CN113925390A - 一种基于地图图像的跨区域通道识别方法、机器人及芯片 - Google Patents
一种基于地图图像的跨区域通道识别方法、机器人及芯片 Download PDFInfo
- Publication number
- CN113925390A CN113925390A CN202111214217.9A CN202111214217A CN113925390A CN 113925390 A CN113925390 A CN 113925390A CN 202111214217 A CN202111214217 A CN 202111214217A CN 113925390 A CN113925390 A CN 113925390A
- Authority
- CN
- China
- Prior art keywords
- wall
- robot
- area
- image
- working
- 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
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
- A47L11/24—Floor-sweeping machines, motor-driven
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
- A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
- A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
- A47L11/4002—Installations of electric equipment
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
- A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
- A47L11/4011—Regulation of the cleaning machine by electric means; Control systems and remote control systems therefor
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
- A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
- A47L11/4061—Steering means; Means for avoiding obstacles; Details related to the place where the driver is accommodated
Landscapes
- Image Processing (AREA)
Abstract
本发明公开一种基于地图图像的跨区域通道识别方法、机器人及芯片,该跨区域通道识别方法包括,机器人预先获取原始地图图像,其中,原始地图图像包括第一工作区域的环境信息和第二工作区域的环境信息;在原始地图图像中,提取出第一工作区域与第二工作区域之间的墙体二维图像,再基于墙体二维图像内的连通域识别出有符合通道结构的缺口。提高机器人地图的环境适应性,减少因为机器人越障过程中出现的行进平面的高度变化而产生错误的连通区域信息。
Description
技术领域
本发明涉及地图优化的技术领域,具体涉及一种基于地图图像的跨区域通道识别方法、机器人及芯片。
背景技术
目前,清洁机器人的使用越来越普遍,由于能代替人类从事繁重的家务劳动,深受人类的喜爱。在清洁机器人的一个应用场景中,为了提高用户体验,在用户的手机等智能终端上实时显示清洁机器人的清扫区域,该清扫区域多为房间墙体内的地面。因此,自主定位与建图和导航是清洁机器人实现移动服务的关键技术,地图构建是其中重要组成部分,目前,一种实现方式是通过设置于清洁机器人身上的激光雷达获得清洁机器人所处环境的深度信息,清洁机器人根据该深度信息构建出周围环境的地图图像,然后将所述地图图像发送智能终端进行显示,此时,激光构建的栅格地图依据栅格分辨率划分出的像素图片中,地图表示的环境信息会与实际有偏差,例如存在地图中直线段呈锯齿状、线段会分层叠加、线段有噪点等问题。
另一方面,清洁机器人工作的家居环境下,比如需要穿越的墙体上设置有窗口、或者墙体上设置穿透相邻两个房间的较矮的小部件摆设,当清洁机器人在越障(跨越低矮的玩具障碍物、斜坡、门槛)时,由于本身的高度增加有可能扫射到墙体以外的图像,这样在智能终端上显示的图像中,原本应该是阻挡机器人前进的墙体障碍物却变为墙体背面的环境图像(可能是当前清扫区域以外的图像),但实际上机器人是无法穿过的,使用户以及清洁机器人无法区分墙体的缺口(比如房间的门洞),使得清洁机器人无法正确地区分真正的一个或多个清扫区域。
发明内容
为了克服上述技术缺陷,控制清洁机器人快速准确地跨区域工作,本发明公开一种基于地图图像的跨区域通道识别方法、机器人及芯片,具体技术方案如下:
一种基于地图图像的跨区域通道识别方法,包括以下步骤:机器人预先获取原始地图图像,其中,原始地图图像包括第一工作区域的环境信息和第二工作区域的环境信息;在原始地图图像中,提取出第一工作区域与第二工作区域之间的墙体二维图像,再基于墙体二维图像内的连通域识别出有符合通道结构的缺口。
进一步地,所述提取出第一工作区域与第二工作区域之间的墙体二维图像的方法包括:在原始地图图像中,对第一工作区域和第二工作区域之间的预设边界区域进行腐蚀处理,再从经过腐蚀处理的预设边界区域内提取出墙体二维图像;其中,所述墙体二维图像是机器人的传感器探测到的位于第一工作区域和第二工作区域之间的墙体图像先转换为所述原始地图图像内的一种二维地图图像,再经过腐蚀处理后得到;其中,预设边界区域包括第一工作区域和第二工作区域之间的墙体所在的地面区域,机器人是位于地面上;所述墙体在原始地图图像中的像素值是不同于第一工作区域内的任一障碍物的像素值,所述墙体在原始地图图像中的像素值也不同于第二工作区域内的任一障碍物的像素值。
进一步地,通过使用预设的圆形卷积模板扫描所述预设边界区域的方式,来对第一工作区域和第二工作区域之间的预设边界区域进行腐蚀处理,直到经过腐蚀处理的预设边界区域的黑色像素点的数量比腐蚀处理前的预设边界区域的黑色像素点的数量增加一个预设数量门限值,获得所述墙体二维图像;其中,所述腐蚀处理用于依据前述扫描结果来将白色的像素点修改为黑色的像素点;其中,墙体在原始地图图像中的原始颜色是黑色;其中,预设的圆形卷积模板的覆盖半径与机器人的尺寸相关。
