CN108470364A - 一种曲线拟合方法和装置 - Google Patents

一种曲线拟合方法和装置 Download PDF

Info

Publication number
CN108470364A
CN108470364A CN201810083292.8A CN201810083292A CN108470364A CN 108470364 A CN108470364 A CN 108470364A CN 201810083292 A CN201810083292 A CN 201810083292A CN 108470364 A CN108470364 A CN 108470364A
Authority
CN
China
Prior art keywords
point
curve
startp
characteristic point
points
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810083292.8A
Other languages
English (en)
Other versions
CN108470364B (zh
Inventor
苏鹏程
张凡
张一凡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Goertek Techology Co Ltd
Original Assignee
Qingdao Real Time Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Qingdao Real Time Technology Co Ltd filed Critical Qingdao Real Time Technology Co Ltd
Priority to CN201810083292.8A priority Critical patent/CN108470364B/zh
Publication of CN108470364A publication Critical patent/CN108470364A/zh
Application granted granted Critical
Publication of CN108470364B publication Critical patent/CN108470364B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/203—Drawing of straight lines or curves
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种曲线拟合方法和装置，应用于地图应用，曲线拟合方法包括：获取用户在所述地图应用上绘制的闭合曲线；对所述闭合曲线的边界像素点进行遍历寻找符合条件的特征点，利用找到的所述特征点拟合所述闭合曲线，得到多边形拟合图像；将所述多边形拟合图像保存至存储空间。曲线拟合装置包括，获取单元，拟合单元和存储单元。由于拟合后多边形拟合图像只包括特征点与包含全部像素点的原始图像相比，像素点数量大大减少，从而节省了存储空间，并且后续处理时计算量小，满足了实际应用需求。

Description

一种曲线拟合方法和装置
技术领域
本发明涉及图像处理技术领域，具体涉及一种曲线拟合方法和装置。
背景技术
在地图等应用中，为了选择和处理一个用户感兴趣的区域，需要对用户选择的区域采用适当的方法进行标注。一般的，用户在地图上画出的原始闭合区域边界包含的像素点是很多的，如果对原始闭合区域边界像素点不作处理直接进行存储会占用很多的存储空间，而且后续使用和处理起来计算量也较大，不能满足实际应用需求。
发明内容
本发明提供了一种曲线拟合方法和装置，以解决现有地图应用在处理用户绘制区域时直接存储时占用存储空间较多和计算量大的问题。
为实现上述技术目的，本发明的技术方案是这样实现的：
根据本发明的一个方面，提供了一种曲线拟合方法，应用于地图应用，所述曲线拟合方法包括：
获取用户在所述地图应用上绘制的闭合曲线；
对所述闭合曲线的边界像素点进行遍历寻找符合条件的特征点，利用找到的所述特征点拟合所述闭合曲线，得到多边形拟合图像；
将所述多边形拟合图像保存至存储空间。
根据本发明的又一个方面，提供了一种曲线拟合装置，应用于地图应用，所述曲线拟合装置包括：
获取单元，用于获取用户在所述地图应用上绘制的闭合曲线；
拟合单元，用于对所述闭合曲线的边界像素点进行遍历寻找符合条件的特征点，利用找到的所述特征点拟合所述闭合曲线，得到多边形拟合图像；
存储单元，用于保存所述多边形拟合图像。
根据本发明的再一个方面，提供了一种电子设备，所述电子设备包括：存储器和处理器，所述存储器和所述处理器之间通过内部总线通讯连接，所述存储器存储有能够被所述处理器执行的程序指令，所述程序指令被所述处理器执行时能够实现本发明一个方面所述的曲线拟合方法。
本发明的有益效果是：本发明实施例的曲线拟合方法和装置，应用于地图应用中，获取用户在所述地图应用上绘制的闭合曲线，对所述闭合曲线的边界像素点进行遍历寻找符合条件的特征点，利用找到的所述特征点拟合所述闭合曲线，得到多边形拟合图像而后保存多边形拟合图像。由于进行拟合后，多边形拟合图像只包括特征点，与包含全部像素点的原始图像相比，像素点数量大大减少，从而节省了存储空间，并且后续处理时计算量小，满足了实际应用需求。
附图说明
图1是本发明一个实施例的一种曲线拟合方法的流程图；
图2是本发明一个实施例的寻找特征点的示意图；
图3是本发明一个实施例的特征点合并的示意图；
图4是本发明一个实施例的用户位置与闭合曲线所围区域的相对位置关系示意图；
图5是本发明一个实施例的一种曲线拟合装置的框图；
图6为本发明一个实施例的电子设备的结构示意图。
具体实施方式
本发明的设计构思是：现有技术的地图应用在处理用户绘制的闭合区域时如果直接存储则像素点较多，占用存储空间大，计算量大。为了减少存储，本实施例采用曲线拟合方法。有一种多边形拟合是采用递归调用和迭代搜索方法，这种方式的弊端是计算量较大。为此，提出了本发明实施例的曲线拟合方案，本发明实施例的技术方案主要用于对一个连续的闭合边界进行拟合，是在获得了用户在地图上所画出的连续轨迹曲线后，用尽可能少的点和尽量小的失真简单快速地表示和拟合该曲线。从而在保证满足精度的前提下，尽量节约了存储空间，并大大降低了后续的计算量。
图1是本发明一个实施例的一种曲线拟合方法的流程图，参见图1，曲线拟合方法应用于地图应用，包括下列步骤：
步骤S101，获取用户在所述地图应用上绘制的闭合曲线；
步骤S102，对所述闭合曲线的边界像素点进行遍历寻找符合条件的特征点，利用找到的所述特征点拟合所述闭合曲线，得到多边形拟合图像；
步骤S103，将所述多边形拟合图像保存至存储空间。
由图1所示可知，本实施例的曲线拟合方法，通过获取用户绘制的闭合边界曲线，对该边界曲线上的像素点进行遍历寻找符合条件的特征点，利用特征点拟合原始曲线，得到多边形拟合图，从而在保证原始图像精度的同时只需要一次遍历即可计算出所有的多边形拟合点，避免了递归调用中的重复运算，方便快捷，大大提高了处理速度，有利于实时处理和在线检测。
本发明实施例的曲线拟合主要包括两大部分：一、边界拟合，二、用户与区域的位置关系判断。
边界拟合包括三个主要步骤：(一)高斯滤波；(二)特征点选择；(三)特征点合并。以下进行重点说明。
一、边界拟合
边界拟合是对原始曲线寻找特征点进行拟合得到多边形拟合图的过程。
(一)高斯滤波
高斯滤波器能较好地消除随机噪声的影响，因此本实施例中采用高斯滤波器对原始的边界数据进行滤波，以滤除用户在绘制曲线边界时引入的噪声。
一维高斯滤波器的定义如下：
对获取的曲线进行平滑后的结果为：
其中，ω为滤波器带宽，t为位置索引，*代表卷积。在具体滤波时ω可以取一个合适的固定值，或根据当前曲线的曲率自适应地进行取值，对此不做限制。
这里以固定带宽为例，设计滤波函数为一个长度为5，ω为1的高斯曲线G(t)：
G(t)＝[0.0539909665131881，0.241970724519143，0.398942280401433，0.241970724519143，0.0539909665131881]。
(1)对曲线原始边界进行扫描
这里获取的曲线边界上各点的坐标为f(i)＝(x(i),y(i)),i＝0,1,2,…,N-1。将各点的X和Y位置坐标值分别保存到坐标值向量X(i)和Y(i)，i＝0,1,2,…,N-1，其中，N为边界像素点的总数目，i＝0对应起点，i＝N-1对应终点。
(2)对曲线的坐标进行变换
高斯滤波要求曲线的起止点均为零，由于本实施例中获取的曲线是闭合曲线，因此这里只需要设置起点的坐标值为零即可满足高斯滤波要求。即，对曲线的坐标进行如下变换：
X(i)＝X(i)-X(0)
Y(i)＝Y(i)-Y(0)
其中，i＝0,1,2,…,N-1。
(3)卷积计算
分别将向量X和Y与G(t)进行卷积计算，卷积运算的计算公式如下：
(4)坐标逆变换
在得到滤波输出结果X0和Y0后，再将坐标变换回去，即
X'(i)＝X0(i)+X(0)
Y'(i)＝Y0(i)+Y(0)
其中，i＝0,1,2,…,N-1。X'和Y'即为进行高斯滤波后曲线的坐标集合。
(二)特征点选择
特征点选择是对获取的闭合曲线的边界像素点进行遍历以寻找符合条件的特征点的过程。
结合图2，具体的选择过程如下：
步骤S31：将各边界像素点的X和Y坐标值分别保存到坐标向量X(i)和Y(i)中，其中，位置索引i的取值范围为闭区间[0,N-1]，N为边界像素点的总数目，i＝0对应起点，i＝N-1对应终点；
步骤S32：设定阈值T，T表示各边界像素点到对应的拟合边界线之间的最大距离偏差，所述距离偏差的单位是像素个数；
这里的T以像素点数来表示，例如，可以设置为2到8之间任意值，具体取值可综合考虑拟合误差和特征点数，根据实验选择一个合适的折衷值，对此不做限制。比如T为3个像素点，那么4T即为12个像素点，3T即为9个像素点。
步骤S33：将特征点的X和Y坐标值对应添加到集合FeaturePointX和集合FeaturePointY中,将搜索的起点作为第一个特征点，即FeaturePointX(0)＝X(0)，FeaturePointY(0)＝Y(0)，并将起点记为出发点A；
参见图2，步骤S34：从出发点A开始，将沿所述闭合曲线的边界向前4T个像素的点记为本次搜索的终点B，其中，A点对应的位置索引i＝startP，B点对应的位置索引i＝startP+4T；
参见图2，步骤S35：从出发点A开始，将沿所述闭合曲线的边界向前T个像素的点记为C点，将沿所述闭合曲线的边界向前3T个像素的点记为D点，其中，C点对应的位置索引i＝startP+T，D点对应的位置索引i＝startP+3T；
步骤S36：将过A点(坐标为(Xa,Ya))和B点(坐标为(Xb,Yb))的直线记为AB，计算从C点开始到D点之间的每个边界像素点到直线AB间的距离d，并找出距离d的最大值H对应的点E，E点对应的位置索引为imax；
参见图2，由于曲线段AC之间及曲线段BD之间的象素点数均为T个,在这两曲线段上的象素点到AB直线间的距离均不可能大于阈值T,因此可以不处理这些像素点，而是计算从C点开始到D点之间的每个边界像素点(设坐标为(X0,Y0))到直线AB间的距离d，这里的距离d同样是以像素间距离为单位的，实际计算时需要以像素间距离为单位进行归一化。
距离d的计算过程说明如下：
设过A点(Xa,Ya)和B点(Xb,Yb)的直线方程为：
记为Ax+By+C＝0，其中：
B＝-1
则边界像素点(X0,Y0)到该直线AB的距离d为：
计算出点C、D间各像素点到直线AB的距离后，找出其中具有最大距离(即最大值)的点E，设最大距离为H，那么在整个边界上其对应的位置索引即为imax。
步骤S37：比较距离d的最大值H与阈值T；
如果距离d的最大值H大于阈值T，则把E点记为一个新的特征点，将E点的X和Y坐标值对应添加到集合FeaturePointX和集合FeaturePointY中，并将E点作为B1点；
参见图2，需要说明的是，曲线段AE之间及曲线段BE之间的像素点分别到AE直线和BE直线间的距离均不可能大于阈值T,因此可以不处理这些像素点。
如果距离d的最大值H小于或者等于阈值T，则把B点记为一个新的特征点，将B点的X和Y坐标值对应添加到集合FeaturePointX和FeaturePointY中，并将B点作为B1点。
步骤S38：判断点B1是否为所述闭合曲线的边界的终点，是则终止搜索；否则，把点B1作为新的出发点A1继续向前搜索并更新位置索引startP的值；即，将位置索引startP的值更新为点B1对应的位置索引值。
当执行完步骤S38之后要考虑剩余的像素点可能数量较少不足4T个的情况，这时需要执行步骤S39，判断新的出发点A1的位置索引与预设值比如N-4T-1的大小，具体见下述步骤S39。
步骤S39：当判断出更新后的startP大于(N-4T-1)且小于(N-2T-1)时，
在这一条件下，将所述闭合曲线的边界终点(即i＝N-1对应的点)作为B2点，计算A1点和B2点构成的新直线A1B2之间所有的边界像素点到新直线A1B2的距离d，并找出距离d的最大值H对应的点；
当距离d的最大值H大于阈值T，则将距离d的最大值H对应的点作为一个新的特征点，将新的特征点的X和Y坐标值对应添加到集合FeaturePointX和FeaturePointY中，且将B2点作为最后一个特征点，将B2点的X和Y坐标值对应添加到集合FeaturePointX和FeaturePointY中，并结束搜索；
当距离d的最大值H小于阈值T，则只将B2点记为最后一个特征点，将B2点的X和Y坐标值对应添加到集合FeaturePointX和FeaturePointY中，并结束搜索；
而在另一条件下：即，当判断出更新后的startP大于或者等于(N-2T-1)且startP小于N时，
则将所述闭合曲线的边界终点(即i＝N-1对应的点)作为最后一个特征点，将所述闭合曲线的边界终点的X和Y坐标值对应添加到集合FeaturePointX和FeaturePointY中，并结束搜索。
这里的N为边界像素点的总数目，T为设定的阈值。
(三)特征点合并
特征点合并是在保证精度的同时进一步减少特征点数目和计算量的过程。合并特征点需要进行计算后确定。一个原则是计算特征点集合中的特征点是否近似共线，如果近似共线就可以将处于近似共线的特征点进行合并。
参见图3，对包含各特征点的特征点集合中处于近似共线的特征点进行合并包括：
判断特征点A和B确定的线段AB的长度L1，特征点B和C确定的线段BC的长度L2以及点A和C确定的线段AC的长度L3是否满足如下关系：
(L1+L2)/L3＜Td
其中，Td为预设的共线阈值(如1.005)，若满足，则认为线段AB和BC近似共线，合并特征点A和特征点C之间的特征点B。
也就是说，可以近似用线段AC代替线段AB和BC，将特征点A和特征点C的挑选出来，放到合并后的特征点集合中。这样就能进一步将B点去除，减少特征点数目。
这里对包含各所述特征点的特征点集合中处于近似共线的特征点进行合并具体包括了下列步骤：
步骤S51：根据集合FeaturePointX和集合FeaturePointY，通过下列公式依次计算每相邻两个特征点(xi,yi)和(xi+1,yi+1)之间的距离Li并保存，i的取值范围为闭区间[0,Nfp-2],即，i＝0,1,…,Nfp-2：Nfp为特征点总数目；
计算出每相邻两个特征点(xI,yI)和(xI+1,yI+1)之间的距离Li后可以保存到长度为Nfp-1的向量lineLength中以便后续使用。
步骤S52：将第一个特征点的位置索引0作为位置索引向量finalFPIndex的第一个元素finalFPIndex(0)，即finalFPIndex(0)＝0，并设置i＝0；
步骤S53：当前的特征点的位置索引startP＝finalFPIndex(i)，并令参数j＝2；
步骤S54：对特征点的startP，依次计算连接当前特征点之后若干个相邻特征点间线段的距离和Lsum直至计算到startP+j指示的特征点，并计算连接startP+j指示的特征点与startP指示的当前特征点的线段距离LstartP,startP+j；
具体的计算公式为：
以及
其中xstartP，xstartP+j，ystartP，ystartP+j分别为集合FeaturePointX和集合FeaturePointY中在startP和startP+j位置处的元素值。
步骤S55：当Lsum/LstartP,startP+j＜＝Td时，则将位置索引在位置索引startP到位置索引startP+j之间的特征点合并，并更新startP+j到位置索引向量finalFPIndex中，即finalFPIndex(i+1)＝startP+j。
这里Lsum/LstartP,startP+j＜＝Td表示Lsum/LstartP,startP+j小于或者等于Td。
步骤S56：令j＝j+1，并返回执行步骤S54至步骤S56直至搜索完毕；
需要说明的是，参数j的作用是用来寻找有多少个特征点是近似共线的，比如当j等于2时，那么就是计算当前特征点1以及其后相邻的两个特征点2和3，这三个特征点两两构成的线段是否满足处于近似共线关系。j＝j+1是判断从当前特征点1以及其后相邻的三个特征点2、3、4共四个点是否满足处于近似共线关系，以此类推。
步骤S57：当Lsum/LstartP,startP+j＞Td，则合并位置索引在位置索引startP到位置索引startP+j-1之间的特征点，并将位置索引startP+j-1保存到位置索引向量finalFPIndex中，即finalFPIndex(i+1)＝startP+j-1；这里位置索引startP和位置索引startP+j-1可以确定一个位置索引范围，将位置索引位于这个范围内的特征点进行合并。
步骤S58：令i＝i+1，返回执行步骤S53至步骤S58，直至搜索完毕。
这里的i代表位置索引向量finalFPIndex中的一个元素，即一个合并后的特征点。i＝i+1是从特征点集合中下一个元素继续判断和搜索。
经过上述步骤，最终得到合并后的特征点位置索引向量finalFPIndex，根据位置索引向量finalFPIndex中的元素(即，位置索引值)可从集合FeaturePointX和集合FeaturePointY中取出相应位置处的特征点X和Y坐标值，并组成最终的特征点坐标向量，完成特征点合并。
二、用户与区域的位置关系判断
实际应用中，在得到拟合出的边界之后，需要判断用户当前的位置是否在该边界所围的区域内，以便对用户进行提醒等。本实施例中的曲线拟合还包括判断用户当前位置处于所述闭合曲线的边界像素点所围区域的内部还是外部，具体的：
根据用户的x坐标x0对各特征点依次进行扫描，找出x坐标范围包含用户的x坐标x0的若干对相邻特征点；即，对边界上相邻两个特征点的x坐标，比较用户的x坐标x0是否位于相邻两个特征点的x坐标组成的坐标范围内。这里的特征点是合并后的那些特征点。比如，用户的x坐标x0的值为3，而相邻两个特征点P、Q的x坐标分别为1和4，构成的范围为[1,4],用户的x坐标x0的值3大于1且小于4，即位于相邻两个特征点P、Q的x坐标组成的坐标范围内，那么相邻的两个特征点P、Q就是一对x坐标范围包含用户的x坐标x0的相邻特征点。
对找出的每对相邻特征点，计算通过每对相邻特征点的线段(比如前述的相邻两个特征点P、Q构成的线段PQ)，并根据用户的x坐标x0以及下列公式
计算出x＝x0时通过每条所述线段上的y坐标；
根据两条所述线段上的y坐标值确定出x坐标等于用户的x坐标x0且处于所述闭合曲线的边界像素点所围区域内部的所有像素点的y坐标的坐标值范围；
判断用户的y坐标y0是否包含在计算得到的y坐标的坐标值范围内，如果包含在y坐标的坐标值范围内，则确定该用户的位置处于所述闭合曲线的边界像素点所围区域内部；否则，确定该用户的位置处于所述闭合曲线的边界像素点所围区域外部。
在本实施例中，原始曲线边界特征点集合表示为{pi}，i＝0,1,…,M-1来表示，M为特征点数目。每相邻两个特征点i和i+1之间的边界可以用通过它们的线段li,i+1来表示，相邻两个特征点的x，y坐标为：
如果xi＝xi+1，则线段li,i+1上点x坐标不变，y坐标递增或递减变化，即：
x＝xi,y＝yi,…,yi+1
具体的，结合图4，对于一个用户，该用户当前的位置坐标为(x0,y0)，通过执行以下步骤判断该用户是处于给定闭合边界的区域内部还是外部：
(一)根据用户的x坐标x0，对所有的特征点进行依次扫描，找出边界特征点中其x范围包含x0的若干对相邻特征点。
图4中示意了四对相邻特征点，分别为(x1,y1)，(x2,y2)和(x3,y3)，(x4,y4)。
(二)根据找出的每对相邻特征点坐标，求出通过它们的线段(如图4中的粗线段所示)，再根据用户的x坐标x0，上面的y坐标计算公式可以算出每个线段上对应的y坐标，由此可得出：等于用户的x坐标x0且处于边界所围区域内部的所有像素的y坐标变化范围。
如图4中的虚线范围所示(y5…y6)。即y坐标的值从y5变化到y6。
(三)判断用户的y坐标y0是否处于步骤(二)所得出的y坐标变化范围内，如果处于该范围内，则认为该用户位置处于区域内部；否则，认为处于区域外部。
即，如果y坐标是递增变化的，则当判断出用户坐标y0大于y6且小于y5时，确定该用户位置处于区域内部；如果y坐标是递减变化的，当判断出用户坐标y0大于y5且小于y6时确定该用户位置处于区域内部。
至此，本实施例的曲线拟合方法通过高斯滤波消除了用户在选择地图区域时由于抖动带来的噪声等干扰。采用简单高效拟合算法在对目标图像的边界数据的一次遍历中，即可计算出所有的多边形拟合点，避免了递归调用中的重复运算，方便快捷，大大提高了处理速度，有利于实时处理和在线检测。而且在寻找到表示原始区域边界的关键特征点后用简单的线段或圆弧等进行拟合，在允许误差范围内可以很好地拟合原边界，大大减少了存储和计算量。
为了进一步减少数据量，对找到的特征点集合进行合并操作，即对近似共线的特征点进行合并，这样可以用少数特征点拟合原来的边界曲线，大大减少了对边界进行表示和运算的数据量。最后，在得到边界的特征点后，通过简单的计算判断用户位置是处于该边界所围区域的内部还是外部，方便快捷地判断点与区域的相对位置关系，满足了实际应用需求。
本发明实施例提供了一种曲线拟合装置，图5是本发明一个实施例的一种曲线拟合装置的框图，参见图5，该曲线拟合装置500应用于地图应用，包括：
获取单元501，用于获取用户在所述地图应用上绘制的闭合曲线；
拟合单元502，用于对所述闭合曲线的边界像素点进行遍历寻找符合条件的特征点，利用找到的所述特征点拟合所述闭合曲线，得到多边形拟合图像；
存储单元503，用于保存所述多边形拟合图像。
在一个实施例中，曲线拟合装置500还包括：合并单元，用于对包含各所述特征点的特征点集合中处于近似共线的特征点进行合并，减少所述特征点的数目。
在一个实施例中，拟合单元502具体用于执行下列步骤：
步骤S31：将各边界像素点的X和Y坐标值分别保存到坐标向量X(i)和Y(i)中，其中，i的取值范围为闭区间[0,N-1]，N为边界像素点的总数目，i＝0对应起点，i＝N-1对应终点；
步骤S32：设定阈值T，T表示各边界像素点到对应的拟合边界线之间的最大距离偏差，所述距离偏差的单位是像素个数；
步骤S33：将特征点的X和Y坐标值对应添加到集合FeaturePointX和集合FeaturePointY中,将搜索的起点作为第一个特征点，并将起点记为出发点A；
步骤S34：从出发点A开始，将沿所述闭合曲线的边界向前4T个像素的点记为本次搜索的终点B，其中，A点对应的位置索引i＝startP，B点对应的位置索引i＝startP+4T；
步骤S35：从出发点A开始，将沿所述闭合曲线的边界向前T个像素的点记为C点，将沿所述闭合曲线的边界向前3T个像素的点记为D点，其中，C点对应的位置索引i＝startP+T，D点对应的位置索引i＝startP+3T；
步骤S36：将过A点和B点的直线记为AB，计算从C点开始到D点之间的每个边界像素点到直线AB间的距离d，并找出距离d的最大值H对应的点E，E点对应的位置索引为imax；
步骤S37：比较距离d的最大值H与阈值T；
如果距离d的最大值H大于阈值T，则把E点记为一个新的特征点，将E点的X和Y坐标值对应添加到集合FeaturePointX和FeaturePointY中，并将E点作为B1点；
如果距离d的最大值H小于或者等于阈值T，则把B点记为一个新的特征点，将B点的X和Y坐标值对应添加到集合FeaturePointX和FeaturePointY中，并将B点作为B1点。
步骤S38：判断点B1是否为所述闭合曲线的边界的终点，是则终止搜索；否则，把点B1作为新的出发点A1继续向前搜索并更新位置索引startP的值；
步骤S39：当判断出更新后的startP大于(N-4T-1)且小于(N-2T-1)时，
则将所述闭合曲线的边界终点作为B2点，计算A1点和B2点构成的新直线A1B2之间所有的边界像素点到新直线A1B2的距离d，并找出距离d的最大值H对应的点，当距离d的最大值H大于阈值T，则将距离d的最大值H对应的点作为一个新的特征点，将新的特征点的X和Y坐标值对应添加到集合FeaturePointX和FeaturePointY中，且将B2点作为最后一个特征点，将B2点的X和Y坐标值对应添加到集合FeaturePointX和FeaturePointY中，并结束搜索；当距离d的最大值H小于阈值T，则只将B2点记为最后一个特征点，将B2点的X和Y坐标值对应添加到集合FeaturePointX和FeaturePointY中，并结束搜索；
当判断出更新后的startP大于或者等于(N-2T-1)且startP小于N时，则将所述闭合曲线的边界终点作为最后一个特征点，将所述闭合曲线的边界终点的X和Y坐标值对应添加到集合FeaturePointX和FeaturePointY中，并结束搜索。
在一个实施例中，合并单元用于判断特征点A和B确定的线段AB的长度L1，特征点B和C确定的线段BC的长度L2以及点A和C确定的线段AC的长度L3是否满足如下关系：
(L1+L2)/L3＜Td
其中，Td为预设的共线阈值，若满足，则认为线段AB和BC近似共线，合并特征点A和特征点C之间的特征点B。
在一个实施例中，合并单元具体用于执行下列步骤：
步骤S51：根据集合FeaturePointX和FeaturePointY，通过下列公式依次计算每相邻两个特征点(xi,yi)和(xi+1,yi+1)之间的距离Li并保存，i的取值范围为闭区间[0,Nfp-2],Nfp为特征点总数目：
步骤S52：将第一个特征点的位置索引0作为位置索引向量finalFPIndex的第一个元素finalFPIndex(0)，并设置i＝0；
步骤S53：当前特征点的位置索引startP＝finalFPIndex(i)，并令参数j＝2；
步骤S54：对当前特征点的startP，依次计算连接当前特征点之后若干个相邻特征点间线段的距离和Lsum直至计算到startP+j指示的特征点，并计算连接startP+j指示的特征点与startP指示的当前特征点的线段距离LstartP,startP+j；
步骤S55：当Lsum/LstartP,startP+j＜＝Td时，则将位置索引在位置索引startP到位置索引startP+j之间的特征点合并，并更新startP+j到位置索引向量finalFPIndex中；
步骤S56：令j＝j+1，并返回执行步骤S54至步骤S56，直至搜索完毕；
步骤S57：当Lsum/LstartP,startP+j＞Td，则合并位置索引在位置索引startP到位置索引startP+j-1之间的特征点，并将位置索引startP+j-1保存到位置索引向量finalFPIndex中；
步骤S58：令i＝i+1，返回执行步骤S53至步骤S58，直至搜索完毕。
这里的i代表位置索引向量finalFPIndex中的一个元素，即一个合并后的特征点。i＝i+1是从特征点集合中下一个元素继续判断和搜索。
经过上述步骤，最终得到合并后的特征点索引集合finalFPIndex，然后可从集合FeaturePointX和FeaturePointY中取出相应位置处的每个特征点X坐标和Y坐标，并组成最终的特征点坐标向量。
在一个实施例中，曲线拟合装置500还包括，高斯滤波单元用于：在对所述闭合曲线的边界像素点进行遍历寻找符合条件的特征点之前，采用高斯滤波对所述闭合曲线的边界像素点进行下列滤波处理：
扫描所述闭合曲线得到各边界像素点的X和Y坐标值并分别保存到向量X(i)和Y(i)中；
对向量X(i)和Y(i)中指示的坐标进行如下变换：
X(i)＝X(i)-X(0)
Y(i)＝Y(i)-Y(0)
其中，i的取值范围为闭区间[0,N-1]，N为边界像素点的总数目，i＝0对应起点，i＝N-1对应终点；
分别将向量X(i)和Y(i)与G(t)进行下列卷积计算：
在得到滤波输出结果X0和Y0后，按照下列公式对坐标值X0和Y0进行逆变换：
X'(i)＝X0(i)+X(0)
Y'(i)＝Y0(i)+Y(0)
得到高斯滤波后所述闭合曲线的边界像素点坐标集合X'和Y'。
在一个实施例中，曲线拟合装置500还包括用户位置判断单元，用于判断用户当前位置处于所述闭合曲线的边界像素点所围区域的内部还是外部，具体的：
根据用户的x坐标x0对各特征点依次进行扫描，找出x坐标范围包含用户的x坐标x0的若干对相邻特征点；
对找出的每对相邻特征点坐标，计算通过每对相邻特征点的线段，并根据用户的x坐标x0以及下列公式
计算出通过每条所述线段上的y坐标；
根据两条所述线段上的y坐标值确定出x坐标等于用户的x坐标x0且处于所述闭合曲线的边界像素点所围区域内部的所有像素点的y坐标的坐标值范围；
判断用户的y坐标y0是否包含在计算得到的y坐标的坐标值范围内，如果包含在y坐标的坐标值范围内，则确定该用户的位置处于所述闭合曲线的边界像素点所围区域内部；否则，确定该用户的位置处于所述闭合曲线的边界像素点所围区域外部。
需要说明的是，本实施例的曲线拟合装置的工作过程是和前述曲线拟合方法的实现步骤对应的，因此本实施例中没有描述的部分可以参见前述实施例中的说明，在此不再赘述。
图6为本发明一个实施例的电子设备的结构示意图。如图6所示，该电子设备包括存储器61和处理器62，存储器61和处理器62之间通过内部总线63通讯连接，存储器61存储有能够被处理器62执行的程序指令，程序指令被处理器62执行时能够实现上述的曲线拟合方法。
此外，上述的存储器61中的逻辑指令可以通过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，本发明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一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明的另一个实施例提供一种计算机可读存储介质，计算机可读存储介质存储计算机指令，计算机指令使所述计算机执行上述的曲线拟合方法。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图的一个流程或多个流程和/或方框图的一个方框或多个方框中指定的功能的装置。
需要说明的是术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本发明的说明书中，说明了大量具体细节。然而能够理解的是，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。类似地，应当理解，为了精简本发明公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释呈反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
以上所述，仅为本发明的具体实施方式，在本发明的上述教导下，本领域技术人员可以在上述实施例的基础上进行其他的改进或变形。本领域技术人员应该明白，上述的具体描述只是更好的解释本发明的目的，本发明的保护范围以权利要求的保护范围为准。

Claims (10)

1.一种曲线拟合方法，其特征在于，应用于地图应用，所述曲线拟合方法包括：
获取用户在所述地图应用上绘制的闭合曲线；
对所述闭合曲线的边界像素点进行遍历寻找符合条件的特征点，利用找到的所述特征点拟合所述闭合曲线，得到多边形拟合图像；
将所述多边形拟合图像保存至存储空间。
2.根据权利要求1所述的曲线拟合方法，其特征在于，所述曲线拟合方法还包括：
对包含各所述特征点的特征点集合中处于近似共线的特征点进行合并，减少所述特征点的数目。
3.根据权利要求2所述的曲线拟合方法，其特征在于，对所述闭合曲线的边界像素点进行遍历寻找符合条件的特征点包括：
步骤S31：将各边界像素点的X和Y坐标值分别保存到坐标向量X(i)和Y(i)中，其中，i的取值范围为闭区间[0,N-1]，N为边界像素点的总数目，i＝0对应起点，i＝N-1对应终点；
步骤S32：设定阈值T，T表示各边界像素点到对应的拟合边界线之间的最大距离偏差，所述距离偏差的单位是像素个数；
步骤S33：将特征点的X和Y坐标值对应添加到集合FeaturePointX和集合FeaturePointY中,将搜索的起点作为第一个特征点，并将起点记为出发点A；
步骤S34：从出发点A开始，将沿所述闭合曲线的边界向前4T个像素的点记为本次搜索的终点B，其中，A点对应的位置索引i＝startP，B点对应的位置索引i＝startP+4T；
步骤S35：从出发点A开始，将沿所述闭合曲线的边界向前T个像素的点记为C点，将沿所述闭合曲线的边界向前3T个像素的点记为D点，其中，C点对应的位置索引i＝startP+T，D点对应的位置索引i＝startP+3T；
步骤S36：将过A点和B点的直线记为AB，计算从C点开始到D点之间的每个边界像素点到直线AB间的距离d，并找出距离d的最大值H对应的点E，E点对应的位置索引为imax；
步骤S37：比较距离d的最大值H与阈值T；
如果距离d的最大值H大于阈值T，则把E点记为一个新的特征点，将E点的X和Y坐标值对应添加到集合FeaturePointX和集合FeaturePointY中，并将E点作为B1点；
如果距离d的最大值H小于或者等于阈值T，则把B点记为一个新的特征点，将B点的X和Y坐标值对应添加到集合FeaturePointX和集合FeaturePointY中，并将B点作为B1点；
步骤S38：判断点B1是否为所述闭合曲线的边界的终点，是则终止搜索；否则，把点B1作为新的出发点A1继续向前搜索并更新位置索引startP的值；
步骤S39：当判断出更新后的startP大于(N-4T-1)且小于(N-2T-1)时，
则将所述闭合曲线的边界终点作为B2点，计算A1点和B2点构成的新直线A1B2之间所有的边界像素点到新直线A1B2的距离d，并找出距离d的最大值H对应的点，当距离d的最大值H大于阈值T，则将距离d的最大值H对应的点作为一个新的特征点，将新的特征点的X和Y坐标值对应添加到集合FeaturePointX和集合FeaturePointY中，且将B2点作为最后一个特征点，将B2点的X和Y坐标值对应添加到集合FeaturePointX和集合FeaturePointY中，并结束搜索；当距离d的最大值H小于阈值T，则只将B2点记为最后一个特征点，将B2点的X和Y坐标值对应添加到集合FeaturePointX和集合FeaturePointY中，并结束搜索；
当判断出更新后的startP大于或者等于(N-2T-1)且startP小于N时，则将所述闭合曲线的边界终点作为最后一个特征点，将所述闭合曲线的边界终点的X和Y坐标值对应添加到集合FeaturePointX和集合FeaturePointY中，并结束搜索。
4.根据权利要求2所述的曲线拟合方法，其特征在于，对包含各所述特征点的特征点集合中处于近似共线的特征点进行合并包括：
判断特征点A和B确定的线段AB的长度L1，特征点B和C确定的线段BC的长度L2以及特征点A和C确定的线段AC的长度L3是否满足如下关系：
(L1+L2)/L3＜Td
其中，Td为预设的共线阈值，若满足，则认为线段AB和BC近似共线，合并特征点A和特征点C之间的特征点B。
5.根据权利要求3所述的曲线拟合方法，其特征在于，对包含各所述特征点的特征点集合中处于近似共线的特征点进行合并具体包括：
步骤S51：根据集合FeaturePointX和集合FeaturePointY，通过下列公式依次计算每相邻两个特征点(xi,yi)和(xi+1,yi+1)之间的距离Li并保存，i的取值范围为闭区间[0,Nfp-2],Nfp为特征点总数目：
步骤S52：将第一个特征点的位置索引0作为位置索引向量finalFPIndex的第一个元素finalFPIndex(0)，并设置i＝0；
步骤S53：当前特征点的位置索引startP＝finalFPIndex(i)，并令参数j＝2；
步骤S54：对当前特征点的startP，依次计算连接当前特征点之后若干个相邻特征点间线段的距离和Lsum直至计算到startP+j指示的特征点，并计算连接startP+j指示的特征点与startP指示的当前特征点的线段距离LstartP,startP+j；
步骤S55：当Lsum/LstartP,startP+j＜＝Td时，则将位置索引在位置索引startP到位置索引startP+j之间的特征点合并，并更新startP+j到位置索引向量finalFPIndex中；
步骤S56：令j＝j+1，并返回执行步骤S54至步骤S56，直至搜索完毕；
步骤S57：当Lsum/LstartP,startP+j＞Td，则合并位置索引在位置索引startP到位置索引startP+j-1之间的特征点，并将位置索引startP+j-1保存到位置索引向量finalFPIndex中；
步骤S58：令i＝i+1，返回执行步骤S53至步骤S58，直至搜索完毕。
6.根据权利要求1所述的曲线拟合方法，其特征在于，所述曲线拟合方法包括：在对所述闭合曲线的边界像素点进行遍历寻找符合条件的特征点之前，采用高斯滤波对所述闭合曲线的边界像素点进行下列滤波处理：
扫描所述闭合曲线得到各边界像素点的X和Y坐标值并分别保存到向量X(i)和Y(i)中；
对向量X(i)和Y(i)中指示的坐标进行如下变换：
X(i)＝X(i)-X(0)
Y(i)＝Y(i)-Y(0)
其中，i的取值范围为闭区间[0,N-1]，N为边界像素点的总数目，i＝0对应起点，i＝N-1对应终点；
分别将向量X(i)和Y(i)与G(t)进行下列卷积计算：
在得到滤波输出结果X0和Y0后，按照下列公式对坐标值X0和Y0进行逆变换：
X'(i)＝X0(i)+X(0)
Y'(i)＝Y0(i)+Y(0)
得到高斯滤波后所述闭合曲线的边界像素点坐标集合X'和Y'。
7.根据权利要求2所述的曲线拟合方法，其特征在于，所述曲线拟合方法还包括：判断用户当前位置处于所述闭合曲线的边界像素点所围区域的内部还是外部，具体的：
根据用户的x坐标x0对各特征点依次进行扫描，找出x坐标范围包含用户的x坐标x0的若干对相邻特征点；
对找出的每对相邻特征点坐标，计算通过每对相邻特征点的线段，并根据用户的x坐标x0以及下列公式
计算出x＝x0时通过每条所述线段上的y坐标；
根据两条所述线段上的y坐标值确定出x坐标等于用户的x坐标x0且处于所述闭合曲线的边界像素点所围区域内部的所有像素点的y坐标的坐标值范围；
判断用户的y坐标y0是否包含在计算得到的y坐标的坐标值范围内，如果包含在y坐标的坐标值范围内，则确定该用户的位置处于所述闭合曲线的边界像素点所围区域内部；否则，确定该用户的位置处于所述闭合曲线的边界像素点所围区域外部。
8.一种曲线拟合装置，其特征在于，应用于地图应用，所述曲线拟合装置包括：
获取单元，用于获取用户在所述地图应用上绘制的闭合曲线；
拟合单元，用于对所述闭合曲线的边界像素点进行遍历寻找符合条件的特征点，利用找到的所述特征点拟合所述闭合曲线，得到多边形拟合图像；
存储单元，用于保存所述多边形拟合图像。
9.根据权利要求8所述的曲线拟合装置，其特征在于，所述曲线拟合装置还包括：合并单元，用于对包含各所述特征点的特征点集合中处于近似共线的特征点进行合并，减少所述特征点的数目。
10.一种电子设备，其特征在于，所述电子设备包括：存储器和处理器，所述存储器和所述处理器之间通过内部总线通讯连接，所述存储器存储有能够被所述处理器执行的程序指令，所述程序指令被所述处理器执行时能够实现权利要求1-7任一项所述的曲线拟合方法。
CN201810083292.8A 2018-01-29 2018-01-29 一种曲线拟合方法和装置 Active CN108470364B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810083292.8A CN108470364B (zh) 2018-01-29 2018-01-29 一种曲线拟合方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810083292.8A CN108470364B (zh) 2018-01-29 2018-01-29 一种曲线拟合方法和装置

Publications (2)

Publication Number Publication Date
CN108470364A true CN108470364A (zh) 2018-08-31
CN108470364B CN108470364B (zh) 2021-10-08

Family

ID=63266168

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810083292.8A Active CN108470364B (zh) 2018-01-29 2018-01-29 一种曲线拟合方法和装置

Country Status (1)

Country Link
CN (1) CN108470364B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109961494A (zh) * 2019-03-26 2019-07-02 湖南中医药大学 一种对图片进行显示和编辑的方法
CN110298903A (zh) * 2019-07-04 2019-10-01 珠海金山网络游戏科技有限公司 一种曲线编辑方法及装置、计算设备和存储介质
CN110688704A (zh) * 2019-10-17 2020-01-14 广东三维家信息科技有限公司 家装设计方法、系统及电子设备
CN111105500A (zh) * 2019-10-31 2020-05-05 青岛小鸟看看科技有限公司 虚拟现实场景下的安全区域绘制方法、装置和虚拟现实系统
CN111176282A (zh) * 2019-12-31 2020-05-19 南京苏美达智能技术有限公司 一种设定边界的方法、系统及自行走设备
CN113693494A (zh) * 2021-02-10 2021-11-26 北京石头世纪科技股份有限公司 地图绘制方法及装置、介质及电子设备
CN114497770A (zh) * 2022-01-26 2022-05-13 上海玫克生智能科技有限公司 电池簇内电池箱状态分析方法、系统及终端
CN114792317A (zh) * 2022-06-22 2022-07-26 江苏瑞斯达安全防护用品有限公司 一种基于图像处理的防护手套染色控制方法及系统
CN116309941A (zh) * 2023-05-11 2023-06-23 北京元跃科技有限公司 一种移动设备划线线条矫正方法及系统
CN116309942A (zh) * 2023-05-11 2023-06-23 北京元跃科技有限公司 一种移动设备图形形状矫正方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101630463A (zh) * 2009-07-30 2010-01-20 上海交通大学 路网栅格数字地图自动矢量化方法
CN102542901A (zh) * 2010-12-17 2012-07-04 上海博泰悦臻电子设备制造有限公司 用于电子地图的线段抽稀装置及其方法
CN103839228A (zh) * 2012-11-23 2014-06-04 厦门雅迅网络股份有限公司 一种基于矢量地图数据抽稀与平滑处理的方法
CN106845495A (zh) * 2016-12-30 2017-06-13 浙江工业大学 一种图像中断裂曲线闭合方法
CN107318087A (zh) * 2016-04-27 2017-11-03 上海劳勤信息技术有限公司 一种对到达指定位置自动定位的方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101630463A (zh) * 2009-07-30 2010-01-20 上海交通大学 路网栅格数字地图自动矢量化方法
CN102542901A (zh) * 2010-12-17 2012-07-04 上海博泰悦臻电子设备制造有限公司 用于电子地图的线段抽稀装置及其方法
CN103839228A (zh) * 2012-11-23 2014-06-04 厦门雅迅网络股份有限公司 一种基于矢量地图数据抽稀与平滑处理的方法
CN107318087A (zh) * 2016-04-27 2017-11-03 上海劳勤信息技术有限公司 一种对到达指定位置自动定位的方法及系统
CN106845495A (zh) * 2016-12-30 2017-06-13 浙江工业大学 一种图像中断裂曲线闭合方法

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109961494A (zh) * 2019-03-26 2019-07-02 湖南中医药大学 一种对图片进行显示和编辑的方法
CN110298903A (zh) * 2019-07-04 2019-10-01 珠海金山网络游戏科技有限公司 一种曲线编辑方法及装置、计算设备和存储介质
CN110298903B (zh) * 2019-07-04 2023-05-12 珠海金山数字网络科技有限公司 一种曲线编辑方法及装置、计算设备和存储介质
CN110688704A (zh) * 2019-10-17 2020-01-14 广东三维家信息科技有限公司 家装设计方法、系统及电子设备
CN111105500B (zh) * 2019-10-31 2023-09-22 青岛小鸟看看科技有限公司 虚拟现实场景下的安全区域绘制方法、装置和虚拟现实系统
CN111105500A (zh) * 2019-10-31 2020-05-05 青岛小鸟看看科技有限公司 虚拟现实场景下的安全区域绘制方法、装置和虚拟现实系统
CN111176282A (zh) * 2019-12-31 2020-05-19 南京苏美达智能技术有限公司 一种设定边界的方法、系统及自行走设备
CN113693494A (zh) * 2021-02-10 2021-11-26 北京石头世纪科技股份有限公司 地图绘制方法及装置、介质及电子设备
CN113693494B (zh) * 2021-02-10 2023-11-14 北京石头创新科技有限公司 地图绘制方法及装置、介质及电子设备
CN114497770A (zh) * 2022-01-26 2022-05-13 上海玫克生智能科技有限公司 电池簇内电池箱状态分析方法、系统及终端
CN114792317A (zh) * 2022-06-22 2022-07-26 江苏瑞斯达安全防护用品有限公司 一种基于图像处理的防护手套染色控制方法及系统
CN116309942A (zh) * 2023-05-11 2023-06-23 北京元跃科技有限公司 一种移动设备图形形状矫正方法及系统
CN116309941A (zh) * 2023-05-11 2023-06-23 北京元跃科技有限公司 一种移动设备划线线条矫正方法及系统
CN116309942B (zh) * 2023-05-11 2024-01-19 北京元跃科技有限公司 一种移动设备图形形状矫正方法及系统
CN116309941B (zh) * 2023-05-11 2024-01-23 北京元跃科技有限公司 一种移动设备划线线条矫正方法及系统

Also Published As

Publication number Publication date
CN108470364B (zh) 2021-10-08

Similar Documents

Publication Publication Date Title
CN108470364A (zh) 一种曲线拟合方法和装置
CN104778688B (zh) 点云数据的配准方法及装置
KR20170030613A (ko) 터치 분류
CN108197296A (zh) 基于Elasticsearch索引的数据存储方法
CN108876024A (zh) 路径规划、路径实时优化方法及装置、存储介质
CN113223078B (zh) 标志点的匹配方法、装置、计算机设备和存储介质
WO2022179002A1 (zh) 图像匹配方法、装置、电子设备以及存储介质
CN107798346A (zh) 一种基于Fréchet距离阈值的轨迹相似性快速匹配方法
JP2008157698A (ja) 経路探索方法、プログラム及びシステム
CN110648363A (zh) 相机姿态确定方法、装置、存储介质及电子设备
CN110072046A (zh) 图像合成方法和装置
CN111798398A (zh) 点云降噪方法、装置、电子设备和计算机可读存储介质
CN115587552A (zh) 网格优化方法、装置、终端设备及存储介质
CN110110017A (zh) 一种兴趣点数据关联方法、装置及服务器
CN109377552B (zh) 图像遮挡计算方法、装置、计算设备及存储介质
CN110427506A (zh) 空间数据边界处理方法、装置、计算机设备及存储介质
CN114417075B (zh) 一种建立寻路网格数据索引的方法、装置、介质和设备
CN110008911B (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
CN109597807A (zh) 数仓表处理方法和装置
CN110413716B (zh) 数据存储和数据查询方法、装置及电子设备
CN106792510B (zh) 一种指纹定位中的预测式指纹图搜索方法
CN117455928B (zh) 无序抓取过程中抓取对象的分割方法、装置和电子设备
CN106407215B (zh) 一种数据处理方法及装置
CN110188818A (zh) 热点区域聚类方法、装置及电子设备
CN109493406A (zh) 快速百分比靠近软阴影绘制方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20191115

Address after: 266104 Laoshan Qingdao District North House Street investment service center room, Room 308, Shandong

Applicant after: GEER TECHNOLOGY CO., LTD.

Address before: 266061, No. 3, building 18, Qinling Mountains Road, Laoshan District, Shandong, Qingdao 401

Applicant before: Qingdao real time Technology Co., Ltd.

GR01 Patent grant
GR01 Patent grant