CN101101203B - 使用特征点来划分区域的设备、方法、介质和移动机器人 - Google Patents

使用特征点来划分区域的设备、方法、介质和移动机器人 Download PDF

Info

Publication number
CN101101203B
CN101101203B CN2007101282310A CN200710128231A CN101101203B CN 101101203 B CN101101203 B CN 101101203B CN 2007101282310 A CN2007101282310 A CN 2007101282310A CN 200710128231 A CN200710128231 A CN 200710128231A CN 101101203 B CN101101203 B CN 101101203B
Authority
CN
China
Prior art keywords
point
final
feature point
unique point
grid map
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.)
Expired - Fee Related
Application number
CN2007101282310A
Other languages
English (en)
Other versions
CN101101203A (zh
Inventor
李受珍
明铉
李荣范
方锡元
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.)
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics 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 Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Publication of CN101101203A publication Critical patent/CN101101203A/zh
Application granted granted Critical
Publication of CN101101203B publication Critical patent/CN101101203B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/10—Programme-controlled manipulators characterised by positioning means for manipulator elements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

提供一种通过使用特征点划分区域的设备、方法和介质。所述方法包括：通过使用多个网格点形成网格地图，通过检测与障碍物之间的距离获得所述网格点；从网格地图提取特征点；从特征点提取区域划分元素的范围中的候选特征点对；从候选特征点对提取满足区域划分元素的要求的最终特征点对；通过连接最终特征点形成临界线；和根据具有通过连接临界线和网格地图形成的闭合曲线的区域之间的大小关系形成最终区域。

Description

使用特征点来划分区域的设备、方法、介质和移动机器人
本申请要求于2006年7月5日在韩国知识产权局提交的第10-2006-0063155号韩国专利申请的优先权，该申请完全公开于此以资参考。
技术领域
实施例涉及一种通过使用特征点来划分区域的设备、方法和介质以及使用所述设备、方法和介质的移动机器人，更具体地讲，涉及一种通过从特征点提取通路(gateway)的两个端点来划分区域的设备、方法和介质以及使用所述设备、方法和介质的移动机器人。
背景技术
通常，作为工业自动化的一部分，为工业目的开发了机器人以将其用于重复操作。近年来，除了工业机器人，各种机器人(具体地讲，在家庭或办公室中自己移动以代替人来工作的人性化的机器人)被投入实际使用。例如，机器人包括机器人清洁器、安全机器人、向导机器人、服务机器人等。
在诸如机器人清洁器的移动机器人中，必须区分区域以进行打扫。例如，在机器人清洁器中，如果用户发出打扫区域(例如，房间、客厅和厨房)的命令，则机器人清洁器应该能够区分和识别房间、客厅和厨房以进行打扫。为了执行这些操作，机器人应该能够将整个空间正确地显示为网格地图，在机器人中存储的网格地图应该被划分成诸如房间和客厅的区域(拓扑地图)，以允许用户发出打扫区域的命令。
作为划分区域的方法，公知的方法有这样一种方法：将大门识别为划分区域的参考。公开了一种通过识别进口门来划分房间的方法(例如，参看第2005-211359号日本专利)，在这种方法中，机器人清洁器识别安装在房间入口的附近的路标，以在移动的同时通过使用传感器和相机来检测房门，从而执行打扫。在这种方法中存在一些问题。应该为每个入口门安装路标，这有些麻烦。因此，如果入口门很多，则成本高。此外，如果改变打扫的空间，则应该重新安装路标。
图1是顺序地显示通过用Voronoi图检测窄路径来绘制拓扑地图的方法的示图。首先，当在自由空间的所有网格中获得障碍物之间的最短距离时，通过连接最短距离的中心点来绘制Voronoi图(图1的(B))。Voronoi图的每一点具有距障碍物的最短距离的值，在最短距离具有局部最小值的情况下，当沿Voronoi图定义X轴并将每一点到障碍物的距离定义为Y轴时，Voronoi图的点，即，具有局部最小值的Voronoi图的点被确定为临界点(图1的(C))。接着，通过连接距每一临界点最短的点来绘制临界线(图1的(D))。这种临界线是通过Voronoi图提取的窄路径。由临界线划分的每一区域变成拓扑区域(图1的(E))。
在现有技术中，因为应该获得从自由空间的所有网格到障碍物的最短距离，所以需要大量计算。另外，由于实际的地图有太多的不一致，所以产生了不必要的临界点，从而在拓扑地图中产生了不期望的细微区域。
以下描述的示例性实施例克服了现有技术中存在的缺点，并提供通过从特征点检测通路来划分区域以降低计算量的设备、方法和介质。
发明内容
根据本发明的一方面，提供一种通过使用特征点划分区域的方法，所述方法包括：通过使用多个网格点形成网格地图，其中，通过检测与障碍物之间的距离获得所述网格点；从网格地图提取特征点；从特征点提取包括在区域划分元素的范围中的候选特征点对；从候选特征点对提取满足区域划分元素的要求的最终特征点对；通过将最终特征点对彼此连接来形成临界线；和根据具有通过连接临界线和网格地图形成的闭合曲线的区域之间的大小关系形成最终区域。
根据本发明的一方面，提供一种通过使用特征点划分区域的设备。所述设备可包括：网格地图生成单元，通过使用多个网格点形成网格地图，其中，通过检测与障碍物之间的距离获得所述网格点；特征点提取单元，从网格地图提取特征点；候选特征点对提取单元，从特征点提取包括在区域划分元素的范围之内的候选特征点对；最终特征点对提取单元，从候选特征点对提取满足区域划分元素的要求的最终特征点对；临界线形成单元，通过连接最终特征点来形成临界线；和区域形成单元，根据连接临界线和网格地图的闭合曲线形成的区域之间的大小关系形成最终区域。
根据本发明的一方面，提供一种通过使用特征点划分区域的设备的机器人。所述设备可包括：网格地图生成单元、特征点提取单元、候选特征点对提取单元、最终特征点对提取单元、临界线形成单元、区域形成单元、拓扑地图绘制单元和显示单元，当选择在显示装置上可识别地显示的拓扑地图的预定区域时，自动打扫所述区域。
根据本发明的一方面，提供一种具有通过使用特征点划分区域的设备的机器人。所述设备包括：网格地图生成单元，通过使用多个网格点形成网格地图，其中，通过检测与障碍物之间的距离获得所述网格点；特征点提取单元，从网格地图提取特征点；候选特征点对提取单元，从特征点提取包括在区域划分元素的范围之内的特征点对；最终特征点对提取单元，从候选特征点对提取满足区域划分元素的要求的最终特征点对；临界线形成单元，通过连接最终特征点对来形成临界线；区域形成单元，根据连接临界线和网格地图的闭合曲线形成的区域之间的大小关系形成最终区域；拓扑地图形成单元，基于最终区域形成拓扑地图；和显示单元，在显示装置上显示拓扑地图，其中，当选择在显示装置上可识别地显示的拓扑地图的预定区域时，自动打扫所述区域。
根据另一方面，提供了存储实现实施例的方法的计算机可读指令的至少一种计算机可读介质。
附图说明
从下面结合附图对本发明示例性实施例的描述，这些和/或其他方面、特点和优点将变得清楚，并更容易理解，其中：
图1是顺序地显示通过用Voronoi图检测窄路径来绘制拓扑地图的方法的示图；
图2是示出根据本发明示例性实施例的通过使用特征点来划分区域的方法的流程图；
图3是示出根据本发明示例性实施例的通过使用网格点产生的网格地图以及从网格地图中提取的特征点的示图；
图4是根据本发明示例性实施例的提取最终特征点对的图2的操作S220的详细流程图；
图5A、图5B和图5C是基于对通路的要求从候选特征点对中提取最终特征点对的图3的部分A的放大示图；
图6A和图6B是图3的部分A的放大示图，图6A和图6B显示了通过比较将连接候选特征点的线和网格地图30连接到房间的边界形成的闭合曲线的长度，从候选特征点对中提取最终特征点对的过程；
图7是根据示例性实施例的形成区域的图2的操作S240的详细流程图；
图8A、图8B和图8C是显示通过产生的临界线来形成最终区域的过程的示图；
图9是显示根据示例性实施例的产生的拓扑地图的示图；和
图10是根据示例性实施例的通过使用特征点划分区域的设备的框图。
具体实施方式
现在详细阐述示例性实施例，其示例在附图中示出，其中，相同的标号始终表示相同的部件。以下通过参照附图来描述示例性实施例以解释本发明。
图2是示出根据本发明示例性实施例的通过使用特征点来划分区域的方法的流程图。
根据该示例性实施例，通过使用特征点来划分区域的方法包括：操作S110，产生网格地图30；操作S120，从网格地图30中提取特征点40；操作S210，从特征点40中提取候选特征点对；操作S220，从所述候选特征点对中提取具有通路特征的最终特征点对；操作S230，由所述最终特征点对来产生临界线；和操作S240，删除由临界线生成的区域之间的一些临界线，以产生最终区域。
通过使用特征点来划分区域的方法还可包括：S250，基于最终区域产生拓扑地图；和操作S260，在显示装置上显示拓扑地图。
在左边的操作S100(图2)，产生网格地图30，并提取特征点40，以准备检测通路。在右边的操作S200(图2)，从特征点40中检测通路，以最终产生拓扑地图。
例如，具有能够检测距障碍物的距离的一个或多个传感器的机器人清洁器在自由空间的整个区域中自主地移动，以检测障碍物。在通常家庭用的移动机器人的情况下，障碍物指的是一种结构，例如，建筑物的内壁和家具。然而，移动机器人还可在其他环境下使用，障碍物可包括其他结构。移动机器人检测距障碍物的距离，以获得包括多个点的网格点。用于检测距障碍物的距离的传感器可使用红外线、激光或超声波，但是使用并不限于此，各种方法可被实现。
由从在机器人行进的同时获得的多个网格点中提取的外部线(externalline)形成网格地图30。因此，移动机器人可从由传感器获得的多个网格点来产生网格地图30。
从多个网格点和网格地图30中提取特征点40(S120)，特征点40指的是建筑物的内壁的角和/或结构的边。
RANSAC(随机采样一致性)算法可被用于提取特征点40。通过RANSAC算法，从多个网格点中提取多个线，因此，通过使用线交叉的点来提取特征点40。
另外，通过使用SLAM(同时定位与地图创建)算法，可提取特征点40。通过SLAM算法，基于距离传感器获得的特征点和用于更新的机器人的编码器信息来假设移动机器人的位置和外围地图，从而产生包括特征点的地图。在IEEE Transactions on Robotics and Automation的2001年6月第17卷第3期的论文“A Solution to the Simultaneous Localization and Map BuildingProblem”中详细公开了SLAM(同时定位和地图创建)算法，因此将省略对该算法的详细描述。可通过除了上述方法之外的各种方法来提取特征点40。
图3是示出根据本发明示例性实施例的通过使用网格点产生的网格地图30以及从网格地图30中提取的特征点40的示图。
以下，网格地图表示由障碍物占用的网格。
图3是示出根据本发明示例性实施例的通过使用网格点产生的网格地图30以及从网格地图30中提取的特征点40的示图。图3(左侧)是显示从网格地图30提取的特征点40的示图。如图所示，大多数特征点40存在于网格地图30上，具体地讲，特征点40存在于网格地图30中线的端点相遇的角。
在从网格地图30中提取特征点40之后，从特征点40中提取区域划分元素的范围内包括的候选特征点对(S210)。通常，将区域划分成房间和客厅的区域划分元素可以是诸如入口门的通路。
从特征点40中提取被假设为通路的两个端点的候选特征点对。由于通路的两个端点是边，所以在提取期间它们被识别为特征点40。例如，通路可以是门，门通常具有恒定范围内的大小。另外，在整个空间，门可具有一致的大小。因此，如果从提取的特征点40之间的距离来提取与门的宽度相应的特征点对，则候选特征点对之一变成与通路相应的特征点对。
通常，当不包括框架时，作为通路的木制的门的大小如下(单位：mm)。
2037至2040(高)*937至940(宽)*36(厚度)
2037至2040(高)*837至840(宽)*36(厚度)
2037至2040(高)*737至740(宽)*36(厚度)。
因此，作为门(通路的示例)的候选的特征点40之间的距离在最小73.7cm至最大94.0cm的范围内。因此，与门相应的特征点对在73.7cm至94.0cm的范围内的特征点对之中。
当产生了网格地图30时，以恒定间隔形成网格点，从而可能正好在边缘点处没有形成网格点。因此，特征点40可能不指示准确的边缘点。因此，期望考虑因为网格点的间隔而产生的噪声。在这方面，优选地，在考虑由于通路(例如门)的宽度范围内的网格点的间隔而产生的噪声的范围内来提取候选特征点对。例如，如果网格点的间隔是1cm，则可提取72.7cm到95.0cm范围内的特征点对。因为可能存在这样的通路，例如一般门宽度范围之外的门，所以可基于用户直接输入的宽度来提取候选特征点对。
接着，在上述操作中的提取的候选特征点对中提取满足区域划分元素的要求的最终特征点对(S220)。例如，如果区域划分元素是入口门(作为通路的示例)，门的两边连接到墙壁；因此，两个边被示出，以被连接到网格地图30的墙壁。另一方面，如果入口门被打开，则在入口门之间不存在障碍物，因此，在网格地图30中没有示出入口门之间的空间。另外，通过连接指示入口门的候选特征点对的线和网格地图30而形成的闭合曲线的长度应该具有与房间的边界长度实质相等的长度。从多个候选特征点对中提取满足区域划分元素的要求的特征点对，以获得最终特征点对。
图4是根据本发明示例性实施例的提取最终特征点对的图2的操作S220的详细流程图。
如上所述，在通路(例如，入口门)之间不存在障碍物，在网格地图30中没有示出入口门。因此，如果特征点对的线与网格地图30重叠，则因为重叠的对不是指示入口的特征点对，所以可从候选特征点对中排除所述重叠的特征点对(S222)。当确定连接特征点对的线与网格地图30是否重叠时，优选地，如果在它们之间可插入预定间隔，则确定所述线与网格地图30重叠。这是因为，可以不从网格地图30提取特征点40，并且特征点40可不存在于网格地图30上。然而，由于从网格地图30提取特征点，所以即使特征点位于网格地图30之外，特征点也可能位于与网格地图30非常相邻的位置。在下面的描述中，只要特征点40位于与网格地图30非常相邻的位置，存在于网格地图30的边上的特征点40甚至没有必要与网格地图30重叠。
另外，如上所述，由于通路(例如，入口门)的两个边连接到墙壁，所以在网格地图30中没有示出连接特征点的线，但是每个特征点对都连接到其他的特征点40，从而形成网格地图30。因此，如果特征点40与通路(例如，入口门)相应，则特征点对的每一点都应该存在于网格地图30上。因此，如果形成对的特征点不存在于网格地图30上，则从候选特征点对中排除该对(S224)。
即使经过上述两个操作(S222和S224)之后，在候选特征点对中还可能存在作为不是用于指示通路(例如，入口门)的最终特征点对的特征点对。通过连接候选特征点对的线和网格地图30而形成的闭合曲线的长度的总和应该与房间边界实质上相等。可定义房间边界的范围，以与整个自由空间的大小成比例。例如，在45坪(面积单位)的住宅的情况下，标准房间的大小在6m2至70m2的范围内，其边界在10m至40m的范围内。因此，如果闭合曲线的长度不在房间边界的范围内，则可被排除(S226)。用户可直接输入房间的周长，从而可基于该长度从候选特征点对中提取最终特征点对。
参照图5A、图5B、图5C、图6A和图6B，将举例描述从候选特征点对中获得最终特征点对的过程。
图5A、图5B和图5C是图3的部分A的放大示图，基于对大门的要求从候选特征点对中提取最终特征点对。
在图5A中示出基于入口门(1、3、5、7、9和11)(通路的示例)的宽度从特征点40提取的候选特征点对。在下文中，候选特征点对(1、3、5、7、9和11)将由自己的标号表示，诸如特征点对1、特征点对3。
对于特征点对1和特征点对9，连接特征点40的线与网格地图30重叠。因此，特征点对1被排除在如图5B所示的最终特征点对之外。其余候选特征点对(3、5、7和11)没有与网格地图30重叠。
当在图5B中所示的特征点对(3、5、7和11)中考虑特征点对3和特征点对5时，所述对中的一个特征点远离网格地图30。因此，网格地图30不包括特征点对3和特征点对5的所有点。因此，因为所述对不满足形成入口门的特征点40应该连接到墙壁的情况，所以特征点对3和特征点对5被排除在最终特征点对之外。网格地图30包括其余候选特征点对(7和11)的所有特征点40。
如参照图5A、图5B和图5C所述，即使在经历上述两个操作之后如图6A所示，在候选特征点对中还存在不是指示入口门的最终特征点对的特征点对。保留有两个特征点对(7和11)，而房间通常只有一个门。
图6A和图6B是图3的部分A的放大示图，图6A和图6B显示了通过比较将连接候选特征点的线和网格地图30连接到房间的边界形成的闭合曲线的长度，从候选特征点对中提取最终特征点对的过程。
可通过将特征点对7的线和附图中由粗线21绘制的网格地图30连接来形成闭合曲线。可通过将特征点对7的线和沿箭头方向在特征点对7附近绘制的网格地图30连接来形成闭合曲线。在这种情况下，选择两个闭合曲线的较小区域以便确定是否满足最终特征点对的要求。如果考虑图6A的粗线21形成的闭合曲线，则与正常房间的边界相比，闭合曲线的边界太小。因此，特征点对7被排除在最终特征点对之外。
如上所述，通过连接特征点对11和网格地图30可形成两条闭合曲线。如图6B所示，由粗线25形成的较小闭合曲线的边界与正常房间的边界相似。因此，满足上述操作的要求的特征点对11将变为最终特征点对。
在提取最终特征点对之后，通过连接该对产生临界线(S230)。作为产生整个区域的示例，在图8A中临界线由虚线绘制，将参照附图对其进行详细描述。
从由产生的临界线和网格地图30形成的区域中删除一些临界线以形成最终区域(S240)。
图7是根据示例性实施例的形成区域的图2的操作S240的详细流程图。
首先，当通过连接临界线和网格地图30形成的区域包括通过连接其他临界线和网格地图形成的区域时，如果区域之间的面积差超过预定范围，则从较大的区域中分离较小的区域(S242)。优选地，预定范围被设置为最小房间的面积的一半，大约低于3.3m2。这是因为，如果区域之间的面积差大于该范围，则通过从较大的区域减去较小的区域形成的区域可包括这样的区域，如房间和客厅。
此外，当通过连接临界线和网格地图30形成的区域包括通过连接其他临界线和网格地图形成的区域时，如果区域之间的面积差在预定范围之内，则删除形成较小区域的临界线以选择较大的区域(S244)。这是因为，如果区域之间的面积差小于该范围，则通过从较大的区域减去较小的区域形成的区域太小而难以识别。通常，优选地，预定范围被设置为最小房间的面积的一半。
参照图8A、图8B和图8C，将举例描述通过临界线形成可识别区域的过程。
图8A、图8B和图8C是显示通过产生的临界线来形成最终区域的过程的示图。
在图8A中示出了从最终特征点对产生的临界线(11、12、13、14、15和16)。在下文中，临界线(11、12、13、14、15和16)将由自己的标号表示，如临界线11、临界线12。
当考虑临界线11时，在图8A中，两个箭头存在于临界线11的右侧和左侧。当临界线11沿两个箭头(所述两个箭头位于临界线的右侧)方向连接到网格地图30时形成区域。此外，当临界线11沿两个箭头(所述两个箭头位于临界线的左侧)方向连接到网格地图30时也形成区域。在这种情况下，临界线将一个区域划分为两个区域，并且选择两个区域中较小的区域以形成区域。因此，通过临界线11形成图8B的暗区域。相同地，通过临界线(12、13、14、15和16)形成各个区域。
即使通过临界线形成区域，这些区域也不是最终区域。这是因为，一些区域彼此重叠，而重叠的区域应该被处理。例如，当考虑通过临界线13和临界线14形成的区域时，在由各个临界线形成的两个区域之间形成了重叠的区域。即，由临界线14形成的区域包括由临界线13形成的区域。在这种情况下，因为两个区域之间的差远小于最小房间的面积的一半，所以临界线13被删除，并且较大的区域被选择。另外在临界线15和临界线16的情况下，由临界线15形成的区域被选择，而临界线16被删除。
在经历删除一些临界线的操作之后，临界线(11、12、14和15)最终保留，并且所述临界线显示在图8C中。图8C是显示在经历删除一些临界线的过程之后最终保留的临界线的示图。通过使用临界线和网格地图30，整个区域被划分为五个最终区域。
图9是显示根据示例性实施例的产生的拓扑地图的示图。
为了不同的识别，经历上述操作划分的区域的闭合曲线具有彼此不同的颜色，以便绘制如图9所示的拓扑地图(S250)。
在绘制拓扑地图之后，划分的区域可具有名称，如房间1、房间2和客厅。
拓扑地图可显示在独立的显示装置上(S260)。在机器人清洁器的情况下，如果用户选择任意区域(房间1、客厅等)进行打扫，则机器人清洁器可识别选择的区域并进行打扫。
图10是根据示例性实施例的通过使用特征点40划分区域的设备的框图。
根据示例性实施例的通过使用特征点40划分区域的设备包括网格地图生成单元310、特征点提取单元320、候选特征点对提取单元330、最终特征点对提取单元340、临界线形成单元350和区域形成单元360，以便将整个区域划分为可识别区域。
划分区域的设备还可包括拓扑地图绘制单元370和显示单元380。
网格地图生成单元310使用通过检测距障碍物的距离获得的多个网格点绘制网格地图30。此时，可通过使用红外线、激光或超声波来检测距障碍物的距离，但是使用的方法不限于此，并且可通过使用各种方法来检测距障碍物的距离。
特征点提取单元320从由网格地图生成单元310形成的网格地图30中提取特征点40。可通过使用RANSAC算法或SLAM(同时定位与地图创建)算法提取特征点40以形成特征点地图，并且提取特征点40的算法不限于此。
候选特征点对提取单元330从特征点提取单元320提取的特征点40中提取在区域划分元素的范围中的特征点对。当提取候选特征点对时，区域划分元素的范围基于诸如入口门的宽度的通路来设置。优选地，在考虑由于网格点的间隔而添加到通路的宽度的噪声而设置的范围内提取特征点对。
最终特征点对提取单元340从候选特征点对提取单元330提取的候选特征点对中提取满足区域划分元素的要求的特征点。此时，如果特征点对的线与网格地图30重叠，则重叠的对被排除以从候选特征点对中提取最终特征点对。此外，如果网格地图30没有包括特征点对40，则特征点对40被排除以从候选特征点对中提取最终特征点对。如果通过连接特征点对的线和网格地图30形成的闭合曲线的长度在预定范围之内，则该特征点对从候选特征点对中被提取，以变为最终特征点对。此时，所述预定范围基于房间的边界来设置。
临界线形成单元350通过连接从最终特征点对提取单元提取的特征点对形成临界线。
区域形成单元360删除一些在通过连接临界线形成单元350生成的临界线和网格地图30的闭合曲线形成的区域之间的临界线，并产生最终区域。此时，当通过连接临界线和网格地图30形成的区域包括通过连接其他临界线和网格地图30形成的区域时，可从较大的区域中分离较小的区域。如果区域之间的面积差在预定范围之内，则形成较小区域的临界线被删除，以选择较大的区域。优选地，所述预定范围设置为最小房间的面积的一半。
拓扑地图绘制单元370基于区域形成单元360形成的最终区域绘制拓扑地图。
显示单元380在显示装置上显示拓扑地图。此时，可通过例如使各个区域具有不同的颜色来识别各个区域，并且用户可选择彼此划分的区域。
当上述装置安装在机器人清洁器中并且用户在显示装置上可识别地显示的拓扑地图区域中选择预定区域时，机器人识别所选的区域以自动地打扫该区域。
除了上述示例性实施例，本发明的示例性实施例也可通过执行介质(如计算机可读介质)中/上的计算机可读代码/指令来实现。所述介质可对应于允许存储和/或传输计算机可读代码/指令的任何介质。所述介质还可包括单独的计算机可读代码/指令、数据文件和数据结构等，或者其组合。代码/指令的示例包括如通过编译器产生的机器代码和包含可使用解释器通过计算装置等执行的高级代码的文件。此外，代码/指令可包括功能程序和代码段。
计算机可读代码/指令可以以各种方式在介质中/上记录/传送，所述介质的例子包括可包括计算机可读代码/指令、数据文件、数据结构等的磁存储介质(例如，软盘、硬盘、磁带等)、光学介质(例如，CD-ROM、DVD等)、磁光介质(例如，光软盘)、硬件存储装置(例如，只读存储介质、随机存取存储介质、闪存等)和诸如传输信号的载波的存储/传输介质。存储/传输介质的例子可包括有线和/或无线传输介质。所述介质还可以是分布式网络，从而计算机可读代码/指令可以以分布式方式被存储/传送和执行。计算机可读代码/指令可以由一个或多个处理器执行。计算机可读代码/指令还可以在至少一个专用集成电路(ASIC)或现场可编程门阵列(FPGA)中执行，或嵌入其中。
此外，可构造一个或多个软件模块或者一个或多个硬件模块以便执行上述示例性实施例的操作。
这里所使用的术语“模块”表示，但不限于，执行特定任务的一个软件组件、一个硬件组件，多个软件组件、多个硬件组件、一个软件组件和一个硬件组件的组合、多个软件组件和一个硬件组件的组合、一个软件组件和多个硬件组件的组合或者多个软件组件和多个硬件组件的组合。模块可被方便地构造为驻留在可寻址存储介质上，并可被构造为在一个或多个处理器上运行。因此，作为示例，模块可包括诸如软件组件、专用软件组件、面向对象的软件组件、类组件和任务组件的组件、进程、函数、操作、执行线程、属性、过程、子程序、程序代码段、驱动程序、固件、微码、电路、数据、数据库、数据结构、表、数组和变量。所述组件或模块中提供的功能可被组合为更少的组件或模块，或者可被进一步分为另外的组件或模块。此外，所述组件或模块可在装置中设置的至少一个处理器(例如，中央处理单元(CPU))上运行。此外，硬件组件的例子包括专用集成电路(ASIC)和现场可编程门阵列(FPGA)。如上所述，模块还可表示软件组件和硬件组件的组合。这些硬件组件还可以是一个或多个处理器。
计算机可读代码/指令和计算机可读介质可以是为本发明的目的而专门设计和构建的，或者可以是计算机硬件和/或计算机软件领域的技术人员公知的可用类型。
通过使用上述特征点来划分区域的方法、设备和介质的示例性实施例不限于机器人清洁器，这些示例性实施例可应用于安全机器人、向导机器人、服务机器人、任意移动机器人等。
上述示例性实施例具有如下的一个或多个有益效果。
第一、当网格地图被划分为可识别区域，如房间、客厅等时，用户可以以便利的方式指定区域。
第二，可通过使用从网格地图提取的特征点提取临界线，以便使用较少的计算量来简单地划分区域。
第三，当绘制的拓扑地图被显示在机器人清洁器的显示装置上，并且用户选择划分的预定区域时，机器人清洁器可打扫该区域。
虽然已经显示和描述了一些示例性实施例，但是本领域技术人员应该理解，在不脱离本发明的原则和精神的情况下，可以对这些示例性实施例进行改变，本发明的范围由权利要求及其等同物限定。

Claims (46)

1.一种通过使用特征点划分区域的方法，所述方法包括：
通过使用多个网格点形成网格地图，其中，通过检测与障碍物之间的距离获得所述网格点；
从网格地图提取特征点；
从特征点提取包括在区域划分元素的范围中的候选特征点对；
从候选特征点对提取满足区域划分元素的要求的最终特征点对；
通过将最终特征点对彼此连接来形成临界线；和
根据具有通过连接临界线和网格地图形成的闭合曲线的区域之间的大小关系形成最终区域。
2.如权利要求1所述的方法，其中，在形成网格地图的步骤中，通过使用红外线传感器、激光传感器或超声波传感器中的任意一种来检测与障碍物之间的距离。
3.如权利要求1所述的方法，其中，提取特征点的步骤包括：通过使用随机采样一致性算法来提取特征点。
4.如权利要求1所述的方法，其中，提取特征点的步骤包括：通过使用同时定位与地图创建算法来提取特征点。
5.如权利要求1所述的方法，其中，在提取候选特征点对的步骤中，基于通路的宽度设置区域划分元素的距离范围。
6.如权利要求5所述的方法，其中，从特征点提取候选特征点对的步骤包括提取候选特征点对，所述候选特征点对包括在考虑由于通路的宽度的范围内的网格点之间的间隔造成的噪声设置的距离范围之内。
7.如权利要求1所述的方法，其中，提取最终特征点对的步骤包括：提取除了与网格地图重叠的连接候选特征点对的线之外的最终特征点对。
8.如权利要求7所述的方法，其中，提取最终特征点对的步骤还包括：提取除了不包括在网格地图中的候选特征点对之外的最终特征点对。
9.如权利要求1所述的方法，其中，提取最终特征点对的步骤还包括提取这样的最终特征点对：通过连接候选特征点对的线和网格地图形成的闭合曲线的长度在预定长度范围之内。
10.如权利要求9所述的方法，其中，基于房间的边界设置预定长度范围。
11.如权利要求1所述的方法，其中，形成最终区域的步骤包括：当闭合曲线形成的区域彼此包括，并且所述区域的面积差超出预定范围时，从较大的区域分离较小的区域。
12.如权利要求1所述的方法，其中，形成最终区域的步骤包括：当闭合曲线形成的区域彼此包括，并且所述区域的面积差在预定范围之内时，删除形成较小区域的临界线。
13.如权利要求11所述的方法，其中，基于最小房间的面积的一半设置预定范围。
14.如权利要求12所述的方法，其中，基于最小房间的面积的一半设置预定范围。
15.如权利要求1所述的方法，还包括：基于在形成最终区域的步骤中形成的最终区域绘制拓扑地图。
16.如权利要求15所述的方法，还包括：在显示装置上显示拓扑地图。
17.一种通过使用特征点划分区域的设备，所述设备包括：
网格地图生成单元，通过使用多个网格点形成网格地图，其中，通过检测与障碍物之间的距离获得所述网格点；
特征点提取单元，从网格地图提取特征点；
候选特征点对提取单元，从特征点提取包括在区域划分元素的范围之内的特征点对；
最终特征点对提取单元，从候选特征点对提取满足区域划分元素的要求的最终特征点对；
临界线形成单元，通过连接最终特征点对来形成临界线；和
区域形成单元，根据连接临界线和网格地图的闭合曲线形成的区域之间的大小关系形成最终区域。
18.如权利要求17所述的设备，其中，通过使用红外线传感器、激光传感器或超声波传感器中的任意一种来检测与障碍物之间的距离。
19.如权利要求17所述的设备，其中，通过使用随机采样一致性算法来提取特征点。
20.如权利要求17所述的设备，其中，通过使用同时定位与地图创建算法来提取特征点。
21.如权利要求17所述的设备，其中，当候选特征点对提取单元提取候选特征点对时，基于通路的宽度设置区域划分元素的范围。
22.如权利要求21所述的设备，其中，候选特征点对提取单元提取候选特征点对，所述候选特征点对包括在考虑由于通路的宽度的范围内的网格点之间的间隔产生的噪声设置的距离范围之内。
23.如权利要求17所述的设备，其中，最终特征点对提取单元提取除了与网格地图重叠的连接候选特征点对的线之外的最终特征点对。
24.如权利要求23所述的设备，其中，最终特征点对提取单元提取除了不包括在网格地图中的候选特征点对之外的最终特征点对。
25.如权利要求17所述的设备，其中，最终特征点对提取单元还提取这样的最终特征点对：通过连接候选特征点对的线和网格地图形成的闭合曲线的长度在预定长度范围之内。
26.如权利要求25所述的设备，其中，基于房间的边界设置预定长度范围。
27.如权利要求17所述的设备，其中，当闭合曲线形成的区域彼此包括，并且所述区域的面积差超出预定范围时，区域形成单元从较大区域分离较小区域。
28.如权利要求17所述的设备，其中，当闭合曲线形成的区域彼此包括，并且所述区域的面积差在预定范围之内时，形成最终区域的步骤删除形成较小区域的临界线。
29.如权利要求27所述的设备，其中，基于最小房间的面积的一半设置预定范围。
30.如权利要求28所述的设备，其中，基于最小房间的面积的一半设置预定范围。
31.如权利要求17所述的设备，还包括：拓扑地图形成单元，基于最终区域绘制拓扑地图。
32.如权利要求31所述的设备，还包括：显示单元，在显示装置上显示拓扑地图。
33.一种具有通过使用特征点划分区域的设备的移动机器人，所述设备包括：
网格地图生成单元，通过使用多个网格点形成网格地图，其中，通过检测与障碍物之间的距离获得所述网格点；
特征点提取单元，从网格地图提取特征点；
候选特征点对提取单元，从特征点提取包括在区域划分元素的范围之内的特征点对；
最终特征点对提取单元，从候选特征点对提取满足区域划分元素的要求的最终特征点对；
临界线形成单元，通过连接最终特征点对来形成临界线；和
区域形成单元，根据连接临界线和网格地图的闭合曲线形成的区域之间的大小关系形成最终区域；
拓扑地图形成单元，基于最终区域形成拓扑地图；和
显示单元，在显示装置上显示拓扑地图，
其中，当选择在显示装置上可识别地显示的拓扑地图的预定区域时，自动打扫所述预定区域。
34.如权利要求7所述的方法，其中，提取最终特征点对的步骤还包括提取这样的最终特征点对：通过连接特征点对的线和网格地图形成的闭合曲线的长度在预定长度范围之内。
35.如权利要求34所述的方法，其中，基于房间的边界设置预定长度范围。
36.如权利要求8所述的方法，其中，提取最终特定点对的步骤还包括提取这样的最终特征点对：通过连接特征点对的线和网格地图形成的闭合曲线的长度在预定长度范围之内。
37.如权利要求36所述的方法，其中，基于房间的边界设置预定长度范围。
38.如权利要求11所述的方法，其中，形成最终区域的步骤还包括：当闭合曲线形成的区域彼此包括，并且所述区域的面积差在预定范围之内时，删除形成较小的区域的临界线。
39.如权利要求38所述的方法，其中，基于最小房间的面积的一半设置预定范围。
40.如权利要求23所述的设备，其中，最终特征点对提取单元还提取这样的最终特征点对：通过连接候选特征点对的线和网格地图形成的闭合曲线的长度在预定长度范围之内。
41.如权利要求40所述的设备，其中，基于房间的边界设置预定长度范围。
42.如权利要求24所述的设备，其中，最终特征点对提取单元还提取这样的最终特征点对：通过连接候选特征点对的线和网格地图形成的闭合曲线的长度在预定长度范围之内。
43.如权利要求42所述的设备，其中，基于房间的边界设置预定长度范围。
44.如权利要求17所述的设备，其中，所述设备是移动机器人的一部分。
45.如权利要求44所述的设备，其中，所述移动机器人是清洁机器人。
46.如权利要求33所述的移动机器人，其中，所述移动机器人是清洁机器人。
CN2007101282310A 2006-07-05 2007-07-05 使用特征点来划分区域的设备、方法、介质和移动机器人 Expired - Fee Related CN101101203B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
KR1020060063155 2006-07-05
KR1020060063155A KR100791384B1 (ko) 2006-07-05 2006-07-05 특징점을 이용한 영역 구분 방법 및 장치와 이를 이용한이동 청소 로봇
KR10-2006-0063155 2006-07-05

Publications (2)

Publication Number Publication Date
CN101101203A CN101101203A (zh) 2008-01-09
CN101101203B true CN101101203B (zh) 2010-12-01

Family

ID=39035602

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2007101282310A Expired - Fee Related CN101101203B (zh) 2006-07-05 2007-07-05 使用特征点来划分区域的设备、方法、介质和移动机器人

Country Status (3)

Country Link
US (2) US7916931B2 (zh)
KR (1) KR100791384B1 (zh)
CN (1) CN101101203B (zh)

Families Citing this family (111)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100791384B1 (ko) * 2006-07-05 2008-01-07 삼성전자주식회사 특징점을 이용한 영역 구분 방법 및 장치와 이를 이용한이동 청소 로봇
KR101409987B1 (ko) * 2007-12-11 2014-06-23 삼성전자주식회사 이동 로봇의 자세 보정 방법 및 장치
KR100926601B1 (ko) 2007-12-31 2009-11-11 고려대학교 산학협력단 천장 영상 기반 이동 로봇 장치 및 이의 위치 인식 방법
KR20090077547A (ko) * 2008-01-11 2009-07-15 삼성전자주식회사 이동 로봇의 경로 계획 방법 및 장치
KR100988416B1 (ko) * 2008-06-04 2010-10-18 성균관대학교산학협력단 이동 로봇의 장애물 외곽선 검출 방법, 이동 로봇 및 이동로봇 원격 제어기
KR101553654B1 (ko) * 2009-02-13 2015-10-01 삼성전자 주식회사 이동 로봇 및 이동 로봇의 이동 방법
KR101633889B1 (ko) * 2009-02-18 2016-06-28 삼성전자주식회사 격자지도를 이용한 경로 생성 장치 및 방법
CN102341724B (zh) 2009-03-02 2013-09-11 迪瓦西公司 卫生监测和管理系统和方法
KR101524020B1 (ko) * 2009-03-06 2015-05-29 엘지전자 주식회사 로봇 청소기의 점진적 지도 작성 및 위치 보정 방법
JP5216690B2 (ja) * 2009-06-01 2013-06-19 株式会社日立製作所 ロボット管理システム、ロボット管理端末、ロボット管理方法およびプログラム
KR101104225B1 (ko) * 2009-06-22 2012-01-10 재단법인대구경북과학기술원 로봇을 위한 지형 데이터 저장 방법 및 그 장치
US8699759B2 (en) * 2009-10-12 2014-04-15 Qualcomm Incorporated Method and apparatus for automated determination of features on an electronic map
DE102009052629A1 (de) 2009-11-10 2011-05-12 Vorwerk & Co. Interholding Gmbh Verfahren zur Steuerung eines Roboters
KR101641237B1 (ko) * 2009-11-20 2016-07-21 엘지전자 주식회사 로봇 청소기 및 이의 제어 방법
KR101649645B1 (ko) * 2010-02-08 2016-08-22 엘지전자 주식회사 로봇 청소기 및 이의 제어 방법
DE102010017689A1 (de) * 2010-07-01 2012-01-05 Vorwerk & Co. Interholding Gmbh Selbsttätig verfahrbares Gerät sowie Verfahren zur Orientierung eines solchen Gerätes
CN102131217A (zh) * 2010-10-22 2011-07-20 北京创和世纪通讯技术有限公司 无线网络拓扑结构的优化系统及方法
KR101750340B1 (ko) * 2010-11-03 2017-06-26 엘지전자 주식회사 로봇 청소기 및 이의 제어 방법
US8751103B2 (en) 2010-11-22 2014-06-10 Caterpillar Inc. Object detection system having interference avoidance strategy
US8744693B2 (en) 2010-11-22 2014-06-03 Caterpillar Inc. Object detection system having adjustable focus
KR101311100B1 (ko) 2011-08-27 2013-09-25 고려대학교 산학협력단 천장 임의 형상 특성 활용 이동 로봇 위치 인식 방법
DE102011083309A1 (de) 2011-09-23 2013-03-28 Robert Bosch Gmbh Autonomes Arbeitsgerät
US8798840B2 (en) * 2011-09-30 2014-08-05 Irobot Corporation Adaptive mapping with spatial summaries of sensor data
CN103324192A (zh) * 2012-03-23 2013-09-25 苏州宝时得电动工具有限公司 边界设置方法及边界设置系统
US9292629B2 (en) * 2012-07-27 2016-03-22 Autodesk, Inc. Building path identification
WO2014033055A1 (en) 2012-08-27 2014-03-06 Aktiebolaget Electrolux Robot positioning system
US20140137910A1 (en) * 2012-11-20 2014-05-22 Bratney Companies Dry ice blasting cleaning system and method of using the same
CN103198751B (zh) * 2013-03-06 2015-03-04 南京邮电大学 一种移动机器人基于激光测距仪的线特征地图创建方法
CN110448222A (zh) 2013-04-15 2019-11-15 伊莱克斯公司 机器人真空吸尘器
KR20150141979A (ko) 2013-04-15 2015-12-21 악티에볼라겟 엘렉트로룩스 돌출 측부 브러시를 구비하는 로봇 진공 청소기
US10045675B2 (en) 2013-12-19 2018-08-14 Aktiebolaget Electrolux Robotic vacuum cleaner with side brush moving in spiral pattern
JP6638987B2 (ja) 2013-12-19 2020-02-05 アクチエボラゲット エレクトロルックス 回転側面ブラシの適応速度制御
US9946263B2 (en) 2013-12-19 2018-04-17 Aktiebolaget Electrolux Prioritizing cleaning areas
EP3084540B1 (en) 2013-12-19 2021-04-14 Aktiebolaget Electrolux Robotic cleaning device and operating method
WO2015090399A1 (en) 2013-12-19 2015-06-25 Aktiebolaget Electrolux Robotic cleaning device and method for landmark recognition
US9811089B2 (en) 2013-12-19 2017-11-07 Aktiebolaget Electrolux Robotic cleaning device with perimeter recording function
KR102099495B1 (ko) 2013-12-19 2020-04-09 에이비 엘렉트로룩스 로봇 청소 장치가 장애물에 올라가는 것의 감지
CN105848545B (zh) 2013-12-20 2019-02-19 伊莱克斯公司 灰尘容器
CN103984037B (zh) * 2014-04-30 2017-07-28 深圳市墨克瑞光电子研究院 基于视觉的移动机器人障碍物检测方法和装置
ES2681802T3 (es) 2014-07-10 2018-09-17 Aktiebolaget Electrolux Método para detectar un error de medición en un dispositivo de limpieza robotizado
CN106659345B (zh) 2014-09-08 2019-09-03 伊莱克斯公司 机器人真空吸尘器
CN106659344B (zh) 2014-09-08 2019-10-25 伊莱克斯公司 机器人真空吸尘器
WO2016048077A1 (ko) * 2014-09-24 2016-03-31 삼성전자주식회사 청소 로봇 및 청소 로봇의 제어 방법
EP3199083B1 (en) * 2014-09-24 2021-09-08 Samsung Electronics Co., Ltd. Cleaning robot and method for controlling cleaning robot
US20200409382A1 (en) * 2014-11-10 2020-12-31 Carnegie Mellon University Intelligent cleaning robot
US10877484B2 (en) 2014-12-10 2020-12-29 Aktiebolaget Electrolux Using laser sensor for floor type detection
CN107072454A (zh) 2014-12-12 2017-08-18 伊莱克斯公司 侧刷和机器人吸尘器
WO2016095965A2 (en) 2014-12-16 2016-06-23 Aktiebolaget Electrolux Experience-based roadmap for a robotic cleaning device
CN106998984B (zh) 2014-12-16 2021-07-27 伊莱克斯公司 用于机器人清洁设备的清洁方法
KR101697857B1 (ko) * 2015-04-08 2017-01-18 엘지전자 주식회사 이동 로봇 및 그의 위치인식방법
WO2016165772A1 (en) 2015-04-17 2016-10-20 Aktiebolaget Electrolux Robotic cleaning device and a method of controlling the robotic cleaning device
CN105045260A (zh) * 2015-05-25 2015-11-11 湖南大学 一种未知动态环境下的移动机器人路径规划方法
CN106325266A (zh) * 2015-06-15 2017-01-11 联想(北京)有限公司 一种空间分布图的构建方法及电子设备
DE102015109775B3 (de) 2015-06-18 2016-09-22 RobArt GmbH Optischer Triangulationssensor zur Entfernungsmessung
JP6736831B2 (ja) 2015-09-03 2020-08-05 アクチエボラゲット エレクトロルックス ロボット清掃デバイスのシステム、清掃デバイスを制御する方法、コンピュータプログラム及びコンピュータプログラム製品
DE102015114883A1 (de) 2015-09-04 2017-03-09 RobArt GmbH Identifizierung und Lokalisierung einer Basisstation eines autonomen mobilen Roboters
CN105225604B (zh) * 2015-10-30 2018-06-29 汕头大学 一种移动机器人导航的混合地图的构建方法
KR20170053351A (ko) * 2015-11-06 2017-05-16 삼성전자주식회사 청소 로봇 및 그 제어 방법
DE102015119501A1 (de) 2015-11-11 2017-05-11 RobArt GmbH Unterteilung von Karten für die Roboternavigation
DE102015119865B4 (de) 2015-11-17 2023-12-21 RobArt GmbH Robotergestützte Bearbeitung einer Oberfläche mittels eines Roboters
DE102015121666B3 (de) 2015-12-11 2017-05-24 RobArt GmbH Fernsteuerung eines mobilen, autonomen Roboters
DE102016102644A1 (de) 2016-02-15 2017-08-17 RobArt GmbH Verfahren zur Steuerung eines autonomen mobilen Roboters
EP3430424B1 (en) 2016-03-15 2021-07-21 Aktiebolaget Electrolux Robotic cleaning device and a method at the robotic cleaning device of performing cliff detection
US10593074B1 (en) * 2016-03-16 2020-03-17 Liberty Mutual Insurance Company Interactive user interface for displaying geographic boundaries
CN109068908B (zh) 2016-05-11 2021-05-11 伊莱克斯公司 机器人清洁设备
CN105974938B (zh) * 2016-06-16 2023-10-03 零度智控（北京）智能科技有限公司 避障方法、装置、载体及无人机
CN106444764B (zh) * 2016-10-21 2019-11-05 苏州大成电子科技有限公司 建立扫地机器人巡航坐标系的方法及巡航方法及学习方法
KR102601463B1 (ko) 2016-10-28 2023-11-14 삼성전자주식회사 로봇 청소기 및 그 구동 방법
CN106777269A (zh) * 2016-12-28 2017-05-31 深圳市佳都实业发展有限公司 用于构建动态地图的机器人及机器人构建动态地图的方法
US11709489B2 (en) 2017-03-02 2023-07-25 RobArt GmbH Method for controlling an autonomous, mobile robot
DE102017109219A1 (de) * 2017-04-28 2018-10-31 RobArt GmbH Verfahren für die Roboternavigation
KR20220025250A (ko) 2017-06-02 2022-03-03 에이비 엘렉트로룩스 로봇 청소 장치 전방의 표면의 레벨차를 검출하는 방법
DE102017113392B4 (de) * 2017-06-19 2021-06-10 Sick Ag Vorrichtung zur Sicherheitssteuerung einer Maschine
CN107329476A (zh) * 2017-08-02 2017-11-07 珊口（上海）智能科技有限公司 一种房间拓扑地图构建方法、系统、装置及扫地机器人
CN111093447B (zh) 2017-09-26 2022-09-02 伊莱克斯公司 机器人清洁设备的移动控制
US10422648B2 (en) 2017-10-17 2019-09-24 AI Incorporated Methods for finding the perimeter of a place using observed coordinates
CN107536565A (zh) * 2017-10-24 2018-01-05 湖南格兰博智能科技有限责任公司 自移动清洁机器人及其控制方法
CN109744945B (zh) * 2017-11-08 2020-12-04 杭州萤石网络有限公司 一种区域属性确定方法、装置、系统及电子设备
CN107977003B (zh) * 2017-11-28 2020-07-31 深圳市杉川机器人有限公司 区域清扫方法及装置
CN108106616B (zh) * 2017-12-13 2020-07-28 深圳市艾特智能科技有限公司 一种自建导航地图的方法、系统及智能设备
CN108143364B (zh) * 2017-12-28 2021-02-19 湖南格兰博智能科技有限责任公司 一种自移动清洁机器人清洁地图区域划分的方法
CN108335302B (zh) * 2018-01-26 2021-10-08 上海思岚科技有限公司 一种区域分割方法及装置
CN108508885B (zh) * 2018-02-09 2021-03-23 意诺科技有限公司 一种导航地图构建方法及装置
EP3928329B1 (en) 2018-04-23 2024-04-03 SharkNinja Operating LLC Techniques for bounding cleaning operations of a robotic surface cleaning device within a region of interest
CN108776478B (zh) * 2018-06-05 2021-05-07 北京智行者科技有限公司 一种作业路径的规划方法
CN110146110B (zh) * 2019-05-20 2022-11-15 哈尔滨工程大学 一种室内环境机器人线特征icnn数据关联的误匹配判定方法
KR20200142865A (ko) 2019-06-13 2020-12-23 엘지전자 주식회사 인공지능을 이용한 이동 로봇 및 이동 로봇의 제어방법
CN110269550B (zh) * 2019-06-13 2021-06-08 深圳市银星智能科技股份有限公司 一种门位置识别方法以及移动机器人
KR102314537B1 (ko) * 2019-06-18 2021-10-18 엘지전자 주식회사 이동 로봇 및 그 제어방법
KR102275300B1 (ko) 2019-07-05 2021-07-08 엘지전자 주식회사 이동 로봇 및 그 제어방법
KR102224637B1 (ko) 2019-07-05 2021-03-08 엘지전자 주식회사 이동 로봇 및 그 제어방법
KR102361130B1 (ko) 2019-07-11 2022-02-09 엘지전자 주식회사 이동 로봇 및 그 제어방법
KR102297496B1 (ko) 2019-07-11 2021-09-02 엘지전자 주식회사 인공지능을 이용한 이동 로봇 및 이동 로봇의 제어방법
KR102302575B1 (ko) * 2019-07-16 2021-09-14 엘지전자 주식회사 이동 로봇 및 그 제어방법
CN110888960B (zh) * 2019-11-29 2021-06-08 深圳市银星智能科技股份有限公司 一种室内空间分区方法、装置及移动机器人
CN110916566B (zh) * 2019-12-11 2021-08-06 小狗电器互联网科技（北京）股份有限公司 一种获取封闭区域面积的方法、装置及扫地机器人
CN111251309B (zh) * 2020-01-08 2021-06-15 杭州未名信科科技有限公司 控制机器人绘制图像的方法、装置、机器人及介质
CN111168679B (zh) * 2020-01-09 2023-08-22 上海山科机器人有限公司 行走机器人、控制行走机器人的方法和行走机器人系统
JP2021114103A (ja) * 2020-01-17 2021-08-05 パナソニックＩｐマネジメント株式会社 地図処理装置、地図処理方法、及び、移動ロボット
CN111329398A (zh) * 2020-03-27 2020-06-26 上海高仙自动化科技发展有限公司 机器人控制方法、机器人、电子设备和可读存储介质
CN111557622B (zh) * 2020-04-30 2021-10-26 深圳拓邦股份有限公司 清扫路径生成方法及装置、计算机装置及存储装置
WO2021235100A1 (ja) * 2020-05-20 2021-11-25 ソニーグループ株式会社 情報処理装置、情報処理方法、及びプログラム
CN111631642B (zh) * 2020-05-30 2021-07-06 珠海市一微半导体有限公司 一种基于激光地图的工作区域拓展方法、芯片及机器人
CN113885486A (zh) * 2020-07-02 2022-01-04 尚科宁家(中国)科技有限公司 移动机器人的自主分区方法和移动机器人
CN112237400B (zh) * 2020-09-04 2022-07-01 安克创新科技股份有限公司 用于区域划分的方法、自移动机器人及计算机存储介质
CN112419346A (zh) * 2020-11-02 2021-02-26 尚科宁家(中国)科技有限公司 清洁机器人及分区方法
US20220282991A1 (en) * 2021-03-02 2022-09-08 Yujin Robot Co., Ltd. Region segmentation apparatus and method for map decomposition of robot
KR102559013B1 (ko) * 2021-03-02 2023-07-24 주식회사 유진로봇 로봇의 맵 노이즈 제거 장치 및 방법
CN115393234A (zh) * 2021-05-25 2022-11-25 速感科技（北京）有限公司 地图区域融合方法、装置、自主移动设备和存储介质
CN113720337A (zh) * 2021-08-20 2021-11-30 珠海格力电器股份有限公司 扫地机器人的地图编辑方法及装置、存储介质、电子设备
KR20230115158A (ko) 2022-01-26 2023-08-02 엘지전자 주식회사 인공지능을 이용한 이동 로봇 및 이동 로봇의 제어방법

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4862373A (en) * 1987-05-13 1989-08-29 Texas Instruments Incorporated Method for providing a collision free path in a three-dimensional space
JP2002287824A (ja) 2001-03-26 2002-10-04 Toshiba Tec Corp 自律走行ロボット
US6580246B2 (en) * 2001-08-13 2003-06-17 Steven Jacobs Robot touch shield
DE50308812D1 (de) * 2002-10-23 2008-01-24 Siemens Ag Verfahren und anordnung sowie computerprogramm mit programmcode-mitteln und computerprogramm-produkt zur bildung einer graphenstruktur zur beschreibung einer fläche mit einer freifläche und einer belegtfläche
KR20040062039A (ko) * 2002-12-31 2004-07-07 엘지전자 주식회사 로봇 청소기의 청소영역 설정방법
JP2005211367A (ja) 2004-01-30 2005-08-11 Funai Electric Co Ltd 自律走行ロボットクリーナー
JP2005211359A (ja) * 2004-01-30 2005-08-11 Funai Electric Co Ltd 自律走行ロボットクリーナーシステム
JP2005339408A (ja) 2004-05-28 2005-12-08 Toshiba Corp 自走式ロボット及びその制御方法
KR100596481B1 (ko) 2004-08-12 2006-07-03 주식회사 한울로보틱스 청소기능을 갖는 이동로봇의 경로 제어방법
KR100703692B1 (ko) * 2004-11-03 2007-04-05 삼성전자주식회사 공간상에 존재하는 오브젝트들을 구별하기 위한 시스템,장치 및 방법
KR20060097854A (ko) * 2005-03-07 2006-09-18 주식회사 영텍 출입문 및 방을 자동 인식하는 로봇청소기 및 출입문 자동인식 방법
ES2522926T3 (es) * 2005-12-02 2014-11-19 Irobot Corporation Robot Autónomo de Cubrimiento
KR100791384B1 (ko) * 2006-07-05 2008-01-07 삼성전자주식회사 특징점을 이용한 영역 구분 방법 및 장치와 이를 이용한이동 청소 로봇

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JP特开2005-205028A 2005.08.04
JP特开2005-339408A 2005.12.08

Also Published As

Publication number Publication date
US8326019B2 (en) 2012-12-04
US20080273791A1 (en) 2008-11-06
US20110211731A1 (en) 2011-09-01
CN101101203A (zh) 2008-01-09
KR100791384B1 (ko) 2008-01-07
US7916931B2 (en) 2011-03-29

Similar Documents

Publication Publication Date Title
CN101101203B (zh) 使用特征点来划分区域的设备、方法、介质和移动机器人
Valero et al. Semantic 3D reconstruction of furnished interiors using laser scanning and RFID technology
CN109871420B (zh) 地图生成和分区方法、装置及终端设备
US6446030B1 (en) Method and apparatus for establishing the layout of a building
JP2018533801A (ja) ロボットナビゲーションのための地図の細分化
CN111562777A (zh) 一种扫地机器人的清扫路径规划方法和装置
Fichtner et al. Semantic enrichment of octree structured point clouds for multi‐story 3D pathfinding
CN113962000B (zh) 一种cad图纸中感烟探测器动态排布的方法
CN111179412B (zh) 一种户型图自动处理方法及系统
CN108984765B (zh) 一种基于智能图像分析的户型图找房方法
CN111973075A (zh) 基于户型图的地面清扫方法、装置、扫地机和计算机介质
CN106416315A (zh) 用于布建地理围栏的方法和设备
CN105589801A (zh) 手机集群测试方法和系统
Khoshelham et al. Results of the ISPRS benchmark on indoor modelling
Biljecki et al. Raise the roof: Towards generating LOD2 models without aerial surveys using machine learning
Staats et al. Detection of doors in a voxel model, derived from a point cloud and its scanner trajectory, to improve the segmentation of the walkable space
CN110315538B (zh) 一种在电子地图上显示障碍物的方法、装置及机器人
JP2014106597A (ja) 自律移動体、物体情報取得装置、および物体情報取得方法
Tarsha Kurdi et al. Comparison of LiDAR building point cloud with reference model for deep comprehension of cloud structure
CN114365974A (zh) 一种室内清洁分区方法、装置和扫地机器人
CN108133116B (zh) Cad户型图墙厚自动识别方法及系统
CN116304260A (zh) 环境模型的生成方法、展示方法、装置、设备及存储介质
JP5450703B2 (ja) 目標が位置する空間エリアを決定する方法および装置
CN112818432A (zh) 一种铺砖设计的生成方法、装置、电子设备及存储介质
Seresht et al. Automatic building recognition from digital aerial images

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20101201

Termination date: 20210705