CN113064413B - 封闭空间的地图处理方法、装置和可移动设备 - Google Patents

Abstract

本发明涉及一种封闭空间的地图处理方法、装置和可移动设备，属于可移动设备技术领域。该方法包括：获取可移动设备的多个自身位置；获取多个障碍物位置；基于所述障碍物位置获取边轮廓，所述边轮廓为由多个邻近的障碍物位置依次连接构成的闭合线；基于可移动设备的自身位置获取自环，所述自环为由可移动设备的多个邻近的自身位置依次连接构成的闭合线；若所述边轮廓包围在所述自环的外侧，则确定所述边轮廓为外轮廓；基于所述外轮廓处理封闭空间的地图。本发明可以直接确定外轮廓，并基于外轮廓对封闭空间的地图直接进行多种后续处理，比如自动识别区域、自动分区等，从而扩展了可移动设备的应用范围。

Description

封闭空间的地图处理方法、装置和可移动设备

技术领域

本发明涉及可移动设备技术领域，尤其涉及一种封闭空间的地图处理方法、装置和可移动设备。

背景技术

可移动设备是指在设定封闭空间内自主执行预设任务的设备，目前可移动设备通常包括但不限于清洁机器人(例如智能扫地机、智能擦地机、擦窗机器人)、陪伴型移动机器人(例如智能电子宠物、保姆机器人)、服务型移动机器人(例如酒店、旅馆、会晤场所的接待机器人)、工业巡检智能设备(例如电力巡检机器人、智能叉车等)、安防机器人(例如家用或商用智能警卫机器人)。

可移动设备通常会在一个有限空间内自主移动，比如清洁机器人、陪伴型移动机器人通常在室内运行，服务型移动机器人通常在旅馆、会场等特定的有限空间内运行，该有限空间可以称为可移动设备的工作区域。

可移动设备往往需要与工作区域对应的地图为其运行提供位置信息，以使可移动设备能够高效规划其运行路径。一般来讲，可移动设备所在的封闭空间通常会包含多个区域，比如，清洁机器人所在的工作区域为室内，该室内包括多个房间，各个房间为相应的多个区域，可移动设备进行分区域执行任务可以提高执行效率。现有技术中，一般只是在地图中标记出可移动设备自身位置和障碍物位置，若可移动设备需要分区域执行任务，还需要对地图中的信息进行进一步处理，比如进行分界识别，对位置点进行聚类等，以得到区域划分的依据信息，这种方式难以直接依据地图准确划分为多个区域，从而限制了可移动设备的应用。

发明内容

为至少在一定程度上克服相关技术中存在的问题，本发明提供一种封闭空间的地图处理方法、装置和可移动设备。

本发明实施例提供的技术方案如下：

第一方面，提供一种封闭空间的地图处理方法，包括：获取可移动设备的多个自身位置；获取多个障碍物位置；基于所述障碍物位置获取边轮廓，所述边轮廓为由多个邻近的障碍物位置依次连接构成的闭合线；基于可移动设备的自身位置获取自环，所述自环为由可移动设备的多个邻近的自身位置依次连接构成的闭合线；若所述边轮廓包围在所述自环的外侧，则确定所述边轮廓为外轮廓；基于所述外轮廓处理封闭空间的地图。

可选地，所述方法还包括：获取封闭空间的地图；在所述地图中标记：所述障碍物位置、所述边轮廓、所述可移动设备的自身位置、所述自环中的至少一项。

可选地，所述基于所述外轮廓处理封闭空间的地图，包括如下项中的至少一项：基于所述外轮廓更新封闭空间的地图中障碍物类型；所述障碍物类型至少包括边界；基于所述外轮廓识别封闭空间的区域；基于所述外轮廓对封闭空间进行分区；基于所述外轮廓更新封闭空间的地图；基于所述外轮廓在封闭空间的地图中确定或者更新地图框架。

可选地，所述方法还包括：若所述自环包围在所述边轮廓的外侧，则确定所述边轮廓为内轮廓。

可选地，所述外轮廓上的外轮廓位置点具有外轮廓置信度，所述方法还包括：若可移动设备在后续运行过程中再次确定外轮廓，且再次确定的外轮廓与之前确定的历史外轮廓存在位置相同的外轮廓位置点，则增加所述位置相同的外轮廓位置点的外轮廓置信度；和/或，若可移动设备在后续运行过程中再次确定外轮廓，且之前确定的历史外轮廓上的至少一个历史外轮廓位置点不在所述再次确定的外轮廓上，则降低所述不在所述再次确定的外轮廓上的历史外轮廓位置点的外轮廓置信度。

可选地，所述基于所述外轮廓处理封闭空间的地图包括基于所述外轮廓在封闭空间的地图中确定或者更新地图框架，所述基于所述外轮廓在封闭空间的地图中确定或者更新地图框架，包括：若外轮廓位置点的外轮廓置信度进入预设的第一阈值范围，则基于所述外轮廓置信度进入所述第一阈值范围的外轮廓位置点确定或者更新所述地图框架。

可选地，所述基于所述外轮廓更新封闭空间的地图，包括：若可移动设备在后续运行过程中再次确定外轮廓，且之前确定的历史外轮廓上的至少一个外轮廓位置点不在所述再次确定的外轮廓上，则采用在再次确定的外轮廓上但不在之前确定的历史外轮廓上的新的外轮廓位置点更新所述地图。

可选地，若所述外轮廓位置点具有外轮廓置信度，所述基于所述外轮廓更新封闭空间的地图，包括：若之前确定的历史外轮廓上的历史外轮廓位置点的外轮廓置信度进入预设的第二阈值范围，则在更新后的地图上不再包括外轮廓置信度进入所述第二阈值范围的外轮廓位置点。

可选地，所述内轮廓位置点具有内轮廓置信度，所述方法还包括：若可移动设备在后续运行过程中再次确定内轮廓，且再次确定的内轮廓与之前确定的历史内轮廓存在位置相同的内轮廓位置点，则增加所述位置相同的内轮廓位置点的内轮廓置信度；和/或，若可移动设备在后续运行过程中再次确定内轮廓，且之前确定的历史内轮廓上的至少一个历史内轮廓位置点不在所述再次确定的内轮廓上，则降低所述不在所述再次确定的内轮廓上的历史内轮廓位置点的内轮廓置信度。

可选地，还包括：将所述内轮廓作为地图细节，标记在所述地图中；或者，若所述内轮廓上各个内轮廓位置点的内轮廓置信度均进入预设的第三阈值范围，则将所述内轮廓作为地图细节，标记在所述地图中。

可选地，还包括：若内轮廓位置点的内轮廓置信度进入预设的第四阈值范围，则在更新后的地图中不再包括所述内轮廓置信度进入预设的第四阈值范围的内轮廓位置点。

可选地，所述获取多个障碍物位置，包括：可移动设备在工作区域内移动时持续进行障碍物检测，根据可移动设备自身参数以及检测到障碍物时可移动设备的自身位置，计算障碍物位置；和/或，可移动设备在工作区域内移动时持续进行障碍物检测，并检测障碍物的距离信息，根据障碍物的距离信息以及检测到障碍物时可移动设备的自身位置，计算障碍物位置；和/或，可移动设备在工作区域内移动时持续进行障碍物检测，检测得到障碍物位置；和/或，可移动设备根据历史地图获取障碍物位置。

第二方面，提供一种封闭空间的地图处理装置，包括：第一获取模块，用于获取可移动设备的多个自身位置；第二获取模块，用于获取多个障碍物位置；第三获取模块，用于基于所述障碍物位置获取边轮廓，所述边轮廓为由多个邻近的障碍物位置依次连接构成的闭合线；第四获取模块，用于基于可移动设备的自身位置获取自环，所述自环为由可移动设备的多个邻近的自身位置依次连接构成的闭合线；第一确定模块，用于若所述边轮廓包围在所述自环的外侧，则确定所述边轮廓为外轮廓；处理模块，用于基于所述外轮廓处理封闭空间的地图。

第三方面，提供一种可移动设备，包括：运动传感器，用于获取自身的运动参数信息；环境传感器，用于获取工作区域中的障碍物信息；处理器，用于基于所述运动参数信息和/或所述障碍物信息获取可移动设备的多个自身位置和多个障碍物位置；基于所述障碍物位置获取边轮廓，所述边轮廓为由多个邻近的障碍物位置依次连接构成的闭合线；基于可移动设备的自身位置获取自环，所述自环为由可移动设备的多个邻近的自身位置依次连接构成的闭合线；若所述边轮廓包围在所述自环的外侧，则确定所述边轮廓为外轮廓；基于所述外轮廓处理封闭空间的地图。

第四方面，提供一种非临时性计算机可读存储介质，当所述存储介质中的指令由可移动设备中的处理器执行时，执行如第一方面任一项所述的方法。

本发明实施例提供的技术方案可以包括以下有益效果：

通过基于障碍物位置获取边轮廓，基于可移动设备的自身位置获取自环，基于边轮廓与自环的位置关系确定外轮廓，以及基于外轮廓对封闭空间的地图进行处理，可以实现基于外轮廓对地图的直接处理，而不需要对地图中的信息进一步处理后再对地图进行处理，比如，直接基于外轮廓识别封闭空间内的边界、识别封闭空间的实际分区、和/或在封闭空间中自动划分区域，进而还可以控制可移动设备在分区域内执行任务以实施定制化任务、提高工作效率，扩展了可移动设备的智能程度和应用范围；并且，外轮廓是多个邻近的障碍物位置依次连接构成的闭合线，且包围在可移动设备的多个邻近的自身位置依次连接构成的闭合线的外侧，即外轮廓是处于边界位置的，更符合区域划分的客观情况，使得基于外轮廓对地图的处理更准确和可靠，更利于按封闭空间的实际情况进行分区。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是本发明实施例中一种可移动设备的结构示意图；

图2是本发明一个实施例提出的建图方法的流程示意图；

图3a-图3c是本发明实施例中可移动设备按照沿边模式移动后形成的自环和边轮廓的示意图；

图4是本发明实施例中可移动设备按照沿边模式移动时确定障碍物位置的示意图；

图5是本发明实施例中可移动设备通过检测与障碍物之间的距离确定障碍物位置的示意图；

图6a-图6c是本发明实施例中可移动设备移动过程中检测与障碍物之间的距离时形成的自环和边轮廓的示意图；

图7是本发明实施例中确定边轮廓是否在自环外侧的示意图；

图8a是本发明实施例中的一个封闭空间的示意图。

图8b是本发明实施例通过拟合方式将图8a的封闭空间分为两个区域的示意图。

图8c是本发明实施例中基于地图框架划分区域以及在地图中包含细节的示意图；

图9a是本发明实施例中在地图中更新外轮廓的示意图；

图9b是本发明实施例中在地图中更新内轮廓的示意图；

图10是本发明一个实施例的封闭空间的地图处理装置的结构示意图；

图11是本发明一个实施例的可移动设备的结构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

如图1所示，为可移动设备的结构示意图。参见图1，可移动设备包括运动单元11、驱动单元12、运动传感器13(图中以里程计和惯性测量单元IMU为例)、环境传感器14、处理单元15和存储单元16。进一步地，可移动设备还可以包括：摄像头(比如采集图像)、麦克风(比如采集语音)、扬声器(比如播放语音)、通信模块(比如与移动设备，比如手机，或者服务器通信)。

运动单元11用于带动可移动设备移动，比如清洁机器人的轮组或履带。

驱动单元12用于驱动运动单元11运行，比如电机。

运动传感器13用于获取可移动设备的运动参数信息。

运动参数信息包括位置、位移、速度、加速度、角度、角速度、角加速度中的至少一类。

运动传感器13包括里程计、惯性测量单元(Inertial Measurement Unit，IMU)，IMU通常包括陀螺仪和加速度计。或者，运动传感器13还可以包括各种位移传感器，比如电阻式位移传感器、电感式位移传感器，电容式位移传感器，应变式位移传感器，霍尔式位移传感器等。各种运动传感器可以根据其特性，测量或根据测量结果计算出位置、距离、位移、角度、速度、加速度等一个或多个运动参数。本发明一个实施例中，如图1所示，以运动传感器包括里程计和IMU为例，里程计可以获得移动距离、速度、角速度，再由角速度积分的角度，IMU可以获得加速度、角速度，再分别积分得到速度和角度；里程计与IMU获取的运动参数信息可以互相补充、互相修正，提高运动参数数据的准确性。里程计设置在运动单元上或与运动单元连接；而IMU则只要与可移动设备一起运动即可获取运动参数，因此可以设置在可移动设备的外壳或任何随动组件上即可，不必然与运动单元连接。

环境传感器14用于获取工作区域中的障碍物信息，比如障碍物位置和/或可移动设备与障碍物之间的距离。

障碍物的含义原本可能包括工作区域内除可移动设备自身之外的其它任何物体(区别于工作区域内的可通行区域或空间)，但由于可移动设备自身不具备人类的识别事物的能力，只能在其运行过程中通过人为设定的物理接触、接收反射的电磁波、超声波等方式感知外部障碍物，而且也只有包含这类阻碍可移动设备运行的物体的地图对于可移动设备的后续运行才具有指导意义，因此本发明将障碍物的概念限定为在可移动设备所在的工作区域内阻碍可移动设备通行的物体，比如在工作区域中占据可通行区域的墙、门、家具、宠物、用户等动物、人和/或非生物；但可容可移动设备运行到其底部(即其底部具有可容纳可移动设备进入的空间)的床、桌子、衣橱等家具在本发明中则不属于障碍物，因为其并未阻碍可移动设备运行(当然这些家具的支撑腿阻碍了可移动设备的运行，属于本发明的障碍物)。

处理单元15与存储单元16相连，处理单元15用于执行本发明实施例中所涉及的封闭空间的地图处理方法，比如，判断外轮廓和/或内轮廓、基于外轮廓处理封闭空间的地图。

一般来讲，外轮廓所对应的障碍物在工作区域内(在本发明中，工作区域是指可移动设备运行的本发明所指的封闭空间的至少一部分，或封闭空间的某个/某些区域中的至少一部分)是相对位于可通行区域边缘或多个区域交界处不可通过的障碍物，比如，墙、处于关闭状态的门、靠在可通行区域边缘的固定放置或难于移动的家具(比如沙发，电视柜，落地橱等)或家电(比如空调、冰箱等)；外轮廓上的障碍物和/或外轮廓本身可以被归类为“边界”类障碍物；内轮廓所对应的障碍物在工作区域内是相对位于可通行区域之内的障碍物，比如工作区域中间的桌椅的腿、垃圾桶、掉落的玩具、人、动物等，可以被归为“内界”类障碍物。

可以理解的是，所述处理单元15不仅可以执行上述的封闭空间的地图处理方法，还可以执行其他操作，比如，还可以建立地图、基于建立或处理后的地图进行路径规划等，或者，触发可移动设备执行其它任务，比如触发可移动设备回环检测等。处理单元15处理时所需的数据、信息、程序可以存储在存储单元16，并从存储单元16中获取，以及，处理单元15可以将处理后的数据、信息等再次存储在存储单元16中，比如，从存储单元16中读取地图，和/或，将创建的地图和/或处理后的地图存储到存储单元16中。本发明对处理单元与存储单元之间的获取/存储各类数据/信息不作限制。所述处理单元可以是MCU，DSP，FPGA，GPU中的一种或几种，也可以是其它具有数据处理、运算能力的各类硬件芯片、处理器或软件算法。本发明对处理单元的类型及形式不作限制。本发明中的所述处理单元是统称，可以是可移动设备的统一、唯一的处理器；也可以是多个处理单元的集合，比如可以包括上位机的第一处理单元与底盘的第二处理单元，在这种情况下，所述第一处理单元及第二处理单元整体实现上述处理单元的各种功能，本发明不限制处理单元的数量、多个处理单元的连接方式及功能、算力的分配。存储单元可以是RAM、ROM等，也可以是通过有线/无线网络连接的云端/服务器/移动终端等具有存储功能的器件和/或设备。

可移动设备在执行任务之前，执行任务过程中，和/或，执行任务之后，可以对封闭空间的地图进行处理。一些实施例中，如图2所示，封闭空间的地图处理方法可以包括：

S21：获取可移动设备的多个自身位置。

结合图1所示的结构，可移动设备可以通过运动传感器13获取自身的运动参数信息，运动参数信息比如为位置、位移、距离、速度、加速度、角度、角速度、角加速度中的至少一项。上述的各运动参数信息可以是相对参数和/或绝对参数(比如相对距离和/或绝对距离、相对位置和/或绝对位置)。

可移动设备的自身位置(在本发明中也可称为可移动设备的轨迹点)，可以直接从运动参数信息中获取，比如，此时的运动参数信息可以是位置(或称坐标位置)；也可以从运动参数信息中计算得到，比如，基于可移动设备设定的绝对坐标系中的初始位置，通过IMU中的陀螺仪得到的角速度积分得到角度从而确定方向，通过码盘和/或光流传感器确定可移动设备相对于初始位置的位移，再由绝对坐标系下的初始位置矢量加所述的可移动设备相对于初始位置的位移得到可移动设备在此时刻的自身位置；也可以通过环境传感器14，比如激光测距仪，直接检测可移动设备与某个已知坐标位置的障碍物的距离(包括可移动设备与该障碍物的相对距离大小和可移动设备相对于该障碍物的方向)，并基于该障碍物的已知位置以及可移动设备与该障碍物的相对距离反算出可移动设备此时的自身位置。或者，可以结合里程计检测的位移以及IMU检测的速度、角度等信息，采用vSLAM方式计算得到可移动设备的自身位置。

S22：获取多个障碍物位置。

障碍物位置的获取过程可以包括：

可移动设备在工作区域内移动时持续进行障碍物检测，根据可移动设备自身参数以及检测到障碍物时可移动设备的自身位置，计算障碍物位置；和/或，

可移动设备在工作区域内移动时持续进行障碍物检测，并检测障碍物的距离信息，根据障碍物的距离信息以及检测到障碍物时可移动设备的自身位置，计算障碍物位置；和/或，可移动设备在工作区域内移动时持续进行障碍物检测，检测得到障碍物位置；和/或，

可移动设备根据历史地图获取障碍物位置。

可移动设备在工作区域内移动时，可以持续检测自身位置以及障碍物位置，从而获取上述的多个自身位置和多个障碍物位置。需要说明的是，由于检测障碍物在时间上通常是离散的，而非真正连续的，因此“持续”检测障碍物可以是指按一定频率在一定的时间间隔内多次检测障碍物。

根据可移动设备自身参数以及检测到障碍物时可移动设备的自身位置，计算障碍物位置，比如，障碍物位置可以具体是指朝向可移动设备侧的障碍物的边界位置。比如，可移动设备按照沿边模式进行移动时，可移动设备始终以其侧面的接近传感器保持感知其侧面一定距离(比如6cm)或距离范围(比如6cm～8cm)的障碍物，并沿所述侧面的障碍物的边界运行。接近传感器比如包括红外对管或者TOF(time of flight，飞行时间)传感器。参见图4，在沿边模式下，假设接近传感器41位于可移动设备的左侧面，保持感知可移动设备的侧面6cm的障碍物，假设可移动设备在二维平面上为圆形，半径用R表示，可移动设备的自身位置用可移动设备的中心点O的位置表示，则若可移动设备的一个自身位置O的坐标表示为(x,y)，则与该自身位置相应的障碍物位置P的坐标(x’,y’)＝(x’-R-6,y’)。

根据障碍物的距离信息以及检测到障碍物时可移动设备的自身位置，计算障碍物位置，比如，可移动设备与障碍物之间的距离可以通过激光测距仪、超声波传感器、深度视觉摄像头、普通双目/多目摄像头等测距传感器检测得到。比如，参见图5，可移动设备在移动过程中检测到多个障碍物位置点，比如，用P1到P11表示；通过上述测距传感器等可以检测到可移动设备与各个障碍物位置点之间的距离，其中，距离包括长度信息和角度信息，长度信息比如用L1到L11表示；则通过可移动设备的自身位置和上述的距离可以计算得到障碍物位置。比如，对应P1点，其障碍物位置用(x1,y1)表示，假设可移动设备的自身位置用(x,y)表示，可移动设备与P1之间的距离用(L1,θ1)表示，θ1是L1所在直线与x轴正方向夹角，则

(x1,y1)＝(x-L1×cos(π-θ1),y+L1×sin(π-θ1))＝(x+L1×cos(θ1),y+L1×sin(θ1))。

障碍物位置点P2到P11的坐标计算方式类似P1，不再详述。

可以理解的是，距离信息不限于上述的可移动设备与障碍物之间的距离，还可以是障碍物与参照物之间的距离，参照物的位置可以是固定的或者计算得到的。比如，参照物的位置可以是固定值，设置在可移动设备内；也可以是依据可移动设备与参照物之间的相互关系，由可移动设备的位置计算得到参照物的位置，在确定参照物的位置后，再根据参照物的位置和检测得到的参照物与障碍物之间的距离，计算得到各个障碍物位置。

获取障碍物位置，比如可以通过如下方式：结合图1所示的结构，可移动设备可以通过环境传感器14获取工作区域中的障碍物信息，障碍物信息比如可以是障碍物的位置(通常以可移动设备中设定的绝对坐标系(通常是以工作区域内某一点为原点的固定坐标系，也叫全局坐标系)或相对坐标系(通常是以可移动设备为原点、以可移动设备的移动正向为x轴或y轴的正向，随可移动设备一起运动的坐标系，也叫局部坐标系)下的坐标表示，也称坐标位置；坐标可以是笛卡尔坐标系或极/柱/球坐标系)、可移动设备与障碍物之间的距离、障碍物与其它障碍物之间的距离、特定障碍物(比如上述的参照物)的位置、障碍物的特征点、障碍物的尺寸、和/或障碍物的空间分布等。以障碍物位置为例，若可移动设备的环境传感器是普通单目摄像头，则可移动设备可以通过在其运动过程中拍摄的多张含有相同特征点的图片通过三角测量法以及vslam算法、并结合码盘、IMU的运动参数信息计算得到障碍物位置。因此，若可移动设备检测得到的障碍物信息中包括障碍物位置，则可以从检测得到的障碍物信息中直接获取障碍物位置。

根据历史地图获取障碍物位置，比如，可移动设备可以调取历史地图；由于历史地图中通常已标记了障碍物位置或记录了障碍物位置的坐标位置，则可以直接根据历史地图获取历史地图中的障碍物位置。

可以理解的是，步骤S21和S22无时序相关性，因此对二者的时序无限制。

S23：基于所述障碍物位置获取边轮廓，所述边轮廓为由多个邻近的障碍物位置依次连接构成的闭合线。

S24：基于所述自身位置获取自环，所述自环为由可移动设备的多个邻近的自身位置依次连接构成的闭合线。

S25：若所述边轮廓包围在所述自环的外侧，则确定所述边轮廓为外轮廓。

比如，参见图3a、图3b，可移动设备在工作区域内运动时，其多个邻近的自身位置构成的闭合线称为自环31，多个邻近的障碍物位置构成的闭合线称为边轮廓(为了区分，图3a和图3b中的该边轮廓称为第一边轮廓32)，由于第一边轮廓32包围在自环31的外侧，则第一边轮廓32为外轮廓。外轮廓的显示形式不限定，比如，在图3a中，用虚线表示，在图3b中用实线表示；也可以以数据组/数据集(其内容包括外轮廓上各个外轮廓位置点的坐标)的形式存储在存储介质上，比如计算机可读存储介质、存储单元等。

相对应的，一些实施例中，地图中还可以存在内轮廓。比如，参见图3c，可移动设备在工作区域内运动时，与上述实施例类似的，其多个邻近的自身位置构成的闭合线同样为自环31，多个邻近的障碍物位置构成的闭合线同样为边轮廓。为了与上述实施例相区别，图3c中的边轮廓称为第二边轮廓33。由图3c可见，自环31包围在所述第二边轮廓33的外侧，则由此确定所述第二边轮廓33为内轮廓。

上述的“多个邻近的”位置(包括可移动设备的多个邻近的自身位置和/或多个邻近的障碍物位置)，可以是基于设定的邻近位置筛选条件，比如时间间隔(如50ms)和/或距离间隔(如3cm或地图上5个像素)，选择多个邻近的位置。以基于设定的时间间隔选择可移动设备的多个邻近的自身位置为例，比如，设定的时间间隔为T，则可以在T1时刻选择可移动设备当前的位置X1，在T1+T再次选择可移动设备此时的当前位置X2，在T1+2T再次选择可移动设备此时的当前位置X3，依次类推，最后将X1，X2，X3等依次连接构成的闭合线作为自环。以基于设定的时间间隔选择多个邻近的障碍物位置构成边轮廓为例，在可移动设备运行过程中，每次记录障碍物位置都同时记录检测到该障碍物位置时的时间参数(比如可以是检测到该障碍物时的绝对时间，或检测到该障碍物的时刻与检测到以前障碍物的时刻的时间间隔)，只有当两个障碍物被检测到的时间间隔小于设定的时间间隔阈值或满足设定的时间间隔函数时，才将该两个障碍物的位置连接起来，由此得到的闭合线构成边轮廓。若基于距离间隔选择多个邻近的障碍物位置，比如可以是计算每个障碍物位置与其它障碍物位置之间的两两距离，只有当两个障碍物位置之间的两两距离小于设定的障碍物距离间隔阈值或满足设定的障碍物距离间隔函数时，才将该两个障碍物位置连接起来，由此得到的闭合线构成边轮廓；当然此处采用两个障碍物位置之间的两两距离仅是一种示例，也可以要求相邻的三个障碍物位置满足某函数关系(比如E1、E2、E3分别为三个障碍物位置点，其中E1与E2、E2与E3分别满足两两距离关系，则还可以对E1与E3之间的距离关系设定二级筛选条件，比如要求E1与E3之间距离小于某个二级距离阈值：或要求E1、E2、E3三个位置点需要共同满足某种函数关系)或需要更多个障碍物位置满足某筛选关系或函数关系。对于由可移动设备的自身位置构成的自环，由于可移动设备的多个自身位置之间具有时间连续性(即可移动设备的移动轨迹上的各位置点之间有时间上的时序关系)，因此优选地采用上述的设定的时间间隔选择可移动设备的多个邻近的自身位置依次连接构成自环，只要按自身位置的上述时序关系依次连接所述多个自身位置自然会构成本发明所述的自环，此处构成自环的多个自身位置自然也就是彼此邻近的自身位置。当然，也可以采用上述的利用设定距离间隔的“邻近位置筛选条件”选择可移动设备的多个邻近的自身位置并将其依次连接构成自环。

对于可移动设备来讲，如果在不同时刻检测到的自身位置又一次回到了与之前相同的位置，比如，在t1时刻可移动设备获取的其自身位置是在C点，运动一段时间后，在t2时刻可移动设备获取的自身位置是又回到了t1时刻曾到过的C点，则此时可移动设备可以将t1时刻至t2时刻之间获取的自身位置依次连接构成闭合线，该闭合线即构成自环。类似的，在不同时刻检测到某障碍物位置与之前检测到的障碍物位置为相同的位置，比如，在t3时刻可移动设备获取在D点存在障碍物，即D点为障碍物位置；运动一段时间后，在t4时刻可移动设备获取的障碍物位置是曾经记录的障碍物位置D点，则此时可移动设备可以将t3时刻至t4时刻之间获取的多个障碍物位置按其获取时间关系依次连接构成闭合线，或将t3时刻至t4时刻之间获取的多个障碍物位置按上述距离间隔的邻近位置筛选条件选出多个彼此邻近的障碍物位置并将其依次连接构成闭合线；该闭合线即构成边轮廓。比如，可移动设备在沿边模式下，参见图3a至图3c，可移动设备获取的多个邻近的自身位置可以依次连接构成自环31，多个邻近的障碍物位置依次连接构成边轮廓(比如第一边轮廓32和/或第二边轮廓33)。

若采用比如激光测距仪等测距传感器检测可移动设备与障碍物之间的距离，由于障碍物可能挡住直线传播的检测光线(若采用超声波传感器测距，则是被障碍物挡住的超声波)，使得在检测时间上接近的多个障碍物位置之间的实际距离可能超过设定的距离间隔范围或距离间隔阈值，导致没有符合所述“邻近位置筛选条件”要求的多个邻近的障碍物位置，结果无法形成闭合线，因此无法得到边轮廓，比如图5中障碍物位置P3与P4虽然是在邻近的时间间隔内检测到的，但其实际距离太大，不满足邻近位置筛选条件使得P3与P4不属于邻近的障碍物位置。因此通常需要可移动设备在运动过程中进行多次测距，在改变自身位置时多次测量障碍物位置，综合比较多次测量的障碍物位置，找到符合邻近位置筛选条件的多个邻近的障碍物位置，从而增加构成边轮廓的机会。比如，参见图6a至图6c，可移动设备在工作区域内移动，在移动过程中可以持续进行自身定位获取自身位置，以及检测其自身位置与周围环境中的多个障碍物之间的距离，比如，如图6a至图6c所示，可移动设备在从Q1点附近(图6a)移动到Q6点附近(图6b)再移动到Q13点附近(图6c)的过程中，始终以激光雷达(即激光测距仪)按一定频率360°旋转(比如3至10Hz)获取其与周围环境中的障碍物距离。比如在Q1点附近，可移动设备的激光雷达检测到障碍物位置Q1至Q5，R1、R2、R4，Q10至Q16，但检测不到障碍物位置Q6至Q9以及R3；且按时间间隔比较接近的Q5和R2，在空间上相距较远，因此不满足距离间隔的“邻近位置筛选条件”的要求，不能将Q5和R2作为邻近的障碍物位置；同样的，R4和Q10也不是邻近的障碍物位置。当可移动设备移动到Q6点附近，如图6b所示，可移动设备的激光雷达检测到障碍物位置Q2至Q14，以及R2、R3、R4，但检测不到障碍物位置Q1、Q14至Q16以及R1；类似地，也不能把Q2和R2、以及Q14和R3作为邻近的障碍物位置。当可移动设备移动到Q13点附近，如图6c所示，可移动设备的激光雷达检测到障碍物位置Q1、Q2、Q6至Q16，以及R1、R3、R4，但检测不到障碍物位置Q3至Q5以及R2；类似地，也不能把Q2和R1、以及Q6和R3作为邻近的障碍物位置。但综合可移动设备在上述Q1、Q6、Q13三个障碍物位置附近的三个自身位置中的任何两个位置上获取的周围环境中的障碍物位置，可以得到如图6a至6c的工作区域内的所有障碍物位置(Q1至Q16，以及障碍物55的R1至R4)，并可以基于距离间隔的“邻近位置筛选条件”找出多个邻近的障碍物位置，并将其依次连接构成闭合线，所述闭合线即边轮廓，比如将Q1至Q16依次连接构成边轮廓、将R1至R4依次连接构成边轮廓。根据边轮廓与自环61的相对位置关系确定所述边轮廓是外轮廓(边轮廓包围在所述自环的外侧，比如由Q1至Q16依次连接构成的边轮廓就是外轮廓)还是内轮廓(所述自环包围在所述边轮廓的外侧，比如由R1至R4依次连接构成的边轮廓就是内轮廓)。

需要说明的是，在实际处理过程中，可以合理选择时间间隔和/或距离间隔，或者，对构成的自环和/或边轮廓进行筛选(如用图像处理算法)，以尽量降低所获取的自环和/或边轮廓的误差。

在比对边轮廓是否在自环的外侧时，可以采用现有技术中的算法。在一个实施例中，获取了记录自环71和边轮廓72的地图，如图7所示，则可以先在图7中建立地图坐标系(比如以该图中左上角某点作为该地图坐标系的坐标原点、以向右为x轴正向、向下为y轴正向；其中，x轴的坐标值为横坐标值，y轴的坐标值为纵坐标值)，然后沿x轴多行或y轴多列逐像素扫描该地图中的像素点；其中，沿x轴的多行逐像素扫描地图中的像素点可称为按行扫描，沿y轴多列逐像素扫描地图中的像素点可称为按列扫描。在按行或按列扫描过程中，依照找到边轮廓上的点与自环上的点的顺序确定边轮廓与自环的相对位置关系。比如以按行扫描为例，选择若干平行于x轴的行，假设当前执行扫描的行是图7中的行扫描线73，则在行扫描线73按由左到右(x值由小到大；但x未必从0开始，也可以从某个负值开始)扫描过程中依次先后逐个确定出行扫描线73与边轮廓72的第一交点B1、与自环71的第一交点A1、与自环71的第二交点A2、以及与边轮廓72的第二交点B2，即行扫描线73与自环71的交点A1的横坐标值大于其与边轮廓72的交点B1的横坐标值，且行扫描线73与自环71的交点A2的横坐标值小于其与边轮廓72的交点B2的横坐标值，也就是说，行扫描线73检测到边轮廓72的交点均在自环71的交点的外侧；如果所取的若干条行扫描线都有以上结论，则可以确定边轮廓72包围在自环71的外侧，相应的边轮廓为外轮廓；反之，若多条行扫描线均得到与上述结论相反的结论(即确定的行扫描线与自环的交点A1和A2，以及行扫描线与边轮廓的交点B1和B2，若行扫描线与自环的交点A1的横坐标值小于其与边轮廓的交点B1的横坐标值，若行扫描线与自环的交点A2的横坐标值大于其与边轮廓的交点B2的横坐标值)，则可以确定自环包围在边轮廓的外侧，相应的边轮廓为内轮廓。类似的，按列扫描也能得到边轮廓与自环的相对位置关系，从而确定出边轮廓是外轮廓还是内轮廓，此处不再赘述。

依据上述算法，图3a至图3c的第一边轮廓32为外轮廓，第二边轮廓33为内轮廓，图6a至图6c的第一边轮廓62为外轮廓，第二边轮廓63为内轮廓。

本发明不限定上述步骤S21、S22的时序，也不限定步骤S23-S25的时序，包括不限定步骤S21的“获取可移动设备的多个自身位置”及步骤S22“获取多个障碍物位置”的先后顺序，以及不限定步骤S23获取边轮廓及步骤S24获取自环的先后顺序。比如，可以先执行步骤S21获取可移动设备的自身位置再执行步骤S22获取障碍物位置，或者，可以先执行步骤S22获取障碍物位置再执行步骤S21获取可移动设备的自身位置，或者，还可以交叉或者同步或者不同步执行步骤S21获取可移动设备的自身位置及步骤S22获取障碍物位置；对于步骤S23-S25，比如，可以先执行步骤S23获取边轮廓再执行步骤S24获取自环，或者，先执行步骤S24获取自环再执行步骤S23获取边轮廓，或者，同步或不同步或交叉执行S23获取边轮廓和步骤S24获取自环；还包括不限定S23获取边轮廓和/或S24获取自环以及S25将边轮廓与自环进行比较的步骤，比如，可以先建立边轮廓和自环的闭合线(边轮廓和自环同时建立或先后建立)再比较边轮廓与自环的相对位置关系，也可以一边建立边轮廓和自环一边对已建立的边轮廓的部分和自环的部分进行比较，在建立了完整的边轮廓和自环之后再最终判断边轮廓和自环哪个在外侧，或边轮廓位于自环的外侧还是内侧。

S26：基于所述外轮廓处理封闭空间的地图。

封闭空间可以是比如至少部分由墙或类似墙的障碍物(比如门；比如靠墙长期固定放置的家具和/或家电，如冰箱、电视柜等；比如靠墙放置且难于移动的室内物体，如通过焊接或膨胀螺栓与墙体固定连接的落地橱等)作为边界所围成的空间。封闭空间不限于任何情况下都处于全封闭状态的空间；比如还可以包括具有可打开的开口的封闭空间，比如，由墙和关闭的门共同围成的全封闭空间，即使在门临时打开时不是全封闭状态，但带有可打开门的空间也属于本发明的“封闭空间”；本发明的封闭空间还可以包括部分封闭的空间，比如在三面有围墙而在第四面开口的非全封闭区域，比如设置有门框但尚未安装门的空间，只要在安装门之后可以形成封闭空间，那么即使该空间当前没有门而产生开口，也属于本发明中的“封闭空间”。封闭空间的地图可以是可移动设备在运行过程中新创建的，比如在执行本发明任一实施例的封闭空间的地图处理方法过程中新建的地图、或执行本发明任一实施例的封闭空间的地图处理方法之后新创建的地图；或者，封闭空间的地图还可以是可移动设备内已存储的，或者，可移动设备从其他设备(如与可移动设备通信连接的服务器或者移动终端等)获取的。

基于外轮廓对封闭空间的地图进行处理可以包括如下项中的至少一项：

处理方式一，基于所述外轮廓更新封闭空间的地图中障碍物类型；所述障碍物类型至少包括边界。比如封闭空间或工作区域内至少围绕部分区域的墙或类似墙的障碍物(比如门；比如靠墙长期固定放置的家具和/或家电，如冰箱、电视柜等；比如靠墙放置且难于移动的室内物体，如通过焊接或膨胀螺栓与墙体固定连接的落地橱等)，在本发明中该类障碍物可以归类为“边界”型的障碍物类型；由于外轮廓上的任意大小的障碍物都属于边界型障碍物，因此边界型障碍物可大可小，比如0维的外轮廓位置点属于边界型障碍物，比如外轮廓上的所有彼此邻近的障碍物按设定规则(比如上述时间间隔和/或距离间隔等)依次相连构成的闭合线、即外轮廓本身，也是边界(从障碍物类型的角度来说，外轮廓也属于边界型障碍物)。在有的实施例中，障碍物类型还可以包括固定障碍物和/或可动障碍物。固定障碍物可以是不常移动或不易移动的各种障碍物(可以靠墙或不靠墙，可以属于外轮廓或不属于外轮廓，甚至还可以是不属于边轮廓的孤立障碍物)，包括墙、大型家具、家电等，比如落地橱、床、电视柜、沙发、空调、洗衣机等。在可移动设备多次运行过程中不是每次都能在某个位置检测到的障碍物，可以归为“可动障碍物”的类型；比如可被可移动设备推动的垃圾桶、拖鞋，可移动的座椅，被搬动的桌子、家具，移动的人、动物，有时打开有时关闭的门等。基于所述外轮廓更新封闭空间的地图中障碍物类型，比如，可移动设备在某次运行时确定出外轮廓之后，可以将所述外轮廓标记为边界，或将外轮廓上的某些/某个外轮廓位置点的障碍物的类型标记为边界；若可移动设备在同一工作区域内运行N次过程中，若有n次在某一位置上检测到障碍物，且n达到设定的次数阈值范围(比如n超过某个次数阈值，或达到某个比例阈值(如比例阈值为80％是指，每10次运行中有至少8次在该位置检测到障碍物)，或n＝N)，则将该位置处的障碍物的类型更新为固定障碍物，认为该障碍物是固定在该位置上的；若可移动设备在同一工作区域内运行M次过程中，若有m次在同一位置上检测到障碍物，但m达到设定的次数阈值范围(比如m低于某个次数阈值，或低于某个比例阈值，或m<M)，则将该位置处的障碍物的类型更新为可动障碍物，认为该障碍物不是经常处于该位置。

需要说明的是，“固定障碍物”与“可动障碍物”的分类是与“边界”、“内界”的分类不同的分类方法，比如门既是可动障碍物也是外轮廓，而位于屋子中间的承重柱既是内轮廓也是固定障碍物。为了实现本发明的基本目的，即基于外轮廓处理封闭空间的地图，因此可设定外轮廓确定的“边界”类型的障碍物具有最高的优先级，即无论一个被识别为边界的障碍物是可动障碍物还是固定障碍物，都将其优先标记为“边界”。后续也是基于“边界”类型障碍物或直接基于“外轮廓”对封闭空间地图进行处理。这不妨碍在有的实施例中，可以同时基于“边界”或“内界”与“固定障碍物”或“可动障碍物”相结合对障碍物进行识别并基于对障碍物的识别处理地图或控制可移动设备采取特定的行为；比如后续实施例中会介绍利用既属于“固定障碍物”类型又属于“边界”类型的障碍物的位置确定“地图框架”的实施例，以及利用既属于“可动障碍物”类型又属于“边界”类型的障碍物的位置确定“门”的实施例。

处理方式二，基于所述外轮廓识别封闭空间的区域。

处理方式三，基于所述外轮廓对封闭空间进行分区。比如，基于外轮廓或地图框架划分出各区域，之后再进行区域合并等处理，完成最终的分区。

在一个封闭空间内，墙以及起到“墙”的作用的类似障碍物(比如门，和/或靠墙固定放置的家具和/或家电等)，即上述的“边界”类型障碍物，可以限制可移动设备在封闭空间内的运行范围，换言之，边界定义了可移动设备在工作区域内的可通行区域。而这种边界及其上的障碍物可以通过可移动设备在该封闭空间中的运行而探测出来。在一个实施例中，由可移动设备基于邻近位置筛选条件对其获取的离散的障碍物位置进行判断和筛选，将选出的彼此邻近的障碍物位置直接连接形成闭合线或经过运算拟合出闭合线，该闭合线即构成边轮廓；再由可移动设备将记录的自身曾到达的位置或轨迹基于邻近位置筛选条件进行判断和筛选，直接连接形成闭合线或经过运算拟合出闭合线，由该闭合线构成自环；将所述自环与所述边轮廓进行比较，若边轮廓包围在自环外侧，则确定边轮廓为外轮廓，并将外轮廓标记为边界或将处于外轮廓上的多个障碍物标记为边界(由于对传感器信息的获取通常是按一定频率采样(比如，IMU的采样频率可以为200Hz，码盘的采样频率可以为100Hz，摄像头的采样频率可以为50Hz)以获取邻近的位置(可移动设备自身的位置和/或障碍物位置)，因此所述的多个邻近的位置通常为非连续的离散点，而边轮廓一般为由离散的邻近位置拟合而成的连续闭合线，因此外轮廓与外轮廓上的障碍物略有区别，但在本发明中不限制是由离散方式还是连续方式构成边轮廓、外轮廓、和/或边界)。所述边界限定了该封闭空间内的可通行区域，代表了该封闭空间内各区域之间的分界线，从而由所述外轮廓及边界界定可移动设备在该工作区域内的实际可运行范围。因此，在识别出外轮廓的基础上，只要将封闭空间内围绕在各区域边界上的外轮廓作为各区域的分界线即可很容易地识别该封闭空间内的各实际功能区(在本发明中也称为“区域识别”或“识别区域”)。比如，通过可移动设备一次运行识别出的外轮廓得到某个房间(比如卧室、卫生间、厨房)内的可通行区域。

在另外一些情况下，由于各个房间由属于“可动障碍物”且同时属于“边界”的门连接/隔开，因此可以结合“边界”及“可动障碍物”等障碍物类型识别出门。比如可移动设备在同一个工作区域内运行多次，在其中至少一次识别成功外轮廓；而在另外的运行过程中则发现该外轮廓上的某个/某些位置上的障碍物消失了，按上述判断可动障碍物的方法判断出该位置的障碍物属于“可动障碍物”，即这些在可移动设备的某些运行过程中消失的障碍物同时属于“边界”和“可动障碍物”的类型，而这类障碍物往往是处于不同房间之间的、时开时关的“门”，因此可以基于这个“门”的障碍物(可以是通过上述判断条件确定；在有的实施例中也可以直接设置“门”类型的障碍物，其判断的一个例子就是同时具有上述的“边界”和“可动障碍物”类型的障碍物)及与所述“门”障碍物邻近的“边界”型障碍物连接构成的闭合线(即外轮廓)作为识别封闭空间内的区域的依据。当然也可以基于其它识别“门”的现有技术(比如，通过膨胀腐蚀法算出“门”、或在拍摄的照片中通过将照片中物体与设定的比如梯形的门的形状作比较识别“门”，或通过深度学习使可移动设备自动识别出照片中的“门”等)，将识别出的“门”及与该“门”邻近的“边界”型障碍物连接构成的闭合线作为外轮廓，并以此作为识别封闭空间内的区域的依据。区域识别是区域划分、命令可移动设备进行选区工作等多种功能的基础。通过上述实施例说明了可以通过识别外轮廓来识别区域(即封闭空间内的实际功能区)，得到识别后的分区图。基于下面介绍的地图框架概念及其与外轮廓的关系，也可以基于封闭空间的总外轮廓(即地图框架)识别区域。若可移动设备与用户的移动终端通过网络连接，则可移动设备可以将识别后的分区图发送到用户的移动终端；若可移动设备自身具有显示器，也可以将识别后的分区图显示在其显示器上；当然也可以将识别后的分区图以图形或数据的形式存储在存储单元/网络服务器等存储介质上。

进一步地，在对外轮廓或地图框架进行识别的基础上，可以对封闭空间的地图作进一步处理，比如在一个实施例中，基于外轮廓或地图框架对该封闭空间进行自动分区，所得到的分区结果符合该封闭空间实际功能区的分布和位置。因此识别出外轮廓对于识别封闭空间的区域以及对该封闭空间进行自动地区域划分(本发明中也称“划分区域”或“分区”)具有较高的稳定性和可靠性。比如，以外轮廓作为封闭空间的边界和其中各区域的分界线，自动识别和划分出各区域，比如在家庭中，可移动设备可以自动识别各区域、并依据室内实际布局划分出各区域，再由机器学习或由用户标记等方式标出卧室、厨房、卫生间、走廊等功能区域；或者，也可以基于外轮廓确定地图框架，再将地图框架作为封闭空间内各区域的分界线，自动划分出各区域。或者，可以基于识别出的区域，将多个区域按设定条件进行组合，将其作为后续对可移动设备发送统一指令的组合区域，比如可移动设备借助本发明实施例提供的方法自动或半自动(在用户帮助下或在其它方法辅助下)识别出厨房、走廊、卫生间这3个区域(即实际功能区)，然后可以将这3个区域划分为一个组合区域，后续可以命令可移动设备将该组合区域作为一个区域执行工作，因此将多个实际功能区进行组合也属于本发明所述的对封闭空间进行分区或区域划分。

在上述区域识别或区域划分时，可以将已构成的部分轮廓(由多个邻近的障碍物位置连接或拟合的连续线)中两个轮廓位置点之间距离较窄的部分(比如小于某个宽度阈值)的轮廓位置点通过拟合(比如通过膨胀腐蚀法或直接连接或以某种曲线平滑连接)构成闭合线，使原本未完全闭合的部分轮廓通过上述拟合方法人为闭合形成边轮廓，再与自环进行比较判断该边轮廓是否是外轮廓。对于已被可移动设备识别的外轮廓(如图8a所示除灰影区之外的区域)，也可以通过膨胀腐蚀法或其它能够识别出轮廓所包围的封闭区域内最狭窄处的现有技术，找出该外轮廓中的狭窄处并将其进行人为拟合，从而将该外轮廓进一步分为两个或多个彼此相接的外轮廓(如图8b相对于图8a，其中间被点划线表示的拟合线分开，由原外轮廓与拟合线构成的闭合线，即图8b中的新外轮廓，将图8a区域分为左边的I区域和右边的II区域)。所述轮廓位置点为轮廓(包括闭合的边轮廓、不闭合的部分轮廓)上的位置点，既可以是轮廓所经过的实际障碍物的位置点或其附近设定距离阈值范围内的位置点，也可以是连接两个彼此相邻的障碍物位置的连线上的位置点(该处并没有实际的障碍物)。

处理方式四，基于所述外轮廓更新封闭空间的地图。比如，在可移动设备的后续运行过程中，创建新的外轮廓后，用新的外轮廓替换部分或全部之前的旧的外轮廓；或者，同时记录和/或显示新的外轮廓和旧的外轮廓，比如，在同一地图上以不同方式标记可移动设备多次运行过程中形成的多个外轮廓，以便后续在该地图上以不同的方式(比如不同颜色、不同形式的线型、和/或带有数字或文字标记的线)同时显示新旧外轮廓(可以同时显示两个或多个或满足选定条件的数个外轮廓)或显示符合用户设定条件的相应外轮廓。

处理方式五，基于所述外轮廓在封闭空间的地图中确定或者更新地图框架。

所述地图框架可以认为是由可移动设备运行在同一封闭空间内的多个区域各自的外轮廓彼此连接构成的固定框架(比如可移动设备在同一个封闭空间内运行多次，而至少有两次运行在不完全相同的工作区域内(不同的工作区域都在所述封闭空间内)，在可移动设备的多次运行过程中所识别出的封闭空间内各个区域(即实际功能区)的外轮廓，这些外轮廓连接在一起构成封闭空间内区分各个实际功能区的地图框架，因此地图框架也可以认为是封闭空间内各个区域的外轮廓的集合(即总外轮廓；但不同于封闭空间自身的外轮廓)。本发明中的地图框架概念类似于房间的室内建筑结构图，但这二者也有区别，比如建筑结构图几乎完全由墙体构成，但本发明的地图框架是基于可移动设备实际能到达的可通行区域的外轮廓确定，因此有可能是长期不动/难于移动的落地家具或家电构成边轮廓的一部分，而未必一定是墙体(由于落地家具或家电的阻挡使可移动设备无法移动到墙体边缘)。由于可移动设备未必每次运行都覆盖封闭空间的所有区域，可能在某次运行时仅在几个或一个区域内运行，因此可移动设备每次运行得到的外轮廓未必是封闭空间内所有区域(即实际的功能区)的总外轮廓；只有将封闭空间内所有区域的所有外轮廓按相互位置关系构成封闭空间的完整的外轮廓才是该封闭空间的地图框架。但二者也并非必然不同，比如若封闭空间只有一个区域，则该区域的外轮廓同时也是该封闭空间的地图框架。当然也可以由可移动设备在封闭空间内的一次完整运行得到地图框架。

基于外轮廓在封闭空间的地图上更新地图框架，比如，可以对应各个外轮廓位置点设置外轮廓置信度，再根据可移动设备在多次运行过程更新外轮廓置信度，将外轮廓置信度达到一定阈值的外轮廓位置点根据设定的连接条件(比如上述的邻近位置筛选条件)和连接顺序彼此连接组成的闭合线作为地图框架。此处的在封闭空间的地图上更新地图框架，也包括在同一地图上以不同方式标记可移动设备多次运行过程中形成的多个地图框架，以便后续在该地图上以不同的方式(比如不同颜色、不同形式的线型、和/或带有数字或文字标记的线)同时显示新旧地图框架(可以同时显示两个或多个或满足选定条件的数个地图框架)或显示符合用户设定条件的相应地图框架。

基于外轮廓确定地图框架，比如，直接将外轮廓作为地图框架或者将可移动设备在同一封闭空间内多次运行得到的多个外轮廓按相互位置关系组合构成地图框架，这种方式效率很高。基于外轮廓置信度确定地图框架，还可以预设第一阈值范围(比如，设置外轮廓置信度最大值)，若外轮廓位置点的外轮廓置信度进入预设的第一阈值范围，则基于所述外轮廓置信度进入所述第一阈值范围的外轮廓位置点确定或者更新所述地图框架。比如，若某个外轮廓上的各个外轮廓位置点的外轮廓置信度均大于外轮廓置信度最大值，则基于该外轮廓即可确定地图框架；或者，若某个外轮廓上的部分外轮廓位置点的外轮廓置信度大于外轮廓置信度最大值，则可以将这些大于外轮廓置信度最大值的外轮廓位置点直接依次相连或者拟合形成闭合线，由该闭合线确定地图框架。在本发明一个实施例中，可以基于“固定障碍物”类型与“边界”类型或外轮廓结合确定地图框架，比如，如上基于外轮廓确定障碍物类型时，若某一位置的障碍物类型被标记为“边界”，且属于“固定障碍物”，则该位置的障碍物可以被认为基本上是固定在该位置的，可能属于地图框架上的位置(比如位于边界位置的墙、家电等)；不过一些情况下，“固定障碍物”可能位于工作区域内部，比如处于封闭空间内部而不紧邻外墙的承重墙或承重柱的位置，即属于“内界”类型的障碍物，则此时仅根据“固定障碍物”确定地图框架可能是不准确的，因此，可以与“边界”类型的障碍物结合，比如，若某个位置点的类型既为“固定障碍物”又属于“边界”，则可以由这些类型同为“固定障碍物”和“边界”的障碍物位置依次连接或者拟合得到闭合线确定地图框架。

类似地，在确定地图细节时，也可以确定出的内轮廓直接确定为地图细节，或者，也可以根据内轮廓置信度，将内轮廓置信度达到预设的内轮廓置信度最大值的位置点所构成的全部或部分内轮廓确定为地图细节。

基于外轮廓对地图进行处理在一些场景下非常具有参考价值，比如，可移动设备基于地图进行区域划分时，可以基于外轮廓自动进行区域划分，由于外轮廓是相对位于区域边缘，所以在区域划分时更可靠，更准确。比如，在将整个屋内空间划分为多个房间时(即实际功能区)，可移动设备以墙为基准对该屋内空间(即本发明的封闭空间)进行房间划分(即区域划分)，更符合屋内空间的客观情况，从而也就更可靠和准确。

本实施例中，通过基于障碍物位置获取边轮廓，基于可移动设备的自身位置获取自环，基于边轮廓与自环的位置关系确定外轮廓，以及基于外轮廓对封闭空间的地图进行处理，可以实现基于外轮廓对地图的直接处理，提高了区域识别、自动划区、更新地图等工作的自动化程度、效率和准确率，进而使可移动设备可以方便可靠地根据封闭空间内的各区域情况执行有针对性的任务，扩展了可移动设备的应用范围；并且，外轮廓代表了封闭空间内各区域的边界或交界处，更符合封闭空间内实际功能区的客观分布情况，使得基于外轮廓对地图的处理更准确和可靠，更具有参考价值。

在获取外轮廓、自环后，可以在地图上标记：所述障碍物位置、所述边轮廓、所述可移动设备的自身位置、所述自环中的至少一项。或者也可以记录外轮廓、障碍物位置、可移动设备的自身位置、自环中至少一项的位置数据。以记录外轮廓的位置数据为例，比如，在图5中，假设外轮廓的各个位置点包括P1、P4到P11，则记录P1、P4到P11的位置参数，比如P1的位置参数为(x1,y1)。

进一步地，在确定出内轮廓后，可以将内轮廓创建在地图内，比如在地图中记录内轮廓上各个位置点的位置参数。比如，在地图中还记录内轮廓上各个位置点的位置参数，比如，参见图5，内轮廓上的位置点包括P2和P3，则记录P2和P3的位置参数。

进一步地，在地图中，外轮廓和内轮廓的位置点可以用不同的参数进行类型标记，比如，P1、P4到P11对应的类型标记为1，表示为外轮廓上的位置点，P2和P3对应的类型标记为0，表示为内轮廓上的位置点。当然，可以理解的是，标记方式不限定，比如，也可以用“外”标记外轮廓，用“内”标记内轮廓等。

当地图中包括外轮廓和内轮廓时，可以基于外轮廓确定地图框架，可以基于内轮廓确定地图细节，之后，比如基于地图框架进行区域划分，基于地图细节了解各区域内部的障碍物分布情况。比如，参见图8c，可以基于地图框架将封闭空间对应在地图上的工作区域划分为第一区域和第二区域，基于地图细节可以知道第一区域内存在的障碍物(比如可动障碍物)。

外轮廓置信度可以采用如下方式确定或更新，比如，可移动设备创建一个外轮廓，其上有个位置点A，如果可移动设备在后续再次创建的外轮廓中依然包括位置点A，则可以增加该位置点的外轮廓置信度，比如，可以设置外轮廓上的位置点的外轮廓置信度初始值为50，每次增加数值1，则对于位置点A，在第一次在检测到其为外轮廓上的位置点后，将其外轮廓置信度设置为初始值50，第二次检测到其为外轮廓上的位置点后，将其外轮廓置信度更新为51，当第三次检测到其为外轮廓上的位置点后，将其外轮廓置信度更新为52，依此类推。

类似地，可移动设备创建一个内轮廓，其上有个位置点B，如果可移动设备在后续再次创建的内轮廓中依然包括位置点B，则可以增加该位置点的内轮廓置信度，比如，可以设置内轮廓上的位置点的内轮廓置信度初始值为10(内轮廓置信度的初始值一般小于外轮廓置信度的初始值)，每次增加数值1，则对于位置点B，在第一次检测到其为内轮廓上的位置点后，将其内轮廓置信度设置为初始值10，第二次检测到其为内轮廓上的位置点后，将其内轮廓置信度更新为11，当第三次检测到其为内轮廓上的位置点后，将其内轮廓置信度更新为12，依此类推。

可以理解的是，外轮廓置信度和/或内轮廓置信度不仅可以如上增加，也可以减小。比如对于外轮廓上的一个位置点，在后续检测时，发现其不再属于外轮廓，则减小该位置点的外轮廓置信度。比如，可移动设备创建一个外轮廓，其上有个位置点A，如果可移动设备在后续再次创建的外轮廓中不包括位置点A，则可以减小该位置点的外轮廓置信度，比如，可以设置外轮廓上的位置点的外轮廓置信度初始值为50，每次减小数值1，则对于位置点A，在第一次在检测到其为外轮廓上的位置点后，将其外轮廓置信度设置为初始值50，第二次检测到外轮廓且位置点不再属于外轮廓，则将位置点A的外轮廓置信度更新为49，依此类推；在有的实施例中，也可以只要有一次未再次检测到曾检测为外轮廓位置点的位置点，则直接将该位置点的外轮廓置信度取消或置为0。类似地，可移动设备创建一个内轮廓，其上有个位置点B，如果可移动设备在后续再次创建的内轮廓中不再包括位置点B，则可以减小该位置点的内轮廓置信度，比如，可以设置内轮廓上的位置点的内轮廓置信度初始值为10(内轮廓置信度的初始值一般小于外轮廓置信度的初始值)，每次减小数值1，则对于位置点B，在第一次检测到其为内轮廓上的位置点后，将其内轮廓置信度设置为初始值10，第二次检测到其不再为内轮廓上的位置点后，将其内轮廓置信度更新为9，依此类推。

对于外轮廓上的位置点，如果某个位置点的外轮廓置信度进入预设的第一阈值范围，比如大于第一阈值(即，外轮廓置信度最大值，比如100)，则可以将其确定为地图框架上的位置点。和/或，对于内轮廓上的位置点，如果某个位置点的内轮廓置信度进入预设的第三阈值范围，比如大于第三阈值(即，内轮廓置信度最大值，比如20)，则可以将其确定为地图细节上的位置点。之后，可以基于地图框架进行区域划分，基于地图细节了解各区域内部的障碍物分布情况。比如，参见图8c，创建第一外轮廓81和第二外轮廓82后，若经过判断第一外轮廓81和第二外轮廓82均为地图框架，比如，其上各个位置点的外轮廓置信度达到预设的外轮廓置信度最大值，则其为地图框架。之后，可以基于地图框架进行区域划分，比如，将第一外轮廓81所构成的封闭区域作为第一区域，将第二外轮廓82所构成的封闭区域作为第二区域。另外，若创建内轮廓83后，经判断内轮廓83为地图细节，比如，其上各个位置点的内轮廓置信度达到预设的内轮廓置信度最大值，则其为地图细节。之后，可以自己与地图细节了解相应区域内的障碍物分布情况，比如，可以获知第一区域内存在内部障碍物，比如一个垃圾桶，桌腿等。

一些实施例中，对于外轮廓上的位置点，如果某个位置点的外轮廓置信度进入预设的第二阈值范围，比如小于第二阈值(即外轮廓置信度最小值)，则可以将其从外轮廓上去除；外轮廓置信度最小值比如可以是0，或者，比初始值小的值。和/或，对于内轮廓上的位置点，如果某个位置点的内轮廓置信度进入预设的第四阈值范围，比如小于第四阈值(即内轮廓置信度最小值)，则可以将其从内轮廓上去除；内轮廓置信度最小值比如是0，或者比初始值小的值。

比如，工作区域内存在一扇门，之前处于关闭状态，在之前检测时，判断该门属于外轮廓的一部分，比如，参见图9a，门与两侧的墙可以构成一个外轮廓901，其中门对应的部分用虚线表示。当该门处于打开状态后，可移动设备在之后的检测过程中发现该门对应的部分上的位置点的外轮廓置信度不断降低，当达到外轮廓置信度最小值后，该门对应的部分不再属于外轮廓。另外，当门处于打开状态后，可移动设备在检测过程中可以发现新的外轮廓902，该新的外轮廓可以由新的障碍物位置点(比如门所在左侧区域的墙)和之前外轮廓902的部分位置点(比如门所在右侧区域的墙)构成。

另一些实施例中，如果在一个区域中之前经过检测时存在内轮廓，若该内轮廓对应的障碍物(如垃圾桶，掉落的玩具等可移动的障碍物)被挪动后，在之后的检测过程中，该内轮廓上的位置点的内轮廓置信度不断降低，达到内轮廓置信度最小值后，将内轮廓(细节)在地图中删除。如图9b所示，之前的地图中包括外轮廓(或地图框架)911和内轮廓(或地图细节)912，在之后检测过程中若内轮廓上各个位置点的内轮廓置信度达到内轮廓置信度最小值，则在地图中将其删除。

进一步地，外轮廓和/或内轮廓在显示时，可以依据置信度的不同进行不同的显示。比如，通过渐变颜色由红至紫代表置信度由低到高；或者通过某一种颜色的渐变色比如蓝色，由浅蓝到深蓝代表置信度由低到高；或者比如由外轮廓和/或内轮廓的实线的粗度或深度代表不同的置信度，或者由代表外轮廓和/或内轮廓的虚线中的点间距或点的黑度代表不同的置信度。

图10是本发明一个实施例提出的封闭空间的地图处理装置的结构示意图。如图10所示，该装置包括第一获取模块101、第二获取模块102、第三获取模块103、第四获取模块104、第一确定模块105和处理模块106。

第一获取模块101，用于获取可移动设备的多个自身位置；

第二获取模块102，用于获取多个障碍物位置；

第三获取模块103，用于基于所述障碍物位置获取边轮廓，所述边轮廓为由多个邻近的障碍物位置依次连接构成的闭合线；

第四获取模块104，用于基于可移动设备的自身位置获取自环，所述自环为由可移动设备的多个邻近的自身位置依次连接构成的闭合线；

第一确定模块105，用于若所述边轮廓包围在所述自环的外侧，则确定所述边轮廓为外轮廓；

处理模块106，用于基于所述外轮廓处理封闭空间的地图。

一些实施例中，该装置还可以包括：

获取模块，用于获取封闭空间的地图；

第一标记模块，用于在所述地图中标记：所述障碍物位置、所述边轮廓、所述可移动设备的自身位置、所述自环中的至少一项。

一些实施例中，所述处理模块具体用于执行如下项中的一项或多项：

基于所述外轮廓更新封闭空间的地图中障碍物类型；所述障碍物类型包括边界；

基于所述外轮廓识别封闭空间的区域；

基于所述外轮廓对封闭空间进行分区；

基于所述外轮廓更新封闭空间的地图；

基于所述外轮廓在封闭空间的地图中确定或者更新地图框架。

一些实施例中，该装置还包括：

第二确定模块，用于若所述自环包围在所述边轮廓的外侧，则确定所述边轮廓为内轮廓。

一些实施例中，该装置还包括：

第一更新模块，用于若可移动设备在后续运行过程中再次确定外轮廓，且再次确定的外轮廓与之前确定的历史外轮廓存在位置相同的外轮廓位置点，则增加所述位置相同的外轮廓位置点的外轮廓置信度；和/或，若可移动设备在后续运行过程中再次确定外轮廓，且之前确定的历史外轮廓上的至少一个历史外轮廓位置点不在所述再次确定的外轮廓上，则降低所述不在所述再次确定的外轮廓上的历史外轮廓位置点的外轮廓置信度。

一些实施例中，所述处理模块具体用于：

若外轮廓位置点的外轮廓置信度进入预设的第一阈值范围，则基于所述外轮廓置信度进入所述第一阈值范围的外轮廓位置点确定或者更新所述地图框架。

一些实施例中，所述处理模块具体用于：

若可移动设备在后续运行过程中再次确定外轮廓，且之前确定的历史外轮廓上的至少一个历史外轮廓位置点不在所述再次确定的外轮廓上，则采用在再次确定的外轮廓上但不在之前确定的历史外轮廓上的新的外轮廓位置点更新所述地图。

一些实施例中，若所述外轮廓位置点具有外轮廓置信度，所述处理模块具体用于：

若之前确定的历史外轮廓上的历史外轮廓位置点的外轮廓置信度进入预设的第二阈值范围，则在更新后的地图上不再包括外轮廓置信度进入所述第二阈值范围的外轮廓位置点。

一些实施例中，所述内轮廓位置点具有内轮廓置信度，所述装置还包括：

第二更新模块，用于若可移动设备在后续运行过程中再次确定内轮廓，且再次确定的内轮廓与之前确定的历史内轮廓存在位置相同的内轮廓位置点，则增加所述位置相同的内轮廓位置点的内轮廓置信度；和/或，若可移动设备在后续运行过程中再次确定内轮廓，且之前确定的历史内轮廓上的至少一个历史内轮廓位置点不在所述再次确定的内轮廓上，则降低所述不在所述再次确定的内轮廓上的历史内轮廓位置点的内轮廓置信度。

一些实施例中，所述装置还包括：

第二标记模块，用于将所述内轮廓作为地图细节，标记在所述地图中；或者，若所述内轮廓上各个内轮廓位置点的内轮廓置信度均进入预设的第三阈值范围，则将所述内轮廓作为地图细节，标记在所述地图中。

一些实施例中，所述装置还包括：

删除模块，用于若内轮廓位置点的内轮廓置信度进入预设的第四阈值范围，则在更新后的地图中不再包括所述内轮廓置信度进入预设的第四阈值范围的内轮廓位置点。

一些实施例中，所述第二获取模块具体用于：

当可移动设备在工作区域内移动时持续进行障碍物检测，根据可移动设备自身参数以及检测到障碍物时可移动设备的自身位置，计算障碍物位置；和/或，

当可移动设备在工作区域内移动时持续进行障碍物检测，并检测障碍物的距离信息，根据障碍物的距离信息以及检测到障碍物时可移动设备的自身位置，计算障碍物位置；和/或，

当可移动设备在工作区域内移动时持续进行障碍物检测，检测得到障碍物位置；和/或，可移动设备根据历史地图获取障碍物位置。

图11是本发明一个实施例提出的可移动设备的结构示意图。如图11所示，该可移动设备包括运动传感器111、环境传感器112和处理器113。

运动传感器111，用于获取可移动设备自身的运动参数信息；

环境传感器112，用于获取工作区域中的障碍物信息；

处理器113，用于基于所述运动参数信息和/或所述障碍物信息获取可移动设备的多个自身位置和多个障碍物位置；基于所述障碍物位置获取边轮廓，所述边轮廓为由多个邻近的障碍物位置依次连接构成的闭合线；基于可移动设备的自身位置获取自环，所述自环为由可移动设备的多个邻近的自身位置依次连接构成的闭合线；若所述边轮廓包围在所述自环的外侧，则确定所述边轮廓为外轮廓；基于所述外轮廓处理封闭空间的地图。

另外，本发明还提出如下实施例：

一种可移动设备，包括：处理单元及其连接的存储单元；所述存储单元用于存储计算机程序；所述处理单元用于调用所述存储单元中存储的计算机程序，以执行上述任一实施例中的封闭空间的地图处理方法。

一种非易失性计算机存储介质，所述存储介质中存储有计算机程序，所述计算机程序被执行时，执行上述任一实施例中的封闭空间的地图处理方法。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其它实施例中相同或相似的内容。

需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是指至少两个。

流程图中或在此以其它方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。本发明中涉及的字母标号，其大小写可能具有不同含义，比如T1与t1所指带的内容可能不同；字母标号后面是否带有数字可能具有不同的含义，比如A与A1所指带的内容可能不同。在本发明中，不同标号指代的内容并不必然不同，比如用于说明不同概念的不同标号可能相同，比如t1与t3可以不同也可以相同，是否相同根据实施例中所要阐述的主要目的来确定，只要不同标号所代表的概念具有相同的可能性，则可能相同，比如上述实施例利用t1、t2代表可移动设备获取相同的自身位置的前后时刻，而t3、t4代表可移动设备获取相同的障碍物位置的前后时刻，则t1可能等于或不等于t3，t2可能等于或不等于t4，因此不应机械的解释实施例中的各种定义、概念及其标号。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (14)

1.一种封闭空间的地图处理方法，其特征在于，包括：

获取可移动设备的多个自身位置；

获取多个障碍物位置；

基于所述障碍物位置获取边轮廓，所述边轮廓为由多个邻近的障碍物位置依次连接构成的闭合线；

基于可移动设备的自身位置获取自环，所述自环为由可移动设备的多个邻近的自身位置依次连接构成的闭合线；

若所述边轮廓包围在所述自环的外侧，则确定所述边轮廓为外轮廓；所述外轮廓上的外轮廓位置点具有外轮廓置信度；

基于所述外轮廓处理封闭空间的地图；

该方法还包括：

若可移动设备在后续运行过程中再次确定外轮廓，且再次确定的外轮廓与之前确定的历史外轮廓存在位置相同的外轮廓位置点，则增加所述位置相同的外轮廓位置点的外轮廓置信度；和/或，

若可移动设备在后续运行过程中再次确定外轮廓，且之前确定的历史外轮廓上的至少一个历史外轮廓位置点不在所述再次确定的外轮廓上，则降低所述不在所述再次确定的外轮廓上的历史外轮廓位置点的外轮廓置信度。

2.根据权利要求1所述的方法，其特征在于，还包括：

获取封闭空间的地图；

在所述地图中标记：所述障碍物位置、所述边轮廓、所述可移动设备的自身位置、所述自环中的至少一项。

3.根据权利要求1所述的方法，其特征在于，所述基于所述外轮廓处理封闭空间的地图，包括如下项中的至少一项：

基于所述外轮廓更新封闭空间的地图中障碍物类型；所述障碍物类型至少包括边界；

基于所述外轮廓识别封闭空间的区域；

基于所述外轮廓对封闭空间进行分区；

基于所述外轮廓更新封闭空间的地图；

基于所述外轮廓在封闭空间的地图中确定或者更新地图框架。

4.根据权利要求1所述的方法，其特征在于，还包括：

若所述自环包围在所述边轮廓的外侧，则确定所述边轮廓为内轮廓。

5.根据权利要求1所述的方法，其特征在于，所述基于所述外轮廓处理封闭空间的地图包括基于所述外轮廓在封闭空间的地图中确定或者更新地图框架，所述基于所述外轮廓在封闭空间的地图中确定或者更新地图框架，包括：

若外轮廓位置点的外轮廓置信度进入预设的第一阈值范围，则基于所述外轮廓置信度进入所述第一阈值范围的外轮廓位置点确定或者更新所述地图框架。

6.根据权利要求3所述的方法，其特征在于，所述基于所述外轮廓更新封闭空间的地图，包括：

若可移动设备在后续运行过程中再次确定外轮廓，且之前确定的历史外轮廓上的至少一个历史外轮廓位置点不在所述再次确定的外轮廓上，则采用在再次确定的外轮廓上但不在之前确定的历史外轮廓上的新的外轮廓位置点更新所述地图。

7.根据权利要求3所述的方法，其特征在于，若所述外轮廓位置点具有外轮廓置信度，所述基于所述外轮廓更新封闭空间的地图，包括：

若之前确定的历史外轮廓上的历史外轮廓位置点的外轮廓置信度进入预设的第二阈值范围，则在更新后的地图上不再包括外轮廓置信度进入所述第二阈值范围的外轮廓位置点。

8.根据权利要求4所述的方法，其特征在于，所述内轮廓位置点具有内轮廓置信度，所述方法还包括：

若可移动设备在后续运行过程中再次确定内轮廓，且再次确定的内轮廓与之前确定的历史内轮廓存在位置相同的内轮廓位置点，则增加所述位置相同的内轮廓位置点的内轮廓置信度；和/或，

若可移动设备在后续运行过程中再次确定内轮廓，且之前确定的历史内轮廓上的至少一个历史内轮廓位置点不在所述再次确定的内轮廓上，则降低所述不在所述再次确定的内轮廓上的历史内轮廓位置点的内轮廓置信度。

9.根据权利要求8所述的方法，其特征在于，还包括：

将所述内轮廓作为地图细节，标记在所述地图中；或者，

若所述内轮廓上各个内轮廓位置点的内轮廓置信度均进入预设的第三阈值范围，则将所述内轮廓作为地图细节，标记在所述地图中。

10.根据权利要求9所述的方法，其特征在于，还包括：

若内轮廓位置点的内轮廓置信度进入预设的第四阈值范围，则在更新后的地图中不再包括所述内轮廓置信度进入预设的第四阈值范围的内轮廓位置点。

11.根据权利要求1所述的方法，其特征在于，所述获取多个障碍物位置，包括：

可移动设备在工作区域内移动时持续进行障碍物检测，根据可移动设备自身参数以及检测到障碍物时可移动设备的自身位置，计算障碍物位置；和/或，

可移动设备在工作区域内移动时持续进行障碍物检测，并检测障碍物的距离信息，根据障碍物的距离信息以及检测到障碍物时可移动设备的自身位置，计算障碍物位置；和/或，

可移动设备在工作区域内移动时持续进行障碍物检测，检测得到障碍物位置；和/或，

可移动设备根据历史地图获取障碍物位置。

12.一种封闭空间的地图处理装置，其特征在于，包括：

第一获取模块，用于获取可移动设备的多个自身位置；

第二获取模块，用于获取多个障碍物位置；

第三获取模块，用于基于所述障碍物位置获取边轮廓，所述边轮廓为由多个邻近的障碍物位置依次连接构成的闭合线；

第四获取模块，用于基于可移动设备的自身位置获取自环，所述自环为由可移动设备的多个邻近的自身位置依次连接构成的闭合线；

第一确定模块，用于若所述边轮廓包围在所述自环的外侧，则确定所述边轮廓为外轮廓；所述外轮廓上的外轮廓位置点具有外轮廓置信度；

处理模块，用于基于所述外轮廓处理封闭空间的地图；

第一更新模块，用于若可移动设备在后续运行过程中再次确定外轮廓，且再次确定的外轮廓与之前确定的历史外轮廓存在位置相同的外轮廓位置点，则增加所述位置相同的外轮廓位置点的外轮廓置信度；和/或，若可移动设备在后续运行过程中再次确定外轮廓，且之前确定的历史外轮廓上的至少一个历史外轮廓位置点不在所述再次确定的外轮廓上，则降低所述不在所述再次确定的外轮廓上的历史外轮廓位置点的外轮廓置信度。

13.一种可移动设备，其特征在于，包括：

运动传感器，用于获取可移动设备自身的运动参数信息；

环境传感器，用于获取工作区域中的障碍物信息；

处理器，用于基于所述运动参数信息和/或所述障碍物信息获取可移动设备的多个自身位置和多个障碍物位置；基于所述障碍物位置获取边轮廓，所述边轮廓为由多个邻近的障碍物位置依次连接构成的闭合线；基于可移动设备的自身位置获取自环，所述自环为由可移动设备的多个邻近的自身位置依次连接构成的闭合线；若所述边轮廓包围在所述自环的外侧，则确定所述边轮廓为外轮廓；所述外轮廓上的外轮廓位置点具有外轮廓置信度；基于所述外轮廓处理封闭空间的地图；

所述处理器还用于若可移动设备在后续运行过程中再次确定外轮廓，且再次确定的外轮廓与之前确定的历史外轮廓存在位置相同的外轮廓位置点，则增加所述位置相同的外轮廓位置点的外轮廓置信度；和/或，若可移动设备在后续运行过程中再次确定外轮廓，且之前确定的历史外轮廓上的至少一个历史外轮廓位置点不在所述再次确定的外轮廓上，则降低所述不在所述再次确定的外轮廓上的历史外轮廓位置点的外轮廓置信度。

14.一种非临时性计算机可读存储介质，其特征在于，当所述存储介质中的指令由可移动设备中的处理器执行时，执行如权利要求1-11任一项所述的方法。

Images