CN113693898A - 一种基于点云三维建模的导盲方法、装置及电子设备 - Google Patents
一种基于点云三维建模的导盲方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113693898A CN113693898A CN202110974283.XA CN202110974283A CN113693898A CN 113693898 A CN113693898 A CN 113693898A CN 202110974283 A CN202110974283 A CN 202110974283A CN 113693898 A CN113693898 A CN 113693898A
- Authority
- CN
- China
- Prior art keywords
- data
- weather
- point cloud
- time
- road
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000004888 barrier function Effects 0.000 claims abstract description 15
- 230000008859 change Effects 0.000 claims description 27
- 230000015654 memory Effects 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000009466 transformation Effects 0.000 description 5
- 208000029257 vision disease Diseases 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 208000030533 eye disease Diseases 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H3/00—Appliances for aiding patients or disabled persons to walk about
- A61H3/06—Walking aids for blind persons
- A61H3/061—Walking aids for blind persons with electronic detecting or guiding means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- Rehabilitation Therapy (AREA)
- Pain & Pain Management (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physical Education & Sports Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Remote Sensing (AREA)
- Epidemiology (AREA)
- Computer Graphics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于点云三维建模的导盲方法、装置及电子设备，该方法包括获取实时天气数据，根据实时天气数据确定导盲辅助范围；获取激光扫描仪在导盲辅助范围内采集的点云数据，基于点云数据构建道路三维模型；根据道路三维模型确定当前行进路线上的障碍物数据，基于障碍物数据生成提醒信息，并展示提醒信息。本发明实现了通过激光扫描仪来获取路况的点云数据，以此构建道路三维模型，能够准确进行道路导盲。还能够根据实时天气的不同，针对不同的天气进行导盲辅助范围的调整，保证在不同天气情况下都能够高效准确的进行道路导盲。
Description
技术领域
本申请涉及智能导盲技术领域，具体而言，涉及一种基于点云三维建模的导盲方法、装置及电子设备。
背景技术
视觉障碍是我国严重的公共卫生问题之一，视觉障碍是由于各种原因导致双眼视力低下并且不能矫正或视野缩小，以致影响其日常生活和社会参与。人口的增加和老龄化加剧使与年龄相关性致盲眼病不断增加。且近年来，随着居民生活水平的提高，视疾的成因发生了很大变化，如何为视疾患者提供更加规范、便捷、人性化的辅助服务是当前的重要课题，导盲系统便是其中一个重要部分。
根据侧重点的不同，导盲系统通常可以分为两种类型：视觉辅助型系统、视觉替代型系统。视觉辅助型导盲系统依赖于单一的某种传感技术，如超声波测距、红外避障等。这种单一传感本身具有自身难以完善的缺陷，在进行障碍物位置检测时只能得到障碍物的大概方向，在精度上无法满足日常的使用，且无法获得障碍物本身的大小、形状和边缘等信息。随着图像处理技术的不断发展，通过将机械视觉和图像处理技术应用于导盲领域，出现了视觉替代型系统，替代型导盲系统能够对障碍物和常见的路况场景进行判定识别，但是主流技术仍停留于二维空间，缺乏空间和距离的判断，且在阴雨天时二维空间的路况识别无法有效的规避水坑，容易出现误判。
发明内容
为了解决上述问题，本申请实施例提供了一种基于点云三维建模的导盲方法、装置及电子设备。
第一方面，本申请实施例提供了一种基于点云三维建模的导盲方法，所述方法包括：
获取实时天气数据，根据所述实时天气数据确定导盲辅助范围；
获取激光扫描仪在所述导盲辅助范围内采集的点云数据，基于所述点云数据构建道路三维模型；
根据所述道路三维模型确定当前行进路线上的障碍物数据，基于所述障碍物数据生成提醒信息，并展示所述提醒信息。
优选的，所述获取激光扫描仪在所述导盲辅助范围内采集的点云数据，基于所述点云数据构建道路三维模型，包括：
获取激光扫描仪在所述导盲辅助范围内采集的点云数据，基于点云数据修补算法处理所述点云数据，得到修补点云数据；
基于斜率差简化算法优化所述修补点云数据，得到简化点云数据；
生成三角网格，基于三角网剖分算法对所述简化点云数据进行坐标变化，得到点云坐标数据；
提取所述点云坐标数据的特征点，根据各所述特征点构建道路三维模型。
优选的，所述获取实时天气数据，根据所述实时天气数据确定导盲辅助范围，包括：
获取实时天气数据，确定所述实时天气数据对应的第一天气类别；
在预设的数据库中查询所述第一天气类别，得到导盲辅助范围。
优选的，所述获取实时天气数据，根据所述实时天气数据确定导盲辅助范围之后，还包括：
获取经过第一时长后的预测天气数据，确定所述预测天气数据对应的第二天气类别；
比对所述第一天气类别与第二天气类别，确定天气变化趋势；
当所述天气变化趋势表征为天气状况变差时，获取天气数据刚变换为所述第二天气类别的第一时刻，在当前时刻距离所述第一时刻的剩余时长为第二时长时，基于所述第二天气类别调整所述导盲辅助范围；
当所述天气变化趋势表征为天气状况变好时，获取所述第一时刻，在所述当前时刻超过所述第一时刻的超出时长为第三时长时，基于所述第二天气类别调整所述导盲辅助范围。
优选的，所述根据所述道路三维模型确定当前行进路线上的障碍物数据，基于所述障碍物数据生成提醒信息，并展示所述提醒信息之前，还包括：
获取第四时长之前的历史天气数据，当所述实时天气数据与历史天气数据中的至少一个天气数据表征为雨天时，确定所述道路三维模型中的平滑区域；
对所有所述平滑区域进行语义信息识别，得到危险平滑区域；
根据所述危险平滑区域优化当前行进路线，用以使所述当前行进路线不经过所述危险平滑区域。
优选的，所述方法还包括：
当检测到避雨指令时，在所述道路三维模型中识别遮挡区域；
确定与当前位置距离最近的所述遮挡区域，生成避雨路线，所述避雨路线为从所述当前位置前往所述遮挡区域的路线。
第二方面，本申请实施例提供了一种基于点云三维建模的导盲装置，所述装置包括：
获取模块，用于获取实时天气数据，根据所述实时天气数据确定导盲辅助范围；
构建模块，用于获取激光扫描仪在所述导盲辅助范围内采集的点云数据，基于所述点云数据构建道路三维模型；
生成模块，用于根据所述道路三维模型确定当前行进路线上的障碍物数据，基于所述障碍物数据生成提醒信息，并展示所述提醒信息。
第三方面，本申请实施例提供了一种电子设备，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计算机程序时实现如第一方面或第一方面的任意一种可能的实现方式提供的方法的步骤。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面或第一方面的任意一种可能的实现方式提供的方法。
本发明的有益效果为：1.通过激光扫描仪来获取路况的点云数据，以此构建道路三维模型，能够准确进行道路导盲。
2.能够根据实时天气的不同，针对不同的天气进行导盲辅助范围的调整，保证在不同天气情况下都能够高效准确的进行道路导盲。且能够在雨天或雨天过后基于三维模型对导盲路线中的水坑进行规避。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例中所需使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种基于点云三维建模的导盲方法的流程示意图；
图2为本申请实施例提供的一种基于点云三维建模的导盲装置的结构示意图；
图3为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
在下述介绍中，术语“第一”、“第二”仅为用于描述的目的，而不能理解为指示或暗示相对重要性。下述介绍提供了本申请的多个实施例，不同实施例之间可以替换或者合并组合，因此本申请也可认为包含所记载的相同和/或不同实施例的所有可能组合。因而，如果一个实施例包含特征A、B、C，另一个实施例包含特征B、D，那么本申请也应视为包括含有A、B、C、D的一个或多个所有其他可能的组合的实施例，尽管该实施例可能并未在以下内容中有明确的文字记载。
下面的描述提供了示例，并且不对权利要求书中阐述的范围、适用性或示例进行限制。可以在不脱离本申请内容的范围的情况下，对描述的元素的功能和布置做出改变。各个示例可以适当省略、替代或添加各种过程或组件。例如所描述的方法可以以所描述的顺序不同的顺序来执行，并且可以添加、省略或组合各种步骤。此外，可以将关于一些示例描述的特征组合到其他示例中。
参见图1，图1是本申请实施例提供的一种基于点云三维建模的导盲方法的流程示意图。在本申请实施例中，所述方法包括：
S101、获取实时天气数据，根据所述实时天气数据确定导盲辅助范围。
所述天气数据在本申请实施例中可以理解为表征天气状态的相关数据信息。所述实时天气数据在本申请实施例中可以理解为当前时刻的天气数据。
所述导盲辅助范围在本申请实施例中可以理解为进行三维建模以此进行导盲辅助的数据获取范围。
本申请的执行主体可以是导盲系统中的控制器。
在本申请实施例中，在不同的天气状况下，用户的步行速度是不同的。在下雨或者下雪天气，用户出于安全的考虑，其步行速度是会比晴天下的步行速度要慢的。此外，下雨、下雪、起雾等天气由于空气中还飘荡着雨雪等物质，这些物质会作为额外的被检测到的点云数据而被识别到，从而增加了整个道路三维建模过程对于点云数据的获取和处理时间。基于上述两方面考虑，本申请为不同天气设置了不同的导盲辅助范围，天气状况越差（例如大雨、下雪等），导盲辅助范围越小。需要说明的是，这是由于导盲辅助范围的缩小，能够减少相同条件下三维建模所需要的时间，而对于较差的天气状况而言，用户的步行速度慢，其不会立马移动至已经建好的模型范围外，且较差的天气状况生成相同范围三维模型所需要的时间长。以此通过缩小导盲辅助范围保证了恶劣天气下三维建模的效率和精度，不会对用户的导盲行进过程造成诸如导盲反馈不及时的问题，确保了用户在不同天气下都能够有较好的导盲体验。
在一种可实施方式中，步骤S101包括：
获取实时天气数据，确定所述实时天气数据对应的第一天气类别；
在预设的数据库中查询所述第一天气类别，得到导盲辅助范围。
所述天气类别在本申请实施例中可以理解为天气的具体类别，诸如雨天、晴天、雾天、雪天等。
在本申请实施例中，通过移动网络通讯等方式，控制器能够获得用户所在区域的实时天气数据，基于实时天气数据即可以确定出此时天气所属的第一天气类别。云端服务器中的数据库中可以预先存储有不同的天气类别所对应的具体导盲辅助范围，故将第一天气类别导入至数据库中进行查询，便能够确定出导盲辅助范围。
在一种可实施方式中，所述获取实时天气数据，根据所述实时天气数据确定导盲辅助范围之后，还包括：
获取经过第一时长后的预测天气数据，确定所述预测天气数据对应的第二天气类别；
比对所述第一天气类别与第二天气类别，确定天气变化趋势；
当所述天气变化趋势表征为天气状况变差时，获取天气数据刚变换为所述第二天气类别的第一时刻，在当前时刻距离所述第一时刻的剩余时长为第二时长时，基于所述第二天气类别调整所述导盲辅助范围；
当所述天气变化趋势表征为天气状况变好时，获取所述第一时刻，在所述当前时刻超过所述第一时刻的超出时长为第三时长时，基于所述第二天气类别调整所述导盲辅助范围。
所述天气变化趋势在本申请实施例中可以理解为不同天气之间的变化趋势，例如从晴天变化为雨天等。
在本申请实施例中，还将会获取到经过第一时长（例如一小时）后的预测天气数据，并确认预测天气数据对应的第二天气类别。通过第一天气类别与第二天气类别的比对，便能够确定得到天气变化趋势，进而根据天气变化趋势来判断接下来的天气将要变差还是变好。如果天气状况将会变差，将会在第一时刻的前预留第二时长（例如五分钟）提前将导盲辅助范围调整至第二天气类别对应的范围，以此确保天气变化时路况导盲的准确性，增加用户在较差天气下的行进安全。而如果天气状况将会变好，无论是对于雨天还是雾天而言，落雨和雾气的消散都具有一个逐渐消去的过程，如果在到达第一时刻便进行导盲辅助范围的切换，此时雨水或雾气仍有可能未完全散去，直接切换仍然可能会无法及时进行障碍物导盲或导盲结果存在误差。故将在到达第一时刻后，仍等待第三时长（例如十分钟）才调整导盲辅助范围。
