CN114090905A - 警戒线位置识别方法、装置、计算机设备及存储介质 - Google Patents
警戒线位置识别方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN114090905A CN114090905A CN202111160971.9A CN202111160971A CN114090905A CN 114090905 A CN114090905 A CN 114090905A CN 202111160971 A CN202111160971 A CN 202111160971A CN 114090905 A CN114090905 A CN 114090905A
- Authority
- CN
- China
- Prior art keywords
- robot
- map
- identifier
- determining
- unit
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了警戒线位置识别方法、装置、计算机设备及存储介质。方法包括:获取RGB图像以及深度图像信息;提取感兴趣区域;检索感兴趣区域,以得到检索结果;判断检索结果是否是有满足要求的标识;若是,则获取标识对应的编码信息;根据编码信息确定标识在地图中的位置;获取当前机器人的位置;判断当前机器人的位置与标识在地图中的位置的距离是否满足设定阈值;若不满足,则确定当前机器人定位丢失;判断标识在地图中的位置是否可用于重新定位;若可用,则更新机器人的位置。通过实施本发明实施例的方法可实现机器人可精准识别地面上的警戒线,以在定位丢失的情况下重新定位到机器人在地图中的位置,避免一些安全事故发生。
Description
技术领域
本发明涉及警戒线识别方法,更具体地说是指警戒线位置识别方法、装置、计算机设备及存储介质。
背景技术
随着科学技术的高速发展,服务型移动机器人逐渐走进老百姓的日常生活中,并且真实落地应用于多个行业终端,包括餐厅、银行、政务、展会、地铁等多个垂直行业。
在现有的技术中,机器人使用激光雷达来感知环境,规划路径,智能避障,但当机器人定位丢失时,会移动到一些跌落风险区,如楼梯口以及台阶边缘等,由于激光雷达的局限性,无法准确识别地面上的警戒线,无法提前感知路径上的跌落风险区,从而导致机器人跌落,造成安全事故。
因此,有必要设计一种新的方法,实现机器人可精准识别地面上的警戒线,以在定位丢失的情况下重新定位到机器人在地图中的位置,避免一些安全事故发生。
发明内容
本发明的目的在于克服现有技术的缺陷,提供警戒线位置识别方法、装置、计算机设备及存储介质。
为实现上述目的,本发明采用以下技术方案:警戒线位置识别方法,包括:
获取RGB图像以及深度图像信息;
提取所述RGB图像的感兴趣区域;
检索所述感兴趣区域,以得到检索结果;
判断所述检索结果是否是有满足要求的标识;
若所述检索结果是有满足要求的标识,则获取所述标识对应的编码信息;
根据所述编码信息确定所述标识在地图中的位置;
获取当前机器人的位置;
判断当前机器人的位置与所述标识在地图中的位置的距离是否满足设定阈值;
若当前机器人的位置与所述标识在地图中的位置的距离不满足设定阈值,则确定当前机器人定位丢失;
判断所述标识在地图中的位置是否可用于重新定位;
若所述标识在地图中的位置可用于重新定位,则利用所述标识在地图中的位置更新机器人的位置。
其进一步技术方案为:所述获取所述判断当前机器人的位置与所述标识在地图中的位置的距离是否满足设定阈值之后,还包括:
若当前机器人的位置与所述标识在地图中的位置的距离满足设定阈值,则确定所述标识在RGB图像内的像素坐标;
根据所述深度图像信息以及像素坐标确定禁行线;
发送所述禁行线的位置至机器人。
其进一步技术方案为:所述根据所述深度图像信息以及像素坐标确定禁行线,包括:
将所述像素坐标与所述深度图像信息进行配准,以得到融合配准数据;
将所述融合配准数据转换为空间坐标数据;
确定与所述空间坐标数据的距离符合安全范围的区域内的坐标点的集合,以形成禁行线。
其进一步技术方案为:所述检索所述感兴趣区域,以得到检索结果,包括:
利用图像模板匹配方式检索所述感兴趣区域内图案与目标图案的匹配程度;
判断所述匹配程度是否大于设定阈值;
若所述匹配程度大于设定阈值,则确定所述检索结果是有满足要求的标识,且所述标识为所述感兴趣区域内图案;
若所述匹配程度不大于设定阈值,则确定所述检索结果不是有满足要求的标识。
