CN111504299A

CN111504299A - 一种地图建立方法、装置、可读介质及电子设备

Info

Publication number: CN111504299A
Application number: CN202010258974.5A
Authority: CN
Inventors: 檀冲; 王颖; 张书新
Original assignee: Xiaogou Electric Internet Technology Beijing Co Ltd
Current assignee: Xiaogou Electric Internet Technology Beijing Co Ltd
Priority date: 2020-04-03
Filing date: 2020-04-03
Publication date: 2020-08-07
Anticipated expiration: 2040-04-03
Also published as: CN111504299B

Abstract

本发明公开了一种地图建立方法、装置、可读介质及电子设备，包括：通过预设的图像分析模型，确定待测图像中目标物的类型；根据结构光传感器生成的结构光线和所述待测图像中的目标物，确定目标物对应的参考点；并确定所述参考点的结构光坐标；利用所述结构光传感器，确定结构光坐标范围；当所述参考点的结构光坐标和所述结构光坐标范围匹配，根据所述结构光坐标范围确定目标物的定位坐标；根据所述目标物的类型和所述目标物的定位坐标确定目标物信息；并基于所述目标物信息建立地图；由此解决了现有技术在地图建立的过程中无法识别目标物，使地图与实际场景有所出入，地图信息不准确的技术问题。

Description

一种地图建立方法、装置、可读介质及电子设备

技术领域

本发明涉及计算机技术领域，尤其涉及一种地图建立方法、装置、可读介质及电子设备。

背景技术

对于自走型的智能机器人(如扫地机器人)来说，通常都需要对其所处空间建立地图。现有技术中，可以通过SLAM(simultaneous localization and mapping，即同步定位建图)建立空间地图，进而使智能机器人实现导航、路线规划和地图展示等功能。

目前，建立地图往往只是单纯的探测空间边界，从而实现对于空间的绘制和划分。但实际上，空间内通常并非是空旷的，而是可能会摆放有各种家具和物品。以目前的方式建立地图，无法识别出摆放的家具和物品。这样既影响地图建立的准确性，而且基于地图的路线规划也可能受到干扰。

