清洁机器人及其脏物识别装置

1.一种清洁机器人的脏物识别装置，包括图像采集模块(10)，其特征在于，还包括图像处理模块(20)；
所述图像采集模块(10)用于采集清洁机器人待工作表面的图像信息，将所述图像信息发送给所述图像处理模块(20)；
所述图像处理模块(20)将采集到的待工作表面图像分割成N块，其中，N＞1，提取出每一块图像的图像信息，对所述图像信息进行处理，以确定所述N块中的一块图像所对应的待工作表面最脏，从而使所述装置可以对脏物进行主动识别。
2.根据权利要求1所述的清洁机器人的脏物识别装置，其特征在于，所述图像处理模块(20A)包括图像分割单元(210A)、信息提取单元(220A)和计算单元(230A)；
所述图像分割单元(210A)用于将采集到的清洁机器人待工作表面的图像分割成N块，其中N＞1；
所述信息提取单元(220A)提取出每一块图像的图像信息，并发送给所述的计算单元(230A)；
所述计算单元(230A)根据每一块图像的图像信息，判断出所述N块中的一块图像所对应的待工作表面最脏。
3.根据权利要求2所述的清洁机器人的脏物识别装置，其特征在于，所述信息提取单元(220A)为灰度值提取单元(220B)，所述计算单元(230A)为比较单元(230B)；
所述灰度值提取单元(220B)从每一块图像提取出对应的灰度值；
所述比较单元(230B)比较每一块图像的灰度值，从而将灰度值最大的图像确定为最脏的待工作表面。
4.根据权利要求2所述的清洁机器人的脏物识别装置，其特征在于，所述信息提取单元(220A)为灰度值提取单元(220C)，所述计算单元包括特征值提取单元(231C)和比较单元(230C)；
所述灰度值提取单元(220C)从每一块图像提取出对应的灰度值；
所述特征值提取单元(231C)将各图像块的灰度值转化为与其对应的特征值，从而从每一块图像中提取出脏物特征；
所述比较单元(230C)比较每一图像的脏物特征值，从而将脏物特征值最大的图像确定为最脏的待工作表面。
5.根据权利要求2所述的清洁机器人的脏物识别装置，其特征在于，所述信息提取单元(220A)为灰度值提取单元(220D)，所述计算单元(230A)包括特征值提取单元(231D)、理论信任度计算单元(232D)和比较单元(230D)；
所述灰度值提取单元(220D)从每一图像块提取出对应的灰度值；
所述特征值提取单元(231D)将各图像块的灰度值转化为与其对应的特征值，从而从每一块图像中提取出脏物特征；
所述理论信任度计算单元(232D)以所述特征值、从一数据库中得到的对应于所述特征值的即时信任度为参数，根据所述特征值、即时信任度和理论信任度的函数关系得到对应于每一图像块的理论信任度；
所述比较单元(230D)比较每一图像块的理论信任度，从而将理论信任度最大的图像确定为最脏的待工作表面。
6.根据权利要求5所述的清洁机器人的脏物识别装置，其特征在于，还包括灰尘传感器(235E)和理论信任度修正单元(236E)；
所述灰尘传感器(235E)用于感测待工作表面的脏物量，并将感测到实际脏物量的信息发送给所述理论信任度修正单元(236E)；
所述理论信任度修正单元(236E)计算实际脏物量与标准脏物量的差值，并根据该差值与即时信任度偏差值的函数关系，计算出即时信任度偏差值；
所述理论信任度计算单元(232E)根据所述特征值、即时信任度和即时信任度偏差值的函数关系，计算出修正后对应于每一图像块的理论信任度。
7.根据权利要求6所述的清洁机器人的脏物识别装置，其特征在于，所述比较单元(230E)比较每一图像块的修正后的理论信任度，将理论信任度最大的图像确定为最脏的待工作表面。
8.根据权利要求5所述的清洁机器人的脏物识别装置，其特征在于，所述特征值、即时信任度和理论信任度的函数关系为：
PA＝AFA
其中，A为特征值；FA为特征值为A的即时信任度；PA为特征值为A的理论信任度。
9.根据权利要求6所述的清洁机器人的脏物识别装置，其特征在于，实际脏物量与标准脏物量的差值与即时信任度偏差值的函数关系为：
ΔFA(n)＝f(x)
X为实际脏物量与标准脏物量的差值；ΔFA(n)为第n次修正后的特征值为A的即时信任度偏差值，f为函数关系式；
所述理论信任度计算单元(232E)通过如下公式计算出修正后对应于每一图像块的理论信任度：
PA(n)’＝A(FA+ΔFA(n)+ΔFA(n-1)+……ΔFA(1))
其中，A为特征值；FA为特征值为A的即时信任度；ΔFA(n)为对应于第n次修正时的实际脏物量与标准脏物量的差值的即时信任度偏差值；ΔFA(n-1)为对应于第n-1次修正时的实际脏物量与标准脏物量的差值的即时信任度偏差值；……ΔFA(1)为对应于第1次修正时的实际脏物量与标准脏物量的差值的即时信任度偏差值；PA(n)’为经过n次修正后、特征值为A的理论信任度。
10.根据权利要求9所述的清洁机器人的脏物识别装置，其特征在于，ΔFA(n)＝f(x)中所述f的函数关系式为：
n n-1 n-2 1
ΔFA(n)＝anX+an-1X +an-2X +……+a1X+a0
其中，X为实际脏物量与标准脏物量的差值；ΔFA(n)为第n次修正后的特征值为A的即时信任度偏差值；an、an-1、……、a1、a0为多项系数。
11.根据权利要求5所述的清洁机器人的脏物识别装置，其特征在于，还包括所述的数据库，所述数据库存储有相互对应的特征值、即时信任度、初始信任度和理论信任度。
12.根据权利要求6所述的清洁机器人的脏物识别装置，其特征在于，还包括所述的数据库，所述数据库存储有相互对应的特征值、即时信任度、初始信任度、即时信任度偏差值、理论信任度和标准脏物量的阈值。
13.根据权利要求11或12所述的清洁机器人的脏物识别装置，其特征在于，初始时所述特征值对应的即时信任度的值与初始信任度的值相等。
14.根据权利要求6所述的清洁机器人的脏物识别装置，其特征在于，还包括一设定单元(7)，用于设定初始信任度和/或标准脏物量的阈值。
15.根据权利要求14所述的清洁机器人的脏物识别装置，其特征在于，所述的设定单元(7)为按键、旋钮、触摸式或遥控式装置。
16.一种清洁机器人，包括机器人本体(1)、控制单元(2)、驱动单元(3)、行走单元(4)和清洁单元(5)，所述控制单元(2)控制清洁单元(5)工作，并控制驱动单元(3)，由驱动单元(3)驱动行走单元(4)行走，其特征在于，还包括权利要求1-15任一所述的脏物识别装置，所述控制单元(2)根据所述脏物识别装置确定的最脏的待工作表面，确定行走单元(4)以最脏的待工作表面为目的地的行走路线，对最脏的待工作表面进行清洁。
17.根据权利要求16所述的清洁机器人，其特征在于，权利要求1-15任一所述的脏物识别装置中的图像处理单元(20)为所述控制单元(2)的一个组成部分。

清洁机器人及其脏物识别装置\n技术领域\n[0001] 本实用新型涉及一种智能设备，尤其是一种清洁机器人及其脏物识别装置。\n背景技术\n[0002] 随着时代的进步和科技的飞越发展，智能设备，如机器人已成为人们所熟知的名词。不仅如此，智能清扫机、智能拖地机等类似的家庭服务机器人，以其清洁方便、省时省力的特点，使人们摆脱了繁琐的家务劳动而步入了寻常百姓的家庭生活。\n[0003] 在现有的家庭服务机器人技术及产品中，机器人可以按人们的要求完成最基本的清除灰尘的功能。\n[0004] 在现有技术中，清洁机器人大致分为智能吸尘器、智能扫地机和集吸、扫于一体的智能清扫机。智能吸尘器的清洁原理是依靠电动机驱动风叶轮高速旋转，风叶轮强力抽吸空气，造成吸尘器机体内外产生很大的压力差，在吸口处产生强大气流，从而将待清洁表面的灰尘和脏物随气流吸入吸尘器的集尘单元内，经过过滤器的过滤，灰尘和脏物被留在集尘单元内，干净的空气则透过过滤器，经过风叶轮等部件，释放到大气中。智能扫地机的清洁原理是：在扫地机的底部设有可转动的滚刷，通过滚刷的转动将待清洁表面的颗粒等脏物带到扫地机的集尘单元内。智能清扫机的清洁原理是：清扫机上设有能产生真空效果的电动机、风叶轮以及可转动的滚刷，通过真空吸力和滚刷的转动，使得待清洁表面的灰尘和颗粒脏物被吸入和带入到清扫机内的集尘单元内，清洁效果比同功率下的智能吸尘器或智能扫地机要好。\n[0005] 上述所说的清洁机器人在进行工作时，一般会自行移动。当机器人，诸如智能清扫机，其在行走的路径中遇到灰尘等脏物时，通过安装在进口通道两侧的灰尘传感器来探测灰尘等脏物的数量，灰尘等脏物在滚刷带动和吸力的作用下通过进口通道进入到集尘盒，此时灰尘传感器通过将探测到进口通道间灰尘等脏物的数量与预先设定的标准值进行比较，从而选择是否需要对该清扫点进行小区域地定点集中吸扫。\n[0006] 由此可见，现有的清洁机器人对灰尘等脏物的探测是一个被动的过程，只有当机器人遇到灰尘等脏物的时候，才能起到一个探测的功能，没有主动识别选择功能。因此，在做清洁工作时，由于该清洁机器人不能主动识别灰尘，常常是在待清洁表面走来走去，需要花费很长时间才能将待清洁表面打扫干净，不但效率低下，而且浪费电能。为了克服这些缺陷，需要由人们对该清洁机器人进行引导，使清洁机器人能到达有灰尘等脏物的地方来清洁，无形中又增加了人为的干预，不能真正起到将人们从劳动中解放出来的最终目的。\n[0007] 另外，也有一种清洁机器人，其配置有摄像装置，通过摄像装置采集前方地面的图像，将该图像与一标准图像来进行比较，从而确定出是否需要对其进行清洁。该方法虽然可以对待清洁地方进行主动探测，但是判断方法过于简单，不能准确地确定所采集区域是否真的需要清洁，误判率高。\n发明内容\n[0008] 本实用新型所要解决的技术问题是，针对现有技术不足，提供一种脏物识别装置及清洁机器人，可以对灰尘等脏物进行主动识别，并能准确地判断出是否需要清洁，从而提高清洁机器人的清洁效率、节约清洁时间，将人们从劳动中真正解放出来。\n[0009] 为便于解决上述的技术问题，本实用新型提供了一种清洁机器人的脏物识别装置，包括图像采集模块，图像处理模块；\n[0010] 所述图像采集模块用于采集清洁机器人待工作表面的图像信息，将所述图像信息发送给所述图像处理模块；\n[0011] 所述图像处理模块将采集到的待工作表面图像分割成N(N＞1)块，提取出每一块图像的图像信息，对所述图像信息进行处理，以确定所述N块中的一块图像所对应的待工作表面最脏，从而使所述装置可以对脏物进行主动识别。\n[0012] 本实用新型提供的第二种方案是，在第一种方案提供的清洁机器人的脏物识别装置中，所述图像处理模块包括图像分割单元、信息提取单元和计算单元；\n[0013] 所述图像分割单元用于将采集到的清洁机器人待工作表面的图像分割成N(N＞\n1)块；\n[0014] 所述信息提取单元提取出每一块图像的图像信息，并发送给所述的计算单元；\n[0015] 所述计算单元根据每一块图像的图像信息，判断出所述N块中的一块图像所对应的待工作表面最脏。