CN114359315A - 物流最小配送单元的提取方法和装置 - Google Patents
物流最小配送单元的提取方法和装置 Download PDFInfo
- Publication number
- CN114359315A CN114359315A CN202210005788.XA CN202210005788A CN114359315A CN 114359315 A CN114359315 A CN 114359315A CN 202210005788 A CN202210005788 A CN 202210005788A CN 114359315 A CN114359315 A CN 114359315A
- Authority
- CN
- China
- Prior art keywords
- road network
- pixel
- processing
- graph
- map
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种物流最小配送单元的提取方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括:对路网信息图进行像素值处理得到路网区域中道路所对应的候选像素点图;对候选像素点图中的候选像素点进行边缘提取处理,以得到候选像素点的外轮廓图;对外轮廓图进行缺失边缘补全处理,以得到完整路网轮廓图;将完整路网轮廓图中道路所对应的像素点进行处理得到路网骨架图;对路网骨架图进行像素补全处理,并从像素补全处理后的路网骨架图中提取由道路所对应的像素点连接而成的闭合区域作为物流最小配送单元。该实施方式能够根据路网信息图自动提取物流最小配送单元,节省人力,且提取效率高,提取的物流最小配送单元更准确、可靠。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种物流最小配送单元的提取方法和装置。
背景技术
目前在物流配送过程中,最后的配送站点配送阶段,会将配送站点包括的配送范围进行划分得到最小配送范围,作为物流最小配送单元。目前,物流最小配送单元的提取多是由人工根据路网信息图来对配送站点的配送范围进行划分得到的。路网即为道路网络,路网信息图中包括了道路网络相关的信息。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:
目前由人工来确定物流最小配送单元,费时费力且准确度和可靠性低。
发明内容
有鉴于此,本发明实施例提供一种物流最小配送单元的提取方法和装置,能够根据路网信息图自动提取物流最小配送单元,无需人工进行处理,从而可以节省人力,且提取效率高,提取的物流最小配送单元更准确、可靠。
为实现上述目的,根据本发明实施例的一个方面,提供了一种物流最小配送单元的提取方法,包括:对路网信息图进行像素值处理得到路网区域中道路所对应的候选像素点图;对所述候选像素点图中的候选像素点进行边缘提取处理,以得到所述候选像素点的外轮廓图;对所述外轮廓图进行缺失边缘补全处理,以得到完整路网轮廓图;将所述完整路网轮廓图中道路所对应的像素点进行处理得到路网骨架图;对所述路网骨架图进行像素补全处理,并从像素补全处理后的路网骨架图中提取由道路所对应的像素点连接而成的闭合区域作为物流最小配送单元,所述物流最小配送单元是配送站点包括的最小配送范围。
可选地,所述路网信息图通过以下方式得到:获取包含路网信息的瓦片图像集合,其中,所述瓦片图像集合中的瓦片图像是对预设的配送区域的地图图像进行切分后得到的图像;对所述瓦片图像按照坐标顺序进行拼接得到路网信息图。
可选地,对路网信息图进行像素值处理得到路网区域中道路所对应的候选像素点图,包括:对所述路网信息图进行像素值的二值化处理得到路网区域中道路所对应的候选像素点图,所述候选像素点图包括道路所对应的第一像素点集合和非道路所对应的第二像素点集合,且所述第一像素点集合为候选像素点。
可选地,对所述候选像素点图中的候选像素点进行边缘提取处理包括:通过Canny算子对所述候选像素点图中的候选像素点进行边缘提取处理。
可选地,对所述外轮廓图进行缺失边缘补全处理,包括:通过对所述外轮廓图进行形态学膨胀处理以对所述外轮廓图进行缺失边缘补全处理。
可选地,将所述完整路网轮廓图中道路所对应的像素点进行处理得到路网骨架图,包括:通过骨架提取算法将所述完整路网轮廓图中道路所对应的像素点处理成指定像素宽度的像素点,得到路网骨架图。
