CN109916397A - 用于追踪巡查轨迹的方法、装置、电子设备及存储介质 - Google Patents
用于追踪巡查轨迹的方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN109916397A CN109916397A CN201910199949.1A CN201910199949A CN109916397A CN 109916397 A CN109916397 A CN 109916397A CN 201910199949 A CN201910199949 A CN 201910199949A CN 109916397 A CN109916397 A CN 109916397A
- Authority
- CN
- China
- Prior art keywords
- inspection
- data
- track
- sensing
- sensing data
- 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
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明的实施例提供了一种用于追踪巡查轨迹的方法、装置、电子设备及存储介质,涉及计算机技术领域。该方法包括:基于预先在监控场地内采集的前期传感数据构建语义地图;实时通过传感设备获取巡查传感数据;将所述巡查传感数据在所述语义地图中进行标记,得到巡查轨迹。本发明实施例的技术方案一方面,依靠传感设备采集的巡查传感数据在构建的语义地图上进行标记,从而得到巡查轨迹,可以提高巡查效率,降低巡查监控场地的管理成本;另一方面,还可以根据已经生成的巡查轨迹及时对下一步的巡查任务进行调整和分配,可以提高巡查的覆盖率,实现更为全面的巡查。
Description
技术领域
本发明涉及计算机技术领域,具体而言,涉及一种用于追踪巡查轨迹的方法、装置、电子设备以及计算机可读存储介质。
背景技术
随着汽车保有量的逐年递增,需要越来越多的停车场才能满足大众的停车需求,停车场的管理工作也需要加强。
目前,停车场中的工作人员巡查停车场时,停车场管理系统无法追踪巡查人员的路线,无法确保巡查的范围和频率,会存在巡查死角,而且人工巡查效率很低。停车场管理方面的缺失可能会一些违法违纪事件无法被发现或者阻止,造成当事人或者停车场的损失。
因此,针对停车场巡查人员提供一种巡查监控方法成为亟待解决的技术问题。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本发明背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明实施例的目的在于提供一种用于追踪巡查轨迹的方法、装置、电子设备以及计算机可读存储介质,进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。
根据本发明实施例的第一方面,提供了一种用于追踪巡查轨迹的方法,包括:
基于预先在监控场地内采集的前期传感数据构建语义地图;
实时通过传感设备获取巡查传感数据;
将所述巡查传感数据在所述语义地图中进行标记,得到巡查轨迹。
在本公开的一种示例性实施例中,所述传感设备包括摄像头、惯导、激光中的至少一种或几种的组合。
在本公开的一种示例性实施例中,所述前期传感数据和所述巡查数据中包括来自所述摄像头的视频数据、来自所述惯导的惯导数据、来自所述激光的激光点云数据的至少一种或几种的组合,其中所述惯导数据包括加速度数据和角速度数据,所述激光点云数据包括距离数据和角度数据。
在本公开的一种示例性实施例中,所述基于预先采集的前期传感数据构建语义地图包括:
通过所述传感设备在监控场地内获取前期传感数据,其中所述前期传感数据包括特征信息和位置信息;
根据所述前期传感数据的特征信息识别出标记目标的语义信息;
基于所述语义信息结合所述位置信息构建所述语义地图。
在本公开的一种示例性实施例中,所述基于所述语义信息结合所述位置信息构建所述语义地图之后,还包括:
将所述语义地图和所述监控场地的基础地图进行语义匹配,融合形成语义融合地图。
在本公开的一种示例性实施例中,所述前期传感数据为所述传感设备可测范围内采集的传感器数据,所述巡查数据为所述传感设备跟随载体移动进行巡查的过程中采集的传感器数据。
在本公开的一种示例性实施例中,所述实时通过传感设备获取巡查传感数据包括:
所述传感设备将采集的所述传感数据通过通信模块发送给所述监控场地内预先设置的数据接收设备,并将所述传感数据上传到服务器。
在本公开的一种示例性实施例中,所述将所述巡查传感数据在所述语义地图中进行标记,得到所述巡查轨迹,包括:
对所述巡查传感数据中的所述视频中的特征信息进行识别;
对识别出的所述特征信息与所述语义地图或所述语义融合地图进行对比,确定巡查的初始位置;
根据所述巡查的初始位置结合所述巡查传感数据中一种数据或多种数据融合后确定所述巡查轨迹。
在本公开的一种示例性实施例中,得到巡查轨迹之后,还包括:
根据所述巡查轨迹结合所述语义地图或基础数据地图自动生成、调整和分配巡查任务。
根据本发明实施例的第二方面,提供一种用于追踪巡查轨迹的装置,包括:
构建地图模块,用于基于预先在监控场地内采集的前期传感数据构建语义地图;
获取数据模块,用于实时通过传感设备获取巡查传感数据;
标记轨迹模块,用于将所述巡查传感数据在所述语义地图中进行标记,得到巡查轨迹。
根据本发明实施例的第三方面,提供一种电子设备,包括:处理器;以及存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现如上述所述的用于追踪巡查轨迹的方法。
根据本发明实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述所述的用于追踪巡查轨迹的方法。
在本发明的一些实施例所提供的技术方案中,一方面,依靠传感设备采集的巡查传感数据在构建的语义地图上进行标记,从而得到巡查轨迹,可以提高巡查效率,降低巡查监控场地的管理成本;另一方面,还可以根据已经生成的巡查轨迹及时对下一步的巡查任务进行调整和分配,可以提高巡查的覆盖率,实现更为全面的巡查。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1示出了根据本发明的一些实施例的用于追踪巡查轨迹的方法的流程示意图;
图2示出了本公开一示例实施例图1中步骤S110的流程图;
图3示出了本公开一示例实施例图1中步骤S130的流程图;
图4示出了以停车场为例进行用于追踪巡查轨迹的方法的整体流程图;
图5示出了根据本发明的一些实施例的用于追踪巡查轨迹的装置的示意框图;
图6示出了适于用来实现本发明实施例的电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施例;相反,提供这些实施例使得本发明将全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本发明的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本发明的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
图1示出了根据本发明的一些实施例的用于追踪巡查轨迹的方法的流程示意图。该用于追踪巡查轨迹的方法可以应用的场景包括停车场(室内或室外)、写字楼、住宅小区等,且该方法可以适用于对上述场景的巡查进行监控的服务器。
该方法包括步骤S110至步骤S130,下面对该用于追踪巡查轨迹的方法进行详细的描述。
步骤S110,基于预先在监控场地内采集的前期传感数据构建语义地图。
步骤S120,实时通过传感设备获取巡查传感数据。
步骤S130,将所述巡查传感数据在所述语义地图中进行标记,得到巡查轨迹。
基于上述步骤S110~S130所提供的技术方案中,通过传感设备获取的传感数据在语义地图上进行标记,从而生成巡查轨迹,可以解决巡查人员的工作效率和巡查范围覆盖率低的问题。
以下对图1所示实施例的各个步骤的具体实现进行详细阐述:
参照图1所示,在步骤S110中,基于预先在监控场地内采集的前期传感数据构建语义地图。
在示例实施例中,主要通过传感设备在监控场地内采集的前期传感数据,从而以这些传感数据为基础来构建语义地图。
在示例实施例中,所述传感设备包括摄像头、惯导测量单元(InertialMeasurement Unit,简称IMU,即惯导)、激光中的至少一种或几种的组合。其中激光可以是单线激光,还可以是多线激光。单线激光是指激光源发出的单线束激光,只能追踪单个物体的运动轨迹;而多线激光是指激光雷达多个发射源发出来的激光,是多线束的。多线束相对于单线束来说最大的优点就是可以追踪多个物体的运动轨迹。
在示例实施例中,与传感设备相对应的,所采集的前期传感数据中包括来自所述摄像头的视频数据、来自所述惯导的惯导数据、来自所述激光的激光点云数据的至少一种或几种的组合,其中所述惯导数据包括加速度数据和角速度数据,所述激光点云数据包括距离数据和角度数据。
需要说明的是,所述前期传感数据为所述传感设备在可测范围内采集的传感器数据,即前期传感数据由于是用于构建地图的,因此其数据需要尽最大可能保证全面。以停车场为例,通过摄像头、惯导和激光对停车场进行单一维度或多维的数据采集,得到的前期传感数据包括路牌标识、地面线、车位信息、出口位置、入口位置等特征信息,当停车场是多层时,还包括楼层信息;以住宅小区为例,同样也是通过摄像头、惯导和激光对停车场进行单一维度或多维的数据采集,得到的前期传感数据包括楼号标识、单元标识(以及门牌号标识)、停车位标识、道路分布等特征信息。
图2示出了本公开一示例实施例图1中步骤S110的流程图,包括以下步骤:
如图2所示,在步骤S210中,通过所述传感设备在监控场地内获取前期传感数据,其中所述前期传感数据包括特征信息和位置信息,特征信息用于表明在地图上标记的特征,位置信息用于表明特征在地图上相应的位置。
在示例实施例中,建立包含停车场内道路、路标、指示牌、区域划分之间的位置信息和拓扑关联信息,并保存适当的特征信息。停车场地图的建立基于摄像头、IMU、激光等多种传感器数据,还包括4G、5G、WIFI和蓝牙等通信模块。首先在图像中识别停车场的特征对象,如路牌标识、地面线、车位信息(车位位置、车位号)等;然后利用采集到的特征信息,利用SLAM(Simultaneous Location And Mapping)、SFM(Structure from Motion)方法或多传感器融合技术生成的语义地图,该语义地图可以是3D语义地图。语义地图中包含各特征信息及其位置信息,可用于后续定位。
如图2所示,在步骤S220中,根据所述前期传感数据的特征信息识别出标记目标的语义信息。
如图2所示,在步骤S230中,基于所述语义信息结合所述位置信息构建所述语义地图。
在示例实施例中,将所述语义地图和所述监控场地的基础地图进行语义匹配,融合形成语义融合地图。其中监控场地的基础地图可以是设计图、施工图等,在已有停车场基础数据(如CAD图或施工图纸等)的情况下,可以从中提取车位、道路、出入口等信息供地图重建,如车位位置及车位号、道路位置方向、出入口位置、停车场分区(如区域A、区域B、固定停车区、临时停车区等)、车库楼层信息等,可通过将基础地图与语义地图进行语义匹配,融合形成更加精确的语义融合地图,从可以利用校正算法对单纯的基础地图或单纯的语义地图中所存在的建图误差进行矫正,以便对可能遗漏的语义信息进行补充和完善,从而可以提高地图的准确性。
在示例实施例中,对于包含多楼层的停车场,楼层信息是地图中的重要信息,能够帮助导航缩小范围,实现快速定位。如果停车场是多层的,则需要将楼层信息包含在地图中,对地图中的语义信息进行分层。
需要说明的是,在对基础地图和语义地图进行语义匹配的过程中,考一个根据标注词进行匹配,例如依据基础地图和语义地图中标注词均为“柱子”或者“路牌”等进行匹配和融合。
在步骤S120中,实时通过传感设备获取巡查传感数据。
在示例实施例中,所述传感设备将采集的所述传感数据通过通信模块发送给所述监控场地内预先设置的数据接收设备,并将所述传感数据上传到服务器。
在示例实施例中,所述巡查数据为所述传感设备跟随载体移动进行巡查的过程中采集的传感器数据,与上述步骤中的前期传感数据的不同之处在于,前期传感数据用于构建语义地图,而巡查数据是用于定位。
在示例实施例中,传感设备可以是佩戴在巡查人员身上,还可以是安装在巡查机器人的设备上,总之,通过巡查人员或巡查机器人移动的所到之处来实时采集传感器数据。例如,巡查人员配置带有多种传感器的设备。这个设备可以是一个背包,其中包含有摄像头、惯导、激光(单线、多线)、蓝牙、WIFI等。巡查人员在巡查过程中,利用背包收集周边的信息,对于设置有采集点并通过采集点与设备中的蓝牙、WIFI等进行通信的方式,当巡查人员在经过停车场等监控场地内设置的采集点的位置时,巡查人员可以稍作停留以便在保证数据不丢失的情况下上传到服务器,防止数据量大造成数据丢失。而对于不需要监控场地内设置采集点,设备就能够通过移动通信等网络将采集的数据上传到服务器,则需要根据数据量的大小选择满足数据传输需求的传输带宽进行传输,以保证数据不丢失。
需要说明的是,为了保持同步,这些传感器采集的数据应当带有同一个系统的时间戳。
在步骤S130中将所述巡查传感数据在所述语义地图中进行标记,得到巡查轨迹。
在示例实施例中,服务器收到巡查人员或巡查机器人采集的巡查传感数据后,需要将其一一标记在前文多数的语义地图(或语义融合地图)中,以生成巡查人员或巡查机器人的巡查轨迹。
图3示出了本公开一示例实施例图1中步骤S130的流程图,包括以下步骤:
如图3所示,在步骤S310中,对所述巡查传感数据中的所述视频中的特征信息进行识别。
在示例实施例中,在该步骤中主要是对接收的巡查传感数据进行预处理,例如,识别图像中的路标、指示牌、区域标志(如A区3-2)等信息,平滑IMU的数据和激光点云数据等。
需要说明的是,这里对巡查传感数据进行预处理的步骤可以在服务器接收到数据之后进行,也可以是在传感设备采集到数据后先进行相应的预处理之后再上传到服务器,在实际应用中可以根据需求和场景通过权衡处理能力和通信带宽权衡进行选择,即如果传感设备的处理能力强可以先做必要的预处理再上传;如果传感设备的处理能力弱则只能要求通过高带宽进行传输,在服务器接收到数据后再进行相应的预处理。
如图3所示,在步骤S320中,对识别出的所述特征信息与所述语义地图或所述语义融合地图进行对比,确定巡查的初始位置。
在示例实施例中,该步骤中利用巡查开始阶段一段时间内的图像中识别出的特征信息和位置信息与前文中的语义地图(或语义融合地图)做比对,确定巡查人员或巡查机器人的初始位置,也就是巡查轨迹的起点。
如图3所示,在步骤S330中,根据所述巡查的初始位置结合所述巡查传感数据中一种数据或多种数据融合后确定所述巡查轨迹。
在示例实施例中,由于巡查传感数据可能是视频数据、惯导数据和激光数据中的一种或几种的组合,因此该步骤可以根据初始位置结合其中的一种数据对应的定位方法确定巡查轨迹,或者根据初始位置结合其中几种数据的组合的定位方法进行融合确定巡查轨迹。
基于上述,在示例实施例中,根据不同的定位方法确定巡查人员或巡查机器人的巡查轨迹,其中的定位方法可以分别利用传感器如IMU、摄像头、激光等不同设备中的单一路径或多种设别融合后的融合路径结合停车场的语义地图,定位巡查人员或巡查机器人的巡查轨迹,具体如下:
1)如果传感设备含有摄像头,则可利用概率定位的方法计算巡查轨迹。从摄像头图像中提取不同的语义信息(包括:路牌标识、区域字符、地面箭头、车位信息等),通过基于代价函数的数据关联方法便可将摄像头提取到的语义信息关联到语义地图中。此时,每个视觉观察的语义信息都会以某种代价关联到语义地图中的语义地标,计算过程通过优化方法找到一组最后的关联,使得总体代价最优。例如,一个典型的关联结果是在语义地图中某处看到某些语义信息的概率集合,而这些信息与地图中语义地标按给定概率相关,最后定位的位置会使得所有关联后的信息的总体概率最优,从而实现位置定位。
2)如果传感设备含有惯导,则惯导可用于预测巡查人员在两帧图像之间的位置关系。惯导中的角速度进行积分预算后可用于预测旋转角度,加速度可用于预测行走朝向和距离。
3)如果传感设备含有激光,则还可以利用激光SLAM的方法恢复巡查人员或巡查机器人的巡查轨迹,即通过单线激光对单个巡查人员的运动轨迹(从移动角度和移动距离方面)进行追踪,或通过多线激光对多个巡查人员各自的运动轨迹(从移动角度和移动距离方面)进行追踪。
在确定巡查轨迹时如果只有一种传感器的数据则只能根据这一种数据进行定位,从而得到巡查轨迹;但是如果有两种以上传感器的数据则可以对这两种以上数据进行融合,则可以对不同定位方法进行优势互补,确保最终确定的巡查轨迹更加符合实际情况。
当巡查人员或巡查机器人行走至上传数据的位置(即采集点的位置)时,根据该位置在地图上的坐标对巡查人员或巡查机器人之前的行走轨迹进行修正,以保证巡查轨迹更加真实。
还需要说明的是,本公开得到巡查轨迹之后,还包括:
根据所述巡查轨迹结合所述语义地图或基础数据地图自动生成、调整和分配巡查任务。
当停车场存在多位巡查人员或巡查机器人时,服务器可以根据当前巡查状态对其巡查行为及其巡查的结果进行评估,并自动分配任务给巡查人员或巡查机器人,从而提高巡查的覆盖率和效率。例如,如果根据巡查轨迹分析停车场的一个边角区域疏于巡查,这时便可生成一个巡查任务,并将该巡查任务下发给巡查人员或巡查机器人,指示其着重巡查疏漏区域,提高巡查的覆盖率。在下发巡查任务时还可以结合巡查人员或巡查机器人的当前位置将巡查任务发送给距离疏漏区域最近的巡查人员或巡查机器人,节省巡查人员或巡查机器人移动到目标区域的时间,以便提高巡查效率。
对于其中的“调整”,当确定距离疏漏区域最近的巡查人员或巡查机器人后,如果其还在执行任务中,则可以将新产生的巡查疏漏区域的巡查任务发送给这个距离最近的巡查人员或巡查机器人,而将其未完成的任务调整给其他的巡查人员或巡查机器人继续执行。
图4示出了以停车场为例进行用于追踪巡查轨迹的方法的整体流程图,包括以下步骤:
步骤S401,建立停车场地图,即针对监控目标—停车场的语义地图。
步骤S402,收集巡查路径上的传感器数据。
步骤S403,将传感器数据上传到服务器。
步骤S404,根据传感器数据在停车场地图上进行标记,得到巡查轨迹。
步骤S405,根据已有巡查轨迹对后续巡查工作进行规划和分配。
基于上述流程,通过将实时采集的传感器数据在语义地图上进行标记,可以依靠传感器设备追踪停车场巡查人员或巡查机器人的巡查轨迹,有效解决巡查人员工作效率和覆盖率的问题,降低停车场的管理成本。
根据上述示例实施例中的用于追踪巡查轨迹的方法,一方面,依靠传感设备采集的巡查传感数据在构建的语义地图上进行标记,从而得到巡查轨迹,可以提高巡查效率,降低巡查监控场地的管理成本;另一方面,还可以根据已经生成的巡查轨迹及时对下一步的巡查任务进行调整和分配,可以提高巡查的覆盖率,实现更为全面的巡查。
图5示出了根据本发明的一些实施例的用于追踪巡查轨迹的装置的示意框图。参照图5所示,在示例实施例中,该用于追踪巡查轨迹的装置400包括构建地图模块510、获取数据模块520和标记轨迹模块530。
构建地图模块510用于基于预先在监控场地内采集的前期传感数据构建语义地图;获取数据模块520用于实时通过传感设备获取巡查传感数据;标记轨迹模块530用于将所述巡查传感数据在所述语义地图中进行标记,得到巡查轨迹。
在示例实施例中,构建地图模块510主要通过传感设备在监控场地内采集的前期传感数据,从而以这些传感数据为基础来构建语义地图。在示例实施例中,所述传感设备包括摄像头、惯导测量单元(Inertial Measurement Unit,简称IMU,即惯导)、激光中的至少一种或几种的组合。其中激光可以是单线激光,还可以是多线激光。单线激光是指激光源发出的单线束激光,只能追踪单个物体的运动轨迹;而多线激光是指激光雷达多个发射源发出来的激光,是多线束的。多线束相对于单线束来说最大的优点就是可以追踪多个物体的运动轨迹。
在示例实施例中,与传感设备相对应的,所采集的前期传感数据中包括来自所述摄像头的视频数据、来自所述惯导的惯导数据、来自所述激光的激光点云数据的至少一种或几种的组合,其中所述惯导数据包括加速度数据和角速度数据,所述激光点云数据包括距离数据和角度数据。
需要说明的是,所述前期传感数据为所述传感设备在可测范围内采集的传感器数据,即前期传感数据由于是用于构建地图的,因此其数据需要尽最大可能保证全面。以停车场为例,通过摄像头、惯导和激光对停车场进行单一维度或多维的数据采集,得到的前期传感数据包括路牌标识、地面线、车位信息、出口位置、入口位置等特征信息,当停车场是多层时,还包括楼层信息;以住宅小区为例,同样也是通过摄像头、惯导和激光对停车场进行单一维度或多维的数据采集,得到的前期传感数据包括楼号标识、单元标识(以及门牌号标识)、停车位标识、道路分布等特征信息。
在示例实施例中,构建地图模块510首先通过所述传感设备在监控场地内获取前期传感数据,其中所述前期传感数据包括特征信息和位置信息,特征信息用于表明在地图上标记的特征,位置信息用于表明特征在地图上相应的位置;然后,根据所述前期传感数据的特征信息识别出标记目标的语义信息;最后,基于所述语义信息结合所述位置信息构建所述语义地图。
在示例实施例中,建立包含停车场内道路、路标、指示牌、区域划分之间的位置信息和拓扑关联信息,并保存适当的特征信息。停车场地图的建立基于摄像头、IMU、激光等多种传感器数据,还包括4G、5G、WIFI和蓝牙等通信模块。首先在图像中识别停车场的特征对象,如路牌标识、地面线、车位信息(车位位置、车位号)等;然后利用采集到的特征信息,利用SLAM(Simultaneous Location And Mapping)、SFM(Structure from Motion)方法或多传感器融合技术生成的语义地图,该语义地图可以是3D语义地图。语义地图中包含各特征信息及其位置信息,可用于后续定位。
在示例实施例中,将所述语义地图和所述监控场地的基础地图进行语义匹配,融合形成语义融合地图。其中监控场地的基础地图可以是设计图、施工图等,在已有停车场基础数据(如CAD图或施工图纸等)的情况下,可以从中提取车位、道路、出入口等信息供地图重建,如车位位置及车位号、道路位置方向、出入口位置、停车场分区(如区域A、区域B、固定停车区、临时停车区等)、车库楼层信息等,可通过将基础地图与语义地图进行语义匹配,融合形成更加精确的语义融合地图,从可以利用校正算法对单纯的基础地图或单纯的语义地图中所存在的建图误差进行矫正,以便对可能遗漏的语义信息进行补充和完善,从而可以提高地图的准确性。
在示例实施例中,对于包含多楼层的停车场,楼层信息是地图中的重要信息,能够帮助导航缩小范围,实现快速定位。如果停车场是多层的,则需要将楼层信息包含在地图中,对地图中的语义信息进行分层。
需要说明的是,在对基础地图和语义地图进行语义匹配的过程中,考一个根据标注词进行匹配,例如依据基础地图和语义地图中标注词均为“柱子”或者“路牌”等进行匹配和融合。
在示例实施例中,获取数据模块520中传感设备将采集的所述传感数据通过通信模块发送给所述监控场地内预先设置的数据接收设备,并将所述传感数据上传到服务器。
在示例实施例中,所述巡查数据为所述传感设备跟随载体移动进行巡查的过程中采集的传感器数据,与上述步骤中的前期传感数据的不同之处在于,前期传感数据用于构建语义地图,而巡查数据是用于定位。
在示例实施例中,传感设备可以是佩戴在巡查人员身上,还可以是安装在巡查机器人的设备上,总之,通过巡查人员或巡查机器人移动的所到之处来实时采集传感器数据。例如,巡查人员配置带有多种传感器的设备。这个设备可以是一个背包,其中包含有摄像头、惯导、激光(单线、多线)、蓝牙、WIFI等。巡查人员在巡查过程中,利用背包收集周边的信息,对于设置有采集点并通过采集点与设备中的蓝牙、WIFI等进行通信的方式,当巡查人员在经过停车场等监控场地内设置的采集点的位置时,巡查人员可以稍作停留以便在保证数据不丢失的情况下上传到服务器,防止数据量大造成数据丢失。而对于不需要监控场地内设置采集点,设备就能够通过移动通信等网络将采集的数据上传到服务器,则需要根据数据量的大小选择满足数据传输需求的传输带宽进行传输,以保证数据不丢失。
需要说明的是,为了保持同步,这些传感器采集的数据应当带有同一个系统的时间戳。
在示例实施例中,标记轨迹模块530收到巡查人员或巡查机器人采集的巡查传感数据后,需要将其一一标记在前文多数的语义地图(或语义融合地图)中,以生成巡查人员或巡查机器人的巡查轨迹。
具体的,标记轨迹模块530首先对所述巡查传感数据中的所述视频中的特征信息进行识别;其次对识别出的所述特征信息与所述语义地图或所述语义融合地图进行对比,确定巡查的初始位置;然后根据所述巡查的初始位置结合所述巡查传感数据中一种数据或多种数据融合后确定所述巡查轨迹。
在示例实施例中,在该步骤中主要是对接收的巡查传感数据进行预处理,例如,识别图像中的路标、指示牌、区域标志(如A区3-2)等信息,平滑IMU的数据和激光点云数据等。
需要说明的是,这里对巡查传感数据进行预处理的步骤可以在服务器接收到数据之后进行,也可以是在传感设备采集到数据后先进行相应的预处理之后再上传到服务器,在实际应用中可以根据需求和场景通过权衡处理能力和通信带宽权衡进行选择,即如果传感设备的处理能力强可以先做必要的预处理再上传;如果传感设备的处理能力弱则只能要求通过高带宽进行传输,在服务器接收到数据后再进行相应的预处理。
在示例实施例中,该步骤中利用巡查开始阶段一段时间内的图像中识别出的特征信息和位置信息与前文中的语义地图(或语义融合地图)做比对,确定巡查人员或巡查机器人的初始位置,也就是巡查轨迹的起点。
在示例实施例中,由于巡查传感数据可能是视频数据、惯导数据和激光数据中的一种或几种的组合,因此该步骤可以根据初始位置结合其中的一种数据对应的定位方法确定巡查轨迹,或者根据初始位置结合其中几种数据的组合的定位方法进行融合确定巡查轨迹。
由于本发明的示例实施例的用于追踪巡查轨迹的装置的各个功能模块与上述用于追踪巡查轨迹的方法的示例实施例的步骤对应,因此在此不再赘述。
根据图5的示例实施例中的用于追踪巡查轨迹的装置,一方面,依靠传感设备采集的巡查传感数据在构建的语义地图上进行标记,从而得到巡查轨迹,可以提高巡查效率,降低巡查监控场地的管理成本;另一方面,还可以根据已经生成的巡查轨迹及时对下一步的巡查任务进行调整和分配,可以提高巡查的覆盖率,实现更为全面的巡查。
在本发明的示例性实施例中,还提供了一种能够实现上述方法的电子设备包括处理器和存储器,存储器存储用于上述处理器控制以下方法的操作指令:
基于预先在监控场地内采集的前期传感数据构建语义地图;实时通过传感设备获取巡查传感数据;将所述巡查传感数据在所述语义地图中进行标记,得到巡查轨迹。
下面参考图6,其示出了适于用来实现本发明实施例的电子设备的计算机系统600的结构示意图。图6示出的电子设备的计算机系统600仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统操作所需的各种程序和数据。CPU601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本发明的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现如上述实施例中所述的用于追踪巡查轨迹的装置。
例如,所述电子设备可以实现如图1中所示的:步骤S110,基于预先在监控场地内采集的前期传感数据构建语义地图;步骤S120,实时通过传感设备获取巡查传感数据;步骤S130,将所述巡查传感数据在所述语义地图中进行标记,得到巡查轨迹。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备或装置的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本发明实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本发明实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (12)
1.一种用于追踪巡查轨迹的方法,其特征在于,包括:
基于预先在监控场地内采集的前期传感数据构建语义地图;
实时通过传感设备获取巡查传感数据;
将所述巡查传感数据在所述语义地图中进行标记,得到巡查轨迹。
2.根据权利要求1所述的用于追踪巡查轨迹的方法,其特征在于,所述传感设备包括摄像头、惯导、激光中的至少一种或几种的组合。
3.根据权利要求2所述的用于追踪巡查轨迹的方法,其特征在于,所述前期传感数据和所述巡查数据中包括来自所述摄像头的视频数据、来自所述惯导的惯导数据、来自所述激光的激光点云数据的至少一种或几种的组合,其中所述惯导数据包括加速度数据和角速度数据,所述激光点云数据包括距离数据和角度数据。
4.根据权利要求3所述的用于追踪巡查轨迹的方法,其特征在于,所述基于预先采集的前期传感数据构建语义地图包括:
通过所述传感设备在监控场地内获取前期传感数据,其中所述前期传感数据包括特征信息和位置信息;
根据所述前期传感数据的特征信息识别出标记目标的语义信息;
基于所述语义信息结合所述位置信息构建所述语义地图。
5.根据权利要求4所述的用于追踪巡查轨迹的方法,其特征在于,所述基于所述语义信息结合所述位置信息构建所述语义地图之后,还包括:
将所述语义地图和所述监控场地的基础地图进行语义匹配,融合形成语义融合地图。
6.根据权利要求1所述的用于追踪巡查轨迹的方法,其特征在于,所述前期传感数据为所述传感设备可测范围内采集的传感器数据,所述巡查数据为所述传感设备跟随载体移动进行巡查的过程中采集的传感器数据。
7.根据权利要求4所述的用于追踪巡查轨迹的方法,其特征在于,所述实时通过传感设备获取巡查传感数据包括:
所述传感设备将采集的所述传感数据通过通信模块发送给所述监控场地内预先设置的数据接收设备,并将所述传感数据上传到服务器。
8.根据权利要求7所述的用于追踪巡查轨迹的方法,其特征在于,所述将所述巡查传感数据在所述语义地图中进行标记,得到所述巡查轨迹,包括:
对所述巡查传感数据中的所述视频中的特征信息进行识别;
对识别出的所述特征信息与所述语义地图或所述语义融合地图进行对比,确定巡查的初始位置;
根据所述巡查的初始位置结合所述巡查传感数据中一种数据或多种数据融合后确定所述巡查轨迹。
9.根据权利要求5所述的用于追踪巡查轨迹的方法,其特征在于,得到巡查轨迹之后,还包括:
根据所述巡查轨迹结合所述语义地图或基础数据地图自动生成、调整和分配巡查任务。
10.一种用于追踪巡查轨迹的装置,其特征在于,包括:
构建地图模块,用于基于预先在监控场地内采集的前期传感数据构建语义地图;
获取数据模块,用于实时通过传感设备获取巡查传感数据;
标记轨迹模块,用于将所述巡查传感数据在所述语义地图中进行标记,得到巡查轨迹。
11.一种电子设备,其特征在于,包括:
处理器;以及
存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现如权利要求1-9中任一项所述的用于追踪巡查轨迹的方法。
12.一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-9中任一项所述的用于追踪巡查轨迹的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910199949.1A CN109916397A (zh) | 2019-03-15 | 2019-03-15 | 用于追踪巡查轨迹的方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910199949.1A CN109916397A (zh) | 2019-03-15 | 2019-03-15 | 用于追踪巡查轨迹的方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109916397A true CN109916397A (zh) | 2019-06-21 |
Family
ID=66965416
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910199949.1A Pending CN109916397A (zh) | 2019-03-15 | 2019-03-15 | 用于追踪巡查轨迹的方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109916397A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110631578A (zh) * | 2019-09-29 | 2019-12-31 | 电子科技大学 | 一种无地图下室内行人定位与追踪方法 |
CN111009036A (zh) * | 2019-12-10 | 2020-04-14 | 北京歌尔泰克科技有限公司 | 同步定位与地图构建中栅格地图的修正方法、装置 |
CN112527941A (zh) * | 2020-12-18 | 2021-03-19 | 贵州黔西能源开发有限公司 | 基于PgRouting图计算的人员精准定位轨迹还原算法 |
CN113177973A (zh) * | 2021-05-24 | 2021-07-27 | 四川奇力韦创新科技有限公司 | 一种多数据融合处理系统及方法 |
CN113532418A (zh) * | 2021-06-11 | 2021-10-22 | 上海追势科技有限公司 | 一种停车场地图单车采集方法 |
CN113709421A (zh) * | 2021-08-31 | 2021-11-26 | 浙江辉驿网络科技有限公司 | 一种基于视频图像识别的安全管理方法、装置和电子设备 |
CN114136305A (zh) * | 2021-12-01 | 2022-03-04 | 纵目科技(上海)股份有限公司 | 多图层地图的创建方法、系统、设备及计算机可读存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103389103A (zh) * | 2013-07-03 | 2013-11-13 | 北京理工大学 | 一种基于数据挖掘的地理环境特征地图构建与导航方法 |
CN104732608A (zh) * | 2013-12-23 | 2015-06-24 | 中国移动通信集团辽宁有限公司 | 一种实时质检方法、装置及巡检系统 |
CN104851142A (zh) * | 2015-05-19 | 2015-08-19 | 浪潮通信信息系统有限公司 | 一种基于移动计算的通信线路巡检工具及方法 |
CN105865419A (zh) * | 2015-01-22 | 2016-08-17 | 青岛通产软件科技有限公司 | 基于地面特征的移动机器人的自主精确定位系统及方法 |
CN107680378A (zh) * | 2017-11-07 | 2018-02-09 | 中车株洲电力机车有限公司 | 一种事故勘察方法、系统、设备及计算机存储介质 |
CN108801265A (zh) * | 2018-06-08 | 2018-11-13 | 武汉大学 | 多维信息同步采集、定位与位置服务装置及系统和方法 |
CN109186606A (zh) * | 2018-09-07 | 2019-01-11 | 南京理工大学 | 一种基于slam和图像信息的机器人构图及导航方法 |
CN109375629A (zh) * | 2018-12-05 | 2019-02-22 | 苏州博众机器人有限公司 | 一种巡逻车及其导航避障方法 |
-
2019
- 2019-03-15 CN CN201910199949.1A patent/CN109916397A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103389103A (zh) * | 2013-07-03 | 2013-11-13 | 北京理工大学 | 一种基于数据挖掘的地理环境特征地图构建与导航方法 |
CN104732608A (zh) * | 2013-12-23 | 2015-06-24 | 中国移动通信集团辽宁有限公司 | 一种实时质检方法、装置及巡检系统 |
CN105865419A (zh) * | 2015-01-22 | 2016-08-17 | 青岛通产软件科技有限公司 | 基于地面特征的移动机器人的自主精确定位系统及方法 |
CN104851142A (zh) * | 2015-05-19 | 2015-08-19 | 浪潮通信信息系统有限公司 | 一种基于移动计算的通信线路巡检工具及方法 |
CN107680378A (zh) * | 2017-11-07 | 2018-02-09 | 中车株洲电力机车有限公司 | 一种事故勘察方法、系统、设备及计算机存储介质 |
CN108801265A (zh) * | 2018-06-08 | 2018-11-13 | 武汉大学 | 多维信息同步采集、定位与位置服务装置及系统和方法 |
CN109186606A (zh) * | 2018-09-07 | 2019-01-11 | 南京理工大学 | 一种基于slam和图像信息的机器人构图及导航方法 |
CN109375629A (zh) * | 2018-12-05 | 2019-02-22 | 苏州博众机器人有限公司 | 一种巡逻车及其导航避障方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110631578A (zh) * | 2019-09-29 | 2019-12-31 | 电子科技大学 | 一种无地图下室内行人定位与追踪方法 |
CN110631578B (zh) * | 2019-09-29 | 2021-06-08 | 电子科技大学 | 一种无地图下室内行人定位与追踪方法 |
CN111009036A (zh) * | 2019-12-10 | 2020-04-14 | 北京歌尔泰克科技有限公司 | 同步定位与地图构建中栅格地图的修正方法、装置 |
CN111009036B (zh) * | 2019-12-10 | 2023-11-21 | 北京歌尔泰克科技有限公司 | 同步定位与地图构建中栅格地图的修正方法、装置 |
CN112527941A (zh) * | 2020-12-18 | 2021-03-19 | 贵州黔西能源开发有限公司 | 基于PgRouting图计算的人员精准定位轨迹还原算法 |
CN113177973A (zh) * | 2021-05-24 | 2021-07-27 | 四川奇力韦创新科技有限公司 | 一种多数据融合处理系统及方法 |
CN113532418A (zh) * | 2021-06-11 | 2021-10-22 | 上海追势科技有限公司 | 一种停车场地图单车采集方法 |
CN113709421A (zh) * | 2021-08-31 | 2021-11-26 | 浙江辉驿网络科技有限公司 | 一种基于视频图像识别的安全管理方法、装置和电子设备 |
CN114136305A (zh) * | 2021-12-01 | 2022-03-04 | 纵目科技(上海)股份有限公司 | 多图层地图的创建方法、系统、设备及计算机可读存储介质 |
CN114136305B (zh) * | 2021-12-01 | 2024-05-31 | 纵目科技(上海)股份有限公司 | 多图层地图的创建方法、系统、设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109916397A (zh) | 用于追踪巡查轨迹的方法、装置、电子设备及存储介质 | |
US11636236B2 (en) | Methods and apparatus for procedure tracking | |
EP3759562B1 (en) | Camera based localization for autonomous vehicles | |
US10816346B2 (en) | Occupancy map updates based on sensor data collected by autonomous vehicles | |
US11415986B2 (en) | Geocoding data for an automated vehicle | |
EP3505869A1 (en) | Method, apparatus, and computer readable storage medium for updating electronic map | |
CN109658435A (zh) | 用于视频捕获和创建的无人机云 | |
JP2020030204A (ja) | 距離測定方法、プログラム、距離測定システム、および可動物体 | |
US20160300389A1 (en) | Correlated immersive virtual simulation for indoor navigation | |
CN111174799A (zh) | 地图构建方法及装置、计算机可读介质、终端设备 | |
CN105973236A (zh) | 室内定位或导航方法、装置以及地图数据库生成方法 | |
CN110832279A (zh) | 对准由自主车辆捕获的数据以生成高清晰度地图 | |
CN108694882A (zh) | 用于标注地图的方法、装置和设备 | |
WO2021007117A1 (en) | Generating training data for deep learning models for building high definition maps | |
US10660062B1 (en) | Indoor positioning | |
CN112509355B (zh) | 一种基于停车场的寻车方法、设备、系统和存储介质 | |
US20200080848A1 (en) | Map Feature Identification Using Motion Data and Surfel Data | |
JP2019153274A (ja) | 位置算出装置、位置算出プログラム、位置算出方法、及びコンテンツ付加システム | |
US9970776B2 (en) | WiFi-based indoor positioning and navigation as a new mode in multimodal transit applications | |
JP7278414B2 (ja) | 交通道路用のデジタル復元方法、装置及びシステム | |
CN112764427A (zh) | 接力的无人机巡检系统 | |
KR20200013156A (ko) | 간판 검출 성능 향상을 위한 방법 및 시스템 | |
JP4624000B2 (ja) | 複合人工知能装置 | |
CN107576332B (zh) | 一种换乘导航的方法和装置 | |
US20220197893A1 (en) | Aerial vehicle and edge device collaboration for visual positioning image database management and updating |
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: 20190621 |
|
RJ01 | Rejection of invention patent application after publication |