基于家庭庭院的户外自动行走装置及其控制系统和方法

暂无

基于家庭庭院的户外自动行走装置及其控制系统和方法\n技术领域\n[0001] 本发明涉及自动控制技术领域，特别是涉及一种基于家庭庭院的户外自动行走装置及其控制系统和方法。\n背景技术\n[0002] 随着计算机技术和人工智能技术的不断进步，类似于智能机器人的家庭庭院户外移动机器人已经开始慢慢的走进人们的生活。目前许多科技公司均开发了全自动吸尘器并已经投入市场。这种全自动吸尘器通常体积小巧，无需人工操控，一次设置之后就无需再投入精力管理，将用户从清洁、草坪维护等枯燥且费时费力的家务工作中解放出来，因此受到极大欢迎。\n[0003] 目前对家庭庭院户外移动机器人进行控制，存在以下方法：1）基于编码器的航迹推算法：方案的基本要求是车轮不打滑，并且地面平坦，这样才可以根据轮子旋转的圈数来进行推算，但对于自动割草机而言，打滑和平坦均无法充分保证，这将使得积累误差大到无法接受；2）基于多基站的绝对定位：基本方案是在区域四角设置某种发射器，如超声、红外、电磁射频等，通过类似GPS的原理进行直接定位，具有精度高等优点，对于自动割草机而言，超声信号会被植物多次反射、红外无法穿过植物且受阳光干扰、电磁成本超高；3）磁轨式定位：其需要铺设较密集的地下磁轨，对于自动割草机而言基本不适用。\n[0004] 因此传统的户外移动机器人控制方法存在各种缺陷，并不能有效控制户外移动机器人的移动，需要改进。\n发明内容\n[0005] 基于此，有必要针对上述问题，提供一种可有效控制的基于家庭庭院的户外自动行走装置及其控制系统和方法。\n[0006] 一种基于家庭庭院的户外自动行走装置，包括：壳体和行走模块，所述行走模块安装于所述壳体上，还包括：\n[0007] 安装于所述壳体上的图像采集模块，用于当所述自动行走装置在工作表面上行走时，连续采集工作表面上的图像；\n[0008] 安装于所述壳体中的主控制模块，与所述行走模块和所述图像采集模块分别连接，用于连续执行从采集的第一图像中确定特征区域，在所述第一图像后所采集的第二图像中识别所述特征区域，根据所述特征区域的几何变形和位移计算出并记录所述自动行走装置的位置变化数据和姿态变化数据；所述主控制模块还用于根据已记录的所述位置变化数据和姿态变化数据计算得到所述自动行走装置的行走轨迹。\n[0009] 在一个实施例中，所述图像采集模块用于连续采集工作表面上的图像时，工作表面上采集区域的大小为大于或等于100平方厘米。\n[0010] 在一个实施例中，所述图像采集模块位于壳体的靠近工作表面的一侧，采集方向朝向工作表面，且所述图像采集模块与工作表面之间的距离大于或等于3厘米。\n[0011] 在一个实施例中，所述第一图像和所述第二图像为所述图像采集模块采集的图像中采集时间相邻的图像。\n[0012] 在一个实施例中，自动行走装置还包括安装于所述壳体中的传感器，用于在采集图像时同步获取所述自动行走装置的位置参数和/或运动参数；\n[0013] 所述主控制模块还用于根据所述位置参数和/或运动参数，以及已记录的所述位置变化数据和姿态变化数据计算得到所述自动行走装置的行走轨迹。\n[0014] 在一个实施例中，所述主控制模块还用于检测采集的图像中是否包含预设边界的影像，若是则根据包含预设边界的影像的图像修正所述自动行走装置自前次检测到包含预设边界的影像的图像的时刻至当前时刻的行走轨迹。\n[0015] 在一个实施例中，所述主控制模块还用于根据采集的图像检测预设边界，控制所述自动行走装置沿所述预设边界行走一周并记录行走一周的行走轨迹，根据行走一周的行走轨迹确定边界轮廓；或者，\n[0016] 所述主控制模块还用于在人工控制下控制所述自动行走装置沿预设边界行走一周，记录行走一周的行走轨迹，根据行走一周的行走轨迹确定边界轮廓。\n[0017] 在一个实施例中，所述主控制模块还用于根据所述边界轮廓确定计划行走路径，记录所述自动行走装置的实际行走路径，根据实际行走路径确定所述自动行走装置相对于所述边界轮廓的相对位置，根据所述相对位置控制所述自动行走装置按照所述计划行走路径行走。\n[0018] 一种自动行走装置控制系统，包括上述任一实施例的基于家庭庭院的户外自动行走装置；还包括停靠装置，用于供所述自动行走装置停靠并为所述自动行走装置提供能量。\n[0019] 一种基于家庭庭院的户外自动行走装置控制方法，所述自动行走装置包括：壳体和行走模块，所述行走模块安装于所述壳体上，所述自动行走装置还包括：安装于所述壳体上的图像采集模块；所述方法包括：\n[0020] 当所述自动行走装置在工作表面上行走时，通过所述图像采集模块连续采集工作表面上的图像；\n[0021] 从采集的第一图像中确定特征区域，在所述第一图像后所采集的第二图像中识别所述特征区域；\n[0022] 根据所述特征区域的几何变形和位移计算出并记录所述自动行走装置的位置变化数据和姿态变化数据；\n[0023] 根据已记录的所述自动行走装置的位置变化数据和姿态变化数据计算得到所述自动行走装置的行走轨迹。\n[0024] 在一个实施例中，所述自动行走装置还包括安装于所述壳体中的传感器；所述方法还包括：\n[0025] 在采集图像的同时，通过所述传感器同步地感测所述自动行走装置的位置参数和/或运动参数；\n[0026] 所述根据已记录的所述自动行走装置的位置变化数据和姿态变化数据计算得到所述自动行走装置的行走轨迹，包括：\n[0027] 根据所述位置参数和/或运动参数，以及已记录的所述位置变化数据和姿态变化数据计算得到所述自动行走装置的行走轨迹。\n[0028] 在一个实施例中，所述方法还包括：\n[0029] 检测采集的图像中是否包含预设边界的影像，若是则根据包含预设边界的影像的图像修正所述自动行走装置自前次检测到包含预设边界的影像的图像的时刻至当前时刻的行走轨迹。\n[0030] 在一个实施例中，所述方法还包括：\n[0031] 根据采集的图像检测预设边界，控制所述自动行走装置沿所述预设边界行走一周并记录行走一周的行走轨迹，根据行走一周的行走轨迹确定边界轮廓；或者，[0032] 在人工控制下控制所述自动行走装置沿预设边界行走一周，并记录行走一周的行走轨迹，根据行走一周的行走轨迹确定边界轮廓。\n[0033] 在一个实施例中，所述方法还包括：\n[0034] 根据所述边界轮廓确定计划行走路径；\n[0035] 记录所述自动行走装置的实际行走路径；\n[0036] 根据实际行走路径确定所述自动行走装置相对于所述边界轮廓的相对位置；\n[0037] 根据所述相对位置控制所述自动行走装置按照所述计划行走路径行走。\n[0038] 上述基于家庭庭院的户外自动行走装置、自动行走装置控制系统和方法，通过比对多个图像中特征区域的位移和几何形变从而换算出自动行走装置的位置变化数据和姿态变化数据，进而实现自动行走装置的自定位和得到行走轨迹，方案可靠、成本低，能够准确、有效地控制自动行走装置的行走。\n附图说明\n[0039] 图1为一个实施例中自动行走装置控制系统的结构示意图；\n[0040] 图2为一个实施例中自动行走装置的简化的结构示意图；\n[0041] 图3为一个实施例中自动行走装置的简化的结构示意图的局部剖面图；\n[0042] 图4为一个实施例中从采集的第一图像中确定特征区域，在所述第一图像后所采集的第二图像中识别所述特征区域的过程的示意图；\n[0043] 图5为一个实施例中根据所述特征区域的几何变形和位移计算出所述自动行走装置的位置变化数据和姿态变化数据的过程的示意图；\n[0044] 图6为一个实施例中自动行走装置控制方法的流程示意图；\n[0045] 图7为另一个实施例中自动行走装置控制方法的流程示意图。\n具体实施方式\n[0046] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。\n[0047] 如图1所示，在一个实施例中，提供了一种基于家庭庭院的户外自动行走装置控制系统，包括自动行走装置102和供自动行走装置102停靠并为自动行走装置102补充能量的停靠装置104。自动行走装置102行走的表面为其工作表面。在本实施例中，工作表面可以包括工作区域106a和非工作区域106b，工作区域106a和非工作区域106b的交界线形成预设边界106，工作区域106a和非工作区域106b最好有明显区别，预设边界106用于限定自动行走装置102的活动范围。预设边界106具有可辨识性。停靠装置104布置在预设边界106上。自动行走装置102也可以称为机器人。\n[0048] 下面结合图2和图3说明自动行走装置102的具体结构。自动行走装置102具有壳体\n102a、行走模块、图像采集模块102c、传感器102d和主控制模块（图中未示出）。行走模块和图像采集模块102c安装于壳体102a上，传感器102d和主控制模块安装于壳体102a中。自动行走装置102在行走时，图像采集模块102c和传感器102d相对于壳体102a保持静止状态，且自动行走装置102的行走模块接触工作表面，而壳体102a、图像采集模块102c、传感器102d和主控制模块不接触工作表面。壳体102a起连接固定各个模块的作用，也可以用于保护安装于自动行走装置102的各个模块。主控制模块与行走模块、图像采集模块102c和传感器\n102d分别连接。\n[0049] 可以理解的是，自动行走装置102还包括置于壳体102a中的能量模块（图中未示出），能量模块与行走模块、图像采集模块102c、传感器102d和主控制模块分别连接，用于为这些模块提供工作所需的能量。其中，能量模块可以为基于燃料的能量提供模块，燃料可以是汽油或柴油等。能量模块还可以是电池包。在一个实施例中，能量模块为可充电电池包；\n当自动行走装置102工作时，可充电电池包释放电能以维持自动行走装置102工作；当自动行走装置102不工作时，可充电电池包可以连接到外部电源以补充电能。在一个实施例中，当自动行走装置102检测到可充电电池包电量不足时，自动行走装置102可自动寻找停靠装置104补充电能。\n[0050] 在其中一个实施例中自动行走装置102还可以包括工作模块，以执行特定的工作。\n比如工作模块可以是切割模块，包括用于割草的切割部件和驱动切割部件的切割马达，本实施例中自动行走装置102成为割草机。在其它实施例中，还可以为自动行走装置102安装具有其它功能的工作模块，使自动行走装置102成为修剪机、自动吸尘器等。\n[0051] 行走模块用于带动壳体102a及其所安装的各个模块行走，从而实现自动行走装置\n102的行走。在一个实施例中，行走模块包括轮组102b和用于驱动轮组102b的行走马达（图中未示出）。轮组102b可以有多种设置方法，一般轮组102b的数量为多个，比如至少3个。多个轮组102b，尤其是相对于自动行走装置102的行走方向对称设置的多个轮组102b可以以不同的转速转动，从而使得自动行走装置102可以转向。可以理解的是，行走模块还可以是其它可以实现行走的模块，比如机械臂或履带等，在此不再赘述。\n[0052] 图像采集模块102c安装于自动行走装置102上，用于当自动行走装置102在工作表面上行走时，按照预设采样时间间隔连续采集工作表面上的图像。这里的预设采样时间间隔至少要保证采集时间相邻的2个图像有重叠。图像采集模块102c采集图像的范围为图像采集模块102c的采集区域。在一个实施例中，如图3所示，图像采集模块102c位于壳体102a的靠近工作表面的一侧，且其采集方向朝向工作表面，以便于采集自动行走装置102底部、图像采集模块102c下方、特别是正下方的图像。该种方式采集获得的图像畸变小，便于后续处理。图3中300表示该种情况下图像采集模块102c的采集区域的侧视图。在其它实施例中，图像采集模块102c也可以位于壳体102a上任意位置，只需保证图像采集模块102c可以采集到工作表面上的图像即可，比如图像采集模块102c可位于壳体102a上相背于工作表面的一侧或朝向自动行走装置102行走方向的一侧。\n[0053] 在一个实施例中，当图像采集模块102c位于壳体102a的靠近工作表面的一侧，且其采集方向朝向工作表面时，图像采集模块102c与工作表面之间的距离大于或等于3厘米，和/或工作表面上采集区域的大小为大于等于100平方厘米。优选地图像采集模块102c与工作表面之间的距离大于或等于5厘米，和/或工作表面上采集区域的大小为大于等于200平方厘米。这样设置是因为工作表面在微观层面图像变化剧烈，环境不可预知，比如对于割草机来说，草地在微观层面（即几个平方厘米面积的图像）地形相对凹凸不平、图像变化剧烈，环境不可预知，所以采集区域较大些更适于后续处理，以提高对自动行走装置102控制的准确性。\n[0054] 主控制模块用于控制自动行走装置102的行走和自动行走装置102的各个模块的正常工作。主控制模块，与行走模块和图像采集模块102c分别连接，用于连续执行从采集的第一图像中确定特征区域，在第一图像后所采集的第二图像中识别特征区域，根据特征区域的几何变形和位移计算出并记录自动行走装置的位置变化数据和姿态变化数据；主控制模块还用于根据已记录的位置变化数据和姿态变化数据计算得到自动行走装置的行走轨迹。\n[0055] 具体地，自动行走装置102在启动后，图像采集模块102c用于按照预设采样时间间隔连续采集工作表面上的图像，并将采集的图像传输给主控制模块。这样主控制模块会收到多个图像。\n[0056] 参照图4，主控制模块用于将采集的其中一个图像402作为第一图像，该第一图像为基准图像，第一图像402后采集的一个图像404作为第二图像，第二图像为对比图像；在第一图像402中选取部分区域作为特征区域402a，在第二图像404中识别出该特征区域402a。\n接下来主控制模块用于可用于再将图像404作为第一图像，将第一图像404之后采集的一个图像406作为第二图像；在第一图像404中选取部分区域作为特征区域404a，在第二图像406中识别出该特征区域404a。接下来在将图像406作为第一图像时，在第一图像406中选取部分区域作为特征区域406a，这样一直持续执行。当然也可以将采集的一个图像作为第一图像，将该图像之后的另一个图像作为第二图像之后，可以将采集的图像中不同于先前作为第一图像和第二图像的其它图像作为第一图像，再将该图像之后的一个图像作为第二图像。\n[0057] 其中特征区域（402a、404a或406a）可以位于第一图像（402a对应的402、404a对应的404、406a对应的406）的中央位置，这样无论自动行走装置102朝哪个方向移动，都能够尽可能保证第二图像中的特征区域不会缺失。在其它实施例中，特征区域也可以位于第一图像的其它位置，比如在确定自动行走装置102大致的行走方向时，特征区域的选取位置可以稍沿行走方向反向移动一些距离。\n[0058] 主控制模块用于在选取特征区域后，对该特征区域进行处理以提取并记录该特征区域的一些图像特征，提取特征可以采用的方式包括但不限于SIFT（尺度不变特征转换）、SURF（speeded up robust features，快速鲁棒性特征）、DAISY（DAISY是面向稠密特征提取的可快速计算的局部图像特征描述子）、Haar（矩形特征）、WLD（韦伯局部特征）、LBP（Local Binary Patterns，局部二值模式）、ORB（一种二值特征描述子）、BRIEF（一种特征描述子）、LDA-hash（一种特征描述子）、MSER（Maximally Stable External Regions，区域特征提取）、HOG（Histogram of Oriented Gradient，方向梯度直方图）、灰度值、颜色直方图、灰度直方图、灰度矩等。特征区域可被记录为采集区域的坐标系中的一组位置坐标范围。\n[0059] 在一个实施例中，第一图像和第二图像为图像采集模块102c采集的图像中采集时间相邻的图像。本实施例中，当自动行走装置102在行走时，图像采集模块102c按照预设采样时间间隔连续采集图像，主控制模块将一个图像作为第一图像后，将该图像之后采集的采集时间相邻的下一个图像作为第二图像。这样第一图像和第二图像的共同部分最多，则第二图像中特征区域缺失的可能性最小，位置变化的记录精度也最高。然而在其它实施例中，第一图像和第二图像之间可以存在其它采集的图像，即采集的图像中存在采集时间介于第一图像的采集时间和第二图像的采集时间之间的图像，只需保证第二图像中仍然包含全部或部分的特征区域即可。\n[0060] 主控制模块用于在第二图像中识别特征区域，具体地，主控制模块用于根据先前记录的特征区域的图像特征，在第二图像中寻找与记录的图像特征匹配的部分，找到的部分就是识别出的特征区域。\n[0061] 以下结合图5来阐述主控制模块如何用于根据特征区域的几何变形和位移计算出自动行走装置102的位置变化数据和姿态变化数据。\n[0062] 主控制模块用于在第一图像中的特征区域和第二图像中的特征区域确定之后，根据第一图像和第二图像的特征配对结果，计算三维空间中图像采集模块102c在第一图像的采集时间和第二图像的采集时间这两个时刻的变换矩阵，从而推算出图像采集模块102c的位置变化数据和姿态变化数据。由于图像采集模块102c相对于壳体102a是静止的，图像采集模块102c的位置变化数据和姿态变换数据就可以转化为自动行走装置102的位置变化数据和姿态变化数据。其中自动行走装置102的位置变化数据表示自动行走装置102在工作表面上所处的位置。自动行走装置102的姿态变化数据是指表示自动行走装置102因自身的转向和/或地形起伏所导致的自动行走装置102的姿态变化的数据。\n[0063] 在一个实施例中，安装于壳体102a中的传感器102d用于在图像采集模块102c采集图像时同步获取自动行走装置102的位置参数和/或运动参数。主控制模块还用于根据位置参数和/或运动参数，以及位置变化数据和姿态变化数据计算得到自动行走装置102的行走轨迹。\n[0064] 传感器102d包括但不限于角速度传感器、差分GPS（全球定位系统）传感器或磁传感器等。位置参数是指表示自动行走装置102所处位置的信息，比如经纬度；运动参数是指表示自动行走装置102运动状态的信息，比如角速度、加速度、线速度等。主控制模块还用于结合传感器102d所采集的位置参数和/或运动参数，使用滤波算法计算特征区域在第一图像和第二图像中的位移和几何形变。其中滤波算法可以是但不限于：卡尔曼滤波算法、扩展卡尔曼滤波算法、粒子滤波算法等。具体地，主控制模块用于根据第一图像和第二图像中的特征配对结果和传感器采集的位置参数和/或运动参数，计算三维空间中图像采集模块\n102c在第一图像的采集时间和第二图像的采集时间这两个时刻的变换矩阵，从而推算出图像采集模块102c的位置变化数据和姿态变化数据，进而获得自动行走装置102的位置变化数据和姿态变化数据。\n[0065] 主控制模块用于不断记录自动行走装置102的位置变化数据和姿态变化数据，并根据累积记录的位置变化数据和姿态变化数据计算得到自动行走装置102的行走轨迹。从自动行走装置102启动开始，随着累积的位置变化数据和姿态变化数据的增多，行走轨迹也相应的增长。当然，主控制模块也可以仅记录限定长度的行走轨迹而抹去之前的行走轨迹数据，或者仅记录部分需要的时间段或空间范围内自动行走装置102的行走轨迹，这些可以根据实际工作需要而设定或者调整。\n[0066] 在一个实施例中，主控制模块还用于检测采集的图像中是否包含预设边界106的影像，若是则根据包含预设边界106的影像的图像修正自动行走装置自前次检测到包含预设边界的影像的图像的时刻至当前时刻的行走轨迹。\n[0067] 本实施例中，在通过图像采集模块102c采集工作表面的图像的同时，同步进行预设边界106的检测。具体地，主控制模块用于实现以下a、b和c的功能：\n[0068] a、将通过图像采集模块102c采集到的图像中的待检测区域使用滑动窗口切分为多个标准尺寸的图像。待检测区域可以是整幅图像，也可以是图像的部分区域，优选为图像中除去中央的特征区域的图像区域。相邻标准尺寸的图像可以有重叠区域，也可以没有重叠区域，视主控制模块的性能而定，优选为有重叠区域。\n[0069] b、对每个标准尺寸的图像提取特征，送入训练好的分类器中。分类器可以是使用包含预设边界的影像的图像样本和不包含预设边界的影像的图像样本训练获得的分类器。\n包含预设边界的影像可以是指包含预设边界的局部影像。其中提取的特征可以是人工定义的，也可以是自动训练的，视训练方法而定。其中，人工定义的特征可以是但不限于颜色直方图、LBP、动态纹理、共生矩、HOG、Haar-like（矩形特征）等，优选为颜色直方图和Haar-like特征，因为对实例割草机来说，工作表面一般为草地，草地外的底面为非工作区域。自动训练的特征可使用智能特征选择法或特征学习算法，算法可以是但不限于：Adaboost算法、深度学习中的自编码机、波尔兹曼学习机、卷积神经网络、深置信度网络等。\n[0070] c、对送入训练好的分类器而输出的分类结果，使用证据理论算法进行融合，最后输出预设边界106的检测结果。\n[0071] 当检测到包含预设边界106的影像的采集图像时，主控制模块用于对自动行走装置102自前次检测到包含预设边界的影像的图像的时刻至当前时刻的行走轨迹进行修正。\n具体地，主控制模块用于计算得到自动行走装置102的位置与预设边界106的误差，使用误差反向传播算法修正自动行走装置102自前次碰触到预设边界106开始到当前时刻的行走轨迹。相邻两次检测到预设边界的时刻之间的行走轨迹可能不是最佳轨迹，比如自动行走装置102从一点沿曲线运动到另一点，效率低于从一点沿直线到另一点，此时需要对该段轨迹进行修正从而进行优化，以使得自动行走装置102的行走以及工作更加高效。\n[0072] 在一个实施例中，图像采集模块102c采集图像的预设采样时间间隔可根据自动行走装置102的行走速度决定。当第一次采集图像结束后，在特征区域即将离开采集范围时，需要第二次采集图像，该第一次采集图像和该第二次采集图像的时间间隔为预设采样时间间隔的最大值。\n[0073] 在一个实施例中，自动行走装置102具有边界轮廓划定功能，包括自动模式和手动模式。在自动模式下，主控制模块用于根据采集的图像检测预设边界106，控制自动行走装置沿预设边界106行走一周并记录行走一周的行走轨迹，根据行走一周的行走轨迹确定边界轮廓。具体地，图像采集模块102c和传感器102d用于持续采集信号并传送给主控制模块，主控制模块用于根据接收到的信号自动判断自动行走装置102是否移动到预设边界106的边缘，若是则控制自动行走装置102沿预设边界106行走，直至回到起点，沿预设边界106行走一周并记录行走一周的行走轨迹，将行走一周的行走轨迹设置为边界轮廓。在一个实施例中，若自动行走装置102为割草机，则主控制模块用于根据通过图像采集模块102c采集的图像进行边界检测，判断自动行走装置102是否移动到草地边界边缘，若是则控制自动行走装置沿着草地边界行走，直至回到自动行走装置102出发时的起始位置。同时在自动行走装置102行走过程中记录行走轨迹，然后将记录的行走轨迹记录为边界轮廓。\n[0074] 在手动模式下，主控制模块用于在人工控制下控制自动行走装置沿预设边界106行走一周，记录行走一周的行走轨迹，根据行走一周的行走轨迹确定边界轮廓。具体地，自动行走装置102用于从预设的起点开始，沿预设边界106行走一周，并在行走的过程中持续的记录行走轨迹，然后将记录的行走轨迹记录为边界轮廓。预设的起点可以是停靠装置\n104，自动行走装置102行走的方式可以是人工带领，如主控制模块用于根据遥控器的遥控信号控制自动行走装置102的行走方向等，也可以为通过人工设置的路标如电子边界线或者指示路标等行走。记录自动行走装置102行走轨迹的方式如自动模式之下的记录方式，不再赘述。\n[0075] 划定边界轮廓可以为自动行走装置102的工作带来极大的优势，例如，从预设边界\n106上的已知位置进入工作区域106a后，由于后续的行走轨迹是被持续的记录的，这样自动行走装置102就能够知晓任何时刻它自身的位置以及已经工作过的区域，进而能够保证自动行走装置102不会离开工作区域106a，也可以智能地选择下一步动作，如向哪一个区域行进和工作等。在一个实施例中，主控制模块用于根据边界轮廓划定多个工作区域，并控制自动行走装置102分别在各个工作区域内行走并工作。\n[0076] 在一个实施例中，主控制模块还用于根据边界轮廓确定计划行走路径，记录自动行走装置的实际行走路径，根据实际行走路径确定自动行走装置相对于边界轮廓的相对位置，根据该相对位置控制自动行走装置按照计划行走路径行走。