[发明专利]爬壁清洁机器人的路径规划算法

说明书

本发明公开了一种爬壁清洁机器人的路径规划算法，所述爬壁清洁机器人上安装有摄像头、激光雷达和障碍物检测传感器，所述路径规划算法包括以下步骤：S1：使用摄像头检测并比对完成一次清洁前后的玻璃幕墙，划定高污染区并将高污染区的坐标存入数据库中；S2：以预设终点及高污染地区的坐标为节点生成一张全联通图，进行基于最小生成树算法的路径规划；S3：根据完成的最小生成树路径，控制机器人按该路径进行二次清洁。通过在爬壁清洁机器人的行进路径规划中，引入最小生成树算法，可以在二次清洁时，以最短路径快速高效的完成针对高污染区域的清洁，提升爬壁清洁机器人的工作效率。

技术领域

本发明涉及机器人技术领域，具体涉及一种爬壁清洁机器人的路径规划算法。

背景技术

随着城市的发展，玻璃幕墙建筑也越来越多，同时城市卫生也备受关注，目前市面上有 人工和机器两种方式解决幕墙清洁问题。

传统的人工幕墙清洁存在高空作业危险系数高、人工作业效率低下的问题，并且受自然 气候的影响很大。而机器清洁玻璃幕墙一般有无人机、玻璃幕墙大楼自动清洁系统和爬壁机 器人这些技术手段。其中，无人机清洁技术采用高压水枪实施，清洁后玻璃幕墙上会残留大 量的水渍，清洁效果不佳，玻璃幕墙大楼自动清洁系统则会受到明框玻璃的限制。

爬壁机器人清洁玻璃幕墙时，采用履带式负压吸附和吸盘式负压吸附进行爬壁、雨刮器 清洁，效果虽好，但是爬壁机器人在玻璃幕墙上的行进路径算法需要优化，保障幕墙清洁高 效完成。

发明内容

为解决上述爬壁问题，本发明提供一种爬壁清洁机器人的路径规划算法，所述爬壁清 洁机器人上安装有摄像头、激光雷达和障碍物检测传感器，所述路径规划算法包括以下步 骤：S1：使用摄像头检测并比对完成一次清洁前后的玻璃幕墙，划定高污染区并将高污染 区的坐标存入数据库中；S2：以预设终点及高污染地区的坐标为节点生成一张全联通图， 进行基于最小生成树算法的路径规划；S3：根据完成的最小生成树路径，控制机器人按该 路径进行二次清洁。

与现有技术相比，本发明的技术方案具有以下优点：通过在爬壁清洁机器人的行进路 径规划中，引入最小生成树算法，可以在二次清洁时，以最短路径快速高效的完成针对高 污染区域的清洁，提升爬壁清洁机器人的工作效率。

进一步地，所述基于最小生成树算法的路径规划包括以下步骤：A1：将全连通图中的 所有边按代价大小从小到大排序；A2：将全连通图中的n个顶点看成独立的n棵树，所述全连通图为n棵树组成的森林；A3：按权值大小从小到大选择边，所选边连接的两个顶点 应属于两颗不同的树，则该边成为最小生成树的一条边，并将这两颗树合并作为一颗树； A4：重复步骤A3，直到所有的顶点都在一棵树内，或者获得n-1条边为止。

进一步地，在步骤S3之后，还包括步骤S4：重复步骤S3，直到摄像头检测到没有高污染区，或者检测到同样的高污染区重复出现3次以上。

进一步地，在步骤S4之后，还包括步骤S5：控制机器人回到预设起点，玻璃幕墙清洁完成。

进一步地，在步骤S1之前，该路径规划算法还包括前置步骤：将机器人放置于玻璃幕 墙上，通过激光雷达对玻璃幕墙的边缘进行扫描，以机器人朝向地面的方向为正向基准， 将机器人右侧的玻璃幕墙边缘与玻璃幕墙最高处边缘的交点设为原点；以竖直方向为Y轴， 以水平方向为X轴建立平面坐标系，以垂直于XY平面为Z平面，以距离原点最远处为终点，控制机器人移动至原点。

进一步地，在步骤S1中，机器人的清洁方法为：控制机器人以原点为起点，以竖直方 向为起始方向进行清洁作业，清洁开始后以X轴值为不变量，Y轴值为变量进行清洁；当激光雷达检测到边缘且障碍物检测传感器检测到障碍时，判定到达玻璃幕墙边缘，控制机器人转向，并改变X轴值为X+Xd，其中Xd为机器人宽度；转向完成后，继续保持新的X 轴值不变，Y轴值为变量的清洁作业，直至机器人到达终点。

具体实施方式