发明内容

本发明提供一种地图建立方法、装置、可读介质及电子设备，结合待测图像与结构光探测，实现对于室内目标物的识别，从而基于室内场景完成地图建立，使地图更加准确。

第一方面，本发明提供了一种地图建立方法，包括：

通过预设的图像分析模型，确定待测图像中目标物的类型；

根据结构光传感器生成的结构光线和所述待测图像中的目标物，确定目标物对应的参考点；并确定所述参考点的结构光坐标；

利用所述结构光传感器，确定结构光坐标范围；

当所述参考点的结构光坐标和所述结构光坐标范围匹配，根据所述结构光坐标范围确定目标物的定位坐标；

根据所述目标物的类型和所述目标物的定位坐标确定目标物信息；并基于所述目标物信息建立地图。

优选地，所述根据结构光传感器生成的结构光线和所述待测图像中的目标物，确定目标物对应的参考点包括：

在所述待测图像中，确定所述结构光线的投影线；

根据所述投影线，和所述目标物在所述待测图像中的像素坐标范围，确定所述结构光线的参考线；

在所述参考线上确定多个参考点。

优选地，所述确定所述参考点的结构光坐标包括：

在所述待测图像中确定所述参考点的像素坐标；

根据所述参考点的像素坐标，确定所述参考点的结构光坐标。

优选地，所述根据所述参考点的像素坐标，确定所述参考点的结构光坐标包括：

确定采集所述待测图像的相机，与所述结构光传感器的相对位置关系；

通过所述相对位置关系，将所述参考点的像素坐标转换成所述参考点的结构光坐标。

优选地，所述利用所述结构光传感器，确定结构光坐标范围包括：

当所述结构光传感器采集到非连续的结构光信号，将所述结构光信号非连续的范围确定为所述结构光坐标范围；

或，当所述结构光传感器采集与所述目标物的类型对应的结构光信号，将与所述目标物的类型对应的结构光信号的范围确定为所述结构光坐标范围。

优选地，还包括：

根据所述地图，确定智能机器人在相应空间中的行进路线。

优选地，所述确定智能机器人在相应空间中的行进路线包括：

根据所述目标物的类型，确定所述目标物的定位坐标对应的行进策略；

根据所述行进策略确定所述行进路线。

第二方面，本发明提供了一种地图建立装置，包括：

图像分析模块，用于通过预设的图像分析模型，确定待测图像中目标物的类型；

参考点确定模块，用于根据结构光传感器生成的结构光线和所述待测图像中的目标物，确定目标物对应的参考点；并确定所述参考点的结构光坐标；

结构光坐标范围确定模块，用于利用所述结构光传感器，确定结构光坐标范围；

定位模块，用于在所述参考点的结构光坐标和所述结构光坐标范围匹配时，根据所述结构光坐标范围确定目标物的定位坐标；

绘图模块，用于根据所述目标物的类型和所述目标物的定位坐标确定目标物信息；并基于所述目标物信息建立地图。

第三方面，本发明提供了一种可读介质，包括执行指令，当电子设备的处理器执行所述执行指令时，所述电子设备执行如第一方面中任一所述的地图建立方法。

第四方面，本发明提供了一种电子设备，包括处理器以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行如第一方面中任一所述的地图建立方法。

本发明提供了一种地图建立方法、装置、可读介质及电子设备，根据所述目标物的类型和所述目标物的定位坐标确定目标物信息，根据所述目标物信息建立地图，使地图能够体现出空间中的实际场景，家具物品的摆放等诸多要素；由此解决了现有技术在地图建立的过程中无法识别目标物，使地图与实际场景有所出入，地图信息不准确的技术问题。

上述的非惯用的优选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。

附图说明

为了更清楚地说明本发明实施例或现有的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1A-图1B为室内空间的示意图；

图2为本发明一实施例提供的一种地图建立方法的流程示意图；

图3为本发明一实施例提供的另一种地图建立方法的流程示意图；

图4为本发明一实施例中待测图像的示意图；

图5为本发明一实施例提供的一种地图建立装置的结构示意图；

图6为本发明一实施例提供的一种电子设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合具体实施例及相应的附图对本发明的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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他实施例，都属于本发明保护的范围。

自走型机器人在建立地图的过程中，通常是利用结构光传感器探测空间边界，从而实现对于空间的绘制和划分。例如图1A所示，C房间是一个空旷且闭合的空间。处于C房间中的智能机器人通过结构光传感器发射结构光线之后，投射到墙壁上的结构光线能够反射形成结构光信号，使智能机器人感知到“墙”的存在。因此，智能机器人能够探测到墙壁围成的C房间的矩形边界。

但实际上，空间内通常并非是空旷的，而是可能会摆放有各种家具和物品。本申请中，可将各种室内物体统称为“目标物”。例如图1B所示的D房间中，椭圆形目标物可代表“桌子”，矩形目标物可代表“柜子”。以目前的方式建立地图，不能对目标物进行识别，确定目标物的种类。而一些目标物可能永久性或半永久性的固定于空间当中。所以在地图建立的过程中未识别目标物，会影响到地图的准确性，使地图与实际场景有所出入。同时亦不能够结合目标物的特性进行机器人行进路线的规划，可能导致机器人无法对目标物进行规避。

因此，本发明提供一种地图建立方法及装置，结合待测图像与结构光探测，实现对于室内目标物的识别，从而基于室内场景完成地图建立，使地图更加准确。

参见图2所示，为本发明提供的目标物的定位方法的具体实施例。本实施例中，所述方法具体包括以下步骤：

步骤201、通过预设的图像分析模型，确定待测图像中目标物的类型。

本实施例中，将结合图像分析技术确定智能机器人的探测范围内出现的目标物。通常在智能机器人上，将会搭载摄像头、相机等图像采集设备。利用此类设备对于探测范围进行拍摄，即可得到针对该探测范围的待测图像。进而对待测图像进行图像分析，可确定待测图像中目标物的种类，以及目标物的具体位置。

从待测图像中分析确定目标物的过程，可利用预设的图像分析模型实现。通常图像分析模型可基于神经网络技术搭建，当然也可根据需要采用其他技术，本实施例中对此不做限定。图像分析模型需预先针对特定的目标物进行训练。具体的，即以大量的针对目标物进行标注的样本图片作为样本集，并利用样本集对图像分析模型进行训练，使之可以对待测图像进行分析，从而定待测图像中是否包括特定种类的目标物。进一步的，还可以确定目标物的具体位置，即目标物在待测图像中的像素坐标范围。

步骤202、根据结构光传感器生成的结构光线和所述待测图像中的目标物，确定目标物对应的参考点；并确定所述参考点的结构光坐标。

在智能机器人上，还将会搭载结构光传感器。结构光传感器与所述图像采集设备有相对固定的位置关系。并且图像采集设备的拍摄范围，与结构光传感器的探测范围大致相同。

通常，结构光传感器发出的结构光线，呈以其自身为圆心的扇形或半圆形，并且结构光线与水平面平行。因此，结构光线投射到室内墙壁上时，会形成一条平行于水平面的直线，即投影线。但是由于目标物的形状与墙壁有明显差异，所以投影线在目标物范围内通常会产生明显的变形。本实施例中所述方法的最终目的，即通过投影线变形的位置，对目标物进行识别。

由于图像采集设备的拍摄范围，与结构光传感器的探测范围大致相同，且相对位置关系固定。所以能够利用二者的几何关系，确定出投影线在待测图像中的位置，同时也可确定出投影线变形的位置。投影线变形的区间可称为参考线。本实施例中，将在所述参考线上确定多个参考点，并确定各所述参考点在所述待测图像中的像素坐标。

确定参考点的像素坐标之后，即可根据结构光传感器与图像采集设备的相对位置关系，对参考点的像素坐标进行坐标转换。即确定该参考点投影到结构光传感器的坐标系当中的位置，得到所述参考点的结构光坐标。本实施例中对于上述的坐标转换过程不做限定，任何能可实现的计算方式均可结合在本实施例整体技术方案当中。

步骤203、利用所述结构光传感器，确定结构光坐标范围。

可以理解的是，结构光线投射到室内墙壁上时，会形成一条平行于水平面的直线，即投影线。结构光线经过反射形成的结构光信号。结构光传感器接收到该结构光信号之后，即探测到了其相对于墙壁的距离，从而确定了墙壁的形状和位置。

而投射向目标物的结构光线会经由目标物的反射形成结构光信号。因为目标物具有体积，所以目标物到结构光传感器的距离，会比其附近的墙壁更近。也就是说，目标物对应的结构光信号所探测到的距离数值，与临近的“墙壁段”的距离数值有明显的差别，也就是探测到了更仅处的物体。在目标物的范围内，结构光信号探测得到的距离数值与目标物范围之外将出现明显的不连续。

本实施例中，即可将上述体现为明显不连续的结构光信号对应的坐标范围，确定为目标物对应的结构光坐标范围。所述结构光坐标范围意味着在这一范围内存在目标物。

步骤204、当所述参考点的结构光坐标和所述结构光坐标范围匹配，根据所述结构光坐标范围确定目标物的定位坐标。

根据前述已知的是，通过结构光传感器确定了结构光坐标范围，能够得知室内空间在这一位置存在目标物。但无法确定目标物的种类究竟是“桌子”、“柜子”或“床”。而通过对待测图像进行分析，能够确定目标物的种类，并通过坐标转换确定了目标物的参考点的结构光坐标。

所以只需对所述参考点的结构光坐标和所述结构光坐标范围进行匹配，即可对二者进行印证，确定结构光传感器探测到的目标物，与待测图像中显示的目标物，是否为同一物体。如果所述参考点的结构光坐标在所述结构光坐标范围以内，可以认为所述参考点的结构光坐标和所述结构光坐标范围匹配。也就是说，结构光传感器探测到的目标物，与待测图像中显示的目标物，为同一物体。

可以认为，结构光坐标范围相当于目标物在结构光坐标系中所占的范围。但通常建立地图所使用的坐标系为世界坐标系。所以在此基础上，本实施例中可进一步对所述结构光坐标范围进行坐标转换，得到目标物在世界坐标系中的坐标范围，即确定目标物的定位坐标。

步骤205、根据所述目标物的类型和所述目标物的定位坐标确定目标物信息；并基于所述目标物信息建立地图。

进一步的，可以根据所述目标物的类型和所述目标物的定位坐标确定目标物信息。根据所述目标物信息建立地图，即可准确的将目标物“绘制”到地图当中，使得地图不仅仅能够体现出“墙壁”围合而成的空间范围，同时也能够体现出空间中的实际场景，家具物品的摆放等诸多要素。

通过以上技术方案可知，本实施例存在的有益效果是：根据所述目标物的类型和所述目标物的定位坐标确定目标物信息。根据所述目标物信息建立地图，使地图能够体现出空间中的实际场景，家具物品的摆放等诸多要素；由此解决了现有技术在地图建立的过程中无法识别目标物，使地图与实际场景有所出入，地图信息不准确的技术问题。

图2所示仅为本发明所述方法的基础实施例，在其基础上进行一定的优化和拓展，还能够得到所述方法的其他优选实施例。

如图3所示，为本发明所述地图建立方法的另一个具体实施例。本实施例在前述实施例的基础上，结合具体应用场景进行进一步的叙述。本实施例中，所述方法具体包括以下步骤：

步骤301、通过预设的图像分析模型，确定待测图像中目标物的类型。

本实施例中，待测图像如图4中所示。通过图像分析模型，可以确定图4中的粗线矩形代表本实施例中目标物，本实施例目标物具体为“柜子”；柜子的所在范围之外则为墙壁。进一步的，可以确定目标物在待测图像中的像素坐标范围。

步骤302、根据结构光传感器生成的结构光线和所述待测图像中的目标物，确定目标物对应的参考点。

本实施例中，确定参考点可通过以下方式：在所述待测图像中，确定所述结构光线的投影线；根据所述投影线，和所述目标物在所述待测图像中的像素坐标范围，确定所述结构光线的参考线；在所述参考线上确定多个参考点。

结构光传感器发出的结构光线可以是水平的半圆型。通过几何关系可以确定结构光线投射到实际空间中的位置，也就是其映射到待测图像中的位置。如图4所示，图4中水平方向的虚线即代表结构光线投射到墙壁上形成的投影线。目标物“柜子”截取投影线的范围，在图4中以点画线表示。该点画线范围，即本步骤中所确定的参考线。

在待测图像中确定了参考线之后，便可确定所述参考线在待测图像中的像素坐标范围。进一步的，可以在参考线中选取多个参考点。优选的可以选择10～20个参考点。图4中所述的P点，即代表一个参考点。

步骤303、在所述待测图像中确定所述参考点的像素坐标。

进一步的可确定参考点在待测图像中的像素坐标。拍摄过程中能够取得参考点P在相机(即图像采集设备)中的三维坐标(X,Y,Z)。本实施例中，则可将此三维坐标转换成二维坐标(u,v)，(u,v)即参考点的像素坐标。

转换过程可参考如下公式：

其中f代表相机焦距，s_x，s_y，o_x，o_y均为本领域中公知的相机内参。

步骤304、根据所述参考点的像素坐标，确定所述参考点的结构光坐标。

本实施例中，将确定采集所述待测图像的相机，与所述结构光传感器的相对位置关系；通过所述相对位置关系，将所述参考点的像素坐标转换成所述参考点的结构光坐标。

在本实施例中为了简化计算过程，可将采集所述待测图像的相机和结构光传感器设置于同一水平高度，并进一步确定二者的相对位置关系。进一步的，可以根据所述参考点的像素坐标和所述相对位置关系，确定所述参考点的世界坐标；根据所述参考点的世界坐标，确定所述参考点的结构光坐标。

将参考点的像素坐标转换成世界坐标可参考以下公式：

其中，(U_P,V_P,W_P)代表参考点的世界坐标；R代表相机的旋转矩阵，T代表相机的平移矩阵，即所述的相对位置关系将通过旋转矩阵与平移矩阵的形式体现；y_sx代表，y_sy代表。

将参考点的世界坐标转换成结构光坐标可参考以下公式：

(U,V,W)＝A(U_P,V_P,W_P)

其中，(U,V,W)代表参考点的结构光坐标；A代表世界坐标系到结构光坐标系的转换矩阵，可视为已知。另一些情况下为了便于计算，可将世界坐标系和结构光坐标系设定为同一坐标系，即(U,V,W)＝(U_P,V_P,W_P)。

步骤305、所述利用所述结构光传感器，确定结构光坐标范围。

本实施例中，优选的可通过以下两种方式确定结构光坐标范围。两种方式可以独立使用，亦可结合使用。具体如下：

其一，当所述结构光传感器采集到非连续的结构光信号，可将所述结构光信号非连续的范围确定为所述结构光坐标范围。

结构光线投射到室内墙壁上，再经过反射会形成的结构光信号。光传感器接收到该结构光信号之后，即探测到了其相对于墙壁的距离，从而确定了墙壁的形状和位置。结构光线落在室内墙壁上的位置，即图4中所示的投影线。可以理解的是，墙壁在物理空间中是连续的，所以结构光传感器到墙壁各处的距离，数值应当是连续的。假设结构光传感器处于闭合的空间当中，则其获得的结构光信号应该是完全连续的结构光信号。

但由于目标物具有宏观上的体积，所以目标物距离结构光传感器的距离必然会相比临近的墙壁更近。即在参考线的范围之内，即测得的距离明显小于其范围之外。墙壁段的结构光信号与目标物范围的结构光信号将出现数值上“不连续”的情况。本实施例中，则可将所述结构光信号非连续的范围确定为结构光坐标范围。

其二，当所述结构光传感器采集与所述目标物的类型对应的结构光信号，将所述与所述目标物的类型对应的结构光信号的范围确定为所述结构光坐标范围。

通常情况下，特定类型的目标物将呈现特定的形状。而其形状映射到结构光信号中，也将呈现出相应的数据特点。也就是说，在结构光线投射到目标物的情况下，对应的结构光信号范围的数据特点，将于目标物的类型呈对应关系。本实施例中，可以此来确定目标物对应的结构光信号，即查找出与所述目标物的类型对应的结构光信号，以作为所述结构光坐标范围。

步骤306、当所述参考点的结构光坐标和所述结构光坐标范围匹配，根据所述结构光坐标范围确定目标物的定位坐标。

步骤307、根据所述目标物的类型和所述目标物的定位坐标确定目标物信息；并基于所述目标物信息建立地图。

上述步骤306-步骤307与图2所示实施例内容一致，不重复叙述。

步骤308、根据所述地图，确定智能机器人在相应空间中的行进路线。

在根据上述方式建立地图之后，使得地图不仅仅能够体现出“墙壁”围合而成的空间范围，同时也能够体现出空间中的实际场景，家具物品的摆放等诸多要素。所以可根据该地图进行行进路线的规划。具体的，可以根据所述目标物的类型，确定所述目标物的定位坐标对应的行进策略；根据所述行进策略确定所述行进路线。

以扫地机器人为例，假如目标物的类型确定为“床”或者“柜子”，则在相应的目标物的定位坐标对应的行进策略应当为“绕行”，以避免发生碰撞。假如目标物的类型确定为“桌子”或者“椅子”，则此类目标物下部通常有足够的空间，对应的行进策略可以为“通过”。或者优选的，对于“桌子”或者“椅子”等目标物，其下部空间可能为清洁死角，所以对应的行进策略可以为“反复多次通过”，以对其进行重点清扫，提高清扫效果。

如图5所示，为本发明所述地图建立装置的一个具体实施例。本实施例所述装置，即用于执行图2～3所述方法的实体装置。其技术方案本质上与上述实施例一致，上述实施例中的相应描述同样适用于本实施例中。本实施例中所述装置包括：

图像分析模块501，用于通过预设的图像分析模型，确定待测图像中目标物的类型。

参考点确定模块502，用于根据结构光传感器生成的结构光线和所述待测图像中的目标物，确定目标物对应的参考点；并确定所述参考点的结构光坐标。

结构光坐标范围确定模块503，用于利用所述结构光传感器，确定结构光坐标范围。

定位模块504，用于在所述参考点的结构光坐标和所述结构光坐标范围匹配时，根据所述结构光坐标范围确定目标物的定位坐标。

绘图模块505，用于根据所述目标物的类型和所述目标物的定位坐标确定目标物信息；并基于所述目标物信息建立地图。

另外在图5所示实施例的基础上，优选地，参考点确定模块502包括：

投影线确定单元，用于在所述待测图像中，确定所述结构光线的投影线。

参考线确定单元，用于根据所述投影线，和所述目标物在所述待测图像中的像素坐标范围，确定所述结构光线的参考线。

参考点确定单元，用于在所述参考线上确定多个参考点。

像素坐标确定单元，用于在所述待测图像中确定所述参考点的像素坐标。

坐标转换单元，用于根据所述参考点的像素坐标，确定所述参考点的结构光坐标。

所述坐标转换单元包括：

位置关系子单元，用于确定采集所述待测图像的相机，与所述结构光传感器的相对位置关系。

转换子单元，用于通过所述相对位置关系，将所述参考点的像素坐标转换成所述参考点的结构光坐标。

优选地，结构光坐标范围确定模块503包括：

第一范围确定单元，用于在所述结构光传感器采集到非连续的结构光信号时，将所述结构光信号非连续的范围确定为所述结构光坐标范围；

第二范围确定单元，用于在所述结构光传感器采集与所述目标物的类型对应的结构光信号时，将所述与所述目标物的类型对应的结构光信号的范围确定为所述结构光坐标范围。

优选地，还包括：

路线确定模块，用于根据所述地图，确定智能机器人在相应空间中的行进路线。

优选地，所述路线确定模块包括：

策略确定单元，用于根据所述目标物的类型，确定所述目标物的定位坐标对应的行进策略。

路线确定单元，用于根据所述行进策略确定所述行进路线。

图6是本发明实施例提供的一种电子设备的结构示意图。在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。

处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended IndustryStandardArchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

存储器，用于存放执行指令。具体地，执行指令即可被执行的计算机程序。存储器可以包括内存和非易失性存储器，并向处理器提供执行指令和数据。

在一种可能实现的方式中，处理器从非易失性存储器中读取对应的执行指令到内存中然后运行，也可从其它设备上获取相应的执行指令，以在逻辑层面上形成地图建立装置。处理器执行存储器所存放的执行指令，以通过执行的执行指令实现本发明任一实施例中提供的地图建立方法。

上述如本发明图5所示实施例提供的地图建立装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)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发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。

本发明实施例还提出了一种可读介质，该可读存储介质存储有执行指令，存储的执行指令被电子设备的处理器执行时，能够使该电子设备执行本发明任一实施例中提供的地图建立方法，并具体用于执行如图2或图3所示的方法。

前述各个实施例中所述的电子设备可以为计算机。

本领域内的技术人员应明白，本发明的实施例可提供为方法或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例，或软件和硬件相结合的形式。

本发明中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上所述仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims

1.一种地图建立方法，其特征在于，包括：

通过预设的图像分析模型，确定待测图像中目标物的类型；

利用所述结构光传感器，确定结构光坐标范围；

2.根据权利要求1所述方法，其特征在于，所述根据结构光传感器生成的结构光线和所述待测图像中的目标物，确定目标物对应的参考点包括：

在所述待测图像中，确定所述结构光线的投影线；

在所述参考线上确定多个参考点。

3.根据权利要求1所述方法，其特征在于，所述确定所述参考点的结构光坐标包括：

在所述待测图像中确定所述参考点的像素坐标；

4.根据权利要求3所述方法，其特征在于，所述根据所述参考点的像素坐标，确定所述参考点的结构光坐标包括：

5.根据权利要求1所述方法，其特征在于，所述利用所述结构光传感器，确定结构光坐标范围包括：

6.根据权利要求1～5任意一项所述方法，其特征在于，还包括：

根据所述地图，确定智能机器人在相应空间中的行进路线。

7.根据权利要求6所述方法，其特征在于，所述确定智能机器人在相应空间中的行进路线包括：

根据所述行进策略确定所述行进路线。

8.一种地图建立装置，其特征在于，包括：

9.一种可读介质，包括执行指令，当电子设备的处理器执行所述执行指令时，所述电子设备执行如权利要求1至7中任一权项所述的地图建立方法。

10.一种电子设备，包括处理器以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行如权利要求1至7中任一权项所述的地图建立方法。