CN116506629B - 用于矿山无人驾驶矿车协同控制的路况数据压缩方法 - Google Patents

Abstract

本发明涉及图像通信技术领域，具体涉及用于矿山无人驾驶矿车协同控制的路况数据压缩方法，包括：采集路况图像，构建缓冲地图，根据缓冲地图获取字典区，在字典区中利用不同的匹配顺序匹配待编码像素串，获取编码对象，利用字典区中的匹配结果、编码对象以及匹配顺序对编码对象进行编码，得到编码结果，根据已编码的像素点，对字典区进行更新。将所有编码对象的编码结果构成压缩数据，实现路况数据的压缩。本发明对路况图像平坦的非纹理区域进行压缩的同时确保纹理区域也尽可能压缩，压缩率高。

Description

用于矿山无人驾驶矿车协同控制的路况数据压缩方法

技术领域

本发明涉及图像通信技术领域，具体涉及用于矿山无人驾驶矿车协同控制的路况数据压缩方法。

背景技术

各类矿产是国民经济发展的命脉之一，矿山智能化是采矿行业的一个发展方向。无人驾驶矿车为矿山智能化的基础，可提高采矿效率的同时减少矿区工作人员的安全隐患。

单辆无人驾驶矿车的感知距离为200米左右，且被动受周围车辆运动影响。而多辆无人驾驶矿车协同控制可大幅度提升无人驾驶矿车的感知距离，使得多辆无人驾驶矿车配合工作，提高工作效率。

在多辆无人驾驶矿车协同控制中，无人驾驶矿车需将采集的路况数据发送至云端，云端根据所有无人驾驶矿车的路况数据进行路况的全体系监控，并控制无人驾驶矿车运行。无人驾驶矿车采集的路况数据的数据量非常大，为协同控制的实时性，需对路况数据进行压缩传输，以提高路况数据的传输效率。

现有数据压缩算法如LZ77压缩算法为一维的压缩算法，对于路况图像数据，LZ77压缩算法会将图像中像素点展开成一维的序列进行压缩，但路况图像中包含了纹理规律，纹理可能在各个方向具有相似性，将路况图像展开成一维的序列则会破坏纹理规律，从而使得压缩率较低。

发明内容

本发明提供用于矿山无人驾驶矿车协同控制的路况数据压缩方法，以解决现有的问题。

本发明的用于矿山无人驾驶矿车协同控制的路况数据压缩方法采用如下技术方案：

本发明一个实施例提供了用于矿山无人驾驶矿车协同控制的路况数据压缩方法，该方法包括以下步骤：

S1：采集路况图像；构建缓冲地图；将路况图像的缓冲地图拼接在路况图像上方；将路况图像中第一个像素点作为待编码像素串，将缓冲地图前预设列数个列作为字典区；

S2：将待编码像素串在路况图像中的下一个像素点作为后缀，若不存在后缀时，执行S5，若存在后缀时，执行S3；

S3：将后缀拼接在待编码像素串末尾，得到中间序列，对中间序列进行匹配操作；

S4：当中间序列在字典区存在匹配结果时，将中间序列作为新的待编码像素串，重复S2、S3，直到得到的中间序列在字典区中不存在匹配结果时停止迭代，执行S5；当中间序列在字典区不存在匹配结果时，执行S5；

S5：将待编码像素串作为编码对象，对编码对象进行编码，得到编码结果；

S6：获取新的待编码像素串，若存在新的待编码像素串时，对字典区进行更新；

S7：当得到新的待编码像素串时，重复S2至S6，直到不存在新的待编码像素串时停止迭代；将所有编码对象的编码结果构成的序列作为压缩数据；

S8：将压缩数据传输至云端，云端对压缩数据进行解压，得到路况图像，根据路况图像控制无人驾驶矿车运行。

优选的，所述构建缓冲地图，包括的具体步骤如下：

将路况图像的上一帧路况图像中后m个行像素点构成的区域作为缓冲地图，其中m为预设行数。

优选的，所述对中间序列进行匹配操作，包括的具体步骤如下：

将中间序列中第一个像素点的灰度值作为起始元素，获取字典区中与起始元素相同的元素的位置，作为起始位置，分别以每个起始位置为开始，利用每个匹配顺序在字典区中对中间序列进行匹配。

