CN117474934A - 一种用于清洁机器人的智能分区方法及装置 - Google Patents
一种用于清洁机器人的智能分区方法及装置 Download PDFInfo
- Publication number
- CN117474934A CN117474934A CN202311412788.2A CN202311412788A CN117474934A CN 117474934 A CN117474934 A CN 117474934A CN 202311412788 A CN202311412788 A CN 202311412788A CN 117474934 A CN117474934 A CN 117474934A
- Authority
- CN
- China
- Prior art keywords
- partition
- partitions
- room
- environment map
- area
- 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
Links
- 238000004140 cleaning Methods 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000000638 solvent extraction Methods 0.000 title claims abstract description 26
- 238000005192 partition Methods 0.000 claims abstract description 274
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- 238000001514 detection method Methods 0.000 claims description 13
- 230000011218 segmentation Effects 0.000 claims description 7
- 239000003086 colorant Substances 0.000 claims description 4
- 238000013316 zoning Methods 0.000 claims 3
- 238000010408 sweeping Methods 0.000 abstract 1
- 230000004888 barrier function Effects 0.000 description 9
- 238000000605 extraction Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000012780 transparent material Substances 0.000 description 1
Classifications
-
- 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
- G06T7/13—Edge detection
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请涉及清洁机器人技术领域,公开了一种用于清洁机器人的智能分区方法及装置,旨在解决现有分区方法存在准确性较差的问题,方案主要包括:当获取环境地图后,对环境地图进行预处理,并去除环境地图中的孤立障碍物和噪点;提取环境地图中的直线和轮廓,对直线和轮廓进行扩展使环境地图分割为不同区域,并对环境地图进行区域检测获得初始分区;对初始分区进行删除和合并,并去除不可到达的初始分区,将处理结果作为房间分区结果;若房间分区的面积大于预设面积或房间分区重叠,则对房间分区进行进一步分割,直至所有房间分区的面积小于第一面积阈值且各房间分区不存在重叠。本申请提高了分区结果的准确性,特别适用于扫地机器人。
Description
技术领域
本申请涉及清洁机器人技术领域,具体涉及一种用于清洁机器人的智能分区方法及装置。
背景技术
随着清洁机器人技术的发展,人们对其清洁规划的智能化程度的要求也越来越高。传统的清洁机器人采用固定大小分区的清洁方法,这种方法会出现一个分区内包含不同的房间区域的情况,容易产生漏扫从而影响清洁效果,跨越房间的过程也会影响清洁效率,通过对环境地图进行预先分割,按照房间范围进行分区规划,可以提升机器人的清洁效果,但当前的方法仍会出现分区错误,且未同时考虑房间分区后的进一步清扫规划的问题,容易重复清洁某些区域或者遗漏清洁某些区域。
发明内容
本申请旨在解决现有用于清洁机器人的分区方法无法智能准确地将环境地图分为不同的房间分区,导致整个房间区域过大或过于复杂影响机器人清扫效率的问题,提出一种用于清洁机器人的智能分区方法及装置。