具体而言，对于天气变化趋势的判断方式可以是为不同的天气类别设置不同的等级，等级越高表明天气越差，以此通过等级变化趋势，即等级是变高还是变低来进行天气变化的判断。
S102、获取激光扫描仪在所述导盲辅助范围内采集的点云数据，基于所述点云数据构建道路三维模型。
在本申请实施例中，确定了导盲辅助范围后，通过激光扫描仪便能够扫描采集得到该范围内的点云数据，进而根据这些获取到的点云数据便能够构建得到道路三维模型。
在一种可实施方式中，步骤S102包括：
获取激光扫描仪在所述导盲辅助范围内采集的点云数据，基于点云数据修补算法处理所述点云数据，得到修补点云数据；
基于斜率差简化算法优化所述修补点云数据，得到简化点云数据；
生成三角网格，基于三角网剖分算法对所述简化点云数据进行坐标变化，得到点云坐标数据；
提取所述点云坐标数据的特征点，根据各所述特征点构建道路三维模型。
在本申请实施例中，模型构建过程主要由点云数据修补算法、斜率差简化算法、三角网剖分算法、特征点提取四大部分构成。
点云数据修补算法的目的是由于三维建模的形式复杂多变，通过激光扫描仪获取的点云数据因为路面裂缝等原因会造成采集的点云数据丢失，而对于导盲系统而言，完整的路况信息是必然不可或缺的，故需要通过修补算法进行修补。
具体而言，点云数据修补算法的步骤可以是：
１）遍历缺陷路面阈值附近有效数据a，记录坐标c；
２）当发现缺失数据，则将此缺失的数据的高程坐标记录为c；
３）继续取下一个有效数据a1，记录坐标c1；
４）继续检测下一个数据b，如果b为有效数据则记录b的坐标，如果为缺失数据则把高程坐标记录为c1；
５）重复步骤３）。
斜率差简化算法的目的是由于激光扫描短时间将获得大量的点云数据，大部分路况都是平坦路面，为保证系统的实时有效性，增强三角网络的生成效率就必须对点云的数据进行优化和删除。根据目标区域往左右线段斜率变化较 大，常用的简化算法有基于斜率差的简化算法。
具体而言，其过程为：
１）从起点开始连续取３个点
、
、
，分别记录它们的高程坐标。
２）计算斜率差
。
３）将
和标准设定值
进行比较，如果
小于标准设定值，则该区域不是特征区域应当滤除，如果
大于标准设定值则该区域是特征区域，保存特征向量。
４）再取３个点
、
、
，重复步骤２）。
三角网剖分算法的目的在于将获得的点云数据进行坐标变换，整合在一个坐标系里面，并将无序的点云数据重组成有序的三角网格，以此对后续的可视化建模起到较好的辅助作用。
具体而言，坐标变换的过程为：
１）将实际坐标点集合记做P，模型中拟合坐标记做X，根据匹配准则设定阈值，当大于阈值所取值，坐标点提取应用匹配准则。
２）选定坐标轴原点坐标，
。
３）根据预处理算法和修补算法获得简化后的点云合集，将获得点集记做
。
４）根据最小二乘法，计算出变换矩阵和平移矩阵的值：
其中：
是实际点云的坐标，
是距离的平方和，
是法向量值，R是变换矩阵，T是平移矩阵。
５）根据所求得的R和T，
对坐标进行整合变换，精细配准，求出变换后的坐标。
提取特征点的目的是由于将全部的点云数据全部传输到底层处理器必然增加运算的负担，需要将点云特征点进行提取，在本申请中可以通过法向量几何特征法来进行特征点的提取。
S103、根据所述道路三维模型确定当前行进路线上的障碍物数据，基于所述障碍物数据生成提醒信息，并展示所述提醒信息。
所述当前行进路线在本申请实施例中可以理解为导盲系统所生成的引导用户前进的规划路线。
在本申请实施例中，构建得到了道路三维模型后，便能够通过模型对当前行进路线上的各个障碍物进行识别与确认，进而得到障碍物数据。根据这些障碍物数据生成的提醒信息便能够对用户进行提醒，以此在其经过台阶等地方的时候能够通过提醒信息而及时的进行抬腿等动作。
在一种可实施方式中，所述根据所述道路三维模型确定当前行进路线上的障碍物数据，基于所述障碍物数据生成提醒信息，并展示所述提醒信息之前，还包括：
获取第四时长之前的历史天气数据，当所述实时天气数据与历史天气数据中的至少一个天气数据表征为雨天时，确定所述道路三维模型中的平滑区域；
对所有所述平滑区域进行语义信息识别，得到危险平滑区域；
根据所述危险平滑区域优化当前行进路线，用以使所述当前行进路线不经过所述危险平滑区域。
所述平滑区域在本申请实施例中可以理解为道路三维模型中处于模型底层的地面模型部分中的平滑处。
在本申请实施例中，对于雨天而言，路上的水坑是需要在导盲过程中规避的，因此本申请还会获取第四时长（例如两小时）之前的历史天气数据，将其与实时天气数据相结合来判断是否正在下雨或者刚刚下过雨。若存在任意一种情况，则说明构建的三维模型中平滑的位置即可能是平坦的路面，也可能是水坑。因此还需要对所有平滑区域进行语义信息识别，来确认每一个平滑区域的语义，进而区分出不同平滑区域的类别，对于水坑而言，其会被识别为危险平滑区域。确定了危险平滑区域后，将会对当前行进路线进行优化，使优化后的当前行进路线不会经过危险平滑区域。
在一种可实施方式中，所述方法还包括：
当检测到避雨指令时，在所述道路三维模型中识别遮挡区域；
确定与当前位置距离最近的所述遮挡区域，生成避雨路线，所述避雨路线为从所述当前位置前往所述遮挡区域的路线。
所述遮挡区域在本申请实施例中可以理解为三维模型中上方存在遮挡物而下方空旷的区域。
在本申请实施例中，如果用户在外出行进过程中突然遇到了下雨，且用户并没有带伞时，用户可以通过按压导航系统上的避雨按钮。控制器检测到因按压避雨按钮而生成的避雨指令后，会在道路三维模型中识别遮挡区域。根据用户的当前位置，能够从遮挡区域中确定距离最近的一个作为终点，进而生成避雨路线，来指引用户前往能够避雨的遮挡区域。
下面将结合附图2，对本申请实施例提供的基于点云三维建模的导盲装置进行详细介绍。需要说明的是，附图2所示的基于点云三维建模的导盲装置，用于执行本申请图1所示实施例的方法，为了便于说明，仅示出了与本申请实施例相关的部分，具体技术细节未揭示的，请参照本申请图1所示的实施例。
请参见图2，图2是本申请实施例提供的一种基于点云三维建模的导盲装置的结构示意图。如图2所示，所述装置包括：
获取模块201，用于获取实时天气数据，根据所述实时天气数据确定导盲辅助范围；
构建模块202，用于获取激光扫描仪在所述导盲辅助范围内采集的点云数据，基于所述点云数据构建道路三维模型；
生成模块203，用于根据所述道路三维模型确定当前行进路线上的障碍物数据，基于所述障碍物数据生成提醒信息，并展示所述提醒信息。
在一种可实施方式中，构建模块202包括：
第一获取单元，用于获取激光扫描仪在所述导盲辅助范围内采集的点云数据，基于点云数据修补算法处理所述点云数据，得到修补点云数据；
优化单元，用于基于斜率差简化算法优化所述修补点云数据，得到简化点云数据；
坐标变化单元，用于生成三角网格，基于三角网剖分算法对所述简化点云数据进行坐标变化，得到点云坐标数据；
特征提取单元，用于提取所述点云坐标数据的特征点，根据各所述特征点构建道路三维模型。
在一种可实施方式中，获取模块201包括：
第二获取单元，用于获取实时天气数据，确定所述实时天气数据对应的第一天气类别；
查询单元，用于在预设的数据库中查询所述第一天气类别，得到导盲辅助范围。
在一种可实施方式中，所述装置还包括：
第一确定模块，用于获取经过第一时长后的预测天气数据，确定所述预测天气数据对应的第二天气类别；
比对模块，用于比对所述第一天气类别与第二天气类别，确定天气变化趋势；
第一判断模块，用于当所述天气变化趋势表征为天气状况变差时，获取天气数据刚变换为所述第二天气类别的第一时刻，在当前时刻距离所述第一时刻的剩余时长为第二时长时，基于所述第二天气类别调整所述导盲辅助范围；
第二判断模块，用于当所述天气变化趋势表征为天气状况变好时，获取所述第一时刻，在所述当前时刻超过所述第一时刻的超出时长为第三时长时，基于所述第二天气类别调整所述导盲辅助范围。
在一种可实施方式中，所述装置还包括：
第二确定模块，用于获取第四时长之前的历史天气数据，当所述实时天气数据与历史天气数据中的至少一个天气数据表征为雨天时，确定所述道路三维模型中的平滑区域；
语义识别模块，用于对所有所述平滑区域进行语义信息识别，得到危险平滑区域；
优化模块，用于根据所述危险平滑区域优化当前行进路线，用以使所述当前行进路线不经过所述危险平滑区域。
在一种可实施方式中，所述装置还包括：
识别模块，用于当检测到避雨指令时，在所述道路三维模型中识别遮挡区域；
第三确定模块，用于确定与当前位置距离最近的所述遮挡区域，生成避雨路线，所述避雨路线为从所述当前位置前往所述遮挡区域的路线。
本领域的技术人员可以清楚地了解到本申请实施例的技术方案可借助软件和/或硬件来实现。本说明书中的“单元”和“模块”是指能够独立完成或与其他部件配合完成特定功能的软件和/或硬件，其中硬件例如可以是现场可编程门阵列（Field－ProgrammableGate Array，FPGA）、集成电路（Integrated Circuit，IC）等。
本申请实施例的各处理单元和/或模块，可通过实现本申请实施例所述的功能的模拟电路而实现，也可以通过执行本申请实施例所述的功能的软件而实现。
参见图3，其示出了本申请实施例所涉及的一种电子设备的结构示意图，该电子设备可以用于实施图1所示实施例中的方法。如图3所示，电子设备300可以包括：至少一个中央处理器301，至少一个网络接口304，用户接口303，存储器305，至少一个通信总线302。
其中，通信总线302用于实现这些组件之间的连接通信。
其中，用户接口303可以包括显示屏（Display）、摄像头（Camera），可选用户接口303还可以包括标准的有线接口、无线接口。
其中，网络接口304可选的可以包括标准的有线接口、无线接口（如WI-FI接口）。
其中，中央处理器301可以包括一个或者多个处理核心。中央处理器301利用各种接口和线路连接整个电子设备300内的各个部分，通过运行或执行存储在存储器305内的指令、程序、代码集或指令集，以及调用存储在存储器305内的数据，执行终端300的各种功能和处理数据。可选的，中央处理器301可以采用数字信号处理（Digital SignalProcessing，DSP）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）、可编程逻辑阵列（Programmable Logic Array，PLA）中的至少一种硬件形式来实现。中央处理器301可集成中央中央处理器（Central Processing Unit，CPU）、图像中央处理器（GraphicsProcessing Unit，GPU）和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到中央处理器301中，单独通过一块芯片进行实现。
其中，存储器305可以包括随机存储器（Random Access Memory，RAM），也可以包括只读存储器（Read-Only Memory）。可选的，该存储器305包括非瞬时性计算机可读介质（non-transitory computer-readable storage medium）。存储器305可用于存储指令、程序、代码、代码集或指令集。存储器305可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令（比如触控功能、声音播放功能、图像播放功能等）、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器305可选的还可以是至少一个位于远离前述中央处理器301的存储装置。如图3所示，作为一种计算机存储介质的存储器305中可以包括操作系统、网络通信模块、用户接口模块以及程序指令。
在图3所示的电子设备300中，用户接口303主要用于为用户提供输入的接口，获取用户输入的数据；而中央处理器301可以用于调用存储器305中存储的基于点云三维建模的导盲应用程序，并具体执行以下操作：
获取实时天气数据，根据所述实时天气数据确定导盲辅助范围；
获取激光扫描仪在所述导盲辅助范围内采集的点云数据，基于所述点云数据构建道路三维模型；
根据所述道路三维模型确定当前行进路线上的障碍物数据，基于所述障碍物数据生成提醒信息，并展示所述提醒信息。
本申请还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上述方法的步骤。其中，计算机可读存储介质可以包括但不限于任何类型的盘，包括软盘、光盘、DVD、CD-ROM、微型驱动器以及磁光盘、ROM、RAM、EPROM、EEPROM、DRAM、VRAM、闪速存储器设备、磁卡或光卡、纳米系统（包括分子存储器IC），或适合于存储指令和/或数据的任何类型的媒介或设备。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
所述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，作为单元显示的部件可以是或者也可以不是物理单元，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单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器（Read-Only Memory， ROM）、随机存取存储器（Random Access Memory，RAM）、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通进程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器（Read-Only Memory， ROM）、随机存取器（Random AccessMemory，RAM）、磁盘或光盘等。
以上所述者，仅为本公开的示例性实施例，不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰，皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践这里的公开后，将容易想到本公开的其实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的范围和精神由权利要求限定。
Claims (9)
1.一种基于点云三维建模的导盲方法，其特征在于，所述方法包括：
获取实时天气数据，根据所述实时天气数据确定导盲辅助范围；
获取激光扫描仪在所述导盲辅助范围内采集的点云数据，基于所述点云数据构建道路三维模型；
根据所述道路三维模型确定当前行进路线上的障碍物数据，基于所述障碍物数据生成提醒信息，并展示所述提醒信息。
2.根据权利要求1所述的方法，其特征在于，所述获取激光扫描仪在所述导盲辅助范围内采集的点云数据，基于所述点云数据构建道路三维模型，包括：
获取激光扫描仪在所述导盲辅助范围内采集的点云数据，基于点云数据修补算法处理所述点云数据，得到修补点云数据；
基于斜率差简化算法优化所述修补点云数据，得到简化点云数据；
生成三角网格，基于三角网剖分算法对所述简化点云数据进行坐标变化，得到点云坐标数据；
提取所述点云坐标数据的特征点，根据各所述特征点构建道路三维模型。
3.根据权利要求1所述的方法，其特征在于，所述获取实时天气数据，根据所述实时天气数据确定导盲辅助范围，包括：
获取实时天气数据，确定所述实时天气数据对应的第一天气类别；
在预设的数据库中查询所述第一天气类别，得到导盲辅助范围。
4.根据权利要求3所述的方法，其特征在于，所述获取实时天气数据，根据所述实时天气数据确定导盲辅助范围之后，还包括：
获取经过第一时长后的预测天气数据，确定所述预测天气数据对应的第二天气类别；
比对所述第一天气类别与第二天气类别，确定天气变化趋势；
当所述天气变化趋势表征为天气状况变差时，获取天气数据刚变换为所述第二天气类别的第一时刻，在当前时刻距离所述第一时刻的剩余时长为第二时长时，基于所述第二天气类别调整所述导盲辅助范围；
当所述天气变化趋势表征为天气状况变好时，获取所述第一时刻，在所述当前时刻超过所述第一时刻的超出时长为第三时长时，基于所述第二天气类别调整所述导盲辅助范围。
5.根据权利要求1所述的方法，其特征在于，所述根据所述道路三维模型确定当前行进路线上的障碍物数据，基于所述障碍物数据生成提醒信息，并展示所述提醒信息之前，还包括：
获取第四时长之前的历史天气数据，当所述实时天气数据与历史天气数据中的至少一个天气数据表征为雨天时，确定所述道路三维模型中的平滑区域；
对所有所述平滑区域进行语义信息识别，得到危险平滑区域；
根据所述危险平滑区域优化当前行进路线，用以使所述当前行进路线不经过所述危险平滑区域。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当检测到避雨指令时，在所述道路三维模型中识别遮挡区域；
确定与当前位置距离最近的所述遮挡区域，生成避雨路线，所述避雨路线为从所述当前位置前往所述遮挡区域的路线。
7.一种基于点云三维建模的导盲装置，其特征在于，所述装置包括：
获取模块，用于获取实时天气数据，根据所述实时天气数据确定导盲辅助范围；
构建模块，用于获取激光扫描仪在所述导盲辅助范围内采集的点云数据，基于所述点云数据构建道路三维模型；
生成模块，用于根据所述道路三维模型确定当前行进路线上的障碍物数据，基于所述障碍物数据生成提醒信息，并展示所述提醒信息。
8.一种电子设备，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计算机程序时实现如权利要求1-6任一项所述方法的步骤。
9.一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，所述计算机程序被处理器执行时实现如权利要求1-6任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110974283.XA CN113693898A (zh) | 2021-08-24 | 2021-08-24 | 一种基于点云三维建模的导盲方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110974283.XA CN113693898A (zh) | 2021-08-24 | 2021-08-24 | 一种基于点云三维建模的导盲方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113693898A true CN113693898A (zh) | 2021-11-26 |
Family
ID=78654389
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110974283.XA Withdrawn CN113693898A (zh) | 2021-08-24 | 2021-08-24 | 一种基于点云三维建模的导盲方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113693898A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114494849B (zh) * | 2021-12-21 | 2024-04-09 | 重庆特斯联智慧科技股份有限公司 | 用于轮式机器人的路面状态识别方法和系统 |
-
2021
- 2021-08-24 CN CN202110974283.XA patent/CN113693898A/zh not_active Withdrawn
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114494849B (zh) * | 2021-12-21 | 2024-04-09 | 重庆特斯联智慧科技股份有限公司 | 用于轮式机器人的路面状态识别方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110688992B (zh) | 交通信号识别方法、装置、车辆导航设备和无人驾驶车辆 | |
| WO2021097618A1 (zh) | 点云分割方法、系统及计算机存储介质 | |
| US11415993B2 (en) | Method and apparatus for processing driving reference line, and vehicle | |
| US20220204019A1 (en) | Sensor calibration with environment map | |
| CN109583280A (zh) | 车道线识别方法、装置、设备及存储介质 | |
| CN108629292B (zh) | 弯曲车道线检测方法、装置及终端 | |
| CN108133619A (zh) | 停车场停车预测的方法、装置、存储介质及终端设备 | |
| WO2020093939A1 (zh) | 定位方法、装置以及电子设备 | |
| CN110991215B (zh) | 车道线检测方法、装置、存储介质及电子设备 | |
| CN114037966A (zh) | 高精地图特征提取方法、装置、介质及电子设备 | |
| CN111295666A (zh) | 一种车道线检测方法、装置、控制设备及存储介质 | |
| CN113570665A (zh) | 路沿提取的方法、装置及电子设备 | |
| CN113052048A (zh) | 交通事件检测方法、装置、路侧设备以及云控平台 | |
| CN113693898A (zh) | 一种基于点云三维建模的导盲方法、装置及电子设备 | |
| WO2023088486A1 (zh) | 车道线提取方法、装置、车辆及存储介质 | |
| US20220219679A1 (en) | Spatial parking place detection method and device, storage medium, and program product | |
| CN114485690A (zh) | 导航地图的生成方法、装置、电子设备及存储介质 | |
| CN112784797A (zh) | 目标图像识别方法和装置 | |
| CN114332487A (zh) | 基于图像的积水预警方法、装置、设备、存储介质及产品 | |
| CN113658195B (zh) | 图像分割方法、装置及电子设备 | |
| CN112435274B (zh) | 一种基于面向对象分割的遥感影像面状地物提取方法 | |
| CN117490706A (zh) | 丁字路口车道线生成方法、装置和服务器 | |
| CN115131761B (zh) | 道路边界的识别方法、绘制方法及装置 | |
| CN116486130A (zh) | 障碍物识别的方法、装置、自移动设备及存储介质 | |
| CN116434181A (zh) | 地面点检测方法、装置、电子设备和介质 |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20211126 |