CN115131656A - 空间识别方法、装置、电子设备及计算机可读存储介质 - Google Patents

空间识别方法、装置、电子设备及计算机可读存储介质 Download PDF

Info

Publication number
CN115131656A
CN115131656A CN202211062684.9A CN202211062684A CN115131656A CN 115131656 A CN115131656 A CN 115131656A CN 202211062684 A CN202211062684 A CN 202211062684A CN 115131656 A CN115131656 A CN 115131656A
Authority
CN
China
Prior art keywords
wall
vertical projection
line
projection line
lines
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
Application number
CN202211062684.9A
Other languages
English (en)
Other versions
CN115131656B (zh
Inventor
古明辉
林位麟
赖思博
肖志光
陈盛军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Pengxing Intelligent Research Co Ltd
Original Assignee
Shenzhen Pengxing Intelligent Research Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Pengxing Intelligent Research Co Ltd filed Critical Shenzhen Pengxing Intelligent Research Co Ltd
Priority to CN202211062684.9A priority Critical patent/CN115131656B/zh
Publication of CN115131656A publication Critical patent/CN115131656A/zh
Application granted granted Critical
Publication of CN115131656B publication Critical patent/CN115131656B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
    • G06V20/36—Indoor scenes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00—Manipulators not otherwise provided for
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J13/00—Controls for manipulators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/421—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation by analysing segments intersecting the pattern
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/422—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation for representing the structure of the pattern or shape of an object therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Computational Linguistics (AREA)
  • Image Analysis (AREA)

Abstract

本申请提供一种空间识别方法、装置、电子设备及计算机可读存储介质，该方法包括：根据获取的环境的点云数据，确定多根墙竖直投影线，所述多根墙竖直投影线位于同一平面；识别所述多根墙竖直投影线之间的位置关系；根据所述多根墙竖直投影线之间的位置关系，获取至少一个闭环的墙竖直投影线组合。本申请利用语义信息，实现对环境内各个独立空间的准确划分，并且针对复杂布局的房间情况，适用性良好。

