[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN114903384A - 清洁机器人的工作场景地图区域分割方法及装置 - Google Patents

清洁机器人的工作场景地图区域分割方法及装置 Download PDF

Info

Publication number
CN114903384A
CN114903384A CN202210666985.6A CN202210666985A CN114903384A CN 114903384 A CN114903384 A CN 114903384A CN 202210666985 A CN202210666985 A CN 202210666985A CN 114903384 A CN114903384 A CN 114903384A
Authority
CN
China
Prior art keywords
area
map
global
cleaning robot
dividing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210666985.6A
Other languages
English (en)
Inventor
杨俊驹
林睿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Lantu Technology Co ltd
Original Assignee
Suzhou Lantu Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Suzhou Lantu Technology Co ltd filed Critical Suzhou Lantu Technology Co ltd
Priority to CN202210666985.6A priority Critical patent/CN114903384A/zh
Publication of CN114903384A publication Critical patent/CN114903384A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
    • A47L11/24—Floor-sweeping machines, motor-driven
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
    • A47L11/28—Floor-scrubbing machines, motor-driven
    • A47L11/282—Floor-scrubbing machines, motor-driven having rotary tools
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
    • A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
    • A47L11/4002—Installations of electric equipment
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
    • A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
    • A47L11/4002—Installations of electric equipment
    • A47L11/4008—Arrangements of switches, indicators or the like
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L2201/00—Robotic cleaning machines, i.e. with automatic control of the travelling movement or the cleaning operation
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L2201/00—Robotic cleaning machines, i.e. with automatic control of the travelling movement or the cleaning operation
    • A47L2201/04—Automatic control of the travelling movement; Automatic obstacle detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Geometry (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本公开提供一种清洁机器人的工作场景地图区域分割方法，包括：获取清洁机器人的工作场景的全局二维地图；通过图像像素膨胀方法，对全局二维地图的每个像素进行膨胀处理，获得膨胀后的全局二维地图；通过随机一致性采样算法，在膨胀后的全局二维地图检测出线段；将地图中所有线段及离散像素点划分为不可达区域，将线段及离散像素点之外的区域划分可达区域；将可达区域划分为不同的连通域。本公开还提供了一种清洁机器人的工作场景地图区域分割装置、电子设备以及可读存储介质。

