CN108680176A - 一种盲人导航避障地图的生成方法 - Google Patents

一种盲人导航避障地图的生成方法 Download PDF

Info

Publication number
CN108680176A
CN108680176A CN201810471038.5A CN201810471038A CN108680176A CN 108680176 A CN108680176 A CN 108680176A CN 201810471038 A CN201810471038 A CN 201810471038A CN 108680176 A CN108680176 A CN 108680176A
Authority
CN
China
Prior art keywords
event
barrier
ordinary user
avoidance
doubtful
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.)
Pending
Application number
CN201810471038.5A
Other languages
English (en)
Inventor
张汝民
刘志励
杨丰
杨一丰
陈建文
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201810471038.5A priority Critical patent/CN108680176A/zh
Publication of CN108680176A publication Critical patent/CN108680176A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G01C21/32—Structuring or formatting of map data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Navigation (AREA)

Abstract

本发明公开了一种盲人导航避障地图的生成方法，普通用户利用GPS进行导航，遇到障碍物时进行局部避障，移动终端检测局部避障时产生的位姿数据并采集局部避障时的环境图像，云端服务器利用所述位姿数据和图像在普通地图上标记障碍物区域，形成盲人导航避障地图；与现有导盲技术不同，本发明通过记录大量普通用户的行进路径及遇到障碍物时避障路线来生成导航避障地图，无需用户穿戴其他任何导盲设备，大大降低盲人使用时的负担，只需要一台移动终端即可辅助盲人出行。

Description

一种盲人导航避障地图的生成方法
技术领域
本发明涉及导航领域，具体涉及一种盲人导航避障地图的生成方法。
背景技术
据2016年10月央视网数据，2016年我国视力障碍残疾人有1731万，约占全球的50％，并在以每年约40万人的速度持续增长。说明对于我国视力障碍人士人数众多，社会各界应给予足够的关怀与照顾。导盲犬动辄十几万的费用让一般盲人家庭很难承受，所以目前我国的视力障碍人士主要还是靠导盲棒出行。目前已有不少基于红外线、雷达等的盲人导盲系统，但是这些传感器价格较高，集成后的设备体积庞大不便携，操作复杂；除此之外，这些系统在障碍检测到障碍，需要一定时间的计算才能得到避障措施，这样的避障方式效率较低。
目前我国城市道路状况相对比较复杂，道路变化较多。所以，正常人出行导航已经是必备产品，像百度地图与高德地图等导航地图为人们的出行提供了极大的便利，节省了大量的时间。然而，目前道路上时常出现一些常在的障碍物，比如垃圾桶与树木等，同时，还会出现一些短时障碍物，如临时堆放的沙土堆等，这些均对于盲人出行安全有极大的威胁。出行受阻，导致视力障碍人士日常生活和社交活动很难进行。
发明内容
本发明的目的在于：提供一种盲人导航避障地图的生成方法，解决了目前无法有效生成用于盲人导航地图的技术问题。
本发明采用的技术方案如下：
一种盲人导航避障地图的生成方法，普通用户利用GPS进行导航，遇到障碍物时进行局部避障，移动终端检测局部避障时产生的位姿数据并采集局部避障时的环境图像，云端服务器利用所述位姿数据和图像在普通地图上标记障碍物区域，形成盲人导航避障地图。
进一步的，具体步骤如下：
步骤1：普通用户利用移动终端调用GPS规划导航路径；
步骤2：移动终端调用IMU，检测普通用户在根据导航路径运动时产生的位姿数据并发送至云端服务器；
步骤3：所述云端服务器根据所述位姿数据判断该普通用户是否躲避障碍物，若是则利用所述位姿数据计算疑似障碍物区域，否则不进行计算；
步骤4：对后续通过所述疑似障碍物区域的普通用户，其移动终端调用摄像头进行图像采集，同时调用所述IMU检测位姿数据；
步骤5：所述云端服务器利用采集的图像以及位姿数据判断该疑似障碍物区域是否存在障碍物，若存在，服务器对该疑似障碍物区域进行标记并计算实际障碍物区域；否则不进行标记或去除标记。
进一步的，所述步骤3中是否躲避障碍物的判断方法为：
S31：滑动窗口在位姿数据上依次滑动，截取一段位姿数据，所述滑动窗口的大小为Q个数据量；
S32：所述Q个位姿数据按时间先后均分为两组；
S33：分别计算两组数据的均值，求两组均值的差值，若差值的绝对值超过角度阈值，则普通用户进行有效转身，即具有躲避障碍物的行为；若差值的绝对值未超过角度阈值，则普通用户未进行有效转身，即不具有躲避障碍物的行为。
进一步的，所述步骤3中疑似障碍物区域的计算方法为：将所述第一次身体朝向改变位置设为圆心，将第一次身体朝向改变和第二次身体朝向改变的距离设定为半径，所述圆心和半径形成的圆形区域为疑似障碍物区域。
进一步的，所述步骤5的具体步骤如下：
S51：将第二个经过所述疑似障碍物区域的普通用户采集的图像作为初始图像，存放于子集M中；
S52：提取后续经过所述疑似障碍物区域的普通用户采集图像的SURF特征，将所述特征与子集M中所有图像的SURF特征集合进行相似性比较，若相似性程度超过阈值，则将该图像存入M中，否则存入子集N中；
S53：利用所述子集M和子集N计算所述疑似障碍物区域中是否存在障碍物的概率，计算公式如下：
其中，M表示子集M中照片的张数，N表示子集N中照片的张数；
S54：利用所述概率Ps|t判断疑似障碍物区域最终是否有障碍物；若存在障碍物则进行标记并利用位姿数据计算实际障碍物区域，否则不进行标记或去除标记。
进一步的，所述步骤S53中判断是否有障碍物的方法为：
设空间{S1，S2}，
事件S1表示普通用户经过所述疑似障碍物区域但未改变身体朝向的情况，概率为：
Lj(S1)＝1-Pt；
事件S2表示普通用户经过所述疑似障碍物区域改变身体朝向的情况，概率为：
Lj(S2)＝Pt；
设S2＝{H1，H2}，
事件H1表示障碍物真实存在且普通用户改变身体朝向的情况，概率为：
Lj(H1)＝Pt*Ps|t；
事件H2表示障碍物不存在且普通用户改变身体朝向的情况，概率为：
Lj(H2)＝(1-Ps|t)*Pt；
则事件H1和事件H2出现的概率为：
其中，W表示和值，m表示经过所述疑似障碍物区域的用户数量，n表示检测到躲避障碍物的用户数量，k表示第j个普通用户的第k种行为，i表示事件S2中出现的情况的序号；
所述事件H1发生的最小概率值为BEL(H1)＝L(H1)，所述事件H1发生的最大概率值为PEL＝L(H1)+L(S2)，则事件H1发生的可信度为CONF(H1)＝(BEL(H1)+PEL(H1))/2：
所述事件H2发生的可信度为：CONF(H2)＝(BEL(H2)+PEL(H2))/2；
所述事件S1发生的可信度为：CONF(S1)＝(BEL(S1)+PEL(S1))/2；
所述事件S2发生的可信度为：CONF(S2)＝(BEL(S2)+PEL(S2))/2；
若事件H1可信度大于事件S1、事件S2和事件H2的可信度，则障碍物实际出现，否则未出现。
进一步的，所述步骤S54中实际障碍物区域的计算方法：
令普通用户第一次改变身体朝向时的位置为(x1，y1)，第二次身体朝向改变时的位置为(x2，y2)，以所述两个位置连接成的线段为弦，计算圆心(xp，yp)与半径rp，其中p表示弦的序号；令实际障碍物区域的圆心为(x，y)，则
所述实际障碍物区域的半径R为：
其中，q表示求出的圆心和半径的总个数；
即所述实际障碍物区域为以(x，y)为圆心，R为半径，覆盖所有弦的半圆为实际障碍物区域。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
与现有导盲技术不同，本发明通过记录大量正常用户的行进路径及遇到障碍物的避障路线来生成导航避障地图，无需用户穿戴其他任何导盲设备，大大降低盲人使用时的负担，只需要一台移动终端即可辅助盲人出行。
在遇到疑似障碍时，通过分析IMU数据和分析图像来进行双重验证障碍存在的可能性，提高了生成地图的可靠性和有效性。
本发明利用统计学规律，不仅在初始时可以标记障碍物存在的地点，同时也能在障碍物消失之后，精确检测障碍物的消失，并且将信息反馈给盲人用户。
在安全性方面，由于统计计算了所有用户的避障路径以及避障区域，并且最后的障碍物区域覆盖所有避障路径，因此盲人用户使用时有足够的避障空间以及安全的路径规划。
同时，在建图的过程中，提高了社会对盲人群体的关注，也协助盲人群体，更加便利以及安全的生活。
附图说明
本发明将通过例子并参照附图的方式说明，其中：
图1是本发明的整体流程图；
图2是本发明中IMU的架构图；
图3是具体实施例2中盲人用户运动至障碍物标记区域的边缘时的示意图。
具体实施方式
本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。
下面结合图1-3对本发明作详细说明。
一种盲人导航避障地图的生成方法，普通用户利用GPS进行导航，遇到障碍物时进行局部避障，移动终端检测局部避障时产生的位姿数据并采集局部避障时的环境图像，云端服务器利用所述位姿数据和图像在普通地图上标记障碍物区域，形成盲人导航避障地图。
进一步的，具体步骤如下：
步骤1：普通用户利用移动终端调用GPS规划导航路径；
步骤2：移动终端调用IMU，检测普通用户在根据导航路径运动时产生的位姿数据并发送至云端服务器；
步骤3：所述云端服务器根据所述位姿数据判断该普通用户是否躲避障碍物，若是则利用所述位姿数据计算疑似障碍物区域，否则不进行计算；
步骤4：对后续通过所述疑似障碍物区域的普通用户，其移动终端调用摄像头进行图像采集，同时调用所述IMU检测位姿数据；
步骤5：所述云端服务器利用采集的图像以及位姿数据判断该疑似障碍物区域是否存在障碍物，若存在，服务器对该疑似障碍物区域进行标记并计算实际障碍物区域；否则不进行标记或去除标记。
进一步的，所述步骤3中是否躲避障碍物的判断方法为：
S31：滑动窗口在位姿数据上依次滑动，截取一段位姿数据，所述滑动窗口的大小为Q个数据量；
S32：所述Q个位姿数据按时间先后均分为两组；
S33：分别计算两组数据的均值，求两组均值的差值，若差值的绝对值超过角度阈值，则普通用户进行有效转身，即具有躲避障碍物的行为；若差值的绝对值未超过角度阈值，则普通用户未进行有效转身，即不具有躲避障碍物的行为。
进一步的，所述步骤3中疑似障碍物区域的计算方法为：将所述第一次身体朝向改变位置设为圆心，将第一次身体朝向改变和第二次身体朝向改变的距离设定为半径，所述圆心和半径形成的圆形区域为疑似障碍物区域。
进一步的，所述步骤5的具体步骤如下：
S51：将第二个经过所述疑似障碍物区域的普通用户采集的图像作为初始图像，存放于子集M中；
S52：提取后续经过所述疑似障碍物区域的普通用户采集图像的SURF特征，将所述特征与子集M中所有图像的SURF特征集合进行相似性比较，若相似性程度超过阈值，则将该图像存入M中，否则存入子集N中；
S53：利用所述子集M和子集N计算所述疑似障碍物区域中是否存在障碍物的概率，计算公式如下：
其中，M表示子集M中照片的张数，N表示子集N中照片的张数；
S54：利用所述概率Ps|t判断疑似障碍物区域最终是否有障碍物；若存在障碍物则进行标记并利用位姿数据计算实际障碍物区域，否则不进行标记或去除标记。
进一步的，所述步骤S53中判断是否有障碍物的方法为：
设空间{S1，S2}，
事件S1表示普通用户经过所述疑似障碍物区域但未改变身体朝向的情况，概率为：
Lj(S1)＝1-Pt；
事件S2表示普通用户经过所述疑似障碍物区域改变身体朝向的情况，概率为：
Lj(S2)＝Pt；
设S2＝{H1，H2}，
事件H1表示障碍物真实存在且普通用户改变身体朝向的情况，概率为：
Lj(H1)＝Pt*Ps|t；
事件H2表示障碍物不存在且普通用户改变身体朝向的情况，概率为：
Lj(H2)＝(1-Ps|t)*Pt；
则事件H1和事件H2出现的概率为：
其中，W表示和值，m表示经过所述疑似障碍物区域的用户数量，n表示检测到躲避障碍物的用户数量，k表示第j个普通用户的第k种行为，i表示事件S2中出现的情况的序号；
所述事件H1发生的最小概率值为BEL(H1)＝L(H1)，所述事件H1发生的最大概率值为PEL＝L(H1)+L(S2)，则事件H1发生的可信度为CONF(H1)＝(BEL(H1)+PEL(H1))/2；
所述事件H2发生的可信度为：CONF(H2)＝(BEL(H2)+PEL(H2))/2；
所述事件S1发生的可信度为：CONF(S1)＝(BEL(S1)+PEL(S1))/2；
所述事件S2发生的可信度为：CONF(S2)＝(BEL(S2)+PEL(S2))/2；
若事件H1可信度大于事件S1、事件S2和事件H2的可信度，则障碍物实际出现，否则未出现。
进一步的，所述步骤S54中实际障碍物区域的计算方法：
令普通用户第一次改变身体朝向时的位置为(x1，y1)，第二次身体朝向改变时的位置为(x2，y2)，以所述两个位置连接成的线段为弦，计算圆心(xp，yp)与半径rp，其中p表示弦的序号；令实际障碍物区域的圆心为(x，y)，则
所述实际障碍物区域的半径R为：
其中，q表示求出的圆心和半径的总个数；
即所述实际障碍物区域为以(x，y)为圆心，R为半径，覆盖所有弦的半圆为实际障碍物区域。
具体实施例1
一种盲人导航避障地图的生成方法，普通用户利用GPS进行导航，遇到障碍物时进行局部避障，移动终端检测局部避障时产生的位姿数据并采集局部避障时的环境图像，云端服务器利用所述位姿数据和图像在普通地图上标记障碍物区域，形成盲人导航避障地图。
具体步骤如下：
步骤1：普通用户发出起点和终点信息指令至移动终端CPU中，CPU接收指令后，移动终端调用GPS规划导航路径，进行全局导航，实时更新用户位置；
步骤2：移动终端调用IMU，检测普通用户在根据导航路径运动时的位姿数据并发送至云端服务器；IMU为惯性测量单元，包括三组单轴陀螺仪，所述三组单轴陀螺仪连接电源，所述电源连接3组单轴加速度计；
步骤3：所述云端服务器根据所述位姿数据判断普通用户是否躲避障碍物，判断方法为：
S31：若IMU的数据产生频率未5HZ，表示1秒IMU检测25个数据，滑动窗口在位姿数据上依次滑动，截取一段位姿数据，所述滑动窗口的大小为Q个数据量，若选取滑动窗口的大小为40个数据量，表示选取滑动窗口末端时刻之前的1.6秒内的数据；
S32：将40个位姿数据按时间先后均分为两组；
S33：分别计算前20个位姿数据和后20个位姿数据的均值，求两组均值的差值，角度阈值选择10度，若差值的绝对值超过10度，则普通用户进行有效转身，即具有躲避障碍物的行为；若差值的绝对值未超过10度，则普通用户未进行有效转身，即不具有躲避障碍物的行为；其中差值的正负表示转身的方向；
若进行有效转身，则利用所述位姿数据计算疑似障碍物区域，否则不进行计算；
疑似障碍物区域的计算方法为：将所述第一次身体朝向改变位置设为圆心，将第一次身体朝向改变和第二次身体朝向改变的距离设定为半径，所述圆心和半径形成的圆形区域为疑似障碍物区域；距离由GPS记录的经纬度坐标进行计算，令第一次身体朝向改变坐标为(x1，y1)，第二次身体朝向改变时的坐标为(x2，y2)，则
圆心为：(x1，y1)；
半径为：
步骤4：对后续通过所述疑似障碍物区域的普通用户，其移动终端调用摄像头进行图像采集，同时调用所述IMU检测位姿数据；
步骤5：所述云端服务器利用采集的图像以及位姿数据判断该疑似障碍物区域是否存在障碍物，若存在，服务器对该点进行标记并计算实际障碍物区域；否则不进行标记或去除标记；
S51：将第二个经过所述疑似障碍物区域的普通用户采集的图像作为初始图像，存放于子集M中；
S52：提取第三个经过所述疑似障碍物区域的普通用户采集的图像，并与所述子集M中储存的初始图像的SURF特征进行相似性比较，相似性程度超过阈值存放于子集M中，相似性程度低于所述阈值存放于子集N；提取后续经过所述疑似障碍物区域的普通用户采集图像的SURF特征，并与所述子集M中所有图像的SURF特征进行相似性比较，若相似性程度超过阈值，将该图像存放于子集M中，相似性程度低于所述阈值，则将该图像存放于子集N；
对后续经过所述疑似障碍物区域的普通用户采集的图像，。
S53：利用所述子集M和子集N计算所述疑似障碍物区域中是否存在障碍物的概率，计算公式如下：
其中，M表示子集M中照片的张数，N表示子集N中照片的张数；
S54：利用所述概率Ps|t判断疑似障碍物区域最终是否有障碍物；若存在障碍物则进行标记并利用位姿数据计算实际障碍物区域，否则不进行标记或去除标记。
判断方法为：
设空间{S1，S2}，
事件S1表示普通用户经过所述疑似障碍物区域但未改变身体朝向的情况，概率为：
Lj(S1)＝1-Pt；
事件S2表示普通用户经过所述疑似障碍物区域改变身体朝向的情况，概率为：
Lj(S2)＝Pt；
设S2＝{H1，H2}，
事件H1表示障碍物真实存在且普通用户改变身体朝向的情况，概率为：
Lj(H1)＝Pt*Ps|t；
事件H2表示障碍物不存在且普通用户改变身体朝向的情况，概率为：
Lj(H2)＝(1-Ps|t)*Pt；
则事件H1和事件H2出现的概率为：
其中，W表示和值，m表示经过所述疑似障碍物区域的用户数量，n表示检测到躲避障碍物的用户数量，k表示第j个普通用户的第k种行为，i表示事件S2中出现的情况的序号；
所述事件H1发生的最小概率值为BEL(H1)＝L(H1)，所述事件H1发生的最大概率值为PEL＝L(H1)+L(S2)，则事件H1发生的可信度为CONF(H1)＝(BEL(H1)+PEL(H1))/2；
所述事件H2发生的可信度为：CONF(H2)＝(BEL(H2)+PEL(H2))/2；
所述事件S1发生的可信度为：CONF(S1)＝(BEL(S1)+PEL(S1))/2；
所述事件S2发生的可信度为：CONF(S2)＝(BEL(S2)+PEL(S2))/2；
若事件H1可信度大于事件S1、事件S2和事件H2的可信度，则障碍物实际出现，否则未出现。
若障碍物实际出现，则在地图上进行标记并计算实际障碍物区域，计算方法为：
令普通用户第一次改变身体朝向时的位置为(x1，y1)，第二次身体朝向改变时的位置为(x2，y2)，以所述两个位置连接成的线段为弦，计算圆心(xp，yp)与半径rp，其中p表示弦的序号；令实际障碍物区域的圆心为(x，y)，则
所述实际障碍物区域的半径R为：
其中，q表示求出的圆心和半径的总个数；
即所述实际障碍物区域为以(x，y)为圆心，R为半径，覆盖所有弦的半圆为实际障碍物区域。
若障碍物实际未出现，则不进行标记，或者有障碍物但障碍物消失，Pt的值会开始减小，则去除地图上的标记。
具体实施例2
基于本发明公开的一种盲人导航避障地图的生成方法，进一步提供一种盲人用户利用导航避障地图进行障碍物躲避的方法，具体包括以下步骤：
步骤1：盲人用户利用该导航避障地图进行导航，在导航开始的S米内，移动终端调用计步器和IMU中加速度计测算盲人用户的步长L；
步骤2：盲人用户运动至障碍物标记区域的边缘时，导航系统进行提醒，并计算此时盲人用户身体转动的角度和步数(如图2所示)；
步骤3：盲人用户根据系统提示的角度和步数进行运动，完成障碍物躲避。
其中步骤2中当盲人用户运动至障碍物标记区域的边缘时，GPS返回盲人用户此刻位置的经纬度(a，b)和前进方向γ，由于实际障碍物区域在地图上已知，假设实际障碍物区域中与盲人用户最近的半圆角的位置为(a0，b0)，则盲人用户到该半圆角的方向向量为：
μ＝(a0-a，b0-b)，
即盲人用户身体转动的角度为：
距离为：
步数为：

Claims (7)

1.一种盲人导航避障地图的生成方法，其特征在于：普通用户利用GPS进行导航，遇到障碍物时进行局部避障，移动终端检测局部避障时产生的位姿数据并采集局部避障时的环境图像，云端服务器利用所述位姿数据和图像在普通地图上标记障碍物区域，形成盲人导航避障地图。
2.根据权利要求1所述的一种盲人导航避障地图的生成方法，其特征在于：具体步骤如下：
步骤1：普通用户利用移动终端调用GPS规划导航路径；
步骤2：移动终端调用IMU，检测普通用户在根据导航路径运动时产生的位姿数据并发送至云端服务器；
步骤3：所述云端服务器根据所述位姿数据判断该普通用户是否躲避障碍物，若是则利用所述位姿数据计算疑似障碍物区域，否则不进行计算；
步骤4：对后续通过所述疑似障碍物区域的普通用户，其移动终端调用摄像头进行图像采集，同时调用所述IMU检测位姿数据；
步骤5：所述云端服务器利用采集的图像以及位姿数据判断该疑似障碍物区域是否存在障碍物，若存在，服务器对该疑似障碍物区域进行标记并计算实际障碍物区域；否则不进行标记或去除标记。
3.根据权利要求2所述的一种盲人导航避障地图的生成方法，其特征在于：所述步骤3中是否躲避障碍物的判断方法为：
S31：滑动窗口在位姿数据上依次滑动，截取一段位姿数据，所述滑动窗口的大小为Q个数据量；
S32：所述Q个位姿数据按时间先后均分为两组；
S33：分别计算两组数据的均值，求两组均值的差值，若差值的绝对值超过角度阈值，则普通用户进行有效转身，即具有躲避障碍物的行为；若差值的绝对值未超过角度阈值，则普通用户未进行有效转身，即不具有躲避障碍物的行为。
4.根据权利要求3所述的一种盲人导航避障地图的生成方法，其特征在于：所述步骤3中疑似障碍物区域的计算方法为：将第一次身体朝向改变的位置设为圆心，将第一次身体朝向改变和第二次身体朝向改变的距离设定为半径，所述圆心和半径形成的圆形区域为疑似障碍物区域。
5.根据权利要求2所述的一种盲人导航避障地图的生成方法，其特征在于：所述步骤5的具体步骤如下：
S51：将第二个经过所述疑似障碍物区域的普通用户采集的图像作为初始图像，存放于子集M中；
S52：提取后续经过所述疑似障碍物区域的普通用户采集图像的SURF特征，将所述特征与子集M中所有图像的SURF特征集合进行相似性比较，若相似性程度超过阈值，则将该图像存入M中，否则存入子集N中；
S53：利用所述子集M和子集N计算所述疑似障碍物区域中是否存在障碍物的概率，计算公式如下：
其中，M表示子集M中照片的张数，N表示子集N中照片的张数；
S54：利用所述概率Ps|t判断疑似障碍物区域最终是否有障碍物；若存在障碍物则进行标记并利用位姿数据计算实际障碍物区域，否则不进行标记或去除标记。
6.根据权利要求5所述的一种盲人导航避障地图的生成方法，其特征在于：所述步骤S54中判断是否有障碍物的方法为：
设空间{S1，S2}，
事件S1表示普通用户经过所述疑似障碍物区域但未改变身体朝向的情况，概率为：
Lj(S1)＝1-Pt；
事件S2表示普通用户经过所述疑似障碍物区域改变身体朝向的情况，概率为：
Lj(S2)＝Pt；
设S2＝{H1，H2}，
事件H1表示障碍物真实存在且普通用户改变身体朝向的情况，概率为：
Lj(H1)＝Pt*Ps|t；
事件H2表示障碍物不存在且普通用户改变身体朝向的情况，概率为：
Lj(H2)＝(1-Ps|t)*Pt；
则事件H1和事件H2出现的概率为：
其中，W表示和值，m表示经过所述疑似障碍物区域的用户数量，n表示检测到躲避障碍物的用户数量，k表示第j个普通用户的第k种行为，i表示事件S2中出现的情况的序号；
所述事件H1发生的最小概率值为BEL(H1)＝L(H1)，所述事件H1发生的最大概率值为PEL＝L(H1)+L(S2)，则事件H1发生的可信度为CONF(H1)＝(BEL(H1)+PEL(H1))/2；
所述事件H2发生的可信度为：CONF(H2)＝(BEL(H2)+PEL(H2))/2；
所述事件S1发生的可信度为：CONF(S1)＝(BEL(S1)+PEL(S1))/2；
所述事件S2发生的可信度为：CONF(S2)＝(BEL(S2)+PEL(S2))/2；
若事件H1可信度大于事件S1、事件S2和事件H2的可信度，则障碍物实际出现，否则未出现。
7.根据权利要求5所述的一种盲人导航避障地图的生成方法，其特征在于：所述步骤S54中实际障碍物区域的计算方法：
令普通用户第一次改变身体朝向时的位置为(x1，y1)，第二次身体朝向改变时的位置为(x2，y2)，以所述两个位置连接成的线段为弦，计算圆心(xp，yp)与半径rp，其中p表示弦的序号；令实际障碍物区域的圆心为(x，y)，则
所述实际障碍物区域的半径R为：
其中，q表示求出的圆心和半径的总个数；
即所述实际障碍物区域为以(x，y)为圆心，R为半径，覆盖所有弦的半圆为实际障碍物区域。
CN201810471038.5A 2018-05-16 2018-05-16 一种盲人导航避障地图的生成方法 Pending CN108680176A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810471038.5A CN108680176A (zh) 2018-05-16 2018-05-16 一种盲人导航避障地图的生成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810471038.5A CN108680176A (zh) 2018-05-16 2018-05-16 一种盲人导航避障地图的生成方法

Publications (1)

Publication Number Publication Date
CN108680176A true CN108680176A (zh) 2018-10-19

Family

ID=63806580

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810471038.5A Pending CN108680176A (zh) 2018-05-16 2018-05-16 一种盲人导航避障地图的生成方法

Country Status (1)

Country Link
CN (1) CN108680176A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113741445A (zh) * 2021-08-27 2021-12-03 宁波华东核工业工程勘察院 一种障碍物搜索预警方法、装置、安全帽及其存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080243383A1 (en) * 2006-12-12 2008-10-02 Ching-Fang Lin Integrated collision avoidance enhanced GN&C system for air vehicle
EP2074380B1 (en) * 2006-10-11 2015-09-02 Autoliv Development AB A method of analysing the surroundings of a vehicle
CN105759836A (zh) * 2016-03-14 2016-07-13 武汉卓拔科技有限公司 一种基于3d摄像头的无人机避障方法及装置
CN105823478A (zh) * 2016-03-14 2016-08-03 武汉卓拔科技有限公司 一种自主避障导航信息共享和使用方法
CN106595631A (zh) * 2016-10-25 2017-04-26 纳恩博（北京）科技有限公司 一种躲避障碍物的方法及电子设备
CN106802954A (zh) * 2017-01-18 2017-06-06 中国科学院合肥物质科学研究院 无人车语义地图模型构建方法及其在无人车上的应用方法
CN106969779A (zh) * 2017-03-17 2017-07-21 重庆邮电大学 基于dsrc的智能车辆地图融合系统及方法
CN107290797A (zh) * 2017-06-23 2017-10-24 西北工业大学 一种基于群体感知的障碍物检测系统及方法
CN107515384A (zh) * 2017-09-07 2017-12-26 南京理工大学 基于uwb与多传感器的室内机器人的定位与环境建模方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2074380B1 (en) * 2006-10-11 2015-09-02 Autoliv Development AB A method of analysing the surroundings of a vehicle
US20080243383A1 (en) * 2006-12-12 2008-10-02 Ching-Fang Lin Integrated collision avoidance enhanced GN&C system for air vehicle
CN105759836A (zh) * 2016-03-14 2016-07-13 武汉卓拔科技有限公司 一种基于3d摄像头的无人机避障方法及装置
CN105823478A (zh) * 2016-03-14 2016-08-03 武汉卓拔科技有限公司 一种自主避障导航信息共享和使用方法
CN106595631A (zh) * 2016-10-25 2017-04-26 纳恩博（北京）科技有限公司 一种躲避障碍物的方法及电子设备
CN106802954A (zh) * 2017-01-18 2017-06-06 中国科学院合肥物质科学研究院 无人车语义地图模型构建方法及其在无人车上的应用方法
CN106969779A (zh) * 2017-03-17 2017-07-21 重庆邮电大学 基于dsrc的智能车辆地图融合系统及方法
CN107290797A (zh) * 2017-06-23 2017-10-24 西北工业大学 一种基于群体感知的障碍物检测系统及方法
CN107515384A (zh) * 2017-09-07 2017-12-26 南京理工大学 基于uwb与多传感器的室内机器人的定位与环境建模方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113741445A (zh) * 2021-08-27 2021-12-03 宁波华东核工业工程勘察院 一种障碍物搜索预警方法、装置、安全帽及其存储介质

Similar Documents

Publication Publication Date Title
US11900536B2 (en) Visual-inertial positional awareness for autonomous and non-autonomous tracking
EP3767420A1 (en) Robotic mower boundary detection system
US10366508B1 (en) Visual-inertial positional awareness for autonomous and non-autonomous device
US10410328B1 (en) Visual-inertial positional awareness for autonomous and non-autonomous device
US11320823B2 (en) Method of navigating a vehicle and system thereof
CN102960037B (zh) 物理上约束的无线电地图
EP3893484B1 (en) Need-sensitive image and location capture system and method
US10972864B2 (en) Information recommendation method, apparatus, device and computer readable storage medium
JP5682060B2 (ja) 画像合成装置、画像合成プログラム、及び画像合成システム
CN104575079B (zh) 一种停车场内车辆定位方法及寻车方法
CN108983781A (zh) 一种无人车目标搜索系统中的环境探测方法
CN108387241A (zh) 更新自动驾驶车辆的定位地图的方法和系统
WO2013092058A1 (en) Image view in mapping
CN106840148A (zh) 室外作业环境下基于双目摄像机的可穿戴式定位与路径引导方法
KR20180079428A (ko) 자동 로컬리제이션을 위한 장치 및 방법
Yozevitch et al. GNSS accuracy improvement using rapid shadow transitions
CN109857111A (zh) 基于共享slam地图的高精度定位方法及系统
CN109931927A (zh) 轨迹记录方法、室内地图绘制方法、装置、设备及系统
CN106969774A (zh) 导航方法与装置、终端、服务器及系统
CN108139227A (zh) 用于视频图示、选择和同步的基于位置的服务工具
US20200109962A1 (en) Method and system for generating navigation data for a geographical location
CN110531771A (zh) 一种速度规划方法及装置、车辆
CN105989586A (zh) 一种基于语义光束平差法的slam方法
CN108680176A (zh) 一种盲人导航避障地图的生成方法
Somyat et al. NavTU: android navigation app for Thai people with visual impairments

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20181019

RJ01 Rejection of invention patent application after publication