其中第二线段的斜率、与第一线段对中的任意一条第一线段的法向斜率的差均小于或等于预设第二阈值，以及用于在第二线段中，检测与第一线段对相交的第三线段。

在某些实施方式中，处理器还用于在检测到第一线段对的情况下，根据第一图像，获取第二线段，其中第二线段的斜率、与第一线段对中的任意一条第一线段的法向斜率的差均小于或等于预设第二阈值，以及用于在第二线段中，检测与第一线段对相交的第三线段。

具体地，在上述实施方式中检测到了第一线段对的基础上，进一步检测与第一线段对相交的第二图形。在第一图像中，每一组被检测到的第一线段对都表示基站潜在的新位姿，需要再确定与第一线段对存在特定几何关系的具有第二几何特征的第二图形才能够确定被检测到的第一线段对是否是基站的新位姿。

在某些示例中，第一线段对表示的是基站的两条侧边，而在地面上基站除了上述的两条侧边以外，一边是清洁腔的开口，在地面对应的平面上不需要利用线段进行表示，另一边则是后边，故第二图形用于表示基站的后边，所以第二图形一般也为线段。

为了适配基站自身在地面对应平面上的外轮廓，理想情况下第二图形应满足与第一线段对中的两条线段均垂直，同时与第一线段对中两条线段的交点应限定于第一线段对中两条线段的同一侧端点，这样才能够使第一线段对与第二图形构成一个相对封闭的、更接近于基站外轮廓的几何图形。

基于上述的条件，首先在第一图像中检测与已经筛选出的第一线段对中的两条线段均在一定误差范围内垂直的第二线段。比如图8中示出的与粗实线之间的夹角大于45°的多条线段，即对应于上述的第二线段。对于上述垂直的判定，误差范围可以通过线段的斜率或线段的斜率对应的倾斜角来描述，例如该误差范围由倾斜角差的阈值(对应于预设第二阈值)来描述，一般该阈值可以取0.1～0.5rad之间的任意值。在某些示例中，当线段与第一线段对中的两条线段中每一条的法向的倾斜角差都小于0.4rad、或与第一线段对中的两条线段中每一条的法向的倾斜角差的绝对值都小于0.4rad的情况下，即视为该线段垂直于第一线段对，将该线段归类为第二线段，等待后续对交点的校验。

在检测到所有的第二线段的情况下，对第二线段的数量以及与第一线段对的交点进行校验。在一些情况下，从清洁机器人检测的角度看，清洁机器人能够检测到第一线段，和第二线段。在一些情况下，从清洁机器人检测的角度看，由于清洁机器人的雷达视角的遮挡，或者雷达柱盲区的存在，或者环境光照等因素，导致清洁机器人检测不到第二线段与第一线段对相交的线段。在本申请中，从清洁机器人检测的角度看，在确定了第一线段对后，第二线段与第一线段对构成与基站外轮廓接近的几何图形的情况、以及无法看到第二线段的情况都可以暂时认定基站的新位姿，仅当第二线段与第一线段对构成的几何图形与基站的外轮廓明显不同的情况下，清洁机器人才无法认定检测到基站的新位姿。

因此对于第二线段的进一步检测，若要检测到基站的新位姿的存在，一般包括两个条件：①第二线段中与第一线段对相交的线段有且仅有一条，且与第一线段对唯一相交的线段与第一线段对交于第一线段对中每条线段的同方向的端点处；②第二线段中不存在与第一线段对相交的线段，①与②二者满足其一即可。在条件①成立时，将检测到的线段确定为第三线段，并将第三线段与第一线段对共同构成的几何图形作为接下来进行数据处理与转化的基础，即根据第一线段对和第三线段构成的几何图形与基站的第一轮廓信息和第一位置计算基站位姿。当条件②成立时，将第一线段对与基站的第一轮廓信息以及基站的第一位置计算基站位姿。值得注意的是，仅满足条件②时，即仅能确定上述的第一线段对的情况下，也能用来计算基站位姿，只是相较于①的情况，②的情况下的置信度稍低一些。

