CN114608488B - 多房间的清扫覆盖率测量方法、装置、设备及介质 - Google Patents
多房间的清扫覆盖率测量方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114608488B CN114608488B CN202210100708.9A CN202210100708A CN114608488B CN 114608488 B CN114608488 B CN 114608488B CN 202210100708 A CN202210100708 A CN 202210100708A CN 114608488 B CN114608488 B CN 114608488B
- Authority
- CN
- China
- Prior art keywords
- sweeper
- coverage
- area
- coverage area
- preset
- 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 30
- 238000004140 cleaning Methods 0.000 title claims abstract description 26
- 241001417527 Pempheridae Species 0.000 claims abstract description 257
- 238000010408 sweeping Methods 0.000 claims description 53
- 238000012360 testing method Methods 0.000 claims description 38
- 101100459261 Cyprinus carpio mycb gene Proteins 0.000 claims description 36
- 101100459256 Cyprinus carpio myca gene Proteins 0.000 claims description 35
- 238000006243 chemical reaction Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 11
- 238000000691 measurement method Methods 0.000 claims description 10
- 101150096752 NCAM1 gene Proteins 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 4
- 239000003550 marker Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000005096 rolling process Methods 0.000 description 6
- 238000013459 approach Methods 0.000 description 4
- 238000013480 data collection Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种多房间的清扫覆盖率测量方法、装置、设备及介质，以房间为单位进行追踪，当房间较大时，则对房内进行分区，通过在各区域中设置一个摄像头，以房间或房间内区域为单位进行拼接，能够在图像界面有效体现扫地机的实际运动轨迹，还能够在扫地机进行清扫工作时，有效实时的对扫地机清扫过去的区域进行标记，并形成图像标记点，并通过图像标记点占房间总体房间图像像素点计算扫地机的覆盖率以及多次覆盖率，同时，反映出扫地机的整体规划以及导航能力，反映出扫地机在多房间状态下的清扫能力和效率。
Description
技术领域
本申请涉及智能家居视觉定位计算领域，具体涉及一种多房间的清扫覆盖率测量方法、装置、设备及介质。
背景技术
在对扫地机性能进行评估时，一项重要的指标为多房间覆盖率，可以理解为扫地机在清扫完整个清扫区域(家庭实际多房间)后，清扫面积占所有房间面积的比值，该项数据能够直观的表现扫地机的清扫覆盖能力，结合清扫时间则能够体现出清扫的效率，同时多房间的清扫覆盖率，相比于单房间的较小区域，能够有效的反映出扫地机在长时间的运行后，是否存在漏扫(少清扫房间)，多次重复清扫(长期处于一个房间)，多房间导航规划混乱(多个房间的清扫顺序混乱)等异常信息。同时，对于多房间的轨迹追踪，能够有效反映出扫地机对于清扫面积的规划信息，直观体现出了扫地机对于大面积区域的清扫规划逻辑，并直接体现在清扫逻辑上，现有技术中，存在软件处理图片拼接融合的方法，但该种算法较为复杂，运算量大。我方先确认区域之间的铰接处，提前将交接的重叠区分割出来。
发明内容
本申请实施例提供一种多房间的清扫覆盖率测量方法、装置、设备及介质，旨在解决现有技术中，扫地机在清扫多个房间或者单一摄像头不能全覆盖整个清扫区域时，导致的导航规划混乱、多次重复清扫等问题。
为了实现上述发明目的，第一方面，本申请提供一种多房间的清扫覆盖率测量方法，包括：
获取至少两个外部设备采集范围的覆盖区域，并获取第一外部设备的覆盖范围中和第二外部设备的覆盖范围中的重复区域为重叠覆盖区，记所述第一外部设备的覆盖范围不包括所述重叠覆盖区的区域为第一覆盖区，记所述第二外部设备的覆盖范围不包括所述重叠覆盖区的区域为第二覆盖区；
获取所述扫地机的运动轨迹，并基于所述运动轨迹与所述重叠覆盖区之间的关系对所述第一覆盖区与所述重叠覆盖区和/或第二覆盖区与所述重叠覆盖区进行拼接，记为测试区域；
根据所述扫地机的运动轨迹以及所述扫地机的中扫位置信息，在所述测试区域中进行标记，记为标记元素；
计算所述标记元素在所述测试区域的像素中的占比，所述占比为所述扫地机的覆盖率。
优选的，所述基于所述运动轨迹与所述重叠覆盖区之间的关系对所述第一覆盖区与所述重叠覆盖区和/或第二覆盖区与所述重叠覆盖区进行拼接，记为测试区域的步骤，包括：
根据所述扫地机在所述第一覆盖区中的第一运动位置计算扫地机与预设在所述重叠覆盖区的第一边界线的距离，记为第一距离；
当所述第一距离小于预设距离时，将所述第一覆盖区与所述重叠覆盖区拼接；和/或，
根据所述扫地机在所述第二覆盖区中的第二运动位置计算扫地机与预设在所述重叠覆盖区的第二边界线的距离，记为第二距离；
当所述第二距离小于预设距离时，将所述第二覆盖区与所述重叠覆盖区拼接。
优选的，所述获取第一外部设备的覆盖范围中和第二外部设备的覆盖范围中的重复区域为重叠覆盖区的步骤，包括：
获取第一外部设备的覆盖范围靠近所述第二外部设备方向的第一预设区域范围，同时获取第二外部设备的覆盖范围靠近所述第一外部设备方向的第二预设区域范围；
计算所述第一预设区域与所述第二预设区域范围的像素相似度；
若所述像素相似度超过预设阈值，则将所述第一预设区域范围与所述第二预设区域范围进行融合，获得所述重叠覆盖区。
优选的，其特征在于，所述计算所述第一预设区域与所述第二预设区域范围的像素相似度的步骤之后，还包括：
