目标区域录入方法、装置、存储介质、芯片及机器人与流程

1.本技术涉及机器人技术领域，具体涉及目标区域录入方法、装置、存储介质、芯片及机器人。


背景技术：

2.随着人工智能技术的发展，出现了各种各样的智能化的机器人，比如扫地机器人、拖地机器人、吸尘器、除草机等。这些清洁机器人在工作过程中能够自动识别周围的障碍物，并对障碍物执行避障操作，这些清洁机器人不仅解放了劳动力、节约了人力成本，而且提升了清洁效率。
3.目前清洁机器人根据导航地图进行清洁作业时，工作现场经常会发生机器人对地毯区域进行误清洁操作、机器人碰撞玻璃、以及机器人从楼梯或者过道跌落等异常现象。因此，需要对现有技术的问题提出解决方法。


技术实现要素：

4.有鉴于此，本发明提供了目标区域录入方法、装置、存储介质、芯片及机器人，以实现目标区域能够在机器人的导航地图上被准确标记，从而解决在工作现场出现机器人对地毯区域进行误清洁操作、机器人撞玻璃或者跌落等异常问题。
5.根据本技术的一方面，提供了一种目标区域录入方法，所述方法由机器人执行，所述方法包括：接收目标区域录入指令，并随之确定所述机器人在预设的地图中的当前位置；基于外部的驱动并以所述当前位置作为初始位置沿特定的路线运动；周期性地对所述路线中的点进行采样，并记录采样点的位姿数据；与所述采样同步地输出由所述采样点构成的标记线并根据接收到的录入确认指令录入所述标记线。
6.可选地，所述机器人的用户驱动所述机器人沿着由所述用户确定的所述特定的路线运动，其中，所述特定的路线与所述目标区域相关联。
7.可选地，在接收目标区域录入指令并随之确定所述机器人在预设的地图中的当前位置之前，所述方法还包括：响应于用户的触发，所述机器人巡检由所述用户确定的预设空间以生成所述地图，其中，所述地图是所述预设空间的栅格地图。
8.可选地，所述基于外部的驱动并以所述当前位置作为初始位置沿特定的路线运动的步骤包括：根据用户的选择确定标记参考点以及与所述标记参考点的距离满足预设的偏移量的实际参考点；将所述机器人在所述当前位置处对应的实际参考点作为初始点来驱动所述实际参考点沿所述特定的路线运动；其中，所述标记参考点是表示所述机器人的外轮廓的特征点。
9.可选地，所述周期性地对所述路线中的点进行采样并记录采样点的位姿数据的步骤包括：获取每个采样点对应的基准点在所述地图中的位姿数据；根据预设的静态坐标转换关系以及每个采样点对应的基准点在所述地图中的位姿数据计算所述路线上的每个采样点在所述地图中的位姿数据；其中，所述基准点是所述机器人的前轮转轴中心。
10.可选地，所述实际参考点相对于所述标记参考点的偏移量小于预设的范围。
11.可选地，所述周期性地对所述路线中的点进行采样并记录采样点的位姿数据的步骤还包括：获取所述标记参考点在所述初始位置处的位姿数据；在所述机器人沿着所述特定的路线运动的过程中计算所述路线上的每个采样点在所述地图中的位姿数据；若一个采样点的位姿数据与前一个采样点的位姿数据的差值大于第一预设阈值，则将该采样点作为有效采样点并记录该有效采样点的位姿数据。
12.可选地，所述与所述采样同步地输出由所述采样点构成的标记线并根据接收到的录入确认指令录入所述标记线包括：依次连接各个所述有效采样点以形成所述标记线，随之对所述标记线进行平滑滤波处理并输出滤波后的标记线。
13.可选地，所述与所述采样同步地输出由所述采样点构成的标记线并根据接收到的录入确认指令录入所述标记线的步骤还包括：若一个采样点的前一个采样点的位姿数据与所述初始点的位姿数据的差值大于第二预设阈值且该采样点的位姿数据与所述初始点的位姿数据的差值小于第三预设阈值，则基于预定的规则连接该采样点和所述初始点，以使由所述采样点构成的标记线形成闭合回路，其中，所述第二预设阈值与所述第三预设阈值相等。
14.根据本技术的又一方面，提供了一种用于机器人的目标区域录入装置，所述装置包括：定位模块、运动执行模块、录制模块以及输出模块；
15.所述定位模块，用于接收目标区域录入指令，并随之确定所述机器人在预设的地图中的当前位置；
16.所述运动执行模块，用于基于外部的驱动并以所述当前位置作为初始位置沿特定的路线运动；
17.所述录制模块，用于周期性地对所述路线中的点进行采样，并记录采样点的位姿数据；以及
18.所述输出模块，用于与所述采样同步地输出由所述采样点构成的标记线并根据接收到的录入确认指令录入所述标记线。
19.根据本技术的又一方面，提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序能够被处理器加载以执行前面所描述的任一目标区域录入方法中的步骤。
20.根据本技术的又一方面，提供了一种芯片，其包括至少一个处理器和接口；其中，所述接口，用于为所述至少一个处理器提供程序指令或者数据；所述至少一个处理器用于执行所述程序行指令，以执行前面所描述的任一目标区域录入方法中的步骤。
21.根据本技术的又一方面，提供了一种机器人，其包括处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行前面所描述的任一目标区域录入方法中的步骤。
22.本技术所提出的目标区域录入方法、装置、存储介质、芯片及机器人能够根据录入的标记线完成目标区域在地图上的标记，以达到对目标区域精确录制的功能，实现了目标区域的轮廓在导航地图上的准确定位标记，而且所确定的目标区域的精度更高，并且录制效率高、操作简便。
附图说明
23.下面结合附图，通过对本技术的具体实施方式详细描述，将使本技术的技术方案及其它有益效果显而易见。
24.图1是根据本技术实施例的一种目标区域录入方法的流程图；
25.图2是根据本技术实施例的一种机器人外轮廓特征点选取示意图；
26.图3是根据本技术实施例的又一种机器人外轮廓特征点选取示意图；
27.图4是根据本技术实施例的一种机器人沿待测目标区域运动并录制采样点的示意图；
28.图5是图1所示步骤s200的子流程示意图；
29.图6是图1所示步骤s400的子流程示意图；
30.图7是根据本技术实施例的一种目标区域录入装置的示意图；
31.图8a
‑
8f是根据本技术实施例的目标区域录入方法的应用场景图；
32.图9是根据本技术实施例的提供的一种芯片的结构示意图；
33.图10是根据本技术实施例的提供的机器人的结构示意图。
具体实施方式
34.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
35.文中的术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
36.在本技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接或可以相互通讯；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本技术中的具体含义。
37.下文的公开提供了许多不同的实施方式或例子用来实现本技术的不同结构。为了简化本技术的公开，下文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，并且目的不在于限制本技术。此外，本技术可以在不同例子中重复参考数字和/或参考字母，这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施方式和/或设置之间的关系。
38.有鉴于背景技术中提到的问题，发明人经研究发现，尽管现有的机器人上装载有激光雷达、摄像头等感应设备，但是由于这些感应设备距离地面仍有一定的高度，故对于地面上的异常信息无法进行准确扫描识别，例如地毯、凹坑、斜坡、楼梯口等特殊区域，另外，对于玻璃墙等特殊区域，由于玻璃的透光性较好，故激光发射的传导光线极易透过玻璃，无法通过接收到的反射光线准确地感测与玻璃墙之间的距离。由于无法准确感知地面以及玻
璃墙等特殊区域的信息，故机器人无法在导航地图中将这些特殊区域进行标记，而如果不标记的话，则机器人会在此区域通行或者在此区域进行清洁作业。因此，上述原因导致了现场会发生机器人对地毯区域进行误清洁操作、机器人碰撞玻璃、以及机器人从楼梯或者过道跌落等异常现象。
39.为了避免这些异常现象的发生，希望能够将这些特殊区域的信息在导航地图上进行准确的标记。然而，由于机器人携带的感应设备无法准确扫描识别这些特殊区域，故一般只能是由用户以手动绘制的方式在终端应用程序(application，app)上进行手动绘制特殊区域，根据用户手动绘制的特殊区域，在导航地图中添加对应的特殊区域的标记，以构建清扫地图。如将特殊区域标记为虚拟墙，表示机器人在此区域不可以通行，一方面可以弥补机器人的感知检测不到障碍物的缺陷，另一方面，通过设定专门的禁区，可以不让机器人在此区域进行作业。但是，用户在app上手绘的过程中，往往由于没有参考对照，或者与真实场景尺寸距离把控的不准确，导致手动绘制的特殊区域与现实中存在较大偏差，而且，手动绘制特殊区域的灵活性也较差，不能很好地绘制出和真实场景同样形状和位置的标记。因此，现场仍然会发生机器人对地毯区域进行误清洁操作、机器人碰撞玻璃、以及机器人从楼梯或者过道跌落等异常问题。