优选的，所述匹配顺序的获取方法为：

将蛇形扫描、回形扫描、Hilbert扫描、扫描方向、扫描方向、扫描方向、扫描方向、扫描方向、扫描方向、扫描方向、扫描方向分别作为一个 匹配顺序，将每个匹配顺序依次编号为1、2、3、…、11。

优选的，所述对编码对象进行编码，得到编码结果，包括的具体步骤如下：

若编码对象的长度小于等于2，则将编码对象中每个像素点的灰度值作为编码对象的编码结果；若编码对象的长度大于2时，获取编码对象在字典区中的匹配结果，将匹配结果中第一个像素点在字典区中的序号a、编码对象的长度b、匹配顺序的编号c构成编码对象的编码结果(a,b,c)。

优选的，所述获取新的待编码像素串，包括的具体步骤如下：

将编码对象中最后一个像素点在路况图像中下一个像素点作为新的待编码像素串，当编码对象中最后一个像素点在路况图像中不存在下一个像素点时，不存在新的待编码像素串。

优选的，所述对字典区进行更新，包括的具体步骤如下：

将编码对象添加到字典区中；

若字典区的形状为标准矩形，当字典区的行数大于m时，将字典区中距离新的待编码像素串最远的多个行从字典区中剔除，使得字典区的行数为m；当字典区的列数大于n时，将字典区中距离新的待编码像素串最远多个列从字典区中剔除，使得字典区的列数为n；

若字典区的形状不为标准矩阵，当字典区的列数大于n时，若字典区在新的待编码 像素串的右侧，将编码对象中最后一个像素点作为窗口左下角第一个元素，构建大 小的窗口，将窗口在缓冲地图与路况图像拼接的图像中覆盖的区域作为新的字典区；若字 典区在新的待编码像素串的左侧，将编码对象中最后一个像素点作为窗口右下角第一个元 素，构建大小的窗口，将窗口在缓冲地图与路况图像拼接的图像中覆盖的区域作为 新的字典区；

若字典区的形状不为标准矩阵，当字典区的列数等于n，且行数大于m+1时，将字典区中距离新的待编码像素串最远的多个行从字典区中剔除，使得字典区的行数为m+1；

其中m为预设行数，n为预设列数。

本发明的技术方案的有益效果是：现有的LZ77压缩算法不能对较为靠前的数据实现压缩，本发明利用前一帧的路况图像中部分内容作为后一帧路况图像的缓冲地图，根据缓冲地图获取字典区，使得路况图像中较为靠前的像素点也能实现压缩，相较于现有的LZ77压缩算法提高了压缩效率；LZ77压缩算法为一维的压缩算法，若使用LZ77压缩算法对图像进行编码，则会将图像中像素点展开成一维的序列，破坏了图像的纹理规律，从而使得压缩率较低，本发明结合缓冲地图以及路况图像中已编码的像素点构建二维的字典区，利用不同的匹配顺序在二维的字典区中对待编码像素串进行匹配，使得路况图像中平坦区域压缩的同时确保了纹理区域也尽可能压缩，相较于传统的LZ77压缩算法，极大的提高了压缩效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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为本发明的用于矿山无人驾驶矿车协同控制的路况数据压缩方法的步骤流程图；

图2缓冲地图与路况图像的拼接示意图；

图3为字典区示意图；

图4为蛇形扫描示意图；

图5为匹配顺序示意图；

图6为字典区示意图；

图7为匹配结果示意图；

图8为字典区更新示意图；

图9为字典区更新示意图；

图10为字典区更新示意图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的用于矿山无人驾驶矿车协同控制的路况数据压缩方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的用于矿山无人驾驶矿车协同控制的路况数据压缩方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的用于矿山无人驾驶矿车协同控制的路况数据压缩方法的步骤流程图，该方法包括以下步骤：

S001．采集路况图像。

需要说明的是，在多辆无人驾驶矿车协同控制中，无人驾驶矿车需实时采集路况数据，并将采集的路况数据发送至云端，云端根据所有无人驾驶矿车的路况数据进行路况的全体系监控，并控制无人驾驶矿车运行。

在本发明实施例中，通过部署在无人驾驶矿车上的摄像头实时拍摄无人驾驶矿车四周的路况图像。

至此，获取路况图像。

S002．构建缓冲地图。

需要说明的是，无人驾驶矿车实时采集的路况图像的数据量非常大，需进行压缩传输。LZ77压缩算法是一种基于字典以及滑动窗口的压缩算法，通过滑动窗口将已编码的数据添加到字典区中，对后续的数据利用字典区进行编码。在对数据进行压缩的一开始，字典区为空，因此LZ77压缩算法不能对较为靠前的数据实现压缩。为了使得路况图像中较为靠前的像素点也能实现压缩，需要构建缓冲地图，根据缓冲地图构建字典区。由于路况图像为实时拍摄，相邻帧的路况图像相似度较大，因此可使用前一帧的路况图像中部分内容作为后一帧路况图像的缓冲地图。

在本发明实施例中，将当前帧路况图像的上一帧路况图像中后m行像素点构成的 区域作为当前帧路况图像的缓冲地图。其中m为预设行数，在本发明实施例中m=15，在其他 实施例中，实施人员可根据实施情况设置m的值。需要说明的是，若当前帧路况图像为第一 帧，即当前帧路况图像不存在上一帧时，将当前帧的路况图像的大小记为，其中M为 行数，N为列数，构建大小的空矩阵作为缓冲地图。

至此，获取了缓冲地图。

S003．对路况图像进行压缩，得到压缩数据。

需要说明的是，LZ77压缩算法为一维的压缩算法，将已编码的数据添加到一维的字典区中，根据字典区对未编码的数据进行编码，若使用LZ77压缩算法对图像进行编码，则会将图像中像素点展开成一维的序列。但图像中包含了纹理规律，纹理可能在各个方向具有相似性，将图像展开成一维的序列则会破坏纹理规律，从而使得压缩率较低。因此本发明实施例结合路况图像的局部区域构建二维的字典区，在二维字典区中采用不同的匹配顺序对路况图像中像素点进行编码，使得平坦的非纹理区域进行压缩的同时确保纹理区域也尽可能压缩，从而提高压缩效率。

在本发明实施例中，对路况图像进行压缩的方法如下：

1、首先将路况图像的缓冲地图拼接在路况图像上方，如图2所示。将路况图像中第 一个像素点作为待编码像素串，将缓冲地图前n列作为字典区，此时字典区的大小为 ，且字典区位于待编码像素串的上方，如字典区图3所示，图3中灰色的部分为字典区。其中n 为预设列数，m为预设行数，在本发明实施例中n=15，在其他实施例中，实施人员可根据实施 情况设置n的值。

2、将待编码像素串在路况图像中的下一个像素点作为后缀，若不存在后缀时，执行步骤5，若存在后缀时，执行步骤3。需要说明的是，本发明实施例对路况图像进行蛇形扫描，待编码像素串在路况图像中的下一个像素点为蛇形扫描方向上的下一个像素点。蛇形扫描示意图参见图4。

3、将后缀拼接在待编码像素串末尾，得到中间序列，对中间序列进行匹配操作，具体为：

需要说明的是，字典区为一个区域，可在字典区中从不同扫描方向进行中间序列 的匹配，如按照蛇形扫描、回形扫描、Hilbert扫描等的顺序进行匹配、按照扫描方向、 扫描方向、扫描方向进行匹配等等。在本发明实施例中，将蛇形扫描、回形扫描、Hilbert 扫描、扫描方向、扫描方向、扫描方向、扫描方向、扫描方向、扫描方 向、扫描方向、扫描方向分别作为一个匹配顺序，将每个匹配顺序依次编号为1、2、 3、…、11。在其他实施例中，实施人员可根据实际实施情况设置匹配顺序。匹配顺序如图5所 示，其中灰色的部分为起始位置。

将中间序列中第一个像素点的灰度值作为起始元素，获取字典区中与起始元素相同的元素的位置，作为起始位置，分别以每个起始位置为开始，利用每个匹配顺序在字典区中对中间序列进行匹配。

4、当中间序列在字典区存在匹配结果时，将中间序列作为新的待编码像素串，重复步骤2至3，直到得到的中间序列在字典区中不存在匹配结果时停止迭代，此时执行步骤5；当中间序列在字典区不存在匹配结果时，执行步骤5。

5、将待编码像素串作为编码对象，对编码对象进行编码，具体为：

若编码对象的长度小于等于2，则将编码对象中每个像素点的灰度值作为编码对象的编码结果，例如编码对象的长度为2，编码对象中每个像素点的灰度值分别为2,3时，将(2,3)作为编码结果；

若编码对象的长度大于2时，获取编码对象在字典区中的匹配结果，将匹配结果中第一个像素点在字典区中的序号a、编码对象的长度b、匹配顺序的编号c构成编码对象的编码结果(a,b,c)，例如当m=n=4时的字典区如图6所示，编码对象中所有像素点的灰度值分别为20,22,60,65,60,54,60,55,54,22时，在字典区中的匹配结果如图7所示，其中灰色的部分为起始位置，对应的匹配顺序为回形扫描，当回形扫描的编号为2时，编码结果为(6,10,2)。需要说明的是，若编码对象在字典区中存在多个匹配结果，则任意选择一个匹配结果，获取编码结果。

6、将编码对象中最后一个像素点在路况图像中下一个像素点作为新的待编码像素串，若编码对象中最后一个像素点在路况图像中不存在下一个像素点时，不存在新的待编码像素串。需要说明的是，下一个像素点为蛇形扫描方向上的下一个像素点。

若存在新的待编码像素串时，将编码对象添加到字典区中，对字典区进行更新，具体为：

若此时字典区的形状为标准矩形，当字典区的行数大于m时，将字典区中距离新的待编码像素串最远的多个行从字典区中剔除，使得字典区的行数为m。当字典区的列数大于n时，将字典区中距离新的待编码像素串最远多个列从字典区中剔除，使得字典区的列数为n，此时对字典区进行更新的示意图参见图8，图8中灰色的区域为字典区，图8中(1)为更新前的字典区示意图，图8中(2)为更新后的字典区示意图；

若字典区的形状不为标准矩阵，当字典区的列数大于n时，若字典区在新的待编码 像素串的右侧，则将编码对象中最后一个像素点作为窗口左下角第一个元素，构建 大小的窗口，将该窗口在缓冲地图与路况图像拼接的图像中覆盖的区域作为新的字典区； 若字典区在新的待编码像素串的左侧，则将编码对象中最后一个像素点作为窗口右下角第 一个元素，构建大小的窗口，将该窗口在缓冲地图与路况图像拼接的图像中覆盖的 区域作为新的字典区，此时对字典区进行更新的示意图参见图9，图9中灰色的区域为字典 区，图9中(1)为更新前的字典区示意图，图9中(2)为更新后的字典区示意图；

若字典区的形状不为标准矩阵，当字典区的列数等于n，且行数大于m+1时，将字典区中距离新的待编码像素串最远的多个行从字典区中剔除，使得字典区的行数为m+1，此时对字典区进行更新的示意图参见图10，图10中灰色的区域为字典区，图10中(1)为更新前的字典区示意图，图10中(2)为更新后的字典区示意图。当字典区的列数等于n，且行数小于等于m+1时，不需要对字典区进行更新。

7、当得到新的待编码像素串时，重复步骤2到6，直到不存在新的待编码像素串时停止迭代。将所有编码对象的编码结果构成的序列作为压缩数据。

至此，得到了压缩数据。

需要说明的是，本发明实施例结合缓冲地图以及路况图像中已编码的像素点构建二维的字典区，利用不同的匹配顺序在字典区中对待编码像素串进行匹配，使得路况图像中平坦区域压缩的同时确保了纹理区域也尽可能压缩，相较于传统的LZ77压缩算法，极大的提高了压缩效率。

S004．对压缩数据进行传输以及解压。

无人驾驶矿车将压缩数据传输至云端，云端对压缩数据进行解压，具体为：

云端根据解压的上一帧的路况图像获取缓冲地图。将缓冲地图前n列作为字典区， 构建一个大小的空矩阵，记为路况矩阵，首先将缓冲地图拼接在路况矩阵上方。将压 缩数据中每个元素作为待解压元素。

依次对每个待解压元素进行解压，具体为：

1、当待解压元素的长度小于等于2时，待解压元素对应的像素点个数与待解压元素的长度一致，待解压元素中的每个数据为待解压元素对应的像素点的灰度值，如此将待解压元素解压为了多个像素点；当待解压元素的长度为3时，将待解压元素表示为(a,b,c)，以字典区中第a个元素为开始，按照匹配顺序c的顺序获取b个像素点，此b个像素点的灰度值为待解压元素对应的b个像素点的灰度值，如此将待解压元素解压为了多个像素点。

2、将待解压元素对应的多个像素点的灰度值按照蛇形扫描的顺序填充到路况矩阵中，将此些像素点作为编码对象，利用步骤S003中的方法将编码对象添加到字典区中，对字典区进行更新。

至此，完成了待解压元素的解压。

将最终得到的路况矩阵作为路况图像。云端根据路况图像进行路况的全体系监控，控制无人驾驶矿车运行。

通过以上步骤，完成了矿山无人驾驶矿车路况数据的压缩与解压。

本发明实施例利用前一帧的路况图像中部分内容作为后一帧路况图像的缓冲地图，根据缓冲地图获取字典区，使得路况图像中较为靠前的像素点也能实现压缩，相较于现有的LZ77压缩算法提高了压缩效率；LZ77压缩算法为一维的压缩算法，若使用LZ77压缩算法对图像进行编码，则会将图像中像素点展开成一维的序列，破坏了图像的纹理规律，从而使得压缩率较低，本发明实施例结合缓冲地图以及路况图像中已编码的像素点构建二维的字典区，利用不同的匹配顺序在二维的字典区中对待编码像素串进行匹配，使得路况图像中平坦区域压缩的同时确保了纹理区域也尽可能压缩，相较于传统的LZ77压缩算法，极大的提高了压缩效率。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.用于矿山无人驾驶矿车协同控制的路况数据压缩方法，其特征在于，该方法包括以下步骤：

S1：采集路况图像；构建缓冲地图；将路况图像的缓冲地图拼接在路况图像上方；将路况图像中第一个像素点作为待编码像素串，将缓冲地图前预设列数个列作为字典区；

S2：将待编码像素串在路况图像中的下一个像素点作为后缀，若不存在后缀时，执行S5，若存在后缀时，执行S3；

S3：将后缀拼接在待编码像素串末尾，得到中间序列，对中间序列进行匹配操作；

S4：当中间序列在字典区存在匹配结果时，将中间序列作为新的待编码像素串，重复S2、S3，直到得到的中间序列在字典区中不存在匹配结果时停止迭代，执行S5；当中间序列在字典区不存在匹配结果时，执行S5；

S5：将待编码像素串作为编码对象，对编码对象进行编码，得到编码结果；

S6：获取新的待编码像素串，若存在新的待编码像素串时，对字典区进行更新；

S7：当得到新的待编码像素串时，重复S2至S6，直到不存在新的待编码像素串时停止迭代；将所有编码对象的编码结果构成的序列作为压缩数据；

S8：将压缩数据传输至云端，云端对压缩数据进行解压，得到路况图像，根据路况图像控制无人驾驶矿车运行；

所述构建缓冲地图，包括的具体步骤如下：

将路况图像的上一帧路况图像中后m个行像素点构成的区域作为缓冲地图，其中m为预设行数。

2.根据权利要求1所述的用于矿山无人驾驶矿车协同控制的路况数据压缩方法，其特征在于，所述对中间序列进行匹配操作，包括的具体步骤如下：

将中间序列中第一个像素点的灰度值作为起始元素，获取字典区中与起始元素相同的元素的位置，作为起始位置，分别以每个起始位置为开始，利用每个匹配顺序在字典区中对中间序列进行匹配。

3.根据权利要求2所述的用于矿山无人驾驶矿车协同控制的路况数据压缩方法，其特征在于，所述匹配顺序的获取方法为：

将蛇形扫描、回形扫描、Hilbert扫描、扫描方向、/>扫描方向、/>扫描方向、/>扫描方向、/>扫描方向、/>扫描方向、/>扫描方向、/>扫描方向分别作为一个匹配顺序，将每个匹配顺序依次编号为1、2、3、…、11。

4.根据权利要求3所述的用于矿山无人驾驶矿车协同控制的路况数据压缩方法，其特征在于，所述对编码对象进行编码，得到编码结果，包括的具体步骤如下：

若编码对象的长度小于等于2，则将编码对象中每个像素点的灰度值作为编码对象的编码结果；若编码对象的长度大于2时，获取编码对象在字典区中的匹配结果，将匹配结果中第一个像素点在字典区中的序号a、编码对象的长度b、匹配顺序的编号c构成编码对象的编码结果(a,b,c)。

5.根据权利要求1所述的用于矿山无人驾驶矿车协同控制的路况数据压缩方法，其特征在于，所述获取新的待编码像素串，包括的具体步骤如下：

将编码对象中最后一个像素点在路况图像中下一个像素点作为新的待编码像素串，当编码对象中最后一个像素点在路况图像中不存在下一个像素点时，不存在新的待编码像素串。

6.根据权利要求1所述的用于矿山无人驾驶矿车协同控制的路况数据压缩方法，其特征在于，所述对字典区进行更新，包括的具体步骤如下：

将编码对象添加到字典区中；

若字典区的形状为标准矩形，当字典区的行数大于m时，将字典区中距离新的待编码像素串最远的多个行从字典区中剔除，使得字典区的行数为m；当字典区的列数大于n时，将字典区中距离新的待编码像素串最远多个列从字典区中剔除，使得字典区的列数为n；

若字典区的形状不为标准矩阵，当字典区的列数大于n时，若字典区在新的待编码像素串的右侧，将编码对象中最后一个像素点作为窗口左下角第一个元素，构建大小的窗口，将窗口在缓冲地图与路况图像拼接的图像中覆盖的区域作为新的字典区；若字典区在新的待编码像素串的左侧，将编码对象中最后一个像素点作为窗口右下角第一个元素，构建/>大小的窗口，将窗口在缓冲地图与路况图像拼接的图像中覆盖的区域作为新的字典区；

若字典区的形状不为标准矩阵，当字典区的列数等于n，且行数大于m+1时，将字典区中距离新的待编码像素串最远的多个行从字典区中剔除，使得字典区的行数为m+1；

其中m为预设行数，n为预设列数。