Description

空间识别方法、装置、电子设备及计算机可读存储介质
技术领域
本申请涉及空间信息技术领域，具体涉及一种空间识别方法、装置、电子设备及计算机可读存储介质。
背景技术
随着技术的发展，机器人在服务于人类的生活中起到越来越重要的作用，其对房屋环境的理解也需要进一步提升。目前，有一些对二维地图进行房屋户型识别的方案，或者在建图中识别一部分房间房门区域的方案，但这些方案不适用于机器人在没有二维地图情况下识别理解房屋结构，因此针对机器人有效识别房屋的方案还需要进一步改进。
发明内容
鉴于此，本申请提供一种空间识别方法、装置、电子设备及计算机可读存储介质。
第一方面，本申请提供一种空间识别方法，包括：
根据获取的环境的点云数据，确定多根墙竖直投影线，所述多根墙竖直投影线位于同一平面；
识别所述多根墙竖直投影线之间的位置关系；
根据所述多根墙竖直投影线之间的位置关系，获取至少一个闭环的墙竖直投影线组合。
第二方面，本申请还提供一种空间识别装置，包括：
竖直投影模块，用于根据获取的环境的点云数据，确定多根墙竖直投影线，所述多根墙竖直投影线位于同一平面；
识别关系模块，用于识别所述多根墙竖直投影线之间的位置关系；
确定空间模块，用于根据所述多根墙竖直投影线之间的位置关系，获取至少一个闭环的墙竖直投影线组合。
第三方面，本申请还提供一种电子设备，包括：至少一个处理器、至少一个存储器和通信接口；其中，所述处理器、存储器和通信接口相互间进行通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以执行第一方面所述的空间识别方法。
第四方面，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，当所述计算机指令在电子设备上运行时，使得所述电子设备执行第一方面所述的空间识别方法。
本申请获取环境的点云数据，有助于实现对环境中各个独立空间的准确划分；根据所述环境的点云数据，确定多根位于同一平面内的墙竖直投影线；然后通过确定各个墙竖直投影线之间的位置关系，从而获取至少一个闭环的墙竖直投影线组合，以实现对环境中各个独立空间的有效识别，并且针对复杂布局的房间情况，适用性良好。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，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，还可以根据提供的附图获得其他的附图。
图1是本申请一实施例提供的足式机器人的模块示意图。
图2是本申请一实施例提供的足式机器人的立体示意图。
图3是本申请一实施例提供的空间识别方法的流程图。
图4是本申请一实施例中提供的第一墙竖直投影线和第二墙竖直投影线或其各自延长线的五种关系图。
图5是本申请一实施例提供的串连墙链的示意图。
图6是本申请一实施例提供的环境中多根墙竖直投影线的示意图。
图7是本申请一实施例提供的空间识别装置的原理示意图。
图8是本申请一实施例提供的电子设备的原理示意图。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
在后续的描述中，使用用于表示部件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。
在一些实施例中，本申请中的空间识别方法应用在足式机器人100中。
请参阅图1，图1为本发明其中一个实施方式的足式机器人100的硬件结构示意图。在图1所示的实施方式中，足式机器人100包括机械单元101、通讯单元102、传感单元103、接口单元104、存储单元105、控制模块110、电源111。足式机器人100的各种部件可以以任何方式连接，包括有线或无线连接等。本领域技术人员可以理解，图1中示出的足式机器人100的具体结构并不构成对足式机器人100的限定，足式机器人100可以包括比图示更多或更少的部件，某些部件也并不属于足式机器人100的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略，或者组合某些部件。
下面结合图1对足式机器人100的各个部件进行具体的介绍：
机械单元101为足式机器人100的硬件。如图1所示，机械单元101可包括驱动板1011、电机1012、机械结构1013，如图2所示，机械结构1013可包括机身主体1014、可伸展的腿部1015、足部1016，在其他实施方式中，机械结构1013还可包括可伸展的机械臂（图未示）、可转动的头部结构1017、可摇动的尾巴结构1018、载物结构1019、鞍座结构1020、摄像头结构1021等。需要说明的是，机械单元101的各个部件模块可以为一个也可以为多个，可根据具体情况设置，比如腿部1015可为4个，每个腿部1015可配置3个电机1012，对应的电机1012为12个。
通讯单元102可用于信号的接收和发送，还可以通过与网络和其他设备通信，比如，接收遥控器或其他足式机器人100发送的按照特定步态以特定速度值向特定方向移动的指令信息后，传输给控制模块110处理。通讯单元102包括如WiFi模块、4G模块、5G模块、蓝牙模块、红外模块等。
传感单元103用于获取足式机器人100周围环境的信息数据以及监控足式机器人100内部各部件的参数数据，并发送给控制模块110。传感单元103包括多种传感器，如获取周围环境信息的传感器：激光雷达(用于远程物体检测、距离确定和/或速度值确定)、毫米波雷达(用于短程物体检测、距离确定和/或速度值确定)、摄像头、红外摄像头、全球导航卫星系统（GNSS，Global Navigation Satellite System）等。如监控足式机器人100内部各部件的传感器：惯性测量单元（IMU，Inertial Measurement Unit）（用于测量速度值、加速度值和角速度值的值），足底传感器（用于监测足底着力点位置、足底姿态、触地力大小和方向）、温度传感器（用于检测部件温度）。至于足式机器人100还可配置的载荷传感器、触摸传感器、电机角度传感器、扭矩传感器等其他传感器，在此不再赘述。
接口单元104可以用于接收来自外部装置的输入(例如，数据信息、电力等)并且将接收到的输入传输到足式机器人100内的一个或多个部件，或者可以用于向外部装置输出(例如，数据信息、电力等)。接口单元104可包括电源端口、数据端口（如USB端口）、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口等。
存储单元105用于存储软件程序以及各种数据。存储单元105可主要包括程序存储区和数据存储区，其中，程序存储区可存储操作系统程序、运动控制程序、应用程序（比如文本编辑器）等；数据存储区可存储足式机器人100在使用中所生成的数据（比如传感单元103获取的各种传感数据，日志文件数据）等。此外，存储单元105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，例如磁盘存储器、闪存器、或其他易失性固态存储器。
显示单元106用于显示由用户输入的信息或提供给用户的信息。显示单元106可包括显示面板1061，可以采用液晶显示器（Liquid Crystal Display，LCD）、有机发光二极管（Organic Light-Emitting Diode, OLED）等形式来配置显示面板1061。
输入单元107可用于接收输入的数字或字符信息。具体地，输入单元107可包括触控面板1071以及其他输入设备1072。触控面板1071，也称为触摸屏，可收集用户的触摸操作（比如用户使用手掌、手指或适合的附件在触控面板1071上或在触控面板1071附近的操作），并根据预先设定的程式驱动相应的连接装置。触控面板1071可包括触摸检测装置1073和触摸控制器1074两个部分。其中，触摸检测装置1073检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器1074；触摸控制器1074从触摸检测装置1073上接收触摸信息，并将它转换成触点坐标，再送给控制模块110，并能接收控制模块110发来的命令并加以执行。除了触控面板1071，输入单元107还可以包括其他输入设备1072。具体地，其他输入设备1072可以包括但不限于遥控操作手柄等中的一种或多种，具体此处不做限定。
进一步地，触控面板1071可覆盖显示面板1061，当触控面板1071检测到在其上或附近的触摸操作后，传送给控制模块110以确定触摸事件的类型，随后控制模块110根据触摸事件的类型在显示面板1061上提供相应的视觉输出。虽然在图1中，触控面板1071与显示面板1061是作为两个独立的部件来分别实现输入和输出功能，但是在某些实施例中，可以将触控面板1071与显示面板1061集成而实现输入和输出功能，具体此处不做限定。
控制模块110是足式机器人100的控制中心，利用各种接口和线路连接整个足式机器人100的各个部件，通过运行或执行存储在存储单元105内的软件程序，以及调用存储在存储单元105内的数据，从而对足式机器人100进行整体控制。
电源111用于给各个部件供电，电源111可包括电池和电源控制板，电源控制板用于控制电池充电、放电、以及功耗管理等功能。在图1所示的实施方式中，电源111电连接控制模块110，在其它的实施方式中，电源111还可以分别与传感单元103（比如摄像头、雷达、音箱等）、电机1012电性连接。需要说明的是，各个部件可以各自连接到不同的电源111，或者由相同的电源111供电。
在上述实施方式的基础上，具体地，在一些实施方式中，可以通过终端设备来与足式机器人100进行通信连接，在终端设备与足式机器人100进行通信时，可以通过终端设备来向足式机器人100发送指令信息，足式机器人100可通过通讯单元102来接收指令信息，并可在接收到指令信息的情况下，将指令信息传输至控制模块110，使得控制模块110可根据指令信息来处理得到目标速度值。终端设备包括但不限于：具备图像拍摄功能的手机、平板电脑、服务器、个人计算机、可穿戴智能设备、其它电器设备。
指令信息可以根据预设条件来确定。在一个实施方式中，足式机器人100可以包括传感单元103，传感单元103可根据足式机器人100所在的当前环境可生成指令信息。控制模块110可根据指令信息来判断足式机器人100的当前速度值是否满足对应的预设条件。若满足，则会保持足式机器人100的当前速度值和当前步态移动；若不满足，则会根据对应的预设条件来确定目标速度值和相应的目标步态，从而可控制足式机器人100以目标速度值和相应的目标步态移动。环境传感器可以包括温度传感器、气压传感器、视觉传感器、声音传感器。指令信息可以包括温度信息、气压信息、图像信息、声音信息。环境传感器与控制模块110之间的通信方式可以为有线通信，也可以为无线通信。无线通信的方式包括但不限于：无线网络、移动通信网络（3G、4G、5G等）、蓝牙、红外。
请参阅图3所示，为本申请较佳实施例提供的空间识别方法的流程图。根据不同的需求，所述流程图中步骤的顺序可以改变，某些步骤可以省略。
步骤S301，根据获取的环境的点云数据，确定多根墙竖直投影线，所述多根墙竖直投影线位于同一平面。
可以理解，机器人在用户控制下或者在自动模式下，在一定范围内的目标区域对环境空间进行识别，该目标区域可以指室内房间、室外房间、或室内房间与室外房间的组合。
在一些实施例中，所述环境的点云数据包括墙面的点云数据和辅助构件的点云数据，所述墙面的点云数据和辅助构件的点云数据包括语义信息；所述辅助构件包括墙面遮挡物、门框和竖直墙角线；其中所述墙面遮挡物可以是家具、纸箱、窗帘、电器等对墙面造成遮挡的物件，其中电器包括但不限于空调、冰箱等。
此外，需要说明的是，本实施例中的墙面是指至少部分墙体与房顶、地板存在连接的墙体表面，但不包括如1米左右高的隔断墙面以及房顶上的梁结构表面。墙面的材料包括玻璃墙、铁皮墙、石墙、木墙、被墙纸覆盖的墙面等，需要说明的是，如果一整面墙大部分面积都被柜子覆盖，则认为该面柜子为柜墙。
作为一个实施例，从获取的所述环境的点云数据中，选取坐标高度位于同一高度且点云坐标位于同一平面的环境的点云数据，来确定所述多根墙竖直投影线；
所述坐标高度为设定值，比如用户选择坐标高度为0，则所述墙竖直投影线为墙和地面的交叉线，如果用户选择坐标高度为房顶的高度，则所述墙竖直投影线为墙和房顶的交叉线；
或者所述坐标高度为随机值；
或者所述坐标高度为根据环境中墙面被遮挡的程度来选取的值，优选多个墙面被遮挡少的坐标高度，来获取墙竖直投影线，当然也可以选择多个墙面被遮挡多的坐标高度来获取墙竖直投影线。
作为一个实施例，从获取的所述环境的点云数据中，选取至少部分坐标高度位于不同高度且点云坐标位于同一平面的环境的点云数据，来确定所述多根墙竖直投影线，
所述坐标高度可以为设定值；
或者所述坐标高度为随机值；
或者所述坐标高度为根据环境中墙面被遮挡的程度来选取的值，优选多个墙面被遮挡少的坐标高度，来获取墙竖直投影线，当然也可以选择多个墙面被遮挡多的坐标高度来获取墙竖直投影线。
在一些实施例中，获取环境的点云数据，包括：获取环境内多个实体要素的点云数据，对同个所述实体要素的点云数据进行融合，得到对应的环境实体。其中实体要素标记有语义信息，所述实体要素包括墙要素、遮挡物要素、门框要素以及竖直墙角线要素。此外，针对同个实体要素的点云数据进行融合在后续实施例中进一步说明。
在一些实施例中，获取环境的点云数据，包括：可以通过足式机器人的双目摄像头获取所述环境的多个拍摄图像和对应的深度信息；对所述拍摄图像进行识别处理，得到多个实体要素的图像数据，所述实体要素标记语义信息，实体要素包括墙要素、遮挡物要素、门框要素以及竖直墙角线要素；根据所述多个实体要素的图像数据和对应的深度信息，得到所述每个实体要素对应的原始点云数据；通过足式机器人的惯性测量单元获取所述拍摄图像对应的拍摄位姿信息，根据所述拍摄位姿信息，将多个实体要素的原始点云数据进行坐标转化；将坐标转化后的所述实体要素的原始点云数据进行点云配准处理，得到所述拍摄图像中每个实体要素的点云数据。在该实施例中，可以通过现有深度学习或机器学习的方式对拍摄图像进行识别处理，得到多个实体要素的图像数据。在其他实施例中，还可以通过足式机器人搭载的激光雷达获取环境内多个实体要素的点云数据。从而便于后续得到对应的具有语义信息的环境。
作为示例性地，在t0时刻和t1时刻两次采集环境的点云数据，具体获取惯性测量单元的测量信息，该测量信息包括足式机器人采集过程中移动的角速度和线速度，需要说明的是，该采集过程中，惯性测量单元的测量存在误差。根据拍摄时所述角速度和线速度，可以预估t0到t1时刻足式机器人的双目摄像头移动的位置信息以及旋转的角度信息，再根据t0时刻双目摄像头在地图坐标系下的位姿T0，估算出t1时刻双目摄像头的位姿T1，需要说明的是该估算的位姿T1存在误差，需要后续调整。进一步地，利用估算的位姿T1，将t1时刻采集到的原始点云数据的点云坐标（摄像坐标系下的坐标），转换到地图坐标系下，然后将转换到地图坐标系下的点云坐标与t0时刻以及之前已经转换到地图坐标系下的点云坐标，通过最近点迭代（Iterative Closest Point, ICP）算法进行点云匹配，得到t1时刻双目摄像头更加精准的位姿T1’；利用位姿T1'，将t1时刻采集到的原始点云数据的点云坐标重新计算为地图坐标系下的点云坐标，然后将这些点云坐标存储起来，供下一时刻t2使用。如此循环，可以较为精确地获取环境内多个实体要素的点云数据。
进一步地，在一些实施例中，对同个所述实体要素的点云数据进行融合，得到对应的环境实体，具体包括：对墙要素的点云数据进行平面拟合，得到墙面；通过对遮挡物要素的点云数据计算对应的外包框，若外包框存在相交，则认为属于同一个墙面遮挡物，因此融合得到对应的墙面遮挡物；将门框要素的点云数据做平面拟合，并计算每个拟合平面的法向量和中心点，若其中任意两个拟合平面符合法向量一致，且两个拟合平面的中心点之间的距离小于常规的门框宽度，则认为所述两个拟合平面属于同一个门框，因此融合得到对应的门框；将对竖直墙角线要素的点云数据进行直线拟合，得到对应的竖直墙角线。
在一些实施例中，根据所述环境的点云数据，将融合得到的各个墙面、墙面遮挡物、门框以及竖直墙角线进行竖直投影，得到墙面的墙竖直投影线、墙面遮挡物的竖直投影线、门框的竖直投影线以及竖直墙角线的投影点，从而得到各个环境物体的竖直投影的二维平面图。需要说明的是，为了方便描述，本方案以下内容将以向地面投影为例进行描述。
考虑到在足式机器人移动拍摄过程中，由于拍摄视野所限制，拍摄到的墙面非完整墙面，比如部分墙面被沙发、电器或储物柜等遮挡，或者墙角位置未被拍摄到，又或者门框对应的墙面不存在，因此需要根据环境的点云数据，获取完整的墙竖直投影线。
在一些实施例中，所述根据所述环境的点云数据，获取多根墙竖直投影线包括：
根据所述环境的点云数据的语义信息，判断墙竖直投影线是否被遮挡；
若被遮挡，则根据墙面遮挡物的竖直投影线与被遮挡墙面中未被遮挡部分的墙竖直投影线的位置关系，推算出所述被遮挡墙面的墙竖直投影线，以补全被遮挡的墙竖直投影线；
或者，根据所述竖直墙角线的竖直投影点和被遮挡墙面中未被遮挡部分的墙竖直投影线的位置关系对所述墙面的墙竖直投影线进行延伸补全；
所述墙竖直投影线、墙面遮挡物的竖直投影线、竖直墙角线的竖直投影点均位于同一平面。
在该实施例中，若某根墙竖直投影线存在线段缺口，且该线段缺口处存在墙面遮挡物的竖直投影线，则可以判定该墙竖直投影线存在被遮挡的情况。进一步地，根据墙面遮挡物与被遮挡墙面中未遮挡部分的位置关系，推理出利用墙面遮挡物的竖直投影线对被遮挡的墙竖直投影线进行补全。
示例性地，识别出同一墙面包括至少两条墙竖直投影线，该至少两条墙竖直投影线之间包含墙面遮挡物的竖直投影线，可以将所述至少两条墙竖直投影线相近的两端连接以补全该墙面的至少两条墙竖直投影线。
此外，针对墙角处墙竖直投影线缺失的情况，可以利用竖直墙角线的地面投影点或屋顶投影点对墙角处缺失的墙竖直投影线进行延伸补全。
示例性地，针对墙角处缺失墙竖直投影线的情况，可以将已存在的墙竖直投影线延伸至临近的竖直墙角线的地面投影点，从而补全墙角处缺失的墙竖直投影线，得到较为完善的墙竖直投影线。
在其他实施例中，若某根墙竖直投影线存在线段缺口，且该线段缺口处存在门框，则利用门框的竖直投影线补全该墙竖直投影线的线段缺口。
步骤S302，识别所述多根墙竖直投影线之间的位置关系。
在一些实施例中，所述识别所述多根墙竖直投影线之间的位置关系，包括：
判断第一墙竖直投影线和第二墙竖直投影线或其各自延长线是否是交叉状态。需要说明的是，基于步骤S301所获取的墙竖直投影线，从中任意选取第一墙竖直投影线和第二墙竖直投影线。
若所述第一墙竖直投影线的延长线和第二墙竖直投影线的延长线为交叉状态，且交叉点分别与第一墙竖直投影线和第二墙竖直投影线最近端点的距离均小于第一阈值，则记录所述第一墙竖直投影线和第二墙竖直投影线为交叉关系及和/或所述第一墙竖直投影线和第二墙竖直投影线之间的顺时针转向关系和逆时针转向关系。
若所述第一墙竖直投影线和第二墙竖直投影线为交叉状态，则将所述第一墙竖直投影线和第二墙竖直投影线在交叉点处进行拆分，若得到对应的拆分线长度大于或等于预设的第二阈值，则记录为有效拆分线，及记录第一墙竖直投影线和第二墙竖直投影线各自的有效拆分线为交叉关系和/或所述各自的有效拆分线之间的顺时针转向关系和逆时针转向关系。
若所述第一墙竖直投影线的延长线和第二墙竖直投影线为交叉状态，则将所述第二墙竖直投影线在交叉点处进行拆分，若得到对应的拆分线长度大于或等于预设的第二阈值，则记录为有效拆分线，并记录第二墙竖直投影线的有效拆分线和第一墙竖直投影线为交叉关系和/或所述第二墙竖直投影线的有效拆分线和第一墙竖直投影线之间的顺时针转向关系和逆时针转向关系。
在该实施例中，第一阈值是指距离误差阈值，取值在0~0.2m之间。第二阈值是指常规的最小房间宽度，一般取值为2.5~4m之间。有效拆分线是指对应的拆分线满足一个房间宽度。在该实施例中，若所述第一墙竖直投影线和第二墙竖直投影线为交叉状态，则将所述第一墙竖直投影线和第二墙竖直投影线在交叉点处进行拆分，若得到对应的拆分线长度小于预设的第二阈值，则记录为无效拆分线；若所述第一墙竖直投影线的延长线和第二墙竖直投影线为交叉状态，则将所述第二墙竖直投影线在交叉点处进行拆分，若得到对应的拆分线长度小于预设的第二阈值，则记录为无效拆分线。此外，若所述第一墙竖直投影线和第二墙竖直投影线的延长线为交叉状态，则将所述第一墙竖直投影线在交叉点处进行拆分，得到对应的拆分线长度小于所述预设的第二阈值，则记录为无效拆分线。进一步地，将所述无效拆分线删除。
在一些实施例中，所述判断第一墙竖直投影线和第二墙竖直投影线或其各自延长线是否是交叉状态，包括：
判断所述第一墙竖直投影线和第二墙竖直投影线或其各自延长线之间是否存在交叉点，若存在交叉点，则计算相交夹角；若不存在交叉点，则确定所述第一墙竖直投影线和第二墙竖直投影线为平行关系，如图4中的a所示。在本实施例中，所述相交夹角主要取锐角来计算。当所述第一墙竖直投影线和第二墙竖直投影线或其各自延长线之间的所述相交夹角小于所述预设的角度时，且所述第一墙竖直投影线与第二墙竖直投影线之间的最近端点距离大于或等于第一阈值，说明第一墙竖直投影线和第二墙竖直投影线是两个独立的墙面的墙竖直投影线，因此可以确定所述第一墙竖直投影线和第二墙竖直投影线为平行关系。
若所述相交夹角小于预设的角度，且所述第一墙竖直投影线与第二墙竖直投影线之间的最近端点距离小于第一阈值，则记录确定所述第一墙竖直投影线和第二墙竖直投影线为相接关系，如图4中的b所示。在本实施例中，所述预设的角度为40~50度之间。当所述第一墙竖直投影线和第二墙竖直投影线或其各自延长线之间的所述相交夹角小于所述预设的角度时，且所述第一墙竖直投影线与第二墙竖直投影线之间的最近端点距离小于第一阈值，则可以确定所述第一墙竖直投影线和第二墙竖直投影线为相接关系。
若所述相交夹角大于或等于预设的角度，且所述交叉点落在第一墙竖直投影线的延长线上和第二墙竖直投影线的延长线上，则记录所述第一墙竖直投影线和第二墙竖直投影线为第一交叉关系，如图4中的c所示。
若所述相交夹角大于或等于预设的角度，且所述交叉点落在所述第一墙竖直投影线上以及落在所述第二墙竖直投影线上，则记录所述第一墙竖直投影线和第二墙竖直投影线为第二交叉关系，如图4中的d所示。
若所述相交夹角大于或等于预设的角度，且所述交叉点落在所述第一墙竖直投影线或第二墙竖直投影线上，则记录所述第一墙竖直投影线和第二墙竖直投影线为第三交叉关系，如图4中的e所示。
将所述第一交叉关系、第二交叉关系和第三交叉关系作为第一墙竖直投影线和第二墙竖直投影线的三种交叉状态。
在该实施例中，考虑到足式机器人是在移动中拍摄图像，导致拍摄延迟存在拍摄误差，导致实际平面相接的墙面，其墙竖直投影线之间可能存在相交角度，或者导致实际平行的墙面，其墙竖直投影线之间存在相交角度。
需要说明的是，相接关系是指实际墙面为平面相接的关系，例如，一个整体墙面是平面相接状态，由于拍摄延迟或足式机器人的运动因素，导致图像融合后得到若干部分墙面并且呈相交的情况。所述平行关系是指实际墙面为平行的关系，例如，两个平行的独立墙面，由于拍摄延迟或足式机器人的运动因素，导致图像融合后两个独立墙面的墙竖直投影线呈相交的情况。
此外，所述第一交叉关系、第二交叉关系和第三交叉关系是指第一墙竖直投影线和第二墙竖直投影线的三种交叉状态。本实施例通过识别所述多根墙竖直投影线之间的位置关系，便于后续闭环搜索，确定搜索方向。
在一些实施例中，所述根据所述多根墙竖直投影线之间的位置关系，获取至少一个闭环的墙竖直投影线组合，包括：
从存储有交叉关系的墙竖直投影线中中任选一个第一搜索线段，沿着所述第一搜索线段并按照顺时针/逆时针方向判断是否搜索到与第一搜索线段存在交叉关系的第二搜索线段，若存在，则基于所述第二搜索线段进行下一轮判断和搜索，直至无交叉关系的待搜索线段，以得到第一链路。需要说明的是，可以将所有所述记录为交叉关系的墙竖直投影线作为待搜索线段存储于预设的线段集合。此外，该实施例中的墙竖直投影线为简化投影线，墙体厚度不计。
根据预设的封闭区间条件，判断所述第一链路是否形成一个闭合墙链，若是，则将所述闭合墙链作为一个所述目标墙链；若否，则沿着所述第一搜索线段并按照逆时针/顺时针方向进行搜索，判断是否会得到第二链路，若得到第二链路，则将所述第一链路和所述第二链路串连，得到串连墙链。如图5所示，将左侧第一搜索线段顺时针搜索后的第一链路和逆时针搜索后的第二链路重合拼接处理，得到一个串连墙链。
根据所述预设的封闭区间条件，判断所述串连墙链是否形成一个闭合墙链，若是，则将所述串连墙链作为另一个所述目标墙链。
将所述目标墙链进行标记，直至遍历完所有墙竖直投影线。
将所述第一链路、第二链路和所述目标墙链作为待识别墙链，所述预设的封闭区间条件包括：
所述待识别墙链为连续的线段，且形成一个完整闭环；
或者，所述待识别墙链未形成一个完整闭环，包含至少一个缺口，所述缺口所对应的两个线段的端点之间的最小距离小于预设第三阈值，且缺口所对应的两个线段的延长线满足预设相交条件。
在该实施例中，在将所有所述记录为交叉关系的墙竖直投影线作为待搜索线段存储于预设的线段集合时，其中所述墙竖直投影线存在的相接关系一并存储。从所述线段集合中任选一个第一搜索线段，将所述第一搜索线段按照顺时针/逆时针方向判断是否搜索到与第一搜索线段存在交叉关系的第二搜索线段，若存在，则基于所述第二搜索线段进行下一轮判断和搜索，直至无交叉关系的待搜索线段，以得到第一链路。本实施例中，第一搜索线段的顺时针方向可以包括从下到上，或从左到右的方向；第一搜索线段的逆时针方向可以包括从上到下，或从右到左的方向。进一步地，若所述第一链路满足封闭区间条件，则将所述第一链路作为一个目标墙链；若所述第一链路不满足封闭区间条件，则将第一搜索线段按照逆时针/顺时针方向进行搜索，若能够得到第二链路，则将第二链路与第一链路进行拼接处理，得到串连墙链，若所述串连墙链满足封闭区间条件，则将所述串连墙链作为另一个目标墙链。通过上述搜索方法，遍历完线段集合中所有待搜索线段。
在该实施例中，为第一链路、第二链路和串连墙链预设封闭区间条件，其中相交条件是指待识别墙链的缺口对应的两个线段的延长线所成夹角在45~130度之间。若待识别墙链的搜索起点和搜索终点在同一个墙竖直投影线上，说明待识别墙链为连续的线段，且形成一个完整闭环，满足所述封闭区间条件；若待识别墙链的搜索起点和搜索终点不属于同一个墙竖直投影线，且待识别墙链在搜索起点和搜索终点处形成缺口，该缺口对应的两个线段的延长线所成夹角在45~130度之间，且所述缺口所对应的两个线段的端点之间的最小距离小于预设第三阈值，则可以确定所述待识别墙链满足封闭区间条件。在本实施例中，所述预设第三阈值为经验值。
本实施例中，将满足封闭区间条件的第一链路、第二链路、串连墙链作为闭环的目标墙链，该目标墙链是指本实施例的一个墙竖直投影线组合。
在一些实施例中，根据所述多根墙竖直投影线之间的位置关系，获取至少一个闭环的墙竖直投影线组合包括：
从存储有交叉关系的墙竖直投影线中筛选出能构成首尾相连且连续的墙竖直投影线组合；
或者，从存储有交叉关系的墙竖直投影线中筛选出能构成首尾相连且包含至少一个缺口的墙竖直投影线组合，所述缺口所对应的两个线段的端点之间的最小距离小于预设第三阈值。
在该实施例中的墙竖直投影线为实际墙体的竖直投影线，包含墙体厚度。如图6中的B空间边界是由多个存在交叉关系的墙竖直投影线首尾相连实现闭环，如图6中的A边界是存在一个缺口的墙竖直投影线组合。本实施例中，采用实际厚度的墙体竖直投影线，根据实际空间情况可以快速筛选出满足闭环条件的墙竖直投影线组合。
在一些实施例中，在得到所述至少一个闭环的墙竖直投影线组合之后，所述方法还包括：根据所述至少一个闭环的墙竖直投影线组合，确定对应至少一个独立空间的边界。
在该实施例中，根据闭环的墙竖直投影线组合，可以确定对应的独立空间的边界，从而可以得到环境中所有独立空间的边界以及独立空间的数量。其中独立空间可以指独立房间或独立开放式空间。
由以上技术方案可以看出，本申请获取环境的点云数据，有助于实现对环境中各个独立空间的准确划分；根据所述环境的点云数据，确定多根位于同一平面内的墙竖直投影线；然后通过确定各个墙竖直投影线之间的位置关系，从而获取至少一个闭环的墙竖直投影线组合，以实现对环境中各个独立空间的有效识别，并且针对复杂布局的房间情况，适用性良好。
请参见图7，图7是本申请的空间识别装置的较佳实施例的功能模块图。空间识别装置71包括竖直投影模块711、识别关系模块712、确定空间模块713。在本实施例中，关于各模块/单元的功能将在后续的实施例中详述。
所述竖直投影模块711，用于根据获取的环境的点云数据，确定多根墙竖直投影线，所述多根墙竖直投影线位于同一平面；
所述识别关系模块712，用于识别所述多根墙竖直投影线之间的位置关系；
所述确定空间模块713，用于根据所述多根墙竖直投影线之间的位置关系，获取至少一个闭环的墙竖直投影线组合。
在一些实施例中，所述竖直投影模块711包括：
第一投影单元，用于从获取的所述环境的点云数据中，选取坐标高度位于同一高度且点云坐标位于同一平面的环境的点云数据，来确定所述多根墙竖直投影线；
或者，第二投影单元，用于从获取的所述环境的点云数据中，选取至少部分坐标高度位于不同高度且点云坐标位于同一平面的环境的点云数据，来确定所述多根墙竖直投影线。
在一些实施例中，所述竖直投影模块711，还包括：
点云数据库，用于所述环境的点云数据包括墙面的点云数据和辅助构件的点云数据，所述墙面的点云数据和辅助构件的点云数据包括语义信息；所述辅助构件包括墙面遮挡物、门框和竖直墙角线；
第一修复单元，用于根据所述环境的点云数据的语义信息，判断墙竖直投影线是否被遮挡；若被遮挡，则根据墙面遮挡物的竖直投影线与被遮挡墙面中未被遮挡部分的墙竖直投影线的位置关系，推算出所述被遮挡墙面的墙竖直投影线，以补全被遮挡的墙竖直投影线；
或者，第二修复单元，用于根据所述竖直墙角线的竖直投影点和被遮挡墙面中未被遮挡部分的墙竖直投影线的位置关系对所述墙面的墙竖直投影线进行延伸补全；所述墙竖直投影线、墙面遮挡物的竖直投影线、竖直墙角线的竖直投影点均位于同一平面。
在一些实施例中，所述识别关系模块712，包括：
交叉判断单元，用于判断第一墙竖直投影线和第二墙竖直投影线或其各自延长线是否是交叉状态；
第一记录单元，用于若所述第一墙竖直投影线的延长线和第二墙竖直投影线的延长线为交叉状态，且交叉点分别与第一墙竖直投影线和第二墙竖直投影线最近端点的距离均小于第一阈值，则记录所述第一墙竖直投影线和第二墙竖直投影线为交叉关系和/或所述第一墙竖直投影线和第二墙竖直投影线之间的顺时针转向关系和逆时针转向关系；
第二记录单元，用于若所述第一墙竖直投影线和第二墙竖直投影线为交叉状态，则将所述第一墙竖直投影线和第二墙竖直投影线在交叉点处进行拆分，若得到对应的拆分线长度大于或等于预设的第二阈值，则记录为有效拆分线，及记录第一墙竖直投影线和第二墙竖直投影线各自的有效拆分线为交叉关系和/或所述各自的有效拆分线之间的顺时针转向关系和逆时针转向关系；
第三记录单元，用于若所述第一墙竖直投影线的延长线和第二墙竖直投影线为交叉状态，则将所述第二墙竖直投影线在交叉点处进行拆分，若得到对应的拆分线长度大于或等于预设的第二阈值，则记录为有效拆分线，并记录第二墙竖直投影线的有效拆分线和第一墙竖直投影线为交叉关系和/或所述第二墙竖直投影线的有效拆分线和第一墙竖直投影线之间的顺时针转向关系和逆时针转向关系。
在一些实施例中，所述确定空间模块713包括：
第一确定单元，用于从存储有交叉关系的墙竖直投影线中筛选出能构成首尾相连且连续的墙竖直投影线组合；
或者，第二确定单元，用于从存储有交叉关系的墙竖直投影线中筛选出能构成首尾相连且包含至少一个缺口的墙竖直投影线组合，所述缺口所对应的两个线段的端点之间的最小距离小于预设第三阈值。
在一些实施例中，所述确定空间模块713，还包括：
第一搜索单元，用于从存储有交叉关系的墙竖直投影线中任选一个第一搜索线段，沿着所述第一搜索线段并按照顺时针/逆时针方向判断是否搜索到与第一搜索线段存在交叉关系的第二搜索线段，若存在，则基于所述第二搜索线段进行下一轮判断和搜索，直至无交叉关系的待搜索线段，以得到第一链路；
链路判断单元，用于根据预设的封闭区间条件，判断所述第一链路是否形成一个闭合墙链，若是，则将所述闭合墙链作为一个所述目标墙链；若否，则沿着所述第一搜索线段并按照逆时针/顺时针方向进行搜索，判断是否会得到第二链路，若得到第二链路，则将所述第一链路和所述第二链路串连，得到串连墙链；根据所述预设的封闭区间条件，判断所述串连墙链是否形成一个闭合墙链，若是，则将所述串连墙链作为另一个所述目标墙链；
迭代搜索单元，用于将所述目标墙链进行标记，然后对所有所述存储有交叉关系的墙竖直投影线反复进行搜索，直至遍历完所有墙竖直投影线；
将所述第一链路、第二链路和所述目标墙链作为待识别墙链，所述预设的封闭区间条件包括：
所述待识别墙链为连续的线段，且形成一个完整闭环；
或者，所述待识别墙链未形成一个完整闭环，包含至少一个缺口，所述缺口所对应的两个线段的端点之间的最小距离小于预设第三阈值，且缺口所对应的两个线段的延长线满足预设相交条件。
由以上技术方案可以看出，本申请通过获取环境的点云数据，其中环境中包括墙面和辅助构件，并且每个环境是由携带语义信息的点云数据构成，从而便于后续利用语义信息，以实现对环境内各个独立空间的准确划分；根据墙面和辅助构件的点云数据，获取多根位于同一平面内的墙竖直投影线；然后通过确定各个墙竖直投影线之间的位置关系，从而获取至少一个闭环的墙竖直投影线组合，实现对环境内各个独立空间的有效识别，并且针对复杂布局的房间情况，适用性良好。
关于空间识别方法各个步骤的具体限定可以参见上文中对于空间识别装置的限定，在此不再赘述。此外，需要说明的是，上述空间识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于电子设备中的处理器中，也可以以软件形式存储于电子设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
参照图8，本实施例还提供了一种电子设备1，该电子设备可以是移动终端、桌上型计算机、笔记本、掌上电脑及服务器等计算设备。该电子设备1包括处理器11、存储器12及显示器13。图7示出了电子设备1的部分组件，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
存储器12在一些实施例中可以是电子设备的内部存储单元，例如电子设备的硬盘或内存。存储器12在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（Secure Digital,SD）卡，闪存卡（Flash Card）等。进一步地，存储器12还可以既包括电子设备的内部存储单元也包括外部存储设备。存储器12用于存储安装于电子设备的应用软件及各类数据，例如安装电子设备的程序代码等。存储器12还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中，存储器12上存储有独立空间识别程序14。
处理器11在一些实施例中可以是一中央处理器（Central Processing Unit,CPU），微处理器或其他数据处理芯片，用于运行存储器12中存储的程序代码或处理数据，例如执行空间识别方法等。
显示器13在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。显示器13用于显示在电子设备的信息以及用于显示可视化的用户界面。电子设备的部件11-13通过系统总线相互通信。
在一实施例中，当处理器11执行存储器12中独立空间识别程序14时实现以下步骤：
根据获取的环境的点云数据，确定多根墙竖直投影线，所述多根墙竖直投影线位于同一平面；
识别所述多根墙竖直投影线之间的位置关系；
根据所述多根墙竖直投影线之间的位置关系，获取至少一个闭环的墙竖直投影线组合。
本实施例还提供了一种计算机读存储介质，其上存储有独立空间识别程序14，该独立空间识别程序14被处理器执行时实现以下步骤：
根据获取的环境的点云数据，确定多根墙竖直投影线，所述多根墙竖直投影线位于同一平面；
识别所述多根墙竖直投影线之间的位置关系；
根据所述多根墙竖直投影线之间的位置关系，获取至少一个闭环的墙竖直投影线组合。
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。
本申请所提供的各实施例中所使用的对存储器、存储、计算机可读取存储介质、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以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、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。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由同一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
以上实施例仅用以说明本申请的技术方案而非限制，尽管参照较佳实施例对本申请进行了详细说明，本领域的普通技术人员应当理解，可以对本申请的技术方案进行修改或等同替换，而不脱离本申请技术方案的精神和范围。

Claims (14)

1.一种空间识别方法，其特征在于，包括：
根据获取的环境的点云数据，确定多根墙竖直投影线，所述多根墙竖直投影线位于同一平面；
识别所述多根墙竖直投影线之间的位置关系；
根据所述多根墙竖直投影线之间的位置关系，获取至少一个闭环的墙竖直投影线组合。
2.根据权利要求1所述的空间识别方法，其特征在于，所述根据获取的环境的点云数据，确定多根墙竖直投影线，所述多根墙竖直投影线位于同一平面，包括：
从获取的所述环境的点云数据中，选取坐标高度位于同一高度且点云坐标位于同一平面的环境的点云数据，来确定所述多根墙竖直投影线；
或者，从获取的所述环境的点云数据中，选取至少部分坐标高度位于不同高度且点云坐标位于同一平面的环境的点云数据，来确定所述多根墙竖直投影线。
3.根据权利要求2所述的空间识别方法，其特征在于，所述根据获取的环境的点云数据，确定多根墙竖直投影线还包括：
所述环境的点云数据包括墙面的点云数据和辅助构件的点云数据，所述墙面的点云数据和辅助构件的点云数据包括语义信息；所述辅助构件包括墙面遮挡物、门框和竖直墙角线；
根据所述环境的点云数据的语义信息，判断墙竖直投影线是否被遮挡；
若被遮挡，则根据墙面遮挡物的竖直投影线与被遮挡墙面中未被遮挡部分的墙竖直投影线的位置关系，推算出所述被遮挡墙面的墙竖直投影线，以补全被遮挡的墙竖直投影线；
或者，根据所述竖直墙角线的竖直投影点和被遮挡墙面中未被遮挡部分的墙竖直投影线的位置关系对所述墙面的墙竖直投影线进行延伸补全；
所述墙竖直投影线、墙面遮挡物的竖直投影线、竖直墙角线的竖直投影点均位于同一平面。
4.根据权利要求3所述的空间识别方法，其特征在于，所述识别多根所述墙竖直投影线之间的位置关系，包括：
判断第一墙竖直投影线和第二墙竖直投影线或其各自延长线是否是交叉状态；
若所述第一墙竖直投影线的延长线和第二墙竖直投影线的延长线为交叉状态，且交叉点分别与第一墙竖直投影线和第二墙竖直投影线最近端点的距离均小于第一阈值，则记录所述第一墙竖直投影线和第二墙竖直投影线为交叉关系和/或所述第一墙竖直投影线和第二墙竖直投影线之间的顺时针转向关系和逆时针转向关系；
若所述第一墙竖直投影线和第二墙竖直投影线为交叉状态，则将所述第一墙竖直投影线和第二墙竖直投影线在交叉点处进行拆分，若得到对应的拆分线长度大于或等于预设的第二阈值，则记录为有效拆分线，及记录第一墙竖直投影线和第二墙竖直投影线各自的有效拆分线为交叉关系和/或所述各自的有效拆分线之间的顺时针转向关系和逆时针转向关系；
若所述第一墙竖直投影线的延长线和第二墙竖直投影线为交叉状态，则将所述第二墙竖直投影线在交叉点处进行拆分，若得到对应的拆分线长度大于或等于预设的第二阈值，则记录为有效拆分线，并记录第二墙竖直投影线的有效拆分线和第一墙竖直投影线为交叉关系和/或所述第二墙竖直投影线的有效拆分线和第一墙竖直投影线之间的顺时针转向关系和逆时针转向关系。
5.根据权利要求4所述的空间识别方法，其特征在于，根据所述多根墙竖直投影线之间的位置关系，获取至少一个闭环的墙竖直投影线组合包括：
从存储有交叉关系的墙竖直投影线中筛选出能构成首尾相连且连续的墙竖直投影线组合；
或者，从存储有交叉关系的墙竖直投影线中筛选出能构成首尾相连且包含至少一个缺口的墙竖直投影线组合，所述缺口所对应的两个线段的端点之间的最小距离小于预设第三阈值。
6.根据权利要求4所述的空间识别方法，其特征在于，所述根据所述多根墙竖直投影线之间的位置关系，获取至少一个闭环的墙竖直投影线组合，包括：
从存储有交叉关系的墙竖直投影线中任选一个第一搜索线段，沿着所述第一搜索线段并按照顺时针/逆时针方向判断是否搜索到与第一搜索线段存在交叉关系的第二搜索线段，若存在，则基于所述第二搜索线段进行下一轮判断和搜索，直至无交叉关系的待搜索线段，以得到第一链路；
根据预设的封闭区间条件，判断所述第一链路是否形成一个闭合墙链，若是，则将所述闭合墙链作为一个目标墙链；若否，则沿着所述第一搜索线段并按照逆时针/顺时针方向进行搜索，判断是否会得到第二链路，若得到第二链路，则将所述第一链路和所述第二链路串连，得到串连墙链；
根据所述预设的封闭区间条件，判断所述串连墙链是否形成一个闭合墙链，若是，则将所述串连墙链作为另一个所述目标墙链；
将所述目标墙链进行标记，直至遍历完所有墙竖直投影线；
将所述第一链路、第二链路和所述目标墙链作为待识别墙链，所述预设的封闭区间条件包括：
所述待识别墙链为连续的线段，且形成一个完整闭环；
或者，所述待识别墙链未形成一个完整闭环，包含至少一个缺口，所述缺口所对应的两个线段的端点之间的最小距离小于预设第三阈值，且缺口所对应的两个线段的延长线满足预设相交条件。
7.一种空间识别装置，其特征在于，包括：
竖直投影模块，用于根据获取的环境的点云数据，确定多根墙竖直投影线，所述多根墙竖直投影线位于同一平面；
识别关系模块，用于识别所述多根墙竖直投影线之间的位置关系；
确定空间模块，用于根据所述多根墙竖直投影线之间的位置关系，获取至少一个闭环的墙竖直投影线组合。
8.根据权利要求7所述的空间识别装置，其特征在于，所述竖直投影模块，包括：
第一投影单元，用于从获取的所述环境的点云数据中，选取坐标高度位于同一高度且点云坐标位于同一平面的环境的点云数据，来确定所述多根墙竖直投影线；
或者，第二投影单元，用于从获取的所述环境的点云数据中，选取至少部分坐标高度位于不同高度且点云坐标位于同一平面的环境的点云数据，来确定所述多根墙竖直投影线。
9.根据权利要求8所述的空间识别装置，其特征在于，所述竖直投影模块，还包括：
点云数据库，用于所述环境的点云数据包括墙面的点云数据和辅助构件的点云数据，所述墙面的点云数据和辅助构件的点云数据包括语义信息；所述辅助构件包括墙面遮挡物、门框和竖直墙角线；
第一修复单元，用于根据所述环境的点云数据的语义信息，判断墙竖直投影线是否被遮挡；若被遮挡，则根据墙面遮挡物的竖直投影线与被遮挡墙面中未被遮挡部分的墙竖直投影线的位置关系，推算出所述被遮挡墙面的墙竖直投影线，以补全被遮挡的墙竖直投影线；
或者，第二修复单元，用于根据所述竖直墙角线的竖直投影点和被遮挡墙面中未被遮挡部分的墙竖直投影线的位置关系对所述墙面的墙竖直投影线进行延伸补全；所述墙竖直投影线、墙面遮挡物的竖直投影线、竖直墙角线的竖直投影点均位于同一平面。
10.根据权利要求7所述的空间识别装置，其特征在于，所述识别关系模块，包括：
交叉判断单元，用于判断第一墙竖直投影线和第二墙竖直投影线或其各自延长线是否是交叉状态；
第一记录单元，用于若所述第一墙竖直投影线的延长线和第二墙竖直投影线的延长线为交叉状态，且交叉点分别与第一墙竖直投影线和第二墙竖直投影线最近端点的距离均小于第一阈值，则记录所述第一墙竖直投影线和第二墙竖直投影线为交叉关系和/或所述第一墙竖直投影线和第二墙竖直投影线之间的顺时针转向关系和逆时针转向关系；
第二记录单元，用于若所述第一墙竖直投影线和第二墙竖直投影线为交叉状态，则将所述第一墙竖直投影线和第二墙竖直投影线在交叉点处进行拆分，若得到对应的拆分线长度大于或等于预设的第二阈值，则记录为有效拆分线，及记录第一墙竖直投影线和第二墙竖直投影线各自的有效拆分线为交叉关系和/或所述各自的有效拆分线之间的顺时针转向关系和逆时针转向关系；
第三记录单元，用于若所述第一墙竖直投影线的延长线和第二墙竖直投影线为交叉状态，则将所述第二墙竖直投影线在交叉点处进行拆分，若得到对应的拆分线长度大于或等于预设的第二阈值，则记录为有效拆分线，并记录第二墙竖直投影线的有效拆分线和第一墙竖直投影线为交叉关系和/或所述第二墙竖直投影线的有效拆分线和第一墙竖直投影线之间的顺时针转向关系和逆时针转向关系。
11.根据权利要求10所述的空间识别装置，其特征在于，所述确定空间模块包括：
第一确定单元，用于从存储有交叉关系的墙竖直投影线中筛选出能构成首尾相连且连续的墙竖直投影线组合；
或者，第二确定单元，用于从存储有交叉关系的墙竖直投影线中筛选出能构成首尾相连且包含至少一个缺口的墙竖直投影线组合，所述缺口所对应的两个线段的端点之间的最小距离小于预设第三阈值。
12.根据权利要求10所述的空间识别装置，其特征在于，所述确定空间模块，还包括：
第一搜索单元，用于从存储有交叉关系的墙竖直投影线中任选一个第一搜索线段，沿着所述第一搜索线段并按照顺时针/逆时针方向判断是否搜索到与第一搜索线段存在交叉关系的第二搜索线段，若存在，则基于所述第二搜索线段进行下一轮判断和搜索，直至无交叉关系的待搜索线段，以得到第一链路；
链路判断单元，用于根据预设的封闭区间条件，判断所述第一链路是否形成一个闭合墙链，若是，则将所述闭合墙链作为一个目标墙链；若否，则沿着所述第一搜索线段并按照逆时针/顺时针方向进行搜索，判断是否会得到第二链路，若得到第二链路，则将所述第一链路和所述第二链路串连，得到串连墙链；根据所述预设的封闭区间条件，判断所述串连墙链是否形成一个闭合墙链，若是，则将所述串连墙链作为另一个所述目标墙链；
迭代搜索单元，用于将所述目标墙链进行标记，然后对所有所述存储有交叉关系的墙竖直投影线反复进行搜索，直至遍历完所有墙竖直投影线；
将所述第一链路、第二链路和所述目标墙链作为待识别墙链，所述预设的封闭区间条件包括：
所述待识别墙链为连续的线段，且形成一个完整闭环；
或者，所述待识别墙链未形成一个完整闭环，包含至少一个缺口，所述缺口所对应的两个线段的端点之间的最小距离小于预设第三阈值，且缺口所对应的两个线段的延长线满足预设相交条件。
13.一种电子设备，其特征在于，包括：
至少一个处理器、至少一个存储器和通信接口；其中，
所述处理器、存储器和通信接口相互间进行通信；
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以执行权利要求1至6任一项权利要求所述的空间识别方法。
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机指令，当所述计算机指令在电子设备上运行时，使得所述电子设备执行权利要求1至6中任一项权利要求所述的空间识别方法。
CN202211062684.9A 2022-09-01 2022-09-01 空间识别方法、装置、电子设备及计算机可读存储介质 Active CN115131656B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211062684.9A CN115131656B (zh) 2022-09-01 2022-09-01 空间识别方法、装置、电子设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211062684.9A CN115131656B (zh) 2022-09-01 2022-09-01 空间识别方法、装置、电子设备及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN115131656A true CN115131656A (zh) 2022-09-30
CN115131656B CN115131656B (zh) 2022-12-13

Family

ID=83387635

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211062684.9A Active CN115131656B (zh) 2022-09-01 2022-09-01 空间识别方法、装置、电子设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN115131656B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140198978A1 (en) * 2013-01-11 2014-07-17 National Central University Method for searching a roof facet and constructing a building roof structure line
US20180018502A1 (en) * 2016-07-15 2018-01-18 Tyco Fire & Security Gmbh Techniques for Built Environment Representations
CN110147775A (zh) * 2019-05-24 2019-08-20 北京建筑大学 利用细化空间分隔法从点云提取室内导航元素的方法
CN111915730A (zh) * 2020-07-20 2020-11-10 北京建筑大学 一种顾及语义从点云自动生成室内三维模型的方法及系统
US20200364929A1 (en) * 2019-05-13 2020-11-19 Wuhan University Multi-story indoor structured three-dimensional modeling method and system
CN112861205A (zh) * 2020-12-25 2021-05-28 佛山欧神诺云商科技有限公司 一种墙体建模方法、电子设备、存储介质
CN113483747A (zh) * 2021-06-25 2021-10-08 武汉科技大学 基于具有墙角信息的语义地图改进amcl定位方法及机器人
CN114742843A (zh) * 2022-04-12 2022-07-12 武汉大学 基于机载建筑物LiDAR点云的立面线自动提取方法及设备
CN114756928A (zh) * 2022-03-23 2022-07-15 福建晨曦信息科技集团股份有限公司 墙体的识别方法、计算机设备及可读存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140198978A1 (en) * 2013-01-11 2014-07-17 National Central University Method for searching a roof facet and constructing a building roof structure line
US20180018502A1 (en) * 2016-07-15 2018-01-18 Tyco Fire & Security Gmbh Techniques for Built Environment Representations
US20200364929A1 (en) * 2019-05-13 2020-11-19 Wuhan University Multi-story indoor structured three-dimensional modeling method and system
CN110147775A (zh) * 2019-05-24 2019-08-20 北京建筑大学 利用细化空间分隔法从点云提取室内导航元素的方法
CN111915730A (zh) * 2020-07-20 2020-11-10 北京建筑大学 一种顾及语义从点云自动生成室内三维模型的方法及系统
CN112861205A (zh) * 2020-12-25 2021-05-28 佛山欧神诺云商科技有限公司 一种墙体建模方法、电子设备、存储介质
CN113483747A (zh) * 2021-06-25 2021-10-08 武汉科技大学 基于具有墙角信息的语义地图改进amcl定位方法及机器人
CN114756928A (zh) * 2022-03-23 2022-07-15 福建晨曦信息科技集团股份有限公司 墙体的识别方法、计算机设备及可读存储介质
CN114742843A (zh) * 2022-04-12 2022-07-12 武汉大学 基于机载建筑物LiDAR点云的立面线自动提取方法及设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
湛逸飞等: "基于LiDAR点云法向量稳健估计的室内平面图自动生成方法", 《地理信息世界》 *
王秋燕: "基于LiDAR数据建筑物轮廓线提取方法综述", 《城市勘测》 *

Also Published As

Publication number Publication date
CN115131656B (zh) 2022-12-13

Similar Documents

Publication Publication Date Title
US11481999B2 (en) Maintenance work support system and maintenance work support method
JP7337654B2 (ja) 保全活動サポートシステムおよび保全活動サポート方法
US11253991B1 (en) Optimization of observer robot locations
EP2915137B1 (en) Using a plurality of sensors for mapping and localization
Madsen et al. Optimal landmark selection for triangulation of robot position
EP3950235A1 (en) Self-propelled robot path planning method, self-propelled robot and storage medium
WO2022052660A1 (zh) 仓储机器人定位与地图构建方法、机器人及存储介质
CN113116224B (zh) 机器人及其控制方法
CN105486311A (zh) 室内机器人定位导航方法及装置
JPH11104984A (ja) 実環境情報表示装置及び実環境情報表示処理を実行するプログラムを記録したコンピュータ読み取り可能な記録媒体
CA3112435A1 (en) System and method for generating floor plans using user device sensors
US11663776B2 (en) Generating and validating a virtual 3D representation of a real-world structure
US20180260773A1 (en) Systems and Methods for Detecting Missing Labels
Wen et al. Indoor SLAM Using Laser and Camera with Closed‐Loop Controller for NAO Humanoid Robot
CN115307641A (zh) 机器人定位方法、装置、机器人和存储介质
CN111523334A (zh) 虚拟禁区的设置方法、装置、终端设备、标签和存储介质
US20230297120A1 (en) Method, apparatus, and device for creating map for self-moving device with improved map generation efficiency
CN115131656B (zh) 空间识别方法、装置、电子设备及计算机可读存储介质
CN117589153B (zh) 一种地图更新的方法及机器人
CN116009698A (zh) 动作识别方法、系统、机器人及存储介质
JP7144991B2 (ja) 自律移動装置、自律移動プログラム及び位置推定システム
Kajánek et al. 3D mapping system based on a fusion of 2D lidars
CN116820099A (zh) 目标位置的确定方法、装置、机器人和存储介质
Zhang et al. Intelligent sensing systems for rescue robots: Landmark identification and three-dimensional mapping of unknown cluttered urban search and rescue environments
Vu Autonomous Active Perception Framework for Large Object Recognition Tasks

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