本技術(shù)涉及智能機(jī)器人領(lǐng)域，尤其涉及一種自移動(dòng)清潔設(shè)備控制方法和設(shè)備。

背景技術(shù)：

1、在自動(dòng)化和機(jī)器人技術(shù)領(lǐng)域，尤其是在自移動(dòng)機(jī)器人，如掃地機(jī)器人的應(yīng)用中，識(shí)別和避讓障礙物是確保設(shè)備安全運(yùn)行的重要任務(wù)之一，而線束障礙物，如電源線、網(wǎng)絡(luò)線、充電線等，由于其形態(tài)不規(guī)則且可能分布在不同的方向和位置，如果沒(méi)有被準(zhǔn)確的識(shí)別出，則在掃地機(jī)器人清掃過(guò)程中，可能被卷入掃地機(jī)器人的驅(qū)動(dòng)輪中，影響掃地機(jī)器人的工作。

2、現(xiàn)有技術(shù)中，自移動(dòng)機(jī)器人通常使用box檢測(cè)算法識(shí)別線束障礙物，box檢測(cè)算法使用矩形框來(lái)表示物體的位置和范圍，而線束通常是細(xì)長(zhǎng)、彎曲且可能在空間中任意分布的物體，使用矩形框表示線束的位置，定位的準(zhǔn)確性較低。

3、然而，由于線束的形態(tài)復(fù)雜，不同的標(biāo)注人員可能對(duì)同一線束給出不同的標(biāo)注，這種不一致性影響算法的檢測(cè)結(jié)果，進(jìn)而導(dǎo)致自移動(dòng)機(jī)器人在檢測(cè)線束的位置時(shí)，識(shí)別的準(zhǔn)確率降低。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)提供一種自移動(dòng)清潔設(shè)備控制方法和設(shè)備，通過(guò)考慮線束鄰近區(qū)域內(nèi)每個(gè)像素點(diǎn)與線束障礙物的連線，并基于連線對(duì)線束障礙物進(jìn)行精確定位，進(jìn)而可以有效地識(shí)別線束障礙物的位置。

2、第一方面，本技術(shù)提供一種自移動(dòng)清潔設(shè)備控制方法，應(yīng)用于自移動(dòng)清潔設(shè)備，方法包括：

3、在自移動(dòng)清潔設(shè)備執(zhí)行清潔任務(wù)過(guò)程中，識(shí)別障礙物并確定障礙物為線束障礙物后，獲取線束障礙物圖像；

4、確定線束障礙物圖像中線束的位置坐標(biāo)，并基于位置坐標(biāo)避開(kāi)線束障礙物；

5、其中，確定線束障礙物圖像中線束的位置坐標(biāo)，包括：

6、確定線束障礙物圖像的線束鄰近區(qū)域，并確定線束鄰近區(qū)域中每一像素點(diǎn)的位置坐標(biāo)與線束障礙物的位置坐標(biāo)之間的連線，基于連線確定線束障礙物的位置坐標(biāo)；線束鄰近區(qū)域至少包括線束障礙物的包絡(luò)區(qū)域；包絡(luò)區(qū)域?yàn)閲@線束障礙區(qū)的邊界創(chuàng)建的封閉區(qū)域。

7、這樣，在自移動(dòng)清潔設(shè)備執(zhí)行清潔任務(wù)過(guò)程中，通過(guò)詳細(xì)分析像素點(diǎn)與線束障礙物的連線，可以精確地確定線束障礙物的位置，并在位置坐標(biāo)確定后，可以更有效地規(guī)劃路徑，避免潛在的碰撞或干擾，進(jìn)而減少設(shè)備與線束的物理接觸，降低纏繞、損壞線束或設(shè)備本身的風(fēng)險(xiǎn)，提高安全性的同時(shí)，可以更高效地完成清潔任務(wù)。

8、可選的，基于連線確定線束障礙物的位置坐標(biāo)，包括：

9、基于連線的距離確定線束障礙物的位置坐標(biāo)；其中，每一連線的距離為線束鄰近區(qū)域中對(duì)應(yīng)的像素點(diǎn)的位置坐標(biāo)與線束障礙物的位置坐標(biāo)連線之間的距離最小值。

10、這樣，由于考慮了線束鄰近區(qū)域內(nèi)每個(gè)像素點(diǎn)到線束障礙物的距離，并通過(guò)計(jì)算和比較距離最小值，可以對(duì)線束障礙物進(jìn)行精確定位，進(jìn)而可以有效地識(shí)別線束障礙物的位置，尤其在復(fù)雜的環(huán)境中，線束障礙物可能具有不規(guī)則的形狀，而基于連線的距離計(jì)算方法可以適應(yīng)這些復(fù)雜性，提供更可靠的定位結(jié)果。

11、可選的，確定線束障礙物圖像的線束鄰近區(qū)域，包括：

12、獲取預(yù)定義鄰域窗口，計(jì)算線束障礙物圖像中每一像素點(diǎn)在預(yù)定義鄰域窗口內(nèi)的鄰域特征；

13、根據(jù)鄰域特征，對(duì)線束障礙物圖像中的像素點(diǎn)進(jìn)行閾值分割，得到線束鄰近區(qū)域和非線束鄰近區(qū)域；

14、其中，自移動(dòng)清潔設(shè)備不對(duì)非線束鄰近區(qū)域進(jìn)行處理。

15、這樣，通過(guò)識(shí)別和忽略非線束鄰近區(qū)域，可以提高處理速率，并且通過(guò)上述鄰域分割方法確定線束鄰近區(qū)域和非線束鄰近區(qū)域，可以更準(zhǔn)確地確定需要關(guān)注的線束鄰近區(qū)域，進(jìn)而提高后續(xù)對(duì)線束障礙物的識(shí)別精度。

16、可選的，確定線束障礙物圖像中線束的位置坐標(biāo)，包括：

17、將線束障礙物圖像輸入訓(xùn)練好的線束檢測(cè)模型，預(yù)測(cè)得到線束障礙物圖像中線束障礙物的位置坐標(biāo)。

18、這樣，使用訓(xùn)練好的線束檢測(cè)模型進(jìn)行線束障礙物的位置坐標(biāo)的預(yù)測(cè)，可以在復(fù)雜背景下高精度地識(shí)別線束障礙物，適應(yīng)多種環(huán)境變化，具有較強(qiáng)的魯棒性，并且上述線束檢測(cè)模型還可以通過(guò)遷移學(xué)習(xí)或進(jìn)一步訓(xùn)練來(lái)適應(yīng)新的環(huán)境或識(shí)別多種類(lèi)型的線束障礙物，具有良好的可擴(kuò)展性。

19、可選的，線束檢測(cè)模型包括分類(lèi)模型和回歸模型；將線束障礙物圖像輸入訓(xùn)練好的線束檢測(cè)模型，預(yù)測(cè)得到線束障礙物圖像中線束障礙物的位置坐標(biāo)，包括：

20、將線束障礙物圖像輸入訓(xùn)練好的分類(lèi)模型，得到線束障礙物圖像中的線束鄰近區(qū)域；

21、將線束鄰近區(qū)域輸入訓(xùn)練好的回歸模型，得到線束鄰近區(qū)域中線束障礙物的位置坐標(biāo)。

22、這樣，本技術(shù)通過(guò)將模型預(yù)測(cè)分解為分類(lèi)和回歸兩個(gè)步驟，可以分別優(yōu)化每個(gè)模型的性能，提高整體檢測(cè)精度，該分類(lèi)模型首先縮小需要精確定位的區(qū)域范圍，減少了回歸模型的計(jì)算負(fù)擔(dān)，提高了處理效率，進(jìn)而利用訓(xùn)練好的回歸模型可以進(jìn)行精準(zhǔn)的回歸定位，擬合線束障礙物的不規(guī)則形狀，以識(shí)別和準(zhǔn)確定位線束，進(jìn)而輸出線束具體位置。

23、可選的，線束檢測(cè)模型為基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型。

24、需要說(shuō)明的是，基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型，在圖像識(shí)別和分類(lèi)任務(wù)中表現(xiàn)出色，可以處理復(fù)雜的圖像特征，提供高精度的檢測(cè)結(jié)果，并且基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型可以在復(fù)雜和多變的背景中有效地識(shí)別目標(biāo)對(duì)象，適用于各種環(huán)境和條件下的線束檢測(cè)，尤其該模型對(duì)噪聲、遮擋和光照變化具有較強(qiáng)的魯棒性，可以適應(yīng)不同的圖像質(zhì)量和環(huán)境條件。

25、這樣，基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型可以識(shí)別出線束并準(zhǔn)確定位其具體位置。

26、可選的，線束檢測(cè)模型的訓(xùn)練過(guò)程包括：

27、獲取訓(xùn)練數(shù)據(jù)集；訓(xùn)練數(shù)據(jù)集包括多個(gè)訓(xùn)練樣本，每一訓(xùn)練樣本包括線束障礙物圖像以及線束障礙物圖像中線束障礙物的位置坐標(biāo)；

28、將訓(xùn)練數(shù)據(jù)集輸入線束檢測(cè)模型中進(jìn)行訓(xùn)練，得到訓(xùn)練好的線束檢測(cè)模型；

29、訓(xùn)練過(guò)程包括：確定每一線束障礙物圖像的線束鄰近區(qū)域，并確定線束鄰近區(qū)域中每一像素點(diǎn)的位置坐標(biāo)與線束障礙物的位置坐標(biāo)連線對(duì)應(yīng)的距離最小值，利用距離最小值對(duì)應(yīng)的連線、每一連線對(duì)應(yīng)的像素點(diǎn)的位置坐標(biāo)和線束障礙物的位置坐標(biāo)進(jìn)行回歸訓(xùn)練。

30、這樣，通過(guò)計(jì)算距離最小值并進(jìn)行回歸訓(xùn)練，使得模型可以精確地定位線束障礙物的位置，提高檢測(cè)精度，進(jìn)而通過(guò)精確的回歸訓(xùn)練，模型可以減少位置預(yù)測(cè)中的誤差，提高整體的可靠性；其中，線束檢測(cè)模型可以自動(dòng)學(xué)習(xí)圖像中的復(fù)雜特征，減少了對(duì)人工的依賴(lài)。

31、可選的，線束檢測(cè)模型包括分類(lèi)模型和回歸模型；將訓(xùn)練數(shù)據(jù)集輸入線束檢測(cè)模型中進(jìn)行訓(xùn)練，得到訓(xùn)練好的線束檢測(cè)模型，包括：

32、針對(duì)每一線束障礙物圖像，獲取標(biāo)注的線束障礙物圖像中的線束鄰近區(qū)域；

33、將多個(gè)線束障礙物圖像以及每個(gè)線束障礙物圖像對(duì)應(yīng)的線束鄰近區(qū)域輸入分類(lèi)模型中進(jìn)行訓(xùn)練，得到訓(xùn)練好的分類(lèi)模型；

34、將多個(gè)線束鄰近區(qū)域和線束鄰近區(qū)域中線束障礙物的位置坐標(biāo)輸入回歸模型中進(jìn)行訓(xùn)練，得到訓(xùn)練好的回歸模型；

35、將訓(xùn)練好的分類(lèi)模型和訓(xùn)練好的回歸模型匯總，得到訓(xùn)練好的線束檢測(cè)模型。

36、這樣，通過(guò)結(jié)合分類(lèi)模型和回歸模型，可以識(shí)別可能的線束鄰近區(qū)域，然后精確定位線束的位置，提高整體檢測(cè)精度，并且分類(lèi)模型和回歸模型的獨(dú)立訓(xùn)練和優(yōu)化，使得整體設(shè)計(jì)更加模塊化，便于維護(hù)和擴(kuò)展；其中，分類(lèi)模型先縮小需要精確處理的區(qū)域范圍，有效過(guò)濾掉不相關(guān)區(qū)域，減少了回歸模型的計(jì)算負(fù)擔(dān)，提高了處理效率，進(jìn)而回歸模型精確定位線束障礙物，提高定位精度。

37、可選的，回歸模型的訓(xùn)練過(guò)程包括：

38、獲取線束鄰近區(qū)域中每一像素點(diǎn)的位置坐標(biāo)；

39、針對(duì)每一像素點(diǎn)，利用像素點(diǎn)的位置坐標(biāo)與線束障礙物的位置坐標(biāo)，分別計(jì)算像素點(diǎn)到線束障礙物對(duì)應(yīng)的多個(gè)像素點(diǎn)的多個(gè)距離；

40、確定多個(gè)距離中的距離最小值，并確定距離最小值對(duì)應(yīng)的像素點(diǎn)之間的連線；

41、利用確定距離最小值對(duì)應(yīng)的像素點(diǎn)之間的連線、每一連線對(duì)應(yīng)的像素點(diǎn)的位置坐標(biāo)和線束障礙物的位置坐標(biāo)進(jìn)行回歸訓(xùn)練。

42、這樣，通過(guò)利用像素點(diǎn)之間的最小距離，使得模型可以精確地捕捉線束障礙物的位置，提高定位精度，該最小距離通過(guò)精確的距離計(jì)算和連線確定，使得模型可以減少位置預(yù)測(cè)中的誤差，提高整體的可靠性。

43、可選的，基于位置坐標(biāo)避開(kāi)線束障礙物，包括下述至少一種情況：

44、基于線束障礙物的位置坐標(biāo)重新規(guī)劃清潔路線，自移動(dòng)清潔設(shè)備按照清潔路線執(zhí)行清潔任務(wù)，以避開(kāi)線束障礙物；

45、基于線束障礙物的位置坐標(biāo)確定清潔禁區(qū)，自移動(dòng)清潔設(shè)備圍繞清潔禁區(qū)進(jìn)行清潔后，繼續(xù)按照原規(guī)劃的路徑執(zhí)行清潔任務(wù)；

46、將線束障礙物的位置坐標(biāo)發(fā)送到用戶終端上進(jìn)行顯示，響應(yīng)于用戶的控制操作，避開(kāi)線束障礙物。

47、這樣，自移動(dòng)清潔設(shè)備確定線束障礙物的位置坐標(biāo)后，可以有多種方式通過(guò)避開(kāi)線束障礙物，以適應(yīng)不同的環(huán)境變化和用戶需求，提高應(yīng)用靈活性的同時(shí)，還可以減少設(shè)備與線束障礙物發(fā)生碰撞的風(fēng)險(xiǎn)，從而保護(hù)設(shè)備和環(huán)境中的其他物品。

48、第二方面，本技術(shù)提供一種自移動(dòng)清潔設(shè)備控制方法，應(yīng)用于用戶終端，方法包括：

49、接收自移動(dòng)清潔設(shè)備發(fā)送的在執(zhí)行清潔任務(wù)過(guò)程中確定的線束障礙物圖像中線束的位置坐標(biāo)，并將位置坐標(biāo)進(jìn)行可視化顯示；

50、其中，確定線束障礙物圖像中線束的位置坐標(biāo)，包括：

51、識(shí)別障礙物并確定障礙物為線束障礙物后，獲取線束障礙物圖像；

52、確定線束障礙物圖像的線束鄰近區(qū)域，并確定線束鄰近區(qū)域中每一像素點(diǎn)的位置坐標(biāo)與線束障礙物的位置坐標(biāo)之間的連線，基于連線確定線束障礙物的位置坐標(biāo)；線束鄰近區(qū)域至少包括線束障礙物的包絡(luò)區(qū)域；包絡(luò)區(qū)域?yàn)閲@線束障礙區(qū)的邊界創(chuàng)建的封閉區(qū)域。

53、可以理解的是，通過(guò)在用戶終端上顯示線束障礙物的位置，使得用戶可以采取預(yù)防措施，避免自移動(dòng)清潔設(shè)備與線束障礙物發(fā)生碰撞，從而保護(hù)自移動(dòng)清潔設(shè)備和周?chē)h(huán)境。

54、這樣，通過(guò)提供實(shí)時(shí)的可視化內(nèi)容和交互功能，增加了用戶參與設(shè)備操作的機(jī)會(huì)，提高了用戶體驗(yàn)和滿意度，并且用戶可以根據(jù)實(shí)時(shí)顯示的可視化內(nèi)容動(dòng)態(tài)調(diào)整設(shè)備的清潔策略，更準(zhǔn)確地控制設(shè)備的行為，減少誤操作的可能性，從而降低自移動(dòng)清潔設(shè)備損壞的風(fēng)險(xiǎn)。

55、第三方面，本技術(shù)提供一種自移動(dòng)清潔設(shè)備，自移動(dòng)清潔設(shè)備包括：處理器，以及與處理器通信連接的存儲(chǔ)器；

56、存儲(chǔ)器存儲(chǔ)計(jì)算機(jī)執(zhí)行指令；

57、處理器執(zhí)行存儲(chǔ)器存儲(chǔ)的計(jì)算機(jī)執(zhí)行指令，以實(shí)現(xiàn)如第一方面中任一項(xiàng)的方法。

58、綜上所述，本技術(shù)提供一種自移動(dòng)清潔設(shè)備控制方法和設(shè)備，在自移動(dòng)清潔設(shè)備執(zhí)行清潔任務(wù)的過(guò)程中，在識(shí)別出線束障礙物后，通過(guò)獲取該線束障礙物的圖像，以識(shí)別出圖像中線束的線束鄰近區(qū)域，該線束鄰近區(qū)域至少包含線束障礙物的包絡(luò)區(qū)域，該包絡(luò)區(qū)域是圍繞線束障礙物的邊界創(chuàng)建的封閉區(qū)域，進(jìn)一步的，找到線束鄰近區(qū)域中每一像素點(diǎn)的位置坐標(biāo)與線束障礙物的位置坐標(biāo)的連線，這個(gè)連線與線束障礙物有共同交點(diǎn)，這些共同交點(diǎn)可以較好擬合線束的不固定形態(tài)，進(jìn)一步的，基于這些連線，精確確定線束障礙物的位置坐標(biāo)，進(jìn)而使用確定的線束位置坐標(biāo)，自移動(dòng)清潔設(shè)備調(diào)整其路徑規(guī)劃，以避開(kāi)線束障礙物，確保清潔任務(wù)的順利進(jìn)行；這樣，通過(guò)連線進(jìn)行精確的圖像分析和位置計(jì)算，提高了線束障礙物位置識(shí)別的準(zhǔn)確性，并且通過(guò)精確識(shí)別和避開(kāi)線束障礙物，減少了自移動(dòng)清潔設(shè)備因線束纏繞或拉扯而導(dǎo)致的故障和損壞，提高了設(shè)備的安全性和可靠性。