CN111445538A - 识别红外发射模块的工作状态的方法、装置、介质及设备 - Google Patents

Abstract

本公开涉及一种识别红外发射模块的工作状态的方法、装置、介质及设备。该方法包括：获取在第一时刻采集到的第一红外图像以及在第二时刻采集到的第二红外图像，其中，所述第一时刻为所述第二时刻的下一时刻；根据所述第一红外图像和所述第二红外图像，识别所述红外发射模块的工作状态，其中，所述工作状态包括开启状态和关闭状态。通过上述技术方案，基于红外发射模块在每相邻两个时刻的工作状态不同的工作模式，以及红外发射模块开启时得到的红外图像中会出现较多白色斑点这一现象，根据第一红外图像和第二红外图像，可以对红外发射模块的工作状态进行准确识别。通过识别红外发射模块的工作状态，可以辅助提高定位精度和导航精度。

Description

识别红外发射模块的工作状态的方法、装置、介质及设备

技术领域

本公开涉及导航领域，具体地，涉及一种识别红外发射模块的工作状态的方法、装置、介质及设备。

背景技术

为保证例如机器人、无人机、无人车等设备的安全、精准运行，需要为机器人等设备提供准确的定位和导航信息。

相关技术中，机器人等设备一般采用视觉定位技术进行定位，视觉定位即通过相机采集设备当前所处的环境图像，通过采集到的红外图像以及构建出的深度图像，以获得位置信息的定位方式。

目前，用于视觉定位的相机中通常集成有红外发射模块，红外发射模块处于开启状态或关闭状态，对于红外图像和深度图像的质量有较大影响，从而会影响定位信息和导航信息的精度。

发明内容

本公开的目的是提供一种识别红外发射模块的工作状态的方法、装置、介质及设备，可以对相机中红外发射模块的工作状态进行准确识别，从而辅助提高定位精度和导航精度。

为了实现上述目的，第一方面，本公开提供一种用于识别相机中红外发射模块的工作状态的方法，所述方法包括：

获取在第一时刻采集到的第一红外图像以及在第二时刻采集到的第二红外图像，其中，所述第一时刻为所述第二时刻的下一时刻；

根据所述第一红外图像和所述第二红外图像，识别所述红外发射模块的工作状态，其中，所述工作状态包括开启状态和关闭状态。

第二方面，本公开提供一种用于识别相机中红外发射模块的工作状态的装置，所述装置包括：

获取模块，被配置成用于获取在第一时刻采集到的第一红外图像以及在第二时刻采集到的第二红外图像，其中，所述第一时刻为所述第二时刻的下一时刻；

识别模块，被配置成用于根据所述第一红外图像和所述第二红外图像，识别所述红外发射模块的工作状态，其中，所述工作状态包括开启状态和关闭状态。

第三方面，本公开提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本公开第一方面提供的所述方法的步骤。

第四方面，本公开提供一种电子设备，包括：存储器，其上存储有计算机程序；处理器，用于执行所述存储器中的所述计算机程序，以实现本公开第一方面提供的所述方法的步骤。

通过上述技术方案，首先获取在第一时刻采集到的第一红外图像和在第二时刻采集到的第二红外图像，其中，第一时刻与第二时刻是相邻的两个时刻，该第一时刻可以为第二时刻的下一时刻。基于红外发射模块在每相邻两个时刻的工作状态不同的工作模式，以及红外发射模块开启时得到的红外图像中会出现较多白色斑点这一现象，根据第一红外图像和第二红外图像，可以对红外发射模块的工作状态进行准确识别。通过识别红外发射模块的工作状态，可以辅助提高定位精度和导航精度。

本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：

图1是根据一示例性实施例示出的一种用于识别相机中红外发射模块的工作状态的方法的流程图。

图2是根据一示例性实施例示出的一种根据第一红外图像和第二红外图像识别红外发射模块的工作状态的方法的流程图。

图3是根据另一示例性实施例示出的一种用于识别相机中红外发射模块的工作状态的方法的流程图。

图4是根据另一示例性实施例示出的一种根据第一红外图像和第四红外图像确定相机所处的环境中是否存在运动特征的方法的流程图。

图5是根据一示例性实施例示出的一种用于识别相机中红外发射模块的工作状态的装置的框图。

图6是根据一示例性实施例示出的一种电子设备的框图。

图7是根据另一示例性实施例示出的一种电子设备的框图。

具体实施方式

首先对本公开的应用场景进行介绍。本公开可以应用于机器人、无人机、无人车等设备的定位和导航技术中。机器人等设备依靠于高精度的定位和导航技术支撑，只有准确的定位和导航信息，才能保证设备的安全、精准运行。