本申请解决上述技术问题所采用的技术方案是:
第一方面,提供一种用于清洁机器人的智能分区方法,所述方法包括:
当获取环境地图后,对环境地图进行预处理,并去除环境地图中的孤立障碍物和噪点;
提取环境地图中的直线和轮廓,对获得的直线和轮廓进行扩展使环境地图分割为不同区域,并对环境地图进行区域检测,将获得的每个区域的最小外接矩形作为对应的初始分区;
根据预设条件对环境地图中的初始分区进行删除和合并,并去除不可到达的初始分区,将处理结果作为房间分区结果;
检测环境地图中的各房间分区的面积及重叠情况,若房间分区的面积大于预设面积或房间分区重叠,则对房间分区进行进一步分割,直至所有房间分区的面积小于第一面积阈值且各房间分区不存在重叠。
进一步地,获取的环境地图为二维障碍栅格地图,所述二维障碍栅格地图中包括空闲地图点、障碍点和地图外点三种形式的地图点;所述对环境地图进行预处理具体包括将环境地图转换为图像格式并用像素颜色区分障碍信息。
进一步地,所述去除环境地图中的孤立障碍物的方法包括:对预处理后的环境地图进行区域检测,将面积小于第二面积阈值的障碍区域颜色设置为非障碍区域颜色。
进一步地,所述去除环境地图中的噪点的方法包括:对环境地图进行开运算。
进一步地,所述对获得的直线和轮廓进行扩展的方法包括:将获得的直线两端延长预设距离,使获得轮廓中,满足门宽度的轮廓间隔形成封闭区域。
进一步地,所述根据预设条件对环境地图中的初始分区进行删除和合并的方法包括:将面积小于第三面积阈值的初始分区删除,并将面积小于第四面积阈值且与完全位于其他初始分区内的初始分区删除,然后遍历所有剩余初始分区,若存在两个相邻的初始分区且相邻边的坐标接近,则检测相邻边处的障碍像素点数量,若障碍像素点数量小于预设值,则将所述两个相邻的初始分区合并为一个初始分区。
进一步地,所述去除不可到达的初始分区的方法包括:基于地图点分布判断初始分区是否无法到达,若初始分区无法到达则删除该初始分区。
进一步地,所述对房间分区进行进一步分割的方法包括:
若某个房间分区与其他房间分区重叠,则按照重叠区域的边沿线的延长线将其中面积较大的房间分区初步分割为不与其他房间分区重叠的多个小的清洁分区,并采用与初始分区相同的方式对清洁分区进行删除及合并;
若某个房间分区的长或宽大于对应的预设边长,则按照长边方向将其分为多个小于第一面积阈值的分区,直至所有分区的长和宽小于对应的预设边长。
进一步地,所述方法还包括:对各房间分区赋予对应的标签,对各清洁分区赋予其与分割前的房间分区相同的标签。
第二方面,提供一种用于清洁机器人的智能分区装置,所述装置包括:
地图处理模块,用于当获取环境地图后,对环境地图进行预处理,并去除环境地图中的孤立障碍物和噪点;
区域分割模块,用于提取环境地图中的直线和轮廓,对获得的直线和轮廓进行扩展使环境地图分割为不同区域,并对环境地图进行区域检测,将获得的每个区域的最小外接矩形作为对应的初始分区;
房间分区模块,用于根据预设条件对环境地图中的初始分区进行删除和合并,并去除不可到达的初始分区,将处理结果作为房间分区结果;
分区优化模块,用于检测环境地图中的各房间分区的面积及重叠情况,若房间分区的面积大于预设面积或房间分区重叠,则对房间分区进行进一步分割,直至所有房间分区的面积小于第一面积阈值且各房间分区不存在重叠。
本申请的有益效果是:本申请所述的用于清洁机器人的智能分区方法及装置,通过对环境地图进行障碍去除、直线轮廓提取、轮廓提取等步骤实现房间分区,并对分区结果进行删除合并以及大小及重叠检测和清洁分区分割,使大的复杂的房间分区可以分割为不同的小的矩形分区,且不妨碍其他非重叠房间分区均可用简单矩形表示,使分区结果更准确合理,可以进一步提升分区结果的准确性,并使分区结果与后续的清扫规划相适应,提升清洁机器人的清洁效果和清洁效率。
附图说明
图1为本申请实施例提供的一种用于清洁机器人的智能分区方法的流程示意图;
图2为本申请实施例提供的一种分区结果示意图;
图3为本申请实施例提供的一种用于清洁机器人的智能分区装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
在本申请的说明书及上述附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如101、102等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。
本申请实施例的技术方案适用于在使用清洁机器人之前对房间进行分区的应用场景中。
在使用清洁机器人之前,需要构建待清洁区域的环境地图并对环境地图进行分区,由于目前的分区方式基本是采用固定大小进行分区规划或者按照房间范围进行分区规划,容易发生多个房间不在一个分区,或者多个分区重复,或者分区不能涵盖所有待清洁区域的问题,容易造成重复清洁某些区域或者遗漏清洁某些区域,使得清洁效率较差。
为了实现对待清洁区域进行准确分区,提出本申请的技术方案,在本申请实施例中,通过对环境地图进行预处理,并去除环境地图中的孤立障碍物和噪点,然后对处理后的环境地图进行直线检测和轮廓检测获得初始分区,再然后对初始分区进行删除和合并,并去除不可到达的初始分区获得房间分区,最后根据面积及重叠情况对房间分区进一步分割。根据面积及重叠情况对房间分区进一步分割,不仅考虑了房间分区本身的特征且考虑了其重叠区域的特征,使大的复杂的房间分区可以分割为不同的小的矩形分区,且不妨碍其他非重叠房间分区均可用简单矩形表示,使分区结果更准确合理,不可达分区和分区的合并删除等步骤也提高了分区的准确性。避免了多个房间不在一个分区、多个分区重复以及分区不能涵盖所有待清洁区域等问题,进而避免了重复清洁某些区域或者遗漏清洁某些区域,提高了清洁效率。
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。
图1为本申请实施例提供的一种用于清洁机器人的智能分区方法的流程示意图,该方法包括以下步骤:
步骤101、当获取环境地图后,对环境地图进行预处理,并去除环境地图中的孤立障碍物和噪点;
在本申请实施例中,环境地图为激光雷达或其他传感器构建的二维障碍栅格地图,或多种传感器信息融合得到的地图,并包括空闲地图点、障碍点和地图外点三种形式的地图点。所述预处理地图为将环境地图转变为图像格式并用像素颜色区分障碍信息的地图,将预处理地图转变为图像格式的方法为将地图点转变为坐标对应的像素点,并对图像边缘进行像素扩展以便后续处理。在本实施例中,预处理地图包括地图空闲点为白色障碍为黑色,地图空闲点为黑色障碍为白色,以及地图空闲点为灰色障碍为白色地图外点为黑色三种预处理地图。
其中,去除环境地图中的孤立障碍物和噪点基于第一类预处理地图,所述去除地图中噪点的方法为对环境地图进行开运算。可选的,在某些情况下,如最终得到的分区仍存在小于一定面积的分区,则在开运算后增加一步闭运算。
在本申请实施例中,所述去除环境地图中的孤立障碍物的方法为:对环境地图进行区域检测,将面积小于第二面积阈值的障碍区域颜色设置为非障碍区域颜色。本实施例中,第二面积阈值可以为50像素值。其方法还包括,检测障碍物所在区域的长宽,若区域长宽中其一大于图长度的2/3,则认为其非孤立障碍物,而是地图构建中墙壁未完全连接,需要保留。
步骤102、提取环境地图中的直线和轮廓,对获得的直线和轮廓进行扩展使环境地图分割为不同区域,并对环境地图进行区域检测,将获得的每个区域的最小外接矩形作为对应的初始分区;
在实际应用时,直线提取方法可以为lsd、hough等常用直线检测算法,并对检测到的直线进行长度和角度的筛选,本实施例中,若直线长度小于5像素值,或直线与x轴及y轴形成的最小角度大于2度,则认为其不是墙壁直线并删除。
在获得筛选后的直线后,对直线进行合并,合并方法为计算每条直线的方程,将直线方程中斜率和截距接近的直线分为一组,对每一组的所有直线点拟合新的直线方程,再根据直线方程计算新直线的端点,以处理直线检测算法中存在的将一条直线检测为多条不连续直线的情况。
所述轮廓为检测到的所有轮廓中最长的轮廓,轮廓包括墙壁线以及与墙壁直接接触的家具等的轮廓线。
在本申请实施例中,所述对轮廓和直线进行连接扩展的方法为:将检测到的直线两端延长一定预设距离,所述预设距离为可以使所述轮廓中满足门宽度的轮廓间隔形成封闭区域。将延长后的直线与最长的轮廓线叠加在第二类预处理地图上,延长后的直线作为新加入的障碍点,填补了原本无墙壁的房间门的墙壁位置,使地图中原本开放的区域转为封闭区域,封闭区域即为一个候选房间区域。
然后对地图进行区域检测,区域检测方法为基于连通域分析,分隔出地图中的不连通区域。根据区域检测得到的不连通区域范围分别对不同区域的地图像素点赋予不同颜色,统计每个颜色像素的最大及最小坐标,将最大及最小坐标作为最小外接矩形的端点坐标,即初始分区的坐标,所述初始分区为矩形。
步骤103、根据预设条件对环境地图中的初始分区进行删除和合并,并去除不可到达的初始分区,将处理结果作为房间分区结果;
在本申请实施例中,根据预设条件对环境地图中的初始分区进行删除和合并的方法包括:将面积小于第三面积阈值的初始分区删除,并将面积小于第四面积阈值且与完全位于其他初始分区内的初始分区删除,其中,第三面积阈值可以为50像素值,第四面积阈值可以为200像素值,然后遍历所有剩余初始分区,若存在两个相邻的初始分区且相邻边的坐标接近,则检测相邻边处的障碍像素点数量,若障碍像素点数量小于预设值,则将所述两个相邻的初始分区合并为一个初始分区。
其中,判断两个初始分区是否相邻的方法可以为:若两个初始分区的边缘对应的最小坐标差小于20像素,则认为两个初始分区相邻,且这两个边缘为相邻边。判断相邻边的坐标接近的方法可以为:若两个相邻边对应的最接近的分区角点的坐标差值小于10像素,则认为其坐标接近。
检测相邻边的像素点数量的方法可以为:统计相邻边周围3像素宽的区域内障碍点数量和非障碍点数量,若障碍点小于一定阈值,则认为两个分区之间并不存在墙壁或门,应属于同一房间分区。在其他实施例中,也可统计与相邻边平行的像素条中障碍点数量,若障碍点数量与被统计像素条中像素总数量接近,则认为两个分区被墙壁分隔,不应被合并。
进一步的,合并两个初始分区的方法为,将两个初始分区非相邻边的坐标中最大和最小的坐标作为新的分区的一个方向端点坐标,另一个方向的坐标则为相邻边端点坐标的平均值。若合并后新分区的长或宽大于设定长度阈值,则放弃此次合并。
可选的,上述分区合并步骤可以执行多次,以处理一次合并后的分区仍可以和其他分区继续合并的情况,直至所有分区都不再变化,即没有可以继续合并的分区。
本申请实施例中,所述去除不可到达的初始分区的方法可以为:基于地图点分布判断初始分区是否无法到达,若是则删除该初始分区。具体的,若分区范围内地图点和分区范围内全地图点数量的比例小于某个设定值,或与地图外点直接相邻的地图点与分区范围内地图点数量的比例小于某个设定值,则认为此分区被玻璃等透光材质障碍阻挡或是地图错误,此分区无法到达,则删除此分区。
步骤104、检测环境地图中的各房间分区的面积及重叠情况,若房间分区的面积大于预设面积或房间分区重叠,则对房间分区进行进一步分割,直至所有房间分区的面积小于第一面积阈值且各房间分区不存在重叠。
在本申请实施例中,对房间分区进行进一步分割的方法可以为:若某个房间分区与其他房间分区重叠,则按照重叠区域的边沿线的延长线将其中面积较大的房间分区初步分割为不与其他房间分区重叠的多个小的清洁分区,并采用与初始分区相同的方式对清洁分区进行删除及合并;若某个房间分区的长或宽大于对应的预设边长,则按照长边方向将其分为多个小于第一面积阈值的分区,直至所有分区的长和宽小于对应的预设边长。
具体地,检测所有房间分区的大小及是否重叠,若存在面积过大或分区重叠,则进一步将其分割成不同的小的清洁分区。所述分割方法为:若某个房间分区与其他房间分区重叠,则将其中面积较大房间分区分割成不同的清洁分区,使清洁分区不与其他房间分区重叠。分割方法为:按照重叠小区域的边沿线的延长线对大分区进行初步分割,分割为不与其他房间分区重叠的多个小的清洁分区,并重复上一步骤对清洁分区进行删除及合并,并去除不可达到的小分区。
具体的,将已有的分区边沿线叠加至第三类预处理地图上,采用步骤102中同样的方法进行轮廓检测,由于已有分区线和延长线围成的区域一定是矩形,则可将所得轮廓认为是新的小分区的边沿,之后对每个小分区进行筛选,若其不在之前已有的分区内,则认为是分割错误的分区,直接删除。
所述重复上一步骤对清洁分区进行删除及合并,在合并过程中,不同于步骤103,步骤104中增加对分区合并后最小长度的判断,具体方法为,对合并后生成的分区长度进行检测,若其长度过短,如小于10个像素,则认为此次合并不合适,放弃此次合并。通过这种方法,可以控制小分区按照合并后的分区更易清扫的方向合并。
对重叠分割后的区域进行长度检测,若某个分区长或宽大于预设长度,则按照长边方向将其分为多个小于预设面积的小分区,若所述房间分区总长度不大于2.5倍设定值,则将所述房间分区从长边方向平分为两个区域,否则,则分为总长度除以设定值的数量的清洁分区。
若分割后的清洁分区长或宽仍大于设定值,则继续重复上述分割过程,直至所有分区满足预设长度要求。如图2所示,图2的左侧图中分区1和分区2与分区3重叠,按照面积或长度的分割方法则容易造成分区不规则、错误分区未处理等问题,如图2的右侧图所示,按照一定长度分割后得到的小分区有些是正方形,而有些并不规则,不利于清洁机器人清洁工作,还存在错误分区的情况,如左下角小分区并不在地图内,而按照考虑重叠区域延长线的方法分割得到的分区则更加规整,如图2的中间图所示,有助于机器人清洁规划。针对错误分区,如左下角分区,将在分割后的重复上一步骤对清洁分区进行删除及合并步骤中,通过对不可到达分区的处理而去除。
在本申请实施例中,所述方法还包括:对各房间分区赋予对应的标签,对各清洁分区赋予其与分割前的房间分区相同的标签。对不同的房间分区赋予不同的标签,对房间分区分割成的清洁分区赋予其和分割前的房间分区同样的标签。在后续清扫时,会优先清扫与上一个分区相同标签的区域。
综上所述,本申请实施例提供的用于清洁机器人的智能分区方法,通过对环境地图进行障碍去除、直线轮廓提取、轮廓提取等步骤实现房间分区,并对分区结果进行删除合并、以及大小及重叠检测和清洁分区分割,可以进一步提升分区结果的准确性,并使分区结果与后续的清扫规划相适应,提升清洁机器人的清洁效果和清洁效率。
基于上述技术方案,本实施例还提出一种用于清洁机器人的智能分区装置,请参阅图3,所述装置包括:
地图处理模块,用于当获取环境地图后,对环境地图进行预处理,并去除环境地图中的孤立障碍物和噪点;
区域分割模块,用于提取环境地图中的直线和轮廓,对获得的直线和轮廓进行扩展使环境地图分割为不同区域,并对环境地图进行区域检测,将获得的每个区域的最小外接矩形作为对应的初始分区;
房间分区模块,用于根据预设条件对环境地图中的初始分区进行删除和合并,并去除不可到达的初始分区,将处理结果作为房间分区结果;
分区优化模块,用于检测环境地图中的各房间分区的面积及重叠情况,若房间分区的面积大于预设面积或房间分区重叠,则对房间分区进行进一步分割,直至所有房间分区的面积小于第一面积阈值且各房间分区不存在重叠。
可以理解,由于本申请实施例所述的用于清洁机器人的智能分区装置是用于实现实施例所述用于清洁机器人的智能分区方法的装置,对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的较为简单,相关之处参见方法的部分说明即可,此处不再赘述。
Claims (10)
1.一种用于清洁机器人的智能分区方法,其特征在于,所述方法包括:
当获取环境地图后,对环境地图进行预处理,并去除环境地图中的孤立障碍物和噪点;
提取环境地图中的直线和轮廓,对获得的直线和轮廓进行扩展使环境地图分割为不同区域,并对环境地图进行区域检测,将获得的每个区域的最小外接矩形作为对应的初始分区;
根据预设条件对环境地图中的初始分区进行删除和合并,并去除不可到达的初始分区,将处理结果作为房间分区结果;
检测环境地图中的各房间分区的面积及重叠情况,若房间分区的面积大于预设面积或房间分区重叠,则对房间分区进行进一步分割,直至所有房间分区的面积小于第一面积阈值且各房间分区不存在重叠。
2.根据权利要求1所述的用于清洁机器人的智能分区方法,其特征在于,获取的环境地图为二维障碍栅格地图,所述二维障碍栅格地图中包括空闲地图点、障碍点和地图外点三种形式的地图点;所述对环境地图进行预处理具体包括将环境地图转换为图像格式并用像素颜色区分障碍信息。
3.根据权利要求1所述的用于清洁机器人的智能分区方法,其特征在于,所述去除环境地图中的孤立障碍物的方法包括:对预处理后的环境地图进行区域检测,将面积小于第二面积阈值的障碍区域颜色设置为非障碍区域颜色。
4.根据权利要求1所述的用于清洁机器人的智能分区方法,其特征在于,所述去除环境地图中的噪点的方法包括:对环境地图进行开运算。
5.根据权利要求1所述的用于清洁机器人的智能分区方法,其特征在于,所述对获得的直线和轮廓进行扩展的方法包括:将获得的直线两端延长预设距离,使获得轮廓中,满足门宽度的轮廓间隔形成封闭区域。
6.根据权利要求1所述的用于清洁机器人的智能分区方法,其特征在于,所述根据预设条件对环境地图中的初始分区进行删除和合并的方法包括:将面积小于第三面积阈值的初始分区删除,并将面积小于第四面积阈值且与完全位于其他初始分区内的初始分区删除,然后遍历所有剩余初始分区,若存在两个相邻的初始分区且相邻边的坐标接近,则检测相邻边处的障碍像素点数量,若障碍像素点数量小于预设值,则将所述两个相邻的初始分区合并为一个初始分区。
7.根据权利要求1所述的用于清洁机器人的智能分区方法,其特征在于,所述去除不可到达的初始分区的方法包括:基于地图点分布判断初始分区是否无法到达,若初始分区无法到达则删除该初始分区。
8.根据权利要求1所述的用于清洁机器人的智能分区方法,其特征在于,所述对房间分区进行进一步分割的方法包括:
若某个房间分区与其他房间分区重叠,则按照重叠区域的边沿线的延长线将其中面积较大的房间分区初步分割为不与其他房间分区重叠的多个小的清洁分区,并采用与初始分区相同的方式对清洁分区进行删除及合并;
若某个房间分区的长或宽大于对应的预设边长,则按照长边方向将其分为多个小于第一面积阈值的分区,直至所有分区的长和宽小于对应的预设边长。
9.根据权利要求8所述的用于清洁机器人的智能分区方法,其特征在于,所述方法还包括:对各房间分区赋予对应的标签,对各清洁分区赋予其与分割前的房间分区相同的标签。
10.一种用于清洁机器人的智能分区装置,其特征在于,所述装置包括:
地图处理模块,用于当获取环境地图后,对环境地图进行预处理,并去除环境地图中的孤立障碍物和噪点;
区域分割模块,用于提取环境地图中的直线和轮廓,对获得的直线和轮廓进行扩展使环境地图分割为不同区域,并对环境地图进行区域检测,将获得的每个区域的最小外接矩形作为对应的初始分区;
房间分区模块,用于根据预设条件对环境地图中的初始分区进行删除和合并,并去除不可到达的初始分区,将处理结果作为房间分区结果;
分区优化模块,用于检测环境地图中的各房间分区的面积及重叠情况,若房间分区的面积大于预设面积或房间分区重叠,则对房间分区进行进一步分割,直至所有房间分区的面积小于第一面积阈值且各房间分区不存在重叠。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311412788.2A CN117474934A (zh) | 2023-10-27 | 2023-10-27 | 一种用于清洁机器人的智能分区方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311412788.2A CN117474934A (zh) | 2023-10-27 | 2023-10-27 | 一种用于清洁机器人的智能分区方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117474934A true CN117474934A (zh) | 2024-01-30 |
Family
ID=89628577
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311412788.2A Pending CN117474934A (zh) | 2023-10-27 | 2023-10-27 | 一种用于清洁机器人的智能分区方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117474934A (zh) |
-
2023
- 2023-10-27 CN CN202311412788.2A patent/CN117474934A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107045629B (zh) | 一种多车道线检测方法 | |
CN107767382B (zh) | 静态三维地图建筑物轮廓线的自动提取方法及*** | |
KR100791384B1 (ko) | 특징점을 이용한 영역 구분 방법 및 장치와 이를 이용한이동 청소 로봇 | |
CN108519605B (zh) | 基于激光雷达和摄像机的路沿检测方法 | |
CN108335302B (zh) | 一种区域分割方法及装置 | |
CN105931295B (zh) | 一种地质图专题信息提取方法 | |
Sinha et al. | Automated detection of cracks in buried concrete pipe images | |
KR100791386B1 (ko) | 이동 로봇의 영역 분리 방법 및 장치 | |
CN110210475B (zh) | 一种非二值化和边缘检测的车牌字符图像分割方法 | |
CN109583365B (zh) | 基于成像模型约束非均匀b样条曲线拟合车道线检测方法 | |
CN110874101B (zh) | 一种机器人清扫路径的生成方法及装置 | |
CN102592128B (zh) | 一种动态图像检测处理方法、装置及显示终端 | |
CN112417538A (zh) | 基于cad图纸的窗户识别方法和装置以及窗户三维重建方法 | |
CN109001757A (zh) | 一种基于2d激光雷达的车位智能检测方法 | |
CN110210451A (zh) | 一种斑马线检测方法 | |
CN113985866B (zh) | 扫地机器人路径规划方法、装置、电子设备、存储介质 | |
CN111595356B (zh) | 一种激光导航机器人的工作区域构建方法 | |
CN104915642B (zh) | 前方车辆测距方法及装置 | |
CN111399507A (zh) | 确定栅格地图中边界线的方法、划分栅格地图的方法 | |
CN104463138A (zh) | 基于视觉结构属性的文本定位方法及*** | |
Hou et al. | Area graph: Generation of topological maps using the voronoi diagram | |
CN113925390B (zh) | 一种基于地图图像的跨区域通道识别方法、机器人及芯片 | |
CN108629782B (zh) | 基于地面线索传播的道路目标深度估计方法 | |
CN104951788A (zh) | 一种书法作品中单字笔画的提取方法 | |
CN109615679B (zh) | 一种户型构件的识别方法 |
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 |