其进一步技术方案为:所述利用所述标识在地图中的位置更新机器人的位置,包括:
利用所述标识在地图中的位置设置为机器人当前的位置。
其进一步技术方案为:所述判断所述标识在地图中的位置是否可用于重新定位之后,还包括:
若所述标识在地图中的位置不可用于重新定位,则驱动机器人正常运行。
本发明还提供了警戒线位置识别装置,包括:
信息获取单元,用于获取RGB图像以及深度图像信息;
区域提取单元,用于提取所述RGB图像的感兴趣区域;
检索单元,用于检索所述感兴趣区域,以得到检索结果;
标识判断单元,用于判断所述检索结果是否是有满足要求的标识;
编码信息获取单元,用于若所述检索结果是有满足要求的标识,则获取所述标识对应的编码信息;
位置确定单元,用于根据所述编码信息确定所述标识在地图中的位置;
位置获取单元,用于获取当前机器人的位置;
位置判断单元,用于判断当前机器人的位置与所述标识在地图中的位置的距离是否满足设定阈值;
丢失确定单元,用于若当前机器人的位置与所述标识在地图中的位置的距离不满足设定阈值,则确定当前机器人定位丢失;
重新定位判断单元,用于判断所述标识在地图中的位置是否可用于重新定位;
位置更新单元,用于若所述标识在地图中的位置可用于重新定位,则利用所述标识在地图中的位置更新机器人的位置。
其进一步技术方案为:还包括:
像素坐标确定单元,用于确定所述标识在RGB图像内的像素坐标;
禁行线确定单元,用于根据所述深度图像信息以及像素坐标确定禁行线;
发送单元,用于发送所述禁行线的位置至机器人。
本发明还提供了一种计算机设备,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现上述的方法。
本发明还提供了一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时可实现上述的方法。
本发明与现有技术相比的有益效果是:本发明通过采集RGB图像以及深度图像信息,提取RGB图像中特定颜色区域部分为感兴趣区域,在感兴趣区域内提取图像中的特定的Logo标识,如果能识别到特定的Logo标识则认为是警戒线,并以此进行机器人是否丢失的判定和重新定位,并生成禁行线,对机器人的行走起到引导作用,实现机器人可精准识别地面上的警戒线,以在定位丢失的情况下重新定位到机器人在地图中的位置,避免一些安全事故发生。
下面结合附图和具体实施例对本发明作进一步描述。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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为本发明实施例提供的警戒线位置识别方法的应用场景示意图;
图2为本发明实施例提供的警戒线位置识别方法的流程示意图;
图3为本发明实施例提供的警戒线位置识别方法的子流程示意图;
图4为本发明实施例提供的警戒线位置识别方法的子流程示意图;
图5为本发明实施例提供的警戒线位置识别装置的示意性框图;
图6为本发明实施例提供的警戒线位置识别装置的禁行线确定单元的示意性框图;
图7为本发明实施例提供的警戒线位置识别装置的检索单元的示意性框图;
图8为本发明实施例提供的计算机设备的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
请参阅图1和图2,图1为本发明实施例提供的警戒线位置识别方法的应用场景示意图。图2为本发明实施例提供的警戒线位置识别方法的示意性流程图。该警戒线位置识别方法应用于服务器中。服务器与深度相机以及机器人进行数据交互,其中,利用深度相机采集RGB图像以及深度图像信息,通过提取RGB图像中指定颜色区域来快速提取感兴趣区域。这些感兴趣区域是潜在的地面警戒线。再在感兴趣区域内查找带有Logo特征表示的区域,就可以确定是定制可识别的警戒线。而满足条件的区域内会包含定制的编码信息条纹。通过读取编码信息来确定当前警戒线所在地图中的位置,检测当前机器人在地图中位置是否在此附近,如果不在则认为定位丢。可利用此警戒线所在地图中的位置进行重新定位。还通过选取警戒线所在RGB图像中像素坐标,结合深度图信息进行配准,将RGB图像坐标转为三维点云坐标,生成禁行线让导航进行避障。
图2是本发明实施例提供的警戒线位置识别方法的流程示意图。如图2所示,该方法包括以下步骤S110至S250。
S110、获取RGB图像以及深度图像信息。
