CN114365974B - 一种室内清洁分区方法、装置和扫地机器人 - Google Patents

Abstract

本申请实施例提供一种室内清洁分区方法、装置和扫地机器人，该方法包括：获取待清洁区域的地图信息；从地图信息中提取待清洁区域的轮廓数据，轮廓数据中包括待清洁区域中墙体所在的线段；根据待清洁区域的轮廓数据通过角度迭代搜索位于各轮廓线上的门口端点；通过定向区域生长对各门口端点进行门构建，得到门口线段；将各门口线段与相应位置的墙体所在的线段围成的各规则区块作为待清洁区域的各个清洁分区。该方法可以解决现有方案中的覆盖分区大小固定而导致清扫效率下降的问题。

Description

一种室内清洁分区方法、装置和扫地机器人

技术领域

本申请涉及扫地机器人技术领域，尤其涉及一种室内清洁分区方法、装置和扫地机器人。

背景技术

在实际应用中，用户经常需要让扫地机器人对室内的一些区域进行自主清洁。然而，在清洁过程中，扫地机器人主要是按照预先人为划分好的清洁区域大小来进行清洁，一方面需要人为过多参与，另一方面机器人每次都是按照固定的分区大小进行清扫等，导致清扫效率较低。

发明内容

有鉴于此，本申请实施例提供一种室内清洁分区方法、装置和扫地机器人。

第一方面，本申请实施例提供一种室内清洁分区方法，包括：

获取待清洁区域的地图信息；

从所述地图信息中提取所述待清洁区域的轮廓数据，所述轮廓数据中包括所述待清洁区域中墙体所在的线段；

根据所述待清洁区域的轮廓数据通过角度迭代搜索位于各轮廓线上的门口端点；

通过定向区域生长对各所述门口端点进行门构建，得到门口线段；

将各所述门口线段与相应位置的墙体所在的线段围成的各规则区块作为所述待清洁区域的各个清洁分区。

在一些实施例中，所述地图信息为对室内摄像或扫描获得的地图图像，所述从所述地图信息中提取所述待清洁区域的轮廓数据，包括：

对所述地图图像进行二值化处理，得到第一二值图像；

对所述第一二值图像进行形态学开操作，得到第二二值图像；

对所述第二二值图像中的像素点进行类型判断，若当前像素点与相邻的八个像素点均为黑色，则确定所述当前像素为内部点，否则为轮廓点；

将所述第二二值图像中所有的轮廓点保留，得到由各个轮廓点构成的轮廓线数据。

在一些实施例中，所述根据所述待清洁区域的轮廓数据通过角度迭代搜索位于各轮廓线上的门口端点，包括：

从各所述轮廓线上每次选取三个轮廓点作为一组，并根据选取的三个轮廓点的位置计算当前组对应的角度；

若当前组的所述角度大于预设角度阈值，则确定所述选取的三个轮廓点中的中间点为拐点，将各个所述拐点作为搜索到的门口端点。

在一些实施例中，所述通过定向区域生长对各所述门口端点进行门构建，之前还包括：

对搜索到的所述门口端点按照端点距离规则进行端点合并，得到保留的门口端点，所述保留的门口端点用于进行门构建操作。

在一些实施例中，所述通过定向区域生长对各所述门口端点进行门构建，得到门口线段，包括：

对于每个门口端点，从当前门口端点出发，沿当前门口端点的上、下、左和右四个方向中的至少一个方向进行生长，直至生长的线段长度与所述墙体所在的线段相交或超过预设长度阈值时停止生长，得到当前门口端点的四条生长线段；

将各门口端点的与所述墙体所在的线段相交的所述生长线段保留，以作为构建的门口线段。

在一些实施例中，得到所述门口线段之后还包括：

检测每条所述门口线段在所述第二二值图像中是否经过黑色像素区域；

将没有经过黑色像素区域的门口线段保留，得到保留的门口线段，所述保留的门口线段与相应位置的墙体所在的线段围成的各规则区块用于作为所述待清洁区域的各个清洁分区。

在一些实施例中，得到所述各规则区块之后还包括：

根据所述门口线段与所述墙体的长度，计算对应规则区块的面积；

判断相邻两个规则区块所围成的区域的形状类型是否发生变化，若没有变化，则将所述相邻两个规则区块进行合并为同一规划区块。

第二方面，本申请实施例还提供一种室内清洁分区装置，包括：

地图获取模块，用于获取待清洁区域的地图信息；

轮廓提取模块，用于从所述地图信息中提取所述待清洁区域的轮廓数据，所述轮廓数据中包括所述待清洁区域中墙体所在的线段；

端点搜索模块，用于根据所述待清洁区域的轮廓数据通过角度迭代搜索位于各轮廓线上的门口端点；

门构建模块，用于通过定向区域生长对各所述门口端点进行门构建，得到门口线段；

分区确定模块，用于将各所述门口线段与相应位置的墙体所在的线段围成的各规则区块作为所述待清洁区域的各个清洁分区。

第三方面，本申请实施例还提供一种扫地机器人，所述扫地机器人包括处理器和存储器，所述存储器存储有计算机程序，所述处理器用于执行所述计算机程序以实施上述的室内清洁分区方法。

第四方面，本申请实施例还提供一种可读存储介质，其存储有计算机程序，所述计算机程序在处理器上执行时，实施上述的室内清洁分区方法。

本申请的实施例具有如下有益效果：

本申请实施例的室内清洁分区方法通过先获取待清洁区域的地图信息；并从地图信息中提取待清洁区域的轮廓数据，然后根据待清洁区域的轮廓数据通过角度迭代搜索位于各轮廓线上的门口端点；以及通过定向区域生长对各门口端点进行门构建，得到门口线段；将各门口线段与相应位置的墙体所在的线段围成的各规则区块作为待清洁区域的各个清洁分区。该方法可以获得对应的智能分区方案，由于可以不受整个区域大小的限制，可以解决现有方案中的覆盖分区大小固定而导致清扫效率下降的问题。此外，由于得到的都是一些规则的矩形区块，因此利于扫地机器人的清扫。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了本申请实施例的扫地机器人的一种结构示意图；

图2示出了本申请实施例的室内清洁分区方法的流程图；

图3示出了本申请实施例的方法进行轮廓提取的流程图；

图4a和图4b分别示出了采用本申请实施例的方法的未对二值化图像进行形态学处理和处理后的对比图；

图5示出了采用本申请实施例的方法提取到的一种轮廓示意图；

图6示出了本申请实施例的室内清洁分区方法的门口端点搜索流程图；

图7示出了本申请实施例的方法进行门口端点的应用示意图；

图8示出了本申请实施例的室内清洁分区方法的另一流程图；

图9a和图9b分别示出了本申请实施例的方法中对门口端点进行合并前和合并后的对比图；

图10示出了本申请实施例的室内清洁分区方法的门构建的流程图；

图11示出了本申请实施例的方法的多个方向进行生长的示意图；

图12示出了本申请实施例的方法中对生长线段进行筛选的示意图；

图13示出了本申请实施例的室内清洁分区装置的结构示意图。

具体实施方式

下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。

通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

在下文中，可在本申请的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合，并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。

此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本申请的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本申请的各种实施例中被清楚地限定。

请参照图1，为本申请实施例提供的一种扫地机器人的结构示意图。在本实施例中，该机器人10包括处理器11、存储器12、感知单元13和执行单元14等，其中，存储器12、感知单元13和执行单元14均与处理器11连接，存储器12存储有相应的计算机程序，处理器11用于执行该计算机程序以实施本申请实施例中的室内清洁分区方法，可以实现对不同的室内进行智能分区，得到利于机器人清扫的规则形状区域，而不用受限于固定区域大小等，进而提高扫地机器人的清洁效率等。

其中，处理器11可以是一种具有信号的处理能力的集成电路芯片。处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、图形处理器(GraphicsProcessing Unit，GPU)及网络处理器(Network Processor，NP)、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件中的至少一种。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。

其中，存储器12可以但不限于是，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。其中，存储器用于存储计算机程序，处理器在接收到执行指令后，可相应地执行计算机程序。

其中，感知单元13主要用于将必要的外部环境信息等传递给扫地机器人的控制系统，从而为扫地机器人在清洁或回充等场景下提供必要的条件。例如，该感知单元13可包括但不限于包括，激光雷达、摄像头、红外感应器等。其中，红外感应器可用于获得与外界环境的距离信息，而激光雷达可用于获得外界的障碍物信息等，但不仅限于此功能；而摄像头可用于获取扫地机器人在行走过程中的图像信息。进而，机器人可利用这些距离和/或图像信息等进行相应控制以实现各种工作模式，例如，工作模式可包括但不限于，行走避障、特定区域的清洁、或自主返回充电桩充电等。

其中，执行单元14主要用于实现扫地机器人的清洁功能，例如，可包括不限于包括，喷洗组件、除污组件等，其中，关于执行单元14的具体结构可根据实际需求来确定，通常地，清洁模式的类型越多，则对应设置的执行组件往往越多。由于本申请实施例主要在于提出一种清洁分区的方法，故这里对扫地机器人的执行单元14将不作过多说明。

基于上述的扫地机器人的结构，下面对本申请实施例的室内清洁分区方法进行具体阐述。

请参照图2，为本申请实施例的室内清洁分区方法的第一流程图。示范性地，该室内清洁分区方法包括步骤S110～S150：

S110，获取待清洁区域的地图信息。

其中，该地图信息主要指室内需要清洁的区域的地形，从该地图信息中通常可以获取到房间的数量、各个房间的大小和位置等信息。示范性地，若该待清洁区域已有对应的地形数据，则可以通过直接读取或接收该地形数据，从而得到该待清洁区域的地图信息。若该待清洁区域为一个新的区域，则可以通过扫地机器人身上的感知单元来获取。

例如，可通过激光雷达在室内进行扫描，然后基于这些扫描的点云数据并结合已有的地图构建方法，如即时定位与地图构建(SLAM)等技术进行地形构建，从而得到对应的地图信息。又例如，可以通过摄像头等对室内进行拍摄，然后从拍摄的图像中提取特征以构建得到对应的地图信息。又或者，还可以将激光雷达和摄像头获取的信息结合来进行地图信息构建等，这里对地图信息的获取方式不作限定。

S120，从该地图信息中提取待清洁区域的轮廓数据，其中，该轮廓数据中包括待清洁区域中墙体所在的线段。

在一种实施方式中，如图3所示，步骤要S120包括子步骤S210～S240：

S210，对地图图像进行二值化处理，得到第一二值图像。

其中，二值化处理是指对图像中的所有像素仅采用两种灰度等级(如0和255等)来表示所得到的图像。示范性地，可先对原始的地图图像进行灰度处理，得到灰度图像；进而，将灰度图像中的各个像素的灰度与预先设置的一个灰度阈值比较，例如，可将大于或等于该灰度阈值的像素的灰度等级设置为255，而将小于该灰度阈值的像素的灰度等级设置为0，从而得到仅具有黑色和白色的二值图像。

S220，对第一二值图像进行形态学开操作，得到第二二值图像。

其中，形态学开操作属于形状学操作中的一种，可用于对物体的轮廓进行平滑处理。在本申请实施例中，通过采用形状学中的开操作来将上述得到的第一二值图像中的一些距离较近的线段的断裂处连接，得到最终的二值图像。例如，对于图4a所示的二值图像，通过开操作处理后，可得到如图4b所示的二值图像。可以看出，经过处理后的二值图像可以将小段的断裂连接起来，从而得到一个连续的轮廓。

可以理解，这里对二值图像通过形态学处理，可以有效解决对于获取到的低对比度的地图信息中存在轮廓断裂的问题。此外，上述的第一二值图像和第二二值图像中的“第一”和“第二”的描述仅仅是为了区分开未进行形态学处理的二值图像和经过形态学处理的二值图像。

S230，对第二二值图像中的像素点进行类型判断，若当前像素点与相邻的八个像素点均为黑色，则确定当前像素为内部点，否则为轮廓点。

S240，将第二二值图像中所有的轮廓点保留，得到由各个轮廓点构成的轮廓线数据。

其中，上述的轮廓提取主要是通过去除内部像素点来实现，通常地，轮廓线段两边的像素点的灰度会有差异。示范性地，以一像素点为例，若当前像素点的8个相邻像素点全为相同的颜色，则可确定该当前像素点为轮廓内部的点，即不在边缘位置，此时可删除。反之，若当前像素点的8个相邻像素点中至少存在一个与该当前像素点的颜色不同，则可判断该像素点可能在边缘位置。于是，保留下来的像素点即构成轮廓数据。

例如，图5示出了对某一室内的原始地图图像进行轮廓提取后的图像。可以看出，经过轮廓提取后的二值图像中包括该室内对应位置的墙体、物体等的轮廓线段数据。

S130，根据待清洁区域的轮廓数据，利用角度迭代算法搜索位于各轮廓线上的门口端点。

其中，门口端点主要用于确定室内的门可能存在的位置。可以理解，由于室内待清洁区域比较大，而每个房间通常都会有门，因此，本申请实施例将通过对门口端点进行搜索，进而基于门口端点来构建门，以此尽可能地按照房间进行规则形状分区等。

在一种实施方式中，如图6所示，上述步骤S130包括子步骤S310～S320：

S310，从各轮廓线上每次选取三个轮廓点作为一组，并根据选取的三个轮廓点的位置计算当前组对应的角度。

S320，若当前组的角度大于预设角度阈值，则确定选取的三个轮廓点中的中间点为拐点，将各个拐点作为搜索到的门口端点。

示范性地，在计算角度时，可将两两轮廓点之间进行顺时针或逆时针连接，以得到一个角度，例如，这里可根据选取的这些轮廓点在图像中的坐标信息来计算出该角度。进而，若该角度大于一个设预的角度阈值，则确定位于中间的轮廓点为拐点。

例如，图7中有四个轮廓点，分别是点1、点2、点3和点4，根据每三个点作为一组，于是，根据点1～点3这三点可以计算出角123为90度，则可确定点2即为需要搜索的拐点。同理，对于点2、点3和点4这三点，其角度大于90度，也是作为保留的拐点。

由于原始图像数据的轮廓提取有时不是很好或者可能存在误判的情况，这将导致上述搜索到的拐点可能并不是都符合要求，为了提取后续用于构建门的准确性，基于某一个真实的端点附近会存在多个端点，对此，本申请实施例还将进一步对上述的门口端点进行筛选，从而减少端点的数量等。

进一步地，在步骤S130之后，如图8所示，该方法还包括步骤S160：

S160，对搜索到的门口端点按照端点距离规则进行端点合并，得到保留的门口端点，该保留的门口端点用于进行门构建操作。

其中，该端点距离规则用于根据预先设置的端点的最小或最大的距离来将一些距离比较近的端点进行合并，然后将保留下的合并端点和未合并的端点用于后续的门构建操作。例如，如图9a和图9b分别示出了对门口端点未筛选和筛选后的对比示意图。可以看出，通过端点合并操作，可以大大减少端点的数量，进而减少后续的运算量，也可提高分区效率等。

于是，在得到门口端点后，则进行门构建，以便进行分区。为了保证得到合适的代表门口的线段，本申请实施例中，将对各个门口端点按照定向的区域生长，即对线段进行延伸，以得到门口线段。

S140，利用定向区域生长算法对各门口端点进行门构建，得到门口线段。

在一种实施方式中，如图10所示，步骤S140包括子步骤S410～S420：

S410，对于每个门口端点，从当前门口端点出发，沿当前门口端点的上、下、左和右四个方向中的至少一个方向进行生长，直至生长的线段长度与墙体所在的线段相交或超过预设长度阈值时停止生长，得到当前门口端点的四条生长线段。

S420，将各门口端点的与墙体所在的线段相交的生长线段保留，以作为构建的门口线段。

示范性地，从一个点出发，向该点的上、下、左和右四个方向中的至少一个方向进行生长，可以理解，若某一方向已存在墙体，则不需要往该方向上生长，如图11所示，直到对应方向上生长的线段的另一个端点碰到了墙体，即与墙体所在的线段产生交点，又或者生长的线段的长度超过了一个预先设置的阈值，则停止对当前方向上的生长。对于碰到了墙体的生长的线段，这里将进行保留；而对于长度过长的线段，则舍去。于是，将每个门口端点进行上述定向生长，然后将所有保留下来的生长线段作为构建到的门口线段。

进一步地，在步骤S140之后，如图8所示，该方法还包括步骤S170：

S170，检测每条门口线段在第二二值图像中是否经过黑色像素区域，将没有经过黑色像素区域的门口线段保留，得到保留的门口线段。其中，该保留的门口线段与相应位置的墙体所在的线段围成的各规则区块用于作为待清洁区域的各个清洁分区。

其中，上述的黑色像素区域通常是室内的一些除墙体之外的如家具、家电等位置固定的物体。考虑到通过定向生长得到的门口线段可能会存在一些与实际物品相遇的情况，为避免扫地机器人在清洁过程中与其发生碰撞等现象，本实施例将通过使用地图像素来完成门的筛选，即判断生长的门口线段在二值化图像中是否有穿过黑色的像素块。若穿过，则表明存在与物体相交，此时构建的门口线段不是正确的门口线段，故将其删除。若没有穿过，则表明构建的门口线段正确，因此保留。

例如，如图12所示，1～8号线段均是通过定向生长得到的门口线段，可知，由于3号线段穿过了二值化地图中存在的障碍物，因此，3号线段将被删除，而其他线段将保留。

S150，将各门口线段与相应位置的墙体所在的线段围成的各规则区块作为待清洁区域的各个清洁分区。

本实施例中，由线段围成的各规则区块将设置为矩形区块，为便矩形扫地机器人进行角落清洁等。示范性地，基于定向生长得到的门口线段，其与墙体所在的线段将围成矩形，这些矩形区块即作为划分得到的各个清洁分区。例如，如图12所示，保留下来的1号、2号、4号、5号、6号、7号和8号线段将与墙体形成多个矩形区块，通过对这些区块进行分区标记，即得到所有的清洁分区。

考虑到一些矩形区块的面积较小，本实施例还将一些面积较小的区块进行合并，以得到面积更大的矩形区块，从而提高清洁效率等。进一步地，在步骤S150之后，如图8所示，该方法还包括步骤S180：

S180，根据门口线段与对应墙体的长度，计算对应规则区块的面积；判断相邻两个规则区块所围成的区域的形状类型是否发生变化，若没有变化，则将该相邻两个规则区块进行合并为同一规划区块。

例如，如图12所示，对于由5号和6号线段围成小矩形区块，和由5号和8号线段围成的矩形区块，可将两者进行合并，得到面积更大的矩形区块；同理，由6号和7号线段围成的小矩形区块，可将其与由7号线段与墙体围成的矩形区块进行合并；以及，由1号和2号线段围成的小矩形区块，可与1号和8号线段围成的矩形区块进行合并，最终可以得到5个矩形区块。于是，这5个矩形区块即可作为清洁分区。当然，上述合并仅为一些可行的示例，在实际运用中，还可以采用其他的合并方式，来提高清洁效率等，这里不作限定。

本申请实施例的室内清洁分区方法通过在获取室内的地图信息后，利用轮廓提取方法得到墙体所在的线段，其中，在进行轮廓提取前还对地图进行形态学等预处理操作，可以解决一些低对比度的地图信息不准确的问题；然后利用角度迭代算法来搜索门口端点并对搜索到的门口端点作进一步合并筛选，以及利用定向区域生长方法来进行门构建，还利用地图像素检测对进行门口线段进行检测，以此得到相应的规则清洁区块。在得到整体家居环境的地图之后，通过该方法可以获得对应的智能分区方案，由于可以不受整个区域大小的限制，可以解决现有方案中的覆盖分区大小固定而导致清扫效率下降的问题。此外，由于得到的都是一些规则的矩形区块，因此利于扫地机器人的清扫。

请参照图13，基于上述实施例1的方法，本实施例提出一种室内清洁分区装置100，示范性地，该室内清洁分区装置100包括：

地图获取模块110，用于获取待清洁区域的地图信息。

轮廓提取模块120，用于从地图信息中提取待清洁区域的轮廓数据，轮廓数据中包括待清洁区域中墙体所在的线段。

端点搜索模块130，用于根据待清洁区域的轮廓数据通过角度迭代搜索位于各轮廓线上的门口端点。

门构建模块140，用于通过定向区域生长对各门口端点进行门构建，得到门口线段。

分区确定模块150，用于将各门口线段与相应位置的墙体所在的线段围成的各规则区块作为待清洁区域的各个清洁分区。

可以理解，本实施例的装置对应于上述实施例1的方法，上述实施例1中的可选项同样适用于本实施例，故在此不再重复描述。

本申请还提供了一种扫地机器人，示范性地，该扫地机器人包括处理器和存储器，其中，存储器存储有计算机程序，处理器通过运行所述计算机程序，从而使扫地机器人执行上述的室内清洁分区方法或者上述室内清洁分区装置中的各个模块的功能。

本申请还提供了一种可读存储介质，用于储存上述扫地机器人中使用的所述计算机程序。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和结构图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本申请各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或更多个模块集成形成一个独立的部分。

所述功能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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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中，包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。

Claims (9)

1.一种室内清洁分区方法，其特征在于，包括：

获取待清洁区域的地图信息；

从所述地图信息中提取所述待清洁区域的轮廓数据，所述轮廓数据中包括所述待清洁区域中墙体所在的线段；

根据所述待清洁区域的轮廓数据通过角度迭代搜索位于各轮廓线上的门口端点；

通过定向区域生长对各所述门口端点进行门构建，得到门口线段；

确定各所述门口线段与相应位置的墙体所在的线段围成的各规则区块；

根据所述门口线段与所述墙体的长度，计算对应规则区块的面积；判断相邻两个规则区块所围成的区域的形状类型是否发生变化，若没有变化，则将所述相邻两个规则区块进行合并为面积更大的同一个规则区块；

将经过合并处理后得到的所有规则区块作为所述待清洁区域的各个清洁分区。

2.根据权利要求1所述的室内清洁分区方法，其特征在于，所述地图信息为对室内摄像或扫描获得的地图图像，所述从所述地图信息中提取所述待清洁区域的轮廓数据，包括：

对所述地图图像进行二值化处理，得到第一二值图像；

对所述第一二值图像进行形态学开操作，得到第二二值图像；

对所述第二二值图像中的像素点进行类型判断，若当前像素点与相邻的八个像素点均为黑色，则确定所述当前像素为内部点，否则为轮廓点；

将所述第二二值图像中所有的轮廓点保留，得到由各个轮廓点构成的轮廓线数据。

3.根据权利要求2所述的室内清洁分区方法，其特征在于，所述根据所述待清洁区域的轮廓数据通过角度迭代搜索位于各轮廓线上的门口端点，包括：

从各所述轮廓线上每次选取三个轮廓点作为一组，并根据选取的三个轮廓点的位置计算当前组对应的角度；

若当前组的所述角度大于预设角度阈值，则确定所述选取的三个轮廓点中的中间点为拐点，将各个所述拐点作为搜索到的门口端点。

4.根据权利要求1所述的室内清洁分区方法，其特征在于，所述通过定向区域生长对各所述门口端点进行门构建，之前还包括：

对搜索到的所述门口端点按照端点距离规则进行端点合并，得到保留的门口端点，所述保留的门口端点用于进行门构建操作。

5.根据权利要求1或4所述的室内清洁分区方法，其特征在于，所述通过定向区域生长对各所述门口端点进行门构建，得到门口线段，包括：

对于每个门口端点，从当前门口端点出发，沿当前门口端点的上、下、左和右四个方向中的至少一个方向进行生长，直至生长的线段长度与所述墙体所在的线段相交或超过预设长度阈值时停止生长，得到当前门口端点的四条生长线段；

将各门口端点的与所述墙体所在的线段相交的所述生长线段保留，以作为构建的门口线段。

6.根据权利要求2所述的室内清洁分区方法，其特征在于，得到所述门口线段之后还包括：

检测每条所述门口线段在所述第二二值图像中是否经过黑色像素区域；

将没有经过黑色像素区域的门口线段保留，得到保留的门口线段，所述保留的门口线段与相应位置的墙体所在的线段围成的各规则区块用于作为所述待清洁区域的各个清洁分区。

7.一种室内清洁分区装置，其特征在于，包括：

地图获取模块，用于获取待清洁区域的地图信息；

轮廓提取模块，用于从所述地图信息中提取所述待清洁区域的轮廓数据，所述轮廓数据中包括所述待清洁区域中墙体所在的线段；

端点搜索模块，用于根据所述待清洁区域的轮廓数据通过角度迭代搜索位于各轮廓线上的门口端点；

门构建模块，用于通过定向区域生长对各所述门口端点进行门构建，得到门口线段；

分区确定模块，用于确定各所述门口线段与相应位置的墙体所在的线段围成的各规则区块；

区块合并模块，用于根据所述门口线段与所述墙体的长度，计算对应规则区块的面积；判断相邻两个规则区块所围成的区域的形状类型是否发生变化，若没有变化，则将所述相邻两个规则区块进行合并为面积更大的同一规则区块；将经过合并处理后得到的所有规则区块作为所述待清洁区域的各个清洁分区。

8.一种扫地机器人，其特征在于，所述扫地机器人包括处理器和存储器，所述存储器存储有计算机程序，所述处理器用于执行所述计算机程序以实施权利要求1-6中任一项所述的室内清洁分区方法。

9.一种可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序在处理器上执行时，实施根据权利要求1-6中任一项所述的室内清洁分区方法。

Images