一种提高清洁效率的方法、以及清洁机器人

摘要

本申请公开了一种提高清洁效率的方法，该方法包括，获取待清洁环境的第一地图数据，进行复杂区域检测；所述复杂区域为：清洁机器人可出入，但在出入过程中可能与障碍物发生碰撞，而且障碍物的分布有可能中断清洁机器人当前移动，使其难以按着既定规划路径离开的区域；判断待清洁环境中是否有复杂区域；如果有复杂区域，则在复杂区域，按照用于复杂区域的第一清洁方式进行清洁，在除复杂区域之外的非复杂区域，按照用于非复杂区域的第二清洁方式进行清洁。本申请既保证了清洁的效果，又避免了复杂区域对既有清洁规划的中断，提升了整体清洁的流畅性，保证了整体有序高效。

说明书

技术领域

本发明涉及智能机器人领域，特别地，涉及一种提高清洁效率的方法。

背景技术

在智能清洁中，由于环境比较复杂，会导致清洁过程变得冗长。以家居环境下的清洁为例，清洁机器人在执行清洁任务时，可能会进入一些被障碍物分割而变得碎片化区域，如餐厅中桌子和凳子组成的区域，这些区域内障碍物的分布会中断清洁机器人的正常清洁，甚至扰乱清洁机器人的正常清洁规划，造成清洁区域不连续，导致清洁效率较低。

发明内容

有鉴于此，本发明提供了一种提高清洁效率的方法，以解决包含有被障碍物分割的碎片化区域的清洁。

本发明提供的一种提高清洁效率的方法，该方法包括，

获取待清洁环境的第一地图数据，进行复杂区域检测；所述复杂区域为：清洁机器人可出入，但在出入过程中可能与障碍物发生碰撞，而且障碍物的分布有可能中断清洁机器人当前移动，使其难以按着既定规划路径离开的区域；

判断待清洁环境中是否有复杂区域；

如果有复杂区域，则在复杂区域，按照用于复杂区域的第一清洁方式进行清洁，在除复杂区域之外的非复杂区域，按照用于非复杂区域的第二清洁方式进行清洁。

较佳地，所述获取待清洁环境的第一地图数据，进行复杂区域检测，包括，根据历史地图数据进行复杂区域检测，将检测到的复杂区域进行标记并存储，

所述判断待清洁环境中是否有复杂区域包括，根据历史地图数据中的复杂区域标记，判断当前清洁环境中是否包括有复杂区域，

所述按照复杂区域的第一清洁方式进行清洁，进一步包括，优先清洁非复杂区域，在非复杂区域清洁完毕后，再清洁复杂区域。

较佳地，所述获取待清洁环境的第一地图数据，进行复杂区域检测，包括，

实时获取待清洁环境当前地图数据，进行复杂区域检测，并在获取当前地图数据的同时进行当前清洁；

所述如果有复杂区域，则按照复杂区域的第一清洁方式进行清洁，包括，

当清洁机器人位于当前复杂区域、且不符合离开复杂区域的条件时，则对当前复杂区域进行清洁，

否则，优先清洁非复杂区域，待非复杂区域清洁完毕后再逐一清洁未清洁的复杂区域。

较佳地，所述当清洁机器人位于当前复杂区域、且不符合离开复杂区域的条件时，则对当前复杂区域进行清洁，否则，优先清洁非复杂区域，待非复杂区域清洁完毕后再逐一清洁未清洁的复杂区域，包括，

判断清洁机器人是否位于当前复杂区域，

若清洁机器人未位于当前复杂区域，则持续当前清洁；

若清洁机器人位于当前复杂区域，则当当前复杂区域内已清洁轨迹面积所占当前复杂区域面积的比例小于设定的比例阈值时，触发清洁机器人离开当前复杂区域，行进至非复杂区域进行清洁，否则，在当前复杂区域内进行清洁，直至当前复杂区域清洁完毕，触发清洁机器人离开当前复杂区域；

判断待清洁环境的当前地图数据是否获取完毕，

如果是，则继续执行所述实时获取待清洁环境当前地图数据，进行复杂区域检测，并在获取当前地图数据的同时进行当前清洁的步骤，

否则，在下一复杂区域内进行清洁，直至所有复杂区域清洁完毕。

较佳地，所述按照复杂区域的第一清洁方式进行清洁包括，

搜索距离清洁机器人最近的障碍物点，

通过导航靠近所述最近障碍物点，

当与所述最近障碍物点的距离达到沿边响应阈值时，进入沿边清洁状态，

搜索与所述最近障碍物点的距离不大于设定距离阈值的障碍物点，根据所搜索的障碍物点、以及所述最近障碍物点的分布，确定用于覆盖所搜索的障碍物点以及所述最近障碍物点的封闭包络边界，该包络边界与包络边界之外的障碍物点具有使得清洁机器人穿行的距离，

以所述包络边界进行沿边清洁，直至当前沿边清洁完毕，去除当前沿边清洁的包络边界内所包含的障碍物点，

返回执行所述搜索距离清洁机器人最近的障碍物点的步骤，直至复杂区域内无障碍物点。

较佳地，所述复杂区域检测包括，

基于第一地图数据进行噪点滤除，滤除边界障碍物点，得到障碍物地图，所述障碍物地图包括有障碍物点分布，

将障碍物地图中的障碍物点进行聚类，将用于覆盖聚类后的障碍物点分布的封闭包络内所形成区域标记为复杂区域，

对复杂区域进行筛选，滤除不满足筛选条件的复杂区域，保留符合筛选条件的复杂区域。

较佳地，所述复杂区域检测还包括，对于符合筛选条件的复杂区域，按照复杂区域的置信度进行滤除；

所述复杂区域为矩形。

较佳地，所述基于第一地图数据进行噪点滤除，滤除边界障碍物点，得到障碍物地图，包括，

滤除第一地图数据中位于地图边界的障碍物点，得到第二地图数据，

按照像素阈值对第二地图数据进行过滤，滤除像素值不大于像素阈值的像素点，保留像素值小于像素阈值的像素点，得到第三地图数据，

基于第三地图数据，进行图像二值化，得到障碍物地图；

所述将障碍物地图中的障碍物点进行聚类，将用于覆盖聚类后的障碍物点分布的封闭包络内所形成区域标记为复杂区域，包括，

遍历障碍物地图中的各个障碍物点，基于所遍历的当前障碍物点，以设定步长进行障碍物点搜索，得到所遍历的当前障碍物点的第一集合，

将具有包含和被包含关系、和/或具有相交关系的第一集合进行合并，得到第二集合，

将用于覆盖第二集合中障碍物点分布的封闭包络内所形成的区域标记为复杂区域；

所述对复杂区域进行筛选，滤除不满足筛选条件的复杂区域，保留符合筛选条件的复杂区域，包括，

按照如下条件筛选出当前复杂区域：

至少具有一个使得清洁机器人出入复杂区域的障碍物点间距；且

复杂区域内障碍物点的数量至少大于设定的数量阈值；且

复杂区域的覆盖面积大于设定的面积阈值；

若当前复杂区域不满足筛选条件，则滤除当前复杂区域，返回所述按照如下条件筛选出当前复杂区域的步骤，直至得到符合条件的复杂区域；

所述对于符合筛选条件的复杂区域，按照复杂区域的置信度进行滤除，包括，

赋予符合筛选条件的复杂区域一置信度初始值，

判断符合筛选条件的复杂区域是否在历史结果中，如果是，则当该复杂区域的单前置信度不大于置信度初始值时，增加其当前置信度，如果未在历史结果中，则减少其当前置信度；

判断当前置信度是否小于设定的置信度阈值，如果是，则删除所述符合筛选条件的复杂区域。

本发明还提供一种获取复杂区域的方法，该方法包括，

获取第一地图数据，进行复杂区域检测；

其中，复杂区域为：清洁机器人可出入，但在出入过程中可能与障碍物发生碰撞，而且障碍物的分布有可能中断清洁机器人当前移动，使其难以按着既定规划路径离开的区域。

较佳地，所述获取第一地图数据，进行复杂区域检测，包括，

基于第一地图数据进行噪点滤除，滤除边界障碍物点，得到障碍物地图，所述障碍物地图包括有障碍物点分布，

将障碍物地图中的障碍物点进行聚类，将用于覆盖聚类后的障碍物点分布的封闭包络内所形成区域标记为复杂区域，

对复杂区域进行筛选，滤除不满足筛选条件的复杂区域，保留符合筛选条件的复杂区域。

较佳地，所述复杂区域检测还包括，对于符合筛选条件的复杂区域，按照复杂区域的置信度进行滤除；

所述复杂区域为矩形。

较佳地，所述基于第一地图数据进行噪点滤除，以滤除边界障碍物点，得到障碍物地图，包括，

滤除第一地图数据中位于地图边界的障碍物点，得到第二地图数据，

按照像素阈值对第二地图数据进行过滤，滤除像素值不大于像素阈值的像素点，保留像素值小于像素阈值的像素点，得到第三地图数据，

基于第三地图数据，进行图像二值化，得到障碍物地图；

所述将障碍物地图中的障碍物点进行聚类，将用于覆盖聚类后的障碍物点分布的封闭包络内所形成区域标记为复杂区域，包括，

遍历障碍物地图中的各个障碍物点，基于所遍历的当前障碍物点，以设定步长进行障碍物点搜索，得到所遍历的当前障碍物点的第一集合，

将具有包含和被包含关系、和/或具有相交关系的第一集合进行合并，得到第二集合，

将覆盖第二集合中障碍物点分布的封闭包络内所形成的区域标记为复杂区域；

所述对复杂区域进行筛选，滤除不满足筛选条件的复杂区域，保留符合筛选条件的复杂区域，包括，

按照如下条件筛选出当前复杂区域：

至少具有一个使得清洁机器人出入复杂区域的障碍物点间距；且

复杂区域内障碍物点的数量至少大于设定的数量阈值；且

复杂区域的覆盖面积大于设定的面积阈值；

若当前复杂区域不满足筛选条件，则滤除当前复杂区域，返回所述按照如下条件筛选出当前复杂区域的步骤，直至得到符合条件的复杂区域；

所述对于符合筛选条件的复杂区域，按照复杂区域的置信度进行滤除，包括，

赋予符合筛选条件的复杂区域一置信度初始值，

判断符合筛选条件的复杂区域是否在历史结果中，如果是，则当该复杂区域的单前置信度不大于置信度初始值时，增加其当前置信度，如果未在历史结果中，则减少其当前置信度；

判断当前置信度是否小雨设定的置信度阈值，如果是，则删除所述符合筛选条件的复杂区域。

本发明提供一种获取复杂区域的装置，该装置包括存储器和处理器，所述存储器存储有计算机程序，所述处理器被配置执行实现如上述任一所述一种获取复杂区域的方法的步骤。

本发明还提供一种复杂区域的清洁方法，该方法包括，在清洁机器人所检测到的复杂区域：

搜索距离清洁机器人最近的障碍物点，

当与所述最近障碍物点的距离达到沿边响应阈值时，进入沿边清洁状态，

搜索与所述最近障碍物点的距离不大于设定距离阈值的障碍物点，根据所搜索的障碍物点、以及所述最近障碍物点的分布，确定用于覆盖所搜索的障碍物点以及所述最近障碍物点的封闭包络边界，

以所述包络边界进行沿边清洁；

其中，所述复杂区域为：清洁机器人可出入，但在出入过程中可能与障碍物发生碰撞，而且障碍物的分布有可能中断清洁机器人当前移动，使其难以按着既定规划路径离开的区域。

较佳地，所述封闭包络边界与包络边界之外的障碍物点具有使得清洁机器人穿行的距离，所述以所述包络边界进行沿边清洁之后，进一步包括，

当前沿边清洁完毕后，去除当前沿边清洁的包络边界内所包含的障碍物点，

返回执行所述搜索距离清洁机器人最近的障碍物点的步骤，直至复杂区域内无障碍物点。

本发明提供一种清洁机器人，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器被配置执行实现任一所述一种提高清洁效率的方法的步骤，和/或，被配置执行实现任一所述复杂区域的清洁方法的步骤

本发明利用清扫环境地图通过图像处理的方法检测复杂区域；把复杂区域融入到清洁规划中，整个清洁任务分为非复杂区域和复杂区域的清结，清洁更为有序高效；进一步地，专门设计复杂区域内的清扫方式，既保证了清洁的效果，又避免了复杂区域对既有清洁规划的中断，提升了整体清洁的流畅性，保证了整体有序高效。

附图说明

图1为本发明提高清洁效率的一种流程示意图。

图2为复杂区域的一种示意图。

图3为通过SLAM算法所建立的环境地图的一种示意图。

图4为检测复杂区域的一种流程示意图。

图5为对SLAM方式所构建的第一地图进行边界噪点过滤前和过滤后的一种示意图。

图6为按照像素阈值进行过滤所得到的第三地图数据进行图像二值化的一种示意图。

图7为经扫地机器人车身步长搜索障碍物点、并合并第一区域后，共获得三个第二区域的一种示意图。

图8为一最小复杂区域的一种示意图。

图9为本实施例提高清洁效率的方法的一种流程示意图。

图10为融合复杂区域进行路径规划的一种示意图。

图11为复杂区域清洁的一种示意图。

图12为另一实施例提高清洁效率的方法的一种流程示意图。

图13为本发明用于提高清洁效率的装置。

图14为提高清洁效率的一种清洁机器人的示意图。

图15图为复杂区域检测装置的一种示意图。

具体实施方式

为了使本申请的目的、技术手段和优点更加清楚明白，以下结合附图对本申请做进一步详细说明。

本发明通过增加地图理解功能，检测出环境中的复杂区域，根据复杂区域和非复杂区域确定相应的清洁策略和路径，以增强整体清洁连续性。其中，复杂区域为：清洁机器人可以出入，但在出入过程中可能会与障碍物发生碰撞，而且障碍物的分布会中断清洁机器人的正常运动，使其难以按着既定规划路径离开的区域。

参见图1所示，图1为本发明提高清洁效率的一种流程示意图。该方法包括，

步骤101，获取待清洁环境的第一地图数据，基于第一地图数据进行复杂区域检测；

所述复杂区域为：清洁机器人可以出入，但在出入过程中可能会与障碍物发生碰撞，而且障碍物的分布会中断清洁机器人当前移动，使其难以按着既定规划路径离开的区域；

步骤102，判断待清洁环境中是否有复杂区域，

如果有复杂区域，则在复杂区域，按照用于复杂区域的第一清洁方式进行清洁；在除复杂区域之外的非复杂区域，按照用于非复杂区域的第二清洁方式清洁，

否则，则按照用于非复杂区域的第二清洁方式清洁，例如，按照弓字形进行清洁。

本发明将复杂区域融入清扫策略并把整体清扫任务分为普通区域和复杂区域的有序清扫，避免了复杂区域对既定清洁规划的中断，有利于提高清洁效率。

为便于理解本发明，以下以扫地机器人的清洁为例来进行说明。

如图2所示，图2为复杂区域的一种示意图。圆形表示清洁机器人，图中，障碍物之间的距离略大于扫地机器人的车身尺寸。扫地机器人的车身尺寸为扫地机器人在其承载面投影包络上两点之间最大距离值。

扫地机器人通过距离传感器可以感知周围环境，结合惯性传感器提供的里程计数据和角度信息，例如差速轮底盘提供的里程计数据和陀螺仪提供的角度信息，经过SLAM算法处理后可输出描述当前清洁环境的地图。如图3所示，图3为通过SLAM算法所建立的环境地图的一种示意图。地图中像素值大小表示障碍物可能性，像素值取值范围可以在0～255。图中像素值越小所呈现的灰度越深，表示障碍物的可能性越大，地图边界处存在较多障碍物点，而该部分点分布较为紧密。白色区域的像素值最大，表示空旷的地方，可以让机器人通行的；黑色区域的像素值最小，代表墙、桌子、凳子等障碍物，机器人无法通行的；而灰色的是未知区域，不知道是否可以通行，从图中可以看出环境中障碍物的分布情况。

复杂区域的检测可以通过搜索整个障碍物地图来获得。参见图4所示，图4为检测复杂区域的一种流程示意图。障碍物地图经噪声滤波、障碍物聚类、阈值判断和消失判断后，可输出检测出的复杂区域。其中，噪声过滤步骤中，滤除障碍物地图中非复杂区域的障碍物信息，例如房间边界处障碍物；障碍物聚类步骤中，以一定步长搜索障碍物点，并进行聚类；在阈值判断步骤中，对检测出的复杂区域进行阈值判断，滤除误检结果；在消失判断步骤中，对检测出的复杂区域进行消失判断，滤除已经消失的复杂区域。

以下具体说明复杂区域的检测方法。该检测方法包括，

步骤401，噪点滤除。

在该步骤中，为了加快障碍物搜索速率及避免噪点影响检测结果，首先滤除地图中边界的连续障碍物点，如图5所示，图5为对SLAM方式所构建的第一地图进行边界噪点过滤前和过滤后的一种示意图。经过滤后，地图边界处的障碍物点已大幅减少，得到第二地图数据。

为了避免噪点影响检测结果，所以仅把像素值小于设定像素阈值的像素点判定为是障碍物，例如，像素值小于127的像素点认为是障碍物。故而按照像素阈值对第二地图数据再次进行过滤，得到第三地图数据，如图6所示，图6为按照像素阈值进行过滤所得到的第三地图数据进行图像二值化的一种示意图，图中的像素点值小于像素阈值。

基于第三地图数据，进行图像二值化，这样，第一地图中的噪点基本被滤除，得到包括有障碍物点分布的障碍物地图，像素点代表着障碍物点。

步骤402，将障碍物点进行聚类。

在该步骤中，将障碍物点进行聚类，并将用于覆盖聚类后的障碍物点分布的封闭包络内所形成区域标记为复杂区域。具体包括，

步骤4021，遍历障碍物地图中的各个障碍物点，基于所遍历的当前障碍物点，以一定步长搜索，得到所遍历的当前障碍物点的第一集合。

基于障碍物地图，以一定步长搜索障碍物点，以确定包含障碍物点的第一集合，该集合中用于覆盖地图上障碍物点分布的封闭包络内所形成的区域为第一区域。为避免常用的弓字形清洁方式不被中断从而检测出复杂区域，本实施例选用的步长为扫地机器人车身长度。

例如，逐行或逐列地遍历障碍物地图中的障碍物点，基于所遍历的当前障碍物点，按照步长在行方向和/或列方向进行搜索，将搜索到的障碍物点作为所遍历的当前障碍物点的第一集合，或者，以所遍历的当前障碍物点为圆心、以步长为半径所形成的封闭圆形所限定的封闭圆形内的范围为该障碍物点的第一区域；第一区域中所包含的障碍物点的集合为第一集合。

步骤4022，将存在包含和被包含关系、和/或相交关系的第一集合进行合并，得到第二集合，该集合中用于覆盖地图上障碍物点分布的封闭包络内所形成的区域为第二区域。

也就是，将若干第一区域按照区域合并规则进行合并，以形成第二区域。所述区域合并规则为：合并两个存在相互包含关系、和/或相交的关系的第一区域。例如，如一第一区域和另一第一区域具有子集的关系，则合并这两个第一区域中的障碍物点，合并后的区域为第二区域。

步骤4023，将用于覆盖第二集合中障碍物点分布的封闭包络内所形成的区域标记为复杂区域。

参见图7所示，图7为经扫地机器人车身步长搜索障碍物点、并合并第一区域后，共获得三个第二区域的一种示意图。其中三个第二区域还难于定义为复杂区域，尤其像第二区域1和第二区域2中的障碍物分布，故需要对所有第二区域进行合并，形成复杂区域，即，所有第二区域的封闭包络所形成的区域作为复杂区域。为简化处理流程便于路径规划，较佳地，标识复杂区域的形状为矩形。

步骤403，阈值判断。

在该步骤中，为了滤除误检的复杂区域，将复杂区域按照阈值条件进行筛选，筛选的条件是同时满足：

a.障碍物点间距大于扫地机器人车身，即扫地机器人能够出入复杂区域。

b.复杂区域内障碍物点的数量至少大于设定的数量阈值。

c.复杂区域的覆盖面积需要大于设定的面积阈值。

筛选实现步骤包括，

步骤4031，判断复杂区域中是否存在大于扫地机器人车身的障碍物间距，以使得扫地机器人能够出入复杂区域。如果是，则执行步骤4032，否则，滤除当前复杂区域，返回步骤4031，

步骤4032，判断复杂区域中障碍物点的数量是否大于设定的数量阈值，如果是，则执行步骤4033，否则，滤除当前复杂区域，返回步骤4031，

复杂区域内障碍物点的数量至少大于一定数目，障碍物点的数量越多，复杂区域的检测结果越可信。经过理论分析和实际测试后，较佳地，选择障碍物点数量阈值为6个，如图8所示，图8为一最小复杂区域的一种示意图。如两张邻近凳子的6个凳脚组成的区域，会造成扫地机器人清洁不连续的问题，故可把该区域确认为复杂区域；扫地机器人(图中的圆形)沿着规划好的路径(图中的实线)运动，进入了复杂区域(图中矩形)，与障碍物发生碰撞后从另一端离开复杂区域，这时会中断原先的规划路径，在新区域开始清洁。其中，实心箭头表示扫地机器人规划运动方向，空心箭头表示扫地机器人离开复杂区域的方向，虚线表示扫地机器人在复杂区域内的运动轨迹。

步骤4033，判断复杂区域的面积是否大于设定的面积阈值，如果是，则将该复杂区域作为检测结果输出，否则，滤除当前复杂区域，返回步骤4031，

鉴于复杂区域的形状为矩形，经过理论分析和实际测试后，复杂区域的横向距离或纵向距离至少大于2个扫地机器人车身长度，从而能够避免复杂区域造成非复杂区域既定规划路径无法恢复的情形。

步骤404，消失判断。

鉴于环境中存在动态障碍物、且复杂区域中障碍物的近似分布，会误检出复杂区域；而在扫地机器人运动过程中，距离传感器会不断采集到新的数据，经SLAM算法后会更新环境地图，噪点数据会在地图更新过程中逐渐被滤除，从而使得误检的复杂区域会对扫地机器人的路径规划造成影响，所以一旦噪点数据构成的复杂区域难以符合步骤403所述的阈值判断条件后，需要对误检出的复杂区域进行删除。

通过采用复杂区域的置信度来管理复杂区域的消失判断，设定复杂区域置信度初始值，例如，置信度初始值为5，当复杂区域无法在历史结果中查找到时，该复杂区域置信度减1，当置信度减到小于0时，则删除该复杂区域。具体为：

步骤4041，赋予所筛选的复杂区域置信度初始值；

步骤4042，判断阈值判断步骤中所筛选的复杂区域是否在历史结果中查找到，

如果是，则判断该复杂区域的当前置信度是否大于设定的初始值，

如果是，则返回步骤4042，

如果不大于，则将其当前置信度增加，例如，当前置信度加1，

如果在历史结果中无所筛选的复杂区域，则将其当前置信度减少，例如，当前置信度减1，

步骤4043，判断当前置信度是否小于设定的置信度阈值，如果是，则删除该复杂区域，返回步骤4041，对下一所筛选的复杂区域进行消失判断，否则，直接返回步骤4042。

参见图9所示，图9为本实施例提高清洁效率的方法的一种流程示意图。在该实施例中，清洁任务所需的地图已预先获得并存储，例如，历史地图数据，地图中的复杂区域具有封闭曲线标识，地图中除去复杂区域之外的区域为非复杂区域。当扫地机器人启动清洁任务加载清洁地图后，包括，

步骤901，判断所加载清洁地图中是否包括有复杂区域标识，

如果有，则非复杂区域的清洁的优先级高于复杂区域的清洁，即，优先在非复杂区域内进行清洁，例如，如图10所示，图10为融合复杂区域进行路径规划的一种示意图，图中，在复杂区域之外的非复杂区域，先按照弓字路径进行清洁，再按照沿边路径进行清洁；当非复杂区域清洁完毕后，再执行步骤902，以进行复杂区域的清洁；

否则，基于清洁地图进行整体区域的清洁，直至清洁任务完成。

步骤902，在复杂区域内进行清洁；

在该步骤中，由于复杂区域内障碍物较多，正常的弓字清洁容易被中断，使得清洁效率降低。故而，专门为复杂区域设计了清洁策略，让扫地机器人在复杂区域内的清洁更加流畅，整个清洁过程以沿边清洁为主，到点导航为辅。具体清洁过程包括，

步骤9021，根据地图中复杂区域内的障碍物点的位置信息，通过计算扫地机器人与障碍物点之间的欧式距离来选择最近障碍物点，欧式距离计算式如下：

其中，d为欧式距离，x

步骤9022，在搜索到最近障碍物点后，扫地机器人通过导航靠近障碍物，

步骤9023，扫地机器人与最近障碍物点的距离达到沿边响应阈值时，进入沿边清洁状态，

步骤9024，搜索与最近障碍物点的距离不大于扫地机器人车身长度的障碍物点，根据所搜索障碍物点以及最近障碍物点的分布确定其封闭的包络边界，该包络边界与包络边界之外的障碍物具有大于扫地机器人车身长度的距离，也就是说，包络边界的范围满足：扫地机器人沿包络边界进行沿边清洁时不被包络边界之外的障碍物限制穿行。扫地机器人以所述包络边界为沿边进行沿边清洁。

较佳地，确定以最近障碍物点为圆心、以扫地机器人车身长度为半径的覆盖范围内的障碍物点，然后，按照所搜索障碍物点以及最近障碍物点的分布确定用于覆盖这些障碍物点的封闭包络线作为包络边界，扫地机器人以包络边界进行沿边清洁。

步骤9025，当前沿边清洁结束后把当前沿边轨迹(即包络边界)内包含的障碍物点在地图上的标记去除，然后返回步骤9021，搜索下一最近障碍物点，直至复杂区域内障碍物点都被去除，说明复杂区域内已清洁完成。

如图11所示，图11为复杂区域清洁的一种示意图。圆圈内障碍物点为选定的最近点，扫地机机器人沿图中所示箭头轨迹靠近障碍物，然后以包络边界进行沿边清洁。沿边清洁过程中记录运动轨迹，沿边清洁结束后把沿边轨迹包含的障碍物点在地图上的标记去除，然后继续搜索最近点进行导航和沿边运动，直到沿边轨迹包含所有障碍物点为止，表示复杂区域内已清洁完成。

本实施例中可以根据历史地图数据确定复杂区域，对于包含有复杂区域的清洁任务，采取非复杂区域清洁优先级高于复杂区域优先的策略，使得清洁更为有序和高效；在复杂区域内通过遍历邻近障碍物点，利用点到点导航和沿边运动完成复杂区域的清扫，所采用的专有清洁方式，既提高了清洁效果，又提升了清洁过程的流畅性，使得整体的清洁过程更加智能化。

参见图12所示，图12为另一实施例提高清洁效率的方法的一种流程示意图。在该实施例中，地图中的复杂区域是在动态地图建立的过程中被检测并标识，同时根据扫地机器人当前所在位置确定清洁策略。该方法包括，当扫地机器人启动后，执行如下步骤：

步骤1201，通过距离传感器实时地感知周围环境，通过SLAM算法实时地更新障碍物地图，并基于障碍物地图进行复杂区域检测，同时进行当前清洁，

步骤1202，判断当前是否检测到复杂区域，

如果检测到复杂区域，则判断扫地机器人当前是否在复杂区域内，

如果在复杂区域内，则根据复杂区域内清洁轨迹占复杂区域面积的比例大小，判断是否离开复杂区域，

当比例小于设定的比例阈值，则意味着扫地机器人刚进入复杂区域，或者，在复杂区域所清洁面积较少，故触发扫地机器人离开复杂区域，行进至非复杂区域进行清洁，以优先清洁非复杂区域，

当比例不小于设定的比例阈值，则意味着扫地机器人已深入地进入复杂区域，或者，在复杂区域已清洁较大面积，故滞留于当前复杂区域，以便扫地机器人在当前复杂区域进行清洁，待当前复杂区域清洁完毕后，触发扫地机器人离开当前复杂区域，以便清洁非复杂区域，直至SLAM建图结束后，再执行步骤1203，以逐一地对未清洁的复杂区域进行清洁。

其中，复杂区域内清洁面积所占复杂区域面积的比例可用数学式表示为：

α＝S

α为比例大小，S

如果扫地机器人当前不在复杂区域内，则进行当前清洁，并记录清洁轨迹，即，先进行非复杂区域的清洁，然后返回步骤1201，继续实时获取地图数据，直至当前区域清洁完毕；

如果未检测到复杂区域，则进行当前清洁，并记录清洁轨迹，然后返回步骤1201，继续实时获取地图数据，直至当前区域清洁完毕，然后执行步骤1203。

上述在复杂区域之外的非复杂区域进行清洁时，先按照弓字路径进行清洁，再按照沿边路径进行清洁；当非复杂区域清洁完毕后，再执行步骤1202，以进行复杂区域的清洁；

步骤1203，在复杂区域内进行清洁；该步骤与步骤902相同。

本发明实施例利用清扫环境地图的障碍物数据实时动态检测并更新清扫环境中的复杂区域，实时动态区分清扫环境中的非复杂区域和复杂区域，并根据当前是否在复杂区域来确定清洁策略：当清洁机器人位于复杂区域、且不符合离开复杂区域的条件时，则对当前复杂区域进行清洁，否则优先清洁非复杂区域，待非复杂区域清洁完毕后再逐一清洁未清洁的复杂区域。本实施例避免了多个复杂区域时在复杂区域和非复杂区域清洁的频繁切换，有利于提高清洁效率，使得清洁更加智能化。

参见图13所示，图13为本发明用于提高清洁效率的装置，该装置包括，

地图数据获取模块，获取待清洁环境的第一地图数据；

复杂区域检测模块，基于第一地图数据，进行复杂区域检测，

清洁控制模块，在复杂区域，按照用于复杂区域的第一清洁方式进行清洁，在除复杂区域之外的非复杂区域，按照用于非复杂区域的第二清洁方式进行清洁。

所述清洁控制模块包括，

第一清洁控制子模块，用于在复杂区域，按照用于复杂区域的第一清洁方式进行清洁，

第二清洁控制子模块，在除复杂区域之外的非复杂区域，按照用于非复杂区域的第二清洁方式进行清洁。

参见图14所示，图14为提高清洁效率的一种清洁机器人的示意图。该清洁机器人包括存储器和处理器，所述存储器存储有计算机程序，所述处理器被配置执行实现所述一种提高清洁效率的方法的步骤。

存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

参见图15所示，图15图为复杂区域检测装置的一种示意图。该装置包括，地图数据获取模块，获取待清洁环境的第一地图数据；

复杂区域检测模块，基于第一地图数据，进行复杂区域检测。

较佳地，所述复杂区域检测模块包括，

噪点滤除子模块，基于第一地图数据进行噪点滤除，滤除边界连续噪点，得到障碍物地图，所述障碍物地图包括有障碍物点分布，

障碍物点聚类子模块，将障碍物地图中的障碍物点进行聚类，将用于覆盖聚类后的障碍物点分布的封闭包络内所形成区域标记为复杂区域，

阈值判断子模块，对复杂区域进行筛选，滤除不满足筛选条件的复杂区域，保留符合筛选条件的复杂区域，

消失判断子模块，对于符合筛选条件的复杂区域，按照复杂区域的置信度进行滤除。

本发明实施例还提供了一种计算机可读存储介质，所述存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述提高清洁效率的步骤或者复杂区域检测的步骤。

对于装置/网络侧设备/存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。