CN111256712A - 地图优化方法、装置及机器人 - Google Patents
地图优化方法、装置及机器人 Download PDFInfo
- Publication number
- CN111256712A CN111256712A CN202010112029.4A CN202010112029A CN111256712A CN 111256712 A CN111256712 A CN 111256712A CN 202010112029 A CN202010112029 A CN 202010112029A CN 111256712 A CN111256712 A CN 111256712A
- Authority
- CN
- China
- Prior art keywords
- area
- map
- optimized
- gray
- white
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000005457 optimization Methods 0.000 title claims abstract description 31
- 238000001914 filtration Methods 0.000 claims abstract description 120
- 238000004422 calculation algorithm Methods 0.000 claims description 45
- 238000004590 computer program Methods 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 6
- 230000008719 thickening Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 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
- 230000000694 effects Effects 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003993 interaction 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
- 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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Processing (AREA)
Abstract
本申请适用于地图优化技术领域,提供了地图优化方法、装置及机器人,所述方法包括:遍历第一待优化地图,所述第一待优化地图包括黑色区域、白色区域和灰色区域;过滤所述第一待优化地图中被白色区域包围的黑色区域,得到第二待优化地图;过滤所述第二待优化地图中被白色区域包围的灰色区域,得到优化后的地图。通过上述方法,能够提高滤除噪点区域的准确性。
Description
技术领域
本申请属于地图优化技术领域,尤其涉及地图优化方法、装置、机器人及计算机可读存储介质。
背景技术
一张好的即时定位与地图构建(Simultaneous Localization And Mapping,SLAM)对于导航环节是不可或缺的。但是机器人在实际进行激光建图的过程中,由于激光传感器受自身性能指标的影响,扫描的区域会存在盲区,且若激光扫描到人的腿,则在地图上也相应会产生噪点,从而导致最后建图结果有大量噪声,进而使得导航过程中也无法规划出正确的路径。如图1所示,白色区域表示机器人可通行区域,黑色区域表示障碍物边界,比如墙体、人腿等,灰色区域表示未探索区域。
针对上述可能出现的问题,目前主要的解决方案有以下思路,第一种是改进传感器的性能,使激光扫描范围扩大,但是这样会大大增加硬件设备的成本,或者是采用多传感器融合方案,使用其他传感器减少由于单一传感器所产生的噪声;第二种是提高关键帧的刷新频率,减少两激光帧之间的未探索区域,但是这样会大大降低机器的运行效率,同时也无法完全避免灰色区域噪声的产生。上述方案中,虽然从理论上都能在一定程度上减少激光建图过程中的噪声,但是在实际场景中,由于受到硬件成本、计算能力和环境场地等多方面因素的影响,优化效果并不明显,同时也无法解决黑色区域噪声的影响。
故,需要提供一种新的方法以解决上述技术问题。
发明内容
本申请实施例提供了地图优化方法,可以解决难以在维持成本的基础上实现噪点区域的有效滤除的问题。
第一方面,本申请实施例提供了一种地图优化方法,包括:
遍历第一待优化地图,所述第一待优化地图包括黑色区域、白色区域和灰色区域;
过滤所述第一待优化地图中被白色区域包围的黑色区域,得到第二待优化地图;