\n[0016] 本实用新型提供的第三种方案是，在第二种方案提供的清洁机器人的脏物识别装置中，所述信息提取单元为灰度值提取单元，所述计算单元为比较单元；其中，所述灰度值提取单元从每一块图像提取出对应的灰度值；所述比较单元比较每一块图像的灰度值，从而将灰度值最大的图像确定为最脏的待工作表面。\n[0017] 本实用新型提供的第四种方案是，在第二种方案提供的清洁机器人的脏物识别装置中，所述信息提取单元为灰度值提取单元，所述计算单元包括特征值提取单元和比较单元；其中，所述灰度值提取单元从每一块图像提取出对应的灰度值；所述特征值提取单元将各图像块的灰度值转化为与其对应的特征值，从而从每一块图像中提取出脏物特征；所述比较单元比较每一图像的脏物特征值，从而将脏物特征值最大的图像确定为最脏的待工作表面。\n[0018] 本实用新型提供的第五种方案是，在第二种方案提供的清洁机器人的脏物识别装置中，所述信息提取单元为灰度值提取单元，所述计算单元包括特征值提取单元、理论信任度计算单元和比较单元；其中，所述灰度值提取单元从每一图像块提取出对应的灰度值；\n所述特征值提取单元将各图像块的灰度值转化为与其对应的特征值，从而从每一块图像中提取出脏物特征；所述理论信任度计算单元以所述特征值、从一数据库中得到的对应于所述特征值的即时信任度为参数，根据所述特征值、即时信任度和理论信任度的函数关系得到对应于每一图像块的理论信任度；所述比较单元比较每一图像块的理论信任度，从而将理论信任度最大的图像确定为最脏的待工作表面。\n[0019] 本实用新型提供的第六种方案是，在第五种方案提供的清洁机器人的脏物识别装置中，还包括灰尘传感器和理论信任度修正单元；其中，所述灰尘传感器用于感测待工作表面的脏物量，并将感测到实际脏物量的信息发送给所述理论信任度修正单元；所述理论信任度修正单元计算实际脏物量与标准脏物量的差值，并根据该差值与即时信任度偏差值的函数关系，计算出即时信任度偏差值；所述理论信任度计算单元根据所述特征值、即时信任度和即时信任度偏差值的函数关系，计算出修正后对应于每一图像块的理论信任度。\n[0020] 本实用新型提供的第七种方案是，在第六种方案提供的清洁机器人的脏物识别装置中，所述比较单元比较每一图像块的修正后的理论信任度，将理论信任度最大的图像确定为最脏的待工作表面。\n[0021] 本实用新型提供的第八种方案是，在第五种方案提供的清洁机器人的脏物识别装置中，所述特征值、即时信任度和理论信任度的函数关系为：PA＝AFA\n[0022] 其中，A为特征值；FA为特征值为A的即时信任度；PA为特征值为A的理论信任度。\n[0023] 本实用新型提供的第九种方案是，在第六种方案提供的清洁机器人的脏物识别装置中，实际脏物量与标准脏物量的差值与即时信任度偏差值的函数关系为：\n[0024] ΔFA(n)＝f(x)\n[0025] X为实际脏物量与标准脏物量的差值；ΔFA(n)为第n次修正后的特征值为A的即时信任度偏差值，f为函数关系式；\n[0026] 所述理论信任度计算单元(232E)通过如下公式计算出修正后对应于每一图像块的理论信任度：\n[0027] PA(n)’＝A(FA+ΔFA(n)+ΔFA(n-1)+……ΔFA(1))\n[0028] 其中，A为特征值；FA为特征值为A的即时信任度；ΔFA(n)为对应于第n次修正时的实际脏物量与标准脏物量的差值的即时信任度偏差值；ΔFA(n-1)为对应于第n-1次修正时的实际脏物量与标准脏物量的差值的即时信任度偏差值；……ΔFA(1)为对应于第1次修正时的实际脏物量与标准脏物量的差值的即时信任度偏差值；PA(n)’为经过n次修正后、特征值为A的理论信任度。\n[0029] 本实用新型提供的第十种方案是，在第九种方案提供的清洁机器人的脏物识别装置中，ΔFA(n)＝f(x)中所述f的函数关系式为：\n[0030] ΔFA(n)＝anXn+an-1Xn-1+an-2Xn-2+......+a1X1+a0\n[0031] 其中，X为实际脏物量与标准脏物量的差值；ΔFA(n)为第n次修正后的特征值为A的即时信任度偏差值；an、an-1、......、a1、a0为多项系数。\n[0032] 本实用新型提供的第十一种方案是，在第五种方案提供的清洁机器人的脏物识别装置中，还包括所述的数据库，所述数据库存储有相互对应的特征值、即时信任度、初始信任度和理论信任度。\n[0033] 本实用新型提供的第十二种方案是，在第六种方案提供的清洁机器人的脏物识别装置中还包括所述的数据库，所述数据库存储有相互对应的特征值、即时信任度、初始信任度、即时信任度偏差值、理论信任度和标准脏物量的阈值。\n[0034] 本实用新型提供的第十三种方案是，在第十一、十二种方案提供的清洁机器人的脏物识别装置中，初始时所述特征值对应的即时信任度的值与初始信任度的值相等。\n[0035] 本实用新型提供的第十四种方案是，在第六种方案提供的清洁机器人的脏物识别装置中，还包括一设定单元，用于设定初始信任度和/或标准脏物量的阈值。\n[0036] 本实用新型提供的第十五种方案是，在第十四种方案提供的清洁机器人的脏物识别装置中所述的设定单元为按键、旋钮、触摸式或遥控式装置。\n[0037] 本实用新型还提供了一种清洁机器人，包括机器人本体、控制单元、驱动单元、行走单元和清洁单元，所述控制单元控制清洁单元工作，并控制驱动单元，由驱动单元驱动行走单元行走，还包括前述方案一至十五任一所述的脏物识别装置，所述控制单元根据所述脏物识别装置确定的最脏的待工作表面，确定行走单元以最脏的待工作表面为目的地的行走路线，对最脏的待工作表面进行清洁。\n[0038] 在所述的清洁机器人中，前述方案一至十五任一所述的脏物识别装置中的图像处理模块为所述控制单元的一个组成部分。\n[0039] 本实用新型由图像处理模块将图像采集模块所采集到的图像进行分块处理，通过对分块后的每块图像信息进行比较，从而判断诸多块图像中哪一分块图像对应的工作表面最脏。通过本实用新型的方案，清洁机器人可以对灰尘等脏物进行主动识别，从而准确而快速地进入工作区域工作，与现有技术相比，提高了判断的准确率和工作效率，节约了工作时间；并且，由于对工作区域的选择和清洁，不需要人为干预，从而将人们从劳动中真正解放出来。另外，在本实用新型中，通过将图像信息转化成灰度值，因此无需存储图片信息而不需要大量的存储空间，由此加快了控制单元的运行速度，并且由于没有对存储单元的存储量有额外要求，也由此可以降低元器件的采购成本。\n[0040] 以下结合附图和具体实施例对本实用新型的技术方案进行详细的说明。\n附图说明\n[0041] 图1为本实用新型所述具有主动识别脏物的识别装置的控制框图；\n[0042] 图2为本实用新型所述具有主动识别脏物的识别装置的实施例一的控制框图；\n[0043] 图3为本实用新型图2中所述具有主动识别脏物的识别装置的工作流程图；\n[0044] 图4为本实用新型所述具有主动识别脏物的识别装置的实施例二的控制框图；\n[0045] 图5为本实用新型图4中所述具有主动识别脏物的识别装置的工作流程图；\n[0046] 图6为本实用新型所述具有主动识别脏物的识别装置的实施例三的控制框图；\n[0047] 图7为本实用新型所述具有主动识别脏物的识别装置的实施例四的控制框图；\n[0048] 图8为本实用新型图7中所述具有主动识别脏物的识别装置的工作流程图；\n[0049] 图9为本实用新型所述具有主动识别脏物的识别装置的实施例五的控制框图；\n[0050] 图10为本实用新型图9中所述具有主动识别脏物的识别装置的工作流程图；\n[0051] 图11为本实用新型所述自移动清洁机器人的整体示意图；\n[0052] 图12为本实用新型所述自移动清洁机器人的底部示意图；\n[0053] 图13为本实用新型所述自移动清洁机器人一具体实施例的控制框图；\n[0054] 图14为本实用新型所述自移动清洁机器人的工作流程图；\n[0055] 图15A-15C为自移动清洁机器人运行示意图。\n具体实施方式\n[0056] 本实用新型提供了一种实现脏物主动识别的识别装置，包括图像采集模块10和图像处理模块20；其中，所述图像采集模块10用于采集清洁机器人1待工作表面的图像信息，将所述图像信息发送给所述图像处理模块20；所述图像处理模块20将采集到的待工作表面图像分割成N块，提取出每一块图像的图像信息，其中，N＞1，对所述图像信息进行处理，最终判断出所述N块中的一块图像所对应的待工作表面最脏；或者将提取出每一块图像的图像信息发送给所述的清洁机器人1，由清洁机器人判断出所述N块中的一块图像所对应的待工作表面最脏。其中，判断出所述N块中的一块图像所对应的待工作表面最脏即可以由识别装置来完成，也可以由清洁机器人来完成。以下通过具体实施例来展开说明。\n[0057] 实现脏物主动识别的识别装置的实施例一\n[0058] 如图2所示，为本实施例一提供的一种主动识别脏物的识别装置，该装置包括图像采集模块10A和图像处理模块20A，其中，所述图像处理模块20A包括图像分割单元\n210A、信息提取单元220A和计算单元230A。图3为该识别装置的工作流程图。\n[0059] 结合图2和图3，图像采集模块10A用于采集待工作表面的图像信息(步骤S10A)后，图像处理模块20A中的图像分割单元210A将采集到的待工作表面的图像信息根据实际工作需要分割成N块(N＞1)(步骤S20A)，由信息提取单元220A提取出每一块图像的图像信息(步骤S30A)，并发送给所述的计算单元230A，所述计算单元230A根据每一块图像的图像信息，判断出所述N块中的一块图像所对应的待工作表面最脏(步骤S40A)。\n[0060] 其中，信息提取单元220A可以从每一块图像提取出一部分信息，如灰度值、特征值等，从而不用将所有图像的信息全部存储下来，因而极大地节省了存储空间，并且，由于所述计算单元230A根据这些信息进行判断，所以，提高了运行速度。\n[0061] 实现脏物主动识别的识别装置的实施例二\n[0062] 如图4所示，为本实施例二提供的一种主动识别脏物的识别装置，图5为图4所示识别装置的工作流程图，结合图4和图5，该识别装置包括图像采集模块10B和图像处理模块20B，其中，图像处理模块20B包括图像分割单元210B、灰度值提取单元220B和比较单元\n230B。\n[0063] 图像采集模块10B采集清洁机器人待工作表面的图像信息(步骤S10B)，并将该图像信息发送给所述图像分割单元210B；所述图像分割单元210B将采集到的待工作表面的图像信息根据实际工作需要分割成N块(N＞1)(步骤S20B)；所述灰度值提取单元220B从每一块图像提取出对应的灰度值(步骤S30B)，而后，所述比较单元230B比较每一块图像的灰度值，从而将灰度值最大的图像确定为最脏的待工作表面(步骤S40B)。\n[0064] 其中，从图像中提取灰度值的方法为公知惯常知识，通常，灰度值在0～255之间。\n[0065] 本实施例以灰度值的大小为判断依据是因为，对于性质相同的待工作表面，灰尘等脏物量大的表面的灰度值通常比灰尘等脏物量小的表面的灰度值大，因此，通过对比灰度值便可以判断出最脏的工作表面。\n[0066] 实现脏物主动识别的识别装置的实施例三\n[0067] 如图6所示，为本实施例三提供的一种主动识别脏物的识别装置原理示意图，所述识别装置包括图像采集模块10C和图像处理模块20C，其中，图像处理模块20C包括图像分割单元210C、灰度值提取单元220C、特征值提取单元231C和比较单元230C，其中，特征值提取单元231C和比较单元230C构成计算单元。\n[0068] 本实施例与实施例一的区别在于：在特征值提取单元231C，将灰度值转化成特征值，在判断最脏的工作表面时的依据是特征值的大小，将特征值最大的图像块对应的表面确定为最脏。\n[0069] 其中，其转化方法采用模式识别中的统计方法，诸如聚类法等等。具体地说，将每一块图像信息在数字环节之后进行预处理，用于除去混入的干扰信息并减少某些变形和失真。随后进行特征抽取，即从数字化或预处理的输入模式中抽取一组特征。所说的特征是指选定的一种度量，它对于一般的变形和失真保持不变或几乎保持不变，并且只含尽可能少的冗余信息。灰度值作为公知惯常知识，其数值在0～255之间。本实施例中，特征值通过一个模式识别算法，使其取值范围在0～1之间。\n[0070] 本实施例中的识别装置，通过将每块图像信息转化而成的灰度值，再通过模式识别算法，使得不同的灰度值对应不同的特征值。通过特征值之间的比较从而进行判断所分块的待工作表面中，哪一块最脏。\n[0071] 众所周知，数字图像是以位图的形式存在，位图是一个矩形点阵，每一个点的像素所具有的明暗程度由灰度值所标识。因此，对每一块图像信息的灰度值进行比较，其数据占用存储量十分大，这对于存储单元而言，增加了不少负荷。而在本实施例，通过抓取每一块图像信息的某一个或者若干个灰度值，从所抓取的灰度值通过算法转化成特征值，而免去了对每一块的整个图像信息进行灰度值比较，其数据占用量较小，数据可信度更强。\n[0072] 实现主动识别脏物的识别装置的实施例四\n[0073] 如图7所示，为本实施例四提供的一种主动识别脏物的识别装置原理示意图，与实施例三相比，增加了一理论信任度计算单元232D，所述理论信任度计算单元232D根据所述特征值，从一个数据库中得到的对应于所述特征值的即时信任度，其中，该数据库可以存储在识别装置中的存储单元中，也可以存储在识别装置外部的存储单元中。\n[0074] 在该数据库中存储有很多组特征值与即时信任度相对应的数据。根据一个特征值，便可以通过查询得到与其对应的即时信任度。\n[0075] 图8为图7所示装置的工作流程图。识别装置的识别方法为：\n[0076] 步骤S10D，图像采集模块10D采集清洁机器人待工作表面的图像信息，并将该图像信息发送给所述图像分割单元210D；\n[0077] 步骤S20D，所述图像分割单元210D将采集到的待工作表面的图像信息根据实际工作需要分割成N块(N＞1)；\n[0078] 步骤S30D，所述灰度值提取单元220D从每一块图像提取出对应的灰度值；\n[0079] 步骤S40D，在特征值提取单元231D，通过模式识别算法将灰度值转化成特征值；\n[0080] 步骤S50D，所述理论信任度计算单元232D根据所述特征值，从一个数据库中查找相对应的即时信任度，初始时，数据库中的即时信任度为预先设定值，并且预先设定值均相同，该初始时的即时信任度定义为初始信任度；\n[0081] 步骤S60D，所述理论信任度计算单元232D根据所述特征值、即时信任度和理论信任度的函数关系得到对应于每一图像块的理论信任度，其中，所述特征值、即时信任度和理论信任度的函数关系为一种换算方法，诸如乘法关系，即PA＝AFA，其中，A为特征值；FA为特征值为A的即时信任度；PA为特征值为A的理论信任度，如此，针对每一个图像块均得到一个理论信任度；\n[0082] 步骤S70D，所述比较单元230D比较每一图像块的理论信任度，从而将理论信任度最大的图像确定为最脏的待工作表面。\n[0083] 实现主动识别脏物的识别装置的实施例五\n[0084] 如图9所示，为本实用新型所述具有主动识别脏物的识别装置的实施例五的控制框图；图10为本实用新型图9中所述具有主动识别脏物的识别装置的工作流程图。\n[0085] 在本实施例中，与实施例四相比，增加了灰尘传感器235E和理论信任度修正单元\n236E，传感器可以是红外发射、红外接收传感器；也可以是声纳传感器，用来感测待工作表面的脏物量，并将感测到实际脏物量的信息发送给所述的理论信任度修正单元236E，由所述理论信任度修正单元236E计算实际脏物量与标准脏物量的差值，并根据该差值与即时信任度偏差值的函数关系，计算出即时信任度偏差值，理论信任度计算单元232E此差值来修正最后计算得到的理论信任度。