可选地,对所述路网骨架图进行像素补全处理,包括:对于所述路网骨架图中道路所对应的每个像素点,获取所述像素点对应的八邻域像素点,并根据所述八邻域像素点的像素值进行像素补全处理。
根据本发明实施例的另一方面,提供了一种物流最小配送单元的提取装置,包括:像素值处理模块,用于对路网信息图进行像素值处理得到路网区域中道路所对应的候选像素点图;边缘提取模块,用于对所述候选像素点图中的候选像素点进行边缘提取处理,以得到所述候选像素点的外轮廓图;边缘补全模块,用于对所述外轮廓图进行缺失边缘补全处理,以得到完整路网轮廓图;骨架提取模块,用于将所述完整路网轮廓图中道路所对应的像素点进行处理得到路网骨架图;像素补全模块,用于对所述路网骨架图进行像素补全处理,并从像素补全处理后的路网骨架图中提取由道路所对应的像素点连接而成的闭合区域作为物流最小配送单元,所述物流最小配送单元是配送站点包括的最小配送范围。
根据本发明实施例的又一方面,提供了一种物流最小配送单元的提取电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明实施例所提供的物流最小配送单元的提取方法。
根据本发明实施例的再一方面,提供了一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现本发明实施例所提供的物流最小配送单元的提取方法。
上述发明中的一个实施例具有如下优点或有益效果:通过对路网信息图进行像素值处理得到路网区域中道路所对应的候选像素点图;对候选像素点图中的候选像素点进行边缘提取处理,以得到候选像素点的外轮廓图;对外轮廓图进行缺失边缘补全处理,以得到完整路网轮廓图;将完整路网轮廓图中道路所对应的像素点进行处理得到路网骨架图;对路网骨架图进行像素补全处理,并从像素补全处理后的路网骨架图中提取由道路所对应的像素点连接而成的闭合区域作为物流最小配送单元的技术方案,实现了通过对路网信息图进行像素值处理得到候选像素点图,再对候选像素点进行边缘提取和缺失边缘补全处理得到完整路网轮廓图,然后进行骨架提取和像素补全,即可从路网信息图中提取物流最小配送单元。通过边缘提取,在进行缺失边缘补全时不需要过多的迭代次数就可以将缺失的路网补全;通过提取骨架图可以将道路对应的曲线细化为指定像素宽度,利于将像素点转换为空间坐标,以提取物流最小配送单元。通过本发明的技术方案,可以根据路网信息图自动提取物流最小配送单元,无需人工进行处理,从而可以节省人力,且提取效率高,提取的物流最小配送单元更准确、可靠。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的物流最小配送单元的提取方法的主要步骤示意图;
图2是本发明一个实施例的路网信息图的生成过程示意图;
图3是本发明一个实施例的候选像素点图;
图4是本发明一个实施例的候选像素点的外轮廓图;
图5是本发明一个实施例的完整路网轮廓图;
图6是本发明一个实施例的路网骨架图;
图7是本发明一个实施例的像素补全效果示意图;
图8是本发明一个实施例的像素点P1的八邻域示意图;
图9是根据本发明实施例的物流最小配送单元的提取装置的主要模块示意图;
图10是本发明实施例可以应用于其中的示例性系统架构图;
图11是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
为了解决现有技术中存在的技术问题,本发明提供了一种物流最小配送单元的提取方法和装置,可以对路网信息图进行处理,自动提取物流最小配送单元,无需人工进行处理,从而可以节省人力、且提取效率高,提取的物流最小配送单元更准确、可靠。
图1是根据本发明实施例的物流最小配送单元的提取方法的主要步骤示意图。如图1所示,本发明实施例的物流最小配送单元的提取方法主要包括如下的步骤S101至步骤S105。
步骤S101:对路网信息图进行像素值处理得到路网区域中道路所对应的候选像素点图。其中,路网信息图中包括了道路网络相关的信息,例如:道路位置坐标、形状、与道路相邻的小区、学校等信息。在本发明的实施例中,可通过网络获取到公开的带有路网信息的图像,并从中准确的提取出路网信息,以用于提取最小物流配送单元。
根据本发明的一个实施例,路网信息图可以通过以下方式得到:获取包含路网信息的瓦片图像集合,其中,所述瓦片图像集合中的瓦片图像是对预设的配送区域的地图图像进行切分后得到的图像;对所述瓦片图像按照坐标顺序进行拼接得到路网信息图。瓦片,是指将一定范围内的地图按照一定的尺寸和格式,按缩放级别或者比例尺,切成若干行和列的正方形栅格图片,对切片后的正方形栅格图片被形象的称为瓦片。通过获取到瓦片图像并按照坐标顺序进行拼接即可得到路网信息图。其中,配送区域例如是预先设定的,待划分最小配送范围的区域,例如:一个配送站点所对应的地理区域。在具体实施过程中,该配送区域可以是一个城市,也可以是城市中的某个区等,本发明对此不作限定。在对预设的配送区域的地图图像进行切分时,可以按照设定的缩放级别或者比例尺来将其切分为若干行和列的正方形栅格图片图像,例如:设定的瓦片图像与配送区域图像的比例为1:100,则可按照该比例来将配送区域图像切分为100个瓦片图像。
图2是本发明一个实施例的路网信息图的生成过程示意图,如图2所示,其中示出了4个瓦片图像按照坐标的先后顺序进行拼接得到完整的路网信息图的过程。上下拼接的两个瓦片图像的横坐标相同,纵坐标相连续;左右拼接的两个瓦片图像的纵坐标相同,横坐标相连续。
根据本发明的另一个实施例,该步骤S101中对路网信息图进行像素值处理得到路网区域中道路所对应的候选像素点图,具体可以包括:对所述路网信息图进行像素值的二值化处理得到路网区域中道路所对应的候选像素点图,所述候选像素点图包括道路所对应的第一像素点集合和非道路所对应的第二像素点集合,且所述第一像素点集合为候选像素点。图3是本发明一个实施例的候选像素点图,具体地,在该实施例中,提取路网信息图RGB图像中道路所对应的像素点,例如图2中的像素值为(255,255,255)的像素点,即:白色的像素点,将这些像素点作为路网区域中道路所对应的候选像素点,并将这些候选像素点赋值为1,其他值的所有像素点作为背景信息赋值为0,即可得到如图3所示的候选像素点图。在图3中,白色部分表示路网区域中道路对应的候选像素点,黑色部分都为非道路的背景信息。
由于原始的路网信息图中有较多的文字或图标遮挡,所以这些位置对应的像素点会出现缺失、断裂、较宽的道路会存在内部残缺的现象,如果不经过处理直接使用这些原始的像素点,会影响后续的最小物流配送单元的算法判断。因此,需要对这些区域进行补全。具体地,可通过如下的步骤S102和步骤S103来进行补全。
步骤S102:对所述候选像素点图中的候选像素点进行边缘提取处理,以得到所述候选像素点的外轮廓图。在本发明的实施例中,通过Canny算子对所述候选像素点图中的候选像素点进行边缘提取处理。Canny算子是一种边缘检测算子,可以提取物体的边缘轮廓。如此处理,对于本来就是完好的直线或者曲线区域是没有影响的,只是将其内部变成空心的,后续经过步骤S103的形态学膨胀处理可以补上;对于那些断开的区域,可以让较小的碎片向外扩充一些,让这些碎片的距离更近,使用形态学膨胀处理即可将断开的区域补全。图4是本发明一个实施例的候选像素点的外轮廓图,其中示出了使用Canny算子对候选像素点进行边缘提取处理后,得到的外轮廓图。
步骤S103:对所述外轮廓图进行缺失边缘补全处理,以得到完整路网轮廓图。在本发明的实施例中,通过对所述外轮廓图进行形态学膨胀处理以对所述外轮廓图进行缺失边缘补全处理。经过Canny算子处理后的同一道路上的像素点之间的间距较小。较宽道路内部出现的残缺更小,通过形态学膨胀可以将这些缺失的边缘补全,得到较为完整的路网轮廓。
图5是本发明一个实施例的完整路网轮廓图,其中示出了进行膨胀处理后得到的完整路网轮廓图,图中缺失的部分都被算法补全,并且位置准确,没有多余路线连接。在本发明的实施例中,可以使用常见的3*3的滤波器(长为3像素,宽为3像素,值都为1的像素块)对原图进行从左到右,从上到下的扫描,然后对于待处理图像的每一个值为1的像素点,将它与模板核的原点对齐,然后对于模板核中值为1的点在图像中对应的像素更新为1,以进行形态学膨胀处理。
步骤S104:将所述完整路网轮廓图中道路所对应的像素点进行处理得到路网骨架图。在本发明的实施例中,由于步骤S103中对外轮廓图进行膨胀处理后,道路所对应的像素值较多,不利于后续在确定物流最小配送单元时的空间坐标的转换,故而需要对膨胀处理后的完整路网轮廓图中道路对应的像素点进行骨架提取,以将所有道路对应的像素点细化成只有一个像素宽度的路网骨架图。图6是本发明一个实施例的路网骨架图,如图6所示,路网骨架图中已无缺失、断裂等残缺存在。
根据本发明的其中一个实施例,通过骨架提取算法将所述完整路网轮廓图中道路所对应的像素点处理成指定像素宽度的像素点,得到路网骨架图。此处,指定像素宽度例如是像素宽度为1,如此即可便于确定物流最小配送单元的空间坐标。