在本实施例中,采用RGB深度相机拍摄警戒线所在位置的图像,以形成RGB图像以及深度图像信息,其中,RGB图像是指带有颜色的图像,深度图像信息是指相机发出经调制的近红外光,遇警戒线后反射,通过计算光线发射和反射时间差或相位差,来换算被拍摄警戒线的距离,以产生深度信息。
S120、提取所述RGB图像的感兴趣区域。
在本实施例中,感兴趣区域是指警戒线所在的区域。
具体地,通过提取RGB图像中指定颜色区域来快速提取感兴趣区域。这些感兴趣区域是潜在的地面警戒线所在的区域。
S130、检索所述感兴趣区域,以得到检索结果。
在本实施例中,检索结果是指是否存在满足要求的标识的结果,也就是是否存在警戒线Logo的结果。
在一实施例中,请参阅图3,上述的步骤S130可包括步骤S131~S134。
S131、利用图像模板匹配方式检索所述感兴趣区域内图案与目标图案的匹配程度。
在本实施例中,采用图像模板匹配的方式进行感兴趣区域内图案的匹配,确定与目标图案匹配程度符合设定阈值的区域作为标识。
S132、判断所述匹配程度是否大于设定阈值;
S133、若所述匹配程度大于设定阈值,则确定所述检索结果是有满足要求的标识,且所述标识为所述感兴趣区域内图案;
S134、若所述匹配程度不大于设定阈值,则确定所述检索结果不是有满足要求的标识。
在本实施例中,标识为警戒线的图案。
在感兴趣区域内查找带有Logo特征如公司Logo等形状表示的区域,采用图像模板匹配的方式来检测当前图像中检测的Logo跟目标Logo即公司正确的Logo)的匹配程度,匹配程度大于一定百分比就认为是Logo特征检测成功,查找到就可以确定是定制可识别的警戒线;通过Logo匹配的方式可能够区分市面上通用的警戒线,可从复杂的场景中识别定制警戒线,能够识别图像中所有的定制警戒线。
S140、判断所述检索结果是否是有满足要求的标识;
若所述检索结果不是有满足要求的标识,则执行所述步骤S110。
S150、获取所述标识对应的编码信息。
在本实施例中,编码信息是指带有警戒线在地图中的位置信息的数据。
S160、根据所述编码信息确定所述标识在地图中的位置。
定制可识别的警戒线中包含编码信息条纹。通过读取编码信息来确定当前警戒线所在地图中的位置。在地图部署的时候,会在地图中标注出该警戒线所在位置。此时由于人为标注,是可以确定此警戒线在地图中位置是正确的。由于在地图中每一条警戒线都是唯一的,所以再次检测到该警戒线的时候是可以知道在地图中位置的。根据警戒线中的编码信息,可以在定位丢失的情况下重新定位到机器人在地图中的位置。
S170、获取当前机器人的位置。
在本实施例中,可通过机器人的定位传感器上传机器人的位置数据。
S180、判断当前机器人的位置与所述标识在地图中的位置的距离是否满足设定阈值。
在本实施例中,设定阈值是距离在设定的范围之内。
S190、若当前机器人的位置与所述标识在地图中的位置的距离满足设定阈值,,则确定所述标识在RGB图像内的像素坐标。
当确认有警戒线该图案时,则确定警戒线图案在在RGB图像内的像素坐标。
S200、根据所述深度图像信息以及像素坐标确定禁行线。
在本实施例中,禁行线是指与所述空间坐标数据的距离符合安全范围的区域内的坐标点的集合。
在一实施例中,请参阅图4,上述的步骤S200可包括步骤S201~S203。
S201、将所述像素坐标与所述深度图像信息进行配准,以得到融合配准数据。
在本实施例中,融合配准数据是指像素坐标在深度图像信息内的位置数据等。
S202、将所述融合配准数据转换为空间坐标数据。
在本实施例中,空间坐标数据是指警戒线的三维云坐标。
S203、确定与所述空间坐标数据的距离符合安全范围的区域内的坐标点的集合,以形成禁行线。
S210、发送所述禁行线的位置至机器人。
禁行线的设置可以使得机器人避开警戒线所在的位置行驶。
通过选取警戒线所在RGB图像中像素坐标,结合深度图像信息进行配准,将RGB图像坐标转为三维空间坐标。RGB图像跟深度图像信息之间每一个像素成对应关系,根据RGB图像中提取的坐标值可以访问到深度图像信息中对应坐标值的深度信息也就是距离信息,根据此距离信息以及在图像中的像素坐标可以计算出对应像素点在空间中的坐标信息。
当距离坐标信息在设定的安全范围之外时,则表明该点坐标并不安全,属于禁行线的其中一个点。
根据识别处的警戒线,生成导航所需点云数据,以构成禁行线,从而绕开警戒线后方的跌落风险区域,避免了机器人跌落情况发生。
当然,于其他实施例中,上述的步骤S190~步骤S220可与上述的S140至S170同时并行。
S220、若当前机器人的位置与所述标识在地图中的位置的距离不满足设定阈值,则确定当前机器人定位丢失;
S230、判断所述标识在地图中的位置是否可用于重新定位;
S240、若所述标识在地图中的位置可用于重新定位,则利用所述标识在地图中的位置更新机器人的位置。
利用之前在地图中标注的警戒线位置,以及当前识别到该警戒线时机器人的位置。判断机器人的位置是否在接近的在地图中标注的警戒线位置的区域,如果不在,认为机器人丢失了,则利用之前在地图中标注的警戒线位置来设置成为机器人当前的位置。
S250、若所述标识在地图中的位置不可用于重新定位,则驱动机器人正常运行。
上述的警戒线位置识别方法,通过采集RGB图像以及深度图像信息,提取RGB图像中特定颜色区域部分为感兴趣区域,在感兴趣区域内提取图像中的特定的Logo标识,如果能识别到特定的Logo标识则认为是警戒线,并以此进行机器人是否丢失的判定和重新定位,并生成禁行线,对机器人的行走起到引导作用,实现机器人可精准识别地面上的警戒线,以在定位丢失的情况下重新定位到机器人在地图中的位置,避免一些安全事故发生。
图5是本发明实施例提供的一种警戒线位置识别装置300的示意性框图。如图5所示,对应于以上警戒线位置识别方法,本发明还提供一种警戒线位置识别装置300。该警戒线位置识别装置300包括用于执行上述警戒线位置识别方法的单元,该装置可以被配置于服务器中。具体地,请参阅图5,该警戒线位置识别装置300包括信息获取单元301、区域提取单元302、检索单元303、标识判断单元304、编码信息获取单元305、位置确定单元306、位置获取单元307、位置判断单元308、丢失确定单元312、重新定位判断单元313以及位置更新单元314。
信息获取单元301,用于获取RGB图像以及深度图像信息;区域提取单元302,用于提取所述RGB图像的感兴趣区域;检索单元303,用于检索所述感兴趣区域,以得到检索结果;标识判断单元304,用于判断所述检索结果是否是有满足要求的标识;编码信息获取单元305,用于若所述检索结果是有满足要求的标识,则获取所述标识对应的编码信息;位置确定单元306,用于根据所述编码信息确定所述标识在地图中的位置;位置获取单元307,用于获取当前机器人的位置;位置判断单元308,用于判断当前机器人的位置与所述标识在地图中的位置的距离是否满足设定阈值;若当前机器人的位置与所述标识在地图中的位置的距离满足设定阈值,则执行确定所述标识在RGB图像内的像素坐标。丢失确定单元312,用于若当前机器人的位置与所述标识在地图中的位置的距离不满足设定阈值,则确定当前机器人定位丢失;重新定位判断单元313,用于判断所述标识在地图中的位置是否可用于重新定位;位置更新单元314,用于若所述标识在地图中的位置可用于重新定位,则利用所述标识在地图中的位置更新机器人的位置。
在一实施例中,如图5所示,警戒线位置识别装置300还包括像素坐标确定单元309、禁行线确定单元310以及发送单元311。
像素坐标确定单元309,用于确定所述标识在RGB图像内的像素坐标;禁行线确定单元310,用于根据所述深度图像信息以及像素坐标确定禁行线;发送单元311,用于发送所述禁行线的位置至机器人。
在一实施例中,如图6所示,所述禁行线确定单元310包括配准子单元3101、转换子单元3102以及集合确定子单元3103。
配准子单元3101,用于将所述像素坐标与所述深度图像信息进行配准,以得到融合配准数据;转换子单元3102,用于将所述融合配准数据转换为空间坐标数据;集合确定子单元3103,用于确定与所述空间坐标数据的距离符合安全范围的区域内的坐标点的集合,以形成禁行线。
在一实施例中,如图7所示,所述检索单元303包括匹配子单元3031、程度判断子单元3032、第一确定子单元3033以及第二确定子单元3034。
匹配子单元3031,用于利用图像模板匹配方式检索所述感兴趣区域内图案与目标图案的匹配程度;程度判断子单元3032,用于判断所述匹配程度是否大于设定阈值;第一确定子单元3033,用于若所述匹配程度大于设定阈值,则确定所述检索结果是有满足要求的标识,且所述标识为所述感兴趣区域内图案;第二确定子单元3034,用于若所述匹配程度不大于设定阈值,则确定所述检索结果不是有满足要求的标识。
在一实施例中,位置更新单元308用于利用所述标识在地图中的位置设置为机器人当前的位置。
在一实施例中,上述的警戒线位置识别装置300还包括驱动单元315,用于若所述标识在地图中的位置不可用于重新定位,则驱动机器人正常运行。
