CN113888574A - 一种清洁机器人获取可清扫区域面积的方法 - Google Patents
一种清洁机器人获取可清扫区域面积的方法 Download PDFInfo
- Publication number
- CN113888574A CN113888574A CN202111167538.8A CN202111167538A CN113888574A CN 113888574 A CN113888574 A CN 113888574A CN 202111167538 A CN202111167538 A CN 202111167538A CN 113888574 A CN113888574 A CN 113888574A
- Authority
- CN
- China
- Prior art keywords
- area
- cleaning robot
- cleanable
- acquiring
- plan
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种清洁机器人获取可清扫区域面积的方法,具体包括:获取清洁机器人当前所处环境平面图;确定清洁机器人当前所处环境平面图内的可清扫区域;获取清洁机器人当前所处环境平面图内的可清扫区域内的像素点数量;基于单位像素点占用面积计算清洁机器人当前所处环境平面图内的可清扫区域面积。本发明使得清洁机器人无需对可清扫区域进行遍历即可实现对可清扫区域面积的获取,简化了清洁机器人获取可清扫区域面积的方法,同时以单位像素点占用面积的计算的方式提高可清扫区域面积计算的精准度,从而提高清洁机器人工作效率。
Description
技术领域
本发明涉及清洁机器人领域,具体涉及一种清洁机器人获取可清扫区域面积的方法。
背景技术
随着科技的飞速发展,清洁机器人在日常生活中已得到广泛应用。清洁机器人作为一种具备智能规划清扫的移动设备,能够实现自主规划清扫路线和清扫任务顺序。而在清洁机器人执行自主规划清扫路线之前,清洁机器人需要获取当前环境信息,当前环境信息包括:障碍物位置和任务区域相关信息等,而任务区域相关信息中包括可清扫区域面积和范围,清洁机器人通过获取可清扫区域面积和范围从而实现更优的清扫路线和清扫任务规划。目前现有技术中,清洁机器人获取可清扫区域面积一般需要清洁机器人对该可清扫区域执行遍历后才能得到,如此会降低清洁机器人的工作效率。
发明内容
为解决上述问题,本发明提供了一种清洁机器人获取可清扫区域面积的方法,简化了清洁机器人获取可清扫区域面积方法同时提高了清洁机器人获取可清扫区域面积的精准度。本发明的具体技术方案如下:
一种清洁机器人获取可清扫区域面积的方法,具体包括:获取清洁机器人当前所处环境平面图;确定清洁机器人当前所处环境平面图内的可清扫区域;获取清洁机器人当前所处环境平面图内的可清扫区域内的像素点数量;基于单位像素点占用面积计算清洁机器人当前所处环境平面图内的可清扫区域面积。
与现有技术相比,本技术方案通过获取获取清洁机器人当前所处环境平面图中可清扫区域内的像素点数量,并通过单位像素点占用面积和可清扫区域内的像素点数量获取可清扫区域面积,使得清洁机器人无需对可清扫区域进行遍历即可实现对可清扫区域面积的获取,简化了清洁机器人获取可清扫区域面积的方法,同时以单位像素点占用面积的计算的方式提高可清扫区域面积计算的精准度,从而提高清洁机器人的清扫任务规划合理性并提高清洁机器人的工作效率。
进一步地,所述清洁机器人获取可清扫区域面积的方法执行所述确定清洁机器人当前所处环境平面图内的可清扫区域前还包括:对所述清洁机器人当前所处环境平面图进行图像预处理,以获取所述清洁机器人当前所处环境平面图中的全部轮廓线。
进一步地,所述对清洁机器人当前所处环境平面图进行图像预处理,是指将所述清洁机器人当前所处环境平面图进行二值化处理,使得所述清洁机器人当前所处环境平面图被处理为二值图像。本技术方案通过对环境平面图进行阈值分割,使得清洁机器人当前所处环境平面图被处理为二值图像,由于二值图像中每一个像素点只有两种可能的取值或灰度等级状态,所以变换为二值图像的清洁机器人当前所处环境平面图能够更精准地被识别到全部轮廓线,提高本技术方案中轮廓线识别精度。
