CN112150491B - 图像检测方法、装置、电子设备和计算机可读介质 - Google Patents
图像检测方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN112150491B CN112150491B CN202011062902.XA CN202011062902A CN112150491B CN 112150491 B CN112150491 B CN 112150491B CN 202011062902 A CN202011062902 A CN 202011062902A CN 112150491 B CN112150491 B CN 112150491B
- Authority
- CN
- China
- Prior art keywords
- image
- obstacle
- target
- boundary line
- pixel points
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本公开的实施例公开了图像检测方法、装置、电子设备和计算机可读介质。该方法包括:获取待处理图像;对所述待处理图像中的目标连接区域中的不可知像素点和非障碍物素点进行处理,得到第一图像;确定所述第一图像中的有效区域,生成第二图像;对所述第二图像中的不可知像素点和非障碍物像素点相连的区域进行处理,生成第三图像;对所述第三图像进行外围边界线闭合检测,得到检测结果。该实施方式通过对待处理图像的一系列处理操作,可以利用确定有效区域来减少工作量,提高检测效率。之后的图像检测,生成的检测结果有助于室内探测、测量以及智能机器人的导航和定位场景。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及图像检测方法、装置、电子设备和计算机可读介质。
背景技术
栅格地图是一种常用的高精地图形式,其将环境划分为一系列栅格,其中每个栅格被标记有值表示该栅格被占据。栅格地图是一种对真实环境进行数字栅格化的产物,通过栅格是否被占据来标识环境中的障碍物。最后对生成的图像进行检测以确定构图是否完成,构图完成的图像可以广泛应用于室内探测、测量以及智能机器人的导航和定位场景中。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了图像检测方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题。
第一方面,本公开的一些实施例提供了一种图像检测方法,该方法包括:获取待处理图像;对所述待处理图像中的目标连接区域中的不可知像素点和非障碍物素点进行处理,得到第一图像;确定所述第一图像中的有效区域,生成第二图像;对所述第二图像中的不可知像素点和非障碍物像素点相连的区域进行处理,生成第三图像;对所述第三图像进行外围边界线闭合检测,得到检测结果。
第二方面,本公开的一些实施例提供了一种图像检测装置,装置包括:获取单元,被配置成获取待处理图像,其中,所述待处理图像包括障碍物像素点、不可知像素点和非障碍物像素点;处理单元,被配置成对所述待处理图像中的目标连接区域中的不可知像素点和非障碍物素点进行处理,得到第一图像,其中,所述目标连接区域是通过所述障碍物像素点连接得到的;第一生成单元,被配置成确定所述第一图像中的有效区域,生成第二图像;第二生成单元,被配置成对所述第二图像中的不可知像素点和非障碍物像素点相连的区域进行处理,生成第三图像;检测单元,被配置成对所述第三图像进行外围边界线闭合检测,得到检测结果。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现如第一方面中所描述的方法。
本公开的上述各个实施例中的一个实施例具有如下有益效果:通过对待处理图像(例如,PGM格式的栅格地图)中的不可知像素点和非障碍物素点的处理,可以得到障碍物像素点替换后的第一图像。然后,从第一图像确定出有效区域得到待处理的第二图像,确定有效区域可以减少针对图像处理的工作量。之后,对第二图像中的不可知像素点和非障碍物像素点连接的区域的处理,可以得到第二图像中的未知区域与已知区域分割后的第三图像。最后,对第三图像的检测可以确定图像中的未知区域和已知区域是否完全被外围边界线分割,从而生成的检测结果有利于后续生成平面图。为室内探测、测量以及智能机器人的导航和定位场景提供了便利。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的所述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本公开的一些实施例的图像检测方法的一个应用场景的示意图;
图2是根据本公开的图像检测方法的一些实施例的流程图;
图3是根据本公开的图像检测方法的另一些实施例的流程图;
图4是根据本公开的图像检测装置的一些实施例的结构示意图;
