1.一種自移動清潔設備控制方法,其特征在于,應用于自移動清潔設備,所述方法包括:
2.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述基于所述連線確定所述線束障礙物的位置坐標,包括:
3.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述確定所述線束障礙物圖像的線束鄰近區(qū)域,包括:
4.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述確定所述線束障礙物圖像中線束的位置坐標,包括:
5.根據(jù)權(quán)利要求4所述的方法,其特征在于,所述線束檢測模型包括分類模型和回歸模型;所述將所述線束障礙物圖像輸入訓練好的線束檢測模型,預測得到所述線束障礙物圖像中線束障礙物的位置坐標,包括:
6.根據(jù)權(quán)利要求4所述的方法,其特征在于,所述線束檢測模型為基于深度學習的神經(jīng)網(wǎng)絡模型。
7.根據(jù)權(quán)利要求4所述的方法,其特征在于,所述線束檢測模型的訓練過程包括:
8.根據(jù)權(quán)利要求7所述的方法,其特征在于,所述線束檢測模型包括分類模型和回歸模型;所述將所述訓練數(shù)據(jù)集輸入線束檢測模型中進行訓練,得到訓練好的線束檢測模型,包括:
9.根據(jù)權(quán)利要求8所述的方法,其特征在于,所述回歸模型的訓練過程包括:
10.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述基于所述位置坐標避開所述線束障礙物,包括下述至少一種情況:
11.一種自移動清潔設備控制方法,其特征在于,應用于用戶終端,所述方法包括:
12.一種自移動清潔設備,其特征在于,所述自移動清潔設備包括:處理器,以及與所述處理器通信連接的存儲器;