CN109472416A - 基于自动路网数据提取的室内路径规划方法及装置、客户端 - Google Patents
基于自动路网数据提取的室内路径规划方法及装置、客户端 Download PDFInfo
- Publication number
- CN109472416A CN109472416A CN201811361311.5A CN201811361311A CN109472416A CN 109472416 A CN109472416 A CN 109472416A CN 201811361311 A CN201811361311 A CN 201811361311A CN 109472416 A CN109472416 A CN 109472416A
- Authority
- CN
- China
- Prior art keywords
- path
- point
- road network
- skeleton drawing
- indoor
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Automation & Control Theory (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请公开了一种基于自动路网数据提取的室内路径规划方法及装置、客户端。该方法包括根据室内分布图提取得到路径骨架图;根据所述路径骨架图提取得到路网信息;以及通过选择并输入起始位置和终止位置,并对所述路网信息执行预设路径规划操作。本申请解决了室内路径导航效率较低的技术问题。通过本申请仅需建筑结构图即可自动提取路网数据,进一步可极大的简化地图工程中标记路网交叉点的工作量。此外,本申请针对大型商业建筑内布局结构经常变化的室内应用场景,可快速更新路网数据并提供可持续路径导航服务。
Description
技术领域
本申请涉及路径规划领域,具体而言,涉及一种基于自动路网数据提取的室内路径规划方法及装置、客户端,可用于大型场馆。
背景技术
随着移动通信速率与智能终端处理性能的疾速提升,数字化的地理信息逐渐融入人们的日常生活。基于用户移动终端的位置服务摆脱了地理空间的限制并得到了迅猛发展。人们对基于自身所在位置的地图信息服务需求日益迫切,当下已经有很多同类服务产品,例如兴趣点(英文全称Point of Interest,简称:POI)搜索,定位导航等。现有的移动位置服务大多数针对室外环境,比如城市地图服务,车载路径导航,公交地铁路径规划等。而在实际生活中,随着城市化进程的加速,城市之间的贸易兴起促使一大批有复杂结构的大型建筑正在逐渐成为人们日常生活的主要场景,如火车站、机场、商场、办公楼、地下停车场等。人们对有效的室内环境信息服务的需求非常迫切,优秀的室内环境信息服务不仅可以给人们的生活带来更多的便利,还能推动相关各类研究的发展,将基于位置信息的服务推广到室内环境中来。
在室内环境信息服务的研究中,室内路径规划是其中重要的一个研究点。针对不同的使用场景,室内路径规划会有不同的指标要求。例如在大型会展中心、火车站等场景中,用户通常会要求规划出到达特定目标的最短路径。然而室内建筑环境结构复杂,精细结构较多,在商业用途的建筑群体内,布局变化较室外环境更为频繁且规律性差,导致数字地图需频繁更新。在室内路径规划的使用上并没有形成被广泛接受的标准,不同的研究者使用着五花八门的室内路径规划方法,每种方法的均有一定的受限度。
在一些算法中,比如蚁群算法的思想来自于对蚁群觅食行为的探索,每个蚂蚁觅食时都会在走过的道路上留下一定浓度的信息素,相同时间内最短的路径上由于蚂蚁遍历的次数多而信息素浓度高,加上后来的蚂蚁在选择路径时会以信息素浓度为依据,起到正反馈作用,因此信息素浓度高的最短路径很快就会被发现。算法通过迭代来模拟蚁群觅食的行为达到目的。具有良好的全局优化能力、本质上的并行性、易于用计算机实现等优点。但是其缺点在于:计算量大、易陷入局部最优解,可通过加入精英蚁等方法改进,但与此同时也会带来更多计算负荷。
在一些算法中,比如模拟退火算法是一种适用于大规模组合优化问题的有效近似算法。它模仿固体物质的退火过程,通过设定初温、初态和降温率控制温度的不断下降,结合概率突跳特性,利用解空间的邻域结构进行随机搜索。具有描述简单、使用灵活、运行效率高、初始条件限制少等优点。但是其缺点在于:存在收敛速度慢、随机性强等缺陷,同时受算法参数设定影响较大,很难得到满意的结果。
在一些算法中,比如A*搜寻算法俗称A星算法。A*算法是比较流行的启发式搜索算法之一,被广泛应用于路径优化领域。它的独特之处是检查最短路径中每个可能的节点时引入了全局信息,对当前节点距终点的距离做出估计,并作为评价该节点处于最短路线上的可能性的量度,以此选定最短路径作为路径规划结果。但是其缺点在于:对于大型建筑群体应用场景而言,需要搜索的路径范围过大,在没有路网数据引导,或路网结构较为复杂的情况下,会导致整体路径规划效率不高,影响用户的直观体验感。
针对相关技术中室内路径导航效率较低的问题,目前尚未提出有效的解决方案。
发明内容
本申请的主要目的在于提供一种基于自动路网数据提取的室内路径规划方法及装置、客户端,以解决室内路径导航效率较低的问题。可面向大型建筑群体的室内路径导航应用,通过本发明可以实现高效的室内路径规划方法,为用户提供便捷的会展导航服务。
为了实现上述目的,根据本申请的一个方面,提供了一种基于自动路网数据提取的室内路径规划方法,。
根据本申请的基于自动路网数据提取的室内路径规划方法,包括:根据室内分布图提取得到路径骨架图;根据所述路径骨架图提取得到路网信息;以及通过选择并输入起始位置和终止位置,并对所述路网信息执行预设路径规划操作。
进一步地,根据室内分布图提取得到路径骨架图包括以下预处理步骤:
对室内分布图进行图像二值化处理,并在图像二值化处理过程中采用RGB三通道的均值作为图像灰度值。
进一步地,根据室内分布图提取得到路径骨架图包括:采用K3M方法提取路径骨架图,所述K3M方法中至少包括:迭代腐蚀和边界单像素化。
进一步地,所述迭代腐蚀和所述边界单像素化包括:针对0值像素点分阶段进行迭代腐蚀;检测图像各0值像素点,如果任一0值像素点的邻域中有2、3、4、5、6或7个0值像素点连接,则将0点修改为1值像素点;将所有0值像素点构成的骨架图作为提取得到的所述路径骨架图。
进一步地,根据所述路径骨架图提取得到路网信息包括:识别路径交叉点;提取路径骨架图中的子路径;根据所述子路径和所述路径交叉点生成路网数据结构。
进一步地,通过选择并输入起始位置和终止位置,并对所述路网信息执行预设路径规划操作包括:选择输入起始位置和终止位置的路径点;确定起始位置和终止位置的交叉点;计算邻近交叉点的欧氏距离获得路径扩散点。
进一步地,对于大型商业建筑内布局结构经常变化的室内应用场景,根据室内分布图提取得到路径骨架图,并提供可持续路径导航服务接口。
为了实现上述目的,根据本申请的另一方面,提供了一种基于自动路网数据提取的室内路径规划装置。
根据本申请的基于自动路网数据提取的室内路径规划装置包括:骨架图提取模块,用于根据室内分布图提取得到路径骨架图;路网信息提取模块,用于根据所述路径骨架图提取得到路网信息;以及路径规划模块,用于通过选择并输入起始位置和终止位置,并对所述路网信息执行预设路径规划操作。
进一步地,骨架图提取模块包括:迭代腐蚀单元和边界单像素化单元,所述迭代腐蚀单元,用于针对0值像素点分阶段进行迭代腐蚀;所述边界单像素化单元,用于检测图像各0值像素点,如果任一0值像素点的邻域中有2、3、4、5、6或7个0值像素点连接,则将0点修改为1值像素点;将所有0值像素点构成的骨架图作为提取得到的所述路径骨架图。
为了实现上述目的,根据本申请的另一方面,提供了一种导航客户端,包括:所述的室内路径规划装置。
在本申请实施例中,采用根据室内分布图提取得到路径骨架图的方式,通过根据所述路径骨架图提取得到路网信息,达到了通过选择并输入起始位置和终止位置,并对所述路网信息执行预设路径规划操作的目的,从而实现了实现高效的室内路径规划方法的技术效果,进而解决了室内路径导航效率较低的技术问题。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的基于自动路网数据提取的室内路径规划方法示意图;
图2是根据本申请实施例的基于自动路网数据提取的室内路径规划装置示意图;
图3是根据本申请实施例骨架图提取方法流程图;
图4(a)是根据本申请实施例的对于常见的会展分布图;
图4(b)是根据本申请实施例的二值化结果示意图;
图4(c)是根据本申请实施例的路径骨架图示意图;
图5是根据本申请实施例的K3M边界点腐蚀方法流程图;
图6是根据本申请实施例的路网信息提取方法流程图;
图7是根据本申请实施例的路径骨架信息示意图;
图8是根据本申请实施例的路径规划方法流程图;以及
图9是根据本申请实施例的路径规划示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本申请中,术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本申请及其实施例,并非用于限定所指示的装置、元件或组成部分必须具有特定方位,或以特定方位进行构造和操作。
并且,上述部分术语除了可以用于表示方位或位置关系以外,还可能用于表示其他含义,例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言,可以根据具体情况理解这些术语在本申请中的具体含义。
此外,术语“安装”、“设置”、“设有”、“连接”、“相连”、“套接”应做广义理解。例如,可以是固定连接,可拆卸连接,或整体式构造;可以是机械连接,或电连接;可以是直接相连,或者是通过中间媒介间接相连,又或者是两个装置、元件或组成部分之间内部的连通。对于本领域普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。
在本申请的实施例中,以超大型会展中心为例,设计一种基于骨架图信息路网数据提取方法并根据所提取的路网信息实现了一种基于的临近路网交叉点欧式距离度量的路径规划方法,具体流程包括骨架图提取、路网信息提取和路径规划主要三个步骤。其中,在室内路径规划过程中,骨架图提取和路网信息提取针对固定会展只需进行一次即可,路径规划则需要每次根据用户起始及终止位置的选择进行计算,
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
如图1所示,该方法包括如下的步骤S102至步骤S106:
步骤S102,根据室内分布图提取得到路径骨架图;
骨架图提取方法具体流程包括图像二值化和边界点腐蚀。
图像二值化,有利于提取会展分布图中的路径区域,便于路径骨架图提取。如果分布图为RGB彩色图像,则需先将其转变为灰度图像。
本方法基于K3M方法实现,具体流程包括迭代腐蚀和边界单像素化等步骤。
通过上述步骤得到路径骨架图。
步骤S102,根据所述路径骨架图提取得到路网信息;
路网信息提取主要基于骨架图实现,具体流程包括路径交叉点识别、子路径提取和路网数据结构生成等步骤。
步骤S104,通过选择并输入起始位置和终止位置,并对所述路网信息执行预设路径规划操作。
此步骤是基于路网数据结构实现的。
从以上的描述中,可以看出,本申请实现了如下技术效果:
在本申请实施例中,采用根据室内分布图提取得到路径骨架图的方式,通过根据所述路径骨架图提取得到路网信息,达到了通过选择并输入起始位置和终止位置,并对所述路网信息执行预设路径规划操作的目的,从而实现了实现高效的室内路径规划方法的技术效果,进而解决了室内路径导航效率较低的技术问题。
根据本申请实施例,作为本实施例中的优选,如图3所示,该方法包括:
根据室内分布图提取得到路径骨架图包括以下预处理步骤:
对室内分布图进行图像二值化处理,并在图像二值化处理过程中采用RGB三通道的均值作为图像灰度值。
具体地,如果分布图为RGB彩色图像,则需先将其转变为灰度图像,本方法中采用RGB三通道的均值作为图像灰度值;如果分布图为灰度图像,则可直接用于二值化。二值化过程通过阈值设定实现,其中阈值的选择为两倍的路径区域灰度值,如果路径区域灰度值为0,则设定灰度阈值为10(灰度像素为8位)。比如,对于常见的会展分布图,其图像通常如4(a)所示,二值化结果如图4(b)所示。所有0值像素点构成的骨架图即为提取的路径骨架图,如图4(c)所示。
根据室内分布图提取得到路径骨架图包括:采用K3M方法提取路径骨架图,所述K3M方法中至少包括:迭代腐蚀和边界单像素化。
具体地,如图5所示,所述迭代腐蚀和所述边界单像素化包括:针对0值像素点分阶段进行迭代腐蚀;检测图像各0值像素点,如果任一0值像素点的邻域中有2、3、4、5、6或7个0值像素点连接,则将0点修改为1值像素点;将所有0值像素点构成的骨架图作为提取得到的所述路径骨架图。
具体地,针对0值像素点进行迭代腐蚀,共包括7个阶段:阶段1:标记图像所有边界点,任意0值像素点邻近8点中若存在1值像素点,则标记该点为边界点;阶段2:如果任一边界点的邻域中仅有3个0值像素点连接,则将该点修改为1值像素点;阶段3:在阶段2剩余的边界点中,如果任一边界点的邻域中仅有3或4个0值像素点连接,则将该点修改为1值像素点;阶段4:在阶段3剩余的边界点中,如果任一边界点的邻域中仅有3、4或5个0值像素点连接,则将该点修改为1值像素点;阶段5:在阶段4剩余的边界点中,如果任一边界点的邻域中仅有3、4、5或6个0值像素点连接,则将该点修改为1值像素点;阶段6:在阶段3剩余的边界点中,如果任一边界点的邻域中仅有3、4、5、6或7个0值像素点相邻,则将该点修改为1值像素点;阶段7:解除剩余边界点的边界属性,如果阶段6中没有任何像素点被修改,则迭代腐蚀结束,否则回到阶段1。
优选地,迭代腐蚀得到的初级骨架图中存在有部分区域是像素宽度为2的可能,而目标骨架是单层像素宽度。所以,需要检测图像各0值像素点,如果任一0值像素点的邻域中有2、3、4、5、6或7个0值像素点连接,则将该点修改为1值像素点。所有0值像素点构成的骨架图即为提取的路径骨架图。
根据本申请实施例,作为本实施例中的优选,如图6所示,根据所述路径骨架图提取得到路网信息包括:识别路径交叉点;提取路径骨架图中的子路径;根据所述子路径和所述路径交叉点生成路网数据结构。
具体地,路径交叉点识别包括:经过二值化处理的骨架图中只包含路径和非路径两种类型的像素点,如图6所示为路径骨架信息示意图。为了实现路径规划,首先需要将骨架图转化为路网数据结构,然后以此为基础进行路径寻优。
第一,对所有骨架图中的路径点进行编号;
第二,对每个路径点周围9个像素点进行遍历查询,记录其中路径点的个数为N;
第三,对所有路径点对应N进行阈值判断,当N大于2时,确定该点为初步交叉点,记入集合P中,如图3中编号为1至20各点均为初步交叉点;
第四,对确定的初步交叉点进一步筛查,去除冗余交叉点,确定最终交叉点。图6中存在多交叉点互邻现象,直接使用这些交叉点建立路网信息会导致大量冗余数据出现,最终降低路径规划方案的生成效率。如点1、2、3、4、5属于一组互邻交叉点,在路径规划方法中可视为一个交叉点。确定最终交叉点的方法如下:
第一,计算P中第i个元素与其他元素之间的坐标欧氏距离。由于两个直线相邻的点之间距离为1,斜线相邻的点之间距离为故距离小于等于的交叉点均记为第i个元素邻近交叉点,并将该元素与所有邻近交叉点记入集合Wi中,i≤I,其中I为邻近交叉集合的个数;
第二,合并带有相同元素的集合Wi,生成新集合Zm,m≤M,其中M为新集合的个数。假设Zm={Zm1,Zm2,Zm3,…,ZmH},(xmi,ymi)为点Zmi的像素坐标,定义点Zmi的平均交叉距离为选取一个平均交叉距离最小的点Zmi作为最终交叉点,其余点全部从P中剔除,并解除其余点之间彼此的相邻关系。此时,由集合P删除冗余交叉点得到的新集合Q则为最终确定的路径交叉点集合,其余点均为普通路径点。如图7所示,其中确定的最终交叉点包括点1、6、10、14、18。
具体地,提取路径骨架图中的子路径包括:
定义子路径为从一个交叉点到另一个交叉点之间的所有路径点,为了建立路网信息,需要提取整个骨架图中的所有子路径。令Q={Q1,Q2,…,QK},其中K为集合Q的元素个数,具体方法如下:
第一,计算点Qi邻近9个像素点中普通路径点的个数,记为Ri;
第二,以点Qi为中心,分别沿着这Ri个普通路径点向外扩展,直到扩展至下一个交叉点为止,生成个Ri子路径,保存所有子路径记为集合Si,同时将所有子路径对应扩展交叉点记为集合Ti,完成点Qi对应的子路径提取,同理完成Q中其他各元素的子路径提取。
具体地,根据所述子路径和所述路径交叉点生成路网数据结构包括:
定义路网数据结构为Ui={Qi,Si,Ti},该结构对应了一个路径交叉点对应的路网数据,同理完成基于所有交叉点路网数据结构的建立,即完成基于路径交叉点的路网信息提取。
根据本申请实施例,作为本实施例中的优选,如图8所示,通过选择并输入起始位置和终止位置,并对所述路网信息执行预设路径规划操作包括:选择输入起始位置和终止位置的路径点;确定起始位置和终止位置的交叉点;计算邻近交叉点的欧氏距离获得路径扩散点。
具体地,选择输入起始位置和终止位置的路径点包括:起始/终止路径点选择
骨架图提取的路径信息并不会呈现在用户端应用界面上,当用户在会展分布图上选择起始和终止位置开始路径规划时,本方法中首先会将该两处位置动态移动至最近路径点处,以便使用路网信息进行后续路径规划。如图9中,分别选取点A、B作为起始和终止点开始路径规划,则需要将A、B分别移动至最近路径点26、29处。
具体地,确定起始位置和终止位置的交叉点包括:前一步中如果两个最近路径点均为交叉点,则本步跳过;如果其中至少一个为普通路径点,则需要确定该点作为子路径点所对应的所有交叉点中距离最近的交叉点为起始/终止交叉点,并将该点至起始/终止交叉点的子路径点记入最终确定的规划路径点集合中。如图9中,普通路径点26、29对应的最近交叉点分别为10、18,同时需要将点26至点10的所有路径点,以及点29至点18的所有路径点记入集合中。
具体地,计算邻近交叉点的欧氏距离获得路径扩散点包括:
分别计算起始交叉点所有的邻近交叉点至终止交叉点欧氏距离,选取距离最近的邻近交叉点作为潜在的路径扩散点。如果潜在路径扩散点没有在中,则将此点确定为路径扩散点,如果已出现在中,则将该点从邻近交叉点中剔除并重新选取距离最近的邻近交叉点进行判断。如图9中,点10的邻近交叉点中点1距离点18最近,因此选择点1作为路径扩散点。
将起始交叉点至路径扩散点之间的子路径全部记入中,判断路径扩散点是否为终止交叉点。如果是终止交叉点,则路径规划结束,将中的所有点全部呈现在会展分布图上即可;如果不是终止交叉点,则将路径扩散点重新作为起始交叉点,重复上述步骤直至路径扩散点为终止交叉点结束。如图9中,斜线网格所代表路径即为起始点为A,终止点为B的规划路径。
作为本实施例中的优选,对于大型商业建筑内布局结构经常变化的室内应用场景,根据室内分布图提取得到路径骨架图,并提供可持续路径导航服务接口。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
根据本申请实施例,还提供了一种用于实施上述基于自动路网数据提取的室内路径规划方法的装置,如图2所示,该装置包括:骨架图提取模块10,用于根据室内分布图提取得到路径骨架图;路网信息提取模块20,用于根据所述路径骨架图提取得到路网信息;以及路径规划模块30,用于通过选择并输入起始位置和终止位置,并对所述路网信息执行预设路径规划操作。
本申请实施例的骨架图提取模块10中骨架图提取方法具体流程包括图像二值化和边界点腐蚀。
图像二值化,有利于提取会展分布图中的路径区域,便于路径骨架图提取。如果分布图为RGB彩色图像,则需先将其转变为灰度图像。
本方法基于K3M方法实现,具体流程包括迭代腐蚀和边界单像素化等步骤。
通过上述步骤得到路径骨架图。
本申请实施例的路网信息提取模块20中路网信息提取主要基于骨架图实现,具体流程包括路径交叉点识别、子路径提取和路网数据结构生成等步骤。
本申请实施例的路径规划模块3中是基于路网数据结构实现的。
优选地,骨架图提取模块10包括:迭代腐蚀单元和边界单像素化单元,所述迭代腐蚀单元,用于针对0值像素点分阶段进行迭代腐蚀;所述边界单像素化单元,用于检测图像各0值像素点,如果任一0值像素点的邻域中有2、3、4、5、6或7个0值像素点连接,则将0点修改为1值像素点;将所有0值像素点构成的骨架图作为提取得到的所述路径骨架图。
在本申请的另一实施例中还提供了导航客户端,包括:所述的室内路径规划装置,室内路径规划装置的实现原理和有益效果如上所述,不再进行赘述。
本申请的原理如下:
实现室内路径规划,具体流程包括骨架图提取、路网信息提取和路径规划。其中骨架图提取和路网信息提取针对固定会展只需进行一次即可,路径规划则需要每次根据用户起始及终止位置的选择进行计算。
采用的骨架图提取方法具体流程包括图像二值化和边界点腐蚀。
图像二值化对于常见的会展分布图,路径区域为白色或淡灰色,会展位置具有一定的灰度或彩色,对图像二值化有利于提取会展分布图中的路径区域,便于路径骨架图提取。如果分布图为RGB彩色图像,则需先将其转变为灰度图像,可以采用RGB三通道的均值作为图像灰度值;如果分布图为灰度图像,则可直接用于二值化。二值化过程通过阈值设定实现,其中阈值的选择为两倍的路径区域灰度值,如果路径区域灰度值为0,则设定灰度阈值为10(灰度像素为8位)。
边界点腐蚀基于K3M方法实现,具体流程包括迭代腐蚀和边界单像素化。
首先,针对0值像素点进行迭代腐蚀,共包括7个阶段:
阶段1:标记图像所有边界点,任意0值像素点邻近8点中若存在1值像素点,则标记该点为边界点;
阶段2:如果任一边界点的邻域中仅有3个0值像素点连接,则将该点修改为1值像素点;
阶段3:在阶段2剩余的边界点中,如果任一边界点的邻域中仅有3或4个0值像素点连接,则将该点修改为1值像素点;
阶段4:在阶段3剩余的边界点中,如果任一边界点的邻域中仅有3、4或5个0值像素点连接,则将该点修改为1值像素点;
阶段5:在阶段4剩余的边界点中,如果任一边界点的邻域中仅有3、4、5或6个0值像素点连接,则将该点修改为1值像素点;
阶段6:在阶段3剩余的边界点中,如果任一边界点的邻域中仅有3、4、5、6或7个0值像素点相邻,则将该点修改为1值像素点;
阶段7:解除剩余边界点的边界属性,如果阶段6中没有任何像素点被修改,则迭代腐蚀结束,否则回到阶段1。
其次,迭代腐蚀得到的初级骨架图中存在有部分区域是像素宽度为2的可能,而目标骨架是单层像素宽度。所以,需要检测图像各0值像素点,如果任一0值像素点的邻域中有2、3、4、5、6或7个0值像素点连接,则将该点修改为1值像素点。
至此,所有0值像素点构成的骨架图即为提取的路径骨架图。
路网信息提取主要基于骨架图实现,具体流程包括路径交叉点识别、子路径提取和路网数据结构生成。
路径交叉点识别
经过二值化处理的骨架图中只包含路径和非路径两种类型的像素点,如图6所示为路径骨架信息示意图。为了实现路径规划,首先需要将骨架图转化为路网数据结构,然后以此为基础进行路径寻优,最终生成解决方案。为此,本发明中提出了一种基于路径交叉点的路网数据生成方法,下面首先介绍路径交叉点的识别方法。
第一,对所有骨架图中的路径点进行编号;
第二,对每个路径点周围9个像素点进行遍历查询,记录其中路径点的个数为N;
第三,对所有路径点对应N进行阈值判断,当N大于2时,确定该点为初步交叉点,记入集合P中,如图3中编号为1至20各点均为初步交叉点;
第四,对确定的初步交叉点进一步筛查,去除冗余交叉点,确定最终交叉点。图6中存在多交叉点互邻现象,直接使用这些交叉点建立路网信息会导致大量冗余数据出现,最终降低路径规划方案的生成效率。如点1、2、3、4、5属于一组互邻交叉点,在路径规划方法中可视为一个交叉点。确定最终交叉点的方法如下:
第一,计算P中第i个元素与其他元素之间的坐标欧氏距离。由于两个直线相邻的点之间距离为1,斜线相邻的点之间距离为故距离小于等于的交叉点均记为第i个元素邻近交叉点,并将该元素与所有邻近交叉点记入集合Wi中,i≤I,其中I为邻近交叉集合的个数;
第二,合并带有相同元素的集合Wi,生成新集合Zm,m≤M,其中M为新集合的个数。假设Zm={Zm1,Zm2,Zm3,…,ZmH},(xmi,ymi)为点Zmi的像素坐标,定义点Zmi的平均交叉距离为选取一个平均交叉距离最小的点Zmi作为最终交叉点,其余点全部从P中剔除,并解除其余点之间彼此的相邻关系。此时,由集合P删除冗余交叉点得到的新集合Q则为最终确定的路径交叉点集合,其余点均为普通路径点。
子路径提取
定义子路径为从一个交叉点到另一个交叉点之间的所有路径点,为了建立路网信息,需要提取整个骨架图中的所有子路径。令Q={Q1,Q2,…,QK},其中K为集合Q的元素个数,具体方法如下:
第一,计算点Qi邻近9个像素点中普通路径点的个数,记为Ri;
第二,以点Qi为中心,分别沿着这Ri个普通路径点向外扩展,直到扩展至下一个交叉点为止,生成个Ri子路径,保存所有子路径记为集合Si,同时将所有子路径对应扩展交叉点记为集合Ti,完成点Qi对应的子路径提取,同理完成Q中其他各元素的子路径提取。
路网数据结构生成
定义路网数据结构为Ui={Qi,Si,Ti},该结构对应了一个路径交叉点对应的路网数据,同理完成基于所有交叉点路网数据结构的建立,即完成基于路径交叉点的路网信息提取。
路径规划
路径规划方法是基于路网数据结构实现的。
起始/终止路径点选择
骨架图提取的路径信息并不会呈现在用户端应用界面上,当用户在会展分布图上选择起始和终止位置开始路径规划时,本方法中首先会将该两处位置动态移动至最近路径点处,以便使用路网信息进行后续路径规划。
起始/终止交叉点确定
前一步中如果两个最近路径点均为交叉点,则本步跳过;如果其中至少一个为普通路径点,则需要确定该点作为子路径点所对应的所有交叉点中距离最近的交叉点为起始/终止交叉点,并将该点至起始/终止交叉点的子路径点记入最终确定的规划路径点集合Y中。
邻近交叉点欧氏距离计算
分别计算起始交叉点所有的邻近交叉点至终止交叉点欧氏距离,选取距离最近的邻近交叉点作为潜在的路径扩散点。如果潜在路径扩散点没有在Y中,则将此点确定为路径扩散点,如果已出现在Y中,则将该点从邻近交叉点中剔除并重新选取距离最近的邻近交叉点进行判断。
路径扩散
将起始交叉点至路径扩散点之间的子路径全部记入Y中,判断路径扩散点是否为终止交叉点。如果是终止交叉点,则路径规划结束,将中的所有点全部呈现在会展分布图上即可;如果不是终止交叉点,则将路径扩散点重新作为起始交叉点,重复上述步骤直至路径扩散点为终止交叉点结束。
显然,本领域的技术人员应该明白,上述的本申请的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本申请不限制于任何特定的硬件和软件结合。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于自动路网数据提取的室内路径规划方法,其特征在于,包括:
根据室内分布图提取得到路径骨架图;
根据所述路径骨架图提取得到路网信息;以及
通过选择并输入起始位置和终止位置,并对所述路网信息执行预设路径规划操作。
2.根据权利要求1所述的室内路径规划方法,其特征在于,根据室内分布图提取得到路径骨架图包括以下预处理步骤:
对室内分布图进行图像二值化处理,并在图像二值化处理过程中采用RGB三通道的均值作为图像灰度值。
3.根据权利要求1所述的室内路径规划方法,其特征在于,根据室内分布图提取得到路径骨架图包括:采用K3M方法提取路径骨架图,所述K3M方法中至少包括:迭代腐蚀和边界单像素化。
4.根据权利要求3所述的室内路径规划方法,其特征在于,所述迭代腐蚀和所述边界单像素化包括:
针对0值像素点分阶段进行迭代腐蚀;
检测图像各0值像素点,如果任一0值像素点的邻域中有2、3、4、5、6或7个0值像素点连接,则将0点修改为1值像素点;
将所有0值像素点构成的骨架图作为提取得到的所述路径骨架图。
5.根据权利要求1所述的室内路径规划方法,其特征在于,根据所述路径骨架图提取得到路网信息包括:
识别路径交叉点;
提取路径骨架图中的子路径;
根据所述子路径和所述路径交叉点生成路网数据结构。
6.根据权利要求1所述的室内路径规划方法,其特征在于,通过选择并输入起始位置和终止位置,并对所述路网信息执行预设路径规划操作包括:
选择输入起始位置和终止位置的路径点;
确定起始位置和终止位置的交叉点;
计算邻近交叉点的欧氏距离获得路径扩散点。
7.根据权利要求1所述的室内路径规划方法,其特征在于,对于大型商业建筑内布局结构经常变化的室内应用场景,根据室内分布图提取得到路径骨架图,并提供可持续路径导航服务接口。
8.基于自动路网数据提取的室内路径规划装置,其特征在于,包括:
骨架图提取模块,用于根据室内分布图提取得到路径骨架图;
路网信息提取模块,用于根据所述路径骨架图提取得到路网信息;以及
路径规划模块,用于通过选择并输入起始位置和终止位置,并对所述路网信息执行预设路径规划操作。
9.根据权利要求8所述的室内路径规划装置,其特征在于,骨架图提取模块包括:迭代腐蚀单元和边界单像素化单元,
所述迭代腐蚀单元,用于针对0值像素点分阶段进行迭代腐蚀;
所述边界单像素化单元,用于检测图像各0值像素点,如果任一0值像素点的邻域中有2、3、4、5、6或7个0值像素点连接,则将0点修改为1值像素点;
将所有0值像素点构成的骨架图作为提取得到的所述路径骨架图。
10.一种导航客户端,其特征在于,包括:如权利要求8或9任一项所述的室内路径规划装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811361311.5A CN109472416B (zh) | 2018-11-15 | 2018-11-15 | 基于自动路网数据提取的室内路径规划方法及装置、客户端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811361311.5A CN109472416B (zh) | 2018-11-15 | 2018-11-15 | 基于自动路网数据提取的室内路径规划方法及装置、客户端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109472416A true CN109472416A (zh) | 2019-03-15 |
CN109472416B CN109472416B (zh) | 2022-05-13 |
Family
ID=65673746
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811361311.5A Active CN109472416B (zh) | 2018-11-15 | 2018-11-15 | 基于自动路网数据提取的室内路径规划方法及装置、客户端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109472416B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110146072A (zh) * | 2019-05-17 | 2019-08-20 | 深圳来电科技有限公司 | 一种路径规划方法、服务器及可读存储介质 |
CN110850871A (zh) * | 2019-10-21 | 2020-02-28 | 深圳市银星智能科技股份有限公司 | 一种机器路径规划方法及移动机器人 |
CN114119904A (zh) * | 2021-12-03 | 2022-03-01 | 苏州工业园区测绘地理信息有限公司 | 室内路网构建方法、装置和存储介质 |
CN114838729A (zh) * | 2022-04-27 | 2022-08-02 | 中国建设银行股份有限公司 | 一种路径规划方法、装置及设备 |
CN115638803A (zh) * | 2022-10-06 | 2023-01-24 | 东南大学 | 城市兴趣点敏感的个性化路径规划方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105139434A (zh) * | 2015-08-11 | 2015-12-09 | 长沙迪迈数码科技股份有限公司 | 露天矿山道路网自动构建方法及系统 |
CN106092102A (zh) * | 2016-07-20 | 2016-11-09 | 广州极飞电子科技有限公司 | 一种无人机路径规划方法及装置 |
CN106441305A (zh) * | 2016-10-09 | 2017-02-22 | 北京超图软件股份有限公司 | 室内跨楼层的路径规划方法和装置 |
CN107577750A (zh) * | 2017-08-30 | 2018-01-12 | 北京京东尚科信息技术有限公司 | 绘制导航数据矢量路口的方法和系统 |
CN107704837A (zh) * | 2017-10-19 | 2018-02-16 | 千寻位置网络有限公司 | 道路网拓扑和几何信息的提取方法 |
-
2018
- 2018-11-15 CN CN201811361311.5A patent/CN109472416B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105139434A (zh) * | 2015-08-11 | 2015-12-09 | 长沙迪迈数码科技股份有限公司 | 露天矿山道路网自动构建方法及系统 |
CN106092102A (zh) * | 2016-07-20 | 2016-11-09 | 广州极飞电子科技有限公司 | 一种无人机路径规划方法及装置 |
CN106441305A (zh) * | 2016-10-09 | 2017-02-22 | 北京超图软件股份有限公司 | 室内跨楼层的路径规划方法和装置 |
CN107577750A (zh) * | 2017-08-30 | 2018-01-12 | 北京京东尚科信息技术有限公司 | 绘制导航数据矢量路口的方法和系统 |
CN107704837A (zh) * | 2017-10-19 | 2018-02-16 | 千寻位置网络有限公司 | 道路网拓扑和几何信息的提取方法 |
Non-Patent Citations (1)
Title |
---|
SAEED K 等: "K3M:A UNIVERSAL ALGORITHM FOR IMAGE SKELETONIZATION AND A REVIEW OF THINNING TECHNIQUES", 《INTERNATIONAL JOURNAL OF APPLIED MATHEMATICS AND COMPUTER SCIENCE》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110146072A (zh) * | 2019-05-17 | 2019-08-20 | 深圳来电科技有限公司 | 一种路径规划方法、服务器及可读存储介质 |
CN110850871A (zh) * | 2019-10-21 | 2020-02-28 | 深圳市银星智能科技股份有限公司 | 一种机器路径规划方法及移动机器人 |
CN110850871B (zh) * | 2019-10-21 | 2020-07-17 | 深圳市银星智能科技股份有限公司 | 一种机器路径规划方法及移动机器人 |
CN114119904A (zh) * | 2021-12-03 | 2022-03-01 | 苏州工业园区测绘地理信息有限公司 | 室内路网构建方法、装置和存储介质 |
CN114838729A (zh) * | 2022-04-27 | 2022-08-02 | 中国建设银行股份有限公司 | 一种路径规划方法、装置及设备 |
CN115638803A (zh) * | 2022-10-06 | 2023-01-24 | 东南大学 | 城市兴趣点敏感的个性化路径规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109472416B (zh) | 2022-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109472416A (zh) | 基于自动路网数据提取的室内路径规划方法及装置、客户端 | |
CN103533501B (zh) | 一种地理围栏生成方法 | |
Cova et al. | Modelling community evacuation vulnerability using GIS | |
US20220309201A1 (en) | Artificial-intelligence-assisted method for providing urban design form and layout with improved wind environment | |
CN110532337B (zh) | 面向智慧社区的公共设施服务能力提升方法 | |
CN107133704B (zh) | 遵循最优—遗忘规则的大规模人群动态应急疏散的模拟方法 | |
CN109919819B (zh) | 区域生态网络的构建、评价和优化方法 | |
CN108932876B (zh) | 一种引入黑区的a*和蚁群混合算法的快递无人机航迹规划方法 | |
CN103593400A (zh) | 一种基于改进Apriori算法的雷电活动数据统计方法 | |
CN111798562B (zh) | 一种虚拟建筑空间搭建与漫游方法 | |
CN114065348A (zh) | 一种人群应急疏散方法、系统、终端以及存储介质 | |
CN110426044A (zh) | 一种基于凸集计算和优化蚁群算法的避障路径规划方法 | |
CN115965171A (zh) | 一种基于优化蚁群算法的微公园选址方法 | |
CN110059860A (zh) | 一种城市的公共充电站位置布局多目标优化方法 | |
CN113706715B (zh) | 一种随机可控城市生成方法 | |
CN115757604A (zh) | 一种基于夜光影像数据的gdp时空演变分析方法 | |
Rui et al. | Urban growth modeling with road network expansion and land use development | |
CN113191553A (zh) | 基于建筑物尺度的人口空间分布估算方法及系统 | |
CN110019625A (zh) | 文本标准地址空间化方法和装置、计算机可读存储介质 | |
Beirão et al. | Urban design with patterns and shape rules | |
Hahn et al. | Impact of realistic pedestrian mobility modelling in the context of mobile network simulation scenarios | |
CN115830255B (zh) | 一种仿真场景生成方法、装置、电子设备和存储介质 | |
CN116415748A (zh) | 基于三维数字化融合数据的输变电智能规划方法及系统 | |
CN115758532A (zh) | 一种方格网式城市道路网络人工智能自动生成方法 | |
CN106326492B (zh) | 空间矢量数据生成方法及装置 |
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 |