CN112231424A - 待贴路标区域确认方法、装置、设备及存储介质 - Google Patents

待贴路标区域确认方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN112231424A
CN112231424A CN202011051920.8A CN202011051920A CN112231424A CN 112231424 A CN112231424 A CN 112231424A CN 202011051920 A CN202011051920 A CN 202011051920A CN 112231424 A CN112231424 A CN 112231424A
Authority
CN
China
Prior art keywords
robot
preset
information points
value
pasted
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
Application number
CN202011051920.8A
Other languages
English (en)
Other versions
CN112231424B (zh
Inventor
白雪
杨亚运
唐旋来
马帅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Keenlon Intelligent Technology Co Ltd
Original Assignee
Shanghai Keenlon Intelligent Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Keenlon Intelligent Technology Co Ltd filed Critical Shanghai Keenlon Intelligent Technology Co Ltd
Priority to CN202011051920.8A priority Critical patent/CN112231424B/zh
Publication of CN112231424A publication Critical patent/CN112231424A/zh
Application granted granted Critical
Publication of CN112231424B publication Critical patent/CN112231424B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29Geographical information databases
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明实施例公开了一种待贴路标区域确认方法、装置、设备及存储介质。该方法包括:获取原始场景对应的定位地图;识别定位地图中结构化信息点和点簇信息点;根据机器人的位置、第一预设区域内所述结构化信息点、以及第二预设区域内所述点簇信息点,确定位置的保证度;根据机器人的位置的保证度,确定位置是否为待贴路标点,计算预设单位区域中待贴路标点数量,根据待贴路标点数量与预设阈值比较,确定小于所述预设阈值的单位区域为待贴路标区域。采用上述技术手段能够实现提升机器人定位准确性的同时,降低成本的目的。

Description

待贴路标区域确认方法、装置、设备及存储介质
技术领域
本发明实施例涉及机器人定位技术领域,尤其涉及一种待贴路标区域确认方法、装置、设备及存储介质。
背景技术
目前,随着人工智能的快速发展,移动机器人在工业和民用等领域有着广泛的应用。其中,自定位技术是移动机器人领域的一项关键技术,因此,其鲁棒性和精确性非常重要。
移动机器人身上同时有激光传感器与视觉传感器,激光传感器可以用于定位,视觉传感器通过识别路标也可以用于定位;一些场景只使用激光传感器,由于环境复杂或者场景超过激光的量程,机器人在此区域行走定位不稳定,易丢失,因此,此区域需求通过其他方式比如视觉传感器识别进行定位。现有技术中,用于提供视觉传感器定位信息的路标是根据区域大小进行设定,导致在大空间场景内路标部署工作繁琐,效率低的问题。当前亟需更有效的方案来解决路标部署问题。
发明内容
本发明实施例提供了一种待贴路标区域确认方法、装置、设备及存储介质,以实现提升机器人定位准确性的同时,降低贴路标成本的目的。
第一方面,本发明实施例提供了一种待贴路标区域确认方法,包括:
获取原始场景对应的定位地图;
识别所述定位地图中结构化信息点和点簇信息点;其中,所述结构化信息点包括符合结构化线条的点,所述点簇信息点是指独立的不连续的点信息;
根据机器人的位置、与所述位置对应的第一预设区域内所述结构化信息点、以及与所述位置对应的第二预设区域内所述点簇信息点,确定所述位置的保证度;
根据所述机器人的位置的保证度,确定所述位置是否为待贴路标点,
计算预设单位区域中所述待贴路标点数量,根据所述待贴路标点数量与预设阈值比较,确定小于所述预设阈值的单位区域为待贴路标区域。
第二方面,本发明实施例还提供了一种待贴路标区域确认装置,包括:
定位地图确定模块,获取原始场景对应的定位地图;
信息点识别模块,用于识别所述定位地图中结构化信息点和点簇信息点;其中,所述结构化信息点包括符合结构化线条的点,所述点簇信息点是指独立的不连续的点信息;
保证度确定模块,用于根据机器人的位置、与所述位置对应的第一预设区域内所述结构化信息点、以及与所述位置对应的第二预设区域内所述点簇信息点,确定所述机器人的所述位置的保证度;
路标区域确定模块,用于根据所述机器人的所述位置的保证度,确定所述位置是否为待贴路标点,计算预设单位区域中所述待贴路标点数量,根据所述待贴路标点数量与预设阈值比较,确定小于所述预设阈值的单位区域为待贴路标区域。
第三方面,本发明实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如本发明实施例中任一所述的待贴路标区域确认方法。
第四方面,本发明实施例还提供了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如本发明实施例中任一所述的待贴路标区域确认方法。
本发明实施例通过一种待贴路标区域确认方法,包括:获取原始场景对应的定位地图;识别定位地图中结构化信息点和点簇信息点;根据机器人的位置、第一预设区域内所述结构化信息点、以及第二预设区域内所述点簇信息点,确定位置的保证度;根据机器人的位置的保证度,确定位置是否为待贴路标点,计算预设单位区域中待贴路标点数量,根据待贴路标点数量与预设阈值比较,确定小于所述预设阈值的单位区域为待贴路标区域。采用上述技术手段能够实现提升机器人定位准确性的同时,降低成本的目的。
附图说明
图1a是本发明实施例一中提供的一种待贴路标区域确认方法的流程示意图;
图1b是本发明实施例一中提供的一种定位地图的示意图;
图2是本发明实施例二中提供的一种待贴路标区域确认装置的结构示意图;
图3是本发明实施例三中提供的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理,但是其中的许多步骤可以被并行地、并发地或者同时实施。此外,各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等。
实施例一
图1a是本发明实施例一提供的一种待贴路标区域确认方法的流程示意图,本实施例可适用于移动机器人在复杂场景中的定位的情况,该方法可以由一种待贴路标区域确认装置来执行,该装置可以采用软件和/或硬件的方式实现,并可集成于电子设备中,具体包括如下步骤:
S110、获取原始场景对应的定位地图。
本实施例中,原始场景是指场景中实际的实物信息和图形。示例性的,原始场景是餐厅,则包括餐厅中的桌子、花盆、凳子、柜子和墙壁等。定位地图可以是采用激光传感器构建的占据栅格地图,该占据栅格地图表示障碍物状态。具体的,可参见图1b示出的一种定位地图的示意图。
S120、识别所述定位地图中结构化信息点和点簇信息点;其中,所述结构化信息点包括符合结构化线条的点,所述点簇信息点是指独立的不连续的点信息。
本实施例中,结构化信息点的提取都来自于定位地图,定位地图的障碍物的结构化信息点映射到的实物可以是墙体,大型柜子边线等。点簇信息点指一些散点,也可以是物体边界上的点,上述点簇信息点按照提取直线与圆弧的规则提取不出来。示例性的,可以是椅子腿或者人腿等。
结构化信息点是可以利用多种方式进行提取,例如opencv中的hough变换。其中,hough变换是用于检测图像中直线、圆、抛物线、椭圆等形状能够用一定函数关系描述的曲线,它在影像分析、模式识别等很多领域中得到了成功的应用。hough变换的基本原理是将影像空间中的曲线(包括直线)变换到参数空间中,通过检测参数空间中的极值点,确定出该曲线的描述参数,从而提取影像中的规则曲线。