相关技术中，机器人等设备一般采用视觉定位技术进行定位，视觉定位即通过相机采集设备当前所处的环境图像，并对采集到的图像进行处理，以获得位置信息的定位方式。在视觉定位技术中，定位精度依赖于用于定位的图像的质量，图像质量越好则定位精度越高。

目前，用于视觉定位的相机所具有的功能越来越多。例如，相机中可以集成有惯性测量单元(IMU，Inertial Measurement Unit)、红外相机和RGB相机等模块。其中，惯性测量单元可以用于测量相机的线加速度和角加速度等信息，红外相机可以拍摄并输出红外图像，RGB相机可以拍摄并输出彩色图像。并且，相机还可构建深度图像，深度图像也被称为距离影像，是指将相机到场景中各像素点的距离(深度)作为该像素点的灰度值的图像。

此外，相机中通常还集成有红外发射模块，红外发射模块的工作状态可包括开启状态和关闭状态。红外发射模块有其固有的工作模式，即，每相邻两个时刻的工作状态是不同的。例如，如果当前时刻红外发射模块的工作状态为开启状态，下一时刻其工作状态则为关闭状态；如果当前时刻红外发射模块的工作状态为关闭状态，下一时刻其工作状态则为开启状态。

红外发射模块处于开启状态时，可以用于发射红外线，发出的红外线的作用可相当于补光灯，使得构建的深度图像的有效距离更长，图像噪声更小，即深度图像质量较高。然而，红外发射模块开启时，发出的红外线会使得红外图像中出现较多的白色斑点，导致红外图像质量较差。相反，红外发射模块处于关闭状态时，构建的深度图像的有效距离较短，图像噪声较大，即深度图像的质量相对较差，而红外图像由于不会受到红外线的影响，图像效果较好。

目前，由于无法对红外发射模块的工作状态进行准确识别，也就无法将红外发射模块开启和关闭时相机采集的图像区分开来。例如，如果使用了红外发射模块开启时的红外图像和其关闭时的深度图像来进行定位，则会严重影响定位精度。

鉴于此，本公开提供一种识别红外发射模块的工作状态的方法、装置、介质及设备。基于红外发射模块固有的工作模式以及其开启时得到的红外图像中会出现较多白色斑点这一现象，对红外发射模块的工作状态进行准确识别。通过识别红外发射模块的工作状态，可以确定出其开启时的深度图像以及关闭时的红外图像，使得根据图像得到的定位信息和导航信息更准确，从而有效提高定位精度和导航精度。值得说明的是，本公开在以下介绍中涉及到的红外图像可以是相机中集成的红外相机采集到的图像。

以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。

图1是根据一示例性实施例示出的一种用于识别相机中红外发射模块的工作状态的方法的流程图。如图1所示，该方法可以包括S101和S102。

在S101中，获取在第一时刻采集到的第一红外图像以及在第二时刻采集到的第二红外图像。

其中，第一时刻与第二时刻是相邻的两个时刻，例如，第一时刻可以为第二时刻的下一时刻。示例地，本公开中，可以是对红外发射模块当前的工作状态进行实时地识别，则第二时刻可以是当前时刻，第一时刻为该当前时刻的上一时刻。又示例地，也可以是对之前相机运行时任一时刻的红外发射模块的工作状态进行识别，则第一时刻可以是之前的任一时刻，相应地，第二时刻为该第一时刻的上一时刻。

在S102中，根据第一红外图像和第二红外图像，识别红外发射模块的工作状态。其中，该工作状态可包括开启状态和关闭状态。

如上文所述，红外发射模块有其固有的工作模式，即每相邻两个时刻的工作状态是不同的，因此，在第一时刻和第二时刻，红外发射模块的工作状态是不同的。

当红外发射模块处于开启状态时，采集到的红外图像中会出现较多的白色斑点，当红外发射模块处于关闭状态时，采集到的红外图像中则不会额外出现这些的白色斑点。其中，白色像素点的特征信息较为显著，例如，白色像素点的灰度值为最大值255，并且，白色像素点的梯度值也相对较大，像素点的梯度值指的是像素点灰度值的变化率。

因此，根据第一红外图像和第二红外图像各自的特征信息，例如通过比较两张图像之间的区别，识别出哪张图像相对来说白色斑点较多，则在采集到白色斑点较多的红外图像的时刻，可识别红外发射模块为开启状态，在该时刻的相邻时刻，红外发射模块即为关闭状态。并且，对于其它任一时刻，红外发射模块的工作状态也可随之确定。

通过上述技术方案，首先获取在第一时刻采集到的第一红外图像和在第二时刻采集到的第二红外图像，其中，第一时刻与第二时刻是相邻的两个时刻，该第一时刻可以为第二时刻的下一时刻。基于红外发射模块在每相邻两个时刻的工作状态不同的工作模式，以及红外发射模块开启时得到的红外图像中会出现较多白色斑点这一现象，根据第一红外图像和第二红外图像，可以对红外发射模块的工作状态进行准确识别。通过识别红外发射模块的工作状态，可以辅助提高定位精度和导航精度。

请参考图2，介绍本公开中根据第一红外图像和第二红外图像识别红外发射模块的工作状态的具体实施方式，如图2所示，上述S102可包括S201～S203。

在S201中，计算第一红外图像中像素点的梯度值大于预设的梯度阈值的梯度值的和，该计算结果作为第一值。

该步骤中，可首先对第一红外图像中的各个像素点进行梯度计算，得到对应像素点的梯度值。之后，将像素点的梯度值与预设的梯度阈值进行比较，将大于该梯度阈值的像素点的梯度值相加，并将计算出的梯度值的和作为第一值。其中，预设的梯度阈值可预先标定出。计算图像中像素点的梯度值的方式可参照本领域相关技术，此处不再赘述。

在S202中，计算第二红外图像中像素点的梯度值大于梯度阈值的梯度值的和，该计算结果作为第二值。

该步骤中，可首先对第二红外图像中的各个像素点进行梯度计算，得到对应像素点的梯度值，将大于预设的梯度阈值的像素点的梯度值相加，将计算出的梯度值的和作为第二值。

需要说明的是，对于S201和S202的执行顺序，可以先执行S201再执行S202，也可以是先执行S202再执行S201，也可以是二者同时执行，图2仅示出了S201在S202之前执行的示例，但并不构成对本公开实施方式的限制。

在S203中，根据第一值和第二值，识别红外发射模块的工作状态。

由于白色像素点的梯度值相对较大，如果图像中白色斑点较多，则该图像中大于梯度阈值的梯度值的和较大。因此，根据第一值和第二值，将两者进行比较，可以判断出第一红外图像和第二红外图像中，哪张图像中白色斑点较多，基于此对红外发射模块的工作状态进行识别。

其中，可首先计算第一值与第二值的差值，如果第一值与第二值的差值大于第一预设阈值，该第一预设阈值为正数，可预先标定出，例如设置为10000，表征第一红外图像中白色斑点比较多，可识别在采集第一红外图像的第一时刻，红外发射模块的工作状态为开启状态。相应地，在与第一时刻相邻的第二时刻，红外发射模块的工作状态为关闭状态。

如果第一值与第二值的差值小于第二预设阈值，该第二预设阈值为负数，例如设置为-10000，表征第二红外图像中白色斑点较多，可识别在采集第二红外图像的第二时刻，红外发射模块的工作状态为开启状态。相应地，在与第二时刻相邻的第一时刻，红外发射模块的工作状态为关闭状态。

本公开中，基于红外发射模块开启时得到的红外图像中会额外出现较多白色斑点这一现象进行识别，可知的是，如果在第一时刻和第二时刻，相机周围有相对运动物，则采集到的第一红外图像和第二红外图像之间，还会有除白色斑点以外的其它区别，可能会对识别产生干扰。因此，为了保证识别结果的准确性，可首先确定相机周围是否有相对运动物。

图3为根据另一示例性实施例示出的识别方法的流程图。如图3所示，除S101和S102之外，识别方法还可包括S301～S309。其中，S301～S309可在S102之前执行。

在S301中，确定相机是否处于静止状态。若是，执行S302；若否，可继续执行该步骤，对相机的状态进行持续判断。

示例地，相机中集成的IMU可采集相机的线加速度和角加速度，该步骤中，可根据IMU的采集结果，判断相机是否处于静止状态。在一实施例中，可预先设置线加速度阈值和角加速度阈值，这两个阈值均可设置为较小的值，如果在第一时刻和第二时刻，IMU分别采集的线加速度均小于预设的线加速度阈值，以及，IMU分别采集的角加速度均小于预设的角加速度阈值，表征相机的速度变化量非常小，可认为相机处于静止状态。

在S302中，确定相机所处的环境中是否存在运动特征。

在确定相机处于静止状态的情况下，可以确定相机所处的环境中是否存在运动特征。运动特征可以是运动的人或物体等。示例地，本公开中，还可获取在第三时刻采集到的第四红外图像，其中，第三时刻为第二时刻的上一时刻，在第三时刻与第一时刻，红外发射模块的工作状态是相同的。如果相机所处的环境中不存在运动特征，那么第一时刻采集到的第一红外图像与第三时刻采集到的第四红外图像，两张图像应该几乎是一样的。因此，例如可以根据第一红外图像和第四红外图像，对两张图像进行比对，确定相机所处的环境中是否存在运动特征。

在确定存在运动特征的情况下，第一红外图像和第二红外图像之间除了白色斑点的区别，还有运动特征的区别，可能会对识别产生干扰。此时可返回S301。

在确定不存在运动特征的情况下，再执行S102。本公开中，考虑到红外图像的拍摄受环境因素影响较大，例如受环境光线的影响较大。如果红外图像中特征不够明显或特征过于强烈，识别结果均不够准确。因此，可选地，在确定相机所处环境中不存在运动特征的情况下，在执行S102之前，还可首先执行S303～S309。

在S303中，根据第一红外图像中像素点的灰度值与第二红外图像中对应像素点的灰度值的差值，生成第三红外图像。

对应像素点可以指的是坐标信息相同的像素点。示例地，位于图像中第一行第一列的像素点的坐标信息可以是(1，1)。该步骤中，将第一红外图像中坐标信息为(1，1)的像素点的灰度值减去第二红外图像中坐标信息为(1，1)的像素点的灰度值，相减之后的差值作为第三红外图像中坐标信息为(1，1)的像素点的灰度值。其它各个像素点作同样处理，以生成第三红外图像。

在S304中，确定第三红外图像中灰度值大于预设的第一灰度阈值的像素点的个数。其中，第一灰度阈值可预先设置。

在S305中，判断第三红外图像中灰度值大于第一灰度阈值的像素点的个数是否小于第一数量阈值。若是，执行S306；若否，返回S301。其中，第一数量阈值可预先设置，例如可以为20个。

在S306中，判断第三红外图像的灰度均值是否小于第一灰度均值阈值或大于第二灰度均值阈值。若是，执行S102；若否，返回S301。

其中，第一灰度均值阈值小于所述第二灰度均值阈值。第一灰度均值阈值例如可设置为0.25，第二灰度均值阈值例如可设置为0.45。

示例地，如果第三红外图像中灰度值大于第一灰度阈值的像素点的个数小于20个，且第三红外图像的灰度均值小于0.25或大于0.45，可表征第一红外图像和第二红外图像的特征信息较为明显，可以根据这两张红外图像进行识别，此时可继续执行S102。或者，如果第三红外图像的灰度均值在[0.25，0.45]之间，可表征第一红外图像和第二红外图像的特征信息不明显，即红外发射模块开启时采集到的红外图像中白色斑点可能较少，无法根据这两张红外图像进行识别，此时可返回S301。

在S307中，判断第三红外图像中灰度值大于第一灰度阈值的像素点的个数是否大于第二数量阈值。若是，执行S308；若否，返回S301。其中，第一数量阈值小于第二数量阈值，第二数量阈值例如可设置为2000。

在S308中，判断第三红外图像的灰度均值是否不大于第三灰度均值阈值。若是，执行S309；若否，返回S301。其中，第三灰度均值阈值大于第二灰度均值阈值，例如第三灰度均值阈值可设置为5。

在S309中，判断第三红外图像中灰度值大于第一灰度阈值的像素点的灰度均值是否不大于第四灰度均值阈值。若是，执行S102；若否，返回S301。其中，第四灰度均值阈值例如可设置为70。

