本發(fā)明涉及計算機應用技術(shù)領(lǐng)域，具體而言，涉及一種割草方法、裝置以及系統(tǒng)。

背景技術(shù)：

隨著城市中人們對生活質(zhì)量要求的不斷提高，人們對于城市綠化程度的要求也越來越高。大量的公園草坪、城市綠化帶草坪、足球場草坪、高爾夫球場草坪、機場、牧場、別墅草坪等為人們的生活帶來更好的精彩、樂趣以及對于優(yōu)質(zhì)生活的享受。而隨著草坪數(shù)量的不斷增加，草坪的日常維護工作也越來越繁重。草坪的日常維護作業(yè)中，以草皮的修剪工作最為繁重，具有很強的重復性，這通常需要消耗大量的人力和物力。為了緩解草坪維護作業(yè)的勞動強度和人工成本，各種不同的割草機器人應運而生。

目前的割草機器人在工作的時候，必須提前預埋邊界線來界定割草區(qū)域，在邊界線包圍的范圍內(nèi)，割草機器人能夠感知到的信號強弱不同。割草機器人通過感知邊界線的信號強弱，來確定割草區(qū)域和規(guī)劃割草路線。

但是事實上，邊界線的安裝繁瑣，需要的工作量大，且邊界線在預置之后，一旦草坪的形狀發(fā)生了變化，就很難對割草區(qū)域做出改變。另外，邊界線常年裸露在室外，需要承受38℃～零下30℃左右的溫差及腐蝕和氧化，且很難避免小動物的破壞，造成割草機器人無法工作，從而造成經(jīng)濟損失。

技術(shù)實現(xiàn)要素：

有鑒于此，本發(fā)明實施例的目的在于提供一種割草方法、裝置以及系統(tǒng)，能夠在不設(shè)置邊界線的前提下，來確定割草的區(qū)域和規(guī)劃割草路線。

第一方面，本發(fā)明實施例提供了一種割草方法，包括：

實時對草坪進行檢測，獲取檢測圖像；

根據(jù)所述檢測圖像，判斷在割草機器人前方第一預設(shè)距離內(nèi)是否存在障礙物或者邊界；

如果存在障礙物或者邊界，則按照預設(shè)的規(guī)則，規(guī)劃機器人的割草路線；

控制所述割草機器人沿所述割草路線行進并割草。

結(jié)合第一方面，本發(fā)明實施例提供了第一方面的第一種可能的實施方式，其中：所述根據(jù)所述檢測圖像，判斷在割草機器人前方第一預設(shè)距離內(nèi)是否存在障礙物或者邊界，具體包括：

對所述檢測圖像進行紋理分析，提取所述檢測圖像中物體的特征信息；所述特征信息包括：顏色信息、邊緣信息以及吸光度信息中至少一種；

根據(jù)所述特征信息以及預先獲取的對比特征信息，判斷物體是否為障礙物或者邊界。

結(jié)合第一方面，本發(fā)明實施例提供了第一方面的第二種可能的實施方式，其中：對草坪進行割草工作之前，還包括：

預置所述草坪的大致區(qū)域信息；所述區(qū)域信息包括：草坪邊界信息以及草坪面積信息；

在所述割草機器人行進過程中，還包括：

獲取機器人的當前位置信息，并根據(jù)所述機器人的當前位置信息、所述區(qū)域信息以及割草機器人的行進路線，獲取已割草區(qū)域信息。

結(jié)合第一方面，本發(fā)明實施例提供了第一方面的第三種可能的實施方式，其中：當存在障礙物時，按照如下方法確定割草路線：

根據(jù)所述邊緣信息計算所述障礙物靠近所述割草機器人一側(cè)的邊緣長度；

如果所述邊緣長度大于等于第一預設(shè)值，根據(jù)所述區(qū)域信息、所述已割草區(qū)域信息對所述草坪進行分區(qū)，并生成所述分區(qū)內(nèi)的折行路線；

如果所述邊緣長度小于所述第一預設(shè)值，則生成繞行路線；所述繞行路線與所述障礙物的邊緣距離為第二預設(shè)距離。

結(jié)合第一方面，本發(fā)明實施例提供了第一方面的第四種可能的實施方式，其中：生成繞行路線具體包括：

根據(jù)割草機器人的當前位置以及所述障礙物的邊界長度，分別計算障礙物的左繞行半徑長度以及右繞行半徑長度；

將左繞行半徑的長度以及所述右繞行半徑的長度進行對比，并按照較小的一方所對應的方向生成繞行路線。

結(jié)合第一方面，本發(fā)明實施例提供了第一方面的第五種可能的實施方式，其中：當存在邊界時，按照如下方法確定割草路線：

將所述當前位置信息、所述區(qū)域信息以及所述已割草區(qū)域信息進行對比修正，獲取修正后的已割草區(qū)域信息以及當前位置信息；

根據(jù)修正后的已割草區(qū)域信息以及當前位置信息，判斷與所述割草機器人所在的當前位置距離最近的未割草坪的位置，并根據(jù)所述未割草坪的位置以及所述當前位置信息，生成調(diào)頭路線、折行路線或者返回路線。

結(jié)合第一方面，本發(fā)明實施例提供了第一方面的第六種可能的實施方式，其中：在所述割草機器人行進過程中，還包括：

判斷割草機器人的當前電量是否在第一預設(shè)值以下，第二預設(shè)值之上，且估算剩余未割草的區(qū)域面積，如果剩余電量在第二預設(shè)值之上能完成剩余的割草區(qū)域，則繼續(xù)割草，否則，則控制所述割草機器人返回充電樁進行充電。

第二方面，本發(fā)明實施例還提供了一種割草裝置，包括：

檢測圖像獲取模塊，用于實時對草坪進行檢測，獲取檢測圖像；

判斷模塊，用于根據(jù)所述檢測圖像，判斷在割草機器人前方第一預設(shè)距離內(nèi)是否存在障礙物或者邊界；

割草路線規(guī)劃模塊，用于在存在障礙物或者邊界時，則按照預設(shè)的規(guī)則，規(guī)劃機器人的割草路線；

機器人控制模塊，用于控制所述割草機器人沿所述割草路線行進并割草。

結(jié)合第二方面，本發(fā)明實施例提供了第二方面的第一種可能的實施方式，其中：

所述判斷模塊，具體包括：

圖像分析子模塊，用于對所述檢測圖像進行紋理分析，提取所述檢測圖像中物體的特征信息；所述特征信息包括：顏色信息、邊緣信息以及吸光度信息中至少一種；

判斷子模塊，用于根據(jù)所述特征信息以及預先獲取的對比特征信息，判斷物體是否為障礙物或者邊界。

第三方面，本發(fā)明實施例還提供了一種割草系統(tǒng)，包括：如上述第二方面所述的割草裝置，還包括：割草機器人；

所述割草裝置用于使用上述第一方面所述的割草方法控制所述割草機器人割草。

本發(fā)明實施例所提供的割草方法、裝置以及系統(tǒng)，會實時對草坪進行檢測，并獲取檢測圖像，然后根據(jù)檢測圖像，判斷在割草機器人前方第一預設(shè)距離內(nèi)是否存在障礙物或者邊界，如果存在，則按照預設(shè)的規(guī)則規(guī)劃機器人的割草路線。在這個過程中，是通過在割草機器人上設(shè)置的高清攝像頭，實時對草坪進行檢測，并獲取檢測圖像，采用圖像識別和處理技術(shù)，并經(jīng)過一系列計算，進行割草區(qū)域的邊界界定和障礙物識別，不需要如現(xiàn)有技術(shù)中一樣預埋邊界線，來確定割草的區(qū)域和規(guī)劃的割草路線。

為使本發(fā)明的上述目的、特征和優(yōu)點能更明顯易懂，下文特舉較佳實施例，并配合所附附圖，作詳細說明如下。

附圖說明

為了更清楚地說明本發(fā)明實施例的技術(shù)方案，下面將對實施例中所需要使用的附圖作簡單地介紹，應當理解，以下附圖僅示出了本發(fā)明的某些實施例，因此不應被看作是對范圍的限定，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他相關(guān)的附圖。

圖1示出了本發(fā)明實施例所提供的一種割草方法的流程圖；

圖2示出了本發(fā)明實施例所提供的割草方法中，判斷割草機器人的前方預設(shè)距離內(nèi)是否存在障礙物或者邊界具體方法的流程圖；

圖3示出了本發(fā)明實施例所提供的割草方法中，遇到障礙物時進行路線規(guī)劃具體方法的流程圖；

圖4示出了本發(fā)明實施例所提供的割草方法中，遇到障礙物時進行路線規(guī)劃具體方法的流程圖；

圖5示出了本發(fā)明實施例所提供的割草方法中，遇到邊界的時候進行割草路線規(guī)劃的方法的流程圖；

圖6示出了本發(fā)明實施例所提供的另一種割草方法的流程圖；

圖7示出了本發(fā)明實施例所提供的一種割草裝置的結(jié)構(gòu)示意圖；

圖8示出了本發(fā)明實施例所提供的割草裝置中，判斷模塊的具體結(jié)構(gòu)示意圖。

具體實施方式

為使本發(fā)明實施例的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合本發(fā)明實施例中附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述。顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例。通常在此處附圖中描述和示出的本發(fā)明實施例的組件可以以各種不同的配置來布置和設(shè)計。因此，以下對在附圖中提供的本發(fā)明的實施例的詳細描述并非旨在限制要求保護的本發(fā)明的范圍，而是僅僅表示本發(fā)明的選定實施例?；诒景l(fā)明的實施例，本領(lǐng)域技術(shù)人員在沒有做出創(chuàng)造性勞動的前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

目前的割草機器人在割草的時候，必須提前預埋邊界線來界定割草區(qū)域。在邊界線包括的范圍內(nèi)，機器人與邊界線的距離不同，所檢測到的信號的強弱也不一樣，基于此，割草機器人能夠根據(jù)其所檢測到的邊界線的信號強弱來確定割草區(qū)域和規(guī)劃割草路線。但是這種割草機器人在使用的時候，需要預先安裝邊界線，安裝繁瑣，且安裝成本以及邊界線的制作成本高昂，且，邊界線常年裸露在室外，需要承受38℃～零下30℃左右的溫差及腐蝕和氧化，且很難避免小動物的破壞，造成割草機器人無法工作，從而造成經(jīng)濟損失；同時，草坪的邊界一旦出現(xiàn)變化，由于邊界線已經(jīng)安裝好了，因此很難對草坪的邊界進行改變。同時，由于采用邊界線來界定割草的區(qū)域，邊界線不能太長，否則割草機器人由于與邊界線距離過遠，而導致有些邊界線信號由于過弱使得割草機器人無法檢測到，造成了割草機器人無法正確識別割草區(qū)域，因此，這種割草機器人只適合小型家庭使用，一旦需要割草的草坪面積過大，例如如果是高爾夫球場等大型草坪，這種割草機器人將無法使用?；诖?，本申請?zhí)峁┑囊环N割草方法、裝置以及系統(tǒng)，可以在不設(shè)置邊界線的前提下，確定割草的區(qū)域和規(guī)劃割草路線，同時，適用范圍廣，不止適合小型、規(guī)則草坪的使用，還適合大型的、不規(guī)則的草坪使用。

為便于對本實施例進行理解，首先對本發(fā)明實施例所公開的一種割草方法進行詳細介紹，參見圖1所示，該方法包括：

S101：實時對草坪進行檢測，獲取檢測圖像。

在具體實現(xiàn)的時候，本發(fā)明實施例所提供的割草方法，是通過在割草機器人上設(shè)置的高清攝像頭，實時對草坪進行檢測，并獲取檢測圖像，采用圖像識別和處理技術(shù)，并經(jīng)過一系列計算，進行割草區(qū)域的邊界界定和障礙物識別。該方法的執(zhí)行主體為安裝在割草機器人上的控制器，控制器具有較強的運算和圖像處理能力。

S102：根據(jù)所述檢測圖像，判斷在割草機器人前方預設(shè)距離內(nèi)是否存在障礙物或者邊界。

在具體實現(xiàn)的時候，當獲取了檢測圖像之后，會根據(jù)所獲取的檢測圖像，判斷割草機器人的前方預設(shè)距離內(nèi)是否存在障礙物或者邊界。具體地，參見圖2所示，本發(fā)明實施例提供一種具體進行判斷的方法，該方法包括：

S201：對所述檢測圖像進行紋理分析，提取所述檢測圖像中物體的特征信息；所述特征信息包括：顏色信息、邊緣信息以及吸光度信息中至少一種。

S202：根據(jù)所述特征信息以及預先獲取的對比特征信息，判斷物體是否為障礙物或者邊界。

在具體實現(xiàn)的時候在獲取了檢測圖像之后，要先對檢測圖像進行紋理分析，根據(jù)紋理分析的結(jié)果，能夠從檢測圖像中將物體的特征信息提取出來。這些特征信息包括：顏色信息、邊緣信息以及吸光度信息等。

草的顏色信息會根據(jù)實際情況的不同有所區(qū)別。例如，在四季分明的溫帶地區(qū)，草的顏色在盛夏是綠色，而在秋季會逐漸變的枯黃；而在熱帶、亞熱帶或者某些具有特別要求的地方，草的顏色會保持綠色。而草坪還會由于品種、生長條件、周邊環(huán)境的不同，其顏色也會有一定的差異。因此，所獲取的顏色信息對于不同的草坪來說，可能會不一樣。草的顏色信息可以通過對檢測圖像進行分析后，獲得其RGB三通道的具體數(shù)值，從而能夠具體的將顏色信息數(shù)據(jù)化。

而邊緣信息則是經(jīng)過紋理分析得到的，例如草在生長的時候，會生長出很多的葉子，葉子的邊緣會被紋理分析得到。又例如，如果草坪上有花壇、更高的樹叢等障礙物，那么花壇、更高的樹叢的邊緣也能夠被紋理分析得到(畢竟不同的物品其邊緣是有所差異的)。

吸光度信息也可以經(jīng)過紋理分析得到，不同的物體，其吸光度是不一樣的，因此也可以通過吸光度來判斷割草機器人的前方是否存在障礙物或者邊界。

在割草機器人的控制系統(tǒng)中會存儲有對比特征信息。該對對比特征信息可以從預先建立的數(shù)據(jù)庫直接獲取。在草坪中會經(jīng)常出現(xiàn)的某些特征的物品，例如，如果是球場的草坪，那么草坪中的障礙物可能是球門以及球網(wǎng)，而草坪的邊界可能是看臺的底部邊緣；如果是高爾夫球場，那么草坪中的障礙物可能是各種樹木，而草坪的邊界可能是將高爾夫球場圍住的網(wǎng)墻等；如果是公園草坪，那么草坪中的障礙物可能是各種樹木、花草，而草坪的邊界可能是地磚、籬笆等等?？梢愿鶕?jù)這些情況建立數(shù)據(jù)庫，將一些可能出現(xiàn)的障礙物以及邊界的相關(guān)對比特征信息存入數(shù)據(jù)庫中。割草機器人在割草的時候，可以根據(jù)實際的割草環(huán)境，從數(shù)據(jù)庫中選取相應的特征組。

另外，為了能夠方便割草機器人因地制宜，適應更多的割草環(huán)境，對比特征信息也可以是預先對草坪進行采樣獲得。例如，在割草之前，可以預先向割草機器人輸入在草坪中所存在的障礙物的照片，并對照片進行處理，獲得相應的對比特征信息。

在提取了檢測圖像中物體的特征信息之后，會將該特征信息和預先獲取的對比特征信息進行比對，并根據(jù)比對的結(jié)果，判斷物體是否為障礙物或者邊界。一般的對比特征信息所包含的內(nèi)容應當和從檢測圖像中提取的特征信息所包含的信息種類是一致的，而在進行對比的時候，可以將特征值依次對比。

例如，當獲取了檢測的圖像中物體的顏色信息之后，會與對比特征信息中的顏色信息，如果該顏色信息與對比特征信息中的顏色信息誤差在可接受(預設(shè))范圍之內(nèi)，那么就認為該圖像前可能是草坪；還可以將特征信息中的邊緣信息和對比特征信息中的草的邊緣信息、障礙物的邊緣信息、邊界的邊緣信息分別進行對比，如果和其中某一個類似，則認為是其中的那個。在對比的時候，是分優(yōu)先級進行對比的，只有當前優(yōu)先級的對比滿足一定條件的時候，才進入下一個優(yōu)先級的對比，否則會根據(jù)當前優(yōu)先級的對比直接給出對比結(jié)果；還可以不分優(yōu)先級的對比，即將特征信息與對比特征信息一一對比，后根據(jù)綜合的對比結(jié)果給出最終的結(jié)論。

S103：如果存在障礙物或者邊界，則按照預設(shè)的規(guī)則，規(guī)劃機器人的割草路線。

S104：控制所述割草機器人沿所述割草路線行進并割草。

本發(fā)明實施例所提供的割草方法，會實時對草坪進行檢測，并獲取檢測圖像，然后根據(jù)檢測圖像，判斷在割草機器人前方第一預設(shè)距離內(nèi)是否存在障礙物或者邊界，如果存在，則按照預設(shè)的規(guī)則，規(guī)劃機器人的割草路線。在這個過程中，是通過在割草機器人上設(shè)置的高清攝像頭，實時對草坪進行檢測，并獲取檢測圖像，采用圖像識別和處理技術(shù)，并經(jīng)過一系列計算，進行割草區(qū)域的邊界界定和障礙物識別，不需要如現(xiàn)有技術(shù)中的預埋邊界線，來確定割草的區(qū)域和規(guī)劃的割草路線。

本發(fā)明實施例所提供的割草方法中，機器人中會預存有草坪的區(qū)域信息。其中，草坪的區(qū)域信息包括：草坪邊界信息以及草坪面積信息。草坪邊界信息包括：草坪邊界的形狀、具體位置、邊界與邊界之間的距離等。在輸入的時候，可以直接手動輸入草坪的長寬高；另外，還可以直接將草坪的規(guī)劃或者在鋪設(shè)時候的設(shè)計圖像(包括草坪邊界信息)導入到割草機器人控制系統(tǒng)中。而割草機器人在行進并割草的過程中，會記錄其當前的位置信息(例如，割草機器人被設(shè)計為以某個預設(shè)的點為起點按照直線前進，并在前進的過程中割草)，而機器人在行進過程中，割草的寬度是已知的量，同時，其前進的速度也是可以獲知的，因而，能夠根據(jù)割草機器人的當前位置、其割草的寬度、速度、割草時間、行程等計算出其已經(jīng)完成割草的面積，最終通過區(qū)域信息、割草機器人的行進路線、機器人的當前位置信息，獲取已割草區(qū)域信息。其中，已割草區(qū)域信息中包含：已經(jīng)割草的區(qū)域位置、面積等。而在具體進行機器人的割草路線規(guī)劃的時候，會具體的避開已經(jīng)割草完畢的區(qū)域，在還未割草的區(qū)域中進行規(guī)劃。

具體地，參見圖3所示，本發(fā)明實施例還提供一種在遇到障礙物的時候確定割草路線的方法，包括：

S301：根據(jù)所述邊緣信息計算所述障礙物靠近所述割草機器人一側(cè)的邊緣長度。

在具體實現(xiàn)的時候，由于障礙物的邊緣會與草的邊緣有所區(qū)別，而障礙物可能是有多種多樣的，可能會出現(xiàn)同一障礙物，但是由于包含了幾種不同的物體(例如開滿了鮮花的花壇，花壇的邊緣信息和鮮花的邊緣信息必然有所區(qū)別)，而這幾種物體的邊緣信息至少有一部分和草的邊緣信息必然會有所區(qū)分，因此，可以根據(jù)邊緣信息對檢測圖像進行劃分，將其中障礙物所在的區(qū)域劃分出來，從而可以確定障礙物在靠近割草機器人一側(cè)的邊緣長度(該邊緣長度可能是單一物體的邊緣長度，還可能是幾個或者幾種物體的邊緣一起所構(gòu)成的邊緣長度)。

S302：如果所述邊緣長度大于等于第一預設(shè)值，根據(jù)所述區(qū)域信息以及所述已割草區(qū)域信息對所述草坪進行分區(qū)，并生成所述分區(qū)內(nèi)的折行路線。

在具體實現(xiàn)的時候，如果障礙物靠近割草機器人的一側(cè)的邊緣長度大于第一預設(shè)值，那么證明該障礙物過大，繞行并不適合當前的情況，因此，需要將草坪進行分區(qū)，分區(qū)的具體規(guī)則可以根據(jù)實際的情況進行具體的約束。

例如，可以從障礙物的朝向割草機的一側(cè)，至與該側(cè)對應的邊界或者另一個障礙物所覆蓋到的區(qū)域，作為當前分區(qū)，而剩余未割草的區(qū)域作為其它分區(qū)，還可以根據(jù)已割草區(qū)域信息，獲知已割草分區(qū)的具體位置，從而將當前分區(qū)從整體的草坪中劃分出來，并在當前分區(qū)內(nèi)對割草機器人進行路線規(guī)劃，生成該當前分區(qū)內(nèi)的折行路線，并控制割草機器人按照該折行路線行進并割草。當割草機器人對當前分區(qū)的割草過程中，會將該當前分區(qū)割草完畢的區(qū)域歸屬到已割草分區(qū)中。

S303：如果所述邊緣長度小于所述第一預設(shè)值，則生成繞行路線；所述繞行路線與所述障礙物的邊緣距離為第二預設(shè)距離。

具體地，如果邊緣長度小于該第一預設(shè)值，那么證明障礙物比較小(例如可能是一棵樹、一叢花等)，那么割草機器人會繞過該障礙物前行。繞行路線要與障礙物的邊緣距離為第二預設(shè)距離，該第二預設(shè)距離是根據(jù)割草機器人的寬度進行具體的設(shè)定；通常情況下，寬度較大的割草機器人，該第二預設(shè)距離比較大；寬度比較小的割草機器人，該第二預設(shè)距離寬度較小，以保證割草機器人在行進的過程中不會碰觸到障礙物。

具體地，參見圖4所示，生成繞行路線具體包括：

S401：根據(jù)割草機器人的當前位置以及所述障礙物的邊界，分別計算障礙物的左繞行半徑長度以及右繞行半徑長度；

S402：將左繞行半徑的長度以及所述右繞行半徑的長度進行對比，并按照較小的一方所對應的方向生成繞行路線。

在具體實現(xiàn)的時候，割草機器人或根據(jù)其當前位置以及所述障礙物的邊界長度，分別計算障礙物的左繞行半徑長度以及右繞行半徑長度，即割草機器人在繞過障礙物的時候，從左邊繞需要繞過的半徑，以及從右邊繞需要繞過的半徑，并將這兩個半徑長度進行比較，從中選取比較小的一個，并按照與該較小的半徑長度所對應的方向生成繞行路線，并且繞行。

具體地，參見圖5所示，本發(fā)明實施例還提供一種在遇到邊界的時候進行割草路線規(guī)劃的方法，包括：

S501：將所述當前位置信息、所述區(qū)域信息以及所述已割草區(qū)域信息進行對比修正，獲取修正后的已割草區(qū)域信息以及當前位置信息；

S502：根據(jù)修正后的已割草區(qū)域信息以及當前位置信息，獲取與所述割草機器人所在的當前位置距離最近的未割草坪的位置，并根據(jù)所述未割草坪的位置以及所述當前位置信息，生成調(diào)頭路線、折行路線或者返回路線。

在具體實現(xiàn)的時候，由于在割草機器人行進過程中，已經(jīng)獲取了已割草區(qū)域信息，機器人的控制器系統(tǒng)能夠根據(jù)割草機器人的當前位置信息，區(qū)域信息以及已割草區(qū)域信息進行對比修正，獲取修正后的已割草區(qū)域信息以及當前位置信息，減小割草機器人行進過程中所產(chǎn)生的誤差，避免中間的計算出現(xiàn)失誤，導致草坪上某些地方的草被漏割等情況的產(chǎn)生。

之后，會根據(jù)修正后的已割草區(qū)域信息以及當前位置信息，判斷與割草機器人所在的當前位置距離最近的未割草坪的位置，并根據(jù)未割草坪的位置，以及割草機器人的當前位置信息，生成調(diào)頭路線、折行路線或者返回路線等。具體的，要生成哪一種路線，具體要看割草機器人要割草坪上哪一部分的草的具體位置。

另外，參見圖6所示，本發(fā)明實施例所提供的割草方法中，在割草機器人行進的過程中，還包括：

S601：判斷割草機器人的當前電量是否在第一預設(shè)值以下，第二預設(shè)值之上，且估算剩余未割草的區(qū)域面積；

S602：如果剩余電量在第二預設(shè)值之上能完成剩余的割草區(qū)域，則繼續(xù)割草，否則，則控制所述割草機器人返回充電樁進行充電。

在具體實現(xiàn)的時候，由于割草的草坪的面積可能會很大，割草機器人的電量可能無法滿足割草需求，因此，造成割草無法完成。因此，需要對割草機器人的當前電量進行實時監(jiān)控。如果割草機器人的當前電量在閾值以上，那么割草機器人正常工作，如果否，則割草機器人自動返回充電樁進行充電。

本發(fā)明又一實施例還提供一種割草裝置，參見圖7所示，本發(fā)明實施例所提供的割草裝置包括：

檢測圖像獲取模塊，用于實時對草坪進行檢測，獲取檢測圖像；

判斷模塊，用于根據(jù)所述檢測圖像，判斷在割草機器人前方第一預設(shè)距離內(nèi)是否存在障礙物或者邊界；

割草路線規(guī)劃模塊，用于在存在障礙物或者邊界時，則按照預設(shè)的規(guī)則，規(guī)劃機器人的割草路線；

機器人控制模塊，用于控制所述割草機器人沿所述割草路線行進并割草。

本實施例中，檢測圖像獲取模塊、判斷模塊、割草路線規(guī)劃模塊和機器人控制模塊的具體功能和交互方式，可參見圖1對應的實施例的記載，在此不再贅述。

本發(fā)明實施例所提供的割草裝置，會實時對草坪進行檢測，并獲取檢測圖像，然后根據(jù)檢測圖像，判斷在割草機器人前方第一預設(shè)距離內(nèi)是否存在障礙物或者邊界，如果存在，則按照預設(shè)的規(guī)則，規(guī)劃機器人的割草路線。在這個過程中，是通過在割草機器人上設(shè)置的高清攝像頭，實時對草坪進行檢測，并獲取檢測圖像，采用圖像識別和處理技術(shù)，并經(jīng)過一系列計算，進行割草區(qū)域的邊界界定和障礙物識別，不需要如現(xiàn)有技術(shù)中中的預埋邊界線，來確定割草的區(qū)域和規(guī)劃的割草路線。

另外，參見圖8所示，本發(fā)明實施例還提供一種判斷模塊的具體結(jié)構(gòu)，包括：

圖像分析子模塊，用于對所述檢測圖像進行紋理分析，提取所述檢測圖像中物體的特征信息；所述特征信息包括：顏色信息、邊緣信息以及吸光度信息中至少一種；

判斷子模塊，用于根據(jù)所述特征信息以及預先獲取的對比特征信息，判斷物體是否為障礙物或者邊界。

本實施例中，圖像分析子模塊和判斷子模塊的具體功能和交互方式，可參見圖2對應的實施例的記載，在此不再贅述。

本發(fā)明又一實施例還提供一種割草系統(tǒng)，本發(fā)明實施例所提供的割草系統(tǒng)包括：如上述實施例中所述的割草裝置，還包括：割草機器人；

所述割草裝置用于使用上述實施例所述的割草方法控制所述割草機器人割草。

本發(fā)明實施例所提供的割草方法、裝置以及系統(tǒng)的計算機程序產(chǎn)品，包括存儲了程序代碼的計算機可讀存儲介質(zhì)，所述程序代碼包括的指令可用于執(zhí)行前面方法實施例中所述的方法，具體實現(xiàn)可參見方法實施例，在此不再贅述。

所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為描述的方便和簡潔，上述描述的系統(tǒng)和裝置的具體工作過程，可以參考前述方法實施例中的對應過程，在此不再贅述。

所述功能如果以軟件功能單元的形式實現(xiàn)并作為獨立的產(chǎn)品銷售或使用時，可以存儲在一個計算機可讀取存儲介質(zhì)中。基于這樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說對現(xiàn)有技術(shù)做出貢獻的部分或者該技術(shù)方案的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機軟件產(chǎn)品存儲在一個存儲介質(zhì)中，包括若干指令用以使得一臺計算機設(shè)備(可以是個人計算機，服務器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個實施例所述方法的全部或部分步驟。而前述的存儲介質(zhì)包括：U盤、移動硬盤、只讀存儲器(ROM，Read-Only Memory)、隨機存取存儲器(RAM，Random Access Memory)、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。

以上所述，僅為本發(fā)明的具體實施方式，但本發(fā)明的保護范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明披露的技術(shù)范圍內(nèi)，可輕易想到變化或替換，都應涵蓋在本發(fā)明的保護范圍之內(nèi)。因此，本發(fā)明的保護范圍應所述以權(quán)利要求的保護范圍為準。