S130、根据机器人的位置、与所述位置对应的第一预设区域内所述结构化信息点、以及与所述位置对应的第二预设区域内所述点簇信息点,确定所述位置的保证度。
本实施例中,机器人的位置是指机器人当前所在的位置,可以记为P0。第一预设区域是指距离机器人的位置一定距离的区域,示例性的,该一定距离可以是5m。第二预设区域是指距离机器人的位置一定距离的区域,示例性的,该一定距离可以是0.5m。保证度是指保证定位准确性的概率,保证度的数值越大,定位准确度越高。第一预设区域内的结构化信息点与第二预设区域内的点簇信息点能够构成势力场,其中,点簇信息点所构成的是干扰势力场,结构化信息点构成的是保证定位准确度的势力场。示例性的,凳子腿是点簇信息点,此区域堆积特别多的凳子就是稠密程度高的区域,如果此区域只有一个凳子就是稠密程度低的区域。这些无论稠密与否都会给定位造成不稳定,稠密程度越高,定位会越容易受到干扰就会形成干扰势场。
可选的,所述根据机器人的位置、第一预设区域内的所述结构化信息点和第二预设区域内的所述点簇信息点,确定所述机器人的该位置的保证度,包括:
获取所述机器人的位置;其中,所述机器人的位置是所述定位地图中的预设单位区域中的一个点位;
根据所述机器人的位置和所述第一预设区域内的所述结构化信息点,计算所述机器人的位置的保证值;
根据所述机器人的位置和所述第二预设区域内的所述点簇信息点,计算所述机器人的位置的干扰值;
根据所述保证值和所述干扰值,确定所述机器人的位置的保证度。
本实施例中,具体的,所述根据所述机器人的位置和所述第一预设区域内的所述结构化信息点,计算所述机器人的位置的保证值,包括:
计算所述机器人的位置与所述第一预设区域内的所述结构化信息点的第一距离值;
根据所述第一距离值和x1为第一距离值的第一预定公式,计算机器人的位置的保证值;该保证值表示结构化信息点对定位的准确度。可选地,第一预定公式采用高斯公式
Figure BDA0002709830320000061
根据公式计算所述机器人的位置的保证值;其中,a与b的数值不同的常数,a的值为大于0小于1的数值。
本实施例中,将机器人的位置与第一预设区域内的结构化信息点设为集合P,将集合P中的每一个结构化信息点与机器人的位置的第一距离值的集合记为D,将D中的每一个数值代入高斯公式中,得到的结果的平均值为保证值,将该保证值的结果记为t0,其中,t0为大于0小于1的数值。其中,高斯公式为:
Figure BDA0002709830320000071
其中,a与b的值不同,a的值为大于0小于1的数值。
可选的,根据所述机器人的位置和所述第二预设区域内的所述点簇信息点,计算所述机器人的位置的干扰值,包括:
计算所述机器人的位置与所述第二预设区域内的所述点簇信息点的第二距离值;
根据所述第二距离值和第二预设公式,计算机器人的位置的干扰值;其中,该干扰值表示点簇信息的定位的干扰度。x2表示第二距离值,可选地,第二预设公式采用高斯公式
Figure BDA0002709830320000072
计算机器人的位置的干扰值;其中,c与d为数值不同的常数,c的值为大于0小于1的数值。
本实施例中,将机器人的位置与第二预设区域内的点簇信息点的第二距离值的集合记为P1,将集合P1中的每一个点簇信息点与机器人的位置的第二距离值的集合记为D1,将D1中的每一个数值代入高斯公式中,得到的结果的平均值为干扰值。其中,高斯公式为:
Figure BDA0002709830320000073
其中,c与d的值不同,c的值为大于0小于1的数值。
本实施例中,根据保证值和干扰,通过第三预设公式,确定机器人的位置的保证度,第三预设公式为t=1+t0-t1。
S140、根据所述机器人的位置的保证度,确定所述位置是否为待贴路标点。
本实施例中,将t的值小于一常值时,判定为所述机器人的位置作为待贴路标点,保证度t大于常值时的位置为不用贴路标的点位。常值是根据需要预先设定的数值。
S150、计算预设单位区域中所述待贴路标点数量,根据所述待贴路标点数量与预设阈值比较,确定小于所述预设阈值的单位区域为待贴路标区域。
其中,待贴路标区域是通过机器人的视觉传感器和机器人的激光传感器进行定位的区域,该区域由于环境复杂或者场景超过激光的量程,使得机器人在此区域定位不准确,因此,需要通过设置路标,并将此区域设置待贴路标区域。其中,路标区域是通过贴路标以使机器人通过视觉传感器进行定位的。
机器人的位置可以是单位区域内的任意点位置。比如1平方米为1个单位区域,1平方米设定有400个像素点,每个像素点为单位区域内的一个点位置,即机器人的位置。根据机器人在单个位置点的保证度,确定单位区域的待贴区域,具体包括:
首先,计算单位区域中所有位置点确定的定位不稳定点数量,根据路标区域数量与预设阈值比较,确定小于预设阈值的单位区域为待贴区域。示例性的,单位区域内所有待贴路标点的比例大于50%,即待贴路标点的数量大于预设阈值200时,则此单位区域为待贴区域。整个场景的待贴区域确定通过遍历所有位置来确定最终所有的待贴区域。
在本实施例中,在步骤S150之后,还包括,在待贴区域内部署相对应的路标。该路标与待贴区域的坐标位置对应。机器人的视觉传感器可以获取路标图像,并且根据所述机器人获取路标的图像信息,得到该路标对应的位置信息,从而实现机器人在该区域的定位信息。
本发明实施例通过一种待贴路标区域确认方法,包括:获取原始场景对应的定位地图;识别所述定位地图中结构化信息点和点簇信息点;其中,所述结构化信息点包括符合结构化线条的点,所述点簇信息点是指独立的不连续的点信息;根据机器人的位置、第一预设区域内的所述结构化信息点和第二预设区域内的所述点簇信息点,确定所述机器人的位置的保证度;根据所述机器人的位置的保证度,确定待贴路标点,计算预设单位区域中待贴路标点数量,根据待贴路标点数量与预设阈值比较,确定小于预设阈值的单位区域为待贴路标区域。采用上述技术手段能够实现识别激光传感器可工作的区域,可以大大减少部署路标的区域数量,从而有效减少工作量,并且可有效提高机器人使用场景的鲁棒性。
