确定移动机器人工作环境的方法、控制系统及存储介质与流程

本申请涉及移动机器人技术领域，具体的涉及一种确定移动机器人工作环境的方法、控制系统及存储介质。

背景技术：

移动机器人是自动执行特定工作的机器装置，它既可以接受人类指挥，又可以运行预先编排的程序，也可以根据以人工智能技术制定的原则纲领行动。这类移动机器人可用在室内或室外，可用于工业、商业、或者家庭，可具有巡视、迎宾、点餐、清洁地面，家庭陪伴、辅助办公等功能。

以清洁机器人为例，由于其工作环境的复杂性，清洁机器人在工作模式下移动时需要对其工作环境进行准确有效的识别以实现高效清洁和避障等操作。例如，对各种障碍物类型及所在位置进行识别，对房屋主方向进行辨别等。然而，上述各处理方式之间彼此独立，对清洁机器人的处理计算能力和时序管理等计算资源的要求较高。

技术实现要素：

鉴于以上所述现有技术的缺点，本申请的目的在于提供一种确定移动机器人工作环境的方法、控制系统及存储介质，用于解决现有技术中如何有效整合移动机器人所获取的图像所反映的工作环境中的信息资源，以提高移动机器人整体计算处理性能并进行有效识别的问题。

为实现上述目的及其他相关目的，本申请的第一方面提供一种确定移动机器人工作环境的方法，所述移动机器人包含图像摄取装置，所述方法包括以下步骤：获取所述移动机器人在工作状态下所述图像摄取装置所摄取的图像以及根据所获取的图像识别出图像中的直线线段；其中，所获取的图像中包含所述移动机器人所在实际物理空间内地面的图像；将所识别出的图像中的直线线段转换至一地面坐标系中；根据在所述地面坐标系中符合地面纹路筛选条件的直线线段确定移动机器人所在实际物理空间内的地面环境信息。

在本申请的第一方面的某些实施方式中，根据所获取的图像识别出图像中的直线线段的步骤包括：利用直线线段检测方法，从所获取的图像中识别出图像中的直线线段。

在本申请的第一方面的某些实施方式中，所述图像为颜色图像，将所识别出的图像中的直线线段转换至一地面坐标系中的步骤包括：根据预设的物理参考信息，将所识别出的一幅图像中的直线线段转换至一地面坐标系中；或者根据预设的物理参考信息和移动机器人在获取不同图像时的位姿，将所识别出的多幅图像中的直线线段转换至一地面坐标系中。

在本申请的第一方面的某些实施方式中，所述图像为深度图像，将所识别出的图像中的直线线段转换至一地面坐标系中的步骤包括：根据所识别出的直线线段的像素值和各像素值在图像中的像素位置，将所识别出的一幅图像中的直线线段转换至一地面坐标系中；或者根据所识别出的直线线段的像素值和各像素值在相应图像中的像素位置以及移动机器人在获取不同图像时的位姿，将所识别出的多幅图像中的直线线段转换至一地面坐标系中。

在本申请的第一方面的某些实施方式中，所述地面纹路筛选条件包括以下至少一种：统计筛选条件、预设筛选条件。

在本申请的第一方面的某些实施方式中，所述统计筛选条件包括以下至少一种：根据直线线段在所述地面坐标系中所呈现的反映单条地面纹路的排布规则的统计结果而设置的统计筛选条件；根据相邻直线线段在所述地面坐标系中所呈现的反映多条地面纹路之间排布关系的统计结果而设置的统计筛选条件。

在本申请的第一方面的某些实施方式中，所述预设筛选条件包括以下至少一种：根据预设的多条地面纹路之间排布关系而设置的预设筛选条件；根据预设的单条地面纹路的排布规则而设置的预设筛选条件。

在本申请的第一方面的某些实施方式中，所述确定移动机器人工作环境的方法还包括：基于所述图像摄取装置的拍摄角度，确定所获取的图像中描述地面的地面图像，以供所述移动机器人根据所述地面图像识别出地面图像中的直线线段。

在本申请的第一方面的某些实施方式中，所述图像为深度图像，所述确定移动机器人工作环境的方法还包括：对所述深度图像所对应的三维点云数据进行聚类，得到描述地面的三维点云数据，以供所述移动机器人根据所述描述地面的三维点云数据所对应的地面图像识别出地面图像中的直线线段。

在本申请的第一方面的某些实施方式中，根据在所述地面坐标系中符合地面纹路筛选条件的直线线段确定移动机器人所在实际物理空间内的地面环境信息的步骤包括：根据所述符合地面纹路筛选条件的直线线段，确定实际物理空间内的主方向，以使所述移动机器人沿着主方向移动；和/或将所获取的图像去除所述符合地面纹路筛选条件的直线线段所对应的图像，以得到目标图像；根据所述目标图像，识别位于地面上的障碍物的障碍物类型；其中，所述主方向是基于所述符合地面纹路筛选条件的直线线段在所述地面坐标系中的方向角所确定的。

在本申请的第一方面的某些实施方式中，所述确定移动机器人工作环境的方法还包括：在确定所述主方向的情况下，基于移动机器人的当前位置规划导航路线。

在本申请的第一方面的某些实施方式中，根据所述目标图像，识别位于地面上的障碍物的障碍物类型的步骤包括：识别所述目标图像中障碍物的图像特征，根据所识别出的所述障碍物的图像特征确定障碍物的障碍物类型；或者利用经机器学习而训练的分类器对目标图像进行障碍物识别，以确定障碍物的障碍物类型。

在本申请的第一方面的某些实施方式中，所述障碍物类型包括以下至少一种：缠绕物类型、孤岛类型、空间分隔体类型。

本申请的第二方面还提供一种移动机器人的控制系统，所述控制系统包括：直线线段识别模块，用于获取所述移动机器人在工作状态下图像摄取装置所摄取的图像以及根据所获取的图像识别出图像中的直线线段；其中，所获取的图像中包含所述移动机器人所在实际物理空间内地面的图像；转换模块，用于将所识别出的图像中的直线线段转换至一地面坐标系中；地面环境信息确定模块，用于根据在所述地面坐标系中符合地面纹路筛选条件的直线线段确定移动机器人所在实际物理空间内的地面环境信息。

本申请的第三方面还提供一种移动机器人的控制系统，所述控制系统包括：接口装置，用于获取图像；存储装置，用于存储至少一种程序；处理装置，与所述接口装置和存储装置相连，用于调用并执行所述至少一个程序，以协调所述接口装置、存储装置执行并实现如本申请第一方面中任一所述的确定移动机器人工作环境的方法。

本申请的第四方面还提供一种移动机器人，包括：图像摄取装置，用于摄取图像；移动装置，用于受控执行移动操作；存储装置，用于存储至少一种程序；处理装置，与所述移动装置、存储装置、图像摄取装置相连，用于调用并执行所述至少一个程序，以协调所述移动装置、存储装置、图像摄取装置执行并实现如本申请第一方面中任一所述的确定移动机器人工作环境的方法。

在本申请的第四方面的某些实施方式中，所述移动机器人为清洁机器人。

本申请的第五方面还提供一种计算机可读存储介质，存储至少一种程序，所述至少一种程序在被调用时执行并实现如本申请第一方面中任一所述的确定移动机器人工作环境的方法。

综上所述，本申请公开的确定移动机器人工作环境的方法、控制系统及存储介质，将图像中的直线线段转换到地面坐标系中，根据所述地面坐标系中符合地面纹路筛选条件的直线线段获得实际物理空间内的地面纹路，以确定所述移动机器人的工作环境。本申请通过有效地检测出移动机器人工作环境中的地面纹路，实现移动机器人能高效、完整地感知其工作环境的目的。

本领域技术人员能够从下文的详细描述中容易地洞察到本申请的其它方面和优势。下文的详细描述中仅显示和描述了本申请的示例性实施方式。如本领域技术人员将认识到的，本申请的内容使得本领域技术人员能够对所公开的具体实施方式进行改动而不脱离本申请所涉及发明的精神和范围。相应地，本申请的附图和说明书中的描述仅仅是示例性的，而非为限制性的。

附图说明

图1显示为本申请中实现tof采集部件转动的结构示意图。

图2显示为本申请实施例中驱动器和可活动件为一体的电机的结构示意图。

图3显示为本申请实施例中tof采集部件设置在载件中的俯视结构示意图。

图4显示为本申请移动机器人的控制系统在一实施方式中的硬件结构框图。

图5显示为本申请确定移动机器人工作环境的方法在一实施方式中的流程示意图。

图6显示为本申请所述的地面坐标系在一实施例中的示意图。

图7显示为本申请基于成像原理确定疑似地面纹路同所述移动机器人之间的相对空间位置的原理示意图。

图8显示为本申请的移动机器人的控制系统在另一实施例中的示意图。

图9显示为本申请的移动机器人在一实施方式中的结构示意图。

具体实施方式

以下由特定的具体实施例说明本申请的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本申请的其他优点及功效。

在下述描述中，参考附图，附图描述了本申请的若干实施例。应当理解，还可使用其他实施例，并且可以在不背离本公开的精神和范围的情况下进行机械组成、结构、电气以及操作上的改变。下面的详细描述不应该被认为是限制性的，并且本申请的实施例的范围仅由公布的专利的权利要求书所限定。这里使用的术语仅是为了描述特定实施例，而并非旨在限制本申请。空间相关的术语，例如“上”、“下”、“左”、“右”、“下面”、“下方”、“下部”、“上方”、“上部”等，可在文中使用以便于说明图中所示的一个元件或特征与另一元件或特征的关系。

虽然在一些实例中术语第一、第二等在本文中用来描述各种元件或参数，但是这些元件或参数不应当被这些术语限制。这些术语仅用来将一个元件或参数与另一个元件或参数进行区分。例如，第一路线可以被称作第二路线，并且类似地，第二路线可以被称作第一路线，而不脱离各种所描述的实施例的范围。第一路线和第二路线均是在描述一个路线，但是除非上下文以其他方式明确指出，否则它们不是同一个路线。

再者，如同在本文中所使用的，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文中有相反的指示。应当进一步理解，术语“包含”、“包括”表明存在所述的特征、步骤、操作、元件、组件、项目、种类、和/或组，但不排除一个或多个其他特征、步骤、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的，或意味着任一个或任何组合。因此，“a、b或c”或者“a、b和/或c”意味着“以下任一个：a；b；c；a和b；a和c；b和c；a、b和c”。仅当元件、功能、步骤或操作的组合在某些方式下内在地互相排斥时，才会出现该定义的例外。

移动机器人可用于工业、商业、或者家庭，由于其工作环境具有复杂性，所以移动机器人在工作状态下需要对其工作环境进行检测以能够更好地实现自主移动和自主工作。所述工作环境为移动机器人工作区域(下文实施例中称为实际物理空间)内的物理环境，其包括以下至少一种物体：摆放/悬挂在实际物理空间内的障碍物、构成实际物理空间边界的墙体/屏风等房间分隔体、铺设在实际物理空间内的地板/地砖等物体等。上述各物体在该实际物理空间内会对移动机器人的工作效率、移动方式等产生影响。例如，铺设的地板/地砖等物体所形成的地面纹路(例如地板之间的缝隙、地板与墙体之间的缝隙等)反映房间的长宽方向等结构特点。又如，垂落至地面的植物藤蔓/沿地铺设的数据线/放在地上的跳绳等缠绕物容易成为妨碍移动机器人移动的羁绊等。所述移动机器人的工作状态是指移动机器人在开机的情况下可能存在的各种状态，其包括但不限于：移动机器人的移动状态、移动机器人执行特定工作的状态(例如清洁机器人执行清扫工作的状态)、所述移动机器人停止移动的状态(例如移动机器人在实际物理空间内一固定位置控制图像摄取装置转动的状态)等。

移动机器人在工作状态下借由其设置的多种感应装置来探测周围环境，所探测的数据包含实际物理空间内位于移动机器人上方的物体、沿移动方向的物体/悬崖等。所探测的不同方向的数据未能整合处理，从而降低了移动机器人的智能性。特别对清洁机器人来说，其主要用于地面清洁，在未对地面缝隙进行有效识别的情况下，不利于移动机器人执行不同工作。例如，所述移动机器人为清洁机器人，所述清洁机器人在无法感知实际物理空间内的地面缝隙的情况下，就不能对所述地面缝隙所在的区域进行重点清洁。又如，由于地面缝隙的干扰，使得移动机器人根据图像识别位于地面上的障碍物的障碍物类型时，可能会错误地将具有长直图像特征的地面缝隙识别为位于地面上的缠绕物。再如，由于所述移动机器人无法对地面缝隙进行识别，导致所述移动机器人需要在所述实际物理空间内长时间寻找墙面，以根据垂直于或平行于墙面的方向来确定所述主方向。需要说明的是，移动机器人可采用不同的感应装置进行单独探测来获取相应数据，并通过单独处理来解决上述缺陷，然而这不利于移动机器人对多操作辨别的整体性能的提高。

所以，为了提高移动机器人对多操作辨别的整体性能，本申请提供一种确定移动机器人工作环境的方法，所述方法可以根据图像摄取装置所获取的图像识别出移动机器人实际物理空间内的地面纹路。进一步，所述移动机器人根据所识别出的地面纹路还可以更好的确定所述主方向、或者障碍物的障碍物类型；例如，在障碍物识别的过程中，将所获取的图像中去除所述地面纹路的干扰，可以更准确地识别位于地面上的障碍物以及相应的障碍物类型；又如，以所述移动机器人为清洁机器人为例，所述清洁机器人在工作状态下通过所述工作环境中地面纹路的方向来确定主方向，以提高所述清洁机器人执行清洁工作的覆盖率。

为了使所述移动机器人通过所述图像摄取装置所获取的图像能够识别出所述移动机器人所在实际物理空间内的地面纹路，所述图像摄取装置所获取的图像中应包含所述移动机器人所在实际物理空间内地面的图像。其中，所述地面包括但不限于以下几类：铺设复合地板的地面、铺设实木地板的地面、铺设地毯的地面、铺设地砖的地面等。所述地面纹路是指地面整体呈现的规则排列的纹路，其包括但不限于通过地板/地砖/地毯拼接而使得地面所呈现的规则排列的地面缝隙(例如，地砖与地砖之间拼接的缝隙、地板与地板之间的拼接缝隙、地毯与地毯之间的拼接缝隙、地毯与地板之间的拼接缝隙等)。

所述图像摄取装置为用于按照预设像素分辨率提供包含所述移动机器人所在实际物理空间内地面的颜色图像或深度图像的装置。其中，每一深度图像利用预设像素位置所获取的像素值(深度值)表示所拍摄视场范围内的物体的图像，其中，每一深度图像中各像素的深度数据包含：各像素在深度图像中的像素位置以及各像素位置所对应的像素值(深度值)。每一颜色图像利用预设像素位置所获取的颜色数据表示所拍摄视场范围内的物体的图像，其中，每一颜色图像中各像素的颜色数据包含：各像素在颜色图像中的像素位置以及各像素位置所对应的像素值，所述颜色图像中的像素值为单一颜色的像素值或彩色的像素值；所述像素值举例为灰度像素值、rgb像素值、r像素值、g像素值、或b像素值等；所述颜色图像举例为r颜色图像、g颜色图像、b颜色图像、rgb图像、或灰度图像等。

在此，所述图像摄取装置包括但不限于：包括ccd的图像摄取装置、包括cmos的图像摄取装置、包括深度测量单元的图像摄取装置、集成有深度测量单元和红外传感器的图像摄取装置(如tof采集部件)等；所述深度测量单元包括但不限于：激光雷达深度测量单元、基于飞行时间的深度测量单元、基于双目立体视觉的深度测量单元、基于结构光技术的深度测量单元等。例如，所述深度测量单元包含发光器和光接收阵列，其中，发光器投射特定的光信号到物体表面再反射至光接收阵列，光接收阵列根据物体表面造成的光信号的变化来计算所述深度值。

为了使所述图像摄取装置所获取的图像中包含地面的图像，所述图像摄取装置可以按一预设的装配倾斜角安装到所述移动机器人上，所述装配倾斜角可以为0°到90°的任一角度，其中，所述装配倾斜角是指沿所述移动机器人行进方向的水平线与所述图像摄取装置的光轴或主光学轴的夹角，具体地，装配倾斜角为0°是指所述图像摄取装置的光轴或主光学轴与所述移动机器人行进方向的水平线相互平行；装配倾斜角为90°是指所述图像摄取装置的光轴或主光学轴与所述移动机器人行进方向的水平线相互垂直，即所述光轴或主光学轴垂直地面向下、或者所述光轴或主光学轴垂直地面向上。需要说明的是，所述光轴或主光学轴垂直地面向上、或者其与该方向成预设角度的情况下，所述移动机器人需要控制所述图像摄取装置转动一偏转角，以获取包含地面的图像。所述预设角度是根据所述图像摄取装置在垂直方向上的视角所确定的。

在一实施例中，所述图像摄取装置装配在所述移动机器人行进方向的前端面的位置，所述图像摄取装置的光轴与行进平面平行，则所述夹角为0°。

在又一实施例中，所述图像摄取装置装配在所述移动机器人上表面(即平行于其行进方向的表面)位置，但图像摄取装置被倾斜放置在一个凹陷结构内，所述图像摄取装置的光轴与行进方向的水平线所呈夹角为10°到80°的范围。

在再一实施例中，所获取的图像是所述图像摄取装置(例如tof采集部件)在转动过程中摄取的，通过转动所述图像摄取装置，图像摄取装置可以摄取更宽视场范围的图像。例如，所获取的图像是所述图像摄取装置在转动过程中所摄取的某一幅图像。又如，所获取的图像是所述图像摄取装置在转动过程中所摄取的至少两幅图像拼接而成的，通过拼接所获取的图像中包含移动机器人所在实际物理空间内的更多障碍物或更多的地面，能使移动机器人更容易确定所述地面纹路或障碍物的类型。

在一具体实施例中，所述移动机器人可以从所获取的图像中识别出直线线段，进而确定与直线线段相对应的物体的轮廓(下文实施例中称为疑似地面纹路)距离所述移动机器人的相对空间位置，基于所述相对空间位置所述移动机器人可以通过控制所述图像摄取装置的转动来获取包含地面的全面图像。

在另一具体实施例中，所述移动机器人利用其他感应装置探测到其所在物理空间内存在障碍物时，还基于所述障碍物的大致方位控制所述图像摄取装置转动，由此获取包含障碍物的全面图像。确定移动机器人所在物理空间内存在障碍物的方式包括但不限于：传感器探测的方式、或者图像识别的方式。

需要说明的是，在所述图像摄取装置不转动的情况下，所述图像摄取装置的拍摄角度是所述图像摄取装置的装配倾斜角，在所述图像摄取装置转动的情况下，所述图像摄取装置的拍摄角度是所述图像摄取装置的装配倾斜角加上所述图像摄取装置的偏转角。其中，所述拍摄角度是指所述图像摄取装置拍摄图像时所述图像摄取装置的光轴相对于移动机器人行进方向的水平线的夹角。

确定所述疑似地面纹路与所述移动机器人之间的相对空间位置的实施方式同确定所障碍物与所述移动机器人之间的相对空间位置的实施方式相同或相似，详细的步骤将在后续的步骤s120中详述。

需要说明的是，所述全面图像并不限制于拍摄到的图像包括障碍物的封闭轮廓或者拍摄到的图像全部为地面，而是在预设的转动极限下尽量获取所识别出的障碍物或者地面的全面信息。所述图像摄取装置在转动前可以是保持不动的状态也可以是持续转动的状态，由此获取更宽视场范围的至少一幅图像。

请参阅图1，图1显示为本申请中实现tof采集部件转动的结构示意图，所述移动机器人与驱动部件连接并控制所述驱动部件202来驱动所述tof采集部件201转动以获取所述图像。请一并参考图2，所述驱动部件202包括：可活动件2021及驱动器2022。

具体的，所述可活动件2021连接并能活动至带动所述tof采集部件201。所述tof采集部件201与可活动件2021之间可以是定位连接或通过传动结构连接。其中，所述定位连接包括：卡合连接、铆接、粘接、及焊接中的任意一种或多种。在定位连接的示例中，例如图2所示，可活动件2021例如为可以横向转动的驱动杆，而所述tof采集部件201具有与该驱动杆形状配合地套合的凹孔(未图示)，只要驱动杆和凹孔的截面非圆形，则tof采集部件201就可以随驱动杆进行横向转动；在一些传动结构的示例中，所述可活动件例如为丝杆，丝杆上的连接座该随丝杆转动而平移，所述连接座供与所述tof采集部件201固定，以使得所述tof采集部件201能随之运动。在一些传动结构的示例中，所述tof采集部件201与可活动件之间也可以通过齿部、齿轮、齿条、齿链等中的一种或多种连接，以实现可活动件对于tof采集部件201的带动。

示例性地，所述驱动器2022同可活动件2021可以是一体的。举例来说，如图2所示，所述驱动部件202本身可以是电机，则所述可活动件2021可以是该电机对外部的输出轴，该输出轴横向转动，以带动与其套合的tof采集部件201横向转动。

请参阅图3，图3显示为本申请实施例中tof采集部件设置在载件中的俯视结构示意图。将tof采集部件201通过载件102安装在所述移动机器人的主体上时，所述移动机器人控制与其连接的所述驱动部件202来驱动所述tof采集部件201转动，以获取步骤s110中所需要的图像。

所述移动机器人藉由配置在其中的控制系统来执行所述控制方法。其中，请参阅图4，图4显示为本申请移动机器人的控制系统在一实施方式中的硬件结构框图。所述控制系统10包括存储装置11、接口装置12、和处理装置13。

所述接口装置12用于获取自所述图像摄取装置所摄取的图像。根据实际移动机器人所配置的图像摄取装置，所述接口装置12与至少一个图像摄取装置相连，用于从相应图像摄取装置中读取其摄取的包含其视野范围内的物体的图像。所述接口装置12还用于输出控制移动机器人的控制指令，例如，所述接口装置12与行走机构的驱动电机相连、与驱动边刷的边刷电机相连、和/或与驱动滚刷的滚刷电机相连等，来输出所述控制指令，以控制所述行走机构、边刷、和/或滚刷的转动。所述控制指令是处理装置13基于所确定的工作环境并结合存储装置11中的控制策略生成的。例如，当至少根据所获取的图像确定所述地面纹路时，所述处理装置13结合控制策略生成了对所述地面纹路增加清洁次数的控制指令，并通过接口装置12向驱动边刷和/或滚刷的驱动电机输出该控制指令。所述接口装置12包括但不限于：如hdmi接口或usb接口的串行接口，或并行接口等。

所述存储装置11用于存储至少一种程序，所述至少一种程序可供所述处理装置13执行所述确定移动机器人工作环境的方法。所述存储装置11还存储有与工作环境相对应的控制策略，其中，所述控制策略为利用程序描述的以供处理装置13执行的控制逻辑，所述控制策略用于基于移动机器人对工作环境的识别情况生成控制移动机器人的控制指令以通过所述接口装置12输出。在实际应用中，所述控制策略包括移动控制策略、或者行为控制策略，所述移动控制策略用于基于实时定位的移动机器人与所述处理装置13所确定的某一类型的障碍物之间的相对空间位置生成控制移动机器人移动的控制指令、或者用于基于移动机器人实时的移动方向是否与所述地面纹路的方向垂直或平行生成控制移动机器人移动的控制指令，例如，所述移动机器人为清洁机器人，当所述处理装置确定实际物理空间内的地面纹路的情况下，所述处理装置13基于存储装置中的控制策略生成将移动方向转至与所述地面纹路的方向垂直或平行的方向的控制指令；所述行为控制策略用于基于所确定的障碍物类型、或者地面纹路生成控制移动机器人工作方式的控制指令，例如，所述移动机器人为清洁机器人，当所确定的障碍物类型为缠绕物类型时，所述处理装置13基于存储装置中的控制策略生成控制移动机器人关闭清洁装置的控制指令。

在此，存储装置11包括但不限于：只读存储器(read-onlymemory，简称rom)、随机存取存储器(randomaccessmemory，简称ram)、非易失性存储器(nonvolatileram，简称nvram)。例如，存储装置11包括闪存设备或其他非易失性固态存储设备。在某些实施例中，存储装置11还可以包括远离一个或多个处理装置13的存储器，例如经由rf电路或外部端口以及通信网络访问的网络附加存储器，其中，所述通信网络可以是因特网、一个或多个内部网、局域网、广域网、存储局域网等，或其适当组合。存储器控制器可控制设备的诸如cpu和外设接口之类的其他组件对存储器的访问。

处理装置13与所述接口装置12和存储装置11相连。所述处理装置13包括一个或多个处理器。处理装置13可操作地与存储装置11执行数据读写操作。处理装置13执行诸如识别图像中的直线线段、将所识别出的图像中的直线线段转换至一地面坐标系中等。所述处理装置13包括一个或多个通用微处理器、一个或多个专用处理器(asic)、一个或多个数字信号处理器(digitalsignalprocessor，简称dsp)、一个或多个现场可编程逻辑阵列(fieldprogrammablegatearray，简称fpga)、或它们的任何组合。处理装置13还与i/o端口和输入结构可操作地耦接，该i/o端口可使得移动机器人能够与各种其他电子设备进行交互，该输入结构可使得用户能够与移动机器人进行交互。例如，用户通过所述输入结构输入反映相邻地面纹路的间隔、输入反映地面纹路之间的角度关系等。因此，所述输入结构可包括按钮、键盘、鼠标、触控板等。所述其他电子设备包括但不限于：移动机器人中专用于控制移动装置和清洁装置的从处理器，如微控制单元(microcontrollerunit，简称mcu)。

请参阅图5，图5显示为本申请确定移动机器人工作环境的方法在一实施方式中的流程示意图。其中，所述控制方法可以由图4所示的移动机器人的控制系统来执行。其中，所述处理装置协调存储装置、接口装置等硬件执行以下步骤。

在步骤s110中，所述处理装置获取所述移动机器人在工作状态下所述图像摄取装置所摄取的图像以及根据所获取的图像识别出图像中的直线线段。

所述处理装置所获取的图像可以是所述图像摄取装置直接摄取的图像，也可以是所述图像摄取装置在转动过程中所摄取的至少两幅图像拼接而成的。其中，所述图像摄取装置所摄取的图像为深度图像、和/或颜色图像，摄取不同类型图像的图像摄取装置、及图像摄取装置的装配方式与前文所述的相同或相似，在此不再详述。

所述直线线段是指曲度和/或长度满足预设条件的特征点连线。具体地，当图像中所识别的特征点连线的曲度小于等于预设曲度阈值，和/或其长度大于预设长度阈值时，可判定该特征点的连线为直线线段。其中，所述曲度是指特征点的连线的弯曲程度，例如，所述预设曲度阈值在0-5°之间的任意数值。

在一实施例中，所述处理装置利用直线线段检测方法，从所获取的图像中识别出图像中的直线线段。所述直线线段检测方法包括但不限于：radon直线检测方法、hough直线检测方法、freeman直线检测算法、lsd(linesegmentdetector)直线检测算法、尺蠖蠕行算法等。

在一具体实施例中，所述处理装置首先对所获取的图像进行边缘检测以提取出图像中的边缘区域，即图像中梯度较高的区域，进而所述处理装置利用直线线段检测方法对所述边缘区域进行检测，以从所述边缘区域中识别出图像中的直线线段。所述边缘区域可对应实际物理空间内的物体的轮廓，例如，地面缝隙、地面上的物体与地面相交的区域、墙面与地面相交的区域等。

在一示例中，所获取的图像为深度图像，对所获取的图像进行边缘检测的方法包括但不限于：扫描线迭代边缘检测方法、双方向曲率边缘检测方法、基于微分算子的边缘检测方法。

在另一示例中，所获取的图像为r颜色图像、g颜色图像、b颜色图像、或灰度图像等单一颜色图像时，对所获取的单一颜色图像进行边缘检测的方法包括但不限于：基于微分算子的边缘检测方法、基于自适应平滑滤波的边缘检测方法、松弛迭代边缘检测方法、基于神经网络的边缘检测方法、基于小波的边缘检测方法、基于灰色关联度的边缘检测方法等。需要说明的是，所获取的颜色图像为rgb图像，所述处理装置可以将rgb图像转换为灰度图像后再进行边缘检测，也可以将rgb图像分解为r颜色图像、g颜色图像、b颜色图像，分别对每个颜色分量的颜色图像进行边缘检测，然后再将每个颜色图像的检测结果进行综合处理来确定图像中的边缘区域。

需要说明的是，所述处理装置还可以采用神经网络算法来识别图像中的直线线段，在此不对识别直线线段的方式进行限制。

在某些实施例中，为了提高确定地面纹路的准确度以及降低后续处理的复杂程度，所述处理装置还确定所获取的图像中包括描述地面的地面图像，进而根据所述地面图像识别出地面图像中的直线线段。

在一示例中，所述处理装置基于所述图像摄取装置的拍摄角度，确定所获取的图像中描述地面的地面图像，以供所述移动机器人根据所述地面图像识别出地面图像中的直线线段。所述拍摄角度是指所述图像摄取装置拍摄图像时所述图像摄取装置的光轴相对于移动机器人行进方向的水平线的夹角。例如，移动机器人的图像摄取装置的光轴相对于所述水平线的夹角为θ，所述移动机器人以该角度俯视地面拍摄图像，所述存储装置中预先存储有该角度θ所对应的图像区域(例如一幅图像中下半部分图像区域、或一幅图像中下半部分从图像下边缘向上十分之一的图像区域等)，则该部分图像区域为地面图像，所述处理装置根据上述任意一种识别图像中直线线段的实施方式可以识别出所述地面图像中的直线线段。

在另一示例中，所述处理装置对所述深度图像所对应的三维点云数据进行聚类，得到描述地面的三维点云数据，以供所述移动机器人根据所述描述地面的三维点云数据所对应的地面图像识别出地面图像中的直线线段。例如，所述三维点云数据对应的坐标原点为所述图像摄取装置的光心位置，所述图像摄取装置为tof采集部件，首先，所述处理装置根据tof采集部件测量得到的深度图像以及tof采集部件的内部参数，将所述深度图像转换为三维点云数据。具体地，所述tof采集部件的内部参数包括：tof采集部件分别在x、y两个轴上的焦距fx、fy，tof采集部件的光轴在图像坐标系中的偏移量cx、cy。深度图像中的像素值(深度值)为d，该深度值所在的像素位置为(u,v)，则经坐标变换后该像素位置(u,v)的三维点云数据对应为(x，y，z)，其中，z＝d；然后，所述处理装置对所得到的三维点云数据进行聚类，以得到描述地面的三维点云数据，所述处理装置根据描述地面的三维点云数据可确定图像中描述地面的地面图像；所述处理装置根据上述任意一种识别图像中直线线段的实施方式可以识别出所述地面图像中的直线线段。

需要说明的是，还可以先识别出整幅图像中的直线线段，再对利用上述实施方式得到地面图像，进而得到与所述地面图像相对应的直线线段；当所获取的图像为深度图像的情况下，还可以利用深度图像对应的点云数据确定各直线线段距离拟合地面的高度，以得到与所述地面图像相对应的直线线段。其中，所述拟合地面是根据地面所对应的三维点云数据进行拟合得到的。

所述处理装置根据所识别出的图像中的直线线段执行步骤s120，以至少确定实际物理空间内各疑似地面纹路之间的真实角度关系，所述疑似地面纹路是所述直线线段所对应的实际物理空间内的物体的轮廓。

在步骤s120中，所述处理装置将所识别出的图像中的直线线段转换至一地面坐标系中。

具体地，所述处理装置根据所识别出的图像中的直线线段可以确定直线线段在图像坐标系中的像素位置。利用基于处理装置所能获取的测量数据而构建的图像坐标系中的直线线段与所对应的各疑似地面纹路之间的映射关系，确定各疑似地面纹路与移动机器人的相对空间位置，以及所述处理装置至少根据所述相对空间位置将所识别出的位于图像坐标系中的直线线段转换至一地面坐标系中。所述相对空间位置包括：疑似地面纹路上的各点与所述移动机器人之间的物理距离与方位角度。所述图像坐标系是以图像中任一像素点(例如图像中左上角的像素点)为原点建立以像素为单位的坐标系，某一像素的横坐标与纵坐标分别表示其在图像数组中所在的列数与所在行数。所述地面坐标系是以实际物理空间内任意一点为原点而构建的平行于地面的平面坐标系。所述地面坐标系以物理长度为单位长度。所识别的直线线段在所述地面坐标系中的位置可反映实际物理空间内各疑似地面纹路之间的真实角度关系，例如，在实际物理空间内相互垂直的两个疑似地面纹路，其相应的直线线段在所述地面坐标系中也是互相垂直的。所述地面坐标系的纵坐标轴的正向可以是所述移动机器人的前进方向，所述地面坐标系的横坐标轴的正向可以是所述移动机器人的左侧，但并不以此为限。例如，疑似地面纹路上任意一点与移动机器人之间的物理距离可以用所述地面坐标系的纵坐标表示，疑似地面纹路上任意一点与移动机器人之间的方位角度的正切值可以用该点在所述地面坐标系中的纵坐标与横坐标的比值表示。

在一实施例中，所获取的图像为颜色图像，所述处理装置需要根据预设的物理参考信息，得到各疑似地面纹路与移动机器人之间的相对空间位置，至少根据所述相对空间位置将所识别出的位于图像坐标系中的直线线段转换至一地面坐标系中。所述物理参考信息包括但不限于：所述图像摄取装置相距地面的物理高度、所述图像摄取装置的物理参数、和所述图像摄取装置的光轴相对于水平或垂直面的夹角。在此，技术人员通过预先标定图像摄取装置来获得所述物理参考信息，例如，在移动机器人出厂前，技术人员预先测量图像摄取装置的成像中心与地面之间的距离，并将该距离作为所述物理高度或物理高度的初始值保存在所述存储装置中。所述物理高度也可以预先通过对移动机器人设计参数进行计算而得到的。依据移动机器人的设计参数还可以得到图像摄取装置的光轴相对于水平或垂直面的夹角，或夹角的初始值。对于图像摄取装置可调节的移动机器人来说，所保存的夹角可在夹角初始值的基础上增/减被调节的偏转角后而确定的，所保存的物理高度是在物理高度初始值的基础上增/减被调节的高度后而确定的。所述图像摄取装置的物理参数包含镜头组的视角和/或焦距等。

在一具体实施例中，所述处理装置至少根据预设的物理参考信息以及成像原理，将所识别出的一幅图像中的直线线段转换至一地面坐标系中。例如，所述地面坐标系的原点随着移动机器人的移动而改变(例如，原点为基于移动机器人当前位置而确定的)，所述处理装置根据预设的物理参考信息以及成像原理确定疑似地面纹路同所述移动机器人之间的相对空间位置，进而可将所识别出的一幅图像中的直线线段直接转换至该地面坐标系中。又如，所述地面坐标系的原点为实际物理空间内一固定点，所述处理装置基于所述相对空间位置以及获取该图像时的位姿，将所述一幅图像中的直线线段转换至该地面坐标系中。所述位姿包括：移动机器人的位置和/或姿态，所述姿态包括但不限于移动机器人的航向角，所述移动机器人的位置表示的是所述移动机器人在所述实际物理空间内的位置。

以所述地面坐标系的原点为基于移动机器人当前位置而确定的为例，所述地面坐标系的纵坐标轴的正向是当前所述移动机器人的前进方向，所述地面坐标系的横坐标轴的正向是所述移动机器人的左侧，请参阅图6，图6显示为本申请所述的地面坐标系在一实施例中的示意图，该地面坐标系以移动机器人底面中心为原点，图6所示的地面坐标系中的直线线段的横坐标值为正纵坐标值为正表示所述直线线段上的点在所述移动机器人的右前方。请参阅图7，图7显示为本申请基于成像原理确定疑似地面纹路同所述移动机器人之间的相对空间位置的原理示意图，如图所示，图中包括三个坐标系：图像坐标系uo1v、以o3为原点的世界坐标系、以o2为圆点的相机坐标系，假设实际物理空间内所述疑似地面纹路包含点p，已知图像摄取装置相距行进平面的物体高度为h(例如，物体高度h可以根据图像摄取装置在所述世界坐标系中的z轴坐标得到)、图像坐标中心对应的世界坐标点m与世界坐标系原点o3的距离o3m、镜头中心点的图像坐标o1、测量像素点的图像坐标p1、实际像素的长度和宽度、图像摄取装置的焦距，则通过推导计算可以得到o3p的长度，由此，根据所述o3p的长度可得到所述移动机器人当前所在位置与p点之间的物理距离。为了确定该p点与所述移动机器人所在位置之间的方位角度，处理装置根据预先存储在所述存储装置中的图像各像素点与实际物理方位角度之间的对应关系，计算得到移动机器人与p点之间的方位角度。其中，每个像素点对应一个方位角度，所述方位角度可以是基于像素数量、图像摄取装置的焦距以及视角等参数计算得到的。所述处理装置将当前所确定的相对空间位置转换成在所述地面坐标系中的横、纵坐标。例如，所述疑似地面纹路上任意一点与移动机器人之间的物理距离为该点在所述地面坐标系中的纵坐标值，疑似地面纹路上任意一点与移动机器人之间的方位角度的正切值为该点在地面坐标系中的纵坐标值与该点在所述地面坐标系中的横坐标值的比。需要说明的是，可以直接根据所述世界坐标系中垂直于z轴的平面xo3y建立前文所述的地面坐标系。

在另一具体实施例中，所述处理装置根据预设的物理参考信息和移动机器人在获取不同图像时的位姿，将所识别出的多幅图像中的直线线段转换至一地面坐标系中。具体地，对于每一幅图像中的直线线段，所述处理装置首先计算其所对应的疑似地面纹路同所述移动机器人获取该幅图像所在位置之间的相对空间位置，然后可以根据获取不同图像时移动机器人的航向角以及所述地面坐标系横纵坐标轴的方向，对所述直线线段做旋转变换，以将不同图像中的直线线段转换至一地面坐标系中，该地面坐标系中的各直线线段之间的角度关系与实际物理空间内相应疑似地面纹路的角度关系相同，例如，实际物理空间内相互垂直的两个疑似地面纹路，相对应的直线线段在所述地面坐标系中的角度关系也是垂直的。基于此，所述处理装置还可以根据获取不同图像时移动机器人的航向角和位置、所述地面坐标系原点所对应的位置、以及所述地面坐标系横纵坐标轴的方向，得到不同图像中的直线线段与地面坐标系原点之间的相对空间位置，进而将不同图像中的直线线段转换至一地面坐标系中，在该地面坐标系中不仅各直线线段之间的角度关系与实际物理空间内相应疑似地面纹路之间的角度关系相同，而且各直线线段之间的距离关系与实际物理空间内相应疑似地面纹路之间的距离关系相同，例如，实际物理空间内相互平行且相距0.5m的两个疑似地面纹路，相对应的直线线段在所述地面坐标系中的角度关系也是平行的，并且根据各直线线段的坐标得到的距离关系也是相距0.5m。

以所述地面坐标系的原点为所述移动机器人开启工作状态时所在的位置为例，所述处理装置根据原点以及移动机器人在该位置的航向角建立所述地面坐标系、以及确定移动机器人在移动期间在所述地面坐标系中相对于原点的位姿。例如，所述移动机器人从原点开始的行进方向为地面坐标系的正纵坐标轴，反之为负纵坐标轴；所述移动机器人沿行正纵坐标轴的顺时针旋转90度对应于地面坐标系的正横坐标轴，反之为负横坐标轴，所述地面坐标系的原点、以及横、纵坐标轴的正负并不以此为限。

在一示例中，所述移动机器人开启工作状态时所在的位置为a，航向角为b，获取第一图像时所在的位置为c，航向角为d，获取第二图像时所在的位置为e，航向角为f，所述处理装置根据预设的物理参考信息可以得到第一幅图像中的直线线段所对应的疑似地面纹路与位置c之间的相对空间位置，进而所述处理装置可以确定第一幅图像中的直线线段在以位置c为坐标原点的地面坐标系中的坐标，所述处理装置根据航向角b和航向角d之间的差异，可以将所述第一幅图像中的直线线段转换至以位置a为原点的地面坐标系中，同理，可以将所述第二幅图像中的直线线段转换至以位置a为原点的地面坐标系中。例如，航向角b和航向角d之间的差异为90度，可以直接将以位置c为坐标原点的地面坐标系中的直线线段g的横、纵坐标进行调换，来得到所述直线线段g在以位置a为原点的地面坐标系中的坐标。虽然，各幅图像的直线线段在以位置a为原点的地面坐标系中各直线线段之间的距离关系与实际物理空间内相应疑似地面纹路之间的距离关系不一定相同，但是，各直线线段之间的角度关系与实际物理空间内相应疑似地面纹路之间的角度关系是相同的。

在另一示例中，所述移动机器人开启工作状态时所在的位置为a，航向角为b，获取第一图像时所在的位置为c，航向角为d，获取第二图像时所在的位置为e，航向角为f，所述处理装置根据获取第一图像时移动机器人的航向角d和位置c、以及位置a和航向角b，可得到所述直线线段与位置a之间的相对空间位置，进而可将第一图像中的直线线段转换至该地面坐标系中，同样，可以将第二图像中的直线线段转换至该地面坐标系中。在该地面坐标系中不仅各直线线段之间的角度关系与实际物理空间内相应疑似地面纹路之间的角度关系相同，而且各直线线段之间的距离关系与实际物理空间内相应疑似地面纹路之间的距离关系相同。

在另一实施例中，所获取的图像为深度图像，所述处理装置根据所识别出的直线线段的像素值和各像素值在图像中的像素位置，可得到所述直线线段所对应的疑似地面纹路与移动机器人之间的物理距离和方位角度，即各疑似地面纹路与移动机器人获取所述图像时所在位置之间的相对空间位置，进而所述处理装置可以至少根据所述相对空间位置将所识别出的位于图像坐标系中的直线线段转换至一地面坐标系中。

在一具体实施例中，所述处理装置至少根据所识别出的直线线段的像素值和各像素值在相应图像中的像素位置将所识别出的一幅图像中的直线线段转换至一地面坐标系中。

在另一具体实施例中，所述处理装置根据所识别出的直线线段的像素值和各像素值在相应图像中的像素位置以及移动机器人在获取不同图像时的位姿，将所识别出的多幅图像中的直线线段转换至一地面坐标系中。

所述将一幅图像中的直线线段转换至一地面坐标系中、以及将多幅图像中的直线线段转换至一地面坐标系中的实施方式与前文所述的相同或相似，在此不再详述。

基于地面坐标系中的各直线线段的方向角和/或相邻直线线段的间隔，所述处理装置执行步骤s130，以确定所述移动机器人所在实际物理空间内的地面环境信息。

在步骤s130中，所述处理装置根据在所述地面坐标系中符合地面纹路筛选条件的直线线段确定移动机器人所在实际物理空间内的地面环境信息。

具体地，所述处理装置根据所述地面纹路筛选条件、以及地面坐标系中的各直线线段的方向角和/或相邻直线线段的间隔，可以确定所述地面坐标系中满足所述地面纹路筛选条件的直线线段，进而藉由所筛选出的直线线段确定移动机器人所在实际物理空间中与地面相关的地面环境信息。其中，所述方向角表示的是直线线段在所述地面坐标系中与某一坐标轴的夹角，例如，针对地面坐标系uov中的各直线线段，可获得各直线线段在地面坐标系uov中与横坐标轴u或与纵坐标轴v之间的夹角，所述处理装置可以将直线线段与任意一坐标轴夹角作为所述直线线段在所述地面坐标系中的方向角。其中，所述夹角在0°至180°范围内。所述相邻直线线段的间隔是指在所述地面坐标系中具有相互平行关系的相邻直线线段之间的间隔，例如，针对地面坐标系uov中的各直线线段，平行于横坐标轴u的两条直线线段，一条直线线段上的每一点在所述地面坐标系uov中的纵坐标为3m，另一条直线线段上的每一点的纵坐标为3.5m，则这两条直线线段之间的间隔为0.5m。所述地面环境信息包括以下至少一种：移动机器人所识别出的反映地面纹路相对于移动机器人的位置信息，反映单条地面纹路的排布规则的数据，反映多条地面纹路之间排布关系的数据，反映地面纹路之间间隔的间隔数据，根据所述地面纹路而确定的主方向信息，以及反映地面上区别于地面纹路的障碍物相对于移动机器人的方位角度、物理距离，甚至所述障碍物类型等。

在所述处理装置对所述方向角、所述相邻直线线段的间隔等进行统计的情况下，所述地面纹路筛选条件可以为统计筛选条件和预设筛选条件、统计筛选条件、或者预设筛选条件。所述处理装置在不执行统计的情况下，所述地面纹路筛选条件为预设筛选条件。

在一示例中，所述统计筛选条件是根据直线线段在所述地面坐标系中所呈现的反映单条地面纹路的排布规则的统计结果而设置的统计筛选条件，所述统计结果举例为统计数量。其中，反映单条地面纹路的排布规则举例包括直线线段在所述地面坐标系中的方向角、和/或直线线段的长度值等。例如，所述处理装置统计直线线段在所述地面坐标系中的方向角，可得到属于各方向角的直线线段，进而可得到各方向角的统计数量，则所述统计筛选条件是统计数量最多的方向角所对应的直线线段。例如，方向角为30度的直线线段有2个、方向角为90度的直线线段有11个，则所述11个直线线段所对应的疑似地面纹路为实际物理空间内的地面纹路。

在另一示例中，所述统计筛选条件是根据相邻直线线段在所述地面坐标系中所呈现的反映多条地面纹路之间排布关系的统计结果而设置的统计筛选条件。反映多条地面纹路之间排布关系举例包括相邻直线线段之间间隔、相交直线线段之间相交角度。所述统计结果举例为相邻直线线段之间间隔的统计数量、相交直线线段之间相交角度的统计数量。例如，所述处理装置确定方向角相同的相邻的直线线段之间的间隔，进而可得到各间隔的统计数量，则所述统计筛选条件是统计数量最多的间隔所对应的直线线段。例如，方向角为0度的相邻的直线线段之间的间隔为2m的间隔统计数量有2个、间隔为0.5m的间隔统计数量有10个，方向角为30度的相邻的直线线段之间的间隔为1m的间隔统计数量有1个，则方向角为0度且间隔为0.5m所对应的疑似地面纹路为实际物理空间内的地面纹路。

需要说明的是，所述统计筛选条件也可以是根据直线线段在所述地面坐标系中所呈现的反映单条地面纹路的排布规则的统计结果、以及相邻直线线段在所述地面坐标系中所呈现的反映多条地面纹路之间排布关系的统计结果而设置的统计筛选条件。例如，在统计数量最多的方向角所对应的直线线段中确定统计数量最多的间隔所对应的直线线段，进而确定实际物理空间内的地面纹路。

在一示例中，所述预设筛选条件是根据预设的多条地面纹路之间排布关系而设置的预设筛选条件。所述多条地面纹路之间排布关系举例包括相邻地面纹路之间的间隔、地面纹路之间的角度关系，所述角度关系举例包括垂直关系、平行关系等。具体地，所述预设的多条地面纹路之间排布关系可以是用户直接输入的，也可以是存储装置中预存的，用户通过选择预存的排布关系来输入的，所述处理装置基于输入的排布关系而设置一预设筛选条件，基于所述预设筛选条件可确定实际物理空间内的地面纹路。例如，用户直接输入的相邻地面纹路的间隔为0.5m，则所述预设筛选条件为相互平行的相邻直线线段的间隔为0.5m，则所述地面坐标系中满足该条件的直线线段所对应的疑似地面纹路为实际物理空间内的地面纹路。又如，所述角度关系举例为垂直关系，所述预设筛选条件为相互垂直的直线线段，则所述地面坐标系中相互垂直的直线线段所对应的疑似地面纹路为实际物理空间内的地面纹路。

在另一示例中，所述预设筛选条件是根据预设的单条地面纹路的排布规则而设置的预设筛选条件。具体地，所述预设的单条地面纹路的排布规则举例为单条地面纹路的长度值。所述长度值可以是用户直接输入的，也可以是存储装置中预存有不同的长度值，用户通过选择预存的长度值来输入的，所述处理装置基于输入的长度值而设置一预设筛选条件，基于所述预设筛选条件可确定实际物理空间内的地面纹路。例如，所述预设的长度值为0.5m，所述预设筛选条件为长度值在0.5m-0.05m至0.5m+0.05m范围内的直线线段，则所述地面坐标系中符合该筛选条件的直线线段所对应的疑似地面纹路为实际物理空间内的地面纹路。

需要说明的是，所述预设筛选条件也可以是根据预设的多条地面纹路之间排布关系、以及预设的单条地面纹路的排布规则而设置的筛选条件，例如，在满足所述预设的相邻地面纹路的间隔的直线线段的基础上，确定与满足条件的直线线段中符合预设长度值的直线线段，进而确定实际物理空间内的地面纹路。

基于上述地面纹路筛选条件，所述处理装置可以确定在所述地面坐标系中符合地面纹路筛选条件的直线线段，进而确定与所述直线线段相对应的实际物理空间内的地面纹路。基于所确定的地面纹路，所述处理装置可得到地面纹路相对于移动机器人的位置信息等地面环境信息。

进一步，所述处理装置根据所述符合地面纹路筛选条件的直线线段可确定实际物理空间内的主方向，使得移动机器人能够基于地面纹路所构建的主方向移动，由于所述地面纹路与实际物理空间内的墙面通常是垂直或者平行的关系，所以，沿着所述地面纹路所构建的主方向可以提高移动机器人执行特定工作的覆盖率。

在一实施例中，所述处理装置根据所述符合地面纹路筛选条件的直线线段，确定实际物理空间内的主方向，以使所述移动机器人沿着主方向移动。

所述主方向是指平行于地面纹路的方向或者垂直于地面纹路的方向。所述主方向是基于所述符合地面纹路筛选条件的直线线段在所述地面坐标系中的方向角所确定的。在一示例中，所述符合地面纹路筛选条件的直线线段在所述地面坐标系中的方向角均相同(即识别出的各地面纹路之间相互平行)，则所述处理装置直接以平行于该地面纹路的方向、或者垂直于该地面纹路的方向为所述主方向。在另一示例中，符合地面纹路筛选条件的直线线段在所述地面坐标系中的方向角有两类(即所识别出的地面纹路有两类方向)，所述处理装置以其中一类方向来确定所述主方向。

具体地，所述处理装置确定符合地面纹路筛选条件的直线线段在所述地面坐标系中的方向角，进而，所述处理装置基于移动机器人当前的移动方向可确定在实际物理空间内移动机器人当前的移动方向是否与所述地面纹路的方向垂直或平行，如果是，则控制所述移动机器人沿当前方向移动，即沿主方向移动；如果否，则以预设角度步长为单位角度并按照所述地面纹路的方向进行逐步调整，直至确定移动机器人的移动方向与一地面纹路的方向大致平行或垂直。其中，所述移动方向可由移动机器人当前的航向角得到。

例如，所述移动机器人开启工作状态时所在的位置为a，航向角为b，当前所在的位置为x，航向角为v，所述地面坐标系的原点为a，纵坐标轴的正向为移动机器人开启工作状态时的移动方向，横坐标轴的正向为移动机器人的右侧，处理装置可确定符合地面纹路筛选条件的直线线段在所述以a为原点的地面坐标系中的方向角q，所述移动机器人根据航向角b以及航向角v之间的差异可确定移动机器人当前的移动方向在所述以a为原点的地面坐标系中的方向角l，根据方向角q以及方向角l的差异可以确定在实际物理空间内移动机器人当前的移动方向是否与所述地面纹路的方向垂直或平行。

在某些实施例中，在确定所述主方向的情况下，所述处理装置还基于移动机器人的当前位置规划导航路线。

其中，所述导航路线可以包括：机器人基于当前位置调整至与主方向平行的第一路线，以及自第一路线的终点开始遍历一工作区域的第二路线。其中，所述工作区域例如清洁机器人的清洁区域，巡逻机器人的巡逻区域等。

以清洁机器人为例，所述处理装置基于地面纹路所构建的主方向，控制清洁机器人基于当前位置调整至与主方向平行，然后，以清洁机器人当前位置作为起点，采用“弓”字形等路线规划清洁机器人在清洁区域内移动，当遇到墙面时再转向(例如航向角改变180度)，使得清洁机器人在作业期间尽可能全面覆盖待清洁区域，以提高清洁效率。

所述处理装置基于符合地面纹路筛选条件的直线线段可以明确所述实际物理空间内的主方向，使得移动机器人能更加完整地感知其工作环境，并且移动机器人沿所述主方向移动，可以提高移动机器人执行特定工作的覆盖率。

在所述处理装置确定符合地面纹路筛选条件的直线线段的情况下，所述处理装置还可以准确地识别出位于地面上的障碍物的障碍物类型。

在一实施例中，所述处理装置将所获取的图像去除符合地面纹路筛选条件的直线线段所对应的图像，以得到目标图像；根据所述目标图像，识别位于地面上的障碍物的障碍物类型。

所述障碍物类型包括但不限于以下至少一种：缠绕物类型、孤岛类型、空间分隔类型等。其中，缠绕物类型包括易缠绕移动机器人的移动装置(如滚轮)，易缠绕清洁机器人的边刷、滚刷等清洁装置的一类障碍物。例如，所述缠绕物类型的障碍物包括但不限于以下几类：线缆、绳索、丝带、鞋带、布头、植物藤蔓等。孤岛类型包括移动机器人易于绕行不碰触的一类障碍物，如前面所述椅子、鞋、袜宠物粪便、皮球等。所述空间分隔类型包括用于分割空间以形成不同功能空间的一类障碍物，如墙面、门、窗、衣柜、屏风等。

具体地，所述处理装置将所获取的图像中去除所述符合地面纹路筛选条件的直线线段所对应的图像，以得到目标图像。例如，将所述符合地面纹路筛选条件的直线线段所对应的像素值替换成与所述直线线段相邻像素位置的像素值。又如，直接将符合地面纹路筛选条件的直线线段所对应的图像去除后将剩余的图像进行拼接得到所述目标图像。所述处理装置基于所述目标图像可识别位于地面上的障碍物的障碍物类型。

在一实施例中，所述处理装置识别所述目标图像中障碍物的图像特征，根据所识别出的所述障碍物的图像特征确定障碍物的障碍物类型。其中，所述图像特征是藉由图像数据(例如深度数据、或颜色数据)表征的、用于与障碍物类型相匹配的特征线、特征点及其组合，其举例包括轮廓特征、和/或形状特征等。例如，与孤岛类型相关的轮廓特征包括但不限于：封闭轮廓线所占空间范围、典型孤岛类型障碍物的轮廓线上的局部或整体特征。又如，与缠绕物类型相关的轮廓特征举例包括统计轮廓宽度不大于预设宽度门限(如不大于1cm)，所述轮廓宽度用于描述障碍物上下边缘的两条轮廓线之间的最短距离。再如，与空间分隔类型相关的轮廓特征举例包括直线特征、折线特征、符合直线特征的直线长度大于预设门限等。

所述形状特征是基于特征线和/或特征点组成的或抽象出的几何形状、几何形状组合等，用于与各障碍物类型相匹配。其中，所述几何形状、几何形状组合可基于所识别的障碍物的全部轮廓或轮廓的部分表示。例如，基于孤岛类型而设置的形状特征包括以下一种或多种组合：圆形、球形、弧线、方形、立方形、π形等。例如，鞋的形状特征包含首尾相连的多个弧线形状；椅子的形状特征包括π形、八爪型等。基于缠绕物类型而设置的形状特征包括以下至少一种或多种组合：曲线形状、蛇形、盘结形等。基于空间分隔类型而设置的形状特征包括以下至少一种或多种组合：直线形状、折线形状、矩形等。

处理装置利用上述预设的各障碍物类型所对应的特征规则对所述目标图像特进行特征识别，以得到相应障碍物类型。

在另一实施例中，所述处理装置利用经机器学习而训练的分类器对目标图像进行障碍物识别，以确定障碍物的障碍物类型。

其中，所述分类器用于识别图像中缠绕物类型、孤岛类型、和空间分隔类型中的至少一种，以及确定所识别出的相应类型障碍物在图像中的位置。为此，所使用的分类器的数量可为一个或多个。例如，多个分类器采用级联方式对应识别每一类障碍物。又如，多个分类器采用并行识别方式对应识别每一类障碍物。再如，单一分类器识别多类障碍物。

所述分类器举例包含经训练得到的卷积神经网络(convolutionalneuralnetwork，cnn)。卷积神经网络是深度神经网络的一种体系结构，其与图像处理有着密切的关系。卷积神经网络的权值共享网络结构使之更类似于生物神经网络，这样的结构不但降低了网络模型的复杂度，而且减少了权值的数量，这种网络结构具有对图像平移、比例缩放、倾斜或者其他形式变形的特征不变性。

其中，机器学习的方式举例包括：以一部分样本图像对分类器进行训练，以得到各神经层内部以及连接各神经层之间的参数；经由另一部分样本图像对所得到的分类器进行反向传播处理以验证所训练的分类器正确分类的概率，当所得到的概率达到预设设计阈值时，得到用于植入移动机器人的分类器。其中，为提高分类器正确分类的概率，训练使用的样本图像包括正样本图像和负样本图像。

在某些实施例中，机器学习的过程还包括对样本图像进行相应的图像预处理。所述图像预处理包括但不限于：将样本图像进行截取、压缩、灰度处理、图像滤波和/或噪声过滤处理等。对应地，处理装置对待识别的图像进行图像预处理，将图像预处理后的所述图像输入分类器中以得到识别结果。其中，对待识别的图像进行图像预处理的过程包括但不限于：对待识别的图像进行裁剪、压缩、阈值化处理、图像滤波、噪声滤波处理等。

值得注意的是：在某些实施例中，前述用于进行缠绕物类型障碍物识别的分类器可预存于存储装置中。在一种实现方式中，在移动机器人在出售给用户之前(例如，在移动机器人被制造出厂之前，或移动机器人被下发到各个销售点之前，或移动机器人在销售点被贩售给终端用户之前)，所述分类器被写入到存储装置中。在另一种实现方式中，所述分类器也可在移动机器人联网并与相应的厂商服务器或应用服务商服务器建立通信连接后进行更新操作。在又一种实现方式中，所述分类器存储于与移动机器人远程通信的服务端系统中，在进行图像识别时，处理装置可将所获取至少一幅图像发送至服务端系统中，由服务端系统中的分类器对进行识别并将识别结果再反馈给移动机器人的处理装置。

在某些实施例中，所述移动机器人的处理装置基于预设的对应所识别出的障碍物类型的控制策略，控制所述移动机器人的导航移动。

其中，所述控制移动机器人的导航移动的方式举例如下：

在所得到的障碍物类型为缠绕物类型的情况下，对于采用驱动行走轮的方式执行移动操作的移动机器人来说，在经过如缠绕物类型的藤蔓植物时，藤蔓植物所形成的圈状可能将行走轮陷入其中，或者藤蔓植物的高度所造成的不平坦地面可能绊倒移动机器人。为此，处理装置在所得到的障碍物类型为缠绕物类型的情况下，控制所述移动机器人在接近至所述障碍物时改变移动方向。

在此，处理装置可以计算所得到的障碍物与移动机器人之间相对位置关系，构建不碰触该障碍物的虚拟墙，并基于该虚拟墙重新规划导航路线。例如，在与虚拟墙相距一门限距离时，改变移动方向。其中，所述门限距离举例为1-5cm。

例如，清洁机器人中的处理装置在识别出缠绕物类型障碍物后，结合其尺寸、和/或位置等信息，处理装置向移动装置发出控制指令以控制清洁机器人不按原移动路线移动以避免与所述缠绕物类型障碍物碰触，并且不会对所述缠绕物类型障碍物所在的区域进行清扫，以保证所述清洁机器人不会被缠绕物类型的障碍物缠住导致清洁机器人无法移动、无法工作或倒地等情况发生。

对于驱动力较强或具有一定防护能力的移动机器人，结合所识别出的缠绕物类型的障碍物的轮廓宽度、所占空间高度等确定控制移动机器人改变或不改变已规划的导航路线。

在所得到的障碍物类型为孤岛类型的情况下，基于相应障碍物与所述移动机器人之间的相对空间位置，控制所述移动机器人绕过相应障碍物。

在所得到的障碍物类型为空间分隔类型的情况下，基于相应障碍物与所述移动机器人之间的相对空间位置，控制所述移动机器人在接近所述障碍物时减速移动直至碰触所述障碍物。

所述处理装置根据所述符合地面纹路筛选条件的直线线段可以准确有效地识别出位于地面上的障碍物的障碍物类型，尤其是可以提升缠绕物类型的障碍物的检测精度，进而，有效控制所述移动机器人的导航移动，以避免多种障碍物类型妨碍移动机器人的导航移动。

基于本申请中图5所示的确定移动机器人工作环境的方法，本申请还提供一种移动机器人的控制系统，请参阅图8，图8显示为本申请的移动机器人的控制系统在另一实施例中的示意图，如图所示，所述控制系统40包括：直线线段识别模块41、转换模块42、地面环境信息确定模块43；其中，所述直线线段识别模块41，用于获取所述移动机器人在工作状态下图像摄取装置所摄取的图像以及根据所获取的图像识别出图像中的直线线段；其中，所获取的图像中包含所述移动机器人所在实际物理空间内地面的图像；所述转换模块42，用于将所识别出的图像中的直线线段转换至一地面坐标系中；所述地面环境信息确定模块43，用于根据在所述地面坐标系中符合地面纹路筛选条件的直线线段确定移动机器人所在实际物理空间内的地面环境信息。

其中，所述控制系统中的直线线段识别模块41、转换模块42、地面环境信息确定模块43根据上述描述的各模块的功能协同执行前述步骤s110至步骤s130，在此不再赘述。

本申请所述的控制系统可以根据所述图像摄取装置50摄取的图像确定所述实际物理空间内的地面纹路，进一步，所述移动机器人根据所识别出的地面纹路还可以确定所述主方向、或者障碍物的障碍物类型，进而可以使所述移动机器人沿着主方向移动以提高移动机器人执行特定工作的覆盖率、或者使所述处理装置准确地识别出位于地面上的障碍物的障碍物类型以控制移动机器人的导航移动，实现移动机器人能高效、完整地感知其工作环境的目的。

基于本申请中图5所示的确定移动机器人工作环境的方法，本申请还提供一种移动机器人，请参阅图9，其显示为本申请的移动机器人在一实施方式中的结构示意图，如图所示，所述移动机器人包含存储装置11、处理装置13、图像摄取装置50、移动装置60。

所述存储装置11和处理装置13可对应于前述图5中提及的控制系统10中的存储装置和处理装置，在此不再详述。所述处理装置13利用控制系统10中的接口装置12与所述图像摄取装置50、移动装置60相连。

所述图像摄取装置50用于摄取图像，其中，所述图像摄取装置50以及其装配方式与前文所述的相同或相似，在此不再详述。

所述移动装置60与处理装置13相连用于受控执行移动操作。于实际的实施方式中，移动装置60可包括行走机构和驱动机构，其中，所述行走机构可设置于移动机器人的底部，所述驱动机构内置于所述移动机器人的壳体内。进一步地，所述行走机构可采用行走轮方式，在一种实现方式中，所述行走机构可例如包括至少两个万向行走轮，由所述至少两个万向行走轮实现前进、后退、转向、以及旋转等移动。在其他实现方式中，所述行走机构可例如包括两个直行行走轮和至少一个辅助转向轮的组合，其中，在所述至少一个辅助转向轮未参与的情形下，所述两个直行行走轮主要用于前进和后退，而在所述至少一个辅助转向轮参与并与所述两个直行行走轮配合的情形下，就可实现转向和旋转等移动。所述驱动机构可例如为驱动电机，利用所述驱动电机可驱动所述行走机构中的行走轮实现移动。在具体实现上，所述驱动电机可例如为可逆驱动电机，且所述驱动电机与所述行走轮的轮轴之间还可设置有变速机构。

所述移动机器人的工作过程举例如下：处理装置13根据所述图像摄取装置50摄取的图像确定所述实际物理空间内的地面纹路，进一步，所述移动机器人根据所识别出的地面纹路还可以确定所述主方向、或者障碍物的障碍物类型，进而可以使所述移动机器人沿着主方向移动以提高移动机器人执行特定工作的覆盖率、或者使所述处理装置准确地识别出位于地面上的障碍物的障碍物类型以控制移动机器人的导航移动，实现移动机器人能高效、完整地感知其工作环境的目的。

在某些实施例中，所述移动机器人为清洁机器人，则所述清洁机器人还包括清洁装置(未予图示)，所述清洁装置用于在所述移动机器人的移动过程中执行清洁操作，例如：扫地操作、或者拖地操作。

所述清洁装置包括拖地组件(未予图示)、和/或清扫组件(未予图示)，其中，所述拖地组件用于受控执行拖地操作。所述拖地组件包括：拖垫、拖垫承载体、喷雾装置、洒水装置等。所述拖地组件用于在拖地模式下受控执行拖地操作。所述清扫组件用于受控执行扫地操作。所述清扫组件可包括位于壳体底部的边刷、滚刷以及与用于控制所述边刷的边刷电机和用于控制所述滚刷的滚刷电机，其中，所述边刷的数量可为至少两个，分别对称设置于移动机器人壳体前端的相对两侧，所述边刷可采用旋转式边刷，可在所述边刷电机的控制下作旋转。所述滚刷位于移动机器人的底部中间处，可在所述滚刷电机的控制下作旋转转动进行清扫工作，将垃圾由清洁地面扫入并通过收集入口输送到吸尘组件内。所述吸尘组件可包括集尘室、风机，其中，所述集尘室内置于壳体，所述风机用于提供吸力以将垃圾吸入集尘室中。所述清洁装置并不以此为限。

在所述移动机器人包含清洁装置的情况下，所述清洁机器人按照预设移动路线经过所述障碍物期间，可以控制其边刷、滚刷和风机中的一个或多个处于不工作的状态。例如，所述清洁机器人按照预设移动路线经过所述缠绕物类型的障碍物期间，所述处理装置控制其边刷、滚刷和风机均处于不工作的状态。

本申请所述的移动机器人可以根据所述图像摄取装置50摄取的图像确定所述实际物理空间内的地面纹路，进一步，所述移动机器人根据所识别出的地面纹路还可以确定所述主方向、或者障碍物的障碍物类型，进而可以使所述移动机器人沿着主方向移动以提高移动机器人执行特定工作的覆盖率、或者使所述处理装置准确地识别出位于地面上的障碍物的障碍物类型以控制移动机器人的导航移动，实现移动机器人能高效、完整地感知其工作环境的目的。

本申请还提供一种计算机可读写存储介质，存储至少一种程序，所述至少一种程序在被调用时执行并实现上述针对图5所示的确定移动机器人工作环境的方法所描述的至少一种实施例。

所述功能如果以软件功能单元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安装有所述存储介质的移动机器人可以执行本申请各个实施例所述方法的全部或部分步骤。

于本申请提供的实施例中，所述计算机可读写存储介质可以包括只读存储器、随机存取存储器、eeprom、cd-rom或其它光盘存储装置、磁盘存储装置或其它磁存储设备、闪存、u盘、移动硬盘、或者能够用于存储具有指令或数据结构形式的期望的程序代码并能够由计算机进行存取的任何其它介质。另外，任何连接都可以适当地称为计算机可读介质。例如，如果指令是使用同轴电缆、光纤光缆、双绞线、数字订户线(dsl)或者诸如红外线、无线电和微波之类的无线技术，从网站、服务器或其它远程源发送的，则所述同轴电缆、光纤光缆、双绞线、dsl或者诸如红外线、无线电和微波之类的无线技术包括在所述介质的定义中。然而，应当理解的是，计算机可读写存储介质和数据存储介质不包括连接、载波、信号或者其它暂时性介质，而是旨在针对于非暂时性、有形的存储介质。如申请中所使用的磁盘和光盘包括压缩光盘(cd)、激光光盘、光盘、数字多功能光盘(dvd)、软盘和蓝光光盘，其中，磁盘通常磁性地复制数据，而光盘则用激光来光学地复制数据。

在一个或多个示例性方面，本申请所述方法的计算机程序所描述的功能可以用硬件、软件、固件或其任意组合的方式来实现。当用软件实现时，可以将这些功能作为一个或多个指令或代码存储或传送到计算机可读介质上。本申请所公开的方法或算法的步骤可以用处理器可执行软件模块来体现，其中处理器可执行软件模块可以位于有形、非临时性计算机可读写存储介质上。有形、非临时性计算机可读写存储介质可以是计算机能够存取的任何可用介质。

本申请上述的附图中的流程图和框图，图示了按照本申请各种实施例的系统、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。基于此，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，该模块、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，在有些作为替换的实现中，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，两个接连地表示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，这根据所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以通过执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以通过专用硬件与计算机指令的组合来实现。

上述实施例仅例示性说明本申请的原及其功效，而非用于限制本申请。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本申请所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本申请的权利要求所涵盖。