清洁机器人及其清扫方法

暂无

清洁机器人及其清扫方法\n【技术领域】\n[0001] 本发明涉及机器人，尤其涉及一种清洁机器人及其清扫方法。\n【背景技术】\n[0002] 目前，清洁机器人大都采用直行清扫方式，无法直行就随机转一角度继续直行，该方法算法简单，硬件结构简易，但效率比较低。相关资料表明：随机规划通常第一遍可覆盖清洁区域的65％，第二遍覆盖85％，第三遍覆盖92％，第四遍覆盖98％，不惜时间的话可以趋向100％。但实际上，由于清洁机器人自带电池，电量有限，结合能量消耗和清洁重置率等参数，这种盲目的随即清扫方式的清扫效率是很难令人满意的。\n【发明内容】\n[0003] 提供一种能提高清扫效率的清洁机器人以及清扫方法。\n[0004] 采用以下技术方案：\n[0005] 一种清洁机器人清扫方法，基于获取的探测数据和当前位姿数据执行以下步骤：\n[0006] 将预设点确定为地图的原点，获取墙或靠墙的障碍物的边界数据生成所述地图的边界；\n[0007] 以预设遍历方式在所述地图边界内进行首次遍历，若遇到孤立障碍物则环绕该孤立障碍物获取其位置和轮廓数据，并利用该位置和轮廓数据以及所述边界数据，在所述地图边界中标识可清扫区域；\n[0008] 在所述首次遍历的同时或之后，按照预设清扫方式进行清扫，并根据清扫的路径在所述可清扫区域中标识出未清扫区域；\n[0009] 对该未清扫区域进行补扫。\n[0010] 提供一种清洁机器人，包括：探测器、感知碰撞的碰撞传感器和获取当前位姿数据的定位模块，还包括以下与该探测器、碰撞传感器和定位模块连接的：\n[0011] 地图边界模块，获取墙或靠墙的障碍物的边界数据生成所述地图的边界；\n[0012] 可清扫标识模块，以预设遍历方式在所述地图边界内进行首次遍历，获取该首次遍历途中遇到的孤立障碍物的位置和轮廓数据，利用该位置和轮廓数据以及所述边界数据在所述地图边界内标识可清扫区域；\n[0013] 未清扫标识模块，在所述首次遍历的同时或之后，按照预设方式进行首轮清扫，并根据清扫的路径在所述可清扫区域中标识出未清扫区域；\n[0014] 补扫模块，发出移动到所述未清扫区域、以及对该未清扫区域进行补扫的指令。\n[0015] 上述清洁机器人及其清扫方法，先确定地图的原点以及地图边界；在清扫的同时或者之前，通过预设的遍历方式采集孤立障碍物的位置和轮廓数据并协同边界数据在所述地图边界内标识可清扫区域；清扫时，根据清扫的路径在所述可清扫区域中标识出未清扫区域；然后，对所述未清扫区域进行补扫；上述步骤实现了清洁机器人依靠所感知的地图信息指导清洁，尤其是直接对标识为未清扫区域的补扫，实现了“按图索骥”的清扫方式，较之目前盲目的清扫方式，大幅提高了清扫效率。\n【附图说明】\n[0016] 图1是清洁机器人清扫方法的流程框图；\n[0017] 图2是清洁机器人清扫方法中沿边学习示意图；\n[0018] 图3是清洁机器人清扫方法中沿边学习时栅格化的地图；\n[0019] 图4是清洁机器人清扫方法中沿边学习完成后栅格化的地图；\n[0020] 图5是清洁机器人清扫方法中直线迂回示意图；\n[0021] 图6是清洁机器人清扫方法中查询到未知障碍物的路径规划示意图；\n[0022] 图7是清洁机器人清扫方法中感知孤立障碍物后的栅格化的地图；\n[0023] 图8是清洁机器人清扫方法中第一种补扫的路径规划示意图；\n[0024] 图9是清洁机器人清扫方法中第一种补扫后的路径示意图；\n[0025] 图10是清洁机器人清扫方法中第二种补扫前的路径示意图；\n[0026] 图11是清洁机器人清扫方法的最佳实施例的流程图；\n[0027] 图12是清洁机器人的最佳实施例的结构框图。\n【具体实施方式】\n[0028] 以下结合具体实施方式和附图对上述发明进行详细的描述。\n[0029] 清洁机器人的清扫方法旨在依靠清洁机器人所感知的地图信息指导清洁，进而达到提高清洁效率的目的。该方法中地图的生成会有两种方式，一种是边清洁边生成地图，另一种是在清洁之前先生成地图，前者适合针对一定数量的房间或者房间内的障碍物位置有变动的场景，而后者更适用于长期的打扫室内障碍物固定的场景。见图1，该清洁机器人清扫方法，基于获取的探测数据和当前位姿数据执行以下步骤：\n[0030] 100.将预设点确定为地图的原点，获取墙或靠墙的障碍物的边界数据生成所述地图的边界；\n[0031] 由于通常清洁机器人的探测仪采用的是红外线传感器，考虑到红外线的探测范围和清扫环境的未知性，采用了一种沿边学习的方式，即让清洁机器人从指定位置沿墙壁及其靠近墙壁的障碍物外缘按逆(或顺)时针方向绕房行走一周，行走过程中实时记录清洁机器人中心点的位置坐标，这样就可以大致描述出清扫环境的轮廓及靠墙障碍物的分布情况。当障碍物离墙壁很近清洁机器人无法从它们中间通过时，清洁机器人会将该障碍物视为靠墙障碍物进行处理。\n[0032] 如图2所示黑色区域为靠墙障碍物，白色区域为可清扫区域，网格区为机器人充电座所在的位置，优选的，机器人每次清扫以充电座为原点，沿逆时针方向开始沿边学习，通过沿边学习后可建立起清扫环境边界的局部环境模型。采用沿边学习探测方式有以下几方面的优点：\n[0033] (1)降低了对红外线传感器的要求，不需要有很大的视觉探测范围。而且红外线传感器有较高的精度和速度，可以使红外线传感器的性能得到充分的利用。\n[0034] (2)清洁机器人在进行清扫前，所有的区域都是未知的，选定任意方向清扫都涉及到空白区域和障碍物坐标值的求解问题。通过沿边学习可以避免清洁机器人盲目的选定方向进行清扫，也可以减少系统的计算量。同时，沿边学习后建立起的轮廓地图也为下一步遍历清扫提供了导航的作用。\n[0035] (3)虽然沿边学习会消耗清洁机器人一些清扫时间，但它其实也是一种清扫行为，而且对墙边这类灰尘比较多地方先进行一次预清扫可以使清扫任务达到比较好的效果。\n[0036] 在沿边学习的过程中，是通过红外线传感器结合碰撞传感器，增强了获取信息的可靠性和稳定性。再加上根据机器人定位信息就可以以“地图”的形式来表征清扫环境的特征。除了沿边学习的形式，如果探测仪的性能优良，可以采用超声回波等其他探测方式。\n[0037] 本步骤中构建地图的方法可以用拓扑图表示、几何信息表示或者栅格表示。\n[0038] 拓扑图表示是一种紧凑的表示方法，当环境大而简单时这种方法可将环境表示为一张拓扑意义中的图。但拓扑图的分辨率决定于环境的复杂度，当环境中存在两个很相似的地方时，拓扑图的方法将很难确定这是否为同一节点。\n[0039] 几何信息表示是将机器人提取的传感器信息抽象成几何表示，如直线、曲线等，这种表示方法形象、紧凑且方便位置估计和目标识别，但是它提高了对传感器采集信息的要求、需要额外的算法处理、并且需要一定数量的感知数据才能得到结果。\n[0040] 栅格化处理是将整个环境分为若干相同大小的栅格，对于每个栅格指出其中是否存在障碍物。栅格地图很容易创建和维护，清洁机器人所了解的每个栅格的信息直接与环境中某区域对应，使用超声波或红外线这样的廉价传感器即可获得创建地图的信息并加入地图中，借助于该地图，可以方便地进行自定位和路径规划。所以，本实施方式中采用栅格化处理的地图。\n[0041] 地图采用网格化即将坐标的离散化，通过清扫的实际面积与网格面积的映射来实现实际物理清扫区域的离散化表示。\n[0042] 在地图中，被障碍物完全或部分占据的网格记为不可清扫区域，完全没有障碍物的网格被视为可清扫区域。每一个网格对应一个三位的状态量，它是描述了这一区域情况的数据，即(i，j，k)其中(i，j)表示了网格的位置，所述预设规则中，k为0代表了未知的区域，k为1代表了可清扫的区域，k为2代表墙壁或者沿墙障碍物信息，k为3代表孤立障碍物信息。清洁机器人在进行沿边学习的时候，控制系统会在每个采样周期都从定位系统中获取一个实时的位置参数，x坐标，y坐标，并进行记录。行走完一周后对记录的数据进行处理，提取出xmax，xmin，ymax，ymin从而可以将任意形状的清扫环境定义为一个长为xmax-xmin，宽为ymax-ymin的矩形模型。清洁机器人在进行迂回式清扫时即沿矩形模型较长边的方向进行清扫。以下式子可以表示出实际位置参数(x，y)和网格位置参数(i，j)之间的相互关系。\n[0043] \n[0044] 式中x，y——控制系统计算出的位置参数；\n[0045] s——单位网格的边长，一般为清洁机器人机身直径的长度。\n[0046] 公式(1)将清扫地面进行了离散化处理，生成了矩形网格。沿边学习时开始栅格化地图如图3所示。\n[0047] 栅格的大小根据机器人的尺寸设定，本实施方式中栅格的大小是0.2m，即s＝\n0.2，在沿边学习建立环境地图框架之前先初始化环境地图，即把栅格信息都置为0，即都设为未知地图信息，根据需要让机器人沿边走一圈，根据传感器信息和融合算法计算定位信息，然后根据定位信息计算栅格的具体信息(i，j，k)，因为此时是沿墙走，所以沿墙一圈的栅格k值都设为2，沿边走一圈后，地图边界就已建立了，如图4所示，图中虚线所在的框格k值就为2，也就是墙壁信息。\n[0048] 200.以预设遍历方式在所述地图边界内进行首次遍历，若遇到孤立障碍物则环绕该孤立障碍物获取其位置和轮廓数据，并利用该位置和轮廓数据以及所述边界数据，在所述地图边界中标识可清扫区域；\n[0049] 本步骤中预设遍历方式可以是包围式遍历，也可以是迂回式遍历。\n[0050] 包围式遍历是在一个基本区域内清洁机器人首先沿该区域边界的内侧行走一圈，然后逐次向该区域中心行走，完成对该区域的覆盖。因为包围式遍历对定位精度和运动控制精度要求较高，所以优选直线迂回形式，实现过程是：若当前位置数据符合所述边界数据或者所述孤立障碍物的轮廓数据，则旋转180°同时移动一个机身的距离。如图5所示。\n[0051] 300.在所述首次遍历的同时或之后，按照预设方式进行首轮清扫，并根据清扫的路径在所述可清扫区域中标识出未清扫区域；\n[0052] 为了便于使用者了解清洁机器人目前的清扫状况，增加以下步骤：将标识出所述可清扫区域和未清扫区域后的地图以无线形式发送至显示装置，这便于观察清扫的过程。\n[0053] 步骤300在步骤200之后进行，作为该清洁方法的第一种实施方式，即，清洁机器人先在地图边界里全覆盖的遍历一遍，在地图边界中标识可清扫区域；然后按照预设方式清扫该可清扫区域，并标识出未清扫区域。\n[0054] 该清洁方法的第二种实施方式，是步骤300与步骤200同时进行，即，清洁机器人边清扫边在地图边界中标识可清扫区域，还同时根据清扫路径在可清扫区域中标识未清扫区域。\n[0055] 以下沿袭步骤100对地图的描述，以步骤300与步骤200同时进行的情形，介绍在清扫过程中的避障处理和地图信息的更新：\n[0056] 扫地沿边走一圈记录墙壁信息后回到充电座所在位置，然后开始遍历房间，遍历的同时更新地图信息，记录机器人走过的区域栅格信息k为1，1表示未被障碍物和墙壁占据的栅格。\n[0057] 在遍历途中如果红外传感器或碰撞传感器检测到前方有未知障碍，机器人利用定位信息查询在栅格地图中的位置，然后判断前方栅格的信息，因为栅格是0.2米的分辨率，机器人前方障碍和机器人所处位置可能是同一栅格，也为了给定位误差留有余量，因此在查询前方障碍信息时，既查询机器人当前障碍信息也查询机器人前方障碍信息，如果两个栅格信息里有显示是墙壁信息的栅格，那么机器人就判断前方遇到了墙壁，此时机器人再查询左右两个栅格，如果右方栅格信息k为0，即显示右方是未知区域，那么机器人则先后退一段距离然后以机器人右轮为旋转中心，向右旋转180度，这样就在旋转的过程中移动了一个机身的距离，转到了未知区域再继续开始遍历。\n[0058] 前面讲到的是机器人前方的红外或碰撞传感器检测到前方是墙壁信息(k值为\n2)，经过栅格地图查询出前方是墙壁后的路径规划。如果查询到前方栅格不是墙壁信息(k值为0)，那就判断为是障碍物，然后记下此时的坐标信息，即遇到障碍物的初始坐标信息(xobstacle，yobstacle)，这个坐标信息加上绕障碍物时角位移传感器的坐标信息可以联合起来判断是否绕障碍物一周。遇到障碍物后启动绕障碍程序，沿逆时针方向绕障碍物走一圈，绕障碍物走一圈可以判断障碍物的形状和大小，为地图信息和路径规划提供更多有用的信息，图6为机器人查询到前方是未知障碍后的路径规划。\n[0059] 在绕障碍物走的同时也建立障碍物栅格地图信息，这样障碍物在栅格地图里的位置和大小信息就能具体表现出来了，先利用坐标信息查询机器人当前在栅格中的位置，即计算出(i，j，k)中的i，j，然后把对应的k值置为3，代表当前栅格被障碍物占据，绕障碍物走一圈后地图更新状态如图7所示，图中网格状表示当前栅格为孤立障碍物。在绕障碍物过程中可以计算障碍物边界的极值，障碍物坐标的最大值和最小值xmin，ymin，xmax，ymax，这些信息可以给以后的路径规划提供一定的参考价值，从图7中可以看出这样建立地图信息后障碍物大小被放大，这样可以给之后机器人点到点的路径规划留有余量，而且这样也在一定程度上弥补了机器人定位造成的误差对路径规划造成的影响。\n[0060] 400.对所述未清扫区域进行补扫。补扫有两种形式：\n[0061] 第一种，是在清扫过程中对清扫了一半的孤立障碍物遮挡的另一半进行补扫，即，若当前位置数据符合所述孤立障碍物的轮廓数据，则先采用所述直线迂回形式清扫该孤立障碍物的一侧，见图8，然后绕到该孤立障碍物另一侧的未清扫区域进行补扫，见图9。以步骤200和步骤300同时进行为例：\n[0062] 清扫机器人绕孤立障碍物行走一圈回到之前的坐标(xobstacle，yobstacle)后继续遍历，遍历过程中传感器感知到障碍物时，按照之前提到的查询方法查询前方栅格是墙壁(k值为2)、未知障碍(k值为0)、还是孤立障碍(k值为3)，如果是墙壁(k值为2)则按前面提到的路径规划方法继续；如果是未知障碍(k值为0)，那么启动绕障碍一圈程序，然后更新地图；如果是孤立障碍(k值为3)，则继续遍历。当纵坐标超过障碍物最高或最低点时停下来，走回到(xobstacle，ymax)或(xobstacle，ymin)处，如图8所示。然后对该孤立障碍物另一侧的未清扫区域以迂回方式进行补扫；再遇到未知障碍信息时按照以上提到的方向继续循环壁障，完成遍历后的地图状态如图9所示。该补扫形式的优点在于：可以绕开障碍物连续遍历，缩短遍历时间，大大提高清扫效率。\n[0063] 第二种，先是仅按直线迂回的方式清扫、再对清扫过程中形成的多个未清扫区域一一进行补扫，见图10。以步骤200和步骤300同时进行为例：\n[0064] 清扫机器人绕孤立障碍物走一圈回到之前的坐标(xobstacle，yobstacle)后继续以原方式迂回遍历，而不绕孤立障碍物的另一侧，在孤立障碍物的另一侧与边界形成的未清扫区域只能等到清扫完成以后，再进行补扫。该补扫形式的优点在于：对于有较多障碍物，或者障碍物形状较复杂情况下，仍然具有较低的漏扫率。\n[0065] 在执行上述任一步骤，都实时监测电量，若当前电量低于预设阈值，则返回预设的充电位置进行充电。\n[0066] 以下结合图11，对本方法的最佳实施例进行描述；\n[0067] 501.找充电座；\n[0068] 502.沿墙清扫，建立地图边界；\n[0069] 503.是否沿墙扫完；是则执行步骤504；否则执行步骤502；\n[0070] 504.迂回清扫；\n[0071] 505.是否遇到障碍物；是则执行步骤506；否则执行步骤504；\n[0072] 506.所述障碍物是否是孤立障碍物；是则记住孤立障碍物位置，绕孤立障碍物清扫一圈；否则执行步骤507；\n[0073] 507.继续迂回清扫；\n[0074] 508.检查纵坐标是否到达之前标记障碍物的点；是则回到标记为障碍物的点；否则执行步骤507；\n[0075] 509.是否电量不足；是则继续清扫；否则执行步骤501；\n[0076] 510.是否扫完；是则结束；否则跳转步骤504。\n[0077] 见图12，一种清洁机器人，包括：探测器、碰撞传感器、定位模块；与该探测器、碰撞传感器和定位模块连接的：地图边界模块、可清扫标识模块、未清扫标识模块、补扫模块；\n与地图边界模块、可清扫标识模块、未清扫标识模块、补扫模块连接的电量监控单元；与可清扫标识模块、未清扫标识模块、补扫模块连接的迂回遍历单元；与可清扫标识模块、未清扫标识模块连接的通讯单元和EPROM(Erasable Programmable ROM，可擦除可编程ROM)。\n[0078] 探测仪用于获取探测信息；碰撞传感器用于感知碰撞；定位模块用于获取当前位姿数据；\n[0079] 地图边界模块用于获取墙或靠墙的障碍物的边界数据生成所述地图的边界；\n[0080] 可清扫标识模块用于以预设遍历方式在所述地图边界内进行首次遍历，获取该首次遍历途中遇到的孤立障碍物的位置和轮廓数据，利用该位置和轮廓数据以及所述边界数据在所述地图边界内标识可清扫区域；\n[0081] 未清扫标识模块用于在所述首次遍历的同时或之后，按照预设方式进行首轮清扫，并根据清扫的路径在所述可清扫区域中标识出未清扫区域；\n[0082] 补扫模块用于发出移动到所述未清扫区域、以及对该未清扫区域进行补扫的指令。\n[0083] 迂回遍历单元用于在当前位置数据符合所述边界数据或者所述孤立障碍物的轮廓数据时，发出旋转180°同时移动一个机身的距离的指令；\n[0084] 电量监控单元用于实时监测电量，在当前电量低于预设阈值时，发出返回预设的充电位置进行充电的指令；\n[0085] 与显示装置和连接的通讯单元，用于将标识出所述可清扫区域和未清扫区域后的地图发送至显示装置；\n[0086] 为了保证断电状态下地图不丢失，采用EPROM实时存储地图。\n[0087] 以上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。