智能避障方法、装置、割草机器人以及存储介质与流程
1.本技术涉及计算机技术领域，具体涉及一种智能避障方法、装置、割草机器人以及存储介质。
背景技术：
2.随着人们生活水平的不断提高，人们对休闲环境有了越来越高的要求，私人花园、公园、操场等场地成为了人们休闲娱乐的最佳场所，然而私人花园、公园、操场等草地需要不定期的进行修整，以保证美观。目前通常采用割草机器人来代替人工进行修整。
3.然而割草机器人在工作中常常会遇到各种不同的障碍物，现有的割草机器人可以通过机器人上设置的识别装置进行障碍物检测，然后采用智能算法进行避障，现有技术中经常使用超声波传感器来对障碍物进行检测，然而申请人发现，超声波传感器针对障碍物的检测精度不高，且由于超声波传感器的时间视角较大，常常会检测到机器人已经绕过的障碍物，这就会导致绕行范围过大，避障效率低下。
技术实现要素：
4.本技术实施例提供一种智能避障方法、装置、割草机器人以及存储介质，可以综合超声波传感器和视觉传感器共同对障碍物进行检测，并生成避障路径，从而提高割草机器人的避障效率以及准确性。
5.第一方面，本技术实施例提供了一种智能避障方法，应用于割草机器人，包括：
6.在割草机器人作业过程中通过检测传感器检测当前路径中是否存在障碍物；
7.若存在，则通过视觉传感器获取所述障碍物的特征信息；
8.根据所述特征信息生成避障路径，并控制所述割草机器人根据所述避障路径进行作业。
9.在一实施例中，在所述检测传感器检测到当前路径中存在障碍物之后，所述方法还包括：
10.根据超声波信号获取所述障碍物的位置信息；
11.所述通过视觉传感器获取所述障碍物的特征信息，包括：
12.基于所述位置信息通过所述视觉传感器获取所述障碍物的特征信息。
13.在一实施例中，所述特征信息包括：尺寸信息，所述通过视觉传感器获取所述障碍物的特征信息，包括：
14.通过所述视觉传感器获取所述障碍物的深度图像；
15.在所述深度图像中提取所述障碍物的至少一个特征点对应的深度信息；
16.根据所述至少一个特征点对应的深度信息确定所述障碍物的尺寸信息。
17.在一实施例中，所述在所述深度图像中提取所述障碍物的至少一个特征点对应的深度信息，包括：
18.获取所述障碍物的类型信息；
19.根据所述类型信息确定所述障碍物的至少一个特征点，并在所述深度图像中提取所述至少一个特征点对应的深度信息。
20.在一实施例中，所述根据所述特征信息生成避障路径，包括：
21.根据所述障碍物的类型信息确定路径类型；
22.根据所述障碍物的尺寸信息确定所述路径类型对应的路径参数，以生成与所述路径参数对应的避障路径。
23.在一实施例中，所述根据所述特征信息生成避障路径，包括：
24.通过所述视觉传感器判断所述障碍物是否为运动状态；
25.若是，则获取所述障碍物的运动参数；
26.根据所述运动参数以及所述特征信息生成避障路径。
27.在一实施例中，所述根据所述运动参数以及所述特征信息生成避障路径，包括：
28.确定所述障碍物的运动方向以及运动速度；
29.根据所述运动方向以及运动速度计算所述障碍物的运动路径；
30.根据所述特征信息生成向所述运动方向相反方向偏转且包围所述运动路径的避障路径。
31.第二方面，本技术实施例提供了一种智能避障装置，应用于割草机器人，包括：
32.检测模块，用于在割草机器人作业过程中通过检测传感器检测当前路径中是否存在障碍物；
33.获取模块，用于当所述检测模块判断为是时，通过视觉传感器获取所述障碍物的特征信息；
34.控制模块，用于根据所述特征信息生成避障路径，并控制所述割草机器人根据所述避障路径进行作业。
35.第三方面，本技术实施例提供了一种割草机器人，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述智能避障方法的步骤。
36.第四方面，本技术实施例提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述智能避障方法的步骤。
37.本技术实施例提供的智能避障方法可以在割草机器人作业过程中通过检测传感器检测当前路径中是否存在障碍物，若存在，则通过视觉传感器获取障碍物的特征信息，根据特征信息生成避障路径，并控制割草机器人根据避障路径进行作业。本技术实施例可以综合检测传感器和视觉传感器共同对障碍物进行检测，并依据检测到障碍物的特征信息生成对应的避障路径，从而提高割草机器人的避障效率以及准确性。
附图说明
38.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
39.图1是本技术实施例提供的智能避障方法的场景示意图；
40.图2是本技术实施例提供的智能避障方法的一种流程示意图；
41.图3是本技术实施例提供的一种路线设计示意图；
42.图4是本技术实施例提供的一种割草机器人结构示意图；
43.图5是本技术实施例提供的一种路径生成示意图；
44.图6是本技术实施例提供的另一种路径生成示意图；
45.图7是本技术实施例提供的智能避障方法的另一种流程示意图；
46.图8是本技术实施例提供的又一种路径生成示意图；
47.图9是本技术实施例提供的再一种路径生成示意图；
48.图10是本技术实施例提供的智能避障装置的一种结构示意图；
49.图11是本技术实施例提供的智能避障装置的另一种结构示意图；
50.图12是本技术实施例提供的电子设备的结构示意图。
具体实施方式
51.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
52.需要说明的是，当元件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者间接在该另一个元件上。当一个元件被称为是“连接于”另一个元件，它可以是直接连接到另一个元件或间接连接至该另一个元件上。另外，连接既可以是用于固定作用也可以是用于电路连通作用。
53.需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明实施例和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
54.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多该特征。在本技术实施例的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
55.本技术实施例提供一种智能避障方法、装置、割草机器人和存储介质。
56.其中，该智能避障装置具体可以集成在割草机器人的微控制单元(microcontroller unit，mcu)中，还可以集成在智能终端或服务器中，mcu又称单片微型计算机(single chip microcomputer)或者单片机，是把中央处理器(central process unit，cpu)的频率与规格做适当缩减，并将内存(memory)、计数器(timer)、usb、模数转换/数模转换、uart、plc、dma等周边接口，形成芯片级的计算机，为不同的应用场合做不同组合控制。割草机器人可以自动行走，防止碰撞，范围之内自动返回充电，具备安全检测和电池电量检测，具备一定爬坡能力，尤其适合家庭庭院、公共绿地等场所进行草坪修剪维护，其特点是：自动割草、清理草屑、自动避雨、自动充电、自动躲避障碍物、外形小巧、电子虚拟篱笆、网络控制等。
57.终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等，但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接，服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、cdn、以及大数据和人工智能平台等基础云计算服务的云服务器，本技术在此不做限制。
58.例如，请参阅图1，本技术提供一种割草系统，包括相互之间建立有通信连接的割草机器人10、服务器20以及用户设备30。用户可以通过用户设备30控制割草机器人10在行进时进行障碍物检测。具体的，在本技术实施例中，割草机器人10当中可以集成多种检测传感器，比如在割草机器人10的顶部可以设置雨水传感器以检测当前是否下雨，还可以在割草机器人10的侧边设置侧向超声波传感器、红外线传感器和视觉传感器，以及在割草机器人10的四周设置碰撞传感器，通过多种检测传感器可以综合对障碍物进行检测。当检测到割草机器人10当前路径中存在障碍物，便可以生成避障路径以进行作业。
59.其中，在进行作业的过程中，用户也可以通过用户设备30实时控制调整割草机器人10的行动路径，或者行动速度，或者割草范围等等。在作业完成后，还可以将该次割草作业对应的数据同步至服务器20中，从而方便用户进行查看。
60.比如，割草机器人10响应用户指令开始作业，其中用户指令可以通过用户设备30进行生成并发送，在作业过程中割草机器人10对当前路径中的障碍物进行检测，在检测到障碍物时，就可以通过视觉传感器获取障碍物的特征信息，并根据特征信息生成避障路径，控制割草机器人根据避障路径进行作业，从而避开上述障碍物。
61.以下分别进行详细说明。需说明的是，以下实施例的描述顺序不作为对实施例优先顺序的限定。
62.一种智能避障方法，包括：在割草机器人作业过程中通过检测传感器检测当前路径中是否存在障碍物，若存在，则通过视觉传感器获取障碍物的特征信息，根据特征信息生成避障路径，并控制割草机器人根据避障路径进行作业。
63.请参阅图2，图2为本技术实施例提供的智能避障方法的流程示意图。该智能避障方法的具体流程可以如下：
64.101、在割草机器人作业过程中通过检测传感器检测当前路径中是否存在障碍物，若存在，则执行步骤102。
65.在一实施例中，割草机器人可以对预先圈定好边界的作业区域进行割草，并根据该作业区域规划其相应的行动路径。如图3所示，当割草机器人开始运行后，会在全部的当前区域内生成行动路径，以确定该行动路径可以覆盖全部当前区域，比如根据当前区域的边界设置折返点，并依据折返点生成弓形行动路径，以作为行动路径，并按照该行动路径进行割草作业。
66.在一实施例中，割草机器人在根据上述初始的行动路径行进割草的过程中，还可以实时检测当前路径中是否遇到障碍物，具体可以通过割草机器人上集成的检测传感器来进行检测，上述检测传感器可以包括以下至少一种：碰撞传感器、深度传感器、超声波传感器、激光传感器以及红外传感器。
67.具体的，设置于割草机器人的检测传感器开启之后可以实时或以固定工作频率、
每间隔预设时间采集一次检测数据，检测数据的具体类型由传感器的类型来决定，例如，超声波传感器采集的检测数据为超声波数据，激光传感器采集的检测数据为激光数据，红外传感器采集的检测数据为红外线数据等。
68.在一实施例中，以超声波传感器为例进行举例说明，该超声波传感器可以包括超声波发射器和超声波接收器，超声波发射器针对检测范围内的物体发射超声波，当超声波遇到障碍物时将会被反射回超声波接收器。其中，超声波接收器接收障碍物反射的声波并自动记录下从超声波发射时刻到声波被目标物体反射回的时刻之间的时间。因为我们已知声波在传输介质中的传递速度，这样就可以计算出从声波发生器到目标物体间的距离，当该距离小于预设距离时，便可以确定割草机器人当前路径中存在障碍物。
69.在一实施例中，还可以设置超声波传感器的检测角度范围，比如在割草机器人前方120
°
的范围内通过超声波传感器来检测是否存在障碍物，若不存在，割草机器人就可以继续按照行进路径进行割草，若存在，则可以继续执行后续步骤102。
70.在实际使用当中，由于超声波会受到介质、温度等因素的干扰，从而使其传播速度有所改变，所以需要根据实际情况对测量结果进行补偿。比如，v＝340m/s是指超声波在15
°
时的速度，温度影响空气的密度,媒介的密度越大声音的传输速度越大，如果不进行温度的补偿，会对测量结果的精度有影响，因此还可以在超声波接收器接收到反射的超声波信号后，根据当前环境的温度对计算结果进行补偿，从而更加精准定位障碍物的位置。
71.102、通过视觉传感器获取障碍物的特征信息。
72.在一实施例中，请参阅图4，在割草机器人上可以集成多个超声波传感器，比如集成两个具有不同检测范围的超声波传感器，该超声波传感器包括超声波发射器以及超声波接收器。除此之外该割草机器人还可以集成一个视觉传感器，用于对当前的障碍物进行拍摄，以进一步获取该障碍物的特征信息，比如该视觉传感器可以景深摄像头并设置在割草机器人的车身中间。在割草机器人作业过程中若遇到障碍物，就可以进一步通过视觉传感器获取该障碍物的特征信息，比如通过对视觉传感器当前采集的检测数据进行数据处理和分析，即可还原出当前环境中障碍物的形状、轮廓、位置等信息。
73.在一实施例中，在初步检测到障碍物后，割草机器人可以通过视觉传感器利用三角测量原理获得当前场景的深度信息，并且可以重建周围物体的三维形状和位置，类似人眼的体视功能，因而能够确定空间中检测得到的障碍物的3d信息。视觉传感器可以包括一个或多个，优选的为两个视觉传感器，也就是说在初步检测到障碍物之后，并确定该障碍物对应的位置，然后通过视觉识别系统再次对该位置进行进一步的检测或扫描，进而得到上述障碍物的特征信息。用于在超声波传感器的基础上进行辅助判断，并且进一步对障碍物的特征信息进行确认，提高障碍物判断的准确性。
74.在一实施例中，在通过超声波传感器检测到当前路径中存在障碍物之后，该方法还可以包括：根据超声波信号获取障碍物的位置信息。在获取到位置信息之后，便可以有针对性的对该位置的障碍物通过视觉传感器获取其特征信息。也即所述通过视觉传感器获取所述障碍物的特征信息的步骤可以包括：基于所述位置信息通过所述视觉传感器获取所述障碍物的特征信息。
75.103、根据特征信息生成避障路径，并控制割草机器人根据避障路径进行作业。
76.在获取到上述障碍物的特征信息后，便可以结合该障碍物特征信息中的尺寸、体
积、面积以及高度等信息生成首尾均位于初始行动路径上的避障路径，从而使得割草机器人避开该障碍物并在避开后继续沿初始行动路径进行作业。
77.举例来说，上述避障路径可以为预设长度的折线，请参阅图5，在该实施例中在割草机器人遇到障碍物之后可以生成预设长度并且具有三个线段组成的折线，上述线段的长度可以根据障碍物的尺寸进行设置，从而控制割草机器人按照该折线进行作业以绕过障碍物。在其他实施例中，上述避障路径还可以为如图6中的圆弧路径，具体可以根据障碍物的尺寸设置圆弧路径的弧度已经弧长，再通过控制割草机器人按照该圆弧路径行进，即可对障碍物进行绕行并在绕行后回归初始的行动路径继续作业。具体的，在根据避障路径控制割草机器人进行作业之前，还可以控制割草机器人先后退至避障路径的起点，再按照避障路径进行行进。
78.比如，割草机器人中的mcu可以基于避障路径控制割草机器人执行割草作业；再比如，服务器或者用户设备可以根据避障路径控制割草机器人行驶，以此执行割草作业。即，割草机器人按照避障路径执行割草作业，并在走完上述避障路径后，控制割草机器人继续走初始行动路径，并继续进行障碍物检测。
79.在一实施例中，若上述避障路径未能绕开上述障碍物，比如在行进过程中再次遇到该障碍物，还可以返回至上述避障路径的起点，并再次以更大的范围生成新的避障路径，直至成功绕开该障碍物为止。
80.由上可知，本技术实施例提供的智能避障方法可以在割草机器人作业过程中通过检测传感器检测当前路径中是否存在障碍物，若存在，则通过视觉传感器获取障碍物的特征信息，根据特征信息生成避障路径，并控制割草机器人根据避障路径进行作业。本技术实施例可以综合检测传感器和视觉传感器共同对障碍物进行检测，并依据检测到障碍物的特征信息生成对应的避障路径，从而提高割草机器人的避障效率以及准确性。
81.请参阅图7，图7为本技术实施例提供的智能避障方法的另一流程示意图。该智能避障方法的具体流程可以如下：
82.201、在割草机器人作业过程中通过超声波传感器检测当前路径中是否存在障碍物，若存在，则继续执行步骤202。
83.在一实施例中，割草机器人在根据初始行动路径行进割草的过程中，可以实时检测当前路径中是否遇到障碍物，具体可以通过割草机器人上集成的超声波传感器来进行检测，其检测过程可参考上述描述，本实施例对此不做进一步限定。当未检测到障碍物时，割草机器人可以继续按照初始的行动路径进行割草，当检测到障碍物时，则继续执行后续步骤201。
84.202、通过视觉传感器获取障碍物的深度图像。
85.在本技术实施例中，深度图像是指将从视觉传感器到场景中各点的距离(深度)作为像素值的图像，它直接反映了物体可见表面的几何形状。其中，上述深度传感器可以包括两个相隔一定距离的摄像头，通过这两个摄像头同时获取同一场景的两幅图像，通过立体匹配算法到两幅图像中对应的像素点，随后根据三角原理计算出时差信息，而视差信息通过转换可用于表征场景中物体的深度信息。基于立体匹配算法，还可通过拍摄同一场景下不同角度的一组图像来获得该场景的深度图像。
86.203、在深度图像中提取障碍物的至少一个特征点对应的深度信息。
87.在获取到上述障碍物的深度图像后，便可以进一步获取该障碍物几个特定的特征点对应的深度值，上述特征点可以为该障碍物的棱角、顶点等位置。具体的，还可以根据该障碍物的类型确定对应的多个特征点，再获取这些特征点的深度信息。也即在深度图像中提取障碍物的至少一个特征点对应的深度信息的步骤可以包括：获取障碍物的类型信息，根据类型信息确定障碍物的至少一个特征点，并在深度图像中提取至少一个特征点对应的深度信息。
88.在一实施例中，上述障碍物的类型信息可以通过预设网络模型进行识别，比如将上述深度图像输入至障碍物识别模型，障碍物识别模型可以用于检测出对应障碍物的类型，比如为小狗、椅子、垃圾桶等等。
89.204、根据至少一个特征点对应的深度信息确定障碍物的尺寸信息。
90.其中，在得到上述多个特征点对应的深度值后，便可以计算该障碍物的长度、高度等信息，也即得到该障碍物的尺寸信息。
91.205、通过视觉传感器判断障碍物是否为运动状态，若是运动状态，则执行步骤206，若不是运动状态，则执行步骤207。
92.在实际使用过程中，考虑若到障碍物处于运动状态，那么仅根据其尺寸设计的避障路径很有可能无法完美的将其绕过，因此本实施例还可以进一步判断该障碍物当前是否处于运动状态。具体可以通过在预设时间间隔(比如5秒)内判断该障碍物的位置是否发生改变来确定，若发生改变，则确定该障碍物当前处于运动状态，并进一步执行步骤206。相应的，若障碍物不是运动状态，则可以继续执行步骤207。
93.206、获取障碍物的运动参数，根据运动参数以及尺寸信息生成避障路径。
94.在一实施例中，当确定障碍物当前处于运动状态时，请参阅图8，比如障碍物正在向前运动，此时割草机器人就需要设计将障碍物的运动路径包括在内的避障路径，因此可以根据该障碍物的运动参数以及尺寸信息共同生成避障路径，该运动参数可以包括障碍物的运动速度以及运动方向等。
95.进一步的，上述避障路径的偏转方向还可以根据障碍物的运动方向来进行确定，请继续参阅图9，在该实施例中，若障碍物的运动方向偏左，那么就可以生成向右偏转的避障路径，从而可以更加快速的进行避障。也即所述根据所述运动参数以及所述尺寸信息生成避障路径的步骤可以包括：确定所述障碍物的运动方向以及运动速度，根据所述运动方向以及运动速度计算所述障碍物的运动路径，根据所述尺寸信息生成向所述运动方向相反方向偏转且包围所述运动路径的避障路径。
96.207、根据尺寸信息生成避障路径。
97.当确定障碍物当前不处于运动状态时，仅根据该障碍物的尺寸信息即可生成对应的避障路径。在一实施例中，还可以根据障碍物的类型选择路径类型，比如针对圆形的垃圾桶这样的障碍物，就可以生成圆弧路径进行避障，而针对桌椅这种矩形的障碍物时，就可以生成由多个线段组成的折线路径进行避障。因此在本技术实施例中，根据尺寸信息生成避障路径的步骤可以包括：根据所述障碍物的类型信息确定路径类型，根据所述障碍物的尺寸信息确定所述路径类型对应的路径参数，以生成与所述路径参数对应的避障路径。
98.208、控制割草机器人根据避障路径进行作业。
99.进一步的，在生成避障路径之后，便可以将该避障路径与割草机器人初始的行动
路径进行拼接，从而形成一个完整的路径供割草机器人进行作业。比如将避障路径与初始行动路径进行交叉，以根据交叉点生成沿当前割草方向行驶的最终行动路径。
100.由上可知，本技术实施例提供的智能避障方法可以在割草机器人作业过程中通过超声波传感器检测当前路径中是否存在障碍物，若存在，则通过视觉传感器获取障碍物的深度图像，在深度图像中提取障碍物的至少一个特征点对应的深度信息，根据至少一个特征点对应的深度信息确定障碍物的尺寸信息，通过视觉传感器判断障碍物是否为运动状态，若是运动状态，则获取障碍物的运动参数，根据运动参数以及尺寸信息生成避障路径，控制割草机器人根据避障路径进行作业。本技术实施例可以综合超声波传感器和视觉传感器共同对障碍物进行检测，并依据检测到障碍物的特征信息生成对应的避障路径，从而提高割草机器人的避障效率以及准确性。
101.为便于更好的实施本技术实施例的智能避障方法，本技术实施例还提供一种基于上述智能避障装置。其中名词的含义与上述智能避障方法中相同，具体实现细节可以参考方法实施例中的说明。
102.请参阅图10，图10为本技术实施例提供的智能避障装置的结构示意图，其中该智能避障装置可以包括：
103.检测模块301，用于在割草机器人作业过程中通过检测传感器检测当前路径中是否存在障碍物；
104.获取模块302，用于当所述检测模块判断为是时，通过视觉传感器获取所述障碍物的特征信息；
105.控制模块303，用于根据所述特征信息生成避障路径，并控制所述割草机器人根据所述避障路径进行作业。
106.在一实施例中，请参阅图11，获取模块302可以包括：
107.获取子模块3021，用于通过所述视觉传感器获取所述障碍物的深度图像；
108.提取子模块3022，用于在所述深度图像中提取所述障碍物的至少一个特征点对应的深度信息；
109.第一确定子模块3023，用于根据所述至少一个特征点对应的深度信息确定所述障碍物的尺寸信息。
110.在一实施例中，提取子模块3022，具体用于获取所述障碍物的类型信息，根据所述类型信息确定所述障碍物的至少一个特征点，并在所述深度图像中提取所述至少一个特征点对应的深度信息。
111.在一实施例中，控制模块303可以包括：
112.第二确定子模块3031，用于根据所述障碍物的类型信息确定路径类型；
113.生成子模块3032，用于根据所述障碍物的尺寸信息确定所述路径类型对应的路径参数，以生成与所述路径参数对应的避障路径。
114.由上可知，本技术实施例通过检测模块301在割草机器人作业过程中通过检测传感器检测当前路径中是否存在障碍物，若存在，则获取模块302通过视觉传感器获取障碍物的特征信息，控制模块303根据特征信息生成避障路径，并控制割草机器人根据避障路径进行作业。本技术实施例可以综合检测传感器和视觉传感器共同对障碍物进行检测，并依据检测到障碍物的特征信息生成对应的避障路径，从而提高割草机器人的避障效率以及准确
性。
115.此外，本技术实施例还提供一种割草机器人，如图12所示，其示出了本技术实施例所涉及的割草机器人的结构示意图，具体来讲：
116.该割草机器人可以包括控制模块501、行进机构502、切割模块503以及电源504等部件。本领域技术人员可以理解，图12中示出的电子设备结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
117.控制模块501是该割草机器人的控制中心，该控制模块501具体可以包括中央处理器(central process unit，cpu)、存储器、输入/输出端口、系统总线、定时器/计数器、数模转换器和模数转换器等组件，cpu通过运行或执行存储在存储器内的软件程序和/或模块，以及调用存储在存储器内的数据，执行割草机器人的各种功能和处理数据；优选的，cpu可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到cpu中。
118.存储器可用于存储软件程序以及模块，cpu通过运行存储在存储器的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器还可以包括存储器控制器，以提供cpu对存储器的访问。
119.行进机构502与控制模块501电性相连，用于响应控制模块501传递的控制信号，调整割草机器人的行进速度和行进方向，实现割草机器人的自移动功能。
120.切割模块503与控制模块501电性相连，用于响应控制模块传递的控制信号，调整切割刀盘的高度和转速，实现割草作业。
121.电源504可以通过电源管理系统与控制模块501逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源504还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
122.尽管未示出，该割草机器人还可以包括通信模块、传感器模块、提示模块等，在此不再赘述。
123.通信模块用于收发信息过程中信号的接收和发送，通过与用户设备、或服务器建立通信连接，实现与用户设备、或服务器之间的信号收发。
124.传感器模块用于采集内部环境信息或外部环境信息，并将采集到的环境数据反馈给控制模块进行决策，实现割草机器人的精准定位和智能避障功能。可选地，传感器可以包括：超声波传感器、红外传感器、碰撞传感器、雨水感应器、激光雷达传感器、惯性测量单元、轮速计、图像传感器、位置传感器及其他传感器，对此不做限定。
125.提示模块用于提示用户当前割草机器人的工作状态。本方案中，提示模块包括但不限于指示灯、蜂鸣器等。例如，割草机器人可以通过指示灯提示用户当前的电源状态、电机的工作状态、传感器的工作状态等。又例如，当检测到割草机器人出现故障或被盗时，可
以通过蜂鸣器实现告警提示。
126.具体在本实施例中，控制模块501中的处理器会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器中，并由处理器来运行存储在存储器中的应用程序，从而实现各种功能，如下：
127.在割草机器人作业过程中通过检测传感器检测当前路径中是否存在障碍物；
128.若存在，则通过视觉传感器获取所述障碍物的特征信息；
129.根据所述特征信息生成避障路径，并控制所述割草机器人根据所述避障路径进行作业。
130.以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
131.本技术实施例可以在割草机器人作业过程中通过检测传感器检测当前路径中是否存在障碍物，若存在，则通过视觉传感器获取障碍物的特征信息，根据特征信息生成避障路径，并控制割草机器人根据避障路径进行作业。本技术实施例可以综合检测传感器和视觉传感器共同对障碍物进行检测，并依据检测到障碍物的特征信息生成对应的避障路径，从而提高割草机器人的避障效率以及准确性。
132.本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
133.为此，本技术实施例提供一种存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本技术实施例所提供的任一种智能避障方法中的步骤。例如，该指令可以执行如下步骤：
134.在割草机器人作业过程中通过检测传感器检测当前路径中是否存在障碍物；
135.若存在，则通过视觉传感器获取所述障碍物的特征信息；
136.根据所述特征信息生成避障路径，并控制所述割草机器人根据所述避障路径进行作业。
137.以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
138.其中，该存储介质可以包括：只读存储器(rom，read only memory)、随机存取记忆体(ram，random access memory)、磁盘或光盘等。
139.由于该存储介质中所存储的指令，可以执行本技术实施例所提供的任一种智能避障方法中的步骤，因此，可以实现本技术实施例所提供的任一种智能避障方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
140.以上对本技术实施例所提供的一种智能避障方法、装置、割草机器人以及存储介质进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。
技术特征：
1.一种智能避障方法，应用于割草机器人，其特征在于，包括：在割草机器人作业过程中通过检测传感器检测当前路径中是否存在障碍物；若存在，则通过视觉传感器获取所述障碍物的特征信息；根据所述特征信息生成避障路径，并控制所述割草机器人根据所述避障路径进行作业。2.根据权利要求1所述的方法，其特征在于，在通过所述检测传感器检测到当前路径中存在障碍物之后，所述方法还包括：根据超声波信号获取所述障碍物的位置信息；所述通过视觉传感器获取所述障碍物的特征信息，包括：基于所述位置信息通过所述视觉传感器获取所述障碍物的特征信息。3.根据权利要求1所述的方法，其特征在于，所述特征信息包括：尺寸信息；所述通过视觉传感器获取所述障碍物的特征信息，包括：通过所述视觉传感器获取所述障碍物的深度图像；在所述深度图像中提取所述障碍物的至少一个特征点对应的深度信息；根据所述至少一个特征点对应的深度信息确定所述障碍物的尺寸信息。4.根据权利要求3所述的方法，其特征在于，所述在所述深度图像中提取所述障碍物的至少一个特征点对应的深度信息，包括：获取所述障碍物的类型信息；根据所述类型信息确定所述障碍物的至少一个特征点，并在所述深度图像中提取所述至少一个特征点对应的深度信息。5.根据权利要求4所述的方法，其特征在于，所述根据所述特征信息生成避障路径，包括：根据所述障碍物的类型信息确定路径类型；根据所述障碍物的尺寸信息确定所述路径类型对应的路径参数，以生成与所述路径参数对应的避障路径。6.根据权利要求1所述的方法，其特征在于，所述根据所述特征信息生成避障路径，包括：通过所述视觉传感器判断所述障碍物是否为运动状态；若是，则获取所述障碍物的运动参数；根据所述运动参数以及所述特征信息生成避障路径。7.根据权利要求6所述的方法，其特征在于，所述根据所述运动参数以及所述特征信息生成避障路径，包括：确定所述障碍物的运动方向以及运动速度；根据所述运动方向以及运动速度计算所述障碍物的运动路径；根据所述特征信息生成向所述运动方向相反方向偏转且包围所述运动路径的避障路径。8.一种智能避障装置，应用于割草机器人，其特征在于，包括：检测模块，用于在割草机器人作业过程中通过检测传感器检测当前路径中是否存在障碍物；
获取模块，用于当所述检测模块判断为是时，通过视觉传感器获取所述障碍物的特征信息；控制模块，用于根据所述特征信息生成避障路径，并控制所述割草机器人根据所述避障路径进行作业。9.一种割草机器人，其特征在于，包括视觉传感器、检测传感器、存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如权利要求1-7任一项所述智能避障方法的步骤。10.一种存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述智能避障方法的步骤。
技术总结
本申请实施例公开了一种智能避障方法、装置、割草机器人以及存储介质，包括：在割草机器人作业过程中通过检测传感器检测当前路径中是否存在障碍物，若存在，则通过视觉传感器获取障碍物的特征信息，根据特征信息生成避障路径，并控制割草机器人根据避障路径进行作业。本申请实施例可以综合检测传感器和视觉传感器共同对障碍物进行检测，并依据检测到障碍物的特征信息生成对应的避障路径，从而提高割草机器人的避障效率以及准确性。机器人的避障效率以及准确性。机器人的避障效率以及准确性。
