CN109544659A - 示意图的生成方法和装置 - Google Patents

示意图的生成方法和装置 Download PDF

Info

Publication number
CN109544659A
CN109544659A CN201811196359.5A CN201811196359A CN109544659A CN 109544659 A CN109544659 A CN 109544659A CN 201811196359 A CN201811196359 A CN 201811196359A CN 109544659 A CN109544659 A CN 109544659A
Authority
CN
China
Prior art keywords
schematic
objects
sample graph
schematic objects
subgraph
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
CN201811196359.5A
Other languages
English (en)
Other versions
CN109544659B (zh
Inventor
唐帅佶
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.)
Advanced Nova Technology Singapore Holdings Ltd
Original Assignee
Alibaba Group Holding 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 Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201811196359.5A priority Critical patent/CN109544659B/zh
Publication of CN109544659A publication Critical patent/CN109544659A/zh
Application granted granted Critical
Publication of CN109544659B publication Critical patent/CN109544659B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/20Drawing from basic elements, e.g. lines or circles
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/60Type of objects
    • G06V20/62Text, e.g. of license plates, overlay texts or captions on TV images

Landscapes

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

Abstract

说明书披露一种示意图的生成方法和装置。所述方法包括:将实景图转换为黑白图,所述实景图中包括若干待生成示意图的示意对象;获取示意对象样本图,所述示意对象样本图从所述黑白图中截取;根据所述示意对象样本图识别所述黑白图中的示意对象;根据识别结果为所述实景图中的示意对象生成对应的示意图。

Description

示意图的生成方法和装置
技术领域
本说明书涉及图像处理领域,尤其涉及一种示意图的生成方法和装置。
背景技术
随着O2O(Online To Offline,线上到线下)的发展,越来越多的线下行业将其业务开展到线上,用户可以通过PC、手机等实现业务操作,例如,电影院售票业务、体育场售票业务等。
在这些业务中,通常需要将线下固定场地的示意图展示给用户,例如,电影院座位示意图、体育场座位示意图等。如何快速准确的生成示意图已成为亟待解决的问题。
发明内容
有鉴于此,本说明书提供一种示意图的生成方法和装置。
具体地,本说明书是通过如下技术方案实现的:
一种示意图的生成方法,包括:
将实景图转换为黑白图,所述实景图中包括若干待生成示意图的示意对象;
获取示意对象样本图,所述示意对象样本图从所述黑白图中截取;
根据所述示意对象样本图识别所述黑白图中的示意对象;
根据识别结果为所述实景图中的示意对象生成对应的示意图。
一种示意图的生成装置,包括:
黑白转换单元,将实景图转换为黑白图,所述实景图中包括若干待生成示意图的示意对象;
样本获取单元,获取示意对象样本图,所述示意对象样本图从所述黑白图中截取;
对象识别单元,根据所述示意对象样本图识别所述黑白图中的示意对象;
示意图生成单元,根据识别结果为所述实景图中的示意对象生成对应的示意图。
一种示意图的生成装置,包括:
处理器;
用于存储机器可执行指令的存储器;
其中,通过读取并执行所述存储器存储的与示意图的生成逻辑对应的机器可执行指令,所述处理器被促使:
将实景图转换为黑白图,所述实景图中包括若干待生成示意图的示意对象;
获取示意对象样本图,所述示意对象样本图从所述黑白图中截取;
根据所述示意对象样本图识别所述黑白图中的示意对象;
根据识别结果为所述实景图中的示意对象生成对应的示意图。
由以上描述可以看出,本说明书可将实景图转换为黑白图,并可根据从黑白图中提取到的示意对象样本图对黑白图中的示意对象进行识别,然后根据识别结果为所述实景图中的示意对象生成对应的示意图,从而实现示意图的自动生成,实现简单便捷,相较于人工逐个识别的方式准确度更高。
附图说明
图1是本说明书一示例性实施例示出的一种示意图的生成方法的流程示意图。
图2是本说明书一示例性实施例示出的一种灰度图的示意图。
图3是本说明书一示例性实施例示出的一种黑白图的示意图。
图4是本说明书一示例性实施例示出的一种示意对象样本图的示意图。
图5是本说明书一示例性实施例示出的一种黑白图平面直角坐标系的示意图。
图6是本说明书一示例性实施例示出的另一种示意对象样本图的示意图。
图7是本说明书一示例性实施例示出的一种用于示意图的生成装置的一结构示意图。
图8是本说明书一示例性实施例示出的一种示意图的生成装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本说明书的一些方面相一致的装置和方法的例子。
在本说明书使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本说明书。在本说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本说明书可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本说明书范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
本说明书提供一种示意图生成方案,可为线下拍摄的实景图生成对应的示意图,实现简单快捷、准确性较高。
图1是本说明书一示例性实施例示出的一种示意图生成方法的流程示意图。
所述示意图生成方法可以应用于具有处理器、存储器的电子设备中,例如PC、便携电脑等,本说明书对此不作特殊限制。
请参考图1,所述示意图生成方法可包括以下步骤:
步骤102,将实景图转换为黑白图,所述实景图中包括若干待生成示意图的示意对象。
在本实施例中,所述实景图可由工作人员在线下拍摄,例如,电影院影厅的实景图、楼群的俯视图、停车场的俯视图等。
其中,电影院影厅实景图中的示意对象是影厅座位,为电影院影厅座位生成示意图后可实现在线选座购票等业务。
楼群俯视图中的示意对象是住宅楼、写字楼等楼群建筑,为住宅楼、写字楼生成示意图后可实现在线选房等业务。
停车场俯视图中的示意对象是停车位,为停车位生成示意图后可实现在线选购停车位等业务。
在本实施例中,在拍摄到实景图后,可对实景图进行剪裁、调整等初步处理。
例如,剪裁掉实景图边缘与示意对象无关的图像。
再例如,对存在透视效果的实景图进行去透视处理等。
在本实施例中,在对实景图进行初步处理后,可对实景图进行灰度化处理,例如可采用灰度化公式将实景图像素点的RGB像素值转换为RGB三个分量值相同的取值,得到灰度图。
其中,灰度化公式可以是加权平均公式,例如,
Gray=0.299×red+0.587×green+0.114×blue;
灰度化公式还可以是均值公式,即对RGB三个分量求平均值;
灰度化公式还可以是最大值公式,即取RGB三个分量中的最大值等。
在本实施例中,在得到灰度图后,可以采用大津二值化算法(Otsu’s method)将所述灰度图转换为黑白图。当然,也可以采用其他算法将灰度图转换为黑白图,本说明书对此不作特殊限制。
请参考图2,图2是一个小区楼群的灰度俯视图,对该灰度俯视图进行转换后,可得到图3所示的黑白图。
步骤104,获取示意对象样本图,所述示意对象样本图从所述黑白图中截取。
在一个例子中,可由工作人员从所述黑白图中截取示意对象样本图,较为简单的,可从所述黑白图中截取包括一个示意对象的矩形图作为所述示意对象样本图。
在另一个例子中,也可根据图像识别算法识别所述黑白图中的示意对象,然后截取包括一个示意对象的矩形图作为所述示意对象样本图,本说明书对此不作特殊限制。
请继续参考图3,从图3所示的黑白图中可截取得到图4所示的示意对象样本图。
在本实施例中,若实景图中包括一类示意对象,那么可提取一张示意对象样本图。
若实景图中包括多类示意对象,那么可提取多张示意对象样本图,每张示意对象样本图对应一类示意对象。举例来说,假设电影院影厅实景图中包括两类座椅,一类是单人座椅,另一类是双人座椅,那么可提取两张示意对象样本图,一张对应单人座椅,另一张对应双人座椅。
步骤106,根据所述示意对象样本图识别所述黑白图中的示意对象。
在本实施例中,可以像素点为单位遍历所述黑白图,从所述黑白图中选取与所述示意对象样本图分辨率相同的子图,然后判断所述子图和所述示意对象样本图是否匹配,若匹配,则可确认所述子图中存在示意对象。
具体而言,可先在黑白图中建立平面直角坐标系。
例如,可以所述黑白图的中心点为原点建立平面直角坐标系。
再例如,还可以所述黑白图的左上角顶点或左下角顶点等顶点为原点建立平面直角坐标系,本说明书对此不作特殊限制。
在建立平面直角坐标系之后,可从原点出发,向各个方向遍历所述黑白图的所有像素点,从所述黑白图中提取与所述示意对象样本图分辨率相同的子图。
假设以黑白图的左上角顶点为原点,则可建立图5所示的平面直角坐标系。假设示意对象样本图的分辨率是30×20,则可先在X轴上选取(0,30)像素点,在Y轴上选取(0,20)像素点所组成的区域作为子图1,然后保持Y轴选取不变,向X轴方向遍历,可在X轴上选取(1,31)像素点所组成的区域作为子图2,在X轴上选取(2,32)像素点组成的区域作为子图3,依次类推,在X轴方向遍历结束后,可再向Y轴方向遍历,本说明书在此不再一一赘述。
在选取到子图后,可分别判断每个子图是否匹配所述示意对象样本图。
在一个例子中,可先获取示意对象样本图中示意对象的颜色作为指定颜色,以图4为例,示意对象的颜色是白色。当然在其他例子中,示意对象的颜色还可能是黑色。
在获取到指定颜色后,可计算所述子图中所述指定颜色的像素点与所述示意对象样本图中相同颜色像素点重合的数量。
在进行上述重合数量计算时,可先为所述子图和所述示意对象样本图生成0-1矩阵,所述0-1矩阵是仅包含0和1的矩阵。
较为简单的,以示意对象样本图的分辨率是3×3为例,请参考图6所示的示意对象样本图,可将黑色像素点赋值为0,将白色像素点赋值为1,进而生成如下的0-1矩阵:
类似的,也可为子图生成对应的0-1矩阵。
在本实施例中,仍假设指定颜色是白色,由于是0-1矩阵,子图和示意对象样本图的0-1矩阵相乘之后得到的数值就是白色像素点重合的数量,即两幅图中指定颜色像素点重合的数量。
然后可获取示意图对象样本图中指定颜色像素点的总数量,并计算重合数量在总数量中的占比,若占比大于阈值,则可确认子图和示意图对象样本图匹配。所述阈值可预先配置,例如70%、80%等。
仍以图6为例,示意对象样本图中白色像素点的数量是3,若子图和示意对象样本图完全一致,那么两幅图的0-1矩阵相乘之后得到的数值是3,重合数量占比是3/3,即100%。若两幅图的0-1矩阵相乘之后得到的数值是2,那么重合数量占比是2/3。
在其他例子中,也可以采用其他方式判断子图和示意对象样本图是否匹配,本说明书对此不作特殊限制。
在本实施例中,由于采用遍历的方式选取子图,可能会导致相邻的多幅子图都会匹配示意对象样本图,所以在生成示意图之前,往往还需进行去重处理,保留一幅子图。
在进行去重处理时,可在相邻的多幅匹配示意对象样本图的子图中选取一幅图保留。假设前述子图1、子图2、子图3均匹配示意对象样本图,则可保留中间的子图2,过滤掉子图1和子图3;还可保留子图1,过滤掉子图2和子图3,本说明书对此不作特殊限制。
步骤108,根据识别结果为所述实景图中的示意对象生成对应的示意图。
基于前述步骤106,在识别出存在示意对象的子图后,可获取各子图在黑白图中的坐标信息,然后在所述位置坐标处渲染所述示意对象对应的示意图,以生成实景图对应的示意图。
例如,可在坐标处展示示意对象对应的二维或三维图像,也可在坐标处展示示意对象对应的控件等,本说明书对此不作特殊限制。
由以上描述可以看出,本说明书可将实景图转换为黑白图,并可根据从黑白图中提取到的示意对象样本图对黑白图中的示意对象进行识别,然后根据识别结果为所述实景图中的示意对象生成对应的示意图,从而实现示意图的自动生成,实现简单便捷,相较于人工逐个识别的方式准确度更高。
与前述示意图的生成方法的实施例相对应,本说明书还提供了示意图的生成装置的实施例。
本说明书示意图的生成装置的实施例可以应用在电子设备上。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。以软件实现为例,作为一个逻辑意义上的装置,是通过其所在电子设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言,如图7所示,为本说明书示意图的生成装置所在电子设备的一种硬件结构图,除了图7所示的处理器、内存、网络接口、以及非易失性存储器之外,实施例中装置所在的电子设备通常根据该电子设备的实际功能,还可以包括其他硬件,对此不再赘述。
图8是本说明书一示例性实施例示出的一种示意图的生成装置的框图。
请参考图8,所述示意图的生成装置700可以应用在前述图7所示的电子设备中,包括有:黑白转换单元701、样本获取单元702、对象识别单元703以及示意图生成单元704。
黑白转换单元701,将实景图转换为黑白图,所述实景图中包括若干待生成示意图的示意对象;
样本获取单元702,获取示意对象样本图,所述示意对象样本图从所述黑白图中截取;
对象识别单元703,根据所述示意对象样本图识别所述黑白图中的示意对象;
示意图生成单元704,根据识别结果为所述实景图中的示意对象生成对应的示意图。
可选的,所述黑白转换单元701:
对实景图进行灰度化处理,得到灰度图;
采用大津二值化算法将所述灰度图转换为黑白图。
可选的,所述对象识别单元703:
以像素点为单位遍历所述黑白图,从所述黑白图中选取与所述示意对象样本图分辨率相同的子图;
判断所述子图是否匹配所述示意对象样本图;
若匹配,则确认所述子图中存在所述示意对象。
可选的,所述示意图生成单元704:
获取所述子图的位置坐标;
在所述位置坐标处渲染所述示意对象对应的示意图。
可选的,所述对象识别单元703:
获取所述示意对象样本图中示意对象的颜色作为指定颜色;
计算所述子图中所述指定颜色的像素点与所述示意对象样本图中相同颜色像素点重合的数量;
根据所述数量判断所述子图是否匹配所述示意对象样本图。
可选的,所述对象识别单元703,还对存在示意对象的若干个相邻子图片进行去重处理。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本说明书方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机,计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
与前述示意图的生成方法的实施例相对应,本说明书还提供一种示意图的生成装置,该示意图的生成装置包括:处理器以及用于存储机器可执行指令的存储器。其中,处理器和存储器通常借由内部总线相互连接。在其他可能的实现方式中,所述设备还可能包括外部接口,以能够与其他设备或者部件进行通信。
在本实施例中,通过读取并执行所述存储器存储的与示意图的生成逻辑对应的机器可执行指令,所述处理器被促使:
将实景图转换为黑白图,所述实景图中包括若干待生成示意图的示意对象;
获取示意对象样本图,所述示意对象样本图从所述黑白图中截取;
根据所述示意对象样本图识别所述黑白图中的示意对象;
根据识别结果为所述实景图中的示意对象生成对应的示意图。
可选的,在将实景图转换为黑白图时,所述处理器被促使:
对实景图进行灰度化处理,得到灰度图;
采用大津二值化算法将所述灰度图转换为黑白图。
可选的,在根据所述示意对象样本图识别所述黑白图中的示意对象时,所述处理器被促使:
以像素点为单位遍历所述黑白图,从所述黑白图中选取与所述示意对象样本图分辨率相同的子图;
判断所述子图是否匹配所述示意对象样本图;
若匹配,则确认所述子图中存在所述示意对象。
可选的,在根据识别结果为所述实景图中的示意对象生成对应的示意图时,所述处理器被促使:
获取所述子图的位置坐标;
在所述位置坐标处渲染所述示意对象对应的示意图。
可选的,在判断所述子图是否匹配所述示意对象样本图时,所述处理器被促使:
获取所述示意对象样本图中示意对象的颜色作为指定颜色;
计算所述子图中所述指定颜色的像素点与所述示意对象样本图中相同颜色像素点重合的数量;
根据所述数量判断所述子图是否匹配所述示意对象样本图。
可选的,所述处理器还被促使:
对存在示意对象的若干个相邻子图片进行去重处理。
与前述示意图的生成方法的实施例相对应,本说明书还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,该程序被处理器执行时实现以下步骤:
将实景图转换为黑白图,所述实景图中包括若干待生成示意图的示意对象;
获取示意对象样本图,所述示意对象样本图从所述黑白图中截取;
根据所述示意对象样本图识别所述黑白图中的示意对象;
根据识别结果为所述实景图中的示意对象生成对应的示意图。
可选的,所述将实景图转换为黑白图,包括:
对实景图进行灰度化处理,得到灰度图;
采用大津二值化算法将所述灰度图转换为黑白图。
可选的,所述根据所述示意对象样本图识别所述黑白图中的示意对象,包括:
以像素点为单位遍历所述黑白图,从所述黑白图中选取与所述示意对象样本图分辨率相同的子图;
判断所述子图是否匹配所述示意对象样本图;
若匹配,则确认所述子图中存在所述示意对象。
可选的,所述根据识别结果为所述实景图中的示意对象生成对应的示意图,包括:
获取所述子图的位置坐标;
在所述位置坐标处渲染所述示意对象对应的示意图。
可选的,所述判断所述子图是否匹配所述示意对象样本图,包括:
获取所述示意对象样本图中示意对象的颜色作为指定颜色;
计算所述子图中所述指定颜色的像素点与所述示意对象样本图中相同颜色像素点重合的数量;
根据所述数量判断所述子图是否匹配所述示意对象样本图。
可选的,还包括:
对存在示意对象的若干个相邻子图片进行去重处理。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本说明书的较佳实施例而已,并不用以限制本说明书,凡在本说明书的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本说明书保护的范围之内。

Claims (13)

1.一种示意图的生成方法,包括:
将实景图转换为黑白图,所述实景图中包括若干待生成示意图的示意对象;
获取示意对象样本图,所述示意对象样本图从所述黑白图中截取;
根据所述示意对象样本图识别所述黑白图中的示意对象;
根据识别结果为所述实景图中的示意对象生成对应的示意图。
2.根据权利要求1所述的方法,所述将实景图转换为黑白图,包括:
对实景图进行灰度化处理,得到灰度图;
采用大津二值化算法将所述灰度图转换为黑白图。
3.根据权利要求1所述的方法,所述根据所述示意对象样本图识别所述黑白图中的示意对象,包括:
以像素点为单位遍历所述黑白图,从所述黑白图中选取与所述示意对象样本图分辨率相同的子图;
判断所述子图是否匹配所述示意对象样本图;
若匹配,则确认所述子图中存在所述示意对象。
4.根据权利要求3所述的方法,所述根据识别结果为所述实景图中的示意对象生成对应的示意图,包括:
获取所述子图的位置坐标;
在所述位置坐标处渲染所述示意对象对应的示意图。
5.根据权利要求3所述的方法,所述判断所述子图是否匹配所述示意对象样本图,包括:
获取所述示意对象样本图中示意对象的颜色作为指定颜色;
计算所述子图中所述指定颜色的像素点与所述示意对象样本图中相同颜色像素点重合的数量;
根据所述数量判断所述子图是否匹配所述示意对象样本图。
6.根据权利要求3所述的方法,还包括:
对存在示意对象的若干个相邻子图片进行去重处理。
7.一种示意图的生成装置,包括:
黑白转换单元,将实景图转换为黑白图,所述实景图中包括若干待生成示意图的示意对象;
样本获取单元,获取示意对象样本图,所述示意对象样本图从所述黑白图中截取;
对象识别单元,根据所述示意对象样本图识别所述黑白图中的示意对象;
示意图生成单元,根据识别结果为所述实景图中的示意对象生成对应的示意图。
8.根据权利要求7所述的装置,所述黑白转换单元:
对实景图进行灰度化处理,得到灰度图;
采用大津二值化算法将所述灰度图转换为黑白图。
9.根据权利要求7所述的装置,所述对象识别单元:
以像素点为单位遍历所述黑白图,从所述黑白图中选取与所述示意对象样本图分辨率相同的子图;
判断所述子图是否匹配所述示意对象样本图;
若匹配,则确认所述子图中存在所述示意对象。
10.根据权利要求9所述的装置,所述示意图生成单元:
获取所述子图的位置坐标;
在所述位置坐标处渲染所述示意对象对应的示意图。
11.根据权利要求9所述的装置,所述对象识别单元:
获取所述示意对象样本图中示意对象的颜色作为指定颜色;
计算所述子图中所述指定颜色的像素点与所述示意对象样本图中相同颜色像素点重合的数量;
根据所述数量判断所述子图是否匹配所述示意对象样本图。
12.根据权利要求9所述的装置,
所述对象识别单元,还对存在示意对象的若干个相邻子图片进行去重处理。
13.一种示意图的生成装置,包括:
处理器;
用于存储机器可执行指令的存储器;
其中,通过读取并执行所述存储器存储的与示意图的生成逻辑对应的机器可执行指令,所述处理器被促使:
将实景图转换为黑白图,所述实景图中包括若干待生成示意图的示意对象;
获取示意对象样本图,所述示意对象样本图从所述黑白图中截取;
根据所述示意对象样本图识别所述黑白图中的示意对象;
根据识别结果为所述实景图中的示意对象生成对应的示意图。
CN201811196359.5A 2018-10-15 2018-10-15 示意图的生成方法和装置 Active CN109544659B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811196359.5A CN109544659B (zh) 2018-10-15 2018-10-15 示意图的生成方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811196359.5A CN109544659B (zh) 2018-10-15 2018-10-15 示意图的生成方法和装置

Publications (2)

Publication Number Publication Date
CN109544659A true CN109544659A (zh) 2019-03-29
CN109544659B CN109544659B (zh) 2023-07-18

Family

ID=65843929

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811196359.5A Active CN109544659B (zh) 2018-10-15 2018-10-15 示意图的生成方法和装置

Country Status (1)

Country Link
CN (1) CN109544659B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012069003A1 (zh) * 2010-11-25 2012-05-31 北大方正集团有限公司 陷印方法和装置
CN103971126A (zh) * 2014-05-12 2014-08-06 百度在线网络技术(北京)有限公司 一种交通标志识别方法和装置
CN105404856A (zh) * 2015-11-02 2016-03-16 长安大学 一种公交车辆座位占用状态检测方法
CN105447880A (zh) * 2015-12-15 2016-03-30 北京文安科技发展有限公司 一种票房人数核验方法、装置及系统
CN106060419A (zh) * 2016-06-30 2016-10-26 维沃移动通信有限公司 一种拍照方法及移动终端
CN106875022A (zh) * 2016-12-30 2017-06-20 腾讯科技(深圳)有限公司 院线座位网络选取方法和装置
CN107103606A (zh) * 2017-02-27 2017-08-29 口碑控股有限公司 一种图像识别方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012069003A1 (zh) * 2010-11-25 2012-05-31 北大方正集团有限公司 陷印方法和装置
CN103971126A (zh) * 2014-05-12 2014-08-06 百度在线网络技术(北京)有限公司 一种交通标志识别方法和装置
CN105404856A (zh) * 2015-11-02 2016-03-16 长安大学 一种公交车辆座位占用状态检测方法
CN105447880A (zh) * 2015-12-15 2016-03-30 北京文安科技发展有限公司 一种票房人数核验方法、装置及系统
CN106060419A (zh) * 2016-06-30 2016-10-26 维沃移动通信有限公司 一种拍照方法及移动终端
CN106875022A (zh) * 2016-12-30 2017-06-20 腾讯科技(深圳)有限公司 院线座位网络选取方法和装置
CN107103606A (zh) * 2017-02-27 2017-08-29 口碑控股有限公司 一种图像识别方法及装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
张鸿宇等: "基于深度图像的多学习者姿态识别", 《计算机科学》 *
李刚等: "基于彩色和黑白纹理的车牌快速定位方法", 《公路与汽运》 *
王存睿等: "基于人脸检测的教室信息智能采集系统", 《大连民族学院学报》 *
邓秀娟等: "基于图像轮廓提取的模板匹配方法在机器人视觉中的应用", 《机器人技术与应用》 *

Also Published As

Publication number Publication date
CN109544659B (zh) 2023-07-18

Similar Documents

Publication Publication Date Title
CN107993216B (zh) 一种图像融合方法及其设备、存储介质、终端
CN111880657B (zh) 一种虚拟对象的控制方法、装置、电子设备及存储介质
WO2017092303A1 (zh) 虚拟现实场景模型建立方法及装置
US20150356770A1 (en) Street view map display method and system
CN109697688A (zh) 一种用于图像处理的方法和装置
CN112381919A (zh) 信息处理方法、定位方法及装置、电子设备和存储介质
CN109242961A (zh) 一种脸部建模方法、装置、电子设备和计算机可读介质
CN111369428B (zh) 虚拟头像生成方法和装置
US11922568B2 (en) Finite aperture omni-directional stereo light transport
TW201220253A (en) Image calculation method and apparatus
CN108430032A (zh) 一种实现vr/ar设备位置共享的方法及设备
WO2023216982A1 (zh) 数据处理方法、装置、计算机设备、存储介质及程序产品
CN108668108A (zh) 一种视频监控的方法、装置及电子设备
JP2019527355A (ja) デジタル画像における改善された光沢表現のためのコンピュータシステムおよび方法
CN108492284B (zh) 用于确定图像的透视形状的方法和装置
CN107203961B (zh) 一种表情迁移的方法及电子设备
CN110390724A (zh) 一种带有实例分割的slam方法
CN109445569A (zh) 基于ar的信息处理方法、装置、设备及可读存储介质
WO2019042028A1 (zh) 全视向的球体光场渲染方法
TWI711004B (zh) 圖片處理方法和裝置
CN111460937B (zh) 脸部特征点的定位方法、装置、终端设备及存储介质
CN111275610B (zh) 一种人脸变老图像处理方法及系统
CN109299510A (zh) 三维模型确定方法、装置及设备
CN111833456A (zh) 图像处理方法、装置、设备及计算机可读存储介质
CN109726613A (zh) 一种用于检测的方法和装置

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20201010

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Innovative advanced technology Co.,Ltd.

Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant before: Advanced innovation technology Co.,Ltd.

Effective date of registration: 20201010

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Advanced innovation technology Co.,Ltd.

Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands

Applicant before: Alibaba Group Holding Ltd.

GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240219

Address after: Guohao Times City # 20-01, 128 Meizhi Road, Singapore

Patentee after: Advanced Nova Technology (Singapore) Holdings Ltd.

Country or region after: Singapore

Address before: Ky1-9008 Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands, ky1-9008

Patentee before: Innovative advanced technology Co.,Ltd.

Country or region before: Cayman Islands