CN110825079A - 一种地图构建方法及装置 - Google Patents

一种地图构建方法及装置 Download PDF

Info

Publication number
CN110825079A
CN110825079A CN201910979171.6A CN201910979171A CN110825079A CN 110825079 A CN110825079 A CN 110825079A CN 201910979171 A CN201910979171 A CN 201910979171A CN 110825079 A CN110825079 A CN 110825079A
Authority
CN
China
Prior art keywords
map
sweeping robot
image information
image
piece
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
CN201910979171.6A
Other languages
English (en)
Inventor
谭泽汉
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.)
Gree Electric Appliances Inc of Zhuhai
Zhuhai Lianyun Technology Co Ltd
Original Assignee
Gree Electric Appliances Inc of Zhuhai
Zhuhai Lianyun 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 Gree Electric Appliances Inc of Zhuhai, Zhuhai Lianyun Technology Co Ltd filed Critical Gree Electric Appliances Inc of Zhuhai
Priority to CN201910979171.6A priority Critical patent/CN110825079A/zh
Publication of CN110825079A publication Critical patent/CN110825079A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Electromagnetism (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Image Analysis (AREA)

Abstract

本申请提供了一种地图构建方法及装置，在该方法中，扫地机器人接收图像拍摄装置发送的至少一张图像信息；所述扫地机器人根据所述至少一张图像信息构建地图；所述扫地机器人根据所述地图执行扫地流程。通过这种方法可以实现了一次性构建地图，提高了效率，节约了资源。

