本发明涉及机器人领域，具体涉及一种机器人辨识及处理宠物粪便的方法。
背景技术：
随着智能生活水平的提高，越来越多的家庭开始采用智能扫地机器人清扫家里地板的卫生。但是，一些养有宠物的家庭，这些宠物有时会随地排泄粪便，而智能扫地机器人又不能辨识粪便，所以，在清扫过程中会直接从粪便上清扫过去。由于粪便比较湿黏，机器人无法将直接其吸入垃圾腔内，反而在继续前进的过程中，把粪便带得一路都是，使得粪便污染面积更大，更难以清理。
技术实现要素：
为解决上述问题，本发明提供了一种机器人辨识及处理宠物粪便的方法，可以准确地辨识地面的物体是否为宠物粪便，并对确定为宠物粪便的物体进行有效处理。本发明的具体技术方案如下：
一种机器人辨识宠物粪便的方法，包括如下步骤：
基于摄像头，机器人一边行走一边拍摄前方路面的图像；
基于sift算法提取所拍摄的当前图像中的物体形状的特征点，判断所述当前图像的特征点是否在预存的参考图像的参考特征点的设定范围内；
如果是，则确定所述物体为宠物粪便；
如果否，则继续一边行走一边拍摄前方路面的图像，并进行下一幅图像的判断。
进一步地，所述预存的参考图像的参考特征点，通过如下步骤获取：
确定第一宠物，拍摄所述第一宠物排出的粪便的图像并作为参考图像，基于sift算法提取所述参考图像中粪便形状的参考特征点的数量和各参考特征点之间的方位关系；
确定第二宠物，拍摄所述第二宠物排出的粪便的图像并作为参考图像，基于sift算法提取所述参考图像中粪便形状的参考特征点的数量和各参考特征点之间的方位关系；
以此类推，
确定第n宠物，拍摄所述第n宠物排出的粪便的图像并作为参考图像，基于sift算法提取所述参考图像中粪便形状的参考特征点的数量和各参考特征点之间的方位关系；
将所述参考图像和对应的参考特征点的数量以及各参考特征点之间的方位关系存入机器人的数据库中；
其中，n为大于1的自然数。
进一步地，所述基于sift算法提取所拍摄的当前图像中的物体形状的特征点，判断所述当前图像的特征点是否在预存的参考图像的参考特征点的设定范围内，包括如下步骤：
基于sift算法提取所拍摄的当前图像中的物体形状的特征点并作为对比特征点，确定所述对比特征点的数量和各对比特征点之间的方位关系；
判断所述对比特征点的数量与每幅所述参考图像中的参考特征点的数量之间的差值是否小于或等于设定数量；
如果判断结果都为否，则确定所述当前图像的特征点不在预存的参考图像的参考特征点的设定范围内；
如果判断结果中至少一个为是，则将判断结果为是的所述参考图像中的各参考特征点之间的方位关系与各所述对比特征点之间的方位关系进行对比分析；
如果两者的方位关系达到预设相同率，则确定所述当前图像的特征点在预存的参考图像的参考特征点的设定范围内；
否则，确定所述当前图像的特征点不在预存的参考图像的参考特征点的设定范围内。
进一步地，所述两者的方位关系是否达到预设相同率，包括如下判断步骤：
分别以所述参考图像中的每一个参考特征点为参考基准点，获取其它参考特征点相对于所述参考基准点的参考方向和参考距离；
分别以所述当前图像中的每一个对比特征点为对比基准点，获取其它对比特征点相对于所述对比基准点的对比方向和对比距离；
如果所述其它对比特征点相对于所述对比基准点的对比方向和对比距离与所述其它参考特征点相对于所述参考基准点的参考方向和参考距离有70%以上相同或者在误差范围内，则认为所述对比基准点与所述参考基准点相同，否则认为所述对比基准点与所述参考基准点不相同；
当所述对比基准点与所述参考基准点相同的数量占所述参考基准点的总数的70%以上，则确定所述两者的方位关系达到预设相同率，否则确定所述两者的方位关系没有达到预设相同率。
进一步地，在判断所述当前图像的特征点是在预存的参考图像的参考特征点的设定范围内的步骤之后，还包括如下步骤：
基于颜色传感器，机器人采集所述物体的当前颜色数据；
判断所采集的当前颜色数据是否在预存的宠物粪便的参考颜色数据的误差范围内；
进一步地，所述预存的宠物粪便的参考颜色数据，通过如下步骤获取：
将n个所述参考颜色数据存入机器人的数据库中；
判断所述多组粪便的颜色数据中，各组颜色数据之间的差值是否在预设范围内；
如果是，则取所述多组粪便的颜色数据的平均值作为参考颜色数据；
如果否，则将差值最大的两组颜色数据提取出来，分别作为参考颜色数据，再取其它组颜色数据的平均值作为参考颜色数据。
基于红外测温仪，采集所述物体的当前温度；
判断所采集的当前温度是否小于或等于预存的宠物粪便的参考温度，大于环境温度；
进一步地，所述预存的宠物粪便的参考温度，通过如下步骤获取：
取所述预选参考温度中温度最高的值作为参考温度；
一种机器人处理宠物粪便的方法，包括如下步骤：
基于上述的机器人辨识宠物粪便的方法，确定所检测的物体为宠物粪便；
停止行走，启动速冻剂装置，对所述宠物粪便喷射速冻剂；
将凝固的宠物粪便吸入垃圾腔；
再次对所述宠物粪便所在的位置喷射速冻剂；
完成对宠物粪便的处理。
本发明的有益效果在于：机器人在清扫的过程中，通过拍摄前方路面的图像，并基于sift算法提取所拍摄的当前图像中的物体形状的特征点，把该特征点与预存的参考图像的参考特征点进行对比，根据对比结果来确定所述物体是否为宠物粪便。这种通过形状特征对比的检测方法，可以准确检测出地面上的物体是否为宠物粪便。此外，在确定是宠物粪便之后，再通过向宠物粪便喷射速冻剂来使粪便凝固，便于机器人直接将凝固的粪便吸入垃圾腔，避免现有的机器人吸取湿黏的粪便时造成的大面积污染，保证了机器人处理宠物粪便的效果，同时提高了机器人的实用性，满足养有宠物的家庭的卫生清扫需求。
附图说明
图1为本发明所述的机器人辨识宠物粪便的方法的流程图一。
图2为本发明所述的参考图像的示意图。
图3为本发明所述的当前图像的示意图。
图4为本发明所述的机器人辨识宠物粪便的方法的流程图二。
图5为本发明所述的机器人辨识宠物粪便的方法的流程图三。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明：
如图1所示，本发明所述的机器人辨识宠物粪便的方法，包括如下步骤：基于摄像头，机器人一边行走一边拍摄前方路面的图像；基于sift算法提取所拍摄的当前图像中的物体形状的特征点，判断所述当前图像的特征点是否在预存的参考图像的参考特征点的设定范围内；如果是，则确定所述物体为宠物粪便；如果否，则继续一边行走一边拍摄前方路面的图像，并进行下一幅图像的判断。其中，所述sift算法即(scale-invariantfeaturetransform，尺度不变特征转换)算法，是一种计算机视觉的算法，用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量。本发明所述的方法，通过机器人在清扫的过程中拍摄前方路面的图像，并基于sift算法提取所拍摄的当前图像中的物体形状的特征点，把该特征点与预存的参考图像的参考特征点进行对比，根据对比结果来确定所述物体是否为宠物粪便。这种通过形状特征对比的检测方法，可以准确检测出地面上的物体是否为宠物粪便，解决了现有机器人无法辨识宠物粪便而导致清扫时扩大粪便污染面积的问题。
如图3所示，首先，基于sift算法提取所拍摄的当前图像中的物体形状的特征点并作为对比特征点，图3中的b＇、c＇、d＇、e＇、f＇、g＇、h＇和i＇为提取的所述对比特征点，一共8个，然后确定各对比特征点之间的方位关系，与上述的实施方式的方法相同，以b＇点为例，其它各对比特征点相对于b＇点的方位关系分别为（角度（即所述参考方向）=b1＇,距离（即所述参考距离）=lb1＇）、（b2＇,lb2＇）、（b3＇,lb3＇）、（b4＇,lb4＇）、（b5＇,lb5＇）、（b6＇,lb6＇）和（b7＇,lb7＇）。以此类推，确定剩余的其它各对比特征点之间的方位关系，在此不再赘述。
接着，判断所述对比特征点的数量与每幅所述参考图像中的参考特征点的数量之间的差值是否小于或等于设定数量，其中，所述设定数量为所述参考图像中参考特征点的总数的八分之一。如图2所示的参考图像中的参考特征点的数量为9个，则设定数量为9*（1/8）=1.125≈1（四舍五入）。由于对比特征点为8个，比参考特征点少1个，所以，所述对比特征点的数量与所述参考图像中的参考特征点的数量之间的差值小于或等于设定数量。如果对比特征点为5个或者13个，则对比特征点的数量与所述参考图像中的参考特征点的数量之间的差值都为4（差值始终是用数大的减去数小的，即9-5或者13-9），大于1，确定所述当前图像的特征点不在预存的参考图像的参考特征点的设定范围内，继续进行下一幅参考图像的对比，至所有参考图像都对比完后，还不能确定对比特征点的数量与所述参考图像中的参考特征点的数量之间的差值小于或等于设定数量的，则将拍摄的下一幅图像作为当前图像，继续与所述参考图像轮流进行对比。通过先分析特征点的数量关系，可以快速排除一些明显不是宠物粪便的物体，从而提高机器人的数据处理效率。
最后，判断所述对比基准点与所述参考基准点相同的数量是否占所述参考基准点的总数的70%以上。通过上述分析，对比基准点与参考基准点相同的数量为7个，参考基准点的总数为9个，占比为7/9=77.77%＞70%，所以，所述对比基准点与所述参考基准点相同的数量占所述参考基准点的总数的70%以上，确定所述两者的方位关系达到预设相同率，即确定所述当前图像的特征点在预存的参考图像的参考特征点的设定范围内，从而确定所述物体为宠物粪便。如果对比基准点与参考基准点相同的数量为6个或者小于6个，则占比为66.66%或者小于66.66%＜70%，则确定所述物体不是宠物粪便，继续进行下一幅参考图像的对比，至所有参考图像都对比完后，还不能确定对比特征点的数量与所述参考图像中的参考特征点的数量之间的差值小于或等于设定数量，且对比基准点与所述参考基准点相同的数量占所述参考基准点的总数的70%以上，则将拍摄的下一幅图像作为当前图像，继续与所述参考图像轮流进行对比。通过在特征点数量分析的基础上，再进行特征点方位关系的分析，可以进一步确定所检测的物体是否为宠物粪便，提高了机器人辨识宠物粪便的准确性，解决了现有机器人无法有效识别宠物粪便的问题。
由于宠物所吃的食物差异太大时，排出的粪便颜色差异也会比较大，如果全部按平均值的方式选取参考颜色数据，会导致对比分析时部分颜色的粪便覆盖不到，而产生检测结果错误的问题。所以，在按上述实施方式采集到宠物的粪便后，需要判断采集到的各组粪便的颜色数据是否存在很大差异，如果差值大于预设范围，则需要将差值最大的两组颜色数据提取出来，分别作为参考颜色数据，还要将除了差值最大的两组颜色数据外的其它组颜色数据的平均值作为参考颜色数据，如此，针对该宠物的粪便颜色就会有三个参考颜色数据，对比分析的参考数据更全面，进一步减小了检测结果误判的风险。如果各组颜色数据的差值都小于预设范围，则各组颜色比较接近，设置太多参考颜色数据的作用不明显，反而会因为设置太多参考颜色数据，而降低机器人的数据处理效率，所以，取平均值作为参考颜色数据为最佳选择。
优选的，在判断所采集的当前颜色数据在预存的宠物粪便的参考颜色数据的误差范围内的步骤之后，还包括如下步骤：基于气味传感器，采集所述物体的当前气味数据；判断所采集的当前气味数据是否在预存的宠物粪便的参考气味数据的误差范围内；如果是，则确定所述物体为宠物粪便；如果否，则继续一边行走一边采集颜色数据。本发明所述方法的另一实施方式，是在颜色检测的基础上，为了进一步提高检测的准确性，增加了气味检测和判断，气味检测和判断的原理与上述实施方式相同，在此不再赘述。
以上实施例仅为充分公开而非限制本发明，凡基于本发明的创作主旨、未经创造性劳动的等效技术特征的替换，应当视为本申请揭露的范围。