\n[0077] 本实施例中，在自动行走装置102开始工作时，主控制模块用于根据边界轮廓设定一个计划行走路径，该路径是优化的，从而可以避免重复在部分位置工作，按合理的路径行走可节约行走时间。主控制模块用于在设定计划行走路径后控制自动行走装置102行走，并实时记录自动行走装置102的实际行走路径，并根据实际行走路径，或者根据实际行走路径结合位置参数和/或运动参数来计算自动行走装置102相对于边界轮廓的相对位置，该相对位置可以表示当前自动行走装置102在由边界轮廓所形成的边界轮廓地图中的具体位置。\n然后可根据自动行走装置102的相对位置修正行走方向，以保持自动行走装置102按照计划行走路径行走。在一个实施例中，主控制模块可用于将实际行走路径与计划行走路径进行对比，若不一致则说明此时实际行走路径相对于计划行走路径发生了偏移，主控制模块可用于控制自动行走装置102在行走时反向偏移，以抵消偏移，从而保持自动行走装置102按照计划行走路径行走。\n[0078] 上述自动行走装置102，通过比对多个图像中特征区域的位移和几何形变从而换算出自动行走装置的位置变化数据和姿态变化数据，进而实现自动行走装置的自定位和得到行走轨迹，方案可靠、成本低，能够准确、有效地控制自动行走装置的行走。\n[0079] 在一个实施例中，提供了一种基于家庭庭院的户外自动行走装置控制方法，用于控制如上任一实施例的自动行走装置。其中，该自动行走装置包括：壳体、行走模块和图像采集模块；行走模块安装于壳体上，图像采集模块安装于壳体上；如图6所示，该方法包括以下步骤：\n[0080] 步骤602，当自动行走装置在工作表面上行走时，通过图像采集模块连续采集工作表面上的图像。\n[0081] 具体地，当自动行走装置在工作表面上行走时，通过图像采集模块按照预设采样时间间隔连续采集工作表面上的图像。这里的预设采样时间间隔至少要保证采集时间相邻的2个图像有重叠。在一个实施例中，图像采集模块可位于壳体的靠近工作表面的一侧，且其采集方向朝向工作表面，以便于采集自动行走装置底部、图像采集模块下方、特别是正下方的图像。该种方式采集获得的图像畸变小，便于后续处理。在其它实施例中，图像采集模块也可以位于壳体上任意位置，只需保证图像采集模块可以采集到工作表面上的图像即可，比如图像采集模块可位于壳体上相背于工作表面的一侧或朝向自动行走装置行走方向的一侧。\n[0082] 在一个实施例中，当图像采集模块位于壳体的靠近工作表面的一侧，且其采集方向朝向工作表面时，图像采集模块与工作表面之间的距离大于或等于3厘米，和/或工作表面上采集区域的大小为大于等于100平方厘米。优选地图像采集模块与工作表面之间的距离大于或等于5厘米，和/或工作表面上采集区域的大小为大于等于200平方厘米。这样设置是因为工作表面在微观层面图像变化剧烈，环境不可预知，比如对于割草机来说，草地在微观层面（即几个平方厘米面积的图像）地形相对凹凸不平、图像变化剧烈，环境不可预知，所以采集区域较大些更适于后续处理，以提高对自动行走装置控制的准确性。\n[0083] 步骤604，从采集的第一图像中确定特征区域，在第一图像后所采集的第二图像中识别特征区域。\n[0084] 具体地，将采集的图像中的其中一个图像作为第一图像，该第一图像为基准图像，第一图像后采集的一个图像作为第二图像，第二图像为对比图像。第一图像中选取部分区域作为特征区域，在第二图像中识别出该特征区域。在后续循环时，可将该第二图像作为后续循环中的第一图像，再将后续循环中的另一个图像作为第二图像。当然也可以将采集的一个图像作为第一图像，将该图像之后的另一个图像作为第二图像之后，可以将采集的图像中不同于先前作为第一图像和第二图像的其它图像作为第一图像，再将该图像之后的一个图像作为第二图像。\n[0085] 其中特征区域可以位于第一图像的中央位置，这样无论自动行走装置朝哪个方向移动，都能够尽可能保证第二图像中的特征区域不会缺失。在其它实施例中，特征区域也可以位于第一图像的其它位置，比如在确定自动行走装置大致的行走方向时，特征区域的选取位置可以稍沿行走方向反向移动一些距离。\n[0086] 在提取特征区域之后，需对该特征区域进行处理以提取并记录该特征区域的一些图像特征，提取特征可以采用的方式包括但不限于SIFT、SURF、DAISY、Haar、WLD、LBP、ORB、BRIEF、LDA-hash、MSER、HOG、灰度值、颜色直方图、灰度直方图、灰度矩等。特征区域可被记录为采集区域的坐标系中的一组位置坐标范围。\n[0087] 在一个实施例中，第一图像和第二图像为图像采集模块采集的图像中采集时间相邻的图像。本实施例中，当自动行走装置在行走时，图像采集模块按照预设采样时间间隔连续采集图像，主控制模块将一个图像作为第一图像后，将该图像之后采集的采集时间相邻的下一个图像作为第二图像。这样第一图像和第二图像的共同部分最多，则第二图像中特征区域缺失的可能性最小，位置变化的记录精度也最高。然而在其它实施例中，第一图像和第二图像之间可以存在其它采集的图像，即采集的图像中存在采集时间介于第一图像的采集时间和第二图像的采集时间之间的图像，只需保证第二图像中仍然包含全部或部分的特征区域即可。\n[0088] 在第二图像中识别特征区域时，根据先前记录的特征区域的图像特征，在第二图像中寻找与记录的图像特征匹配的部分，找到的部分就是识别出的特征区域。\n[0089] 步骤606，根据特征区域的几何变形和位移计算出并记录自动行走装置的位置变化数据和姿态变化数据。\n[0090] 在第一图像中的特征区域和第二图像中的特征区域确定之后，根据第一图像和第二图像的特征配对结果，计算三维空间中在第一图像的采集时间和第二图像的采集时间这两个时刻的变换矩阵，从而推算出图像采集模块的位置变化数据和姿态变化数据。由于图像采集模块相对于壳体是静止的，图像采集模块的位置变化数据和姿态变换数据就可以转化为自动行走装置的位置变化数据和姿态变化数据。其中自动行走装置的位置变化数据表示自动行走装置在工作表面上所处的位置。自动行走装置的姿态变化数据是指表示自动行走装置因自身的转向和/或地形起伏所导致的自动行走装置的姿态变化的数据。\n[0091] 步骤608，根据已记录的自动行走装置的位置变化数据和姿态变化数据计算得到自动行走装置的行走轨迹。\n[0092] 不断记录自动行走装置的位置变化数据和姿态变化数据，并根据累积记录的位置变化数据和姿态变化数据计算得到自动行走装置的行走轨迹。从自动行走装置启动开始，随着累积的位置变化数据和姿态变化数据的增多，行走轨迹也相应的增长。当然，也可以仅记录限定长度的行走轨迹而抹去之前的行走轨迹数据，或者仅记录部分需要的时间段或空间范围内自动行走装置的行走轨迹，这些可以根据实际工作需要而设定或者调整。\n[0093] 上述自动行走装置控制方法，通过比对多个图像中特征区域的位移和几何形变从而换算出自动行走装置的位置变化数据和姿态变化数据，进而实现自动行走装置的自定位和得到行走轨迹，方案可靠、成本低，能够准确、有效地控制自动行走装置的行走。\n[0094] 在一个实施例中，自动行走装置还包括安装于壳体中的传感器。该自动行走装置控制方法还包括：在采集图像的同时，通过传感器同步地感测自动行走装置的位置参数和/或运动参数。则步骤608包括：根据位置参数和/或运动参数，以及位置变化数据和姿态变化数据计算得到自动行走装置的行走轨迹。\n[0095] 传感器包括但不限于角速度传感器、差分GPS传感器或磁传感器等。结合传感器所采集的位置参数和/或运动参数，使用滤波算法计算特征区域在第一图像和第二图像中的位移和几何形变。其中滤波算法可以是但不限于：卡尔曼滤波算法、扩展卡尔曼滤波算法、粒子滤波算法等。具体地，可根据第一图像和第二图像中的特征配对结果和传感器采集的位置参数和/或运动参数，计算三维空间中图像采集模块在第一图像的采集时间和第二图像的采集时间这两个时刻的变换矩阵，从而推算出图像采集模块的位置变化数据和姿态变化数据，进而获得自动行走装置的位置变化数据和姿态变化数据。\n[0096] 在一个实施例中，该自动行走装置控制方法还包括：检测采集的图像中是否包含预设边界的影像，若是则根据包含预设边界的影像的图像修正自动行走装置自前次检测到包含预设边界的影像的图像的时刻至当前时刻的行走轨迹。\n[0097] 本实施例中，在通过图像采集模块c采集工作表面的图像的同时，同步进行预设边界的检测，具体地，检测预设边界的步骤包括步骤1）～步骤3）：\n[0098] 步骤1），将通过图像采集模块采集到的图像中的待检测区域使用滑动窗口切分为多个标准尺寸的图像。待检测区域可以是整幅图像，也可以是图像的部分区域，优选为图像中除去中央的特征区域的图像区域。相邻标准尺寸的图像可以有重叠区域，也可以没有重叠区域，优选为有重叠区域。\n[0099] 步骤2），对每个标准尺寸的图像提取特征，送入训练好的分类器中。分类器可以是使用包含预设边界的影像的图像样本和不包含预设边界的影像的图像样本训练获得的分类器。包含预设边界的影像可以是指包含预设边界的局部影像。其中提取的特征可以是人工定义的，也可以是自动训练的，视训练方法而定。其中，人工定义的特征可以是但不限于颜色直方图、LBP、动态纹理、共生矩、HOG、Haar-like等，优选为颜色直方图和Haar-like特征，因为对实例割草机来说，工作表面一般为草地，草地外的底面为非工作区域。自动训练的特征可使用智能特征选择法或特征学习算法，算法可以是但不限于：Adaboost算法、深度学习中的自编码机、波尔兹曼学习机、卷积神经网络、深置信度网络等。\n[0100] 步骤3），对送入训练好的分类器而输出的分类结果，使用证据理论算法进行融合，最后输出预设边界的检测结果。\n[0101] 当检测到包含预设边界的影像的采集图像时，对自动行走装置自前次检测到包含预设边界的影像的图像的时刻至当前时刻的行走轨迹进行修正。具体地，计算得到自动行走装置的位置与预设边界的误差，使用误差反向传播算法修正自动行走装置自前次碰触到预设边界开始到当前时刻的行走轨迹。相邻两次检测到预设边界的时刻之间的行走轨迹可能不是最佳轨迹，比如自动行走装置从一点沿曲线运动到另一点，效率低于从一点沿直线到另一点，此时需要对该段轨迹进行修正从而进行优化，以使得自动行走装置的行走以及工作更加高效。\n[0102] 在一个实施例中，图像采集模块采集图像的预设采样时间间隔可根据自动行走装置的行走速度决定。当第一次采集图像结束后，在特征区域即将离开采集范围时，需要第二次采集图像，该第一次采集图像和该第二次采集图像的时间间隔为预设采样时间间隔的最大值。\n[0103] 在一个实施例中，该自动行走装置控制方法还包括步骤：根据采集的图像检测预设边界，控制自动行走装置沿预设边界行走一周并记录行走一周的行走轨迹，根据行走一周的行走轨迹确定边界轮廓。\n[0104] 自动行走装置具有边界轮廓划定功能，包括自动模式和手动模式。在自动模式下，通过图像采集模块和传感器持续采集信号，并根据采集到的信号自动判断自动行走装置是否移动到预设边界的边缘，若是则控制自动行走装置沿预设边界行走，直至回到起点，沿预设边界行走一周并记录行走一周的行走轨迹，将行走一周的行走轨迹设置为边界轮廓。在一个实施例中，若自动行走装置为割草机，则可根据通过图像采集模块采集的图像进行边界检测，判断自动行走装置是否移动到草地边界边缘，若是则控制自动行走装置沿着草地边界行走，直至回到自动行走装置出发时的起始位置。同时在自动行走装置行走过程中记录行走轨迹，然后将记录的行走轨迹记录为边界轮廓。\n[0105] 在一个实施例中，该自动行走装置控制方法还包括步骤：在人工控制下控制自动行走装置沿预设边界行走一周，并记录行走一周的行走轨迹，根据行走一周的行走轨迹确定边界轮廓。\n[0106] 在手动模式下，在人工控制下控制自动行走装置沿预设边界行走一周，记录行走一周的行走轨迹，根据行走一周的行走轨迹确定边界轮廓。具体地，自动行走装置从预设的起点开始，沿预设边界行走一周，并在行走的过程中持续的记录行走轨迹，然后将记录的行走轨迹记录为边界轮廓。预设的起点可以是停靠装置，自动行走装置行走的方式可以是人工带领，如自动行走装置可在遥控信号的控制下控制其行走方向等，也可以为通过人工设置的路标如电子边界线或者指示路标等行走。记录自动行走装置行走轨迹的方式如自动模式之下的记录方式，不再赘述。\n[0107] 划定边界轮廓可以为自动行走装置的工作带来极大的优势，例如，从预设边界上的已知位置进入工作区域后，由于后续的行走轨迹是被持续的记录的，这样自动行走装置就能够知晓任何时刻它自身的位置以及已经工作过的区域，进而能够保证自动行走装置不会离开工作区域，也可以智能地选择下一步动作，如向哪一个区域行进和工作等。在一个实施例中，还可以根据边界轮廓划定多个工作区域，并控制自动行走装置分别在各个工作区域内行走并工作。\n[0108] 在一个实施例中，该自动行走装置控制方法还包括：根据边界轮廓确定计划行走路径；记录自动行走装置的实际行走路径；根据实际行走路径确定自动行走装置相对于边界轮廓的相对位置；根据该相对位置控制自动行走装置按照计划行走路径行走。\n[0109] 本实施例中，在自动行走装置开始工作时，根据边界轮廓设定一个计划行走路径，该路径是优化的，从而可以避免重复在部分位置工作，按合理的路径行走可节约行走时间。\n在设定计划行走路径后控制自动行走装置行走，并实时记录自动行走装置的实际行走路径，并根据实际行走路径计算自动行走装置相对于边界轮廓的相对位置，并根据自动行走装置的相对位置修正行走方向，以保持自动行走装置按照计划行走路径行走。\n[0110] 参考图7，在另一个实施例中，提供了一种自动行走装置控制方法，包括以下步骤：\n[0111] 步骤702，当自动行走装置在工作表面上行走时，通过图像采集模块连续采集工作表面上的图像。\n[0112] 在执行步骤702时执行步骤703，在采集图像的同时，通过传感器同步地感测自动行走装置的位置参数和/或运动参数。\n[0113] 在步骤702之后，执行步骤705，检测边界的步骤。具体包括：检测采集的图像中是否包含预设边界的影像，若是则执行步骤710。\n[0114] 步骤704，从采集的第一图像中确定特征区域，在第一图像后所采集的第二图像中识别特征区域。\n[0115] 步骤706，根据特征区域的几何变形和位移计算出并记录自动行走装置的位置变化数据和姿态变化数据。\n[0116] 步骤708，根据位置参数和/或运动参数，以及已记录的位置变化数据和姿态变化数据计算得到自动行走装置的行走轨迹。\n[0117] 步骤710，当检测到包含预设边界的影像的采集图像时，对自动行走装置自前次检测到包含预设边界的影像的图像的时刻至当前时刻的行走轨迹进行修正。\n[0118] 上述步骤702～步骤710循环执行。\n[0119] 以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。