如此，本申请能够在筛选出的第一线段对的基础上，进一步筛选出与第一线段对相配合来描述基站外轮廓的第三线段。

如图10所示，在某些实施方式中，步骤034包括：

0341：在检测到第三线段的数量与几何特征满足第二预设条件的情况下，确定检测到基站；

0342：根据检测到的第一线段对、第三线段，确定基站的当前位姿；或者，

0343：在检测到与第三线段的数量与几何特征不满足第二预设条件的情况下，确定未检测到基站。

在某些实施方式中，位姿确定模块还用于在检测到第三线段的数量与几何特征满足第二预设条件的情况下，确定检测到基站，以及用于根据检测到的第一线段对、第三线段，确定基站的当前位姿，以及用于在检测到与第三线段的数量与几何特征不满足第二预设条件的情况下，确定未检测到基站。

在某些实施方式中，处理器还用于在检测到第三线段的数量与几何特征满足第二预设条件的情况下，确定检测到基站，以及用于根据检测到的第一线段对、第三线段，确定基站的当前位姿，以及用于在检测到与第三线段的数量与几何特征不满足第二预设条件的情况下，确定未检测到基站。

具体地，在上述实施方式的基础上，在检测到满足条件①的第三线段的情况下，清洁机器人即认为检测到基站，在第一图像上由第一线段对以及第三线段构成的半封闭图形即表示了基站的新位置以及姿态，也即基站的当前位姿。

另外，在检测到条件②成立的情况下，也即不存在与第一线段对相交的第三线段的情况下，清洁机器人也认为检测到基站，在第一图像上第一线段对即表示了基站的新位置以及姿态，也即基站的当前位姿。

而当条件①与条件②均不成立的情况下(对应于不满足第二预设条件)，也即与第一线段对相交的第二线段不止一条和/或某条第二线段与第一线段对并非相交于第一线段对的同侧端点附近，此时清洁机器人认定当前没有检测到基站。

如此，本申请能够对第三线段的数量与几何特征进行检测，在不同的条件下给出对基站的不同检测结果。

值得注意的是，在一些场景中，当基站的一侧或两侧靠墙放置，则根据机器人所获取的点云数据，基站的一个或两个侧边容易与墙面重合，从而无法准确获知基站的位姿。或者，当基站的侧边与侧边墙的距离与基站的宽度相似，则根据机器人所获取的点云数据，容易将基站的侧边与侧边墙之间的间距认为是基站内的间距，从而也无法准确获知基站的位姿。又或者，地面上有与基站形状相似的椅子，并且以躺在地上的姿态放置，椅子的点云形状与基站非常相似，也容易将椅子误识别为基站，也无法准确获知基站的位姿。因此，为了解决上述问题，本申请实施例还根据机器人所获取的点云数据结合基站的第一轮廓信息和基站的第一位置，确定机器人前述所获取的基站位姿的置信度，进而提高所确定的基站位姿的准确性。具体确定置信度的过程可以通过以下实施方式实现。

如图11所示，在某些实施方式中，步骤04之前还包括：

0351：根据第一线段对中每条线段的长度以及第一轮廓信息，确定当前位姿的第一置信度；

0352：根据第三线段的长度以及第一轮廓信息，确定当前位姿的第二置信度；

0353：根据当前位姿与第一位置，确定所述当前位姿的第三置信度；

0354：根据第一置信度、第二置信度、第三置信度，确定当前位姿的总置信度。

在某些实施方式中，位姿确定模块还用于根据第一线段对中每条线根据第三线段的长度以及第一轮廓信息，确定当前位姿的第二置信度，以及用于段的长度以及第一轮廓信息，确定当前位姿的第一置信度，以及用于根据第三线段的长度以及第一轮廓信息，确定当前位姿的第二置信度，以及用于根据当前位姿与第一位置，确定当前位姿的第三置信，以及用于根据第一置信度、第二置信度、第三置信度，确定当前位姿的总置信度。

在某些实施方式中，处理器还用于根据第一线段对中每条线根据第三线段的长度以及第一轮廓信息，确定当前位姿的第二置信度，以及用于段的长度以及第一轮廓信息，确定当前位姿的第一置信度，以及用于根据第一置信度、第二置信度、第三置信度，确定当前位姿的总置信度。

具体地，由于第一图像、获取到的线段以及上述的处理方式均为栅格化近似处理的，可能存在一定误差，为了描述机器人当前确定的基站的新位姿的置信度，在某些示例中，清洁机器人直接根据检测到的第一线段对、第三线段及第一线段对和/或第三线段对的位置，并以基站的第一轮廓信息为基准，计算确定基站的当前位姿的总置信度，以为后续是否依据该基站的当前位姿来控制清洁机器人的清洁行为做依据。

在某些示例中，置信度的计算大致分为如下步骤：

首先确定置信度阶梯，对于同一比较而言，不同的误差范围对应的置信度应是不同的。在某些示例中，将误差范围与对应的置信度确定为三档，其中最小的误差范围对应于最高一档的置信度，最大的误差范围对应于最低一档的置信度，误差范围适中的则对应于数值适中的置信度，误差范围对应的置信度档位不做限制，可根据实际情况进行适应性调整。比如，最小的误差范围对应的置信度为100，最大的误差范围对应的置信度为0，适中的误差范围对应的置信度为50。置信度越高，意味着对应数据的可信程度越高，相反则对应数据的可信程度越低。

然后是确定新位姿中侧边的长度(也即第一线段对的实际长度)，并将其与第一轮廓信息中基站侧边的长度相比较，确定二者之间的差值，然后将得到的差值与预设的误差范围进行匹配比较，以进一步确定第一置信度的值。

接下来，确定新位姿中后边的长度(也即第三线段的实际长度)，并将其与第一轮廓信息中基站的后边的长度相比较，确定二者之间的差值，然后将得到的差值与预设的误差范围进行匹配比较，以进一步确定第二置信度的值。

在接下来，确定新位姿中基站的新位置。有关于该位置，若检测到了第三线段，则基站的新位置为第一线段对与第三线段构成的半封闭图形的几何中心，若未检测到第三线段，则基站的新位置为第一线段对中两中点连线的中点。还可以根据实际情况选择基站的其他点作为基准点进行基站第一位置和新位置的对比，然后，确定基站的新位置与第一位置间的距离，以进一步确定第三置信度的值。

最后，将第一、第二以及第三置信度进行汇总，确定基站的新位姿的整体置信度。

上述第一、第二以及第三置信度的计算步骤不分先后顺序，可任意调整三个步骤的顺序或同步进行其中的某一步、某两步或三步骤。在具体计算第一、第二以及第三置信度的过程中，可以分别针对三者对应的计算结果确定误差范围所对应的置信度档位，具体误差范围数值不做限制，可根据实际情况进行适应性调整。

如此，本申请能够在确定了基站的当前位姿后，对该位姿的置信度进行计算确定，以对位姿确定结果的准确度进行标定，为后续是否依据该基站的当前位姿控制清洁机器人的清洁行为做依据。在某些实施方式中，第一置信度为至少两档置信度中的一档，第二置信度为至少两档置信度中的一档，第三置信度为至少两档置信度中的一档；

在此基础上，根据第一置信度、第二置信度、第三置信度，确定当前位姿的总置信度，包括：

分别确定与第一置信度、第二置信度、第三置信度对应的第一权重比、第二权重比和第三权重比，其中，第一权重比、第二权重比和第三权重比的加和为一；

根据第一置信度、第一权重比、第二置信度、第二权重比、第三置信度和第三权重比，确定当前位姿的总置信度。

在某些实施方式中，位姿确定模块还用于分别确定与第一置信度、第二置信度、第三置信度对应的第一权重比、第二权重比和第三权重比，以及用于根据第一置信度、第一权重比、第二置信度、第二权重比、第三置信度和第三权重比，确定当前位姿的总置信度。

在某些实施方式中，处理器还用于分别确定与第一置信度、第二置信度、第三置信度对应的第一权重比、第二权重比和第三权重比，以及用于根据第一置信度、第一权重比、第二置信度、第二权重比、第三置信度和第三权重比，确定当前位姿的总置信度。

具体地，置信度包括至少两档，至少两档的置信度由高到低分布。第一置信度、第二置信度、第三置信度分别根据其计算结果划分为至少两档置信度中的一档，可根据实际情况灵活设置置信度的档位数量及其对应的置信度，可以是三档、四档或更多档。

在某些示例中，基站新位姿中侧边的长度与第一轮廓信息中基站侧边的长度相比较，可以确定第一置信度为100；基站新位姿中后边的长度与第一轮廓信息中基站后边的长度相比较，可以确定第二置信度为0；另外，根据基站的新位置与第一位置之间的间距，可以确定第三置信度为50。