Description

一种地图构建方法及装置
技术领域
本申请涉及扫地机器人领域，尤其涉及是一种地图构建方法及装置。
背景技术
目前，随着物联网技术的兴起，扫地机器人越来越常见。然而，扫地机器人在进行扫地作业前需要构建室内地图。现有技术中，通常是依靠激光雷达以及摄像头的定位功能，根据扫地机器人遍历的室内区域，依次对室内地图的局部进行构建，构建室内地图的效率低下，无法一次性完成全局地图构建。
发明内容
本申请提供一种地图构建方法，应用于扫地机器人，通过该方法可以一次性实现全局地图构建，提高了机器人作业效率，节约了资源。
第一方面，本申请实施例提供了一种地图构建方法，所述方法包括：
扫地机器人接收图像拍摄装置发送的至少一张图像信息；
所述扫地机器人根据所述至少一张图像信息构建地图；
所述扫地机器人根据所述地图执行扫地流程。
可选的，所述扫地机器人根据所述至少一张图像信息构建地图，包括：
对所述至少一张图像信息进行物体识别，确定所述至少一张图像信息中包含的一个或多个物体；
确定所述一个或多个物体中每个物体在图像坐标系中的第一坐标；
将所述第一坐标经过坐标转换为在空间坐标系下的第二坐标；
根据所述第二坐标构建所述地图。
可选的，所述扫地机器人根据所述至少一张图像信息构建地图之前，还包括：
确定所述至少一张图像信息中的阴影部分；
对所述阴影部分进行图像复原。
可选的，在所述扫地机器人根据所述第一地图执行扫地流程，包括：
根据所述地图中每个物体的坐标，确定所述每个物体到所述扫地机器人之间的距离；
根据所述距离确定所述扫地机器人的作业路径；
根据所述作业路径执行扫地流程。
可选的，所述图像拍摄装置为双目相机，且所述图像拍摄装置中设置有通信模块。
第二方面，本申请实施例还提供了一种地图构建装置，包括：
接收模块，用于接收图像拍摄装置发送的至少一张图像信息；
处理模块，用于根据所述至少一张图像信息构建地图；
作业模块，用于根据所述地图执行扫地流程。
可选的，所述处理模块用于根据所述至少一张图像信息构建地图，具体用于：
对所述至少一张图像信息进行物体识别，确定所述至少一张图像信息中包含的一个或多个物体；
确定所述一个或多个物体中每个物体在图像坐标系中的第一坐标；
将所述第一坐标经过坐标转换为在空间坐标系下的第二坐标；
根据所述第二坐标构建所述地图。
可选的，在所述处理模块用于根据所述至少一张图像信息构建地图值之前，具体用于：
确定所述至少一张图像信息中的阴影部分；
对所述阴影部分进行图像复原。
可选的，所述作业模块用于根据所述地图执行扫地流程，具体用于：
根据所述地图中每个物体的坐标，确定所述每个物体到所述扫地机器人之间的距离；
根据所述距离确定所述扫地机器人的作业路径；
根据所述作业路径执行扫地流程。
第三方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被计算机执行时，使所述计算机执行如上述第一方面提供的一个或多个步骤。
第四方面，本申请实施例提供一种程序产品，所述程序产品包括程序指令，所述程序指令当被计算机执行时，使所述计算机执行如上述第一方面提供的一个或多个步骤。
在本申请实施例的技术方案中，提供了一种地图构建方法，在该方法中，扫地机器人接收图像拍摄装置发送的至少一张图像信息；所述扫地机器人根据所述至少一张图像信息构建地图；所述扫地机器人根据所述地图执行扫地流程。这种方法可以实现了一次性构建地图，提高了机器人作业效率，节约了资源。
附图说明
图1为本申请实施例提供的一种地图构建方法流程示意图；
图2为本申请实施例提供的双目相机测距原理图；
图3为本申请实施例提供的一种地图构建装置的结构示意图；
图4为本申请实施例提供的一种设置有地图构建功能的电子设备结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”和“第二”是用于区别不同对象，而非用于描述特定顺序。此外，术语“包括”以及它们任何变形，意图在于覆盖不排他的保护。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请实施例中，“至少一个”可以表示一个或者至少两个，例如可以是一个、两个、三个或者更多个，本申请实施例不做限制。