\n[0086] 步骤S10E，图像采集模块10E采集清洁机器人待工作表面的图像信息，并将该图像信息发送给所述图像分割单元210E；\n[0087] 步骤S20E，所述图像分割单元210E将采集到的待工作表面的图像信息根据实际工作需要分割成N块(N＞1)；\n[0088] 步骤S30E，所述灰度值提取单元220E从每一块图像提取出对应的灰度值；\n[0089] 步骤S40E，在特征值提取单元231E，通过模式识别算法采对灰度值转化成特征值；\n[0090] 步骤S50E，所述理论信任度计算单元232E根据所述特征值，从一个数据库中查找相对应的即时信任度，初始时，数据库中的即时信任度为预先设定值，并且预先设定值均相同，该初始时的即时信任度定义为初始信任度；\n[0091] 步骤S60E，所述理论信任度计算单元232E根据所述特征值、即时信任度和理论信任度的函数关系得到对应于每一图像块的理论信任度；\n[0092] 步骤S70E，所述比较单元230E比较每一图像块的理论信任度，从而将理论信任度最大的图像确定为最脏的待工作表面。\n[0093] 当清洁机器人在该工作表面工作时，在步骤S80E，灰尘传感器235E对灰尘、颗粒等脏物的探测，并将实际探测到的灰尘量L发送给所述理论信任度修正单元236E；\n[0094] 在步骤S90E，理论信任度修正单元236E接收计所述灰尘传感器235E发送的实际脏物量L，并将该实际脏物量L与标准脏物量λ进行比较，并根据该差值与即时信任度偏差值的函数关系ΔF＝f(x)＝f(L-λ)，计算出即时信任度偏差值ΔF，其中，X为实际脏物量与标准脏物量的差值，即(L-λ)；ΔF为即时理论信任度偏差值，f为函数关系式，该函数关系式代表一种反馈校正算法；计算得到差值ΔF后，将差值ΔF返给理论信任度计算单元232E，由理论信任度计算单元232E重新计算理论信任度，从而调整该块图像的理论信任度。\n[0095] 上文所述的即时信任度的偏差值ΔF的反馈校正算法，是根据即时信任度与灰尘量偏差值的比较方式而得到，二者之间的函数关系为：ΔFA(n)＝f(x)中所述f的函数关系式：\n[0096] ΔFA(n)＝anXn+an-1Xn-1+an-2Xn-2+......+a1X1+a0\n[0097] 其中，X为实际脏物量与标准脏物量的差值；\n[0098] ΔFA(n)为第n次修正后的特征值为A的即时信任度偏差值；\n[0099] an、an-1、......、a1、a0为多项系数。\n[0100] 根据上述函数关系式可得到多种函数关系式，至于采用何种函数关系式，取决于最终打算如何去处理灰尘量偏差值所反馈的效果。比如：作为一个固定的反馈效果，函数关\n1\n系对应为：Y＝a1X+a0；作为一个非固定的反馈效果，函数关系中Y与X之间的关系呈曲线，曲线则是一个X的多元函数，如二次函数......N次函数等等。本实用新型在此给出即时信任度的偏差值ΔF的反馈校正算法的启示，本领域技术人员可以以机器人实际工作的环境灵活选择最佳的函数关系式。\n[0101] 除此之外，为避免图像采集、处理和分析进入无限循环状态，在计算模块中可以对即时信任度的取值范围增加上、下限的限制。当所有的即时信任度的数值低于取值范围的下限时，说明所对应的待工作表面已足够干净，图像采集模块不需要再采集图像；在某一设定时间段内，当所有即时信任度的数值高于取值范围的上限时，说明所对应的待工作表面已校正调整的次数足够多，此时应进行下一个图像采集。\n[0102] 当进行下一个图像的采集时，前一图像最后调整后的即时信任度为该特征值下的当前即时信任度。\n[0103] 本实施例与实施例四相比，当清洁机器人移动到确定的工作表面进行清洁工作时，由灰尘传感器对当前工作表面的灰尘量进行检测，并由该识别装置对当前的即时信任度进行调整。其中，当前即时信任度等于上一次信任度与每一次调整后得到的即时信任度的偏差的和。\n[0104] 如图11所示，为本实用新型所述自移动清洁机器人的整体示意图；图12为本实用新型所述自移动清洁机器人的控制框图，参照图11和图12，所述清洁机器人具有实现脏物主动识别的功能，其包括机器人本体1、控制单元2、驱动单元3、行走单元4和清洁单元\n5，所述控制单元2控制清洁单元5工作，并控制驱动单元3，由驱动单元3驱动行走单元4行走，在该机器人中还包括前面所述脏物识别装置用于确定最脏的待工作表面，控制单元2根据该最脏的待工作表面确定行走单元4以最脏的待工作表面为目的地的行走路线，对最脏的待工作表面进行清洁。\n[0105] 其中，通过控制单元2控制所述驱动单元3，使得驱动单元3驱动行走单元4(驱动轮，如图13)带动机器人本体1移动，为实现自动清扫的功能，本自移动清洁机器人的内部设有清洁单元5。该清洁单元5包括真空抽吸单元、地刷等相关部件，用于清洁待工作表面。在自移动清洁机器人本体的底部设有进口通道，灰尘等脏物在滚刷的带动以及真空吸力的作用下通过该进口通道进入到机器人主体1，灰尘传感器235E安装在机器人进口通道的两侧，由灰尘传感器辨别进口通道间的脏物量的大小。\n[0106] 另外，前述脏物识别装置可以为独立于机器人控制单元2的一个装置，也可以是与控制单元2在组成上相互交叉的装置，即脏物识别装置中的图像处理模块为控制单元2的一个组成部分。由于该识别装置在前面已经做了详细地说明，因此在这里不再进行详细地说明。\n[0107] 以下详细说明具有脏物主动识别功能的清洁机器人在工作时如何实现脏物的主动识别及其工作流程。为表达更为清楚，现针对本实施例结合具体数据和对应附图进行总体阐述，具体举例如下：\n[0108] 参照图11、图12、图13、图14和图15A-15C，自移动清洁机器人的工作流程如下：\n[0109] 步骤S101，设置于清洁机器人头部的图像采集模块10E(如摄像头)对清洁机器人前面的待清洁表面进行图像采集；\n[0110] 步骤S102，图像分割单元210E将所述图像分割成左右两个图像块。如图15A所示，左右两个图像块分别对应于区域B、C，并将每一图像块的图像信息转化成灰度值，例如，左边灰度值为125、右边灰度值为180；\n[0111] 步骤S103，所述特征值提取单元231E采用模式识别算法将灰度值转化成特征值，从而从每一块图像块中提取出脏物特征，如相应的特征值为：0.15和0.56；\n[0112] 步骤S104，所述理论信任度计算单元232E以所述特征值、从一数据库中得到的对应于所述特征值的即时信任度为参数，根据所述特征值、即时信任度和理论信任度的函数关系得到对应于每一图像块的理论信任度。其中，数据库中的数据如表1所示，所述理论信任度计算单元从该表中查到特征值为0.15和0.56的即时信任度F0.15和F0.56，初始数据库中的即时信任度为初始信任度，并且每个初始信任度数值均相同。在本实施例中，该初始信任度为预先设定的，信任度为1，即F0.15(0)＝F0.56(0)＝1。而后在每一个已知特征值和即时信任度的前提下，通过乘法关系，得出理论信任度。具体的换算关系式如下：理论信任度＝特征值*即时信任度。如此，每一图像块的图像信息都会对应一个理论信任度，理论信任度分别为：P0.15(0)＝0.15*(1+0)＝0.15；P0.56(0)＝0.56*(1+0)＝0.56。\n[0113] 步骤S105，将二个理论信任度进行比较，理论信任度数值最大的为0.56，从而将右面的图像块确定为待工作表面；\n[0114] 步骤S106，控制单元2向驱动单元3发出控制信号，驱动单元3驱动行走单元4向区域C移动，如图15B所示，移动到该工作表面，即区域C，如图15C所示，控制单元2控制清洁单元5工作，对该表面进行清洁。驱动单元3驱动行走单元4在区域内移动，可以借助编码器或者里程计或者类似原理的设备来加以精确定位。\n[0115] 步骤S107，当在该工作表面工作时，灰尘传感器235E对灰尘、颗粒等脏物进行实时探测，将实际探测到的灰尘量L0.56＝700发送给识别单元中的一理论信任度修正单元\n236E，该理论信任度修正单元236E将该实际脏物量L0.56＝700与标准脏物量λ＝500进行比较，其中，该标准脏物量λ的阈值可以由用户通过一设定单元灵活设置。比较之后通过反馈校正算法计算特征值为0.56的即时信任度偏差值ΔF0.56(1)＝f(L0.15-λ)＝0.2；\n[0116] 步骤S108，此时，理论信任度计算单元232E重新计算特征值0.56的理论信任度，并将调整后的即时信任度调整为该特征值下的当前的即时信任度。\n[0117] 首先计算即时信任度，即时信任度等于上一次的即时信任度加上每一次调整后的即时信任度偏差值ΔF(n)。在本实施例中，由于只调整了一次，因此，F0.56(1)＝F0.56(0)+ΔF0.56(1)＝1+0.2＝1.2。此时特征值0.56对应的理论信任度更新为P0.56(1)＝\n0.56*F0.56(1)＝0.56*1.2＝0.672。\n[0118] 在本具体数据举例中，图像灰度值对应的特征值，其取值范围在0～1之间的任意数值；对应的即时信任度的取值范围在0～10的任意数值；即时信任偏差值是0～1之间的任意数值。\n[0119] 表1，各特征值与各数值之间的对应关系\n[0120] \n1 )n(F 1 1 FΔ 1 )n(F 1\n \n..\n.\n)n\n6.0 )n(F 6.0 1 FΔ 6.0 (F*6.0 6.0\n \n)\n65.0 )n(F 65.0 1 FΔ 65.0 n(F*65.0 65.0\n \n..\n.\n)\n51.0 )n(F 51.0 1 FΔ 51.0 n(F*51.0 51.0\n \n.\n.. 1 \n \n0 )n(F 0 1 FΔ 0 0 \n \nF 偏 P\n度 度 度 度\n任 任 任 F 任\n值 信 信 信 Δ 信\n征 时 始 时 值 论\n特 即 初 即 差 理 \n \n[0121] 在本实施例的上述描述中，初始信任度是预先设定的。除此种方式之外，初始信任度也可以通过一设定单元7，由用户在几个可选项中进行选取，或是由用户在一定的取值范围内(如：大于0且小于等于1)随意选取。通过人为的设定，使得每个初始信任度、即时信任度以及每个理论信任度都会相应地调整和变化。这在理论信任度的信任判定标准不变的情况下，如果所选取的初始信任度数值较小，其相应各特征值对应的即时信任度和理论信任度都会变小，利用图像进行主动识别脏物的判定中，则会认为该区域的脏物较少，可以采用与之相应的工作方式进行工作；如果所选取的初始信任度数值较大，其相对各特征值对应的即时信任度和理论信任度都会变大，利用图像进行主动识别脏物的判定中，则会认为该区域的脏物较多，同样可以采用与之相应的工作方式进行工作。\n[0122] 除了上述描述的初始信任度可以调整之外，对于灰尘传感器235E，同样也可以通过一个设定单元7，对其标准灰尘量的数值或是对应的清洁程度进行选取。所选取的方式可以由用户在几个可选项中进行选取，或是由用户在一定的取值范围内随意选取。如果所选取的标准灰尘量数值较小，则意味着灰尘感应信号灵敏，灰尘传感器更容易探测到灰尘等脏物；如果所选取的标准灰尘量数值较大，则意味着灰尘感应信号较迟钝，灰尘传感器不容易探测到灰尘等脏物。\n[0123] 机器人在当前工作表面进行清洁时，实时判断：(1)其电池电量是否低于预先设定值(步骤S109)；(2)所有的特征值所对应的当前即时信任度是否都收敛到0，即即时信任度的下限值(步骤S111)；(3)灰尘传感器感测到的实际脏物量在预设的时间段内均低于设定值时或在另一预设时间段内一直大于设定值(步骤S112)；如果电池电量低于预先设定值(步骤S109)，则保留所有特征值对应的即时信任度，并退出当前工作状态，停止清洁工作(步骤S110)；如果所有的特征值所对应的当前即时信任度都收敛到0(也就是即时信任度的下限值)时，则清除数据库中存贮的各个特征值对应的即时信任度，并且默认数据库中所用特征值的初始信任度为当前该特征值的即时信任度，并退出当前工作状态，由此代表着所有的工作表面均已清扫完毕。如果灰尘传感器所探测到的灰尘量均低于预先设定的阈值，此时，说明该表面已足够清洁，将返回步骤S101选取下一图像；如果灰尘传感器所探测到的灰尘量在某一个设定时间段(比如：10分钟)内，一直处于大于预先设定的阈值，说明对该表面无法清洁干净，则放弃对该表面的清洁，返回步骤S101选取下一图像。\n[0124] 在上述实施例中，清洁机器人在判断向哪里移动时的依据是理论信任度，当然也可以以灰度值或特征值为判断依据，判断方法如前述实现脏物主动识别的识别装置的实施例二和三。\n[0125] 由于仅仅通过图像信息来主动识别脏物，识别装置会不可避免、或多或少地受到外界环境的干扰，而造成以图像信息为依据进行识别的信息不完全可靠。因而，在本实施例中，识别装置将待工作表面的图像信息采集后并分成N块(N＞1)，把每一块图像信息转化为灰度值，进而进行一系列的计算，得出每个图块的理论信任度，再对每一个理论信任度的数值进行比较，取出最大值，并以此为依据，选取该最大理论信任度对应的该块图像的待工作表面。然后，灰尘传感器对由图像信息判断出的最脏的某一分块待工作表面进行实际探测，将实际探测的灰尘量与预先设定的灰尘标称值进行比较，以反馈校正算法来不断纠正即时信任度，并以此更新理论信任度。\n[0126] 本实施例中采用以上方法，实现对待工作表面进行图像采集、信息转化、提取数值、数值比较，判别最大值、灰尘传感器辅助判断、反馈校正算法，数据纠正和数据更新，由此不断针对当前判断最脏的某一分块的待工作表面图像信息进行判断和纠错，从而有效提高效率，增强信息的可信度。\n[0127] 在本实施例中，用于实现图像的分割、信息提取、判断和计算的识别处理单元是控制单元2中的一部分，在具体实施时，可以采用控制单元中的硬件和内部控制程序来完成，也可以采用一套独立的硬件和控制程序来完成，此时应与机器人中的控制单元2中的其他控制部分配合工作，以此完成机器人的清洁工作。\n[0128] 其中，设定单元可以位于机器人的人机交互界面上，如图11中的设定面板7，其中具有初始信任度的设定按键和灰尘传感器的标准灰尘量的阈值的设定按键。\n[0129] 用户通过设定单元对初始信任度进行有目的地设定或选取，选取方式可以是在几个可选项中进行选取，也可以是在一定的取值范围内(如：大于0且小于等于1)随意选取。\n通过人为设定，使得每个初始即时信任度以及每个初始理论信任度都会随之相应地调整和变化。这在理论信任度的信任判定标准不变的情况下，如果所选取的初始信任度数值较小，其相应各特征值对应的即时信任度和理论信任度都会变小，利用图像进行主动识别脏物的判定中，则会认为该区域的脏物较少，可以采用与之相应的工作方式进行工作，所述相应的工作方式可以是自移动清洁机器人在小区域范围内进行扇形清扫，也可以是自移动清洁机器人通过控制单元，将吸尘功率调小进行工作；如果所选取的初始信任度数值较大，其相对各特征值对应的即时信任度和理论信任度都会变大，利用图像进行主动识别脏物的判定中，则会认为该区域的脏物较多，同样可以采用与之相应的工作方式进行工作，所述相应的工作方式可以是自移动清洁机器人在小区域范围内进行类似螺旋形清扫，也可以是自移动清洁机器人通过控制单元，将吸尘功率调大进行工作。\n[0130] 通过用户对其标准灰尘量的数值的阈值或是对应的清洁程度(该清洁程度对应一定的阈值)进行选取来进行人为设定。所选取的方式可以是通过对几个可选项进行选取，也可以是由用户在一定的取值范围内随意选取。如果所选取的标准灰尘量数值较小，则意味着灰尘感应信号灵敏，灰尘传感器更容易探测到灰尘等脏物；如果所选取的标准灰尘量数值较大，则意味着灰尘感应信号较迟钝，灰尘传感器不容易探测到灰尘等脏物。\n[0131] 在本实施例中，是通过按键来进行设定，当然也可以采用旋钮、触摸屏或是有线或无线遥控装置来进行设定。\n[0132] 上述具有主动识别脏物的识别装置和清洁方法可以应用在各种自移动机器人上，根据自移动机器人单元内置功能单元的不同，可以为除尘机器人或智能清扫机等等所使用。\n[0133] 最后应说明的是：以上实施例仅用以说明本实用新型而非限制，尽管参照较佳实施例对本实用新型进行了详细说明，本领域的普通技术人员应当理解，在不脱离本实用新型的精神和范围的前提下对本实用新型进行的修改或者等同替换，均应涵盖在本实用新型的权利要求范围当中。