CN109744945B - 一种区域属性确定方法、装置、***及电子设备 - Google Patents

一种区域属性确定方法、装置、***及电子设备 Download PDF

Info

Publication number
CN109744945B
CN109744945B CN201711090900.XA CN201711090900A CN109744945B CN 109744945 B CN109744945 B CN 109744945B CN 201711090900 A CN201711090900 A CN 201711090900A CN 109744945 B CN109744945 B CN 109744945B
Authority
CN
China
Prior art keywords
obstacle
area
boundary
cleaning
target
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.)
Active
Application number
CN201711090900.XA
Other languages
English (en)
Other versions
CN109744945A (zh
Inventor
沈冰伟
蒋腻聪
朱建华
郭斌
杜安强
蒋海青
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.)
Hangzhou fluorite Network Co.,Ltd.
Original Assignee
Hangzhou Ezviz Network 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 Hangzhou Ezviz Network Co Ltd filed Critical Hangzhou Ezviz Network Co Ltd
Priority to CN201711090900.XA priority Critical patent/CN109744945B/zh
Priority to EP18876322.1A priority patent/EP3689215B1/en
Priority to PL18876322.1T priority patent/PL3689215T3/pl
Priority to PCT/CN2018/112923 priority patent/WO2019091310A1/zh
Priority to US16/762,448 priority patent/US11877716B2/en
Priority to ES18876322T priority patent/ES2951843T3/es
Publication of CN109744945A publication Critical patent/CN109744945A/zh
Application granted granted Critical
Publication of CN109744945B publication Critical patent/CN109744945B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • A47L9/00—Details or accessories of suction cleaners, e.g. mechanical means for controlling the suction or for effecting pulsating action; Storing devices specially adapted to suction cleaners or parts thereof; Carrying-vehicles specially adapted for suction cleaners
    • A47L9/28—Installation of the electric equipment, e.g. adaptation or attachment to the suction cleaner; Controlling suction cleaners by electric means
    • A47L9/2836—Installation of the electric equipment, e.g. adaptation or attachment to the suction cleaner; Controlling suction cleaners by electric means characterised by the parts which are controlled
    • A47L9/2852—Elements for displacement of the vacuum cleaner or the accessories therefor, e.g. wheels, casters or nozzles
    • 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
    • A47L11/40—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
    • 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
    • A47L11/4011—Regulation of the cleaning machine by electric means; Control systems and remote control systems therefor
    • 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
    • A47L11/4061—Steering means; Means for avoiding obstacles; Details related to the place where the driver is accommodated
    • 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
    • A47L9/00—Details or accessories of suction cleaners, e.g. mechanical means for controlling the suction or for effecting pulsating action; Storing devices specially adapted to suction cleaners or parts thereof; Carrying-vehicles specially adapted for suction cleaners
    • A47L9/009—Carrying-vehicles; Arrangements of trollies or wheels; Means for avoiding mechanical obstacles
    • 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
    • A47L9/00—Details or accessories of suction cleaners, e.g. mechanical means for controlling the suction or for effecting pulsating action; Storing devices specially adapted to suction cleaners or parts thereof; Carrying-vehicles specially adapted for suction cleaners
    • A47L9/28—Installation of the electric equipment, e.g. adaptation or attachment to the suction cleaner; Controlling suction cleaners by electric means
    • A47L9/2805—Parameters or conditions being sensed
    • A47L9/2826—Parameters or conditions being sensed the condition of the floor
    • 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
    • A47L9/00—Details or accessories of suction cleaners, e.g. mechanical means for controlling the suction or for effecting pulsating action; Storing devices specially adapted to suction cleaners or parts thereof; Carrying-vehicles specially adapted for suction cleaners
    • A47L9/28—Installation of the electric equipment, e.g. adaptation or attachment to the suction cleaner; Controlling suction cleaners by electric means
    • A47L9/2894—Details related to signal transmission in suction cleaners
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • 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
    • 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
    • A47L2201/06—Control of the cleaning action for autonomous devices; Automatic detection of the surface condition before, during or after cleaning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Navigation (AREA)
  • Signal Processing For Digital Recording And Reproducing (AREA)
  • Error Detection And Correction (AREA)
  • Image Generation (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本申请提供一种区域属性确定方法、装置、***及电子设备。该方法包括：识别目标地图中的标注线；其中，所述目标地图为智能清扫设备在清扫过程所依赖的、待清扫目标场景的地图；基于所识别到的标注线和所述目标地图中的辅助对象，确定所述目标地图中的封闭区域和以第一位置为基点的联通区域；其中，所述辅助对象包括地图边界和障碍物，所述第一位置为预设参考对象在所述目标地图中的位置；将所述封闭区域均确定为所述智能清扫设备清扫过程中的自定义清扫区域，并将所述联通区域确定为所述智能清扫设备清扫过程中的正常清扫区域。通过本方案可以解决现有技术中实现智能分区时所带来的成本高及使用不便的问题。

Description

一种区域属性确定方法、装置、***及电子设备
技术领域
本申请涉及人工智能领域，特别设计一种区域属性确定方法、装置、***及电子设备。
背景技术
智能清扫设备，如扫地机器人，是较受欢迎的一种智能电器，其能凭借一定的人工智能，自动在待清扫的场景内完成清扫工作。
为了实现智能分区，现有的智能清扫设备通常配备有虚拟墙。具体而言，虚拟墙是一种实体设备，其发射红外信号，形成一堵虚拟的墙，阻止智能清扫设备前往特定区域进行清扫。
尽管现有的智能清扫设备在智能清扫时通过虚拟墙实现了智能分区，但是，由于必须要配备实体的虚拟墙，导致成本较高，且由于需要电源供电，无疑使用上不够方便。
发明内容
有鉴于此，本申请提供一种区域属性确定方法、装置、***及电子设备，以解决现有技术中实现智能分区时所带来的成本高及使用不便的问题。
具体地，本申请是通过如下技术方案实现的：
第一方面，本申请提供了一种区域属性确定方法，所述方法包括：
识别目标地图中的标注线；其中，所述目标地图为智能清扫设备在清扫过程所依赖的、待清扫目标场景的地图；
基于所识别到的标注线和所述目标地图中的辅助对象，确定所述目标地图中的封闭区域和以第一位置为基点的联通区域；其中，所述辅助对象包括地图边界和障碍物，所述第一位置为预设参考对象在所述目标地图中的位置；
将所述封闭区域均确定为所述智能清扫设备清扫过程中的自定义清扫区域，并将所述联通区域确定为所述智能清扫设备清扫过程中的正常清扫区域。
第二方面，本申请提供了一种区域属性确定装置，包括：
标注线识别单元，用于识别目标地图中的标注线；其中，所述目标地图为智能清扫设备在清扫过程所依赖的、待清扫目标场景的地图；
封闭及联通区域确定单元，用于基于所识别到的标注线和所述目标地图中的辅助对象，确定所述目标地图中的封闭区域和以第一位置为基点的联通区域；其中，所述辅助对象包括地图边界和障碍物，所述第一位置为预设参考对象在所述目标地图中的位置；
区域属性确定单元，用于将所述封闭区域均确定为所述智能清扫设备清扫过程中的自定义清扫区域，并将所述联通区域确定为所述智能清扫设备清扫过程中的正常清扫区域。
第三方面，本申请提供了一种电子设备，包括：内部总线、存储器、处理器和通信接口；其中，所述处理器、所述通信接口、所述存储器通过所述内部总线完成相互间的通信；
其中，所述存储器，用于存储区域属性确定方法对应的机器可行指令；
所述处理器，用于读取所述存储器上的所述机器可读指令，并执行所述指令以实现如下操作：
识别目标地图中的标注线；其中，所述目标地图为智能清扫设备在清扫过程所依赖的、待清扫目标场景的地图；
基于所识别到的标注线和所述目标地图中的辅助对象，确定所述目标地图中的封闭区域和以第一位置为基点的联通区域；其中，所述辅助对象包括地图边界和障碍物，所述第一位置为预设参考对象在所述目标地图中的位置；
将所述封闭区域均确定为所述智能清扫设备清扫过程中的自定义清扫区域，并将所述联通区域确定为所述智能清扫设备清扫过程中的正常清扫区域。
第四方面，本申请提供了一种智能清扫***，包括：移动终端和智能清扫设备；
所述移动终端，用于获得关于目标地图中的标注线的用户指令，并将所述用户指令发送至所述智能清扫设备，以使所述智能清扫设备基于所述用户指令识别目标地图中的标注线；其中，所述目标地图为智能清扫设备在清扫过程所依赖的、待清扫目标场景的地图；
所述智能清扫设备，用于识别目标地图中的标注线；基于所识别到的标注线和所述目标地图中的辅助对象，确定所述目标地图中的封闭区域和以第一位置为基点的联通区域；其中，所述辅助对象包括地图边界和障碍物，所述第一位置为预设参考对象在所述目标地图中的位置；将所述封闭区域均确定为所述智能清扫设备清扫过程中的自定义清扫区域，并将所述联通区域确定为所述智能清扫设备清扫过程中的正常清扫区域；以及用于按照所确定出的自定义清扫区域和正常清扫区域，对所述目标场景进行清扫。
第五方面，本申请提供了一种智能清扫***，包括：移动终端、云服务器和智能清扫设备；
所述移动终端，用于获得关于目标地图中的标注线的用户指令，并将所述用户指令发送至所述云服务器，以使所述云服务器基于所述用户指令识别目标地图中的标注线；其中，所述目标地图为所述智能清扫设备在清扫过程所依赖的、待清扫目标场景的地图；
所述云服务器，用于识别目标地图中的标注线；基于所识别到的标注线和所述目标地图中的辅助对象，确定所述目标地图中的封闭区域和以第一位置为基点的联通区域；其中，所述辅助对象包括地图边界和障碍物，所述第一位置为预设参考对象在所述目标地图中的位置；将所述封闭区域均确定为所述智能清扫设备清扫过程中的自定义清扫区域，并将所述联通区域确定为所述智能清扫设备清扫过程中的正常清扫区域；
所述智能清扫设备，用于根据所述云服务器所确定出的自定义清扫区域和正常清扫区域，对所述目标场景进行清扫。
本申请所提供方案中，用户可以根据清扫需求在目标地图中给定标注线以划分区域，进而在区域属性确定过程中，对目标地图中的标注线进行识别，基于识别到的标注线和目标地图中的辅助对象确定得到联通区域和封闭区域，并将联通区域确定为正常清扫区域而将封闭区域确定为自定义清扫区域。相对于现有技术，本方案无需虚拟墙设备，即可依据用户个性化的清扫需求进行智能分区，因此，解决了现有技术中实现智能分区时所带来的成本高及使用不便的问题。
附图说明
图1是本申请一示例性实施例示出的一种区域属性确定方法的流程图；
图2(a)和图2(b)是标注线为直线的地图示意图；
图3是标注线为折线的地图示意图；
图4是标注线为多边形的地图示意图；
图5是本申请另一示例性实施例示出的一种区域属性确定方法的流程图；
图6是旋转角度和平移向量求取过程所利用的坐标点位置关系示意图；
图7(a)是矩形与障碍物的一种位置关系图，图7(b)为图7(a)中障碍物经过单障碍物边界处理所得的结果图；
图8(a)是矩形与障碍物的一种位置关系图，图8(b)为图8(a)中障碍物经过单障碍物边界处理所得的结果图；
图9(a)是矩形与障碍物的一种位置关系图，图9(b)为图9(a)中障碍物经过单障碍物边界处理所得的结果图；
图10(a)是矩形与障碍物的一种位置关系图，图10(b)为图10(a)中障碍物经过第一类多障碍物边界处理所得的结果图，图10(c)为图(a)中障碍物经过第二类多障碍物边界处理所得的结果图；
图11是本申请一示例性实施例示出的一种区域属性确定装置的结构图；
图12是本申请另一示例性实施例示出的一种区域属性确定装置的结构示意图；
图13是本申请一示例性实施例示出的一种电子设备的结构示意图；
图14是本申请一示例性实施例示出的一种智能清扫***的结构示意图；
图15是本申请另一示例性实施例示出的一种智能清扫***的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
为了解决现有技术问题，本申请提供了一种区域属性确定方法、装置及电子设备，以解决现有技术中实现智能分区时所带来的成本高及使用不便的问题。
下面首先对本申请所提供的一种区域属性确定方法进行介绍。
需要说明的是，本申请所提供的一种区域属性确定方法的执行主体可以为一种区域属性确定装置。其中，该区域属性确定装置可以为运行于智能清扫设备中的功能软件，此时，该智能清扫设备根据自身所确定出的自定义清扫区域和正常清扫区域对目标场景进行清扫；当然，该区域属性确定装置也可以为运行于智能清扫设备所对应云服务器中的功能软件，此时，该智能清扫设备根据该云服务器所确定出的自定义清扫区域和正常清扫区域来对目标场景进行清扫。具体的，该智能清扫设备包括但不局限于扫地机器人，所谓扫地机器人又称为自动打扫机、智能吸尘、机器人吸尘器等。
如图1所示，本申请所提供的一种区域属性确定方法，可以包括如下步骤：
S101，识别目标地图中的标注线；其中，该目标地图为智能清扫设备在清扫过程所依赖的、待清扫目标场景的地图。并且，该标注线的线型可以包括但不局限于：直线、折线或多边形。
为了实现对待清扫目标场景的智能分区，可以预先构建该目标场景所对应的地图，即目标地图，进而当用户需要根据个性化需求对目标场景进行分区清扫时，用户可以基于对联通区域和封闭区域区设置不同清扫属性的分区思想，在目标地图中绘制标注线，以通过所绘制的标注线来完成封闭区域和联通区域的区分。
并且，该目标场景的目标地图可以由该智能清扫设备所构建，也可以由其他电子设备，如其他同类型或不同类型的智能清扫设备，共享到该智能清扫设备，等等，这都是合理的。需要说明的是，在构建目标场景的目标地图时，可以依赖激光、雷达、超声和视觉摄像头等方式中的一种或多种，具体的构建技术可以为现有技术中的任一地图构建技术，在此不做限定。另外，需要强调的是，当该区域属性确定装置运行在该智能清扫设备时，该智能清扫设备在确定区域属性时所利用的目标地图可以通过该智能清扫设备自行构建来得到，也可以通过其他设备共享来得到；而该区域属性确定装置运行在该智能清扫设备对应的云服务器时，该云服务器在确定区域属性时所利用的目标地图可以通过该智能清扫设备上传来得到，也可以通过其他设备上传来得到。
可以理解的是，当该区域属性确定装置运行在该智能清扫设备时，在一种实现方式中，该智能清扫设备可以通过自身的显示屏幕来展示该目标地图，这样，用户可以在目标地图中发出关于标注线的用户指令，如通过绘制标注线发出用户指令或通过给定坐标信息来发出用户指令，进而该智能清扫设备可以获得关于标注线的用户指令，并基于该用户指令识别到目标地图中的标注线；当然，当该区域属性确定装置运行在该智能清扫设备时，在另一种实现方式中，可以通过与该智能清扫设备相通信的移动终端来展示该目标地图，这样，用户可以在移动终端所展示的目标地图中发出关于标注线的用户指令，如通过绘制标注线发出用户指令或通过给定坐标信息来发出用户指令，进而该智能清扫设备可以从该移动终端处获得关于标注线的用户指令，并基于该用户指令识别到目标地图中的标注线。
而当该区域属性确定装置运行在该智能清扫设备所对应的云服务器时，可以通过与该智能清扫设备相通信的移动终端来展示该目标地图，这样，用户可以在移动终端所展示的目标地图中发出关于标注线的用户指令，如通过绘制标注线发出用户指令或通过给定坐标信息来发出用户指令，进而该云服务器可以从该移动终端处获得关于标注线的用户指令，并基于该用户指令识别到目标地图中的标注线。
另外，需要强调的是，该目标地图为该智能清扫设备在清扫该目标场景过程中所依赖的地图，具体的，在清扫时，智能清扫设备可以将目标地图中的坐标转换为世界坐标系中的坐标，进而利用该世界坐标系下的坐标对目标场景进行清扫。由于智能清扫设备如何依赖目标地图进行清扫不属于本申请的发明点，因此，在此不做赘述。
本领域技术人员可以理解的是，该目标地图中的关于标注线的可绘制功能可以通过现有技术实现，另外，可以通过现有技术中存在的任一识别技术来识别在地图中绘制的标注线，在此不做限定。并且，标注线的颜色、粗细等等均可以由用户自行设定。
S102，基于所识别到的标注线和该目标地图中的辅助对象，确定该目标地图中的封闭区域和以第一位置为基点的联通区域；
在识别到用户给出的标注线后，可以基于该标注线和该目标地图中的辅助对象，确定该目标地图中的封闭区域和以第一位置为基点的联通区域，进而后续对封闭区域和联通区域设置不同的清扫属性。
其中，该辅助对象可以包括地图边界和障碍物，该第一位置为预设参考对象在该目标地图中的位置。在具体应用中，通常选择位置较为固定的对象作为预设参考对象。可选地，该预设参考对象可以为：该智能清扫设备的充电桩，或者，该目标场景中除该充电桩以外的非运动对象，举例而言：该非运动对象可以为衣柜、床、桌子等等。
需要说明的是，不同类型线型的标注线，所对应的封闭区域的形成方式不同。下面结合不同线型的标注线，来介绍封闭区域的形成方式：
当该标注线的线型为直线时，该封闭区域为该标注线和目标辅助对象所围成的、不包含该第一位置的区域；其中，该目标辅助对象为该目标地图中与该标注线相交的辅助对象。如图2(a)所示出的地图示例中，该预设参考对象为充电桩，标注线为直线L1，该直线L1和地图边界构成了封闭区域，即该图中的阴影区域z1；如图2(b)所示出的地图示例中，该预设参考对象为充电桩，标注线为两条直线L2和L3，直线L2和地图边界构成了一个封闭区域，即该图中的阴影区域z2，而直线L3和地图边界构成了一个封闭区域，即该图中的阴影区域z3。
当该标注线的线型为折线时，该封闭区域为该标注线和目标辅助对象所围成的、不包含该第一位置的区域；其中，该目标辅助对象为该目标地图中与该标注线相交的辅助对象。如图3所示出的地图示例中，该预设参考对象为充电桩，标注线为折线L4，该折线L4和地图边界构成了封闭区域，即该图中的阴影区域z4。
当该标注线的线型为多边形时，该封闭区域为该多边形的各边所围成的区域。如图4所示出的地图示例中，标注线为菱形L5，该菱形L5所围成的区域为封闭区域，即图中的阴影区域z5。
需要说明的是，上述的关于封闭区域的说明仅仅是示例性说明，并不应该构成对本申请的限定。另外，在第一位置和标注线被确定后，以第一位置为基点的联通区域的确定方式可以采用现有技术中的任一种联通区域确定方式。
S103，将该封闭区域均确定为该智能清扫设备清扫过程中的自定义清扫区域，并将该联通区域确定为该智能清扫设备清扫过程中的正常清扫区域。
在确定出封闭区域和联通区域后，基于封闭区域和联通区域对应不同的清扫属性的分区思想，可以将该封闭区域均确定为该智能清扫设备清扫目标场景过程中的自定义清扫区域，并将该联通区域确定为该智能清扫设备清扫目标场景过程中的正常清扫区域。并且，可以理解的是，所谓的正常清扫区域为智能清扫设备在清扫时按照正常清扫程序来进行清扫的区域；而自定义清扫区域所对应的清扫类别可以包括但不局限于着重清扫或禁止清扫，其中，所谓着重清扫即需要智能清扫设备加大清扫力度，而禁止清扫即无需智能清扫设备清扫。
需要强调的是，在具体应用中，由于用户的清扫需求较为多样化，因此，根据清扫需求，用户在目标地图中绘制一条或至少两条标注线，并且，至少两条标注线的线型可以均相同或至少一条不同，这都合理的。
本申请所提供方案中，用户可以根据清扫需求在目标地图中给定标注线以划分区域，进而在区域属性确定过程中，对目标地图中的标注线进行识别，基于识别到的标注线和目标地图中的辅助对象确定得到联通区域和封闭区域，并将联通区域确定为正常清扫区域而将封闭区域确定为自定义清扫区域。相对于现有技术，本方案无需虚拟墙设备，即可依据用户个性化的清扫需求进行智能分区，因此，解决了现有技术中实现智能分区时所带来的成本高及使用不便的问题。
另外，由于目标地图上通常没有高精度的尺度化信息，或者，因为用户行为而使得障碍物临时移动或增减，因此，可能导致用户在目标地图上给定的自定义清扫区域与目标场景中的用户希望给定的实际区域(即希望被自定义的区域)存在偏差。因此，为了进一步提高智能分区的精准化，对于多边形为矩形而言，本申请还提供了一种区域属性确定方法。
对于多边形为矩形而言，如图5所示，本申请另一实施例所提供的一种区域属性确定方法，可以包括如下步骤：
S201，识别目标地图中的标注线；
S202，基于所识别到的标注线和该目标地图中的辅助对象，确定该目标地图中的封闭区域和以第一位置为基点的联通区域；
其中，该辅助对象包括地图边界和障碍物，该第一位置为预设参考对象在该目标地图中的位置。
S203，将该封闭区域均确定为该智能清扫设备清扫过程中的自定义清扫区域，并将该联通区域确定为该智能清扫设备清扫过程中的正常清扫区域；
其中，本实施例中S201-S203与上述实施例中的S101-S103类似，区别仅仅在于，本实施例中标注线的线型为矩形，而上一实施例中标注线的线型可以为直线、折线或多边形等等各类线型。
S204，获得该目标场景中当前障碍物的障碍物坐标信息；
其中，该障碍物坐标信息为该智能清扫设备对该目标场景进行障碍物检测所得到的信息。
可以理解的是，在该自定义清扫区域和正常清扫区域确定后，该智能清扫设备可以按照该自定义清扫区域和正常清扫区域进行清扫，并在清扫过程中，对该目标场景进行障碍物检测，以对两类清扫区域进行修正；或者，在该自定义清扫区域和正常清扫区域确定后，该智能清扫设备可以在清扫之前，对该目标场景进行障碍物检测，以对两类清扫区域进行修正。
并且，当该区域属性确定装置运行于该智能清扫设备时，该区域属性确定装置可以直接获得该智能清扫设备所检测到的障碍物坐标信息；而当该区域属性确定装置运行于该智能清扫设备所对应的云服务器时，该智能清扫设备可以将所检测到的障碍物坐标信息上传至该云服务器，进而该区域属性确定装置可以获得该障碍物坐标信息。
另外，需要强调的是，智能清扫设备可以基于雷达、激光、超声、视觉摄像头等检测到障碍物在以该智能清扫设备为原点的坐标系下的坐标。那么，可以将障碍物在以该智能清扫设备为原点的坐标系下的坐标直接作为障碍物坐标信息，当然，该障碍物坐标信息也可以为障碍物在世界坐标系下的坐标，也就是说，在获得障碍物在以该智能清扫设备为原点的坐标系下的坐标后，需要转换为世界坐标系下的坐标。为了方案清楚，下面介绍关于目标地图中的坐标与世界坐标系下的坐标的转换关系，以及以该智能清扫设备为原点的坐标系下的坐标与世界坐标系下的坐标的转换关系：
用户所给定矩形在目标地图中的坐标与在世界坐标系中的坐标(1)转换公式如下：
Figure BDA0001461171230000111
其中，[x y]T为在目标地图中的坐标，S为尺度因子，θ为该目标地图的坐标系与世界坐标系的旋转角度，[tx ty]T为该目标地图的坐标系与世界坐标系的平移向量，[Xm Ym]T为世界坐标系中的坐标。其中，S、θ以及[tx ty]T为构建该目标地图时已确定出的常量。
相应的，以智能清扫设备为原点的坐标系下的坐标与世界坐标系下的坐标的转换公式如下：
Figure BDA0001461171230000112
其中，[x'r y'r]T为智能清扫设备通过激光、雷达、超声及视觉摄像头所检测到的障碍物在以智能清扫设备为原点的坐标系下的坐标，θ'为该智能清扫设备在世界坐标系中的旋转角度，[t'x t'y]T为该智能清扫设备在世界坐标系中的平移向量，[X'm Y'm]T为障碍物在世界坐标系下的坐标。其中，θ'以及[t'x t'y]T为根据里程信息所确定的，具体确定方式如下：
如图6所示，已知智能清扫设备某时刻在世界坐标系中p点坐标为[x y θ]T,可根据以下公式得到下一时刻(与上一时刻间隔足够小)智能清扫设备在世界坐标系中p'点坐标[x' y' θ']T：
Figure BDA0001461171230000113
Figure BDA0001461171230000121
Δx＝Δdcos(θ+Δθ/2)
Δy＝Δdsin(θ+Δθ/2)
Figure BDA0001461171230000122
其中，Δsl，Δsr分别为智能清扫设备由p点到p'点时，智能清扫设备的左轮和右轮所走的路程，该路程可通过相关传感器获取；取该智能清扫设备前进方向为正方向；L为智能清扫设备的左轮和右轮之间的距离。那么，智能清扫设备在世界坐标系下位于P'点时，对应的在世界坐标系中的旋转角度为θ'和平移向量
Figure BDA0001461171230000123
S205，基于该障碍物坐标信息和该标注线，对当前的自定义清扫区域进行边界精细化处理；
在获得该障碍物坐标信息后，可以比对当前的自定义区域清扫区域(即该标注线所围成的区域)在目标场景的真实环境中与障碍物的位置关系，从而对当前的自定义清扫区域进行边界精细化处理。
为了方案清楚和布局清晰，后续对基于该障碍物坐标信息和该标注线，对当前的自定义清扫区域进行边界精细化处理的具体实现方式进行介绍。
S206，基于边界精细化处理所得的处理结果，修正该正常清扫区域。
在对当前的自定义清扫区域进行边界精细化处理后，由于正常清扫区域为联通区域，依赖于封闭区域，因此，在封闭区域变更后，可以基于边界精细化处理所得的处理结果，修正该正常清扫区域。
本实施例中，在解决了现有技术中实现智能分区时所带来的成本高及使用不便的问题的同时，进一步提高了智能分区的精准性。
为了方案清楚，下面介绍基于该障碍物坐标信息和该标注线，对当前的自定义清扫区域进行边界精细化处理的几种具体实现方式。
可选地，在一种具体实现方式中，所述基于该障碍物坐标信息和该标注线，对当前的自定义清扫区域进行边界精细化处理的步骤，可以包括：
基于该障碍物坐标信息，如果判断出该标注线对应的场景区域内未存在障碍物，则执行如下第一种处理方式或第二种处理方式：
其中，第一种处理方式为：
输出用于提示是否标注错误的第一通知信息，并在用户基于所述第一通知信息反馈的结果为是时，识别新标注线，确定所识别到的新标注线对应的新封闭区域，将当前的自定义清扫区域调整为该新封闭区域。
其中，第二种处理方式为：
基于该障碍物坐标信息，判断最近障碍物的场景区域与该标注线对应的场景区域之间的距离是否小于预定距离阈值，当判断结果为是时，输出用于提示是否按照最近障碍物进行区域调整的第二通知信息，并在用户基于该第二通知信息反馈的结果为是时，对该最近障碍物进行该目标地图上的单障碍物边界处理，得到第一障碍物边界，并将当前的自定义清扫区域调整为该第一障碍物边界所围成的区域；其中，该最近障碍物为所述目标场景中与该标注线所对应的场景区域距离最近的障碍物。
其中，本申请所提及的标注线对应的场景区域为：目标场景的实际环境中，与基于该标注线所形成的封闭区域相对应的区域。基于该障碍物坐标信息，判断该标注线对应的场景区域内是否未存在障碍物，具体过程为：确定各个障碍物的障碍物坐标信息所对应的世界坐标系下的坐标集以及该标注线所对应的世界坐标系下的坐标集；判断各个障碍物对应的世界坐标系下的坐标集和该标注线对应的世界坐标系下的坐标集是否均不存在相同坐标，当判断结果均为是时，表明该标注线对应的场景区域内未存在障碍物。如图7(a)所示的位置关系：障碍物D位于矩形10所对应区域外，对于矩形10而言，其内部未存在任何障碍物。需要说明的是，图7(a)和(b)中的灰色区域作为承载矩形10和障碍物D的示例性的背景区域，用于方便体现出同一场景内的矩形10和障碍物D相对位置关系，并不具有任何限定意义，同样的，后续的图8、图9和图10的灰色区域的作用与图7类似。
并且，基于该障碍物坐标信息，判断最近障碍物的场景区域与该标注线对应的场景区域之间的距离是否小于预定距离阈值的具体实现方式也可以基于最近障碍物对应的世界坐标系下的坐标集和该标注线对应的世界坐标系下的坐标集的位置关系来实现。
具体的，该单障碍物边界处理的处理方式可以包括：
确定障碍物在该目标地图中的外轮廓坐标集；
从该外轮廓坐标集中，确定该障碍物对应的顶点坐标集VA；其中，VA＝{(xmin,yl),(xmax,yk),(xm,ymin),(xn,ymax)}；
将该顶点坐标集VA中各个坐标所对应坐标点进行连接，并将连接所形成的矩形确定为该障碍物的障碍物边界。
如图7(a)和(b)所示，图7(a)中的障碍物D在经过单障碍物边界处理后，处理结果可以参见图7(b)。其中，障碍物在该目标地图中的外轮廓坐标集可以通过上述的转换公式(1)和转换公式(2)转换得到。
另外，在输出第一通知信息后，如果用户判断出标注错误，此时，用户不但可以反馈结果为是，还可以绘制新标注线，以在后续可以识别到新标注线；而如果用户判断出标注正确，此时，用户可以反馈结果为否，此时，可以不进行后续的精细化处理。类似的，在输出第二通知信息后，如果用户不希望按照最近障碍物进行区域调整，用户可以反馈结果为否，此时，可以不进行后续的精细化处理。并且，当基于该障碍物坐标信息，判断出最近障碍物的场景区域与该标注线对应的场景区域之间的距离不小于预定距离阈值时，可以不进行后续的精细化处理，即默认当前的自定义区域为准确的区域。
可选地，在另一种具体实现方式中，所述基于该障碍物坐标信息和该标注线，对当前的自定义清扫区域进行边界精细化处理的步骤，可以包括：
基于该障碍物坐标信息，如果判断出该标注线对应的场景区域与单个障碍物相交，则执行如下操作：
确定相交部分占所相交的障碍物的面积比例；
当该面积比例大于预定比例阈值时，对所相交的障碍物进行该目标地图上的单障碍物边界处理，得到第二障碍物边界，并将当前的自定义清扫区域调整为所述第二障碍物边界所围成的区域；
当该面积比例不大于预定比例阈值时，输出用于提示是否标注错误的第三通知信息，并在用户基于该第三通知信息反馈的结果为是时，识别新标注线，确定所识别到的新标注线对应的新封闭区域，将当前的自定义清扫区域调整为该新封闭区域；或者，对所相交的障碍物进行该目标地图上的单障碍物边界处理，得到第三障碍物边界，并将当前的自定义清扫区域调整为该第三障碍物边界所围成的区域。
其中，基于该障碍物坐标信息，判断该标注线对应的场景区域是否与单个障碍物相交，具体过程为：确定该障碍物坐标信息所对应的世界坐标系下的坐标集以及该标注线所对应的世界坐标系下的坐标集；判断该标注线所对应的世界坐标系下的坐标集中是否仅仅包含某一障碍物对应的部分或全部的世界坐标系下的坐标，当判断结果为是时，表明该标注线对应的场景区域与单个障碍物相交。
可以理解的是，在确定相交部分占所相交的障碍物的面积比例时，可以通过计算区域面积，或者，相同的坐标数量的方式来实现。当然，可以理解的是，在栅格化地图中，可以计算障碍物在矩形所对应场景区域中的栅格数与障碍物在地图上所占栅格数的比例，来确定相交部分占所相交的障碍物的面积比例。并且，在输出第三通知信息后，如果用户确定出未标注错误，可以反馈结果为否，此时，可以不进行后续的精细化处理。
其中，单障碍物边界处理的具体过程可以参照上述具体实现方式中所述的过程，在此不做赘述。如图8(a)所示的位置关系，矩形20所对应区域内包含单个障碍物E；而障碍物E在经过单障碍物边界处理后，处理结果如图8(b)所示。如图9(a)所示的位置关系，矩形30所对应区域与单个障碍物F的部分相交。并且，如图9(a)和(b)所示，图9(a)中的障碍物F在经过单障碍物边界处理后，处理结果可以参见图9(b)。
可选地，在另一种具体实现方式中，所述基于该障碍物坐标信息和该标注线，对当前的自定义清扫区域进行边界精细化处理的步骤，可以包括：
基于该障碍物坐标信息，如果判断出所述标注线对应的场景区域分别与至少两个障碍物相交，则将所相交的至少两个障碍物进行该目标地图上的第一类多障碍物边界处理或第二类多障碍物边界处理，得到第四障碍物边界；
将当前的自定义清扫区域调整为该第四障碍物边界所围成的区域。
其中，基于该障碍物坐标信息，如果判断出所述标注线对应的场景区域分别与至少两个障碍物相交，具体过程为：确定该障碍物坐标信息所对应的世界坐标系下的坐标集以及该标注线所对应的世界坐标系下的坐标集；判断该标注线所对应的世界坐标系下的坐标集中是否包含至少两个障碍物对应的部分或全部的世界坐标系下的坐标，当判断结果为是时，表明该标注线对应的场景区域分别与至少两个障碍物相交。如图10(a)所示的位置关系，矩形40所对应区域与障碍物D、E和F部分相交。
具体的，该第一类多障碍物边界处理的处理方式可以包括：
对至少两个障碍物中的每个障碍物执行如下处理：
确定障碍物在该目标地图中的外轮廓坐标集；
从该外轮廓坐标集中，确定该障碍物对应的顶点坐标集VA；其中，VA＝{(xmin,yl),(xmax,yk),(xm,ymin(,xn,ym)}ax；
将该顶点坐标集VA中各个坐标所对应坐标点进行连接，并将连接所形成的矩形确定为该障碍物的障碍物边界。
如图10(a)和(b)所示，图10(a)中的障碍物D、E和F在经过第一类多障碍物边界处理后，处理结果可以参见图10(b)。
具体的，该第二类多障碍物边界处理的处理方式可以包括：
确定至少两个障碍物中每个障碍物在所述目标地图中的外轮廓坐标集；
从所确定出的所有外轮廓坐标集中确定所述至少两个障碍物所在整体区域的顶点坐标集VB；其中，VB＝{(xmin,yg),(xmax,yh),(xp,ymin),(xq,ymax)}；
依次以查找范围[xmin,xmax]内的各个x值为第一类目标对象，遍历所述至少两个障碍物的外轮廓坐标集的集合{S1,S2,…Si…SN}，查找所具有x值为当前第一类目标对象的坐标，并从所查找到的当前第一类目标对象对应的所有坐标中获取具有最小y值和最大y值的坐标，并将所获取的坐标计入到集合Sx中；
依次以查找范围[ymin,ymax]内的各个y值为第二类目标对象，遍历所述至少两个障碍物的外轮廓坐标集的集合{S1,S2,…Si…SN}，查找所具有y值为当前第二类目标对象的坐标，并从所查找到的当前第二类目标对象对应的所有坐标中获取具有最小x值和最大x值的坐标，并将所获取的坐标计入到集合Sy中；
取集合Sx与集合Sy的交集，基于凹包算法，将所述交集中的坐标对应的坐标点进行连接，将连接所形成的闭合曲线确定为所述至少两个障碍物对应的多障碍物边界。
举例而言，假设三个障碍物，障碍物1对应的外轮廓坐标集中有5个坐标，障碍物2对应的外轮廓坐标集中有7个坐标，障碍物3对应的外轮廓坐标集中有5个坐标，那么，顶点坐标集VB为从具有17个坐标的整体坐标集中提取得到的。另外，假设查找范围为[xmin＝5,xmax＝8]，那么将分别以x值为5、6、7和8作为第一类目标对象来遍历查找外轮廓坐标集的集合；类似的，假设查找范围为[ymin＝10,ymax＝20]，那么将分别以y值为10、11、12……20作为第二类目标对象来遍历查找外轮廓坐标集的集合。
并且，凹包算法包含但不局限于滚球法、Alpha shape算法。其中，滚球法的基本原理为：(1)先求出一个Y值最小(Y值相同则取X最大)的点，作为初始点；(2)从初始点出发，找出点集中最近点，作为初始边，此时给定半径为R的圆就卡在该弦上，找到第一个初始弦；(3)循环寻找接下来的弦，假如上一条弦为DE，则下一条弦必然从E开始，连接到E的一个R领域内的点F，寻找F可以使用如下的原则：先对E的R领域的点，以E为中心ED向量为基准进行极坐标方向排序，之后依次为R领域点Fi(i的范围为[1，N))建立以EFi为弦的圆，然后检查其中是否包含其他的点，若不包括，且弦长小于给定阈值，则EFi即为新弦；否则基于点集中相距最远两点距离值的一半作为临时半径R进行搜索，以与弦DE的夹角小于给定阈值的弦中弦长最短的弦EFi作为新弦；(4)依次找到所有的弦，直到找不到新弦或遇到以前已经作为弦的点为止。
而Alpha shape算法的基本原理为：在凸包的基础上，设定一个参数α，在Alphashape重建形状的过程中就不会像凸包一样连接相距过远的顶点，参数α若趋于无穷大，则这个Alpha shape会无无限接近凸包；而α取小了，则alpha shape会倾向于在一定位置凹陷进去，以更加贴合点集的外形。
如图10(a)和(c)所示，图10(a)中的障碍物D、E和F在经过第二类类多障碍物边界处理后，处理结果可以参见图10(c)。
需要强调的是，上述的基于该障碍物坐标信息和该标注线，对当前的自定义清扫区域进行边界精细化处理的具体实现方式，仅仅作为示例，并不应该构成对本申请实施例的限定。
相应于上述方法实施例，本申请实施例还提供了一种区域属性确定装置，如图11所示，所述装置可以包括：
标注线识别单元310，用于识别目标地图中的标注线；其中，所述目标地图为智能清扫设备在清扫过程所依赖的、待清扫目标场景的地图；
封闭及联通区域确定单元320，用于基于所识别到的标注线和所述目标地图中的辅助对象，确定所述目标地图中的封闭区域和以第一位置为基点的联通区域；其中，所述辅助对象包括地图边界和障碍物，所述第一位置为预设参考对象在所述目标地图中的位置；
区域属性确定单元330，用于将所述封闭区域均确定为所述智能清扫设备清扫过程中的自定义清扫区域，并将所述联通区域确定为所述智能清扫设备清扫过程中的正常清扫区域。
本申请所提供方案中，用户可以根据清扫需求在目标地图中给定标注线以划分区域，进而在区域属性确定过程中，对目标地图中的标注线进行识别，基于识别到的标注线和目标地图中的辅助对象确定得到联通区域和封闭区域，并将联通区域确定为正常清扫区域而将封闭区域确定为自定义清扫区域。相对于现有技术，本方案无需虚拟墙设备，即可依据用户个性化的清扫需求进行智能分区，因此，解决了现有技术中实现智能分区时所带来的成本高及使用不便的问题。
可选地，所述标注线的线型包括：直线或折线；
相应的，所述封闭区域为所述标注线和目标辅助对象所围成的、不包含所述第一位置的区域；其中，所述目标辅助对象为所述目标地图中与所述标注线相交的辅助对象。
可选地，所述标注线的线型包括：多边形；
相应的，所述封闭区域为所述多边形的各边所围成的区域。
可选地，所述预设参考对象为：所述智能清扫设备的充电桩，或者，所述目标场景中除所述充电桩以外的非运动对象。
可选地，所述多边形为矩形；
如图12所示，所述装置还可以包括：
障碍物坐标信息获得单元340，用于在区域属性确定单元330将所述封闭区域均确定为所述智能清扫设备清扫过程中的自定义清扫区域，并将所述联通区域确定为所述智能清扫设备清扫过程中的正常清扫区域的步骤之后，获得所述目标场景中当前障碍物的障碍物坐标信息；其中，所述障碍物坐标信息为所述智能清扫设备对所述目标场景进行障碍物检测所得到的信息；
精细化处理单元350，用于基于所述障碍物坐标信息和所述标注线，对当前的自定义清扫区域进行边界精细化处理；
修正单元360，用于基于边界精细化处理所得的处理结果，修正所述正常清扫区域。
可选地，所述精细化处理单元350具体用于：基于所述障碍物坐标信息，如果判断出所述标注线对应的场景区域内未存在障碍物，则执行如下操作：
输出用于提示是否标注错误的第一通知信息，并在用户基于所述第一通知信息反馈的结果为是时，识别新标注线，确定所识别到的新标注线对应的新封闭区域，将当前的自定义清扫区域调整为所述新封闭区域；或者，基于所述障碍物坐标信息，判断最近障碍物的场景区域与所述标注线对应的场景区域之间的距离是否小于预定距离阈值，当判断结果为是时，输出用于提示是否按照最近障碍物进行区域调整的第二通知信息，并在用户基于所述第二通知信息反馈的结果为是时，对所述最近障碍物进行所述目标地图上的单障碍物边界处理，得到第一障碍物边界，并将当前的自定义清扫区域调整为所述第一障碍物边界所围成的区域；其中，所述最近障碍物为所述目标场景中与所述标注线所对应的场景区域距离最近的障碍物。
可选地，所述精细化处理单元350具体用于：
基于所述障碍物坐标信息，如果判断出所述标注线对应的场景区域与单个障碍物相交，则执行如下操作：
确定相交部分占所相交的障碍物的面积比例；
当所述面积比例大于预定比例阈值时，对所相交的障碍物进行所述目标地图上的单障碍物边界处理，得到第二障碍物边界，并将当前的自定义清扫区域调整为所述第二障碍物边界所围成的区域；
当所述面积比例不大于预定比例阈值时，输出用于提示是否标注错误的第三通知信息，并在用户基于所述第三通知信息反馈的结果为是时，识别新标注线，确定所识别到的新标注线对应的新封闭区域，将当前的自定义清扫区域调整为所述新封闭区域；或者，对所相交的障碍物进行所述目标地图上的单障碍物边界处理，得到第三障碍物边界，并将当前的自定义清扫区域调整为所述第三障碍物边界所围成的区域。
可选地，所述精细化处理单元350具体用于：
基于所述障碍物坐标信息，如果判断出所述标注线对应的场景区域分别与至少两个障碍物相交，则将所相交的至少两个障碍物进行所述目标地图上的第一类多障碍物边界处理或第二类多障碍物边界处理，得到第四障碍物边界；将当前的自定义清扫区域调整为所述第四障碍物边界所围成的区域。
可选地，所述单障碍物边界处理的处理方式包括：
确定障碍物在所述目标地图中的外轮廓坐标集；
从所述外轮廓坐标集中，确定该障碍物对应的顶点坐标集VA；其中，VA＝{(xmin,yl),(xmax,yk),(xm,ymin),(xn,ymax)}；
将所述顶点坐标集VA中各个坐标所对应坐标点进行连接，并将连接所形成的矩形确定为该障碍物的障碍物边界。
可选地，所述第一类多障碍物边界处理的处理方式包括：
对至少两个障碍物中的每个障碍物执行如下处理：
确定障碍物在所述目标地图中的外轮廓坐标集；
从所述外轮廓坐标集中，确定该障碍物对应的顶点坐标集VA；其中，VA＝{(xmin,yl),(xmax,yk),(xm,ymin),(xn,ymax)}；
将所述顶点坐标集VA中各个坐标所对应坐标点进行连接，并将连接所形成的矩形确定为该障碍物的障碍物边界。
可选地，所述第二类多障碍物边界处理的处理方式包括：
确定至少两个障碍物中每个障碍物在所述目标地图中的外轮廓坐标集；
从所确定出的所有外轮廓坐标集中确定所述至少两个障碍物所在整体区域的顶点坐标集VB；其中，VB＝{(xmin,yg),(xmax,yh),(xp,ymin),(xq,ymax)}；
依次以查找范围[xmin,xmax]内的各个x值为第一类目标对象，遍历所述至少两个障碍物的外轮廓坐标集的集合{S1,S2,…Si…SN}，查找所具有x值为当前第一类目标对象的坐标，并从所查找到的当前第一类目标对象对应的所有坐标中获取具有最小y值和最大y值的坐标，并将所获取的坐标计入到集合Sx中；
依次以查找范围[ymin,ymax]内的各个y值为第二类目标对象，遍历所述至少两个障碍物的外轮廓坐标集的集合{S1,S2,…Si…SN}，查找所具有y值为当前第二类目标对象的坐标，并从所查找到的当前第二类目标对象对应的所有坐标中获取具有最小x值和最大x值的坐标，并将所获取的坐标计入到集合Sy中；
取集合Sx与集合Sy的交集，基于凹包算法，将所述交集中的坐标对应的坐标点进行连接，将连接所形成的闭合曲线确定为所述至少两个障碍物对应的多障碍物边界。
另外，本申请还提供了一种电子设备，如图13所示，所述电子设备包括：内部总线410、存储器(memory)420、处理器(processor)430和通信接口(CommunicationsInterface)440；其中，所述处理器430、所述通信接口440、所述存储器420通过所述内部总线410完成相互间的通信；
其中，所述存储器420，用于存储区域属性确定方法对应的机器可行指令；
所述处理器430，用于读取所述存储器420上的所述机器可读指令，并执行所述指令以实现如下操作：
识别目标地图中的标注线；其中，所述目标地图为智能清扫设备在清扫过程所依赖的、待清扫目标场景的地图；
基于所识别到的标注线和所述目标地图中的辅助对象，确定所述目标地图中的封闭区域和以第一位置为基点的联通区域；其中，所述辅助对象包括地图边界和障碍物，所述第一位置为预设参考对象在所述目标地图中的位置；
将所述封闭区域均确定为所述智能清扫设备清扫过程中的自定义清扫区域，并将所述联通区域确定为所述智能清扫设备清扫过程中的正常清扫区域。
其中关于区域属性确定方法的具体步骤的相关描述可以参见本申请方法实施例中的描述内容，在此不做赘述。并且，需要强调的是，该电子设备可以为智能清扫设备，也可以为智能清扫设备对应的云服务器，这都是合理的。
其中，存储器420例如可以是非易失性存储器(non-volatile memory)。处理器430可以调用执行存储器420中的实现区域属性确定方法的逻辑指令，以执行上述区域属性确定方法。
另外，相应于上述方法实施例，本申请还提供了一种智能清扫***。如图14所示，该智能清扫***包括：移动终端1410和智能清扫设备1420；
所述移动终端1410，用于获得关于目标地图中的标注线的用户指令，并将所述用户指令发送至所述智能清扫设备，以使所述智能清扫设备1420基于所述用户指令识别目标地图中的标注线；其中，所述目标地图为所述智能清扫设备1420在清扫过程所依赖的、待清扫目标场景的地图；
所述智能清扫设备1420，用于识别目标地图中的标注线；基于所识别到的标注线和所述目标地图中的辅助对象，确定所述目标地图中的封闭区域和以第一位置为基点的联通区域；其中，所述辅助对象包括地图边界和障碍物，所述第一位置为预设参考对象在所述目标地图中的位置；将所述封闭区域均确定为所述智能清扫设备清扫过程中的自定义清扫区域，并将所述联通区域确定为所述智能清扫设备清扫过程中的正常清扫区域；以及用于按照所确定出的自定义清扫区域和正常清扫区域，对所述目标场景进行清扫。
其中，在具体应用中，该智能清扫设备包括但不局限于扫地机器人，所谓扫地机器人又称为自动打扫机、智能吸尘、机器人吸尘器等；该移动终端包括但不局限于：智能手机、平板电脑、笔记本电脑。并且，该移动终端中可以展示目标地图，用户可以在目标地图中发出关于标注线的用户指令，如通过绘制标注线发出用户指令或通过给定坐标信息来发出用户指令。而该智能清扫设备中的目标地图可以通过智能清扫设备自行构建所得，也可以由其他设备共享所得。
其中，关于区域属性确定方法的具体步骤的相关描述可以参见本申请方法实施例中的描述内容，在此不做赘述。
相对于现有技术，本方案无需虚拟墙设备，即可依据用户个性化的清扫需求进行智能分区，因此，解决了现有技术中实现智能分区时所带来的成本高及使用不便的问题。
另外，相对于上述方法实施例，本申请还提供了一种智能清扫***。如图15所示，该智能清扫***包括：移动终端1510、云服务器1520和智能清扫设备1530；
所述移动终端，用于获得关于目标地图中的标注线的用户指令，并将所述用户指令发送至所述云服务器1520，以使所述云服务器1520基于所述用户指令识别目标地图中的标注线；其中，所述目标地图为所述智能清扫设备1530在清扫过程所依赖的、待清扫目标场景的地图；
所述云服务器1520，用于识别目标地图中的标注线；基于所识别到的标注线和所述目标地图中的辅助对象，确定所述目标地图中的封闭区域和以第一位置为基点的联通区域；其中，所述辅助对象包括地图边界和障碍物，所述第一位置为预设参考对象在所述目标地图中的位置；将所述封闭区域均确定为所述智能清扫设备清扫过程中的自定义清扫区域，并将所述联通区域确定为所述智能清扫设备清扫过程中的正常清扫区域；
所述智能清扫设备1530，用于根据所述云服务器1520所确定出的自定义清扫区域和正常清扫区域，对所述目标场景进行清扫。
其中，在具体应用中，该智能清扫设备包括但不局限于扫地机器人，所谓扫地机器人又称为自动打扫机、智能吸尘、机器人吸尘器等；该移动终端包括但不局限于：智能手机、平板电脑、笔记本电脑。并且，该移动终端中可以展示目标地图，用户可以在目标地图中发出关于标注线的用户指令，如通过绘制标注线发出用户指令或通过给定坐标信息来发出用户指令。而该云服务器中的目标地图可以通过智能清扫设备上传所得，也可以由其他设备上传所得。
其中，关于区域属性确定方法的具体步骤的相关描述可以参见本申请方法实施例中的描述内容，在此不做赘述。
相对于现有技术，本方案无需虚拟墙设备，即可依据用户个性化的清扫需求进行智能分区，因此，解决了现有技术中实现智能分区时所带来的成本高及使用不便的问题。
实现区域属性确定方法的逻辑指令的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。

Claims (21)

1.一种区域属性确定方法，其特征在于，所述方法包括：
识别目标地图中的标注线；其中，所述目标地图为智能清扫设备在清扫过程所依赖的、待清扫目标场景的地图；
基于所识别到的标注线和所述目标地图中的辅助对象，确定所述目标地图中的封闭区域和以第一位置为基点的联通区域；其中，所述辅助对象包括地图边界和障碍物，所述第一位置为预设参考对象在所述目标地图中的位置；
将所述封闭区域均确定为所述智能清扫设备清扫过程中的自定义清扫区域，并将所述联通区域确定为所述智能清扫设备清扫过程中的正常清扫区域；
所述标注线为多边形，所述多边形为矩形，所述方法还包括：
获得所述目标场景中当前障碍物的障碍物坐标信息；其中，所述障碍物坐标信息为所述智能清扫设备对所述目标场景进行障碍物检测所得到的信息；
基于所述障碍物坐标信息和所述标注线，对当前的自定义清扫区域进行边界精细化处理；所述基于所述障碍物坐标信息和所述标注线，对当前的自定义清扫区域进行边界精细化处理，包括：基于所述障碍物的坐标信息，确定障碍物与标注线对应的场景区域的位置关系，基于该位置关系和障碍物数量，对当前的自定义清扫区域进行边界精细化处理；
基于边界精细化处理所得的处理结果，修正所述正常清扫区域。
2.根据权利要求1所述的方法，其特征在于，所述标注线的线型包括：直线或折线；
所述封闭区域为所述标注线和目标辅助对象所围成的、不包含所述第一位置的区域；其中，所述目标辅助对象为所述目标地图中与所述标注线相交的辅助对象。
3.根据权利要求1所述的方法，其特征在于，所述标注线的线型包括：多边形；
所述封闭区域为所述多边形的各边所围成的区域。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述预设参考对象为：所述智能清扫设备的充电桩，或者，所述目标场景中除所述充电桩以外的非运动对象。
5.根据权利要求1所述的方法，其特征在于，所述基于所述障碍物的坐标信息，确定障碍物与标注线对应的场景区域的位置关系，基于该位置关系和障碍物数量，对当前的自定义清扫区域进行边界精细化处理，包括：
基于所述障碍物坐标信息，如果判断出所述标注线对应的场景区域内未存在障碍物，则执行如下操作：
输出用于提示是否标注错误的第一通知信息，并在用户基于所述第一通知信息反馈的结果为是时，识别新标注线，确定所识别到的新标注线对应的新封闭区域，将当前的自定义清扫区域调整为所述新封闭区域；
或者，
基于所述障碍物坐标信息，判断最近障碍物的场景区域与所述标注线对应的场景区域之间的距离是否小于预定距离阈值，当判断结果为是时，输出用于提示是否按照最近障碍物进行区域调整的第二通知信息，并在用户基于所述第二通知信息反馈的结果为是时，对所述最近障碍物进行所述目标地图上的单障碍物边界处理，得到第一障碍物边界，并将当前的自定义清扫区域调整为所述第一障碍物边界所围成的区域；
其中，所述最近障碍物为所述目标场景中与所述标注线所对应的场景区域距离最近的障碍物。
6.根据权利要求1所述的方法，其特征在于，所述基于所述障碍物的坐标信息，确定障碍物与标注线对应的场景区域的位置关系，基于该位置关系和障碍物数量，对当前的自定义清扫区域进行边界精细化处理，包括：
基于所述障碍物坐标信息，如果判断出所述标注线对应的场景区域与单个障碍物处于相交，则执行如下操作：
确定相交部分占所相交的障碍物的面积比例；
当所述面积比例大于预定比例阈值时，对所相交的障碍物进行所述目标地图上的单障碍物边界处理，得到第二障碍物边界，并将当前的自定义清扫区域调整为所述第二障碍物边界所围成的区域；
当所述面积比例不大于预定比例阈值时，输出用于提示是否标注错误的第三通知信息，并在用户基于所述第三通知信息反馈的结果为是时，识别新标注线，确定所识别到的新标注线对应的新封闭区域，将当前的自定义清扫区域调整为所述新封闭区域；或者，对所相交的障碍物进行所述目标地图上的单障碍物边界处理，得到第三障碍物边界，并将当前的自定义清扫区域调整为所述第三障碍物边界所围成的区域。
7.根据权利要求1所述的方法，其特征在于，所述基于所述障碍物的坐标信息，确定障碍物与标注线对应的场景区域的位置关系，基于该位置关系和障碍物数量，对当前的自定义清扫区域进行边界精细化处理，包括：
基于所述障碍物坐标信息，如果判断出所述标注线对应的场景区域分别与至少两个障碍物相交，则将所相交的至少两个障碍物进行所述目标地图上的第一类多障碍物边界处理或第二类多障碍物边界处理，得到第四障碍物边界；
将当前的自定义清扫区域调整为所述第四障碍物边界所围成的区域。
8.根据权利要求5或6所述的方法，其特征在于，所述单障碍物边界处理的处理方式包括：
确定障碍物在所述目标地图中的外轮廓坐标集；
从所述外轮廓坐标集中，确定该障碍物对应的顶点坐标集VA；其中，VA＝{(xmin,yl),(xmax,yk),(xm,ymin),(xn,ymax)}；
将所述顶点坐标集VA中各个坐标所对应坐标点进行连接，并将连接所形成的矩形确定为该障碍物的障碍物边界。
9.根据权利要求7所述的方法，其特征在于，所述第一类多障碍物边界处理的处理方式包括：
对至少两个障碍物中的每个障碍物执行如下处理：
确定障碍物在所述目标地图中的外轮廓坐标集；
从所述外轮廓坐标集中，确定该障碍物对应的顶点坐标集VA；其中，VA＝{(xmin,yl),(xmax,yk),(xm,ymin),(xn,ymax)}；
将所述顶点坐标集VA中各个坐标所对应坐标点进行连接，并将连接所形成的矩形确定为该障碍物的障碍物边界。
10.根据权利要求7所述的方法，其特征在于，所述第二类多障碍物边界处理的处理方式包括：
确定至少两个障碍物中每个障碍物在所述目标地图中的外轮廓坐标集；
从所确定出的所有外轮廓坐标集中确定所述至少两个障碍物所在整体区域的顶点坐标集VB；其中，VB＝{(xmin,yg),(xmax,yh),(xp,ymin),(xq,ymax)}；
依次以查找范围[xmin,xmax]内的各个x值为第一类目标对象，遍历所述至少两个障碍物的外轮廓坐标集的集合{S1,S2,…Si…SN}，查找所具有x值为当前第一类目标对象的坐标，并从所查找到的当前第一类目标对象对应的所有坐标中获取具有最小y值和最大y值的坐标，并将所获取的坐标计入到集合Sx中；
依次以查找范围[ymin,ymax]内的各个y值为第二类目标对象，遍历所述至少两个障碍物的外轮廓坐标集的集合{S1,S2,…Si…SN}，查找所具有y值为当前第二类目标对象的坐标，并从所查找到的当前第二类目标对象对应的所有坐标中获取具有最小x值和最大x值的坐标，并将所获取的坐标计入到集合Sy中；
取集合Sx与集合Sy的交集，基于凹包算法，将所述交集中的坐标对应的坐标点进行连接，将连接所形成的闭合曲线确定为所述至少两个障碍物对应的多障碍物边界。
11.一种区域属性确定装置，其特征在于，所述装置包括：
标注线识别单元，用于识别目标地图中的标注线；其中，所述目标地图为智能清扫设备在清扫过程所依赖的、待清扫目标场景的地图；
封闭及联通区域确定单元，用于基于所识别到的标注线和所述目标地图中的辅助对象，确定所述目标地图中的封闭区域和以第一位置为基点的联通区域；其中，所述辅助对象包括地图边界和障碍物，所述第一位置为预设参考对象在所述目标地图中的位置；
区域属性确定单元，用于将所述封闭区域均确定为所述智能清扫设备清扫过程中的自定义清扫区域，并将所述联通区域确定为所述智能清扫设备清扫过程中的正常清扫区域；
所述标注线为多边形，所述多边形为矩形，所述装置还包括：
障碍物坐标信息获得单元，用于在区域属性确定单元将所述封闭区域均确定为所述智能清扫设备清扫过程中的自定义清扫区域，并将所述联通区域确定为所述智能清扫设备清扫过程中的正常清扫区域之后，获得所述目标场景中当前障碍物的障碍物坐标信息；其中，所述障碍物坐标信息为所述智能清扫设备对所述目标场景进行障碍物检测所得到的信息；
精细化处理单元，用于基于所述障碍物坐标信息和所述标注线，对当前的自定义清扫区域进行边界精细化处理；所述精细化处理单元，在基于所述障碍物坐标信息和所述标注线，对当前的自定义清扫区域进行边界精细化处理时，用于基于所述障碍物的坐标信息，确定障碍物与标注线对应的场景区域的位置关系，基于该位置关系和障碍物数量，对当前的自定义清扫区域进行边界精细化处理；
修正单元，用于基于边界精细化处理所得的处理结果，修正所述正常清扫区域。
12.根据权利要求11所述的装置，其特征在于，所述标注线的线型包括：直线或折线；
所述封闭区域为所述标注线和目标辅助对象所围成的、不包含所述第一位置的区域；其中，所述目标辅助对象为所述目标地图中与所述标注线相交的辅助对象。
13.根据权利要求11所述的装置，其特征在于，所述标注线的线型包括：多边形；
所述封闭区域为所述多边形的各边所围成的区域。
14.根据权利要求11-13任一项所述的装置，其特征在于，所述预设参考对象为：所述智能清扫设备的充电桩，或者，所述目标场景中除所述充电桩以外的非运动对象。
15.根据权利要求11所述的装置，其特征在于，所述精细化处理单元具体用于：
基于所述障碍物坐标信息，如果判断出所述标注线对应的场景区域内未存在障碍物，则执行如下操作：
输出用于提示是否标注错误的第一通知信息，并在用户基于所述第一通知信息反馈的结果为是时，识别新标注线，确定所识别到的新标注线对应的新封闭区域，将当前的自定义清扫区域调整为所述新封闭区域；或者，基于所述障碍物坐标信息，判断最近障碍物的场景区域与所述标注线对应的场景区域之间的距离是否小于预定距离阈值，当判断结果为是时，输出用于提示是否按照最近障碍物进行区域调整的第二通知信息，并在用户基于所述第二通知信息反馈的结果为是时，对所述最近障碍物进行所述目标地图上的单障碍物边界处理，得到第一障碍物边界，并将当前的自定义清扫区域调整为所述第一障碍物边界所围成的区域；其中，所述最近障碍物为所述目标场景中与所述标注线所对应的场景区域距离最近的障碍物；
或者，所述精细化处理单元具体用于：
基于所述障碍物坐标信息，如果判断出所述标注线对应的场景区域与单个障碍物相交，则执行如下操作：
确定相交部分占所相交的障碍物的面积比例；
当所述面积比例大于预定比例阈值时，对所相交的障碍物进行所述目标地图上的单障碍物边界处理，得到第二障碍物边界，并将当前的自定义清扫区域调整为所述第二障碍物边界所围成的区域；
当所述面积比例不大于预定比例阈值时，输出用于提示是否标注错误的第三通知信息，并在用户基于所述第三通知信息反馈的结果为是时，识别新标注线，确定所识别到的新标注线对应的新封闭区域，将当前的自定义清扫区域调整为所述新封闭区域；或者，对所相交的障碍物进行所述目标地图上的单障碍物边界处理，得到第三障碍物边界，并将当前的自定义清扫区域调整为所述第三障碍物边界所围成的区域；
或者，所述精细化处理单元具体用于：
基于所述障碍物坐标信息，如果判断出所述标注线对应的场景区域分别与至少两个障碍物相交，则将所相交的至少两个障碍物进行所述目标地图上的第一类多障碍物边界处理或第二类多障碍物边界处理，得到第四障碍物边界；将当前的自定义清扫区域调整为所述第四障碍物边界所围成的区域。
16.根据权利要求15所述的装置，其特征在于，所述单障碍物边界处理的处理方式包括：
确定障碍物在所述目标地图中的外轮廓坐标集；
从所述外轮廓坐标集中，确定该障碍物对应的顶点坐标集VA；其中，VA＝{(xmin,yl),(xmax,yk),(xm,ymin),(xn,ymax)}；
将所述顶点坐标集VA中各个坐标所对应坐标点进行连接，并将连接所形成的矩形确定为该障碍物的障碍物边界。
17.根据权利要求15所述的装置，其特征在于，所述第一类多障碍物边界处理的处理方式包括：
对至少两个障碍物中的每个障碍物执行如下处理：
确定障碍物在所述目标地图中的外轮廓坐标集；
从所述外轮廓坐标集中，确定该障碍物对应的顶点坐标集VA；其中，VA＝{(xmin,yl),(xmax,yk),(xm,ymin),(xn,ymax)}；
将所述顶点坐标集VA中各个坐标所对应坐标点进行连接，并将连接所形成的矩形确定为该障碍物的障碍物边界。
18.根据权利要求15所述的装置，其特征在于，所述第二类多障碍物边界处理的处理方式包括：
确定至少两个障碍物中每个障碍物在所述目标地图中的外轮廓坐标集；
从所确定出的所有外轮廓坐标集中确定所述至少两个障碍物所在整体区域的顶点坐标集VB；其中，VB＝{(xmin,yg),(xmax,yh),(xp,ymin),(xq,ymax)}；
依次以查找范围[xmin,xmax]内的各个x值为第一类目标对象，遍历所述至少两个障碍物的外轮廓坐标集的集合{S1,S2,…Si…SN}，查找所具有x值为当前第一类目标对象的坐标，并从所查找到的当前第一类目标对象对应的所有坐标中获取具有最小y值和最大y值的坐标，并将所获取的坐标计入到集合Sx中；
依次以查找范围[ymin,ymax]内的各个y值为第二类目标对象，遍历所述至少两个障碍物的外轮廓坐标集的集合{S1,S2,…Si…SN}，查找所具有y值为当前第二类目标对象的坐标，并从所查找到的当前第二类目标对象对应的所有坐标中获取具有最小x值和最大x值的坐标，并将所获取的坐标计入到集合Sy中；
取集合Sx与集合Sy的交集，基于凹包算法，将所述交集中的坐标对应的坐标点进行连接，将连接所形成的闭合曲线确定为所述至少两个障碍物对应的多障碍物边界。
19.一种电子设备，其特征在于，所述电子设备包括：内部总线、存储器、处理器和通信接口；其中，所述处理器、所述通信接口、所述存储器通过所述内部总线完成相互间的通信；
其中，所述存储器，用于存储区域属性确定方法对应的机器可行指令；
所述处理器，用于读取所述存储器上的所述机器可读指令，并执行所述指令以实现如下操作：
识别目标地图中的标注线；其中，所述目标地图为智能清扫设备在清扫过程所依赖的、待清扫目标场景的地图；
基于所识别到的标注线和所述目标地图中的辅助对象，确定所述目标地图中的封闭区域和以第一位置为基点的联通区域；其中，所述辅助对象包括地图边界和障碍物，所述第一位置为预设参考对象在所述目标地图中的位置；
将所述封闭区域均确定为所述智能清扫设备清扫过程中的自定义清扫区域，并将所述联通区域确定为所述智能清扫设备清扫过程中的正常清扫区域；
所述标注线为多边形，所述多边形为矩形，所述处理器还用于实现如下操作：
获得所述目标场景中当前障碍物的障碍物坐标信息；其中，所述障碍物坐标信息为所述智能清扫设备对所述目标场景进行障碍物检测所得到的信息；
基于所述障碍物坐标信息和所述标注线，对当前的自定义清扫区域进行边界精细化处理；所述基于所述障碍物坐标信息和所述标注线，对当前的自定义清扫区域进行边界精细化处理，包括：基于所述障碍物的坐标信息，确定障碍物与标注线对应的场景区域的位置关系，基于该位置关系和障碍物数量，对当前的自定义清扫区域进行边界精细化处理；
基于边界精细化处理所得的处理结果，修正所述正常清扫区域。
20.一种智能清扫***，其特征在于，包括：移动终端和智能清扫设备；
所述移动终端，用于获得关于目标地图中的标注线的用户指令，并将所述用户指令发送至所述智能清扫设备，以使所述智能清扫设备基于所述用户指令识别目标地图中的标注线；其中，所述目标地图为智能清扫设备在清扫过程所依赖的、待清扫目标场景的地图；
所述智能清扫设备，用于识别目标地图中的标注线；基于所识别到的标注线和所述目标地图中的辅助对象，确定所述目标地图中的封闭区域和以第一位置为基点的联通区域；其中，所述辅助对象包括地图边界和障碍物，所述第一位置为预设参考对象在所述目标地图中的位置；将所述封闭区域均确定为所述智能清扫设备清扫过程中的自定义清扫区域，并将所述联通区域确定为所述智能清扫设备清扫过程中的正常清扫区域；以及用于按照所确定出的自定义清扫区域和正常清扫区域，对所述目标场景进行清扫；
所述智能清扫设备，还用于所述标注线为多边形，所述多边形为矩形，获得所述目标场景中当前障碍物的障碍物坐标信息；其中，所述障碍物坐标信息为所述智能清扫设备对所述目标场景进行障碍物检测所得到的信息；基于所述障碍物坐标信息和所述标注线，对当前的自定义清扫区域进行边界精细化处理；基于边界精细化处理所得的处理结果，修正所述正常清扫区域；
所述基于所述障碍物坐标信息和所述标注线，对当前的自定义清扫区域进行边界精细化处理，包括：基于所述障碍物的坐标信息，确定障碍物与标注线对应的场景区域的位置关系，基于该位置关系和障碍物数量，对当前的自定义清扫区域进行边界精细化处理。
21.一种智能清扫***，其特征在于，包括：移动终端、云服务器和智能清扫设备；
所述移动终端，用于获得关于目标地图中的标注线的用户指令，并将所述用户指令发送至所述云服务器，以使所述云服务器基于所述用户指令识别目标地图中的标注线；其中，所述目标地图为所述智能清扫设备在清扫过程所依赖的、待清扫目标场景的地图；
所述云服务器，用于识别目标地图中的标注线；基于所识别到的标注线和所述目标地图中的辅助对象，确定所述目标地图中的封闭区域和以第一位置为基点的联通区域；其中，所述辅助对象包括地图边界和障碍物，所述第一位置为预设参考对象在所述目标地图中的位置；将所述封闭区域均确定为所述智能清扫设备清扫过程中的自定义清扫区域，并将所述联通区域确定为所述智能清扫设备清扫过程中的正常清扫区域；
所述云服务器，还用于所述标注线为多边形，所述多边形为矩形，获得所述目标场景中当前障碍物的障碍物坐标信息；其中，所述障碍物坐标信息为所述智能清扫设备对所述目标场景进行障碍物检测所得到的信息；基于所述障碍物坐标信息和所述标注线，对当前的自定义清扫区域进行边界精细化处理；基于边界精细化处理所得的处理结果，修正所述正常清扫区域；
所述基于所述障碍物坐标信息和所述标注线，对当前的自定义清扫区域进行边界精细化处理，包括：基于所述障碍物的坐标信息，确定障碍物与标注线对应的场景区域的位置关系，基于该位置关系和障碍物数量，对当前的自定义清扫区域进行边界精细化处理；
所述智能清扫设备，用于根据所述云服务器所确定出的自定义清扫区域和正常清扫区域，对所述目标场景进行清扫。
CN201711090900.XA 2017-11-08 2017-11-08 一种区域属性确定方法、装置、***及电子设备 Active CN109744945B (zh)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CN201711090900.XA CN109744945B (zh) 2017-11-08 2017-11-08 一种区域属性确定方法、装置、***及电子设备
EP18876322.1A EP3689215B1 (en) 2017-11-08 2018-10-31 Region attribute determination
PL18876322.1T PL3689215T3 (pl) 2017-11-08 2018-10-31 Określanie atrybutu obszaru
PCT/CN2018/112923 WO2019091310A1 (zh) 2017-11-08 2018-10-31 区域属性确定
US16/762,448 US11877716B2 (en) 2017-11-08 2018-10-31 Determining region attribute
ES18876322T ES2951843T3 (es) 2017-11-08 2018-10-31 Determinación de un atributo de región

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711090900.XA CN109744945B (zh) 2017-11-08 2017-11-08 一种区域属性确定方法、装置、***及电子设备

Publications (2)

Publication Number Publication Date
CN109744945A CN109744945A (zh) 2019-05-14
CN109744945B true CN109744945B (zh) 2020-12-04

Family

ID=66401401

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711090900.XA Active CN109744945B (zh) 2017-11-08 2017-11-08 一种区域属性确定方法、装置、***及电子设备

Country Status (6)

Country Link
US (1) US11877716B2 (zh)
EP (1) EP3689215B1 (zh)
CN (1) CN109744945B (zh)
ES (1) ES2951843T3 (zh)
PL (1) PL3689215T3 (zh)
WO (1) WO2019091310A1 (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112051841B (zh) * 2019-06-05 2023-06-02 南京苏美达智能技术有限公司 一种障碍物边界生成方法及装置
CN110450152A (zh) * 2019-06-24 2019-11-15 广东宝乐机器人股份有限公司 区域识别方法、机器人和存储介质
CN112631267B (zh) * 2019-10-09 2023-01-24 苏州宝时得电动工具有限公司 自动行走设备控制方法及自动行走设备
CN111552286B (zh) * 2020-04-22 2024-05-07 深圳市优必选科技股份有限公司 一种机器人及其移动控制方法和装置
CN111474932B (zh) * 2020-04-23 2021-05-11 大连理工大学 一种集成情景经验的移动机器人建图与导航方法
CN113806455B (zh) * 2020-06-12 2024-03-29 未岚大陆(北京)科技有限公司 地图构建方法、设备及存储介质
CN111728535B (zh) * 2020-06-22 2021-12-28 上海高仙自动化科技发展有限公司 一种生成清扫路径的方法、装置、电子设备及存储介质
CN111753768B (zh) * 2020-06-29 2023-07-28 北京百度网讯科技有限公司 表示障碍物形状的方法、装置、电子设备和存储介质
CN111722630B (zh) * 2020-06-30 2024-02-02 深圳银星智能集团股份有限公司 清洁机器人的分区边界扩展方法、装置、设备及存储介质
CN112180945B (zh) * 2020-10-22 2023-08-04 南京苏美达智能技术有限公司 一种自动生成障碍物边界的方法及自动行走设备
CN113693521B (zh) * 2021-02-10 2023-05-05 北京石头创新科技有限公司 自动清洁设备控制方法及装置、介质及电子设备
CN113469843B (zh) * 2021-06-29 2023-07-21 青岛海尔科技有限公司 储藏设备的控制方法、装置、存储介质和电子设备
CN113741446B (zh) * 2021-08-27 2024-04-16 深圳市优必选科技股份有限公司 一种机器人自主探索的方法、终端设备及存储介质
CN114983272B (zh) * 2022-05-30 2024-05-14 美智纵横科技有限责任公司 场景地图处理方法和装置、清洁组件和清洁设备

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3781370B2 (ja) * 2002-11-19 2006-05-31 本田技研工業株式会社 移動装置
JP2005296511A (ja) * 2004-04-15 2005-10-27 Funai Electric Co Ltd 自走式掃除機
KR100791384B1 (ko) 2006-07-05 2008-01-07 삼성전자주식회사 특징점을 이용한 영역 구분 방법 및 장치와 이를 이용한이동 청소 로봇
WO2014050689A1 (ja) * 2012-09-27 2014-04-03 シャープ株式会社 画像処理装置
CN104161487B (zh) * 2013-05-17 2018-09-04 恩斯迈电子(深圳)有限公司 移动装置
CN103472823B (zh) * 2013-08-20 2015-11-18 苏州两江科技有限公司 一种智能机器人用的栅格地图创建方法
CN104460663A (zh) * 2013-09-23 2015-03-25 科沃斯机器人科技(苏州)有限公司 智能手机控制清扫机器人的方法
JP2016019029A (ja) * 2014-07-04 2016-02-01 シャープ株式会社 移動式電波モニター装置
KR102306709B1 (ko) * 2014-08-19 2021-09-29 삼성전자주식회사 청소 로봇, 청소 로봇의 제어 장치, 제어 시스템, 및 제어 방법
CN106652756A (zh) * 2015-11-03 2017-05-10 圆通速递有限公司 基于电子地图的多边形精确绘制方法及其应用方法
KR20170053351A (ko) * 2015-11-06 2017-05-16 삼성전자주식회사 청소 로봇 및 그 제어 방법
CN106774294A (zh) * 2015-11-20 2017-05-31 沈阳新松机器人自动化股份有限公司 一种移动机器人虚拟墙设计方法
TWI681748B (zh) 2016-01-28 2020-01-11 原相科技股份有限公司 自動清掃機控制方法以及自動清掃機
CN107028558B (zh) * 2016-02-03 2020-07-07 原相科技股份有限公司 计算机可读取记录媒体及自动清扫机
WO2017167207A1 (zh) * 2016-03-29 2017-10-05 苏州宝时得电动工具有限公司 自动工作***及其工作区域的地图建立方法
CN106272420B (zh) * 2016-08-30 2019-07-02 北京小米移动软件有限公司 机器人及机器人控制方法
CN106983460B (zh) * 2017-04-07 2019-08-27 小狗电器互联网科技（北京）股份有限公司 一种扫地机器人区域清扫图像控制方法
CN107328417A (zh) * 2017-06-13 2017-11-07 上海斐讯数据通信技术有限公司 一种智能扫地机器人定位方法及***

Also Published As

Publication number Publication date
PL3689215T3 (pl) 2023-08-28
US20200359867A1 (en) 2020-11-19
ES2951843T3 (es) 2023-10-25
EP3689215A4 (en) 2021-01-20
WO2019091310A1 (zh) 2019-05-16
CN109744945A (zh) 2019-05-14
US11877716B2 (en) 2024-01-23
EP3689215A8 (en) 2020-09-23
EP3689215B1 (en) 2023-05-31
EP3689215A1 (en) 2020-08-05

Similar Documents

Publication Publication Date Title
CN109744945B (zh) 一种区域属性确定方法、装置、***及电子设备
CN110675307B (zh) 基于vslam的3d稀疏点云到2d栅格图的实现方法
CN108520536B (zh) 一种视差图的生成方法、装置及终端
CN111598916A (zh) 一种基于rgb-d信息的室内占据栅格地图的制备方法
CN100559398C (zh) 自动的深度图像配准方法
CN109282822B (zh) 构建导航地图的存储介质、方法和设备
EP2887315B1 (en) Camera calibration device, method for implementing calibration, program and camera for movable body
CN104732587A (zh) 一种基于深度传感器的室内3d语义地图构建方法
CN107677279A (zh) 一种定位建图的方法及***
CN108763287A (zh) 大规模可通行区域驾驶地图的构建方法及其无人驾驶应用方法
CN111152266B (zh) 一种清洁机器人的控制方法及***
CN107636679A (zh) 一种障碍物检测方法及装置
CN107818598B (zh) 一种基于视觉矫正的三维点云地图融合方法
CN111671518B (zh) 髋关节股骨头球心的处理生成方法、装置和计算机设备
CN105448184A (zh) 地图道路的绘制方法及装置
CN110188778B (zh) 基于影像提取结果的居民区要素轮廓规则化方法
CN113296542B (zh) 一种航拍拍摄点获取方法及***
Mörwald et al. Geometric data abstraction using b-splines for range image segmentation
CN115599119A (zh) 一种无人机的避障***
CN113592015B (zh) 定位以及训练特征匹配网络的方法和装置
CN116921932A (zh) 焊接轨迹识别方法、装置、设备及存储介质
CN116468870A (zh) 一种城市道路三维可视化建模方法及***
CN107464257B (zh) 宽基线匹配方法及装置
CN108615025A (zh) 家居环境下门识别定位方法、***以及机器人
CN105631938A (zh) 一种图像处理方法及电子设备

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
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 310051 Room 301, building B, building 2, No. 399, Danfeng Road, Binjiang District, Hangzhou City, Zhejiang Province

Patentee after: Hangzhou fluorite Network Co.,Ltd.

Address before: 310052 7th floor, building 1, no.700 Dongliu Road, Changhe street, Binjiang District, Hangzhou City, Zhejiang Province

Patentee before: HANGZHOU EZVIZ NETWORK Co.,Ltd.