[发明专利]虚拟墙决策方法、装置和机器人

权利要求书

1.一种虚拟墙决策方法，其特征在于，包括：

获取机器人的当前位置信息；

若所述机器人的当前位置位于预设的虚拟墙区域内时，获取当前位置的环境信息；

将所述环境信息输入预设的神经网络模型，并通过所述神经网络模型对所述环境信息的安全性进行评估；

若所述评估结果为安全，则所述机器人移出所述虚拟墙区域；

所述将所述环境信息输入预设的神经网络模型，并通过所述神经网络模型对所述环境信息的安全性进行评估之前，包括：

获取所述机器人的通行环境信息集合和所述机器人的对应的通行结果集合；

将所述通行环境信息集合和所述通行结果集合输入所述神经网络模型进行训练；

所述将所述通行环境信息集合和所述通行结果集合输入所述神经网络模型进行训练，包括：

采集所述机器人导航路径上的图片数据；

对采集到的图片数据进行预处理；

获取所述机器人的通行能力信息；

将所述预处理后的图片数据、通行能力信息以及通行结果输入所述神经网络模型进行训练。

2.如权利要求1所述的虚拟墙决策方法，其特征在于，所述机器人移出所述虚拟墙区域，进一步包括：

若所述机器人移出所述虚拟墙区域失败，则更新所述评估结果为危险，并发出危险信息。

3.如权利要求1所述的虚拟墙决策方法，其特征在于，所述机器人移出所述虚拟墙区域，进一步包括：

若所述机器人移出所述虚拟墙区域失败，记录所述机器人移出所述虚拟墙区域失败的次数；

若所述机器人移出所述虚拟墙区域失败的次数超过第一阈值，则更新所述评估结果为危险，并发出危险信息；

否则，继续采集所述机器人当前位置的环境信息，并发送给所述预设的神经网络模型进行评估。

4.如权利要求2或3所述的虚拟墙决策方法，其特征在于，更新所述评估结果为危险，并发出危险信息，进一步包括：

获取所述机器人当前位置的环境信息，并将所述环境信息和所述通行结果输入所述神经网络模型。

5.如权利要求1所述的虚拟墙决策方法，其特征在于，所述机器人移出所述虚拟墙区域，进一步包括：

若所述机器人移出所述虚拟墙区域成功，则所述机器人寻找距离其最近的路径点，继续导航。

6.一种虚拟墙决策装置，其特征在于，包括：

位置信息获取模块：用于获取机器人的当前位置信息；

环境信息获取模块：用于在当前位置位于预设的虚拟墙区域内时，获取当前位置的环境信息；

评估模块：用于将所述环境信息输入预设的神经网络模型，并通过所述神经网络模型对所述环境信息的安全性进行评估；在将所述环境信息输入预设的神经网络模型，并通过所述神经网络模型对所述环境信息的安全性进行评估之前，用于获取所述机器人通行的环境信息集合和所述机器人的对应的通行结果集合；用于将所述通行环境信息集合和所述通行结果集合输入所述神经网络模型进行训练；所述将所述通行环境信息集合和所述通行结果集合输入所述神经网络模型进行训练包括：用于采集所述机器人导航路径上的图片数据；用于对采集到的图片数据进行预处理；用于获取所述机器人的通行能力信息；用于将所述预处理后的图片数据、通行能力信息以及通行结果输入所述神经网络模型进行训练；

决策模块：用于在所述评估结果为安全时，指示所述机器人退出所述虚拟墙区域。

7.一种机器人，其特征在于，包括：摄像头、处理器、存储器、通信接口和通信总线，所述摄像头、处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-5任意一项所述的虚拟墙决策方法。

8.一种计算机可读存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令在虚拟墙决策装置上运行时，使得虚拟墙决策装置执行如权利要求1-5任意一项所述的虚拟墙决策方法。