扫地机器人地图数据生成方法、装置、计算机设备和介质与流程

本申请涉及智能家居控制技术领域，特别是涉及一种扫地机器人地图数据生成方法、装置、计算机设备和介质。

背景技术：

随着科学技术的飞速发展，智能家居的应用越来越广泛，例如，扫地机器人等。对于扫地机器人而言，对地面的清洁能力是评判其性能的一个重要指标。

在传统方式中，扫地机器人在第一次执行清洁任务时，会在清洁过程中采集全屋数据，并基于采集的全屋数据进行地图建模，在今后的清扫过程中，扫地机器人会按照建好的地图进行路径规划。

该种方式中仅是根据扫地机器人采集到的区域对应的数据进行地图的建立，对于未采集到的区域，则不能建立对应的地图数据，从而使得地图的建立并不完善，地图数据并不准确。

技术实现要素：

基于此，有必要针对上述技术问题，提供一种能够提升地图数据的准确性的扫地机器人地图数据生成方法、装置、计算机设备和介质。

一种扫地机器人地图数据生成方法，所述方法包括：

获取目标对象的三维模型数据；

获取对应三维模型数据中各部件的部件参数，并基于部件参数生成对应的部件属性信息；

将三维模型数据以及三维模型数据中各部件的部件属性信息转化为二维平面数据，得到用于扫地机器人导航的地图数据。

在其中一个实施例中，获取对应三维模型数据中各部件的部件参数，并基于部件参数生成对应的部件属性信息，包括：

基于部件与部件参数之间的对应关系，从数据库中获取三维模型数据中对应各部件的部件参数；

根据各部件参数以及三维模型中对应的各部件，生成对应各部件的部件属性信息。

在其中一个实施例中，将三维模型数据以及三维模型数据中各部件的部件属性信息转化为二维平面数据，得到用于扫地机器人导航的地图数据，包括：

建立三维模型数据中各部件以及各部件对应的部件属性信息之间的关联关系；

确定三维模型数据中的参考点坐标，并基于参考点坐标将三维模型数据中各部件转换为对应的平面部件；

根据关联关系，获取各部件对应的部件属性信息，并映射至对应的平面部件中，得到用于扫地机器人导航的地图数据。

在其中一个实施例中，将三维模型数据以及三维模型数据中各部件的部件属性信息转化为二维平面数据，得到用于扫地机器人导航的地图数据，包括：

按照三维模型数据中各部件所处三维空间，获取同一三维空间各部件的部件数据以及对应部件的部件属性信息；

根据同一三维空间各部件的部件数据以及对应部件的部件属性信息，生成对应三维空间的地图数据；

获取三维空间的空间编号，将空间编号与对应的地图数据合并存储至数据库中。

在其中一个实施例中，将空间编号与对应的地图数据合并存储至数据库中之后，还包括：

接收配置系统对扫地机器人的配置指令，配置指令携带有扫地机器人待配置三维空间的目标空间编号；

根据目标空间编号，从数据库中查询并获取对应的地图数据，并发送至扫地机器人。

在其中一个实施例中，还包括：

接收扫地机器人上传的实景图像，实景图像中包括目标障碍物体；

根据目标障碍物体判断三维模型数据中是否存在与目标障碍物体对应的目标虚拟障碍物体；

当三维模型数据中不存在与目标障碍物体对应的目标虚拟障碍物体时，则根据实景图像对三维模型数据进行更新。

在其中一个实施例中，根据实景图像对三维模型数据进行更新，包括：

对实景图像进行特征提取，得到实景图像中目标障碍物体的物体信息；

根据物体信息，构建对应目标障碍物体的虚拟障碍物体；

通过虚拟障碍物体更新三维模型数据。

一种扫地机器人地图数据生成装置，所述装置包括：

三维模型数据获取模块，用于获取目标对象的三维模型数据；

部件属性信息生成模块，用于获取对应三维模型数据中各部件的部件参数，并基于部件参数生成对应的部件属性信息；

地图数据生成模块，用于将三维模型数据以及三维模型数据中各部件的部件属性信息转化为二维平面数据，得到用于扫地机器人导航的地图数据。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一实施例所述方法的步骤。

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上述任一实施例所述的方法的步骤。

上述扫地机器人地图数据生成方法、装置、计算机设备和介质，通过获取目标对象的三维模型数据，然后获取对应三维模型数据中各部件的部件参数，并基于部件参数生成对应的部件属性信息，进一步将三维模型数据以及三维模型数据中各部件的部件属性信息转化为二维平面数据，得到用于扫地机器人导航的地图数据。从而，可以根据获取到的目标对象的三维模型数据以及三维模型数据中各部件的部件参数所生成各部件属性信息，生成用于扫地机器人的地图数据，相比于通过扫地机器人在清扫过程中采集到的数据进行地图的建立，可以提升建立的地图数据完整性以及准确性。

附图说明

图1为一个实施例中扫地机器人地图数据生成方法的应用场景图；

图2为一个实施例中扫地机器人地图数据生成方法的流程示意图；

图3为另一个实施例中扫地机器人地图数据生成方法的流程示意图；

图4为一个实施例中扫地机器人地图数据生成步骤的流程示意图；

图5为一个实施例中坐标转换的示意图；

图6为另一个实施例中扫地机器人地图数据生成步骤的流程示意图；

图7为又一个实施例中扫地机器人地图数据生成方法的流程示意图；

图8为一个实施例中扫地机器人地图数据生成装置的结构框图；

图9为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请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申请，并不用于限定本申请。

本申请提供的扫地机器人地图数据生成方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。具体地，服务器104可以获取目标对象的三维模型数据，然后获取对应三维模型数据中各部件的部件参数，并基于部件参数生成对应的部件属性信息，进一步服务器104将三维模型数据以及三维模型数据中各部件的部件属性信息转化为二维平面数据，得到用于扫地机器人导航的地图数据。服务器104可以基于终端的配置请求，获取对应配置请求的地图数据，并发送至终端102，以使得终端102可以基于地图数据执行任务。其中，终端102可以但不限于是各种具备清扫能力的智能扫地机器人，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种扫地机器人地图数据生成方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：

步骤s202，获取目标对象的三维模型数据。

其中，目标对象是指需要构建地图数据的对象，例如，可以是一栋楼或者是一整个小区中的所有建筑物或者是比小区更大的区域所包含的建筑物等。

三维模型数据是指通过各种建筑信息化模型技术(buildinginformationmodeling，bim)所构建的，对应于实体空间中目标对象的模型数据。三维模型数据中可以包括墙面数据、地面、门窗等不同部件所对应的数据。

在本实施例中，服务器可以基于目标对象的二维图纸数据，构建对应的三维模型数据，并存储与服务器数据库中，并基于作业指令，从数据库中获取三维模型数据，并进行后续的处理。

步骤s204，获取对应三维模型数据中各部件的部件参数，并基于部件参数生成对应的部件属性信息。

在本实施例中，服务器可以根据三维模型数据中，各部件的部件标签，从模型数据库中筛选并获取对应部件的部件参数，例如，对于墙体，则服务器可以从模型数据库中获取对应墙体的部件参数。

在本实施例中，对于同一部件的部件参数可以有多组，例如，对于墙体，其部件参数可以有白墙、灰墙、绿墙，而对于地面，其部件参数可以包括水泥地面、瓷砖地面、木地板地面或者是敷设有地毯的地面等。

在本实施例中，部件参数还可以包括部件的尺寸、摩擦系数等属性信息，例如，对于敷设地毯的地面，部件参数中可以包括地毯的材质、地毯厚度以及地毯的摩擦系数等。

具体地，服务器可以基于用户的选取指令，确定对应三维模型数据中各部件的部件参数。

进一步，服务器在确定各部件的部件参数后，可以根据三维模型数据中部件的尺寸等信息以及对应部件的部件参数，生成对应部件的部件属性信息。例如，对于墙体，服务器可以根据墙体的长款尺寸以及对应的部件参数，生成对应该面墙体的部件属性信息；对于地面，可以根据地面的尺寸面积以及所选取的对应的部件信息，生成对应该地面的部件属性信息。

步骤s206，将三维模型数据以及三维模型数据中各部件的部件属性信息转化为二维平面数据，得到用于扫地机器人导航的地图数据。

在本实施例中，服务器在得到三维模型数据以及三维模型数据中各部件的部件属性信息后，可以将三维模型数据以及对应的各部件的部件属性信息转化为二维平面数据，例如，将三维的数据映射至二维平面中，以得到用于扫地机器人导航的地图数据。

可选地，服务器在获取到三维模型数据后，还可以通过从家具数据库中选取对应的虚拟家具物体，并按照目标对象中对应实体家具物的放置要求，将选取的虚拟家具物体安置于对应的位置，例如桌椅、床、柜子、茶几、沙发以及水壶等。

进一步，服务器在生成用于扫地机器人导航的地图数据的时候，还可以将三维模型数据中各虚拟家具物体映射至二维平面中，生成对应的地图数据。

上述扫地机器人地图数据生成方法中，通过获取目标对象的三维模型数据，然后获取对应三维模型数据中各部件的部件参数，并基于部件参数生成对应的部件属性信息，进一步将三维模型数据以及三维模型数据中各部件的部件属性信息转化为二维平面数据，得到用于扫地机器人导航的地图数据。从而，可以根据获取到的目标对象的三维模型数据以及三维模型数据中各部件的部件参数所生成各部件属性信息，生成用于扫地机器人的地图数据，相比于通过扫地机器人在清扫过程中采集到的数据进行地图的建立，可以提升建立的地图数据完整性以及准确性。

在其中一个实施例中，参考图3，服务器可以通过建筑设计软件中各个功能模型进行三维模型数据的构建，例如，通过建筑设计功能模块构建建筑数据、通过结构设计功能模块构建结构数据，通过其他专业设计功能模块设计目标对象的其他模型数据。

进一步，服务器在得到目标对象的三维模型数据后，可以通过装修设计软件中功能模块对三维模型数据进行处理，例如，服务器通过房间设计模块对三维模型数据进行划分，得到各个房间划分数据，可以通过地面设计功能模块获取地面材质以及高度数据，通过踢脚线设计模块设定房间边缘尺寸数据，通过门设计模块配置门下地面数据等。

在本实施例中，服务器可以根据各功能模块获取对应各部件的部件参数并对三维模型数据进行处理，以得到包含部件属性信息的三维模型数据。

可选地，服务器还可以根据云端建筑物品数据库中提供物品的属性信息，对三维模型数据进行处理，以及通过家具设计模块对安装于三维模型数据中的虚拟家具物体进行布局，以及得到对应的室内布局数据。

在本实施例中，服务器在得到完整的三维模型数据后，可以从三维模型数据重抽取出地图所需数据并进行合并处理，以得到用于扫地机器人的地图数据。例如，从完整的三维模型数据抽取出房间划分数据、地面材质及高度数据、室内布局数据、房间边缘尺寸数据、门下地面数据等，以生成扫地机器人用的地图数据。

在其中一个实施例中，获取对应三维模型数据中各部件的部件参数，并基于部件参数生成对应的部件属性信息，可以包括：基于部件与部件参数之间的对应关系，从数据库中获取三维模型数据中对应各部件的部件参数；根据各部件参数以及三维模型中对应的各部件，生成对应各部件的部件属性信息。

其中，部件与部件参数之间的对应关系可以是预先设置的，例如，服务器预先设置对应各不同部件的不同的部件参数，并生成数据表存储指数据库中。

在本实施例中，服务器在获取到三维模型数据后，可以根据三维模型数据中的各部件，对数据库中数据表进行查询，并获取对应各部件的部件参数。

进一步，服务器通过三维模型数据中各部件的尺寸以及对应部件的部件参数，生成对应的部件属性信息。

在其中一个实施例中，参考图4，将三维模型数据以及三维模型数据中各部件的部件属性信息转化为二维平面数据，得到用于扫地机器人导航的地图数据，包括：

步骤s402，建立三维模型数据中各部件以及各部件对应的部件属性信息之间的关联关系。

在本实施例中，服务器在得到三维模型数据中各部件的部件属性信息后，可以通过将部件与部件属性信息进行关联，以生成部件与部件属性信息之间的关联关系。例如，对于卧室地面部件，可以将卧室地面部件与对应的部件属性信息进行关联。

步骤s404，确定三维模型数据中的参考点坐标，并基于参考点坐标将三维模型数据中各部件转换为对应的平面部件。

在本实施例中，当服务器将三维模型数据及其三维模型数据中各部件的部件属性信息转换为二维平面数据之前，可以先确定对应三维模型数据的参考点坐标，或者也可以称之为参考点坐标。

进一步，服务器可以通过空间坐标转换，将三维模型数据中各部件的坐标转换为观察点为原点，原来的原点与观察点作为z轴的空间坐标。例如，参考图5，在三维模型数据中，o为原点，p为观察点，转换后，以p为原点，po为z轴。

进一步，服务器将三维模型数据中各部件转换为参考点坐标视角中的平面部件，即将三维模型数据转换为二维平面数据。

步骤s406，根据关联关系，获取各部件对应的部件属性信息，并映射至对应的平面部件中，得到用于扫地机器人导航的地图数据。

具体地，服务器可以根据部件与对应的部件属性信息之间的关联关系，获取各部件对应的部件属性信息，并映射至对应的平面部件中，例如，卧室地面，则将卧室地面对应的部件属性信息映射至卧室地面对应的平面部件中，对于桌子，则将桌子的部件属性信息映射至桌子对应的平面部件中。

在本实施例中，服务器通过遍历三维模型数据中各部件，得到对应三维模型数据的平面数据，即得到用于扫地机器人导航的地图数据。

在其中一个实施例中，参考图6，将三维模型数据以及三维模型数据中各部件的部件属性信息转化为二维平面数据，得到用于扫地机器人导航的地图数据，包括：

步骤s602，按照三维模型数据中各部件所处三维空间，获取同一三维空间各部件的部件数据以及对应部件的部件属性信息。

具体地，服务器可以以目标对象中一个房间或者一套房作为一个三维空间，并确定三维模型数据中各三维空间中的各个部件。

进一步，服务器可以从三维模型数据中获取同一三维空间各部件的部件数据以及对应的各部件的部件属性信息，例如，对于同一空间中的墙体、地面以及对应的部件属性信息。

步骤s604，根据同一三维空间各部件的部件数据以及对应部件的部件属性信息，生成对应三维空间的地图数据。

在本实施例中，服务器根据得到的各三维空间中各部件的部件数据以及对应的部件属性信息，生成对应三维空间的地图数据，例如，对应于一个房间或者是对应于一套房的地图数据。

步骤s606，获取三维空间的空间编号，将空间编号与对应的地图数据合并存储至数据库中。

具体地，服务器还可以获取目标对象的三维模型数据中各三维空间对应的空间编号，例如，对于一栋楼中的各套房，服务器可以对应获取各套房的空间编号，并将对应的空间编号各对应的地图数据合并存储指数据库中。如，1-301房间的地图数据，5-611房间的地图数据等。

在其中一个实施例中，将空间编号与对应的地图数据合并存储至数据库中之后，还可以包括：接收配置系统对扫地机器人的配置指令，配置指令携带有扫地机器人待配置三维空间的目标空间编号；根据目标空间编号，从数据库中查询并获取对应的地图数据，并发送至扫地机器人。

其中，配置系统是指专用于对扫地机器人进行业务配置的系统。

在本实施例中，系统通过配置指令对扫地机器进行配置，配置指令中携带有扫地机器人待配置三维空间的目标空间编号，例如5-611等。

在本实施例中，同一扫地机器人可以配置多个三维空间的空间编号，并设定扫地机器人再各不同的时间段内对各三维空间执行对应的任务。

进一步，服务器在接收到配置系统的配置指令后，可以对数据库进行查询并获取对应的地图数据，例如，对应5-611对应的地图数据，并发送至扫地机器人。

在本实施例中，扫地机器人再获取到对应的地图数据后，可以通过对应的地图数据进行路径规划，并在路径规划完成后执行对应的清扫任务。

上述实施例中，通过获取各三维空间中各部件的部件数据以及部件属性信息，并生成对应三维空间的地图数据，然后与对应的三维空间的空间编号合并存储，从而，使得后续在对扫地机器人进行地图配置的时候，可以直接根据空间编号配置对应三维空间的地图数据，可以提升地图数据配置的效率。

在其中一个实施例中，参考图7，上述方法还可以包括：

步骤s702，接收扫地机器人上传的实景图像，实景图像中包括目标障碍物体。

其中，实景图像是指扫地机器人所处环境的图像。在本实施例中，服务器可以通过安装于扫地机器人顶部的图像采集设备采集扫地机器人所处环境的实景图像，并通过扫地机器人发送至服务器。

在本实施例中，图像采集设备采集到的实景图像中可以包括目标障碍物体，例如，可以是桌子、椅子、水壶、玩具等各种物体。

本领域技术人员可以理解的是，采集设备采集到的实景图像中目标障碍物体可以是单个也可以是多个，本申请对此不作限制。

步骤s704，根据目标障碍物体判断三维模型数据中是否存在与目标障碍物体对应的目标虚拟障碍物体。

在本实施例中，服务器在获取到实景图像后，可以从实景图像中提取出拍摄到的目标障碍物体的物体信息，例如，目标障碍物体的点云数据等，可以包括但不限于目标障碍物体的尺寸信息、位置信息、物体标签以及物体名称等。

进一步，服务器可以根据物体信息对三维模型数据进行查询，以确定三维模型数据的多个虚拟障碍物体中是否存在与该目标障碍物体对应的目标虚拟障碍物体。

例如，服务器可以根据物体标签查找与实体障碍物体对应的虚拟障碍物体，然后通过比较尺寸信息确定查找到的虚拟障碍物体与目标障碍物体是否一致，从而确定查找到的虚拟障碍物体是否为与该物体信息对应的虚拟障碍物体。

进一步，服务器还可以获取到扫地机器人与该目标障碍物体之间的距离信息，以及在三维模型数据中虚拟扫地机器人与该物体信息对应的虚拟障碍物体的相对位置。

进一步，服务器可以比较该距离信息与该相对位置是否一致，以确定三维模型数据中是否存在与目标障碍物体对应的目标虚拟障碍物体。例如，当距离信息与相对位置一致时，则服务器可以确定三维模型数据中存在与目标障碍物体对应的目标虚拟障碍物体，当距离信息与相对位置不一致时，则服务器可以确定三维模型数据中不存在与目标障碍物体对应的目标虚拟障碍物体。

步骤s706，当三维模型数据中不存在与目标障碍物体对应的目标虚拟障碍物体时，则根据实景图像对三维模型数据进行更新。

具体地，当服务器确定三维模型数据中不存在对应目标障碍物体的目标虚拟障碍物体时，则服务器可以根据实景数据得到的物体信息创建对应目标障碍物体的虚拟障碍物体，例如，根据目标物体的长宽尺寸、颜色信息以及材质等，创建对应目标障碍物体的虚拟障碍物体，然后根据创建的虚拟障碍物体对三维模型数据进行更新。

上述实施例中，通过接收扫地机器人上传的实景图像，然后根据实景图像中目标障碍物体判断三维模型数据中是否存在与目标障碍物体对应的目标虚拟障碍物体，并当三维模型数据中不存在与目标障碍物体对应的目标虚拟障碍物体时，根据实景图像对三维模型数据进行更新，从而，可以在实景环境中物体位置发生改变或者是新增物体时，及时更新三维模型数据，提升三维模型数据的准确性。

在其中一个实施例中，根据实景图像对三维模型数据进行更新，可以包括：对实景图像进行特征提取，得到实景图像中目标障碍物体的物体信息；根据物体信息，构建对应目标障碍物体的虚拟障碍物体；通过虚拟障碍物体更新三维模型数据。

在本实施例中，服务器可以通过对实景图像进行特征提取，得到实景图像中的目标障碍物体的物体信息，例如，提取实景图像中目标障碍物体的尺寸信息、颜色信息以及纹理属性信息等。

在本实施例中，服务器对实景图像进行特征提取可以是通过神经网络模型进行的，例如可以是centernet网络模型。

具体地，服务器在进行实景图像特征提取前，可以通过训练集数据对构建的初始神经网络模型进行预先训练并进行测试。

在本实施例中，在神经网络模型训练并预测通过后，服务器可以将实景图像输入至神经网络模型，并进行连续多尺度特征提取，以得到对应多个不同尺度的特征图。

进一步，服务器按照高阶层到低阶层的顺序，依次对相邻两阶的特征图进行特征融合，以得到对应各尺度的融合特征。

进一步，服务器分别对各尺度的特征图进行回归处理，得到对应各尺度的融合特征的回归结果。并且，服务器可以通过非极大值抑制准则(non-maximumsuppression，nms)进行后处理，对多个回归结果进行筛选，并基于筛选的回归结果得到实景图像中目标障碍物体的物体信息。

在本实施例中，为提升神经网络模型处理的准确性，服务器可以在将实景图像输入至神经网络模型之前，对实景图像记性预处理，例如，调整实景图像的尺寸，使得调整后的实景图像的尺寸符合神经网络模型的输入要求。

进一步，服务器在获取到物体信息后，可以根据物体信息中包括的目标障碍物体的长宽高尺寸，构建对应的虚拟障碍物体，然后根据对应的位置信息，更新至三维模型数据中。

上述实施例中，通过对实景图像进行特征提取，得到实景图像中目标障碍物体的物体信息，然后根据物体信息，构建对应目标障碍物体的虚拟障碍物体，并通过虚拟障碍物体更新三维模型数据，从而，可以使得三维模型数据的更新更加准确，提升构建的三维模型数据的准确性。

应该理解的是，虽然图2、图4、图6和图7的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2、图4、图6和图7中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图8所示，提供了一种扫地机器人地图数据生成装置，包括：三维模型数据获取模块100、部件属性信息生成模块200和地图数据生成模块300，其中：

三维模型数据获取模块100，用于获取目标对象的三维模型数据。

部件属性信息生成模块200，用于获取对应三维模型数据中各部件的部件参数，并基于部件参数生成对应的部件属性信息。

地图数据生成模块300，用于将三维模型数据以及三维模型数据中各部件的部件属性信息转化为二维平面数据，得到用于扫地机器人导航的地图数据。

在其中一个实施例中，部件属性信息生成模块200可以包括：

部件参数获取子模块，用于基于部件与部件参数之间的对应关系，从数据库中获取三维模型数据中对应各部件的部件参数。

部件属性信息生成子模块，用于根据各部件参数以及三维模型中对应的各部件，生成对应各部件的部件属性信息。

在其中一个实施例中，地图数据生成模块300可以包括：

关联关系建立子模块，用于建立三维模型数据中各部件以及各部件对应的部件属性信息之间的关联关系。

平面部件生成子模块，用于确定三维模型数据中的参考点坐标，并基于参考点坐标将三维模型数据中各部件转换为对应的平面部件。

地图数据生成子模块，用于根据关联关系，获取各部件对应的部件属性信息，并映射至对应的平面部件中，得到用于扫地机器人导航的地图数据。

在其中一个实施例中，地图数据生成模块300可以包括：

获取子模块，用于按照三维模型数据中各部件所处三维空间，获取同一三维空间各部件的部件数据以及对应部件的部件属性信息。

三维空间地图数据生成子模块，用于根据同一三维空间各部件的部件数据以及对应部件的部件属性信息，生成对应三维空间的地图数据。

存储子模块，用于获取三维空间的空间编号，将空间编号与对应的地图数据合并存储至数据库中。

在其中一个实施例中，上述装置还可以包括：

配置指令接受模块，用于存储子模块将空间编号与对应的地图数据合并存储至数据库中之后，接收配置系统对扫地机器人的配置指令，配置指令携带有扫地机器人待配置三维空间的目标空间编号。

发送模块，用于根据目标空间编号，从数据库中查询并获取对应的地图数据，并发送至扫地机器人。

在其中一个实施例中，上述装置还可以包括：

实景图像接收模块，用于接收扫地机器人上传的实景图像，实景图像中包括目标障碍物体。

判断模块，用于根据目标障碍物体判断三维模型数据中是否存在与目标障碍物体对应的目标虚拟障碍物体。

更新模块，用于当三维模型数据中不存在与目标障碍物体对应的目标虚拟障碍物体时，则根据实景图像对三维模型数据进行更新。

在其中一个实施例中，更新模块可以包括：

特征提取子模块，用于对实景图像进行特征提取，得到实景图像中目标障碍物体的物体信息。

虚拟障碍物体子模块，用于根据物体信息，构建对应目标障碍物体的虚拟障碍物体。

更新子模块，用于通过虚拟障碍物体更新三维模型数据。

关于扫地机器人地图数据生成装置的具体限定可以参见上文中对于扫地机器人地图数据生成方法的限定，在此不再赘述。上述扫地机器人地图数据生成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计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图9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，该计算机设备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三维模型数据、部件参数、部件属性信息以及地图数据等数据。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一种扫地机器人地图数据生成方法。

本领域技术人员可以理解，图9中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取目标对象的三维模型数据；获取对应三维模型数据中各部件的部件参数，并基于部件参数生成对应的部件属性信息；将三维模型数据以及三维模型数据中各部件的部件属性信息转化为二维平面数据，得到用于扫地机器人导航的地图数据。

在其中一个实施例中，处理器执行计算机程序时实现获取对应三维模型数据中各部件的部件参数，并基于部件参数生成对应的部件属性信息，可以包括：基于部件与部件参数之间的对应关系，从数据库中获取三维模型数据中对应各部件的部件参数；根据各部件参数以及三维模型中对应的各部件，生成对应各部件的部件属性信息。

在其中一个实施例中，处理器执行计算机程序时实现将三维模型数据以及三维模型数据中各部件的部件属性信息转化为二维平面数据，得到用于扫地机器人导航的地图数据，可以包括：建立三维模型数据中各部件以及各部件对应的部件属性信息之间的关联关系；确定三维模型数据中的参考点坐标，并基于参考点坐标将三维模型数据中各部件转换为对应的平面部件；根据关联关系，获取各部件对应的部件属性信息，并映射至对应的平面部件中，得到用于扫地机器人导航的地图数据。

在其中一个实施例中，处理器执行计算机程序时实现将三维模型数据以及三维模型数据中各部件的部件属性信息转化为二维平面数据，得到用于扫地机器人导航的地图数据，可以包括：按照三维模型数据中各部件所处三维空间，获取同一三维空间各部件的部件数据以及对应部件的部件属性信息；根据同一三维空间各部件的部件数据以及对应部件的部件属性信息，生成对应三维空间的地图数据；获取三维空间的空间编号，将空间编号与对应的地图数据合并存储至数据库中。

在其中一个实施例中，处理器执行计算机程序时实现将空间编号与对应的地图数据合并存储至数据库中之后，还可以实现以下步骤：接收配置系统对扫地机器人的配置指令，配置指令携带有扫地机器人待配置三维空间的目标空间编号；根据目标空间编号，从数据库中查询并获取对应的地图数据，并发送至扫地机器人。

在其中一个实施例中，处理器执行计算机程序时还可以实现一下步骤：接收扫地机器人上传的实景图像，实景图像中包括目标障碍物体；根据目标障碍物体判断三维模型数据中是否存在与目标障碍物体对应的目标虚拟障碍物体；当三维模型数据中不存在与目标障碍物体对应的目标虚拟障碍物体时，则根据实景图像对三维模型数据进行更新。

在其中一个实施例中，处理器执行计算机程序时实现根据实景图像对三维模型数据进行更新，可以包括：对实景图像进行特征提取，得到实景图像中目标障碍物体的物体信息；根据物体信息，构建对应目标障碍物体的虚拟障碍物体；通过虚拟障碍物体更新三维模型数据。

在一个实施例中，提供了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以下步骤：获取目标对象的三维模型数据；获取对应三维模型数据中各部件的部件参数，并基于部件参数生成对应的部件属性信息；将三维模型数据以及三维模型数据中各部件的部件属性信息转化为二维平面数据，得到用于扫地机器人导航的地图数据。

在其中一个实施例中，计算机程序被处理器执行时实现获取对应三维模型数据中各部件的部件参数，并基于部件参数生成对应的部件属性信息，可以包括：基于部件与部件参数之间的对应关系，从数据库中获取三维模型数据中对应各部件的部件参数；根据各部件参数以及三维模型中对应的各部件，生成对应各部件的部件属性信息。

在其中一个实施例中，计算机程序被处理器执行时实现将三维模型数据以及三维模型数据中各部件的部件属性信息转化为二维平面数据，得到用于扫地机器人导航的地图数据，可以包括：建立三维模型数据中各部件以及各部件对应的部件属性信息之间的关联关系；确定三维模型数据中的参考点坐标，并基于参考点坐标将三维模型数据中各部件转换为对应的平面部件；根据关联关系，获取各部件对应的部件属性信息，并映射至对应的平面部件中，得到用于扫地机器人导航的地图数据。

在其中一个实施例中，计算机程序被处理器执行时实现将三维模型数据以及三维模型数据中各部件的部件属性信息转化为二维平面数据，得到用于扫地机器人导航的地图数据，可以包括：按照三维模型数据中各部件所处三维空间，获取同一三维空间各部件的部件数据以及对应部件的部件属性信息；根据同一三维空间各部件的部件数据以及对应部件的部件属性信息，生成对应三维空间的地图数据；获取三维空间的空间编号，将空间编号与对应的地图数据合并存储至数据库中。

在其中一个实施例中，计算机程序被处理器执行时实现将空间编号与对应的地图数据合并存储至数据库中之后，还可以实现以下步骤：接收配置系统对扫地机器人的配置指令，配置指令携带有扫地机器人待配置三维空间的目标空间编号；根据目标空间编号，从数据库中查询并获取对应的地图数据，并发送至扫地机器人。

在其中一个实施例中，计算机程序被处理器执行时还可以实现一下步骤：接收扫地机器人上传的实景图像，实景图像中包括目标障碍物体；根据目标障碍物体判断三维模型数据中是否存在与目标障碍物体对应的目标虚拟障碍物体；当三维模型数据中不存在与目标障碍物体对应的目标虚拟障碍物体时，则根据实景图像对三维模型数据进行更新。

在其中一个实施例中，计算机程序被处理器执行时实现根据实景图像对三维模型数据进行更新，可以包括：对实景图像进行特征提取，得到实景图像中目标障碍物体的物体信息；根据物体信息，构建对应目标障碍物体的虚拟障碍物体；通过虚拟障碍物体更新三维模型数据。

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，本申请所提供的各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。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。