CN114677318A - 一种障碍物识别方法、装置、设备、介质及除草机器人 - Google Patents
一种障碍物识别方法、装置、设备、介质及除草机器人 Download PDFInfo
- Publication number
- CN114677318A CN114677318A CN202011553956.6A CN202011553956A CN114677318A CN 114677318 A CN114677318 A CN 114677318A CN 202011553956 A CN202011553956 A CN 202011553956A CN 114677318 A CN114677318 A CN 114677318A
- Authority
- CN
- China
- Prior art keywords
- candidate
- target pixel
- information
- area image
- weeding
- 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
- 238000009333 weeding Methods 0.000 title claims abstract description 171
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000035772 mutation Effects 0.000 claims abstract description 27
- 230000008859 change Effects 0.000 claims description 47
- 230000011218 segmentation Effects 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 12
- 230000002363 herbicidal effect Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 5
- 239000000463 material Substances 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 244000025254 Cannabis sativa Species 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration by the use of histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- 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
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Abstract
本发明实施例公开了一种障碍物识别方法、装置、设备、介质及除草机器人。该方法包括:获取候选除草区域图像的色度信息和曝光状态像素个数;获取突变峰值点峰值;确定目标像素位置信息、目标像素明度信息和色度有效像素数量;根据上述信息,确定是否存在阴影区域。通过运行本发明实施例所提供的技术方案,可以解决现有技术中通常采用埋设边界线的方式对除草机器人的除草区域的边界进行标定,耗费大量的人力和物力,增加了成本。并且由于对边界线的埋设存在限制一定程度上限制了除草区域的形状的问题,达到了提高除草机器人的候选除草区域中障碍物的识别效率和准确率的效果。
Description
技术领域
本发明实施例涉及计算机技术,尤其涉及一种障碍物识别方法、装置、设备、介质及除草机器人。
背景技术
随着生活水平的提高,人们日益关注环境建设,因此城市绿化园林的建设愈发受到重视。与此同时,高效的绿化养护,如日常除草等,逐渐成为了一种需求。但由于传统除草机需要人工操控,因此具有自主工作功能的除草机器人逐渐兴起。
现有技术中,通常采用埋设边界线的方式对除草机器人的除草区域的边界进行标定,耗费大量的人力和物力,增加了成本。并且由于对边界线的埋设存在限制,例如拐角的角度不能小于90度,因此一定程度上限制了除草区域的形状。
发明内容
本发明实施例提供一种障碍物识别方法、装置、设备、介质及除草机器人,以实现提高除草机器人的候选除草区域中障碍物的识别效率和准确率的效果。
第一方面,本发明实施例提供了一种障碍物识别方法,该方法包括:
获取候选除草区域图像的色度信息和曝光状态像素个数;
根据所述色度信息生成所述候选除草区域图像的色度直方图,并获取所述色度直方图的峰值信息;所述峰值信息包括:突变峰值点色度值和突变峰值点峰值;
根据所述突变峰值点色度值确定所述候选除草区域图像的目标像素位置信息和目标像素明度信息;
确定候选除草区域图像中处于预设色度区间的色度有效像素数量;
根据所述曝光状态像素个数、所述突变峰值点峰值、所述目标像素位置信息、所述目标像素明度信息和所述色度有效像素数量,确定所述候选除草区域图像中是否存在阴影区域,以确定所述候选除草区域图像中是否存在障碍物。
第二方面,本发明实施例还提供了一种障碍物识别装置,该装置包括:
信息获取模块,用于获取候选除草区域图像的色度信息和曝光状态像素个数;
直方图生成模块,用于根据所述色度信息生成所述候选除草区域图像的色度直方图,并获取所述色度直方图的峰值信息;所述峰值信息包括:突变峰值点色度值和突变峰值点峰值;
信息确定模块,用于根据所述突变峰值点色度值确定所述候选除草区域图像的目标像素位置信息和目标像素明度信息;
像素数量确定模块,确定候选除草区域图像中处于预设色度区间的色度有效像素数量;
障碍物确定模块,用于根据所述曝光状态像素个数、所述突变峰值点峰值、所述目标像素位置信息、所述目标像素明度信息和所述色度有效像素数量,确定所述候选除草区域图像中是否存在阴影区域,以确定所述候选除草区域图像中是否存在障碍物。
第三方面,本发明实施例还提供了一种电子设备,该电子设备包括:
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如上所述的障碍物识别方法。
第四方面,本发明实施例还提供了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如上所述的障碍物识别方法。
第五方面,本发明实施例还提供了一种除草机器人,包括机器人本体,还包括上述的电子设备。
本发明实施例通过获取候选除草区域图像的色度信息和曝光状态像素个数;根据所述色度信息生成所述候选除草区域图像的色度直方图,并获取所述色度直方图的峰值信息;所述峰值信息包括:突变峰值点色度值和突变峰值点峰值;根据所述突变峰值点色度值确定所述候选除草区域图像的目标像素位置信息和目标像素明度信息;确定候选除草区域图像中处于预设色度区间的色度有效像素数量;根据所述曝光状态像素个数、所述突变峰值点峰值、所述目标像素位置信息、所述目标像素明度信息和所述色度有效像素数量,确定所述候选除草区域图像中是否存在阴影区域,以确定所述候选除草区域图像中是否存在障碍物。解决现有技术中通常采用埋设边界线的方式对除草机器人的除草区域的边界进行标定,耗费大量的人力和物力,增加了成本。并且由于对边界线的埋设存在限制一定程度上限制了除草区域的形状的问题,实现提高除草机器人的候选除草区域中障碍物的识别效率和准确率的效果。
附图说明
图1为本发明实施例一提供的一种障碍物识别方法的流程图;
图2为本发明实施例二提供的一种障碍物识别方法的流程图;
图3为本发明实施例三提供的一种障碍物识别装置的结构示意图;
图4为本发明实施例四提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种障碍物识别方法的流程图,本实施例可适用于除草机器人识别候选除草区域中障碍物的情况,该方法可以由本发明实施例所提供的障碍物识别装置来执行,该装置可以由软件和/或硬件的方式实现。参见图1,本实施例提供的障碍物识别方法,包括:
步骤110、获取候选除草区域图像的色度信息和曝光状态像素个数。
其中,候选除草区域为除草机器人可能的工作区域,可能全为待除的杂草,即为除草区域;也可能为障碍物或边界。
候选除草区域图像可以由安装在除草机器人上的摄像机进行拍摄,本实施例对此不作限制。候选除草区域图像的色度信息为候选除草区域图像整体在色度方面的特征,可以通过获取候选除草区域图像的色度通道图像以获取图中与色度相关的信息,例如图像中每个像素点的色度值等,本实施例对此不作限制。
其中,曝光状态像素个数为候选除草区域图像中处于曝光状态的像素的个数。根据候选除草区域图像中像素的明度值,获取曝光状态像素个数,获取方式可以为通过获取候选除草区域图像的明度通道图像,统计其中明度值大于等于预设阈值,例如255,的像素个数,作为曝光状态像素个数。
步骤120、根据所述色度信息生成所述候选除草区域图像的色度直方图,并获取所述色度直方图的峰值信息;所述峰值信息包括:突变峰值点色度值和突变峰值点峰值。
其中,色度直方图用于直观体现候选除草区域图像内像素点的色度信息。色度直方图的横坐标可以为色度值,纵坐标可以为频数,即候选除草区域图像中该色度值处像素点的个数,用于体现候选除草区域图像中像素点的色度分布。
其中,突变峰值点为色度直方图中频数发生突变的点。突变峰值点峰值为突变峰值点对应的频数,突变峰值点色度值为突变峰值点对应的色度值。
本实施例中可选的,根据所述色度信息生成所述候选除草区域图像的色度直方图,并获取所述色度直方图的峰值信息,包括:
对所述色度信息进行直方图统计,生成所述候选除草区域图像的色度直方图;
根据所述色度直方图中相邻频数的差值,确定突变峰值点,并获取所述突变峰值点的峰值信息。
其中,候选除草区域图像的色度直方图通过对候选除草区域图像中像素的色度信息进行直方图统计获得,示例性的,可以体现候选除草区域图像中所有像素点的色度值出现的频率,本实施例对此不作限制。获取色度直方图中相邻频数的差值,将与左右相邻频数的频数差值均最大的点确定为突变峰值点,即该色度值处的频数相对于相近色度值对应的频数发生了突变,获取该突变峰值点对应的色度值及峰值作为色度直方图的峰值信息。
根据色度直方图中相邻频数的差值,确定突变峰值点,确定色度直方图中发生突变的点,提高突变峰值点获取的准确率,以提高后续确定候选除草区域图像中是否存在阴影区域的准确率。
步骤130、根据所述突变峰值点色度值确定所述候选除草区域图像的目标像素位置信息和目标像素明度信息。
其中,目标像素为候选除草区域图像中根据突变峰值点色度值确定的目标像素点,目标像素位置信息为对所有目标像素点的位置信息进行处理后得到的综合位置信息,目标像素明度信息为对所有目标像素点的明度信息进行处理后得到的综合明度信息。
本实施例中,可选的,根据所述突变峰值点色度值确定所述候选除草区域图像的目标像素位置信息和目标像素明度信息,包括:
根据突变峰值点色度值确定目标像素点;
根据所述目标像素点和所述目标像素点的位置信息,确定所述候选除草区域图像的目标像素位置信息;
根据所述目标像素点和所述目标像素点的明度信息,确定所述候选除草区域图像的目标像素明度信息。
根据突变峰值点色度值确定目标像素点,可以为将候选除草区域图像中所有色度值为突变峰值点色度值的像素点确定为目标像素点。
根据目标像素点和目标像素点的位置信息,确定候选除草区域图像的目标像素位置信息。示例性的,位置信息为目标像素点的坐标,则目标像素位置信息可以为目标像素平均位置,即所有目标像素点y轴坐标值总和的平均值,本实施例对此不作限制。
根据所述目标像素点和所述目标像素点的明度信息,确定所述候选除草区域图像的目标像素明度信息。示例性的,目标像素点的明度信息为像素点的明度值,则目标像素明度信息可以为目标像素平均明度,即所有目标像素点明度值总和的平均值,本实施例对此不作限制。
通过突变峰值点色度值确定目标像素点,以确定目标像素位置信息和目标像素明度信息,提高目标像素位置信息和目标像素明度信息获取的针对性,从而提高后续确定候选除草区域图像中是否存在阴影区域的准确率。
步骤140、确定候选除草区域图像中处于预设色度区间的色度有效像素数量。
其中,预设色度区间可以为[15,95],本实施例对此不作限制。将候选除草区域图像中色度值处于预设色度区间的像素点作为色度有效像素点,则色度有效像素点的个数为色度有效像素数量。
步骤150、根据所述曝光状态像素个数、所述突变峰值点峰值、所述目标像素位置信息、所述目标像素明度信息和所述色度有效像素数量,确定所述候选除草区域图像中是否存在阴影区域,以确定所述候选除草区域图像中是否存在障碍物。
将候选除草区域图像的曝光状态像素个数、色度有效像素数量、目标像素位置信息和目标像素明度信息以及色度直方图的突变峰值点峰值与预设信息判断条件进行对比。其中,预设信息判断条件与曝光状态像素个数、突变峰值点峰值、目标像素位置信息、目标像素明度信息和色度有效像素数量相关。若满足预设信息判断条件,则确定候选除草区域图像中存在的疑似障碍物区域为阴影区域并非障碍物区域,以防止除草机器人将自身阴影的草地误判为障碍物或边界。
本实施例所提供的技术方案,通过获取候选除草区域图像的色度信息和曝光状态像素个数;根据所述色度信息生成所述候选除草区域图像的色度直方图,并获取所述色度直方图的峰值信息;所述峰值信息包括:突变峰值点色度值和突变峰值点峰值;根据所述突变峰值点色度值确定所述候选除草区域图像的目标像素位置信息和目标像素明度信息;确定候选除草区域图像中处于预设色度区间的色度有效像素数量;根据所述曝光状态像素个数、所述突变峰值点峰值、所述目标像素位置信息、所述目标像素明度信息和所述色度有效像素数量,确定所述候选除草区域图像中是否存在阴影区域,以确定所述候选除草区域图像中是否存在障碍物,解决了现有技术中通常采用埋设边界线的方式对除草机器人的除草区域的边界进行标定,耗费大量的人力和物力,增加了成本。并且由于对边界线的埋设存在限制一定程度上限制了除草区域的形状的问题,达到了提高除草机器人的候选除草区域中障碍物的识别效率和准确率的效果。
实施例二
图2为本发明实施例二提供的一种障碍物识别方法的流程图,本技术方案是针对根据所述曝光状态像素个数、所述突变峰值点峰值、所述目标像素位置信息、所述目标像素明度信息和所述色度有效像素数量,确定所述候选除草区域图像中是否存在阴影区域的过程进行补充说明的。与上述方案相比,本方案具体优化为,根据所述曝光状态像素个数、所述突变峰值点峰值、所述目标像素位置信息、所述目标像素明度信息和所述色度有效像素数量,确定所述候选除草区域图像中是否存在阴影区域,包括:
若所述突变峰值点峰值处于预设突变峰值点峰值区间,且所述目标像素平均明度小于预设目标像素平均明度阈值,且所述目标像素平均位置大于预设目标像素平均位置阈值,且所述曝光状态像素个数小于预设曝光状态像素个数阈值,且所述色度有效像素数量大于预设色度有效像素数量阈值,则确定所述候选除草区域图像中存在阴影区域。具体的,障碍物识别方法的流程图如图2所示:
步骤210、获取候选除草区域图像的色度信息和曝光状态像素个数。
步骤220、根据所述色度信息生成所述候选除草区域图像的色度直方图,并获取所述色度直方图的峰值信息;所述峰值信息包括:突变峰值点色度值和突变峰值点峰值。
步骤230、根据所述突变峰值点色度值确定所述候选除草区域图像的目标像素位置信息和目标像素明度信息;所述目标像素位置信息包括:目标像素平均位置;所述目标像素明度信息包括:目标像素平均明度。
步骤240、确定候选除草区域图像中处于预设色度区间的色度有效像素数量。
步骤250、若所述突变峰值点峰值处于预设突变峰值点峰值区间,且所述目标像素平均明度小于预设目标像素平均明度阈值,且所述目标像素平均位置大于预设目标像素平均位置阈值,且所述曝光状态像素个数小于预设曝光状态像素个数阈值,且所述色度有效像素数量大于预设色度有效像素数量阈值,则确定所述候选除草区域图像中存在阴影区域,以确定所述候选除草区域图像中是否存在障碍物。
示例性的,突变峰值点峰值记为singleV,目标像素平均明度记为Vs,目标像素平均位置记为is,曝光状态像素个数记为overbrightPix,色度有效像素数量记为vaildPixels。若预设突变峰值点峰值区间为(500,5500),预设目标像素平均明度阈值为30,预设目标像素平均位置阈值为88,预设曝光状态像素个数阈值为300,预设色度有效像素数量阈值为15500。
则预设信息判断条件为500<singleV<5500且Vs<30且is>88且overbrightPix<300且vaildPixels>15500。预设信息判断条件可以根据具体判断情景进行调整,本实施例对此不作限制。满足该条件时,确定候选除草区域图像中存在阴影区域。则此时候选除草区域图像中的疑似障碍物区域为由于除草机器人在光照下逆向运行使得自身投射在草地上而产生的阴影区域,而非障碍物区域。
本实施例中,可选的,确定所述候选除草区域图像中是否存在障碍物,包括:
若存在所述阴影区域,则根据预设色度分割区间获取所述候选除草区域图像的色度分割图像;
根据所述色度分割图像,确定所述候选除草区域图像中是否存在障碍物。
其中,预设色度分割区间可以为[15,95],本实施例对此不作限制。根据预设色度分割区间获取候选除草区域图像的色度分割图像,示例性的,将候选除草区域图像中色度值处于预设色度分割区间的像素点转换成白色,其它像素点转为黑色,以得到色度分割图像。则其中白色区域为草地区域,黑色区域为非草地区域。根据色度分割图像,确定候选除草区域图像中是否存在障碍物,可以为通过非草地区域与阴影区域相对比,若一致,则确定候选除草区域图像中不存在障碍物,或直接将阴影区域作为非障碍物区域,以提高图像分割的准确性,本实施例对此不作限制。避免将阴影区域判断为障碍物区域,从而提高障碍物确定的准确性。
本发明实施例通过突变峰值点峰值、目标像素平均明度、目标像素平均位置、曝光状态像素个数和色度有效像素数量,确定候选除草区域图像中是否存在阴影区域,以确定候选除草区域图像中是否存在障碍物,有效的识别出机器人自身的阴影区域,防止将存在机器人自身阴影的草地误判为障碍物或边界,提高障碍物识别的准确性。并且不需要除草机器人摄像头自带光源,降低了机器人制造的成本。同时避免了机器人由于自身阴影在盲区内而改变摄像头位置,影响到机器人的视觉范围的情况,提高机器人的除草准确率和效率。
实施例三
图3为本发明实施例三提供的一种障碍物识别装置的结构示意图。该装置可以由硬件和/或软件的方式来实现,可执行本发明任意实施例所提供的一种障碍物识别方法,具备执行方法相应的功能模块和有益效果。如图3所示,该装置包括:
信息获取模块310,用于获取候选除草区域图像的色度信息和曝光状态像素个数;
直方图生成模块320,用于根据所述色度信息生成所述候选除草区域图像的色度直方图,并获取所述色度直方图的峰值信息;所述峰值信息包括:突变峰值点色度值和突变峰值点峰值;
信息确定模块330,用于根据所述突变峰值点色度值确定所述候选除草区域图像的目标像素位置信息和目标像素明度信息;
像素数量确定模块340,确定候选除草区域图像中处于预设色度区间的色度有效像素数量;
障碍物确定模块350,用于根据所述曝光状态像素个数、所述突变峰值点峰值、所述目标像素位置信息、所述目标像素明度信息和所述色度有效像素数量,确定所述候选除草区域图像中是否存在阴影区域,以确定所述候选除草区域图像中是否存在障碍物。
本发明实施例通过获取候选除草区域图像的色度信息和曝光状态像素个数;根据所述色度信息生成所述候选除草区域图像的色度直方图,并获取所述色度直方图的峰值信息;所述峰值信息包括:突变峰值点色度值和突变峰值点峰值;根据所述突变峰值点色度值确定所述候选除草区域图像的目标像素位置信息和目标像素明度信息;确定候选除草区域图像中处于预设色度区间的色度有效像素数量;根据所述曝光状态像素个数、所述突变峰值点峰值、所述目标像素位置信息、所述目标像素明度信息和所述色度有效像素数量,确定所述候选除草区域图像中是否存在阴影区域,以确定所述候选除草区域图像中是否存在障碍物。解决现有技术中通常采用埋设边界线的方式对除草机器人的除草区域的边界进行标定,耗费大量的人力和物力,增加了成本。并且由于对边界线的埋设存在限制一定程度上限制了除草区域的形状的问题,实现提高除草机器人的候选除草区域中障碍物的识别效率和准确率的效果。
在上述各技术方案的基础上,可选的,所述直方图生成模块,包括:
直方图生成单元,用于对所述色度信息进行直方图统计,生成所述候选除草区域图像的色度直方图;
突变峰值点确定单元,用于根据所述色度直方图中相邻频数的差值,确定突变峰值点,并获取所述突变峰值点的峰值信息。
在上述各技术方案的基础上,可选的,所述信息确定模块,包括:
目标像素点确定单元,用于根据突变峰值点色度值确定目标像素点;
目标像素位置信息确定单元,用于根据所述目标像素点和所述目标像素点的位置信息,确定所述候选除草区域图像的目标像素位置信息;
目标像素明度信息确定单元,用于根据所述目标像素点和所述目标像素点的明度信息,确定所述候选除草区域图像的目标像素明度信息。
在上述各技术方案的基础上,可选的,所述曝光状态像素个数包括:曝光状态像素个数;所述目标像素位置信息包括:目标像素平均位置;所述目标像素明度信息包括:目标像素平均明度;
所述障碍物确定模块,包括:
第一障碍物确定单元,用于若所述突变峰值点峰值处于预设突变峰值点峰值区间,且所述目标像素平均明度小于预设目标像素平均明度阈值,且所述目标像素平均位置大于预设目标像素平均位置阈值,且所述曝光状态像素个数小于预设曝光状态像素个数阈值,且所述色度有效像素数量大于预设色度有效像素数量阈值,则确定所述候选除草区域图像中存在阴影区域。
在上述各技术方案的基础上,可选的,所述障碍物确定模块,包括:
色度分割图像获取单元,用于若存在所述阴影区域,则根据预设色度分割区间获取所述候选除草区域图像的色度分割图像;
第二障碍物确定单元,用于根据所述色度分割图像,确定所述候选除草区域图像中是否存在障碍物。
实施例四
图4为本发明实施例四提供的一种电子设备的结构示意图,如图4所示,该电子设备包括处理器40、存储器41、输入装置42和输出装置43;电子设备中处理器40的数量可以是一个或多个,图4中以一个处理器40为例;电子设备中的处理器40、存储器41、输入装置42和输出装置43可以通过总线或其他方式连接,图4中以通过总线连接为例。
存储器41作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的障碍物识别方法对应的程序指令/模块。处理器40通过运行存储在存储器41中的软件程序、指令以及模块,从而执行电子设备的各种功能应用以及数据处理,即实现上述的障碍物识别方法。
存储器41可主要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、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器41可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器41可进一步包括相对于处理器40远程设置的存储器,这些远程存储器可以通过网络连接至电子设备。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。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种障碍物识别方法,该方法包括:
获取候选除草区域图像的色度信息和曝光状态像素个数;
根据所述色度信息生成所述候选除草区域图像的色度直方图,并获取所述色度直方图的峰值信息;所述峰值信息包括:突变峰值点色度值和突变峰值点峰值;
根据所述突变峰值点色度值确定所述候选除草区域图像的目标像素位置信息和目标像素明度信息;
确定候选除草区域图像中处于预设色度区间的色度有效像素数量;
根据所述曝光状态像素个数、所述突变峰值点峰值、所述目标像素位置信息、所述目标像素明度信息和所述色度有效像素数量,确定所述候选除草区域图像中是否存在阴影区域,以确定所述候选除草区域图像中是否存在障碍物。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的障碍物识别方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。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可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,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,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述障碍物识别装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
实施例六
本发明实施例六提供一种除草机器人,包括机器人本体,还包括本发明实任意实施例所述的电子设备。
具体的,安装在除草机器人上的电子设备可以执行本发明任意实施例所述的一种障碍物识别方法的相关操作。
其中,机器人本体可以包括左右两个主动动轮,可分别由电机驱动,电机可以为带减速箱和带霍尔传感器的无刷电机。机器人本体通过控制两个主动动轮的速度、方向实现向前、后退、转弯及圆弧等行驶操作。机器人本体还包括万向轮、摄像机和可充放电池,其中,万向轮起支撑平衡作用。摄像机安装于机器人的指定位置,与水平方向成预设夹角,以拍摄候选除草区域图像。可充放电池用于提供电源,供机器人工作。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种障碍物识别方法,其特征在于,包括:
获取候选除草区域图像的色度信息和曝光状态像素个数;
根据所述色度信息生成所述候选除草区域图像的色度直方图,并获取所述色度直方图的峰值信息;所述峰值信息包括:突变峰值点色度值和突变峰值点峰值;
根据所述突变峰值点色度值确定所述候选除草区域图像的目标像素位置信息和目标像素明度信息;
确定候选除草区域图像中处于预设色度区间的色度有效像素数量;
根据所述曝光状态像素个数、所述突变峰值点峰值、所述目标像素位置信息、所述目标像素明度信息和所述色度有效像素数量,确定所述候选除草区域图像中是否存在阴影区域,以确定所述候选除草区域图像中是否存在障碍物。
2.根据权利要求1所述的方法,其特征在于,根据所述色度信息生成所述候选除草区域图像的色度直方图,并获取所述色度直方图的峰值信息,包括:
对所述色度信息进行直方图统计,生成所述候选除草区域图像的色度直方图;
根据所述色度直方图中相邻频数的差值,确定突变峰值点,并获取所述突变峰值点的峰值信息。
3.根据权利要求1所述的方法,其特征在于,根据所述突变峰值点色度值确定所述候选除草区域图像的目标像素位置信息和目标像素明度信息,包括:
根据突变峰值点色度值确定目标像素点;
根据所述目标像素点和所述目标像素点的位置信息,确定所述候选除草区域图像的目标像素位置信息;
根据所述目标像素点和所述目标像素点的明度信息,确定所述候选除草区域图像的目标像素明度信息。
4.根据权利要求1-3任一所述的方法,其特征在于,所述目标像素位置信息包括:目标像素平均位置;所述目标像素明度信息包括:目标像素平均明度;
根据所述曝光状态像素个数、所述突变峰值点峰值、所述目标像素位置信息、所述目标像素明度信息和所述色度有效像素数量,确定所述候选除草区域图像中是否存在阴影区域,包括:
若所述突变峰值点峰值处于预设突变峰值点峰值区间,且所述目标像素平均明度小于预设目标像素平均明度阈值,且所述目标像素平均位置大于预设目标像素平均位置阈值,且所述曝光状态像素个数小于预设曝光状态像素个数阈值,且所述色度有效像素数量大于预设色度有效像素数量阈值,则确定所述候选除草区域图像中存在阴影区域。
5.根据权利要求1所述的方法,其特征在于,确定所述候选除草区域图像中是否存在障碍物,包括:
若存在所述阴影区域,则根据预设色度分割区间获取所述候选除草区域图像的色度分割图像;
根据所述色度分割图像,确定所述候选除草区域图像中是否存在障碍物。
6.一种障碍物识别装置,其特征在于,包括:
信息获取模块,用于获取候选除草区域图像的色度信息和曝光状态像素个数;
直方图生成模块,用于根据所述色度信息生成所述候选除草区域图像的色度直方图,并获取所述色度直方图的峰值信息;所述峰值信息包括:突变峰值点色度值和突变峰值点峰值;
信息确定模块,用于根据所述突变峰值点色度值确定所述候选除草区域图像的目标像素位置信息和目标像素明度信息;
像素数量确定模块,确定候选除草区域图像中处于预设色度区间的色度有效像素数量;
障碍物确定模块,用于根据所述曝光状态像素个数、所述突变峰值点峰值、所述目标像素位置信息、所述目标像素明度信息和所述色度有效像素数量,确定所述候选除草区域图像中是否存在阴影区域,以确定所述候选除草区域图像中是否存在障碍物。
7.根据权利要求6所述的装置,其特征在于,所述直方图生成模块,包括:
直方图生成单元,用于对所述色度信息进行直方图统计,生成所述候选除草区域图像的色度直方图;
突变峰值点确定单元,用于根据所述色度直方图中相邻频数的差值,确定突变峰值点,并获取所述突变峰值点的峰值信息。
8.一种电子设备,其特征在于,所述电子设备包括:
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如权利要求1-5中任一所述的障碍物识别方法。
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,该程序被处理器执行时实现如权利要求1-5中任一所述的障碍物识别方法。
10.一种除草机器人,包括机器人本体,其特征在于,还包括如权利要求8中所述的电子设备。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011553956.6A CN114677318A (zh) | 2020-12-24 | 2020-12-24 | 一种障碍物识别方法、装置、设备、介质及除草机器人 |
EP21909433.1A EP4270302A1 (en) | 2020-12-24 | 2021-12-22 | Obstacle recognition method and apparatus, device, medium and weeding robot |
PCT/CN2021/140305 WO2022135437A1 (zh) | 2020-12-24 | 2021-12-22 | 一种障碍物识别方法、装置、设备、介质及除草机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011553956.6A CN114677318A (zh) | 2020-12-24 | 2020-12-24 | 一种障碍物识别方法、装置、设备、介质及除草机器人 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114677318A true CN114677318A (zh) | 2022-06-28 |
Family
ID=82070546
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011553956.6A Pending CN114677318A (zh) | 2020-12-24 | 2020-12-24 | 一种障碍物识别方法、装置、设备、介质及除草机器人 |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP4270302A1 (zh) |
CN (1) | CN114677318A (zh) |
WO (1) | WO2022135437A1 (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4376147B2 (ja) * | 2004-07-28 | 2009-12-02 | ダイハツ工業株式会社 | 障害物認識方法及び障害物認識装置 |
EP3316006B1 (en) * | 2015-06-23 | 2020-12-09 | KYOCERA Corporation | Three-dimensional-object detection device, stereo camera device, vehicle, and three-dimensional-object detection method |
CN112036210B (zh) * | 2019-06-03 | 2024-03-08 | 杭州海康机器人股份有限公司 | 一种检测障碍物的方法、装置、存储介质和移动机器人 |
CN111324122B (zh) * | 2020-02-28 | 2022-05-13 | 苏州科瓴精密机械科技有限公司 | 自动工作系统、自动行走设备及其控制方法及计算机可读存储介质 |
CN111830988A (zh) * | 2020-07-29 | 2020-10-27 | 苏州科瓴精密机械科技有限公司 | 自动行走设备及其控制方法和系统及可读存储介质 |
-
2020
- 2020-12-24 CN CN202011553956.6A patent/CN114677318A/zh active Pending
-
2021
- 2021-12-22 WO PCT/CN2021/140305 patent/WO2022135437A1/zh unknown
- 2021-12-22 EP EP21909433.1A patent/EP4270302A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
EP4270302A1 (en) | 2023-11-01 |
WO2022135437A1 (zh) | 2022-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113761970B (zh) | 基于图像识别工作位置的方法、系统,机器人及存储介质 | |
US20220273152A1 (en) | Obstacle identification method, apparatus, self-moving device and storage medium | |
US20240071094A1 (en) | Obstacle recongnition method applied to automatic traveling device and automatic traveling device | |
WO2021169192A1 (zh) | 自动工作系统、自动行走设备及其控制方法及计算机可读存储介质 | |
CN113822094B (zh) | 基于图像识别工作位置的方法、系统,机器人及存储介质 | |
CN113822095B (zh) | 基于图像识别工作位置的方法、系统,机器人及存储介质 | |
CN114677318A (zh) | 一种障碍物识别方法、装置、设备、介质及除草机器人 | |
WO2022095171A1 (zh) | 一种障碍物识别方法、装置、设备、介质及除草机器人 | |
WO2022095170A1 (zh) | 一种障碍物识别方法、装置、设备、介质及除草机器人 | |
CN114677582A (zh) | 一种障碍物识别方法、装置、设备、介质及除草机器人 | |
CN111079530A (zh) | 一种成熟草莓识别的方法 | |
CN114677581A (zh) | 一种障碍物识别方法、装置、设备、介质及除草机器人 | |
EP4266206A1 (en) | Obstacle recognition method and apparatus, device, medium and weeding robot | |
EP4266207A1 (en) | Method and apparatus for obstacle recognition, device, medium, and robot lawn mower | |
WO2022095161A1 (zh) | 一种障碍物识别方法、装置、设备、介质及除草机器人 | |
US20240029268A1 (en) | Image Analysis Method and Apparatus, Computer Device, and Readable Storage Medium | |
EP4312187A1 (en) | Image analysis method and apparatus, computer device, and readable storage medium | |
US20230368394A1 (en) | Image Segmentation Method and Apparatus, Computer Device, and Readable Storage Medium | |
CN115147713A (zh) | 基于图像识别非工作区域的方法、系统、设备及介质 | |
CN115147712A (zh) | 基于图像识别非工作区域的方法及系统 | |
CN115147714A (zh) | 基于图像识别非工作区域的方法及系统 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230609 Address after: No.8, tingrong street, Suzhou Industrial Park, Suzhou, Jiangsu Province, 215000 Applicant after: Suzhou Cleva Precision Machinery & Technology Co.,Ltd. Applicant after: SKYBEST ELECTRIC APPLIANCE (SUZHOU) Co.,Ltd. Address before: 215000 Huahong street, Suzhou Industrial Park, Jiangsu 18 Applicant before: Suzhou Cleva Precision Machinery & Technology Co.,Ltd. |