需要说明的是,所属领域的技术人员可以清楚地了解到,上述警戒线位置识别装置300和各单元的具体实现过程,可以参考前述方法实施例中的相应描述,为了描述的方便和简洁,在此不再赘述。
上述警戒线位置识别装置300可以实现为一种计算机程序的形式,该计算机程序可以在如图8所示的计算机设备上运行。
请参阅图8,图8是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500可以是服务器,其中,服务器可以是独立的服务器,也可以是多个服务器组成的服务器集群。
参阅图8,该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505,其中,存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032包括程序指令,该程序指令被执行时,可使得处理器502执行一种警戒线位置识别方法。
该处理器502用于提供计算和控制能力,以支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序5032被处理器502执行时,可使得处理器502执行一种警戒线位置识别方法。
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备500的限定,具体的计算机设备500可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
其中,所述处理器502用于运行存储在存储器中的计算机程序5032,以实现如下步骤:获取RGB图像以及深度图像信息;
提取所述RGB图像的感兴趣区域;检索所述感兴趣区域,以得到检索结果;判断所述检索结果是否是有满足要求的标识;若所述检索结果是有满足要求的标识,则获取所述标识对应的编码信息;根据所述编码信息确定所述标识在地图中的位置;获取当前机器人的位置;判断当前机器人的位置与所述标识在地图中的位置的距离是否满足设定阈值;若当前机器人的位置与所述标识在地图中的位置的距离不满足设定阈值,则确定当前机器人定位丢失;判断所述标识在地图中的位置是否可用于重新定位;若所述标识在地图中的位置可用于重新定位,则利用所述标识在地图中的位置更新机器人的位置。
在一实施例中,处理器502在实现所述获取所述判断当前机器人的位置与所述标识在地图中的位置的距离是否满足设定阈值步骤之后,还实现如下步骤:
确定所述标识在RGB图像内的像素坐标;根据所述深度图像信息以及像素坐标确定禁行线;发送所述禁行线的位置至机器人。
在一实施例中,处理器502在实现所述根据所述深度图像信息以及像素坐标确定禁行线步骤时,具体实现如下步骤:
将所述像素坐标与所述深度图像信息进行配准,以得到融合配准数据;将所述融合配准数据转换为空间坐标数据;确定与所述空间坐标数据的距离符合安全范围的区域内的坐标点的集合,以形成禁行线。
在一实施例中,处理器502在实现所述检索所述感兴趣区域,以得到检索结果步骤时,具体实现如下步骤:
利用图像模板匹配方式检索所述感兴趣区域内图案与目标图案的匹配程度;判断所述匹配程度是否大于设定阈值;若所述匹配程度大于设定阈值,则确定所述检索结果是有满足要求的标识,且所述标识为所述感兴趣区域内图案;若所述匹配程度不大于设定阈值,则确定所述检索结果不是有满足要求的标识。
在一实施例中,处理器502在实现所述利用所述标识在地图中的位置更新机器人的位置步骤时,具体实现如下步骤:
利用所述标识在地图中的位置设置为机器人当前的位置。
在一实施例中,处理器502在实现所述判断所述标识在地图中的位置是否可用于重新定位步骤之后,还实现如下步骤:
若所述标识在地图中的位置不可用于重新定位,则驱动机器人正常运行。
应当理解,在本申请实施例中,处理器502可以是中央处理单元(CentralProcessing Unit,CPU),该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令,计算机程序可存储于一存储介质中,该存储介质为计算机可读存储介质。该程序指令被该计算机系统中的至少一个处理器执行,以实现上述方法的实施例的流程步骤。
因此,本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序,其中该计算机程序被处理器执行时使处理器执行如下步骤:
获取RGB图像以及深度图像信息;提取所述RGB图像的感兴趣区域;检索所述感兴趣区域,以得到检索结果;判断所述检索结果是否是有满足要求的标识;若所述检索结果是有满足要求的标识,则获取所述标识对应的编码信息;根据所述编码信息确定所述标识在地图中的位置;获取当前机器人的位置;判断当前机器人的位置与所述标识在地图中的位置的距离是否满足设定阈值;若当前机器人的位置与所述标识在地图中的位置的距离不满足设定阈值,则确定当前机器人定位丢失;判断所述标识在地图中的位置是否可用于重新定位;若所述标识在地图中的位置可用于重新定位,则利用所述标识在地图中的位置更新机器人的位置。
在一实施例中,所述处理器在执行所述计算机程序而实现所述获取所述判断当前机器人的位置与所述标识在地图中的位置的距离是否满足设定阈值步骤之后,还实现如下步骤:
确定所述标识在RGB图像内的像素坐标;根据所述深度图像信息以及像素坐标确定禁行线;发送所述禁行线的位置至机器人。
在一实施例中,所述处理器在执行所述计算机程序而实现所述根据所述深度图像信息以及像素坐标确定禁行线步骤时,具体实现如下步骤:
将所述像素坐标与所述深度图像信息进行配准,以得到融合配准数据;将所述融合配准数据转换为空间坐标数据;确定与所述空间坐标数据的距离符合安全范围的区域内的坐标点的集合,以形成禁行线。
在一实施例中,所述处理器在执行所述计算机程序而实现所述检索所述感兴趣区域,以得到检索结果步骤时,具体实现如下步骤:
利用图像模板匹配方式检索所述感兴趣区域内图案与目标图案的匹配程度;判断所述匹配程度是否大于设定阈值;若所述匹配程度大于设定阈值,则确定所述检索结果是有满足要求的标识,且所述标识为所述感兴趣区域内图案;若所述匹配程度不大于设定阈值,则确定所述检索结果不是有满足要求的标识。
在一实施例中,所述处理器在执行所述计算机程序而实现所述利用所述标识在地图中的位置更新机器人的位置步骤时,具体实现如下步骤:
利用所述标识在地图中的位置设置为机器人当前的位置。
在一实施例中,所述处理器在执行所述计算机程序而实现所述判断所述标识在地图中的位置是否可用于重新定位步骤之后,还实现如下步骤:
若所述标识在地图中的位置不可用于重新定位,则驱动机器人正常运行。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以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,各个单元的划分,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。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外,在本发明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,也可以是两个或两个以上单元集成在一个单元中。
该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,可以存储在一个存储介质中。基于这样的理解,本发明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介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,终端,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.警戒线位置识别方法,其特征在于,包括:
获取RGB图像以及深度图像信息;
提取所述RGB图像的感兴趣区域;
检索所述感兴趣区域,以得到检索结果;
判断所述检索结果是否是有满足要求的标识;
若所述检索结果是有满足要求的标识,则获取所述标识对应的编码信息;
根据所述编码信息确定所述标识在地图中的位置;
获取当前机器人的位置;
判断当前机器人的位置与所述标识在地图中的位置的距离是否满足设定阈值;
若当前机器人的位置与所述标识在地图中的位置的距离不满足设定阈值,则确定当前机器人定位丢失;
判断所述标识在地图中的位置是否可用于重新定位;
若所述标识在地图中的位置可用于重新定位,则利用所述标识在地图中的位置更新机器人的位置。
2.根据权利要求1所述的警戒线位置识别方法,其特征在于,所述获取所述判断当前机器人的位置与所述标识在地图中的位置的距离是否满足设定阈值之后,还包括:
若当前机器人的位置与所述标识在地图中的位置的距离满足设定阈值,则确定所述标识在RGB图像内的像素坐标;
根据所述深度图像信息以及像素坐标确定禁行线;
发送所述禁行线的位置至机器人。
3.根据权利要求2所述的警戒线位置识别方法,其特征在于,所述根据所述深度图像信息以及像素坐标确定禁行线,包括:
将所述像素坐标与所述深度图像信息进行配准,以得到融合配准数据;
将所述融合配准数据转换为空间坐标数据;
确定与所述空间坐标数据的距离符合安全范围的区域内的坐标点的集合,以形成禁行线。
4.根据权利要求1所述的警戒线位置识别方法,其特征在于,所述检索所述感兴趣区域,以得到检索结果,包括:
利用图像模板匹配方式检索所述感兴趣区域内图案与目标图案的匹配程度;
判断所述匹配程度是否大于设定阈值;
若所述匹配程度大于设定阈值,则确定所述检索结果是有满足要求的标识,且所述标识为所述感兴趣区域内图案;
若所述匹配程度不大于设定阈值,则确定所述检索结果不是有满足要求的标识。
5.根据权利要求1所述的警戒线位置识别方法,其特征在于,所述利用所述标识在地图中的位置更新机器人的位置,包括:
利用所述标识在地图中的位置设置为机器人当前的位置。
6.根据权利要求1所述的警戒线位置识别方法,其特征在于,所述判断所述标识在地图中的位置是否可用于重新定位之后,还包括:
若所述标识在地图中的位置不可用于重新定位,则驱动机器人正常运行。
7.警戒线位置识别装置,其特征在于,包括:
信息获取单元,用于获取RGB图像以及深度图像信息;
区域提取单元,用于提取所述RGB图像的感兴趣区域;
检索单元,用于检索所述感兴趣区域,以得到检索结果;
标识判断单元,用于判断所述检索结果是否是有满足要求的标识;
编码信息获取单元,用于若所述检索结果是有满足要求的标识,则获取所述标识对应的编码信息;
位置确定单元,用于根据所述编码信息确定所述标识在地图中的位置;
位置获取单元,用于获取当前机器人的位置;
位置判断单元,用于判断当前机器人的位置与所述标识在地图中的位置的距离是否满足设定阈值;
丢失确定单元,用于若当前机器人的位置与所述标识在地图中的位置的距离不满足设定阈值,则确定当前机器人定位丢失;
重新定位判断单元,用于判断所述标识在地图中的位置是否可用于重新定位;
位置更新单元,用于若所述标识在地图中的位置可用于重新定位,则利用所述标识在地图中的位置更新机器人的位置。
8.根据权利要求7所述的警戒线位置识别装置,其特征在于,还包括:
像素坐标确定单元,用于确定所述标识在RGB图像内的像素坐标;
禁行线确定单元,用于根据所述深度图像信息以及像素坐标确定禁行线;
发送单元,用于发送所述禁行线的位置至机器人。
9.一种计算机设备,其特征在于,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的方法。
10.一种存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时可实现如权利要求1至6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111160971.9A CN114090905A (zh) | 2021-09-30 | 2021-09-30 | 警戒线位置识别方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111160971.9A CN114090905A (zh) | 2021-09-30 | 2021-09-30 | 警戒线位置识别方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114090905A true CN114090905A (zh) | 2022-02-25 |
Family
ID=80296457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111160971.9A Pending CN114090905A (zh) | 2021-09-30 | 2021-09-30 | 警戒线位置识别方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114090905A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115373407A (zh) * | 2022-10-26 | 2022-11-22 | 北京云迹科技股份有限公司 | 机器人自动避开安全警戒线的方法及装置 |
-
2021
- 2021-09-30 CN CN202111160971.9A patent/CN114090905A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115373407A (zh) * | 2022-10-26 | 2022-11-22 | 北京云迹科技股份有限公司 | 机器人自动避开安全警戒线的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108303103B (zh) | 目标车道的确定方法和装置 | |
CN107563419B (zh) | 图像匹配和二维码相结合的列车定位方法 | |
CN110148144B (zh) | 点云数据的分割方法和装置、存储介质、电子装置 | |
EP2450667B1 (en) | Vision system and method of analyzing an image | |
US10198632B2 (en) | Survey data processing device, survey data processing method, and survey data processing program | |
CN110148196B (zh) | 一种图像处理方法、装置以及相关设备 | |
US9651393B2 (en) | Driving support device, driving support method, and recording medium storing driving support program | |
JP6325806B2 (ja) | 車両位置推定システム | |
JP7138718B2 (ja) | 地物検出装置、地物検出方法および地物検出プログラム | |
CN112991791B (zh) | 交通信息识别和智能行驶方法、装置、设备及存储介质 | |
US20100259609A1 (en) | Pavement marker recognition device, pavement marker recognition method and pavement marker recognition program | |
CN108038139B (zh) | 地图构建方法、装置和机器人定位方法、装置、计算机设备和存储介质 | |
US11371851B2 (en) | Method and system for determining landmarks in an environment of a vehicle | |
CN111611853A (zh) | 一种传感信息融合方法、装置及存储介质 | |
CN110544268B (zh) | 一种基于结构光及SiamMask网络的多目标跟踪方法 | |
US20230065774A1 (en) | Computer Vision Systems and Methods for Modeling Three-Dimensional Structures Using Two-Dimensional Segments Detected in Digital Aerial Images | |
CN112967283A (zh) | 基于双目摄像头的目标识别方法、系统、设备及存储介质 | |
CN114627394B (zh) | 一种基于无人机的渣土车套牌识别方法及系统 | |
US20220355818A1 (en) | Method for a scene interpretation of an environment of a vehicle | |
CN114090905A (zh) | 警戒线位置识别方法、装置、计算机设备及存储介质 | |
CN115599119A (zh) | 一种无人机的避障系统 | |
CN112004732B (zh) | 铁路轨道识别装置 | |
CN115661522A (zh) | 一种基于视觉语义矢量的车辆导引方法、系统、设备和介质 | |
CN111105435B (zh) | 标志物匹配方法、装置及终端设备 | |
US11442913B2 (en) | Method and device for creating a localization map |
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 |