CN113283328A - 移动设备进电梯的控制方法、装置及存储介质 - Google Patents
移动设备进电梯的控制方法、装置及存储介质 Download PDFInfo
- Publication number
- CN113283328A CN113283328A CN202110544394.7A CN202110544394A CN113283328A CN 113283328 A CN113283328 A CN 113283328A CN 202110544394 A CN202110544394 A CN 202110544394A CN 113283328 A CN113283328 A CN 113283328A
- Authority
- CN
- China
- Prior art keywords
- elevator
- elevator car
- classification
- image
- target image
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000012549 training Methods 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 9
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 238000013461 design Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 13
- 238000012545 processing Methods 0.000 description 7
- 238000013136 deep learning model Methods 0.000 description 6
- 238000002372 labelling Methods 0.000 description 6
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical compound CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 235000012054 meals Nutrition 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Automation & Control Theory (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Optics & Photonics (AREA)
- Electromagnetism (AREA)
- Elevator Control (AREA)
- Indicating And Signalling Devices For Elevators (AREA)
Abstract
本申请公开了一种移动设备进电梯的控制方法、装置及存储介质,涉及人工智能技术领域,可以更为准确的检测电梯桥厢内的拥挤程度,进而可以更准确的确定电梯桥厢内是否为可进入状态,提升移动设备的乘梯效率。该方法包括:在电梯桥厢为打开状态的情况下,获取目标图像(即电梯桥厢内的图像);然后获取目标图像对应的分类标签;其中,分类标签至少包括两种类别,且不同类别的分类标签表征的电梯桥厢内的拥挤程度不同;之后,根据分类标签,确定电梯桥厢是否为可进入状态;在确定电梯桥厢为可进入状态的情况下,控制移动设备进入电梯桥厢。
Description
技术领域
本申请实施例涉及人工智能技术领域,尤其涉及一种移动设备进电梯的控制方法、装置及存储介质。
背景技术
随着人工智能技术的快速发展,机器人的应用越来越广。目前,机器人已经可以替代人工进行送餐或运输其他物品。当机器人运输物品的始发地和目的地不在同一楼层时,机器人可以搭乘电梯进行物品的运输。
现有的,机器人在搭乘电梯时,一般基于激光雷达扫描到的二维地图数据,检测电梯桥厢内的空余面积,从而确定电梯桥厢内是否拥挤,机器人此时是否可以搭乘电梯。然而,上述基于激光雷达扫描到的二维地图数据检测电梯桥厢内的拥挤程度的方法,经常会出现误判的情况,检测的准确度较低。
发明内容
本申请提供一种移动设备进电梯的控制方法、装置及存储介质,可以更为准确的检测电梯桥厢内的拥挤程度。
为达到上述目的,本申请采用如下技术方案:
第一方面,本申请提供一种移动设备进电梯的控制方法,包括:在电梯桥厢为打开状态的情况下,获取目标图像(即电梯桥厢内的图像);然后获取目标图像对应的分类标签;其中,分类标签至少包括两种类别,且不同类别的分类标签表征的电梯桥厢内的拥挤程度不同;之后,根据分类标签,确定电梯桥厢是否为可进入状态;在确定电梯桥厢为可进入状态的情况下,控制移动设备进入电梯桥厢。
本申请提供的移动设备进电梯的控制方法中,可以基于目标图像对应的分类标签确定标图像中电梯桥厢的拥挤程度,并根据拥挤程度确定是否控制移动设备进入电梯。由于不同类别的分类标签可以表征不同拥挤程度的电梯桥厢,所以,基于分类标签,可以较为准确的确定出电梯桥厢内的拥挤程度,避免出现误判的情况,提高检测电梯桥厢内的拥挤程度的准确率,进而可以更准确的确定电梯桥厢内是否为可进入状态,提升移动设备的乘梯效率。
可选的,在一种可能的设计方式中,上述“获取目标图像对应的分类标签”可以包括:
调用图像分类器,对目标图像进行分类,得到目标图像对应的分类标签;
其中,图像分类器根据样本图像以及样本图像对应的分类标签训练得到。
可选的,在另一种可能的设计方式中,本申请提供的移动设备进电梯的控制方法还可以包括:
确定样本图像中的图像特征;图像特征包括:乘客数量和/或剩余空间面积;
根据图像特征以及样本图像对应的分类标签训练图像分类器。
可选的,在另一种可能的设计方式中,分类标签包括:空载、轻度拥挤、中度拥挤和重度拥挤四种类别的标签,上述“根据分类标签,确定电梯桥厢是否为可进入状态”,可以包括:在分类标签为轻度拥挤或空载的情况下,确定电梯桥厢为可进入状态。
可选的,在另一种可能的设计方式中,上述“根据分类标签,确定电梯桥厢是否为可进入状态”还可以包括:
在分类标签为中度拥挤的情况下,发出语音信号;语音信号用于提示电梯桥厢内的乘客避让;
在第一预设时长之后,重新获取目标图像,并获取重新获取的目标图像的分类标签;
在确定重新获取的目标图像的分类标签为轻度拥挤或空载的情况下,确定电梯桥厢为可进入状态。