过滤所述第二待优化地图中被白色区域包围的灰色区域,得到优化后的地图。
本申请实施例与现有技术相比存在的有益效果是:
由于过滤的黑色区域和灰色区域都是被白色区域包围的区域,而被白色区域包围的区域是地图中的噪点,因此能够有效实现噪点区域的滤除,并且,由于通过软件实现黑色区域和灰色区域的过滤,因此,无需增加额外的硬件设备,即无需增加额外的硬件成本。此外,由于在实际的滤除灰色区域的过程中,若检测出灰色的像素点与黑色的像素点相连,则不滤除该灰色的像素点,因此,先滤除黑色区域再滤除灰色区域有助于提高滤除噪点区域的准确性。
第二方面,本申请实施例提供了一种地图优化装置,包括:
地图遍历单元,用于遍历第一待优化地图,所述第一待优化地图包括黑色区域、白色区域和灰色区域;
黑色区域过滤单元,用于过滤所述第一待优化地图中被白色区域包围的黑色区域,得到第二待优化地图;
灰色区域过滤单元,用于过滤所述第二待优化地图中被白色区域包围的灰色区域,得到优化后的地图。
第三方面,本申请实施例提供了一种机器人,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程序,所述处理器执行所述计算机程序时实现如第一方面所述的方法。
第四方面,本申请实施例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程序,所述计算机程序被处理器执行时实现如第一方面所述的方法。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述第一方面中所述的方法。
可以理解的是,上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
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。
图1是现有技术提供的一种SLAM地图的示意图;
图2是本申请实施例一提供的一种地图优化方法的流程图;
图3是本申请实施例二提供的一种地图优化方法的流程图;
图4是本申请实施例三提供的一种地图优化方法的流程图;
图5是本申请实施例四提供的一种地图优化装置的结构示意图;
图6是本申请实施例五提供的机器人的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请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。
如在本申请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,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
实施例一:
图2示出了本申请实施例一提供的一种地图优化方法的流程图,该地图优化方法可应用于机器人中,详述如下:
步骤S21,遍历第一待优化地图,所述第一待优化地图包括黑色区域、白色区域和灰色区域;
其中,第一待优化地图通常为机器人生成的原始的SLAM地图,这种原始的SLAM地图仅包含黑色、灰色和白色三种颜色,对应的像素值分别为0、205(当然,灰色也可以为其他数值,此处不作限定)和255。
该步骤中,由黑色的像素点组成的区域为黑色区域,由白色的像素点组成的区域为白色区域,由灰色的像素点组成的区域为灰色区域。具体地,遍历第一待优化地图是指按顺序逐个遍历该第一待优化地图中的像素点。
步骤S22,过滤所述第一待优化地图中被白色区域包围的黑色区域,得到第二待优化地图;
具体地,由于第一待优化地图包括的黑色区域可能被白色区域包围,也可能被灰色区域包围,或者同时被白色区域和灰色区域包围,而根据经验可知,被白色区域包围的黑色区域通常为噪点区域,因此,首先确定被白色区域包围的黑色区域,再过滤该黑色区域。其中,过滤该黑色区域是指将该黑色区域中的像素点从黑色填为白色。
步骤S23,过滤所述第二待优化地图中被白色区域包围的灰色区域,得到优化后的地图。
具体地,从第二待优化地图中识别出被白色区域包围的灰色区域,再将识别的灰色区域中的像素点填为白色,得到优化后的地图。
本申请实施例中,由于过滤的黑色区域和灰色区域都是被白色区域包围的区域,而被白色区域包围的区域是地图中的噪点,因此能够有效实现噪点区域的滤除,并且,由于通过软件实现黑色区域和灰色区域的过滤,因此,无需增加额外的硬件设备,即无需增加额外的硬件成本。此外,由于在实际的滤除灰色区域的过程中,若检测出灰色的像素点与黑色的像素点相连,则不滤除该灰色的像素点,因此,先滤除黑色区域再滤除灰色区域有助于提高滤除噪点区域的准确性。
在一些实施例中,为了进一步提高噪点的滤除的准确性,则在步骤S23之后包括:显示优化后的地图;接收用户发出的人工滤除指令,从所述人工滤除指令解析出需滤除的位置点;将所述位置点的像素点填为白色,显示人工滤除后的所述优化后的地图。
本实施例中,用户查看显示的优化后的地图,若发现有些像素点还需要填为白色,则点击屏幕中需滤除的位置点,以发出人工滤除指令,机器人接收到该人工滤除指令后,根据用户的点击操作确定需滤除的位置点,再将该位置点(或者该位置点的8邻域)的像素点填为白色,最后显示执行人工滤除动作后的优化后的地图。由于能够直接从用户发出的人工滤除指令解析出需滤除的位置点,因此,无需机器人通过运算确定,从而节省了确定需滤除的位置点的时间,并且,由于需滤除的位置点是用户直接确定的,因此也能保证确定的需滤除的位置点更准确,从而进一步提高了噪点的滤除的准确性。
实施例二:
图3示出了本申请实施例二提供的一种地图优化方法的流程图,在本实施例中,主要对步骤S22进行说明,步骤S31和步骤S34分别与实施例一的步骤S21和步骤S23相同,此处不再赘述:
步骤S31,遍历第一待优化地图,所述第一待优化地图包括黑色区域、白色区域和灰色区域;
步骤S32,若遍历到的像素点为黑色,则搜索所述像素点的周围邻域,统计所述像素点的周围邻域内的黑色点的数量,其中,所述黑色点为黑色的像素点;
具体地,若遍历到的像素点的像素值为0,则表明该像素点为黑色,本实施例中,将黑色的像素点称为黑色点。若搜索到黑色点,则搜索该像素点的周围邻域,比如搜索该像素点周围的8邻域,并统计在该像素点周围的8邻域搜索到的黑色点的数量。
步骤S33,若所述黑色点的数量没有超过预设的黑色点数量阈值,则统计所述像素点的周围邻域内的白色点和灰色点的比例,若统计的比例大于或等于预设的比例阈值,表明所述像素点所在的黑色区域被白色区域包围,则设置所述像素点为白色,以过滤所述第一待优化地图中被白色区域包围的黑色区域,得到第二待优化地图。
其中,白色点是指白色的像素点,灰色点是指灰色的像素点。具体地,若黑色点的数量较少时,表明这些黑色点是孤立的;若白色点和灰色点的比例较大,表明这些黑色点所在的区域主要是被白色区域包围,则将遍历的像素点的像素值置为255,即设置该像素点为白色。在遍历第一待优化地图的过程中执行上述操作,实现第一待优化地图中被白色区域包围的黑色区域的过滤。
在一些实施例中,若判断出黑色区域不是被白色区域包围,即:若所述黑色点的数量没有超过预设的黑色点数量阈值,则统计所述像素点的周围邻域内的白色点和灰色点的比例,若统计的比例小于预设的比例阈值,则不执行任何处理。
在一些实施例中,若判断出黑色点不是孤立的,则认为这些黑色点是被激光打到障碍物边缘的黑色点,此时,不对该黑色点所在的区域执行滤除操作,即:若黑色点的数量超过预设的黑色点数量阈值,则退出对当前像素点的周围邻域的搜索。
步骤S34,过滤所述第二待优化地图中被白色区域包围的灰色区域,得到优化后的地图。
本实施例中,由于过滤的黑色区域为被白色区域包围的且孤立的黑色区域,而被白色区域包围的且孤立的黑色区域为噪点区域的概率比单纯被白色区域包围的且孤立的黑色区域为噪点区域的概率更大,因此,只滤除孤立的被白色区域包围的黑色区域,能够进一步提高滤除第一待优化地图的噪点的准确性。
实施例三:
图4示出了本申请实施例三提供的一种地图优化方法的流程图,在本实施例中,主要对步骤S23进行说明,步骤S41和步骤S42分别与实施例一的步骤S21和步骤S22相同,此处不再赘述:
步骤S41,遍历第一待优化地图,所述第一待优化地图包括黑色区域、白色区域和灰色区域;
步骤S42,过滤所述第一待优化地图中被白色区域包围的黑色区域,得到第二待优化地图;
需要指出的是,该步骤S42也可以细化如实施例二的步骤S32和步骤S33,此处不再赘述。
步骤S43,采用第一过滤算法和/或采用第二过滤算法过滤所述第二待优化地图中被白色区域包围的灰色区域,得到优化后的地图。
本实施例中,第二待优化地图中被白色区域包围的灰色区域可以只采用第一过滤算法过滤,也可以只采用第二过滤算法过滤,也可以同时采用第一过滤算法和第二过滤算法过滤。
若同时采用第一过滤算法和第二过滤算法过滤第二待优化地图中的灰色区域,则可对面积较小的灰色区域采用第一过滤算法,对面积较大的灰色区域采用第二过滤算法,其中,第一过滤算法在搜索较小的范围内效率较高,如宽度优先搜索算法(Breadth FirstSearch,BFS);第二过滤算法在搜索较大的范围内效率较高,如几何轮廓搜索算法。由于有针对性地对灰色区域采用不同的过滤算法进行过滤,因此,能够提高灰色区域的过滤效率。
在一些实施例中,根据灰色区域的面积大小选择不同的过滤算法,此时,所述步骤S43,包括:
A1、采用第一过滤算法搜索所述第二待优化地图中被白色区域包围的灰色区域,若搜索的所述灰色区域的面积小于或等于第一预设阈值,则设置所述灰色区域内的像素点为白色;
其中,第一预设阈值可以设置为30,单位是像素,例如,假设灰色区域是由20个像素点组成,则该灰色区域的面积为20。
具体地,所述步骤A1,包括:
对所述第二待优化地图进行预设方向搜索;若当前像素点为灰色且前一个像素点为白色,则采用第一过滤算法搜索所述当前像素点周围的灰色的像素点,若搜索到的所有灰色的像素点组成的灰色区域的面积小于或等于第一预设阈值,则设置所述灰色区域内的像素点为白色。当然,若当前像素点为灰色且前一个像素点不为白色,则继续搜索下一个像素点。
其中,预设方向可以为横向搜索,也可以为纵向搜索。
A2、若搜索的所述灰色区域的面积大于所述第一预设阈值,则采用第二过滤算法确定所述第二待优化地图中被白色区域包围的灰色区域的面积,若确定的所述面积大于或等于第二预设阈值,则设置所述灰色区域内的像素点为白色,得到优化后的地图,其中,所述第二预设阈值小于所述第一预设阈值。
考虑到在统计灰色区域的面积的大小时存在一定的误差,因此,为了能够全部滤除属于噪点的灰色区域,则设置第二预设阈值小于第一预设阈值,即保证第一过滤算法和第二过滤算法能够滤除的灰色区域的面积大小存在交叉区域,这样,在从第一过滤算法切换到第二过滤算法时,也能够快速实现灰色区域的搜索和滤除。
其中,所述步骤A2在所述采用第二过滤算法确定所述第二待优化地图中被白色区域包围的灰色区域的面积时,包括:
二值化所述第二待优化地图,提取二值化后的所述第二待优化地图中形状的几何轮廓;将提取的所述几何轮廓的边缘加粗,判断加粗后的所述几何轮廓的边缘是否包括黑色区域,若没有包括黑色区域,计算所述几何轮廓包围的区域面积。
具体地,假设灰色的像素点的像素值为205,根据以下方式二值化第二待优化地图(需要指出的是,这里的第二待优化地图是指滤除第一待优化地图中被白色区域包围的黑色区域的地图,当然,该第二待优化地图中被白色区域包围且面积较小的灰色区域也可能经过第一过滤算法滤除):令I(x,y)表示第二待优化地图中任意像素点的像素值,公式表达如下:
当然,若灰色的像素点的像素值为其他数值,则上述公式的205需对应更换为其他数值。
通过上述公式,将第二待优化地图的灰色区域设置为黑色,之后,提取二值化后的第二待优化地图中形状的几何轮廓。由于提取的几何轮廓是不包括原始的轮廓的边缘,因此,无论原始的几何轮廓是黑色还是白色,其反映出来的都是白色,因此,为了得到准确的识别结果,则加粗提取的几何轮廓的边缘,即对原始的几何轮廓的边缘执行膨胀操作,从而能够根据加粗后的几何轮廓的边缘的颜色识别其是否包括黑色区域,若没有包括黑色区域,则表明该灰色区域是白色区域包围,再计算该几何轮廓包围的区域面积。
当然,在滤除白色区域包围的灰色区域后,再将二值化图像转换为具有黑色、灰色和白色的地图,转换后的地图作为优化后的地图。
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。
实施例四:
对应于上文实施例所述的地图优化方法,图5示出了本申请实施例提供的地图优化装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
参照图5,该地图优化装置5包括:地图遍历单元51、黑色区域过滤单元52、灰色区域过滤单元53,其中:
地图遍历单元51,用于遍历第一待优化地图,所述第一待优化地图包括黑色区域、白色区域和灰色区域;
黑色区域过滤单元52,用于过滤所述第一待优化地图中被白色区域包围的黑色区域,得到第二待优化地图;
其中,过滤该黑色区域是指将该黑色区域中的像素点从黑色填为白色。
灰色区域过滤单元53,用于过滤所述第二待优化地图中被白色区域包围的灰色区域,得到优化后的地图。
本申请实施例中,由于过滤的黑色区域和灰色区域都是被白色区域包围的区域,而被白色区域包围的区域是地图中的噪点,因此能够有效实现噪点区域的滤除,并且,由于通过软件实现黑色区域和灰色区域的过滤,因此,无需增加额外的硬件设备,即无需增加额外的硬件成本。此外,由于在实际的滤除灰色区域的过程中,若检测出灰色的像素点与黑色的像素点相连,则不滤除该灰色的像素点,因此,先滤除黑色区域再滤除灰色区域有助于提高滤除噪点区域的准确性。
在一些实施例中,该地图优化装置5还包括:
人工过滤单元,用于显示优化后的地图;接收用户发出的人工滤除指令,从所述人工滤除指令解析出需滤除的位置点;将所述位置点的像素点填为白色,显示人工滤除后的所述优化后的地图。
在一些实施例中,所述黑色区域过滤单元52,包括:
黑色点数量统计模块,用于若遍历到的像素点为黑色,则搜索所述像素点的周围邻域,统计所述像素点的周围邻域内的黑色点的数量,其中,所述黑色点为黑色的像素点;
白色点和灰色点的比例计算模块,用于若所述黑色点的数量没有超过预设的黑色点数量阈值,则统计所述像素点的周围邻域内的白色点和灰色点的比例,若统计的比例大于或等于预设的比例阈值,表明所述像素点所在的黑色区域被白色区域包围,则设置所述像素点为白色,以过滤所述第一待优化地图中被白色区域包围的黑色区域,得到第二待优化地图。
在一些实施例中,所述地图优化装置5还包括:
不处理模块,用于若所述黑色点的数量没有超过预设的黑色点数量阈值,则统计所述像素点的周围邻域内的白色点和灰色点的比例,若统计的比例小于预设的比例阈值,则不执行任何处理。
在一些实施例中,所述灰色区域过滤单元53,具体用于:
采用第一过滤算法和/或采用第二过滤算法过滤所述第二待优化地图中被白色区域包围的灰色区域,得到优化后的地图。
在一些实施例中,所述所述灰色区域过滤单元53采用第一过滤算法和/或采用第二过滤算法过滤所述第二待优化地图中被白色区域包围的灰色区域,得到优化后的地图时,包括:
第一过滤算法滤除模块,用于采用第一过滤算法搜索所述第二待优化地图中被白色区域包围的灰色区域,若搜索的所述灰色区域的面积小于或等于第一预设阈值,则设置所述灰色区域内的像素点为白色;
第二过滤算法滤除模块,用于若搜索的所述灰色区域的面积大于所述第一预设阈值,则采用第二过滤算法确定所述第二待优化地图中被白色区域包围的灰色区域的面积,若确定的所述面积大于或等于第二预设阈值,则设置所述灰色区域内的像素点为白色,得到优化后的地图,其中,所述第二预设阈值小于所述第一预设阈值。
在一些实施例中,所述第一过滤算法滤除模块,具体用于:
对所述第二待优化地图进行预设方向搜索;若当前像素点为灰色且前一个像素点为白色,则采用第一过滤算法搜索所述当前像素点周围的灰色的像素点,若搜索到的所有灰色的像素点组成的灰色区域的面积小于或等于第一预设阈值,则设置所述灰色区域内的像素点为白色。
在一些实施例中,所述第二过滤算法滤除模块在采用第二过滤算法确定所述第二待优化地图中被白色区域包围的灰色区域的面积时,具体用于:
二值化所述第二待优化地图,提取二值化后的所述第二待优化地图中形状的几何轮廓;将提取的所述几何轮廓的边缘加粗,判断加粗后的所述几何轮廓的边缘是否包括黑色区域,若没有包括黑色区域,计算所述几何轮廓包围的区域面积。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
实施例五:
图6为本申请实施例五提供的机器人的结构示意图。如图6所示,该实施例的机器人6包括:至少一个处理器60(图6中仅示出一个处理器)、存储器61以及存储在所述存储器61中并可在所述至少一个处理器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时实现上述任意各个方法实施例中的步骤:
遍历第一待优化地图,所述第一待优化地图包括黑色区域、白色区域和灰色区域;
过滤所述第一待优化地图中被白色区域包围的黑色区域,得到第二待优化地图;
过滤所述第二待优化地图中被白色区域包围的灰色区域,得到优化后的地图。
所述机器人6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该机器人可包括,但不仅限于,处理器60、存储器61。本领域技术人员可以理解,图6仅仅是机器人6的举例,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,例如还可以包括输入输出设备、网络接入设备等。
所称处理器60可以是中央处理单元(Central Processing Unit,CPU),该处理器60还可以是其他通用处理器、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)或者其他可编程逻辑器件、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在一些实施例中可以是所述机器人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在另一些实施例中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用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,例如所述计算机程序的程序代码等。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。
本申请实施例还提供了一种网络设备,该网络设备包括:至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意各个方法实施例中的步骤。
本申请实施例还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程序,所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在移动终端上运行时,使得移动终端执行时实现可实现上述各个方法实施例中的步骤。
所述集成的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,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至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
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/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备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。
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)
1.一种地图优化方法,其特征在于,包括:
遍历第一待优化地图,所述第一待优化地图包括黑色区域、白色区域和灰色区域;
过滤所述第一待优化地图中被白色区域包围的黑色区域,得到第二待优化地图;
过滤所述第二待优化地图中被白色区域包围的灰色区域,得到优化后的地图。
2.如权利要求1所述的地图优化方法,其特征在于,所述过滤所述第一待优化地图中被白色区域包围的黑色区域,得到第二待优化地图,包括:
若遍历到的像素点为黑色,则搜索所述像素点的周围邻域,统计所述像素点的周围邻域内的黑色点的数量,其中,所述黑色点为黑色的像素点;
若所述黑色点的数量没有超过预设的黑色点数量阈值,则统计所述像素点的周围邻域内的白色点和灰色点的比例,若统计的比例大于或等于预设的比例阈值,表明所述像素点所在的黑色区域被白色区域包围,则设置所述像素点为白色,以过滤所述第一待优化地图中被白色区域包围的黑色区域,得到第二待优化地图,其中,所述白色点为白色的像素点,所述灰色点为灰色的像素点。
3.如权利要求2所述的地图优化方法,其特征在于,所述地图优化方法还包括:
若所述黑色点的数量没有超过预设的黑色点数量阈值,则统计所述像素点的周围邻域内的白色点和灰色点的比例,若统计的比例小于预设的比例阈值,则不执行任何处理。
4.如权利要求1所述的地图优化方法,其特征在于,所述过滤所述第二待优化地图中被白色区域包围的灰色区域,得到优化后的地图,包括:
采用第一过滤算法和/或采用第二过滤算法过滤所述第二待优化地图中被白色区域包围的灰色区域,得到优化后的地图。
5.如权利要求4所述的地图优化方法,其特征在于,所述采用第一过滤算法和/或采用第二过滤算法过滤所述第二待优化地图中被白色区域包围的灰色区域,得到优化后的地图,包括:
采用第一过滤算法搜索所述第二待优化地图中被白色区域包围的灰色区域,若搜索的所述灰色区域的面积小于或等于第一预设阈值,则设置所述灰色区域内的像素点为白色;
若搜索的所述灰色区域的面积大于所述第一预设阈值,则采用第二过滤算法确定所述第二待优化地图中被白色区域包围的灰色区域的面积,若确定的所述面积大于或等于第二预设阈值,则设置所述灰色区域内的像素点为白色,得到优化后的地图,其中,所述第二预设阈值小于所述第一预设阈值。
6.如权利要求5所述的地图优化方法,其特征在于,所述采用第一过滤算法搜索所述第二待优化地图中被白色区域包围的灰色区域,若搜索的所述灰色区域的面积小于或等于第一预设阈值,则设置所述灰色区域内的像素点为白色,包括:
对所述第二待优化地图进行预设方向搜索;
若当前像素点为灰色且前一个像素点为白色,则采用第一过滤算法搜索所述当前像素点周围的灰色的像素点,若搜索到的所有灰色的像素点组成的灰色区域的面积小于或等于第一预设阈值,则设置所述灰色区域内的像素点为白色。
7.如权利要求5所述的地图优化方法,其特征在于,所述采用第二过滤算法确定所述第二待优化地图中被白色区域包围的灰色区域的面积,包括:
二值化所述第二待优化地图,提取二值化后的所述第二待优化地图中形状的几何轮廓;
将提取的所述几何轮廓的边缘加粗,判断加粗后的所述几何轮廓的边缘是否包括黑色区域,若没有包括黑色区域,计算所述几何轮廓包围的区域面积。
8.一种地图优化装置,其特征在于,包括:
地图遍历单元,用于遍历第一待优化地图,所述第一待优化地图包括黑色区域、白色区域和灰色区域;
黑色区域过滤单元,用于过滤所述第一待优化地图中被白色区域包围的黑色区域,得到第二待优化地图;
灰色区域过滤单元,用于过滤所述第二待优化地图中被白色区域包围的灰色区域,得到优化后的地图。
9.一种机器人,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程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一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程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010112029.4A CN111256712B (zh) | 2020-02-24 | 2020-02-24 | 地图优化方法、装置及机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010112029.4A CN111256712B (zh) | 2020-02-24 | 2020-02-24 | 地图优化方法、装置及机器人 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111256712A true CN111256712A (zh) | 2020-06-09 |
CN111256712B CN111256712B (zh) | 2021-10-29 |
Family
ID=70951231
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010112029.4A Active CN111256712B (zh) | 2020-02-24 | 2020-02-24 | 地图优化方法、装置及机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111256712B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112750180A (zh) * | 2020-12-17 | 2021-05-04 | 深圳市银星智能科技股份有限公司 | 一种地图优化方法及清洁机器人 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1848137A (zh) * | 2005-04-13 | 2006-10-18 | 佳能株式会社 | 增强字符行图像的方法、设备和存储介质 |
WO2017080847A1 (en) * | 2015-11-10 | 2017-05-18 | Koninklijke Philips N.V. | Method for automatic optimization of quantitative map generation in functional medical imaging |
CN108550134A (zh) * | 2018-03-05 | 2018-09-18 | 北京三快在线科技有限公司 | 建图效果指标的确定方法和建图效果指标的确定装置 |
CN109284659A (zh) * | 2017-07-22 | 2019-01-29 | 上海谷米实业有限公司 | 一种移动物体定位纠编及噪点过滤的方法 |
EP3489928A1 (en) * | 2016-07-22 | 2019-05-29 | Hitachi Automotive Systems, Ltd. | Traveling road boundary estimation apparatus and traveling assistance system using same |
CN110378919A (zh) * | 2019-06-14 | 2019-10-25 | 江苏裕兰信息科技有限公司 | 一种基于slam的窄道通行障碍物检测方法 |
-
2020
- 2020-02-24 CN CN202010112029.4A patent/CN111256712B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1848137A (zh) * | 2005-04-13 | 2006-10-18 | 佳能株式会社 | 增强字符行图像的方法、设备和存储介质 |
WO2017080847A1 (en) * | 2015-11-10 | 2017-05-18 | Koninklijke Philips N.V. | Method for automatic optimization of quantitative map generation in functional medical imaging |
EP3489928A1 (en) * | 2016-07-22 | 2019-05-29 | Hitachi Automotive Systems, Ltd. | Traveling road boundary estimation apparatus and traveling assistance system using same |
CN109284659A (zh) * | 2017-07-22 | 2019-01-29 | 上海谷米实业有限公司 | 一种移动物体定位纠编及噪点过滤的方法 |
CN108550134A (zh) * | 2018-03-05 | 2018-09-18 | 北京三快在线科技有限公司 | 建图效果指标的确定方法和建图效果指标的确定装置 |
CN110378919A (zh) * | 2019-06-14 | 2019-10-25 | 江苏裕兰信息科技有限公司 | 一种基于slam的窄道通行障碍物检测方法 |
Non-Patent Citations (2)
Title |
---|
林辉: "基于车载多激光雷达的地图构建与障碍物检测", 《中国优秀硕士学位论文全文数据库》 * |
邵长勉: "动态环境下移动机器人定位及地图创建", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112750180A (zh) * | 2020-12-17 | 2021-05-04 | 深圳市银星智能科技股份有限公司 | 一种地图优化方法及清洁机器人 |
Also Published As
Publication number | Publication date |
---|---|
CN111256712B (zh) | 2021-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113298169B (zh) | 一种基于卷积神经网络的旋转目标检测方法及装置 | |
CN112336342B (zh) | 手部关键点检测方法、装置及终端设备 | |
CN111259878A (zh) | 一种检测文本的方法和设备 | |
CN108021863B (zh) | 电子装置、基于图像的年龄分类方法及存储介质 | |
WO2022099889A1 (zh) | 重定位方法、机器人及计算机可读存储介质 | |
CN111105452A (zh) | 基于双目视觉的高低分辨率融合立体匹配方法 | |
CN111144337A (zh) | 火灾检测方法、装置及终端设备 | |
US20210183116A1 (en) | Map building method, computer-readable storage medium and robot | |
CN114037966A (zh) | 高精地图特征提取方法、装置、介质及电子设备 | |
CN111256712B (zh) | 地图优化方法、装置及机器人 | |
CN111563517A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN111046693A (zh) | 一种二维码扫描方法、装置、终端设备及存储介质 | |
CN112597983B (zh) | 一种遥感图像中目标对象的识别方法及其存储介质和系统 | |
CN116229098A (zh) | 一种基于掩模轮廓跟踪的图像识别方法及相关产品 | |
CN110874814A (zh) | 一种图像处理方法、图像处理装置及终端设备 | |
CN113077396B (zh) | 直线段检测方法及装置、计算机可读介质和电子设备 | |
CN112416128B (zh) | 一种手势识别方法及终端设备 | |
CN113780278A (zh) | 一种识别车牌内容的方法、装置、电子设备以及存储介质 | |
CN114373078A (zh) | 目标检测方法、装置、终端设备及存储介质 | |
CN114511862A (zh) | 表格识别方法、装置及电子设备 | |
CN114565777A (zh) | 数据处理方法和装置 | |
CN111899181B (zh) | 去除图像中的阴影的方法和装置 | |
CN114429631A (zh) | 三维对象检测方法、装置、设备以及存储介质 | |
CN113554882A (zh) | 用于输出信息的方法、装置、设备以及存储介质 | |
CN114973344A (zh) | 人脸检测方法、装置、终端设备和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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220402 Address after: 518000 16th and 22nd Floors, C1 Building, Nanshan Zhiyuan, 1001 Xueyuan Avenue, Nanshan District, Shenzhen City, Guangdong Province Patentee after: Shenzhen UBTECH Technology Co.,Ltd. Patentee after: Shenzhen youbihang Technology Co.,Ltd. Address before: 518000 16th and 22nd Floors, C1 Building, Nanshan Zhiyuan, 1001 Xueyuan Avenue, Nanshan District, Shenzhen City, Guangdong Province Patentee before: Shenzhen UBTECH Technology Co.,Ltd. |
|
TR01 | Transfer of patent right |