CN112990098B - 区域划分方法和装置、存储介质、电子装置 - Google Patents
区域划分方法和装置、存储介质、电子装置 Download PDFInfo
- Publication number
- CN112990098B CN112990098B CN202110395690.5A CN202110395690A CN112990098B CN 112990098 B CN112990098 B CN 112990098B CN 202110395690 A CN202110395690 A CN 202110395690A CN 112990098 B CN112990098 B CN 112990098B
- Authority
- CN
- China
- Prior art keywords
- area
- determining
- target
- dividing
- open area
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000001514 detection method Methods 0.000 claims abstract description 166
- 230000035772 mutation Effects 0.000 claims abstract description 53
- 230000000007 visual effect Effects 0.000 claims description 82
- 238000004590 computer program Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 11
- 238000000638 solvent extraction Methods 0.000 abstract description 8
- 238000010408 sweeping Methods 0.000 description 15
- 238000005192 partition Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 102100033587 DNA topoisomerase 2-alpha Human genes 0.000 description 5
- 101000801505 Homo sapiens DNA topoisomerase 2-alpha Proteins 0.000 description 5
- 238000004140 cleaning Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 241001122767 Theaceae Species 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 101150104012 TOP2 gene Proteins 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Classifications
-
- 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
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种区域划分方法和装置、存储介质、电子装置，上述区域划分方法包括：根据目标区域的视觉检测点确定目标区域中的开放式区域，其中，开放式区域包括：至少两个区域类型的区域；获取开放式区域的区域边界，并确定区域边界中的多个像素突变位置；确定多个像素突变位置分别对应的多个候选分割线，并从多个候选分割线中确定目标分割线，其中，目标分割线用于划分开放式区域，即通过多个像素突变位置分别对应的多个候选分割线，确定目标分割线，根据目标分割线对开放式区域进行划分，解决了相关技术中，只能通过对门的检测，将总区域进行划分，无法对开放式区域进行区域划分，进而导致得到的分区结果并不准确等问题。
Description
【技术领域】
本发明涉及通信领域，具体而言，涉及一种区域划分方法和装置、存储介质、电子装置。
【背景技术】
随着科技的发展，各种智能家居层出不穷，用户的生活质量随着智能家居的出现不断提高，特别是扫地机器人的出现，方便用户打扫房屋内卫生，提高了用户的生活质量。
但在机器人的运行过程中，完整且准确地对室内区域进行分区是扫地机器人智能清扫的前提。在现有的区域划分方案中，首先通过周边距离测量，完成室内总区域的测绘制图，然后通过对门的检测，将总区域地图划分成多个子区域地图，然而，由于门检测的精度不高，存在很大的漏检和误检，最终得到的子区域地图并不准确。对于开放式区域，如开放式客餐厅，因为没有门信息，也无法进行进一步对室内总区域进行划区，最终无法实现真正的按房间类型清扫。
针对相关技术中，只能通过对门的检测，将总区域进行划分，无法对开放式区域进行区域划分，进而导致得到的分区结果并不准确等问题，尚未提出有效的技术方案。
因此，有必要对现有技术予以改良以克服现有技术中的所述缺陷。
【发明内容】
本发明实施例提供了一种区域划分方法和装置、存储介质、电子装置，以至少解决相关技术中，只能通过对门的检测，将总区域进行划分，导致得到的分区结果并不准确等问题。
根据本发明的一个实施例，提供了一种区域划分方法，包括：根据目标区域的视觉检测点确定目标区域中的开放式区域，其中，所述开放式区域包括：至少两个区域类型的区域；获取所述开放式区域的区域边界，并确定所述区域边界中的多个像素突变位置；确定所述多个像素突变位置分别对应的多个候选分割线，并从所述多个候选分割线中确定目标分割线，其中，所述目标分割线用于划分所述开放式区域。
在一个示例性实施例中，从所述多个候选分割线中确定目标分割线，包括：获取所述开放式区域的所有视觉检测点；分别确定所述开放式区域的所有视觉检测点与每一个候选分割线的距离的均方差，得到多个均方差；从所述多个均方差中，将最小均方差所对应的分割线作为所述目标分割线。
在一个示例性实施例中，在所述开放式区域中包括两个区域类型的区域的情况下，根据目标区域的视觉检测点确定目标区域中的开放式区域，包括：将所述目标区域划分为多个子区域；对于所述多个子区域中的任一子区域，根据所述目标区域的所有视觉检测点获取所述任一子区域的第一视觉检测点数量和第二视觉检测点数量，其中，所述第一视觉检测点数量为第一区域类型对应的视觉检测点数量，所述第二视觉检测点数量为第二区域类型对应的视觉检测点数量，所述第一区域类型和所述第二区域类型分别用于指示所述任一子区域的所有视觉检测点中出现数量最多的区域类型和出现数量第二多的区域类型；在所述第一视觉检测点数量与所述开放式区域的所有视觉检测点数量的比值，和所述第二视觉检测点数量与所述开放式区域的所有视觉检测点数量的比值均超过第一预设阈值的情况下，确定所述开放式区域为所述第一区域类型所指示的第一区域和所述第二区域类型所指示的第二区域将所述任一子区域确定为所述开放式区域。
在一个示例性实施例中，确定所述区域边界中的多个像素突变位置，包括：以所述区域边界的长边为搜索对象进行搜索；在检测到所述长边的第一位置和第二位置的像素个数不同的情况下，确定所述第一位置为像素突变位置，其中，所述第一位置和所述第二位置为所述长边上的相邻位置。
在一个示例性实施例中，确定所述多个像素突变位置分别对应的多个候选分割线，包括：确定所述长边上的多个像素突变位置；分别以所述像素突变位置为原点，按照预设方向确定所述多个候选分割线，其中，所述预设方向用于指示所述候选分割线与所述长边的方向呈垂直方向。
在一个示例性实施例中，从所述多个候选分割线中确定目标分割线之后，所述方法还包括：在通过所述目标分割线将所述开放式区域划分为第一区域和第二区域的情况下，获取所述开放式区域的第一面积、第一区域的第二面积和第二区域的第三面积；分别确定所述第二面积与所述第一面积的第一比例，以及所述第三面积与所述第一面积的第二比例；在所述第一比例和所述第二比例中的任一比例小于第二预设阈值的情况下，重新划分所述开放式区域。
根据本发明的另一个实施例，提供了一种区域划分装置，包括：第一确定模块，用于根据目标区域的视觉检测点确定目标区域中的开放式区域，其中，所述开放式区域包括：至少两个区域类型的区域；获取模块，用于获取所述开放式区域的区域边界，并确定所述区域边界中的多个像素突变位置；第二确定模块，用于确定所述多个像素突变位置分别对应的多个候选分割线，并从所述多个候选分割线中确定目标分割线，其中，所述目标分割线用于划分所述开放式区域。
在一个示例性实施例中，所述获取模块，还用于获取所述开放式区域的所有视觉检测点；第二确定模块，还用于分别确定所述开放式区域的所有视觉检测点与每一个候选分割线的距离的均方差，得到多个均方差；从所述多个均方差中，将最小均方差所对应的分割线作为所述目标分割线。
根据本发明的又一个实施例，还提供了一种计算机可读的存储介质，所述计算机可读的存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明，根据目标区域的视觉检测点确定目标区域中的开放式区域，并确定所述区域边界中的多个像素突变位置；确定所述多个像素突变位置分别对应的多个候选分割线，并从所述多个候选分割线中确定目标分割线，其中，所述目标分割线用于划分所述开放式区域，即通过多个像素突变位置分别对应的多个候选分割线，确定目标分割线，根据目标分割线对开放式区域进行划分，通过上述技术方案，解决了相关技术中，只能通过对门的检测，将总区域进行划分，无法对开放式区域进行区域划分，进而导致得到的分区结果并不准确等问题，进而使得区域划分更加合理和准确。
【附图说明】
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明实施例的区域划分方法的扫地机器人的硬件结构框图；
图2是根据本发明实施例的区域划分方法的流程图；
图3为根据本发明示例性实施例的区域划分方法的流程图；
图4为根据本发明示例性实施例的区域划分方法的分割效果图；
图5是根据本发明实施例的一种区域划分装置的结构框图。
【具体实施方式】
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
本申请实施例所提供的方法实施例可以在扫地机器人，或者类似的运算装置中执行。以运行在扫地机器人上为例，图1是本发明实施例的区域划分方法的扫地机器人的硬件结构框图。如图1所示，扫地机器人可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，在一个示例性实施例中，上述扫地机器人还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述扫地机器人的结构造成限定。例如，扫地机器人还可包括比图1中所示更多或者更少的组件，或者具有与图1所示等同功能或比图1所示功能更多的不同的配置。
存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的扫地机器人的区域划分方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至扫地机器人。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。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括扫地机器人的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种区域划分方法，应用于上述扫地机器人，图2是根据本发明实施例的区域划分方法的流程图，该流程包括如下步骤：
步骤S202，根据目标区域的视觉检测点确定目标区域中的开放式区域，其中，所述开放式区域包括：至少两个区域类型的区域；
步骤S204，获取所述开放式区域的区域边界，并确定所述区域边界中的多个像素突变位置；
步骤S206，确定所述多个像素突变位置分别对应的多个候选分割线，并从所述多个候选分割线中确定目标分割线，其中，所述目标分割线用于划分所述开放式区域。
通过上述步骤，根据目标区域的视觉检测点确定目标区域中的开放式区域，其中，所述开放式区域包括：至少两个区域类型的区域；获取所述开放式区域的区域边界，并确定所述区域边界中的多个像素突变位置；确定所述多个像素突变位置分别对应的多个候选分割线，并从所述多个候选分割线中确定目标分割线，其中，所述目标分割线用于划分所述开放式区域，即通过多个像素突变位置分别对应的多个候选分割线，确定目标分割线，根据目标分割线对开放式区域进行划分，通过上述技术方案，解决了相关技术中，只能通过对门的检测，将总区域进行划分，无法对开放式区域进行区域划分，进而导致得到的分区结果并不准确等问题，进而使得区域划分更加合理和准确。
需要说明的是，视觉检测点是通过视觉检测模型获取地图中每个位置的物品信息，只有在所述物品信息可以识别出当前位置的房间类型时，才认为物品信息对应的视觉检测点为有效的视觉检测点，例如，检测到餐桌，认为当前位置是餐厅；检测到茶几和沙发，认为当前位置是客厅，当所述物品信息不可以识别出当前位置的房间类型时，此时，把该物品信息对应的视觉检测点作为无效的视觉检测点，即将该视觉检测点抛弃，其中，像素突变位置可以理解为，第一位置的像素和第二位置的像素的差值大于预设阈值，第一位置所处的位置为像素突变位置，在像素突变位置画候选分割线，其中，候选分割线与区域边界的方向垂直，候选分割线中包括目标分割线，其中候选分割线仅仅是有可能作为目标分割线的分割线合集。
为了实现从所述多个候选分割线中确定目标分割线，在一个示例性实施例中，获取所述开放式区域的所有视觉检测点；分别确定所述开放式区域的所有视觉检测点与每一个候选分割线的距离的均方差，得到多个均方差；从所述多个均方差中，将最小均方差所对应的分割线作为所述目标分割线。
也就是说，计算开放式区域的所有视觉检测点与多个候选分割线中的每一个候选分割线的均方差，可以将得到的多个均方差作为评价函数来评价多个候选分割线的准确性，均方差较大的数值说明对应的分割线的准确性较低，均方差较小的数值说明对应的分割线的准确性较高，因此，比较得出多个均方差中数值最小的均方差，最后将最小均方差所对应的分割线作为所述目标分割线，需要说明的是，所述均方差是通过开放式区域中的每个视觉检测点与每一个候选分割线的均方差累加得到的。
在一个示例性实施例中，在所述开放式区域中包括两个区域类型的区域的情况下，将所述目标区域划分为多个子区域；对于所述多个子区域中的任一子区域，根据所述目标区域的所有视觉检测点获取所述任一子区域的第一视觉检测点数量和第二视觉检测点数量，其中，所述第一视觉检测点数量为第一区域类型对应的视觉检测点数量，所述第二视觉检测点数量为第二区域类型对应的视觉检测点数量，所述第一区域类型和所述第二区域类型分别用于指示所述任一子区域的所有视觉检测点中出现数量最多的区域类型和出现数量第二多的区域类型；在所述第一视觉检测点数量与所述开放式区域的所有视觉检测点数量的比值，和所述第二视觉检测点数量与所述开放式区域的所有视觉检测点数量的比值均超过第一预设阈值的情况下，确定所述开放式区域为所述第一区域类型所指示的第一区域和所述第二区域类型所指示的第二区域，将所述任一子区域确定为所述开放式区域。
需要说明的是，在所述开放式区域还包括三个区域类型的区域的情况，或者更多个区域类型的区域的情况，本发明实施例对此不做限定。
换言之，上述确定开放式区域的过程可以通过以下方案实现，利用激光点云数据和门框信息将目标区域进行初次划分，得到初始分区地图，即该分区地图将所述目标区域划分为多个子区域，进而在多个子区域的任一子区域中获取该子区域的所有的视觉检测点，在该子区域的所有的视觉检测点中，获取出现数量最多的第一视觉检测点和出现数量第二多第二视觉检测点，其中，第一视觉检测点用于指示第一区域类型，第二视觉检测点对应第二区域类型，计算得到第一视觉检测点和该子区域的所有的视觉检测点的第一比值和第二视觉检测点和该子区域的所有的视觉检测点的第二比值，在第一比值和第二比值均超过第一预设阈值的情况下，将所述任一子区域确定为所述开放式区域。
例如，通过视觉检测模型检测出前方的物体信息，通过物体信息判断当前位置的房间类型信息，例如检测到餐桌，认为前方是餐厅；检测到茶几和沙发，认为前方是客厅，需要说明的是，在所述物体信息可以识别出当前位置的房间类型时，才认为物体信息对应的视觉检测点为有效视觉检测点。最终得到目标区域的有效视觉检测点信息，具体的，区域1：卧室对应的视觉检测点有50个，客厅对应的视觉检测点有4个；区域2：客厅对应的视觉检测点有80个，餐厅对应的视觉检测点有60个，厨房对应的视觉检测点有3个，其中，区域1中，由于客厅对应的视觉检测点只有4个，与区域1中的视觉检测点的比值小于20％，则认为区域1为卧室，进而不再对区域1进行划分；区域2的视觉检测点的数量的最多的和第二多的房间类型信息为，客厅80个视觉检测点，餐厅60个视觉检测点，且客厅和餐厅对应的视觉检测点与区域2的所有视觉检测点的比值均超过该区域的20％，则认为该区域为待分割开放式区域，进而对区域2继续进行划分。
在一个示例性实施例中，确定所述区域边界中的多个像素突变位置，以所述区域边界的长边为搜索对象进行搜索；在检测到所述长边的第一位置和第二位置的像素个数不同的情况下，确定所述第一位置为像素突变位置，其中，所述第一位置和所述第二位置为所述长边上的相邻位置。
可以理解的是，获取开放式区域对应的区域边界，其中，区域边界包括长边信息和短边信息，根据所述区域边界的长边对应的方向以预设方式进行搜索，在检测到所述长边的相邻的两个位置：第一位置和第二位置的像素个数不同时，即检测到像素突变，将第一位置作为像素突变位置。
例如，根据所述区域边界的长边对应的方向作为搜索方向后，例如，外接框长边方向是水平方向，则沿水平方向搜索，预设步长为1个像素，统计该方向每个位置处的像素个数。当第一位置处的像素个数为80，第二位置处的像素个数为60，则认为第一位置为像素突变位置。
在一个示例性实施例中，确定所述多个像素突变位置分别对应的多个候选分割线，需要确定所述长边上的多个像素突变位置；分别以所述像素突变位置为原点，按照预设方向确定所述多个候选分割线，其中，所述预设方向用于指示所述候选分割线与所述长边的方向呈垂直方向。
在确定所述长边上的多个像素突变位置后，以所述像素突变位置为原点，与所述长边的方向呈垂直方向确定候选分割线。例如，长边的方向为水平方向，则需要以所述像素突变位置为原点，与所述长边的方向呈垂直方向即竖直方向确定候选分割线。
在一个示例性实施例中，从所述多个候选分割线中确定目标分割线之后，在通过所述目标分割线将所述开放式区域划分为第一区域和第二区域的情况下，获取所述开放式区域的第一面积、第一区域的第二面积和第二区域的第三面积；分别确定所述第二面积与所述第一面积的第一比例，以及所述第三面积与所述第一面积的第二比例；在所述第一比例和所述第二比例中的任一比例小于第二预设阈值的情况下，重新划分所述开放式区域。
为了使得最终的划分的子区域更加准确，在将所述开放式区域划分为第一区域和第二区域后，获取开放式区域的第一面积、第一区域对应的第二面积、第二区域对应的第三面积，计算第二面积和第三面积与第一面积的第一比例和第二比例，在第一比例和第二比例均超过预设阈值的情况下，确定开放式区域划分完成，若第一比例和第二比例中一个或两个比例小于预设阈值的情况下，对开放式区域重新划分。
为了更好理解上述区域划分方法，以下结合可选实施例对上述技术方案进行解释说明，但不用于限定本发明实施例的技术方案。
图3为根据本发明示例性实施例的区域划分方法的流程图，应用于扫地机器人，如图3所示，具体步骤如下：
步骤S301：获取初始分区地图；
具体的，利用激光点云数据和门框信息获取初始分区地图，该分区地图对整个房间地图(相当于上述实施例中的目标区域)做了初始的子区域划分。
步骤S302：获取TOP2房间类型检测点，具体实现过程中，可以根据开放式区域中所包括的区域类型不同进一步获取的是根据区域类型的数量N对应的TOP N的类型检测点；
扫地机器人在初次清扫过程中，实时开启视觉检测模型，检测出前方物体信息，通过物体信息判断当前位置的房间类型信息，例如检测到餐桌，认为前方是餐厅；检测到茶几和沙发，认为前方是客厅，通过激光点云数据给出相应物品与扫地机器人的距离，确定相应物品的位置，需要说明的是，只有在物品信息可以识别出当前位置的房间类型时，才认为物品信息对应的检测点为有效检测点(相当于上述实施例中的视觉检测点)。最终得到整个房间的有效检测点信息，在整个房间的有效检测点信息中，确定每个子区域的TOP2房间类型检测点(相当于上述实施例中的出现数量最多的区域类型和出现数量第二多的区域类型)，例如，区域1：卧室的检测点有50个，客厅的检测点有4个；区域2：客厅的检测点有80个，餐厅的检测点有60个，厨房的检测点有3个，其中，区域1的TOP2检测点房间类型信息为卧室的检测点有50个，客厅的检测点有4个，区域2的TOP2检测点房间类型信息为，客厅80个检测点，餐厅60个检测点，但是由于区域1中的厨房的检测点仅有4个，且厨房检测点数量与区域1所有的检测点数量的比值小于20％，所以认为区域1为卧室，不需要再次分割，区域2中客厅检测点和餐厅检测点的占比均超过该区域2所有的检测点数量的20％，则认为该区域为待分割开放式区域，即客厅和餐厅。
步骤S303：分割线提取；
具体的，确定该区域为待分割开放式区域后，获取地图上该区域的面积信息、外接框信息(相当于上述实施例中的区域边界)，以外接框的长边方向为分割线的搜索方向，沿着该方向正中1/3区域搜索该区域像素个数突变位置。例如，外接框长边方向是水平方向，则沿水平方向搜索竖直分割线。以步长为1个像素，统计该区域每个位置处的像素个数。当Xi(相当于上述实施例中的第一位置)处的像素个数为80，Xi+1(相当于上述实施例中的第二位置)处的像素个数为60，则认为Xi为像素个数突变位置(相当于上述实施例中的像素突变位置)，沿着Xi画候选竖直分割线，最终得到若干候选分割线。
步骤S304：通过评价函数，确定最佳分割线；
具体的，计算所有top2房间类型的检测点距离每个候选分割线的累加均方差(相当于上述实施例中的均方差)，将所述累加均方差作为评价函数，将累加均方差最小对应的分割线，认为是最佳分割线；
步骤S305：根据所述最佳分割线确定开放区域的划分。
最终分割效果如4所示，图4为根据本发明示例性实施例的区域划分方法的分割效果图。
通过本发明实施例性的方法，即通过TOP2检测点信息确定开放式区域，综合检测点房间类型、位置信息和区域几何形态信息，确定最终分割线。利用视觉检测点信息和初始分区地图形态信息，解决了开放式区域的分区问题，进一步完善了房间类型的清扫地图划分，对后续智能清扫和房间定位更加准确分割合理，实际分割准确率高，效果理想。解决了开放式区域无法分割的问题，进一步的，还可以基于视觉检测模型或者激光点云数据，获取开放式区域的其他特征信息，如墙角信息、天花板信息，进行准确划区。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
在本实施例中还提供了一种区域划分装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图5是根据本发明实施例的一种区域划分装置的结构框图，如图5所示，包括：
第一确定模块52，用于根据目标区域的视觉检测点确定目标区域中的开放式区域，其中，所述开放式区域包括：至少两个区域类型的区域；
获取模块54，用于获取所述开放式区域的区域边界，并确定所述区域边界中的多个像素突变位置；
第二确定模块56，用于确定所述多个像素突变位置分别对应的多个候选分割线，并从所述多个候选分割线中确定目标分割线，其中，所述目标分割线用于划分所述开放式区域。
通过上述模块，根据目标区域的视觉检测点确定目标区域中的开放式区域，其中，所述开放式区域包括：至少两个区域类型的区域；获取所述开放式区域的区域边界，并确定所述区域边界中的多个像素突变位置；确定所述多个像素突变位置分别对应的多个候选分割线，并从所述多个候选分割线中确定目标分割线，其中，所述目标分割线用于划分所述开放式区域，即通过多个像素突变位置分别对应的多个候选分割线，确定目标分割线，根据目标分割线对开放式区域进行划分，通过上述技术方案，解决了相关技术中，只能通过对门的检测，将总区域进行划分，无法对开放式区域进行区域划分，进而导致得到的分区结果并不准确等问题，进而使得区域划分更加合理和准确。
需要说明的是，视觉检测点是通过视觉检测模型获取地图中每个位置的物品信息，只有在所述物品信息可以识别出当前位置的房间类型时，才认为物品信息对应的视觉检测点为有效的视觉检测点，例如，检测到餐桌，认为当前位置是餐厅；检测到茶几和沙发，认为当前位置是客厅，当所述物品信息不可以识别出当前位置的房间类型时，此时，把该物品信息对应的视觉检测点作为无效的视觉检测点，即将该视觉检测点抛弃，其中，像素突变位置可以理解为，第一位置的像素和第二位置的像素的差值大于预设阈值，第一位置所处的位置为像素突变位置，在像素突变位置画候选分割线，其中，候选分割线与区域边界的方向垂直，候选分割线中包括目标分割线，其中，候选分割线仅仅是有可能作为目标分割线的分割线合集。
为了实现从所述多个候选分割线中确定目标分割线，在一个示例性实施例中，获取模块，还用于获取所述开放式区域的所有视觉检测点；第二确定模块，还用于分别确定所述开放式区域的所有视觉检测点与每一个候选分割线的距离的均方差，得到多个均方差；从所述多个均方差中，将最小均方差所对应的分割线作为所述目标分割线。
也就是说，计算开放式区域的所有视觉检测点与多个候选分割线中的每一个候选分割线的均方差，可以将得到的多个均方差作为评价函数来评价多个候选分割线的准确性，均方差较大的数值说明对应的分割线的准确性较低，均方差较小的数值说明对应的分割线的准确性较高，因此，比较得出多个均方差中数值最小的均方差，最后将最小均方差所对应的分割线作为所述目标分割线，需要说明的是，所述均方差是通过开放式区域中的每个视觉检测点与每一个候选分割线的均方差累加得到的。
在一个示例性实施例中，在所述开放式区域中包括两个区域类型的区域的情况下，上述装置还包括，划分模块，用于将所述目标区域划分为多个子区域；获取模块，还用于对于所述多个子区域中的任一子区域，根据所述目标区域的所有视觉检测点获取所述任一子区域的第一视觉检测点数量和第二视觉检测点数量，其中，所述第一视觉检测点数量为第一区域类型对应的视觉检测点数量，所述第二视觉检测点数量为第二区域类型对应的视觉检测点数量，所述第一区域类型和所述第二区域类型分别用于指示所述任一子区域的所有视觉检测点中出现数量最多的区域类型和出现数量第二多的区域类型；在所述第一视觉检测点数量与所述开放式区域的所有视觉检测点数量的比值，和所述第二视觉检测点数量与所述开放式区域的所有视觉检测点数量的比值均超过第一预设阈值的情况下，确定所述开放式区域为所述第一区域类型所指示的第一区域和所述第二区域类型所指示的第二区域，将所述任一子区域确定为所述开放式区域。
需要说明的是，在所述开放式区域还包括三个区域类型的区域的情况，或者更多个区域类型的区域的情况，本发明实施例对此不做限定。
换言之，首先，利用激光点云数据和门框信息将目标区域进行初次划分，得到初始分区地图，即该分区地图将所述目标区域划分为多个子区域，进而在多个子区域的任一子区域中获取该子区域的所有的视觉检测点，在该子区域的所有的视觉检测点中，获取出现数量最多的第一视觉检测点和出现数量第二多第二视觉检测点，其中，第一视觉检测点用于指示第一区域类型，第二视觉检测点对应第二区域类型，计算得到第一视觉检测点和该子区域的所有的视觉检测点的第一比值和第二视觉检测点和该子区域的所有的视觉检测点的第二比值，在第一比值和第二比值均超过第一预设阈值的情况下，将所述任一子区域确定为所述开放式区域。
例如，通过视觉检测模型检测出前方物体信息，通过物体信息判断当前位置的房间类型信息，例如检测到餐桌，认为前方是餐厅；检测到茶几和沙发，认为前方是客厅，需要说明的是，在所述物体信息可以识别出当前位置的房间类型时，才认为物体信息对应的视觉检测点为有效视觉检测点。最终得到目标区域的有效视觉检测点信息，具体的，区域1：卧室对应的视觉检测点有50个，客厅对应的视觉检测点有4个；区域2：客厅对应的视觉检测点有80个，餐厅对应的视觉检测点有60个，厨房对应的视觉检测点有3个，其中，区域1中，由于客厅对应的视觉检测点只有4个，与区域1中的视觉检测点的比值小于20％，则认为区域1为卧室，进而不再对区域1进行划分；区域2的视觉检测点的数量的最多的和第二多的房间类型信息为，客厅80个视觉检测点，餐厅60个视觉检测点，且客厅和餐厅对应的视觉检测点与区域2的所有视觉检测点的比值均超过该区域的20％。则认为该区域为待分割开放式区域，进而后续对区域2继续进行划分。
在一个示例性实施例中，第二确定模块还用于，所述区域边界的长边为搜索对象进行搜索；在检测到所述长边的第一位置和第二位置的像素个数不同的情况下，确定所述第一位置为像素突变位置，其中，所述第一位置和所述第二位置为所述长边上的相邻位置。
换言之，获取开放式区域对应的区域边界，其中，区域边界包括长边信息和短边信息，根据所述区域边界的长边对应的方向以预设方式进行搜索，在检测到所述长边的相邻的两个位置：第一位置和第二位置的像素个数不同时，即检测到像素突变，将第一位置作为像素突变位置。
例如，根据所述区域边界的长边对应的方向作为搜索方向后，例如，外接框长边方向是水平方向，则沿水平方向搜索，预设步长为1个像素，统计该方向每个位置处的像素个数。当第一位置处的像素个数为80，第二位置处的像素个数为60，则认为第一位置为像素突变位置。
在一个示例性实施例中，第二确定模块还用于，确定所述长边上的多个像素突变位置；分别以所述像素突变位置为原点，按照预设方向确定所述多个候选分割线，其中，所述预设方向用于指示所述候选分割线与所述长边的方向呈垂直方向。
在确定所述长边上的多个像素突变位置后，以所述像素突变位置为原点，与所述长边的方向呈垂直方向确定候选分割线。例如，长边的方向为水平方向，则需要以所述像素突变位置为原点，与所述长边的方向呈垂直方向即竖直方向确定候选分割线。
在一个示例性实施例中，从所述多个候选分割线中确定目标分割线之后，获取模块，还用于在通过所述目标分割线将所述开放式区域划分为第一区域和第二区域的情况下，获取所述开放式区域的第一面积、第一区域的第二面积和第二区域的第三面积；分别确定所述第二面积与所述第一面积的第一比例，以及所述第三面积与所述第一面积的第二比例；在所述第一比例和所述第二比例中的任一比例小于第二预设阈值的情况下，重新划分所述开放式区域。
为了使得最终的划分的子区域更加准确，在将所述开放式区域划分为第一区域和第二区域后，获取开放式区域的第一面积、第一区域对应的第二面积、第二区域对应的第三面积，计算第二面积和第三面积与第一面积的第一比例和第二比例，在第一比例和第二比例均超过预设阈值的情况下，确定开放式区域划分完成，若第一比例和第二比例中一个或两个比例小于预设阈值的情况下，对开放式区域重新划分。
本发明的实施例还提供了一种存储介质，该存储介质包括存储的程序，其中，上述程序运行时执行上述任一项的方法。
可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的程序代码：
S1，根据目标区域的视觉检测点确定目标区域中的开放式区域，其中，所述开放式区域包括：至少两个区域类型的区域；
S2，获取所述开放式区域的区域边界，并确定所述区域边界中的多个像素突变位置；
S3，确定所述多个像素突变位置分别对应的多个候选分割线，并从所述多个候选分割线中确定目标分割线，其中，所述目标分割线用于划分所述开放式区域。
本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，根据目标区域的视觉检测点确定目标区域中的开放式区域，其中，所述开放式区域包括：至少两个区域类型的区域；
S2，获取所述开放式区域的区域边界，并确定所述区域边界中的多个像素突变位置；
S3，确定所述多个像素突变位置分别对应的多个候选分割线，并从所述多个候选分割线中确定目标分割线，其中，所述目标分割线用于划分所述开放式区域。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种区域划分方法，其特征在于：包括：
根据目标区域的视觉检测点确定目标区域中的开放式区域，其中，所述开放式区域包括：至少两个区域类型的区域；在所述开放式区域中包括两个区域类型的区域的情况下，根据目标区域的视觉检测点确定目标区域中的开放式区域，包括：将所述目标区域划分为多个子区域；对于所述多个子区域中的任一子区域，根据所述目标区域的所有视觉检测点获取所述任一子区域的第一视觉检测点数量和第二视觉检测点数量，其中，所述第一视觉检测点数量为第一区域类型对应的视觉检测点数量，所述第二视觉检测点数量为第二区域类型对应的视觉检测点数量，所述第一区域类型和所述第二区域类型分别用于指示所述任一子区域的所有视觉检测点中出现数量最多的区域类型和出现数量第二多的区域类型；在所述第一视觉检测点数量与所述开放式区域的所有视觉检测点数量的比值，和所述第二视觉检测点数量与所述开放式区域的所有视觉检测点数量的比值均超过第一预设阈值的情况下，确定所述开放式区域为所述第一区域类型所指示的第一区域和所述第二区域类型所指示的第二区域，将所述任一子区域确定为所述开放式区域；
获取所述开放式区域的区域边界，并确定所述区域边界中的多个像素突变位置；
确定所述多个像素突变位置分别对应的多个候选分割线，并从所述多个候选分割线中确定目标分割线，其中，所述目标分割线用于划分所述开放式区域；
确定所述多个像素突变位置分别对应的多个候选分割线，包括：确定所述区域边界的长边上的多个像素突变位置；分别以所述像素突变位置为原点，按照预设方向确定所述多个候选分割线，其中，所述预设方向用于指示所述候选分割线与所述长边的方向呈垂直方向；
从所述多个候选分割线中确定目标分割线，包括：获取所述开放式区域的所有视觉检测点；分别确定所述开放式区域的所有视觉检测点与每一个候选分割线的距离的均方差，得到多个均方差；从所述多个均方差中，将最小均方差所对应的分割线作为所述目标分割线。
2.根据权利要求1所述的区域划分方法，其特征在于：确定所述区域边界中的多个像素突变位置，包括：
以所述区域边界的长边为搜索对象进行搜索；
在检测到所述长边的第一位置和第二位置的像素个数不同的情况下，确定所述第一位置为像素突变位置，其中，所述第一位置和所述第二位置为所述长边上的相邻位置。
3.根据权利要求1所述的区域划分方法，其特征在于：从所述多个候选分割线中确定目标分割线之后，所述方法还包括：
在通过所述目标分割线将所述开放式区域划分为第一区域和第二区域的情况下，获取所述开放式区域的第一面积、第一区域的第二面积和第二区域的第三面积；
分别确定所述第二面积与所述第一面积的第一比例，以及所述第三面积与所述第一面积的第二比例；
在所述第一比例和所述第二比例中的任一比例小于第二预设阈值的情况下，重新划分所述开放式区域。
4.一种区域划分装置，其特征在于：包括：
第一确定模块，用于根据目标区域的视觉检测点确定目标区域中的开放式区域，其中，所述开放式区域包括：至少两个区域类型的区域；在所述开放式区域中包括两个区域类型的区域的情况下，根据目标区域的视觉检测点确定目标区域中的开放式区域，包括：将所述目标区域划分为多个子区域；对于所述多个子区域中的任一子区域，根据所述目标区域的所有视觉检测点获取所述任一子区域的第一视觉检测点数量和第二视觉检测点数量，其中，所述第一视觉检测点数量为第一区域类型对应的视觉检测点数量，所述第二视觉检测点数量为第二区域类型对应的视觉检测点数量，所述第一区域类型和所述第二区域类型分别用于指示所述任一子区域的所有视觉检测点中出现数量最多的区域类型和出现数量第二多的区域类型；在所述第一视觉检测点数量与所述开放式区域的所有视觉检测点数量的比值，和所述第二视觉检测点数量与所述开放式区域的所有视觉检测点数量的比值均超过第一预设阈值的情况下，确定所述开放式区域为所述第一区域类型所指示的第一区域和所述第二区域类型所指示的第二区域，将所述任一子区域确定为所述开放式区域；
获取模块，用于获取所述开放式区域的区域边界，并确定所述区域边界中的多个像素突变位置；
第二确定模块，用于确定所述多个像素突变位置分别对应的多个候选分割线，并从所述多个候选分割线中确定目标分割线，其中，所述目标分割线用于划分所述开放式区域；确定所述多个像素突变位置分别对应的多个候选分割线，包括：确定所述区域边界的长边上的多个像素突变位置；分别以所述像素突变位置为原点，按照预设方向确定所述多个候选分割线，其中，所述预设方向用于指示所述候选分割线与所述长边的方向呈垂直方向；
所述获取模块，还用于获取所述开放式区域的所有视觉检测点；
第二确定模块，还用于分别确定所述开放式区域的所有视觉检测点与每一个候选分割线的距离的均方差，得到多个均方差；从所述多个均方差中，将最小均方差所对应的分割线作为所述目标分割线。
5.一种计算机可读的存储介质，其特征在于：所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行上述权利要求1至3任一项中所述的方法。
6.一种电子装置，包括存储器和处理器，其特征在于：所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行所述权利要求1至3任一项中所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110395690.5A CN112990098B (zh) | 2021-04-13 | 2021-04-13 | 区域划分方法和装置、存储介质、电子装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110395690.5A CN112990098B (zh) | 2021-04-13 | 2021-04-13 | 区域划分方法和装置、存储介质、电子装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112990098A CN112990098A (zh) | 2021-06-18 |
| CN112990098B true CN112990098B (zh) | 2023-08-15 |
Family
ID=76338272
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110395690.5A Active CN112990098B (zh) | 2021-04-13 | 2021-04-13 | 区域划分方法和装置、存储介质、电子装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112990098B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113780233B (zh) * | 2021-09-23 | 2024-04-12 | 追觅创新科技(苏州)有限公司 | 一种过道区域识别方法及装置 |
| CN113854903A (zh) * | 2021-09-28 | 2021-12-31 | 追觅创新科技(苏州)有限公司 | 清洁设备的控制方法及装置 |
| CN116662352A (zh) * | 2022-02-18 | 2023-08-29 | 追觅创新科技(苏州)有限公司 | 区域信息的处理方法和装置、存储介质及电子装置 |
| CN116841285A (zh) * | 2022-03-24 | 2023-10-03 | 追觅创新科技(苏州)有限公司 | 区域划分方法、设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109571482A (zh) * | 2019-01-02 | 2019-04-05 | 京东方科技集团股份有限公司 | 清扫机器人路径规划方法及相关系统、可读存储介质 |
| CN110378218A (zh) * | 2019-06-13 | 2019-10-25 | 大亚湾核电运营管理有限责任公司 | 一种图像处理方法、装置及终端设备 |
| CN110888960A (zh) * | 2019-11-29 | 2020-03-17 | 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 |
| CN111459153A (zh) * | 2019-01-03 | 2020-07-28 | 科沃斯机器人股份有限公司 | 动态区域划分与区域通道识别方法及清洁机器人 |
| CN111897334A (zh) * | 2020-08-02 | 2020-11-06 | 珠海市一微半导体有限公司 | 一种基于边界的机器人区域划分方法、芯片及机器人 |
-
2021
- 2021-04-13 CN CN202110395690.5A patent/CN112990098B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109571482A (zh) * | 2019-01-02 | 2019-04-05 | 京东方科技集团股份有限公司 | 清扫机器人路径规划方法及相关系统、可读存储介质 |
| CN111459153A (zh) * | 2019-01-03 | 2020-07-28 | 科沃斯机器人股份有限公司 | 动态区域划分与区域通道识别方法及清洁机器人 |
| CN110378218A (zh) * | 2019-06-13 | 2019-10-25 | 大亚湾核电运营管理有限责任公司 | 一种图像处理方法、装置及终端设备 |
| CN110888960A (zh) * | 2019-11-29 | 2020-03-17 | 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 |
| CN111897334A (zh) * | 2020-08-02 | 2020-11-06 | 珠海市一微半导体有限公司 | 一种基于边界的机器人区域划分方法、芯片及机器人 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112990098A (zh) | 2021-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112990098B (zh) | 区域划分方法和装置、存储介质、电子装置 | |
| WO2023016188A1 (zh) | 地图的绘制方法和装置、扫地机、存储介质、电子装置 | |
| CN109522803A (zh) | 一种室内区域划分和识别方法、装置及终端设备 | |
| CN113848943B (zh) | 栅格地图的修正方法及装置、存储介质及电子装置 | |
| CN105282758A (zh) | WiFi室内定位系统指纹数据库自适应动态构建方法 | |
| CN110933632B (zh) | 一种终端室内定位方法及系统 | |
| US8830909B1 (en) | Methods and systems to determine user relationships, events and spaces using wireless fingerprints | |
| CN108009485B (zh) | 基于众包数据的无线指纹库更新方法 | |
| CN103747524A (zh) | 一种基于云平台的Android终端室内定位方法 | |
| CN103120000A (zh) | 覆盖区域模型的产生和使用 | |
| CN106708837B (zh) | 兴趣点搜索方法、装置 | |
| WO2023045798A1 (zh) | 一种过道区域识别方法及装置 | |
| CN104618869A (zh) | 室内定位方法和设备 | |
| US20230152121A1 (en) | Indoor map generation method and apparatus | |
| CN112991368B (zh) | 目标对象的检测方法及装置、存储介质及电子装置 | |
| CN112235724A (zh) | 室内定位方法、装置、电子设备及计算机可读存储介质 | |
| CN115393234A (zh) | 地图区域融合方法、装置、自主移动设备和存储介质 | |
| CN107045732B (zh) | 数字地面模型化简方法及装置 | |
| CN104581936B (zh) | 一种定位的方法和装置 | |
| CN106550329B (zh) | 移动终端的检测处理方法及装置 | |
| CN113656418A (zh) | 语义地图的保存方法和装置、存储介质、电子装置 | |
| CN114073454A (zh) | 房间划分方法、装置、设备及可读存储介质 | |
| WO2023179207A1 (zh) | 地图的处理方法、装置、清洁设备、存储介质及电子装置 | |
| CN112307075A (zh) | 用户关系识别方法及装置 | |
| CN111328012A (zh) | 一种基于楼宇WiFi立体分层定位方法及装置 |
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: 215000 E3, building 16, No. 2288, Wuzhong Avenue, Yuexi, Wuzhong District, Suzhou City, Jiangsu Province Applicant after: Dreame technology (Suzhou) Co.,Ltd. Address before: 215104 E3, building 16, No. 2288, Wuzhong Avenue, Yuexi, Wuzhong District, Suzhou City, Jiangsu Province Applicant before: ZHUICHUANG TECHNOLOGY (SUZHOU) Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |