CN111063029A - 地图构建方法、装置、计算机可读存储介质及机器人 - Google Patents
地图构建方法、装置、计算机可读存储介质及机器人 Download PDFInfo
- Publication number
- CN111063029A CN111063029A CN201911266982.8A CN201911266982A CN111063029A CN 111063029 A CN111063029 A CN 111063029A CN 201911266982 A CN201911266982 A CN 201911266982A CN 111063029 A CN111063029 A CN 111063029A
- Authority
- CN
- China
- Prior art keywords
- map
- pixel points
- value
- filling
- binary
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 20
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 51
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000007670 refining Methods 0.000 claims description 25
- 238000005457 optimization Methods 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000059 patterning Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/383—Indoor data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3837—Data obtained from a single source
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Automation & Control Theory (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Image Processing (AREA)
Abstract
本申请属于机器人技术领域,尤其涉及一种地图构建方法、装置、计算机可读存储介质及机器人。所述方法获取原始灰度地图;对所述原始灰度地图进行三值化处理,得到三值地图;对所述三值地图进行二值化处理,得到二值地图;对所述三值地图和所述二值地图进行边界填充,得到三值填充地图和二值填充地图;对所述二值填充地图进行边界细化,得到二值细化地图;根据所述二值细化地图对所述三值填充地图进行边界细化,得到三值细化地图。通过这样的方式,无需增加任何硬件成本,仅通过对现有的原始灰度地图进行一系列的图像处理,即可消除激光地图边界贴合、重影问题,能够在实际场景中进行广泛使用。
Description
技术领域
本申请属于机器人技术领域,尤其涉及一种地图构建方法、装置、计算机可读存储介质及机器人。
背景技术
当机器人对周围环境进行建模构图时,由于路面不平整、传感器性能指标差以及机器人在同一条路上多次往返运行等原因,所构建的栅格地图边界往往存在或多或少的贴合、重影问题。针对这一问题,目前现有技术的着眼点主要集中在两方面,一是提高特定硬件设备的性能指标,如使用更加昂贵的激光传感器;二是采用多传感器融合技术,如增加摄像头装置,引入视觉回环优化等。以求通过消除传感器累积误差来改善机器人的定位精度,从而进一步提高环境地图的构建效果。虽然这些方式从理论上确实可消除激光地图边界贴合、重影问题,但却会带来极高的硬件成本,难以在实际场景中广泛使用。
发明内容
有鉴于此,本申请实施例提供了一种地图构建方法、装置、计算机可读存储介质及机器人,以解决现有技术在消除激光地图中出现的边界贴合、重影时会带来极高的硬件成本,难以在实际场景中广泛使用的问题。
本申请实施例的第一方面提供了一种地图构建方法,可以包括:
获取原始灰度地图;
对所述原始灰度地图进行三值化处理,得到三值地图;
对所述三值地图进行二值化处理,得到二值地图;
对所述三值地图和所述二值地图进行边界填充,得到三值填充地图和二值填充地图;
对所述二值填充地图进行边界细化,得到二值细化地图;
根据所述二值细化地图对所述三值填充地图进行边界细化,得到三值细化地图。
进一步地,所述对所述三值地图和所述二值地图进行边界填充,得到三值填充地图和二值填充地图,包括:
提取所述二值地图的黑色边界;
分别以所述二值地图的黑色边界中的各个黑色像素点为中心,对所述三值地图和所述二值地图进行边界填充,得到所述三值填充地图和所述二值填充地图。
进一步地,所述分别以所述二值地图的黑色边界中的各个黑色像素点为中心,对所述三值地图和所述二值地图进行边界填充,包括:
在三值目标像素点的八邻域中查找白色像素点,所述三值目标像素点为在所述三值地图中与二值目标像素点相同位置的像素点,所述二值目标像素点为所述二值地图的黑色边界中的任意一个像素点;
若查找到白色像素点,则依次记录在重影检测线上扫描到的各个像素点,直至扫描到灰色像素点为止,所述重影检测线为由查找到的白色像素点指向所述三值目标像素点的射线;
若记录的像素点的个数小于预设的阈值且记录的最后一个像素点为黑色像素点,则对所述二值地图和所述三值地图中的待填充像素点进行填充。
进一步地,所述对所述二值地图和所述三值地图中的待填充像素点进行填充,包括:
将所述记录的像素点中的白色像素点确定为所述三值地图中的待填充像素点;
将所述二值地图中与所述三值地图中的待填充像素点相同位置的像素点确定为所述二值地图中的待填充像素点;
将所述二值地图的待填充像素点和所述三值地图中的待填充像素点均设置为黑色像素点。
进一步地,所述根据所述二值细化地图对所述三值填充地图进行边界细化,得到三值细化地图,包括:
将所述三值填充地图中与所述二值细化地图中的黑色像素点相同位置的像素点设置为黑色像素点;
确定所述三值填充地图中的待细化像素点,所述待细化像素点为与所述二值细化地图中的白色像素点相同位置的黑色像素点;
若所述待细化像素点的八邻域中的白色像素点数目大于灰色像素点数目,则将所述待细化像素点设置为白色像素点;
若所述待细化像素点的八邻域中的白色像素点数目不大于灰色像素点数目,则将所述待细化像素点设置为灰色像素点。
进一步地,在根据所述二值细化地图对所述三值填充地图进行边界细化,得到三值细化地图之后,还包括:
提取所述二值细化地图的黑色边界;
分别以所述二值细化地图的黑色边界中的各个黑色像素点为中心,对所述三值细化地图和所述二值细化地图进行优化处理,得到三值优化地图和二值优化地图。
进一步地,所述分别以所述二值细化地图的黑色边界中的各个黑色像素点为中心,对所述三值细化地图和所述二值细化地图进行优化处理,包括:
在三值细化目标像素点的八邻域中统计白色像素点的数目,所述三值细化目标像素点为在所述三值细化地图中与二值细化目标像素点相同位置的像素点,所述二值细化目标像素点为所述二值细化地图的黑色边界中的任意一个像素点;
若统计的白色像素点的数目为0,则将所述三值细化目标像素点设置为灰色像素点,并将所述二值细化目标像素点设置为白色像素点;
若统计的白色像素点的数目大于0,且各条扫描线均在预设的距离内被黑色像素点阻隔,则将所述三值细化目标像素点以及各条所述扫描线上的白色像素点均设置为灰色像素点,并将所述二值细化目标像素点设置为白色像素点,所述扫描线为由所述三值细化目标像素点的八邻域中灰色像素点指向所述三值细化目标像素点的射线。
本申请实施例的第二方面提供了一种地图构建装置,可以包括:
地图获取模块,用于获取原始灰度地图;
三值化处理模块,用于对所述原始灰度地图进行三值化处理,得到三值地图;
二值化处理模块,用于对所述三值地图进行二值化处理,得到二值地图;
边界填充模块,用于对所述三值地图和所述二值地图进行边界填充,得到三值填充地图和二值填充地图;
二值细化模块,用于对所述二值填充地图进行边界细化,得到二值细化地图;
三值细化模块,用于根据所述二值细化地图对所述三值填充地图进行边界细化,得到三值细化地图。
进一步地,所述边界填充模块可以包括:
边界提取子模块,用于提取所述二值地图的黑色边界;
边界填充子模块,用于分别以所述二值地图的黑色边界中的各个黑色像素点为中心,对所述三值地图和所述二值地图进行边界填充,得到所述三值填充地图和所述二值填充地图。
进一步地,所述边界填充子模块可以包括:
像素点查找单元,用于在三值目标像素点的八邻域中查找白色像素点,所述三值目标像素点为在所述三值地图中与二值目标像素点相同位置的像素点,所述二值目标像素点为所述二值地图的黑色边界中的任意一个像素点;
像素点记录单元,用于若查找到白色像素点,则依次记录在重影检测线上扫描到的各个像素点,直至扫描到灰色像素点为止,所述重影检测线为由查找到的白色像素点指向所述三值目标像素点的射线;
像素点填充单元,用于若记录的像素点的个数小于预设的阈值且记录的最后一个像素点为黑色像素点,则对所述二值地图和所述三值地图中的待填充像素点进行填充。
进一步地,所述像素点填充单元可以包括:
第一确定子单元,用于将所述记录的像素点中的白色像素点确定为所述三值地图中的待填充像素点;
第二确定子单元,用于将所述二值地图中与所述三值地图中的待填充像素点相同位置的像素点确定为所述二值地图中的待填充像素点;
像素点填充子单元,用于将所述二值地图的待填充像素点和所述三值地图中的待填充像素点均设置为黑色像素点。
进一步地,所述三值细化模块可以包括:
第一设置子模块,用于将所述三值填充地图中与所述二值细化地图中的黑色像素点相同位置的像素点设置为黑色像素点;
细化像素点确定子模块,用于确定所述三值填充地图中的待细化像素点,所述待细化像素点为与所述二值细化地图中的白色像素点相同位置的黑色像素点;
第二设置子模块,用于若所述待细化像素点的八邻域中的白色像素点数目大于灰色像素点数目,则将所述待细化像素点设置为白色像素点;
第三设置子模块,用于若所述待细化像素点的八邻域中的白色像素点数目不大于灰色像素点数目,则将所述待细化像素点设置为灰色像素点。
进一步地,所述地图构建装置可以包括:
边界提取模块,用于提取所述二值细化地图的黑色边界;
优化处理模块,用于分别以所述二值细化地图的黑色边界中的各个黑色像素点为中心,对所述三值细化地图和所述二值细化地图进行优化处理,得到三值优化地图和二值优化地图。
进一步地,所述优化处理模块可以包括:
数目统计子模块,用于在三值细化目标像素点的八邻域中统计白色像素点的数目,所述三值细化目标像素点为在所述三值细化地图中与二值细化目标像素点相同位置的像素点,所述二值细化目标像素点为所述二值细化地图的黑色边界中的任意一个像素点;
第一优化子模块,用于若统计的白色像素点的数目为0,则将所述三值细化目标像素点设置为灰色像素点,并将所述二值细化目标像素点设置为白色像素点;
第二优化子模块,用于若统计的白色像素点的数目大于0,且各条扫描线均在预设的距离内被黑色像素点阻隔,则将所述三值细化目标像素点以及各条所述扫描线上的白色像素点均设置为灰色像素点,并将所述二值细化目标像素点设置为白色像素点,所述扫描线为由所述三值细化目标像素点的八邻域中灰色像素点指向所述三值细化目标像素点的射线。
本申请实施例的第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可读指令,所述计算机可读指令被处理器执行时实现上述任一种地图构建方法的步骤。
本申请实施例的第四方面提供了一种机器人,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令,所述处理器执行所述计算机可读指令时实现上述任一种地图构建方法的步骤。
本申请实施例的第五方面提供了一种计算机程序产品,当计算机程序产品在机器人上运行时,使得机器人执行上述任一种地图构建方法的步骤。
本申请实施例与现有技术相比存在的有益效果是:本申请实施例在获取到原始灰度地图后,首先对所述原始灰度地图进行三值化处理,得到三值地图,并对所述三值地图进行二值化处理,得到二值地图,然后对所述三值地图和所述二值地图进行边界填充,得到三值填充地图和二值填充地图,在边界填充之后,边界重影问题也转化为了边界贴合的问题,此时即可对所述二值填充地图进行边界细化,得到二值细化地图,并根据所述二值细化地图对所述三值填充地图进行边界细化,得到三值细化地图,从而有效解决了解决贴合的问题。通过这样的方式,无需增加任何硬件成本,仅通过对现有的原始灰度地图进行一系列的图像处理,即可消除激光地图边界贴合、重影问题,能够在实际场景中进行广泛使用。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本申请实施例中一种地图构建方法的一个实施例流程图;
图2为原始灰度地图的一个示例图;
图3为边界填充的具体过程的示意流程图;
图4为对原始灰度地图处理得到的无重影的细化的地图的示意图;
图5为本申请实施例中一种地图构建装置的一个实施例结构图;
图6为本申请实施例中一种机器人的示意框图。
具体实施方式
为使得本申请的发明目的、特征、优点能够更加的明显和易懂,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,下面所描述的实施例仅仅是本申请一部分实施例,而非全部的实施例。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它实施例,都属于本申请保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
请参阅图1,本申请实施例中一种地图构建方法的一个实施例可以包括:
步骤S101、获取原始灰度地图。
所述原始灰度地图可以为搭载激光传感器的机器人对周围环境进行建模构图所得到的栅格地图,图2所示即为所述原始灰度地图的一个示例,其中,黑色区域表示墙体、物体等边界,白色区域表示机器人可通行区域,而灰色区域表示机器人未知区域。由于路面不平整、传感器性能指标差以及机器人在同一条路上多次往返运行等原因,所述原始灰度地图的边界往往存在或多或少的贴合、重影问题。
步骤S102、对所述原始灰度地图进行三值化处理,得到三值地图。
所述原始灰度地图中的各个像素点的像素值范围一般为[0,255],为方便处理,可以对所述原始灰度地图进行三值化处理,将各个像素点的像素值仅设置为0、205和255三种,分别表示黑色、灰色和白色,从而得到三值地图。在本实施例的一种具体实现中,可以根据下式对所述原始灰度地图进行三值化处理:
其中,I0(x,y)、I1(x,y)分别为所述原始灰度地图和所述三值地图中的任意一个像素点的像素值,minPixel、maxPixel均为预设的像素阈值,其具体取值可以根据实际情况进行设置,本实施例中根据工程实践,优选将minPixel设置为50,将maxPixel设置为240。当所述原始灰度地图中的某一像素点的像素值小于minPixel时,那么在所述三值地图中与该像素点相同位置的像素点的像素值即为0,当所述原始灰度地图中的某一像素点的像素值大于等于minPixel且小于maxPixel时,那么在所述三值地图中与该像素点相同位置的像素点的像素值即为205,当所述原始灰度地图中的某一像素点的像素值大于等于maxPixel时,那么在所述三值地图中与该像素点相同位置的像素点的像素值即为255。
步骤S103、对所述三值地图进行二值化处理,得到二值地图。
对所述三值地图进行二值化处理,也即将各个像素点的像素值仅设置为0和255两种,分别表示黑色和白色,从而得到二值地图。具体地,二值化时需要对所述三值地图逐个像素遍历,如果其像素值为205或者255,即灰色或白色,则将所述二值地图对应位置的像素值设置为255,即白色;如果其像素值为黑色0,需在以其位置为中心,3×3网格范围内判断其是否存在黑色像素相连或者灰黑白相连的有效结构,存在,说明是有效的物体或者墙体边界,则所述二值地图对应位置像素值需要保持黑色0,否则,其很可能是孤立的传感器噪点,需要过滤掉,故将所述二值地图对应位置像素设置为白色255。
步骤S104、对所述三值地图和所述二值地图进行边界填充,得到三值填充地图和二值填充地图。
首先,提取所述二值地图的黑色边界。本实施例中可以利用区域增长算法提取保存所述二值地图中的所有黑色边界,所述区域增长算法实现既可基于广度优先遍历,也可基于深度优先遍历。
然后,分别以所述二值地图的黑色边界中的各个黑色像素点为中心,对所述三值地图和所述二值地图进行边界填充,得到所述三值填充地图和所述二值填充地图。
以所述二值地图的黑色边界中的任意一个黑色像素点为例,边界填充的具体过程如图3所示:
步骤S1041、在三值目标像素点的八邻域中查找白色像素点。
所述三值目标像素点为在所述三值地图中与二值目标像素点相同位置的像素点,所述二值目标像素点为所述二值地图的黑色边界中的任意一个像素点。
若查找到白色像素点,则执行步骤S1042,若未查找到白色像素点,则无需进行任何处理。
步骤S1042、依次记录在重影检测线上扫描到的各个像素点,直至扫描到灰色像素点为止。
所述重影检测线为由查找到的白色像素点指向所述三值目标像素点的射线。在本实施例中,可以预先设置一个在所述重影检测线的方向上最大可扫描的相连像素个数的阈值,将该阈值记为maxDetectedPixel,其具体取值可以根据实际情况进行设置,本实施例中优选将其设置为5。一般地,在工程实践中,栅格化地图中一个像素表示5厘米,若此阈值设置为5,因可填充的有效重影检测线必须以黑灰两个相连像素截止,故最大可填充连续3个白色像素宽度的重影区域,即处理间隔不超过15厘米距离的重影。
若记录的像素点的个数小于预设的阈值(即maxDetectedPixel)且记录的最后一个像素点为黑色像素点,则执行步骤S1043,否则,则无需进行任何处理。
步骤S1043、对所述二值地图和所述三值地图中的待填充像素点进行填充。
具体地,可以将所述记录的像素点中的白色像素点确定为所述三值地图中的待填充像素点,将所述二值地图中与所述三值地图中的待填充像素点相同位置的像素点确定为所述二值地图中的待填充像素点,最后,将所述二值地图的待填充像素点和所述三值地图中的待填充像素点均设置为黑色像素点。
遍历所述二值地图的黑色边界中的各个黑色像素点,分别执行图3所示的过程,对所述三值地图和所述二值地图进行边界填充,最终得到的边界填充后的三值地图即为所述三值填充地图,最终得到的边界填充后的二值地图即为所述二值填充地图,此时,边界重影问题已被转化为边界贴合问题。
步骤S105、对所述二值填充地图进行边界细化,得到二值细化地图。
为了解决边界贴合问题,此处需对地图进行细化处理,即将地图中所有多像素聚集的粗边界都细化为一个像素宽度。本实施例中可以采用二值图像边缘细化算法对对所述二值填充地图进行边界细化,得到二值细化地图。所述二值图像边缘细化算法包括但不限于快速Zhang并行算法、Hilditch、Pavlidis、Rosenfeld细化算法以及索引表细化算法等。
步骤S106、根据所述二值细化地图对所述三值填充地图进行边界细化,得到三值细化地图。
在经过边界细化得到的所述二值细化地图中,清除掉了很多多余的黑色像素,改变了墙体或物体的实际边界,故需要执行合并操作,同步更新到所述三值填充地图。具体地,首先可以将所述三值填充地图中与所述二值细化地图中的黑色像素点相同位置的像素点设置为黑色像素点,然后确定所述三值填充地图中的待细化像素点,所述待细化像素点为与所述二值细化地图中的白色像素点相同位置的黑色像素点。若所述待细化像素点的八邻域中的白色像素点数目大于灰色像素点数目,则将所述待细化像素点设置为白色像素点;若所述待细化像素点的八邻域中的白色像素点数目不大于灰色像素点数目,则将所述待细化像素点设置为灰色像素点。经过以上处理,即可得到所述三值细化地图。
在本实施例的一种具体实现中,可以直接使用所述三值细化地图作为最终得到的结果,但是考虑到所述三值细化地图虽然已经解决了边界贴合和边界重影的问题,但同时可能加重黑色边界延伸到灰色区域和黑色墙体边界外残留一些黑色物体边界的问题,因此,在本实施例的另一种具体实现中,在得到三值细化地图之后,还可以提取所述二值细化地图的黑色边界(与步骤S104中的边界提取过程类似,具体可参照前述内容,此处不再赘述),并分别以所述二值细化地图的黑色边界中的各个黑色像素点为中心,对所述三值细化地图和所述二值细化地图进行优化处理,得到三值优化地图和二值优化地图。
以所述二值细化地图的黑色边界中的任意一个黑色像素点为例,优化处理的具体过程可以包括:
首先,在三值细化目标像素点的八邻域中统计白色像素点的数目。
所述三值细化目标像素点为在所述三值细化地图中与二值细化目标像素点相同位置的像素点,所述二值细化目标像素点为所述二值细化地图的黑色边界中的任意一个像素点。
若统计的白色像素点的数目为0,则表示该黑色边界不与可通行的白色区域相邻,即为黑色边界延伸到灰色区域的情况,该情况不符合激光白黑灰的投射扫描规律,需要被滤除。具体地滤除方式为:将所述三值细化目标像素点设置为灰色像素点,并将所述二值细化目标像素点设置为白色像素点。
若统计的白色像素点的数目大于0,则可判断各条扫描线是否均在预设的距离内被黑色像素点阻隔,所述扫描线为由所述三值细化目标像素点的八邻域中灰色像素点指向所述三值细化目标像素点的射线,容易理解的,扫描线的数目与八邻域中灰色像素点的数目相同,即八邻域中任意一个灰色像素点指向所述三值细化目标像素点的射线均为一条扫描线。所述距离记为maxScannedPixel,其具体取值可以根据实际情况进行设置,取值依据为机器人的实际直径与栅格地图中单像素可表示的实际距离的比值,若机器人的实际直径为50公分,且栅格地图一个像素表示5公分距离,则可以将maxScannedPixel设置为10,即最大扫描存储10个像素,判断是否被黑色墙体边界阻隔。如果所述三值细化目标像素点的所有灰黑直线方向的扫描尝试都被黑色边界阻隔,表示所述三值细化目标像素点很可能来自于黑色墙体边界外残留的物体边界。因其白色区域附近不能合理放下该机器装置,按其激光白黑灰的投射规律,便不可能产生该边界,故需要被滤除,滤除方式为:将所述三值细化目标像素点以及各条所述扫描线上的白色像素点均设置为灰色像素点,并将所述二值细化目标像素点设置为白色像素点。若至少有一条扫描线在预设的距离内未被黑色像素点阻隔,则无需进行任何处理。
遍历所述二值细化地图的黑色边界中的各个黑色像素点,分别执行上述优化处理过程,对所述三值细化地图和所述二值细化地图进行优化处理,最终得到的优化处理后的三值地图即为所述三值优化地图,最终得到的优化处理后的二值地图即为所述二值优化地图。
优选地,可以将所述三值细化地图作为最终得到的结果,如图4所示,即为对图2所示的原始灰度地图处理得到的最终结果,从中可以看出,边界贴合、重影问题已经被有效消除,得到了无重影的细化的地图。
综上所述,本申请实施例在获取到原始灰度地图后,首先对所述原始灰度地图进行三值化处理,得到三值地图,并对所述三值地图进行二值化处理,得到二值地图,然后对所述三值地图和所述二值地图进行边界填充,得到三值填充地图和二值填充地图,在边界填充之后,边界重影问题也转化为了边界贴合的问题,此时即可对所述二值填充地图进行边界细化,得到二值细化地图,并根据所述二值细化地图对所述三值填充地图进行边界细化,得到三值细化地图,从而有效解决了解决贴合的问题。通过这样的方式,无需增加任何硬件成本,仅通过对现有的原始灰度地图进行一系列的图像处理,即可消除激光地图边界贴合、重影问题,能够在实际场景中进行广泛使用。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的一种地图构建方法,图5示出了本申请实施例提供的一种地图构建装置的一个实施例结构图。
本实施例中,一种地图构建装置可以包括:
地图获取模块501,用于获取原始灰度地图;
三值化处理模块502,用于对所述原始灰度地图进行三值化处理,得到三值地图;
二值化处理模块503,用于对所述三值地图进行二值化处理,得到二值地图;
边界填充模块504,用于对所述三值地图和所述二值地图进行边界填充,得到三值填充地图和二值填充地图;
二值细化模块505,用于对所述二值填充地图进行边界细化,得到二值细化地图;
三值细化模块506,用于根据所述二值细化地图对所述三值填充地图进行边界细化,得到三值细化地图。
进一步地,所述边界填充模块可以包括:
边界提取子模块,用于提取所述二值地图的黑色边界;
边界填充子模块,用于分别以所述二值地图的黑色边界中的各个黑色像素点为中心,对所述三值地图和所述二值地图进行边界填充,得到所述三值填充地图和所述二值填充地图。
进一步地,所述边界填充子模块可以包括:
像素点查找单元,用于在三值目标像素点的八邻域中查找白色像素点,所述三值目标像素点为在所述三值地图中与二值目标像素点相同位置的像素点,所述二值目标像素点为所述二值地图的黑色边界中的任意一个像素点;
像素点记录单元,用于若查找到白色像素点,则依次记录在重影检测线上扫描到的各个像素点,直至扫描到灰色像素点为止,所述重影检测线为由查找到的白色像素点指向所述三值目标像素点的射线;
像素点填充单元,用于若记录的像素点的个数小于预设的阈值且记录的最后一个像素点为黑色像素点,则对所述二值地图和所述三值地图中的待填充像素点进行填充。
进一步地,所述像素点填充单元可以包括:
第一确定子单元,用于将所述记录的像素点中的白色像素点确定为所述三值地图中的待填充像素点;
第二确定子单元,用于将所述二值地图中与所述三值地图中的待填充像素点相同位置的像素点确定为所述二值地图中的待填充像素点;
像素点填充子单元,用于将所述二值地图的待填充像素点和所述三值地图中的待填充像素点均设置为黑色像素点。
进一步地,所述三值细化模块可以包括:
第一设置子模块,用于将所述三值填充地图中与所述二值细化地图中的黑色像素点相同位置的像素点设置为黑色像素点;
细化像素点确定子模块,用于确定所述三值填充地图中的待细化像素点,所述待细化像素点为与所述二值细化地图中的白色像素点相同位置的黑色像素点;
第二设置子模块,用于若所述待细化像素点的八邻域中的白色像素点数目大于灰色像素点数目,则将所述待细化像素点设置为白色像素点;
第三设置子模块,用于若所述待细化像素点的八邻域中的白色像素点数目不大于灰色像素点数目,则将所述待细化像素点设置为灰色像素点。
进一步地,所述地图构建装置可以包括:
边界提取模块,用于提取所述二值细化地图的黑色边界;
优化处理模块,用于分别以所述二值细化地图的黑色边界中的各个黑色像素点为中心,对所述三值细化地图和所述二值细化地图进行优化处理,得到三值优化地图和二值优化地图。
进一步地,所述优化处理模块可以包括:
数目统计子模块,用于在三值细化目标像素点的八邻域中统计白色像素点的数目,所述三值细化目标像素点为在所述三值细化地图中与二值细化目标像素点相同位置的像素点,所述二值细化目标像素点为所述二值细化地图的黑色边界中的任意一个像素点;
第一优化子模块,用于若统计的白色像素点的数目为0,则将所述三值细化目标像素点设置为灰色像素点,并将所述二值细化目标像素点设置为白色像素点;
第二优化子模块,用于若统计的白色像素点的数目大于0,且各条扫描线均在预设的距离内被黑色像素点阻隔,则将所述三值细化目标像素点以及各条所述扫描线上的白色像素点均设置为灰色像素点,并将所述二值细化目标像素点设置为白色像素点,所述扫描线为由所述三值细化目标像素点的八邻域中灰色像素点指向所述三值细化目标像素点的射线。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置,模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
图6示出了本申请实施例提供的一种机器人的示意框图,为了便于说明,仅示出了与本申请实施例相关的部分。
如图6所示,该实施例的机器人6包括:处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62。所述处理器60执行所述计算机程序62时实现上述各个地图构建方法实施例中的步骤,例如图1所示的步骤S101至步骤S106。或者,所述处理器60执行所述计算机程序62时实现上述各装置实施例中各模块/单元的功能,例如图5所示模块501至模块506的功能。
示例性的,所述计算机程序62可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器61中,并由所述处理器60执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序62在所述机器人6中的执行过程。
本领域技术人员可以理解,图6仅仅是机器人6的示例,并不构成对机器人6的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述机器人6还可以包括输入输出设备、网络接入设备、总线等。
所述处理器60可以是中央处理单元(Central Processing Unit,CPU),还可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器61可以是所述机器人6的内部存储单元,例如机器人6的硬盘或内存。所述存储器61也可以是所述机器人6的外部存储设备,例如所述机器人6上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器61还可以既包括所述机器人6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述机器人6所需的其它程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/机器人和方法,可以通过其它的方式实现。例如,以上所描述的装置/机器人实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种地图构建方法,其特征在于,包括:
获取原始灰度地图;
对所述原始灰度地图进行三值化处理,得到三值地图;
对所述三值地图进行二值化处理,得到二值地图;
对所述三值地图和所述二值地图进行边界填充,得到三值填充地图和二值填充地图;
对所述二值填充地图进行边界细化,得到二值细化地图;
根据所述二值细化地图对所述三值填充地图进行边界细化,得到三值细化地图。
2.根据权利要求1所述的地图构建方法,其特征在于,所述对所述三值地图和所述二值地图进行边界填充,得到三值填充地图和二值填充地图,包括:
提取所述二值地图的黑色边界;
分别以所述二值地图的黑色边界中的各个黑色像素点为中心,对所述三值地图和所述二值地图进行边界填充,得到所述三值填充地图和所述二值填充地图。
3.根据权利要求2所述的地图构建方法,其特征在于,所述分别以所述二值地图的黑色边界中的各个黑色像素点为中心,对所述三值地图和所述二值地图进行边界填充,包括:
在三值目标像素点的八邻域中查找白色像素点,所述三值目标像素点为在所述三值地图中与二值目标像素点相同位置的像素点,所述二值目标像素点为所述二值地图的黑色边界中的任意一个像素点;
若查找到白色像素点,则依次记录在重影检测线上扫描到的各个像素点,直至扫描到灰色像素点为止,所述重影检测线为由查找到的白色像素点指向所述三值目标像素点的射线;
若记录的像素点的个数小于预设的阈值且记录的最后一个像素点为黑色像素点,则对所述二值地图和所述三值地图中的待填充像素点进行填充。
4.根据权利要求3所述的地图构建方法,其特征在于,所述对所述二值地图和所述三值地图中的待填充像素点进行填充,包括:
将所述记录的像素点中的白色像素点确定为所述三值地图中的待填充像素点;
将所述二值地图中与所述三值地图中的待填充像素点相同位置的像素点确定为所述二值地图中的待填充像素点;
将所述二值地图的待填充像素点和所述三值地图中的待填充像素点均设置为黑色像素点。
5.根据权利要求1所述的地图构建方法,其特征在于,所述根据所述二值细化地图对所述三值填充地图进行边界细化,得到三值细化地图,包括:
将所述三值填充地图中与所述二值细化地图中的黑色像素点相同位置的像素点设置为黑色像素点;
确定所述三值填充地图中的待细化像素点,所述待细化像素点为与所述二值细化地图中的白色像素点相同位置的黑色像素点;
若所述待细化像素点的八邻域中的白色像素点数目大于灰色像素点数目,则将所述待细化像素点设置为白色像素点;
若所述待细化像素点的八邻域中的白色像素点数目不大于灰色像素点数目,则将所述待细化像素点设置为灰色像素点。
6.根据权利要求1至5中任一项所述的地图构建方法,其特征在于,在根据所述二值细化地图对所述三值填充地图进行边界细化,得到三值细化地图之后,还包括:
提取所述二值细化地图的黑色边界;
分别以所述二值细化地图的黑色边界中的各个黑色像素点为中心,对所述三值细化地图和所述二值细化地图进行优化处理,得到三值优化地图和二值优化地图。
7.根据权利要求6所述的地图构建方法,其特征在于,所述分别以所述二值细化地图的黑色边界中的各个黑色像素点为中心,对所述三值细化地图和所述二值细化地图进行优化处理,包括:
在三值细化目标像素点的八邻域中统计白色像素点的数目,所述三值细化目标像素点为在所述三值细化地图中与二值细化目标像素点相同位置的像素点,所述二值细化目标像素点为所述二值细化地图的黑色边界中的任意一个像素点;
若统计的白色像素点的数目为0,则将所述三值细化目标像素点设置为灰色像素点,并将所述二值细化目标像素点设置为白色像素点;
若统计的白色像素点的数目大于0,且各条扫描线均在预设的距离内被黑色像素点阻隔,则将所述三值细化目标像素点以及各条所述扫描线上的白色像素点均设置为灰色像素点,并将所述二值细化目标像素点设置为白色像素点,所述扫描线为由所述三值细化目标像素点的八邻域中灰色像素点指向所述三值细化目标像素点的射线。
8.一种地图构建装置,其特征在于,包括:
地图获取模块,用于获取原始灰度地图;
三值化处理模块,用于对所述原始灰度地图进行三值化处理,得到三值地图;
二值化处理模块,用于对所述三值地图进行二值化处理,得到二值地图;
边界填充模块,用于对所述三值地图和所述二值地图进行边界填充,得到三值填充地图和二值填充地图;
二值细化模块,用于对所述二值填充地图进行边界细化,得到二值细化地图;
三值细化模块,用于根据所述二值细化地图对所述三值填充地图进行边界细化,得到三值细化地图。
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可读指令,其特征在于,所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的地图构建方法的步骤。
10.一种机器人,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令,其特征在于,所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的地图构建方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911266982.8A CN111063029B (zh) | 2019-12-11 | 2019-12-11 | 地图构建方法、装置、计算机可读存储介质及机器人 |
US17/075,727 US11593974B2 (en) | 2019-12-11 | 2020-10-21 | Map building method, computer-readable storage medium and robot |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911266982.8A CN111063029B (zh) | 2019-12-11 | 2019-12-11 | 地图构建方法、装置、计算机可读存储介质及机器人 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111063029A true CN111063029A (zh) | 2020-04-24 |
CN111063029B CN111063029B (zh) | 2023-06-09 |
Family
ID=70300507
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911266982.8A Active CN111063029B (zh) | 2019-12-11 | 2019-12-11 | 地图构建方法、装置、计算机可读存储介质及机器人 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11593974B2 (zh) |
CN (1) | CN111063029B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111681246A (zh) * | 2020-04-27 | 2020-09-18 | 珠海市一微半导体有限公司 | 一种激光地图的区域分割方法 |
CN113516765A (zh) * | 2021-06-25 | 2021-10-19 | 深圳市优必选科技股份有限公司 | 一种地图管理方法、地图管理装置及智能设备 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11885638B2 (en) * | 2020-12-28 | 2024-01-30 | Bear Robotics, Inc. | Method, system, and non-transitory computer-readable recording medium for generating a map for a robot |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6356646B1 (en) * | 1999-02-19 | 2002-03-12 | Clyde H. Spencer | Method for creating thematic maps using segmentation of ternary diagrams |
EP2549736A2 (en) * | 2011-07-19 | 2013-01-23 | Fujitsu Limited | Image processing device and method |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100008576A1 (en) * | 2008-07-11 | 2010-01-14 | Robinson Piramuthu | System and method for segmentation of an image into tuned multi-scaled regions |
US9740925B2 (en) * | 2012-11-19 | 2017-08-22 | Imds America Inc. | Method and system for the spotting of arbitrary words in handwritten documents |
US9864377B2 (en) * | 2016-04-01 | 2018-01-09 | Locus Robotics Corporation | Navigation using planned robot travel paths |
EP3552389A4 (en) * | 2016-11-11 | 2021-07-28 | University of South Florida | AUTOMATED STEREOLOGY FOR DETERMINING FABRIC CHARACTERISTICS |
DE112019001657T5 (de) * | 2018-03-29 | 2021-01-14 | Sony Corporation | Signalverarbeitungsvorrichtung und signalverarbeitungsverfahren, programm und mobiler körper |
CN109541634B (zh) * | 2018-12-28 | 2023-01-17 | 歌尔股份有限公司 | 一种路径规划方法、装置和移动设备 |
US20200302135A1 (en) * | 2019-03-19 | 2020-09-24 | Sasken Technologies Ltd | Method and apparatus for localization of one-dimensional barcodes |
-
2019
- 2019-12-11 CN CN201911266982.8A patent/CN111063029B/zh active Active
-
2020
- 2020-10-21 US US17/075,727 patent/US11593974B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6356646B1 (en) * | 1999-02-19 | 2002-03-12 | Clyde H. Spencer | Method for creating thematic maps using segmentation of ternary diagrams |
EP2549736A2 (en) * | 2011-07-19 | 2013-01-23 | Fujitsu Limited | Image processing device and method |
CN102890780A (zh) * | 2011-07-19 | 2013-01-23 | 富士通株式会社 | 图像处理装置和方法 |
Non-Patent Citations (1)
Title |
---|
陈宝远;李紫贺;刘景阳;兰雅琼;于晓洋;: "BOPET薄膜中气泡的检测及识别方法研究" * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111681246A (zh) * | 2020-04-27 | 2020-09-18 | 珠海市一微半导体有限公司 | 一种激光地图的区域分割方法 |
CN111681246B (zh) * | 2020-04-27 | 2024-01-23 | 珠海一微半导体股份有限公司 | 一种激光地图的区域分割方法 |
CN113516765A (zh) * | 2021-06-25 | 2021-10-19 | 深圳市优必选科技股份有限公司 | 一种地图管理方法、地图管理装置及智能设备 |
CN113516765B (zh) * | 2021-06-25 | 2023-08-11 | 深圳市优必选科技股份有限公司 | 一种地图管理方法、地图管理装置及智能设备 |
Also Published As
Publication number | Publication date |
---|---|
US20210183116A1 (en) | 2021-06-17 |
US11593974B2 (en) | 2023-02-28 |
CN111063029B (zh) | 2023-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110378945B (zh) | 深度图处理方法、装置和电子设备 | |
CN110473242B (zh) | 一种纹理特征提取方法、纹理特征提取装置及终端设备 | |
CN108280450B (zh) | 一种基于车道线的高速公路路面检测方法 | |
WO2019233264A1 (zh) | 图像处理方法、计算机可读存储介质和电子设备 | |
CN108230321A (zh) | 缺陷检测方法及装置 | |
CN111063029A (zh) | 地图构建方法、装置、计算机可读存储介质及机器人 | |
EP3617938B1 (en) | Lane line processing method and device | |
CN111047615B (zh) | 基于图像的直线检测方法、装置以及电子设备 | |
CN113077459B (zh) | 图像清晰度检测方法、装置、电子设备及存储介质 | |
CN108737875B (zh) | 图像处理方法及装置 | |
CN110163039B (zh) | 判定车辆行驶状态的方法、设备、存储介质以及处理器 | |
CN113298761B (zh) | 一种图像滤波方法、装置、终端和计算机可读存储介质 | |
CN113744256A (zh) | 一种深度图空洞填充方法、装置、服务器及可读存储介质 | |
CN113052754B (zh) | 一种图片背景虚化的方法及装置 | |
CN108182666B (zh) | 一种视差校正方法、装置和终端 | |
CN106920266B (zh) | 验证码的背景生成方法和装置 | |
CN109801428B (zh) | 纸币边缘直线的检测方法、检测装置及终端 | |
KR101585963B1 (ko) | 이미지 센서 노이즈 모델 기반 필터링 방법 및 이를 적용한 영상 시스템 | |
CN116249015A (zh) | 摄像头遮挡检测方法、装置、摄像头设备及存储介质 | |
CN110874814A (zh) | 一种图像处理方法、图像处理装置及终端设备 | |
CN116128748A (zh) | 一种基于有效区域提取算法的鱼眼图像校正方法及系统 | |
CN114913105A (zh) | 激光点云融合方法、装置、服务器及计算机可读存储介质 | |
CN111256712B (zh) | 地图优化方法、装置及机器人 | |
CN114820376A (zh) | 条带噪声的融合校正方法、装置、电子设备及存储介质 | |
CN114596210A (zh) | 噪声估计方法、装置、终端设备及计算机可读存储介质 |
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 |