CN112561927A - 图像区域划分方法、系统、电子设备及存储介质 - Google Patents
图像区域划分方法、系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112561927A CN112561927A CN202011414589.1A CN202011414589A CN112561927A CN 112561927 A CN112561927 A CN 112561927A CN 202011414589 A CN202011414589 A CN 202011414589A CN 112561927 A CN112561927 A CN 112561927A
- Authority
- CN
- China
- Prior art keywords
- image
- divided
- initial
- region
- area
- 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 51
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 230000015654 memory Effects 0.000 claims description 17
- 239000000126 substance Substances 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 7
- 238000010408 sweeping Methods 0.000 description 14
- 238000004140 cleaning Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Images
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
- G06T7/11—Region-based segmentation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种图像区域划分方法,涉及图像处理领域,通过获取机器人扫描得到的待划分原始图像,对待划分原始图像进行预处理,得到待划分中间图像,其中待划分中间图像包括至少两个初始区域,获取每一个初始区域的核心位置,根据核心位置对待划分图像进行划分处理,得到目标图像,能够对图像进行划分,提高图像的辨识度,有利于用户对房间各个区域的识别。
Description
技术领域
本申请涉及图像处理领域,尤其是涉及一种图像区域划分方法、系统、电子设备及存储介质。
背景技术
随着智能化革命的不断推荐,各式各样的扫地机器人已经出现在人们的视野中,崭露头角,例如激光雷达扫地机器人的出现,可以使扫地机在清扫过程中不再重复清扫同一区域,并且通过雷达数据以及激光扫描的房间户型,能够精确地获取扫地机器人当前的位置信息,用户可以通过激光扫描得到的房间形状对扫地机器人进行清扫规划,但是现有的激光机器人扫描得到的图像辨识度低,不利于用户对房间各个区域的识别。
发明内容
本申请旨在至少解决现有技术中存在的技术问题之一。为此,本申请提出一种图像区域划分方法,能够准确获取并修复丢失触摸点的位置信息,保证交互的稳定性。
本申请还提出一种具有上述图像区域划分方法的电子设备;
本申请还提出一种具有上述图像区域划分方法的计算机可读存储介质。
根据本申请的第一方面实施例的图像区域划分方法,包括:获取所述机器人扫描得到的待划分原始图像;对所述待划分原始图像进行预处理,得到待划分中间图像;其中,所述待划分中间图像包括至少两个初始区域;获取每一所述初始区域的核心位置;根据所述核心位置将所述待划分中间图像划分为多个目标区域,得到目标图像,所述目标图像包括所述多个目标区域。
根据本申请实施例的图像区域划分方法,至少具有如下有益效果:通过获取机器人扫描得到的待划分原始图像,对待划分原始图像进行预处理,得到待划分中间图像,其中待划分中间图像包括至少两个初始区域,获取每一个初始区域的核心位置,根据核心位置对待划分图像进行划分处理,得到目标图像,能够对图像进行划分,提高图像的辨识度,有利于用户对房间各个区域的识别。
根据本申请的一些实施例,还包括:对所述每一所述初始区域的核心位置进行对应的灰度值处理,得到对应每一区域的所述核心位置的编码参数。
根据本申请的一些实施例,所述获取每一所述初始区域的核心位置,包括:
根据所述每一初始区域的区域边缘获取所述每一初始区域中的多个位置点的距离参数,所述距离参数标识所述位置点距离所述区域边缘的距离大小;根据所述多个位置点的距离参数确定所述核心位置。
根据本申请的一些实施例,所述根据所述核心位置对所述待划分中间图像进行划分处理,得到目标图像,包括:
根据每一初始区域的所述核心位置和对应的所述编码参数对每一初始区域进行划分处理,生成所述目标区域;根据多个所述目标区域组合生成所述目标图像。
根据本申请的第二方面实施例的图像区域划分系统,包括:第一获取模块,所述第一获取模块用于获取机器人扫描得到的待划分原始图像;
第一处理模块,所述第一处理模块用于对所述待划分原始图像进行预处理,得到待划分中间图像;其中,所述待划分中间图像包括至少两个初始区域;
第二获取模块,所述第二获取模块用于获取每一所述初始区域的核心位置;
划分模块,所述划分模块用于根据所述核心位置对所述待划分中间图像进行划分处理,得到目标图像。
根据本申请实施例的图像区域划分系统,至少具有如下有益效果:通过第一获取模块获取机器人扫描得到的待划分原始图像,由第一处理模块对待划分原始图像进行预处理,得到待划分中间图像,其中待划分中间图像包括至少两个初始区域,第二获取模块获取每一个初始区域的核心位置,最后划分模块根据核心位置对待划分图像进行划分处理,得到目标图像,能够对图像进行划分,提高图像的辨识度,有利于用户对房间各个区域的识别。
根据本申请的一些实施例,还包括:第二处理模块,第二处理模块用于对所述每一所述初始区域的核心位置进行对应的灰度值处理,得到对应每一区域的所述核心位置的编码参数。
根据本申请的一些实施例,所述第二获取模块还包括:第二获取子模块和确定模块;所述第二获取子模块用于根据所述每一初始区域的区域边缘获取所述每一初始区域中的多个位置点的距离参数,所述距离参数标识所述位置点距离所述区域边缘的距离大小;所述确定模块用于根据所述多个位置点的距离参数确定所述核心位置。
根据本申请的一些实施例,所述划分模块还包括:划分子模块;
所述划分子模块用于根据所述每一初始区域的区域边缘获取所述每一初始区域中的多个位置点的距离参数,所述距离参数标识所述位置点距离所述区域边缘的距离大小;根据多个所述目标区域组合生成所述目标图像。
根据本申请的第三方面实施例的电子设备,包括:
至少一个处理器,以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行所述指令时实现如第一方面实施例所述的图像区域划分方法。
根据本申请实施例的电子设备,至少具有如下有益效果:通过执行第一方面实施例提到的图像区域划分方法,能够对图像进行划分,提高图像的辨识度,有利于用户对房间各个区域的识别。
根据本申请的第四方面实施例的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执行指令,所述计算机可执行指令用于使计算机执行如第一方面实施例所述的图像区域划分方法。
根据本申请的计算机可读存储介质,至少具有如下有益效果:通过执行第一方面实施例中提到的图像区域划分方法,能够对图像进行划分,提高图像的辨识度,有利于用户对房间各个区域的识别。
本申请的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
图1为本申请实施例中图像区域划分方法的一具体流程示意图;
图2为本申请实施例中图像区域划分方法的一应用实例图;
图3为本申请实施例中图像区域划分方法的步骤S500的一具体流程示意图;
图4为本申请实施例中图像区域划分方法的另一具体流程示意图;
图5为本申请实施例中图像区域划分方法的步骤S700的一具体流程示意图;
图6为本申请实施例中图像区域划分系统的一具体模块示意图;
图7为本申请实施例中图像区域划分系统的另一具体模块示意图;
图8为本申请实施例中图像区域划分系统的第二获取模块的具体模块示意图。
附图标记:
第一获取模块110;第一处理模块130;第二获取模块150,第二获取子模块151,确定模块152;第二处理模块160;划分模块170。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能理解为对本申请的限制。
在本申请的描述中,如果有描述到第一、第二只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
需要说明的是,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同流程图中的顺序执行所示出或描述的步骤。如果涉及到“若干”,其含义是一个以上,如果涉及到“多个”,其含义是两个以上,如果涉及到“以下”,均应理解为包括本数。本文所提供的任何以及所有实例或示例性语言(“例如”、“如”等)的使用仅意图更好地说明本申请的实施例,并且除非另外要求,否则不会对本申请的范围施加限制。
需要说明的是,如无特殊说明,在实施例中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。此外,除非另有定义,本文所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。本文说明书中所使用的术语只是为了描述具体的实施例,而不是为了限制本申请。
随着智能化革命的不断推荐,各式各样的扫地机器人已经出现在人们的视野中,崭露头角,例如激光雷达扫地机器人的出现,可以使扫地机在清扫过程中不再重复清扫同一区域,并且通过雷达数据以及激光扫描的房间户型,能够精确地获取扫地机器人当前的位置信息,用户可以通过激光扫描得到的房间形状对扫地机器人进行清扫规划,但是现有的激光机器人扫描得到的图像辨识度低,不利于用户对房间各个区域的识别。
基于此,本申请实施例提供了一种图像区域划分方法、系统、电子设备及存储介质,能够对图像进行划分,提高图像的辨识度,有利于用户对房间各个区域的识别。
需要说明的是,本申请实施例中提到的机器人为搭载了扫描设备的机器人,例如搭载了激光雷达的扫地机器人等,扫地机器人可以通过雷达数据和在工作状态下对经过的地方进行激光扫描,得到清扫的房间户型等图像数据,并且精确定位当前位置,本申请实施例中所提到的机器人以搭载了激光雷达的扫地机器人为例进行说明。
第一方面,本申请实施例中提供了一种图像区域划分方法。
在一些实施例中,参照图1,示出了本申请实施例中图像区域划分方法的具体流程示意图。其具体包括步骤:
S100,获取机器人扫描得到的待划分原始图像;
S300,对待划分原始图像进行预处理,得到待划分中间图像;
S500,获取每一初始区域的核心位置;
S700,根据核心位置对待划分中间图像进行划分处理,得到目标图像。
在步骤S100中,本申请实施例中通过网络传输的方式,获取机器人通过扫描仪器扫描获取得到的待划分原始图像。其中,如图2所示,待划分原始图像是指机器人通过清扫过的区域并通过激光类打扫描得到的房间户型等图像数据。获取通过搭载的通信模块将上传的图像数据,以进行后续的处理。
在步骤S300中,当获取到机器人上传的待划分原始图像时,会对待划分原始图像进行预处理,得到待划分中间图像,其中待划分中间图像包括至少两个初始区域。在实际应用中,机器人扫描获取的待划分原始图像往往不够清晰,辨识度不高,例如图像中存在较多的噪点,因此需要对待划分原始图像进行预处理,去除图像中的噪点,使得处理后的图像的辨识度提高,以便进行后续的区域划分。其中预处理方式是指对待划分原始图像进行二值化处理,从而去除图像中的噪点,得到处理后的图像即待划分中间图像,具体可以通过常用的去噪方式进行,例如均值模糊去噪法、高斯模糊去噪法、双边/均值迁移模糊去噪法、非局部均值去噪法等,具体去噪方式本申请实施例中不做限定。
需要说明的是,通过激光扫描得到的待划分原始图像和待划分中间图像均包括至少两个初始区域,其中初始区域在实际应用中是指各个房间区域,激光雷达机器人通过激光扫描和雷达定位将清扫过的房间图像生成清扫地图即待划分原始图像,每个房间代表一个初始区域,从整体上确定每个房间所对应的初始区域。对待划分原始图像进行预处理后,能够得到去除噪点后的待划分中间图像,其中待划分中间图像中的初始区域在去除噪点后,提高了辨识度。
在步骤S500中,根据上传的待划分中间图像获取每一个初始区域中的核心位置,其中核心位置是指当前的初始区域内每一个位置点中距离初始区域的边缘位置的距离大小中最大值所对应的位置。
在一些实施例中,如图3所示,步骤S500具体还包括步骤:
S510,根据每一初始区域的区域边缘获取每一初始区域中的多个位置点的距离参数;
S520,根据多个位置点的距离参数确定核心位置。
在步骤S510中,每一个初始区域都存在区域边缘,其中区域边缘是指激光雷达机器人所能扫描到的最大范围的区域位置,在实际应用中则是指房间墙壁等阻碍物,当扫描到墙壁等阻碍物时,即当前初始区域的区域边缘,该区域边缘为图2中的黑色区域,白色区域则为扫描得到的初始区域。通过计算获取到初始区域中的每一个位置点的距离参数,其中距离参数是指初始区域中每一个位置点距离最近的区域边缘的欧氏距离的距离大小。以一个方正的初始区域即房间为例,该房间的区域边缘为上下左右四个墙体边缘,计算当前房间的多个位置点的距离参数,其中距离参数是指一个位置到最近的墙体边缘的距离大小,通过计算位置点到最近墙体边缘的欧式距离,从而得到对应的距离参数。在实际应用中,对待划分中间图像进行每一个像素点即对应位置点进行计算,从而确定每一个像素点所对应的距离参数。
在步骤S520中,当计算得到了多个位置点所对应的距离参数时,选取其中距离参数最大的位置点作为初始区域的核心位置。在实际应用中,如下表表1所示:
0 | 0 | 0 | 0 | 0 | 0 | 0 |
0 | 255(1) | 255(1) | 255(1) | 255(1) | 255(1) | 0 |
0 | 255(1) | 255(2) | 255(2) | 255(2) | 255(1) | 0 |
0 | 255(1) | 255(2) | 255(3) | 255(2) | 255(1) | 0 |