步骤S105:对所述路网骨架图进行像素补全处理,并从像素补全处理后的路网骨架图中提取由道路所对应的像素点连接而成的闭合区域作为物流最小配送单元,所述物流最小配送单元是配送站点包括的最小配送范围。提取出的路网骨架图中会存在交叉点像素缺失、直线像素出现离群点、交叉点像素偏离的情况,需要将这些像素点进行补全、移动处理,否则会影响后续算法的计算。本发明中使用一种基于像素点八邻域的方法对这几种情况进行处理,对于所述路网骨架图中道路所对应的每个像素点,获取所述像素点对应的八邻域像素点,并根据所述八邻域像素点的像素值进行像素补全处理。
图7是本发明一个实施例的像素补全效果示意图。如图7所示,左侧列中所示出的均为像素缺失的情况,右侧列中所示出的均为对应像素补全后的效果图。图7中第一行左侧(a)所示出的为交叉点像素缺失的情况,对应的处理效果如第一行右侧(b)所示;第二行左侧(c)所示出的为直线像素出现离群点的情况,对应的处理效果如第二行右侧(d)所示;第三行左侧(e)和第四行左侧(g)所示出的为交叉点像素偏离的情况,对应的处理效果如第三行右侧(f)和第四行右侧(h)所示。
图8是本发明一个实施例的像素点P1的八邻域示意图。如图8所示,像素点P1的八邻域指的是与像素点P1相邻的八个像素点所对应的区域。在本发明的实施例中,对于路网骨架图中的每一个像素值为1的像素点,都去检查该像素点对应的八邻域的情况,并根据不同的八邻域状况做不同的处理,主要包括以下的情况:
1、当像素点P1、P3、P9的像素值为1,其他像素点的像素值为0时,P1=0,P2=1,其中,P1=0表示像素点P1的像素值为0,以下类似;
2、当像素点P1、P3、P5的像素值为1,其他像素点的像素值为0时,P1=0,P4=1;
3、当像素点P1、P5、P7的像素值为1,其他像素点的像素值为0时,P1=0,P6=1;
4、当像素点P1、P7、P9的像素值为1,其他像素点的像素值为0时,P1=0,P8=1;
5、当像素点P1、P3、P5、P9的像素值为1,其他像素点的像素值为0时,P1=0,P2=1,P4=1;
6、当像素点P1、P3、P5、P7的像素值为1,其他像素点的像素值为0时,P1=0,P4=1,P6=1;
7、当像素点P1、P5、P7、P9的像素值为1,其他像素点的像素值为0时,P1=0,P6=1,P8=1;
8、当像素点P1、P3、P7、P9的像素值为1,其他像素点的像素值为0时,P1=0,P2=1,P8=1;
9、当像素点P1、P2、P3、P7、P9的像素值为1,其他像素点的像素值为0时,P1=0,P8=1;
10、当像素点P1、P2、P3、P5、P9的像素值为1,其他像素点的像素值为0时,P1=0,P4=1;
11、当像素点P1、P3、P4、P5、P9的像素值为1,其他像素点的像素值为0时,P1=0,P2=1;
12、当像素点P1、P3、P4、P5、P7的像素值为1,其他像素点的像素值为0时,P1=0,P6=1;
13、当像素点P1、P3、P5、P6、P7的像素值为1,其他像素点的像素值为0时,P1=0,P4=1;
14、当像素点P1、P5、P6、P7、P9的像素值为1,其他像素点的像素值为0时,P1=0,P8=1;
15、当像素点P1、P3、P7、P8、P9的像素值为1,其他像素点的像素值为0时,P1=0,P2=1;
16、当像素点P1、P5、P7、P8、P9的像素值为1,其他像素点的像素值为0时,P1=0,P6=1;
17、当像素点P2、P4、P8的像素值为1,其他像素点的像素值为0时,P1=1,P2=0;
18、当像素点P2、P4、P6的像素值为1,其他像素点的像素值为0时,P1=1,P4=0;
19、当像素点P4、P6、P8的像素值为1,其他像素点的像素值为0时,P1=1,P6=0;
20、当像素点P2、P6、P8的像素值为1,其他像素点的像素值为0时,P1=1,P8=0。
在像素补全处理完成后,从像素补全处理后的路网骨架图中提取由道路所对应的像素点连接而成的闭合区域作为物流最小配送单元。一般情况下,路网包围的区域中是有建筑物的(例如:小区、学校、办公大楼等),根据这些路网包围区域对应现实世界的经纬度坐标就可以划分到不同配送站点的配送范围内。对于配送站点而言,每一个被路网包围的闭合区域都可以构成一个物流最小配送单元,多个物流最小配送单元构成了配送站点的配送范围。
根据本发明的技术方案,通过对路网信息图进行像素值处理得到候选像素点图,再对候选像素点进行边缘提取和缺失边缘补全处理得到完整路网轮廓图,然后进行骨架提取和像素补全,即可实现从路网信息图中提取物流最小配送单元。通过边缘提取,在进行缺失边缘补全时不需要过多的迭代次数就可以将缺失的路网补全;通过提取骨架图可以将道路对应的曲线细化为指定像素宽度,利于将像素点转换为空间坐标,以提取物流最小配送单元。通过本发明的技术方案,可以根据路网信息图自动提取物流最小配送单元,无需人工进行处理,从而可以节省人力,且提取效率高,提取的物流最小配送单元更准确、可靠。
图9是根据本发明实施例的物流最小配送单元的提取装置的主要模块示意图。如图9所示,本发明实施例的物流最小配送单元的提取装置900主要包括像素值处理模块901、边缘提取模块902、边缘补全模块903、骨架提取模块904和像素补全模块905。
像素值处理模块901,用于对路网信息图进行像素值处理得到路网区域中道路所对应的候选像素点图;
边缘提取模块902,用于对所述候选像素点图中的候选像素点进行边缘提取处理,以得到所述候选像素点的外轮廓图;
边缘补全模块903,用于对所述外轮廓图进行缺失边缘补全处理,以得到完整路网轮廓图;
骨架提取模块904,用于将所述完整路网轮廓图中道路所对应的像素点进行处理得到路网骨架图;
像素补全模块905,用于对所述路网骨架图进行像素补全处理,并从像素补全处理后的路网骨架图中提取由道路所对应的像素点连接而成的闭合区域作为物流最小配送单元,所述物流最小配送单元是配送站点包括的最小配送范围。
根据本发明的一个实施例,所述路网信息图通过以下方式得到:
获取包含路网信息的瓦片图像集合,其中,所述瓦片图像集合中的瓦片图像是对预设的配送区域的地图图像进行切分后得到的图像;
对所述瓦片图像按照坐标顺序进行拼接得到路网信息图。
根据本发明的另一个实施例,像素值处理模块901还可以用于:
对所述路网信息图进行像素值的二值化处理得到路网区域中道路所对应的候选像素点图,所述候选像素点图包括道路所对应的第一像素点集合和非道路所对应的第二像素点集合,且所述第一像素点集合为候选像素点。
根据本发明的又一个实施例,边缘提取模块902还可以用于:
通过Canny算子对所述候选像素点图中的候选像素点进行边缘提取处理。
根据本发明的又一个实施例,边缘补全模块903还可以用于:
通过对所述外轮廓图进行形态学膨胀处理以对所述外轮廓图进行缺失边缘补全处理。
根据本发明的又一个实施例,骨架提取模块904还可以用于:
通过骨架提取算法将所述完整路网轮廓图中道路所对应的像素点处理成指定像素宽度的像素点,得到路网骨架图。
根据本发明的再一个实施例,像素补全模块905还可以用于:
对于所述路网骨架图中道路所对应的每个像素点,获取所述像素点对应的八邻域像素点,并根据所述八邻域像素点的像素值进行像素补全处理。
根据本发明实施例的技术方案,通过对路网信息图进行像素值处理得到路网区域中道路所对应的候选像素点图;对候选像素点图中的候选像素点进行边缘提取处理,以得到候选像素点的外轮廓图;对外轮廓图进行缺失边缘补全处理,以得到完整路网轮廓图;将完整路网轮廓图中道路所对应的像素点进行处理得到路网骨架图;对路网骨架图进行像素补全处理,并从像素补全处理后的路网骨架图中提取由道路所对应的像素点连接而成的闭合区域作为物流最小配送单元的技术方案,实现了通过对路网信息图进行像素值处理得到候选像素点图,再对候选像素点进行边缘提取和缺失边缘补全处理得到完整路网轮廓图,然后进行骨架提取和像素补全,即可从路网信息图中提取物流最小配送单元。通过边缘提取,在进行缺失边缘补全时不需要过多的迭代次数就可以将缺失的路网补全;通过提取骨架图可以将道路对应的曲线细化为指定像素宽度,利于将像素点转换为空间坐标,以提取物流最小配送单元。通过本发明的技术方案,可以根据路网信息图自动提取物流最小配送单元,无需人工进行处理,从而可以节省人力,且提取效率高,提取的物流最小配送单元更准确、可靠。
图10示出了可以应用本发明实施例的物流最小配送单元的提取方法或物流最小配送单元的提取装置的示例性系统架构1000。
如图10所示,系统架构1000可以包括终端设备1001、1002、1003,网络1004和服务器1005。网络1004用以在终端设备1001、1002、1003和服务器1005之间提供通信链路的介质。网络1004可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备1001、1002、1003通过网络1004与服务器1005交互,以接收或发送消息等。终端设备1001、1002、1003上可以安装有各种通讯客户端应用,例如物流配送类应用、地图类应用、图像处理类应用等(仅为示例)。
