本技术涉及路径规划领域，尤其涉及一种复杂场景下的路径规划方法及清洁机器人。
背景技术：
1、随着科技的发展，清洁机器人的应用越来越广泛。清洁机器人能够自动完成各种清洁任务，提高了工作效率，减轻了人们的劳动强度。然而，清洁机器人在复杂场景下的路径规划一直是一个技术难题，尤其是在地形复杂、任务多样的环境中，如何高效地规划路径、分配任务和管理能量成为研究的重点。
2、现有技术中，清洁机器人通常采用预设的路径规划算法来完成清洁任务。这些算法通常基于简单的地形模型，例如平面地图或二维栅格地图，利用固定的规则和策略进行路径规划和任务执行。例如，有些清洁机器人使用随机漫游或基于规则的路径规划方法，通过不断检测和避让障碍物来完成清洁任务。这些方法在简单场景下表现良好，但在地形复杂的环境中，清洁效率和效果往往难以保证。
3、尽管现有技术能够在一定程度上解决清洁机器人的路径规划问题，但在面对复杂地形和多样化任务时，在本就电量不多的情况下，机器人可能会重复以前已经清扫的路径，导致能量消耗过快，完不成清洁任务。
技术实现思路
1、本技术提供了一种复杂场景下的路径规划方法及清洁机器人，用于减少清洁机器人的能量消耗。
2、第一方面，本技术提供了一种复杂场景下的路径规划方法，应用于清洁机器人，该方法包括：
3、获取客户端下发的当前清洁任务信息，该任务信息内包含当前清洁区域、任务类型和任务精度要求；
4、基于图像识别算法识别该当前清洁区域内的地形类型，并根据该地形类型对该当前清洁区域进行划分，得到若干个当前子区域；
5、获取所有该当前子区域的地形类型，根据该地形类型计算出所有该当前子区域的复杂度等级；
6、根据该当前清洁区域的区域范围、该当前清洁区域的地形类型、该任务类型和该任务精度要求计算出该当前清洁任务信息的总能量需求；
7、基于该清洁机器人的当前电量和该复杂度等级对该当前子区域进行能量分配，得到每个该当前子区域的当前子清洁任务，所有该当前子清洁任务的子能量需求的总和等于该总能量需求；
8、根据该子能量需求确定每个该当前子清洁任务的任务优先级，并根据当前子区域的位置信息确定每个该当前子清洁任务的任务执行参数。
9、在上述实施例中，通过获取当前清洁任务信息和基于图像识别算法识别清洁区域内的地形类型，能够准确划分清洁区域并计算出区域复杂度等级，从而实现精确的任务分配，根据任务类型和任务精度要求计算总能量需求，再依据机器人的当前电量和区域复杂度等级进行能量分配，确保清洁任务能够在最优化的能量消耗下完成。此外，通过确定每个子清洁任务的任务优先级和任务执行参数，保证了路径规划的合理性和高效性，使得清洁机器人能够在复杂场景中合理规划路径，降低电量消耗，提高清洁效率。
10、结合第一方面的一些实施例，在一些实施例中，该基于图像识别算法识别该当前清洁区域内的地形类型，并根据该地形类型对该当前清洁区域进行划分为若干个当前子区域的步骤，具体包括：
11、基于该清洁机器人的摄像设备获取该当前清洁区域内图像信息；
12、将该图像信息与预设图像数据库中的预设图像进行对比，确定当前清洁区域内的所有地形类型；
13、根据所有该地形类别的位置信息，采用分割算法将该当前清洁区域划分为若干个当前子区域，使得每个该当前子区域内的所有地形类型中主要地形类型占比的大于预设占比阈值。
14、在上述实施例中，通过清洁机器人的摄像设备获取图像信息，并与预设图像数据库中的图像进行对比，准确确定清洁区域内的所有地形类型。采用分割算法将清洁区域划分为若干个子区域，使得每个子区域内的主要地形类型比例大于预设阈值，从而实现精确的区域划分，不仅提高了地形识别的准确性和效率，还使得后续的能量分配和任务优先级确定更加科学合理，进一步提升了清洁机器人的路径规划和任务执行效果。
15、结合第一方面的一些实施例，在一些实施例中，该获取所有该当前子区域的地形类型，根据该地形类型计算出所有该当前子区域的复杂度等级，具体包括：
16、当存在第一当前子区域的地形类型数量等于一种时，根据预设地形类型-复杂度等级映射表确定第一当前子区域的复杂度等级；
17、当存在第二当前子区域的地形类型数量大于一种时，计算该第二当前子区域内不同该地形类型所占的比例并按照该比例对该地形类型对应的复杂度等级求平均，得到该第二当前子区域的复杂度等级。
18、在上述实施例中，通过获取每个子区域的地形类型，根据地形类型数量和比例确定其复杂度等级，当子区域内地形类型只有一种时，直接依据预设的地形类型-复杂度等级映射表确定复杂度等级，当地形类型多于一种时，通过计算不同地形类型所占的比例，并按照比例对复杂度等级求平均，得到该子区域的复杂度等级。这种方法能够准确反映每个子区域的复杂性，为后续的能量分配和任务优先级确定提供了科学依据，有助于提高清洁机器人在复杂场景中的工作效率和清洁效果，同时确保清洁任务在复杂地形下的执行稳定性和可靠性。
19、结合第一方面的一些实施例，在一些实施例中，该根据该当前清洁区域的区域范围、该当前清洁区域的地形类型、该任务类型和该任务精度要求计算出该当前清洁任务信息的总能量需求的步骤，该方法还包括：
20、将该区域范围和该地形类型输入至能量预估模型中，得到该当前清洁区域的第一预估能量；
21、根据该任务类型和该任务精度要求计算出能量计算系数，该能量计算系数与该任务精度要求成正比；
22、将该第一预估能量与该能量计算系数的乘积作为该总能量需求。
23、在上述实施例中，通过将清洁区域的范围和地形类型输入至能量预估模型中，得到该区域的第一预估能量，并根据任务类型和任务精度要求计算能量计算系数。能量计算系数与任务精度成正比，通过将第一预估能量与能量计算系数的乘积作为总能量需求，实现了总能量需求的精准计算，不仅能够根据不同的清洁任务类型和精度要求灵活调整能量需求，还提高了清洁机器人的能量利用率，确保机器人能够在复杂场景中完成高效且精确的清洁工作。
24、结合第一方面的一些实施例，在一些实施例中，该根据该子能量需求确定每个该当前子清洁任务的任务优先级，并根据当前子区域的位置信息确定每个该当前子清洁任务的任务执行参数的步骤，具体包括：
25、计算所有该位置信息的几何中心点；
26、基于路径搜索算法对所有该几何中心点进行最优路径搜索，得到最优清洁路线，使得该最优清洁路线消耗该清洁机器人的电量低于预设电量阈值；
27、根据该最优清洁路线确定每个该当前子清洁任务的任务优先级；
28、在预设清洁强度表中获取与该子能量需求对应的任务执行参数。
29、在上述实施例中，计算所有位置信息的几何中心点，并基于路径搜索算法对几何中心点进行最优路径搜索，得到能够使机器人电量消耗低于预设电量阈值的最优清洁路线，然后根据最优清洁路线确定任务优先级，并在预设清洁强度表中获取与子能量需求对应的任务执行参数，能够确保清洁机器人在执行任务时能够选择最优路径，减少不必要的电量消耗，提高清洁效率和任务完成的精准度。
30、结合第一方面的一些实施例，在一些实施例中，在该根据该子能量需求和当前子区域的位置信息该确定每个该当前子清洁任务的任务优先级和任务执行参数的步骤之后，该方法还包括：
31、获取该清洁机器人的实时电量；
32、判断该实时电量能否覆盖剩余未完成的所有该当前子清洁任务的全部能量需求；
33、若不能，则更新该任务执行参数，使得该当前子清洁任务的能耗降低。
34、在上述实施例中，通过在任务执行过程中动态调整任务执行参数，进一步提升了清洁机器人的灵活性和适应性，在确定每个当前子清洁任务的任务优先级和任务执行参数后，实时获取清洁机器人的电量，并判断其是否能够覆盖剩余未完成任务的全部能量需求，如果实时电量不足以完成所有任务，则更新任务执行参数，降低当前子清洁任务的能耗，以确保机器人能够尽可能完成更多的清洁任务，不仅提高了清洁机器人的能量管理能力，还增强了其在复杂场景中的任务执行稳定性和可靠性，通过实时电量监控和参数调整，能够有效避免因电量不足导致的任务中断，保证清洁任务的连续性和高效性。
35、结合第一方面的一些实施例，在一些实施例中，该判断该实时电量能否覆盖剩余未完成的所有该当前子清洁任务的全部能量需求的步骤之后，该方法还包括：
36、若能，则将该当前子清洁任务的实时完成进度发送至该客户端。
37、在上述实施例中，通过实时监控清洁机器人的电量并判断其是否能覆盖剩余未完成任务的全部能量需求，进一步增强了清洁机器人的任务管理和执行效率。具体步骤包括在确定实时电量覆盖所有剩余任务后，将当前子清洁任务的实时完成进度发送至客户端，不仅提高了清洁任务的透明度，还为用户提供了实时的任务进展信息，便于用户进行监控和管理。
38、第二方面，本技术实施例提供了一种清洁机器人，该清洁机器人包括：一个或多个处理器和存储器；该存储器与该一个或多个处理器耦合，该存储器用于存储计算机程序代码，该计算机程序代码包括计算机指令，该一个或多个处理器调用该计算机指令以使得该清洁机器人执行如第一方面以及第一方面中任一可能的实现方式描述的方法。
39、第三方面，本技术实施例提供一种包含指令的计算机程序产品，当上述计算机程序产品在清洁机器人上运行时，使得上述清洁机器人执行如第一方面以及第一方面中任一可能的实现方式描述的方法。
40、第四方面，本技术实施例提供一种计算机可读存储介质，包括指令，当上述指令在清洁机器人上运行时，使得上述清洁机器人执行如第一方面以及第一方面中任一可能的实现方式描述的方法。
41、可以理解地，上述第二方面提供的清洁机器人，第三方面提供的计算机程序产品和第四方面提供的计算机存储介质均用于执行本技术实施例所提供的方法。因此，其所能达到的有益效果可参考对应方法中的有益效果，此处不再赘述。
42、本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
43、1、本技术通过获取当前清洁任务信息和基于图像识别算法识别清洁区域内的地形类型，能够准确划分清洁区域并计算出区域复杂度等级，从而实现精确的任务分配，根据任务类型和任务精度要求计算总能量需求，再依据机器人的当前电量和区域复杂度等级进行能量分配，确保清洁任务能够在最优化的能量消耗下完成。此外，通过确定每个子清洁任务的任务优先级和任务执行参数，保证了路径规划的合理性和高效性，使得清洁机器人能够在复杂场景中合理规划路径，降低电量消耗，提高清洁效率。
44、2、本技术通过获取每个子区域的地形类型，根据地形类型数量和比例确定其复杂度等级，当子区域内地形类型只有一种时，直接依据预设的地形类型-复杂度等级映射表确定复杂度等级，当地形类型多于一种时，通过计算不同地形类型所占的比例，并按照比例对复杂度等级求平均，得到该子区域的复杂度等级。这种方法能够准确反映每个子区域的复杂性，为后续的能量分配和任务优先级确定提供了科学依据，有助于提高清洁机器人在复杂场景中的工作效率和清洁效果，同时确保清洁任务在复杂地形下的执行稳定性和可靠性。
45、3、本技术通过计算所有位置信息的几何中心点，并基于路径搜索算法对几何中心点进行最优路径搜索，得到能够使机器人电量消耗低于预设电量阈值的最优清洁路线，然后根据最优清洁路线确定任务优先级，并在预设清洁强度表中获取与子能量需求对应的任务执行参数，能够确保清洁机器人在执行任务时能够选择最优路径，减少不必要的电量消耗，提高清洁效率和任务完成的精准度。同时，通过合理的任务优先级设置和执行参数的确定，保证了清洁任务的有序进行和整体清洁效果的最大化。
1.一种复杂场景下的路径规划方法，其特征在于，应用于清洁机器人，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于图像识别算法识别所述当前清洁区域内的地形类型，并根据所述地形类型对所述当前清洁区域进行划分，得到若干个当前子区域的步骤，具体包括：
3.根据权利要求1所述的方法，其特征在于，所述获取所有所述当前子区域的地形类型，根据所述地形类型计算出所有所述当前子区域的复杂度等级，具体包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述当前清洁区域的区域范围、所述当前清洁区域的地形类型、所述任务类型和所述任务精度要求计算出所述当前清洁任务信息的总能量需求的步骤，所述方法还包括：
5.根据权利要求1所述的方法，其特征在于，所述根据所述子能量需求确定每个所述当前子清洁任务的任务优先级，并根据当前子区域的位置信息确定每个所述当前子清洁任务的任务执行参数的步骤，具体包括：
6.根据权利要求1所述的方法，其特征在于，在所述根据所述子能量需求和当前子区域的位置信息所述确定每个所述当前子清洁任务的任务优先级和任务执行参数的步骤之后，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，所述判断所述实时电量能否覆盖剩余未完成的所有所述当前子清洁任务的全部能量需求的步骤之后，所述方法还包括：
8.一种清洁机器人，其特征在于，所述清洁机器人包括：一个或多个处理器和存储器；所述存储器与所述一个或多个处理器耦合，所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，所述一个或多个处理器调用所述计算机指令以使得所述清洁机器人执行如权利要求1-7中任一项所述的方法。
9.一种计算机可读存储介质，包括指令，其特征在于，当所述指令在清洁机器人上运行时，使得所述清洁机器人执行如权利要求1-7中任一项所述的方法。
10.一种计算机程序产品，其特征在于，当所述计算机程序产品在清洁机器人上运行时，使得所述清洁机器人执行如权利要求1-7中任一项所述的方法。