若所述像素相似度未超过预设阈值，则获取第一外部设备的覆盖范围靠近所述第二外部设备方向的第三预设区域范围，同时获取第二外部设备的覆盖范围靠近所述第一外部设备方向的第四预设区域范围；其中，所述第三预设区域范围以及所述第四预设区域范围均小于所述第一预设区域范围以及所述第二预设区域范围；
计算所述第三预设区域与所述第四预设区域范围的像素相似度；
若所述像素相似度超过预设阈值，则将所述第三预设区域范围与所述第四预设区域范围进行融合，获得所述重叠覆盖区。
优选的，所述获取所述扫地机的运动轨迹，包括：
以所述第一外部设备或第二外部设备为原点、所述测试区域的相邻边分别为X轴或Y轴建立原始坐标系；
基于所述原始坐标系获取所述第一外部设备、第二外部设备之间的外参标定，记为外参信息Tcam2_cam1；
以所述第一外部设备为原点、所述第一外部设备的覆盖区域的相邻边分别为X轴或Y轴建立第一世界坐标系；
获取所述扫地机在所述原始坐标系的第一初始位姿T0cam1；
计算所述扫地机在所述第一世界坐标系相对所述第一初始位姿T0cam1的位姿，其计算公式为：
Trobot_cam1＝T0-1 cam1*TNcam1(N为大于等于零的正整数)
其中，Trobot_cam1是所述扫地机在所述第一世界坐标系相对所述第一初始位姿T0cam1的位姿，T0cam1是所述扫地机在所述原始坐标系的第一初始位姿，TNcam1是所述扫地机移动后在所述第一世界坐标系的位姿；
当所述扫地机运行到所述第二外部设备的覆盖区域时，以所述第二外部设备为原点、所述第二外部设备的覆盖区域的相邻边分别为X轴或Y轴建立第二世界坐标系；
获取所述扫地机在所述原始坐标系的第二初始位姿T0cam2；
计算所述扫地机在所述第二世界坐标系相对所述第二初始位姿T0cam2的位姿，其计算公式为：
T～ robot_cam2＝T0-1 cam2*TNcam2(N为大于等于零的正整数)
其中，T～ robot_cam2是所述扫地机在所述第二世界坐标系相对所述第二初始位姿T0cam2位置，T0cam2是所述扫地机在所述原始坐标系的第二初始位姿，TNcam2是所述扫地机移动后在所述第二世界坐标系的位姿；
将所述扫地机在所述第二世界坐标系相对所述第二初始位姿T0cam2位置转换到所述第一世界坐标系中，其计算公式为：
T～ robot_cam1＝T～ robot_cam2*Tcam2_cam1；
获取所述扫地机在所述第二世界坐标系相对所述第二初始位姿T0cam2位置转换到所述第一世界坐标系的位姿、以及所述扫地机在所述第一世界坐标系相对所述第一初始位姿T0cam1的位姿，生成所述扫地机的轨迹集，所述扫地机的轨迹集就是所述扫地机的运动轨迹。
优选的，所述扫地机的中扫位置信息获取的步骤，包括：
获取设置于所述扫地机上标识码的位置信息；
基于所述标识码的位置信息进行映射转换，获得所述扫地机的中扫位置信息。
优选的，所述基于所述标识码的位置信息进行映射转换，获得所述扫地机的中扫位置信息的步骤具体包括：
基于所述标识码的位置信息获取所述标识码的坐标信息，其中，所述标识码的坐标信息包括左端点坐标(Lx，Ly)、右端点坐标(Rx，Ry)和中心点坐标(middle_x，middle_y)；
将所述标识码的中心点坐标(middle_x，middle_y)映射为所述扫地机的中心点坐标(middle_x，middle_y)；
根据所述标识码的左端点坐标(Lx，Ly)、右端点坐标(Rx，Ry)、所述扫地机的中心点坐标(middle_x，middle_y)、所述标识码的宽度和所述扫地机的中扫宽度进行映射转换，其中将所述标识码的宽度与扫地机的中扫宽度的比值作为换算比例，记为bruth_ratio，其计算公式为：
bruth_ratio＝tag_size/bruth_width；
根据所述标识码的位置信息中的左端点坐标(Lx，Ly)和右端点坐标(Rx，Ry)、所述扫地机的中心点坐标(middle_x，middle_y)以及所述换算比例，计算获得所述扫地机的中扫位置信息，其中所述扫地机的中扫位置信息包括左中扫坐标(Lact_x，Lact_y)和右中扫坐标(Ract_x，Ract_y)，其计算公式为：
Lact_x＝Lx*bruth_ratio+middle_x*(1-bruth_ratio)
Lact_y＝Ly*bruth_ratio+middle_y*(1-bruth_ratio)
Ract_x＝Rx*bruth_ratio+middle_x*(1-bruth_ratio)
Ract_y＝Ry*bruth_ratio+middle_y*(1-bruth_ratio)；
其中，bruth_ratio为所述标识码的宽度与扫地机的中扫宽度的换算比例，tag_size为所述标识码的宽度，bruth_width为所述扫地机的中扫宽度。
优选的，所述计算所述标记元素在所述测试区域的像素中的占比，所述占比为所述扫地机的覆盖率的步骤之后，包括：
判断所述扫地机的覆盖率是否低于预设值；
若是，则进行第二次所述扫地机的覆盖率测量，得到二次覆盖率。
优选的，所述计算所述第一标记像素和所述第二标记像素在所述原始图像像素中占比，所述占比为所述扫地机的覆盖率的步骤之后，包括：
根据所述扫地机在所述原始图像中对应的标记像素，生成扫地机的覆盖率图；
解析所述覆盖率图，当所述覆盖率图中出现未被标识的像素点时，生成第一调整指令；
所述扫地机根据所述第一调整指令进行路径调整。
优选的，所述计算所述第一标记像素和所述第二标记像素在所述原始图像像素中占比，所述占比为所述扫地机的覆盖率的步骤之后，还包括：
解析所述覆盖率图，当所述覆盖率图中出现被重复标识的像素点时，生成第二调整指令；
所述扫地机根据所述第二调整指令进行路径调整。
第二方面，本公开还提供了一种多房间的清扫覆盖率测量装置，包括：
覆盖区域获取模块，用于获取至少两个外部设备采集范围的覆盖区域，并获取第一外部设备的覆盖范围中和第二外部设备的覆盖范围中的重复区域为重叠覆盖区，记所述第一外部设备的覆盖范围不包括所述重叠覆盖区的区域为第一覆盖区，记所述第二外部设备的覆盖范围不包括所述重叠覆盖区的区域为第二覆盖区；
测试区域获取模块，用于获取所述扫地机的运动轨迹，并基于所述运动轨迹与所述重叠覆盖区之间的关系对所述第一覆盖区与所述重叠覆盖区和/或第二覆盖区与所述重叠覆盖区进行拼接，记为测试区域；
标记模块，用于根据所述扫地机的运动轨迹以及所述扫地机的中扫位置信息，在所述测试区域中进行标记，记为标记元素；
计算模块，用于计算所述标记元素在所述测试区域的像素中的占比，所述占比为所述扫地机的覆盖率。
第三方面，本申请提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如上所述的多房间的清扫覆盖率测量方法。
第四方面，本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的多房间的清扫覆盖率测量方法的步骤。
可以理解，本申请实施例所提供一种多房间的清扫覆盖率测量方法、装置、设备及介质，以房间为单位进行追踪，当房间较大时，则对房内进行分区，通过在各区域中设置一个摄像头，以房间或房间内区域为单位进行拼接，能够在图像界面有效体现扫地机的实际运动轨迹，还能够在扫地机进行清扫工作时，有效实时的对扫地机清扫过去的区域进行标记，并形成图像标记点，并通过图像标记点占房间总体房间图像像素点计算扫地机的覆盖率以及多次覆盖率，同时，反映出扫地机的整体规划以及导航能力，反映出扫地机在多房间状态下的清扫能力和效率。
附图说明
图1为本申请实施例提供的一种多房间的清扫覆盖率测量方法的流程图；
图2为本申请实施例提供的一种多房间的清扫覆盖率测量装置的示意框图；
图3为本申请实施例提供的计算机设备的结构示意框图。
具体实施方式
为了使本公开的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本公开进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本公开，并不用于限定本公开。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“上述”和“该”也可包括复数形式。应该进一步理解的是，本公开的说明书中使用的措辞“包括”是指存在特征、整数、步骤、操作、元件、单元、单元和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、单元、单元、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本公开所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
参照图1，本申请提供一种多房间的清扫覆盖率测量方法，包括：
S1：获取至少两个外部设备采集范围的覆盖区域，并获取第一外部设备的覆盖范围中和第二外部设备的覆盖范围中的重复区域为重叠覆盖区，记所述第一外部设备的覆盖范围不包括所述重叠覆盖区的区域为第一覆盖区，记所述第二外部设备的覆盖范围不包括所述重叠覆盖区的区域为第二覆盖区；
S2：获取所述扫地机的运动轨迹，并基于所述运动轨迹与所述重叠覆盖区之间的关系对所述第一覆盖区与所述重叠覆盖区和/或第二覆盖区与所述重叠覆盖区进行拼接，记为测试区域；
S3：根据所述扫地机的运动轨迹以及所述扫地机的中扫位置信息，在所述测试区域中进行标记，记为标记元素；
S4：计算所述标记元素在所述测试区域的像素中的占比，所述占比为所述扫地机的覆盖率。
如上述步骤S1所述，在扫地机进行工作时，会与设置在房间中的摄像头建立通信连接，获取到房间内的图片，如果房间过大或者有多个房间时，则对房内进行分区，在每个区域或每个房间内设置外部设备如摄像头等，利用多个摄像头拍摄得到的图片进行拼接和去重，并进行相应的去畸形处理，得到准确的房间整体图像，因此，在获得房间整体图像步骤中，会先获取到每个摄像头的拍摄的画面，云端会根据第一摄像头的覆盖范围的像素与第二摄像头的覆盖范围的像素进行对比和剪接，其中，如果第一摄像头的覆盖范围中某个区域的像素与第二摄像头的覆盖范围某一区域的像素的相似度较高，则会判断这两个区域是第一摄像头和第二摄像头两者都能拍摄到的重复区域，则会将这个区域标记为重复覆盖区域，将第一摄像头的覆盖范围中不包括重叠覆盖区的区域为第一覆盖区，将第二摄像头的覆盖范围中不包括重叠覆盖区的区域为第二覆盖区；
如上述步骤S2所述，在扫地机进行工作时，第一摄像头和第二摄像头摄像头会实时地拍摄和识别设置在扫地机上的标识码来获取和记录扫地机的运动轨迹，标识码可贴在扫地机的滚刷的中垂线任意一处，当扫地机由第一覆盖区往重叠覆盖区靠近时，会计算扫地机与重叠覆盖区预设的左边界线的距离，当距离小于预设的阈值时，则利用第一个摄像头的视场复现重叠覆盖区，即此时是通过第一摄像头记录扫地机在重叠覆盖区的运动轨迹，相当于将此时的重叠覆盖区包含在第一覆盖区中，为了便于描述，同理，当扫地机由第二覆盖区往重叠覆盖区靠近时，会计算扫地机与重叠覆盖区预设的右边界线的距离，当距离小于预设的阈值时，则利用第二个摄像头的视场复现重叠覆盖区，相当于将此时的重叠覆盖区包含在第二覆盖区中，即此时是通过第二摄像头记录扫地机在重叠覆盖区的运动轨迹；
如上述步骤S3-S4所述，在扫地机进行工作时，第一摄像头和第二摄像头摄像头会实时地拍摄和识别设置在扫地机上的标识码来获取和记录扫地机的运动轨迹，其中可以将扫地机上的标识码的宽度来映射出扫地机的中扫宽度，即，可基于基于apriltag算法来获取到标识码与扫地机的滚刷方向平时两端的坐标：左端点坐标(Lx，Ly)、右端点坐标(Rx，Ry)，根据两点坐标可以计算出标识码的左端点坐标(Lx，Ly)、右端点坐标(Rx，Ry)之间的中心点坐标(middle_x，middle_y)，由于标识码是固定在扫地机表面，在扫地机运动时，标识码相对于扫地机是静止的，因此，可以用标识码的中点由于标识码的宽度和扫地机的中扫宽度是已知的，因此通过对应的比例转换，如标识码的宽度是1个距离单位，扫地机的中扫宽度是10个距离单位，则可通过1:10的比例，就将扫地机两端顶点的坐标也能计算出来，标识码两端顶点的左端点坐标(Lx，Ly)、右端点坐标(Rx，Ry)就是对应扫地机的滚刷两端的左中扫坐标(Lact_x，Lact_y)和右中扫坐标(Ract_x，Ract_y)，标识码的中心点坐标(middle_x，middle_y)就可以映射成扫地机的中心点坐标(middle_x，middle_y)；因此，在扫地机执行清扫工作时，跟随扫地机的中心点坐标(middle_x，middle_y)运动时，扫地机的左中扫坐标(Lact_x，Lact_y)和右中扫坐标(Ract_x，Ract_y)所覆盖过的区域就是扫地机清扫过的区域，把扫地机清扫过的像素区域在测试图像中进行标记，当扫地机执行完清扫任务时，扫地机清扫过后标记的像素区域在测试图像中的像素的占比，就是扫地机的清扫覆盖率，利用房间里设置的摄像头抓捕设置在扫地机上的标识码并在地图上进行标记，可以更准确的记录实际运动轨迹，能克服目前帧差法获得扫地机运动轨迹时，因为人或宠物进入时形成干涉而导致的误差，极大的提高了测量的准确率。
在一个实施例中，所述基于所述运动轨迹与所述重叠覆盖区之间的关系对所述第一覆盖区与所述重叠覆盖区和/或第二覆盖区与所述重叠覆盖区进行拼接，记为测试区域的步骤，包括：
根据所述扫地机在所述第一覆盖区中的第一运动位置计算扫地机与预设在所述重叠覆盖区的第一边界线的距离，记为第一距离；
当所述第一距离小于预设距离时，将所述第一覆盖区与所述重叠覆盖区拼接；和/或，
根据所述扫地机在所述第二覆盖区中的第二运动位置计算扫地机与预设在所述重叠覆盖区的第二边界线的距离，记为第二距离；
当所述第二距离小于预设距离时，将所述第二覆盖区与所述重叠覆盖区拼接。
如上所述，扫地机由第一覆盖区往重叠覆盖区靠近时，会计算扫地机与重叠覆盖区预设的左边界线的距离，当距离小于预设的阈值时，则利用第一个摄像头的视场复现重叠覆盖区，相当于将此时的重叠覆盖区与第一覆盖区进行拼接，即此时是通过第一摄像头记录扫地机在重叠覆盖区的运动轨迹；同理，当扫地机由第二覆盖区往重叠覆盖区靠近时，会计算扫地机与重叠覆盖区预设的右边界线的距离，当距离小于预设的阈值时，则利用第二个摄像头的视场复现重叠覆盖区，相当于将此时的重叠覆盖区与第二覆盖区拼接，即此时是通过第二摄像头记录扫地机在重叠覆盖区的运动轨迹，需要注意的是，不管扫地机是由第一覆盖区往重叠覆盖区移动还是由第二覆盖区往重叠覆盖区移动，都只是单程的，因此，不会在重复覆盖区留下重复的运动轨迹时，区别只是由哪个摄像头来抓取扫地机的运动轨迹，因此，不管扫地机是由第一覆盖区往重叠覆盖区移动还是由第二覆盖区往重叠覆盖区移动，在理想状态下，扫地机清扫覆盖过的区域都不会被重复标记，因此，第一覆盖区域、第二覆盖区域和重复覆盖区拼接起来就是两个摄像头的总体区域，即测试区域；
在一个实施例中，所述获取第一外部设备的覆盖范围中和第二外部设备的覆盖范围中的重复区域为重叠覆盖区的步骤，包括：
获取第一外部设备的覆盖范围靠近所述第二外部设备方向的第一预设区域范围，同时获取第二外部设备的覆盖范围靠近所述第一外部设备方向的第二预设区域范围；
计算所述第一预设区域与所述第二预设区域范围的像素相似度；
若所述像素相似度超过预设阈值，则将所述第一预设区域范围与所述第二预设区域范围进行融合，获得所述重叠覆盖区。
如上所述，在获得房间整体图像步骤中，会先获取到每个摄像头的拍摄的画面，基于房间整体图像，云端会将第一摄像头的覆盖范围中靠近第二摄像头方向的区域标记为第一预设区域、将第二摄像头的覆盖范围中靠近第一摄像头方向的区域标记为第二预设区域，并提取这两个区域中的像素进行比对，其中，如果第一摄像头的覆盖范围中某个区域的像素与第二摄像头的覆盖范围某一区域的像素的相似度较高，则判断这两个区域是第一摄像头和第二摄像头两者都能拍摄到的重复区域，云端就会将第一预设区域和第二预设区域进行融合。
在一个实施例中，其特征在于，所述计算所述第一预设区域与所述第二预设区域范围的像素相似度的步骤之后，还包括：
若所述像素相似度未超过预设阈值，则获取第一外部设备的覆盖范围靠近所述第二外部设备方向的第三预设区域范围，同时获取第二外部设备的覆盖范围靠近所述第一外部设备方向的第四预设区域范围；其中，所述第三预设区域范围以及所述第四预设区域范围均小于所述第一预设区域范围以及所述第二预设区域范围；
计算所述第三预设区域与所述第四预设区域范围的像素相似度；
若所述像素相似度超过预设阈值，则将所述第三预设区域范围与所述第四预设区域范围进行融合，获得所述重叠覆盖区，进而可以获得测试区域的总体图像。
如上所述，当第一预设区域与所述第二预设区域范围的像素相似度为达到预设值时，表明第一预设区域与所述第二预设区域的框选范围太大，因此，云端会不断将第一预设区域往靠近第二摄像头的方向进行范围缩小生成第三预设区域范围，同时也会不断地第二预设区域往靠近第一摄像头的方向进行范围缩小生成第四预设区域范围，不断地剔除不重复的区域，直到第三预设区域范围内的像素和第四预设区域范围内的像素的相似度达到预设值，则可判定第三预设区域范围和第四预设区域范围被两个摄像头重复覆盖，进而将第三预设区域范围和第四预设区域范围进行融合，进而可以获得测试区域的总体图像。
在一个实施例中，所述获取所述扫地机的运动轨迹，包括：
以所述第一外部设备或第二外部设备为原点、所述测试区域的相邻边分别为X轴或Y轴建立原始坐标系；
基于所述原始坐标系获取所述第一外部设备、第二外部设备之间的外参标定，记为外参信息Tcam2_cam1；
以所述第一外部设备为原点、所述第一外部设备的覆盖区域的相邻边分别为X轴或Y轴建立第一世界坐标系；
获取所述扫地机在所述原始坐标系的第一初始位姿T0cam1；
计算所述扫地机在所述第一世界坐标系相对所述第一初始位姿T0cam1的位姿，其计算公式为：
Trobot_cam1＝T0-1 cam1*TNcam1(N为大于等于零的正整数)
其中，Trobot_cam1是所述扫地机在所述第一世界坐标系相对所述第一初始位姿T0cam1的位姿，T0cam1是所述扫地机在所述原始坐标系的第一初始位姿，TNcam1是所述扫地机移动后在所述第一世界坐标系的位姿；
当所述扫地机运行到所述第二外部设备的覆盖区域时，以所述第二外部设备为原点、所述第二外部设备的覆盖区域的相邻边分别为X轴或Y轴建立第二世界坐标系；
获取所述扫地机在所述原始坐标系的第二初始位姿T0cam2；
计算所述扫地机在所述第二世界坐标系相对所述第二初始位姿T0cam2的位姿，其计算公式为：
T～ robot_cam2＝T0-1 cam2*TNcam2(N为大于等于零的正整数)
其中，T～ robot_cam2是所述扫地机在所述第二世界坐标系相对所述第二初始位姿T0cam2位置，T0cam2是所述扫地机在所述原始坐标系的第二初始位姿，TNcam2是所述扫地机移动后在所述第二世界坐标系的位姿；
将所述扫地机在所述第二世界坐标系相对所述第二初始位姿T0cam2位置转换到所述第一世界坐标系中，其计算公式为：
T～ robot_cam1＝T～ robot_cam2*Tcam2_cam1；
获取所述扫地机在所述第二世界坐标系相对所述第二初始位姿T0cam2位置转换到所述第一世界坐标系的位姿、以及所述扫地机在所述第一世界坐标系相对所述第一初始位姿T0cam1的位姿，生成所述扫地机的轨迹集，所述扫地机的轨迹集就是所述扫地机的运动轨迹。
如上所述，当确认了测试区域的图像之后，则云端会以所述第一摄像头或第二摄像头为原点、测试区域的相邻边分别为X轴或Y轴建立原始坐标系，同时，扫地机再以第一摄像头为原点、以第一摄像头的覆盖区域的相邻边分别为为X轴或Y轴建立第一世界坐标系，以第二摄像头为原点、以第二摄像头的覆盖区域的相邻边分别为为X轴或Y轴建立第二世界坐标系；
在利用不同房间的多相机外参标定算法完成对于多相机之间的外参标定，得到第一摄像头和第二摄像头之间的间的外参信息Tcam2_cam1；
基于Aptiltag解算出的位姿为的第一世界坐标系基于第一摄像头的中心点，
在单一摄像头下，即扫地机在第一摄像头的覆盖区域时，基于april_tag算法得到的位姿以房间摄像头为第一世界坐标系的原点，而扫地机本身算法得到的第一世界坐标系夫人原点为扫地机的初始位姿，将扫地机在移动时第一摄像头拍摄到的第一帧图像的位姿固定为扫地机的初始位姿为T0cam1，在扫地机移动时之后检测到的位姿依次计为T1，T2…Tn，进行初始位姿T0cam1转化，即可将第一世界坐标系转换到初始位姿T0cam1上，即以初始位姿T0cam1来体现扫地机在原始坐标系的位姿，其转化公式为：Trobot_cam1＝T0-1 cam1*TNcam1(N为大于等于零的正整数)
其中，Trobot_cam1是所述扫地机在所述第一世界坐标系相对所述第一初始位姿T0cam1的位姿，T0cam1是所述扫地机在所述原始坐标系的第一初始位姿，TNcam1是所述扫地机移动后在所述第一世界坐标系的位姿；
当扫地机运行到第二摄像头的覆盖范围之后，则对于扫地机位姿的检测，则转换到了第二摄像头下，基于上述原理，则得到相对于第二摄像头的位姿；其计算公式为：
T～ robot_cam2＝T0-1 cam2*TNcam2(N为大于等于零的正整数)
其中，T～ robot_cam2是所述扫地机在所述第二世界坐标系相对所述第二初始位姿T0cam2位置，T0cam2是所述扫地机在所述原始坐标系的第二初始位姿，TNcam2是所述扫地机移动后在所述第二世界坐标系的位姿；
之后，因为之前有利用不同房间的多相机外参标定算法完成对于多相机之间的外参标定，得到第一摄像头和第二摄像头之间的间的外参信息Tcam2_cam1；因此，可以利用第一摄像头和第二摄像头之间的间的外参信息Tcam2_cam1再将扫地机在所述第二世界坐标系相对所述第二初始位姿T0cam2位置转换到所述第一世界坐标系中，其计算公式为：
T～ robot_cam1＝T～ robot_cam2*Tcam2_cam1；
原始坐标坐标系是一个大的参考坐标系，第一世界坐标系和第二世界坐标系是在单摄像头下的坐标系，因为原始坐标坐标系的原点与第一世界坐标系或第二世界坐标系的原点是重合的(具体与哪个世界坐标系的原点重合取决于原始坐标系是以哪个摄像头为原点建立的，此实施例中以第一摄像头与原始坐标系的原点重合进行描述)，所以，可以利用用第一摄像头和第二摄像头之间的间的外参信息Tcam2_cam1，将所述第二世界坐标系相对所述第二初始位姿T0cam2位置转换到所述第一世界坐标系；因此，在测试地图中，所有的扫地机在所述第二世界坐标系相对所述第二初始位姿T0cam2位置转换到所述第一世界坐标系的位姿，加上扫地机在所述第一世界坐标系相对所述第一初始位姿T0cam1的位姿生成扫地机的轨迹集，这个轨迹集就是所述扫地机的运动轨迹。
在一个实施例中，所述扫地机的中扫位置信息获取的步骤，包括：
获取设置于所述扫地机上标识码的位置信息；
基于所述标识码的位置信息进行映射转换，获得所述扫地机的中扫位置信息。
如上所述，基于摄像头和apriltag算法，可以得到标识码的两端点的坐标，其中，标识码包括但不限于二维码和条形码；
根据两点间中点公式，可以计算到标识码的中心点的坐标，将标识码的中心点映射为扫地机的中心点，即标识码的中心点的坐标就是扫地机的中心点，因此，通过在原始地图是标记和记录标识码的中心点就能得到扫地机的运动轨迹，即上一实施例中得到的所有的扫地机在所述第二世界坐标系相对所述第二初始位姿T0cam2位置转换到所述第一世界坐标系的位姿，加上扫地机在所述第一世界坐标系相对所述第一初始位姿T0cam1的位姿生成扫地机的轨迹集就是扫地机的轨迹，即轨迹集中包含了扫地机在清扫移动时所有的中心点坐标(middle_x，middle_y)，由于标识码的宽度和扫地机的中扫宽度是已知的，因此通过对应的比例转换，如标识码的宽度是1个距离单位，扫地机的中扫宽度是10个距离单位，则可通过1:10的比例，就将扫地机两端顶点的坐标也能计算出来，标识码两端顶点的左端点坐标(Lx，Ly)、右端点坐标(Rx，Ry)就是对应扫地机的滚刷两端的左中扫坐标(Lact_x，Lact_y)和右中扫坐标(Ract_x，Ract_y)。
在一个实施例中，所述基于所述标识码的位置信息进行映射转换，获得所述扫地机的中扫位置信息的步骤具体包括：
基于所述标识码的位置信息获取所述标识码的坐标信息，其中，所述标识码的坐标信息包括左端点坐标(Lx，Ly)、右端点坐标(Rx，Ry)和中心点坐标(middle_x，middle_y)；
将所述标识码的中心点坐标(middle_x，middle_y)映射为所述扫地机的中心点坐标(middle_x，middle_y)；
根据所述标识码的左端点坐标(Lx，Ly)、右端点坐标(Rx，Ry)、所述扫地机的中心点坐标(middle_x，middle_y)、所述标识码的宽度和所述扫地机的中扫宽度进行映射转换，其中将所述标识码的宽度与扫地机的中扫宽度的比值作为换算比例，记为bruth_ratio，其计算公式为：
bruth_ratio＝tag_size/bruth_width；
根据所述标识码的位置信息中的左端点坐标(Lx，Ly)和右端点坐标(Rx，Ry)、所述扫地机的中心点坐标(middle_x，middle_y)以及所述换算比例，计算获得所述扫地机的中扫位置信息，其中所述扫地机的中扫位置信息包括左中扫坐标(Lact_x，Lact_y)和右中扫坐标(Ract_x，Ract_y)，其计算公式为：
Lact_x＝Lx*bruth_ratio+middle_x*(1-bruth_ratio)
Lact_y＝Ly*bruth_ratio+middle_y*(1-bruth_ratio)
Ract_x＝Rx*bruth_ratio+middle_x*(1-bruth_ratio)
Ract_y＝Ry*bruth_ratio+middle_y*(1-bruth_ratio)；
其中，bruth_ratio为所述标识码的宽度与扫地机的中扫宽度的换算比例，tag_size为所述标识码的宽度，bruth_width为所述扫地机的中扫宽度。
如上所述，根据所述标识码的宽度和扫地机的中扫宽度计算出所述标识码的宽度和扫地机的中扫宽度的换算比例，其换算公式为：
bruth_ratio＝tag_size/bruth_width
其中，bruth_ratio为所述标识码的宽度和扫地机的中扫宽度的换算比例，tag_size为所述标识码的宽度，bruth_width为所述扫地机的中扫宽度，标识码的宽度和扫地机的中扫宽度都是直接测量可以得出的，因此，可以通过这个比例换算关系式可以根据标识码的宽度换算成扫地机在原始图像中的中扫宽度，如标识码的宽度是1个距离单位，扫地机的中扫宽度是10个距离单位，则可通过1:10的比例，就将扫地机两端顶点的坐标也能计算出来，标识码两端顶点的左端点坐标(Lx，Ly)、右端点坐标(Rx，Ry)就是对应扫地机的滚刷的中扫坐标左中扫坐标(Lact_x，Lact_y)和右中扫坐标(Ract_x，Ract_y)
根据所述扫地机的中心点坐标(middle_x，middle_y)和所述换算比例计算出所述扫地机的中扫坐标，所述中扫坐标包括左中扫坐标(Lact_x，Lact_y)和右中扫坐标(Ract_x，Ract_y)，其计算公式为：
Lact_x＝Lx*bruth_ratio+middle_x*(1-bruth_ratio)
Lact_y＝Ly*bruth_ratio+middle_y*(1-bruth_ratio)
Ract_x＝Rx*bruth_ratio+middle_x*(1-bruth_ratio)
Ract_y＝Ry*bruth_ratio+middle_y*(1-bruth_ratio)，
其中标识码的两端点坐标左端点坐标(Lx，Ly)和右端点坐标(Rx，Ry)已知，标识码的中心点坐标(middle_x，middle_y)可以通过两点的中点距离公式求得，可以利用上述公式计算出扫地机的滚刷给他左中扫坐标(Lact_x，Lact_y)和右中扫坐标(Ract_x，Ract_y)，左中扫坐标(Lact_x，Lact_y)和右中扫坐标(Ract_x，Ract_y)两点连线之间的距离也就是扫地机的中扫宽度。
在一个实施例中，所述计算所述标记元素在所述测试区域的像素中的占比，所述占比为所述扫地机的覆盖率的步骤之后，包括：
判断所述扫地机的覆盖率是否低于预设值；
若是，则进行第二次所述扫地机的覆盖率测量，得到二次覆盖率。
如上所述，当所述扫地机完成第一次清扫工作得到扫地机的覆盖率后，会根据其覆盖率是都达到预设值来判断是否有必要再一次清扫，如果第一次清扫得到的覆盖率没达到预设的效果，则会进行第二次、第三次清扫，得到第二次、第三次的覆盖率，以此可以根据扫地机的覆盖率判断扫地机的工作效率。
在一个实施例中，所述计算所述第一标记像素和所述第二标记像素在所述原始图像像素中占比，所述占比为所述扫地机的覆盖率的步骤之后，包括：
根据所述扫地机在所述原始图像中对应的标记像素，生成扫地机的覆盖率图；
解析所述覆盖率图，当所述覆盖率图中出现未被标识的像素点时，生成第一调整指令；
所述扫地机根据所述第一调整指令进行路径调整。
由上所述，在扫地机清扫完成得到房间的覆盖率时，扫地机会对覆盖率图进行解析，当覆盖率图中出现未被标识的像素点，即有部分区域是没有覆盖到的，比如在两个相邻路径之间，出现了一条条缝隙，或者局部缝隙，则说明轨迹控制的相邻路径的间隙过大，则扫地机会记录并反馈给扫地机的路径控制中心，进行工作数据收集或报错，以便于扫地机在下一次的扫地过程中，优化清扫路线。
在一个实施例中，所述计算所述第一标记像素和所述第二标记像素在所述原始图像像素中占比，所述占比为所述扫地机的覆盖率的步骤之后，还包括：
解析所述覆盖率图，当所述覆盖率图中出现被重复标识的像素点时，生成第二调整指令；
所述扫地机根据所述第二调整指令进行路径调整。
由上所述，在扫地机清扫完成得到房间的覆盖率时，扫地机会对覆盖率图进行解析，当覆盖率图中出现被重复标识的像素点，不是重新走过去的路径图/区域图，而是出现在两个相邻清扫路径之间的清扫干涉区，则说明轨迹控制的相邻路径的间隙过小，则扫地机会记录并反馈给扫地机的路径控制中心，进行工作数据收集或报错，以便于扫地机在下一次的扫地过程中，优化清扫路线。
第二方面，参照图2，本公开还提供了一种多房间的清扫覆盖率测量装置，包括：
覆盖区域获取模块100，用于获取至少两个外部设备采集范围的覆盖区域，并获取第一外部设备的覆盖范围中和第二外部设备的覆盖范围中的重复区域为重叠覆盖区，记所述第一外部设备的覆盖范围不包括所述重叠覆盖区的区域为第一覆盖区，记所述第二外部设备的覆盖范围不包括所述重叠覆盖区的区域为第二覆盖区；
测试区域获取模块200，用于获取所述扫地机的运动轨迹，并基于所述运动轨迹与所述重叠覆盖区之间的关系对所述第一覆盖区与所述重叠覆盖区和/或第二覆盖区与所述重叠覆盖区进行拼接，记为测试区域；
标记模块300，用于根据所述扫地机的运动轨迹以及所述扫地机的中扫位置信息，在所述测试区域中进行标记，记为标记元素；
计算模块400，用于计算所述标记元素在所述测试区域的像素中的占比，所述占比为所述扫地机的覆盖率。
参照图3，本公开实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储扫地机运行中标记或存储的数据等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述任一实施例中的多房间的清扫覆盖率测量方法。
本领域技术人员可以理解，图3中示出的结构，仅仅是与本公开方案相关的部分结构的框图，并不构成对本公开方案所应用于其上的计算机设备的限定。
本公开一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任一实施例中的多房间的清扫覆盖率测量方法。可以理解的是，本实施例中的计算机可读存储介质可以是易失性可读存储介质，也可以为非易失性可读存储介质。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本公开所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM通过多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本公开的优选实施例，并非因此限制本公开的专利范围，凡是利用本公开说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本公开的专利保护范围内。
Claims (9)
1.一种多房间的清扫覆盖率测量方法，其特征在于，所述方法包括：
获取至少两个外部设备采集范围的覆盖区域，并获取第一外部设备的覆盖范围中和第二外部设备的覆盖范围中的重复区域为重叠覆盖区，记所述第一外部设备的覆盖范围不包括所述重叠覆盖区的区域为第一覆盖区，记所述第二外部设备的覆盖范围不包括所述重叠覆盖区的区域为第二覆盖区；
获取扫地机的运动轨迹，并基于所述运动轨迹与所述重叠覆盖区之间的关系对所述第一覆盖区与所述重叠覆盖区和/或第二覆盖区与所述重叠覆盖区进行拼接，记为测试区域；
根据所述扫地机的运动轨迹以及所述扫地机的中扫位置信息，在所述测试区域中进行标记，记为标记元素；
计算所述标记元素在所述测试区域的像素中的占比，所述占比为所述扫地机的覆盖率；
其中，所述基于所述运动轨迹与所述重叠覆盖区之间的关系对所述第一覆盖区与所述重叠覆盖区和/或第二覆盖区与所述重叠覆盖区进行拼接，记为测试区域的步骤，包括：
根据所述扫地机在所述第一覆盖区中的第一运动位置计算扫地机与预设在所述重叠覆盖区的第一边界线的距离，记为第一距离；
当所述第一距离小于预设距离时，将所述第一覆盖区与所述重叠覆盖区拼接；和/或，
根据所述扫地机在所述第二覆盖区中的第二运动位置计算扫地机与预设在所述重叠覆盖区的第二边界线的距离，记为第二距离；
当所述第二距离小于预设距离时，将所述第二覆盖区与所述重叠覆盖区拼接。
2.如权利要求1所述的多房间的清扫覆盖率测量方法，其特征在于，所述获取第一外部设备的覆盖范围中和第二外部设备的覆盖范围中的重复区域为重叠覆盖区的步骤，包括：
获取第一外部设备的覆盖范围靠近所述第二外部设备方向的第一预设区域范围，同时获取第二外部设备的覆盖范围靠近所述第一外部设备方向的第二预设区域范围；
计算所述第一预设区域与所述第二预设区域范围的像素相似度；
若所述像素相似度超过预设阈值，则将所述第一预设区域范围与所述第二预设区域范围进行融合，获得所述重叠覆盖区。
3.如权利要求2所述的多房间的清扫覆盖率测量方法，其特征在于，所述计算所述第一预设区域与所述第二预设区域范围的像素相似度的步骤之后，还包括：
若所述像素相似度未超过预设阈值，则获取第一外部设备的覆盖范围靠近所述第二外部设备方向的第三预设区域范围，同时获取第二外部设备的覆盖范围靠近所述第一外部设备方向的第四预设区域范围；其中，所述第三预设区域范围以及所述第四预设区域范围均小于所述第一预设区域范围以及所述第二预设区域范围；
计算所述第三预设区域与所述第四预设区域范围的像素相似度；
若所述像素相似度超过预设阈值，则将所述第三预设区域范围与所述第四预设区域范围进行融合，获得所述重叠覆盖区。
4.如权利要求1所述的多房间的清扫覆盖率测量方法，其特征在于，所述获取所述扫地机的运动轨迹，包括：
以所述第一外部设备或所述第二外部设备为原点、所述测试区域的相邻边分别为X轴或Y轴建立原始坐标系；
基于所述原始坐标系获取所述第一外部设备、第二外部设备之间的外参标定，记为外参信息Tcam2_cam1；
以所述第一外部设备为原点、所述第一外部设备的覆盖区域的相邻边分别为X轴或Y轴建立第一世界坐标系；
获取所述扫地机在所述原始坐标系的第一初始位姿T0cam1；
计算所述扫地机在所述第一世界坐标系相对所述第一初始位姿T0cam1的位姿，其计算公式为：
Trobot_cam1＝T0-1 cam1*TNcam1,N为大于等于零的正整数；
其中，Trobot_cam1是所述扫地机在所述第一世界坐标系相对所述第一初始位姿T0cam1的位姿，T0cam1是所述扫地机在所述原始坐标系的第一初始位姿，TNcam1是所述扫地机移动后在所述第一世界坐标系的位姿；
当所述扫地机运行到所述第二外部设备的覆盖区域时，以所述第二外部设备为原点、所述第二外部设备的覆盖区域的相邻边分别为X轴或Y轴建立第二世界坐标系；
获取所述扫地机在所述原始坐标系的第二初始位姿T0cam2；
计算所述扫地机在所述第二世界坐标系相对所述第二初始位姿T0cam2的位姿，其计算公式为：
T～ robot_cam2＝T0-1 cam2*TNcam2,N为大于等于零的正整数；
其中，T～ robot_cam2是所述扫地机在所述第二世界坐标系相对所述第二初始位姿T0cam2位置，T0cam2是所述扫地机在所述原始坐标系的第二初始位姿，TNcam2是所述扫地机移动后在所述第二世界坐标系的位姿；
将所述扫地机在所述第二世界坐标系相对所述第二初始位姿T0cam2位置转换到所述第一世界坐标系中，其计算公式为：
T～ robot_cam1＝T～ robot_cam2*Tcam2_cam1；
获取所述扫地机在所述第二世界坐标系相对所述第二初始位姿T0cam2位置转换到所述第一世界坐标系的位姿、以及所述扫地机在所述第一世界坐标系相对所述第一初始位姿T0cam1的位姿，生成所述扫地机的轨迹集，所述扫地机的轨迹集就是所述扫地机的运动轨迹。
5.如权利要求1所述的多房间的清扫覆盖率测量方法，其特征在于，所述扫地机的中扫位置信息获取的步骤，包括：
获取设置于所述扫地机上标识码的位置信息；
基于所述标识码的位置信息进行映射转换，获得所述扫地机的中扫位置信息。
6.如权利要求1所述的多房间的清扫覆盖率测量方法，其特征在于，计算所述标记元素在所述测试区域的像素中的占比，所述占比为所述扫地机的覆盖率的步骤之后，包括：
判断所述扫地机的覆盖率是否低于预设值；
若是，则进行第二次所述扫地机的覆盖率测量，得到二次覆盖率。
7.一种多房间的清扫覆盖率测量装置，用于实现权利要求1-6中任一项所述的方法，其特征在于，包括：
覆盖区域获取模块，用于获取至少两个外部设备采集范围的覆盖区域，并获取第一外部设备的覆盖范围中和第二外部设备的覆盖范围中的重复区域为重叠覆盖区，记所述第一外部设备的覆盖范围不包括所述重叠覆盖区的区域为第一覆盖区，记所述第二外部设备的覆盖范围不包括所述重叠覆盖区的区域为第二覆盖区；
测试区域获取模块，用于获取所述扫地机的运动轨迹，并基于所述运动轨迹与所述重叠覆盖区之间的关系对所述第一覆盖区与所述重叠覆盖区和/或第二覆盖区与所述重叠覆盖区进行拼接，记为测试区域；
标记模块，用于根据所述扫地机的运动轨迹以及所述扫地机的中扫位置信息，在所述测试区域中进行标记，记为标记元素；
计算模块，用于计算所述标记元素在所述测试区域的像素中的占比，所述占比为所述扫地机的覆盖率。
8.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-6中任一项所述的多房间的清扫覆盖率测量方法的步骤。
9.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-6中任一项所述的多房间的清扫覆盖率测量方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210100708.9A CN114608488B (zh) | 2022-01-27 | 2022-01-27 | 多房间的清扫覆盖率测量方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210100708.9A CN114608488B (zh) | 2022-01-27 | 2022-01-27 | 多房间的清扫覆盖率测量方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114608488A CN114608488A (zh) | 2022-06-10 |
| CN114608488B true CN114608488B (zh) | 2024-04-09 |
Family
ID=81858552
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210100708.9A Active CN114608488B (zh) | 2022-01-27 | 2022-01-27 | 多房间的清扫覆盖率测量方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114608488B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013164405A (ja) * | 2012-02-13 | 2013-08-22 | Toyota Motor Corp | 触媒微粒子の被覆率算出方法及び触媒微粒子の評価方法 |
| WO2013154816A1 (en) * | 2012-04-10 | 2013-10-17 | Bridgestone Americas Tire Operations, Llc | System and method for determining statistical distribution of a rolling tire boundary |
| CN107409164A (zh) * | 2015-03-16 | 2017-11-28 | 三菱电机株式会社 | 图像读取装置和图像读取方法 |
| CN111722630A (zh) * | 2020-06-30 | 2020-09-29 | 深圳市银星智能科技股份有限公司 | 清洁机器人的分区边界扩展方法、装置、设备及存储介质 |
| CN113064409A (zh) * | 2019-12-13 | 2021-07-02 | 深圳拓邦股份有限公司 | 一种动态分区方法、系统及清洁设备 |
| CN113096179A (zh) * | 2021-03-09 | 2021-07-09 | 杭州电子科技大学 | 一种基于视觉定位的扫地机器人覆盖率检测方法 |
| CN113171040A (zh) * | 2021-04-25 | 2021-07-27 | 珠海格力电器股份有限公司 | 扫地机器人路径规划方法、装置、存储介质及扫地机器人 |
| CN113516590A (zh) * | 2021-06-29 | 2021-10-19 | 惠州华阳通用电子有限公司 | 一种基于电子外后镜的图像合成方法及存储介质 |
| WO2021208398A1 (zh) * | 2020-04-16 | 2021-10-21 | 深圳市沃特沃德股份有限公司 | 视距测量定位的方法、装置和计算机设备 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201116383A (en) * | 2009-11-10 | 2011-05-16 | Micro Star Int Co Ltd | Control method and cleaning robot utilizing the same |
| US8755966B2 (en) * | 2012-04-03 | 2014-06-17 | Caterpillar Inc. | System and method for controlling autonomous machine within lane boundaries during position uncertainty |
| US11576543B2 (en) * | 2014-07-18 | 2023-02-14 | Ali Ebrahimi Afrouzi | Robotic vacuum with rotating cleaning apparatus |
| WO2019042345A1 (zh) * | 2017-08-30 | 2019-03-07 | 苏州宝时得电动工具有限公司 | 自移动设备及其移动路径的控制方法 |
-
2022
- 2022-01-27 CN CN202210100708.9A patent/CN114608488B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013164405A (ja) * | 2012-02-13 | 2013-08-22 | Toyota Motor Corp | 触媒微粒子の被覆率算出方法及び触媒微粒子の評価方法 |
| WO2013154816A1 (en) * | 2012-04-10 | 2013-10-17 | Bridgestone Americas Tire Operations, Llc | System and method for determining statistical distribution of a rolling tire boundary |
| CN107409164A (zh) * | 2015-03-16 | 2017-11-28 | 三菱电机株式会社 | 图像读取装置和图像读取方法 |
| CN113064409A (zh) * | 2019-12-13 | 2021-07-02 | 深圳拓邦股份有限公司 | 一种动态分区方法、系统及清洁设备 |
| WO2021208398A1 (zh) * | 2020-04-16 | 2021-10-21 | 深圳市沃特沃德股份有限公司 | 视距测量定位的方法、装置和计算机设备 |
| CN111722630A (zh) * | 2020-06-30 | 2020-09-29 | 深圳市银星智能科技股份有限公司 | 清洁机器人的分区边界扩展方法、装置、设备及存储介质 |
| CN113096179A (zh) * | 2021-03-09 | 2021-07-09 | 杭州电子科技大学 | 一种基于视觉定位的扫地机器人覆盖率检测方法 |
| CN113171040A (zh) * | 2021-04-25 | 2021-07-27 | 珠海格力电器股份有限公司 | 扫地机器人路径规划方法、装置、存储介质及扫地机器人 |
| CN113516590A (zh) * | 2021-06-29 | 2021-10-19 | 惠州华阳通用电子有限公司 | 一种基于电子外后镜的图像合成方法及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114608488A (zh) | 2022-06-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tardif et al. | Monocular visual odometry in urban environments using an omnidirectional camera | |
| US8446492B2 (en) | Image capturing device, method of searching for occlusion region, and program | |
| Strasdat et al. | Real-time monocular SLAM: Why filter? | |
| Sturm et al. | Evaluating egomotion and structure-from-motion approaches using the TUM RGB-D benchmark | |
| CN111462200A (zh) | 一种跨视频行人定位追踪方法、系统及设备 | |
| Rashidi et al. | Generating absolute-scale point cloud data of built infrastructure scenes using a monocular camera setting | |
| CN107907131A (zh) | 定位系统、方法及所适用的机器人 | |
| Castaneda et al. | SLAM combining ToF and high-resolution cameras | |
| CN110084243A (zh) | 一种基于二维码和单目相机的档案识别与定位方法 | |
| Bethmann et al. | Semi-global matching in object space | |
| Bolles et al. | Spatiotemporal consistency checking of passive range data | |
| Tsaregorodtsev et al. | Extrinsic camera calibration with semantic segmentation | |
| Nirmal et al. | Homing with stereovision | |
| CN114608488B (zh) | 多房间的清扫覆盖率测量方法、装置、设备及介质 | |
| Pollok et al. | A visual SLAM-based approach for calibration of distributed camera networks | |
| CN111780744B (zh) | 移动机器人混合导航方法、设备及存储装置 | |
| CN113520246A (zh) | 移动机器人补偿清洁方法及系统 | |
| KR102065337B1 (ko) | 비조화비를 이용하여 대상체의 이동 정보를 측정하는 장치 및 방법 | |
| Kollmitzer | Object detection and measurement using stereo images | |
| Wnuk et al. | Dense 3D mapping with monocular vision | |
| Wang et al. | Real-time obstacle detection with a single camera | |
| CN113662476A (zh) | 一种提高可移动清洁机器人清洁覆盖率的方法、以及系统 | |
| Pedersini et al. | Multi-camera parameter tracking | |
| CN114593696A (zh) | 清扫覆盖率测量方法、装置、设备及介质 | |
| Vandewiele et al. | Occlusion management strategies for pedestrians tracking across fisheye camera networks |
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 |