一种无人模型车建立地图的系统及方法
技术领域
本发明涉及地图信息技术领域,特别涉及一种无人模型车建立地图的系统及方法。
背景技术
目前,对于地图的绘制基本通过卫星对地球进行拍照的方式,但是卫星即使采用高清摄像装置也难以实现对地球上体积相对较小的物体(例如岩石、树木)的拍摄,从而并不能够实现对地图上体积相对较小的物体绘制;但是采取人为摄像绘制地图的方式,虽然可以实现对相对较小的物体的拍摄,但是在地图绘制过程中会耗费大量的人力和物力,并且有可能因人为误差导致绘制的地图不精确。
对于上述问题,目前急需一种能够自动绘制地图的方法。
发明内容
为解决上述技术问题,本发明提供一种无人模型车建立地图的系统及方法,用以实现对无人模型车周围环境的地图绘制。
本发明实施例中提供了一种无人模型车建立地图的方法,其特征在于,所述方法包括如下步骤:
S101、获取周围环境的原始点云数据和原始图像;
S102、根据所述原始点云数据的特征数据,对所述原始点云数据中的点云数据信息进行分类;
S103、将所述点云数据信息投影到平面地图,生成三维地图;
S104、对所述原始图像进行降噪处理,获取降噪图像;
S105、将所述降噪图像进行划分为多个部分;
S106、对所述降噪图像的各个部分进行二值化处理,获取二值化图像;
S107、将所述二值化图像投影到所述三维地图。
进一步地,所述步骤S103中的点云数据信息,包括三维坐标点云数据信息和激光点云数据信息;
所述三维坐标点云数据信息,包括周围环境物体的大小坐标;
所述激光点云数据信息,包括周围环境物体的硬度材质。
进一步地,所述步骤S103中的特征数据,包括所述激光点云数据信息,用于根据周围环境物体的硬度材质进行分类,将具有相同硬度材质的点云数据信息划分为一类。
进一步地,所述步骤S104对所述原始图像进行降噪处理,获取降噪图像;包括如下步骤:
获取所述原始图像,并提取所述原始图像的局部特征参数;
根据所述原始图像的的局部特征参数,获取所述原始图像的降噪算法的参数方阵;
获取所述原始图像的多个特征分量图;
采用所述降噪算法的参数方阵将所述多个特征分量图合成,获取所述降噪图像。
进一步地,所述步骤S104对所述原始图像进行降噪处理,获取降噪图像之前所述方法还包括:
检测所述原始图像中需要进行降噪的图像区域,具体包括如下步骤:
将所述原始图像均匀分割为多个图像区域;
分别对所述原始图像中的每个图像区域进行运动检测,获取所述每个图像区域的运动参数;
将所述运动参数与设定阈值进行比对,若所述运动参数小于所述设定阈值时,则所述图像区域需进行降噪处理;若所述运动参数大于或等于所述设定阈值时,则所述图像区域无需进行降噪处理。
进一步地,所述步骤S105将所述降噪图像进行划分为多个部分,包括如下步骤:
根据所述降噪图像,提取所述降噪图像的极线图像和高清晰度图像;
采用局部结构张量法对所述极线图像进行处理,获取所述降噪图像中不同方向角的极线数据;
采用超像素分割法对所述高清晰度图像进行处理,获取高清晰度图像分割后的多个图像子区域;
根据所述每一个图像子区域,提取所述图像子区域的极线数据和色彩信息,获取所述图像子区域的极线特征和色彩特征;
根据所述图像子区域的极线特征和色彩特征,采用谱聚类算法计算相邻所述图像子区域之间的亲和度;
根据所述图像子区域之间的亲和度,采用图像分割算法对所述降噪图像进行分割,获取所述降噪图像中划分后的各个部分。
进一步地,所述原始点云数据按照以下方式获取:
激光发射器多次发送指定波长的激光信号,激光接收器接收到的信号次数的分布按照以下公式确定:
其中,I(t)为激光接收器在t时刻接收到的信号的次数,t为当前时刻,σ为高斯分布拟合后变量n的方差,μ为高斯分布拟合后变量n的期望值,为非对应信号的干扰值;
相应地,按照以下公式对指定时段内所述激光接收器接收到的激光信号进行拟合:
其中,为针对(μ-3σ,μ+3σ)时段内的激光信号进行拟合后的拟合信号,Ji为第i次的激光信号;
将拟合后的信号作为所述原始点云数据。
在一个实施例中,所述方法还包括:
按照以下公式对所述原始图像进行分块处理:
其中Qi是拍摄的第i帧原始图像的图像矩阵,Qimn为第i帧原始图像的图像矩阵中第m行n列的像素点且由像素组成的矩阵也叫作像素矩阵,Aipk为将第i帧原始图像的图像矩阵进行分块处理得到分块矩阵中第p行k列的块矩阵;
相应地,分块后的每个块矩阵中包含的特征信息的像素按照以下公式确定:
ti11∈Ai11;ti12∈Ai12;…ti1k∈Ai1k;…tipk∈Aipk;
其中ti为第i帧原始图像的图像矩阵进行分块处理得到分块矩阵后对应的块矩阵里包含特征信息的像素,tipk为块矩阵里第p行第k列的特征信息的像素点;在ti的基础上按照下述公式构成所述第i帧原始图像的特征矩阵:
其中Ti为第i帧原始图像的特征矩阵,令其与上一帧的特征矩阵利用如下方程进行对比,从而得出摄像装置的调整角度以及距离:
为了使摄像头更加准确的跟随目标,提取所述特征矩阵与上一帧的特征矩阵中的相同元素对应的坐标,再进行如下计算:
其中,θ为摄像装置应调整的角度,(mj,i,nj,i)为第i帧图像的特征矩阵中第j个相同元素对应的坐标,(aj,i-1,bj,i-1)为第i-1帧图像的特征矩阵中第j个相同元素对应的坐标,μ为特征矩阵中的相同元素的总个数,L为摄像装置应调整的距离。
进一步地,所述步骤S106中的对所述降噪图像进行二值化处理,包括:
将所述降噪图像的各个部分的灰度值与预设阈值进行比对;若所述降噪图像的某一部分的灰度值大于或等于所述预设阈值时,则将所述降噪图像的某一部分设定为第一颜色;若所述降噪图像的某一部分的灰度值小于所述预设阈值时,则将所述降噪图像的某一部分设定为第二颜色;
所述预设阈值基于所述降噪图像中竖直方向进行变化,根据摄像装置获取的周围环境的物体图像依据近大远小的准则确定周围环境的物体距离所述摄像装置的远近,并将所述远近方向确定为竖直方向;所述预设阈值根据划分后所述降噪图像每一部分的像素与划分前所述降噪图像每一部分的像素之比,获取划分后的像素比值。
进一步地,所述获取模块,包括激光扫描单元和摄像装置;
所述激光扫描单元,用于获取周围环境的所述原始点云数据;所述摄像装置,用于在所述激光扫描单元对周围环境进行扫描时对周围环境进行拍摄;
所述激光扫描单元,包括激光发射子单元、激光接收子单元和处理子单元;
所述激光发射子单元,用于向周围环境发射激光信号;
所述激光接收子单元,用于接收周围环境反射回的激光信号;
所述处理子单元,用于对所述激光接收子单元接收的激光信号进行处理,获取周围环境的所述原始点云数据;
所述激光发射子单元,包括多个激光发射器,用于发射多个波长不同的激光信号;所述激光接收子单元,包括多个激光接收器,用于接收反射回的多个不同波长的激光信号;
其中,所述激光发射器多次发送指定波长的激光信号,所述激光接收器接收到的信号次数的分布按照以下公式确定:
其中,I(t)为激光接收器在t时刻接收到的信号的次数,t为当前时刻,σ为高斯分布拟合后变量n的方差,μ为高斯分布拟合后变量n的期望值,为非对应信号的干扰值;
相应地,所述处理子单元还用于按照以下公式对指定时段内所述激光接收器接收到的激光信号进行拟合:
其中,为针对(μ-3σ,μ+3σ)时段内的激光信号进行拟合后的拟合信号,Ji为第i次的激光信号;
所述处理子单元还用于将拟合后的信号作为所述原始点云数据;
所述系统还包括参数调节单元,所述参数调节单元还包括:
按照以下公式对所述原始图像进行分块处理:
其中Qi是拍摄的第i帧原始图像的图像矩阵,Qimn为第i帧原始图像的图像矩阵中第m行n列的像素点且由像素组成的矩阵也叫作像素矩阵,Aipk为将第i帧原始图像的图像矩阵进行分块处理得到分块矩阵中第p行k列的块矩阵;
相应地,分块后的每个块矩阵中包含的特征信息的像素按照以下公式确定:
ti11∈Ai11;ti12∈Ai12;...ti1k∈Ai1k;...tipk∈Aipk;
其中ti为第i帧原始图像的图像矩阵进行分块处理得到分块矩阵后对应的块矩阵里包含特征信息的像素,tipk为块矩阵里第p行第k列的特征信息的像素点;在ti的基础上按照下述公式构成所述第i帧原始图像的特征矩阵:
其中Ti为第i帧原始图像的特征矩阵,令其与上一帧的特征矩阵利用如下方程进行对比,从而得出摄像装置的调整角度以及距离:
为了使摄像头更加准确的跟随目标,提取所述特征矩阵与上一帧的特征矩阵中的相同元素对应的坐标,再进行如下计算:
其中,θ为摄像装置应调整的角度,(mj,i,nj,i)为第i帧图像的特征矩阵中第j个相同元素对应的坐标,(aj,i-1,bj,i-1)为第i-1帧图像的特征矩阵中第j个相同元素对应的坐标,u为特征矩阵中的相同元素的总个数,L为摄像装置应调整的距离。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明所提供一种无人模型车建立地图的方法的结构示意图;
图2为本发明所提供一种无人模型车建立地图的系统的结构示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明实施例提供了一种无人模型车建立地图的方法,如图1所示,方法包括如下步骤:
S101、获取周围环境的原始点云数据和原始图像;
S102、根据原始点云数据的特征数据,对原始点云数据中的点云数据信息进行分类;
S103、将点云数据信息投影到平面地图,生成三维地图;
S104、对原始图像进行降噪处理,获取降噪图像;
S105、将降噪图像进行划分为多个部分;
S106、对降噪图像的各个部分进行二值化处理,获取二值化图像;
S107、将二值化图像投影到三维地图。
上述方法的工作原理在于:系统对无人模型车周围的环境进行扫描,获取原始点云数据以及扫描时的原始图像;根据原始点云数据的特征数据,对原始点云数据进行分类;并将分类后的点云数据信息投影到预设的平面地图中,生成三维地图;系统对所获取的原始图像进行降噪处理,并对降噪图像进行划分;将划分后的降噪图像的各个部分进行二值化处理,获取二值化图像;将二值化图像投影到三维地图上。
上述方法的有益效果在于:根据原始点云数据的特征数据,实现了对原始点云数据的分类,并将分类后的点云数据信息投影到平面地图,生成三维地图;从而实现了对所扫描的的周围环境的三维地图的建立。由于外部环境的干扰,使得所获取的原始图像存在噪声,上述方法中通过步骤S104实现了对原始图像的降噪处理,并通过将降噪图像划分为多个部分进行二值化处理,实现了将降噪图像中的物体的轮廓凸显出来,同时也使得降噪图像的数据量大大减小,方便系统对于降噪图像的处理和操作;并将处理后的二值化图像,投影到三维地图上,从而实现了三维地图的外观显示。上述方法不仅能够实现对体积相对较小的物体的拍摄,并且可以通过上述步骤实现对无人模型车周围的环境地图进行绘制,解决了传统技术中采用人为绘制地图的不便;通过上述方法能够实现对所扫描的周围的环境地图自动绘制,相比于人为绘制地图更加准确;同时还能够实现对卫星所拍摄不到的体积相对较小的物体的地图绘制,使得地图的绘制更加精确、简便和快捷。
例如,将点云数据信息中的激光点云数据信息作为特征数据,使得点云数据信息根据周围环境物体的硬度材质进行分类,从而实现了点云数据信息根据不同物体的硬度材质对平面地图的分类投影。
在一个实施例中,步骤S103中的点云数据信息,包括三维坐标点云数据信息和激光点云数据信息;
三维坐标点云数据信息,包括周围环境物体的大小坐标;
激光点云数据信息,包括周围环境物体的硬度材质。
上述技术方案中通过点云数据信息中的三维坐标点云数据信息,实现了对周围环境物体大小位置的确定;通过点云数据信息中的激光点云数据信息,实现了对周围环境物体硬度材质的确定;从而方便在平面地图中标注周围环境物体的大小位置和材质。
在一个实施例中,步骤S103中的特征数据,包括激光点云数据信息,用于根据周围环境物体的硬度材质进行分类,将具有相同硬度材质的点云数据信息划分为一类。上述技术方案通过将激光点云数据信息作为特征数据,对点云数据信息进行分类;将具有相同硬度材质的点云数据信息划分为一类,使得在步骤S104中,方便点云数据信息根据分类对平面地图进行投影。
在一个实施例中,步骤S104对原始图像进行降噪处理,获取降噪图像;包括如下步骤:
获取原始图像,并提取原始图像的局部特征参数;
根据原始图像的的局部特征参数,获取原始图像的降噪算法的参数方阵;
获取原始图像的多个特征分量图;
采用降噪算法的参数方阵将多个特征分量图合成,获取降噪图像。
上述技术方案中通过提取原始图像的局部特征参数(例如原始图像的梯度向量),获取原始图像的降噪算法的参数方阵;获取原始图像的多个特征分量图;例如,可采用正太分布获取原始图像的多个特征分量图;通过采用降噪算法的参数方阵将多个特征分量图合成为降噪图像。上述技术方案实现了对原始图像的自动降噪处理,无需人工调整平滑参数,有效地提高了图像降噪处理的效率,从而实现了对于图像的自动降噪处理。
在一个实施例中,步骤S104对原始图像进行降噪处理,获取降噪图像之前方法还包括:
检测原始图像中需要进行降噪的图像区域,具体包括如下步骤:
将原始图像均匀分割为多个图像区域;
分别对原始图像中的每个图像区域进行运动检测,获取每个图像区域的运动参数;
将运动参数与设定阈值进行比对,若运动参数小于设定阈值时,则图像区域需进行降噪处理;若运动参数大于或等于设定阈值时,则图像区域无需进行降噪处理。上述技术方案中通过将原始图像均匀分割,分别对原始图像中分割后的每个图像区域进行运动检测,并将所获取的运动参数与设定阈值进行比对,判断原始图像中的区域是否需要进行降噪,使得步骤S104中无需对原始图像的所有区域进行降噪处理,进一步提高了对原始图像降噪处理的效率。
例如,将原始图像划分为4个图像区域,设定阈值为18个像素/每秒,对原始图像的4个图像区域进行运动检测,所获取的第二个图像区域和第三个图像区域的运动参数为24个像素/每秒,所获取的第一个图像区域和第四个图像区域的运动参数为10个像素/每秒,则步骤S104只需对原始图像的第一个图像区域和第四个图像区域进行降噪处理。
在一个实施例中,步骤S105将降噪图像进行划分为多个部分,包括如下步骤:
根据降噪图像,提取降噪图像的极线图像和高清晰度图像;
采用局部结构张量法对极线图像进行处理,获取降噪图像中不同方向角的极线数据;
采用超像素分割法对高清晰度图像进行处理,获取高清晰度图像分割后的多个图像子区域;
根据每一个图像子区域,提取图像子区域的极线数据和色彩信息,获取图像子区域的极线特征和色彩特征;
根据图像子区域的极线特征和色彩特征,采用谱聚类算法计算相邻图像子区域之间的亲和度;
根据图像子区域之间的亲和度,采用图像分割算法对降噪图像进行分割,获取降噪图像中划分后的各个部分。上述技术方案中通过将降噪图像的极限特征和色彩特征传输到谱聚类算法获取降噪图像中图像子区域之间的亲和度,图像分割算法根据各图像子区域之间的亲和度对降噪图像进行划分,从而实现了对降噪图像的准确划分;上述技术方案不仅可以有效提高对降噪图像的准确划分,同时在对所获取的较为复杂的降噪图像划分时,也能够实现较好的图像划分效果。
在一个实施例中,所述原始点云数据按照以下方式获取:
激光发射器多次发送指定波长的激光信号,激光接收器接收到的信号次数的分布按照以下公式确定:
其中,I(t)为激光接收器在t时刻接收到的信号的次数,t为当前时刻,σ为高斯分布拟合后变量n的方差,μ为高斯分布拟合后变量n的期望值,为非对应信号的干扰值;
相应地,按照以下公式对指定时段内所述激光接收器接收到的激光信号进行拟合:
其中,为针对(μ-3σ,μ+3σ)时段内的激光信号进行拟合后的拟合信号,Ji为第i次的激光信号;
将拟合后的信号作为所述原始点云数据。
在一个实施例中,所述方法还包括:
按照以下公式对所述原始图像进行分块处理:
其中Qi是拍摄的第i帧原始图像的图像矩阵,Qimn为第i帧原始图像的图像矩阵中第m行n列的像素点且由像素组成的矩阵也叫作像素矩阵,Aipk为将第i帧原始图像的图像矩阵进行分块处理得到分块矩阵中第p行k列的块矩阵;
相应地,分块后的每个块矩阵中包含的特征信息的像素按照以下公式确定:
ti11∈Ai11;ti12∈Ai12;…ti1k∈Ai1k;…tipk∈Aipk;
其中ti为第i帧原始图像的图像矩阵进行分块处理得到分块矩阵后对应的块矩阵里包含特征信息的像素,tipk为块矩阵里第p行第k列的特征信息的像素点;在ti的基础上按照下述公式构成所述第i帧原始图像的特征矩阵:
其中Ti为第i帧原始图像的特征矩阵,令其与上一帧的特征矩阵利用如下方程进行对比,从而得出摄像装置的调整角度以及距离:
为了使摄像头更加准确的跟随目标,提取所述特征矩阵与上一帧的特征矩阵中的相同元素对应的坐标,再进行如下计算:
其中,θ为摄像装置应调整的角度,(mj,i,nj,i)为第i帧图像的特征矩阵中第j个相同元素对应的坐标,(aj,i-1,bj,i-1)为第i-1帧图像的特征矩阵中第j个相同元素对应的坐标,u为特征矩阵中的相同元素的总个数,L为摄像装置应调整的距离。
利用相同元素对应的坐标以及上述公式求取角度大大的提高了其转动的精准程度,并且利用坐标和特征矩阵整体相联合的方式来求取移动距离可以减小摄像头的移动误差,并且移动的更加精准。
在一个实施例中,步骤S106中的对降噪图像进行二值化处理,包括:
将降噪图像的各个部分的灰度值与预设阈值进行比对;若降噪图像的某一部分的灰度值大于或等于预设阈值时,则将降噪图像的某一部分设定为第一颜色;若降噪图像的某一部分的灰度值小于预设阈值时,则将降噪图像的某一部分设定为第二颜色;
预设阈值基于降噪图像中竖直方向进行变化,根据摄像装置获取的周围环境的物体图像依据近大远小的准则确定周围环境的物体距离摄像装置的远近,并将远近方向确定为竖直方向;预设阈值根据划分后降噪图像每一部分的像素与划分前降噪图像每一部分的像素之比,获取划分后的像素比值。上述技术方案通过将降噪图像的各个部分的灰度值,与预设阈值进行比对,实现对降噪图像中不同灰度值部分的二值化处理,解决了传统技术中采用固定的预设阈值对图像处理,使得二值化处理后的图像细节损失严重的问题;其中预设阈值根据降噪图像中的竖直方向进行变化,实现了对每幅降噪图像的不同的二值化处理,较好地保留了降噪图像的细节,有效地提高了系统对降噪图像的二值化处理的准确度。
一种无人模型车建立地图的系统,如图2所示,包括:
获取模块21,用于获取周围环境的原始点云数据和原始图像;
分类模块22,用于根据原始点云数据的特征数据,对原始点云数据块中的点云数据信息进行分类;
地图生成模块23,用于将点云数据信息投影到平面地图,生成三维地图;
降噪处理模块24,用于对原始图像进行降噪处理,获取降噪图像;
图像分割模块25,用于将降噪图像进行划分为多个部分;
图像处理模块26,用于对降噪图像的各个部分进行二值化处理,获取二值化图像;
图像铺设模块27,用于将二值化图像投影到三维地图。
上述系统的工作原理在于:获取模块21用于对无人模型车所在周围环境进行扫描和拍摄,获取原始点云数据以及扫描时的原始图像;分类模块22通过提取原始点云数据的特征数据,将原始点云数据中的点云数据信息进行分类;地图生成模块23,根据点云数据信息基于平面地图生成三维地图;降噪处理模块24,用于对获取模块所获取的原始图像进行降噪处理,获取处理后的降噪图像;图像分割模块25将降噪图像划分为多个部分;并通过图像处理模块26对降噪图像的各个部分进行二值化处理,获取二值化图像;并通过图像铺设模块27,将二值化图像铺设于三维地图上。
上述系统的有益效果在于:通过获取模块,实现了对原始点云数据和原始图像的获取;分类模块将获取模块所获取的原始点云数据进行分类,并通过地图生成模块将原始点云数据投影到平面地图,生成三维地图;从而实现了对三维地图的建立。通过降噪处理模块实现了对获取模块所获取的原始图像的降噪处理,生成降噪图像,从而提高了原始图像的清晰度;图像分割模块将降噪图像进行分割,并通过图像处理模块实现了对降噪图像的二值化处理,获取二值化图像,实现了将降噪图像中的物体的轮廓凸显出来,同时也使得降噪图像的数据量大大减小,方便系统其他模块对于降噪图像的处理和操作;图像铺设模块用于将二值化图像铺设于三维地图上,从而实现了三维地图的外观显示。上述系统通过无人模型车上获取模块对周围环境的扫描和拍摄,实现了三维地图的建立。上述系统不仅能够实现对体积相对较小的物体的拍摄,并且可以通过上述各个模块实现对无人模型车周围的环境地图进行绘制,解决了传统技术中采用人为绘制地图的不便;通过上述系统能够实现对所扫描的周围的环境地图自动绘制,相比于人为绘制地图更加准确;同时还能够实现对卫星所拍摄不到的体积相对较小的物体的地图绘制,使得地图的绘制更加精确、简便和快捷。
在一个实施例中,获取模块,包括激光扫描单元和摄像装置;
激光扫描单元,用于获取周围环境的原始点云数据;摄像装置,用于在激光扫描单元对周围环境进行扫描时对周围环境进行拍摄。上述技术方案通过获取模块中的激光扫描单元实现了对周围环境原始点云数据的获取,摄像装置实现了激光扫描单元对周围环境进行扫描时的原始图像的获取。
在一个实施例中,激光扫描单元,包括激光发射子单元、激光接收子单元和处理子单元;
激光发射子单元,用于向周围环境发射激光信号;
激光接收子单元,用于接收周围环境反射回的激光信号;
处理子单元,用于对激光接收子单元接收的激光信号进行处理,获取周围环境的原始点云数据;
激光发射子单元,包括多个激光发射器,用于发射多个波长不同的激光信号;激光接收子单元,包括多个激光接收器,用于接收反射回的多个不同波长的激光信号。
在现有技术中,对于所述激光发射子单元来说,通常情况下都是多个激光发射器发射一次激光信号,然后多个激光接收器进行接收,这种情况有时候会造成采集到的激光信号会有信息损失,从而造成获取周围环境的原始点云数据会有一些不准确,为了解决这一问题,在本实施方式中可以让多个激光发射器发射多次波长不同的多个激光信号,并且建立数学模型让多个激光接收器对其进行实时的接收,从而优化所述问题,具体模型如下:
其中,所述激光发射器多次发送指定波长的激光信号,所述激光接收器接收到的信号次数的分布按照以下公式确定:
其中,I(t)为激光接收器在t时刻接收到的信号的次数,t为当前时刻,σ为高斯分布拟合后变量n的方差,μ为高斯分布拟合后变量n的期望值,为非对应信号的干扰值;
相应地,所述处理子单元还用于按照以下公式对指定时段内所述激光接收器接收到的激光信号进行拟合:
其中,为针对(μ-3σ,μ+3σ)时段内的激光信号进行拟合后的拟合信号,Ji为第i次的激光信号;
所述处理子单元还用于将拟合后的信号作为所述原始点云数据;
所述系统还包括参数调节单元,所述参数调节单元还包括:
按照以下公式对所述原始图像进行分块处理:
其中Qi是拍摄的第i帧原始图像的图像矩阵,Qimn为第i帧原始图像的图像矩阵中第m行n列的像素点且由像素组成的矩阵也叫作像素矩阵,Aipk为将第i帧原始图像的图像矩阵进行分块处理得到分块矩阵中第p行k列的块矩阵;
相应地,分块后的每个块矩阵中包含的特征信息的像素按照以下公式确定:
ti11∈Ai11;ti12∈Ai12;…ti1k∈Ai1k;…tipk∈Aipk;
其中ti为第i帧原始图像的图像矩阵进行分块处理得到分块矩阵后对应的块矩阵里包含特征信息的像素,tipk为块矩阵里第p行第k列的特征信息的像素点;在ti的基础上按照下述公式构成所述第i帧原始图像的特征矩阵:
其中Ti为第i帧原始图像的特征矩阵,令其与上一帧的特征矩阵利用如下方程进行对比,从而得出摄像装置的调整角度以及距离:
为了使摄像头更加准确的跟随目标,提取所述特征矩阵与上一帧的特征矩阵中的相同元素对应的坐标,再进行如下计算:
其中,θ为摄像装置应调整的角度,(mj,i,nj,i)为第i帧图像的特征矩阵中第j个相同元素对应的坐标,(aj,i-1,bj,i-1)为第i-1帧图像的特征矩阵中第j个相同元素对应的坐标,u为特征矩阵中的相同元素的总个数,L为摄像装置应调整的距离。
上述技术方案中通过激光发射子单元向周围环境发射激光信号,并通过激光接收子单元接收反射回的激光信号,实现了对周围环境物体反射回的激光信号的接收;通过处理子单元,实现对所接收的激光信号进行处理,获取原始点云数据;上述技术方案中通过设置多个激光发射器,实现了向周围环境发射较为密集的激光信号,并通过多个激光接收器,实现了对周围环境反射回激光信号的获取,使得激光扫描单元所获取的原始点云数据更加准确。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。