一种地坪除尘机器人路径规划方法、清洁系统和处理器

技术领域

本发明涉及领域，尤其涉及一种地坪除尘机器人路径规划方法、清洁系统、处理器和存储介质。

背景技术

环保地坪是一种可持续发展的地面覆盖材料，被广泛应用于工厂、仓库、商业建筑、体育馆等场所的地面。它是通过使用环保的材料和施工方法来减少对环境的影响，同时提供安全、耐用和易于维护的地面表面。

现有技术中的厂房的环保地坪需要定期进行维护和清理，常规采用的方式为通过除尘设备或者清扫机器人沿着厂房的过道行进，以对环保地坪进行清理；虽然这种方式的清扫效率较高，但是由于厂房地坪环境复杂，例如内部的自动化设备移动导致内部设备或者物料的位置变化，虽然清扫机器人自身的视觉传感器能够避开障碍物，但是也同时会改变其本身的清扫轨迹，使得清扫覆盖面积不完整，清扫效果较差的技术问题。

鉴于此，需要对现有技术中的清扫设备加以改进，以解决地坪环境复杂，清扫覆盖面积不完整的技术问题。

发明内容

本发明的目的在于提供一种地坪除尘机器人路径规划方法、清洁系统、处理器和存储介质，解决以上的技术问题。

为达此目的，本发明采用以下技术方案：

一种地坪除尘机器人路径规划方法，包括：

获取厂房空间的地图分布信息并输入到机器人的数据库中，所述机器人根据所述地图分布信息来生成第一路径规划信息；

所述机器人根据所述第一路径规划信息行进，并通过所述机器人的摄像头模组进行实时图像获取，生成实时更新的图像信息；

将所述图像信息补偿到地图分布信息中，采用动态拟合的方式对第一路径规划信息进行实时优化和更新，生成新的路径规划信息；

根据所述图像信息对于所述机器人的运行速度和清洁模式进行调整；

清洁完成后，通过所述摄像头模组获取结束后的地坪图像，结合图像处理方法评估清洁效果，并选择二次清洁模式。

可选的，所述摄像头模组包括位于所述机器人周侧的第一摄像头单元和位于机器人底部的第二摄像头单元；

所述图像信息包括第一摄像头单元获取的第一图像信息和第二摄像头单元获得的第二图像信息；

所述第一图像信息包括机器人的位置信息和障碍物信息，所述第二信息包括地坪的清洁度信息。

可选的，所述机器人根据所述第一路径规划信息行进，并通过所述机器人的摄像头模组进行实时图像获取，生成可更新的图像信息，具体包括：

根据第一路径规划信息，机器人开始进行清扫任务；

当机器人沿着预设的路径进行行驶时，其摄像头模组将同时进行实时图像获取；

对所述摄像头模组获取的实时图像信息进行处理以生成可更新的图像信息；

通过图像处理模型对所述图像信息进行特征提取，以获得目标信息；所述目标信息包括位置信息、障碍物信息和清洁度信息。

可选的，所述将所述图像信息补偿到地图分布信息中，采用动态拟合的方式对第一路径规划信息进行实时优化和更新，生成新的路径规划信息，具体包括：

将所述图像信息导入于初始的地图分布信息，对初始的地图分布信息进行更新，获得更新的地图分布信息；

通过所述目标信息对更新的地图分布信息进行补偿，获得目标地图分布信息；

在所述目标地图分布信息上采用动态拟合方法对第一路径规划信息进行实时优化和更新，获得优化的路径规划信息；

采用预设的第一算法模型对优化的路径规划信息进行预测和验证，评估优化的路径规划信息的性能；

根据评估结果对优化的路径规划信息进行调整，获得新的路径规划信息。

可选的，所述在所述目标地图分布信息上采用动态拟合方法对第一路径规划信息进行实时优化和更新，获得优化的路径规划信息；具体包括：

将所述目标地图信息作为输入数据；

基于所述目标地图分布信息，对初始的路径规划进行初步的优化；

根据地图分布信息的变化，实施动态拟合；所述动态拟合的过程中包括，通过迭代对路径规划逐步更新；

定义一个初始化的拟合模型；

维护一个代价函数，函数中定义了期望优化目标；

在新的地图分布信息中，用梯度下降不断地对代价函数进行最小化操作，并更新拟合模型中的路径参数；

当更新的路径使得代价函数降低至设定的阈值时，停止优化，此时的路径为优化的路径规划信息。

可选的，所述根据所述图像信息对于所述机器人的运行速度和清洁模式进行调整，具体包括：

调取所述目标地图信息中的清洁度信息，对所述清洁度信息进行分析和处理，获得清洁度参数；

根据所述清洁度参数和预设的参照表进行对比，获得清洁度指标，并获得对应清洁度指标下的清洁模式；

通过所述清洁度指标对所述机器人的运行状态进行模拟，运算获得机器人的最佳前进速度；

驱动机器人运行所述清洁模式和最佳前进速度，并对通过所述摄像头模组获得实时反馈信息，根据所述实时反馈信息来对实时清洁模式和最佳前进速度进行动态调整。

可选的，清洁完成后，通过所述摄像头模组获取结束后的地坪图像，结合图像处理方法评估清洁效果，并选择二次清洁模式，具体包括：

清洁完成后，通过装置于机器人上的摄像头模组获取当前环境的地坪图像；

对获取的地坪图像进行处理，识别出仍存在污渍、灰尘或其他未清洁的标志；

根据图像处理及分析的结果，评估机器人清洁的效果；

根据清洁效果的评估结果，决定是否需要二次清洁；

经过模式选择后，机器人开始进行二次清洁；

在清洁过程中，采用上述步骤进行实时监控与效果评估。

本发明还提供了一种清洁系统，应用于如上所述的地坪除尘机器人路径规划方法，所述清洁系统包括：

机器人，所述机器人的周侧设有第一摄像头单元，所述机器人的底部设有第二摄像头单元；

数据处理模块，用于对图像信息进行数据处理后获得第一路径规划信息；

存储模块，用于存储所述第一路径规划信息；

控制模块，用于控制所述机器人运行。

本发明还提供了一种处理器，包括存储器和至少一个处理器，所述存储器中存储有指令；

所述处理器调用所述存储器中的所述指令，以使得所述处理器执行如上所述的地坪除尘机器人路径规划方法。

与现有技术相比，本发明具有以下有益效果：通过获取厂房空间的地图分布信息，机器人可以构建一个初步的环境模型，基于此模型生成第一路径规划信息；通过摄像头模组收集实时的图像信息，让机器人获得对环境完整和准确的理解，采用动态拟合的方式，将实时图像获取的数据反馈到路径规划中，实时优化和更新行进路径；将实时获取的图像信息用于机器人的运行速度和清洁模式的调整，使之能够根据不同的环境条件，灵活调整运行状态；清洁结束后，机器人通过图像处理方法评估清洁效果，并决定是否需要进行二次清洁；相较于现有技术中的清洁方式，本除尘机器人路径规划方法的机器人对内部设备或物料的位置变化有实时的反应，同时精确地更新其行进路线，从而避免了因避障而产生的清扫盲区，提高了清扫的全面性和深入性，通过自适应调整清洁模式和速度，优化了资源使用，提高了清洁效率，使机器人更好地应对复杂多变的环境，提高了清洁效果。

附图说明

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性的前提下，还可以根据这些附图获得其它的附图。

本说明书附图所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。

图1为本实施例一的地坪除尘机器人路径规划方法的流程示意图。

图2为本实施例一的地坪除尘机器人路径规划方法的步骤S2的示意图。

图3为本实施例一的地坪除尘机器人路径规划方法的步骤S3的示意图。

图4为本实施例一的地坪除尘机器人路径规划方法的机器人的示意图。

具体实施方式

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，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，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

在本发明的描述中，需要理解的是，术语“上”、“下”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。需要说明的是，当一个组件被认为是“连接”另一个组件，它可以是直接连接到另一个组件或者可能同时存在居中设置的组件。

下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。

实施例一：

结合图1至图3本发明实施例提供了一种地坪除尘机器人路径规划方法，包括：

S1，获取厂房空间的地图分布信息并输入到机器人100的数据库中，所述机器人100根据所述地图分布信息来生成第一路径规划信息；

S2，所述机器人100根据所述第一路径规划信息行进，并通过所述机器人100的摄像头模组进行实时图像获取，生成实时更新的图像信息；

S3，将所述图像信息补偿到地图分布信息中，采用动态拟合的方式对第一路径规划信息进行实时优化和更新，生成新的路径规划信息；

S4，根据所述图像信息对于所述机器人100的运行速度和清洁模式进行调整，例如：对于灰尘较多的位置喷洒水后清洁，对于难以去除的污渍的地方进行喷洒清洁液；

S5，清洁完成后，通过所述摄像头模组获取结束后的地坪图像，结合图像处理方法评估清洁效果，并选择二次清洁模式。

本发明的工作原理为：通过获取厂房空间的地图分布信息，机器人100可以构建一个初步的环境模型，基于此模型生成第一路径规划信息；通过摄像头模组收集实时的图像信息，让机器人100获得对环境完整和准确的理解，采用动态拟合的方式，将实时图像获取的数据反馈到路径规划中，实时优化和更新行进路径；将实时获取的图像信息用于机器人100的运行速度和清洁模式的调整，使之能够根据不同的环境条件，灵活调整运行状态；清洁结束后，机器人100通过图像处理方法评估清洁效果，并决定是否需要进行二次清洁；相较于现有技术中的清洁方式，本除尘机器人100路径规划方法的机器人100对内部设备或物料的位置变化有实时的反应，同时精确地更新其行进路线，从而避免了因避障而产生的清扫盲区，提高了清扫的全面性和深入性，通过自适应调整清洁模式和速度，优化了资源使用，提高了清洁效率，使机器人100更好地应对复杂多变的环境，提高了清洁效果。

在本实施例中，所述摄像头模组包括位于所述机器人100周侧的第一摄像头单元101和位于机器人100底部的第二摄像头单元102；

所述图像信息包括第一摄像头单元101获取的第一图像信息和第二摄像头单元102获得的第二图像信息；所述第一图像信息包括机器人100的位置信息和障碍物信息，所述第二信息包括地坪的清洁度信息。

在本实施例中，结合图2所示，步骤S2具体包括：

S21，根据第一路径规划信息，机器人100开始进行清扫任务；在此过程中，机器人100应根据已制定的路径进行行进，可以利用在地图上设定的初始路径作为引导，确保机器人100根据计划行驶。

S22，当机器人100沿着预设的路径进行行驶时，其摄像头模组将同时进行实时图像获取；这包括由位于机器人100底部的第二摄像头单元102获取的与清洁度相关的第二图像信息，以及由位于机器人100周侧的第一摄像头单元101获取的包含位置和障碍物信息的第一图像信息。

S23，对所述摄像头模组获取的实时图像信息进行处理以生成可更新的图像信息；处理过程包括图像预处理、特征提取、以及使用机器学习或深度学习模型进行图像识别等步骤，目的是提取出对清洁任务有用的关键信息，例如障碍物的位置以及地坪的清洁度。

S24，通过图像处理模型对所述图像信息进行特征提取，以获得目标信息；所述目标信息包括位置信息、障碍物信息和清洁度信息。示例性的，如果机器人100检测到一处原本未标记的障碍物，应将该障碍物添加到地图上；同样，如果机器人100识别到某区域的清洁度较低，也应对地图信息进行更新。

在本实施例中，结合图3所示，步骤S3具体包括：

S31，将所述图像信息导入于初始的地图分布信息，对初始的地图分布信息进行更新，获得更新的地图分布信息；通过摄像头或其他传感器收集到的实时图像信息，将这些信息整合到原始地图中，从而更新地图。例如，如果原始地图上没有标记某个障碍物，但机器人的传感器检测到了，那么这个障碍物会被加入到更新后的地图中。

S32，通过所述目标信息对更新的地图分布信息进行补偿，获得目标地图分布信息；其中，“目标信息”是指机器人的目标位置或者需要特别处理的区域。这一步骤的目的是将这些关键信息纳入到地图中，为后续的路径规划提供更准确的参考。

S33，在所述目标地图分布信息上采用动态拟合方法对第一路径规划信息进行实时优化和更新，获得优化的路径规划信息；动态拟合可能是一种考虑了实时环境信息的路径规划算法。机器人会根据实时更新的地图信息来优化其路径，确保其可以绕过新出现的障碍物或者优先处理预设关键区域。

S34，采用预设的第一算法模型对优化的路径规划信息进行预测和验证，评估优化的路径规划信息的性能；在确定路径后，机器人会使用预先设定的算法模型对该路径进行验证，确保该路径是可行且高效的。这一步骤可以防止机器人因为瞬时的环境变化选择了一个不理想或者不安全的路径。

S35，根据评估结果对优化的路径规划信息进行调整，获得新的路径规划信息。在上一步的验证中，机器人判断当前路径不是最佳选择，那么会根据评估结果对路径进行调整。例如，如果机器人预判到某个路径可能会导致清扫时间过长或有安全隐患，那么会选择另一个路径。

在本实施例中，步骤S33具体包括：

S331，将所述目标地图信息作为输入数据；这是优化过程的起点，目标地图信息包含了机器人需要基于其进行路径规划和运动模式调整的基础信息。

S332，基于所述目标地图分布信息，对初始的路径规划进行初步的优化；这一步将进行对初步路径进行优化，目的是在已知的环境信息下找到一个初始可行的路径。

S333，根据地图分布信息的变化，实施动态拟合；所述动态拟合的过程中包括，通过迭代对路径规划逐步更新；例如，每当地图分布信息发生变化时（例如，发现新的障碍物或清洁度变化），都会触发一个新的拟合过程，以此来不断更新路径规划。

S334，定义一个初始化的拟合模型；这个模型中参数就是要优化的路径。拟合模型能够描述机器人如何针对给定的环境信息进行路径规划，模型中的参数就是要优化的路径。

S335，维护一个代价函数，函数中定义了期望优化目标；代价函数在这里用于在优化路径的过程中，衡量优化的好坏。代价函数中定义了期望优化的目标，如路径最短，清洁度最低等等。

S336，在新的地图分布信息中，用梯度下降不断地对代价函数进行最小化操作，并更新拟合模型中的路径参数；采用了梯度下降算法，是一种用于求解最优化问题的方法，用来更新拟合模型中的路径参数。

S337，当更新的路径使得代价函数降低至设定的阈值时，停止优化，此时的路径为优化的路径规划信息。设定了一个停止优化的条件，也就是当优化到一定程度（代价函数降低至设定的阈值）时，停止迭代优化，这样可以防止过度优化，同时也意味着找到了一条较理想的清扫路径。

在本实施例中，步骤S4具体包括：

S41，调取所述目标地图信息中的清洁度信息，对所述清洁度信息进行分析和处理，获得清洁度参数；根据所述图像信息对于所述机器人的运行速度和清洁模式进行调整。

S42，根据所述清洁度参数和预设的参照表进行对比，获得清洁度指标，并获得对应清洁度指标下的清洁模式；通过对比清洁度参数和预设的参照表，得出清洁度指标，这个指标将对机器人的清洁模式产生影响。

S43，通过所述清洁度指标对所述机器人100的运行状态进行模拟，运算获得机器人100的最佳前进速度；机器人根据清洁度指标和当前运行状态进行模拟和运算，以确定其最佳运行速度。这种策略帮助机器人适应各种清洁需求。

S44，驱动机器人100运行所述清洁模式和最佳前进速度，并对通过所述摄像头模组获得实时反馈信息，根据所述实时反馈信息来对实时清洁模式和最佳前进速度进行动态调整。形成一个反馈环，机器人在根据清洁模式和最佳前进速度运行的同时，还持续接收摄像头模组的实时反馈信息，并根据这些信息动态调整清洁模式和运行速度。

在本实施例中，步骤S5具体包括：

S51，清洁完成后，通过装置于机器人100上的摄像头模组获取当前环境的地坪图像；这些图像将用于评估清洁效果。

S52，对获取的地坪图像进行处理，识别出仍存在污渍、灰尘或其他未清洁的标志；这过程使用到的技术包括图像分割、特征提取的图像处理算法。

S53，根据图像处理及分析的结果，评估机器人100清洁的效果；例如，如果图像中未清洁区域的像素数量超过某个阈值，那么就认为清洁效果不佳。

S54，根据清洁效果的评估结果，决定是否需要二次清洁；如果评估结果较差，那么机器人100将需要进行二次清洁。如果评估结果满意，那么机器人100可以结束本次清扫任务。

S55，经过模式选择后，机器人100开始进行二次清洁；

S56，在清洁过程中，采用上述步骤进行实时监控与效果评估。在执行二次清洁过程中，机器人仍然会通过上述的步骤继续对清洁效果进行实时的监控和评估，确保最终达到满意的清洁效果。

实施例二：

本发明还提供了一种清洁系统，应用于如上所述的地坪除尘机器人路径规划方法，所述清洁系统包括：

机器人，结合图4所示，所述机器人的周侧设有第一摄像头单元101，所述机器人的底部设有第二摄像头单元102；

数据处理模块，用于对图像信息进行数据处理后获得第一路径规划信息；

存储模块，用于存储所述第一路径规划信息；

控制模块，用于控制所述机器人运行。

实施例三：

本发明还提供了一种处理器，包括存储器和至少一个处理器，所述存储器中存储有指令；

所述处理器调用所述存储器中的所述指令，以使得所述处理器执行如上的地坪除尘机器人路径规划方法。

实施例四：

本发明还提供了一种存储介质，其特征在于，所述存储介质上存储有指令，所述指令用于实现如上所述的地坪除尘机器人路径规划方法。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。