构建方法、识别方法及其装置、计算机设备、清洁机器人与流程

本技术涉及智能清洁机器人领域，特别涉及一种房间分类模型的构建方法、识别方法及其装置、计算机设备、清洁机器人及计算机可读存储介质。

背景技术：

1、随着智能家居领域的发展，人们更多地选择清洁机器人完成家庭的清洁任务，因此对清洁机器人在不同户型中的适应性提出了更高的要求。在清洁机器人在不同类别的房间完成清洁任务的过程中，无差别的清洁策略导致清洁效率低，浪费能源，用户体验感不佳。

技术实现思路

1、本技术提供了一种房间分类模型的构建方法、房间类别的识别方法、构建装置、识别装置、清洁机器人和计算机可读存储介质。

2、本技术的房间分类模型的构建方法，包括：

3、获取预先采集的多个不同户型的房间类型的原始数据；

4、根据预设规则对所述原始数据进行处理得到训练样本集，所述训练样本集包括多种房间类型的数据样本，所述数据样本包括多种房间类型原始数据；

5、通过预设模型对所述训练样本集进行训练，生成所述房间分类模型。

6、如此，本技术中，可获取不同户型房间类型的原始数据，并按一定规则处理原始数据，得到训练样本集，训练样本集中的数据样本包括能够基于人工进行房间类型标注的多种房间类型原始数据。最后通过对训练样本集进行训练，生成房间分类模型，以便区分当前房间类型。本技术的房间分类模型的构建方法，可根据清洁机器人摄像头拍摄的原始数据进行训练，得到房间分类模型，使得清洁机器人能够基于环境中更多的可能特征，快速区分当前房间类型，并按房间类型制定合适的清洁策略，有利于提升扫地机的清洁效率，提升用户使用体验。

7、所述根据预设规则对所述原始数据进行处理得到训练样本集，包括：

8、根据所述预设规则对所述原始数据进行数据清洗处理得到数据集；

9、根据预设比例对所述数据集进行划分，得到所述训练样本集。

10、如此，可将按一定规则对原始数据进行清洗处理得到的数据集按一定比例划分，得到训练样本，以便后续进行模型训练。

11、所述根据预设比例对所述数据集进行划分，得到所述训练样本集，包括：

12、将经过所述清洗处理后的数据集根据房间类型进行分类处理，以将属于相同房间类型的数据划分至同一样本子集；

13、根据预设比例对每一样本子集进行划分，得到多个训练样本子集，所述多个训练样本子集构成所述训练样本集。

14、如此，可将经过清洗处理后的数据集根据房间类型进行分类处理，并根据预设比例对属于相同房间类型的数据进行划分，得到由多个样本子集构成的训练样本集，以作为训练数据，生成房间分类模型。

15、所述通过预设模型对所述训练样本集进行训练，生成所述房间分类模型，包括：

16、对所述训练样本集进行数据预处理；

17、通过预设模型对经过数据预处理后的训练样本集进行训练，生成所述房间分类模型。

18、如此，可通过预设模型对预处理后训练样本集进行训练，生成房间分类模型，以便清洁机器人工作时具有识别房间类型的能力。

19、所述通过预设模型对所述训练样本集进行训练，生成所述房间分类模型，包括：

20、通过mobilenetv2网络训练模型对所述训练样本集进行训练，生成所述房间分类模型。

21、如此，可通过mobilenetv2网络训练模型对训练样本集进行训练，生成房间分类模型，以便清洁机器人工作时具有识别房间类型的能力。

22、所述通过预设模型对经过数据预处理后的训练样本集进行训练，生成所述房间分类模型，包括：

23、通过预设模型对经过数据预处理后的训练样本集进行训练，得到初始模型；

24、对所述初始模型进行模型转换处理，以生成可部署并运行于清洁机器人的所述房间分类模型。

25、如此，可储存预设模型得到初始模型，并根据初始模型生成可在清洁机器人中运行的房间分类模型，以便区分当前房间类型，制定合适的清洁策略。

26、本技术的房间类别的识别方法，所述识别方法包括：

27、在清洁机器人首次执行清洁任务进行空间地图建立的过程中，获取当前空间的图像信息；

28、根据预先建立的所述房间分类模型和所述图像信息确定所述当前房间的房间类型；

29、根据所述房间类型对所构建的空间地图进行房间类型标注。

30、如此，可在清洁机器人首次执行清洁任务并进行空间地图建立的过程中，确定房间类型并在地图上对房间类型进行标注，规避不同物品布局对房间分类结果的影响。

31、所述根据预先建立的所述房间分类模型和所述图像信息确定所述当前房间的类型，包括：

32、根据预先建立的所述房间分类模型和当前帧图像信息，计算所述当前房间的房间类型概率；

33、将计算结果中大于预设阈值且数值最大的概率值对应的房间类型确定为所述当前房间的类型。

34、如此，可根据房间分类模型和当前帧图像信息进行计算，根据计算结果是否满足一定标准确定当前房间的房间类型，提高房间类型判断的准确性。

35、所述方法还包括：

36、在所述计算结果均小于所述预设阈值的情况下，丢弃所述当前帧图像。

37、如此，可据房间分类模型和当前帧图像信息进行计算，将计算结果不满足标准的当前帧图像丢弃，提高房间类型判断的准确性。

38、所述根据预先建立的所述房间分类模型和所述图像信息确定所述当前房间的类型，包括：

39、在完成当前房间的空间地图构建后，根据在所述地图建立的过程中确定的所述当前房间的房间类型的统计结果确定所述当前房间的类型。

40、如此，可根据房间类型的构建的统计结果确定当前的房间类型，提升清洁机器人的运行效率。

41、本技术的房间分类模型的构建装置，包括：

42、获取模块，用于获取预先采集的多个不同户型的房间类型的原始数据；

43、处理模块，用于根据预设规则对所述原始数据进行处理得到训练样本集，所述训练样本集包括多种房间类型的数据样本，所述数据样本包括能够基于人工进行房间类型标注的多种房间类型原始数据；

44、训练模块，用于通过预设模型对所述训练样本集进行训练，生成所述房间分类模型。

45、本技术的房间类别的识别装置，包括：

46、获取模块，用于在清洁机器人首次执行清洁任务进行空间地图建立的过程中，获取当前空间的图像信息；

47、确认模块，用于根据预先建立的所述房间分类模型和所述图像信息确定所述当前房间的房间类型；

48、标注模块，用于根据所述房间类型对所构建的空间地图进行房间类型标注。检测车辆座舱内的用户行为；

49、本技术的计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，实现上述房间分类模型的构建方法。

50、本技术的清洁机器人，包括处理器和存储器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，实现上述房间类别的识别方法。

51、本技术的计算机可读存储介质，存储有计算机程序，当所述计算机程序被一个或多个处理器执行时，实现上述房间分类模型的构建方法以及房间类别的识别方法。

52、本技术的实施方式的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实施方式的实践了解到。