实施例二
图2是本发明实施例二提供的一种待贴路标区域确认装置的结构示意图。本发明实施例所提供的一种待贴路标区域确认装置可执行本发明任意实施例所提供的一种待贴路标区域确认方法,具备执行方法相应的功能模块和有益效果。如图2所示,该装置包括:
定位地图确定模块210,用于获取原始场景对应的定位地图;
信息点识别模块220,用于识别所述定位地图中结构化信息点和点簇信息点;其中,所述结构化信息点包括符合结构化线条的点,所述点簇信息点是指独立的不连续的点信息;
保证度确定模块230,用于根据机器人的位置、与机器人的位置对应的第一预设区域内结构化信息点、以及与机器人的位置对应的第二预设区域内所述点簇信息点,确定所述机器人的位置的保证度;
路标区域确定模块240,用于根据机器人的位置的保证度,确定所述位置是否为待贴路标点,计算预设单位区域中所述待贴路标点数量,根据所述待贴路标点数量与预设阈值比较,确定小于所述预设阈值的单位区域为待贴路标区域。。
可选的,所述保证度确定模块230,具体用于:
获取所述机器人的位置;
根据所述机器人的位置和所述第一预设区域内的所述结构化信息点,计算所述机器人的位置的保证值;
根据所述机器人的位置和所述第二预设区域内的所述点簇信息点,计算所述机器人的位置的干扰值;
根据所述保证值和所述干扰值,确定所述机器人的位置的保证度。
可选的,所述保证度确定模块230,具体用于:
计算所述机器人的位置与所述第一预设区域内的所述结构化信息点的第一距离值;
根据所述第一距离值和高斯公式
Figure BDA0002709830320000101
计算所述机器人的位置的保证值;其中,a与b的数值不同,a的值为大于0小于1的数值。
可选的,所述保证度确定模块230,具体用于:
计算所述机器人的位置与所述第二预设区域内的所述点簇信息点的第二距离值;
根据所述第二距离值和高斯公式
Figure BDA0002709830320000102
计算所述机器人的位置的干扰值;其中,c与d的数值不同,c的值为大于0小于1的数值。
路标区域确定模块240,用于根据所述机器人的位置的保证度,确定位置是否为待贴路标点,计算预设单位区域中待贴路标点数量,根据待贴路标点数量与预设阈值比较,确定小于预设阈值的单位区域为待贴路标区域。
所述装置,还包括:
标签部署模块250,用于在所述待贴区域内部署与该待贴区域的坐标位置相对应的标签。
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,上述描述装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
实施例三
图3为本发明实施例三提供的一种设备的结构示意图,图3示出了适于用来实现本发明实施例实施方式的示例性设备的结构示意图。图3显示的设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示,设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图3未显示,通常称为“硬盘驱动器”)。尽管图3中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明实施例各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如系统存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明实施例所描述的实施例中的功能和/或方法。
设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该设备12交互的设备通信,和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图3所示,网络适配器20通过总线18与设备12的其它模块通信。应当明白,尽管图中未示出,可以结合设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的一种待贴路标区域确认方法,包括:
获取原始场景对应的激光地图;
识别所述激光地图中结构化信息点和点簇信息点;其中,所述结构化信息点包括投影组成连续线的点,所述点簇信息点是指独立的不连续的点信息;
根据机器人的位置、第一预设区域内的所述结构化信息点和第二预设区域内的所述点簇信息点,确定所述机器人的位置的保证度;
根据所述机器人的位置的保证度,确定路标区域。
实施例四
本发明实施例四还提供一种计算机可读存储介质,其上存储有计算机程序(或称为计算机可执行指令),该程序被处理器执行时可实现上述任意实施例所述的一种待贴路标区域确认方法,包括:
获取原始场景对应的激光地图;
识别所述激光地图中结构化信息点和点簇信息点;其中,所述结构化信息点包括投影组成连续线的点,所述点簇信息点是指独立的不连续的点信息;
根据机器人的位置、第一预设区域内的所述结构化信息点和第二预设区域内的所述点簇信息点,确定所述机器人的位置的保证度;
根据所述机器人的位置的保证度,确定路标区域。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中,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。
计算机可读的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。计算机可读的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——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
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发明实施例操作的计算机程序代码,所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)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种待贴路标区域确认方法,其特征在于,包括:
获取原始场景对应的定位地图;
识别所述定位地图中结构化信息点和点簇信息点;其中,所述结构化信息点包括符合结构化线条的点,所述点簇信息点是指独立的不连续的点信息;
根据机器人的位置、与所述位置对应的第一预设区域内所述结构化信息点、以及与所述位置对应的第二预设区域内所述点簇信息点,确定所述位置的保证度;
根据所述机器人的位置的保证度,确定所述位置是否为待贴路标点,
计算预设单位区域中所述待贴路标点数量,根据所述待贴路标点数量与预设阈值比较,确定小于所述预设阈值的单位区域为待贴路标区域。
2.根据权利要求1所述的方法,其特征在于,根据机器人的位置、与所述位置对应的第一预设区域内所述结构化信息点、以及与所述位置对应的第二预设区域内所述点簇信息点,确定所述位置的保证度,包括:
获取所述机器人的位置;
根据所述机器人的位置和与所述位置对应的所述第一预设区域内所述结构化信息点,计算所述机器人的所述位置的保证值;
根据所述机器人的位置和与所述位置对应的所述第二预设区域内所述点簇信息点,计算所述机器人的所述位置的干扰值;
根据所述保证值和所述干扰值,确定所述机器人的所述位置的保证度。
3.根据权利要求2所述的方法,其特征在于,所述根据所述机器人的位置和与所述位置对应的所述第一预设区域内所述结构化信息点,计算所述机器人的所述位置的保证值,包括:
计算所述机器人的位置与所述第一预设区域内所述结构化信息点的第一距离值;
根据所述第一距离值和第一预定公式,计算所述机器人的所述位置的保证值;其中,该保证值表示所述结构化信息点对定位准确度。
4.根据权利要求2所述的方法,其特征在于,根据所述机器人的位置和与所述位置对应的所述第二预设区域内的所述点簇信息点,计算所述机器人的所述位置的干扰值,包括:
计算所述机器人的位置与所述第二预设区域内所述点簇信息点的第二距离值;
根据所述第二距离值和第二预设公式,计算所述机器人的位置的干扰值;其中,该干扰值表示所述点簇信息点对定位的干扰度。
5.根据权利要求2所述的方法,其特征在于,根据所述保证值和所述干扰,通过第三预设公式,确定所述机器人的所述位置的保证度。
6.根据权利要求1所述的方法,其特征在于,在确定小于所述预设阈值的单位区域为待贴区域步骤后,还包括:
在所述待贴区域对应部署与该待贴区域的坐标位置相对应的路标。
7.根据权利要求6所述的方法,其特征在于,根据所述机器人获取所述路标的图像信息,得到该路标对应的位置信息。
8.一种待贴路标区域确认装置,其特征在于,包括:
定位地图确定模块,获取原始场景对应的定位地图;
信息点识别模块,用于识别所述定位地图中结构化信息点和点簇信息点;其中,所述结构化信息点包括符合结构化线条的点,所述点簇信息点是指独立的不连续的点信息;
保证度确定模块,用于根据机器人的位置、与所述位置对应的第一预设区域内所述结构化信息点、以及与所述位置对应的第二预设区域内所述点簇信息点,确定所述机器人的所述位置的保证度;
路标区域确定模块,用于根据所述机器人的所述位置的保证度,确定所述位置是否为待贴路标点,计算预设单位区域中所述待贴路标点数量,根据所述待贴路标点数量与预设阈值比较,确定小于所述预设阈值的单位区域为待贴路标区域。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在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程序时实现如权利要求1-7中任一所述的待贴路标区域确认方法。
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如权利要求1-7中任一所述的待贴路标区域确认方法。
CN202011051920.8A 2020-09-29 2020-09-29 待贴路标区域确认方法、装置、设备及存储介质 Active CN112231424B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011051920.8A CN112231424B (zh) 2020-09-29 2020-09-29 待贴路标区域确认方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011051920.8A CN112231424B (zh) 2020-09-29 2020-09-29 待贴路标区域确认方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN112231424A true CN112231424A (zh) 2021-01-15
CN112231424B CN112231424B (zh) 2024-02-09

Family

ID=74119565

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011051920.8A Active CN112231424B (zh) 2020-09-29 2020-09-29 待贴路标区域确认方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN112231424B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3222973A2 (en) * 2016-03-23 2017-09-27 HERE Global B.V. Map updates from a connected vehicle fleet
CN108920584A (zh) * 2018-06-25 2018-11-30 广州视源电子科技股份有限公司 一种语义栅格地图生成方法及其装置
CN109470233A (zh) * 2018-09-13 2019-03-15 北京米文动力科技有限公司 一种定位方法及设备
CN109612477A (zh) * 2018-12-18 2019-04-12 盐城工学院 一种综合应用人工路标和栅格地图的移动机器人自主导航方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3222973A2 (en) * 2016-03-23 2017-09-27 HERE Global B.V. Map updates from a connected vehicle fleet
CN108920584A (zh) * 2018-06-25 2018-11-30 广州视源电子科技股份有限公司 一种语义栅格地图生成方法及其装置
CN109470233A (zh) * 2018-09-13 2019-03-15 北京米文动力科技有限公司 一种定位方法及设备
CN109612477A (zh) * 2018-12-18 2019-04-12 盐城工学院 一种综合应用人工路标和栅格地图的移动机器人自主导航方法

Also Published As

Publication number Publication date
CN112231424B (zh) 2024-02-09

Similar Documents

Publication Publication Date Title
CN109214980B (zh) 一种三维姿态估计方法、装置、设备和计算机存储介质
CN109509260B (zh) 动态障碍物点云的标注方法、设备及可读介质
CN111325796B (zh) 用于确定视觉设备的位姿的方法和装置
US10346996B2 (en) Image depth inference from semantic labels
CN110095752B (zh) 定位方法、装置、设备和介质
CN109190573B (zh) 应用于无人驾驶车辆的地面检测方法、电子设备、车辆
CN112771573A (zh) 基于散斑图像的深度估计方法及装置、人脸识别系统
Sohn et al. An implicit regularization for 3D building rooftop modeling using airborne lidar data
CN110222703B (zh) 图像轮廓识别方法、装置、设备和介质
CN111401779A (zh) 机器人的定位部署方法、装置、设备及存储介质
CN112529097A (zh) 样本图像生成方法、装置以及电子设备
CN110530375B (zh) 机器人自适应定位方法、定位装置、机器人及存储介质
CN113298910A (zh) 生成交通标志线地图的方法、设备和存储介质
CN113591683A (zh) 姿态估计方法、装置、电子设备和存储介质
CN113362420A (zh) 道路标注生成方法、装置、设备以及存储介质
CN110555352B (zh) 一种兴趣点识别方法、装置、服务器和存储介质
CN114255274A (zh) 基于二维码识别的车辆定位方法、系统、设备及存储介质
CN114359383A (zh) 一种图像定位方法、装置、设备以及存储介质
CN113793370B (zh) 三维点云配准方法、装置、电子设备及可读介质
CN113436233A (zh) 自动驾驶车辆的配准方法、装置、电子设备和车辆
Seo et al. An efficient detection of vanishing points using inverted coordinates image space
CN112231424B (zh) 待贴路标区域确认方法、装置、设备及存储介质
CN111401229A (zh) 视觉小目标自动标注方法、装置及电子设备
CN113762397B (zh) 检测模型训练、高精度地图更新方法、设备、介质及产品
CN114266876B (zh) 定位方法、视觉地图的生成方法及其装置

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