具体实施方式

现将详细地参考本发明的示范性实施例，示范性实施例的实例说明于附图中。只要有可能，相同组件符号在图式和描述中用来表示相同或相似部分。

图1是依照本揭露一实施例所绘示的电子装置的方块图。首先在图1中介绍电子装置的所有组件及其配置。上述组件的功能将配合图2更详细地一并揭露。

请参照图1，电子装置10包括一个或多个传感器110，存储器120和处理器130。在各种实施例中，电子装置10可以是无需人工干预而在作业空间的地面上移动的任何自走式设备。例如，电子装置10可以是自主移动机器人(autonomous mobile robot)，无人地面载具(unmanned ground vehicle)，自动导引车(automated guided vehicles)或扫地机器人(robotic vacuum cleaner)或其他类似的可移动电子装置，但是本公开不限于此。在一些实施例中，电子装置10可以根据环境信息做出一些行为决策，以完成其任务。

传感器110设置于电子装置10上并用以获取用于检测障碍物位置的传感器数据。传感器110可以通过不同的感测方式来感测电子装置10周围空间的环境信息，以将传感器数据提供给处理器130。在一些实施例中，传感器110可例如是雷达，声波感测设备，使用光学测距的光学雷达，景深相机，或图像捕获设备等等，但本揭露对此不限制。在一些实施例中，传感器110可以检测电子装置10所在空间中的一些障碍物与电子装置10之间的距离信息。例如，传感器110可以是360度二维激光测距仪的光达(LIDAR)，且传感器110可以检测多个感测角处的障碍物距离。或者，传感器110可以是景深相机(depth-of-field camera)或具有至少两个镜头和至少两个图像传感器的任何其他图像捕获设备，并且传感器110可以检测关于多个图像特征点的深度信息。

存储器120用以储存档案、图像、指令、程序代码、软件组件等等数据，其可以例如是任意型式的固定式或可移动式随机存取存储器(random access memory，RAM)、只读存储器(read-only memory，ROM)、闪存(flash memory)、硬盘或其他类似装置、集成电路或其组合。

处理器130耦接传感器110与存储器120，用以控制电子装置10的构件的作动，其例如是中央处理单元(Central Processing Unit，CPU)，或是其他可程序化的一般用途或特殊用途的微处理器(Microprocessor)、数字信号处理器(Digital Signal Processor，DSP)、可程序化控制器、特殊应用集成电路(Application Specific IntegratedCircuits，ASIC)、可程序化逻辑设备(Programmable Logic Device，PLD)或其他类似装置或这些装置的组合。

然而，除了传感器110、存储器120以及处理器130之外，电子装置10更可包括未绘示于图1的组件，像是里程计，显示器，陀螺仪，电源设备，电动机等等等，本揭露对此不限制。

在本揭露的实施例中，处理器130经配置以访问并执行存储在存储器120中的模块，指令集和/或程序代码，以实现本揭露提供的空间识别方法，这将在下面进一步说明。

请参照图2，图2是依据本揭露一实施例所绘示的空间识别方法的流程图。请参照图1与图2，本实施例的方式适用于上述实施例中的电子装置10，以下即搭配电子装置10中的各项组件说明本实施例的空间识别方法的详细步骤。

在步骤S210中，处理器130可从与电子装置10相关联的传感器110获得用于检测障碍物位置的传感器数据。在一些实施例中，传感器数据可包括反映多个感测角处的多个障碍物距离的数据。例如，感测角可以是1度，2度，...，360度。然而，本揭露不对感测角的精度和数量进行限制，可以根据实际需要进行配置。在一些实施例中，传感器数据可包括关于多个图像特征点的深度信息。例如，传感器数据可以是依据从不同视角捕获的至少两张图像而生成的深度图。在一些实施例中，障碍物位置是与电子装置10位于同一空间中的障碍物的位置。障碍物将阻碍电子装置10的移动，像是墙壁，家具等等。传感器110可检测电子装置10的位置与障碍物位置之间的距离信息。

在步骤S220中，处理器130可基于传感器数据产生分别对应于障碍物位置的多个坐标。详细而言，由于电子装置10的位置与障碍物位置之间的距离信息可以通过传感器110检测，因此处理器130可以基于电子装置10的位置与传感器110提供的传感器数据来确定分别与障碍物位置相对应的2D坐标。具体而言，对应于障碍物位置其中一者的各2D坐标可以包括X轴坐标分量和Y轴坐标分量，并且可基於直角坐标系(Cartesian coordinatesystem)的原点而生成分别与障碍物位置相对应的坐标。应当注意的是，由于电子装置10会移动到不同的位置，所以由传感器110检测到的障碍物位置是会变动的。即，反应于电子装置10移动到不同位置，在不同位置处检测到的障碍物位置的坐标是变动的。

在一些实施例中，处理器130可以根据在感测角处的障碍物距离和电子装置10的当前位置来计算分别与障碍物位置相对应的多个坐标。详细而言，传感器110可以提供传感器数据，此传感器数据可以是反映在多个感测角处的多个障碍物距离的数据。在一些实施例中，传感器110可以发射分别指向多个感测角的光束，且反映多个感测角处的多个障碍物距离的数据可以根据传感器110接收的反射光束而估计。基此，处理器130可以根据在感测角处的障碍物距离和电子装置10的当前位置计算分别与障碍物位置相对应的多个坐标。

在一些实施例中，处理器130可以根据关于图像特征点的深度信息和电子装置10的当前位置来计算分别与障碍物位置相对应的多个坐标。详细而言，传感器110可以提供传感器数据，此传感器数据可以是关于多个图像特征点的深度信息。在一些实施例中，传感器110可以通过从至少两个视角捕获图像并使用深度估计算法来估计图像特征点的深度信息。例如，处理器130可以通过视觉同时定位与地图构建(v-SLAM)技术获得深度信息，以计算分别与障碍物位置相对应的多个坐标。这样，处理器130可以根据深度信息和电子装置10的当前位置来计算分别与障碍物位置相对应的多个坐标。

在步骤S230中，处理器130可以根据所述坐标更新电子装置10周围的空间的边界线信息，直到满足每个边界线的优化条件为止。详细而言，在处于当前位置的电子装置10计算分别与障碍物位置相对应的坐标之后，处理器130可以通过使用与当前位置相关联的坐标来更新空间的边界线信息。於此，可以通过使用与当前位置相关联的坐标的坐标分量中的局部极值来更新空间的边界线信息。当满足了每个边界线的优化条件，处理器130即可停止更新空间的边界线信息。当还未满足每个边界线的优化条件，处理器130可以继续更新空间的边界线信息。

在一些实施例中，处理器130可以持续收集空间的边界线信息，直到满足每个边界线的优化条件为止，其中空间的边界线信息可包括多条边界线的多个可能位置。例如，在两个不同位置收集的边界线信息可以表示为表1。

表1

在一些实施例中，处理器130可以通过对暂时边界线与分别对应于障碍物位置的坐标中的极值进行比较来更新暂时边界线的位置，直到满足每条边界线的优化条件为止。例如，在直角坐标系中，边界线信息中的四条暂时边界线可以表示为x＝a1，x＝a2，y＝b1和y＝b2，其中a1≠a2且b1≠b2。当处理器130获得对应于一个障碍物位置的坐标是(a3，b3)时，若a3大于a1且a1大于a2，则边界线x＝a1可以被更新为x＝a3。

在步骤S240中，处理器130可基于边界线信息来识别电子装置10周围的空间的空间范围。即，在满足每条边界线的优化条件之后，处理器130可以根据边界线的坐标信息来识别空间的空间范围。在一些实施例中，处理器130可基于边界线信息将四边形区域识别为空间范围。

在一些实施例中，处理器130可以基于边界线信息获得第一轴(即，X轴)的第一最大值和第一最小值。处理器130可以基于边界线信息获得第二轴(即，Y轴)的第二最大值和第二最小值。例如，处理器130可以从包括右边界线的多个可能位置的边界线信息获得X轴的第一最大值“Amax”。处理器130可以从包括左边界线的多个可能位置的边界线信息获得X轴的第一最小值“Amin”。处理器130可以从包括下边界线的多个可能位置的边界线信息获得Y轴的第二最小值“Bmin”。处理器130可以从包括上边界线的多个可能位置的边界线信息获得Y轴的第二最大值“Bmax”。这样，可以基于四条边界线来识别空间的空间范围，这四条边界线的四个线性方程分别为x＝Amax，x＝Amin，y＝Bmax，y＝Bmin。

在一些实施例中，边界线信息可以包括每个边界线的最新位置。因此，在满足每个边界线的优化条件之后，处理器130可以使用每个边界线的最终位置来识别空间的空间范围。

在步骤S250中，处理器130可以使用空间范围来导引电子装置10的移动。在一些实施例中，处理器130根据空间范围来确定电子装置10的移动路径。例如，可以根据空间范围来确定扫地机器人的清洁路径。

请参照图3，图3是依据本揭露一实施例所绘示的空间识别方法的流程图。请参照图1与图3，本实施例的方式适用于上述实施例中的电子装置10，以下即搭配电子装置10中的各项组件说明本实施例的空间识别方法的详细步骤。

在步骤S310中，处理器130可获取电子装置10的当前位置。在一些实施例中，处理器130可以通过使用里程计来获取电子装置10的位移数据，以获取X轴和Y轴上的位移量。然后，处理器130可以根据参考位置和位移数据来识别电子装置10的当前位置。参考位置可以是坐标系的原点或电子装置10的先前位置。在其他实施例中，处理器130可以通过其他位置方式获得电子装置10的当前位置，本揭露对此不限制。

在步骤S320中，处理器130可从与电子装置10相关联的传感器110获得用于检测障碍物位置的传感器数据。在步骤S330中，处理器130可基于传感器数据产生分别对应于障碍物位置的多个坐标。步骤S320和步骤S330的操作和细节与步骤S210和步骤S220的操作和细节相似，因此不再赘述。

在步骤S340中，处理器130可以根据坐标更新电子装置10周围的空间的边界线信息，直到满足每条边界线的优化条件为止。在本实施例中，步骤S340可依步骤S341至步骤S342来实现。

在步骤S341中，处理器130可判断障碍物位置中的当前局部极值是否小于暂时边界线的最小边界参数或大于暂时边界线的最大边界参数。详细而言，电子装置10可以从先前位置移动到当前位置，当电子装置10位于当前位置时，边界线信息会被更新，而当电子装置10位于先前位置时，则可决定暂时边界线。更具体地，处理器130可获得分别对应于障碍物位置的多个坐标，并且处理器130可以从分别对应于障碍物位置的多个坐标获得四个轴方向(像是负X轴方向，正X轴方向，负Y轴方向，正Y轴方向)上的当前局部极值。然后，处理器130可以将四个轴方向上的当前局部极值分别与暂时边界线的位置进行比较。

若步骤S341判断为是，在步骤S342中，当前局部极值小于最小边界参数或大于最大边界参数，处理器130可利用当前局部极值移动暂时边界线而获取更新边界线。

举例而言，在直角坐标系中，边界线信息的四个暂时边界线可以表示为x＝a1，x＝a2，y＝b1和y＝b2，其中a1≠a2和b1≠b2。处理器130可以从分别对应于障碍物位置的坐标获得在四个轴方向上的当前局部极值x＝a3，x＝a4，y＝b3和y＝b4。如果处理器130确定当前局部极值“a3”大于a1并且a1大于a2，则处理器130可以将暂时边界线x＝a1移向当前局部极值“a3”以获得更新边界线x＝a3。如果处理器130确定当前局部极值“b3”小于b1且b1小于b2，则处理器130可将暂时边界线y＝b1移向当前局部极值“b3”以获得更新边界线y＝b3。

在其他实施例中，如上所述，处理器130可以通过将与四个轴方向相对应的当前局部极值添加到空间的边界线信息来更新电子装置10周围的空间的边界线信息。

在步骤S350中，处理器130可以判断是否满足每个边界线的优化条件。若步骤S350判断为否，则处理器130可以控制电子装置10移动到下一位置，并且处理器130将重复地执行步骤S310至步骤S340。在一些实施例中，电子装置10可以随机移动。在一些实施例中，如果满足了其中一个边界线的优化条件，则电子装置10可以由处理器130控制以朝着其他边界线移动。例如，如果处理器130停止更新与左边界线相关联的边界信息，则处理器130可以控制电子装置10向右边界线，下边界线或上边界线移动。这样，在本实施例中，在电子装置10连续地持续从一个位置移动到另一位置移动的同时，四条边界线可以分别沿着负X轴方向，正X轴方向，负Y轴方向，正Y轴方向移动。也就是说，当未满足每个边界线的优化条件时，处理器130可控制电子装置10移动到下一个位置，且可根据步骤S350的判断结果来决定电子装置10的移动方向。

应当注意，在一些实施例中，当边界线与电子装置10的当前位置之间的距离小于一个距离阀值时，即可判断为满足优化条件。即，如果电子装置10足够靠近某一边界线，则处理器130可以停止更新与电子装置10接近的该边界线相关联的边界线信息。

在一些实施例中，用于检测障碍物位置的传感器数据包括反映在感测角处的障碍物距离的数据。当相对于两个相邻感测角的障碍物距离的差小于一个边界连续阀值时，即可判断为满足每个边界线的优化条件。具体而言，诸如LiDAR的传感器110可以检测分别与多个感测角相对应的多个障碍物距离。如果任意两个相邻的感测角的障碍物距离的差均小于边界连续阀值，则处理器130可以停止更新与电子装置10靠近的边界线相关联的边界线信息。

若步骤S350判断为是，在步骤S360中，处理器130可以基于边界线信息来识别电子装置10周围的空间的空间范围。在本实施例中，在处理器130停止更新边界线的位置之后，处理器130可以根据最终边界线来识别空间的空间范围。在步骤S370中，处理器130可以使用空间范围来导引电子装置10的移动。

图4A至图4C是依据本揭露一实施例所绘示的优化边界线信息来获取空间范围的示意图。在图4A至图4C的范例中，假设传感器110是LiDAR，并且传感器数据是反映在感测角处的障碍物距离的数据。

请参照图4A，在时间点T1，电子装置10位于位置P1。电子装置10的处理器130可以从LiDAR获得用于检测障碍物位置的传感器数据40。传感器数据40是当电子装置10位于位置P1时反映在感测角处的障碍物距离的数据。处理器130可以基于传感器数据40生成分别与障碍物位置相对应的多个坐标，并且每个坐标包括X轴坐标分量和Y轴坐标分量。然后，处理器130可以从分别对应于障碍物位置的坐标的X轴坐标分量和Y轴坐标分量获得四个当前局部极值。四个当前局部极值包括在上述X轴坐标分量和上述Y轴坐标分量之中的两个最大值以及在上述X轴坐标分量和上述Y轴坐标分量之中的两个最小值。在图4A中，当前局部极值可以表示为{b，d，a，c}。四条边界线可以表示为x＝b，x＝d，y＝a和y＝c。空间的边界线信息于此可以表示为表2。

表2

请参照图4B，假设未满足每个边界线的优化条件。在时间点T2，处理器130可以控制电子装置10移动到下一个位置，即位置P2。传感器数据41是当电子装置10位于位置P2时反映在感测角处的障碍物距离的数据。处理器130可以基于传感器数据41生成分别与障碍物位置相对应的多个坐标，并且每个坐标包括X轴坐标分量和Y轴坐标分量。然后，处理器130可以从分别对应于障碍物位置的坐标的X轴坐标分量和Y轴坐标分量获得四个当前局部极值。在图4B中，当前局部极值可以表示为{g，e，h，f}。四条边界线可以表示为x＝g，x＝e，y＝h和y＝f。因此，空间的边界线信息可以被更新并表示为表3。

表3

请参照图4C，假设每个边界线的优化条件都满足了。接着，处理器130可以基于边界线信息来识别电子装置10周围的空间的空间范围。在当前范例中，处理器130可以从边界线信息{d，e}获得X轴的最大值。处理器130可以从边界线信息{b，g}获得X轴的最小值。处理器130可以从边界线信息{a，h}获得Y轴的最小值。处理器130可以从边界线信息{c，f}获得Y轴的最大值。假设a＝h＝i，c＝f＝j，b<g和e>d，则空间的空间范围可以被识别为具有四个角点(b，j)，(e，j)，(b，i)和(e，i)的四边形区域。

本揭露进一步提供了一种非暂态计算机可读存储介质。此计算机可读记录介质可以存储多个程序代码段(例如，建立组织图程序代码段、审批表程序代码段、设置程序代码段和部署程序代码段)。在电子装置10的处理器130加载并执行这些程序代码段之后，可以完成上述空间识别方法中的步骤。

综上所述，于本发明的实施例中，通过使用传感器数据，电子装置可以识别电子装置所位于的作业空间的空间范围，且无需建构作业空间的地图。因此，电子装置不需要用于记录具有巨大数据量的地图的存储空间。此外，电子装置无需执行任何特定的固定移动行为即可识别作业空间的空间范围，从而可以明显减少出现碎片区域的可能性。因此，识别作业空间的空间范围的效率或基于空间范围执行其他任务的效率可以提升。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，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，或者对其中部分或者全部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发明各实施例技术方案的范围。