40.有鉴于此，本发明的目的是为了能够实现在导航地图上准确标记这些目标区域(特殊区域)的信息，以避免在工作现场出现机器人对地毯区域进行误清洁操作或者机器人撞玻璃或者跌落等异常问题。因此，研究一种能够实现目标区域(特殊区域)在导航地图上精确标记的录入方法变得尤为重要。
41.图1是根据本技术实施例的一种目标区域录入方法的流程图，参阅图1所示，本技术一实施例提供了一种目标区域录入方法，所述方法由机器人执行，其包括：步骤s100，接收目标区域录入指令，并随之确定所述机器人在预设的地图中的当前位置；步骤s200，基于外部的驱动并以所述当前位置作为初始位置沿特定的路线运动；步骤s300，周期性地对所述路线中的点进行采样，并记录采样点的位姿数据；步骤s400，与所述采样同步地输出由所述采样点构成的标记线并根据接收到的录入确认指令录入所述标记线。其中，所述特定的路线与所述目标区域相关联。
42.在本实施例中，机器人可以例如是智能清洁机器人。在其他的部分实施例中，机器人也可以是具有其他特定功能的机器人，例如配送机器人、导航机器人等。
43.在步骤s100中，所述机器人接收目标区域录入指令，并随之确定所述机器人在预设的地图中的当前位置，当机器人在工作过程中，通过其自身的感测装置，例如激光雷达、摄像头等感测是否存在障碍物，此外，机器人在工作过程中，可以采用同时定位和地图构建(simultaneous localization and mapping，简称slam)技术，以实现自主移动和定位。
44.机器人通过自身携带的定位装置会实时获取当前场景的三维坐标数据，该三维坐标数据是在第一坐标系下的坐标，其中，第一坐标系可以是机器人的激光坐标系，由于随着机器人的移动，其激光坐标系是在不断变化的，为了方便数据的处理，就需要将三维坐标数据均转换到同一个静态坐标系下(即，第二坐标系)，第二坐标系可以是世界坐标系，获得机器人在世界坐标系中的准确位置是机器人精确录制目标区域的前提，该定位数据可以基于slam提供的定位接口，以10hz的频率发送，示例性地，该定位数据可以是机器人前轮转轴中心的当前位置在世界坐标系中的位姿数据，例如，机器人上的pnc订阅符合ros topic通信
形式的数据，并确定机器人是否完成精确对位。
45.在步骤s200中，机器人基于外部的驱动并以所述当前位置作为初始位置沿特定的路线运动；其中，所述特定的路线与所述目标区域相关联，即所述机器人在目标区域附近按照特定的路线沿该目标区域的边沿行走，所述目标区域可以是虚拟墙、玻璃、斜坡区域、地毯区域、减速带、展示区域、楼梯区域、电梯区域等特殊区域。示例性地，在本实施例中，在所述机器人在某个位置定位成功后，所述机器人的用户手动驱使所述机器人运动到目标区域的待录制的起点，所述机器人随之基于用户的触发确定该目标区域的待录制的起点在世界坐标系中的位姿数据，之后，用户以待录制的起点作为初始位置驱动所述机器人沿特定路线运动(即沿着目标区域的边沿运动)。示例性地，在本实施例中，所述机器人的用户直接手动驱使所述机器人运动到目标区域的待录制的起点作为当前位置，所述机器人随之基于用户的触发执行定位操作并确定当前位置在世界坐标系中的位姿数据，之后，用户以当前位置作为初始位置驱动所述机器人沿特定路线运动(即沿着目标区域的边沿运动)。
46.在步骤s300中，周期性地对所述路线中的点进行采样，并记录采样点的位姿数据；在该步骤中，在所述机器人在目标区域周边沿特定的路线运动过程中，基于一定的采样重复周期，周期性地获取所述机器人在当前帧对应位置(即当前采样点)的位姿数据，并将该位姿数据记录在相应的数据结构中。
47.在步骤s400中，与所述采样同步地输出由所述采样点构成的标记线并根据接收到的录入确认指令录入所述标记线。其中，所述机器人在沿特定的路线运动过程中，周期性地采样并获取多个采样点的位姿数据，并将各个采样点的位姿数据记录在相应的数据结构中，所述多个采样点输出到地图上显示的时候可自动连接成线，形成一条标记线。因此，本技术实施例可通过使所述机器人在特定的路线运动的同时周期性地采样以获取多个采样点的位姿数据，并将所述多个采样点的位姿数据存储记录，同时，与所述采样同步地输出由采样点构成的标记线，并根据接收到的录入确认指令录入所述标记线，以实现精确录制目标区域的功能。在本实施例中，根据所述标记线完成目标区域在地图上的标记，即将其标记为相应的特殊区域，例如，标记为虚拟墙，表示机器人禁止在此区域通行，从而代替用户手动在app上进行绘制目标区域的标记方式，以实现所述目标区域信息在所述地图上的精确标识，得到准确的目标区域标记结果，从而生成清扫地图，以便机器人能够更准确的规划移动路径或者清扫任务。
48.本技术实施例所提出的技术方案，不仅可以解决机器人由于无法感测识别目标区域，导致目标区域无法在地图上进行标记的问题，而且可以解决由于用户手动在app绘制的目标区域与实际现场偏差过大问题，提高了目标区域在地图上标记的准确性和灵活性。
49.示例性地，所述特定的路线由用户确定，所述机器人的用户驱动所述机器人沿着由所述用户确定的所述特定的路线运动，例如，所述机器人的用户可以根据需要确定待标记的目标区域，随后驱动机器人或者移动机器人移动到目标区域附近，并控制所述机器人在目标区域附近按照特定的路线运动(例如，沿着目标区域的边缘运动)，同时，周期性地对所述路线中的点进行采样，并记录采样点的位姿数据，以获取待标记的目标区域的标记线。
50.可选地，在步骤s100之前，所述方法还包括：响应于用户的触发，所述机器人巡检由所述用户确定的预设空间以生成所述地图，其中，所述地图是所述预设空间的栅格地图。
51.具体地，所述栅格地图也称之为代价地图(cost map)，可用于实现机器人的导航。
本技术实施例的地图构建方法可以应用于终端设备上的应用程序(application，app)上，该终端设备可以为手机、平板电脑等智能设备，可以与清洁机器人进行通信。上述步骤中所述预设空间的栅格地图可以是机器人巡检由所述用户确定的预设空间并根据3d激光slam算法预先构建的点云地图，还可以从网络中获取或者是由用户通过应用程序输入的地图，其中，应用程序构建的地图可以直观地显示在智能设备上。需要说明的是，上述步骤中的地图可以是用户指定区域的地图，还可以是构建的所有区域的地图。
52.具体地，在步骤s200中，所述基于外部的驱动并以所述当前位置作为初始位置沿特定的路线运动的步骤包括：根据用户的选择确定标记参考点以及与所述标记参考点的距离满足预设的偏移量的实际参考点；将所述机器人在所述当前位置处对应的实际参考点作为初始点来驱动所述实际参考点沿所述特定的路线运动；其中，所述标记参考点是表示所述机器人的外轮廓的特征点。
53.在本实施例中，可以根据目标区域的形状及位置，利用机器人外轮廓上的某个参考点作为标记参考点，选取的规则是；尽量选取机器人外轮廓上明显特征的点，例如，对于清洁机器人来说，吸水扒在机器人轮廓的外侧，便于人工驱使机器人在标记目标区域时进行观察和标记，故优选地，选择机器人左侧或者右侧吸水扒边缘处的点作为标记参考点进行录制。
54.图2是根据本技术实施例的一种机器人外轮廓特征点选取示意图，图3是根据本技术实施例的又一种机器人外轮廓特征点选取示意图；如图2所示，选择机器人1000的左侧吸水扒30边缘处的点作为标记参考点，如图3所示，选择机器人1000的右侧吸水扒40边缘处的点作为标记参考点，选择吸水扒边缘处的点作为标记参考点的原因是吸水扒位于机器人1000机身的最外侧，以便于在机器人1000在执行录制采样点的时候进行观察和对准待录入的目标区域。当选择机器人左侧吸水扒边缘处的点30作为标记参考点时，示例性地，也可选择与左侧吸水扒边缘处的点30的距离满足预设的偏移量的点作为实际参考点，并将所述机器人在所述当前位置处对应的实际参考点作为初始点来驱动所述实际参考点沿所述特定的路线运动。
55.在步骤s300中，所述周期性地对所述路线中的点进行采样并记录采样点的位姿数据的步骤包括：获取每个采样点对应的基准点在所述地图中的位姿数据；根据预设的静态坐标转换关系以及每个采样点对应的基准点在所述地图中的位姿数据计算所述路线上的每个采样点在所述地图中的位姿数据；其中，所述基准点是所述机器人的前轮转轴中心。
56.在本实施例中，机器人可以循环读取由里程计以及激光雷达融合的定位信息，以获得机器人前轮转轴中心(steering_link)在世界坐标系的位姿数据，该位姿数据具体包括位置坐标(x，y)以及姿态(方向角theta)，因此，将该机器人前轮转轴中心作为基准点。一般地，在机器人1000前轮转轴中心以及世界坐标系之间维护一个tf坐标系转换树，即使用一种树形结构，根据时间变化维护多个坐标系之间的坐标转换，通过该tf坐标系转换树，可以获得任意两个坐标系之间的转换关系。位于机身最外侧的左吸水扒边缘处30和位于机身最外侧的右吸水扒边缘处40和机器人1000前轮转轴中心均存在一个固定不变的坐标转换关系，也称之为静态的tf坐标转换关系。示例性地，在所述机器人1000中，左侧吸水扒边缘处30和机器人前轮转轴中心存在(
‑
0.15，0.48)平移转换关系，得到以左吸水扒边缘处30作为标记参考点在所述地图中的位姿数据。右侧吸水扒边缘处40和机器人前轮转轴中心存在
(
‑
0.15，
‑
0.48)的平移转换关系，得到以右吸水扒边缘处40作为标记参考点在所述地图中的位姿数据。需要说明的是，上述平移转换关系的具体坐标值数据可通过机器人真实物理模型几何测绘得到。
57.为了能够增加机器人1000获得采样点的位姿数据的准确性，以提高在地图上录入目标区域的精确性，优选地，选择与所述标记参考点间的距离满足预设的偏移量的实际参考点作为录制点进行录制，例如，目标区域为玻璃墙时，所述机器人上的标记参考点与所述玻璃墙之间保持一定的预设距离，以防止所述机器人在运动过程中刮伤所述玻璃墙，当所述实际参考点与所述目标区域的初始点位置对应时，响应于用户的触发，所述机器人一边沿着特定路线运动，一边周期性地对所述路线中的点进行采样，并记录采样点的位姿数据。
58.在一种可选的实施例中，初始点位置也即初始位置，该初始位置可以是机器人1000开始进入指定目标区域时所在的位置，当机器人1000到达初始位置时，所述机器人1000响应于所述用户的触发，开始对目标区域执行录制操作，即所述机器人1000一边沿着特定路线运动，一边周期性地对所述路线中的点进行采样，并记录采样点的位姿数据。若目标区域是线形区域，可以选择线形区域的两个端点中的任意一个端点作为初始位置，若目标区域是闭合区域，可以选择闭合区域中满足条件的任意一点作为初始位置。
59.当选择机器人1000的左侧吸水扒边缘处30或者右侧吸水扒边缘处40作为标记参考点时，为了给用户做特殊区域的调整，以使得所述机器人1000在沿特定的路线运动过程中，能够更顺利的移动。可选地，可以给机器人设定一定的运动路径偏移量，示例性地，该偏移量控制在
±
5cm内，即将所述机器人在所述当前位置处对应的实际参考点作为初始点来驱动所述实际参考点沿所述特定的路线运动，且最大容许的偏移在
±
5cm内，以保证待录制的目标区域在地图上的精确性。需要说明的是，在机器人1000响应于用户的触发，开始进行实际参考点的采样录制之前，需要确认选择传入的是机器人1000的左侧标记参考点还是右侧标记参考点，同时需要将虚拟墙与其他特殊区域进行区分，原因是虚拟墙是线形区域，而其他特殊区域是封闭区域。
60.示例性地，图4是根据本技术实施例的一种机器人沿待测目标区域运动并录制采样点的示意图，如图4所示，选择机器人1000右侧吸水扒边缘处40作为标记参考点(在本实施例中，该标记参考点也是实际参考点)，当右侧吸水扒边缘处40抵达目标区域2000(如虚拟墙)的初始点位置时，用户点击开始录制，同时机器人1000响应于用户的触发，沿着由用户确定的特定的路线(图4中虚线箭头所指的方向)运动，周期性地对所述路线中的点进行采样，并记录采样点的位姿数据。
61.图5是图1所示步骤s200的子流程示意图，如图5所示，当录制操作开始后，所述机器人1000沿着特定的路线运动，所述周期性地对所述路线中的点进行采样并记录采样点的位姿数据的步骤还包括：步骤s210，获取所述标记参考点在所述初始位置处的位姿数据；步骤s220，在所述机器人沿着所述特定的路线运动的过程中，计算所述路线上的每个采样点在所述地图中的位姿数据；步骤s230，若一个采样点的位姿数据与前一个采样点的位姿数据的差值大于第一预设阈值，则将该采样点作为有效采样点并记录该有效采样点的位姿数据。
62.在步骤s210中，机器人前轮转轴中心的位姿数据可以通过里程计以及激光雷达融合的定位信息实时获得，然后经过静态的tf坐标转换关系，计算得到机器人以左侧或者右
侧吸水扒边缘处作为标记参考点的位姿数据，同时，也可以基于预设的静态的坐标转换关系，计算出在相对于标记参考点一定偏移量的距离范围内的实际参考点的位姿数据。
63.在步骤s220中，在所述机器人沿着所述特定的路线运动的过程中，计算所述路线上的每个采样点在所述地图中的位姿数据；由于对于标记参考点的位姿数据采样是周期性进行并记录的，每一帧就是每个周期，例如，第一帧时，获取标记参考点(或者实际参考点)在对应初始位置时的位姿数据，将其作为采样点的位姿数据进行录制记录，然后每个周期都基于slam技术计算获得机器人在当前位置的标记参考点(或者实际参考点)的位姿数据，以实现所述机器人在沿特定的路线的运动过程中，实时地记录并存储所述标记参考点(或者实际参考点)在当前位置的位姿数据的目的。
64.在步骤s230中，若一个采样点的位姿数据与前一个采样点的位姿数据的差值大于第一预设阈值，则将该采样点作为有效采样点并记录该有效采样点的位姿数据。上述第一预设阈值例如可以是0.1m，一个采样点的位姿数据与前一个采样点的位姿数据的差值可通过计算相邻的两个采样点之间的欧式距离获得，需要说明的是，上述欧式距离指的是与该两个采样点一一对应的两个坐标点在坐标系上的直线距离，可利用勾股定理计算得到坐标系上两个坐标点之间的距离。若待录制的目标区域是线形区域，可在所述标记参考点到达目标区域的终点位置时，启动暂停信号，所述机器人响应于所述暂停信号停止运动，同时机器人也可以停止周期性地采样录制动作。
65.图6是图1所示步骤s400的子流程示意图，如图6所示，当录制操作开始后，所述机器人基于外部的驱动，一边沿着特定路线运动，一边周期性地对所述路线中的点进行采样，并记录所述采样点的位姿数据，同时，与所述采样同步地输出由所述采样点构成的标记线并根据接收到的录入确认指令录入所述标记线，该步骤具体包括：步骤s410，依次连接各个所述有效采样点以形成所述标记线，随之对所述标记线进行平滑滤波处理并输出滤波后的标记线。在步骤s410中，可以基于现有的算法配合代价地图(cost map)，依次连接各个所述有效采样点以形成所述标记线，所述标记线可直观地显示在代价地图上，并可以同步上传至移动终端的应用程序上。具体地，与上述所有有效采样点对应的位姿数据可以存储在数据结构中，然后，可在数据结构中启动程序调用已录制的有效采样点的位姿数据，如果待录制的目标区域是线形区域，则用户可以手动将该有效采样点连接成线段后进行保存，当然也可以通过使用相应的软件，将该有效采样点自动连接生成线段进行保存；如果待录制的目标区域是封闭区域，机器人也可自动将该有效采样点连接成线段并且基于闭合条件闭合后进行保存。
66.此外，对于所录制的标记线若出现明显抖动的情形，还可以进行平滑滤波处理，并输出滤波后的标记线。具体地：可以基于所述机器人沿特定的路线的运动过程中，对该路线上的点进行周期性地采样，从该路线上的第2个采样点开始遍历到该路线上倒数第2个采样点，n从2开始遍历，依次更新每个采样点的横坐标，将(前一个采样点的横坐标+后一个采样点的横坐标)*0.5
‑
第n个采样点的横坐标)赋值给第n个采样点的横坐标，然后从该路线上倒数第2个点开始，从后往前遍历，依次更新每个采样点的横坐标，得到新的每个采样点的横坐标，直至全部的采样点的横坐标更新确定完毕。纵坐标的更新方式也是如此，在此不再赘述。通过对所录制的标记线进行平滑滤波处理，便可得到一系列平滑标记线。
67.在一些实施例中，若待录入的目标区域不是线形区域，而是封闭区域，通常人工驱
动机器人很难保证上述周期性采样所获得的有效采样点的连线恰好能够闭合。继续如图6所示，若待录入的目标区域为封闭区域，当录制操作开始后，所述与所述采样同步地输出由所述采样点构成的标记线并根据接收到的录入确认指令录入所述标记线的步骤，还包括：步骤s420，若一个采样点的前一个采样点的位姿数据与所述初始点的位姿数据的差值大于第二预设阈值且该采样点的位姿数据与所述初始点的位姿数据的差值小于第三预设阈值，则基于预定的规则连接该采样点和所述初始点，以使由所述采样点构成的标记线形成闭合回路，在本实施例中，基于当前采样点的前一个采样点和所述初始点的之间的位姿距离判断以作为形成闭合回路的标准，故将第二预设阈值设置为等于第三预设阈值。同样地，一个采样点的前一个采样点的位姿数据与所述初始点的位姿数据的差值可通过计算两者之间的欧式距离获得，需要说明的是，上述欧式距离指的是与该两个采样点一一对应的两个坐标点在坐标系上的直线距离，可利用勾股定理计算得到坐标系上两个坐标点之间的距离。
68.在步骤s420中，例如，若一个采样点的前一个采样点的位姿数据与所述初始点的位姿数据的差值大于第二预设阈值，且该采样点的位姿数据与所述初始点的位姿数据的差值小于第三预设阈值，可使用贝塞尔曲线将所述采样点在当前位置对应的位姿数据和所述采样点在初始点对应的位姿数据在坐标系上进行连接，从而使得在接近闭合回路上的两个采样点之间的标记线过渡较为平滑，以形成闭合回路，从而在所述地图上构建封闭的目标区域的标记图形，实现在地图上准确的录入闭合的目标区域。同时，机器人在沿特定的路线运动过程中，即使机器人以超过闭合回路的路径点继续循环周期性地对所述路线中的点进行采样，也不会出现由所录制的采样点构成的标记线有较大变动。需要说明的是，上述第二预设阈值和第三预设阈值相等，以作为形成闭合回路的条件，例如，可设置第二预设阈值和第三预设阈值均为0.3m，此外，上述第二预设阈值和第三预设阈值的大小可根据实际情况进行相应的参数设定或者调整，本发明实施例在此不做限制。
69.本发明实施例所提供的用于机器人的目标区域录入方法能够实现精确录制目标区域的功能，确保了目标区域在导航地图上的准确标记，而且所确定的目标区域的精度更高，同时录制效率高且操作简便。
70.图7是根据本技术实施例的一种用于机器人的目标区域录入装置的示意图，如图7所示，该装置包括定位模块710、运动执行模块720、录制模块730以及输出模块740。
71.所述定位模块710用于接收目标区域录入指令，并随之确定所述机器人在预设的地图中的当前位置。其中，所述预设地图可以是机器人事先通过激光雷达感测获知的地图，也可以是通过外部程序输入的地图，例如，机器人可以响应于用户的触发巡检由所述用户确定的预设空间以自动生成所述地图，示例性地，在行进过程中，可以采用slam技术，以实现自主移动和定位。
72.所述运动执行模块710用于接收目标区域录入指令，并随之确定所述机器人在预设的地图中的当前位置，以及随后基于外部的驱动并以所述当前位置作为初始位置沿特定的路线运动。
73.所述录制模块730用于周期性地对所述路线中的点进行采样，并记录采样点的位姿数据。其中，录制模块730可以是具有存储及运算处理功能的芯片或者数据结构。可选地，该录制模块730中，还可以包括判断模块，用于对周期性地采样获得的多个采样点基于一定的条件进行判断，以确定是否需要被录制模块730进行记录收集。
74.所述输出模块740，用于与所述采样同步地输出由所述采样点构成的标记线并根据接收到的录入确认指令录入所述标记线。
75.本实施例所提出的用于机器人的目标区域录入装置能够在所述机器人沿特定的路线运动的过程中，周期性地对所述路线中的点进行采样，并将采样点对应的位姿数据进行记录存储，同时在与所述采样同步地将所述采样点输出到地图上的时候可自动将多个所述采样点连接成线段以形成标记线，由此，可以实时地获取采样点，并将由采样点构成的标记线通过输出模块740同步地上传至移动终端的应用程序中。
76.本实施例所提出的用于机器人的目标区域录入装置的其他方面与前面所描述的目标区域录入方法相同或相似，在此不再赘述。
77.图8a
‑
8f是根据本技术实施例的目标区域录入方法的应用场景图，主要是机器人对目标区域进行录制时所使用的app上的用户交互界面，如图8a
‑
8b所示，第一步，可在用户交互界面中的虚拟墙编辑菜单栏下选择待录制的目标区域的类型，例如目标区域类型有：标记斜坡、原图编辑、地毯区域、减速带区域、展示区域、高亮区域、电梯区域以及鸣笛区域等。第二步，在该用户交互界面中的虚拟墙图形编辑菜单栏下选择待录制的标记线类型，例如：线段、多边形或者圆形等，第三步，选择机器人外轮廓的左侧或者右侧作为标记参考点对待录入的目标区域进行录制。在录制过程中，在所述机器人沿特定的路线的运动过程中，周期性地对所述路线中的点进行采样，并记录所述采样点的位姿数据，通过算法将各个采样点依次连接以形成标记线，随之对所述标记线进行平滑滤波处理并输出滤波后的标记线，如图8c所示，通过底层算法输出显示待录制的目标区域的标记线构成的弧线，如图8d所示，将由各个采样点依次连接形成的标记线的数据实时传输给移动终端的应用程序中，以显示机器人在目标区域的运动路径，当机器人在特定路线上运动完成后，点击结束录制，同时，可在移动终端的应用程序中基于软件自动进行保存录制标记线的操作，即完成了在构建的地图中录入目标区域的动作。当满足上述实施例中的步骤s420的闭合条件时，即一个采样点的前一个采样点的位姿数据与所述初始点的位姿数据的差值大于第二预设阈值且该采样点的位姿数据与所述初始点的位姿数据的差值小于第三阈值，则基于预定的规则连接该采样点和所述初始点，以使由所述采样点构成的标记线形成闭合回路，如图8e
‑
8f所示，最终标记线通过相应的算法自动闭合以形成闭合区域，从而获得对封闭的目标区域在地图上的精确标记。以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
78.此外，本技术还提供一种存储介质，其存储有计算机程序，该计算机程序能够被处理器加载以执行前面所描述的任一种目标区域录入方法中的步骤。
79.示例性地，该存储介质可以是下列中的任一个：只读存储器(read only memory，rom)、随机存取记忆体(random access memory，ram)、磁盘或光盘等。
80.此外，本技术还提供一种芯片，图9是根据本技术实施例的提供的一种芯片的结构示意图，如图9所示，芯片900包括一个或多个处理器901以及接口电路902。可选地，芯片900还可以包含总线903。其中：
81.处理器901可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器901中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器901可以是通用处理器、数字通信器(dsp)、专用集成电路(asic)、现场可编程门阵列(fpga)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件、mcu、
mpu、cpu或者协处理器中的一个或多个。可以实现或者执行本技术实施例中的公开的各方法、步骤。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
82.接口电路902可以用于数据、指令或者信息的发送或者接收，处理器901可以利用接口电路902接收的数据、指令或者其它信息，进行加工，可以将加工完成信息通过接口电路902发送出去。
83.可选地，芯片还包括存储器，存储器可以包括只读存储器和随机存取存储器，并向处理器提供操作指令和数据。存储器的一部分还可以包括非易失性随机存取存储器(nvram)。
84.可选地，存储器存储了可执行软件模块或者数据结构，处理器可以通过调用存储器存储的操作指令(该操作指令可存储在操作系统中)，执行相应的操作。
85.可选地，芯片可以使用在本技术实施例涉及的用于机器人的目标区域录入装置中。可选地，接口电路902可用于输出处理器901的执行结果。关于本技术的一个或多个实施例提供的目标区域录入方法可参考前述各个实施例，这里不再赘述。
86.需要说明的是，上述处理器901、接口电路902各自对应的功能既可以通过硬件设计实现，也可以通过软件设计来实现，还可以通过软硬件结合的方式来实现，这里不作限制。
87.此外，本技术还提供了一种机器人，图10是根据本技术实施例的提供的机器人的结构示意图，如图10所示，机器人1000包括：处理器1001和存储器1002；可选地，机器人1000还包括通信总线1003和通信接口1004，其中，处理器1001、通信接口1004和存储器1002可通过通信总线1003完成相互间的通信，所述存储器1002存储有计算机程序，所述计算机程序适于由所述处理器1001加载并执行前面所描述的任一种目标区域录入方法中的步骤。
88.上述通信总线1003可以是工业标准体系结构(industry standard architecture，isa)总线、外部设备互连(peripheral component，pci)总线或扩展工业标准体系结构(extended industry standard architecture，eisa)总线等。总线可以分为地址总线、数据总线、控制总线等。为了便于表示，本技术实施例公开附图中的总线并不限定仅有一根总线或一种类型的总线。
89.在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
90.以上对本技术实施例所提供的目标区域录入方法、装置、存储介质、芯片及机器人进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的技术方案及其核心思想；本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例的技术方案的范围。