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，在不做特别说明的情况下，一般表示前后关联对象是一种“或”的关系。
在本申请实施例的提供的一种地图构建方法中，扫地机器人接收图像拍摄装置发送的至少一张图像信息；所述扫地机器人根据所述至少一张图像信息构建地图；所述扫地机器人根据所述地图执行扫地流程。这种方法可以实现一次性构建全局地图，提高了效率，节约了资源。
为了更好的理解上述技术方案，下面通过说明书附图以及具体实施例对本申请技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。
附图中各部件的形状和大小不反映真实比例，目的只是示意说明本申请内容。
下面介绍本申请实施例提供的一种地图构建方法。请参考图1所示，为本申请实施例提供的一种地图构建方法的流程示意图，该方法可以应用于扫地机器人。该方法流程包括：
S101：扫地机器人接收图像拍摄装置发送的至少一张图像信息；
可选的，所述图像拍摄装置为双目相机，且所述图像拍摄装置中设置有通信模块。所述图像拍摄装置也可以是全景相机，本申请实施例不做具体的限定。
示例性的，假设所述图像拍摄装置为双目相机，双目相机中设置有通信模块，通信模块用于和扫地机器人进行通信，其中，通信的方式可以通过wifi(Wireless Fidelity)、蓝牙、无线技术(zigbee)等协议，本申请实施例不做具体的限定。将双目相机固定在拍摄场景中视野较开阔的位置，双目相机的左、右两个摄像头进行360度旋转，获取多张拍摄场景的图像信息，根据左右图像的视差计算空间中一个或多个物体的深度信息，所述深度信息为空间中物体到双目相机的距离。
参见图2所示，图2为本申请实施例提供的双目相机测距原理图，P是待测物体上的一点，OR和OT分别是两个相机的光心，点P在两个相机感光器上的成像点分别为p和p',f为相机焦距，B为两个相机的中心距，Z是待求的深度信息，设p到p'的距离为d，XR和XT分别代表物体在左右两个镜头中所成像的横坐标，(XR-XT)即是两个镜头的视差。则：
d＝B-(XR-XT)
根据相似三角形原理：
Figure BDA0002234623150000051
可得：
Figure BDA0002234623150000052
式中，焦距f和摄像头中心距B可通过标定得到，因此，只要获得了视差d的值即可求得深度信息。求得深度信息后，进一步得到深度图像，双目相机将深度图像发送给扫地机器人。
双目测距实际操作包括以下4个步骤：
1)相机标定：摄像头由于光学透镜的特性使得成像存在着径向畸变；由于装配方面的误差，传感器与光学镜头之间并非完全平行，因此成像存在切向畸变。单个摄像头的定标主要是计算出摄像头的内参以及外参(标定物的世界坐标)。而双目摄像头定标不仅要得出每个摄像头的内部参数，还需要通过标定来测量两个摄像头之间的相对位置(即右摄像头相对于左摄像头的旋转矩阵R、平移向量t)。
2)双目校正：双目校正是根据摄像头定标后获得的单目内参数据(焦距、成像原点、畸变系数)和双目相对位置关系(旋转矩阵和平移向量)，分别对左右视图进行消除畸变和行对准，使得左右视图的成像原点坐标一致、两摄像头光轴平行、左右成像平面共面、对极线行对齐。这样一幅图像上任意一点与其在另一幅图像上的对应点就必然具有相同的行号，只需在该行进行一维搜索即可匹配到对应点。
3)双目匹配：双目匹配的作用是把同一场景在左右视图上对应的像点匹配起来，这样做的目的是为了得到视差图。双目匹配被普遍认为是立体视觉中最困难也是最关键的问题。
4)计算深度信息：双目匹配得到视差数据，通过上述原理中的公式就可以很容易的计算出深度信息。
可选的，双目相机获取到左右摄像头拍摄的平多张面图像信息，根据左右视图计算深度信息之后，为双目相机内置一个处理器模块，由双目相机来进行地图的构建，将构建好的地图通过双目相机的通信模块，发送给扫地机器人，扫地机器人根据构建好的地图规划作业路径，扫地机器人进一步根据作业路径进行作业。
S102：所述扫地机器人根据所述至少一张图像信息构建地图；
可选的，所述扫地机器人根据所述至少一张图像信息构建地图，具体包括：
对所述至少一张图像信息进行物体识别，确定所述至少一张图像信息中包含的一个或多个物体；确定所述一个或多个物体中每个物体在图像坐标系中的第一坐标；将所述第一坐标经过坐标转换为在空间坐标系下的第二坐标；根据所述第二坐标构建所述地图。
可选的，在扫地机器人或双目相机对所述至少一张图像信息进行物体识别之前，收集海量室内场景图，对海量室内场景图进行训练，构建一个神经网络模型，使得双目相机拍摄的到的图像信息经该模型进行特征匹配，识别出一个或多个物体。
可选的，所述扫地机器人根据所述至少一张图像信息构建地图之前，还包括：确定所述至少一张图像信息中的阴影部分；对所述阴影部分进行图像复原。
应理解，所述阴影部分为双目相机在进行拍摄的过程中，由于视角及光线的影响，造成的墙面或地面或室内物体被遮挡，以至于双目相机拍摄得到的图像中存在一些缺失部分，即前文所述的阴影部分，可采用深度学习中的图像复原技术对所述阴影部分进行修复，本申请实施例不作具体的限定。
示例1，扫地机器人收集海量室内场景图，对海量室内场景图进行训练，构建一个神经网络模型，使得双目相机拍摄的到的图像信息经该模型进行特征提取和匹配，可以识别出一个或多个室内物体，进一步确定所述一个或多个室内物体在图像坐标系中第一坐标，其中，图像坐标系也称作像素坐标系，第一坐标可以是二维坐标；将所述第一坐标经过坐标转换为在空间坐标系下的第二坐标；根据所述第二坐标构建所述地图，其中，扫地机器人通过对极几何原理估计相机的旋转量(旋转矩阵)和平移量(即平移向量)，计算所述多个室内物体中每个物体的三维坐标，即定位每个特征点的位置；对于内置定位模块的扫地机器人，扫地机器人通过定位模块获取扫地机器人在空间坐标系中的位置，对于没有定位模块的扫地机器人，扫地机器人通过双目相机拍摄的图像信息进行特征提取与匹配，利用深度学习算法对受视角和光线影响的图像缺失部分进行图像复原，确定扫地机器人的二维坐标，根据双目相机的初始位置和二维坐标进一步确定扫地机器人的三维坐标。确定了室内物体和扫地机器人的三维坐标后，构建三维视图，再将三维视图投影到摄像机的俯视平面上，形成一个二维地图。
示例2，双目相机内置处理器模块，双目相机对事先收集的上千张室内场景图进行目标检测与特征提取，训练出一个卷积神经网络模型。双目相机的左右摄像头360度旋转拍摄室内场景，得到多张图像信息；对同一时刻左右视图的图像信息进行计算得到深度信息。将深度信息和双目摄像头拍摄得到的图像信息都作为特征输入卷积神经网络模型，对特征点进行提取和匹配，识别出一个或多个室内物体和扫地机器人在图像坐标系中的二维坐标，双目相机通过对极几何原理估计相机的旋转量(旋转矩阵)和平移量(即平移向量)，计算所述多个室内物体中每个物体和扫地机器人的三维坐标，即定位每个特征点的位置；确定了室内物体和扫地机器人的三维坐标后，构建三维视图，再将三维视图投影到摄像机的俯视平面上，形成一个二维地图。利用深度学习算法对受视角和光线影响的图像缺失部分进行图像复原，将修复的部分标注在二维地图上。图像复原过程是基于深度学习的内容生成网络模型对图像缺失的部分进行补全。
应理解，本申请实施例中，实现二维坐标到三维坐标转换过程中涉及到图像坐标系、空间坐标系、相机坐标系等。其中，空间坐标系也叫作世界坐标系即客观三维世界的绝对坐标系，也称客观坐标系，本申请中称为空间坐标系。因为双目相机安放在三维空间中，我们需要空间坐标系这个基准坐标系来描述双目相机的位置，并且用它来描述安放在此三维环境中的其它任何物体的位置，用(X，Y，Z)表示其坐标值。相机坐标系(光心坐标系)是以相机的光心为坐标原点，X轴和Y轴分别平行于图像坐标系的X轴和Y轴，相机的光轴为Z轴，用(Xc，Yc，Zc)表示其坐标值。图像坐标系：以二维图像平面的中心为坐标原点，X轴和Y轴分别平行于图像平面的两条垂直边，用(x，y)表示其坐标值。图像坐标系是用物理单位(例如毫米)表示像素在图像中的位置。
S103：所述扫地机器人根据所述地图执行扫地流程。
可选的，在所述扫地机器人根据所述第一地图执行扫地流程，包括：根据所述地图中每个物体的坐标，确定所述每个物体到所述扫地机器人之间的距离；根据所述距离确定所述扫地机器人的作业路径；根据所述作业路径执行扫地流程。
可选的，所述扫地机器人根据所述三维坐标构建所述拍摄场景对应的第一地图之后，还包括：所述扫地机器人在进行扫地作业时，检测到所述一个或多个物体的三维坐标发生变化时，重新构建地图；所述扫地机器人根据所述地图重新规划作业路径。
示例性的，扫地机器人根据所述地图中每个物体的坐标，确定所述每个物体到所述扫地机器人之间的距离；根据所述距离确定所述扫地机器人的作业路径；根据所述作业路径执行扫地流程。扫地机器人的在进行作业的过程中，检测到室内物体的位置发生改变，发送指令给双目相机，双目相机将同一时刻采集到的图像信息发送给扫地机器人，扫地机器人重新确定室内物体的三维坐标，并重新构建地图，扫地机器人根据新地图确定室内物体与扫地机器人的方位和距离，规划作业路径。
以下通过举例介绍本申请的完整的方案。
在一个可能的实施方式中，将双目相机固定在室内视野开阔的位置，双目相机360度旋转，对室内场景进行多次拍摄，将拍摄到的图像信息通过蓝牙发送给扫地机器人；扫地机器人收集20000张室内场景图，对20000张室内场景图进行训练，构建一个神经网络模型，使得双目相机拍摄的到的图像信息经该模型进行特征提取和匹配，可以识别出一个或多个室内物体，进一步确定所述一个或多个室内物体在图像坐标系中第一坐标，第一坐标可以是二维坐标；将所述第一坐标经过坐标转换为在空间坐标系下的第二坐标，第二坐标可以是三维坐标；其中，扫地机器人通过对极几何原理估计相机的旋转量(旋转矩阵)和平移量(即平移向量)，根据双目相机的初始位置去计算所述多个室内物体中每个物体的三维坐标，即定位每个特征点的位置；
扫地机器人根据所述三维坐标构建所述地图之前，还需要确定扫地机器人的空间位置，然而，确定扫地机人的位置有以下两种方式：
对于内置定位模块的扫地机器人，扫地机器人通过定位模块获取扫地机器人在空间坐标系中的位置，其中定位模块可以是GPS，本申请实施例不作具体的限定；对于没有定位模块的扫地机器人，扫地机器人通过双目相机拍摄的图像信息进行特征提取与匹配，确定扫地机器人在图像坐标系的二维坐标，根据双目相机的初始位置和二维坐标进一步确定扫地机器人的三维坐标，即扫地机器人在空间坐标系的位置。
扫地机器人通过对双目相机拍摄的图像信息进行检测，确定出其中的阴影部分，阴影部分即图像信息中由于视角和光线缺失的部分。扫地机器人基于CNN的内容生成网络算法对受视角和光线影响的图像缺失部分进行图像复原，根据复原的部分重新修正室内多个物体和扫地机器人的三维坐标。扫地机器人根据修正后的室内物体和扫地机器人的三维坐标构建地图，得到一个三维视图，再将三维视图投影到摄像机的俯视平面上，形成一个二维地图。得到二维地图之后，扫地机器人根据所述地图中每个物体的坐标，确定所述每个物体到所述扫地机器人之间的距离；根据所述距离确定所述扫地机器人的作业路径；根据所述作业路径执行扫地流程。
扫地机器人的在进行作业的过程中，检测到室内物体的位置发生改变，发送指令给双目相机，双目相机将同一时刻采集到的图像信息发送给扫地机器人，扫地机器人重新确定室内物体的三维坐标，并重新构建地图，扫地机器人根据新地图确定室内物体与扫地机器人的方位和距离，规划作业路径，扫地机器人根据新的作业路径进行作业。
在另一个可能的实施方式中，地图的构建由双目相机来完成，双目相机内置处理器模块，双目相机对事先收集的上千张室内场景图进行目标检测与特征提取，训练出一个卷积神经网络模型。
将双目相机固定在室内视野开阔的位置，双目相机的左右摄像头360度旋转拍摄室内场景，得到多张图像信息；对同一时刻左右视图的图像信息进行计算得到深度信息。将深度信息和双目摄像头拍摄得到的图像信息都作为特征输入卷积神经网络模型，对特征点进行提取和匹配，识别出一个或多个室内物体和扫地机器人在图像坐标系中的二维坐标，双目相机通过对极几何原理估计相机的旋转量(旋转矩阵)和平移量(即平移向量)，计算所述多个室内物体中每个物体和扫地机器人的三维坐标，即定位每个特征点的位置；确定了室内物体和扫地机器人的三维坐标后，构建三维视图，得到三维视图之后，双目相机基于CNN的内容生成网络算法对受视角和光线影响的图像缺失部分进行图像复原，将修复的部分标注在三维视图中，再将三维视图投影到摄像机的俯视平面上，形成一个二维地图。
基于同一发明构思下，本发明实施例提供了一种地图构建装置。请参考图3所示，为本发明实施例提供的一种地图构建装置的结构示意图，该装置包括接收模块301、处理模块302、作业模块303，其中，
接收模块301，用于接收图像拍摄装置发送的至少一张图像信息；
处理模块302，用于根据所述至少一张图像信息构建地图；
作业模块303，用于根据所述地图执行扫地流程。
可选的，所述处理模块302用于根据所述至少一张图像信息构建地图，具体用于：对所述至少一张图像信息进行物体识别，确定所述至少一张图像信息中包含的一个或多个物体；确定所述一个或多个物体中每个物体在图像坐标系中的第一坐标；将所述第一坐标经过坐标转换为在空间坐标系下的第二坐标；根据所述第二坐标构建所述地图。
可选的，在所述处理模块302用于根据所述至少一张图像信息构建地图值之前，具体用于：确定所述至少一张图像信息中的阴影部分；对所述阴影部分进行图像复原。
可选的，所述作业模块303用于根据所述地图执行扫地流程，具体用于：根据所述地图中每个物体的坐标，确定所述每个物体到所述扫地机器人之间的距离；根据所述距离确定所述扫地机器人的作业路径；根据所述作业路径执行扫地流程。
基于同一发明构思，本申请实施例提供一种设置有地图构建功能的电子设备，请参见图4所述，该设置有地图构建功能的电子设备包括至少一个处理器402，以及与至少一个处理器连接的存储器401，本申请实施例中不限定处理器402与存储器401之间的具体连接介质，图4是以处理器402和存储器401之间通过总线400连接为例，总线400在图4中以粗线表示，其它部件之间的连接方式，仅是进行示意性说明，并不以此为限。总线400可以分为地址总线、数据总线、控制总线等，为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
在本申请实施例中，存储器401存储有可被至少一个处理器402执行的指令，至少一个处理器402通过调用存储器401存储的指令，可以执行前述的地图构建的方法中所包括的步骤。
其中，处理器402是设置有地图构建功能的电子设备的控制中心，可以利用各种接口和线路连接整个设置有地图构建功能的电子设备的各个部分，通过执行存储在存储器401内的指令，从而实现设置有地图构建功能的电子设备的各种功能。可选的，处理器402可包括一个或多个处理单元，处理器402可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器402中。在一些实施例中，处理器402和存储器401可以在同一芯片上实现，在一些实施例中，它们也可以在独立的芯片上分别实现。
存储器401作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器401可以包括至少一种类型的存储介质，例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(Random AccessMemory，RAM)、静态随机访问存储器(Static Random Access Memory，SRAM)、可编程只读存储器(Programmable Read Only Memory，PROM)、只读存储器(Read Only Memory，ROM)、带电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)、磁性存储器、磁盘、光盘等等。存储器401是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。本申请实施例中的存储器401还可以是电路或者其它任意能够实现存储功能的装置，用于存储程序指令和/或数据。
处理器402可以是通用处理器，例如中央处理器(CPU)、数字信号处理器、专用集成电路、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件，可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的地图构建的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
通过对处理器402进行设计编程，可以将前述实施例中介绍的地图构建的方法所对应的代码固化到芯片内，从而使芯片在运行时能够执行前述的地图构建的方法的步骤，如何对处理器402进行设计编程为本领域技术人员所公知的技术，这里不再赘述。
基于同一发明构思，本申请实施例还提供一种存储介质，该存储介质存储有计算机指令，当该计算机指令在计算机上运行时，使得计算机执行如前述的地图构建的方法的步骤。
在一些可能的实施方式中，本申请提供的地图构建的方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在扫地机器人上运行时，程序代码用于扫地机器人执行本说明书上述描述的根据本申请各种示例性实施方式的地图构建方法中的步骤。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种地图构建方法，其特征在于，所述方法包括：
扫地机器人接收图像拍摄装置发送的至少一张图像信息；
所述扫地机器人根据所述至少一张图像信息构建地图；
所述扫地机器人根据所述地图执行扫地流程。
2.如权利要求1所述的方法，其特征在于，所述扫地机器人根据所述至少一张图像信息构建地图，包括：
对所述至少一张图像信息进行物体识别，确定所述至少一张图像信息中包含的一个或多个物体；
确定所述一个或多个物体中每个物体在图像坐标系中的第一坐标；
将所述第一坐标经过坐标转换为在空间坐标系下的第二坐标；
根据所述第二坐标构建所述地图。
3.如权利要求1所述的方法，其特征在于，所述扫地机器人根据所述至少一张图像信息构建地图之前，还包括：
确定所述至少一张图像信息中的阴影部分；
对所述阴影部分进行图像复原。
4.如权利要求2所述的方法，其特征在于，在所述扫地机器人根据所述第一地图执行扫地流程，包括：
根据所述地图中每个物体的坐标，确定所述每个物体到所述扫地机器人之间的距离；
根据所述距离确定所述扫地机器人的作业路径；
根据所述作业路径执行扫地流程。
5.如权利要求1所述的方法，其特征在于，所述图像拍摄装置为双目相机，且所述图像拍摄装置中设置有通信模块。
6.一种地图构建装置，其特征在于，包括：
接收模块，用于接收图像拍摄装置发送的至少一张图像信息；
处理模块，用于根据所述至少一张图像信息构建地图；
作业模块，用于根据所述地图执行扫地流程。
7.如权利要求6所述的装置，其特征在于，所述处理模块用于根据所述至少一张图像信息构建地图，具体用于：
对所述至少一张图像信息进行物体识别，确定所述至少一张图像信息中包含的一个或多个物体；
确定所述一个或多个物体中每个物体在图像坐标系中的第一坐标；
将所述第一坐标经过坐标转换为在空间坐标系下的第二坐标；
根据所述第二坐标构建所述地图。
8.如权利要求6所述的装置，其特征在于，在所述处理模块用于根据所述至少一张图像信息构建地图值之前，具体用于：
确定所述至少一张图像信息中的阴影部分；
对所述阴影部分进行图像复原。
9.如权利要求7所述的装置，其特征在于，所述作业模块用于根据所述地图执行扫地流程，具体用于：
根据所述地图中每个物体的坐标，确定所述每个物体到所述扫地机器人之间的距离；
根据所述距离确定所述扫地机器人的作业路径；
根据所述作业路径执行扫地流程。
10.一种设置有地图构建功能的电子设备，其特征在于，包括：
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序指令执行权利要求1-5任一项所述的方法包括的步骤。
CN201910979171.6A 2019-10-15 2019-10-15 一种地图构建方法及装置 Pending CN110825079A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910979171.6A CN110825079A (zh) 2019-10-15 2019-10-15 一种地图构建方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910979171.6A CN110825079A (zh) 2019-10-15 2019-10-15 一种地图构建方法及装置

Publications (1)

Publication Number Publication Date
CN110825079A true CN110825079A (zh) 2020-02-21

Family

ID=69549315

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910979171.6A Pending CN110825079A (zh) 2019-10-15 2019-10-15 一种地图构建方法及装置

Country Status (1)

Country Link
CN (1) CN110825079A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111486839A (zh) * 2020-04-20 2020-08-04 珠海格力电器股份有限公司 室内安全提示方法及终端
WO2022000755A1 (zh) * 2020-06-29 2022-01-06 济南浪潮高新科技投资发展有限公司 机器人及其行动控制方法、装置和计算机可读存储介质
CN114187384A (zh) * 2021-12-17 2022-03-15 深圳Tcl数字技术有限公司 地图构建方法、装置、电子设备及存储介质
CN114913223A (zh) * 2021-02-09 2022-08-16 北京盈迪曼德科技有限公司 一种视觉扫地机正方向识别方法及系统

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102878982A (zh) * 2011-07-11 2013-01-16 北京新岸线移动多媒体技术有限公司 一种获取场景三维信息的方法和系统
CN104217439A (zh) * 2014-09-26 2014-12-17 南京工程学院 一种室内视觉定位系统及方法
CN105716611A (zh) * 2016-01-29 2016-06-29 西安电子科技大学 基于环境信息的室内移动机器人及其定位方法
CN105955279A (zh) * 2016-07-18 2016-09-21 中国矿业大学 一种基于图像视觉的移动机器人路径规划方法及装置
US20180239351A1 (en) * 2017-02-22 2018-08-23 Hon Hai Precision Industry Co., Ltd. Autonomous mobile device
CN108888203A (zh) * 2018-06-04 2018-11-27 于彦霞 一种分离式自动地面清洁机器人的控制方法
CN109220825A (zh) * 2018-09-26 2019-01-18 浙江大学 一种猪用玩具型自动清粪系统
CN109682381A (zh) * 2019-02-22 2019-04-26 山东大学 基于全向视觉的大视场场景感知方法、系统、介质及设备
CN110033416A (zh) * 2019-04-08 2019-07-19 重庆邮电大学 一种结合多粒度的车联网图像复原方法
CN110146099A (zh) * 2019-05-31 2019-08-20 西安工程大学 一种基于深度学习的同步定位与地图构建方法
CN110275540A (zh) * 2019-07-01 2019-09-24 湖南海森格诺信息技术有限公司 用于扫地机器人的语义导航方法及其系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102878982A (zh) * 2011-07-11 2013-01-16 北京新岸线移动多媒体技术有限公司 一种获取场景三维信息的方法和系统
CN104217439A (zh) * 2014-09-26 2014-12-17 南京工程学院 一种室内视觉定位系统及方法
CN105716611A (zh) * 2016-01-29 2016-06-29 西安电子科技大学 基于环境信息的室内移动机器人及其定位方法
CN105955279A (zh) * 2016-07-18 2016-09-21 中国矿业大学 一种基于图像视觉的移动机器人路径规划方法及装置
US20180239351A1 (en) * 2017-02-22 2018-08-23 Hon Hai Precision Industry Co., Ltd. Autonomous mobile device
CN108888203A (zh) * 2018-06-04 2018-11-27 于彦霞 一种分离式自动地面清洁机器人的控制方法
CN109220825A (zh) * 2018-09-26 2019-01-18 浙江大学 一种猪用玩具型自动清粪系统
CN109682381A (zh) * 2019-02-22 2019-04-26 山东大学 基于全向视觉的大视场场景感知方法、系统、介质及设备
CN110033416A (zh) * 2019-04-08 2019-07-19 重庆邮电大学 一种结合多粒度的车联网图像复原方法
CN110146099A (zh) * 2019-05-31 2019-08-20 西安工程大学 一种基于深度学习的同步定位与地图构建方法
CN110275540A (zh) * 2019-07-01 2019-09-24 湖南海森格诺信息技术有限公司 用于扫地机器人的语义导航方法及其系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111486839A (zh) * 2020-04-20 2020-08-04 珠海格力电器股份有限公司 室内安全提示方法及终端
WO2022000755A1 (zh) * 2020-06-29 2022-01-06 济南浪潮高新科技投资发展有限公司 机器人及其行动控制方法、装置和计算机可读存储介质
CN114913223A (zh) * 2021-02-09 2022-08-16 北京盈迪曼德科技有限公司 一种视觉扫地机正方向识别方法及系统
CN114187384A (zh) * 2021-12-17 2022-03-15 深圳Tcl数字技术有限公司 地图构建方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN109084732B (zh) 定位与导航方法、装置及处理设备
JP6967715B2 (ja) カメラ校正方法、カメラ校正プログラム及びカメラ校正装置
Ahmadabadian et al. A comparison of dense matching algorithms for scaled surface reconstruction using stereo camera rigs
CN108955718B (zh) 一种视觉里程计及其定位方法、机器人以及存储介质
CN107862744B (zh) 航空影像三维建模方法及相关产品
US10109104B2 (en) Generation of 3D models of an environment
CN110825079A (zh) 一种地图构建方法及装置
Wendel et al. Natural landmark-based monocular localization for MAVs
CN113592989B (zh) 一种三维场景的重建系统、方法、设备及存储介质
JP5832341B2 (ja) 動画処理装置、動画処理方法および動画処理用のプログラム
CN110176032B (zh) 一种三维重建方法及装置
KR102367361B1 (ko) 위치 측정 및 동시 지도화 방법 및 장치
EP3428875A1 (en) Methods and apparatuses for panoramic image processing
CN111127524A (zh) 一种轨迹跟踪与三维重建方法、系统及装置
CN111882655B (zh) 三维重建的方法、装置、系统、计算机设备和存储介质
CN108122280A (zh) 一种三维点云的重建方法及装置
Nousias et al. Large-scale, metric structure from motion for unordered light fields
CN111080784A (zh) 一种基于地面图像纹理的地面三维重建方法和装置
CN113450334B (zh) 一种水上目标检测方法、电子设备及存储介质
CN114638897A (zh) 基于无重叠视域的多相机系统的初始化方法、系统及装置
CN113034347B (zh) 倾斜摄影图像处理方法、装置、处理设备及存储介质
WO2021193672A1 (ja) 三次元モデル生成方法及び三次元モデル生成装置
CN111383264A (zh) 一种定位方法、装置、终端及计算机存储介质
CN109389645B (zh) 相机自校准方法、系统、相机、机器人及云端服务器
CN114092564B (zh) 无重叠视域多相机系统的外参数标定方法、系统、终端及介质

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200221