示例地，如果第三红外图像中灰度值大于第一灰度阈值的像素点的个数大于2000个，第三红外图像的灰度均值不大于5，且第三红外图像中灰度值大于第一灰度阈值的像素点的灰度均值不大于70，可表征第一红外图像和第二红外图像的特征信息较为明显，可以根据这两张红外图像进行识别，此时可继续执行S102。或者，如果第三红外图像的灰度均值大于5，且第三红外图像中灰度值大于第一灰度阈值的像素点的灰度均值大于70，可表征第一红外图像和第二红外图像的特征信息过于强烈，即红外发射模块开启时采集到的红外图像中白色斑点太多，例如可能物体距离较近或受到环境光线的影响，红外图像中出现大片白斑，这种情况下，也无法采用这两张红外图像进行识别，此时可返回S301。

这样，能够尽量避免环境因素等不稳定因素的影响，保证识别结果的准确性。

本公开中，在上述S302中提及的根据第一红外图像和第四红外图像确定相机所处的环境中是否存在运动特征的具体实施方式可如图4所示，包括S401～S405。

在S401中，根据第一红外图像中像素点的灰度值与第四红外图像中对应像素点的灰度值的差值，生成第五红外图像。

该步骤中生成第五红外图像的方式与上述S303中生成第三红外图像类似，对应像素点也即是坐标信息相同的像素点，此处不再赘述。

在S402中，判断第五红外图像的灰度均值是否大于预设的第五灰度均值阈值。若是，执行S404。若否，执行S403。

在S403中，判断第五红外图像中灰度值大于第二灰度阈值的像素点的个数是否大于第三数量阈值。若是，执行S404；若否，执行S405。

在S404中，确定相机所处的环境中存在运动特征。

在第五红外图像的灰度均值大于预设的第五灰度均值阈值的情况下，或者，在第五红外图像的灰度均值不大于预设的第五灰度均值阈值，且第五红外图像中灰度值大于第二灰度阈值的像素点的个数大于第三数量阈值的情况下，可认为第一红外图像与第四红外图像有较大区别，红外图像中出现了运动物，即可确定相机所处的环境中存在运动特征。

在S405中，确定相机所处的环境中不存在运动特征。

在第五红外图像的灰度均值不大于预设的第五灰度均值阈值，且第五红外图像中灰度值大于第二灰度阈值的像素点的个数不大于第三数量阈值的情况下，可认为第一红外图像与第四红外图像几乎一样，没有区别，红外图像中未出现运动物，即可确定相机所处的环境中不存在运动特征。

在识别出红外发射模块在第一时刻和第二时刻的工作状态之后，根据红外发射模块固有的工作模式，在其它各个时刻的工作状态也可随之确定。本公开提供的识别方法还可包括：

输出目标深度图像和目标红外图像。其中，由于红外发射模块开启时得到的深度图像效果较好，因此，目标深度图像可包括在红外发射模块为开启状态的时刻采集的深度图像。目标深度图像可用于障碍检测和路径规划，以为机器人等设备提供更准确的障碍信息和路径信息。

由于红外发射模块关闭时采集到的红外图像效果较好，因此，目标红外图像可包括在红外发射模块为关闭状态的时刻采集的红外图像。目标红外图像可以用于定位和建立相机所处环境的地图，以为机器人等设备提供更准确的定位信息和导航信息。

需要说明的是，本公开的附图以及上述介绍的各步骤的执行顺序仅为示例性解释说明。本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。本公开的范围在此方面不受限制。示例地，对于图3所示的S305和S306的执行顺序，也可先执行S306，若是，再执行S305。或者，也可二者同时执行，若S305和S306的判断结果均为是，再执行S102，若S305和S306中有一者判断结果为否，则返回S301。此外，对于图3所示S307～S309的执行顺序也不做具体限制，对于图4所示的S402和S403的执行顺序同样不做具体限制。

还需要说明的是，上述提及的各个阈值，如第一预设阈值、第一灰度均值阈值、第一数量阈值等等阈值，本公开对各个阈值的取值并不做具体限定，上述的示例仅为解释说明，不构成对本公开的限制，并不意味阈值的取值必须为示例给出的值。

基于同一发明构思，本公开还提供一种用于识别相机中红外发射模块的工作状态的装置。图5是根据一示例性实施例示出的一种用于识别相机中红外发射模块的工作状态的装置的框图，如图5所示，该装置500可包括；

获取模块501，被配置成用于获取在第一时刻采集到的第一红外图像以及在第二时刻采集到的第二红外图像，其中，所述第一时刻为所述第二时刻的下一时刻；识别模块502，被配置成用于根据所述第一红外图像和所述第二红外图像，识别所述红外发射模块的工作状态，其中，所述工作状态包括开启状态和关闭状态。

通过上述技术方案，首先获取在第一时刻采集到的第一红外图像和在第二时刻采集到的第二红外图像，其中，第一时刻与第二时刻是相邻的两个时刻，该第一时刻可以为第二时刻的下一时刻。基于红外发射模块在每相邻两个时刻的工作状态不同的工作模式，以及红外发射模块开启时得到的红外图像中会出现较多白色斑点这一现象，根据第一红外图像和第二红外图像，可以对红外发射模块的工作状态进行准确识别。通过识别红外发射模块的工作状态，可以辅助提高定位精度和导航精度。

可选地，所述识别模块502可包括：第一计算子模块，被配置成用于计算所述第一红外图像中像素点的梯度值大于预设的梯度阈值的梯度值的和，该计算结果作为第一值；第二计算子模块，被配置成用于计算所述第二红外图像中像素点的梯度值大于所述梯度阈值的梯度值的和，该计算结果作为第二值；识别子模块，被配置成用于根据所述第一值和所述第二值，识别所述红外发射模块的所述工作状态。

可选地，所述识别子模块，被配置成用于在所述第一值与所述第二值的差值大于第一预设阈值的情况下，识别所述红外发射模块在所述第一时刻的所述工作状态为所述开启状态，以及所述红外发射模块在所述第二时刻的所述工作状态为所述关闭状态；在所述第一值与所述第二值的差值小于第二预设阈值的情况下，识别所述红外发射模块在所述第一时刻的所述工作状态为所述关闭状态，以及所述红外发射模块在所述第二时刻的所述工作状态为所述开启状态，其中，所述第一预设阈值为正数，所述第二预设阈值为负数。

可选地，所述装置500还可包括：生成模块，被配置成用于在所述识别模块502根据所述第一红外图像和所述第二红外图像，识别所述红外发射模块的工作状态之前，根据所述第一红外图像中像素点的灰度值与所述第二红外图像中对应像素点的灰度值的差值，生成第三红外图像；所述识别模块502，被配置成用于在所述第三红外图像中灰度值大于预设的第一灰度阈值的像素点的个数小于第一数量阈值，且所述第三红外图像的灰度均值小于第一灰度均值阈值或大于第二灰度均值阈值的情况下，根据所述第一红外图像和所述第二红外图像，识别所述红外发射模块的工作状态，所述第一灰度均值阈值小于所述第二灰度均值阈值；所述识别模块502，被配置成用于在所述第三红外图像中灰度值大于所述第一灰度阈值的像素点的个数大于第二数量阈值、所述第三红外图像的灰度均值不大于第三灰度均值阈值且所述第三红外图像中灰度值大于所述第一灰度阈值的像素点的灰度均值不大于第四灰度均值阈值的情况下，根据所述第一红外图像和所述第二红外图像，识别所述红外发射模块的工作状态，其中，所述第一数量阈值小于所述第二数量阈值，所述第三灰度均值阈值大于所述第二灰度均值阈值。

可选地，所述装置500还可包括：第一判定模块，被配置成用于在所述识别模块502根据所述第一红外图像和所述第二红外图像，识别所述红外发射模块的工作状态之前，确定所述相机是否处于静止状态；第二判定模块，被配置成用于在所述第一判定模块确定所述相机处于静止状态的情况下，确定所述相机所处的环境中是否存在运动特征；所述识别模块502，被配置成用于在所述第二判定模块确定所述相机所处的环境中不存在运动特征的情况下，根据所述第一红外图像和所述第二红外图像，识别所述红外发射模块的工作状态。

可选地，所述装置500还可包括：第四红外图像获取模块，被配置成用于获取在第三时刻采集到的第四红外图像，其中，所述第三时刻为所述第二时刻的上一时刻；所述第二判定模块，包括：判定子模块，被配置成用于根据所述第一红外图像和所述第四红外图像，确定所述相机所处的环境中是否存在运动特征。

可选地，所述判定子模块包括：生成子模块，被配置成用于根据所述第一红外图像中像素点的灰度值与所述第四红外图像中对应像素点的灰度值的差值，生成第五红外图像；所述判定子模块，被配置成用于在所述第五红外图像的灰度均值大于预设的第五灰度均值阈值的情况下，或者，在所述第五红外图像的灰度均值不大于所述第五灰度均值阈值且所述第五红外图像中灰度值大于第二灰度阈值的像素点的个数大于第三数量阈值的情况下，确定所述相机所处的环境中存在运动特征；所述判定子模块，被配置成用于在所述第五红外图像的灰度均值不大于所述第五灰度均值阈值且所述第五红外图像中灰度值大于所述第二灰度阈值的像素点的个数不大于所述第三数量阈值的情况下，确定所述相机所处的环境中不存在运动特征。

可选地，所述装置500还可包括：输出模块，被配置成用于输出目标深度图像和目标红外图像，所述目标深度图像包括在所述红外发射模块为所述开启状态的时刻采集的深度图像，所述目标深度图像用于障碍检测和路径规划，所述目标红外图像包括在所述红外发射模块为所述关闭状态的时刻采集的红外图像，所述目标红外图像用于定位和建立所述相机所处环境的地图。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图6是根据一示例性实施例示出的一种电子设备600的框图。如图6所示，该电子设备600可以包括：处理器601，存储器602。该电子设备600还可以包括多媒体组件603，输入/输出(I/O)接口604，以及通信组件605中的一者或多者。

其中，处理器601用于控制该电子设备600的整体操作，以完成上述的用于识别相机中红外发射模块的工作状态的方法中的全部或部分步骤。存储器602用于存储各种类型的数据以支持在该电子设备600的操作，这些数据例如可以包括用于在该电子设备600上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器602可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件603可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器602或通过通信组件605发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口604为处理器601和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件605用于该电子设备600与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near Field Communication，简称NFC)，2G、3G、4G、NB-IOT、eMTC、或其他5G等等，或它们中的一种或几种的组合，在此不做限定。因此相应的该通信组件605可以包括：Wi-Fi模块，蓝牙模块，NFC模块等等。

在一示例性实施例中，电子设备600可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的用于识别相机中红外发射模块的工作状态的方法。

在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的用于识别相机中红外发射模块的工作状态的方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器602，上述程序指令可由电子设备600的处理器601执行以完成上述的用于识别相机中红外发射模块的工作状态的方法。

图7是根据另一示例性实施例示出的一种电子设备700的框图。例如，电子设备700可以被提供为一服务器。参照图7，电子设备700包括处理器722，其数量可以为一个或多个，以及存储器732，用于存储可由处理器722执行的计算机程序。存储器732中存储的计算机程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理器722可以被配置为执行该计算机程序，以执行上述的用于识别相机中红外发射模块的工作状态的方法。

另外，电子设备700还可以包括电源组件726和通信组件750，该电源组件726可以被配置为执行电子设备700的电源管理，该通信组件750可以被配置为实现电子设备700的通信，例如，有线或无线通信。此外，该电子设备700还可以包括输入/输出(I/O)接口758。电子设备700可以操作基于存储在存储器732的操作系统，例如Windows ServerTM，Mac OSXTM，UnixTM，LinuxTM等等。

在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的用于识别相机中红外发射模块的工作状态的方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器732，上述程序指令可由电子设备700的处理器722执行以完成上述的用于识别相机中红外发射模块的工作状态的方法。

在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的用于识别相机中红外发射模块的工作状态的方法的代码部分。

以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。

另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。

此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。

Claims (11)

1.一种用于识别相机中红外发射模块的工作状态的方法，其特征在于，所述方法包括：

获取在第一时刻采集到的第一红外图像以及在第二时刻采集到的第二红外图像，其中，所述第一时刻为所述第二时刻的下一时刻；

根据所述第一红外图像和所述第二红外图像，识别所述红外发射模块的工作状态，其中，所述工作状态包括开启状态和关闭状态。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一红外图像和所述第二红外图像，识别所述红外发射模块的工作状态，包括：

计算所述第一红外图像中像素点的梯度值大于预设的梯度阈值的梯度值的和，该计算结果作为第一值；

计算所述第二红外图像中像素点的梯度值大于所述梯度阈值的梯度值的和，该计算结果作为第二值；

根据所述第一值和所述第二值，识别所述红外发射模块的所述工作状态。

3.根据权利要求2所述的方法，其特征在于，所述根据所述第一值和所述第二值，识别所述红外发射模块的所述工作状态，包括：

在所述第一值与所述第二值的差值大于第一预设阈值的情况下，识别所述红外发射模块在所述第一时刻的所述工作状态为所述开启状态，以及所述红外发射模块在所述第二时刻的所述工作状态为所述关闭状态；

在所述第一值与所述第二值的差值小于第二预设阈值的情况下，识别所述红外发射模块在所述第一时刻的所述工作状态为所述关闭状态，以及所述红外发射模块在所述第二时刻的所述工作状态为所述开启状态，其中，所述第一预设阈值为正数，所述第二预设阈值为负数。

4.根据权利要求1所述的方法，其特征在于，在所述根据所述第一红外图像和所述第二红外图像，识别所述红外发射模块的工作状态的步骤之前，所述方法还包括：

根据所述第一红外图像中像素点的灰度值与所述第二红外图像中对应像素点的灰度值的差值，生成第三红外图像；

在所述第三红外图像中灰度值大于预设的第一灰度阈值的像素点的个数小于第一数量阈值，且所述第三红外图像的灰度均值小于第一灰度均值阈值或大于第二灰度均值阈值的情况下，再执行所述根据所述第一红外图像和所述第二红外图像，识别所述红外发射模块的工作状态的步骤，其中，所述第一灰度均值阈值小于所述第二灰度均值阈值；

在所述第三红外图像中灰度值大于所述第一灰度阈值的像素点的个数大于第二数量阈值、所述第三红外图像的灰度均值不大于第三灰度均值阈值且所述第三红外图像中灰度值大于所述第一灰度阈值的像素点的灰度均值不大于第四灰度均值阈值的情况下，再执行所述根据所述第一红外图像和所述第二红外图像，识别所述红外发射模块的工作状态的步骤，其中，所述第一数量阈值小于所述第二数量阈值，所述第三灰度均值阈值大于所述第二灰度均值阈值。

5.根据权利要求1所述的方法，其特征在于，在所述根据所述第一红外图像和所述第二红外图像，识别所述红外发射模块的工作状态的步骤之前，所述方法还包括：

确定所述相机是否处于静止状态；

在确定所述相机处于静止状态的情况下，确定所述相机所处的环境中是否存在运动特征；

在确定所述相机所处的环境中不存在运动特征的情况下，再执行所述根据所述第一红外图像和所述第二红外图像，识别所述红外发射模块的工作状态的步骤。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

获取在第三时刻采集到的第四红外图像，其中，所述第三时刻为所述第二时刻的上一时刻；

所述确定所述相机所处的环境中是否存在运动特征，包括：

根据所述第一红外图像和所述第四红外图像，确定所述相机所处的环境中是否存在运动特征。

7.根据权利要求6所述的方法，其特征在于，所述根据所述第一红外图像和所述第四红外图像，确定所述相机所处的环境中是否存在运动特征，包括：

根据所述第一红外图像中像素点的灰度值与所述第四红外图像中对应像素点的灰度值的差值，生成第五红外图像；

在所述第五红外图像的灰度均值大于预设的第五灰度均值阈值的情况下，或者，在所述第五红外图像的灰度均值不大于所述第五灰度均值阈值且所述第五红外图像中灰度值大于第二灰度阈值的像素点的个数大于第三数量阈值的情况下，确定所述相机所处的环境中存在运动特征；

在所述第五红外图像的灰度均值不大于所述第五灰度均值阈值且所述第五红外图像中灰度值大于所述第二灰度阈值的像素点的个数不大于所述第三数量阈值的情况下，确定所述相机所处的环境中不存在运动特征。

8.根据权利要求1-7中任一项所述的方法，其特征在于，所述方法还包括：

输出目标深度图像和目标红外图像，所述目标深度图像包括在所述红外发射模块为所述开启状态的时刻采集的深度图像，所述目标深度图像用于障碍检测和路径规划，所述目标红外图像包括在所述红外发射模块为所述关闭状态的时刻采集的红外图像，所述目标红外图像用于定位和建立所述相机所处环境的地图。

9.一种用于识别相机中红外发射模块的工作状态的装置，其特征在于，所述装置包括：

获取模块，被配置成用于获取在第一时刻采集到的第一红外图像以及在第二时刻采集到的第二红外图像，其中，所述第一时刻为所述第二时刻的下一时刻；

识别模块，被配置成用于根据所述第一红外图像和所述第二红外图像，识别所述红外发射模块的工作状态，其中，所述工作状态包括开启状态和关闭状态。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-8中任一项所述方法的步骤。

11.一种电子设备，其特征在于，包括：

存储器，其上存储有计算机程序；

处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-8中任一项所述方法的步骤。

Images