可选的,在另一种可能的设计方式中,上述“获取目标图像”可以包括:基于预设采集频率获取目标图像;上述“根据分类标签,确定电梯桥厢是否为可进入状态”可以包括:在确定至少两个目标图像的分类标签的类别相同的情况下,确定电梯桥厢是否为可进入状态;至少两个目标图像为连续采集的目标图像。
可选的,在另一种可能的设计方式中,上述“控制移动设备进入电梯桥厢”可以包括:
根据电梯桥厢的场景地图和目标图像,为移动设备规划导航路径;
根据导航路径控制移动设备行驶至电梯桥厢内的空闲位置。
可选的,在另一种可能的设计方式中,上述“在确定电梯桥厢为可进入状态的情况下”之后,本申请提供的移动设备进电梯的控制方法还可以包括:
向电梯桥厢发送进厢信号;进厢信号用于指示电梯桥厢保持打开状态。
第二方面,本申请提供一种移动设备进电梯的控制装置,包括获取模块,确定模块和控制模块;
具体的,获取模块,用于在电梯桥厢为打开状态的情况下,获取目标图像;目标图像为电梯桥厢内的图像;
获取模块,还用于获取目标图像对应的分类标签;分类标签至少包括两种类别,且不同类别的分类标签表征的电梯桥厢内的拥挤程度不同;
确定模块,用于根据获取模块获取的分类标签,确定电梯桥厢是否为可进入状态;
控制模块,用于在确定模块确定电梯桥厢为可进入状态的情况下,控制移动设备进入电梯桥厢。
可选的,在一种可能的设计方式中,获取模块具体用于:
调用图像分类器,对目标图像进行分类,得到目标图像对应的分类标签;
其中,图像分类器根据样本图像以及样本图像对应的分类标签训练得到。
可选的,在另一种可能的设计方式中,
确定模块还用于:确定样本图像中的图像特征;图像特征包括:乘客数量和/或剩余空间面积;
本申请提供的移动设备进电梯的控制装置还包括训练模块,训练模块用于根据图像特征以及样本图像对应的分类标签训练图像分类器。
可选的,在另一种可能的设计方式中,分类标签包括:空载、轻度拥挤、中度拥挤和重度拥挤四种类别的标签,确定模块具体用于:
在分类标签为轻度拥挤或空载的情况下,确定电梯桥厢为可进入状态。
可选的,在另一种可能的设计方式中,确定模块具体用于:
在分类标签为中度拥挤的情况下,发出语音信号;语音信号用于提示电梯桥厢内的乘客避让;
在第一预设时长之后,重新获取目标图像,并获取重新获取的目标图像的分类标签;
在确定重新获取的目标图像的分类标签为轻度拥挤或空载的情况下,确定电梯桥厢为可进入状态。
可选的,在另一种可能的设计方式中,
获取模块具体用于:基于预设采集频率获取目标图像;
确定模块具体用于:在确定至少两个目标图像的分类标签的类别相同的情况下,确定电梯桥厢是否为可进入状态;至少两个目标图像为连续采集的目标图像。
可选的,在另一种可能的设计方式中,控制模块具体用于:
根据电梯桥厢的场景地图和目标图像,为移动设备规划导航路径;
根据导航路径控制移动设备行驶至电梯桥厢内的空闲位置。
可选的,在另一种可能的设计方式中,本申请提供的移动设备进电梯的控制装置还包括发送模块,用于向电梯桥厢发送进厢信号;进厢信号用于指示电梯桥厢保持打开状态。
第三方面,本申请提供一种移动设备进电梯的控制装置,包括存储器、处理器、总线和通信接口;存储器用于存储计算机执行指令,处理器与存储器通过总线连接;当移动设备进电梯的控制装置运行时,处理器执行存储器存储的计算机执行指令,以使移动设备进电梯的控制装置执行如上述第一方面提供的移动设备进电梯的控制方法。
可选的,该移动设备进电梯的控制装置还可以包括收发器,该收发器用于在移动设备进电梯的控制装置的处理器的控制下,执行收发数据、信令或者信息的步骤,例如,获取目标图像。
进一步可选的,该移动设备进电梯的控制装置可以是用于实现移动设备进电梯的控制的物理机,也可以是物理机中的一部分装置,例如可以是物理机中的芯片系统。该芯片系统用于支持移动设备进电梯的控制装置实现第一方面中所涉及的功能,例如,接收,发送或处理上述移动设备进电梯的控制方法中所涉及的数据和/或信息。该芯片系统包括芯片,也可以包括其他分立器件或电路结构。
进一步可选的,该移动设备进电梯的控制装置可以是移动设备本身,也可以是移动设备中的一部分装置,
第四方面,本申请提供一种计算机可读存储介质,计算机可读存储介质中存储有指令,当计算机执行指令时,使得计算机执行如第一方面提供的移动设备进电梯的控制方法。
第五方面,本申请提供一种计算机程序产品,该计算机程序产品包括计算机指令,当计算机指令在计算机上运行时,使得计算机执行如第一方面提供的移动设备进电梯的控制方法。
需要说明的是,上述计算机指令可以全部或者部分存储在计算机可读存储介质上。其中,计算机可读存储介质可以与移动设备进电梯的控制装置的处理器封装在一起的,也可以与移动设备进电梯的控制装置的处理器单独封装,本申请对此不做限定。
本申请中第二方面、第三方面、第四方面以及第五方面的描述,可以参考第一方面的详细描述;并且,第二方面、第三方面、第四方面、以及第五方面的描述的有益效果,可以参考第一方面的有益效果分析,此处不再赘述。
在本申请中,上述移动设备进电梯的控制装置的名字对设备或功能模块本身不构成限定,在实际实现中,这些设备或功能模块可以以其他名称出现。只要各个设备或功能模块的功能和本申请类似,属于本申请权利要求及其等同技术的范围之内。
本申请的这些方面或其他方面在以下的描述中会更加简明易懂。
附图说明
图1为本申请实施例提供的一种移动设备进电梯的控制系统的架构示意图;
图2为本申请实施例提供的一种移动设备进电梯的控制方法的流程示意图;
图3为本申请实施例提供的另一种移动设备进电梯的控制方法的流程示意图;
图4为本申请实施例提供的又一种移动设备进电梯的控制方法的流程示意图;
图5为本申请实施例提供的又一种移动设备进电梯的控制方法的流程示意图;
图6为本申请实施例提供的又一种移动设备进电梯的控制方法的流程示意图;
图7为本申请实施例提供的又一种移动设备进电梯的控制方法的流程示意图;
图8为本申请实施例提供的一种移动设备进电梯的控制装置的结构示意图;
图9为本申请实施例提供的另一种移动设备进电梯的控制装置的结构示意图。
具体实施方式
下面结合附图对本申请实施例提供的移动设备进电梯的控制方法、装置及存储介质进行详细地描述。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。
本申请的说明书以及附图中的术语“第一”和“第二”等是用于区别不同的对象,或者用于区别对同一对象的不同处理,而不是用于描述对象的特定顺序。
此外,本申请的描述中所提到的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选的还包括其他没有列出的步骤或单元,或可选的还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
在本申请的描述中,除非另有说明,“多个”的含义是指两个或两个以上。
随着人工智能技术的快速发展,机器人的应用越来越广。目前,机器人已经可以替代人工进行送餐或运输其他物品。当机器人运输物品的始发地和目的地不在同一楼层时,机器人可以搭乘电梯进行物品的运输。
现有的,机器人在搭乘电梯时,一般基于激光雷达扫描到的二维地图数据,检测电梯桥厢内的空余面积,从而确定电梯桥厢内是否拥挤,机器人此时是否可以搭乘电梯。然而,上述基于激光雷达扫描到的二维地图数据检测电梯桥厢内的拥挤程度的方法,经常会出现误判的情况,检测的准确度较低。
针对上述现有技术中存在的问题,本申请实施例提供了一种移动设备进电梯的控制方法、装置及存储介质,该方案基于目标图像对应的分类标签确定标图像中电梯桥厢的拥挤程度,并根据拥挤程度确定是否控制移动设备进入电梯,可以较为准确的确定出电梯桥厢内的拥挤程度,可以避免出现误判的情况,提高检测电梯桥厢内的拥挤程度的准确率。
本申请实施例提供的移动设备进电梯的控制方法可以应用于移动设备进电梯的控制装置。在一种可能的实现方式中,移动设备进电梯的控制装置可以是移动设备本体或者移动设备中的芯片系统。
示例性的,在一种可能的实现方式中,移动设备上设置有采集设备,采集设备在电梯桥厢为打开状态的情况下,获取目标图像,然后获取目标图像对应的分类标签,并根据分类标签,确定电梯桥厢是否为可进入状态;之后在确定电梯桥厢为可进入状态的情况下,移动设备进入电梯桥厢。可以理解的是,电梯到达目标楼层后,可能存在人员的流动,在电梯桥厢为打开状态时采集目标图像相较于打开前采集,能够更加准确。
在另一种可能的实现方式中,采集设备也可以为安装在电梯桥厢内部的摄像头等用于采集图像的设备。当然,在实际应用中,采集设备也可以为其他位置部署的采集设备,比如,楼道内的采集设备,本申请实施例对此不做限定,能够采集到电梯桥厢内的图像即可。
优选地,采集设备设置在移动设备上,移动设备进电梯的控制装置是移动设备中的芯片系统,采集设备与移动设备进电梯的控制装置有线通信连接,将采集到的目标图像传输至芯片系统进行处理。将采集设备设置在移动设备上,采集设备在目标楼层采集到的电梯桥厢内图像即为目标图像,数据采集量小,且有线通信连接能够使得数据传输更加稳定,避免因为附近智能终端设备过多等问题导致信号不稳定,提升了可靠性。
在另一种可能的实现方式中,移动设备进电梯的控制装置也可以是与移动设备通信连接的服务器。示例性的,参照图1,提供了一种移动设备进电梯的控制系统。如图1所示,移动设备进电梯的控制系统包括服务器01和至少一个移动设备02。服务器01与每个移动设备02连接。
服务器01,用于获取移动设备02采集的目标图像,并获取目标图像对应的分类标签,然后根据分类标签,确定电梯桥厢是否为可进入状态;之后在确定电梯桥厢为可进入状态的情况下,控制移动设备02进入电梯桥厢。
可以理解的是,在图1所示的移动设备进电梯的控制系统中,服务器01对每个移动设备02的处理过程可以相同。本申请实施例的以下描述中,是以服务器01对一个移动设备02的处理为例进行说明的。
其中,移动设备可以为机器人。当然,在实际应用中,移动设备还可以为其他可移动的人工智能设备。优选地,移动设备为机器人,机器人在进行跨楼层送餐或运输其他物品的过程中,往往需要搭乘电梯。因此,本申请公开的移动设备进电梯的控制方法尤其适用于机器人乘梯场景,能大大提升机器人的乘梯效率。
下面对本申请提供的移动设备进电梯的控制方法进行说明。
参照图2,本申请实施例提供的移动设备进电梯的控制方法包括S201-S204:
S201、移动设备进电梯的控制装置在电梯桥厢为打开状态的情况下,获取目标图像。
其中,目标图像为电梯桥厢内的图像。
S202、移动设备进电梯的控制装置获取目标图像对应的分类标签。
其中,分类标签至少包括两种类别,且不同类别的分类标签表征的电梯桥厢内的拥挤程度不同。
可选的,在一种可能的实现方式中,移动设备进电梯的控制装置可以调用图像分类器,对目标图像进行分类,得到目标图像对应的分类标签。其中,图像分类器可以根据样本图像以及样本图像对应的分类标签训练得到。
可选的,在一种可能的实现方式中,移动设备进电梯的控制装置可以确定样本图像中的图像特征;然后根据图像特征以及样本图像对应的分类标签训练图像分类器。
其中,图像特征包括:乘客数量和/或剩余空间面积。乘客数量和/或剩余空间面积可以根据现有的图像处理中的特征提取方法得到,本申请实施例在此不再赘述。
示例性的,本申请实施例提供了一种根据样本图像以及样本图像对应的分类标签训练得到图像分类器的方法。首先,移动设备进电梯的控制装置可以获取移动设备在不同类型电梯的电梯口采集的1000个样本图像,不同类型的电梯的实际尺寸大小可能不同。之后,可以对采集的1000个样本图像进行人工标注,标注过程中,可以基于样本图像中的乘客的数量和电梯的实际尺寸大小给每个样本图像贴上分类标签。使用人工标注时,能够基于先验数据进行标注,模型的泛化能力强,进一步提高了准确性,进而提高了该场景下移动设备的工作效率,更高效地解决了进出电梯的任务。
当然,在实际应用中,还可以采用其他方式为样本图像贴上分类标签,本申请实施例对此不做限定。示例性的,可以采用标注设备为样本图像贴上电子分类标签。
可以理解的是,在实际应用中,还可以获取其他数量的样本图像,本申请实施例对此不作限定。示例性的,移动设备进电梯的控制装置还可以获取移动设备在不同类型电梯的电梯口采集的500个样本图像。
在一种可能的实现方式中,可以给采集的1000个样本图像分别贴上桥厢拥挤或者桥厢不拥挤两种类别的标签。示例性的,以宽*长*高为1.5米*2.7米*2.3米的电梯桥厢为例,当样本图像中的乘客数量大于或等于预设数量时,可以给样本图像贴上桥厢拥挤的分类标签,当样本图像中的乘客数量小于预设数量时,可以给样本图像贴上桥厢不拥挤的分类标签。其中,预设数量可以是事先确定的数量,比如,预设数量可以是6人。当电梯桥厢的尺寸小于宽*长*高为1.5米*2.7米*2.3米的电梯桥厢时,预设数量可以小于6人,当电梯桥厢的尺寸大于宽*长*高为1.5米*2.7米*2.3米的电梯桥厢时,预设数量可以大于6人。比如,以宽*长*高为1.4米*2.4米*2.3米的电梯桥厢为例,当样本图像中的乘客数量大于或等于5人时,可以给样本图像贴上桥厢拥挤的分类标签,当样本图像中的乘客数量小于5人时,可以给样本图像贴上桥厢不拥挤的分类标签。又如,以宽*长*高为1.8米*2.7米*2.3米的电梯桥厢为例,当样本图像中的乘客数量大于或等于7人时,可以给样本图像贴上桥厢拥挤的分类标签,当样本图像中的乘客数量小于7人时,可以给样本图像贴上桥厢不拥挤的分类标签。
可以理解的是,以上示例中的电梯桥厢的尺寸为常用的几种电梯桥厢的尺寸,在实际应用中,电梯桥厢的尺寸还可以为其他尺寸,可以根据实际应用场景中的电梯桥厢的尺寸确定预设数量。
在另一种可能的实现方式中,可以给采集的1000个样本图像分别贴上空载、轻度拥挤、中度拥挤或者重度拥挤四种类别的标签。示例性的,以宽*长*高为1.5米*2.7米*2.3米的电梯桥厢为例,当样本图像中的乘客数量小于或等于第一阈值时,可以给样本图像贴上空载的分类标签;当样本图像中的乘客数量大于第一阈值且小于第二阈值时,可以给样本图像贴上轻度拥挤的分类标签;当样本图像中的大于或等于第二阈值且小于第三阈值时,可以给样本图像贴上中度拥挤的分类标签;当样本图像中的乘客数量大于或等于第三阈值时,可以给样本图像贴上重度拥挤的分类标签。
其中,第一阈值、第二阈值以及第三阈值可以是事先确定的阈值,比如,第一阈值可以是0人,第二阈值可以是5人,第三阈值可以是10人。可以理解的是,在实际应用中,电梯桥厢的尺寸还可以为其他尺寸,可以根据实际应用的场景的电梯桥厢的尺寸确定第一阈值、第二阈值以及第三阈值,本申请实施例对此不作限定。
当然,在实际应用中,还可以将样本图像进行其他分类,本申请实施例对此不作限定。示例性的,可以给采集的1000个样本图像分别贴上轻度拥挤、中度拥挤或者重度拥挤三种类别的标签。
可以理解的是,在实际应用中,还可以基于其他方式对样本图像贴上分类标签,本申请实施例对此不作限定。示例性的,还可以基于电梯桥厢内的剩余空间面积对样本图像贴上分类标签。或者,可以基于电梯桥厢内的最大连续剩余空间面积对样本图像贴上分类标签。
其中,最大连续剩余空间面积可以为,样本图像的剩余空间面积中,面积最大的一个连续区域。
在一种可能的实现方式中,可以基于电梯桥厢内的最大连续剩余空间面积对样本图像贴上桥厢拥挤或者桥厢不拥挤两种类别的标签。基于最大连续剩余空间面积为样本图像贴标签,可以更为准确地对电梯桥厢内的拥挤程度作出评价。进一步的,可以更为准确的确定电梯桥厢内是否为可进入状态,从而可以进一步提升移动设备的乘梯效率。示例性的,当样本图像中电梯桥厢内的最大连续剩余空间面积大于或等于第一预设面积时,可以给样本图像贴上桥厢拥挤的分类标签,当样本图像中电梯桥厢内的最大连续剩余空间面积小于第一预设面积时,可以给样本图像贴上桥厢不拥挤的分类标签。其中,第一预设面积可以是事先根据移动设备的尺寸确定的,比如,第一预设面积可以是移动设备的底座的大小。
在另一种可能的实现方式中,可以基于电梯桥厢内的最大连续剩余空间面积对样本图像贴上空载、轻度拥挤、中度拥挤或者重度拥挤四种类别的标签。示例性的,当样本图像中电梯桥厢内的最大连续剩余空间面积大于或等于第二预设面积时,可以给样本图像贴上空载的分类标签;当样本图像中电梯桥厢内的最大连续剩余空间面积大于或等于第三预设面积,且小于第二预设面积时,可以给样本图像贴上轻度拥挤的分类标签;当样本图像中电梯桥厢内的最大连续剩余空间面积大于或等于第四预设面积,且小于第三预设面积时,可以给样本图像贴上中度拥挤的分类标签;当样本图像中电梯桥厢内的最大连续剩余空间面积小于第四预设面积时,可以给样本图像贴上重度拥挤的分类标签。
其中,第二预设面积、第三预设面积、第四预设面积可以是事先根据移动设备的尺寸和电梯桥厢的尺寸确定的。比如,第二预设面积可以是根据电梯桥厢的长*宽确定的,第三预设面积可以是移动设备的底座的大小。第二预设面积大于第三预设面积,第三预设面积大于第四预设面积。
当然,在实际应用中,还可以结合多种图像特征为样本图像贴上分类标签。示例性的,可以基于电梯桥厢内的最大连续剩余空间面积以及样本图像中的乘客数量对样本图像贴上空载、轻度拥挤、中度拥挤或者重度拥挤四种类别的标签。
具体的,当样本图像中电梯桥厢内的最大连续剩余空间面积大于或等于第二预设面积,且样本图像中的乘客数量小于或等于第一阈值时,可以给样本图像贴上空载的分类标签。当样本图像满足条件1、条件2或者条件3中的任意一种,给样本图像贴上轻度拥挤的分类标签。条件1为:样本图像中的乘客数量大于第一阈值且小于第二阈值,样本图像中电梯桥厢内的最大连续剩余空间面积大于或等于第二预设面积。条件2为:样本图像中的乘客数量小于或等于第一阈值,样本图像中电梯桥厢内的最大连续剩余空间面积大于或等于第三预设面积,且小于第二预设面积。条件3为:样本图像中电梯桥厢内的最大连续剩余空间面积大于或等于第三预设面积,且小于第二预设面积;样本图像中的乘客数量大于第一阈值且小于第二阈值。当样本图像中电梯桥厢内的最大连续剩余空间面积小于第四预设面积且样本图像中的乘客数量大于或等于第三阈值时,可以给样本图像贴上重度拥挤的分类标签。其余情况下,给样本图像贴上中度拥挤的分类标签。基于电梯桥厢内的最大连续剩余空间面积以及样本图像中的乘客数量对样本图像贴上分类标签时,能够充分考虑到人数以及空间的影响,进一步提升分类标签的准确性,进而提升了后续拥挤判断的准确性以及乘梯效率。
在为样本图像贴上分类标签后,可以将样本图像和样本图像的分类标签输入预设深度学习模型,得到本申请实施例中的图像分类器。
其中,预设深度学习模型可以为预先确定的训练模型。由于残差网络ResNet-18在应用于深度学习模型训练时,模型更容易优化,能够通过增加相当的深度来提高深度学习模型的准确率,可以避免其他网络中随网络深度的增加带来的退化问题。同时,在电梯桥厢拥挤程度检测这一应用场景下,对于移动设备而言,拥挤程度及是否可进入可能不仅仅取决于乘客数量,而ResNet-18因为深度够深所以可以学习到图片中更深层次的信息,同时减少了信息损耗,所以可以更好地区分电梯桥厢内的拥挤程度。且ResNet-18能够简化学习的目标和难度,减少训练时的运算负荷,因此适合对大量的电梯桥厢内图像进行处理。所以,可选的,本申请实施例中,可以选用基于残差网络ResNet-18的深度学习模型对样本图像以及样本图像对应的分类标签进行训练,得到分类准确率较高的图像分类器。当然,在实际应用中,还可以选用其他类型的深度学习模型,本申请实施例对此不作限定。
为了进一步提高对于电梯桥厢内的拥挤程度的检测准确率,可以定期对图像分类器进行优化。示例性的,当输入图像分类器的目标图像的数量每增加1000个,则可以将这1000个目标图像、图像分类器对这1000个目标图像分类得到的分类标签作为新增的样本,与初始的1000个样本图像以及样本图像对应的分类标签一起重新输入预设深度学习模型进行训练,得到优化后的图像分类器。
当然,在实际应用中,还可以采用其他方式对图像分类器进行优化,本申请实施例对此不作限定。
S203、移动设备进电梯的控制装置根据分类标签,确定电梯桥厢是否为可进入状态。
可选的,在一种可能的实现方式中,在分类标签包括:桥厢拥挤和桥厢不拥挤两种类别的标签的情况下,移动设备进电梯的控制装置在确定分类标签为桥厢不拥挤的情况下,可以确定电梯桥厢为可进入状态。对应的,移动设备进电梯的控制装置在确定分类标签为桥厢拥挤的情况下,可以确定电梯桥厢为不可进入状态。
可选的,在一种可能的实现方式中,在分类标签包括:空载、轻度拥挤、中度拥挤和重度拥挤四种类别的标签的情况下,移动设备进电梯的控制装置在确定分类标签为轻度拥挤或空载的情况下,确定电梯桥厢为可进入状态。
在采用包括电梯桥厢内的最大连续剩余空间面积这一影响因素对样本图像贴分类标签的情况下,可能会出现电梯桥厢内的乘客过于分散,导致目标图像内的最大连续剩余空间面积过小的情况,此时,若电梯桥厢内的乘客移动至相当集中的情况下,电梯桥厢内的最大连续剩余空间面积将会增加。所以可选的,在分类标签为中度拥挤的情况下,移动设备进电梯的控制装置可以发出语音信号,该语音信号用于提示电梯桥厢内的乘客避让;在第一预设时长之后,移动设备进电梯的控制装置可以重新获取目标图像,并获取重新获取的目标图像的分类标签;然后在确定重新获取的电梯厢内图像对应的分类标签为轻度拥挤或空载的情况下,确定电梯桥厢为可进入状态。通过设置语音信号的提示和第一预设时长,能够更加准确地判断电梯桥厢能否容纳移动设备,提升电梯桥厢内空间的利用率。
其中,第一预设时长为事先确定的时长,本申请实施例对此不作限定。比如,第一预设时长可以是2秒。
S204、移动设备进电梯的控制装置在确定电梯桥厢为可进入状态的情况下,控制移动设备进入电梯桥厢。
由于电梯桥厢在打开状态下,其他乘客可能会进出电梯,移动设备进电梯的控制装置在这期间的不同时刻采集到的目标图像可能不同。所以,可选的,为了避免电梯桥厢的可进入状态是在乘客进出电梯时确定出的不稳定的结果,进一步提高移动设备进电梯的控制装置检测梯内拥挤程度的准确性,移动设备进电梯的控制装置可以基于预设采集频率获取目标图像,并在确定至少两个目标图像的分类标签的类别相同的情况下,确定电梯桥厢是否为可进入状态。这样,当至少两个目标图像的分类标签的类别相同时,表明电梯桥厢内的乘客数量为稳定状态,则可以准确确定电梯桥厢的拥挤程度。
其中,至少两个目标图像为连续采集的目标图像。预设采集频率可以是事先确定的采集频率。示例性的,预设采集频率可以是每秒采集3次。另外,为了进一步提高移动设备进电梯的控制装置检测梯内拥挤程度的稳定性,移动设备进电梯的控制装置可以在确定很多个连续目标图像的分类标签的类别相同的情况下,控制移动设备进入电梯桥厢。比如,移动设备进电梯的控制装置可以在确定5个连续目标图像的分类标签的类别相同的情况下,控制移动设备进入电梯桥厢。
可选的,在另一种可能的实现方式中,移动设备进电梯的控制装置在确定电梯桥厢为可进入状态的情况下,可以根据电梯桥厢的场景地图和目标图像,为移动设备规划导航路径,然后根据导航路径控制移动设备行驶至电梯桥厢内的空闲位置。这样,可以充分利用电梯桥厢内的剩余空间,且能够使得移动设备快速抵达停靠点。
其中,空闲位置可以根据目标图像中的剩余面积确定,可以将目标图像中的最大连续剩余空间面积所处区域对应的位置确定为空闲位置。
移动设备进电梯需要一定的时长,为了确保移动设备能够在电梯桥厢处于打开状态的情况下稳定进入电梯,移动设备进电梯的控制装置在确定电梯桥厢为可进入状态的情况下,可以向电梯桥厢发送用于指示电梯桥厢保持打开状态的进厢信号,然后控制移动设备进入电梯桥厢。
可以理解的是,移动设备进电梯的控制装置向电梯桥厢发送用于指示电梯桥厢保持打开状态的进厢信号,不与电梯原本的控制协议冲突,电梯在接收到进厢信号时,打开或保持打开电梯桥厢门,在移动设备进入电梯桥厢之后,电梯桥厢门关闭。
本申请实施例提供的移动设备进电梯的控制方法中,可以基于目标图像对应的分类标签确定标图像中电梯桥厢的拥挤程度,并根据拥挤程度确定是否控制移动设备进入电梯。由于不同类别的分类标签可以表征不同拥挤程度的电梯桥厢,所以,基于分类标签,可以较为准确的确定出电梯桥厢内的拥挤程度,可以避免出现误判的情况,提高检测电梯桥厢内的拥挤程度的准确率。
综合以上描述,如图3所示,图2中的步骤S202可以替换为S2021:
S2021、移动设备进电梯的控制装置调用图像分类器,对目标图像进行分类,得到目标图像对应的分类标签。
可选的,如图4所示,图2中的步骤S203可以替换为S2031:
S2031、移动设备进电梯的控制装置在分类标签为桥厢不拥挤的情况下,确定电梯桥厢为可进入状态。
可选的,如图5所示,图2中的步骤S203可以替换为S2032:
S2032、移动设备进电梯的控制装置在分类标签为轻度拥挤或空载的情况下,确定电梯桥厢为可进入状态。
可选的,如图6所示,图2中的步骤S203可以替换为S2033-S2035:
S2033、移动设备进电梯的控制装置在分类标签为中度拥挤的情况下,发出语音信号。
S2034、移动设备进电梯的控制装置在第一预设时长之后,重新获取目标图像,并获取重新获取的目标图像的分类标签。
S2035、移动设备进电梯的控制装置在确定重新获取的电梯厢内图像对应的分类标签为轻度拥挤或空载的情况下,确定电梯桥厢为可进入状态。
可选的,如图7所示,图2中的步骤S204可以替换为S2041-S2044:
S2041、移动设备进电梯的控制装置在确定电梯桥厢为可进入状态的情况下,确定至少两个目标图像的分类标签的类别相同。
S2042、移动设备进电梯的控制装置根据电梯桥厢的场景地图和目标图像,为移动设备规划导航路径。
S2043、移动设备进电梯的控制装置向电梯桥厢发送进厢信号。
S2044、移动设备进电梯的控制装置根据导航路径控制移动设备行驶至电梯桥厢内的空闲位置。
可以理解的是,本申请实施例对于步骤S2041-S2043之间的先后顺序不做限定。
如图8所示,本申请实施例还提供了一种移动设备进电梯的控制装置,该移动设备进电梯的控制装置可以是上述实施例中图1所涉及的移动设备进电梯的控制系统中的服务器01,也可以是移动设备本体。该移动设备进电梯的控制装置包括:包括获取模块11,确定模块12和控制模块13;
其中,获取模块11执行上述方法实施例中的S201和S202,确定模块12执行上述方法实施例中的S203,控制模块13执行上述方法实施例中的S204。
具体的,获取模块11,用于在电梯桥厢为打开状态的情况下,获取目标图像;目标图像为电梯桥厢内的图像;
获取模块11,还用于获取目标图像对应的分类标签;分类标签至少包括两种类别,且不同类别的分类标签表征的电梯桥厢内的拥挤程度不同;
确定模块12,用于根据获取模块11获取的分类标签,确定电梯桥厢是否为可进入状态;
控制模块13,用于在确定模块12确定电梯桥厢为可进入状态的情况下,控制移动设备进入电梯桥厢。
可选的,在一种可能的实现方式中,获取模块11具体用于:
调用图像分类器,对目标图像进行分类,得到目标图像对应的分类标签;
其中,图像分类器根据样本图像以及样本图像对应的分类标签训练得到。
可选的,在另一种可能的实现方式中,分类标签包括:桥厢拥挤和桥厢不拥挤两种类别的标签,确定模块12具体用于:
在分类标签为桥厢不拥挤的情况下,确定电梯桥厢为可进入状态。
可选的,在另一种可能的实现方式中,确定模块12还用于:确定样本图像中的图像特征;图像特征包括:乘客数量和/或剩余空间面积;
本申请实施例提供的移动设备进电梯的控制装置还包括训练模块,训练模块用于根据图像特征以及样本图像对应的分类标签训练图像分类器。
可选的,在另一种可能的实现方式中,确定模块12具体用于:
在分类标签为中度拥挤的情况下,发出语音信号;语音信号用于提示电梯桥厢内的乘客避让;
在第一预设时长之后,重新获取目标图像,并获取重新获取的目标图像的分类标签;
在确定重新获取的目标图像的分类标签为轻度拥挤或空载的情况下,确定电梯桥厢为可进入状态。
可选的,在另一种可能的实现方式中,
获取模块11具体用于:基于预设采集频率获取目标图像;
确定模块12具体用于:在确定至少两个目标图像的分类标签的类别相同的情况下,确定电梯桥厢是否为可进入状态;至少两个目标图像为连续采集的目标图像。
可选的,在另一种可能的实现方式中,控制模块13具体用于:
根据电梯桥厢的场景地图和目标图像,为移动设备规划导航路径;
根据导航路径控制移动设备行驶至电梯桥厢内的空闲位置。
可选的,在另一种可能的实现方式中,本申请实施例提供的移动设备进电梯的控制装置还包括发送模块,用于向电梯桥厢发送进厢信号;进厢信号用于指示电梯桥厢保持打开状态。
可选的,移动设备进电梯的控制装置还可以包括存储模块,存储模块用于存储该移动设备进电梯的控制装置的程序代码等。
如图9所示,本申请实施例还提供一种移动设备进电梯的控制装置,包括存储器41、处理器42、总线43和通信接口44;存储器41用于存储计算机执行指令,处理器42与存储器41通过总线43连接;当移动设备进电梯的控制装置运行时,处理器42执行存储器41存储的计算机执行指令,以使移动设备进电梯的控制装置执行如上述实施例提供的移动设备进电梯的控制方法。
在具体的实现中,作为一种实施例,处理器42(42-1和42-2)可以包括一个或多个中央处理器(central processing unit,CPU),例如图9中所示的CPU0和CPU1。且作为一种实施例,移动设备进电梯的控制装置可以包括多个处理器42,例如图9中所示的处理器42-1和处理器42-2。这些处理器42中的每一个CPU可以是一个单核处理器(single-CPU),也可以是一个多核处理器(multi-CPU)。这里的处理器42可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。
存储器41可以是只读存储器41(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory,EEPROM)、只读光盘(compactdisc read-only memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器41可以是独立存在,通过总线43与处理器42相连接。存储器41也可以和处理器42集成在一起。
在具体的实现中,存储器41,用于存储本申请中的数据和执行本申请的软件程序对应的计算机执行指令。处理器42可以通过运行或执行存储在存储器41内的软件程序,以及调用存储在存储器41内的数据,移动设备进电梯的控制装置的各种功能。
通信接口44,使用任何收发器一类的装置,用于与其他设备或通信网络通信,如控制系统、无线接入网(radio access network,RAN),无线局域网(wireless local areanetworks,WLAN)等。通信接口44可以包括接收单元实现接收功能,以及发送单元实现发送功能。
总线43,可以是工业标准体系结构(industry standard architecture,ISA)总线、外部设备互连(peripheral component interconnect,PCI)总线或扩展工业标准体系结构(extended industry standard architecture,EISA)总线等。该总线43可以分为地址总线、数据总线、控制总线等。为便于表示,图9中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
作为一个示例,结合图8,移动设备进电梯的控制装置中的获取模块实现的功能与图9中的接收单元实现的功能相同,移动设备进电梯的控制装置中的确定模块实现的功能与图9中的处理器实现的功能相同,移动设备进电梯的控制装置中的存储模块实现的功能与图9中的存储器实现的功能相同。
本实施例中相关内容的解释可参考上述方法实施例,此处不再赘述。
通过以上的实施方式的描述,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,仅以上述各功能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模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的系统,装置和单元的具体工作过程,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一种计算机可读存储介质,计算机可读存储介质中存储有指令,当计算机执行该指令时,使得计算机执行上述实施例提供的移动设备进电梯的控制方法。
其中,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、RAM、ROM、可擦式可编程只读存储器(erasable programmable read only memory,EPROM)、寄存器、硬盘、光纤、CD-ROM、光存储器件、磁存储器件、或者上述的任意合适的组合、或者本领域熟知的任何其它形式的计算机可读存储介质。一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于特定用途集成电路(application specificintegrated circuit,ASIC)中。在本申请实施例中,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。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何在本申请揭露的技术范围内的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (11)
1.一种移动设备进电梯的控制方法,其特征在于,包括:
在电梯桥厢为打开状态的情况下,获取目标图像;所述目标图像为所述电梯桥厢内的图像;
获取所述目标图像对应的分类标签;所述分类标签至少包括两种类别,且不同类别的分类标签表征的电梯桥厢内的拥挤程度不同;
根据所述分类标签,确定所述电梯桥厢是否为可进入状态;
在确定所述电梯桥厢为所述可进入状态的情况下,控制所述移动设备进入所述电梯桥厢。
2.根据权利要求1所述的方法,其特征在于,所述获取所述目标图像对应的分类标签,包括:
调用图像分类器,对所述目标图像进行分类,得到所述目标图像对应的分类标签;
其中,所述图像分类器根据样本图像以及样本图像对应的分类标签训练得到。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
确定所述样本图像中的图像特征;所述图像特征包括:乘客数量和/或剩余空间面积;
根据所述图像特征以及所述样本图像对应的分类标签训练所述图像分类器。
4.根据权利要求1所述的方法,其特征在于,所述分类标签包括:空载、轻度拥挤、中度拥挤和重度拥挤四种类别的标签;
所述根据所述分类标签,确定所述电梯桥厢是否为可进入状态,包括:
在所述分类标签为轻度拥挤或空载的情况下,确定所述电梯桥厢为可进入状态。
5.根据权利要求4所述的方法,其特征在于,所述根据所述分类标签,确定所述电梯桥厢是否为可进入状态,还包括:
在所述分类标签为中度拥挤的情况下,发出语音信号;所述语音信号用于提示所述电梯桥厢内的乘客避让;
在第一预设时长之后,重新获取目标图像,并获取重新获取的目标图像的分类标签;
在确定重新获取的目标图像的分类标签为轻度拥挤或空载的情况下,确定所述电梯桥厢为可进入状态。
6.根据权利要求1所述的方法,其特征在于,
所述获取目标图像,包括:基于预设采集频率获取目标图像;
所述根据所述分类标签,确定所述电梯桥厢是否为可进入状态,包括:在确定至少两个所述目标图像的分类标签的类别相同的情况下,确定所述电梯桥厢是否为可进入状态;所述至少两个所述目标图像为连续采集的目标图像。
7.根据权利要求1所述的方法,其特征在于,所述控制所述移动设备进入所述电梯桥厢,包括:
根据所述电梯桥厢的场景地图和所述目标图像,为所述移动设备规划导航路径;
根据所述导航路径控制所述移动设备行驶至所述电梯桥厢内的空闲位置。
8.根据权利要求1-7任一项所述的方法,其特征在于,所述在确定所述电梯桥厢为所述可进入状态的情况下之后,包括:
向所述电梯桥厢发送进厢信号;所述进厢信号用于指示所述电梯桥厢保持所述打开状态。
9.一种移动设备进电梯的控制装置,其特征在于,包括:
获取模块,用于在电梯桥厢为打开状态的情况下,获取目标图像;所述目标图像为所述电梯桥厢内的图像;
所述获取模块,还用于获取所述目标图像对应的分类标签;所述分类标签至少包括两种类别,且不同类别的分类标签表征的电梯桥厢内的拥挤程度不同;
确定模块,用于根据所述获取模块获取的所述分类标签,确定所述电梯桥厢是否为可进入状态;
控制模块,用于在所述确定模块确定所述电梯桥厢为所述可进入状态的情况下,控制所述移动设备进入所述电梯桥厢。
10.一种移动设备进电梯的控制装置,其特征在于,包括存储器、处理器、总线和通信接口;所述存储器用于存储计算机执行指令,所述处理器与所述存储器通过所述总线连接;
当所述移动设备进电梯的控制装置运行时,处理器执行所述存储器存储的所述计算机执行指令,以使所述移动设备进电梯的控制装置执行如权利要求1-8任意一项所述的移动设备进电梯的控制方法。
11.一种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中存储有指令,当计算机执行所述指令时,使得所述计算机执行如权利要求1-8任意一项所述的移动设备进电梯的控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110544394.7A CN113283328A (zh) | 2021-05-19 | 2021-05-19 | 移动设备进电梯的控制方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110544394.7A CN113283328A (zh) | 2021-05-19 | 2021-05-19 | 移动设备进电梯的控制方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113283328A true CN113283328A (zh) | 2021-08-20 |
Family
ID=77279799
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110544394.7A Pending CN113283328A (zh) | 2021-05-19 | 2021-05-19 | 移动设备进电梯的控制方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113283328A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113715019A (zh) * | 2021-08-31 | 2021-11-30 | 上海擎朗智能科技有限公司 | 机器人控制方法、装置、机器人和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110488313A (zh) * | 2019-08-30 | 2019-11-22 | 上海有个机器人有限公司 | 一种移动机器人识别电梯内拥挤度的方法 |
CN111986253A (zh) * | 2020-08-21 | 2020-11-24 | 日立楼宇技术(广州)有限公司 | 电梯拥挤程度的检测方法、装置、设备及存储介质 |
CN112225020A (zh) * | 2020-10-22 | 2021-01-15 | 日立楼宇技术(广州)有限公司 | 一种电梯控制方法和装置 |
CN112396587A (zh) * | 2020-11-20 | 2021-02-23 | 重庆大学 | 一种基于协同训练和密度图的公交车厢内拥挤度检测方法 |
CN112693980A (zh) * | 2019-10-23 | 2021-04-23 | 奥的斯电梯公司 | 机器人乘梯控制方法、系统、电梯和机器人系统及存储介质 |
US20210138648A1 (en) * | 2019-11-13 | 2021-05-13 | New Era Ai Robotic Inc. | Interactive control method of robot equipment and elevator equipment |
-
2021
- 2021-05-19 CN CN202110544394.7A patent/CN113283328A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110488313A (zh) * | 2019-08-30 | 2019-11-22 | 上海有个机器人有限公司 | 一种移动机器人识别电梯内拥挤度的方法 |
CN112693980A (zh) * | 2019-10-23 | 2021-04-23 | 奥的斯电梯公司 | 机器人乘梯控制方法、系统、电梯和机器人系统及存储介质 |
US20210138648A1 (en) * | 2019-11-13 | 2021-05-13 | New Era Ai Robotic Inc. | Interactive control method of robot equipment and elevator equipment |
CN111986253A (zh) * | 2020-08-21 | 2020-11-24 | 日立楼宇技术(广州)有限公司 | 电梯拥挤程度的检测方法、装置、设备及存储介质 |
CN112225020A (zh) * | 2020-10-22 | 2021-01-15 | 日立楼宇技术(广州)有限公司 | 一种电梯控制方法和装置 |
CN112396587A (zh) * | 2020-11-20 | 2021-02-23 | 重庆大学 | 一种基于协同训练和密度图的公交车厢内拥挤度检测方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113715019A (zh) * | 2021-08-31 | 2021-11-30 | 上海擎朗智能科技有限公司 | 机器人控制方法、装置、机器人和存储介质 |
CN113715019B (zh) * | 2021-08-31 | 2023-12-29 | 上海擎朗智能科技有限公司 | 机器人控制方法、装置、机器人和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112997227B (zh) | 交通辅助系统、服务器及方法、车载装置及其动作方法、记录介质、计算机及半导体集成电路 | |
CN107690659A (zh) | 一种图像识别系统及图像识别方法 | |
CN109311622B (zh) | 电梯系统以及轿厢呼叫估计方法 | |
US20190306779A1 (en) | Vehicle communication control method and vehicle communication device | |
CN108399782A (zh) | 室外反向导车的方法、装置、系统、设备及存储介质 | |
CN106032233A (zh) | 电梯引导装置 | |
WO2020220750A1 (zh) | 车辆调度策略确定方法和装置 | |
US20220027639A1 (en) | Lane line detection method, electronic device, and computer storage medium | |
CN115223100A (zh) | 一种智慧园区异常人员识别方法、系统、设备及存储介质 | |
US20200012979A1 (en) | System and method for providing service of loading and storing passenger article | |
CN113283328A (zh) | 移动设备进电梯的控制方法、装置及存储介质 | |
CN110956165B (zh) | 智慧社区未栓绳宠物预警方法及系统 | |
CN111507269B (zh) | 车位状态的识别方法及装置、存储介质和电子装置 | |
CN117237854A (zh) | 基于视频识别的停车位分配方法、系统、设备及存储介质 | |
CN114677848B (zh) | 感知预警系统、方法、装置及计算机程序产品 | |
CN107451719B (zh) | 灾区车辆调配方法和灾区车辆调配装置 | |
CN116343169A (zh) | 路径规划方法、目标对象运动控制方法、装置及电子设备 | |
US10956844B2 (en) | Method and apparatus for determining vehicle scheduling strategy | |
CN114708616A (zh) | 一种避障方法、装置、设备及存储介质 | |
CN113192065A (zh) | 输电线路图像的处理方法、便携式设备及用户终端 | |
CN207895703U (zh) | 一种全视频车位引导系统 | |
CN111753217A (zh) | 一种生成公交站台引导词的方法和装置 | |
KR20200074528A (ko) | 실시간 상황정보를 이용한 자율주행 이송수단의 운용시스템 | |
KR102404881B1 (ko) | 하이브리드형 버스 탑승 관리 시스템 | |
CN117718960A (zh) | 一种多个机器人的候梯位置确定方法、装置、设备及介质 |
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 |