[发明专利]扫地机器人障碍物移除操控方法、装置及系统

权利要求书

1.一种扫地机器人障碍物移除操控方法，其特征在于，所述方法包括：

利用双目摄像头采集待分类障碍物的图像数据，并对所述图像数据进行至少包括图像合成、图像分割和特征处理的图像预处理，获取待识别图像；

利用预设人工智能算法对所述待识别图像进行计算，获取符合预定移除条件的障碍物识别结果；

根据所述障碍物识别结果触发相应障碍物移除指令。

2.根据权利要求1所述的方法，其特征在于，利用双目摄像头采集待分类障碍物的图像数据，并对所述图像数据进行至少包括图像合成、图像分割和特征处理的图像预处理，包括：

利用AI双目摄像头获取所述待分类障碍物的视频扫描数据，并将所述视频扫描数据转化为图像数据；

对所述图像数据进行包括图像合成、图像检测、图像分类、图像分割、特征提取的所述图像预处理。

3.根据权利要求2所述的方法，其特征在于，对所述图像数据进行包括图像合成、图像检测、图像分类、所述图像分割、所述特征提取的所述图像预处理，包括：

根据图像知识库对所述图像数据进行图像合成、图像检测、图像分类、图像分割、特征提取，同时完成与所述图像知识库的交互，持续修正并补充所述图像知识库的内容。

4.根据权利要求1所述的方法，其特征在于，利用预设人工智能算法对所述待识别图像进行计算，获取符合预定移除条件的障碍物识别结果，包括：

将所述待识别图像输入预设卷积神经网络模型，输出符合预定移除条件的障碍物识别结果。

5.根据权利要求4所述的方法，其特征在于，所述预设卷积神经网络模型是通过反复训练得到的，所述预设卷积神经网络模型采用预设CNN网络，所述CNN网络的层级结构包括：输入层、卷积层、池化层、flatten层、全连接层以及输出层，所述卷积层包括ZeroPadding函数、卷积函数和激活函数，所述激活函数作为所述卷积函数的参数使用，所述池化层对所述卷积层的输出进行局部采样操作，所述flatten层进行多维输入一维化操作，所述全连接层有多个。

6.根据权利要求1至5任一项所述的方法，其特征在于，根据所述障碍物识别结果触发相应障碍物移除指令，包括：

所述扫地机器人根据所述障碍物移除指令执行障碍物移除操作。

7.根据权利要求6所述的方法，其特征在于，根据所述障碍物识别结果触发相应障碍物移除指令，包括：

将所述障碍物识别结果反馈补充所述图像知识库，并转化为待训练样本数据。

8.一种扫地机器人障碍物移除操控装置，其特征在于，包括：

待识别图像获取模块，用于：利用双目摄像头采集待分类障碍物的图像数据，并对所述图像数据进行至少包括图像合成、图像分割和特征处理的图像预处理，获取待识别图像；

识别计算模块，用于：利用预设人工智能算法对所述待识别图像进行计算，获取符合预定移除条件的障碍物识别结果；

障碍物移除触发模块，用于：根据所述障碍物识别结果触发相应障碍物移除指令。

9.一种扫地机器人障碍物移除操控系统，其特征在于，包括AI双目摄像头、AI平台和障碍物移除装置，所述AI双目摄像头采集待分类障碍物的图像数据；所述AI平台对所述图像数据进行至少包括图像合成、图像分割和特征处理的图像预处理，获取待识别图像，利用预设人工智能算法对所述待识别图像进行计算，获取符合预定移除条件的障碍物识别结果；根据所述障碍物识别结果触发相应障碍物移除指令，所述障碍物移除装置根据所述障碍物移除指令执行相应障碍物移除操作。

10.根据权利要求9所述的扫地机器人障碍物移除操控系统，其特征在于，包括扫地机器人、所述AI平台、云平台和手机APP，所述扫地机器人包括所述AI双目摄像头和所述障碍物移除装置，所述云平台包括推送平台和智能家居管理平台，所述AI双目摄像头采集待分类障碍物的图像数据，并发送至所述AI平台；所述AI平台对所述图像数据进行至少包括图像合成、图像分割和特征处理的图像预处理，获取待识别图像，利用预设人工智能算法对所述待识别图像进行计算，获取符合预定移除条件的障碍物识别结果，并将所述障碍物识别结果发送至所述智能家居管理平台，所述智能家居管理平台将符合用户习惯的所述障碍物识别结果通过所述推送平台推送至所述手机APP。