图5是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是根据本公开一些实施例的图像检测方法的一个应用场景的示意图。
在图1的应用场景中,首先,计算设备101可以获取待处理图像102。然后,计算设备101可以对所述待处理图像102中的目标连接区域中的不可知像素点和非障碍物素点进行处理,得到第一图像103。之后,计算设备101可以对确定所述第一图像103中的有效区域,生成第二图像104。接着,计算设备101可以对所述第二图像104中的不可知像素点和非障碍物像素点相连的区域进行处理,生成第三图像105。最后,计算设备101可以对所述第三图像105进行外围边界线闭合检测,得到检测结果106。
需要说明的是,上述计算设备101可以是硬件,也可以是软件。当计算设备为硬件时,可以实现成多个服务器或终端设备组成的分布式集群,也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时,可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的计算设备的数目仅仅是示意性的。根据实现需要,可以具有任意数目的计算设备。
继续参考图2,示出了根据本公开的图像检测方法的一些实施例的流程200。该方法可以由图1中的计算设备101来执行。该图像检测方法,包括以下步骤:
步骤201,获取待处理图像。
在一些实施例中,图像检测方法的执行主体(如图1所示的计算设备101)可以通过有线连接方式或无线连接方式获取待处理图像。例如,所述执行主体可以接收用户输入的待处理图像作为所述待处理图像。再例如,所述执行主体可以通过有线连接方式或无线连接方式连接其他电子设备,获取所连接的电子设备的图像库中的待处理图像作为所述待处理图像。这里,所述待处理图像可以是目标区域的栅格图像,格式可以为PGM格式。具体地,栅格图像也称光栅图像,是指在空间和亮度上都已经离散化了的图像。所述待处理图像包括障碍物像素点、不可知像素点和非障碍物像素点。其中,障碍物像素点用于表征障碍物,不可知像素点用于表征未知区域。
需要指出的是,所述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
步骤202,对所述待处理图像中的目标连接区域中的不可知像素点和非障碍物素点进行处理,得到第一图像。
在一些实施例中,所述执行主体可以对所述待处理图像中的目标连接区域中的不可知像素点和非障碍物素点进行处理。这里,目标连接区域是通过障碍物像素点连接得到的。处理可以是将所述目标连接区域中包含的所述不可知像素点和所述非障碍物像素点替换为障碍物像素点。
步骤203,确定所述第一图像中的有效区域,生成第二图像。
在一些实施例中,所述执行主体可以通过如下步骤确定所述第一图像中的有效区域,生成第二图像:第一步,所述执行主体可以确定所述第一图像中的目标边界线的坐标集合,其中,所述目标边界线是由障碍物像素点形成的;第二步,所述执行主体可以基于所述坐标集合,确定有效区域;第三步,所述执行主体可以对所述有效区域进行边界线提取,生成第二图像。
步骤204,对所述第二图像中的不可知像素点和非障碍物像素点相连的区域进行处理,生成第三图像。
在一些实施例中,所述执行主体可以通过如下步骤对所述第二图像中的不可知像素点和非障碍物像素点相连的区域进行处理:第一步,所述执行主体可以利用像素点的位置确定出与所述不可知像素点相连的非障碍物像素点;第二步,所述执行主体可以确定与所述障碍物像素点相连的非障碍物像素点;第三步,所述执行主体可以对所述非障碍物像素点进行连接,得到至少一个连通区域;第四步,所述执行主体可以从所述至少一个连通区域中选择连通区域作为第一目标连通区域,这里,第一目标连通区域可以是面积最大的连通区域;第五步,所述执行主体可以将所述第一目标连通区域内的非障碍物像素点替换为不可知像素点,得到所述第三图像。可选的,所述执行主体可以将所述第一目标连通区域内的非障碍物像素点的像素值更改为预先设置的像素值,得到所述第三图像。
步骤205,对所述第三图像进行外围边界线闭合检测,得到检测结果。
在一些实施例中,所述执行主体可以对所述第三图像进行外围边界线闭合检测。检测结果可以是用于表征“闭合”或“未闭合”的信息。作为示例,检测结果可以是“边界线未闭合”。
本公开的所述各个实施例中的一个实施例具有如下有益效果:通过对待处理图像(例如,PGM格式的栅格地图)中的不可知像素点和非障碍物素点的处理,可以得到障碍物像素点替换后的第一图像。然后,从第一图像确定出有效区域得到待处理的第二图像,确定有效区域可以减少针对图像处理的工作量。之后,对第二图像中的不可知像素点和非障碍物像素点连接的区域的处理,可以得到第二图像中的未知区域与已知区域分割后的第三图像。最后,对第三图像的检测可以确定图像中的未知区域和已知区域是否完全被外围边界线分割,从而生成的检测结果有利于后续生成平面图。为室内探测、测量以及智能机器人的导航和定位场景提供了便利。
继续参考图3,示出了根据本公开的图像检测方法的另一些实施例的流程图300。该方法可以由图1中的计算设备101来执行。该图像检测方法,包括以下步骤:
步骤301,获取待处理图像。
步骤302,对所述待处理图像中的目标连接区域中的不可知像素点和非障碍物素点进行处理,得到第一图像。
在一些实施例中,步骤301-302的具体实现及所带来的技术效果可以参考图2对应的那些实施例中的步骤201-202,在此不再赘述。
步骤303,确定所述第一图像中的目标边界线的坐标集合。
在一些实施例中,所述执行主体可以通过以下步骤确定所述第一图像中的目标边界线的坐标集合:第一步,所述执行主体可以获取所述第一图像中至少一条边界线的长度,得到长度集合;第二步,所述执行主体可以基于所述长度集合,从所述至少一条边界线中选择符合第一预设条件的边界线作为目标边界线,这里,第一预设条件可以是选择长度值最大的边界线作为目标边界线;第三步,所述执行主体可以获取所述目标边界线的每个像素点的像素坐标,得到边界线像素坐标集合;第四步,所述执行可以获取所述目标边界线外围的像素点的像素坐标,得到边界线外像素坐标集合;第五步,所述执行主体可以将所述边界线像素坐标集合和所述边界线外像素坐标集合进行组合,得到所述坐标集合。
步骤304,基于所述坐标集合,确定有效区域。
在一些实施例中,所述执行主体可以通过如下步骤确定有效区域:第一步,所述执行主体可以从所述坐标集合中选择符合第二预设条件的坐标作为目标坐标,得到目标坐标集合,这里,第二预设条件可以是从所述坐标集合中选择横纵坐标最大、最小的坐标作为目标坐标;第二步,所述执行主体可以将所述目标坐标集合中的每个目标坐标依次进行连接,得到连接线覆盖的区域;第三步,所述执行主体可以将所述连接线覆盖的区域确定为有效区域。
步骤305,对所述有效区域进行边界线提取,生成第二图像。
在一些实施例中,所述执行主体可以通过以下两种方式对所述有效区域进行边界线提取,生成第二图像:
第一种,所述执行主体可以将所述有效区域中与所述非障碍物像素点无连接的障碍物像素点替换为不可知像素点。然后,所述执行主体可以将替换后的图像确定为第二图像。
第二种,所述执行主体可以将所述有效区域中与所述非障碍物像素点无连接的障碍物像素点的像素值更改为预设像素值。然后,所述执行主体可以将更改后的图像确定为第二图像。
步骤306,对所述第二图像中的不可知像素点和非障碍物像素点相连的区域进行处理,生成第三图像。
步骤307,对所述第三图像进行外围边界线闭合检测,得到检测结果。
在一些实施例中,步骤306-307的具体实现及所带来的技术效果可以参考图2对应的那些实施例中的步骤204-205,在此不再赘述。
步骤308,基于所述检测结果,确定所述第三图像中的外围边界线是否闭合。
在一些实施例中,所述执行主体可以基于所述检测结果,确定所述第三图像中的外围边界线是否闭合。作为示例,检测结果可以是“边界线未闭合”,那么,所述执行主体可以确定所述第三图像中的外围边界线闭合。
在一些实施例的一些可选的实现方式中,响应于确定所述第三图像中的外围边界线未闭合,所述执行主体可以对所述第三图像进行闭合处理,得到第四图像。
在一些实施例的一些可选的实现方式中,响应于确定所述第三图像中的外围边界线确定闭合,所述执行主体可以将所述第三图像确定为第四图像。然后,所述执行主体可以对所述第四图像中的非障碍物像素点进行连通处理(例如,像素点连接处理),得到至少一个非障碍物像素点形成的连通区域。之后,所述执行主体可以从所述至少一个非障碍物像素点形成的连通区域中选择连通区域作为第二目标连通区域。作为示例,所述执行主体可以选择面积最大的连通区域作为第二目标连通区域。再然后,所述执行主体可以对所述第四图像进行检测,确定所述第二目标连通区域是否与不可知像素点连接。响应于确定第二目标连通区域与所述不可知像素点不连接,所述执行主体可以生成用于表征图像处理完成的信息。作为示例,在栅格地图构建的过程中,响应于确定第二目标连通区域与所述不可知像素点不连接,所述执行主体可以生成信息“图像检测完成,构图完成”。
从图3中可以看出,与图2对应的一些实施例的描述相比,图3对应的一些实施例中的图像检测方法的流程300体现了对如何确定第一图像中目标边界线的坐标集合、如何确定有效区域生成第二图像的步骤。由此,这些实施例描述的方案可以通过有效区域的确定来减少对图像处理和检测的工作量,大大提高了图像检测的效率。
进一步参考图4,作为对上述各图上述方法的实现,本公开提供了一种图像检测装置的一些实施例,这些装置实施例与图2上述的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图4所示,一些实施例的图像检测装置400包括:获取单元401、处理单元402、第一生成单元403、第二生成单元404和检测单元405。其中,获取单元401,被配置成获取待处理图像,其中,所述待处理图像包括障碍物像素点、不可知像素点和非障碍物像素点;处理单元402,被配置成对所述待处理图像中的目标连接区域中的不可知像素点和非障碍物素点进行处理,得到第一图像,其中,所述目标连接区域是通过所述障碍物像素点连接得到的;第一生成单元403,被配置成确定所述第一图像中的有效区域,生成第二图像;第二生成单元404,被配置成对所述第二图像中的不可知像素点和非障碍物像素点相连的区域进行处理,生成第三图像;检测单元405,被配置成对所述第三图像进行外围边界线闭合检测,得到检测结果。
在一些实施例的一些可选的实现方式中,图像检测装置400的处理单元402被进一步配置成:将所述目标连接区域中包含的所述不可知像素点和所述非障碍物像素点替换为障碍物像素点。
在一些实施例的一些可选的实现方式中,图像检测装置400的第一生成单元403被进一步配置成:确定所述第一图像中的目标边界线的坐标集合,其中,所述目标边界线是由障碍物像素点形成的;基于所述坐标集合,确定有效区域;对所述有效区域进行边界线提取,生成第二图像。
在一些实施例的一些可选的实现方式中,所述确定所述第一图像中的目标边界线的坐标集合,包括:获取所述第一图像中至少一条边界线的长度,得到长度集合;基于所述长度集合,从所述至少一条边界线中选择符合第一预设条件的边界线作为目标边界线;获取所述目标边界线的每个像素点的像素坐标,得到边界线像素坐标集合;获取所述目标边界线外围的像素点的像素坐标,得到边界线外像素坐标集合;将所述边界线像素坐标集合和所述边界线外像素坐标集合进行组合,生成所述坐标集合。
在一些实施例的一些可选的实现方式中,所述基于所述坐标集合,确定有效区域,包括:从所述坐标集合中选择符合第二预设条件的坐标作为目标坐标,得到目标坐标集合;将所述目标坐标集合中的每个目标坐标依次连接,得到连接区域;将所述连接区域确定为有效区域。
在一些实施例的一些可选的实现方式中,图像检测装置400的第二生成单元404被进一步配置成:将所述有效区域中与所述非障碍物像素点无连接的障碍物像素点替换为所述不可知像素点,得到所述第二图像;或将所述有效区域中与所述非障碍物像素点无连接的障碍物像素点的像素值更改为预设像素值,得到所述第二图像。
在一些实施例的一些可选的实现方式中,图像检测装置400被进一步配置成:基于所述检测结果,确定所述第三图像中的外围边界线是否闭合。
可以理解的是,该装置400中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置400及其中包含的单元,在此不再赘述。
下面参考图5,其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的计算设备101)500的结构示意图。图5示出的服务器仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图5所示,电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常,以下装置可以连接至I/O接口505:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如磁带、硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,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,本公开的一些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。在这样的一些实施例中,该计算机程序可以通过通信装置509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM 502被安装。在该计算机程序被处理装置501执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例上述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。在本公开的一些实施例中,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。而在本公开的一些实施例中,计算机可读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,该计算机可读信号介质可以发送、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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述装置中所包含的;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该电子设备执行时,使得该电子设备:获取待处理图像;对所述待处理图像中的目标连接区域中的不可知像素点和非障碍物素点进行处理,得到第一图像;确定所述第一图像中的有效区域,生成第二图像;对所述第二图像中的不可知像素点和非障碍物像素点相连的区域进行处理,生成第三图像;对所述第三图像进行外围边界线闭合检测,得到检测结果。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、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,该模块、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,框图和/或流程图中的每个方框、以及框图和/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。
描述于本公开的一些实施例中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,例如,可以描述为:一种处理器包括获取单元、处理单元、第一生成单元、第二生成单元和检测单元。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,例如,获取单元还可以被描述为“获取待处理图像的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (7)
1.一种图像检测方法,包括:
获取待处理图像,其中,所述待处理图像包括障碍物像素点、不可知像素点和非障碍物像素点;
对所述待处理图像中的目标连接区域中的不可知像素点和非障碍物素点进行处理,得到第一图像,其中,所述目标连接区域是通过所述障碍物像素点连接得到的;
确定所述第一图像中的有效区域,生成第二图像;
对所述第二图像中的不可知像素点和非障碍物像素点相连的区域进行处理,生成第三图像;
对所述第三图像进行外围边界线闭合检测,得到检测结果;
所述确定所述第一图像中的有效区域,生成第二图像,包括:
确定所述第一图像中的目标边界线的坐标集合,其中,所述目标边界线是由障碍物像素点形成的;
基于所述坐标集合,确定有效区域;
对所述有效区域进行边界线提取,生成第二图像;
所述对所述待处理图像中的目标连接区域中的不可知像素点和非障碍物素点进行处理,包括:
将所述目标连接区域中包含的所述不可知像素点和所述非障碍物像素点替换为障碍物像素点;
所述基于所述坐标集合,确定有效区域,包括:
从所述坐标集合中选择符合第二预设条件的坐标作为目标坐标,得到目标坐标集合,所述第二预设条件是从所述坐标集合中选择横纵坐标最大、最小的坐标作为目标坐标;
将所述目标坐标集合中的每个目标坐标依次连接,得到连接区域;
将所述连接区域确定为有效区域;
所述对所述第二图像中的不可知像素点和非障碍物像素点相连的区域进行处理,生成第三图像,包括:
利用像素点的位置确定出与所述不可知像素点相连的非障碍物像素点;
确定与所述障碍物像素点相连的非障碍物像素点;
对所述非障碍物像素点进行连接,得到至少一个连通区域;
从所述至少一个连通区域中选择面积最大的连通区域作为第一目标连通区域;
将所述第一目标连通区域内的非障碍物像素点替换为不可知像素点,得到所述第三图像;或者,将所述第一目标连通区域内的非障碍物像素点的像素值更改为预先设置的像素值,得到所述第三图像。
2.根据权利要求1所述的方法,其中,所述确定所述第一图像中的目标边界线的坐标集合,包括:
获取所述第一图像中至少一条边界线的长度,得到长度集合;
基于所述长度集合,从所述至少一条边界线中选择符合第一预设条件的边界线作为目标边界线;
获取所述目标边界线的每个像素点的像素坐标,得到边界线像素坐标集合;
获取所述目标边界线外围的像素点的像素坐标,得到边界线外像素坐标集合;
将所述边界线像素坐标集合和所述边界线外像素坐标集合进行组合,生成所述坐标集合。
3.根据权利要求1或2所述的方法,其中,所述对所述有效区域进行边界线提取,生成第二图像,包括:
将所述有效区域中与所述非障碍物像素点无连接的障碍物像素点替换为所述不可知像素点,得到所述第二图像;或
将所述有效区域中与所述非障碍物像素点无连接的障碍物像素点的像素值更改为预设像素值,得到所述第二图像。
4.根据权利要求3所述的方法,其中,所述方法还包括:
基于所述检测结果,确定所述第三图像中的外围边界线是否闭合。
5.一种图像检测装置,包括:
获取单元,被配置成获取待处理图像,其中,所述待处理图像包括障碍物像素点、不可知像素点和非障碍物像素点;
处理单元,被配置成对所述待处理图像中的目标连接区域中的不可知像素点和非障碍物素点进行处理,得到第一图像,其中,所述目标连接区域是通过所述障碍物像素点连接得到的;
第一生成单元,被配置成确定所述第一图像中的有效区域,生成第二图像;
第二生成单元,被配置成对所述第二图像中的不可知像素点和非障碍物像素点相连的区域进行处理,生成第三图像;
检测单元,被配置成对所述第三图像进行外围边界线闭合检测,得到检测结果;
所述第一生成单元被进一步配置成:确定所述第一图像中的目标边界线的坐标集合,其中,所述目标边界线是由障碍物像素点形成的;基于所述坐标集合,确定有效区域;对所述有效区域进行边界线提取,生成第二图像;
所述处理单元,被进一步配置成:将所述目标连接区域中包含的所述不可知像素点和所述非障碍物像素点替换为障碍物像素点;
所述第一生成单元,被进一步配置成:从所述坐标集合中选择符合第二预设条件的坐标作为目标坐标,得到目标坐标集合,所述第二预设条件是从所述坐标集合中选择横纵坐标最大、最小的坐标作为目标坐标;将所述目标坐标集合中的每个目标坐标依次连接,得到连接区域;将所述连接区域确定为有效区域;
所述第二生成单元,被进一步配置成:利用像素点的位置确定出与所述不可知像素点相连的非障碍物像素点;确定与所述障碍物像素点相连的非障碍物像素点;对所述非障碍物像素点进行连接,得到至少一个连通区域;从所述至少一个连通区域中选择面积最大的连通区域作为第一目标连通区域;将所述第一目标连通区域内的非障碍物像素点替换为不可知像素点,得到所述第三图像;或者,将所述第一目标连通区域内的非障碍物像素点的像素值更改为预先设置的像素值,得到所述第三图像。
6.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
7.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-4中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011062902.XA CN112150491B (zh) | 2020-09-30 | 2020-09-30 | 图像检测方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011062902.XA CN112150491B (zh) | 2020-09-30 | 2020-09-30 | 图像检测方法、装置、电子设备和计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112150491A CN112150491A (zh) | 2020-12-29 |
CN112150491B true CN112150491B (zh) | 2023-08-18 |
Family
ID=73951731
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011062902.XA Active CN112150491B (zh) | 2020-09-30 | 2020-09-30 | 图像检测方法、装置、电子设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112150491B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112819693B (zh) * | 2021-04-19 | 2022-04-22 | 北京每日优鲜电子商务有限公司 | 滑动验证码生成方法、装置、电子设备和计算机可读介质 |
CN113256700B (zh) * | 2021-05-26 | 2023-05-23 | 长江存储科技有限责任公司 | 图层厚度检测方法及装置、电子设备、可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107831773A (zh) * | 2017-11-30 | 2018-03-23 | 深圳市沃特沃德股份有限公司 | 扫地机器人全覆盖清扫的方法及扫地机器人 |
WO2019128933A1 (zh) * | 2017-12-29 | 2019-07-04 | 中兴通讯股份有限公司 | 一种地图构建、导航方法及装置、系统 |
CN110189366A (zh) * | 2019-04-17 | 2019-08-30 | 北京迈格威科技有限公司 | 一种激光粗配准方法、装置、移动终端及存储介质 |
CN111104933A (zh) * | 2020-03-20 | 2020-05-05 | 深圳飞科机器人有限公司 | 地图处理方法、移动机器人及计算机可读存储介质 |
WO2020154967A1 (en) * | 2019-01-30 | 2020-08-06 | Baidu.Com Times Technology (Beijing) Co., Ltd. | Map partition system for autonomous vehicles |
-
2020
- 2020-09-30 CN CN202011062902.XA patent/CN112150491B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107831773A (zh) * | 2017-11-30 | 2018-03-23 | 深圳市沃特沃德股份有限公司 | 扫地机器人全覆盖清扫的方法及扫地机器人 |
WO2019128933A1 (zh) * | 2017-12-29 | 2019-07-04 | 中兴通讯股份有限公司 | 一种地图构建、导航方法及装置、系统 |
WO2020154967A1 (en) * | 2019-01-30 | 2020-08-06 | Baidu.Com Times Technology (Beijing) Co., Ltd. | Map partition system for autonomous vehicles |
CN110189366A (zh) * | 2019-04-17 | 2019-08-30 | 北京迈格威科技有限公司 | 一种激光粗配准方法、装置、移动终端及存储介质 |
CN111104933A (zh) * | 2020-03-20 | 2020-05-05 | 深圳飞科机器人有限公司 | 地图处理方法、移动机器人及计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
基于环境语义信息的移动机器人重定位增强;向超,等;《武汉科技大学学报》;224-229 * |
Also Published As
Publication number | Publication date |
---|---|
CN112150491A (zh) | 2020-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112150490B (zh) | 图像检测方法、装置、电子设备和计算机可读介质 | |
CN111784712B (zh) | 图像处理方法、装置、设备和计算机可读介质 | |
CN112150491B (zh) | 图像检测方法、装置、电子设备和计算机可读介质 | |
CN113255619B (zh) | 车道线识别及定位方法、电子设备和计算机可读介质 | |
CN113607185A (zh) | 车道线信息显示方法、装置、电子设备和计算机可读介质 | |
CN116164770B (zh) | 路径规划方法、装置、电子设备和计算机可读介质 | |
CN115272182B (zh) | 车道线检测方法、装置、电子设备和计算机可读介质 | |
CN113592033B (zh) | 油罐图像识别模型训练方法、油罐图像识别方法和装置 | |
CN111612434B (zh) | 用于生成处理流程的方法、装置、电子设备和介质 | |
CN112258622A (zh) | 图像处理方法、装置、可读介质及电子设备 | |
CN113506356B (zh) | 面积图的绘制方法、装置、可读介质和电子设备 | |
CN111726476B (zh) | 图像处理方法、装置、设备和计算机可读介质 | |
CN110796144B (zh) | 车牌检测方法、装置、设备及存储介质 | |
CN116188583B (zh) | 相机位姿信息生成方法、装置、设备和计算机可读介质 | |
CN115345931B (zh) | 物体姿态关键点信息生成方法、装置、电子设备和介质 | |
CN115908143B (zh) | 车辆跨层泊车方法、装置、电子设备和计算机可读介质 | |
CN112883697B (zh) | 工作流表单生成方法、装置、电子设备和计算机可读介质 | |
CN115292540B (zh) | 多模态零件信息识别方法、装置、设备和计算机可读介质 | |
CN114359673B (zh) | 基于度量学习的小样本烟雾检测方法、装置和设备 | |
CN116630436B (zh) | 相机外参修正方法、装置、电子设备和计算机可读介质 | |
CN111625692B (zh) | 特征抽取方法、装置、电子设备和计算机可读介质 | |
CN111368015B (zh) | 用于压缩地图的方法和装置 | |
CN117115423A (zh) | 面向目标跟踪的多模融合目标检测方法、装置和电子设备 | |
CN117710612A (zh) | 增强现实锚点管理方法、设备、存储介质及程序产品 | |
CN113568997A (zh) | 点云地图更新方法、装置、电子设备和计算机可读介质 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 7-605, 6th floor, building 1, yard a, Guanghua Road, Chaoyang District, Beijing 100026 Applicant after: Beijing dog vacuum cleaner Group Co.,Ltd. Address before: 7-605, 6th floor, building 1, yard a, Guanghua Road, Chaoyang District, Beijing 100026 Applicant before: PUPPY ELECTRONIC APPLIANCES INTERNET TECHNOLOGY (BEIJING) Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |