CN111031255B - 补光的方法、设备及存储介质 - Google Patents
补光的方法、设备及存储介质 Download PDFInfo
- Publication number
- CN111031255B CN111031255B CN201811173906.8A CN201811173906A CN111031255B CN 111031255 B CN111031255 B CN 111031255B CN 201811173906 A CN201811173906 A CN 201811173906A CN 111031255 B CN111031255 B CN 111031255B
- Authority
- CN
- China
- Prior art keywords
- correction parameter
- light
- light intensity
- environment image
- environment
- 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.)
- Active
Links
- 239000013589 supplement Substances 0.000 title claims abstract description 138
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 238000012937 correction Methods 0.000 claims abstract description 177
- 238000012545 processing Methods 0.000 claims abstract description 42
- 230000001502 supplementing effect Effects 0.000 claims abstract description 26
- 238000004590 computer program Methods 0.000 claims description 29
- 230000015654 memory Effects 0.000 claims description 26
- 238000010408 sweeping Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 11
- 230000000007 visual effect Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 238000001914 filtration Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000006399 behavior Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003631 expected effect Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 101000912561 Bos taurus Fibrinogen gamma-B chain Proteins 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000010410 dusting Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/74—Circuitry for compensating brightness variation in the scene by influencing the scene brightness using illuminating means
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请实施例提供一种补光的方法、设备及存储介质。在本申请一些示例性实施例中,采用环境图像作为补光的控制依据,通过对环境图像进行灰度校正,获得对环境图像进行校正的目标校正参数,再通过目标校正参数对工作环境进行补光处理,以获得符合后续处理质量要求的图像,本申请能够对补光行为进行精确的控制,提高补光的精度。
Description
技术领域
本申请涉及人工智能技术领域,尤其涉及一种补光的方法、设备及存储介质。
背景技术
现有自行走机器人为了在夜间或其他被动光源较弱的环境下采集数据,大多会进行主动补光。
目前,主要的补光控制方法是使用光敏传感器对环境光强进行感知,当环境光强低于阈值时打开补光光源进行补光。
发明内容
本申请的多个方面提供一种补光的方法、设备及存储介质,用以实现对自行走机器人的补光处理,提高机器人的补光精度,解决现有同类设备不能对补光行为进行精确的控制,补光效果达不到预期的效果的技术问题。
本申请实施例提供一种补光的方法,包括:
采集工作环境的环境图像;
对环境图像进行灰度校正,获得对环境图像进行校正的目标校正参数;
根据所述目标校正参数对工作环境进行补光处理。
本申请实施例还提供一种自主移动设备,包括:机械本体,所述机械本体上设有视觉传感器,补光设备,一个或多个处理器,以及一个或多个存储计算机程序的存储器;
所述视觉传感器,用于对周围环境进行图像采集得到环境图像;
所述一个或多个处理器,用于执行所述计算机程序,以用于:
获取所述视觉传感器采集到的环境图像;
对环境图像进行灰度校正,获得对环境图像进行校正的目标校正参数;
根据所述目标校正参数,利用补光设备对工作环境进行补光处理。
本申请实施例还提供一种存储有计算机程序的计算机可读存储介质,当所述计算机程序被一个或多个处理器执行时,致使所述一个或多个处理器执行包括以下的动作:
采集工作环境的环境图像;
对环境图像进行灰度校正,获得对环境图像进行校正的目标校正参数;
根据所述目标校正参数对工作环境进行补光处理。
在本申请一些示例性实施例中,采用环境图像作为补光的控制依据,通过对环境图像进行灰度校正,获得对环境图像进行校正的目标校正参数,再通过目标校正参数对工作环境进行补光处理,以获得符合后续处理质量要求的图像,本申请能够对补光行为进行精确的控制,提高补光的精度。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例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为本申请示例性实施例提供的一种补光的方法的方法流程图;
图2为本申请示例性提供的获取目标校正参数的方法的流程示意图;
图3为本申请又一示例性实施例提供的一种补光的方法的更加详细的流程图;
图4为本申请示例性实施例提供的目标校正参数与光强增量对应关系示意图;
图5为本申请示例性实施例提供的一种自主移动设备的结构框图;
图6为本申请示例性实施例提供的一种机器人的结构框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,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,都属于本申请保护的范围。
目前,自行走机器人的补光控制方式为使用光敏电阻作为补光开关或调节器,以针对自然环境光较弱的场景。该控制方式由于使用第三方感知系统,使得补光处理对图像效果的增益存在不确定性。同时由于该方法下补光强弱对图像效果增强的不确定性,不能根据补光后的图像效果对补光行为进行精确的控制,从而导致补光效果很可能达不到预期的效果。
针对上述补光控制方式存在的不能对补光行为进行精确的控制,补光效果达不到预期的效果的问题,在本申请一些示例性实施例中,采用环境图像作为补光的控制依据,通过对环境图像进行灰度校正,获得对环境图像进行校正的目标校正参数,再通过目标校正参数对工作环境进行补光处理,以获得符合后续处理质量要求的图像,本申请能够对补光行为进行精确的控制,提高补光的精度。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例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,“多种”一般包含至少两种,但是不排除包含至少一种的情况。
取决于语境,如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的商品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。
以下结合附图,详细说明本申请各实施例提供的技术方案。
图1为本申请示例性实施例提供的一种补光的方法的方法流程图。如图1所示,该方法包括:
S101:采集工作环境的环境图像;
S102:对环境图像进行灰度校正,获得对环境图像进行校正的目标校正参数;
S103:根据目标校正参数对工作环境进行补光处理。
本申请实施例的上述方法的执行主体可以为自主移动设备,如无人机、无人车、机器人等,且对机器人、无人车的类型不作限定,当自主移动设备为机器人时,机器人可以为为扫地机器人,跟随机器人,迎宾机器人等。不同的设备针对不同的工作环境获取相应工作环境中的环境图像,例如,无人车在行驶过程中,获取行驶的路面信息;扫地机器人在对住户家庭清扫过程中,可在行进过程中获取客厅、厨房、卫生间、卧式等区域的环境图像;商场导购机器人在对客户进行导购的过程中,可在行进过程中获取人行通道、商铺等各区域的环境图像;跟随机器人在跟随目标的过程中,可在行进过程中获取跟随目标以及前进过程中的周围环境图像。
在本实施例中,通过在自主移动设备上设置视觉传感器,视觉传感器对自主移动设备所处的周围环境进行图像采集,视觉传感器可以为摄像头,本申请并不对视觉传感器的类型作限定。
本申请针对获取的环境图像进行灰度校正,获取目标校正参数。图2为本申请示例性提供的获取目标校正参数的方法的流程示意图。如图2所示,该方法包括:
S201:根据预置的至少一个校正参数,分别对环境图像进行灰度校正,得到环境图像对应的至少一个校正后的梯度信息值;
S202:从环境图像对应的至少一个校正后的梯度信息值中,选择满足预设条件的目标梯度信息值;
S203:将目标梯度信息值对应的校正参数,作为目标校正参数。
在本实施例中,通过预设不同的校正参数,分别对环境图像进行灰度校正,以得到与环境图像对应的校正后的梯度信息值。其中,校正参数的范围和数量由用户根据具体的场景灵活设定。
在上述实施例中,根据预置的一个校正参数,对环境图像进行灰度校正,得到环境图像对应的一个校正后的梯度信息值的过程为:根据预置的一个校正参数,计算环境图像的每个像素点校正后的梯度;对每个像素点校正后的梯度进行过滤,得到每个像素点的校正后的过滤梯度;根据每个像素点的校正后的过滤梯度,得到环境图像对应的校正后的梯度信息值。
例如,上述实施例中的灰度校正可以为γ-校正。上述计算其中一个校正参数对应的对环境图像校正后的梯度信息值,可以采用sobel算子、laplace算子等。首先,计算每个像素点的梯度,选择满足梯度阈值的像素点作为选定像素点,对选定像素点的梯度求和后作为其中一个对环境图像进行校正后的梯度信息值。其中,选择满足梯度阈值的像素点作为选定像素点,可以采用过滤函数,对图像中的噪点及明显的非信息点进行过滤,梯度阈值为用户提前设定,梯度阈值可以结合具有场景适应性调整。
在计算出针对所有校正参数,对环境图像对应的校正后的所有梯度信息值后,需要从所有梯度信息值中,选取目标梯度信息值。可选地,从环境图像对应的至少一个校正后的梯度信息值中,选择最大梯度信息值作为目标梯度信息值。显然,选取目标梯度信息值还可以采用其他方法。本实施例选取最大梯度信息值作为目标梯度信息值,之后目标梯度信息值对应的校正参数,作为目标校正参数对工作环境进行补光处理,在补光处理后,理论上,视觉传感器获取的校正后的实际环境图像为目标梯度信息值最大的图像。本申请采用不同的校正参数,计算预期校正后的图像的梯度信息值,可以对视觉传感器获取的校正后的实际环境图像作出精准的补光控制,提供补光控制的精度。
本申请在获取到环境图像后对环境图像进行灰度校正,参考图像的信息强度,使得对工作环境进行补光后,可以获取到符合质量要求的图像,以配合后需的图像识别,视觉建图,视觉定位等操作。上述的图像的信息强度主要指图像的丰富度,锐化度作为丰富度的一项重要参数指标,因此,本申请的补光效果不是单纯地增加图像的亮度而是关注图像细节的表现,更有利于后续图像识别等功能的应用。
在上述实施例中,根据目标校正参数对工作环境执行补光处理,根据预设的校正参数与光强增量之间的对应关系,确定目标校正参数对应的光强增量;根据目标校正参数对应的光强增量对工作环境进行补光处理。在目标校正参数落入预设的校正参数的范围,根据目标校正参数对应的光强增量对工作环境进行补光处理即可。若目标校正参数小于校正参数分界值,将工作环境的光强增加目标校正参数对应的光强增量;若目标校正参数大于校正参数分界值,将工作环境的光强减小目标校正参数对应的光强增量。
在上述实施例中,若将工作环境的光强增加目标校正参数对应的光强增量后超出补光设备的最大补光档位,则将补光设备的补光强度调整至最大补光档位。若将工作环境的光强减小目标校正参数对应的光强增量后超出补光设备的最小补光档位,则将补光设备关闭。因为补光设备的补光档位在补光设备出厂前已经设置完毕,补光设备的补光范围直接影响视觉传感器获取到的图像的图像质量,因此可以根据实际应用场景相应设置补光设备的补光档位来使视觉传感器获取到的图像的图像质量。
本申请的上述实施例,采用环境图像作为补光的控制依据,通过对环境图像进行灰度校正,获得对环境图像进行校正的目标校正参数,再通过目标校正参数对工作环境进行补光处理,以获得符合后续处理质量要求的图像,本申请能够对补光行为进行精确的控制,提高补光的精度。
结合上述各实施例对补光的方法的描述,图3为本申请示例性实施例又提供的一种补光的方法的更加详细的流程图。如图3所述,该方法包括:
S301:自主移动设备的视觉传感器采集工作环境的环境图像;
S302:对环境图像进行灰度校正,获得对环境图像进行校正的目标校正参数;
S303:根据目标校正参数对应的光强增量,对补光设备输出的光强度进行调整,以对工作环境进行补光操作。
本申请上述实施例,采用环境图像作为补光的控制依据,通过对环境图像进行灰度校正,获得对环境图像进行校正的目标校正参数,再通过目标校正参数对工作环境进行补光处理,以获得符合后续处理质量要求的图像,本申请能够对补光行为进行精确的控制,提高补光的精度。
下面结合具体实施例,对本申请上述实施例的补光的方法作出详细说明。
图4为本申请示例性实施例至少一个校正参数与光强增量对应关系示意图。如图4所示,本申请示例性实施例在至少一个校正参数与光强增量之间建立对应关系,补光强度分为N个功率档位,各档位的补光功率均匀增加,相邻档位的功率差为Δ。根据图4中至少一个校正参数与光强增量对应关系,可以确定目标校正参数对应的光强增量,进而利用目标校正参数对应的光强增量对补光设备输出的光强度进行调整,以对工作环境进行补光处理。其中,为便于描述将目标校正参数记为γ′。
当计算出的目标校正参数γ′<1时,找出其所在的区间上限所对应的光强增量进行增加,例如:
目标校正参数γ′∈(γn,γn-1]时,γn-1对应的档位为(n-1)Δ,则将的补光设备的补光强度增加(n-1)档,如果补光设备的补光强度增加(n-1)档后超过补光设备的最大补光强度,则将补光设备的档位调至最大。
当计算出的γ′>1时,找出其所在的区间下限所对应的光强增量进行降低,例如:
目标校正参数γ′∈(1/γn,1/γn-1]时,1/γn-1对应的档位为-(n-1)Δ,则将补光设备的补光强度降低(n-1)档,如果降补光设备的补光强度降低(n-1)档后超过补光设备最低档位,则将补光设备关闭。
基于图4的目标校正参数与光强增量对应关系示意图。以扫地机器人为例,扫地机器人设置有视觉传感器。假设补光档位为图4所示的N档,下面扫地机器人在可能遇到的情况下执行的补光处理动作。
1,在家庭清扫中,初始时扫地机器人处于明亮区,光线充足,此时视觉传感器采集的图像质量较好,计算出的γ′>γ1,补光设备关闭,视觉传感器采用正常方式采集图像;
2,当扫地机器人进入暗室,此时视觉传感器采集的图像明显变暗,细节内容无法辨识,此时计算出的γ′<γN,补光设备打开,并开至补光强度最强的N档;
3,扫地机器人的视觉传感器再次采集环境图像并计算γ′,若γ′>1/γN,说明对于此时屋中的细节信息而言补光过强,对应图4的目标校正参数与光强增量的对应关系下调1档至(N-1)档;
4,当扫地机器人进入亮室,按照步骤2、步骤3相同的原理控制补光进行减档及调控,直至补光档位降到0档,说明此时不再需要补光,补光设备关闭;
5,在扫地机器人整个工作过程中的补光处理阶段持续监测环境图像的梯度信息值,并计算γ′,按照步骤3的方法调节补光档位,当出现屋内灯突然全灭或明暗室场景快速切换等极端情况,由于控制的滞后性,为了配合视觉建图、视觉定位等相关功能,扫地机器人还可调用其他传感器的信息或者原地短暂停留以保证补光控制的收敛。
下面结合不同场景的实施例对本申请补光的方法作出说明。
应用场景1,在无人车行驶场景中,当无人车在夜间行驶时,视觉传感器不能提供为无人车导航足够的图像信息数据,获取环境图像,对环境图像进行灰度校正,获得目标校正参数,补光设备根据目标校正参数对应的光强增量将补光设备的开到最大补光档位,再次采集补光后的环境图像,对补光后的环境图像的目标校正参数进行计算,判断补光后环境图像补光过强,补光设备根据目标校正参数对应的光强增量调节补光设备的补光档位,能够根据环境图像对补光行为进行精确的控制,提高补光的精度,经过补光设备精确的补光后,无人车的视觉传感器获取到夜间行驶足够的图像信息数据。
应用场景2,扫地机器人清洁地面场景中,扫地机器人从光线明亮的卧式,进入光线较暗的卧式,扫地机器人的视觉传感器获取的环境图像的图像信息中不能对图像中的障碍物进行准确定位,对环境图像进行灰度校正,获得目标校正参数,补光设备根据目标校正参数对应的光强增量调节补光设备的补光档位,经过补光设备精确的补光控制,扫地机器人的视觉传感器获取到能够对障碍物进行准确定位的环境图像,扫地机器人能够更加准确的识别障碍物,并针对该次障碍物识别进行后续准确的避障处理,提高扫地机器人的避障性能。
图5为本申请示例性实施例提供的一种自主移动设备的结构框图。该自主移动设备包括一个或多个处理器502和一个或多个存储计算机程序的存储器503和视觉传感器505。用于获取对周围环境进行图像采集得到环境图像;还可以包括音频组件501、电源组件504等必要组件。
在本申请实施例中,自主移动设备还可以包括至少一个第二传感器,第二传感器用于辅助对周围环境进行图像采集得到环境图像。当周围环境光线不足或者明暗场景快速切换时,第二传感器辅助对周围环境进行图像采集得到环境图像,以便自动移动设备继续进行图像识别,地图构建等工作。本申请对视觉传感器、第二传感器和补光设备的位置不作限定。优选地视觉传感器和补光设备设置于机械本体的前方或者上方,方便进行图像采集和补光操作,第二传感器也可设于机械本体的前方或者上方。
一个或多个处理器502,用于执行计算机程序,以用于:
获取所述视觉传感器采集到的环境图像;
对环境图像进行灰度校正,获得对环境图像进行校正的目标校正参数;
根据目标校正参数对工作环境进行补光处理。
可选地,一个或多个处理器502,对环境图像进行灰度校正,获得对环境图像进行校正的目标校正参数,以用于:根据预置的至少一个校正参数,分别对环境图像进行灰度校正,得到环境图像对应的至少一个校正后的梯度信息值;从环境图像对应的至少一个校正后的梯度信息值中,选择满足预设条件的目标梯度信息值;将目标梯度信息值对应的校正参数,作为目标校正参数。
可选地,一个或多个处理器502,从环境图像对应的至少一个校正后的梯度信息值中,选择满足预设条件的目标梯度信息值,以用于:从环境图像对应的至少一个校正后的梯度信息值中,选择最大梯度信息值作为目标梯度信息值。
可选地,一个或多个处理器502,根据预置的一个校正参数,对环境图像进行灰度校正,得到环境图像对应的一个校正后的梯度信息值,以用于:根据预置的一个校正参数,计算环境图像的每个像素点校正后的梯度;根据每个像素点校正后的梯度,选择满足梯度阈值的像素点作为选定像素点;根据每个像素点的校正后的过滤梯度,得到环境图像对应的校正后的梯度信息值。
可选地,一个或多个处理器502,根据所述目标校正参数对工作环境执行补光处理,以用于:根据预设的校正参数与光强增量之间的对应关系,确定所述目标校正参数对应的光强增量;根据所述目标校正参数对应的光强增量对工作环境进行补光处理。
可选地,一个或多个处理器502,根据所述目标校正参数对应的光强增量对工作环境进行补光处理,以用于:若目标校正参数小于校正参数分界值,将工作环境的光强增加目标校正参数对应的光强增量;若目标校正参数大于校正参数分界值,将工作环境的光强减小目标校正参数对应的光强增量。
可选地,一个或多个处理器502,工作环境的光强增加目标校正参数对应的光强增量,还可用于:若将工作环境的光强增加目标校正参数对应的光强增量后超出补光设备的最大补光档位,则将补光设备的补光强度调整至最大补光档位。
可选地,一个或多个处理器502,将工作环境的光强减小目标校正参数对应的光强增量,还可用于:将工作环境的光强减小目标校正参数对应的光强增量后超出补光设备的最小补光档位,则将补光设备关闭。
可选地,一个或多个处理器502,根据所述目标校正参数对应的光强增量对工作环境进行补光处理,以用于:根据所述目标校正参数对应的光强增量,对补光设备输出的光强度进行调整,以对工作环境进行补光处理。
相应地,本申请实施例还提供一种存储有计算机程序的计算机可读存储介质。当计算机可读存储介质存储计算机程序,且计算机程序被一个或多个处理器502执行时,致使一个或多个处理器502执行相应图1所示方法实施例中的各步骤。
上述自主移动设备可以为机器人、无人车等。图6为本申请示例性实施例提供的一种机器人的结构框图。如图6所示,该机器人包括:机械本体601;机械本体601上设有一个或多个处理器603和一个或多个存储计算机指令的存储器604。除此之外,机械本体601上还设有视觉传感器602。视觉传感器602例如,摄像头、相机等,在机器人工作过程中,用于获取对周围环境进行图像采集得到环境图像。
机械本体601上除了设有一个或多个处理器603以及一个或多个存储器604之外,还设置有机器人的一些基本组件,例如音频组件、电源组件、里程计、驱动组件等等。音频组件,该音频组件,可被配置为输出和/或输入音频信号。例如,音频组件包括一个麦克风(MIC),当音频组件所在设备处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器或经由通信组件发送。在一些实施例中,音频组件还包括一个扬声器,用于输出音频信号。传感器602还可以包括激光雷达传感器602、干湿度传感器602等。可选地,驱动组件可以包括驱动轮、驱动电机、万向轮等。可选地,清扫组件可以包括清扫电机、清扫刷、起尘刷、吸尘风机等。不同机器人所包含的这些基本组件以及基本组件的构成均会有所不同,本申请实施例仅是部分示例。
值得说明的是,音频组件、传感器602、一个或多个处理器603、一个或多个存储器604可设置于机械本体601内部,也可以设置于机械本体601的表面。
机械本体601是机器人赖以完成作业任务的执行机构,可以在确定的环境中执行处理器603指定的操作。其中,机械本体一定程度上体现了机器人的外观形态。在本实施例中,并不限定机器人的外观形态,例如可以是圆形、椭圆形、三角形、凸多边形等。
一个或多个存储器604,主要用于存储计算机程序,该计算机程序可被一个或多个处理器603执行,致使一个或多个处理器604可以进行补光处理。除了存储计算机程序之外,一个或多个存储器604还可被配置为存储其它各种数据以支持在机器人上的操作。
一个或多个处理器603,可以看作是机器人的控制系统,可用于执行一个或多个存储器604中存储的计算机程序,以对机器人进行栅格地图构建操作。
处理器603例如,一个或多个存储器604中存储计算机程序,一个或多个处理器603可以执行计算机程序,可用于:
获取所述视觉传感器采集到的环境图像;
对环境图像进行灰度校正,获得对环境图像进行校正的目标校正参数;
根据目标校正参数对工作环境进行补光处理。
可选地,一个或多个处理器603,对环境图像进行灰度校正,获得对环境图像进行校正的目标校正参数,以用于:根据预置的至少一个校正参数,分别对环境图像进行灰度校正,得到环境图像对应的至少一个校正后的梯度信息值;从环境图像对应的至少一个校正后的梯度信息值中,选择满足预设条件的目标梯度信息值;将目标梯度信息值对应的校正参数,作为目标校正参数。
可选地,一个或多个处理器603,从环境图像对应的至少一个校正后的梯度信息值中,选择满足预设条件的目标梯度信息值,以用于:从环境图像对应的至少一个校正后的梯度信息值中,选择最大梯度信息值作为目标梯度信息值。
可选地,一个或多个处理器603,根据预置的一个校正参数,对环境图像进行灰度校正,得到环境图像对应的一个校正后的梯度信息值,以用于:根据预置的一个校正参数,计算环境图像的每个像素点校正后的梯度;根据每个像素点校正后的梯度,选择满足梯度阈值的像素点作为选定像素点;根据每个像素点的校正后的过滤梯度,得到环境图像对应的校正后的梯度信息值。
可选地,一个或多个处理器603,根据所述目标校正参数对工作环境执行补光处理,以用于:根据预设的校正参数与光强增量之间的对应关系,确定所述目标校正参数对应的光强增量;根据所述目标校正参数对应的光强增量对工作环境进行补光处理。
可选地,一个或多个处理器603,根据所述目标校正参数对应的光强增量对工作环境进行补光处理,以用于:若目标校正参数小于校正参数分界值,将工作环境的光强增加目标校正参数对应的光强增量;若目标校正参数大于校正参数分界值,将工作环境的光强减小目标校正参数对应的光强增量。
可选地,一个或多个处理器603,工作环境的光强增加目标校正参数对应的光强增量,还可用于:若将工作环境的光强增加目标校正参数对应的光强增量后超出补光设备的最大补光档位,则将补光设备的补光强度调整至最大补光档位。
可选地,一个或多个处理器603,将工作环境的光强减小目标校正参数对应的光强增量,还可用于:将工作环境的光强减小目标校正参数对应的光强增量后超出补光设备的最小补光档位,则将补光设备关闭。
可选地,一个或多个处理器603,根据所述目标校正参数对应的光强增量对工作环境进行补光处理,以用于:根据所述目标校正参数对应的光强增量,对补光设备输出的光强度进行调整,以对工作环境进行补光处理。
相应地,本申请实施例还提供一种存储有计算机程序的计算机可读存储介质,计算机程序被执行时能够实现上述方法实施例中可由计算平台执行的各步骤。
相应地,本申请实施例还提供一种存储有计算机程序的计算机可读存储介质。当计算机可读存储介质存储计算机程序,且计算机程序被一个或多个处理器603执行时,致使一个或多个处理器603执行相应图1所示方法实施例中的各步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理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权利要求范围之内。
Claims (11)
1.一种补光的方法,其特征在于,包括:
采集工作环境的环境图像;
对环境图像进行灰度校正,获得对环境图像进行校正的目标校正参数;
根据预设的校正参数与光强增量之间的对应关系,确定所述目标校正参数对应的光强增量;
根据所述目标校正参数对应的光强增量,对补光设备输出的光强度进行调整,以对工作环境进行补光处理。
2.根据权利要求1所述的方法,其特征在于,对环境图像进行灰度校正,获得对环境图像进行校正的目标校正参数,包括:
根据预置的至少一个校正参数,分别对环境图像进行灰度校正,得到所述环境图像对应的至少一个校正后的梯度信息值;
从所述环境图像对应的至少一个校正后的梯度信息值中,选择满足预设条件的目标梯度信息值;
将所述目标梯度信息值对应的校正参数,作为所述目标校正参数。
3.根据权利要求2所述的方法,其特征在于,从所述环境图像对应的至少一个校正后的梯度信息值中,选择满足预设条件的目标梯度信息值,包括:
从所述环境图像对应的至少一个校正后的梯度信息值中,选择最大梯度信息值作为所述目标梯度信息值。
4.根据权利要求2所述的方法,其特征在于,根据预置的一个校正参数,对环境图像进行灰度校正,得到所述环境图像对应的一个校正后的梯度信息值,包括:
根据预置的一个校正参数,计算环境图像的每个像素点校正后的梯度;
根据每个像素点校正后的梯度,选择满足梯度阈值的像素点作为选定像素点;
根据选定像素点的梯度,得到环境图像对应的校正后的梯度信息值。
5.根据权利要求1所述的方法,其特征在于,根据所述目标校正参数对应的光强增量对工作环境进行补光处理,包括:
若目标校正参数小于校正参数分界值,将工作环境的光强增加目标校正参数对应的光强增量;
若目标校正参数大于校正参数分界值,将工作环境的光强减小目标校正参数对应的光强增量。
6.根据权利要求5所述的方法,其特征在于,将工作环境的光强增加目标校正参数对应的光强增量,还包括:
若将工作环境的光强增加目标校正参数对应的光强增量后超出补光设备的最大补光档位,则将补光设备的补光强度调整至最大补光档位。
7.根据权利要求5所述的方法,其特征在于,将工作环境的光强减小目标校正参数对应的光强增量,还包括:
将工作环境的光强减小目标校正参数对应的光强增量后超出补光设备的最小补光档位,则将补光设备关闭。
8.一种自主移动设备,其特征在于,包括:机械本体,所述机械本体上设有视觉传感器,补光设备,一个或多个处理器,以及一个或多个存储计算机程序的存储器;
所述视觉传感器,用于对周围环境进行图像采集得到环境图像;
所述一个或多个处理器,用于执行所述计算机程序,以用于:
获取所述视觉传感器采集到的环境图像;
对环境图像进行灰度校正,获得对环境图像进行校正的目标校正参数;
根据预设的校正参数与光强增量之间的对应关系,确定所述目标校正参数对应的光强增量;
根据所述目标校正参数对应的光强增量,对补光设备输出的光强度进行调整,以对工作环境进行补光处理。
9.根据权利要求8所述的自主移动设备,其特征在于,还包括:至少一个第二传感器,第二传感器用于辅助对周围环境进行图像采集得到环境图像。
10.根据权利要求8或9所述的自主移动设备,其特征在于,所述视觉传感器和补光设备设置于机械本体的前方或上方。
11.一种存储有计算机程序的计算机可读存储介质,其特征在于,当所述计算机程序被一个或多个处理器执行时,致使所述一个或多个处理器执行包括以下的动作:
采集工作环境的环境图像;
对环境图像进行灰度校正,获得对环境图像进行校正的目标校正参数;
根据预设的校正参数与光强增量之间的对应关系,确定所述目标校正参数对应的光强增量;
根据所述目标校正参数对应的光强增量,对补光设备输出的光强度进行调整,以对工作环境进行补光处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811173906.8A CN111031255B (zh) | 2018-10-09 | 2018-10-09 | 补光的方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811173906.8A CN111031255B (zh) | 2018-10-09 | 2018-10-09 | 补光的方法、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111031255A CN111031255A (zh) | 2020-04-17 |
CN111031255B true CN111031255B (zh) | 2021-07-27 |
Family
ID=70191206
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811173906.8A Active CN111031255B (zh) | 2018-10-09 | 2018-10-09 | 补光的方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111031255B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112052844A (zh) * | 2020-08-31 | 2020-12-08 | 深圳市商汤科技有限公司 | 补光方法及装置、电子设备和存储介质 |
CN112468736A (zh) * | 2020-10-26 | 2021-03-09 | 珠海市一微半导体有限公司 | 一种智能补光的天花板视觉机器人及其控制方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102118608A (zh) * | 2009-12-30 | 2011-07-06 | 捷达世软件(深圳)有限公司 | 视频监控光线调节系统及方法 |
CN104618660A (zh) * | 2014-12-31 | 2015-05-13 | 宇龙计算机通信科技(深圳)有限公司 | 自定义闪光灯拍照效果参数的拍照方法及终端 |
CN106027916A (zh) * | 2016-07-18 | 2016-10-12 | 广东欧珀移动通信有限公司 | 一种补光拍照方法及终端 |
CN107438163A (zh) * | 2017-07-31 | 2017-12-05 | 努比亚技术有限公司 | 一种拍照方法、终端及计算机可读存储介质 |
CN108282622A (zh) * | 2018-01-29 | 2018-07-13 | 三星电子(中国)研发中心 | 照片拍摄方法和装置 |
CN108574804A (zh) * | 2018-07-04 | 2018-09-25 | 珠海市微半导体有限公司 | 一种用于视觉机器人的光源补偿系统及方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101750848B (zh) * | 2008-12-11 | 2011-03-30 | 鸿富锦精密工业(深圳)有限公司 | 摄像装置及其补光方法 |
JP6789682B2 (ja) * | 2016-06-13 | 2020-11-25 | キヤノン株式会社 | 撮像装置、その制御方法、及びプログラム |
CN106412457B (zh) * | 2016-10-31 | 2019-03-05 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
CN107481250A (zh) * | 2017-08-30 | 2017-12-15 | 吉林大学 | 一种图像分割方法及其评价方法和图像融合方法 |
CN107809599B (zh) * | 2017-11-16 | 2020-02-18 | 维沃移动通信有限公司 | 一种补光方法和装置及移动终端 |
CN108449549B (zh) * | 2018-03-19 | 2021-02-12 | 浙江国自机器人技术股份有限公司 | 一种调节led补光灯板亮度的方法、装置和存储介质 |
-
2018
- 2018-10-09 CN CN201811173906.8A patent/CN111031255B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102118608A (zh) * | 2009-12-30 | 2011-07-06 | 捷达世软件(深圳)有限公司 | 视频监控光线调节系统及方法 |
CN104618660A (zh) * | 2014-12-31 | 2015-05-13 | 宇龙计算机通信科技(深圳)有限公司 | 自定义闪光灯拍照效果参数的拍照方法及终端 |
CN106027916A (zh) * | 2016-07-18 | 2016-10-12 | 广东欧珀移动通信有限公司 | 一种补光拍照方法及终端 |
CN107438163A (zh) * | 2017-07-31 | 2017-12-05 | 努比亚技术有限公司 | 一种拍照方法、终端及计算机可读存储介质 |
CN108282622A (zh) * | 2018-01-29 | 2018-07-13 | 三星电子(中国)研发中心 | 照片拍摄方法和装置 |
CN108574804A (zh) * | 2018-07-04 | 2018-09-25 | 珠海市微半导体有限公司 | 一种用于视觉机器人的光源补偿系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111031255A (zh) | 2020-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108513059B (zh) | 图像处理方法、设备以及自动驾驶车辆 | |
US20190113607A1 (en) | Predictive sensor array configuration system for an autonomous vehicle | |
US20180032075A1 (en) | Predictive sensor array configuration system for an autonomous vehicle | |
US10586351B1 (en) | Ambient light estimation for camera device in infrared channel | |
CN111031255B (zh) | 补光的方法、设备及存储介质 | |
US10399229B2 (en) | Method of tracking target object | |
RU2011139265A (ru) | Система и способ для регулирования скорости автономного транспортного средства | |
US10048696B2 (en) | Intelligent lens masking system for an autonomous vehicle | |
US10795357B2 (en) | Method and device for controlling vehicle and autonomous driving vehicle | |
CN109218598B (zh) | 一种相机切换方法、装置及无人机 | |
CN109683617B (zh) | 一种自动驾驶方法、装置及电子设备 | |
CN110020394B (zh) | 数据处理的方法及装置 | |
CN110245567A (zh) | 避障方法、装置、存储介质及电子设备 | |
US20220279700A1 (en) | Method, apparatus, and computer program for defining geo-fencing data, and respective utility vehicle | |
US9547310B2 (en) | Mobile object control system, mobile object control method and non-transitory recording medium | |
CN113259589A (zh) | 一种基线自适应调整的双目相机智能感知方法及其装置 | |
WO2023217231A1 (zh) | 作业边界生成方法、作业控制方法、设备及存储介质 | |
WO2020236080A1 (en) | Dimming light that is interfering with an observer's vision | |
WO2022004333A1 (ja) | 情報処理装置、情報処理システム、および情報処理方法、並びにプログラム | |
CN114995542A (zh) | 一种地下车库补风除湿方法、设备及介质 | |
CN110095998B (zh) | 一种自动控制设备的控制方法及装置 | |
CN113678429A (zh) | 在低光照条件下的自主机器导航 | |
CN106610314B (zh) | 一种颜色检测方法及装置 | |
CN113126640B (zh) | 用于无人机的障碍物探测方法、装置、无人机和存储介质 | |
CN109425344A (zh) | 用于确定高度精确的位置和运行自动化车辆的方法和设备 |
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 |