进一步地,所述基于墙体二维图像内的连通域识别出有符合通道结构的缺口的方法包括:在所述墙体二维图像内,代表墙体的像素点在二维空间位置中是连续的且其像素值是相同的;在所述墙体二维图像内,当检测到二维空间位置上相邻的两段墙体之间的宽度大于所述机器人的直径,且该相邻的两段墙体之间的连通域的最小外接多边形的面积大于机器人占据的像素点的面积时,确定该相邻的两段墙体之间的连通域内存在符合通道结构的缺口,使得机器人通过该缺口在所述第一工作区域与所述第二工作区域之间通行;其中,缺口的顶部相对地面的高度是由机器人的传感器的装配高度决定的,机器人的传感器被配置为支持探测到该缺口及其内部的连通域,并将探测结果转换到所述原始地图图像中。
进一步地,在原始地图图像中,先将所述预设边界区域的图像进行二值化处理,得到二值图像;然后对二值图像进行预设次数的腐蚀处理;在预设次数的腐蚀处理的过程中,逐个像素点地将墙体上的非连续位置的像素点填充为黑色,直到经过预设次数的腐蚀处理的预设边界区域的黑色像素点的数量比没有进行腐蚀处理之前的预设边界区域的黑色像素点的数量增加一个预设数量门限值,此时,确定二维空间位置上相邻的两段墙体之间的最小缝隙宽度是1.5倍的所述机器人的直径,且该相邻的两段墙体之间的连通域的最小外接多边形的面积是机器人占据的像素点的面积的2倍。
进一步地,所述第一工作区域和所述第二工作区域都与前述符合通道结构的缺口相连通,使得机器人通过该连通域从所述第一工作区域进入所述第二工作区域,或从所述第二工作区域进入所述第一工作区域;其中,该连通域内存在的符合通道结构的缺口的左右端点分别分布有相互平行的墙体边界线,相互平行的两条墙体边界线在原始地图图像中都标记为连续的黑色线段,以划分出所述第一工作区域和所述第二工作区域;其中,所述第一工作区域和所述第二工作区域都与所述预设边界区域存在重叠区域。
进一步地,所述通过使用预设的圆形卷积模板扫描所述预设边界区域的方式,来对第一工作区域和第二工作区域之间的预设边界区域进行腐蚀处理的具体方法为:将所述预设的圆形卷积模板设置为结构元素,并将所述预设边界区域的对应图像进行二值化处理,得到二值图像;再在该结构元素扫描二值图像的过程中,控制该结构元素与其覆盖的所述二值图像做逻辑与计算,使逻辑与计算的结果作为前述扫描结果;其中,所述二值图像中表示黑色的像素点的像素值设置为0,所述二值图像中表示白色的像素点的像素值设置为1;每次扫描二值图像时,若该结构元素的每个元素与其覆盖的所述二值图像中的对应像素点做逻辑与计算的结果都为1,则保留所述二值图像中的每个像素点的像素值不变,否则该结构元素的中心位置的元素覆盖的像素点的像素值修改为0,实现依据前述扫描结果来将白色的像素点修改为黑色的像素点。
进一步地,所述墙体二维图像中的墙体包括虚拟墙或,被预先配置为划分所述第一工作区域和所述第二工作区域的的一种边界形态,且不允许机器人通过;其中,该虚拟墙以黑色像素点的形式显示在所述原始地图图像中。
进一步地,所述预设边界区域包括所述第一工作区域和所述第二工作区域之间的墙体及其相邻栅格区域,该相邻栅格区域的范围等效于:所述第一工作区域和所述第二工作区域之间的墙体的外围的至多两圈栅格区域;其中,所述原始地图图像是由机器人及时构建的栅格地图转换得到的。
一种机器人,所述机器人包括:机器人主体;设于所述机器人主体上的行走机构;设于所述机器人主体上的激光传感器,激光传感器用于获取第一工作区域的环境信息和第二工作区域的环境信息以构建起原始地图图像;控制器,所述控制器内置于所述机器人主体中,与所述激光传感器连接;所述控制器包括:至少一个处理器,以及存储器,所述存储器与所述至少一个处理器通信连接,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述机器人实现所述的一种基于地图图像的跨区域通道识别方法。
一种芯片,所述芯片存储有计算机可执行指令,当所述计算机可执行指令被所述芯片执行时实现如所述的一种基于地图图像的跨区域通道识别方法。
与现有技术相比,本发明的有益技术效果在于:将机器人的传感器实际获取的墙体图像转换到所述原始地图图像后,又在所述预设边界区域经过腐蚀处理之后,形成的一种二维地图图像,这一二维地图图像是作为跨区域通道的判断条件,从而避免将原本应该是阻挡机器人前进的墙体障碍物识别为墙体背面的环境图像(可能是当前清扫区域以外的图像),并由机器人定义为无法穿过的位置区域,以区分出真正具备通道结构的缺口
另一方面,借助地图图像的图像处理技术,包括腐蚀操作,简化障碍物的数量及尺寸的计算步骤,满足机器人定位的实时性需求,也提高机器人地图的环境适应性,不会因为机器人越障过程中出现的行进平面的高度变化而产生错误的连通区域信息。
附图说明
图1为本发明一种实施例公开的一种基于地图图像的跨区域通道识别方法的流程图。
图2为本发明另一种实施例公开的一种基于地图图像的跨区域通道识别方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行详细描述。应当理解,下面所描述的具体实施例仅用于解释本发明,并不用于限定本发明。在下面的描述中,给出具体细节以提供对实施例的透彻理解。然而,本领域的普通技术人员将理解,可以在没有这些具体细节的情况下实施实施例。例如,电路可以在框图中显示,避免在不必要的细节中使实施例模糊。在其他情况下,为了不混淆实施例,可以不详细显示公知的电路、结构和技术。
在一些情况下,清洁机器人在越障(跨越低矮的玩具障碍物、斜坡、门槛)时,由于本身的高度增加有可能扫射到比预先设置的行进平面更高的位置处图像,尤其是需要穿越的墙体(两个工作区域之间的边界处的墙体)上设置有打开的窗口、或者相邻两个房间区域之间的墙体上设置穿透相邻两个房间的较矮的部件摆设这一类以墙体为分界的室内工作环境下,清洁机器人在越障时可能探测到当前工作区域以外图像,具体是在受当前工作区域边界处墙体障碍物阻挡而不能通行的二维位置处,出现该边界处墙体的背面的可通行区域的图像,其中,墙体障碍物的正面处于移动机器人的探测范围内,这样,当前受探测的墙体障碍物的位置在及时构建出所述二维点云地图中会标记出当前工作区域以外的图像,容易引起机器人的误判,无法区分出真正具备跨区域通行效果的通道。这样一来,清洁机器人,如扫地机器人,在家庭室内进行清扫时,通过遍历整个户型区域的方式完成清扫,若无法区分不同的房间及相应区域的连通通道,机器人会反复进出同一个房间,或在不同房间之间交替出现,需要反复多次进出才能完成对一个房间的清扫任务,从而直接导致清扫效率低,间接导致重复清扫、漏扫等现象,降低用户体验度。值得注意的是,在本实施例中,两个工作区域之间的边界处的墙体上设置有打开的窗口存在窗框,使得探测的窗口的缝隙宽度较小,不足以允许机器人穿行;而且,相邻两个房间区域之间的墙体上设置穿透相邻两个房间的较矮的部件摆设中,由于装饰部件占据空间不容忽视,使得探测到二维平面上的缝隙宽度也不足以允许机器人穿行。需要说明的是,本发明将墙体障碍物简称为墙体,二者是属于隔开相邻两个房间区域的墙体。
为了克服前述的技术缺陷,本发明一实施例公开一种基于地图图像的跨区域通道识别方法,如图1所示,基本的步骤具体包括:
机器人预先获取原始地图图像,其中,原始地图图像包括第一工作区域的环境信息和第二工作区域的环境信息;本发明实施例公开的一种基于地图图像的跨区域通道识别方法的执行主体是移动机器人,尤其是行走于地表面的清洁机器人、安防巡视机器人等。这一移动机器人安装有传感器去探测周围环境的二维点云数据,及时构建出二维点云地图,传感器可以采用任意类型的深度信息采集设备,包括但不限于激光传感器、单目相机、双目相机等,且传感器在机器人的机体上的安装数目可以是一个或多个。在一些实施例中,移动机器人还包括通信装置,用于将已构建的二维点云地图对应的地图图像发送给电子设备,再在电子设备的显示屏幕上显示该地图图像,用户通过查看该地图图像可以了解机器人的可通行区域。其中,移动机器人内部的控制器实时读取传感器采集到的深度图像,构建起点云模型以创建点云地图,通过将像素坐标转换为世界坐标,将点云地图投影并转换为可用于导航的二维栅格地图,即所述二维点云地图,反映移动机器人在行进平面所探测的环境信息,然后,该二维点云地图通过执行预设算法进行地图构图以生成对应的地图图像,即所述原始地图图像,并随之转换出与所述二维点云地图的点云位置一一对应的二维的路标信息,以便于在原始地图图像内进行相关的图像处理操作,优化该原始地图图像的可视化效果和搜索出符合机器人真正通行的地图信息。相对于先对传感器采集到的深度图像进行图像优化再转换为二维点云地图的方式,本发明实施例的先建图再优化地图图像的方式,让地图图像更加接近机器人实际活动环境状态,减少出现环境信息误判的情况。
然后,在原始地图图像中,提取出第一工作区域与第二工作区域之间的墙体二维图像,再基于墙体二维图像内的连通域识别出有符合通道结构的缺口。其中,墙体二维图像是原始地图图像中的墙体图像经过图像处理后获得一种二维图像,实质上是属于第一工作区域与第二工作区域之间的墙体在机器人行进平面上的投影图像。位于墙体二维图像中的连通域是以空白通道的形式显示在所述原始地图图像内,空白通道是指连通第一工作区域与第二工作区域的区域,是属于机器人可通过的通路,然后具体识别到符合通道结构的缺口,是识别出经过图像优化获得的墙体二维图像中的二维缺口位置图像,如墙体下方的门洞的二维位置图像,尽管机器人实际工作场景中的门洞(缺口)具有一定特征,包括三维形状特征及尺寸特征等,但在本实施例中,具体转换到墙体二维图像中的连通域中,才基于墙体二维图像内的连通域识别出有符合通道结构的缺口,包括从二维平的尺寸特征及形状特征等进行判断识别出符合通道结构的缺口。从而避免将原本应该是阻挡机器人前进的墙体障碍物识别为墙体背面的环境图像(可能是当前清扫区域以外的图像),并由机器人定义为无法穿过的位置区域,以区分出真正具备通道结构的缺口,比如机器人实际工作场景中的房间的门洞,使得机器人由墙体划分的边界来区分出真正的一个或多个清扫区域,无需借助历史地图数据,借助地图图像的图像处理技术,包括图像腐蚀操作等,提高机器人地图的环境适应性,减少因为机器人越障过程中出现的行进平面的高度变化而产生错误的连通区域定位信息。
需要说明的是,机器人实时探测到的所述墙体后,本实施例等效于将所述墙体的实时探测数据投影于所述原始地图图像内,形成所述墙体所在的地面区域;在一些实施例中,通过区域连通域算法(Connected Components With Stats) 将所述墙体构建为所述原始地图图像的二维平面边界,使得所述墙体的探测数据被机器人转换为所述墙体所在的地面区域,可以是理解为实际探测到的属于墙体的轮廓边界线段投影于地面的线段,用于划分出所述第一工作区域和所述第二工作区域;在利用所述区域连通域算法对所述原始地图图像进行区域划分后,所述原始地图图像可以分割成多个连通区域,包括所述第一工作区域和所述第二工作区域。
作为一种实施例,结合图2可知,所述跨区域通道识别方法包括:
首先,在预先获取的原始地图图像中,对第一工作区域和第二工作区域之间的预设边界区域进行腐蚀处理,其中,预设边界区域包括第一工作区域和第二工作区域之间的墙体所在的地面区域,等效于预设边界区域包围墙体所在的地面区域的轮廓,该墙体用于在原始地图图像中割出第一工作区域和第二工作区域;机器人是位于地面上,机器人在地面上预先构建并转换出所述原始地图图像;所述墙体在原始地图图像中的像素值是不同于第一工作区域内的任一障碍物的像素值,所述墙体在原始地图图像中的像素值也不同于第二工作区域内的任一障碍物的像素值,在一些实施例中,墙体所在的地面区域反映到原始地图图像中的像素值为230至255,视为由黑色的像素点组成的框体表示,可以表示为墙体障碍区,其中,墙体在原始地图图像中的原始颜色是黑色;墙体所在的地面区域之外的区域的像素值,包括第二工作区域内的任一障碍物的像素值和第一工作区域内的任一障碍物的像素值,都设置在210至230之间;贯穿墙体两侧的自由通行区域(自由区域)的像素值设置为0;本实施例可以使用白色的发射状区域表示贯穿墙体两侧的自由区域(包括连通域),同时可以使用灰色的框体表示非墙体的障碍物,其中,前述墙体障碍区、第二工作区域内的任一障碍物和第一工作区域内的任一障碍物组成所述原始地图图像内的障碍物区。若考虑到机器人在越障过程中探测到的环境信息,则所述原始地图图像中可能包括墙体、贯穿墙体的连通区域(包括墙体上设置穿透相邻两个区域的较矮的部件摆设、墙体上设置的打开的窗口、两个房间之间的墙体上的门洞)、围成第一工作区域的边界的墙体之外的区域、以及围成第二工作区域的边界的墙体之外的区域,其中,本发明实施例的目的即是去除墙体上设置穿透相邻两个区域的较矮的部件摆设、以及墙体上设置的打开的窗口这一类非墙体的门洞的连通区域,因此,本实施例通过使用预设的圆形卷积模板扫描所述预设边界区域的方式,来对第一工作区域和第二工作区域之间的预设边界区域进行腐蚀处理,其中,预设的圆形卷积模板的覆盖半径与机器人的尺寸相关,优选地,预设的圆形卷积模板的覆盖半径等于机器人的机体宽度(机器人的机体直径),便于通过优化所述墙体被机器人探测并构建成的地面区域对应的图像(即对应前述墙体所在的地面区域),来剔除不适应机器人通行的缝隙宽度的连通区域,其中,这一类的连通区域反映出的是机器人不能直线通行的另一侧的工作区域,比如,位于第一工作区域的机器人将第二工作区域的某一工作位置信息填充到墙体位置处,代替原本处于第一工作区域和第二工作区域之间的局部墙体位置,导致清洁机器人无法正确地区分真正的一个或多个清扫区域。
然后,从经过腐蚀处理的预设边界区域内提取出墙体二维图像,具体方法为,当经过腐蚀处理的预设边界区域的黑色像素点的数量比腐蚀处理前的预设边界区域的黑色像素点的数量增加一个预设数量门限值,获得所述墙体二维图像;其中,所述墙体二维图像是机器人的传感器探测到的位于第一工作区域和第二工作区域之间的墙体图像先转换为所述原始地图图像内的一种二维地图图像,再经过腐蚀处理后得到。所述腐蚀处理用于依据前述预设的圆形卷积模板在所述预设边界区域的扫描结果(理解为卷积结果)来将白色的像素点修改为黑色的像素点,即通过腐蚀处理的技术手段将遍历到的不合理的缝隙宽度的连通区域(包括墙体上设置穿透相邻两个区域的较矮的部件摆设、以及墙体上设置的打开的窗口)腐蚀为墙体区域(使用墙体所在的地面区域的像素值描述的区域),在所述墙体二维图像内保留下来的贯穿墙体的连通区域能够让机器人自由穿行于所述第一工作区域和所述第二工作区域之间,在提取所述墙体二维图像时,尽管相应的图像也经过腐蚀处理而有所缩小,但是缩小量是处于一个范围区间内,不影响本发明实施例目的的实现;此时,经过腐蚀处理的墙体所在的地面区域以及保留下来的贯穿墙体的连通区域组成所述墙体二维图像。
在其中一些实施例中,由于墙体和墙体内的通道(贯穿墙体的连通域)的像素值不同,且经过腐蚀处理的预设边界区域中的墙体的厚度会增加,所以,经过腐蚀处理的预设边界区域的黑色像素点组成的框体的面积比腐蚀处理前的预设边界区域的黑色像素点组成的框体的面积大一个预设面积门限值,前述的腐蚀处理将预设边界区域中面积较小且零星分布的白色连通域(即使该白色连通域是贯穿墙体的连通区域)改变为黑色像素点代表的墙体障碍区,相当于删除面积等于预设面积门限值的不合理的缝隙宽度的连通区域(包括墙体上设置穿透相邻两个区域的较矮的部件摆设、以及墙体上设置的打开的窗口),导致:经过腐蚀处理的预设边界区域的黑色像素点的数量比腐蚀处理前的预设边界区域的黑色像素点的数量增加一个预设数量门限值,从而在所述预设边界区域内组成所述墙体二维图像。
最后,在所述墙体二维图像内,当检测到二维空间位置上相邻的两段墙体之间的宽度大于所述机器人的直径,且该相邻的两段墙体之间的连通域的最小外接多边形的面积大于机器人占据的像素点的面积时,确定该相邻的两段墙体之间的连通域内存在符合通道结构的缺口,该相邻的两段墙体之间形成的缝隙是允许机器人自由穿行于第一工作区域与第二工作区域之间,且准确服务于所述原始地图图像内真正需要工作区域, 不受墙体上设置穿透相邻两个区域的较矮的部件摆设、以及墙体上设置的打开的窗口(这一类的前述不合理的缝隙宽度的连通区域)反映出的墙体边界之外的工作区域的影响,此时,机器人获得墙体及其内部真正可通行的区域,即机器人真正工作的区域。用户可以通过查看电子设备屏幕上的地图图像,真实了解机器人的工作区域,实现基于墙体二维图像内的连通域识别出有符合通道结构的缺口。因此该实施例将一些零散分布的前述不合理的缝隙宽度的连通区域经过腐蚀融合成一体,使得移动机器人结合所述墙体二维图像导航时,机器人可以根据任务需求通过该符合通道结构的缺口在所述第一工作区域与所述第二工作区域之间通行,在行走过程中不会朝这些不合理的缝隙宽度的连通区域行走,从而使得移动机器人远离这些阻挡机器人前进的墙体障碍物,提高移动机器人行走的安全性。
优选地,在所述原始地图图像中,先将所述预设边界区域的图像进行二值化处理,得到二值图像;然后对二值图像进行预设次数的腐蚀处理;在预设次数的腐蚀处理的过程中,逐个像素点地将墙体上的非连续位置的像素点填充为黑色,直到经过预设次数的腐蚀处理的预设边界区域的黑色像素点的数量比没有进行腐蚀处理之前的预设边界区域的黑色像素点的数量增加一个所述预设数量门限值,在腐蚀处理的次数和预设边界区域的黑色像素点的数量的增量都满足对应的阈值时,确定二维空间位置上相邻的两段墙体之间的最小缝隙宽度是1.5倍的所述机器人的直径,且该相邻的两段墙体之间的连通域的最小外接多边形的面积是机器人占据的像素点的面积的2倍。其中,所述原始地图图像是反映前述二维空间位置的二维环境信息的地图图像,是由机器人的传感器预先探测并构建出的,支持后续的图像优化操作。需要说明的是,使得代表墙体的像素点在二维空间位置中是连续的且其像素值是相同的;所述墙体二维图像是机器人的传感器实际获取的墙体图像(可能是三维点云组成的墙体模型)转换到所述原始地图图像后,又在所述预设边界区域经过腐蚀处理之后,形成的一种二维地图图像,包括前述墙体所在的地面区域经过腐蚀处理之后获得的图像。另一方面,缺口的顶部相对地面的高度是由机器人的传感器的装配高度决定的,机器人的传感器被配置为支持探测到该缺口及其内部的连通域,并将传感器的探测结果转换到所述原始地图图像中,并能接受前述的跨区域通道识别方法的处理。在一些实施例中,所述预设次数与所述预设数量门限值成正比,所述预设次数设置为4至6次。
具体地,前述二维空间位置上相邻的两段墙体之间的最小缝隙宽度是1.5倍的所述机器人的直径,且该相邻的两段墙体之间的连通域的最小外接多边形的面积是机器人占据的像素点的面积的2倍,该相邻的两段墙体之间的缺口符合通道结构;其中,前述二维空间位置上相邻的两段墙体之间的最小缝隙宽度是大于所述机器人的直径,具备机器人通行的路径宽度条件;本实施例在可以确定存在符合通道结构的缺口的状态下,限定该缺口的左右两侧墙体之间的连通域的最小外接多边形的面积与机器人的机体面积的大小关系,为机器人预留部分避障空间,特别地,该缺口的左右两侧墙体之间的连通域的最小外接多边形的面积是大于机器人的面积,为机器人提供穿越墙体的自主规划时间和空间,进而机器人占据的像素点的面积的2倍以及1.5倍的所述机器人的直径都可以设置为机器人穿越墙体的安全值,起到约束机器人跨区域行为的作用,降低机器人直接与墙体内的障碍物碰撞的概率。
在前述实施例中,所述第一工作区域和所述第二工作区域都与二维空间位置上相邻的两段墙体之间的连通域连通,具体地,所述第一工作区域的自由区域和所述第二工作区域的自由区域都与前述符合通道结构的缺口相连通,使得机器人通过该连通域从所述第一工作区域进入所述第二工作区域,或从所述第二工作区域进入所述第一工作区域;优选地,该连通域内存在的符合通道结构的缺口的左右端点分别分布有相互平行的墙体边界线,相互平行的两条墙体边界线在原始地图图像中都标记为连续的黑色线段,以划分出所述第一工作区域和所述第二工作区域;缺口左右两侧的墙体的边界线相互平行,在一些实施例中,所述符合通道结构的缺口可以是房间的门洞,门洞两侧的障碍物是同一房间内的四面墙壁,四面墙壁是连续的、一体的,不属于孤立障碍物,所以,机器人沿着该缺口的任一侧墙体行走进入该缺口时不容易被墙体困住。另外,符合通道结构的缺口的左右两侧的墙体也可以近似为平行,因为激光构建的栅格地图依据栅格分辨率划分出的像素图片中,地图表示的环境信息会与实际有偏差。需要补充的是,所述第一工作区域和所述第二工作区域都与所述预设边界区域存在重叠区域,这是构建出所述原始地图图像后,为了对所述第一工作区域和所述第二工作区域之间的墙体所在的地面区域对应的图像进行腐蚀处理而确定的。
作为一种实施例,所述通过使用预设的圆形卷积模板扫描所述预设边界区域的方式,来对第一工作区域和第二工作区域之间的预设边界区域进行腐蚀处理的具体方法为:
将所述预设的圆形卷积模板设置为结构元素,并将所述预设边界区域的对应图像进行二值化处理,具体是将所述预设边界区域在所述原始地图图像中覆盖到的二维图像区域进行二值化处理,得到二值图像。其中,所述预设的圆形卷积模板作为圆形结构元素,由于各向同性,因此可以得到与方向无关的卷积运算结果。然后在该结构元素扫描二值图像的过程中,控制该结构元素与其覆盖的所述二值图像做逻辑与计算,使逻辑与计算的结果作为前述扫描结果,其中,所述二值图像中表示黑色的像素点的像素值设置为0,所述二值图像中表示白色的像素点的像素值设置为1。需要说明的是,所述二值图像可以指由像素点而不是数学向量组成的点阵图像,为了存储和数据处理上的便捷,所述二值图像中的每个像素点不是黑就是白,其像素值没有中间过渡的数值,所有的像素点只能从0和1这两个像素值中取。优选地,如果所述原始地图图像中预设边界区域为彩色图像,则可以将该彩色图像所有像素点进行灰度转换,并将转换得到的二值图像的各个像素点的像素值与预设像素阈值进行比较,如果大于预设像素阈值,则将该像素点的像素值修改为1即白色,否则修改为0即黑色。
所述预设的圆形卷积模板每次扫描所述二值图像时,若所述预设的圆形卷积模板的每个元素与其覆盖的所述二值图像中的对应像素点做逻辑与计算的结果都为1,则保留所述二值图像中的每个像素点的像素值不变,否则该结构元素的中心位置的元素覆盖的像素点的像素值修改为0,实现依据前述扫描结果来将白色的像素点修改为黑色的像素点。具体地,所述二值图像在计算机存储设备中以整数矩阵形式存储,每一个像素点的邻域有8个像素点。本实施例中,为了执行腐蚀处理,所述预设的圆形卷积模板扫描所述二值图像的过程中,对于被所述预设的圆形卷积模板的中心框定的每一个像素点,在所述预设的圆形卷积模板框定的图像区域内,如果该像素点本身及邻域8个像素点中有一个像素值不为1,则使该像素值为0,反之,所述预设的圆形卷积模板当前框定的所有像素点的像素值都保持原值不变,如此,可以将所述二值图像中的白色连通域缩小,也会将对于图像间距相对较小的(例如小于预设间距阈值)区域填充为障碍区或墙体障碍区,实现依据前述扫描结果来将白色的像素点修改为黑色的像素点;所述预设的圆形卷积模板完成对所述二值图像的所有像素点的扫描后,基于前述实施例对所述墙体二维图像的定义,可以在所述二值图像中可以提取出所述墙体二维图像,其中,提取出的所述墙体二维图像是属于二值化的图像,其像素点的像素值只有1和0。基于前述实施例,墙体所在的地面区域的轮廓经过腐蚀处理后,等效于所述墙体二维图像的边界线,其中,所述墙体二维图像的面积大于所述墙体所在的地面区域的面积。
在前述实施例中,所述预设边界区域包括所述第一工作区域和所述第二工作区域之间的墙体及其相邻栅格区域,该相邻栅格区域的范围等效于:所述第一工作区域和所述第二工作区域之间的墙体的外围的至多两圈栅格区域,是所述预设边界区域的边界线与墙体在地面投影的轮廓之间的图像区域;其中,所述原始地图图像是由机器人及时构建的栅格地图转换得到的,则所述预设边界区域可以是以所述墙体所在的地面区域的任一个栅格为中心的4邻域、8邻域或12邻域组成的栅格区域,可以是以所述符合通道结构的缺口的左右两侧的10 、15 、20或30个栅格范围,其中,栅格数量10 、15 、20或30仅为示例性说明。优选地,所述原始地图图像可以进行二值化处理,以允许每个栅格对应的像素点以黑色或白色的方式显示,则所述原始栅格地图包括障碍物区域和自由区域(空白区域),所述预设边界区域包括墙体障碍区和空白区域,障碍物区域包括墙体障碍区;对二值化后的所述预设边界区域进行腐蚀处理的过程中,产生的腐蚀效果为:若所述预设边界区域为单个栅格,则经过腐蚀处理后,相应的墙体障碍区可以变为3*3 的栅格区域,若所述预设边界区域为N*M的栅格区域,则经过腐蚀处理后,相应的墙体障碍区变为为(N+2) * (M+2) 的栅格区域。从而完成所述预设边界区域的定义,为其内部的墙体在地面的投影区域的腐蚀处理扩展必要的区域,以填充不具备机器人通行条件的连通域。
优选地,所述墙体二维图像中的墙体包括虚拟墙,被预先配置为划分所述第一工作区域和所述第二工作区域的的一种边界形态,且不允许机器人通过;其中,该虚拟墙以黑色像素点的形式显示在所述原始地图图像中。本实施例能够在所述原始地图图像中增设或删除虚拟墙,增删的位置可以存在实际的墙体或不存在实际的墙体,从而配合实际的墙体的分布位置来丰富所述原始地图图像的区域划分模式,更加灵活地限定机器人的实际通行区域或工作区域。
本发明还公开一种机器人,该机器人可以是行走于地面的清洁机器人、巡检机器人等。所述机器人包括:机器人主体,机器人主体是机器人的主体结构;设于所述机器人主体上的行走机构,可以根据机器人的实际需要,选用相应的形状结构及制造材质(如硬质塑料或者铝、铁等金属),在一些实施例中,如设置为扫地机器人常见的较为扁平的圆柱形。行走机构设置于机器人主体上,是为机器人提供移动能力的结构装置。该行走机构具体可以采用任何类型的移动装置实现,例如滚轮、履带式等。设于所述机器人主体上的激光传感器,激光传感器用于获取第一工作区域的环境信息和第二工作区域的环境信息以构建起原始地图图像;控制器,所述控制器内置于所述机器人主体中,与所述激光传感器连接,在激光传感器获得第一工作区域和第二工作区域的环境信息后,执行预设的算法进行地图构图并转换至二维平面以获得所述原始地图图像。所述控制器包括至少一个处理器,以及存储器,所述存储器与所述至少一个处理器通信连接,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述机器人实现前述实施例公开的一种基于地图图像的跨区域通道识别方法。从而避免将原本应该是阻挡机器人前进的墙体障碍物识别为墙体背面的环境图像(可能是当前清扫区域以外的图像),使得机器人由墙体划分的边界来区分出真正的一个或多个清扫区域,无需借助历史地图数据,借助地图图像的图像处理技术,包括图像膨胀操作、腐蚀操作等,提高机器人地图的环境适应性,减少因为机器人越障过程中出现的行进平面的高度变化而产生错误的连通区域信息。
所述至少一个处理器可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据地图图像处理装置的使用所创建的数据等。此外,所述至少一个处理器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,所述至少一个处理器可选地包括相对于相应的处理器远程设置的存储器,这些远程存储器可以通过网络连接至机器人。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。
一种芯片,所述芯片存储有计算机可执行指令,当所述计算机可执行指令被所述芯片执行时实现如前述实施例所述的一种基于地图图像的跨区域通道识别方法。一方面,本申请可在软件和/或软件与硬件的组合体中被实施,例如,可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例 中,本申请的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地,本申请的 软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中,例如,RAM存储器、磁盘或光驱动器或软磁盘及类似设备。另外,本申请的一些步骤或功能可采用硬件来实现,例如,作为与处理器配合从而执行各个步骤或功能的电路。
另外,本申请的一部分可被应用为计算机程序产品,例如计算机程序指令,当其被计算机执行时,通过该计算机的操作,可以调用或提供根据本申请的方法和/或技术方案。而调用本申请的方法的程序指令,可能被存储在固定的或可移动的记录介质中,和/或通过广播或其他信号承载媒体中的数据流而被传输,和/或被存储在根据所述程序指令运行的计算机设备的工作存储器中。在此,根据本申请的一个实施例包括一个装置,该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器,其中,当该计算机程序指令被该处理器执行时,触发该装置运行基于前述的多个实施例的方法和/或技术方案。
上述产品可执行本申请实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本申请实施例所提供的一种基于地图图像的跨区域通道识别方法。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例系统中的模块或单元可以根据实际需要进行合并、划分和删减。
Claims (11)
1.一种基于地图图像的跨区域通道识别方法,其特征在于,包括以下步骤:
机器人预先获取原始地图图像,其中,原始地图图像包括第一工作区域的环境信息和第二工作区域的环境信息;
在原始地图图像中,提取出第一工作区域与第二工作区域之间的墙体二维图像,再基于墙体二维图像内的连通域识别出有符合通道结构的缺口。
2.根据权利要求1所述跨区域通道识别方法,其特征在于,所述提取出第一工作区域与第二工作区域之间的墙体二维图像的方法包括:
在原始地图图像中,对第一工作区域和第二工作区域之间的预设边界区域进行腐蚀处理,再从经过腐蚀处理的预设边界区域内提取出墙体二维图像;
其中,所述墙体二维图像是机器人的传感器探测到的位于第一工作区域和第二工作区域之间的墙体图像先转换为所述原始地图图像内的一种二维地图图像,再经过腐蚀处理后得到;
其中,预设边界区域包括第一工作区域和第二工作区域之间的墙体所在的地面区域,机器人是位于地面上;所述墙体在原始地图图像中的像素值是不同于第一工作区域内的任一障碍物的像素值,所述墙体在原始地图图像中的像素值也不同于第二工作区域内的任一障碍物的像素值。
3.根据权利要求2所述跨区域通道识别方法,其特征在于,通过使用预设的圆形卷积模板扫描所述预设边界区域的方式,来对第一工作区域和第二工作区域之间的预设边界区域进行腐蚀处理,直到经过腐蚀处理的预设边界区域的黑色像素点的数量比腐蚀处理前的预设边界区域的黑色像素点的数量增加一个预设数量门限值,获得所述墙体二维图像;
其中,所述腐蚀处理用于依据前述扫描结果来将白色的像素点修改为黑色的像素点;其中,墙体在原始地图图像中的原始颜色是黑色;
其中,预设的圆形卷积模板的覆盖半径与机器人的尺寸相关。
4.根据权利要求3所述跨区域通道识别方法,其特征在于,所述基于墙体二维图像内的连通域识别出有符合通道结构的缺口的方法包括:
在所述墙体二维图像内,代表墙体的像素点在二维空间位置中是连续的且其像素值是相同的;
在所述墙体二维图像内,当检测到二维空间位置上相邻的两段墙体之间的宽度大于所述机器人的直径,且该相邻的两段墙体之间的连通域的最小外接多边形的面积大于机器人占据的像素点的面积时,确定该相邻的两段墙体之间的连通域内存在符合通道结构的缺口,使得机器人通过该缺口在所述第一工作区域与所述第二工作区域之间通行;
其中,缺口的顶部相对地面的高度是由机器人的传感器的装配高度决定的,机器人的传感器被配置为支持探测到该缺口及其内部的连通域,并将探测结果转换到所述原始地图图像中。
5.根据权利要求3所述跨区域通道识别方法,其特征在于,在原始地图图像中,先将所述预设边界区域的图像进行二值化处理,得到二值图像;然后对二值图像进行预设次数的腐蚀处理;
在预设次数的腐蚀处理的过程中,逐个像素点地将墙体上的非连续位置的像素点填充为黑色,直到经过预设次数的腐蚀处理的预设边界区域的黑色像素点的数量比没有进行腐蚀处理之前的预设边界区域的黑色像素点的数量增加一个预设数量门限值,此时,确定二维空间位置上相邻的两段墙体之间的最小缝隙宽度是1.5倍的所述机器人的直径,且该相邻的两段墙体之间的连通域的最小外接多边形的面积是机器人占据的像素点的面积的2倍。
6.根据权利要求4所述跨区域通道识别方法,其特征在于,所述第一工作区域和所述第二工作区域都与前述符合通道结构的缺口相连通,使得机器人通过该连通域从所述第一工作区域进入所述第二工作区域,或从所述第二工作区域进入所述第一工作区域;
其中,该连通域内存在的符合通道结构的缺口的左右端点分别分布有相互平行的墙体边界线,相互平行的两条墙体边界线在原始地图图像中都标记为连续的黑色线段,以划分出所述第一工作区域和所述第二工作区域;
其中,所述第一工作区域和所述第二工作区域都与所述预设边界区域存在重叠区域。
7.根据权利要求5所述跨区域通道识别方法,其特征在于,所述通过使用预设的圆形卷积模板扫描所述预设边界区域的方式,来对第一工作区域和第二工作区域之间的预设边界区域进行腐蚀处理的具体方法为:
将所述预设的圆形卷积模板设置为结构元素,并将所述预设边界区域的对应图像进行二值化处理,得到二值图像;
再在该结构元素扫描二值图像的过程中,控制该结构元素与其覆盖的所述二值图像做逻辑与计算,使逻辑与计算的结果作为前述扫描结果;其中,所述二值图像中表示黑色的像素点的像素值设置为0,所述二值图像中表示白色的像素点的像素值设置为1;
每次扫描二值图像时,若该结构元素的每个元素与其覆盖的所述二值图像中的对应像素点做逻辑与计算的结果都为1,则保留所述二值图像中的每个像素点的像素值不变,否则该结构元素的中心位置的元素覆盖的像素点的像素值修改为0,实现依据前述扫描结果来将白色的像素点修改为黑色的像素点。
8.根据权利要求4所述跨区域通道识别方法,其特征在于,所述墙体二维图像中的墙体包括虚拟墙或,被预先配置为划分所述第一工作区域和所述第二工作区域的的一种边界形态,且不允许机器人通过;
其中,该虚拟墙以黑色像素点的形式显示在所述原始地图图像中。
9.根据权利要求2至5任一项所述跨区域通道识别方法,所述预设边界区域包括所述第一工作区域和所述第二工作区域之间的墙体及其相邻栅格区域,该相邻栅格区域的范围等效于:所述第一工作区域和所述第二工作区域之间的墙体的外围的至多两圈栅格区域;
其中,所述原始地图图像是由机器人及时构建的栅格地图转换得到的。
10.一种机器人,其特征在于,所述机器人包括:
机器人主体;
设于所述机器人主体上的行走机构;
设于所述机器人主体上的激光传感器,激光传感器用于获取第一工作区域的环境信息和第二工作区域的环境信息以构建起原始地图图像;
控制器,所述控制器内置于所述机器人主体中,与所述激光传感器连接;
所述控制器包括:
至少一个处理器,以及存储器,所述存储器与所述至少一个处理器通信连接,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述机器人实现权利要求1至9任一项所述的一种基于地图图像的跨区域通道识别方法。
11.一种芯片,其特征在于,所述芯片存储有计算机可执行指令,当所述计算机可执行指令被所述芯片执行时实现如权利要求1至9任一项所述的一种基于地图图像的跨区域通道识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111214217.9A CN113925390B (zh) | 2021-10-19 | 2021-10-19 | 一种基于地图图像的跨区域通道识别方法、机器人及芯片 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111214217.9A CN113925390B (zh) | 2021-10-19 | 2021-10-19 | 一种基于地图图像的跨区域通道识别方法、机器人及芯片 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113925390A true CN113925390A (zh) | 2022-01-14 |
CN113925390B CN113925390B (zh) | 2022-09-09 |
Family
ID=79280236
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111214217.9A Active CN113925390B (zh) | 2021-10-19 | 2021-10-19 | 一种基于地图图像的跨区域通道识别方法、机器人及芯片 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113925390B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110687903A (zh) * | 2018-06-19 | 2020-01-14 | 速感科技(北京)有限公司 | 可移动机器人受困判断方法、装置与运动控制方法、装置 |
CN114777759A (zh) * | 2022-03-23 | 2022-07-22 | 北京石头创新科技有限公司 | 机器人地图中障碍物的标记方法及装置 |
WO2023193567A1 (zh) * | 2022-04-08 | 2023-10-12 | 追觅创新科技(苏州)有限公司 | 机器人的移动控制方法和装置、存储介质及电子装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105577986A (zh) * | 2016-01-25 | 2016-05-11 | 上海厚安信息技术有限公司 | 基于膨胀腐蚀的图像处理系统及图像处理方法 |
DE102016108513A1 (de) * | 2016-05-09 | 2017-11-09 | Vorwerk & Co. Interholding Gmbh | System und ein Verfahren zur Reinigung eines Fußbodens mit einem Reinigungsroboter |
CN109493301A (zh) * | 2018-12-25 | 2019-03-19 | 深圳市银星智能科技股份有限公司 | 一种地图图像处理方法、装置和机器人 |
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 |
US20210213619A1 (en) * | 2018-08-30 | 2021-07-15 | Samsung Electronics Co., Ltd. | Robot and control method therefor |
CN113269838A (zh) * | 2021-05-20 | 2021-08-17 | 西安交通大学 | 一种基于fira平台的障碍物视觉检测方法 |
-
2021
- 2021-10-19 CN CN202111214217.9A patent/CN113925390B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105577986A (zh) * | 2016-01-25 | 2016-05-11 | 上海厚安信息技术有限公司 | 基于膨胀腐蚀的图像处理系统及图像处理方法 |
DE102016108513A1 (de) * | 2016-05-09 | 2017-11-09 | Vorwerk & Co. Interholding Gmbh | System und ein Verfahren zur Reinigung eines Fußbodens mit einem Reinigungsroboter |
US20210213619A1 (en) * | 2018-08-30 | 2021-07-15 | Samsung Electronics Co., Ltd. | Robot and control method therefor |
CN109493301A (zh) * | 2018-12-25 | 2019-03-19 | 深圳市银星智能科技股份有限公司 | 一种地图图像处理方法、装置和机器人 |
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 |
CN113269838A (zh) * | 2021-05-20 | 2021-08-17 | 西安交通大学 | 一种基于fira平台的障碍物视觉检测方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110687903A (zh) * | 2018-06-19 | 2020-01-14 | 速感科技(北京)有限公司 | 可移动机器人受困判断方法、装置与运动控制方法、装置 |
CN110687903B (zh) * | 2018-06-19 | 2022-07-08 | 速感科技(北京)有限公司 | 可移动机器人受困判断方法、装置与运动控制方法、装置 |
CN114777759A (zh) * | 2022-03-23 | 2022-07-22 | 北京石头创新科技有限公司 | 机器人地图中障碍物的标记方法及装置 |
WO2023193567A1 (zh) * | 2022-04-08 | 2023-10-12 | 追觅创新科技(苏州)有限公司 | 机器人的移动控制方法和装置、存储介质及电子装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113925390B (zh) | 2022-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113925390B (zh) | 一种基于地图图像的跨区域通道识别方法、机器人及芯片 | |
US20190065637A1 (en) | Augmenting Real Sensor Recordings With Simulated Sensor Data | |
US20190065933A1 (en) | Augmenting Real Sensor Recordings With Simulated Sensor Data | |
CN114417489B (zh) | 一种基于实景三维模型的建筑基底轮廓精细化提取方法 | |
CN113203409B (zh) | 一种复杂室内环境移动机器人导航地图构建方法 | |
Schmid et al. | Dynamic level of detail 3d occupancy grids for automotive use | |
CN111880191B (zh) | 基于多智能体激光雷达和视觉信息融合的地图生成方法 | |
CA3156840C (en) | Video-based tracking systems and methods | |
CN111026115A (zh) | 一种基于深度学习的机器人避障控制方法及装置 | |
CN116993817B (zh) | 目标车辆的位姿确定方法、装置、计算机设备及存储介质 | |
CN114648551B (zh) | 轨迹预测方法及装置 | |
CN110738867B (zh) | 一种车位检测方法、装置、设备及存储介质 | |
CN112486184B (zh) | 一种扫地机器人及其避障路径确定方法 | |
Kanhere et al. | Real-time detection and tracking of vehicle base fronts for measuring traffic counts and speeds on highways | |
CN113282088A (zh) | 工程车的无人驾驶方法、装置、设备、存储介质及工程车 | |
CN114353779B (zh) | 一种采用点云投影快速更新机器人局部代价地图的方法 | |
Baig et al. | Low level data fusion of laser and monocular color camera using occupancy grid framework | |
CN116700228A (zh) | 机器人路径规划方法、电子设备及可读存储介质 | |
CN114587220B (zh) | 动态避障方法、装置和计算机设备、计算机可读存储介质 | |
CN114078326B (zh) | 碰撞检测方法、装置、视觉传感器和存储介质 | |
CN114783172B (zh) | 一种停车场空车位识别方法及系统、计算机可读存储介质 | |
US20240182081A1 (en) | Autonomous driving crash prevention | |
Kimachi et al. | A vehicle recognition method robust against vehicles' overlapping based on stereo vision | |
Rodrigues et al. | Analytical Change Detection on the KITTI dataset | |
Wu et al. | Robust Ground Segmentation in 3D Point Cloud for Autonomous Driving Vehicles |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |