[发明专利]一种区域编辑方法、编辑设备及编辑系统在审
申请号: | 201910552084.2 | 申请日: | 2019-06-25 |
公开(公告)号: | CN110428423A | 公开(公告)日: | 2019-11-08 |
发明(设计)人: | 李少海;谢斌;郭盖华;杨白 | 申请(专利权)人: | 深圳乐动机器人有限公司 |
主分类号: | G06T7/11 | 分类号: | G06T7/11;G06T7/187;G06F3/0484;G06F3/0488 |
代理公司: | 北京知联天下知识产权代理事务所(普通合伙) 11594 | 代理人: | 张陆军 |
地址: | 518055 广东省深圳市南山区*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 清洁机器人 边界节点 工作区域 用户实际需求 闭合区域 编辑设备 编辑系统 区域编辑 自动分区 分区 工作效率 自动生成 | ||
本发明提供一种区域编辑方法、编辑设备及编辑系统,根据用户实际需求,对清洁机器人自动分区的工作区域进行调整,包括如下步骤:选定需要调整的分区,所述分区自动生成若干边界节点;判断是否需要调整所述边界节点的位置,若是,则将调整后的边界节点围成的闭合区域作为清洁机器人的工作区域,若否,则将当前节点围成的闭合区域作为清洁机器人的工作区域;解决现有清洁机器人自动分区与用户实际需求有偏差,使得清洁机器人工作效率大大降低的技术问题。
技术领域
本发明涉及清洁机器人技术领域,具体涉及一种区域编辑方法、编辑设备及编辑系统。
背景技术
近年来,全球服务机器人以每年40%的速度增长,据预测,到2020年,市场需求额可高达1500亿美元以上,其中,清洁机器人将是主要增长点。
清洁机器人主要是对室内区域进行清洁工作,由于室内区域较大,所以机器人会先对清洁区域进行分区,然后分区进行清洁工作,但由于清洁机器人自动分区与用户实际需求有偏差,使得清洁机器人工作效率大大降低。
发明内容
为了克服现有技术的缺陷,本发明提供一种区域编辑方法,根据用户实际需求,对清洁机器人自动分区的工作区域进行调整,解决现有清洁机器人自动分区与用户实际需求有偏差,使得清洁机器人工作效率大大降低的技术问题。
为了达到上述目的,本发明具体采用如下技术方案:
本发明提供一种区域编辑方法,根据用户实际需求,对清洁机器人自动分区的工作区域进行调整,包括如下步骤:
选定需要调整的分区,所述分区自动生成若干边界节点;
判断是否需要调整所述边界节点的位置,若是,则将调整后的所述边界节点围成的闭合区域作为清洁机器人的工作区域,若否,则将当前边界节点围成的闭合区域作为清洁机器人的工作区域。
进一步的,对清洁机器人自动分区的工作区域进行调整前,还包括,判断是否需要对自动分区的工作区域进行调整,若是,则执行所述的区域编辑方法,若否,则以自动分区的工作区域作为清洁机器人的工作区域。
进一步的,判断是否需要对自动分区的工作区域进行调整,具体包括:通过清洁机器人自动分区的工作区域与用户实际需求工作区域进行比较分析,若清洁机器人自动分区的工作区域与用户实际需求工作区域不一致,则需要对自动分区的工作区域进行调整,若清洁机器人自动分区的工作区域与用户实际需求工作区域一致,则以自动分区的工作区域作为清洁机器人的工作区域。
进一步的,选定需要调整的分区,所述分区自动生成若干边界节点,具体包括:
输入指令,选定需要调整的分区;
接收所述指令,调取存储的边界节点的生成规则,并对生成规则进行处理,在需要调整的分区自动生成若干边界节点。
进一步的,判断是否需要调整所述边界节点的位置,具体包括:根据所述边界节点围成的选定区域与用户实际需求工作区域进行比较分析,若所述边界节点围成的选定区域与用户实际需求工作区域不一致,则需要调整所述边界节点的位置,若所述边界节点围成的选定区域与用户实际需求工作区域一致,则不需要调整所述边界节点的位置。
进一步的,通过移动边界节点或边界节点连线,调整所述边界节点的位置。
本发明的另一目的是提供一种与上述区域边界方法对应的区域编辑设备,包括:选定模块,调整判断模块和边界节点编辑模块;
选定模块,被配置为执行:选定需要调整的分区,所述分区自动生成若干边界节点;
调整判断模块,被配置为执行:判断是否需要调整所述边界节点的位置;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳乐动机器人有限公司,未经深圳乐动机器人有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910552084.2/2.html,转载请声明来源钻瓜专利网。
- 上一篇:超像素采样网络
- 下一篇:基于深度学习的雷达回波图像高压线分割方法