在确定了三个置信度后，则根据上述三个置信度进行加权平均，即可以得到基站新位姿的总置信度。对于第一、第二以及第三置信度的权重比(第一置信度对应第一权重比、第二置信度对应第二权重比、第三置信度对应第三权重比，其中第一权重比、第二权重比和第三权重比的加和为一)，可以根据实际情况与需求进行调整，比如若要对位置的要求更高，就提高第三置信度的第三权重比，若要对形状的要求更高，就提高第一置信度的第一权重比或第二置信度的第二权重比即可。在某些示例中，第一、第二以及第三权重比分别为0.3、0.3以及0.4，则经加权平均计算即可以得到总置信度为：

0.3×100+0.3×0+0.4×50＝50。

如此，本申请能够根据不同维度的多个置信度，确定基站当前位姿的总置信度。

在某些实施方式中，步骤04之前还包括：

在当前位姿的总置信度大于或等于置信度阈值的情况下，控制清洁机器人采信并保存当前位姿；或者

在当前位姿的总置信度小于置信度阈值的情况下，控制清洁机器人丢弃当前位姿。

在某些实施方式中，位姿确定模块还用于在当前位姿的总置信度大于或等于置信度阈值的情况下，控制清洁机器人采信并保存当前位姿，以及用于在当前位姿的总置信度小于置信度阈值的情况下，控制清洁机器人丢弃当前位姿。

在某些实施方式中，处理器还用于在当前位姿的总置信度大于或等于置信度阈值的情况下，控制清洁机器人采信并保存当前位姿，以及用于在当前位姿的总置信度小于置信度阈值的情况下，控制清洁机器人丢弃当前位姿。

具体地，上述实施方式中计算基站当前位姿的总置信度的目的，在于使清洁机器人的应用层对当前位姿进行是否可用的数据可视化评判，若总置信度达到了判断标准，则意味着确定的当前位姿能够在较高精确度的程度上表示当前基站的位置与姿态，根据该当前位姿规划的运动路径可靠性较高。相反地，若总置信度未能达到判断标准，则意味着确定的当前位姿的精确度不足，在其基础上规划的运动路径的可靠性不足，可能依然会导致清洁机器人在基站周围被困的情况。

因此在上述实施方式的基础上，计算出当前位姿对应的总置信度后，将计算得到的结果与预设的置信度阈值相比较。置信度阈值可以根据清洁机器人系统的实际情况进行调整，在某些示例中，在置信度最高值为100的情况下取置信度阈值为80，若计算出的总置信度高于或等于80，则意味着对应的基站当前位姿可以用于清洁运动路径的规划，清洁机器人将其保存。相反地，若计算出的总置信度低于80，则意味着对应的基站当前位姿不足以用于清洁运动路径的规划，此时清洁机器人将该结果丢弃，若有需求则需要重新获取基站的当前位姿。

如此，本申请还能够根据确定的总置信度，决定是否采信确定出的基地当前位姿，在置信度不足的情况下将确定的当前位姿丢弃，避免误差过大的当前位姿影响后续的清洁任务的执行。

在某些实施方式中，步骤03还包括：

在未检测到第一图形的情况下，截取第二有效范围内的点云信息，以在第二有效范围内检测基站的当前位姿，其中第二有效范围包含第一有效范围；和/或

在第二有效范围为点云信息的最大范围的情况下，若仍未检测到第一图形，确定无法检测到基站。

在某些实施方式中，位姿确定模块还用于在未检测到第一图形的情况下，截取第二有效范围内的点云信息，以在第二有效范围内检测基站的当前位姿，其中第二有效范围包含第一有效范围，以及用于在第二有效范围为点云信息的最大范围的情况下，若仍未检测到第一图形，确定无法检测到基站。

在某些实施方式中，处理器还用于在未检测到第一图形的情况下，截取第二有效范围内的点云信息，以在第二有效范围内检测基站的当前位姿，其中第二有效范围包含第一有效范围，以及用于在第二有效范围为点云信息的最大范围的情况下，若仍未检测到第一图形，确定无法检测到基站。

具体地，在上述实施方式的基础上，第一图像是根据第一有效范围内的点云信息执行数据转化得到的，而第一有效范围只是整体点云信息的一个局部，有可能出现图形的遗漏。故在第一图像中没有检测到第一线段对的情况下，重新在点云信息中划取一个包含第一有效范围的面积更大的第二有效范围，并根据第二有效范围的点云信息重新确定一个第一图像，重复上述多个实施方式中叙述的流程，检测第一线段对以及第三线段，以检测基站的新位姿。若在将有效范围扩大到最大并重新确定第一图像以进行检测的过程之后，依然没有检测到第一线段对，则在当前清洁机器人所在的环境中不存在类似于基站的潜在可能，此时清洁机器人直接判定不能检测到基站的存在即可。第二有效范围的设置标准具体不做限制，可根据实际情况进行适应性调整，例如，第一有效范围为以基站的第一位置为中心、3米为边长的正方形区域，第二有效范围为以基站的第一位置为中心、6米为边长的正方形区域。

如此，本申请能够在第一有效范围内的点云图像中没有检测到第一线段对的情况下扩大点云图像的范围，以进一步检测符合条件的第一线段对，且在点云图像为最大范围的情况下依然未检测到符合条件的第一线段对的情况下，确定无法检测到基站的当前位姿。

在某些实施方式中，步骤04包括：

在获取到当前位姿的情况下，根据当前位姿，控制清洁机器人对围绕基站的轮廓外的区域进行清洁；或者

在未能获取到当前位姿的情况下，控制清洁机器人对围绕基站的禁入区以外的区域进行清洁。

在某些实施方式中，执行控制模块还用于在获取到当前位姿的情况下，根据当前位姿，控制清洁机器人对围绕基站的轮廓外的区域进行清洁，以及用于在未能获取到当前位姿的情况下，控制清洁机器人对围绕基站的禁入区以外的区域进行清洁。

在某些实施方式中，处理器还用于在获取到当前位姿的情况下，根据当前位姿，控制清洁机器人对围绕基站的轮廓外的区域进行清洁，以及用于在未能获取到当前位姿的情况下，控制清洁机器人对围绕基站的禁入区以外的区域进行清洁。

具体地，在上述实施方式的基础上，若清洁机器人确定出基站的当前位姿，且当前位姿的总置信度高于或等于置信度阈值的情况下，也即清洁机器人成功保存了有效的基站当前位姿的情况下，清洁机器人即可以根据基站的当前位姿在导航地图上确定出基站的外轮廓位置，从而进一步确定出紧贴基站外轮廓进行清洁的路径。这样一来，清洁机器人即可以对原本不能顺利清扫到的紧密环绕基站的区域实施清洁。

相反地，若清洁机器人并没有确定基站的当前位姿，或者是确定的当前位姿的总置信度低于置信度阈值的情况下，也即清洁机器人并未保存有效的基站当前位姿的情况下，此时清洁机器人不能精确地获知基站外轮廓相对精确的位置，则此时清洁机器人依然保持避免进入原有基站周围的禁入区，在上述禁入区以外的区域正常执行清洁任务，以防止清洁机器人在基站周围的区域因基站被困。

如此，本申请能够根据基站当前位姿的不同确定情况，对基站周围的区域执行不同的清洁策略。

本申请的一些实施例以扩大一次搜索范围为例进行说明，也可以在第二有效范围内未检索到基站的情况下再扩大一次搜索范围、进行第三有效范围内的搜索，但需要设置扩大范围搜索的次数上限，增加搜索的次数及其对应的搜索范围可以依据实际情况进行设定，此处不作限制，例如在只增加一次搜索次数时，以增加较大的搜索范围进行搜索，或者，增加两次搜索次数时，每次以增加较小的搜索范围进行搜索，以上描述均在本申请的保护范围内。

本申请还提供一种清洁系统，包括如上述实施方式中任一项所述的清洁机器人以及基站。

本申请还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，在计算机程序被一个或多个处理器执行的情况下，实现如上述实施方式中任一项所述的方法。

在本说明书的描述中，参考术语“某些实施方式”、“一个例子中”、“示例地”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

尽管上面已经示出和描述了本式，可以理解的是，上述实施方式是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施方式进行变化、修改、替换和变型。