本技術(shù)涉及圖像處理，特別是涉及一種地圖圖像分割方法和清潔機器人。

背景技術(shù)：

1、隨著圖像處理技術(shù)的發(fā)展，出現(xiàn)了地圖圖像分割技術(shù)，清潔機器人得到預(yù)分割線后，即可根據(jù)該預(yù)分割線自動進行地圖圖像分割。

2、傳統(tǒng)技術(shù)中，通常是先根據(jù)預(yù)分割線在地圖圖像中確定一個像素寬度的像素序列，然后以該像素序列作為真實分割線，將地圖圖像分割為多個輪廓區(qū)域。

3、然而，上述地圖分割過程中會將上述像素序列隨機劃分到像素序列附近的輪廓區(qū)域中，這會導(dǎo)致最終得到的地圖地圖分割結(jié)果總會存在1到2個像素的偏差，地圖圖像分割的準確度還有待商榷。

技術(shù)實現(xiàn)思路

1、基于此，有必要針對上述技術(shù)問題，提供一種能夠提升地圖圖像分割準確度的地圖圖像分割方法和清潔機器人。

2、第一方面，本技術(shù)提供了一種地圖圖像分割方法，應(yīng)用于清潔機器人，所述方法包括：

3、執(zhí)行定位步驟：根據(jù)所述清潔機器人的地圖圖像中的預(yù)分割線，在所述地圖圖像中確定像素邊界線和邊界像素；

4、根據(jù)所述邊界像素，在所述地圖圖像中確定所述預(yù)分割線對應(yīng)的第一輪廓分割區(qū)域；

5、根據(jù)所述像素邊界線，將所述邊界像素組成的分割邊界區(qū)域和所述第一輪廓分割區(qū)域切分為多個第二輪廓分割區(qū)域，得到地圖分割結(jié)果。

6、在其中一個實施例中，所述根據(jù)所述清潔機器人的地圖圖像中的預(yù)分割線，在所述地圖圖像中確定像素邊界線和邊界像素，包括：

7、在所述地圖圖像中定位與所述預(yù)分割線相交的目標像素，并在所述目標像素的像素邊中定位所述預(yù)分割線對應(yīng)的目標像素邊；在所述地圖圖像中沿著圖像像素的像素邊連接所有的目標像素邊，得到所述像素邊界線；查找所述像素邊界線的鄰域范圍內(nèi)的像素，得到邊界像素。

8、在其中一個實施例中，所述在所述目標像素的像素邊中定位所述預(yù)分割線對應(yīng)的目標像素邊，包括：

9、獲取所述目標像素的所有像素邊的中點位置信息，并根據(jù)所述中點位置信息，計算所述目標像素的所有像素邊到所述預(yù)分割線的位置距離；選取位置距離最小的像素邊作為所述目標像素的目標像素邊。

10、在其中一個實施例中，所述根據(jù)所述像素邊界線，將所述邊界像素組成的分割邊界區(qū)域和所述第一輪廓分割區(qū)域切分為多個第二輪廓分割區(qū)域，得到地圖分割結(jié)果，包括：

11、根據(jù)所述像素邊界線，將所述邊界像素組成的分割邊界區(qū)域劃分為各單側(cè)邊界區(qū)域；若所述第一輪廓分割區(qū)域的區(qū)域數(shù)量為兩個及兩個以上，則將各所述單側(cè)邊界區(qū)域中的邊界像素分別合并至對應(yīng)的第一輪廓分割區(qū)域中，得到多個第二輪廓分割區(qū)域；若所述第一輪廓分割區(qū)域的區(qū)域數(shù)量為單個，則將靠近所述第一輪廓分割區(qū)域的單側(cè)邊界區(qū)域中的邊界像素合并至所述第一輪廓分割區(qū)域，得到第二輪廓分割區(qū)域，并遠離所述第一輪廓分割區(qū)域的單側(cè)邊界區(qū)域確定為新的第二輪廓分割區(qū)域。

12、在其中一個實施例中，在所述根據(jù)所述地圖圖像的預(yù)分割線，在所述地圖圖像中確定像素邊界線和邊界像素之前，所述方法還包括：

13、在所述地圖圖像中確定所有預(yù)分割線的線位置信息；根據(jù)所述線位置信息，選取不相關(guān)的預(yù)分割線組成x個分割線集合，其中，x為正整數(shù)；針對于每一所述分割線集合分別執(zhí)行所述定位步驟。

14、在其中一個實施例中，所述方法還包括：

15、將x個所述分割線集合中預(yù)分割線對應(yīng)的地圖分割結(jié)果進行合并，得到目標地圖分割結(jié)果。

16、在其中一個實施例中，在所述地圖圖像中確定所有區(qū)域分割線的線位置信息之前，所述方法還包括：

17、接收終端設(shè)備傳輸?shù)姆指罹€信息，其中，所述分割線信息用于在所述地圖圖像中確定所有區(qū)域分割線的線位置信息；在所述將x個所述分割線集合中的預(yù)分割線對應(yīng)的地圖分割結(jié)果進行合并，得到目標地圖分割結(jié)果之后，所述方法還包括：將所述目標地圖分割結(jié)果傳輸至所述終端設(shè)備，其中，所述終端設(shè)備用于顯示所述目標地圖分割結(jié)果。

18、在其中一個實施例中，所述地圖圖像包括前景部分和背景部分；所述根據(jù)所述邊界像素，在所述地圖圖像確定所述預(yù)分割線對應(yīng)的第一輪廓分割區(qū)域，包括：

19、在所述地圖圖像中將所述前景部分中所有邊界像素替換更新為背景區(qū)域的像素，得到更新地圖圖像；在所述更新地圖圖像的前景部分中進行連通區(qū)域查找，并將查找到的連通區(qū)域作為所述預(yù)分割線對應(yīng)的第一輪廓分割區(qū)域。

20、在其中一個實施例中，所述方法還包括：

21、在地圖圖像中確定預(yù)設(shè)方向上的第一像素序列和第二像素序列，其中，所述第一像素序列和所述第二像素序列相鄰；獲取所述第一像素序列中的第一像素數(shù)量和所述第二像素序列中的第二像素數(shù)量；若所述第一像素數(shù)量和所述第二像素數(shù)量之間的差值絕對值大于預(yù)設(shè)閾值，則在所述第一像素序列和所述第二像素序列之間的區(qū)域中選取預(yù)分割線。

22、第二方面，本技術(shù)還提供了一種地圖圖像分割裝置，應(yīng)用于清潔機器人，所述裝置包括：

23、定位模塊，用于執(zhí)行定位步驟：根據(jù)所述清潔機器人的地圖圖像中的預(yù)分割線，在所述地圖圖像中確定像素邊界線和邊界像素；

24、確定模塊，用于根據(jù)所述邊界像素，在所述地圖圖像中確定所述預(yù)分割線對應(yīng)的第一輪廓分割區(qū)域；

25、切分模塊，用于根據(jù)所述像素邊界線，將所述邊界像素組成的分割邊界區(qū)域和所述第一輪廓分割區(qū)域切分為多個第二輪廓分割區(qū)域，得到地圖分割結(jié)果。

26、第三方面，本技術(shù)還提供了一種清潔機器人。所述清潔機器人包括機身、驅(qū)動組件、清潔組件、探測傳感器、存儲器和處理器，所述驅(qū)動組件、所述清潔組件及所述探測傳感器均安裝在所述機身上，所述驅(qū)動組件用于帶動所述機身在工作表面上行走，所述清潔組件用于對工作表面進行清潔，所述存儲器存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)以下步驟：

27、執(zhí)行定位步驟：根據(jù)所述清潔機器人的地圖圖像中的預(yù)分割線，在所述地圖圖像中確定像素邊界線和邊界像素；根據(jù)所述邊界像素，在所述地圖圖像中確定所述預(yù)分割線對應(yīng)的第一輪廓分割區(qū)域；根據(jù)所述像素邊界線，將所述邊界像素組成的分割邊界區(qū)域和所述第一輪廓分割區(qū)域切分為多個第二輪廓分割區(qū)域，得到地圖分割結(jié)果。

28、第四方面，本技術(shù)還提供了一種計算機可讀存儲介質(zhì)。所述計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)以下步驟：

29、執(zhí)行定位步驟：根據(jù)清潔機器人的地圖圖像中的預(yù)分割線，在所述地圖圖像中確定像素邊界線和邊界像素；根據(jù)所述邊界像素，在所述地圖圖像中確定所述預(yù)分割線對應(yīng)的第一輪廓分割區(qū)域；根據(jù)所述像素邊界線，將所述邊界像素組成的分割邊界區(qū)域和所述第一輪廓分割區(qū)域切分為多個第二輪廓分割區(qū)域，得到地圖分割結(jié)果。

30、第五方面，本技術(shù)還提供了一種計算機程序產(chǎn)品。所述計算機程序產(chǎn)品，包括計算機程序，該計算機程序被處理器執(zhí)行時實現(xiàn)以下步驟：

31、執(zhí)行定位步驟：根據(jù)清潔機器人的地圖圖像中的預(yù)分割線，在所述地圖圖像中確定像素邊界線和邊界像素；根據(jù)所述邊界像素，在所述地圖圖像中確定所述預(yù)分割線對應(yīng)的第一輪廓分割區(qū)域；根據(jù)所述像素邊界線，將所述邊界像素組成的分割邊界區(qū)域和所述第一輪廓分割區(qū)域切分為多個第二輪廓分割區(qū)域，得到地圖分割結(jié)果。

32、上述地圖圖像分割方法和清潔機器人，首先根據(jù)清潔機器人的地圖圖像中的預(yù)分割線，在地圖圖像中確定像素邊界線和邊界像素，然后根據(jù)所述邊界像素，在所述地圖圖像確定所述預(yù)分割線對應(yīng)的第一輪廓分割區(qū)域；根據(jù)所述像素邊界線，將所述邊界像素組成的分割邊界區(qū)域和所述第一輪廓分割區(qū)域切分為多個第二輪廓分割區(qū)域，得到地圖分割結(jié)果，這樣一方面實現(xiàn)了以多個像素的邊界組成的像素邊界線作為真實分割線進行地圖分割，而非以像素序列本身作為真實分割線進行地圖分割，地圖分割的顆粒度可以精確到每一個像素，因此可以提升地圖分割的準確度；另一方面根據(jù)該像素邊界線，可以將分割邊界處的邊界像素合理分配至對應(yīng)的輪廓區(qū)域，而非將分割邊界處的像素隨機劃分至附近的輪廓區(qū)域中，因此可以進一步提升地圖分割的準確度。