终端设备1001、1002、1003可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器1005可以是提供各种服务的服务器,例如对用户利用终端设备1001、1002、1003所发来的物流最小配送单元提取请求提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的路网信息图等数据进行像素值处理得到路网区域中道路所对应的候选像素点图;对所述候选像素点图中的候选像素点进行边缘提取处理,以得到所述候选像素点的外轮廓图;对所述外轮廓图进行缺失边缘补全处理,以得到完整路网轮廓图;将所述完整路网轮廓图中道路所对应的像素点进行处理得到路网骨架图;对所述路网骨架图进行像素补全处理,并从像素补全处理后的路网骨架图中提取由道路所对应的像素点连接而成的闭合区域作为物流最小配送单元等处理,并将处理结果(例如提取的物流最小配送单元--仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的物流最小配送单元的提取方法一般由服务器1005执行,相应地,物流最小配送单元的提取装置一般设置于服务器1005中。
应该理解,图10中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图11,其示出了适于用来实现本发明实施例的终端设备或服务器的计算机系统1100的结构示意图。图11示出的终端设备或服务器仅仅是一个示例,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11所示,计算机系统1100包括中央处理单元(CPU)1101,其可以根据存储在只读存储器(ROM)1102中的程序或者从存储部分1108加载到随机访问存储器(RAM)1103中的程序而执行各种适当的动作和处理。在RAM 1103中,还存储有系统1100操作所需的各种程序和数据。CPU 1101、ROM 1102以及RAM 1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。
以下部件连接至I/O接口1105:包括键盘、鼠标等的输入部分1106;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1107;包括硬盘等的存储部分1108;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1109。通信部分1109经由诸如因特网的网络执行通信处理。驱动器1110也根据需要连接至I/O接口1105。可拆卸介质1111,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1110上,以便于从其上读出的计算机程序根据需要被安装入存储部分1108。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分1109从网络上被下载和安装,和/或从可拆卸介质1111被安装。在该计算机程序被中央处理单元(CPU)1101执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的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或者是上述两者的任意组合。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可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本发明中,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。而在本发明中,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。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元或模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,例如,可以描述为:一种处理器包括像素值处理模块、边缘提取模块、边缘补全模块、骨架提取模块和像素补全模块。其中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定,例如,像素值处理模块还可以被描述为“用于对路网信息图进行像素值处理得到路网区域中道路所对应的候选像素点图的模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:对路网信息图进行像素值处理得到路网区域中道路所对应的候选像素点图;对所述候选像素点图中的候选像素点进行边缘提取处理,以得到所述候选像素点的外轮廓图;对所述外轮廓图进行缺失边缘补全处理,以得到完整路网轮廓图;将所述完整路网轮廓图中道路所对应的像素点进行处理得到路网骨架图;对所述路网骨架图进行像素补全处理,并从像素补全处理后的路网骨架图中提取由道路所对应的像素点连接而成的闭合区域作为物流最小配送单元,所述物流最小配送单元是配送站点包括的最小配送范围。
根据本发明实施例的技术方案,通过对路网信息图进行像素值处理得到路网区域中道路所对应的候选像素点图;对候选像素点图中的候选像素点进行边缘提取处理,以得到候选像素点的外轮廓图;对外轮廓图进行缺失边缘补全处理,以得到完整路网轮廓图;将完整路网轮廓图中道路所对应的像素点进行处理得到路网骨架图;对路网骨架图进行像素补全处理,并从像素补全处理后的路网骨架图中提取由道路所对应的像素点连接而成的闭合区域作为物流最小配送单元的技术方案,实现了通过对路网信息图进行像素值处理得到候选像素点图,再对候选像素点进行边缘提取和缺失边缘补全处理得到完整路网轮廓图,然后进行骨架提取和像素补全,即可从路网信息图中提取物流最小配送单元。通过边缘提取,在进行缺失边缘补全时不需要过多的迭代次数就可以将缺失的路网补全;通过提取骨架图可以将道路对应的曲线细化为指定像素宽度,利于将像素点转换为空间坐标,以提取物流最小配送单元。通过本发明的技术方案,可以根据路网信息图自动提取物流最小配送单元,无需人工进行处理,从而可以节省人力,且提取效率高,提取的物流最小配送单元更准确、可靠。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种物流最小配送单元的提取方法,其特征在于,包括:
对路网信息图进行像素值处理得到路网区域中道路所对应的候选像素点图;
对所述候选像素点图中的候选像素点进行边缘提取处理,以得到所述候选像素点的外轮廓图;
对所述外轮廓图进行缺失边缘补全处理,以得到完整路网轮廓图;
将所述完整路网轮廓图中道路所对应的像素点进行处理得到路网骨架图;
对所述路网骨架图进行像素补全处理,并从像素补全处理后的路网骨架图中提取由道路所对应的像素点连接而成的闭合区域作为物流最小配送单元,所述物流最小配送单元是配送站点包括的最小配送范围。
2.根据权利要求1所述的方法,其特征在于,所述路网信息图通过以下方式得到:
获取包含路网信息的瓦片图像集合,其中,所述瓦片图像集合中的瓦片图像是对预设的配送区域的地图图像进行切分后得到的图像;
对所述瓦片图像按照坐标顺序进行拼接得到所述路网信息图。
3.根据权利要求1所述的方法,其特征在于,对路网信息图进行像素值处理得到路网区域中道路所对应的候选像素点图,包括:
对所述路网信息图进行像素值的二值化处理得到路网区域中道路所对应的所述候选像素点图,所述候选像素点图包括道路所对应的第一像素点集合和非道路所对应的第二像素点集合,且所述第一像素点集合为候选像素点。
4.根据权利要求1所述的方法,其特征在于,对所述候选像素点图中的候选像素点进行边缘提取处理,包括:
通过Canny算子对所述候选像素点图中的候选像素点进行边缘提取处理。
5.根据权利要求1所述的方法,其特征在于,对所述外轮廓图进行缺失边缘补全处理,包括:
通过对所述外轮廓图进行形态学膨胀处理以对所述外轮廓图进行缺失边缘补全处理。
6.根据权利要求1所述的方法,其特征在于,将所述完整路网轮廓图中道路所对应的像素点进行处理得到路网骨架图,包括:
通过骨架提取算法将所述完整路网轮廓图中道路所对应的像素点处理成指定像素宽度的像素点,得到所述路网骨架图。
7.根据权利要求1所述的方法,其特征在于,对所述路网骨架图进行像素补全处理,包括:
对于所述路网骨架图中道路所对应的每个像素点,获取所述像素点对应的八邻域像素点,并根据所述八邻域像素点的像素值进行像素补全处理。
8.一种物流最小配送单元的提取装置,其特征在于,包括:
像素值处理模块,用于对路网信息图进行像素值处理得到路网区域中道路所对应的候选像素点图;
边缘提取模块,用于对所述候选像素点图中的候选像素点进行边缘提取处理,以得到所述候选像素点的外轮廓图;
边缘补全模块,用于对所述外轮廓图进行缺失边缘补全处理,以得到完整路网轮廓图;
骨架提取模块,用于将所述完整路网轮廓图中道路所对应的像素点进行处理得到路网骨架图;
像素补全模块,用于对所述路网骨架图进行像素补全处理,并从像素补全处理后的路网骨架图中提取由道路所对应的像素点连接而成的闭合区域作为物流最小配送单元,所述物流最小配送单元是配送站点包括的最小配送范围。
9.一种物流最小配送单元的提取电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210005788.XA CN114359315A (zh) | 2022-01-04 | 2022-01-04 | 物流最小配送单元的提取方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210005788.XA CN114359315A (zh) | 2022-01-04 | 2022-01-04 | 物流最小配送单元的提取方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114359315A true CN114359315A (zh) | 2022-04-15 |
Family
ID=81107101
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210005788.XA Pending CN114359315A (zh) | 2022-01-04 | 2022-01-04 | 物流最小配送单元的提取方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114359315A (zh) |
-
2022
- 2022-01-04 CN CN202210005788.XA patent/CN114359315A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112233240B (zh) | 三维矢量地图的三维矢量数据切片方法、装置及电子设备 | |
CN110502985B (zh) | 表格识别方法、装置及表格识别设备 | |
WO2021143059A1 (zh) | 地图区域的确定方法、装置、设备及存储介质 | |
CN106202086B (zh) | 一种图片处理、获取方法、装置及系统 | |
CN108334879B (zh) | 一种区域提取方法、系统及终端设备 | |
CN110647596B (zh) | 地图数据处理方法和装置 | |
CN110211195B (zh) | 生成图像集合的方法、装置、电子设备和计算机可读存储介质 | |
US11810310B2 (en) | Satellite image processing method, network training method, related devices and electronic device | |
CN108197567B (zh) | 用于图像处理的方法、装置和计算机可读介质 | |
CN111783777B (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
CN116756836B (zh) | 一种隧道超欠挖体积计算方法、电子设备及存储介质 | |
CN114627239B (zh) | 包围盒生成方法、装置、设备及存储介质 | |
CN110827301B (zh) | 用于处理图像的方法和装置 | |
CN114627257A (zh) | 三维路网地图的构建方法、装置、电子设备和存储介质 | |
CN114926849A (zh) | 一种文本检测方法、装置、设备及存储介质 | |
CN114283343A (zh) | 基于遥感卫星图像的地图更新方法、训练方法和设备 | |
US20230048643A1 (en) | High-Precision Map Construction Method, Apparatus and Electronic Device | |
CN114359315A (zh) | 物流最小配送单元的提取方法和装置 | |
CN110619597A (zh) | 一种半透明水印去除方法、装置、电子设备及存储介质 | |
CN114511862A (zh) | 表格识别方法、装置及电子设备 | |
CN113742485A (zh) | 一种处理文本的方法和装置 | |
CN111383193A (zh) | 图像修复方法和装置 | |
CN114155508B (zh) | 一种道路变化检测方法、装置、设备以及存储介质 | |
CN110895550A (zh) | 一种处理采集数据的方法和装置 | |
CN113901342B (zh) | 一种路网数据处理方法、装置、电子设备及存储介质 |
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 |