CN111917841A - 网络点云图的构建方法、机器人、设备及存储介质 - Google Patents

网络点云图的构建方法、机器人、设备及存储介质 Download PDF

Info

Publication number
CN111917841A
CN111917841A CN202010682621.8A CN202010682621A CN111917841A CN 111917841 A CN111917841 A CN 111917841A CN 202010682621 A CN202010682621 A CN 202010682621A CN 111917841 A CN111917841 A CN 111917841A
Authority
CN
China
Prior art keywords
network
point cloud
robot
real
position information
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.)
Granted
Application number
CN202010682621.8A
Other languages
English (en)
Other versions
CN111917841B (zh
Inventor
杨志钦
王翔宇
其他发明人请求不公开姓名
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.)
Syrius Technology Shenzhen Co Ltd
Original Assignee
Syrius Technology Shenzhen 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 Syrius Technology Shenzhen Co Ltd filed Critical Syrius Technology Shenzhen Co Ltd
Priority to CN202010682621.8A priority Critical patent/CN111917841B/zh
Publication of CN111917841A publication Critical patent/CN111917841A/zh
Application granted granted Critical
Publication of CN111917841B publication Critical patent/CN111917841B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • 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
    • B25J9/1602—Programme controls characterised by the control system, structure, architecture
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/52—Network services specially adapted for the location of the user terminal
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Automation & Control Theory (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Manipulator (AREA)

Abstract

本发明公开了一种网络点云图的构建方法、机器人、设备及存储介质，所述方法包括：服务器收集机器人实时上报的所述机器人当前的实时位置信息，以及所述实时位置信息对应的当前网络质量信息；对收集的所述实时位置信息以及所述实时位置信息对应的网络质量信息进行数据优化处理，得到数据优化处理后的所述实时位置信息和对应的网络质量信息；根据数据优化处理后的所述实时位置信息和对应的网络质量信息，与机器人当前所处的工作环境进行结合，构建所述工作环境下的网络点云图；实现了根据机器人上报的实时位置信息和网络质量信息，动态生成网络点云图的目的，提高了资源利用率。

Description

网络点云图的构建方法、机器人、设备及存储介质
技术领域
本发明涉及机器人技术领域，特别涉及一种网络点云图的构建方法、机器人、设备及存储介质。
背景技术
在现代物流业中，由于仓储机器人能够极大的提高仓库作业效率并提升物流行业整体的竞争力，因此，仓储机器人正扮演着越来越重要的角色。为保证自主性、灵活性等特点，目前的机器人基本上均是基于无线网络设计的。比如，通常会在仓库场地内部安装多台无线路由器，机器人通过连接到无线路由器从而获得访问外部互联网的能力，比如接收云服务器的调度指令、对仓库管理系统进行订单反馈等。
由于无线电传播的不确定性和仓库内部工作环境的复杂性，在仓库内部不同位置的WIFI信号存在着差异；比如，目前普遍存在的情况是：仓库内一些区域的信号比较强，而有些区域的信号很微弱，甚至机器人完全无法连接到路由器。在机器人需要连接网络的情况下(比如服务器或者其他终端需要控制机器人，或者机器人需要上报本地数据)，机器人进入到上述弱网区域，则会直接导致对机器人的任务下发失败或者机器人无法进行数据上报。因此，如何得知机器人工作环境中相应位置处的网络质量情况一直困扰着复杂环境内控制系统的高效调度。
发明内容
本发明提供一种网络点云图的构建方法、机器人、设备及存储介质，旨在构建机器人工作场景对应的网络点云图，以便实时得知工作场景中相应位置处的网络质量情况。
第一方面，本发明提供了一种网络点云图的构建方法，所述网络点云图的构建方法包括：
服务器收集机器人实时上报的所述机器人当前的实时位置信息，以及所述实时位置信息对应的当前网络质量信息；
对收集的所述实时位置信息以及所述实时位置信息对应的网络质量信息进行数据优化处理，得到数据优化处理后的所述实时位置信息和对应的网络质量信息；
根据数据优化处理后的所述实时位置信息和对应的网络质量信息，与机器人当前所处的工作环境进行结合，构建所述工作环境下的网络点云图。
第二方面，本发明提供了一种动态选择网络连接点的方法，所述动态选择网络连接点的方法包括：
机器人获取当前的实时位置信息，并采集所述实时位置信息对应的当前网络质量信息；
机器人将所述实时位置信息以及采集的与所述实时位置信息对应的所述当前网络质量信息，上报至服务器，供所述服务器根据所述实时位置信息以及对应的所述当前网络质量信息构建对应的网络点云图；
机器人接收服务器发送的所述网络点云图并解析，获取所述网络点云图中包含的网络质量信息及其对应的真实位置信息；
机器人根据自身当前对网络质量信息的需求，从所述网络点云图中动态选择与所述网络质量信息对应的真实位置信息，并前往所述真实位置信息对应的位置处。
第三方面，本发明提供了一种网络点云图的构建装置，所述网络点云图的构建装置包括：
信息收集模块，用于收集机器人实时上报的所述机器人当前的实时位置信息，以及所述实时位置信息对应的当前网络质量信息；
信息处理模块，用于对收集的所述实时位置信息以及所述实时位置信息对应的网络质量信息进行数据优化处理，得到数据优化处理后的所述实时位置信息和对应的网络质量信息；
图像构建模块，用于根据数据优化处理后的所述实时位置信息和对应的网络质量信息，与机器人当前所处的工作环境进行结合，构建所述工作环境下的网络点云图。
第四方面，本发明提供了一种机器人，所述机器人包括：
信息采集单元，用于获取当前的实时位置信息，并采集所述实时位置信息对应的当前网络质量信息；
数据交互单元，用于：
将所述实时位置信息以及采集的与所述实时位置信息对应的所述当前网络质量信息，上报至服务器，供所述服务器根据所述实时位置信息以及对应的所述当前网络质量信息构建对应的网络点云图；以及，
接收服务器发送的所述网络点云图并解析，获取所述网络点云图中包含的网络质量信息及其对应的真实位置信息；
动态选择单元，用于根据机器人自身当前对网络质量信息的需求，从所述网络点云图中动态选择与所述网络质量信息对应的真实位置信息，并前往所述真实位置信息对应的位置处。
第五方面，本发明提供了一种电子设备，所述电子设备包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的网络点云图构建程序，所述网络点云图构建程序被所述处理器运行时，执行所述的网络点云图的构建方法的步骤。
第六方面，本发明提供了一种计算机可读存储介质，所述存储介质上存储有网络点云图构建程序，所述网络点云图构建程序可以被一个或者多个处理器执行，以实现所述的网络点云图的构建方法的步骤。
本发明一种网络点云图的构建方法、机器人、设备及存储介质，通过服务器收集机器人实时上报的所述机器人当前的实时位置信息，以及所述实时位置信息对应的当前网络质量信息；对收集的所述实时位置信息以及所述实时位置信息对应的网络质量信息进行数据优化处理，得到数据优化处理后的所述实时位置信息和对应的网络质量信息；根据数据优化处理后的所述实时位置信息和对应的网络质量信息，与机器人当前所处的工作环境进行结合，构建所述工作环境下的网络点云图；实现了根据机器人上报的实时位置信息和网络质量信息，动态生成网络点云图的目的；进一步地，基于生成的网络点云图，为机器人的调度提供了依据，从而避免了在某个信号优质区域内机器人扎推的情况出现，提高了资源利用率和工作场地内机器人集群的作业效率；进一步地，也可以将该网络点云图发送至机器人，以引导机器人前往具体的通信区域，为机器人的网络通信提供了重要参考。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明网络点云图的构建方法的一种实施方式的流程示意图。
图2是本发明网络点云图的构建方法的另一种实施方式的流程示意图。
图3是本发明网络点云图的构建方法中，服务器基于构建的网络点云图调度机器人的一种实施方式的流程示意图。
图4是本发明网络点云图的构建方法的又一种实施方式的流程示意图。
图5是本发明网络点云图的构建方法中，服务器对所述网络点云图进行图像处理的一种实施方式的流程示意图。
图6是本发明网络点云图的构建方法中，服务器绘制所述网络点云图中的几何轮廓的一种实施方式的流程示意图。
图7是本发明网络点云图的构建方法中，服务器构建网络点云图的一种实施例方式的流程示意图。
图8是本发明动态选择网络连接点的方法的一种实施方式的流程示意图。
图9是本发明网络点云图的构建装置的一种实施方式的功能模块示意图。
图10是本发明机器人的一种实施方式的功能模块示意图。
图11是本发明电子设备的一种实施方式的内部结构示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明提供了一种网络点云图的构建方法、机器人、设备及存储介质，旨在通过构建机器人工作场景对应的网络点云图，实时得知工作场景中相应位置处的网络质量情况，进而根据工作场景中的实时网络质量，对机器人进行调度反馈，和/或为机器人连接网络提供参考。
如图1所示，图1是本发明网络点云图的构建方法的一种实施方式的流程示意图；图1所述实施例中，本发明一种网络点云图的构建方法可以实施为如下描述的步骤S10-S30。
步骤S10、服务器收集机器人实时上报的所述机器人当前的实时位置信息，以及所述实时位置信息对应的当前网络质量信息。
本发明实施例中，机器人在工作场景中运行时，实时获取当前位置对应的网络质量信息，并将获取的所述网络质量信息实时上报至服务器；在上报所述网络质量信息的同时，携带该机器人当前所处的实时位置信息。服务器接收机器人实时上报的所述当前网络质量信息和实时位置信息，并将所述当前网络质量信息和实时位置信息进行关联性存储。
在一个实施例中，机器人实时上报的所述当前网络质量信息包括但不限于：WiFi信号强度信息、RSS(Received Signal Strength，接收信号强度)数值以及WiFi位置指纹等。其中，所述WiFi位置指纹可以理解为：将实际环境中的位置和WIFI的某个特征数值(即“指纹”比如RSS值等)联系起来，一个位置对应一个独特的指纹。
步骤S20、对收集的所述实时位置信息以及所述实时位置信息对应的网络质量信息进行数据优化处理，得到数据优化处理后的所述实时位置信息和对应的网络质量信息。
服务器根据机器人上报的所述实时位置信息及其对应的所述网络质量信息，将所述工作环境中所有机器人上报的上述实时位置信息和所述网络质量信息进行收集汇总，并对收集汇总后的所述实时位置信息及其对应的网络质量信息进行数据优化处理，比如对上述数据进行降噪处理，从而去掉异常数据和明显不合理的数据等，为后续的图像处理提高处理效率。
步骤S30、根据数据优化处理后的所述实时位置信息和对应的网络质量信息，与机器人当前所处的工作环境进行结合，构建所述工作环境下的网络点云图。
根据数据优化后的所述实时位置信息及其对应的网络质量信息，服务器将机器人上报的所述实时位置与当前的所处的工作环境进行结合。比如，获取当前所处的工作环境对应的物理位置信息，根据所述工作环境对应的物理位置信息，绘制所述工作环境对应的平面图。在绘制好的所述平面图中，找出机器人上报的所述实时位置信息对应的位置处，并在找出位置处标记所述实时位置信息对应的网络质量信息，根据标记结果，生成所述工作环境对应的网络点云图。
本发明实施例中，由于工作场景中的网络质量信息可能是动态变化的，因此，服务器根据机器人实时上报的所述实时位置信息及其对应的网络质量信息也可能是动态变化的，因此，构建得到的所述网络点云图也是基于上述网络质量信息动态变化的。
进一步地，基于构建的所述网络点云图，服务器还具备资源调度功能。
基于图1所实施例的描述，如图2所示，图2是本发明网络点云图的构建方法的另一种实施方式的流程示意图。图2所述实施例在图1所述实施例的“步骤S30、根据数据优化处理后的所述实时位置信息和对应的网络质量信息，与机器人当前所处的工作环境进行结合，构建所述工作环境下的网络点云图”，之后还执行步骤S40。
步骤S40、服务器根据构建的所述网络点云图，获取所述工作环境内网络资源的利用情况，对所述工作环境内运行的机器人进行调度。
本发明实施例中，由于机器人实时上报自身的实时位置信息，因此，服务器能够实时存储所述工作环境中全部机器人的实时位置；通过实时存储的全部机器人的实时位置，服务器能够计算得到所述工作环境对应的每个区域内机器人的密度。另外，由于所述网络点云图反映了所述工作环境中的网络质量情况，因此，所述服务器可以根据每个区域内机器人的密度，以及所述网络点云图，获取该工作环境中的WiFi信号的资源利用情况，进而根据具体的WiFi信号的资源利用情况，对机器人进行调度，从而达到防止资源争抢、提高资源利用率的有益效果。
进一步地，如图3所示，图3是本发明网络点云图的构建方法中，服务器基于构建的网络点云图调度机器人的一种实施方式的流程示意图。
在图3所示实施例中，图2所述实施例中的“步骤S40、服务器根据构建的所述网络点云图，获取所述工作环境内网络资源的利用情况，对所述工作环境内运行的机器人进行调度”，可以实施为如下描述的步骤S41-S44。
步骤S41、所述服务器基于收集的所述机器人的实时位置信息，获取所述工作环境下各个区域的机器人密度。
本发明实施例中描述的所述工作环境下的各个区域，其中针对区域的划分，可以根据所述工作环境中原有的区域直接使用，或者根据当前工作环境中机器人的执行任务进行相应的区域划分，本发明实施例对所述工作环境中的区域划分方式不进行限定；比如，针对该工作环境，也可以将整个工作环境作为一个区域。本发明实施例中，为了便于描述和方便机器人调度，将整个工作环境划分为多个区域。
由于服务器收集了所有机器人实时上报的实时位置信息，因此，可以统计出每个区域分布的机器人的数量，进而得到各区域分别对应的机器人密度。比如，在各区域的区域面积相同的情况下，可以直接将每个区域内的机器人数量作为对应的机器人密度；在各区域的区域面积不相同的情况下，可以将每个区域内的机器人数量除以该区域对应的区域面积，即可得到该区域对应的机器人密度。
步骤S42、根据所述网络点云图，获取所述网络点云图中网络信号优质区域在所述工作环境中的分布信息。
本发明实施例中，针对所述网络点云图中的网络信号优质区域，可以根据所述工作场景中机器人对网络质量的具体需求，预先配置对应的网络信号强度阈值，即预设信号强度阈值，进而将该网络点云图中的网络信号强度与所述预设信号强度阈值进行大小比较，将所述网络信号强度大于所述预设信号强度阈值的区域，定义为所述网络信号优质区域。
步骤S43、将所述分布信息与所述机器人的实时位置信息进行交叉对比，获取所述网络信号优质区域中的机器人密度。
步骤S44、根据所述网络信号优质区域中的机器人密度，参照当前机器人的运动规划信息，为所述机器人选择所述工作场景中的网络连接点提供调度建议。
本发明实施例中，将所述网络信号优质区域对应的分布信息，与机器人的实时位置信息进行交叉对比，即可得到所述网络信号优质区域的机器人密度。由于所述工作环境中可能存在多个区域，所述网络信号优质区域也可能有多个，因此，针对每个所述网络信号优质区域，分别计算得到对应的机器人密度。本发明实施例中，可以调用当前机器人的运动规划信息；根据所述运动规划信息，获取所述机器人当前所需执行的任务，比如当前执行的任务是否需要网络强连接，若需要网络强连接，则调度该机器人前往所述网络信号优质区域；若当前执行的任务不需要网络强连接且该机器人处于所述网络信号优质区域内，而与此同时，该区域内的机器人密度较大，则可以调度该机器人离开该网络信号优质区域。或者，针对需要网络强连接的机器人，若当前所在的网络信号优质区域内的机器人密度较大，则可以调度该机器人前往机器人密度不大的其他的网络信号优质区域。本发明实施例中，对服务器调度机器人的具体调度方式和调度建议的具体内容不进行限定，只要达到防止资源争抢、提高资源利用率的目的即可。
进一步地，基于构建的所述网络点云图，服务器还可以将该网络点云图发送至机器人，供机器人使用所述网络点云图。
基于图1所实施例的描述，如图4所示，图4是本发明网络点云图的构建方法的又一种实施方式的流程示意图。图4所述实施例在图1所述实施例的“步骤S30、根据数据优化处理后的所述实时位置信息和对应的网络质量信息，与机器人当前所处的工作环境进行结合，构建所述工作环境下的网络点云图”，之后还执行步骤S50。
步骤S50、服务器对构建的所述网络点云图进行图像处理后发送至机器人，供所述机器人基于所述网络点云图前往网络信号优质区域。
本发明实施例中，服务器将构建的所述网络点云图发送至机器人，使得机器人可以将上述网络点云图对应的网络质量信息作为参考，在需要时，机器人也可以通过该网络点云图前往网络信号优质区域。
进一步地，在一个实施例中，为了确保网络点云图的实时性和提供网络信息的准确性，服务器基于所述机器人实时上报的所述实时位置信息和对应的当前网络质量信息，更新所述网络点云图，并将更新后的所述网络点云图发送至机器人；所述机器人接收所述网络点云图，并在机器人需要联网时，根据所述网络点云图，前往可满足联网需求的所述网络信号优质区域。
进一步地，如图5所示，图5是本发明网络点云图的构建方法中，服务器对所述网络点云图进行图像处理的一种实施方式的流程示意图。
在图5所述实施例中，所述服务器对构建的所述网络点云图进行图像处理后发送至机器人，供所述机器人基于所述网络点云图前往网络信号优质区域，可以实施为如下描述的步骤S51-S53。
步骤S51、服务器基于构建的所述网络点云图，对所述网络点云图进行计算识别，获取所述网络点云图中对应的网络接收信号强度超出预设信号强度阈值的区域，得到对应的所述网络信号优质区域。
步骤S52、服务器根据计算得到的所述网络信号优质区域，对所述网络点云图进行图像处理，绘制所述网络信号优质区域对应的几何轮廓，并将包含所述几何轮廓的网络点云图发送至机器人。
步骤S53、所述机器人接收到服务器发送的所述网络点云图，对所述网络点云图进行解析，得到所述几何轮廓映射的所述工作环境中对应的真实位置数据，并根据所述真实位置数据，机器人前往所述网络信号优质区域。
本发明实施例中，所述服务器将所述网络点云图进行计算识别时，得到所述网络点云图中的网络信号优质区域，进而利用所述网络信号优质区域对所述网络点云图进行几何轮廓的绘制，并将包含几何轮廓的网络点云图发送至机器人。机器人接收到服务器发送的网络点云图时，通过解析，即可得到该网络点云图中所述几何轮廓映射的工作环境中的真实位置数据，进而根据所述真实位置数据，引导机器人前往具体所述真实位置数据对应的网络信号优质区域。
进一步地，如图6所示，图6是本发明网络点云图的构建方法中，服务器绘制所述网络点云图中的几何轮廓的一种实施方式的流程示意图。图5所述实施例中的步骤S52中，“服务器根据计算得到的所述网络信号优质区域，对所述网络点云图进行图像处理，绘制所述网络信号优质区域对应的几何轮廓”，可以实施为图6实施例中描述的步骤S61-S65。
步骤S61、服务器对所述网络点云图进行图像二值化处理，并根据所述网络点云图中的网络接收信号强度，设置与所述网络接收信号强度相对应的颜色深度值。
本发明实例中，将网络点云图中网络接收信号强度与对应的颜色深度值进行对应，即所述网络接收信号强度越大，对应的颜色深度越深。
步骤S62、根据设置的所述颜色深度值，将所述颜色深度值低于预设颜色深度阈值对应的点过滤掉。
由于颜色的深浅对应该位置的网络接收信号的强弱，颜色浅的点在一定程度上反应了该点对应的网络接收信号强度较弱。因此，在对所述网络点云图中各点对应的样本进行筛选时，将颜色深度值低于预设颜色深度阈值的对应的点过滤掉，即将所述网络点云图中网络接收信号强度较低的点过滤掉，从而保证该网络点云图上仅仅保留满足预设信号强度阈值的点。
步骤S63、计算所述网络点云图的局部采样属性，估计所述网络点云图中点云的噪声特征以及每个数据点的粗略法矢。
经过该步骤后得到的数据，为后续几何轮廓的计算和绘制提供所需的基础数据。
步骤S64、利用watershed算法，对所述网络点云图中包含的点对应的密集区域进行计算。
步骤S65、根据计算结果，提取所述密集区域对应的原始形状，并对提取的每个原始形状包含的边界曲线进行计算和优化处理，得到所述网络信号优质区域对应的几何轮廓。
利用watershed算法计算点比较密集区域的轮廓时，这些点比较密集的区域即对应了真实的工作环境中网络信号优质的区域。对提取的每个原始形状包含的边界曲线进行计算和优化处理，能够得到效果更好的几何轮廓。
进一步地，基于上述实施例的描述，针对上述各个实施例中描述的网络点云图，如图7所示，图7是本发明网络点云图的构建方法中，服务器构建网络点云图的一种实施例方式的流程示意图。图1所述实施例中的“步骤S30、根据数据优化处理后的所述实时位置信息和对应的网络质量信息，与机器人当前所处的工作环境进行结合，构建所述工作环境下的网络点云图”，可以实施为图7所述实施例中描述的步骤S31-S34。
步骤S31、获取所述工作环境中的真实物理位置，将所述真实物理位置中的每一个实际位置信息映射为图像上的像素点，建立所述工作环境中的所述实际位置信息与图像之间的映射关系。
本发明实施例中，在将工作环境对应的真实物理位置中的每一个实际位置信息映射为图像上的像素点时，可以根据每个实际位置信息对应的位置大小和位置属性，映射为图像上的一个像素点或者多个像素点；即图像上的一个像素点或者若干个像素点，能够对应所述工作环境中的一个实际位置。
步骤S32、根据上报的所述机器人的实时位置信息，利用建立的所述实际位置信息与图像之间的映射关系，从所述图像中找到所述机器人的实时位置信息映射的像素点。
步骤S33、将所述实时位置信息对应的所述网络质量信息，映射为对应像素点的颜色深度信息。
本发明实施例中，将网络质量信息与对应的像素点颜色进行映射时，所述网络质量信息对应的网络质量越好，则映射得到像素点对应的颜色深度越深。
步骤S34、对映射后的图像进行降噪处理，得到所述工作环境下网络质量信息对应的所述网络点云图。
由于机器人上报的实时位置信息和/或网络质量信息对应的数据量巨大，且分布散乱，同时，也有可能存在异常数据或者明显不合理的数据的情况，通过对映射后的图像进行降噪处理，能够将上述异常数据或者明显不合理的数据过滤掉，同时，在一定程度上也能够提升网络点云图对应的图像处理速度。
本发明网络点云图的构建方法，通过服务器收集机器人实时上报的所述机器人当前的实时位置信息，以及所述实时位置信息对应的当前网络质量信息；对收集的所述实时位置信息以及所述实时位置信息对应的网络质量信息进行数据优化处理，得到数据优化处理后的所述实时位置信息和对应的网络质量信息；根据数据优化处理后的所述实时位置信息和对应的网络质量信息，与机器人当前所处的工作环境进行结合，构建所述工作环境下的网络点云图；实现了根据机器人上报的实时位置信息和网络质量信息，动态生成网络点云图的目的；进一步地，基于生成的网络点云图，为机器人的调度提供了依据，从而避免了在某个信号优质区域内机器人扎推的情况出现，提高了资源利用率和工作场地内机器人集群的作业效率；进一步地，也可以将该网络点云图发送至机器人，以引导机器人前往具体的通信区域，为机器人的网络通信提供了重要参考。
基于上述图1至图7实施例中对网络点云图的构建方法的描述，如图8所示，图8是本发明动态选择网络连接点的方法的一种实施方式的流程示意图。本发明实施例中，机器人根据服务器构建的所述网络点云图，动态选择对应的网络连接点。
如图8所示，本发明动态选择网络连接点的方法可以实施为如下描述的步骤S110-S140。
步骤S110、机器人获取当前的实时位置信息，并采集所述实时位置信息对应的当前网络质量信息。
步骤S120、机器人将所述实时位置信息以及采集的与所述实时位置信息对应的所述当前网络质量信息，上报至服务器，供所述服务器根据所述实时位置信息以及对应的所述当前网络质量信息构建对应的网络点云图。
步骤S130、机器人接收服务器发送的所述网络点云图并解析，获取所述网络点云图中包含的网络质量信息及其对应的真实位置信息。
步骤S140、机器人根据自身当前对网络质量信息的需求，从所述网络点云图中动态选择与所述网络质量信息对应的真实位置信息，并前往所述真实位置信息对应的位置处。
本发明实施例中，机器人在工作场景中运行时，实时获取当前位置对应的网络质量信息，并将获取的所述网络质量信息实时上报至服务器；在上报所述网络质量信息的同时，携带该机器人当前所处的实时位置信息。服务器接收机器人上报的所述网络质量信息和对应的实时位置信息，同时按照所述网络点云图的构建方法，生成对应的网络点云图，并将生成的所述网络点云图发送至机器人。
由于所述网络点云图随着网络质量信息的不同在不断地进行实时更新，因此，一旦有更新，服务器便将更新后的最新的所述网络点云图发送至机器人，供机器人使用。机器人接收服务器发送的所述网络点云图，通过解析所述网络点云图，即可得到网络质量信息与对应的真实位置信息之间的映射关系；在需要进行网络连接时，机器人即可根据实际网络连接需求，动态选择与实际网络联系需求相匹配的网络质量信息，进而根据所述网络质量信息找到对应的真实位置信息，基于所述真实位置信息，前往对应的网络连接点。
比如，机器人仅需要上报当前的位置信息和网络质量信息，此时，可以理解为：机器人需要的网络连接为弱连接，即只要能将上述数据上传至服务器即可，则机器人根据所述网络点云图，找到对应的真实位置信息并前往即可。又比如，在某一时刻，机器人需要与服务器进行实时通讯，以便机器人执行高时效性对应的操作任务；则此时，可以理解为：机器人需要的网络连接为强连接，由于对数据传输要求的时效性较高，因此，机器人需要达到网络质量较高的位置，此时，机器人根据所述网络点云图，选择网络信号强度较高的网络质量信息，从而获取对应的真实位置信息，并前往。如此，便实现了机器人根据自身需求，动态选择网络连接点的目的。
本发明动态选择网络连接点的方法，通过机器人获取当前的实时位置信息，并采集所述实时位置信息对应的当前网络质量信息；机器人将所述实时位置信息以及采集的与所述实时位置信息对应的所述当前网络质量信息，上报至服务器，供所述服务器根据所述实时位置信息以及对应的所述当前网络质量信息构建对应的网络点云图；机器人接收服务器发送的所述网络点云图并解析，获取所述网络点云图中包含的网络质量信息及其对应的真实位置信息；机器人根据自身当前对网络质量信息的需求，从所述网络点云图中动态选择与所述网络质量信息对应的真实位置信息，并前往所述真实位置信息对应的位置处；达到了机器人基于网络点云图动态选择网络连接点的目的，实现了资源的合理利用和分配，提高了网络连接的智能性和便捷性。
基于上述实施例中对网络点云图的构建方法的描述，本发明实施例还提供了一种网络点云图的构建装置。如图9所示，图9是本发明网络点云图的构建装置的一种实施方式的功能模块示意图；本发明实施例仅仅从功能上对所述网络点云图的构建装置进行描述，在图9所述的实施例中，所述网络点云图的构建装置，在功能上包括：信息收集模块100、信息处理模块200和图像构建模块300，所述信息收集模块100、信息处理模块200和图像构建模块300之间通信连接，相互配合，构建所述网络点云图。其中：
所述信息收集模块100用于：收集机器人实时上报的所述机器人当前的实时位置信息，以及所述实时位置信息对应的当前网络质量信息；
所述信息处理模块200用于：对收集的所述实时位置信息以及所述实时位置信息对应的网络质量信息进行数据优化处理，得到数据优化处理后的所述实时位置信息和对应的网络质量信息；
所述图像构建模块300用于：根据数据优化处理后的所述实时位置信息和对应的网络质量信息，与机器人当前所处的工作环境进行结合，构建所述工作环境下的网络点云图。
在一个实施例中，所述网络点云图的构建装置还包括：
图像处理模块，用于对构建的所述网络点云图进行图像处理后发送至机器人，供所述机器人基于所述网络点云图前往网络信号优质区域。
在一个实施例中，所述图像处理模块用于：基于所述机器人实时上报的所述实时位置信息和对应的当前网络质量信息，更新所述网络点云图，并将更新后的所述网络点云图发送至机器人。
所述机器人接收所述网络点云图，并在机器人需要联网时，根据所述网络点云图，前往可满足联网需求的所述网络信号优质区域。
在一个实施例中，所述图像处理模块用于：基于构建的所述网络点云图，对所述网络点云图进行计算识别，获取所述网络点云图中对应的网络接收信号强度超出预设信号强度阈值的区域，得到对应的所述网络信号优质区域；根据计算得到的所述网络信号优质区域，对所述网络点云图进行图像处理，绘制所述网络信号优质区域对应的几何轮廓，并将包含所述几何轮廓的网络点云图发送至机器人。
所述机器人接收到服务器发送的所述网络点云图，对所述网络点云图进行解析，得到所述几何轮廓映射的所述工作环境中对应的真实位置数据，并根据所述真实位置数据，机器人前往所述网络信号优质区域。
在一个实施例中，所述图像处理模块用于：服务器对所述网络点云图进行图像二值化处理，并根据所述网络点云图中的网络接收信号强度，设置与所述网络接收信号强度相对应的颜色深度值；其中，所述网络接收信号强度越大，对应的颜色深度越深；根据设置的所述颜色深度值，将所述颜色深度值低于预设颜色深度阈值对应的点过滤掉；计算所述网络点云图的局部采样属性，估计所述网络点云图中点云的噪声特征以及每个数据点的粗略法矢；利用watershed算法，对所述网络点云图中包含的点对应的密集区域进行计算；根据计算结果，提取所述密集区域对应的原始形状，并对提取的每个原始形状包含的边界曲线进行计算和优化处理，得到所述网络信号优质区域对应的几何轮廓。
在一个实施例中，所述网络点云图的构建装置还包括：
资源调度模块，用于根据构建的所述网络点云图，获取所述工作环境内网络资源的利用情况，对所述工作环境内运行的机器人进行调度。
在一个实施例中，所述资源调度模块用于：所述服务器基于收集的所述机器人的实时位置信息，获取所述工作环境下各个区域的机器人密度；根据所述网络点云图，获取所述网络点云图中网络信号优质区域在所述工作环境中的分布信息；将所述分布信息与所述机器人的实时位置信息进行交叉对比，获取所述网络信号优质区域中的机器人密度；根据所述网络信号优质区域中的机器人密度，参照当前机器人的运动规划信息，为所述机器人选择所述工作场景中的网络连接点提供调度建议。
在一个实施例中，所述图像构建模块300用于：获取所述工作环境中的真实物理位置，将所述真实物理位置中的每一个实际位置信息映射为图像上的像素点，建立所述工作环境中的所述实际位置信息与图像之间的映射关系；根据上报的所述机器人的实时位置信息，利用建立的所述实际位置信息与图像之间的映射关系，从所述图像中找到所述机器人的实时位置信息映射的像素点；将所述实时位置信息对应的所述网络质量信息，映射为对应像素点的颜色深度信息；其中，所述网络质量信息对应的网络质量越好，映射得到像素点对应的颜色深度越深；对映射后的图像进行降噪处理，得到所述工作环境下网络质量信息对应的所述网络点云图。
本发明网络点云图的构建装置，通过服务器收集机器人实时上报的所述机器人当前的实时位置信息，以及所述实时位置信息对应的当前网络质量信息；对收集的所述实时位置信息以及所述实时位置信息对应的网络质量信息进行数据优化处理，得到数据优化处理后的所述实时位置信息和对应的网络质量信息；根据数据优化处理后的所述实时位置信息和对应的网络质量信息，与机器人当前所处的工作环境进行结合，构建所述工作环境下的网络点云图；实现了根据机器人上报的实时位置信息和网络质量信息，动态生成网络点云图的目的；进一步地，基于生成的网络点云图，为机器人的调度提供了依据，从而避免了在某个信号优质区域内机器人扎推的情况出现，提高了资源利用率和工作场地内机器人集群的作业效率；进一步地，也可以将该网络点云图发送至机器人，以引导机器人前往具体的通信区域，为机器人的网络通信提供了重要参考。
基于以上实施例的描述，本发明实施例还提供了一种机器人。图10是本发明机器人的一种实施方式的功能模块示意图，图10所述实施例中，仅仅从功能上对所述机器人进行描述；如图10所示，本发明实施例中描述的机器人在功能上，包括：信息采集单元400、数据交互单元500以及动态选择单元600，所述信息采集单元400、数据交互单元500以及动态选择单元600通信连接，相互配合，实现动态选择网络连接点的操作。
在一个实施例中，所述信息采集单元400用于：获取当前的实时位置信息，并采集所述实时位置信息对应的当前网络质量信息。
所述数据交互单元500用于：将所述实时位置信息以及采集的与所述实时位置信息对应的所述当前网络质量信息，上报至服务器，供所述服务器根据所述实时位置信息以及对应的所述当前网络质量信息构建对应的网络点云图；以及，接收服务器发送的所述网络点云图并解析，获取所述网络点云图中包含的网络质量信息及其对应的真实位置信息。
所述动态选择单元600用于：根据机器人自身当前对网络质量信息的需求，从所述网络点云图中动态选择与所述网络质量信息对应的真实位置信息，并前往所述真实位置信息对应的位置处。
本发明实施例中机器人的工作原理，与上述实施例中描述的所述动态选择网络连接点的方法的实施原理一致，在此不再赘述。
本发明机器人，获取当前的实时位置信息，并采集所述实时位置信息对应的当前网络质量信息；将所述实时位置信息以及采集的与所述实时位置信息对应的所述当前网络质量信息，上报至服务器，供所述服务器根据所述实时位置信息以及对应的所述当前网络质量信息构建对应的网络点云图；接收服务器发送的所述网络点云图并解析，获取所述网络点云图中包含的网络质量信息及其对应的真实位置信息；根据自身当前对网络质量信息的需求，从所述网络点云图中动态选择与所述网络质量信息对应的真实位置信息，并前往所述真实位置信息对应的位置处；达到了机器人基于网络点云图动态选择网络连接点的目的，实现了资源的合理利用和分配，提高了网络连接的智能性和便捷性。
本发明还提供了一种电子设备，所述电子设备可以按照图1所述的网络点云图的构建方法来构建工作环境中网络质量对应的网络点云图。如图11所示，图11是本发明电子设备的一种实施方式的内部结构示意图。
在本实施例中，电子设备1可以是PC(Personal Computer，个人电脑)，也可以是智能手机、平板电脑、便携计算机等终端设备。该电子设备1至少包括存储器11、处理器12，通信总线13，以及网络接口14。
其中，存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的硬盘。存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如网络点云图构建程序01的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器11中存储的程序代码或处理数据，例如执行网络点云图构建程序01等。
通信总线13用于实现这些组件之间的连接通信。
网络接口14可选的可以包括标准的有线接口、无线接口(如WI-FI接口)，通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard)，可选的用户接口还可以包括标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
图11仅示出了具有组件11-14以及网络点云图构建程序01的电子设备1，本领域技术人员可以理解的是，图11示出的结构并不构成对电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
基于以上实施例的描述，在图11所示的电子设备1实施例中，存储器11中存储有网络点云图构建程序01；所述存储器11上存储的网络点云图构建程序01可在所述处理器12上运行，所述网络点云图构建程序01被所述处理器12运行时实现如下步骤：
收集机器人实时上报的所述机器人当前的实时位置信息，以及所述实时位置信息对应的当前网络质量信息；
对收集的所述实时位置信息以及所述实时位置信息对应的网络质量信息进行数据优化处理，得到数据优化处理后的所述实时位置信息和对应的网络质量信息；
根据数据优化处理后的所述实时位置信息和对应的网络质量信息，与机器人当前所处的工作环境进行结合，构建所述工作环境下的网络点云图。
本发明电子设备具体实施方式与上述网络点云图的构建方法和网络点云图的构建装置对应的各实施例的实施原理基本相同，在此不作累述。
此外，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有网络点云图构建程序，所述网络点云图构建程序可以被一个或者多个处理器执行，以实现如下操作：
收集机器人实时上报的所述机器人当前的实时位置信息，以及所述实时位置信息对应的当前网络质量信息；
对收集的所述实时位置信息以及所述实时位置信息对应的网络质量信息进行数据优化处理，得到数据优化处理后的所述实时位置信息和对应的网络质量信息；
根据数据优化处理后的所述实时位置信息和对应的网络质量信息，与机器人当前所处的工作环境进行结合，构建所述工作环境下的网络点云图。
本发明计算机可读存储介质具体实施方式与上述网络点云图的构建方法、装置和电子设备对应的各实施例的实施原理基本相同，在此不作累述。
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、系统、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、或结合软件和硬件方面的实施例的形式。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (15)

1.一种网络点云图的构建方法，其特征在于，所述网络点云图的构建方法包括：
服务器收集机器人实时上报的所述机器人当前的实时位置信息，以及所述实时位置信息对应的当前网络质量信息；
对收集的所述实时位置信息以及所述实时位置信息对应的网络质量信息进行数据优化处理，得到数据优化处理后的所述实时位置信息和对应的网络质量信息；
根据数据优化处理后的所述实时位置信息和对应的网络质量信息，与机器人当前所处的工作环境进行结合，构建所述工作环境下的网络点云图。
2.如权利要求1所述的网络点云图的构建方法，其特征在于，所述网络点云图的构建方法还包括；
服务器对构建的所述网络点云图进行图像处理后发送至机器人，供所述机器人基于所述网络点云图前往网络信号优质区域。
3.如权利要求2所述的网络点云图的构建方法，其特征在于，所述服务器对构建的所述网络点云图进行图像处理后发送至机器人，供所述机器人基于所述网络点云图前往网络信号优质区域，包括：
所述服务器基于所述机器人实时上报的所述实时位置信息和对应的当前网络质量信息，更新所述网络点云图，并将更新后的所述网络点云图发送至机器人；
所述机器人接收所述网络点云图，并在机器人需要联网时，根据所述网络点云图，前往可满足联网需求的所述网络信号优质区域。
4.如权利要求2所述的网络点云图的构建方法，其特征在于，所述服务器对构建的所述网络点云图进行图像处理后发送至机器人，供所述机器人基于所述网络点云图前往网络信号优质区域，包括：
服务器基于构建的所述网络点云图，对所述网络点云图进行计算识别，获取所述网络点云图中对应的网络接收信号强度超出预设信号强度阈值的区域，得到对应的所述网络信号优质区域；
服务器根据计算得到的所述网络信号优质区域，对所述网络点云图进行图像处理，绘制所述网络信号优质区域对应的几何轮廓，并将包含所述几何轮廓的网络点云图发送至机器人；
所述机器人接收到服务器发送的所述网络点云图，对所述网络点云图进行解析，得到所述几何轮廓映射的所述工作环境中对应的真实位置数据，并根据所述真实位置数据，机器人前往所述网络信号优质区域。
5.如权利要求4所述的网络点云图的构建方法，其特征在于，所述服务器根据计算得到的所述网络信号优质区域，对所述网络点云图进行图像处理，绘制所述网络信号优质区域对应的几何轮廓，包括：
服务器对所述网络点云图进行图像二值化处理，并根据所述网络点云图中的网络接收信号强度，设置与所述网络接收信号强度相对应的颜色深度值；其中，所述网络接收信号强度越大，对应的颜色深度越深；
根据设置的所述颜色深度值，将所述颜色深度值低于预设颜色深度阈值对应的点过滤掉；
计算所述网络点云图的局部采样属性，估计所述网络点云图中点云的噪声特征以及每个数据点的粗略法矢；
利用watershed算法，对所述网络点云图中包含的点对应的密集区域进行计算；
根据计算结果，提取所述密集区域对应的原始形状，并对提取的每个原始形状包含的边界曲线进行计算和优化处理，得到所述网络信号优质区域对应的几何轮廓。
6.如权利要求1所述的网络点云图的构建方法，其特征在于，所述网络点云图的构建方法还包括：
服务器根据构建的所述网络点云图，获取所述工作环境内网络资源的利用情况，对所述工作环境内运行的机器人进行调度。
7.如权利要求6所述的网络点云图的构建方法，其特征在于，所述服务器根据构建的所述网络点云图，获取所述工作环境内网络资源的利用情况，对所述工作环境内运行的机器人进行调度，包括：
所述服务器基于收集的所述机器人的实时位置信息，获取所述工作环境下各个区域的机器人密度；
根据所述网络点云图，获取所述网络点云图中网络信号优质区域在所述工作环境中的分布信息；
将所述分布信息与所述机器人的实时位置信息进行交叉对比，获取所述网络信号优质区域中的机器人密度；
根据所述网络信号优质区域中的机器人密度，参照当前机器人的运动规划信息，为所述机器人选择所述工作场景中的网络连接点提供调度建议。
8.如权利要求1至7任一项所述的网络点云图的构建方法，其特征在于，所述根据数据优化处理后的所述实时位置信息和对应的网络质量信息，与机器人当前所处的工作环境进行结合，构建所述工作环境下的网络点云图，包括：
获取所述工作环境中的真实物理位置，将所述真实物理位置中的每一个实际位置信息映射为图像上的像素点，建立所述工作环境中的所述实际位置信息与图像之间的映射关系；
根据上报的所述机器人的实时位置信息，利用建立的所述实际位置信息与图像之间的映射关系，从所述图像中找到所述机器人的实时位置信息映射的像素点；
将所述实时位置信息对应的所述网络质量信息，映射为对应像素点的颜色深度信息；其中，所述网络质量信息对应的网络质量越好，映射得到像素点对应的颜色深度越深；
对映射后的图像进行降噪处理，得到所述工作环境下网络质量信息对应的所述网络点云图。
9.一种动态选择网络连接点的方法，其特征在于，所述动态选择网络连接点的方法包括：
机器人获取当前的实时位置信息，并采集所述实时位置信息对应的当前网络质量信息；
机器人将所述实时位置信息以及采集的与所述实时位置信息对应的所述当前网络质量信息，上报至服务器，供所述服务器根据所述实时位置信息以及对应的所述当前网络质量信息构建对应的网络点云图；
机器人接收服务器发送的所述网络点云图并解析，获取所述网络点云图中包含的网络质量信息及其对应的真实位置信息；
机器人根据自身当前对网络质量信息的需求，从所述网络点云图中动态选择与所述网络质量信息对应的真实位置信息，并前往所述真实位置信息对应的位置处。
10.一种网络点云图的构建装置，其特征在于，所述网络点云图的构建装置包括：
信息收集模块，用于收集机器人实时上报的所述机器人当前的实时位置信息，以及所述实时位置信息对应的当前网络质量信息；
信息处理模块，用于对收集的所述实时位置信息以及所述实时位置信息对应的网络质量信息进行数据优化处理，得到数据优化处理后的所述实时位置信息和对应的网络质量信息；
图像构建模块，用于根据数据优化处理后的所述实时位置信息和对应的网络质量信息，与机器人当前所处的工作环境进行结合，构建所述工作环境下的网络点云图。
11.如权利要求10所述的网络点云图的构建装置，其特征在于，所述网络点云图的构建装置还包括：
图像处理模块，用于对构建的所述网络点云图进行图像处理后发送至机器人，供所述机器人基于所述网络点云图前往网络信号优质区域。
12.如权利要求10或11所述的网络点云图的构建装置，其特征在于，所述网络点云图的构建装置还包括：
资源调度模块，用于根据构建的所述网络点云图，获取所述工作环境内网络资源的利用情况，对所述工作环境内运行的机器人进行调度。
13.一种机器人，其特征在于，所述机器人包括：
信息采集单元，用于获取当前的实时位置信息，并采集所述实时位置信息对应的当前网络质量信息；
数据交互单元，用于：
将所述实时位置信息以及采集的与所述实时位置信息对应的所述当前网络质量信息，上报至服务器，供所述服务器根据所述实时位置信息以及对应的所述当前网络质量信息构建对应的网络点云图；以及，
接收服务器发送的所述网络点云图并解析，获取所述网络点云图中包含的网络质量信息及其对应的真实位置信息；
动态选择单元，用于根据机器人自身当前对网络质量信息的需求，从所述网络点云图中动态选择与所述网络质量信息对应的真实位置信息，并前往所述真实位置信息对应的位置处。
14.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的网络点云图构建程序，所述网络点云图构建程序被所述处理器运行时，执行如权利要求1至8中任一项所述的网络点云图的构建方法的步骤。
15.一种计算机可读存储介质，其特征在于，所述存储介质上存储有网络点云图构建程序，所述网络点云图构建程序可以被一个或者多个处理器执行，以实现如权利要求1至8中任一项所述的网络点云图的构建方法的步骤。
CN202010682621.8A 2020-07-15 2020-07-15 网络点云图的构建方法、机器人、设备及存储介质 Active CN111917841B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010682621.8A CN111917841B (zh) 2020-07-15 2020-07-15 网络点云图的构建方法、机器人、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010682621.8A CN111917841B (zh) 2020-07-15 2020-07-15 网络点云图的构建方法、机器人、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111917841A true CN111917841A (zh) 2020-11-10
CN111917841B CN111917841B (zh) 2023-06-16

Family

ID=73280232

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010682621.8A Active CN111917841B (zh) 2020-07-15 2020-07-15 网络点云图的构建方法、机器人、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111917841B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113132952A (zh) * 2021-04-15 2021-07-16 上海钛米机器人股份有限公司 一种基于机器人的网络质量确定方法、装置、设备及介质
CN116767008A (zh) * 2023-07-24 2023-09-19 国广顺能(上海)能源科技有限公司 一种基于场强信号的充电车控制方法、设备及介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105611507A (zh) * 2016-01-06 2016-05-25 东华大学 一种基于安卓终端的移动网络优化数据采集方法
CN108592920A (zh) * 2018-04-28 2018-09-28 上海木木机器人技术有限公司 一种机器人的路径规划方法及系统
CN109286946A (zh) * 2018-11-13 2019-01-29 山东建筑大学 基于无依托定位的移动通信室内无线网络优化方法和系统
CN109787811A (zh) * 2018-12-15 2019-05-21 深圳壹账通智能科技有限公司 网络状态数据更新方法、装置、计算机设备及存储介质
CN110191482A (zh) * 2019-06-17 2019-08-30 北京猎户星空科技有限公司 网络热点图生成方法、机器人的路径规划方法及装置
CN110831115A (zh) * 2020-01-09 2020-02-21 炬星科技（深圳）有限公司 动态选择网络连接点的方法、设备及存储介质
CN110839051A (zh) * 2018-08-16 2020-02-25 科沃斯商用机器人有限公司 服务提供方法、装置、机器人和存储介质
CN111093176A (zh) * 2020-03-25 2020-05-01 炬星科技（深圳）有限公司 机器人网络监控方法、设备及存储介质
CN111192313A (zh) * 2019-12-31 2020-05-22 深圳优地科技有限公司 机器人构建地图的方法、机器人及存储介质
CN111376253A (zh) * 2018-12-29 2020-07-07 深圳市优必选科技有限公司 一种机器人路线规划方法、装置、机器人及安全管理

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105611507A (zh) * 2016-01-06 2016-05-25 东华大学 一种基于安卓终端的移动网络优化数据采集方法
CN108592920A (zh) * 2018-04-28 2018-09-28 上海木木机器人技术有限公司 一种机器人的路径规划方法及系统
CN110839051A (zh) * 2018-08-16 2020-02-25 科沃斯商用机器人有限公司 服务提供方法、装置、机器人和存储介质
CN109286946A (zh) * 2018-11-13 2019-01-29 山东建筑大学 基于无依托定位的移动通信室内无线网络优化方法和系统
CN109787811A (zh) * 2018-12-15 2019-05-21 深圳壹账通智能科技有限公司 网络状态数据更新方法、装置、计算机设备及存储介质
CN111376253A (zh) * 2018-12-29 2020-07-07 深圳市优必选科技有限公司 一种机器人路线规划方法、装置、机器人及安全管理
CN110191482A (zh) * 2019-06-17 2019-08-30 北京猎户星空科技有限公司 网络热点图生成方法、机器人的路径规划方法及装置
CN111192313A (zh) * 2019-12-31 2020-05-22 深圳优地科技有限公司 机器人构建地图的方法、机器人及存储介质
CN110831115A (zh) * 2020-01-09 2020-02-21 炬星科技（深圳）有限公司 动态选择网络连接点的方法、设备及存储介质
CN111093176A (zh) * 2020-03-25 2020-05-01 炬星科技（深圳）有限公司 机器人网络监控方法、设备及存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113132952A (zh) * 2021-04-15 2021-07-16 上海钛米机器人股份有限公司 一种基于机器人的网络质量确定方法、装置、设备及介质
CN116767008A (zh) * 2023-07-24 2023-09-19 国广顺能(上海)能源科技有限公司 一种基于场强信号的充电车控制方法、设备及介质
CN116767008B (zh) * 2023-07-24 2024-03-22 国广顺能(上海)能源科技有限公司 一种基于场强信号的充电车控制方法、设备及介质

Also Published As

Publication number Publication date
CN111917841B (zh) 2023-06-16

Similar Documents

Publication Publication Date Title
WO2020199484A1 (zh) 基于视频的轨迹跟踪方法、装置、计算机设备及存储介质
CN112633384B (zh) 基于图像识别模型的对象识别方法、装置和电子设备
CN109711744B (zh) 保洁任务自动生成、执行评价方法、保洁方法及装置
US20160035124A1 (en) Segmenting objects in multimedia data
CN111917841B (zh) 网络点云图的构建方法、机器人、设备及存储介质
CN110968718B (zh) 目标检测模型负样本挖掘方法、装置及电子设备
CN112634343A (zh) 图像深度估计模型的训练方法、图像深度信息的处理方法
CN111126209B (zh) 车道线检测方法及相关设备
CN110852332A (zh) 训练样本的生成方法、装置、存储介质及电子设备
CN111601013B (zh) 用于处理视频帧的方法和装置
JP2020194541A (ja) 画像処理方法、装置及び機器
CN112486788A (zh) 一种工作量评估方法、装置、电子设备和可读存储介质
JP2023002768A (ja) 画像処理方法、装置、電子機器、記憶媒体及びコンピュータプログラム
CN113837194B (zh) 图像处理方法、图像处理装置、电子设备以及存储介质
CN113435462B (zh) 定位方法、装置、电子设备和介质
CN117201862B (zh) 一种基于多屏幕协同的实时互动方法及相关装置
CN112559838A (zh) 一种无人仓运行情况分析方法和装置
CN111966767B (zh) 轨迹热力图生成方法、装置、电子设备和存储介质
CN111158881B (zh) 数据处理方法、装置、电子设备和计算机可读存储介质
CN113378768A (zh) 垃圾桶状态识别方法、装置、设备以及存储介质
CN113362227B (zh) 图像处理方法、装置、电子设备及存储介质
CN111178113A (zh) 一种信息处理方法、装置及存储介质
KR20210134252A (ko) 이미지 안정화 방법, 장치, 노변 기기 및 클라우드 제어 플랫폼
CN115018704A (zh) 一种图像处理方法、装置、电子设备和存储介质
CN108363525B (zh) 一种响应网页中用户手势操作的方法、装置和终端设备

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
CB02 Change of applicant information

Address after: 518000 Room 401, block D, building 7, Shenzhen International Innovation Valley, Dashi 1st Road, Xili community, Xili street, Nanshan District, Shenzhen, Guangdong

Applicant after: JUXING TECHNOLOGY (SHENZHEN) Co.,Ltd.

Address before: 518000 building 101, building R3b, Gaoxin industrial village, No.018, Gaoxin South 7th Road, community, high tech Zone, Yuehai street, Nanshan District, Shenzhen City, Guangdong Province

Applicant before: JUXING TECHNOLOGY (SHENZHEN) Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant