CN108573510B - 一种栅格地图矢量化方法及设备 - Google Patents
一种栅格地图矢量化方法及设备 Download PDFInfo
- Publication number
- CN108573510B CN108573510B CN201810112505.5A CN201810112505A CN108573510B CN 108573510 B CN108573510 B CN 108573510B CN 201810112505 A CN201810112505 A CN 201810112505A CN 108573510 B CN108573510 B CN 108573510B
- Authority
- CN
- China
- Prior art keywords
- line segment
- grid
- vectorization
- grid map
- extraction line
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
- G06T9/008—Vector quantisation
Abstract
本申请的目的是提供一种栅格地图矢量化方法及设备,本申请通过对获取的栅格地图进行平滑处理,得到初始化栅格地图,其中,所述初始化栅格地图中包含至少一个栅格点;接着基于所有所述栅格点,依序对所述初始化栅格地图进行线段提取和栅格点聚类,得到所述初始化栅格地图对应的矢量化线段和矢量化点;之后根据所述矢量化线段和所述矢量化点,生成所述栅格地图对应的矢量化地图,实现了将获取的栅格地图转换为由矢量化线段和矢量化点组成的矢量化地图,不仅大大缩小了实际的存储量,节省了大量系统资源,还通过矢量化地图的形式来呈现实际环境中的栅格地图,从而保证了栅格地图反映的实际环境的真实性,进而避免了失真情况的发生。
Description
技术领域
本申请涉及栅格地图矢量化技术领域,尤其涉及一种栅格地图矢量化方法及设备。
背景技术
目前,移动机器人的使用越来越普遍,特别是家庭服务类和商场导购类机器人,自主定位与建图和导航是其实现移动服务的关键技术。地图构建是其中重要组成部分,地图的优化、存储和显示也是必不可少的。当前的服务机器人大部分还是简单的移动或不动,或是依据简单的超声和碰撞传感器随机运动,或参考惯性传感器相对式运动,不考虑构建环境地图,也就地图优化操作,这种系统运动往往比较随机,缺乏真正的认识地图和对任务的整体规划。另外带建图功能的移动机器人,利用激光构建的栅格地图依据栅格分辨率的划分类似像素图片,地图表示的环境信息会与实际有偏差,例如地图中直线段呈锯齿状,线段分层叠加,线段有噪点等问题。对于栅格三态(空白、障碍物、未知区域)灰色地图,按照全部栅格信息存储的方式显得冗余而且存储的数据量还大,对应栅格地图转化为图像显示在用户放大查看会显得失真不美观。
发明内容
本申请的一个目的是提供一种栅格地图矢量化方法及设备,解决了下现有技术中的栅格地图存储数据量大且失真的问题。
根据本申请的一个方面,提供了一种栅格地图矢量化方法,其中,所述方法包括:
对获取的栅格地图进行平滑处理,得到初始化栅格地图,其中,所述初始化栅格地图中包含至少一个栅格点;
基于所有所述栅格点,依序对所述初始化栅格地图进行线段提取和栅格点聚类,得到所述初始化栅格地图对应的矢量化线段和矢量化点;
根据所述矢量化线段和所述矢量化点,生成所述栅格地图对应的矢量化地图。
进一步地,上述方法中,所述对获取的栅格地图进行平滑处理,得到初始化栅格地图,其中,所述初始化栅格地图中包含至少一个栅格点,包括:
通过移动机器人中的激光雷达传感器,获取所述栅格地图;
依序对所述栅格地图进行图像膨胀和图像腐蚀的平滑处理,得到初始化栅格地图。
进一步地,上述方法中,所述基于所有所述栅格点,依序对所述初始化栅格地图进行线段提取和栅格点聚类,得到所述初始化栅格地图对应的矢量化线段和矢量化点,包括:
基于所有所述栅格点,对所述初始化栅格地图进行线段提取,得到所述初始化栅格地图对应的提取线段及其长度和两个端点的坐标,其中,所述提取线段包括至少一个;
基于所述提取线段的长度和两个端点的坐标,分别对每个所述提取线段进行矢量化处理,得到所述初始栅格地图对应的矢量化线段;
对所有所述栅格点中的、未被提取为所述提取线段的剩余栅格点,进行栅格点聚类,得到所述初始栅格地图对应的矢量化点。
进一步地,上述方法中,所述基于所述提取线段的长度和两个端点的坐标,分别对每个所述提取线段进行矢量化处理,得到所述初始栅格地图对应的矢量化线段,包括:
基于预设线段宽度,对所有所述提取线段中的、最长的提取线段进行矩形化处理,得到所述最长的提取线段对应的目标矩形;
基于所述提取线段的长度,按照从长到短的顺序,对所有所述提取线段中除所述最长的提取线段外、剩余的提取线段进行排序,得到对应的排序,其中,剩余提取线段包括至少一个;
基于所述剩余提取线段的两个端点的坐标、所述目标矩形及所述排序,对每个剩余提取线段进行矢量化处理,得到所述初始栅格地图对应的矢量化线段。
进一步地,上述方法中,所述基于所述剩余提取线段的两个端点的坐标、所述目标矩形及所述排序,对每个剩余提取线段进行矢量化处理,得到所述初始栅格地图对应的矢量化线段,包括:
从所述剩余提取线段中的最长的剩余提取线段开始,按照所述排序,依序将每个所述剩余提取线段确定为目标提取线段,重复如下步骤,直至所有所述剩余提取线段中的最短的剩余提取线段,得到所述初始栅格地图对应的矢量化线段:
目标提取线段的两个端点的坐标,计算所述目标提取线段的两个端点落在所述目标矩形内的数量;
根据所述数量,对所述目标提取线段进行相应的矢量化处理,得到所述目标提取线段对应在所述初始栅格地图上对应的矢量化线段。
进一步地,上述方法中,所述根据所述数量,对所述目标提取线段进行相应的矢量化处理,得到所述目标提取线段对应在所述初始栅格地图上对应的矢量化线段,包括:
若所述数量为两个,则将所述最长的提取线段确定为所述初始栅格地图上对应的矢量化线段,同时删除所述目标提取线段;
若所述数量为一个,则基于所述最长的提取线段与所述目标提取线段之间的夹角,对所述目标提取线段进行矢量化处理;
若所述数量为零个,则将所述最长的提取线段和所述目标提取线段均确定为所述初始栅格地图上对应的矢量化线段。
进一步地,上述方法中,所述基于所述最长的提取线段与所述目标提取线段之间的夹角,对所述目标提取线段进行矢量化处理,包括:
若所述夹角小于等于预设的夹角阈值,则延长所述最长的提取线段以对齐至所述目标提取线段中的、距所述最长的提取线段的最远端的端点处,并将拉长后的线段确定为所述初始栅格地图上对应的矢量化线段,同时删除所述目标提取线段;
若所述夹角大于所述预设的夹角阈值,则延长所述目标线段至与所述最长的提取线段的相交处,得到延长后的线段,将所述延长后的线段和所述最长的提取线段均确定为所述初始栅格地图上对应的矢量化线段。
进一步地,上述方法中,所述对所有所述栅格点中的、未被提取为所述提取线段的剩余栅格点,进行栅格点聚类,得到所述初始栅格地图对应的矢量化点,包括:
对所述栅格点中的、未被提取为所述提取线段的剩余栅格点进行栅格聚类,并基于预设的点矢量化规则对聚类后的栅格点进行过滤,得到过滤后的栅格点;
将所述过滤后的栅格点确定为所述初始栅格地图对应的矢量化点。
根据本申请的另一方面,还提供了一种非易失性存储介质,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行时,使所述处理器实现如上述栅格地图矢量化方法。
根据本申请的另一方面,还提供了一种城市道路规划设备,其中,所述设备包括:
一个或多个处理器;
非易失性存储介质,用于存储一个或多个计算机可读指令,
当所述一个或多个计算机可读指令被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述栅格地图矢量化方法。
与现有技术相比,本申请通过对获取的栅格地图进行平滑处理,得到初始化栅格地图,其中,所述初始化栅格地图中包含至少一个栅格点;接着基于所有所述栅格点,依序对所述初始化栅格地图进行线段提取和栅格点聚类,得到所述初始化栅格地图对应的矢量化线段和矢量化点;之后根据所述矢量化线段和所述矢量化点,生成所述栅格地图对应的矢量化地图,实现了将获取的栅格地图转换为由矢量化线段和矢量化点组成的矢量化地图,不仅大大缩小了实际的存储量,节省了大量系统资源,还通过矢量化地图的形式来呈现实际环境中的栅格地图,从而保证了栅格地图反映的实际环境的真实性,进而避免了失真情况的发生,在此,失真情况指的是栅格地图的图片在后期显示的时候,进行任意放大导致显示上的模糊不清楚(由于数码照片的基本单位是像素,当数码照片放大到超过原照片的像素上限值时,图像会呈现出马赛克的情况,导致图像失真),本申请用矢量化地图来指示真实环境中的栅格点构建的地图更加直接且保真,进而避免了失真情况的发送。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1示出根据本申请一个方面的一种栅格地图矢量化方法的流程示意图;
图2示出根据本申请一个方面的一种栅格地图矢量化方法中的一线段矢量化实际处理示意图;
图3示出根据本申请一个方面的一种栅格地图矢量化方法中的一线段矢量化又一实际处理示意图;
图4示出根据本申请一个方面的一种栅格地图矢量化方法中的一线段矢量化又一实际处理示意图;
图5示出根据本申请一个方面的一种栅格地图矢量化设备的结构示意图。
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
下面结合附图对本申请作进一步详细描述。
在本申请一个典型的配置中,终端、服务网络的设备和可信方均包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
如图1所示,本申请一实施例中提供了一种栅格地图矢量化方法,应用于将移动机器人所处环境中的栅格地图进行矢量化转换的过程中,,其中,该方法包括步骤S11、步骤S12和步骤S13,其中,具体包括:
步骤S11,通过对获取的栅格地图进行平滑处理,得到初始化栅格地图,其中,所述初始化栅格地图中包含至少一个栅格点;在此,所述步骤S11具体包括:通过移动机器人中的激光雷达传感器,获取所述栅格地图,依序对所述栅格地图进行图像膨胀和图像腐蚀的平滑处理,得到初始化栅格地图。例如,通过移动机器人中的激光雷达传感器采集该移动机器人所处的周围环境信息,根据该周围环境信息建立用于指示真实环境地图的栅格地图,该栅格地图可以为激光栅格地图,也可以是环境栅格地图;接着,先对栅格地图进行图像膨胀处理,在对膨胀处理之后的栅格地图进行图像腐蚀,减少栅格地铁中的噪声点,实现对栅格地图进行先膨胀后腐蚀的形态学滤波处理,达到对待矢量化的栅格地图进行图像平滑处理的目的,使得栅格地图的边缘相对平滑,实现对待矢量化的栅格地图的初始化。
本申请一实施例中,所述步骤S12基于所有所述栅格点,依序对所述初始化栅格地图进行线段提取和栅格点聚类,得到所述初始化栅格地图对应的矢量化线段和矢量化点,包括:
先基于所有所述栅格点,对所述初始化栅格地图进行线段提取,得到所述初始化栅格地图对应的提取线段及其长度和两个端点的坐标,其中,所述提取线段包括至少一个;
基于所述提取线段的长度和两个端点的坐标,分别对每个所述提取线段进行矢量化处理,得到所述初始栅格地图对应的矢量化线段;
对所有所述栅格点中的、未被提取为所述提取线段的剩余栅格点,进行栅格点聚类,得到所述初始栅格地图对应的矢量化点,实现了将对初始化栅格地图进行的线段提取等相应处理转化为线段和点的矢量化信息,进而得到能够表示栅格地图的矢量化线段和矢量化点。
本实施例中,所述步骤S12中的基于所有所述栅格点,对所述初始化栅格地图进行线段提取,得到所述初始化栅格地图对应的提取线段及其长度和两个端点的坐标,具体包括如下步骤一至步骤三:
步骤一、计算所述初始化栅格地图中的所有栅格点的梯度,得到每个栅格点对应的梯度值,其中,梯度值用于表示当前栅格点的边缘化程度,梯度值越大,当前栅格点越容易被提取为线段上的点;
步骤二、对初始化栅格地图中的所有栅格点对应的梯度值进行从大到小的排序,得到梯度值顺序;
步骤三、从所有栅格点中的、梯度值最大的栅格点开始,重复如下步骤,直至所有栅格点中的、梯度值最小的栅格点,得到所述初始化栅格地图对应的提取线段:
对当前栅格点进行八邻域(例如左、右、上、下、左上、左下、右上及右下)栅格扩展分析,挑选出满足预设的梯度方向值阈值的邻近栅格点(例如,梯度方向值小于等于预设的梯度方向值阈值的挑选出来),该邻近栅格点可以为一个,也可以为多个;根据挑选出来的邻近栅格点和当前栅格点生成一个栅格区块;
对所述栅格区块进行矩形化分析;
判断是否对所述栅格区块进行矩形化分析成功,
若是,则计算所述栅格区块的参数信息,其中,所述参数信息包括区块的主方向、区块的长度及区块的宽度等,并根据该参数信息对所述栅格区块进行线段提取,得到对应的提取线段及其长度和该提取线段的两个端点的坐标,其中,该提取线段的两个端点的坐标由该栅格区块内所包含的邻近栅格点的坐标计算得到;
若否,则获取当前栅格点的下一栅格点来作为更新后的当前栅格点。
本实施例中,通过上述步骤一至步骤三,实现了对初始化栅格地图中的所有栅格点的八邻域栅格点扩展分析,进而达到了对初始化栅格地图中的栅格点进行线段提取的目的。
本申请实施例中,在对初始化栅格地图进行线段提取完成之后,所述步骤S12中的基于所述提取线段的长度和两个端点的坐标,分别对每个所述提取线段进行矢量化处理,得到所述初始栅格地图对应的矢量化线段,具体包括:
基于预设线段宽度,对所有所述提取线段中的、最长的提取线段进行矩形化处理,得到所述最长的提取线段对应的目标矩形;此处,所述预设线段宽度由用户根据实际应用场景需求而设置的,以便用于对所有提取线段中的最长的提取线段进行矩形化处理,即根据该预设线段宽度,将所有提取线段中的最长的提取线段矩形化处理为对应的一目标矩形,例如图2中所示的将线段A(最长的提取线段A)矩形化处理为目标矩形B,实现对线段的矩形化转化;
基于所述提取线段的长度,按照从长到短的顺序,对所有所述提取线段中除所述最长的提取线段外、剩余的提取线段进行排序,得到对应的排序,其中,剩余提取线段包括至少一个;在此,例如所有的提取线段包括线段1、线段2、……、线段N,其中,所有的N个提取线段中的最长的提取线段为线段3(即最长的提取线段A),在所有的N个提取线段中,按照每条提取线段的长度,对除了所述最长的提取线段(线段3)外、剩余的提取线段进行排序,即对线段1、线段2、线段4、线段5、……、线段N进行排序,得到对应的排序:线段4、线段7、线段(N-2)、线段12、……、线段N、线段21、……线段2;
之后,再基于所述剩余提取线段的两个端点的坐标、所述目标矩形及所述排序,对每个所述剩余提取线段进行矢量化处理,得到所述初始栅格地图对应的矢量化线段,以实现对所有的提取线段的矢量化处理。
本实施例中,以便更好地实现对所有的提取线段的矢量化处理,所述步骤S12中的基于所述剩余提取线段的两个端点的坐标、所述目标矩形及所述排序,对每个剩余提取线段进行矢量化处理,得到所述初始栅格地图对应的矢量化线段,具体包括:
从所述剩余提取线段中的最长的剩余提取线段开始,按照所述排序,依序将每个所述剩余提取线段确定为目标提取线段,重复如下步骤,直至所有所述剩余提取线段中的最短的剩余提取线段,得到所述初始栅格地图对应的矢量化线段:
目标提取线段的两个端点的坐标,计算所述目标提取线段的两个端点落在所述目标矩形内的数量;
根据所述数量,对所述目标提取线段进行相应的矢量化处理,得到所述目标提取线段对应在所述初始栅格地图上对应的矢量化线段。
例如,从所述剩余提取线段中的最长的剩余提取线段开始,即从所有的剩余提取线段:线段4、线段7、线段(N-2)、线段12、……、线段N、线段21、……线段2中的最长的剩余提取线段(线段4)开始,将该线段4确定为目标提取线段C,根据该目标提取线段C(线段4)的两个端点的坐标,计算并判断该目标提取线段C(线段4)的两个端点落在该目标矩形B内的情况,得到该目标提取线段C(线段4)的两个端点落在目标矩形B内的端点的数量,之后,根据落入目标矩形B内的端点的数量,对该目标提取线段C(线段4)进行相应的矢量化分析处理,得到该目标提取线段C(线段4)在初始栅格地图上对应的矢量化线段,实现对该目标提取线段C(线段4)和目标矩形B对应的最长的提取线段A的矢量化处理;依此类推,按照所有剩余提取线段的长度的排序,依序对所有剩余提取线段进行上述对目标提取线段C(线段4)的矢量化处理过程,进而实现对所有的剩余提取线段的矢量化处理。
本实施例中,所述步骤S12中的根据目标提取线段的两个端点落在该目标矩形B内的情况(所述数量的取值),对所述目标提取线段进行相应的矢量化处理,得到所述目标提取线段对应在所述初始栅格地图上对应的矢量化线段,具体包括以下三种情况:
情况一、若目标提取线段C(线段4)的两个端点落在该目标矩形B内的数量为两个,如图2所示的目标提取线段C(线段4)的两个端点均落在目标矩形B内,则将所述最长的提取线段(线段3)确定为所述初始栅格地图上对应的矢量化线段,同时删除所述目标提取线段C(线段4),由于当前最长的提取线段(线段3)所对应的目标矩形B能够指示且反映该目标提取线段C(线段4),故将目标提取线段C(线段4)合并至最长的提取线段(线段3)所对应的目标矩形B内,以实现对处于目标矩形B内的提取线段的矢量化处理;
情况二、若目标提取线段C(线段4)的两个端点落在该目标矩形B内的数量为一个,如图3所示的目标提取线段C(线段4)的其中一个端点落在目标矩形B内,则分析该目标提取线段C(线段4)与最长的提取线段(线段3)之间的梯度大小关系,以计算得到该目标提取线段C(线段4)与最长的提取线段(线段3)之间的夹角,并基于所述最长的提取线段(线段3)与所述目标提取线段C(线段4)之间的夹角,对所述目标提取线段C(线段4)进行矢量化处理;当所述夹角小于等于预设的夹角阈值,则如图3中所示的延长所述最长的提取线段(线段3)以对齐至所述目标提取线段C(线段4)中的、距所述最长的提取(线段3)的最远端的端点处,并将拉长后的线段(如图3中的被延长、处理后的线段)确定为所述初始栅格地图上对应的矢量化线段,同时删除所述目标提取线段;若所述夹角大于所述预设的夹角阈值,则如图4中所示的延长所述目标线段C(线段4)至与所述最长的提取线段(线段3)的相交处,得到延长后的线段(对应线段4被延长后的线段),将所述延长后的线段(对应线段4被延长后的线段)和所述最长的提取线段(线段3)均确定为所述初始栅格地图上对应的矢量化线段。
情况三、若目标提取线段C(线段4)的两个端点均没有落在目标矩形B内,即目标提取线段C(线段4)的两个端点落在该目标矩形B内的数量为零个,则将所述最长的提取线段(线段3)和所述目标提取线段(线段4)均确定为所述初始栅格地图上对应的矢量化线段。
本申请一实施例中,在步骤S12中将所述初始栅格地图中的所有的栅格点(若初始栅格地图包括M个栅格点)进行线段提取,得到对应的提取线段:线段1、线段2、线段3、……、线段N之后,在所有的M个栅格点中进行线段提取(线段1、线段2、线段3、……、线段N)后,所有的M个栅格点中、未被提取为提取线段(线段1、线段2、线段3、……、线段N)的剩余栅格点为:栅格点4、栅格点9、栅格点37、……、栅格点(M-4)及栅格点M,之后,所述步骤S12中的对所有所述栅格点中的、未被提取为所述提取线段的剩余栅格点,进行栅格点聚类,得到所述初始栅格地图对应的矢量化点,包括:
对所述栅格点中的、未被提取为所述提取线段的剩余栅格点进行栅格聚类,并基于预设的点矢量化规则对聚类后的栅格点进行过滤,得到过滤后的栅格点;
将所述过滤后的栅格点确定为所述初始栅格地图对应的矢量化点。
例如,对所有的剩余栅格点:栅格点4、栅格点9、栅格点37、……、栅格点(M-4)及栅格点M进行栅格点聚类,得到聚类区域及其聚类区域内的所包含的栅格点,并基于预设的点矢量化规则对聚类后的聚类区域内的栅格点进行过滤,过滤掉不满足预设的点矢量化规则的栅格点,得到过滤后的栅格点,并将过滤后的栅格点确定为所述初始栅格地图对应的矢量化点,实现对所有的栅格点中的、未被提取为提取线段的剩余栅格点的点矢量化处理。
在本申请的上述所有实施例中,通过步骤S11至步骤S13实现获取通过移动机器人中的激光雷达传感器采集的所有的栅格点构建的栅格地图,依序对栅格地图进行先图像膨胀后图像腐蚀的平滑处理,使栅格地图的边缘平滑化,得到初始化栅格地图;之后对初始化栅格地图中的所有栅格点进行线段提取,并对提取线段进行矢量化处理,得到初始化栅格地图对应的矢量化线段;接着,将初始化栅格地图中的所有栅格点中的、未被提取为提取线段的剩余栅格点进行栅格聚类,并基于预设的点矢量化规则对聚类后的栅格点进行过滤,得到过滤后的栅格点;将所述过滤后的栅格点确定为所述初始栅格地图对应的矢量化点,实现将栅格地图转化为矢量化线段和矢量化点,得到所述初始化栅格地图对应的矢量化线段和矢量化点;最后,根据所述矢量化线段和所述矢量化点,生成所述栅格地图对应的矢量化地图,实现了将获取的栅格地图转换为由矢量化线段和矢量化点组成的矢量化地图,不仅大大缩小了实际的存储量,节省了大量系统资源,还通过矢量化地图的形式来呈现实际环境中的栅格地图,从而保证了栅格地图反映的实际环境的真实性,进而避免了失真情况的发生,在此,失真情况指的是栅格地图的图片在后期显示的时候,进行任意放大导致显示上的模糊不清楚(由于数码照片的基本单位是像素,当数码照片放大到超过原照片的像素上限值时,图像会呈现出马赛克的情况,导致图像失真),本申请用矢量化地图来指示真实环境中的栅格点构建的地图更加直接且保真,进而避免了失真情况的发送。
如图5所示,本申请一实施例中提供了一种栅格地图矢量化设备,该设备包括栅格地图获取装置、初始化装置、线段提取装置及栅格点聚类装置,其中,
栅格地图获取装置,用于通过移动机器人中的激光雷达传感器,获取所述栅格地图;
初始化装置,用于依序对所述栅格地图进行图像膨胀和图像腐蚀的平滑处理,得到初始化栅格地图,其中,所述初始化栅格地图中包含至少一个栅格点;
线段提取装置,用于基于所有所述栅格点,对所述初始化栅格地图进行线段提取,得到所述初始化栅格地图对应的提取线段及其长度和两个端点的坐标,其中,所述提取线段包括至少一个;基于所述提取线段的长度和两个端点的坐标,分别对每个所述提取线段进行矢量化处理,得到所述初始栅格地图对应的矢量化线段;
栅格点聚类装置,用于对所有所述栅格点中的、未被提取为所述提取线段的剩余栅格点,进行栅格点聚类,得到所述初始栅格地图对应的矢量化点;
矢量化地图生成装置,用于根据所述矢量化线段和所述矢量化点,生成所述栅格地图对应的矢量化地图,实现了将获取的栅格地图转换为由矢量化线段和矢量化点组成的矢量化地图,不仅大大缩小了实际的存储量,节省了大量系统资源,还通过矢量化地图的形式来呈现实际环境中的栅格地图,从而保证了栅格地图反映的实际环境的真实性,进而避免了失真情况的发送。
根据本申请的另一方面,还提供了一种非易失性存储介质,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行时,使所述处理器实现如上述栅格地图矢量化方法。
根据本申请的另一方面,还提供了一种栅格地图矢量化设备,其中,所述设备包括:
一个或多个处理器;
非易失性存储介质,用于存储一个或多个计算机可读指令,
当所述一个或多个计算机可读指令被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述栅格地图矢量化方法。
在此,所述用于栅格地图矢量化设备中的各实施例的详细内容,具体可参见该用于栅格地图矢量化设备端的方法实施例的对应部分,在此,不再赘述。
综上所述,本申请通过对获取的栅格地图进行平滑处理,得到初始化栅格地图,其中,所述初始化栅格地图中包含至少一个栅格点;接着基于所有所述栅格点,依序对所述初始化栅格地图进行线段提取和栅格点聚类,得到所述初始化栅格地图对应的矢量化线段和矢量化点;之后根据所述矢量化线段和所述矢量化点,生成所述栅格地图对应的矢量化地图,实现了将获取的栅格地图转换为由矢量化线段和矢量化点组成的矢量化地图,不仅大大缩小了实际的存储量,节省了大量系统资源,还通过矢量化地图的形式来呈现实际环境中的栅格地图,从而保证了栅格地图反映的实际环境的真实性,进而避免了失真情况的发生。
需要注意的是,本申请可在软件和/或软件与硬件的组合体中被实施,例如,可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中,本申请的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地,本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中,例如,RAM存储器,磁或光驱动器或软磁盘及类似设备。另外,本申请的一些步骤或功能可采用硬件来实现,例如,作为与处理器配合从而执行各个步骤或功能的电路。
另外,本申请的一部分可被应用为计算机程序产品,例如计算机程序指令,当其被计算机执行时,通过该计算机的操作,可以调用或提供根据本申请的方法和/或技术方案。而调用本申请的方法的程序指令,可能被存储在固定的或可移动的记录介质中,和/或通过广播或其他信号承载媒体中的数据流而被传输,和/或被存储在根据所述程序指令运行的计算机设备的工作存储器中。在此,根据本申请的一个实施例包括一个装置,该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器,其中,当该计算机程序指令被该处理器执行时,触发该装置运行基于前述根据本申请的多个实施例的方法和/或技术方案。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其他的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
Claims (7)
1.一种栅格地图矢量化方法,其中,所述方法包括:
对获取的栅格地图进行平滑处理,得到初始化栅格地图,其中,所述初始化栅格地图中包含至少一个栅格点,包括:通过移动机器人中的激光雷达传感器,获取所述栅格地图,依序对所述栅格地图进行图像膨胀和图像腐蚀的平滑处理,得到初始化栅格地图;
基于所有所述栅格点,依序对所述初始化栅格地图进行线段提取和栅格点聚类,得到所述初始化栅格地图对应的矢量化线段和矢量化点,包括:基于所有所述栅格点,对所述初始化栅格地图进行线段提取,得到所述初始化栅格地图对应的提取线段及其长度和两个端点的坐标,其中,所述提取线段包括至少一个;基于所述提取线段的长度和两个端点的坐标,分别对每个所述提取线段进行矢量化处理,得到所述初始栅格地图对应的矢量化线段,其中,包括:基于预设线段宽度,对所有所述提取线段中的、最长的提取线段进行矩形化处理,得到所述最长的提取线段对应的目标矩形,基于所述提取线段的长度,按照从长到短的顺序,对所有所述提取线段中除所述最长的提取线段外、剩余的提取线段进行排序,得到对应的排序,其中,剩余提取线段包括至少一个,基于所述剩余提取线段的两个端点的坐标、所述目标矩形及所述排序,对每个剩余提取线段进行矢量化处理,得到所述初始栅格地图对应的矢量化线段;对所有所述栅格点中的、未被提取为所述提取线段的剩余栅格点,进行栅格点聚类,得到所述初始栅格地图对应的矢量化点;
根据所述矢量化线段和所述矢量化点,生成所述栅格地图对应的矢量化地图。
2.根据权利要求1所述的方法,其中,所述基于所述剩余提取线段的两个端点的坐标、所述目标矩形及所述排序,对每个剩余提取线段进行矢量化处理,得到所述初始栅格地图对应的矢量化线段,包括:
从所述剩余提取线段中的最长的剩余提取线段开始,按照所述排序,依序将每个所述剩余提取线段确定为目标提取线段,重复如下步骤,直至所有所述剩余提取线段中的最短的剩余提取线段,得到所述初始栅格地图对应的矢量化线段:
目标提取线段的两个端点的坐标,计算所述目标提取线段的两个端点落在所述目标矩形内的数量;
根据所述数量,对所述目标提取线段进行相应的矢量化处理,得到所述目标提取线段对应在所述初始栅格地图上对应的矢量化线段。
3.根据权利要求2所述的方法,其中,所述根据所述数量,对所述目标提取线段进行相应的矢量化处理,得到所述目标提取线段对应在所述初始栅格地图上对应的矢量化线段,包括:
若所述数量为两个,则将所述最长的提取线段确定为所述初始栅格地图上对应的矢量化线段,同时删除所述目标提取线段;
若所述数量为一个,则基于所述最长的提取线段与所述目标提取线段之间的夹角,对所述目标提取线段进行矢量化处理;
若所述数量为零个,则将所述最长的提取线段和所述目标提取线段均确定为所述初始栅格地图上对应的矢量化线段。
4.根据权利要求3所述的方法,其中,所述基于所述最长的提取线段与所述目标提取线段之间的夹角,对所述目标提取线段进行矢量化处理,包括:
若所述夹角小于等于预设的夹角阈值,则延长所述最长的提取线段以对齐至所述目标提取线段中的、距所述最长的提取线段的最远端的端点处,并将拉长后的线段确定为所述初始栅格地图上对应的矢量化线段,同时删除所述目标提取线段;
若所述夹角大于所述预设的夹角阈值,则延长所述目标线段至与所述最长的提取线段的相交处,得到延长后的线段,将所述延长后的线段和所述最长的提取线段均确定为所述初始栅格地图上对应的矢量化线段。
5.根据权利要求1所述的方法,其中,所述对所有所述栅格点中的、未被提取为所述提取线段的剩余栅格点,进行栅格点聚类,得到所述初始栅格地图对应的矢量化点,包括:
对所述栅格点中的、未被提取为所述提取线段的剩余栅格点进行栅格聚类,并基于预设的点矢量化规则对聚类后的栅格点进行过滤,得到过滤后的栅格点;
将所述过滤后的栅格点确定为所述初始栅格地图对应的矢量化点。
6.一种非易失性存储介质,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行时,使所述处理器实现如权利要求1至5中任一项所述的方法。
7.一种栅格地图矢量化设备,其中,所述设备包括:
一个或多个处理器;
非易失性存储介质,用于存储一个或多个计算机可读指令,
当所述一个或多个计算机可读指令被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1至5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810112505.5A CN108573510B (zh) | 2018-02-05 | 2018-02-05 | 一种栅格地图矢量化方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810112505.5A CN108573510B (zh) | 2018-02-05 | 2018-02-05 | 一种栅格地图矢量化方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108573510A CN108573510A (zh) | 2018-09-25 |
CN108573510B true CN108573510B (zh) | 2022-06-28 |
Family
ID=63576594
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810112505.5A Active CN108573510B (zh) | 2018-02-05 | 2018-02-05 | 一种栅格地图矢量化方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108573510B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109509234B (zh) * | 2018-10-09 | 2023-04-07 | 天津科技大学 | 一种基于城区建筑群高清栅格地图矢量化的方法 |
CN111489411B (zh) * | 2019-01-29 | 2023-06-20 | 北京百度网讯科技有限公司 | 线条绘制方法、装置、图像处理器、显卡及车辆 |
CN111400524B (zh) * | 2020-03-03 | 2023-05-26 | 中国地质大学(北京) | 一种基于ai的可变尺度地质图文本矢量化方法及系统 |
Citations (10)
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 |
CN101751449A (zh) * | 2009-09-16 | 2010-06-23 | 中国科学院计算技术研究所 | 一种用于地理信息系统中的空间叠加分析方法和系统 |
CN102332168A (zh) * | 2011-09-08 | 2012-01-25 | 南京大学 | 一种基于v图的栅格地图矢量化方法 |
CN102800052A (zh) * | 2012-06-13 | 2012-11-28 | 浙江大学 | 非标准地图的半自动数字化方法 |
CN102930561A (zh) * | 2012-10-22 | 2013-02-13 | 南京大学 | 一种基于Delaunay三角网的栅格地图矢量化方法 |
CN103345774A (zh) * | 2013-07-17 | 2013-10-09 | 中国人民解放军第三军医大学 | 一种三维多尺度矢量化的建模方法 |
CN105302136A (zh) * | 2015-09-23 | 2016-02-03 | 上海物景智能科技有限公司 | 一种基于清洁机器人的区域分割方法 |
CN105469094A (zh) * | 2015-11-28 | 2016-04-06 | 重庆交通大学 | 一种路面二值图像的边缘矢量线提取算法 |
CN106529431A (zh) * | 2016-10-31 | 2017-03-22 | 武汉大学 | 基于车载激光扫描数据的路坎点自动提取及矢量化方法 |
CN107564078A (zh) * | 2016-06-30 | 2018-01-09 | 中国电力科学研究院 | 一种带有干扰像素的栅格分区图自动矢量化方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101853514B (zh) * | 2009-04-02 | 2011-10-05 | 肖克炎 | 彩色地质图图像的交互式矢量化方法及其系统 |
US9558574B2 (en) * | 2012-02-20 | 2017-01-31 | Autodesk, Inc. | Method and system for conflating raster and vector data |
-
2018
- 2018-02-05 CN CN201810112505.5A patent/CN108573510B/zh active Active
Patent Citations (10)
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 |
CN101751449A (zh) * | 2009-09-16 | 2010-06-23 | 中国科学院计算技术研究所 | 一种用于地理信息系统中的空间叠加分析方法和系统 |
CN102332168A (zh) * | 2011-09-08 | 2012-01-25 | 南京大学 | 一种基于v图的栅格地图矢量化方法 |
CN102800052A (zh) * | 2012-06-13 | 2012-11-28 | 浙江大学 | 非标准地图的半自动数字化方法 |
CN102930561A (zh) * | 2012-10-22 | 2013-02-13 | 南京大学 | 一种基于Delaunay三角网的栅格地图矢量化方法 |
CN103345774A (zh) * | 2013-07-17 | 2013-10-09 | 中国人民解放军第三军医大学 | 一种三维多尺度矢量化的建模方法 |
CN105302136A (zh) * | 2015-09-23 | 2016-02-03 | 上海物景智能科技有限公司 | 一种基于清洁机器人的区域分割方法 |
CN105469094A (zh) * | 2015-11-28 | 2016-04-06 | 重庆交通大学 | 一种路面二值图像的边缘矢量线提取算法 |
CN107564078A (zh) * | 2016-06-30 | 2018-01-09 | 中国电力科学研究院 | 一种带有干扰像素的栅格分区图自动矢量化方法 |
CN106529431A (zh) * | 2016-10-31 | 2017-03-22 | 武汉大学 | 基于车载激光扫描数据的路坎点自动提取及矢量化方法 |
Non-Patent Citations (1)
Title |
---|
栅格地图矢量化关键技术研究;邹修明;《中国优秀博硕士学位论文全文数据库(硕士) 基础科学辑》;20021215(第02期);A008-9 * |
Also Published As
Publication number | Publication date |
---|---|
CN108573510A (zh) | 2018-09-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107677279B (zh) | 一种定位建图的方法及系统 | |
JP2020042803A (ja) | 3次元データの処理方法、装置、機器及び記憶媒体 | |
CN110866449A (zh) | 识别道路中目标对象的方法和装置 | |
CN109190573B (zh) | 应用于无人驾驶车辆的地面检测方法、电子设备、车辆 | |
CN108573510B (zh) | 一种栅格地图矢量化方法及设备 | |
CN111445472B (zh) | 激光点云地面分割方法、装置、计算设备及存储介质 | |
CN109118456B (zh) | 图像处理方法和装置 | |
CN111583417B (zh) | 一种图像语义和场景几何联合约束的室内vr场景构建的方法、装置、电子设备和介质 | |
CN112507938A (zh) | 一种文本图元的几何特征计算方法及识别方法、装置 | |
CN114638996A (zh) | 基于对抗学习的模型训练方法、装置、设备和存储介质 | |
CN108228904B (zh) | 用于输出信息的方法和装置 | |
CN115830073A (zh) | 地图要素重建方法、装置、计算机设备和存储介质 | |
KR101768913B1 (ko) | 지리 정보 데이터 분할 방법, 분할 장치 및 이를 수행하는 프로그램을 기록하는 기록매체 | |
JP5142151B2 (ja) | 地図情報処理装置、地図情報処理方法、およびプログラム | |
CN111078812B (zh) | 围栏的生成方法、装置和电子设备 | |
JP7239053B2 (ja) | 生成装置、生成方法及び生成プログラム | |
CN114674328A (zh) | 地图生成方法、装置、电子设备、存储介质、及车辆 | |
CN110119721B (zh) | 用于处理信息的方法和装置 | |
CN113658203A (zh) | 建筑物三维轮廓提取及神经网络的训练方法和装置 | |
CN114241044A (zh) | 回环检测方法、装置、电子设备和计算机可读介质 | |
CN113971734A (zh) | 目标对象检测方法、装置、电子设备及存储介质 | |
Chu et al. | Convergent application for trace elimination of dynamic objects from accumulated lidar point clouds | |
JP2021089158A (ja) | 風向風速推定装置、風向風速推定方法、および風向風速推定プログラム | |
CN112001965B (zh) | 一种用于目标建筑圈边界圈定的方法、装置及设备 | |
US20230401691A1 (en) | Image defect detection method, electronic device and readable storage medium |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |