地图构建方法及电子设备与流程

1.本发明涉及智能设备技术领域，尤其涉及一种地图构建方法及电子设备。


背景技术：

2.随着智能移动机器人的快速发展，精准的房间划分对于移动机器人的定位和路径规划具有非常重要的意义。移动机器人主要采用惯性导航、激光雷达或者摄像头进行地图规划，得到室内的结构的地图，形如图1所示，用户在使用机器人进行扫地时，会在移动设备上实时看到清扫的区域划分，基于清洁区域的坐标信息而将清洁区域随意划分为多个区。
3.然而，对于用户经常活动的区域中，例如客厅，用户会希望移动机器人能够仅在客厅区域进行清扫。现有的技术中的地图，由于每个房间的空白区域均是没有分割的，所以无法清晰和准确地指示移动机器人去客厅进行整个区域清扫。


技术实现要素：

4.本发明提供一种地图构建方法及电子设备，解决了现有技术中无法清晰和准确地指示移动机器人去客厅进行整个区域清扫的问题。
5.第一方面，本发明实施例提供的一种地图构建方法，包括：
6.在虚拟地图中的空白区域内绘制表征虚拟地图结构特征的多个关键点；所述虚拟地图是根据室内的结构绘制的；
7.对所述多个关键点进行分类，得到所述多个关键点的类型；
8.根据所述多个关键点的类型，将所述虚拟地图中的空白区域进行划分，得到划分后的虚拟地图。
9.上述方法，能够根据虚拟地图中的空白区域的结构特征制作多个关键点，将该关键点进行分类，从而对虚拟地图中的空白区域进行划分，从而得到封闭空间，这样可以单独对每个封闭空间进行单独处理，提高了清扫的准确率。
10.在一种可能的实现方式中，在虚拟地图中的空白区域内绘制表征虚拟地图结构特征的多个关键点，包括：
11.利用泰森多边形算法，在虚拟地图中的空白区域内绘制泰森多边形；
12.将组成所述泰森多边形的点作为表征所述虚拟地图的结构特征的关键点。
13.上述方法，由于泰森多边形能够形象的描述图形的结构特征，所以，本发明通过泰森多边形算法，得到表征虚拟地图结构特征的关键点，从而在进行分类时，能够充分利用关键点了解图形的结构特征，得到关键点类型，提高了区分类型时的正确率。
14.在一种可能的实现方式中，对所述多个关键点进行分类，得到所述多个关键点的类型，包括：
15.将绘制有所述多个关键点的虚拟地图输入到分类模型中，确定所述多个关键点的类型。
16.上述方法，通过分类模型能够根据关键点代表的虚拟地图的结构特征，从而对关
键点进行分类，得到关键点的类型，提高了分类的正确率。
17.在一种可能的实现方式中，通过下列方式得到所述分类模型：
18.将样本图片作为输入，将所述样本图片中组成泰森多边形的每个点的类型作为输出，对基础神经网络进行多次训练，得到所述分类模型。
19.上述方法，通过多个样本对基础神经网络进行多次训练，提高了网络分类的正确率。
20.在一种可能的实现方式中，关键点的类型包括门，根据所述多个关键点的类型，将所述虚拟地图中的空白区域进行划分，得到划分后的虚拟地图，包括：
21.将类型为门的关键点进行组合，并延长至所述虚拟地图中距离最近的虚拟墙体，得到分割线，以采用所述分割线划分所述虚拟地图中的空白区域，得到划分后的虚拟地图。
22.上述方法，能够以类型为门的关键点进行组合，得到其分割线，从而将虚拟地图的空白区域进行划分，划分得到每个房间，从而使得用户能够根据房间进行特定清扫，提高清扫的准确率。
23.在一种可能的实现方式中，在得到划分后的虚拟地图之后，所述方法还包括：
24.将划分后的虚拟地图中的每个封闭空间进行色彩填充。
25.上述方法，以每个封闭空间进行色彩填充，使得用户能够快速分辨每个封闭空间。
26.第二方面，本发明实施例提供的一种电子设备，包括：处理器和存储器；
27.所述存储器用于存储电子设备运行时所使用的程序代码；
28.所述处理器用于执行所述程序代码，以实现如下过程：
29.在虚拟地图中的空白区域内绘制表征虚拟地图结构特征的多个关键点；所述虚拟地图是根据室内的结构绘制的；
30.对所述多个关键点进行分类，得到所述多个关键点的类型；
31.根据所述多个关键点的类型，将所述虚拟地图中的空白区域进行划分，得到划分后的虚拟地图。
32.在一种可能的实现方式中，所述处理器，具体用于：利用泰森多边形算法，在虚拟地图中的空白区域内绘制泰森多边形；将组成所述泰森多边形的点作为表征所述虚拟地图的结构特征的关键点。
33.在一种可能的实现方式中，所述处理器，具体用于：将绘制有所述多个关键点的虚拟地图输入到分类模型中，确定所述多个关键点的类型。
34.在一种可能的实现方式中，所述处理器，具体用于：将样本图片作为输入，将所述样本图片中组成泰森多边形的每个点的类型作为输出，对基础神经网络进行多次训练，得到所述分类模型。
35.在一种可能的实现方式中，所述处理器，具体用于：关键点的类型包括门，将类型为门的关键点进行组合，并延长至所述虚拟地图中距离最近的虚拟墙体，得到分割线，以采用所述分割线划分所述虚拟地图中的空白区域，得到划分后的虚拟地图。
36.在一种可能的实现方式中，所述处理器，还用于：将划分后的虚拟地图中的每个封闭空间进行色彩填充。
37.第三方面，本技术还提供一种计算机存储介质，其上存储有计算机程序，该程序被处理单元执行时实现第一方面所述地图构建方法的步骤。
38.另外，第二方面至第三方面中任一种实现方式所带来的技术效果可参见第一方面中不同实现方式所带来的技术效果，此处不再赘述。
39.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
40.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理，并不构成对本发明的不当限定。
41.图1是本发明实施例提供的一种移动机器人建立的虚拟地图的示意图；
42.图2是本发明实施例提供的一种地图构建方法的流程图；
43.图3是本发明实施例提供的一种包含泰森多边形的虚拟地图的结构图；
44.图4是本发明实施例提供的一种抽取组成泰森多边形的点之后的虚拟地图的结构图；
45.图5是本发明实施例提供的一种对虚拟地图中的空白区域进行划分后的示意图；
46.图6是本发明实施例提供的一种分类模型训练过程的示意图；
47.图7是本发明实施例提供的一种类型为门的关键点划分空白区域的示意图；
48.图8是本发明实施例提供的一种电子设备的结构示意图；
49.图9是本发明实施例提供的一种电子设备工作的结构示意图。
具体实施方式
50.为了使本领域普通人员更好地理解本发明的技术方案，下面将结合附图，对本发明实施例中的技术方案进行清楚、完整地描述。
51.下面对文中出现的一些词语进行解释：
52.1、本发明实施例中术语“电子设备”指任何能够按照程序运行，自动、高速处理大量数据的智能电子设备，包含手机、移动机器人、计算机、平板、智能终端、多媒体设备、流媒体设备等。
53.本发明实施例描述的应用场景是为了更加清楚的说明本发明实施例的技术方案，并不构成对于本发明实施例提供的技术方案的限定，本领域普通技术人员可知，随着新应用场景的出现，本发明实施例提供的技术方案对于类似的技术问题，同样适用。
54.由于现有的移动机器人构建虚拟地图时室内的每个房间的空白区域均是没有分割的，所以用户在进行固定房间的清扫时，无法清晰和准确地指示移动机器人去客厅进行整个区域清扫。
55.基于此，本发明实施例提供了一种地图构建方法及电子设备，能够通过每个房间内的关键点进行分类，对没有封闭空间虚拟地图中的空白区域进行划分，得到封闭空间，从而提高了清扫的准确率。
56.具体情况结合以下附图进行详细说明：
57.结合图2所示，本发明实施例提供了一种地图构建方法，包括：
58.s200：在虚拟地图中的空白区域内绘制表征虚拟地图结构特征的多个关键点。
59.其中，虚拟地图是根据室内的结构绘制的。
60.以移动设备为例，可以通过移动设备上的激光雷达传感器对室内的结构进行探索，从而得到整个房间的户型图，形如图1所示。图1中白色区域中的横线为虚拟墙。
61.结合图3所示，在虚拟地图中的空白区域内绘制表征虚拟地图结构特征的多个关键点。从图中可以看出，每个关键点在虚拟地图中空白区域内各个位置，多个关键点描述了虚拟地图结构特征。
62.s201：对多个关键点进行分类，得到多个关键点的类型。
63.s202：根据多个关键点的类型，将虚拟地图中的空白区域进行划分，得到划分后的虚拟地图。
64.通过上述方式，可以按照类型将虚拟地图的空白区域划分为封闭空间，从而得到封闭空间，这样可以单独对每个封闭空间进行单独处理，提高了清扫的准确率。
65.对于绘制关键点，本发明实施例利用泰森多边形算法，在虚拟地图中的空白区域内绘制泰森多边形；将组成泰森多边形的点作为表征虚拟地图的结构特征的关键点。
66.其中为了提高处理速度，在进行分类之前，按照预设的间隔，抽取组成泰森多边形的关键点，重新形成包含泰森多边形的虚拟地图。
67.其中，组成泰森多边形的点，结合图3所示，为一连串的密密麻麻的点，以预设间隔10个点取一个点为例，组成包含泰森多边形的虚拟地图，形如图4所示。并对多个关键点进行分类，并根据分类后的关键点对虚拟地图进行划分，形如图5所示。
68.需要说明的是，从预设间隔中取一个关键点的方式可以为随机方式，或固定抽取间隔中的第一个或者第二个等，对此，本发明并不做具体限制。同时对于确定的预设间隔以及从预设间隔中取一个关键点的方式具体情况可以根据实际情况而定，并在确定之后，可以按照实际情况用户可以随时修改。
69.在本发明实施例中对多个关键点进行分类，得到多个关键点的类型的方式，包括，将绘制有多个关键点的虚拟地图输入到分类模型中，确定多个关键点的类型。
70.其中，多个关键点的类型为关键点所在的空间类型，例如，关键点在房间内，则分类出的类型为房间，如果关键点在门处，则分类出的类型为门，如果关键点在走廊，则分类出的类型为走廊。
71.需要说明的是，对于关键点的类型除了上述列举出来的门、走廊和房间之外，还可以为其他类型，对于上述示例，并不能作为本发明的限制。
72.对绘制有多个关键点的虚拟地图输入到分类模型中，该分类模型可以识别关键点所在的空间的结构特点，从而得到关键点所在的空间类型对其进行分类。
73.在训练分类模型时，将样本图片作为输入，将样本图片中组成泰森多边形的每个点的类型作为输出，对基础神经网络进行多次训练，得到分类模型。
74.具体来说：1)得到样本图片。获取虚拟地图，然后利用泰森多边形算法，得到绘制有关键点的虚拟地图。由于获取的实际的虚拟地图的限制，可以采用旋转的手段、缩放的手段等扩充样本图片，并将样本图片按照预设比例分为训练集和验证集。
75.2)模型训练
76.利用“一对一投票法”对孪生支持向量机进行多分类，假设对于m类分类问题来说“一对一”分类方法需要在任意两类样本之间构建一个二分类twsvm子分类器，需要构造m(m-1)个超平面来区分m个类型。
77.结合图6所示，将测试样本输入到孪生支持向量机的分类器中，利用每个二分类对每个关键点进行单独判别。设任意一个分类器的分类函数为f
ij
，当f
ij
＜0时，则判定x属于第i类，则i类就可以得到一票；当f
ij
＞0，则判定x属于第j类，则j类就得一票，然后利用每个分类器对其输入的测试样本进行分类，类型可以为类型1、类型2、类型i、类型j、一直到类型k-1、类型k，累加所有m(m-1)个子分类器的得票数，最后得票最多的类型即为该测试本样的类型。查看该输入的测试样本中每个关键点的实际的类型是否为通过孪生支持向量机的分类器得到的类型相同，如果相同，则不对孪生支持向量机的分类器进行调整，如果不相同，则对孪生支持向量机的分类器进行调整，以使其实际的类型与通过孪生支持向量机的分类器得到的类型相同为止，得到分类模型。
78.3)模型验证
79.采用验证图片对上述得到的分类模型进行验证，若验证的概率大于预设值，则说明该分类模型训练完成，若验证的概率小于预设值，则说明该分类模型精度比较低，需要继续训练。
80.其中，对于分类模型来说，除了上述提到的孪生支持向量机，还可以采用相关向量机，对此，本发明并不做具体限制，只需完成分类即可。
81.以上述提到的关键点的类型中，为了能够得到以房间为准的封闭空间，则将类型为门的关键点进行组合，并延长至虚拟地图中距离最近的虚拟墙体，得到分割线，以采用分割线划分虚拟地图中的空白区域，得到划分后的虚拟地图。
82.结合图7所示，以图4中的左上部分的房间为例，圆形为门处的关键点，识别出的类型为门，则可以看出，该关键点为圆点，向两侧进行延长，延迟到虚拟墙体，从而得到其分割线，这样以门为界限将房间与其他空间划分出来。依次类推，可以将以门为界限，将其他空间划分出来，从而得到右侧的图形，将5个独立的空间均划分出来。
83.采用上述方式，得到以门为界限的封闭空间，这样在移动机器人进行清扫时，以单个房间作为清洁目标进行清扫。
84.为了便于用户从视觉上清晰的看出封闭空间，可以将划分后的虚拟地图中的每个封闭空间进行色彩填充。
85.其中，可以采用波前算法对房间地形图进行颜色填充。
86.本发明实施例提供了一种电子设备，结合图8所示，包括：处理器810和存储器820；
87.所述存储器820用于存储电子设备运行时所使用的程序代码；
88.所述处理器810用于执行所述程序代码，以实现如下过程：
89.在虚拟地图中的空白区域内绘制表征虚拟地图结构特征的多个关键点；所述虚拟地图是根据室内的结构绘制的；
90.对所述多个关键点进行分类，得到所述多个关键点的类型；
91.根据所述多个关键点的类型，将所述虚拟地图中的空白区域进行划分，得到划分后的虚拟地图。
92.示例性的，该电子设备可以为手机，手机中按照有扫地机器人对应的控制app(application，应用程序)。具体的工作过程为，结合图9所示，当扫地机器人900通过自身的激光传感器绘制完虚拟地图后，将其发送给手机910，手机910可以在虚拟地图中的空白区域内绘制表征虚拟地图结构特征的多个关键点，对多个关键点进行分类，得到多个关键点
的类型，根据多个关键点的类型，将虚拟地图中的空白区域进行划分，得到划分后的虚拟地图。将虚拟地图显示在手机的显示屏上，可以响应用户对虚拟地图中的封闭空间触发的清扫指令，并将清扫指令发送给扫地机器人，扫地机器人可以根据指令对该封闭空间进行清扫。
93.示例性的，该电子设备为扫地机器人，该扫地机器人可以通过自身的激光传感器绘制完虚拟地图，并在虚拟地图中的空白区域内绘制表征虚拟地图结构特征的多个关键点，对多个关键点进行分类，得到多个关键点的类型，根据多个关键点的类型，将虚拟地图中的空白区域进行划分，得到划分后的虚拟地图。将划分后的虚拟地图发送到手机上，手机显示该划分后的虚拟地图，同时可以响应用户对虚拟地图中的封闭空间触发的清扫指令，并将清扫指令发送给扫地机器人，扫地机器人可以根据指令对该封闭空间进行清扫。
94.可选的，所述处理器810，具体用于：利用泰森多边形算法，在虚拟地图中的空白区域内绘制泰森多边形；将组成所述泰森多边形的点作为表征所述虚拟地图的结构特征的关键点。
95.可选的，所述处理器810，具体用于：将绘制有所述多个关键点的虚拟地图输入到分类模型中，确定所述多个关键点的类型。
96.可选的，所述处理器810，具体用于：将样本图片作为输入，将所述样本图片中组成泰森多边形的每个点的类型作为输出，对基础神经网络进行多次训练，得到所述分类模型。
97.可选的，所述处理器810，具体用于：关键点的类型包括门，将类型为门的关键点进行组合，并延长至所述虚拟地图中距离最近的虚拟墙体，得到分割线，以采用所述分割线划分所述虚拟地图中的空白区域，得到划分后的虚拟地图。
98.可选的，所述处理器810，还用于：将划分后的虚拟地图中的每个封闭空间进行色彩填充。
99.在示例性实施例中，还提供了一种包括指令的存储介质，例如包括指令的存储器，上述指令可由电子设备的处理器810执行以完成上述地图构建方法。可选地，存储介质可以是非临时性计算机可读存储介质，例如，所述非临时性计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。
100.本发明实施例还提供一种计算机程序产品，当所述计算机程序产品在电子设备上运行时，使得所述电子设备执行实现本发明实施例上述任意一项地图构建方法。
101.本领域技术人员在考虑说明书及实践这里发明的发明后，将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
102.应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。