Description

清洁机器人的工作场景地图区域分割方法及装置
技术领域
本公开涉及清洁机器人智能控制领域，尤其涉及一种清洁机器人的 工作场景地图区域分割方法、装置、电子设备及可读存储介质。
背景技术
目前清洁机器人，如家用扫地机器人、商用扫地机器人、商用洗拖 一体机器人、商用地板打磨机器人和商用地毯清洗机器人等，已经大量 地应用于家庭、酒店、会议中心、商超和博览中心等场景的清洁工作。 如果将整个大工作场景看成一个整体进行清洁，这样清洁起来既耗时， 又不符合常规清扫逻辑。况且一次性清洁区域太大，场景往往动态性更强，清洁机器人更易受干扰而影响清洁效率和效果。同时考虑到清洁机 器人的续航能力，太大区域的清洁，机器人可能需要多次充电才能完成， 非常耗时，最终清洁效率低，清洁效果也差，机器人的清洁轨迹也无法 直观的显现其清洁任务的视觉效果。
发明内容
为了解决上述技术问题中的至少一个，本公开提供了一种清洁机器 人的工作场景地图区域分割方法、装置、电子设备及可读存储介质。
根据本公开的一个方面，提供一种清洁机器人的工作场景地图区 域分割方法，包括：
S1、获取清洁机器人的工作场景的全局二维地图；
S2、通过图像像素膨胀方法，对所述全局二维地图的每个像素进 行膨胀处理，获得膨胀后的全局二维地图；
S3、通过随机一致性采样算法，在所述膨胀后的全局二维地图检 测出线段；
S4、将所述地图中所有线段及离散像素点划分为不可达区域，将 所述线段及离散像素点之外的区域划分可达区域；
S5、将所述可达区域划分为不同的连通域，将所述连通域作为清 洁机器人的工作地图。
根据本公开至少一个实施方式的清洁机器人的工作场景地图区域 分割方法，获取清洁机器人的工作场景的全局二维地图，包括：
清洁机器人通过激光传感器扫描工作场景一定高度的二维距离信 息，持续地获取每个时间帧激光数据，将通过SLAM方法构建的清洁机 器人工作场景的全局二维栅格地图作为所述全局二维地图。
根据本公开至少一个实施方式的清洁机器人的工作场景地图区域 分割方法，所述S3还包括：
计算相邻的所述线段之间的距离，如果相邻的所述线段之间的距 离小于预设距离阈值，则将相邻的所述线段连接成一条线段。
根据本公开至少一个实施方式的清洁机器人的工作场景地图区域 分割方法，将所述可达区域划分为不同的连通域，包括：
基于所述可达区域中的各个像素点，通过广度优先搜索算法为各 个像素点寻找连通域，最终将所述可达区域划分为不同的连通域。
根据本公开至少一个实施方式的清洁机器人的工作场景地图区域 分割方法，在所述S5之后还包括：
计算各个所述连通域的面积，如果所述连通域面积大于第一预设 面积阈值，则将对应的连通域进行至少一次分割，使得分割后的连通 域的面积小于所述第一预设面积阈值。
根据本公开至少一个实施方式的清洁机器人的工作场景地图区域 分割方法，在所述S5之后还包括：
计算各个所述连通域的面积，如果所述连通域面积小于第二预设 面积阈值时形成小面积连通域，则通过像素锐化处理，将所述小面积 连通域并入与所述小面积连通域相邻的连通域中，以消除所述小面积 连通域。
根据本公开至少一个实施方式的清洁机器人的工作场景地图区域 分割方法，在所述S5之后还包括：
对所述连通域进行标记，不同连通域的标记符合不同。
根据本公开的又一个方面，提供一种清洁机器人的工作场景地图 区域分割装置，包括：
全局二维地图获取模块，获取清洁机器人的工作场景的全局二维 地图；
膨胀处理模块,通过图像像素膨胀方法，对所述全局二维地图的每 个像素进行膨胀处理，获得膨胀后的全局二维地图；
线段检测模块,通过随机一致性采样算法，在所述膨胀后的全局二 维地图检测出线段；
区域划分模块,将所述地图中所有线段及离散像素点划分为不可 达区域，将所述线段及离散像素点之外的区域划分可达区域；
连通域划分和标记模块,将所述可达区域划分为不同的连通域，并 对连通域进行标记。
根据本公开的有一个方面，提供一种电子设备，包括：
存储器，所述存储器存储执行指令；以及
处理器，所述处理器执行所述存储器存储的执行指令，使得所述 处理器执行上述任一项所述的方法。
根据本公开的又一个方面，提供一种可读存储介质，所述可读存 储介质中存储有执行指令，所述执行指令被处理器执行时用于实现上 述任一项所述的方法。
附图说明
附图示出了本公开的示例性实施方式，并与其说明一起用于解释本 公开的原理，其中包括了这些附图以提供对本公开的进一步理解，并且 附图包括在本说明书中并构成本说明书的一部分。
图1是根据本公开的一个实施方式的清洁机器人的工作场景地图区 域分割方法流程示意图。
图2是根据本公开的一个实施方式的清洁机器人的工作场景原始全 局二维地图示意图。
图3是根据本公开的一个实施方式的清洁机器人的工作场景进行膨 胀算法之后的全局二维地图示意图。
图4是根据本公开的一个实施方式的清洁机器人的将邻近线段相连 的全局二维地图示意图。
图5是根据本公开的一个实施方式的清洁机器人的广度优先搜索连 通域并分配不同标签的全局二维地图示意图。
图6是根据本公开的一个实施方式的清洁机器人的将大的连通域进 行分割的全局二维地图示意图。
图7是根据本公开的一个实施方式的清洁机器人的地图像素锐化之 后的全局二维地图示意图。
图8是根据本公开的一个实施方式的清洁机器人的消除小的连通域 之后的全局二维地图示意图。
图9是根据本公开的一个实施方式的清洁机器人的工作场景地图区 域分割装置结构示意图
附图标记说明
1000清洁机器人的工作场景地图区域分割装置
1002全局二维地图获取模块
1004膨胀处理模块
1006线段检测模块
1008区域划分模块
1010连通域划分和标记模块
1100总线
1200处理器
1300存储器
1400其他电路。
具体实施方式
下面结合附图和实施方式对本公开作进一步的详细说明。可以理解 的是，此处所描述的具体实施方式仅用于解释相关内容，而非对本公开 的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本公 开相关的部分。
需要说明的是，在不冲突的情况下，本公开中的实施方式及实施方 式中的特征可以相互组合。下面将参考附图并结合实施方式来详细说明 本公开的技术方案。
除非另有说明，否则示出的示例性实施方式/实施例将被理解为提供 可以在实践中实施本公开的技术构思的一些方式的各种细节的示例性特 征。因此，除非另有说明，否则在不脱离本公开的技术构思的情况下， 各种实施方式/实施例的特征可以另外地组合、分离、互换和/或重新布置。
在附图中使用交叉影线和/或阴影通常用于使相邻部件之间的边界变 得清晰。如此，除非说明，否则交叉影线或阴影的存在与否均不传达或 表示对部件的具体材料、材料性质、尺寸、比例、示出的部件之间的共 性和/或部件的任何其它特性、属性、性质等的任何偏好或者要求。此外， 在附图中，为了清楚和/或描述性的目的，可以夸大部件的尺寸和相对尺 寸。当可以不同地实施示例性实施例时，可以以不同于所描述的顺序来 执行具体的工艺顺序。例如，可以基本同时执行或者以与所描述的顺序 相反的顺序执行两个连续描述的工艺。此外，同样的附图标记表示同样 的部件。
当一个部件被称作“在”另一部件“上”或“之上”、“连接到”或 “结合到”另一部件时，该部件可以直接在所述另一部件上、直接连接 到或直接结合到所述另一部件，或者可以存在中间部件。然而，当部件 被称作“直接在”另一部件“上”、“直接连接到”或“直接结合到”另 一部件时，不存在中间部件。为此，术语“连接”可以指物理连接、电 气连接等，并且具有或不具有中间部件。
本文使用的术语是为了描述具体实施例的目的，而不意图是限制性 的。如这里所使用的，除非上下文另外清楚地指出，否则单数形式“一 个(种、者)”和“所述(该)”也意图包括复数形式。此外，当在本说明书 中使用术语“包含”和/或“包括”以及它们的变型时，说明存在所陈述 的特征、整体、步骤、操作、部件、组件和/或它们的组，但不排除存在 或附加一个或更多个其它特征、整体、步骤、操作、部件、组件和/或它 们的组。还要注意的是，如这里使用的，术语“基本上”、“大约”和其 它类似的术语被用作近似术语而不用作程度术语，如此，它们被用来解 释本领域普通技术人员将认识到的测量值、计算值和/或提供的值的固有 偏差。
对于待清洁区域进行分割，首先清洁机器人物理尺寸、通过性、转 弯半径等参数，来设定每个待清洁子区域的最小和最大面积。同时要考 虑到实际工作场景的复杂性，包括独立房间、桌子和墙柱等形成的相对 封闭区域等。因此，从清洁逻辑角度考虑，可以作为一次性清洁对象区 域，而不能把这些相对封闭区域连通起来，清洁机器人的待清洁区域进行快速有效地区域分割，意义非常大。
图1是根据本公开的一个实施方式的清洁机器人的工作场景地图区 域分割方法流程示意图。
如图1所示，清洁机器人的工作场景地图区域分割方法S100，包 括：
S102、获取清洁机器人的工作场景的全局二维地图；
S104、通过图像像素膨胀方法，对全局二维地图的每个像素进行 膨胀处理，获得膨胀后的全局二维地图；
S106、通过随机一致性采样算法，在膨胀后的全局二维地图中检 测出线段；
S108、将地图中所有线段及离散像素点划分为不可达区域，将线 段及离散像素点之外的区域划分可达区域；
S110、将可达区域划分为不同的连通域，将连通域作为清洁机器 人的工作地图。
其中，上述步骤S102中，获取清洁机器人的工作场景的全局二维 地图，包括：清洁机器人通过激光传感器扫描工作场景一定高度的二 维距离信息，持续地获取每个时间帧激光数据，将通过SLAM方法构建 的清洁机器人工作场景的全局二维栅格地图作为全局二维地图。
清洁机器人负责工作场景中地面的清扫、清洗和打磨等任务。为 了保证清洁效率，清洁机器人需要预先构建好工作场景全局二维地图， 才能基于已构建全局二维地图，规划出相应的清洁路线，对待清洁区 域进行有效地顺序清洁。清洁机器人主要通过车载各种传感器，如二 维激光、三维激光和视觉等传感器，来感知工作场景环境信息，通过 SLAM方法构建工作场景中的全局二维或三维地图。而清洁机器人通过 激光传感器来扫描工作场景一定高度的二维距离信息，持续地获取每 个时间帧激光数据，即可构建工作场景的全局二维栅格地图Θ，其表 征为
Figure RE-GDA0003746548710000071
Figure RE-GDA0003746548710000072
表示工作场景二维地图中像素点[u,v]T的 像素值，
Figure RE-GDA0003746548710000073
为二维地图像素点横纵坐标集。工作场景的全局二维地图可 以将工作场景表征为横竖一定数量的方形小栅格，即地图像素点。
清洁机器人所构建的全局二维地图，其二维地图像素点，也就方形 小栅格，依据这个小栅格区域，是否可以让清洁机器人通行或清洁，则 可分为可清洁区域和不可清洁区域。可清洁区域即机器人可行驶区域， 又称为无障碍物区域，对应像素的像素值用数字0表示；不可清洁区域 即机器人无法到达的区域，如墙壁、支柱等，又称为有障碍物区域，对 应像素的像素值用数字1表示；当然，也可人为地在全局地图中设置一 些禁区和禁线，让清洁机器人无法从此区域通行，将无障碍物区域变成 有障碍物区域，从而这部分区域机器人将不再清洁。考虑到激光传感器 的扫描感知范围有限而且有一定的感知角度，对于无法扫描到的工作场 景区域的像素值，用-1来表示，即为未确定区域，其表达式为：
Figure BDA0003691932710000074
清洁机器人已构建工作场景的全局二维栅格地图Θ示意图如图2 所示，可以看作是小栅格组成的黑白二维图像，考虑到图像显示的大 小原因，栅格非常小，可以看作成像素点。
对于上述步骤S104，通过图像像素膨胀方法，对全局二维地图的 每个像素进行膨胀处理，获得膨胀后的全局二维地图。图3是根据被 公开的一个实施方式的膨胀后的全局二维地图示意图。
如图3所示，基于图2的全局二维栅格地图Θ进行膨胀算法处理 之后的全局二维地图Π的示意图。具体地，对全局二维地图膨胀处理过 程如下。
清洁机器人构建好工作场景全局二维栅格地图，即可获取地图中 各像素值。考虑到全局二维地图中像素值为1的像素可能是离散孤立 的点或点簇，而点与点或点簇与点簇之间距离小于清洁机器人安全通 过所需要空间要求，为了节省后续计算量，应用地图像素膨胀方法， 将全局地图每个像素进行膨胀处理，使更多的像素点被认为在同一条 直线上。地图像素的膨胀方法主要是将2个或多个间隔较近的点或点 簇连通在一起，对于填补图像有障碍物区域的空洞是非常有效的手段， 则膨胀处理之后的图像表征为Π：
Figure BDA0003691932710000081
通过拖动结构元素Ω在全局二维地图Θ的图像像素域移动，在每 一个像素位置上，当结构元素Ω的中心点平移到Θ图像上的某一点 (α,β)，如果结构元素的像素与障碍物点至少有一个像素相交，保留 (α,β)像素点，达到边界向外扩张的作用。即遍历目标图像Θ中的目标 区域，只考虑目标像素及其相邻的上下左右像素的灰度值，确认其与 膨胀的结构元素是否有交点，即存在至少一处对应的灰度值相等。如 果有交点，则处理该像素点，否则将该像素点删除。
对于上述步骤S106，通过随机一致性采样算法，在膨胀后的全局 二维地图检测出线段。如图4所示，在对图3地图膨胀后的全局二维 地图Π中检测出线段的效果示意图。图4采用随机一致性采样算法， 找出相应的线段，并将邻近线段相连，具体处理过程如下。
首先，将膨胀处理之后工作场景全局二维地图Π，表征为
Figure BDA0003691932710000082
其中，
Figure BDA0003691932710000084
表示工作场景二维地图中像素点[u,v]T的 像素值，
Figure BDA0003691932710000083
为二维地图像素点横纵坐标集。考虑到对二维地图的区域分 割主要是实现依赖于场景中的线段特征，即依据地图中的线或线段，一 般指直线段等，将二维地图分割成不同的子地图区域，相对而言，这些 子地图区域有一定的独立性或封闭性，如工作场景中的小房间，或被桌 椅等分隔的规划小区域等。考虑到激光传感器实际的原始观测数据是离 散的且存在一定的测量误差，线或线段不是绝对的直线，也不是连续的， 即使经过上述膨胀算法之后，仍有离散的噪声点。
其次，通过随机一致性采样算法(RANSAC算法)，在二维图像中 一系列像素点中根据输入的线段模型找到在该线段模型上的像素点。 具体选择的输入模型为直线公式u＝av+b，其中u和v即为上述的二维 地图图像像素点横纵坐标，a和b为直线模型参数。输入的数据为工作场 景全局二维地图Π中所有的像素点
Figure BDA0003691932710000092
将地图中所有的像素点套到 这个直线模型中计算误差，找到所有满足误差阈值的点，再重复计算 误差这个过程，直到达到一定迭代次数后，选出被支持的最多的模型， 作为问题的解，输出为找到的所有线段。进一步的，在找到的线段中 过滤掉较短的线段ld，l为线段符号，d表示序号，考虑到地图中可能有 数量不等的线段，d可为大于0的任意自然数。
其中，可选的，上述步骤S106还包括：对于已经检测到的线段， 计算相邻的线段之间的距离，如果相邻的线段之间的距离小于预设距 离阈值，则将相邻的线段连接成一条线段。具体的，设置距离阈值， 当相邻线段之间的距离小于距离阈值时，将所有邻近的线段相连，线 段连接的处理公式如下：
lt＝{li∪lj}if dist(li,lj)＜distpre
其中，li和lj为相邻的序号i和j的线段，dist(li,lj)表示线段li和lj之 间的距离，distpre提前设定的线段距离阈值，当dist(li,lj)小于distpre时， 可以将li和lj相连，即生成新的线段lt，也就是将组成li和lj的像素点集合 并，生成新的点集来表征线段lt。
对于上述步骤S108，将全局二维地图中所有线段及离散像素点划 分为不可达区域，将线段及离散像素点之外的区域划分可达区域。图 5是根据本公开的一个实施方式的可达区域和不可达区域划分结果示 意图。
如图5所示，将图4中所有线段及像素点全部归为不可达区域，其 他区域为可达区域之后全局二维地图示意图。具体处理过程如下。
遍历工作场景全局二维地图Π中所有的像素点
Figure BDA0003691932710000093
将二维地图 Π中所有线段及像素点全部归为不可达区域ZB,e，e为不可达区域ZB的 序号，其他区域为可达区域ZA,f，f为可达区域ZA的序号。
基于膨胀算法之后的全局二维地图Π的像素值进行更新，1表示 不可达区域像素值，0表示可达区域像素值，计算公式如下：
Figure BDA0003691932710000091
不可达区域ZB中所有像素的像素值均为1，可达区域ZA,f中所有像 素的像素值均为0。将图4中所有线段及像素点全部归为不可达区域，其 他区域为可达区域之后的全局二维地图示意图如图5所示。
其中，上述步骤S110，将可达区域划分为不同的连通域，包括： 基于可达区域中的各个像素点，通过广度优先搜索算法为各个像素点 寻找连通域，最终将可达区域划分为不同的连通域。可选的，在上述 步骤S110之后还包括：对连通域进行标记，不同连通域的标记符合不 同。图6是根据本公开的一个实施方式的将可达区域划分为不同的连 通域并对连通域进行标记的效果示意图。
如图6所示，将图5进行用广度优先搜索算法为每个点找连通域， 为每个连通域中的点分配相同的标记后形成的全局二维地图示意图，处 理过程如下。
在全局二维地图Π的可达区域ZA,f中，用广度优先搜索算法为可 达区域中的每个像素点找连通域，为每个连通域中的点分配相同的标 签。广度优先遍历是连通图的一种遍历策略，它的思想是从一个可达 区域ZA,f中某一像素点开始，辐射状地优先遍历其周围较广的区域，主 要是遍历
Figure BDA0003691932710000102
的像素值，直至周围所有的点
Figure BDA0003691932710000101
遍历结束，得到一 个连通域Gψ，ψ为对此连通域G的标签序号，ψ为大于0的自然数。对 于不同的连通域G，其标签序号ψ不同。
可选的，在S110之后还包括：计算各个连通域的面积，如果连通 域面积大于第一预设面积阈值，则将对应的连通域进行至少一次分割， 使得分割后的连通域的面积小于第一预设面积阈值。考虑到清洁机器 人所预先设定的每个子区域的最大清扫面积，当连通域Gψ大于所设定 的子区域的最大清扫面积(即第一预设面积阈值)时，需要对其进行 二次分割，分割成小于所设定子区域最大清扫面积的子连通域。具体 处理过程包括：首先检查每个连通域Gψ的最大尺寸，如果大于所设最 大清洁面积阈值Smax，则分割成两个不同的连通域，直到所有的连通 域的最大尺寸都小于阈值Smax。
可选的，在获得全局二维地图Π的各个连通域Gψ之后，对全局地 图进行锐化处理。图7是根据本公开的一个实施方式的全局二维地图 锐化处理效果示意图。
如图7所示，将图6进行地图像素锐化之后的全局二维地图示意 图。考虑到连通域周围与不可达区域紧密连接，增强图像的边缘及灰 度跳变的部分，使图像变得清晰，补偿图像的轮廓，对全局地图采用 图像锐化处理，突出图像上的物体的边缘、轮廓，或某些线性目标要 素的特征。像素锐化方法主要提高了连通域边缘与不可达区域像素点 之间的反差。
可选的，在S110之后还包括：计算各个连通域的面积，如果连通 域面积小于第二预设面积阈值时形成小面积连通域，则通过像素锐化 处理，将小面积连通域并入与小面积连通域相邻的连通域中，以消除 小面积连通域。通过锐化，也可以消除一部分孤立的噪声点。图8是 根据本公开的一个实施方式的消除小面积连通域后的全局二维地图示 意图。
如图8所示，消除图7的较小连通域，把它们并入相邻的连通域 之后的全局二维地图示意图，处理过程如下。
在对全局二维地图像素锐化处理后，生成新的全局二维地图Σ， 重新遍历全局二维地图Σ中像像素点及连通域，考虑到对于面积较小 的连通域，清洁机器人为了提高清洁效率，对于小于所设最小清洁面 积阈值Smin的较小连通域，把他们并入相邻的连通域，即完成对全局 地图区域的分割。
应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施 方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚 起见，本领域技术人员应当将说明书作为一个整体，各实施方式中的技 术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方 式。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方 式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明 技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之 内。
本公开提供的种清洁机器人的工作场景地图区域分割方法，首先构 建待清洁工作场景的全局地图，并基于此地图，对待清洁区域进行分割， 生成一系列小的子区域，然后再对这些小的子区域按顺序进行清洁。通 过这些待清洁工作场景的全局地图进行分割，可以预告对整个场景进行 有逻辑和有顺序的规划，能够大幅度地提高清洁效率，提升清洁效果。 本公开提供的种清洁机器人的工作场景地图区域分割方法，能够满足 清洁机器人对于工作场景全局二维地图区域分割要求，提高机器人清 洁效率，同时也能有效保证每次清扫轨迹视觉效果的一致性。
根据本公开的又一个方面，提供一种清洁机器人的工作场景地图 区域分割装置1000，包括：
全局二维地图获取模块1002，获取清洁机器人的工作场景的全局 二维地图；
膨胀处理模块1004,通过图像像素膨胀方法，对全局二维地图的 每个像素进行膨胀处理，获得膨胀后的全局二维地图；
线段检测模块1006,通过随机一致性采样算法，在膨胀后的全局 二维地图检测出线段；
区域划分模块1008,将地图中所有线段及离散像素点划分为不可 达区域，将线段及离散像素点之外的区域划分可达区域；
连通域划分和标记模块1010,将可达区域划分为不同的连通域， 并对连通域进行标记。
需要说明的是，本实施方式中各个模块的实施细节，与本公开提 供的清洁机器人的工作场景地图区域分割方法的实施方法一致，此处 不再赘述。
根据本公开的有一个方面，提供一种电子设备，包括：
存储器，存储器存储执行指令；
处理器，处理器执行存储器存储的执行指令，使得处理器执行上 述任一项的方法。
根据本公开的又一个方面，提供一种可读存储介质，可读存储介 质中存储有执行指令，执行指令被处理器执行时用于实现上述任一项 的方法。
图9示出了采用处理系统的硬件实现方式的装置示例图。该装置 可以包括执行上述流程图中各个或几个步骤的相应模块。因此，可以 由相应模块执行上述流程图中的每个步骤或几个步骤，并且该装置可 以包括这些模块中的一个或多个模块。模块可以是专门被配置为执行 相应步骤的一个或多个硬件模块、或者由被配置为执行相应步骤的处 理器来实现、或者存储在计算机可读介质内用于由处理器来实现、或 者通过某种组合来实现。
该硬件结构可以利用总线架构来实现。总线架构可以包括任何数 量的互连总线和桥接器，这取决于硬件的特定应用和总体设计约束。 总线1100将包括一个或多个处理器1200、存储器1300和/或硬件模块 的各种电路连接到一起。总线1100还可以将诸如外围设备、电压调节 器、功率管理电路、外部天线等的各种其他电路1400连接。
总线1100可以是工业标准体系结构(ISA，Industry Standard Architecture)总线、外部设备互连(PCI，Peripheral Component)总线或扩展 工业标准体系结构(EISA，Extended Industry Standard Component)总线 等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，该 图中仅用一条连接线表示，但并不表示仅有一根总线或一种类型的总线。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解 为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执 行指令的代码的模块、片段或部分，并且本公开的优选实施方式的范围 包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及 的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本公开 的实施方式所属技术领域的技术人员所理解。处理器执行上文所描述的 各个方法和处理。例如，本公开中的方法实施方式可以被实现为软件程 序，其被有形地包含于机器可读介质，例如存储器。在一些实施方式中， 软件程序的部分或者全部可以经由存储器和/或通信接口而被载入和/或 安装。当软件程序加载到存储器并由处理器执行时，可以执行上文描述 的方法中的一个或多个步骤。备选地，在其他实施方式中，处理器可以 通过其他任何适当的方式(例如，借助于固件)而被配置为执行上述方法之 一。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，可以具体 实现在任何可读存储介质中，以供指令执行系统、装置或设备(如基于计 算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设 备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设 备而使用。
就本说明书而言，“可读存储介质”可以是任何可以包含、存储、通 信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执 行系统、装置或设备而使用的装置。可读存储介质的更具体的示例(非穷 尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携 式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可 擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式 只读存储器(CDROM)。另外，可读存储介质甚至可以是可在其上打印程 序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学 扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子 方式获得程序，然后将其存储在存储器中。
应当理解，本公开的各部分可以用硬件、软件或它们的组合来实现。 在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的 指令执行系统执行的软件来实现。例如，如果用硬件来实现，和在另一 实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合 来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电 路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)， 现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施方式方法的全部 或部分步骤是可以通过程序来指令相关的硬件完成，的程序可以存储于 一种可读存储介质中，该程序在执行时，包括方法实施方式的步骤之一 或其组合。
此外，在本公开各个实施方式中的各功能单元可以集成在一个处理 模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元 集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可 以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形 式实现并作为独立的产品销售或使用时，也可以存储在一个可读存储介 质中。存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施方式/方式”、“一些实施方 式/方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施 方式/方式或示例描述的具体特征、结构、材料或者特点包含于本申请的 至少一个实施方式/方式或示例中。在本说明书中，对上述术语的示意性 表述不必须的是相同的实施方式/方式或示例。而且，描述的具体特征、 结构、材料或者特点可以在任一个或多个实施方式/方式或示例中以合适 的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将 本说明书中描述的不同实施方式/方式或示例以及不同实施方式/方式或 示例的特征进行结合和组合。
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至少一个该特征。在本申请 的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明 确具体的限定。
本领域的技术人员应当理解，上述实施方式仅仅是为了清楚地说明 本公开，而并非是对本公开的范围进行限定。对于所属领域的技术人员 而言，在上述公开的基础上还可以做出其它变化或变型，并且这些变化 或变型仍处于本公开的范围内。

Claims (10)

1.一种清洁机器人的工作场景地图区域分割方法，其特征在于，包括：
S1、获取清洁机器人的工作场景的全局二维地图；
S2、通过图像像素膨胀方法，对所述全局二维地图的每个像素进行膨胀处理，获得膨胀后的全局二维地图；
S3、通过随机一致性采样算法，在所述膨胀后的全局二维地图检测出线段；
S4、将所述地图中所有线段及离散像素点划分为不可达区域，将所述线段及离散像素点之外的区域划分可达区域；以及
S5、将所述可达区域划分为不同的连通域，将所述连通域作为清洁机器人的工作地图。
2.根据利要求1所述的清洁机器人的工作场景地图区域分割方法，其特征在于，获取清洁机器人的工作场景的全局二维地图，包括：
清洁机器人通过激光传感器扫描工作场景一定高度的二维距离信息，持续地获取每个时间帧激光数据，将通过SLAM方法构建的清洁机器人工作场景的全局二维栅格地图作为所述全局二维地图。
3.根据权利要求1所述的清洁机器人的工作场景地图区域分割方法，其特征在于，所述S3还包括：
计算相邻的所述线段之间的距离，如果相邻的所述线段之间的距离小于预设距离阈值，则将相邻的所述线段连接成一条线段。
4.根据利要求1所述的清洁机器人的工作场景地图区域分割方法，其特征在于，将所述可达区域划分为不同的连通域，包括：
基于所述可达区域中的各个像素点，通过广度优先搜索算法为各个像素点寻找连通域，最终将所述可达区域划分为不同的连通域。
5.根据权利要求1所述的清洁机器人的工作场景地图区域分割方法，其特征在于，在所述S5之后还包括：
计算各个所述连通域的面积，如果所述连通域面积大于第一预设面积阈值，则将对应的连通域进行至少一次分割，使得分割后的连通域的面积小于所述第一预设面积阈值。
6.根据权利要求1所述的清洁机器人的工作场景地图区域分割方法，其特征在于，在所述S5之后还包括：
计算各个所述连通域的面积，如果所述连通域面积小于第二预设面积阈值时形成小面积连通域，则通过像素锐化处理，将所述小面积连通域并入与所述小面积连通域相邻的连通域中，以消除所述小面积连通域。
7.根据权利要求1所述的清洁机器人的工作场景地图区域分割方法，其特征在于，在所述S5之后还包括：
对所述连通域进行标记，不同连通域的标记符合不同。
8.一种清洁机器人的工作场景地图区域分割装置，其特征在于，包括：
全局二维地图获取模块，获取清洁机器人的工作场景的全局二维地图；
膨胀处理模块,通过图像像素膨胀方法，对所述全局二维地图的每个像素进行膨胀处理，获得膨胀后的全局二维地图；
线段检测模块,通过随机一致性采样算法，在所述膨胀后的全局二维地图检测出线段；
区域划分模块,将所述地图中所有线段及离散像素点划分为不可达区域，将所述线段及离散像素点之外的区域划分可达区域；以及
连通域划分和标记模块,将所述可达区域划分为不同的连通域，并对连通域进行标记。
9.一种电子设备，其特征在于，包括：
存储器，所述存储器存储执行指令；以及
处理器，所述处理器执行所述存储器存储的执行指令，使得所述处理器执行如权利要求1至8中任一项所述的方法。
10.一种可读存储介质，其特征在于，所述可读存储介质中存储有执行指令，所述执行指令被处理器执行时用于实现如权利要求1至8中任一项所述的方法。
CN202210666985.6A 2022-06-13 2022-06-13 清洁机器人的工作场景地图区域分割方法及装置 Pending CN114903384A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210666985.6A CN114903384A (zh) 2022-06-13 2022-06-13 清洁机器人的工作场景地图区域分割方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210666985.6A CN114903384A (zh) 2022-06-13 2022-06-13 清洁机器人的工作场景地图区域分割方法及装置

Publications (1)

Publication Number Publication Date
CN114903384A true CN114903384A (zh) 2022-08-16

Family

ID=82769753

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210666985.6A Pending CN114903384A (zh) 2022-06-13 2022-06-13 清洁机器人的工作场景地图区域分割方法及装置

Country Status (1)

Country Link
CN (1) CN114903384A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3627250A1 (en) * 2018-09-21 2020-03-25 Tata Consultancy Services Limited Method and system for free space detection in a cluttered environment
CN111166234A (zh) * 2018-11-09 2020-05-19 北京奇虎科技有限公司 工作区域的分区方法、装置、设备及存储介质
WO2020211655A1 (zh) * 2019-04-17 2020-10-22 北京迈格威科技有限公司 激光粗配准方法、装置、移动终端及存储介质
CN112015175A (zh) * 2020-08-12 2020-12-01 深圳华芯信息技术股份有限公司 用于移动机器人的房间分割方法、系统、终端以及介质
CN112180931A (zh) * 2020-09-30 2021-01-05 小狗电器互联网科技（北京）股份有限公司 扫地机的清扫路径规划方法、装置及可读存储介质
US20210201023A1 (en) * 2019-12-26 2021-07-01 Ping An Technology (Shenzhen) Co., Ltd. Cultivated land recognition method in satellite image and computing device

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3627250A1 (en) * 2018-09-21 2020-03-25 Tata Consultancy Services Limited Method and system for free space detection in a cluttered environment
CN111166234A (zh) * 2018-11-09 2020-05-19 北京奇虎科技有限公司 工作区域的分区方法、装置、设备及存储介质
WO2020211655A1 (zh) * 2019-04-17 2020-10-22 北京迈格威科技有限公司 激光粗配准方法、装置、移动终端及存储介质
US20210201023A1 (en) * 2019-12-26 2021-07-01 Ping An Technology (Shenzhen) Co., Ltd. Cultivated land recognition method in satellite image and computing device
CN112015175A (zh) * 2020-08-12 2020-12-01 深圳华芯信息技术股份有限公司 用于移动机器人的房间分割方法、系统、终端以及介质
CN112180931A (zh) * 2020-09-30 2021-01-05 小狗电器互联网科技（北京）股份有限公司 扫地机的清扫路径规划方法、装置及可读存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张东辉;何政伟;杨斌;: "栅格图像自动矢量化系统的研究与实现", 计算机工程与应用, no. 10, 1 April 2010 (2010-04-01) *
陈谊;赵云芳;杜晓敏;: "变形统计地图构建方法综述", 系统仿真学报, no. 09, 8 September 2016 (2016-09-08) *

Similar Documents

Publication Publication Date Title
EP3471057B1 (en) Image processing method and apparatus using depth value estimation
WO2020134082A1 (zh) 一种路径规划方法、装置和移动设备
JP6261489B2 (ja) ３次元点群から平面を抽出する、方法、画像処理装置およびプログラムを記憶した非一次的なコンピュータ可読媒体
Mahoney Image chunking: Defining spatial building blocks for scene analysis
KR20210102348A (ko) 선호된 포인트들을 식별하고 유지하는 포인트 클라우드들의 병합 방법
CN109871420B (zh) 地图生成和分区方法、装置及终端设备
Perera et al. Cycle graph analysis for 3D roof structure modelling: Concepts and performance
US7574029B2 (en) Characteristic path-based colon segmentation
Bartesaghi et al. A system for the generation of curves on 3D brain images
CN104732587A (zh) 一种基于深度传感器的室内3d语义地图构建方法
CN112388631B (zh) 机器人清洁规划区域的方法及装置
Mayer Scale‐spaces for generalization of 3D buildings
Qiu et al. An adaptive down-sampling method of laser scan data for scan-to-BIM
CN108875903B (zh) 图像检测的方法、装置、系统及计算机存储介质
CN113985866B (zh) 扫地机器人路径规划方法、装置、电子设备、存储介质
CN111061270A (zh) 一种全面覆盖方法、系统及作业机器人
CN110315538B (zh) 一种在电子地图上显示障碍物的方法、装置及机器人
CN113192174A (zh) 建图方法、装置及计算机存储介质
Dekavalla et al. Evaluation of a spatially adaptive approach for land surface classification from digital elevation models
Li et al. An area merging method in map generalization considering typical characteristics of structured geographic objects
CN114903384A (zh) 清洁机器人的工作场景地图区域分割方法及装置
Kaushik et al. Accelerated patch-based planar clustering of noisy range images in indoor environments for robot mapping
US8624890B2 (en) Method, apparatus and computer-readable medium for creating a preset map for the visualization of an image dataset
WO2022247544A1 (zh) 地图分区方法、装置、自主移动设备和存储介质
Szabo et al. Feature-assisted interactive geometry reconstruction in 3D point clouds using incremental region growing

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination