CN110888960A - 一种室内空间分区方法、装置及移动机器人 - Google Patents

Abstract

本发明涉及移动机器人技术领域，公开了一种室内空间分区方法、装置及移动机器人，所述室内空间分区方法包括：获取目标空间的栅格地图，并对所述栅格地图进行二值化处理；获取所述目标空间的轮廓，对所述轮廓进行多边形拟合，提取所述轮廓的特征点；根据所述特征点，确定多个关键点；根据所述多个关键点，获得多条匹配线；对所述多条匹配线进行筛选，确定多条分割线，并基于所述多条分割线，对所述目标空间进行分区。通过多边形拟合，基于拟合多边形生成分割线对目标空间进行分区，本发明能够提高空间分区的效率。

Description

一种室内空间分区方法、装置及移动机器人

技术领域

本发明实施方式涉及移动机器人技术领域，特别是涉及一种室内空间分区方法、装置及移动机器人。

背景技术

随着技术的发展和人们生活水平的提高，诸如清洁机器人、服务机器人、远程监控机器人、扫地机器人等移动机器人逐渐进入人们的生活中。而移动机器人，例如扫地机器人在对空间进行清扫的时候，如果能够按区域进行清扫，既可以提高扫地的效率，也可以避免对用户的打扰，提高用户体验，因此有必要对清扫区域进行分区。

目前，常用的分区技术包括非机器学习的方法和机器学习的方法，对于复杂家居环境，非机器学习的方法得到的结果往往不太理想，有的算法需要填充，也比较耗时。机器学习方法的效果相对好点，但需要好的训练数据集，但模型占用内存较大，计算较复杂，不太适合扫地机这类嵌入式设备，并且当实际环境跟模型相差太大，其分区也不尽如人意。

基于此，目前亟需一种更好的室内空间分区方法，以提高室内空间分区的效率。

发明内容

为了解决上述技术问题，本发明实施例提供一种室内空间分区方法、装置及移动机器人，解决目前移动机器人的空间分区效率低的技术问题，提高空间分区的效率。

为了解决上述技术问题，本发明实施例提供以下技术方案：

第一方面，本发明实施例提供一种室内空间分区方法，应用于移动机器人，包括：

获取目标空间的栅格地图，并对所述栅格地图进行二值化处理；

获取所述目标空间的轮廓，对所述轮廓进行多边形拟合，提取所述轮廓的特征点；

根据所述特征点，确定多个关键点；

根据所述多个关键点，获得多条匹配线；

对所述多条匹配线进行筛选，确定多条分割线，并基于所述多条分割线，对所述目标空间进行分区。

在一些实施例中，所述方法还包括：

根据预设栅格参数搜索所述栅格地图中的占据区域，确定所述占据区域中的噪点区域；

遍历所述栅格地图后，去除所述噪点区域。

在一些实施例中，所述根据所述特征点，确定多个关键点，包括：

以所述特征点为几何中心，建立搜索模型，确定所述特征点中的非关键点；

所述搜索模型为搜寻与所述特征点的距离达到预设距离的栅格区域，并判断所述栅格区域是否包含占据区域。

在一些实施例中，所述根据所述特征点，确定多个关键点，包括：

若所述栅格区域包含有占据区域，确定所述特征点为非关键点；

若所述栅格区域不包含有占据区域，则确定所述特征点为关键点。

在一些实施例中，所述对所述多条匹配线进行筛选，确定多条分割线，包括：

判断任一匹配线是否满足预设条件，所述预设条件包括第一筛选规则，所述第一筛选规则包括：

判断所述匹配线的长度是否处于预设范围；

若是，进一步判断所述匹配线是否部分或全部处于占据区域；

若所述匹配线部分或全部处于占据区域，则确定所述匹配线为分割线。

在一些实施例中，所述预设条件还包括第二筛选规则，所述第二筛选规则包括：

判断所述匹配线将目标空间划分成的两区域的区域周长是否大于预设周长阈值；

若是，进一步判断所述匹配线将目标空间划分成的两区域的区域面积是否大于预设面积阈值；

若所述匹配线将目标空间划分成的两区域的区域面积大于预设面积阈值，则确定所述匹配线为分割线。

在一些实施例中，所述基于所述多条分割线，对所述目标空间进行分区，包括：

根据所述分割线，确定多个多边形；

获取每一多边形的特征点集，确定所述目标空间的多个空间区域。

在一些实施例中，所述对所述多条匹配线进行筛选，确定多条分割线的步骤之后，所述方法还包括：

对所述多条分割线进行筛选，生成筛选后的分割线；

基于筛选后的分割线，对所述目标空间进行分区。

第二方面，本发明实施例提供一种室内空间分区装置，包括：

栅格地图获取单元，用于获取目标空间的栅格地图，并对所述栅格地图进行二值化处理；

特征点生成单元，用于获取所述目标空间的轮廓，对所述轮廓进行多边形拟合，提取所述轮廓的特征点；

关键点确定单元，用于根据所述特征点，确定多个关键点；

匹配线生成单元，用于根据所述多个关键点，获得多条匹配线；

空间分区单元，用于对所述多条匹配线进行筛选，确定多条分割线，并基于所述多条分割线，对所述目标空间进行分区。

在一些实施例中，所述装置还包括：

噪点去除单元，用于根据预设栅格参数搜索所述栅格地图中的占据区域，确定所述占据区域中的噪点区域；

遍历所述栅格地图后，去除所述噪点区域。

在一些实施例中，所述关键点确定单元，具体用于：

以所述特征点为几何中心，建立搜索模型，确定所述特征点中的非关键点；

所述搜索模型为搜寻与所述特征点的距离达到预设距离的栅格区域，并判断所述栅格区域是否包含占据区域。

在一些实施例中，所述关键点确定单元，具体用于：

若所述栅格区域包含有占据区域，确定所述特征点为非关键点；

若所述栅格区域不包含有占据区域，则确定所述特征点为关键点。

在一些实施例中，所述空间分区单元，具体用于：

判断任一匹配线是否满足预设条件，所述预设条件包括第一筛选规则，所述第一筛选规则包括：

判断所述匹配线的长度是否处于预设范围；

若是，进一步判断所述匹配线是否处于占据区域；

若所述匹配线处于占据区域，则确定所述匹配线为分割线。

在一些实施例中，所述空间分区单元，还具体用于：

所述预设条件还包括第二筛选规则，所述第二筛选规则包括：

判断所述匹配线将目标空间划分成的两区域的区域周长是否大于预设周长阈值；

若是，进一步判断所述匹配线将目标空间划分成的两区域的区域面积是否大于预设面积阈值；

若所述匹配线将目标空间划分成的两区域的区域面积大于预设面积阈值，则确定所述匹配线为分割线。

在一些实施例中，所述空间分区单元，具体用于：

根据所述分割线，确定多个多边形；

获取每一多边形的特征点集，确定所述目标空间的多个空间区域。

在一些实施例中，所述装置还包括：

分割线筛选单元，用于对所述多条分割线进行筛选，生成筛选后的分割线；

基于筛选后的分割线，对所述目标空间进行分区。

第三方面，本发明实施例提供一种移动机器人，包括：

至少一个处理器；和

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的室内空间分区方法。

第四方面，本发明实施例提供一种非易失性计算机可读存储介质，所述非易失性计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使移动机器人执行上述的室内空间分区方法。

本发明实施方式的有益效果是：区别于现有技术的情况，本发明实施方式提供一种室内空间分区方法、装置及移动机器人，所述室内空间分区方法包括：获取目标空间的栅格地图，并对所述栅格地图进行二值化处理；获取所述目标空间的轮廓，对所述轮廓进行多边形拟合，提取所述轮廓的特征点；根据所述特征点，确定多个关键点；根据所述多个关键点，获得多条匹配线；对所述多条匹配线进行筛选，确定多条分割线，并基于所述多条分割线，对所述目标空间进行分区。通过多边形拟合，基于拟合多边形生成分割线对目标空间进行分区，本发明能够提高空间分区的效率。

附图说明

一个或多个实施例通过与之对应的附图进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。

图1是本发明实施例提供的一种应用环境的示意图；

图2是本发明实施例提供的一种室内空间分区方法的流程示意图；

图3是本发明实施例提供的一种空间地图的示意图；

图4是本发明实施例提供的一种栅格地图的距离阈值的示意图；

图5是本发明实施例提供的一种去噪点后的空间地图的示意图；

图6是本发明实施例提供的一种空间多边形轮廓特征点的示意图；

图7是图2中的步骤S30的细化流程图；

图8是本发明实施例提供的一种非关键点去除的示意图；

图9是本发明实施例提供的一种关键点的示意图；

图10是本发明实施例提供的一种匹配线的示意图；

图11是图2中的步骤S50的细化流程图；

图12是本发明实施例提供的一种分割线的示意图；

图13是本发明实施例提供的一种分割成空间区域后的示意图；

图14是本发明实施例提供的一种室内空间分区装置的示意图；

图15是本发明实施例提供的一种移动机器人的结构示意图。

具体实施方式

为了便于理解本发明，下面结合附图和具体实施方式，对本发明进行更详细的说明。需要说明的是，当元件被表述“固定于”另一个元件，它可以直接在另一个元件上、或者其间可以存在一个或多个居中的元件。当一个元件被表述“连接”另一个元件，它可以是直接连接到另一个元件、或者其间可以存在一个或多个居中的元件。本说明书所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。

除非另有定义，本说明书所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本说明书中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是用于限制本发明。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。

目前，移动机器人，包括：清洁机器人、服务机器人、远程监控机器人、扫地机器人等机器人，而移动机器人，例如扫地机器人在对空间进行清扫的时候，如果能够按区域进行清扫，既可以提高扫地的效率，也可以避免对用户的打扰，提高用户体验，因此有必要对清扫区域进行分区。

目前，常用的分区技术包括非机器学习的方法和机器学习的方法。

其中，非机器学习的方法包括图像形态学方法、基于距离变换的方法、基于Voronoi图的方法，其中，图像形态学方法通过对地图不断施加腐蚀，膨胀等等操作，标记满足要求的区域，未标记的区域会归于最近的标记区域，从而实现分区；基于距离变换的方法通过对图像进行距离变换，即计算每个白色像素点到最近黑色像素点的距离，得到一个距离变化图，通过在距离变换图上设置阈值，来实现区域的划分；基于Voronoi图的方法通过对地图创建Voronoi图，找到所谓的临界线，将地图进行划分。

其中，基于机器学习的方法通过带有标注的数据集，训练出一个模型，该模型能根据每个白色像素处的特征，对其进行分类，从而实现区域划分。

但是，对于复杂家居环境，非机器学习的方法得到的结果往往不太理想，有的算法需要填充，也比较耗时。机器学习方法的效果相对好点，但需要好的训练数据集，但模型占用内存较大，计算较复杂，不太适合扫地机这类嵌入式设备，并且当实际环境跟模型相差太大，其分区也不尽如人意。

基于此，本发明实施例提供一种室内空间分区方法、装置及移动机器人，解决目前移动机器人的空间分区效率低的技术问题，提高空间分区的效率。

对本发明进行详细说明之前，对本发明实施例中涉及的名词和术语进行说明，本发明实施例中涉及的名词和术语适用于如下的解释。

1)栅格地图(Grid-based map)，表示的是一种二维空间描述方法，将二维空间以一个最小的分辨率划分为一个个子单元，如1m*1m的二维空间，经过分辨率5cm划分后的二维空间描述为20*20的栅格矩阵，栅格矩阵中每一个元素对应实际物理尺寸的大小是5cm*5cm。

2)自由栅格，指的是栅格地图中没有被障碍物占据的栅格。

3)障碍栅格，指的是栅格地图中被障碍物占据的栅格。

4)机器人半径，指的是假设机器人为圆形，机器人的半径。

5)栅格模型，指的是用于确定某一栅格是障碍栅格或自由栅格的模型。

请参阅图1，图1是本发明实施例提供的一种应用环境的示意图；

如图1所示，移动机器人、客户端以及服务器通过网络通信连接，其中，所述网络包括有线网络和/或无线网络，其中，所述移动机器人获取目标空间的栅格地图，并将所述栅格地图发送到所述服务器，以使所述服务器获取目标空间的栅格地图，并根据所述目标空间的栅格地图，对所述栅格地图进行处理后，对所述目标空间进行分区，并将分区后的空间地图发送到所述移动机器人，以使所述移动机器人根据所述分区后的空间地图进行操作，例如：清扫、寻物等操作，在本发明实施例中，所述服务器还用于获取所述移动机器人的当前位置，并结合所述分区后的空间地图，将所述移动机器人的实时位置发送到所述客户端，以使用户通过所述客户端确认所述移动机器人的位置，可以理解的是，所述客户端可以安装有应用程序APP(Application)，所述应用程序APP用于接收所述服务器发送的分区后的空间地图以及移动柜机器人的位置信息，以使用户通过所述应用程序APP实时确认所述移动机器人的位置。

在本发明实施例中，所述移动机器人设置有摄像头以及激光雷达，所述摄像头设置于所述移动机器人的机身，所述摄像头用于获取目标空间的监控区域内的图像数据和/或视频数据，所述激光雷达设置于所述移动机器人的机身，例如设置于所述移动机器人的移动底盘，所述激光雷达用于获取激光点云数据，例如：获取目标空间的监控范围内的激光点云数据，所述移动机器人根据所述激光雷达获取的激光点云数据，通过激光SLAM算法(SLAM，Simultaneous Localization and Mapping)对目标空间的监控范围内的激光点云数据进行运算，构建栅格地图，所述激光SLAM算法包括卡尔曼滤波、粒子滤波、图优化等方法。

在本发明实施例中，所述摄像头包括红外摄像头、夜视摄像头、网络摄像头、数字摄像头、高清摄像头、4K摄像头、8K高清摄像头等摄像装置，所述移动底盘包括全能型通用底盘、拱腰式移动底盘等机器人移动底盘，所述激光雷达包括脉冲激光雷达、连续波激光雷达等雷达。

可以理解的是，所述网络包括2G、3G、4G、5G、无线局域网、蓝牙等无线网络，也可以包括串口线、网线等有线网络。

可以理解的是，所述移动机器人包括但不限于清洁机器人、服务机器人、远程监控机器人、扫地机器人等机器人。

可以理解的是，所述客户端包括但不限于：移动通信设备、移动个人计算机设备、便携式娱乐设备以及其他具有视频播放功能和上网功能的电子设备。

可以理解的是，所述服务器包括但不限于：塔式服务器、机架式服务器、刀片式服务器以及云服务器。

请再参阅图2，图2是本发明实施例提供的一种室内空间分区方法的流程示意图；

如图2所示，该室内空间分区方法，应用于移动机器人，所述方法包括：

步骤S10：获取目标空间的栅格地图，并对所述栅格地图进行二值化处理；

具体的，请参阅图3，图3图3是本发明实施例提供的一种空间地图的示意图；

其中，所述移动机器人，例如扫地机器人通过对目标空间进行全覆盖清扫，通过全覆盖清扫获取目标空间的栅格地图，并对所述目标空间的栅格地图进行二值化处理，或者，所述移动机器人将所述空间地图发送到服务器，所述服务器通过移动机器人获取目标空间的栅格地图，并将所述目标空间的栅格地图进行二值化处理，即进行黑白处理，黑色像素值为0，表示该栅格被占据，即该栅格为障碍栅格，白色像素值为255，表示该栅格没有被占据，即该栅格为自由栅格。

在本发明实施例中，通过栅格模型确定所述空间地图中的每一栅格为自由栅格或障碍栅格，栅格模型表示如下式(1)所示：

其中，map[i][j]表示栅格地图中坐标为i,j的栅格，并且，若Occ函数的返回值为1，则表示该栅格被占据，该栅格是障碍栅格，若Occ函数的返回值为0，则表示为该栅格未被占据，该栅格是自由栅格。

为了减少杂物对分区的影响，需对家具、杂物等进行处理。针对于扫地机等服务机器人工作的特点，本发明提供的算法认为，连在墙体上的物品对分区有影响，而与墙体分开的且尺寸小于某一阈值的物品对分区无影响，因此本发明通过调节距离阈值，去除不同尺寸的杂物。

在本发明实施例中，在对所述栅格地图进行二值化处理的步骤之后，所述方法还包括：

根据预设栅格参数搜索所述栅格地图中的占据区域，确定所述占据区域中的噪点区域；

遍历所述栅格地图后，去除所述噪点区域。

其中，所述预设栅格参数指的是预设障碍物占领的栅格的个数，占领的栅格的个数对应一个距离，预设栅格参数相当于预设距离阈值，具体的，所述确定所述占据区域中的噪点区域，包括：通过预设距离阈值，根据所述距离阈值，确定二值化处理后的栅格地图中的噪点区域。

具体的，所述根据所述距离阈值，确定二值化处理后的栅格地图中的噪点区域，包括：

根据所述距离阈值，判断目标像素点在距离阈值的邻域的像素点是否存在黑色像素值；

若否，则确定所述目标像素点所在的位置为噪点区域；

若是，则确定所述目标像素点所在的位置不为噪点区域。

在确定所述目标像素点所在的位置为噪点区域(相当于杂物)，则去除所述二值化处理后的栅格地图中的噪点区域(相当于杂物)，在确定所述目标像素点所在的位置不为噪点区域(相当于杂物)，则保留所述目标像素点所在的位置。

具体的，请再参阅图4，图4是本发明实施例提供的一种栅格地图的距离阈值的示意图；

如图4所示，栅格地图以棋盘的方式呈现，棋盘的最左边一列为墙体，所述距离阈值为N个栅格的长度，其中，N为正整数，通过预设阈值，例如：预设阈值为1、2或3个栅格的长度。

下面以距离阈值为2个栅格的长度为例来说明噪点区域(杂物)去除的过程，对于点1，当距离阈值为2时候，棋盘距离为2的所有点，即图中正方形虚线框所经过的像素点，并非全白，表示该点在距离阈值为2个栅格的长度下不是独立的点，在该距离阈值下此点不能去除。同理，对于点2，在距离阈值为2个栅格的长度下，棋盘距离为2的所有像素点都是白色的，因此称其为独立的点，在该距离阈值下，此点可以被排除。通过排除独立的点，即排除噪点区域(杂物)，从而得到去噪点后的空间地图，请参阅图5，图5是本发明实施例提供的一种去噪点后的空间地图的示意图。

优选地，所述方法还包括：预设第N距离阈值，通过第N距离阈值确定二值化处理后的栅格地图中的杂物，并去除在第N距离阈值下的所述二值化处理后的栅格地图中的噪点区域(杂物)，通过对第N距离阈值以递减的方式确定二值化处理后的栅格地图中的噪点区域(杂物)，并第N-1距离阈值下的二值化处理后的栅格地图中的噪点区域(杂物)，直至到第X距离阈值，其中，N为正整数且N≥3，X为正整数且X≥1，通过逐一调节不同大小的距离阈值，本发明能够更好地去除所述二值化处理后的栅格地图中的噪点区域(杂物)。

步骤S20：获取所述目标空间的轮廓，对所述轮廓进行多边形拟合，提取所述轮廓的特征点；

具体的，请参阅图6，图6是本发明实施例提供的一种空间多边形轮廓特征点的示意图；

如图6所示，通过对所述目标空间的内部轮廓进行多边形拟合，生成所述目标空间的拟合多边形，根据所述目标房间的拟合多边形，确定所述目标空间中的所有特征点，所述特征点为图6中的小圆圈，所述特征点沿着内轮廓，按照逆时针的顺序连接可组成空间轮廓，并且通过对所述目标空间中的所有特征点进行编号，按照顺序从小到大编号，以便于后续处理。

步骤S30：根据所述特征点，确定多个关键点；

其中，通过对所述轮廓进行多边形拟合，确定所述拟合多边形的特征点中的非关键点，所述非关键点对区域划分没有实质性影响，为了提高计算速度，需要对其进行去除。

具体的，请再参阅图7，图7是图2中的步骤S30的细化流程图；

如图7所示，所述根据所述特征点，确定多个关键点，包括：

步骤S31：以所述特征点为几何中心，建立搜索模型，确定所述特征点中的非关键点；

具体的，确定所述特征点的位置信息，以所述特征点为几何中心，建立搜索模型，通过搜索模型确定所述特征点中的非关键点，其中，所述搜索模型为搜寻与所述特征点的距离达到预设距离的栅格区域，并判断所述栅格区域是否包含占据区域。

步骤S32：搜寻与所述特征点的距离达到预设距离的栅格区域；

具体的，所述预设距离为预设数量的栅格的长度，例如：四个栅格的长度。

步骤S33：判断所述栅格区域是否包含占据区域；

具体的，所述占据区域包括至少一个障碍栅格，通过判断所述栅格区域是否包含占据区域，即判断与所述特征点的距离达到预设距离的栅格区域中是否包含障碍栅格，若是，则确定所述特征点为非关键点，若否，则确定所述特征点为关键点，例如：假设所述预设距离为四个栅格的距离，通过判断与所述特征点的距离达到四个栅格的长度的栅格区域是否包含障碍栅格，若是，则确定所述特征点为非关键点；若否，则确定所述特征点为关键点。

在本发明实施例中，所述方法还包括：预设数量阈值，所述数量阈值为所述占据区域所包含的障碍栅格的数量，通过判断与所述特征点的距离达到预设距离的栅格区域包含的占据区域中的障碍栅格的数量是否大于所述数量阈值，若是，则确定所述特征点为非关键点，若否，则确定所述特征点为关键点，例如：所述预设距离为一个栅格的长度，即此时与所述特征点的距离达到预设距离的栅格区域为所述特征点的一邻域，预设所述数量阈值为5，判断与所述特征点的距离达到预设距离的栅格区域包含的占据区域中的障碍栅格的数量是否大于5，若是，则确定该特征点为非关键点，若否，则确定该特征点为关键点，例如图8中的特征点1、2、3、4、5，通过获取特征点1、2、3、4、5的一邻域的障碍栅格的数量，当某一特征点的一邻域的障碍栅格的数量大于预设数量阈值，即大于5时，认为其是非关键点，如特征点1和4，当某一特征点的一邻域的障碍栅格的数量不大于预设数量阈值时，认为其是关键点，因此特征点2、3、5作为关键点保留。

步骤S34：确定所述特征点为非关键点；

具体的，若该特征点为非关键点，则将其从去除噪点后的目标空间的栅格地图中删除。

步骤S35：确定所述特征点为关键点；

具体的，若该特征点为关键点，则将其保留在去除噪点后的目标空间的栅格地图中，请再参阅图9，图9是本发明实施例提供的一种关键点的示意图，如图9所示，为将关键点保留后的栅格地图。

通过去除所述拟合多边形的特征点中的非关键点，确定多个关键点，具体的，通过确定所述拟合多边形的特征点中的非关键点，并去除所述非关键点，确定多个关键点，并对所述多个关键点按照顺序从小到大进行编号，生成多个关键点的编号。在本发明实施例中，通过去除非关键点，保留关键点，本发明能够提高空间分区的速度。

具体的，请参阅图8，图8是本发明实施例提供的一种非关键点去除的示意图；

如图8所示，通过判断所述拟合多边形的每一特征点的预设邻域的白色像素点的数量是否小于数量阈值，若某一特征点的预设邻域的白色像素点的数量小于数量阈值，则确定所述特征点为非关键点，例如图8中的点1和点4；若某一特征点的预设邻域的白色像素点的数量不小于数量阈值，则确定所述特征点为关键点，此时保留该特征点于所述栅格地图中。

步骤S40：根据所述多个关键点，获得多条匹配线；

请再参阅图10，图10是本发明实施例提供的一种匹配线的示意图；

如图10所示，通过对多个关键点进行连线，生成多条匹配线。

具体的，通过对所述多个关键点进行连线，生成多条匹配线，其中，由于所述多个关键点都有编号，为了避免不必要的连线，通过将关键点与编号大于自身的所有关键点进行连线，得到潜在分割线，例如：所有的关键点按照逆时针进行从小到大编号，比如有关键点1、2、3、4、5，第一次进行连线的时候1-2 1-3 1-4 1-5，那么第二次就是2-3 2-42-5，第三次进行连线就是3-4 3-5，第四次连线就是4-5，通过将关键点与编号大于自身的关键点进行连线，能够避免重复，提高连线效率。

步骤S50：对所述多条匹配线进行筛选，确定多条分割线，并基于所述多条分割线，对所述目标空间进行分区。

具体的，请再参阅图11，图11是图2中的步骤S50的细化流程图；

如图11所示，所述对所述多条匹配线进行筛选，确定多条分割线，包括：

步骤S51：判断任一匹配线是否满足预设条件；

具体的，所述预设条件包括第一筛选规则，所述第一筛选规则包括：

判断所述匹配线的长度是否处于预设范围；

若是，进一步判断所述匹配线是否部分或全部处于占据区域；

若所述匹配线部分或全部处于占据区域，则确定所述匹配线为分割线。

例如：最小连线长度≤该匹配线的长度≤最大连线长度，所述最小连线长度和最大连线长度人为设置，例如：所述最小连线长度设置为1m，所述最大连线长度设置为5m，若1m≤该匹配线的长度≤5m，则进一步判断所述匹配线是否部分或全部处于占据区域，相当于判断所述匹配线是否穿过黑色像素点，该匹配线未穿过黑色像素点，可以理解为该匹配线未穿过目标空间的墙体，若该匹配线的长度处于预设范围，并且，该匹配线未穿过黑色像素点，则确定该匹配线满足第一筛选规则，确定该匹配线为分割线，否则，该匹配线不满足第一筛选规则，此时将该匹配线从栅格地图中删除。

具体的，所述预设条件还包括第二筛选规则，所述第二筛选规则包括：

判断所述匹配线将目标空间划分成的两区域的区域周长是否大于预设周长阈值；

若是，进一步判断所述匹配线将目标空间划分成的两区域的区域面积是否大于预设面积阈值；

若所述匹配线将目标空间划分成的两区域的区域面积大于预设面积阈值，则确定所述匹配线为分割线。

具体的，该匹配线将目标空间划分成的两区域的区域周长大于预设周长阈值，所述预设周长阈值人为设置，例如：设置为2m，所述该匹配线将目标空间划分成的两区域的区域面积大于预设面积阈值，所述预设面积阈值人为设置，例如：设置为3m²，即若该匹配线将目标空间划分成的两区域的区域周长大于预设周长阈值，并且，该匹配线将目标空间划分成的两区域的区域面积大于预设面积阈值，则确定所述匹配线为分割线，否则，确定该匹配线不是分割线，并将该匹配线从栅格地图中删除。

步骤S52：将该匹配线确定为分割线；

具体的，若该匹配线满足所述预设条件，则将该匹配线确定为分割线，将所述分割线保留在目标空间的栅格地图中。

步骤S53：将该匹配线确定为非分割线；

具体的，若该匹配线不满足所述预设条件，则将该匹配线确定为非分割线，此时需要将所述非分割线从所述目标空间的栅格地图中删除。

步骤S54：根据多条满足预设条件的匹配线，确定多条分割线；

通过确定多条满足预设条件的匹配线，将每一条匹配线作为分割线，则确定了多条分割线。

请再参阅图12，图12是本发明实施例提供的一种分割线的示意图，如图12所示，通过去除非分割线，确定多条分割线。

在本发明实施例中，通过预设条件去除非分割线，能够更好地实现空间分区。

在本发明实施例中，在对所述多条匹配线进行筛选，确定多条分割线的步骤之后，所述方法还包括：

对所述多条分割线进行筛选，生成筛选后的分割线；

基于筛选后的分割线，对所述目标空间进行分区。

具体的，由于匹配线聚集在分割区域的附近，有些在一块的都能正确的进行区域分割，但其中有更符合人们划分的线条，有的则是异常分割线，因此需要对这些不好的或者异常的进行去除，通过对所述多条分割线进行筛选，生成筛选后的分割线，包括：确定所述多条分割线中的异常分割线，删除所述多条分割线中的异常分割线。

具体的，所述确定所述多条分割线中的异常分割线，包括：判断任意两条分割线是否存在交叉，若是，则确定所述交叉的分割线中的若干条为异常分割线，并保留其中一条为正常分割线，或者，预设最小面积阈值，判断是否存在多条交界面积小于预设最小面积阈值的分割线，若是，则将将至少两条交界面积小于预设最小面积阈值的分割线进行合并，或者，合并形状相似的分割线，例如：去掉异常分割线，比如交叉的分割线，或者，去掉不符合人类划分的线，或者，将至少两条交界面积小于预设最小面积阈值的分割线进行合并，或者，合并形状相似的分割线。

在本发明实施例中，通过对所述多条分割线进行筛选，生成筛选后的分割线，能够更好地确定数量更少的分割线，通过对分割线进行筛选或者处理后，生成筛选或处理后的分割线，基于筛选或处理后的分割线，对所述目标空间进行分区，有利于直观地对空间区域进行分区。

请参阅图13，图13是本发明实施例提供的一种分割成空间区域后的示意图；

可以理解的是，分割线只是表示这两个特征点的连线能将空间分割成空间区域，例如：图13中的区域r1、r2、r3、r4、r5、r6、r7等七个区域，为了进一步确定所述目标空间的具体的区域，所以还要根据空间轮廓和分割线将空间的多边形分割成多个多边形，每个多边形对应一个空间区域。

因此，在本发明实施例中，在对所述多条匹配线进行筛选，确定多条分割线之后，所述基于所述多条分割线，对所述目标空间进行分区，包括：

根据所述分割线，确定多个多边形；

获取每一多边形的特征点集，确定所述目标空间的多个空间区域。

具体的，基于所述多条分割线，生成所述目标空间的多个多边形；

根据所述多个多边形的位置信息，确定每一多边形的每一特征点的位置信息，进而确定每一多边形的特征点集；

根据所述特征点集，对所述目标空间进行区域划分，生成每一特征点集对应的空间区域。

在本发明实施例中，通过每一个特征点集对应一个空间区域的方式对每一个空间区域对应的多边形进行划分，本发明能够更好地确定多个多边形，进而确定多个空间区域。

在本发明实施例中，通过提供一种室内空间分区方法，应用于移动机器人，所述方法包括：获取目标空间的栅格地图，并对所述栅格地图进行二值化处理；对所述目标空间的内部轮廓进行多边形拟合，生成所述目标空间的拟合多边形的特征点；根据所述拟合多边形的特征点，确定多个关键点；根据所述多个关键点，获得多条匹配线；对所述多条匹配线进行筛选，确定多条分割线，并基于所述多条分割线，对所述目标空间进行分区。通过多边形拟合，基于拟合多边形生成分割线对目标空间进行分区，本发明能够提高空间分区的效率。

请再参阅图14，图14是本发明实施例提供的一种室内空间分区装置的结构示意图；

如图14所示，该室内空间分区装置140，应用于移动机器人，所述装置包括：

栅格地图获取单元141，用于获取目标空间的栅格地图，并对所述栅格地图进行二值化处理；

特征点生成单元142，用于对所述目标空间的内部轮廓进行多边形拟合，生成所述目标空间的拟合多边形的特征点；

关键点确定单元143，用于根据所述拟合多边形的特征点，确定多个关键点；

匹配线生成单元144，用于对所述多个关键点进行连线，生成多条匹配线；

空间分区单元145，用于对所述多条匹配线进行筛选，确定多条分割线，并基于所述多条分割线，对所述目标空间进行分区。

在本发明实施例中，所述装置还包括：

噪点去除单元，用于根据预设栅格参数搜索所述栅格地图中的占据区域，确定所述占据区域中的噪点区域；

遍历所述栅格地图后，去除所述噪点区域。

在本发明实施例中，所述关键点确定单元143，具体用于：

确定所述拟合多边形的特征点中的非关键点；

去除所述拟合多边形的特征点中的非关键点，确定多个关键点。

在本发明实施例中，所述关键点确定单元143，具体用于：

以所述特征点为几何中心，建立搜索模型，确定所述特征点中的非关键点；

所述搜索模型为搜寻与所述特征点的距离达到预设距离的栅格区域，并判断所述栅格区域是否包含占据区域；

若所述栅格区域包含有占据区域，确定所述特征点为非关键点；

若所述栅格区域不包含有占据区域，则确定所述特征点为关键点。

在本发明实施例中，所述空间分区单元145，具体用于：

判断任一匹配线是否满足预设条件，所述预设条件包括第一筛选规则，所述第一筛选规则包括：

判断所述匹配线的长度是否处于预设范围；

若是，进一步判断所述匹配线是否处于占据区域；

若所述匹配线处于占据区域，则确定所述匹配线为分割线。

在本发明实施例中，所述空间分区单元，还具体用于：

所述预设条件还包括第二筛选规则，所述第二筛选规则包括：

判断所述匹配线将目标空间划分成的两区域的区域周长是否大于预设周长阈值；

若是，进一步判断所述匹配线将目标空间划分成的两区域的区域面积是否大于预设面积阈值；

若所述匹配线将目标空间划分成的两区域的区域面积大于预设面积阈值，则确定所述匹配线为分割线。

在本发明实施例中，所述空间分区单元，具体用于：

根据所述分割线，确定多个多边形；

获取每一多边形的特征点集，确定所述目标空间的多个空间区域。

在本发明实施例中，所述装置还包括：

分割线筛选单元，用于对所述多条分割线进行筛选，生成筛选后的分割线；

基于筛选后的分割线，对所述目标空间进行分区。

在本发明实施例中，通过提供一种室内空间分区装置，应用于移动机器人，所述装置包括：栅格地图获取单元，用于获取目标空间的栅格地图，并对所述栅格地图进行二值化处理；特征点生成单元，用于获取所述目标空间的轮廓，对所述轮廓进行多边形拟合，提取所述轮廓的特征点；关键点确定单元，用于根据所述特征点，确定多个关键点；匹配线生成单元，用于根据所述多个关键点，获得多条匹配线；空间分区单元，用于对所述多条匹配线进行筛选，确定多条分割线，并基于所述多条分割线，对所述目标空间进行分区。通过多边形拟合，基于拟合多边形生成分割线对目标空间进行分区，本发明能够提高空间分区的效率。

请再参阅图15，图15是本发明实施例提供的一种移动机器人的结构示意图；

如图15所示，该移动机器人150包括一个或多个处理器151以及存储器152。其中，图15中以一个处理器151为例。

处理器151和存储器152可以通过总线或者其他方式连接，图15中以通过总线连接为例。

存储器152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，如本申请实施例中的一种室内空间分区方法对应的单元(例如，图14所述的各个单元)。处理器151通过运行存储在存储器152中的非易失性软件程序、指令以及模块，从而执行室内空间分区方法的各种功能应用以及数据处理，即实现上述方法实施例的室内空间分区方法以及上述装置实施例的各个模块和单元的功能。

存储器152可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器152可选包括相对于处理器151远程设置的存储器，这些远程存储器可以通过网络连接至处理器151。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

所述模块存储在所述存储器152中，当被所述一个或者多个处理器151执行时，执行上述任意方法实施例中的室内空间分区方法，例如，执行以上描述的图2所示的各个步骤；也可实现图14所述的各个模块或单元的功能。

本申请实施例的移动机器人以多种形式存在，在执行以上描述的图2所示的各个步骤；也可实现图14所述的各个单元的功能时，包括但不限于：清洁机器人、服务机器人、远程监控机器人、扫地机器人等机器人。

需要说明的是，本发明的说明书及其附图中给出了本发明的较佳的实施方式，但是，本发明可以通过许多不同的形式来实现，并不限于本说明书所描述的实施方式，这些实施方式不作为对本发明内容的额外限制，提供这些实施方式的目的是使对本发明的公开内容的理解更加透彻全面。并且，上述各技术特征继续相互组合，形成未在上面列举的各种实施方式，均视为本发明说明书记载的范围；进一步地，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (10)

1.一种室内空间分区方法，其特征在于，包括：

获取目标空间的栅格地图，并对所述栅格地图进行二值化处理；

获取所述目标空间的轮廓，对所述轮廓进行多边形拟合，提取所述轮廓的特征点；

根据所述特征点，确定多个关键点；

根据所述多个关键点，获得多条匹配线；

对所述多条匹配线进行筛选，确定多条分割线，并基于所述多条分割线，对所述目标空间进行分区。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据预设栅格参数搜索所述栅格地图中的占据区域，确定所述占据区域中的噪点区域；

遍历所述栅格地图后，去除所述噪点区域。

3.根据权利要求1所述的方法，其特征在于，所述根据所述特征点，确定多个关键点，包括：

以所述特征点为几何中心，建立搜索模型，确定所述特征点中的非关键点；

所述搜索模型为搜寻与所述特征点的距离达到预设距离的栅格区域，并判断所述栅格区域是否包含占据区域。

4.根据权利要求3所述的方法，其特征在于，所述根据所述特征点，确定多个关键点，包括：

若所述栅格区域包含有占据区域，确定所述特征点为非关键点；

若所述栅格区域不包含有占据区域，则确定所述特征点为关键点。

5.根据权利要求1所述的方法，其特征在于，所述对所述多条匹配线进行筛选，确定多条分割线，包括：

判断任一匹配线是否满足预设条件，所述预设条件包括第一筛选规则，所述第一筛选规则包括：

判断所述匹配线的长度是否处于预设范围；

若是，进一步判断所述匹配线是否部分或全部处于占据区域；

若所述匹配线部分或全部处于占据区域，则确定所述匹配线为分割线。

6.根据权利要求5所述的方法，其特征在于，所述预设条件还包括第二筛选规则，所述第二筛选规则包括：

判断所述匹配线将目标空间划分成的两区域的区域周长是否大于预设周长阈值；

若是，进一步判断所述匹配线将目标空间划分成的两区域的区域面积是否大于预设面积阈值；

若所述匹配线将目标空间划分成的两区域的区域面积大于预设面积阈值，则确定所述匹配线为分割线。

7.根据权利要求1所述的方法，其特征在于，所述基于所述多条分割线，对所述目标空间进行分区，包括：

根据所述分割线，确定多个多边形；

获取每一多边形的特征点集，确定所述目标空间的多个空间区域。

8.根据权利要求1所述的方法，其特征在于，所述对所述多条匹配线进行筛选，确定多条分割线的步骤之后，所述方法还包括：

对所述多条分割线进行筛选，生成筛选后的分割线；

基于筛选后的分割线，对所述目标空间进行分区。

9.一种室内空间分区装置，其特征在于，包括：

栅格地图获取单元，用于获取目标空间的栅格地图，并对所述栅格地图进行二值化处理；

特征点生成单元，用于获取所述目标空间的轮廓，对所述轮廓进行多边形拟合，提取所述轮廓的特征点；

关键点确定单元，用于根据所述特征点，确定多个关键点；

匹配线生成单元，用于根据所述多个关键点，获得多条匹配线；

空间分区单元，用于对所述多条匹配线进行筛选，确定多条分割线，并基于所述多条分割线，对所述目标空间进行分区。

10.一种移动机器人，其特征在于，包括：

至少一个处理器；和

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1-8任一项所述的室内空间分区方法。

Images