0 | 255(1) | 255(2) | 255(2) | 255(2) | 255(1) | 0 |
0 | 255(1) | 255(1) | 255(1) | 255(1) | 255(1) | 0 |
0 | 0 | 0 | 0 | 0 | 0 | 0 |
表1
在表1中,0表示待划分中间图像中的黑色区域即初始区域的区域边缘,该区域未扫描得到,因此以0进行标识;255表示待划分中间图像中的白色区域即初始区域的区域边缘,该区域通过激光扫描得到,每一个255表示初始区域中的位置点,在实际应用中,位置点的数目基于像素点进行确定,本申请实施例中以25个位置点为例;255(1)表示当前位置点距离最近的区域边缘的距离参数的大小,在实际应用中,该距离参数的取值可以取小数,从而确保距离参数的准确性,间接保证了核心位置选取的准确性。结合表1可以得知,选取距离参数最大的位置点作为核心位置,即当前初始区域的核心位置为距离参数为3的位置点。
在一些实施例中,在步骤S500之后,如图4所示,本申请实施例还包括步骤:
S600,对每一初始区域的核心位置进行灰度值处理,得到对应每一核心位置的编码参数。
在步骤S600中,当获取到每一个初始区域的核心位置后,对核心位置进行灰度值处理,得到每一个核心位置所对应的编码参数。其中编码参数是指每一个核心位置进行灰度处理后的灰度值,每一个核心位置都有对应的灰度值,并且各个核心位置所对应的灰度值不同,即每一个核心位置都有各自的编码参数并且编码参数均不同,可以通过轮询核心位置所对应的距离参数的方式,为每一个核心位置分配对应的灰度值。通过为每一个核心位置分配对应的灰度值,从而方便对不同的核心位置进行区分。在实际应用中,通过调整灰度值,使得不同初始区域所对应的颜色灰度不同,最终生成的图像颜色也不同。
在步骤S700中,根据获取到的核心位置对待划分中间图像进行划分处理,从而得到最后的目标图像,其中目标图像是指完成图像区域划分后所得到的划分图像,该目标图像中对各个区域的划分辨识度高,利于用户进行识别。
在一些实施例中,如图5所示,步骤S700具体还包括步骤:
S710,根据每一初始区域的核心位置和对应的编码参数对每一初始区域进行划分处理,生成目标区域;
S720,根据多个目标区域组合生成目标图像。
在步骤S710中,根据每一个初始区域的核心位置和核心位置对应的编码参数对初始区域进行划分处理,生成对应的目标区域,其中划分处理是指基于核心位置对初始区域进行填充处理,具体的填充方式是基于漫水填充算法和核心位置所对应的距离参数进行填充的,即当前初始区域内的核心位置为起始注水点,当前初始区域的区域边缘为终止点,由核心位置向区域边缘进行漫水填充;再结合对应的编码参数,使得每一个初始区域经过填充处理后生成的目标区域,具有不同的灰度值,便于区分不同的划分区域。需要说明的是,不同的初始区域内的核心位置所对应的距离参数不同,初始区域之间不会填充至其他初始区域,即基于核心位置进行填充的终止点为当前核心位置所对应的初始区域的区域边缘,当填充至区域边缘时,则停止漫水填充。
在步骤S720中,通过填充处理后的目标区域,可以组合生成最终的目标图像,即得到的目标图像中包括多个目标区域,每个目标区域具有不同灰度值,便于进行区分。
在一些实施例中,当通过步骤S700后生成目标图像后,在云端服务器中用户可以通过目标图像对房间进行辨识及区分,并且用户可以点击对应的目标区域进行清扫指令的下发,使得机器人能够根据接收到的清扫指令对目标区域即对应的房间进行清扫,能够使得机器人有效地完成清扫区域,避免因为区域定义错误的问题导致机器人进行重复清扫。
在可能实施的应用实例中,云端服务器通过获取机器人上传的图像数据,对图像数据进行二值化处理以去除图像数据中的噪点,获取二值化处理后的图像数据中的每一个初始区域的核心位置,对核心位置进行编码获取对应的编码参数,使得每一个核心位置具有各自对应的灰度值,基于灰度值及核心位置对每一个初始区域进行漫水填充,从而生成目标图像。
在本申请实施例中,通过获取机器人扫描得到的待划分原始图像,对待划分原始图像进行预处理,得到待划分中间图像,其中待划分中间图像包括至少两个初始区域,获取每一个初始区域的核心位置,根据核心位置对待划分图像进行划分处理,得到目标图像,能够对图像进行划分,提高图像的辨识度,有利于用户对房间各个区域的识别。
第二方面,本申请实施例还提供了一种图像区域划分系统。
在一些实施例中,参考图6,示出了本申请实施例中提到的图像区域划分系统的具体模块示意图,包括:
第一获取模块110,用于获取机器人扫描得到的待划分原始图像;
第一处理模块130,用于对待划分原始图像进行预处理,得到待划分中间图像;其中,待划分中间图像包括至少两个初始区域;
第二获取模块150,用于获取每一初始区域的核心位置;
划分模块170,用于根据核心位置对待划分中间图像进行划分处理,得到目标图像。
在一些实施例中,如图7所示,本申请实施例中提到的图像区域划分系统还包括:
第二处理模块160,对每一初始区域的核心位置进行对应的灰度值处理,得到对应每一区域的核心位置的编码参数。
在一些实施例中,如图8所示,第二获取模块150还包括第二获取子模块151和确定模块152,其中第二获取子模块151用于根据每一初始区域的区域边缘获取每一初始区域中的多个位置点的距离参数,距离参数标识位置点距离区域边缘的距离大小;确定模块152用于根据多个位置点的距离参数确定核心位置。
在一些实施例中,划分模块170还包括划分子模块,划分子模块用于根据每一初始区域的区域边缘获取每一初始区域中的多个位置点的距离参数,距离参数标识位置点距离区域边缘的距离大小;根据多个目标区域组合生成目标图像。
需要说明的是,需要说明的是,本申请实施例中所提到的图像区域划分系统应用于第一方面所提到的图像区域划分方法,因此本申请实施例中所提到的各个功能模块的具体功能及作用已在第一方面实施例中详细描述,故不再赘述。
在本申请实施例,通过第一获取模块110获取机器人扫描得到的待划分原始图像,由第一处理模块130对待划分原始图像进行预处理,得到待划分中间图像,其中待划分中间图像包括至少两个初始区域,第二获取模块150获取每一个初始区域的核心位置,最后划分模块170根据核心位置对待划分图像进行划分处理,得到目标图像,能够对图像进行划分,提高图像的辨识度,有利于用户对房间各个区域的识别。
第三方面,本申请实施例还提供了一种电子设备,包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器;
其中,所述处理器通过调用所述存储器中存储的计算机程序,用于执行第一方面实施例中图像区域划分方法。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序,如本申请第一方面实施例中图像区域划分方法。处理器通过运行存储在存储器中的非暂态软件程序以及指令,从而实现上述第一方面实施例中图像区域划分方法。
存储器可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储执行上述第一方面实施例中图像区域划分方法。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
实现上述第一方面实施例中图像区域划分方法所需的非暂态软件程序以及指令存储在存储器中,当被一个或者多个处理器执行时,执行上述第一方面实施例中图像区域划分方法。
第四方面,本申请实施例还提供了计算机可读存储介质,存储有计算机可执行指令,所述计算机可执行指令用于:执行第一方面实施例中图像区域划分方法;
在一些实施例中,该计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个控制处理器执行,例如,被第三方面实施例的电子设备中的一个处理器执行,可使得上述一个或多个处理器执行上述第一方面实施例中图像区域划分方法。
以上所描述的设备实施例仅仅是示意性的,其中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,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模块来实现本实施例方案的目的。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
在本说明书的描述中,参考术语“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。
Claims (10)
1.图像区域划分方法,其特征在于,应用于机器人,包括:
获取所述机器人扫描得到的待划分原始图像;
对所述待划分原始图像进行预处理,得到待划分中间图像;其中,所述待划分中间图像包括至少两个初始区域;
获取每一所述初始区域的核心位置;
根据所述核心位置对所述待划分中间图像进行划分处理,得到目标图像。
2.根据权利要求1所述的图像区域划分方法,其特征在于,还包括:
对每一所述初始区域的核心位置进行灰度值处理,得到每一所述核心位置对应的编码参数。
3.根据权利要求2所述的图像区域划分方法,其特征在于,所述获取每一所述初始区域的核心位置,包括:
根据所述每一初始区域的区域边缘获取所述每一初始区域中的多个位置点的距离参数,所述距离参数标识所述位置点距离所述区域边缘的距离大小;
根据所述多个位置点的距离参数确定所述核心位置。
4.根据权利要求3所述的图像区域划分方法,其特征在于,所述根据所述核心位置对所述待划分中间图像进行划分处理,得到目标图像,包括:
根据每一初始区域的所述核心位置和对应的所述编码参数对每一初始区域进行划分处理,生成所述目标区域;
根据多个所述目标区域组合生成所述目标图像。
5.图像区域划分系统,其特征在于,包括:
第一获取模块,所述第一获取模块用于获取机器人扫描得到的待划分原始图像;
第一处理模块,所述第一处理模块用于对所述待划分原始图像进行预处理,得到待划分中间图像;其中,所述待划分中间图像包括至少两个初始区域;
第二获取模块,所述第二获取模块用于获取每一所述初始区域的核心位置;
划分模块,所述划分模块用于根据所述核心位置对所述待划分中间图像进行划分处理,得到目标图像。
6.根据权利要求5所述的图像区域划分系统,其特征在于,还包括:第二处理模块,第二处理模块用于对所述每一所述初始区域的核心位置进行对应的灰度值处理,得到对应每一区域的所述核心位置的编码参数。
7.根据权利要求6所述的图像区域划分系统,其特征在于,所述第二获取模块还包括:第二获取子模块和确定模块;
所述第二获取子模块用于根据所述每一初始区域的区域边缘获取所述每一初始区域中的多个位置点的距离参数,所述距离参数标识所述位置点距离所述区域边缘的距离大小;
所述确定模块用于根据所述多个位置点的距离参数确定所述核心位置。
8.根据权利要求7所述的图像区域划分系统,其特征在于,所述划分模块还包括:划分子模块;
所述划分子模块用于根据所述每一初始区域的区域边缘获取所述每一初始区域中的多个位置点的距离参数,所述距离参数标识所述位置点距离所述区域边缘的距离大小;
根据多个所述目标区域组合生成所述目标图像。
9.电子设备,其特征在于,包括:
至少一个处理器,以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行所述指令时实现如权利要求1至4任一项所述的图像区域划分方法。
10.计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如权利要求1至4任一项所述的图像区域划分方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011414589.1A CN112561927B (zh) | 2020-12-07 | 2020-12-07 | 图像区域划分方法、系统、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011414589.1A CN112561927B (zh) | 2020-12-07 | 2020-12-07 | 图像区域划分方法、系统、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112561927A true CN112561927A (zh) | 2021-03-26 |
CN112561927B CN112561927B (zh) | 2024-03-12 |
Family
ID=75059038
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011414589.1A Active CN112561927B (zh) | 2020-12-07 | 2020-12-07 | 图像区域划分方法、系统、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112561927B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160036008A (ko) * | 2014-09-24 | 2016-04-01 | 삼성전자주식회사 | 청소 로봇 및 청소 로봇의 제어 방법 |
CN109199245A (zh) * | 2018-09-30 | 2019-01-15 | 江苏美的清洁电器股份有限公司 | 扫地机及其控制方法和控制装置 |
CN109522803A (zh) * | 2018-10-18 | 2019-03-26 | 深圳乐动机器人有限公司 | 一种室内区域划分和识别方法、装置及终端设备 |
US20200097013A1 (en) * | 2018-09-21 | 2020-03-26 | Tata Consultancy Services Limited | Method and system for free space detection in a cluttered environment |
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 |
CN111857127A (zh) * | 2020-06-12 | 2020-10-30 | 珠海市一微半导体有限公司 | 一种机器人沿边行走的清洁分区规划方法、芯片及机器人 |
-
2020
- 2020-12-07 CN CN202011414589.1A patent/CN112561927B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160036008A (ko) * | 2014-09-24 | 2016-04-01 | 삼성전자주식회사 | 청소 로봇 및 청소 로봇의 제어 방법 |
US20200097013A1 (en) * | 2018-09-21 | 2020-03-26 | Tata Consultancy Services Limited | Method and system for free space detection in a cluttered environment |
CN109199245A (zh) * | 2018-09-30 | 2019-01-15 | 江苏美的清洁电器股份有限公司 | 扫地机及其控制方法和控制装置 |
CN109522803A (zh) * | 2018-10-18 | 2019-03-26 | 深圳乐动机器人有限公司 | 一种室内区域划分和识别方法、装置及终端设备 |
WO2020077850A1 (zh) * | 2018-10-18 | 2020-04-23 | 深圳乐动机器人有限公司 | 一种室内区域划分和识别方法、装置及终端设备 |
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 |
CN111857127A (zh) * | 2020-06-12 | 2020-10-30 | 珠海市一微半导体有限公司 | 一种机器人沿边行走的清洁分区规划方法、芯片及机器人 |
Also Published As
Publication number | Publication date |
---|---|
CN112561927B (zh) | 2024-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112101066B (zh) | 目标检测方法和装置及智能驾驶方法、设备和存储介质 | |
CN111444811B (zh) | 一种三维点云目标检测的方法 | |
CN110473221B (zh) | 一种目标物体自动扫描系统及方法 | |
CN111783722B (zh) | 一种激光点云的车道线提取方法和电子设备 | |
CN115381335B (zh) | 一种扫地机器人的路径控制方法、装置、设备及存储介质 | |
CN115115655A (zh) | 目标分割方法、装置、电子设备、存储介质及程序产品 | |
CN114943659A (zh) | 地图区域分割方法以及相关设备 | |
CN108550134B (zh) | 建图效果指标的确定方法和建图效果指标的确定装置 | |
CN114241444A (zh) | 车道线的识别方法和装置、存储介质及电子装置 | |
CN112561927B (zh) | 图像区域划分方法、系统、电子设备及存储介质 | |
CN110557622B (zh) | 基于结构光的深度信息获取方法及装置、设备及介质 | |
CN111044988A (zh) | 一种激光雷达扫描户型图的精细化处理方法 | |
CN112571409B (zh) | 基于视觉slam的机器人控制方法、机器人及介质 | |
CN113313968A (zh) | 车位检测方法及存储介质 | |
CN115393372A (zh) | 地图分区方法、装置、自主移动设备和存储介质 | |
CN112364693A (zh) | 基于双目视觉的障碍识别方法、装置、设备及存储介质 | |
CN111932629A (zh) | 一种基于深度神经网络的目标定位方法及系统 | |
Khoshelham | Building extraction from multiple data sources: A data fusion framework for reconstruction of generic models | |
Huang et al. | Post‐filtering with surface orientation constraints for stereo dense image matching | |
CN111010558B (zh) | 一种基于短视频图像的立木深度图生成方法 | |
CN112419459B (zh) | 烘焙模型ao贴图的方法、装置、计算机设备和存储介质 | |
CN115423934B (zh) | 户型图生成方法、装置、电子设备及存储介质 | |
CN116310835A (zh) | 目标区域识别方法及装置、电子设备、存储介质 | |
CN115731360A (zh) | 面向人机交互的栅格地图后处理表示方法 | |
CN114332345A (zh) | 一种基于双目视觉的冶金库区局部三维重建方法及系统 |
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 |