进一步地,所述获取清洁机器人当前所处环境平面图中的全部轮廓线,具体包括:采用基于轮廓检测的findContours函数识别被处理为二值图像的清洁机器人当前所处环境平面图中的轮廓像素点,基于识别到的全部轮廓像素点组成所述清洁机器人当前所处环境平面图中的全部轮廓线。
进一步地,所述对清洁机器人当前所处环境平面图进行图像预处理,还可以是指将所述清洁机器人当前所处环境平面图划分为非障碍物区域和障碍物区域,并将非障碍物区域和障碍物区域使用不同颜色覆盖。本技术方案中采用不同区域用不同颜色覆盖的方式使得不同区域之间能够明显区分,便于识别清洁机器人当前所处环境平面图中的全部轮廓线。
进一步地,所述获取清洁机器人当前所处环境平面图中的全部轮廓线,具体包括:识别不同颜色的区域边界,将被不同颜色覆盖的区域之间的全部边界作为所述清洁机器人当前所处环境平面图中的全部轮廓线。本技术方案通过识别不同颜色区域之间的边界作为该区域的轮廓线,从而获得清洁机器人当前所处环境平面图中的全部轮廓线。
进一步地,所述确定清洁机器人当前所处环境平面图内的可清扫区域,具体包括:从所述清洁机器人当前所处环境平面图中的全部轮廓线中筛选出符合预设第一特征的一条轮廓线作为所述可清扫区域轮廓线,并将所述可清扫区域轮廓线包围的区域确定为清洁机器人当前所处环境平面图内的可清扫区域。本技术方案中通过预设第一特征,以实现通过特征筛选的方式从清洁机器人当前所处环境平面图的全部轮廓线中筛选出一条最符合可清扫区域轮廓线的轮廓线,从而提高可清扫区域的范围确定精度。
进一步地,所述符合预设第一特征的轮廓线是指全部轮廓线中线段长度最长且首尾相接的轮廓线。
进一步地,所述获取清洁机器人当前所处环境平面图内的可清扫区域内的像素点数量,具体包括:获取所述可清扫区域的质心点;判断所述可清扫区域的质心点为障碍物点或非障碍物点;若所述可清扫区域的质心点为非障碍物点,则选取可清扫区域的质心点作为可清扫区域触发点;若所述可清扫区域的质心点为障碍物点,则在可清扫区域的质心点的四邻域或八邻域内选取一个非障碍物点作为触发点;以可清扫区域触发点为中心,向其四周的像素点进行逐点覆盖,直至覆盖整个可清扫区域内的全部像素点,并记录可清扫区域内的像素点数量。本技术方案中以覆盖可清扫区域轮廓线内每一个像素点的方式,记录可清扫区域内的像素点数量,无需清洁机器人遍历可清扫区域即可得到可清扫区域内像素点数量。
进一步地,获取所述单位像素点占用面积的方法,具体包括:在所述清洁机器人当前所处环境中设置第一面积的参照物;确定清洁机器人当前所处环境平面图内的参照物占用区域;获取清洁机器人当前所处环境平面图内的参照物占用区域内的像素点数量;将所述参照物的第一面积作为被除数,将所述参照物占用区域内的像素点数量作为除数,将所述参照物的第一面积与所述参照物占用区域内的像素点数量的商作为所述单位像素点占用面积。本技术方案通过设置参照物的方式获取单位像素点占用面积,在已知参照物面积的情况下,通过获取参照物占用区域内的像素点数量,即可获得单位像素点占用面积,使得本技术方案能够根据清洁机器人当前所处环境的不同,获取清洁机器人当前所处环境平面图的方式或角度不同,灵活精准地获取清洁机器人当前所处环境中的可清扫区域面积。
进一步地,所述确定清洁机器人当前所处环境平面图内的参照物占用区域,具体包括:从所述清洁机器人当前所处环境平面图中的全部轮廓线中筛选出符合预设第二特征的一条轮廓线作为所述参照物占用区域轮廓线,并将所述参照物占用区域轮廓线包围的区域确定为清洁机器人当前所处环境平面图内的参照物占用区域。本技术方案中采用特征筛选的方式从全部轮廓线中筛选出符合参照物占用区域特征的一条轮廓线,同时以预设特征的形式。
进一步地,所述获取清洁机器人当前所处环境平面图内的参照物占用区域内的像素点数量,具体包括:获取所述参照物占用区域的质心点;将所述参照物占用区域的质心点作为参照物占用区域触发点;以所述参照物占用区域触发点为中心,向其四周的像素点进行逐点覆盖,直至覆盖整个参照物占用区域内的全部像素点,并记录可清扫区域内的像素点数量。本技术方案中通过覆盖参照物占用区域轮廓线内全部像素点的方式,实现对参照物占用区域内的像素点数量的精准计数,从而提高单位像素点占用面积的精度。
进一步地,所述基于单位像素点占用面积计算清洁机器人当前所处环境平面图内的可清扫区域面积,具体包括:将所述单位像素点占用面积与所述可清扫区域内像素点数量的乘积作为所述清洁机器人当前所处环境平面图内的可清扫区域面积。本技术方案使得清洁机器人无需对可清扫区域进行遍历即可实现对可清扫区域面积的获取,简化了清洁机器人获取可清扫区域面积的方法,同时以单位像素点占用面积的计算的方式提高可清扫区域面积计算的精准度。
附图说明
图1为本发明一种实施例所述清洁机器人获取可清扫区域面积的方法的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清晰,以下将结合附图及实施例,对本发明进行描述和说明。应当理解,下面所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。此外,还可以理解的是,对本邻域的普通技术人员而言,在本发明揭露的技术内容上进行一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
除非另作定义,本发明所涉及的技术术语或科学术语应当为本申请所属技术邻域内具有一般技能的人士所理解的通常意义。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形,意图在于覆盖不排他的包含,如:包含了一系列步骤或模块的过程、方法、系统产品或者设备没有限定于已列出的步骤或单元,而是可以还包括没有列出的步骤或模块,或者还可以包括对于这些过程、方法、产品或设备固有的其他步骤或单元。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是用于区别类似的对应,不代表针对对象的特定排序。
本发明一种实施例中提供了一种清洁机器人获取可清扫区域面积的方法,如图1所示,所述清洁机器人获取可清扫区域面积的方法具体包括:
获取清洁机器人当前所处环境平面图;其中,所述获取清洁机器人当前所处环境平面图的方法可以是但不限于通过搭载于清洁机器人机身的图像采集装置采集,或者设置于清洁机器人体外的图像采集装置采集后通过有线或无线网络的方式传输至清洁机器人;所述图像采集装置可以是但不限于单目摄像头或双目摄像头等具有图像采集功能的装置。
确定清洁机器人当前所处环境平面图内的可清扫区域;其中,所述可清扫区域是指在清洁机器人当前所处环境中清洁机器人能够执行清洁任务的区域范围。
获取清洁机器人当前所处环境平面图内的可清扫区域内的像素点数量;其中,所述获取清洁机器人当前所处环境平面图内的可清扫区域内的像素点数量的方法可以是但不限于采用泛洪算法遍历可清扫区域等具备像素点数量统计的算法计算。
基于单位像素点占用面积计算清洁机器人当前所处环境平面图内的可清扫区域面积。其中,所述单位像素点占用面积是指在清洁机器人当前所处环境平面图中每一个像素点在实际环境中对应面积,如:单位像素点占用面积为1平方米,则代表着在清洁机器人当前所处环境平面图中每一个像素点在实际环境中对应1平面米的面积。
具体地,所述基于单位像素点占用面积计算清洁机器人当前所处环境平面图内的可清扫区域面积具体包括:将可清扫区域内的像素点数量和单位像素点占用面积相乘,将两者乘积作为可清扫区域面积。由于单位像素点占用面积已有效反映出在清洁机器人当前所处环境平面图内每一个像素点在实际环境中对应的面积,则通过数学关系换算,可以得到清洁机器人当前所处环境中可清扫区域面积。
基于上述实施例,本发明一种较优的实施例中提供一种清洁机器人获取可清扫区域面积的方法,在本实施例中,执行所述确定清洁机器人当前所处环境平面图内的可清扫区域之前,还包括:对所述清洁机器人当前所处环境平面图进行图像预处理,以获取所述清洁机器人当前所处环境平面图中的全部轮廓线。其中,所述图像预处理的目的是为了使得所述清洁机器人当前所处环境平面图中的轮廓线能够被更易于辨别。所述图像预处理的手段可以包括但不限于将所述清洁机器人当前所处环境平面图进行阈值分割,处理为二值图像,或者是将所述清洁机器人当前所处环境平面图按照障碍物区域和非障碍物区域采用不同颜色覆盖。
基于上述实施例,本发明一种较优的实施例中提供一种清洁机器人获取可清扫区域面积的方法,在本实施例中对所述清洁机器人当前所处环境平面图通过阈值分割进行二值化的图像预处理,使得图像预处理后的清洁机器人当前所处环境平面图为二值图像。
进一步地,将被预处理为二值图像的清洁机器人当前所处环境平面图采用基于轮廓检测的findContours函数识别平面图中的全部轮廓像素点,基于识别到的全部轮廓像素点组成所述清洁机器人当前所处环境平面图中的全部轮廓线。具体地,所述findContours函数是一种跨平台计算机视觉和机器学习软件库OpenCV中常用的轮廓检测函数,在此不进行赘述。
基于上述实施例,本发明一种较优的实施例中提供一种清洁机器人获取可清扫区域面积的方法,在本实施例中将所述清洁机器人当前所处环境平面图按照障碍物区域和非障碍物区域进行区域划分,并在不同区域中采用不同颜色覆盖。
优选地,在本实施例中将清洁机器人当前所处环境平面图划分为障碍物区域和非障碍物区域两种区域,并在这两种区域中采用不同颜色进行覆盖,需要说明的是,在这两种区域中采用的覆盖颜色为易于区分的两种颜色,如红色和绿色,黑色和白色等,以便于更好的区分两者之间的分界线,从而更精准的识别区域边界,获取清洁机器人当前所处环境平面图中的全部轮廓线。
具体地,所述获取清洁机器人当前所处环境平面图中的全部轮廓线的方法是通过识别不同颜色的区域的边界,将被不同颜色覆盖的区域之间的全部边界作为所述清洁机器人当前所处环境平面图中的全部轮廓线。
基于上述实施例,本发明一种较优的实施例中提供一种清洁机器人获取可清扫区域面积的方法,在本实施例中所述确定清洁机器人当前所处环境平面图内的可清扫区域,具体包括:从所述清洁机器人当前所处环境平面图中的全部轮廓线中筛选出符合预设第一特征的一条轮廓线作为所述可清扫区域轮廓线,并将所述可清扫区域轮廓线包围的区域中的非障碍物区域确定为清洁机器人当前所处环境平面图内的可清扫区域。具体地,所述预设第一特征是指用户根据清洁机器人常用环境预先存储于清洁机器人内部,用于筛选出可清扫区域轮廓线的特征,所述预设第一特征能够根据清洁机器人环境变换以及用户需求进行调整。
优选地,在本发明一种较优的实施例中所述预设第一特征为全部轮廓线中线段长度最长且首尾相接,清洁机器人通过所述预设第一特征从全部轮廓线中筛选出线段长度最长且首尾相接的一条轮廓线作为所述可清扫区域轮廓线,并将该可清扫区域轮廓线包围的区域中的非障碍物区域确定为清洁机器人当前所处环境平面图内的可清扫区域。需要说明的是,本实施例中的预设第一特征是通过发明人在反复试验过程中确定的用于筛选出可清扫区域轮廓线的特征,根据清洁机器人的应用环境的变更所述预设第一特征可以进行相应调整。
基于上述实施例,本发明一种较优的实施例中提供一种清洁机器人获取可清扫区域面积的方法,在本实施例中所述获取清洁机器人当前所处环境平面图内的可清扫区域内的像素点数量是通过采用泛洪算法实现的,具体包括:
获取所述可清扫区域的质心点;其中,所述获取可清扫区域的质心点的方法可以是但不限于通过对可清扫区域内所有点进行加权取其平均值,将平均值作为质心点位置。
判断所述可清扫区域的质心点为障碍物点或非障碍物点;具体地,判断所述可清扫区域的质心点是否为障碍物点或非障碍物点的方法取决于所述清洁机器人当前所处环境平面图的图像预处理手段,若采用二值化处理手段,则判断所述可清扫区域的质心点的灰度值属于障碍物区域或非障碍物区域,若所述可清扫区域的质心点的灰度值属于障碍物区域则其为障碍物点,反之,若所述可清扫区域的质心点的灰度值属于非障碍物区域则其为非障碍物点。同理,若采用不同区域覆盖不同颜色的图像预处理手段,则判断所述可清扫区域的质心点的颜色属于障碍物区域或非障碍物区域,若所述可清扫区域的质心点颜色属于障碍物区域则其为障碍物点,反之,若所述可清扫区域的质心点颜色属于非障碍物区域则其为非障碍物点。需要说明的是,障碍物区域内的全部像素点均属于障碍物点,反之,非障碍物区域内的全部像素点均属于非障碍物点。
若所述可清扫区域的质心点为非障碍物点,则选取所述可清扫区域的质心点作为可清扫区域触发点;
若所述可清扫区域的质心点为障碍物点,则在可清扫区域的质心点的四邻域或八邻域内选取一个非障碍物点作为可清扫区域触发点;具体地,若所述可清扫区域的质心点为障碍物点,则优先在该可清扫区域的质心点的四邻域内选取一个非障碍物点作为可清扫区域触发点,若该可清扫区域的质心点的四邻域内不存在非障碍物点,则在该可清扫区域的质心点的八邻域内选取一个非障碍物点作为可清扫区域触发点,同理,若该可清扫区域的质心点的八邻域内不存在非障碍物点,则以该可清扫区域的质心点为中心向外拓展,以选取一个离该可清扫区域的质心点最接近且在可清扫区域内的非障碍物点作为可清扫区域触发点。
以所述参照物占用区域触发点为中心,向其四周的像素点进行逐点覆盖,直至覆盖整个参照物占用区域内的全部像素点,并记录可清扫区域内的像素点数量。具体地,通过以可清扫区域触发点为中心,向其四周的像素点进行逐点覆盖,实现将可清扫区域内的像素点逐个覆盖,能够精准的记录可清扫区域内被覆盖的像素点数量,从而获得可清扫区域内的全部像素点数量。需要说明的是,本实施例中采用泛从一个像素点出发,向其周边像素点扩展填充覆盖,直至区域边缘的方式统计区域内像素点数量,确保像素点数量统计的精准度,且无需清洁机器人对该区域进行遍历。
基于上述实施例,本发明一种较优的实施例中提供了一种清洁机器人获取可清扫区域面积的方法,在本实施例中,获取所述单位像素点占用面积的方法,具体包括:
在所述清洁机器人当前所处环境中设置第一面积的参照物;具体地,在所述清洁机器人当前所处环境中设置第一面积的参照物需要在获取清洁机器人当前所处环境平面图之间,以使得获取的清洁机器人当前所处环境平面图内包含参照物。需要说明的是,所述参照物的第一面积为已知的无需测算的面积,所述参照物的形状可以是但不限于圆形、矩形、正方形、椭圆形或多边形等,且所述参照物在清洁机器人当前所处环境中的设置位置可以是但不限于清洁机器人在当前所处环境中所能获取的最大范围的平面图的右上角、右下角、左上角或左下角等。
确定清洁机器人当前所处环境平面图内的参照物占用区域;具体地,所述确定清洁机器人当前所处环境平面图内的参照物占用区域在上述实施例中所述图像预处理之后执行,以便于从清洁机器人当前所处环境平面图的全部轮廓线中筛选出参照物占用区域轮廓线,从而确定参照物占用区域。
获取清洁机器人当前所处环境平面图内的参照物占用区域内的像素点数量;具体地,所述获取清洁机器人当前所处环境平面图内的参照物占用区域内的像素点数量的方法与上述获取清洁机器人当前所处环境平面图内的可清扫区域内的像素点数量的方法相同,在本实施例中都采用泛洪算法获取。需要说明的是所述所述获取清洁机器人当前所处环境平面图内的参照物占用区域内的像素点数量的方法可以是但不仅仅局限于通过泛洪算法获取。
将所述参照物的第一面积作为被除数,将所述参照物占用区域内的像素点数量作为除数,将所述参照物的第一面积与所述参照物占用区域内的像素点数量的商作为所述单位像素点占用面积。本实施例中通过获取参照物占用区域内的像素点数量,并根据已知的参照物的第一面积,通过数学关系推导出清洁机器人当前所处环境平面图内每一个像素点在实际环境中对应的面积大小。
基于上述实施例,本发明一种较优的实施例中提供了一种清洁机器人获取可清扫区域面积的方法,在本实施例中所述确定清洁机器人当前所处环境平面图内的参照物占用区域,具体包括:从所述清洁机器人当前所处环境平面图中的全部轮廓线中筛选出符合预设第二特征的一条轮廓线作为所述参照物占用区域轮廓线,并将所述参照物占用区域轮廓线包围的区域确定为清洁机器人当前所处环境平面图内的参照物占用区域。需要说明的是,所述预设第二特征是用于筛选出参照物占用区域轮廓线的特征,所述预设第二特征可以根据实际的参照物设置位置、参照物形状和/或参照物尺寸等多种因素进行调整,以便于更准确地筛选出参照物占用区域的轮廓线。
基于上述实施例,本发明一种较优的实施例中提供了一种清洁机器人获取可清扫区域面积的方法,在本实施例中采用泛洪算法获取清洁机器人当前所处环境平面图中的参照物占用区域内的像素点数量,具体包括:
获取所述参照物占用区域的质心点;具体地,所述获取参照物占用区域的质心点是通过对参照物占用区域内的全部点进行加权并取平均值,将平均值作为质心点。需要说明的是,该步骤获取的是参照物占用区域的质心点,在实际应用过程中还可以是参照物占用区域轮廓线的质心点等。
将所述参照物占用区域的质心点作为参照物占用区域触发点;具体地,将所述参照物占用区域的质心点作为参照物占用区域触发点,即相当于在参照物占用区域的质心点处作为洪水覆盖起点,以所述参照物占用区域的质心点为出发点,向其周围扩充覆盖。以所述参照物占用区域触发点为中心,向其四周的像素点进行逐点覆盖,直至覆盖整个参照物占用区域内的全部像素点,并记录可清扫区域内的像素点数量。
基于上述实施例,本发明一种较优的实施例提供一种清洁机器人获取可清扫区域面积的方法,在本实施例中,所述清洁机器人获取可清扫区域面积的方法具体包括:
在清洁机器人当前所处环境中设置第一面积的参照物;
获取清洁机器人当前所处环境平面图;
对所述清洁机器人当前所处环境平面图进行图像预处理,使得所处清洁机器人当前所处环境平面图被阈值分割为二值图像;
采用基于轮廓检测的findContours函数识别图像预处理后的清洁机器人当前所处环境平面图中的全部轮廓线;
从所述图像预处理后的清洁机器人当前所处环境平面图中的全部轮廓线中筛选出符合预设第一特征的一条轮廓线作为可清扫区域轮廓线,将可清扫区域轮廓线包围的区域中的非障碍物区域确定为清洁机器人当前所处环境平面图内的可清扫区域。获取可清扫区域的质心点并判断可清扫区域的质心点为障碍物点或非障碍物点;若所述可清扫区域的质心点为障碍物点,则在所述可清扫区域的质心点的四邻域或八邻域内选取一个非障碍物点作为可清扫区域触发点,若所述可清扫区域的质心点为非障碍物点,则选取所述可清扫区域的质心点作为可清扫区域触发点;以可清扫区域触发点为中心,向其四周的像素点进行逐点覆盖,直至覆盖整个可清扫区域内的全部像素点,并记录可清扫区域内的像素点数量。
从所述图像预处理后的清洁机器人当前所处环境平面图中的全部轮廓线中筛选出符合预设第二特征的一条轮廓线作为参照物占用区域轮廓线,将参照物占用区域轮廓线包围的区域确定为清洁机器人当前所处环境平面图内的参照物占用区域。获取所述参照物占用区域的质心点,将所述参照物占用区域的质心点作为参照物占用区域触发点,以所述参照物占用区域触发点为中心,向其四周的像素点进行逐点覆盖,直至覆盖整个参照物占用区域内的全部像素点,并记录可清扫区域内的像素点数量;将所述参照物的第一面积作为被除数,将所述参照物占用区域内的像素点数量作为除数,将所述参照物的第一面积与所述参照物占用区域内的像素点数量的商作为所述单位像素点占用面积。
将所述单位像素点占用面积与所述可清扫区域内像素点数量的乘积作为所述清洁机器人当前所处环境平面图内的可清扫区域面积。
优选地,所述确定可清扫区域并获取可清扫区域内像素点数量的步骤与所述确定参照物占用区域并获取参照物占用区域内像素点数量从而获取单位像素点占用面积的步骤的先后执行顺序可以调换,即可以先执行所述确定可清扫区域并获取可清扫区域内像素点数量的步骤,再执行所述确定参照物占用区域并获取参照物占用区域内像素点数量从而获取单位像素点占用面积的步骤,或者是,先执行所述确定参照物占用区域并获取参照物占用区域内像素点数量从而获取单位像素点占用面积的步骤,再执行所述确定可清扫区域并获取可清扫区域内像素点数量的步骤,或者是,同时执行所述确定可清扫区域并获取可清扫区域内像素点数量的步骤与所述确定参照物占用区域并获取参照物占用区域内像素点数量从而获取单位像素点占用面积的步骤。
显然,上述的实施例仅仅是本发明一部分实施例,而不是全部的实施例,各个实施例之间的技术方案可以相互结合。在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。在本发明所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明实施方式对各种可能的组合方式不再另行说明。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换,而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (13)
1.一种清洁机器人获取可清扫区域面积的方法,其特征在于,所述清洁机器人获取可清扫区域面积的方法具体包括:
获取清洁机器人当前所处环境平面图;
确定清洁机器人当前所处环境平面图内的可清扫区域;
获取清洁机器人当前所处环境平面图中的可清扫区域内的像素点数量;
基于单位像素点占用面积计算清洁机器人当前所处环境平面图内的可清扫区域面积。
2.根据权利要求1所述的清洁机器人获取可清扫区域面积的方法,其特征在于,所述清洁机器人获取可清扫区域面积的方法执行所述确定清洁机器人当前所处环境平面图内的可清扫区域前还包括:对所述清洁机器人当前所处环境平面图进行图像预处理,以获取所述清洁机器人当前所处环境平面图中的全部轮廓线。
3.根据权利要求2所述的清洁机器人获取可清扫区域面积的方法,其特征在于,所述对清洁机器人当前所处环境平面图进行图像预处理,是指将所述清洁机器人当前所处环境平面图进行二值化处理,使得所述清洁机器人当前所处环境平面图被处理为二值图像。
4.根据权利要求3所述的清洁机器人获取可清扫区域面积的方法,其特征在于,所述获取清洁机器人当前所处环境平面图中的全部轮廓线,具体包括:采用基于轮廓检测的findContours函数识别被处理为二值图像的清洁机器人当前所处环境平面图中的轮廓像素点,基于识别到的全部轮廓像素点组成所述清洁机器人当前所处环境平面图中的全部轮廓线。
5.根据权利要求2所述的清洁机器人获取可清扫区域面积的方法,其特征在于,所述对清洁机器人当前所处环境平面图进行图像预处理,是指将所述清洁机器人当前所处环境平面图划分为非障碍物区域和障碍物区域,并将非障碍物区域和障碍物区域使用不同颜色覆盖。
6.根据权利要求5所述的清洁机器人获取可清扫区域面积的方法,其特征在于,所述获取清洁机器人当前所处环境平面图中的全部轮廓线,具体包括:识别不同颜色的区域边界,将被不同颜色覆盖的区域之间的全部边界作为所述清洁机器人当前所处环境平面图中的全部轮廓线。
7.根据权利要求2所述的清洁机器人获取可清扫区域面积的方法,其特征在于,所述确定清洁机器人当前所处环境平面图内的可清扫区域,具体包括:从所述清洁机器人当前所处环境平面图中的全部轮廓线中筛选出符合预设第一特征的一条轮廓线作为所述可清扫区域轮廓线,并将所述可清扫区域轮廓线包围的区域中的非障碍物区域确定为清洁机器人当前所处环境平面图内的可清扫区域。
8.根据权利要求7所述的清洁机器人获取可清扫区域面积的方法,其特征在于,所述符合预设第一特征的轮廓线是指全部轮廓线中线段长度最长且首尾相接的轮廓线。
9.根据权利要求1所述的清洁机器人获取可清扫区域面积的方法,其特征在于,所述获取清洁机器人当前所处环境平面图内的可清扫区域内的像素点数量,具体包括:
获取所述可清扫区域的质心点;
判断所述可清扫区域的质心点为障碍物点或非障碍物点;
若所述可清扫区域的质心点为非障碍物点,则选取可清扫区域的质心点作为可清扫区域触发点;
若所述可清扫区域的质心点为障碍物点,则在可清扫区域的质心点的四邻域或八邻域内选取一个非障碍物点作为可清扫区域触发点;
以可清扫区域触发点为中心,向其四周的像素点进行逐点覆盖,直至覆盖整个可清扫区域内的全部像素点,并记录可清扫区域内的像素点数量。
10.根据权利要求2所述的清洁机器人获取可清扫区域面积的方法,其特征在于,获取所述单位像素点占用面积的方法,具体包括:
在所述清洁机器人当前所处环境中设置第一面积的参照物;
确定清洁机器人当前所处环境平面图内的参照物占用区域;
获取清洁机器人当前所处环境平面图内的参照物占用区域内的像素点数量;
将所述参照物的第一面积作为被除数,将所述参照物占用区域内的像素点数量作为除数,将所述参照物的第一面积与所述参照物占用区域内的像素点数量的商作为所述单位像素点占用面积。
11.根据权利要求10所述的清洁机器人获取可清扫区域面积的方法,其特征在于,所述确定清洁机器人当前所处环境平面图内的参照物占用区域,具体包括:从所述清洁机器人当前所处环境平面图中的全部轮廓线中筛选出符合预设第二特征的一条轮廓线作为所述参照物占用区域轮廓线,并将所述参照物占用区域轮廓线包围的区域确定为清洁机器人当前所处环境平面图内的参照物占用区域。
12.根据权利要求10所述的清洁机器人获取可清扫区域面积的方法,其特征在于,所述获取清洁机器人当前所处环境平面图中的参照物占用区域内的像素点数量,具体包括:
获取所述参照物占用区域的质心点;
将所述参照物占用区域的质心点作为参照物占用区域触发点;
以所述参照物占用区域触发点为中心,向其四周的像素点进行逐点覆盖,直至覆盖整个参照物占用区域内的全部像素点,并记录可清扫区域内的像素点数量。
13.根据权利要求1所述的清洁机器人获取可清扫区域面积的方法,其特征在于,所述基于单位像素点占用面积计算清洁机器人当前所处环境平面图内的可清扫区域面积,具体包括:将所述单位像素点占用面积与所述可清扫区域内像素点数量的乘积作为所述清洁机器人当前所处环境平面图内的可清扫区域面积。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111167538.8A CN113888574A (zh) | 2021-10-07 | 2021-10-07 | 一种清洁机器人获取可清扫区域面积的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111167538.8A CN113888574A (zh) | 2021-10-07 | 2021-10-07 | 一种清洁机器人获取可清扫区域面积的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113888574A true CN113888574A (zh) | 2022-01-04 |
Family
ID=79005407
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111167538.8A Pending CN113888574A (zh) | 2021-10-07 | 2021-10-07 | 一种清洁机器人获取可清扫区域面积的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113888574A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114224241A (zh) * | 2022-02-17 | 2022-03-25 | 江苏天策机器人科技有限公司 | 一种商用清洁机器人工作区域自动生成方法 |
-
2021
- 2021-10-07 CN CN202111167538.8A patent/CN113888574A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114224241A (zh) * | 2022-02-17 | 2022-03-25 | 江苏天策机器人科技有限公司 | 一种商用清洁机器人工作区域自动生成方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6674904B1 (en) | Contour tracing and boundary detection for object identification in a digital image | |
WO2015070723A1 (zh) | 眼部图像处理方法和装置 | |
CN107481287A (zh) | 一种基于多标识的物体定位定姿方法及系统 | |
CN107392849B (zh) | 基于图像细分的靶标识别与定位方法 | |
CN115018846B (zh) | 基于ai智能相机的多目标裂纹缺陷检测方法和装置 | |
CN107358628B (zh) | 基于靶标的线阵图像处理方法 | |
CN107527368B (zh) | 基于二维码的三维空间姿态定位方法与装置 | |
CN115908269A (zh) | 视觉缺陷检测方法、装置、存储介质和计算机设备 | |
CN110909640A (zh) | 水位线的确定方法及装置、存储介质、电子装置 | |
CN113362331A (zh) | 图像分割方法、装置、电子设备及计算机存储介质 | |
CN107480666A (zh) | 图像捕获设备及其扫描目标提取方法、装置、存储介质 | |
CN113052754B (zh) | 一种图片背景虚化的方法及装置 | |
CN107230212B (zh) | 一种基于视觉的手机尺寸的测量方法及系统 | |
CN113888574A (zh) | 一种清洁机器人获取可清扫区域面积的方法 | |
CN113283439B (zh) | 基于图像识别的智能计数方法、装置及系统 | |
CN116862910B (zh) | 基于自动化裁切生产的视觉检测方法 | |
CN111401341A (zh) | 一种基于视觉的减速带检测方法、装置及其存储介质 | |
CN113554688B (zh) | 一种基于单目视觉的o型密封圈尺寸测量方法 | |
CN113888512A (zh) | 一种机器人仿真平台 | |
CN113469171A (zh) | 识别sfr测试卡图像中感兴趣区域的方法及装置、介质 | |
CN113901912A (zh) | 一种移动机器人获取目标区域面积的方法 | |
CN113160181B (zh) | 一种基于图像识别的成堆型材计数方法 | |
CN113160182B (zh) | 一种基于图像识别的成堆型材计数系统 | |
CN116883401B (zh) | 一种工业产品生产质量检测系统 | |
CN117456427B (zh) | 一种炼钢转炉的钢水倾倒方法 |
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 |