CN113657164A - 标定目标对象的方法、装置、清扫设备和存储介质 - Google Patents
标定目标对象的方法、装置、清扫设备和存储介质 Download PDFInfo
- Publication number
- CN113657164A CN113657164A CN202110801537.8A CN202110801537A CN113657164A CN 113657164 A CN113657164 A CN 113657164A CN 202110801537 A CN202110801537 A CN 202110801537A CN 113657164 A CN113657164 A CN 113657164A
- Authority
- CN
- China
- Prior art keywords
- feature point
- target
- image
- frame
- target object
- 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.)
- Granted
Links
- 238000004140 cleaning Methods 0.000 title claims abstract description 193
- 238000000034 method Methods 0.000 title claims abstract description 79
- 230000006870 function Effects 0.000 claims description 28
- 230000015654 memory Effects 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 19
- 238000012216 screening Methods 0.000 claims description 18
- 238000010408 sweeping Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 description 12
- 230000003287 optical effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 241001417527 Pempheridae Species 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
- 238000005259 measurement Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 241001122767 Theaceae Species 0.000 description 1
- 230000001680 brushing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请的实施例公开了一种标定目标对象的方法，包括：当清扫设备执行清扫操作时，获取清扫设备通过顶视图像采集器采集的包括目标对象的有序的多帧图像；分析有序的多帧图像中的相邻帧，获取目标对象的目标特征点的特征点运动信息；基于特征点运动信息和获取的顶视图像采集器的采集器运动信息，确定目标对象具有的标识信息；在清扫设备的清扫轨迹上，基于标识信息对目标对象所在的区域进行标定。本申请的实施例还公开了一种标定目标对象的装置、清扫设备和存储介质。
Description
技术领域
本申请涉及智能家居技术领域，尤其是涉及一种标定目标对象的方法、标定目标对象的装置、清扫设备和存储介质。
背景技术
随着智能清洁技术和智能家居产品的迅速发展，集成有摄像头或摄像头模组的清扫设备已进入家庭、商场、工厂等不同场景进行清洁工作，实现在清洁的同时监控室内环境。然而，相关技术中的清扫设备在清扫过程中，未利用室内环境中的场景信息去做定位。目前亟需提供一种新的标定目标对象的方法。
发明内容
本申请的实施例提供一种标定目标对象的方法、标定目标对象的装置、清扫设备和存储介质，以解决相关技术中的清扫设备在清扫过程中，未利用对室内环境中的场景信息去做定位的问题。
本申请的技术方案是这样实现的：
一种标定目标对象的方法，所述方法包括：
当清扫设备执行清扫操作时，获取所述清扫设备通过顶视图像采集器采集的包括目标对象的有序的多帧图像；
分析所述有序的多帧图像中的相邻帧，获取所述目标对象的目标特征点的特征点运动信息；
基于所述特征点运动信息和获取的所述顶视图像采集器的采集器运动信息，确定所述目标对象具有的标识信息；
在所述清扫设备的清扫轨迹上，基于所述标识信息对所述目标对象所在的区域进行标定。
一种标定目标对象的装置，所述装置包括：
获取模块，用于当清扫设备执行清扫操作时，获取所述清扫设备通过顶视图像采集器采集的包括目标对象的有序的多帧图像；
处理模块，用于分析所述有序的多帧图像中的相邻帧，获取所述目标对象的目标特征点的特征点运动信息；
所述处理模块，还用于基于所述特征点运动信息和获取的所述顶视图像采集器的采集器运动信息，确定所述目标对象具有的标识信息；
所述处理模块，还用于在所述清扫设备的清扫轨迹上，基于所述标识信息对所述目标对象所在的区域进行标定。
一种清扫设备，所述清扫设备包括：
存储器，用于存储可执行指令；
处理器，用于执行所述存储器中存储的可执行指令，以实现上述的方法。
一种计算机可读存储介质，该计算机可读存储介质存储有一个或者多个程序，该一个或者多个程序可被一个或者多个处理器执行，以实现上述的方法。
本申请实施例所提供的标定目标对象的方法、标定目标对象的装置、清扫设备和存储介质，通过当清扫设备执行清扫操作时，获取清扫设备通过顶视图像采集器采集的包括目标对象的有序的多帧图像；分析有序的多帧图像中的相邻帧，获取目标对象的目标特征点的特征点运动信息；基于特征点运动信息和获取的顶视图像采集器的采集器运动信息，确定目标对象具有的标识信息；在清扫设备的清扫轨迹上，基于标识信息对目标对象所在的区域进行标定；也就是说，基于对有序的多帧图像中的相邻帧进行分析所得到的目标对象的目标特征点的特征点运动信息，和顶视图像采集器的采集器运动信息，确定目标对象所具有的标识信息，以使清扫设备基于标识信息，在清扫轨迹上标定目标对象所处区域；如此，结合实际清扫场景中所采集的目标对象的图像，清晰准确地定位出清扫轨迹上目标对象所处区域。
附图说明
图1为本申请实施例提供的标定目标对象的方法的一个可选的流程示意图；
图2为本申请实施例提供的标定目标对象的方法的一个可选的流程示意图；
图3为本申请实施例提供的标定目标对象的方法的一个可选的流程示意图；
图4为本申请实施例提供的标定目标对象的方法的一个可选的流程示意图；
图5为本申请实施例提供的清扫设备直行时特征点的运动信息示意图；
图6为本申请实施例提供的清扫设备旋转时特征点的运动信息示意图；
图7为本申请实施例提供的标定目标对象的方法的一个可选的流程示意图；
图8为本申请实施例提供的清扫设备确定特征点移动速度满足条件的部分目标特征点的示意图；
图9为本申请实施例提供的对目标对象所处区域标记后的示意图；
图10为本申请实施例提供的标定目标对象的方法的一个可选的流程示意图；
图11为本申请实施例提供的标定目标对象的装置一个可选的结构示意图；
图12为本申请实施例提供的清扫设备的一个可选的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，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，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本申请的实施例提供一种标定目标对象的方法，该标定目标对象的方法应用于清扫设备，参照图1所示，该标定目标对象的方法包括如下步骤：
步骤101、当清扫设备执行清扫操作时，获取清扫设备通过顶视图像采集器采集的包括目标对象的有序的多帧图像。
本申请实施中，顶视图像采集器可以为摄像头或摄像头模组，其中，该摄像头或摄像头模组可以设置在清扫设备的上方，以使该摄像头在清扫设备移动的过程中，能够采集到清扫设备所在位置的上方图像。该摄像头或摄像头模组还可以设置在清扫设备的侧方，且该摄像头具有旋转功能，以使该摄像头在清扫设备移动的过程中，能够采集到清扫设备所在位置的上下左右方位对应的一定角度范围内的图像。
本申请实施例中，目标对象可以是清扫设备执行清扫操作的清扫场景中所配备的家具对象，这里，示例性的，家具对象可以为沙发、床、桌子、电视柜、茶几、书柜、梳妆台等。
这里，清扫设备是一种能够完成清扫、吸尘、擦地等清扫工作的设备。例如清扫设备可以是扫地机、打扫机、吸尘器等。清扫设备是一种智能家用电器，能够在进入清扫阶段后，自动在清扫场景内完成清扫工作。这里，以扫地机为例，扫地机一般采用刷扫和真空方式，将地面杂物先吸纳进入自身的垃圾收纳盒，从而完成对地面等清扫场景的清理。
本申请实施例中，当清扫设备在清扫场景中执行清扫操作时，清扫设备的顶视图像采集器采集清扫场景中的初始图像序列，清扫设备获取初始图像序列后，通过图像识别算法识别初始图像序列是否包括目标对象，若确定初始图像序列包括目标对象，从初始图像序列中筛选出包括目标对象的有序的多帧图像。
步骤102、分析有序的多帧图像中的相邻帧，获取目标对象的目标特征点的特征点运动信息。
本申请实施例中，目标对象的目标特征点为有序的多帧图像中每帧图像中的目标对象的特征点满足特征点筛选条件的特征点；其中，目标对象的特征点可以为每帧图像中局部灰度梯度最大的像素点，目标对象的特征点又可以为每帧图像中局部梯度幅值和梯度方向的变化率满足变化率条件的像素点。需要说明的是，目标对象的特征点又称目标对象的角点。
本申请实施例中，特征点运动信息可以包括目标特征点的位置偏移量、目标特征点的特征点移动速度，特征点运动信息还可以包括目标特征点的移动方向。
本申请实施例中，当清扫设备执行清扫操作时，清扫设备获取通过顶视图像采集器采集的包括目标对象的有序的多帧图像的情况下，对有序的多帧图像的每一帧进行分析，以确定每一帧中目标对象的特征点。清扫设备从所有特征点中筛选出满足条件的特征点为目标特征点。进一步地，清扫设备对有序的多帧图像中的相邻帧进行分析，得到目标对象的目标特征点的特征点运动信息。
需要说明的是，清扫设备提取每一帧中目标对象的特征点可以采用特征检测算法得到，特征检测(Corner Detection)是计算机视觉***中用来获得图像特征的一种方法，广泛应用于运动检测、图像匹配、视频跟踪、三维建模和目标识别等领域中。特征检测也称为角点检测。其中，角点检测算法包括、Harris角点检测算法、Moravec角点检测算法、FAST角点检测算法，角点检测算法还包括Shi-Tomasi角点检测算法。这里，本申请不做具体限定。
步骤103、基于特征点运动信息和获取的顶视图像采集器的采集器运动信息，确定目标对象具有的标识信息。
本申请实施例中，标识信息为目标对象预先设置的具有特定标识的信息。
本申请实施例中，采集器运动信息可以包括顶视图像采集器的采集器位置偏移量、顶视图像采集器的采集器移动速度，采集器运动信息还可以包括顶视图像采集器的采集器移动方向。
本申请实施例中，清扫设备分析有序的多帧图像的相邻帧，获取目标对象的目标特征点的特征点运动信息的情况下，清扫设备还可以获取顶视图像采集器的采集器运动信息，进而基于特征点运动信息和采集器运动信息，确定为目标对象预先设置的具有特征标识的标识信息。
需要说明的是，清扫设备执行获取顶视图像采集器的采集器运动信息这一步骤，可以在执行步骤101中的获取清扫设备通过顶视图像采集器采集的包括目标对象的有序的多帧图像之前执行，也可以在执行步骤101之后执行，还可以在执行步骤102之后执行，又可以与步骤101或步骤102同时执行，本申请不作具体限定，只要基于特征点运动信息和采集器运动信息，确定目标对象具有的标识信息之前，获取到顶视图像采集器的采集器运动信息即可。
步骤104、在清扫设备的清扫轨迹上，基于标识信息对目标对象所在的区域进行标定。
本申请实施例中，清扫轨迹是在清扫设备在所处的清扫环境中，为清扫设备所规划的清扫路线；通常情况下，清扫设备沿着所规划的清扫轨迹进行清扫，对于每个清扫环境，将规划出多条清扫轨迹，且多条清扫轨迹组成清扫地图。其中，确定清扫轨迹的算法包括但不限于随机覆盖算法和路径规划算法，其中，路径规划算法的清扫效率优于随机覆盖算法的清扫效率。这里，在基于路径规划算法确定清扫轨迹的过程中，可以采用图像位移定位或者激光雷达三角测距等方式规划清扫轨迹。
本申请实施例中，清扫设备基于特征点运动信息和获取的顶视图像采集器的采集器运动信息，确定目标对象具有的标识信息之后，在清扫设备的清扫轨迹上，基于标识信息对目标对象所在的区域进行标定，从而可以清晰准确地定位出清扫轨迹上目标对象所处区域。
本申请实施例所提供的标定目标对象的方法，通过当清扫设备执行清扫操作时，获取清扫设备通过顶视图像采集器采集的包括目标对象的有序的多帧图像；分析有序的多帧图像中的相邻帧，获取目标对象的目标特征点的特征点运动信息；基于特征点运动信息和获取的顶视图像采集器的采集器运动信息，确定目标对象具有的标识信息；在清扫设备的清扫轨迹上，基于标识信息对目标对象所在的区域进行标定；也就是说，基于对有序的多帧图像中的相邻帧进行分析所得到的目标对象的目标特征点的特征点运动信息，和顶视图像采集器的采集器运动信息，确定目标对象所具有的标识信息，以使清扫设备基于标识信息，在清扫轨迹上标定目标对象所处区域；如此，结合实际清扫场景中所采集的目标对象的图像，清晰准确地定位出清扫轨迹上目标对象所处区域。
本申请的实施例提供一种标定目标对象的方法，该标定目标对象的方法应用于清扫设备，参照图2所示，该标定目标对象的方法包括以下步骤：
步骤201、当清扫设备执行清扫操作时，获取清扫设备通过顶视图像采集器采集的包括目标对象的有序的多帧图像。
步骤202、调用窗口函数对有序的多帧图像中的每帧图像进行处理，筛选出每帧图像中的多个目标特征点。
本申请实施例中，窗口函数用于确定图像中以某一像素点为中心，将窗口函数对应的窗口进行任意方向的移动时像素点的变化信息。
本申请实施例中，参照图3所示，步骤202调用窗口函数对有序的多帧图像中的每帧图像进行处理，筛选出每帧图像中的多个目标特征点，还可以通过如下步骤实现：
步骤2021、调用窗口函数对每帧图像进行处理，得到每帧图像中的多个参考特征点。
本申请实施例中，多个参考特征点为满足筛选条件的特征点。示例性的，若清扫设备得到每帧图像中其他对象如墙边的特征点，则将获取的墙边的特征点剔除，得到每帧图像中目标对象的多个参考点。
本申请实施例中，清扫设备调用窗口函数，确定窗口函数对应的窗口在有序的多帧图像中的每帧图像上进行任意方向上的移动，且窗口在移动前和移动后中像素点的灰度变化满足灰度变化条件，则将满足灰度变化条件的像素点确定为参考特征点，这里，参考特征点为多个。
步骤2022、基于窗口函数对应的窗口局部梯度幅值和梯度方向的变化率，确定每一参考特征点的度量值。
本申请实施例中，度量值用于衡量每一参考特征点在窗口函数对应的窗口，在移动前和移动后之间的窗口局部梯度幅值和梯度方向的变化。
步骤2023、确定每帧图像包含的N个区域中第n区域中，度量值满足度量值筛选条件的一个参考特征点为第n区域中的目标特征点。
其中，n为大于等于1，且小于等于N的正整数，N为每帧图像包含区域的总数。
本申请实施例中，度量值筛选条件包括在第n个区域中筛选出最大度量值。
本申请实施例中，清扫设备基于窗口函数对应的窗口局部梯度幅值和梯度方向的变化率，确定每一参考特征点的度量值的情况下，将每帧图像划分为具有相同大小的N个区域，获取每帧图像包含的N个区域中第n区域中最大度量值对应的一个参考特征点，确定为第n区域中的目标特征点；如此，清扫设备实现了每帧图像中所提取的目标特征点具有均匀分布的特点。
步骤203、获取有序的多帧图像中第i帧图像中的第k目标特征点所处的第一位置。
其中，i为大于等于1，且小于多帧图像的总帧数的正整数，k为大于等于1，且小于第i帧图像中目标特征点的总数的正整数。
步骤204、若有序的多帧图像中第i+1帧图像中存在第k目标特征点，获取第i+1帧图像中第k目标特征点所处的第二位置。
本申请实施例中，清扫设备获取有序的多帧图像中第i帧图像中的第k目标特征点所处的第一位置；之后，清扫设备基于光流跟踪算法对第i帧图像中的第k目标特征点进行跟踪，当清扫设备确定有序的多帧图像中第i+1帧图像中存在第k目标特征点时，清扫设备获取第i+1帧图像中第k目标特征点所处的第二位置；当清扫设备确定有序的多帧图像中第i+1帧图像中不存在第k目标特征点时，则对第i帧图像中的第k目标特征点不再进行跟踪，如此，清扫设备在跟踪目标特征点的过程中，仅保留跟踪成功的目标特征点，剔除跟踪失败的其他特征点。
步骤205、基于第一位置和第二位置，确定第k目标特征点的特征点运动信息。
本申请实施例中，清扫设备获取到有序的多帧图像中第i帧图像中的第k目标特征点所处的第一位置，以及获取到第i+1帧图像中第k目标特征点所处的第二位置之后，此时，基于第一位置和第二位置，确定第k目标特征点的特征点运动信息；其中，特征点运动信息包括第k目标特征点的位置偏移量、第k目标特征点的特征点移动速度、第k目标特征点的移动方向。
本申请实施例中，参照图4所示，步骤205基于第一位置和第二位置，确定第k目标特征点的特征点运动信息，可以通过如下步骤实现：
步骤2051、获取第i帧图像的第t时间戳和第i+1帧图像的第t+1时间戳。
本申请实施例中，第t时间戳指的是第i帧图像的采集时刻t，第t+1时间戳指的是第i+1帧图像的采集时刻t+1。
步骤2052、确定第k目标特征点从第一位置到第二位置的位置偏移量。
本申请实施例中，清扫设备基于光流跟踪算法，对第k目标特征点进行跟踪，以基于第k目标特征点在第i帧图像所处的第一位置，以及第k目标特征点在第i+1帧图像所处的第二位置，获得第k目标特征点的位置偏移量。
步骤2053、基于第t+1时间戳与第t时间戳之间的时间间隔，以及位置偏移量，确定第k目标特征点的特征点移动速度。
其中，特征点运动信息包括第i帧图像中的所有目标特征点的特征点移动速度；特征点运动信息还包括第i帧图像中的所有目标特征点的特征点移动方向。
本申请实施例中，清扫设备计算第t+1时间戳与第t时间戳之间的时间间隔T，基于时间间隔T和位置偏移量，确定第k目标特征点的特征点移动速度和特征点移动方向，进而获取到第i帧图像包含的所有目标特征点的特征点移动速度和特征点移动方向。
这里，参照图5所示，清扫设备在直行时，具有不同景深的目标特征点，目标特征点的特征点移动方向一致，特征点移动速度不同。示例性的，当目标对象是天花板时，当清扫设备执行清扫操作时，顶视图像采集器采集的图像为天花板的有序的多帧图像，此时，清扫设备获取的有序的多帧图像中相邻帧的天花板的目标特征点，由于所采集的图像景深远，基于光流跟踪算法确定的目标特征点的特征点移动速度小，且所有目标特征点的特征点移动方向一致。又一示例性的，当目标对象是家具如沙发时，当清扫设备执行清扫操作，且移动到沙发底部时，顶视图像采集器采集的图像为沙发底部的有序的多帧图像，此时，清扫设备获取的有序的多帧图像中相邻帧的沙发的目标特征点，由于所采集的图像为沙发的底部图像，故采集的图像景深近，基于光流跟踪算法确定的目标特征点的特征点移动速度大，且所有目标特征点的特征点移动方向一致。
需要说明的是，参照图6所示，清扫设备在旋转时，由于特征点的特征点移动速度和特征点移动方向均不一致，故清扫设备旋转时，清扫设备对顶视图像采集器采集的图像不做处理。
步骤206、基于特征点运动信息和获取的顶视图像采集器的采集器运动信息，确定目标对象具有的标识信息。
本申请实施例中，参照图7所示，步骤206基于特征点运动信息和获取的顶视图像采集器的采集器运动信息，确定目标对象具有的标识信息，可以通过如下步骤实现：
步骤2061、从第i帧图像对应的所有目标特征点的特征点移动速度中，筛选出特征点移动速度小于速度阈值的部分目标特征点的特征点移动速度。
步骤2062、计算部分目标特征点的特征点移动速度的均值，得到平均移动速度。
本申请实施例中，参照图8所示，清扫设备获取第i帧图像对应的所有目标特征点的特征点移动速度，并从所有目标特征点的特征点移动速度中，筛选出特征点移动速度小于速度阈值的部分目标特征点的特征点移动速度。此时，清扫设备对部分目标特征点的特征点移动速度求平均，得到部分目标特征点的平均移动速度。如此，清扫设备去除所有特征点的特征点移动速度中的最大移动速度，以根据剩余的特征点移动速度求取平均移动速度，从而使得得到的平均移动速度更具有准确性，以便基于准确的平均移动速度，更能清晰准确地定位出清扫轨迹上目标对象所处区域。
步骤2063、基于平均移动速度和采集器移动速度，确定目标对象具有的标识信息。
其中，采集器运动信息包括采集器移动速度。
本申请实施例中，步骤2063基于平均移动速度和采集器移动速度，确定目标对象具有的标识信息，具体可以通过如下步骤实现：
Step1、计算平均移动速度和采集器移动速度的比值。
Step2、确定与比值匹配的标识信息，为目标对象具有的标识信息。
本申请实施例中，不同比值匹配不同目标对象所具有的标识信息。需要说明的是，顶视图像采集器在采集图像时，具有不同景深的目标特征点，
本申请实施例中，清扫设备获取平均移动速度和采集器移动速度的比值，并通过预设的匹配关系表中查询与比值匹配的标识信息，将与比值匹配的标识信息，确定为目标对象所具有的标识信息。如此，实现了基于特征点的移动速度与清扫设备的采集器移动速度的比值，判断清扫设备是否处于目标对象的底部，且确定目标对象所具有的标识信息，以便根据标识信息对不同的目标对象进行区分。
步骤207、在清扫设备的清扫轨迹上，基于标识信息对目标对象所在的区域进行标定。
在一种可实现的场景中，参照图9所示，清扫设备确定与比值匹配的标识信息，为目标对象具有的标识信息的情况下，在清扫设备的清扫轨迹上，基于标识信息对目标对象所在的区域进行标定，从而可以清晰准确地定位出清扫轨迹上目标对象所处区域。
由上述可知，首先，清扫设备获取清扫设备通过顶视图像采集器采集的包括目标对象的有序的多帧图像；其次，清扫设备调用窗口函数对有序的多帧图像中的每帧图像进行处理，筛选出每帧图像中的多个目标特征点；再次，清扫设备基于有序的多帧图像中第i帧图像中的第k目标特征点所处的第一位置和第i+1帧图像中第k目标特征点所处的第二位置，确定第k目标特征点的特征点运动信息；然后，清扫设备基于特征点运动信息和获取的顶视图像采集器的采集器运动信息，确定目标对象具有的标识信息，以便基于标识信息，在清扫轨迹上，对目标对象所在的区域进行标定；如此，结合实际清扫场景中所采集的目标对象的图像，实现了每帧图像中所提取的目标特征点具有均匀分布的特点，同时，清扫设备在跟踪目标特征点的过程中，仅保留跟踪成功的目标特征点，剔除跟踪失败的其他特征点，进而清晰准确地定位出清扫轨迹上目标对象所处区域。
本申请的实施例提供一种标定目标对象的方法，该标定目标对象的方法应用于清扫设备，参照图10所示，该标定目标对象的方法包括以下步骤：
步骤301、当清扫设备执行清扫操作时，获取清扫设备通过顶视图像采集器采集的包括目标对象的有序的多帧图像。
步骤302、调用窗口函数对有序的多帧图像中的每帧图像进行处理，筛选出每帧图像中的多个目标特征点。
步骤303、获取有序的多帧图像中第i帧图像中的第k目标特征点所处的第一位置。
其中，i为大于等于1，且小于多帧图像的总帧数的正整数，k为大于等于1，且小于第i帧图像中目标特征点的总数的正整数。
步骤304、若有序的多帧图像中第i+1帧图像中存在第k目标特征点，获取第i+1帧图像中第k目标特征点所处的第二位置。
步骤305、获取有序的多帧图像中第p帧图像中的第g目标特征点所处的第三位置。
其中，p为大于等于1，且小于多帧图像的总帧数的正整数，p与i不同，g为大于等于1，且小于第p帧图像中目标特征点的总数的正整数。
步骤306、若有序的多帧图像中第p+1帧图像中存在第g目标特征点，获取第p+1帧图像中第g目标特征点所处的第四位置。
步骤307、基于第一位置、第二位置、第三位置和第四位置，确定第k目标特征点的特征点运动信息。
本申请实施例中，步骤307基于第一位置、第二位置、第三位置和第四位置，确定第k目标特征点的特征点运动信息，可以通过如下步骤实现：
A1、获取第i帧图像的第t时间戳和第i+1帧图像的第t+1时间戳。
A2、确定第k目标特征点从第一位置到第二位置的第一位置偏移量。
A3、获取第p帧图像的第u时间戳和第p+1帧图像的第u+1时间戳。
A4、确定第g目标特征点从第三位置到第四位置的第二位置偏移量。
A5、基于第t+1时间戳与第t时间戳之间的第一时间间隔、第一位置偏移量、第u+1时间戳与第u时间戳之间的第二时间间隔，以及第二位置偏移量，确定第k目标特征点的特征点移动速度。
其中，特征点运动信息包括第i帧图像中的所有目标特征点的特征点移动速度。
步骤308、基于特征点运动信息和获取的顶视图像采集器的采集器运动信息，确定目标对象具有的标识信息。
步骤309、在清扫设备的清扫轨迹上，基于标识信息对目标对象所在的区域进行标定。
由上述可知，清扫设备基于第i帧图像的第k目标特征点从第一位置到第二位置的第一位置偏移量、第p帧图像的第g目标特征点从第三位置到第四位置的第二位置偏移量，以及第t+1时间戳与第t时间戳之间的第一时间间隔和第u+1时间戳与第u时间戳之间的第二时间间隔，确定第k目标特征点的特征点移动速度，进而获取第i帧图像中的所有目标特征点的特征点移动速度；如此，利用第p帧图像的第g目标特征点的运动信息，对第i帧图像中的所有目标特征点的运动信息进行校准，使得对第i帧图像中的所有目标特征点的运动信息更加准确，进而清晰准确地定位出清扫轨迹上目标对象所处区域。
需要说明的是，本实施例中与其它实施例中相同步骤和相同内容的说明，可以参照其它实施例中的描述，此处不再赘述。
本申请的实施例提供一种标定目标对象的装置，该标定目标对象的装置可以用于实施图1至图4、图7和图10对应的实施例提供的一种标定目标对象的方法，参照图11所示，该标定目标对象的装置11包括：
获取模块1101，用于当清扫设备执行清扫操作时，获取清扫设备通过顶视图像采集器采集的包括目标对象的有序的多帧图像；
处理模块1102，用于分析有序的多帧图像中的相邻帧，获取目标对象的目标特征点的特征点运动信息；
处理模块1102，还用于基于特征点运动信息和获取的顶视图像采集器的采集器运动信息，确定目标对象具有的标识信息；
处理模块1102，还用于在清扫设备的清扫轨迹上，基于标识信息对目标对象所在的区域进行标定。
在本申请其他实施例中，处理模块1102，还用于调用窗口函数对有序的多帧图像中的每帧图像进行处理，筛选出每帧图像中的多个目标特征点；获取模块1101，还用于获取有序的多帧图像中第i帧图像中的第k目标特征点所处的第一位置，其中，i为大于等于1，且小于多帧图像的总帧数的正整数，k为大于等于1，且小于第i帧图像中目标特征点的总数的正整数；若有序的多帧图像中第i+1帧图像中存在第k目标特征点，获取第i+1帧图像中第k目标特征点所处的第二位置；处理模块1102，还用于基于第一位置和第二位置，确定第k目标特征点的特征点运动信息。
在本申请其他实施例中，处理模块1102，还用于调用窗口函数对每帧图像进行处理，得到每帧图像中的多个参考特征点；基于窗口函数对应的窗口局部梯度幅值和梯度方向的变化率，确定每一参考特征点的度量值；确定每帧图像包含的N个区域中第n区域中，度量值满足度量值筛选条件的一个参考特征点为第n区域中的目标特征点，其中，n为大于等于1，且小于等于N的正整数，N为每帧图像包含区域的总数。
在本申请其他实施例中，获取模块1101，还用于获取第i帧图像的第t时间戳和第i+1帧图像的第t+1时间戳；处理模块1102，还用于确定第k目标特征点从第一位置到第二位置的位置偏移量；基于第t+1时间戳与第t时间戳之间的时间间隔，以及位置偏移量，确定第k目标特征点的特征点移动速度，其中，特征点运动信息包括第i帧图像中的所有目标特征点的特征点移动速度。
在本申请其他实施例中，处理模块1102，还用于从第i帧图像对应的所有目标特征点的特征点移动速度中，筛选出特征点移动速度小于速度阈值的部分目标特征点的特征点移动速度；计算部分目标特征点的特征点移动速度的均值，得到平均移动速度；基于平均移动速度和采集器移动速度，确定目标对象具有的标识信息，其中，采集器运动信息包括采集器移动速度
在本申请其他实施例中，处理模块1102，还用于计算平均移动速度和采集器移动速度的比值；确定与比值匹配的标识信息，为目标对象具有的标识信息。
在本申请其他实施例中，获取模块1101，还用于获取有序的多帧图像中第p帧图像中的第g目标特征点所处的第三位置，其中，p为大于等于1，且小于多帧图像的总帧数的正整数，p与i不同，g为大于等于1，且小于第p帧图像中目标特征点的总数的正整数；若有序的多帧图像中第p+1帧图像中存在第g目标特征点，获取第p+1帧图像中第g目标特征点所处的第四位置；处理模块1102，还用于基于第一位置、第二位置、第三位置和第四位置，确定第k目标特征点的特征点运动信息。
本申请的实施例提供一种清扫设备，该清扫设备可以用于实施图1至图4、图7和图10对应的实施例提供的一种标定目标对象的方法，参照图12所示，该清扫设备12包括(图12中的清扫设备12对应图11中的标定目标对象的装置11)包括：存储器1201和处理器1202，其中；处理器1202用于执行存储器1201中存储的标定目标对象的程序，清扫设备12通过处理器1202以实现以下步骤：
当清扫设备执行清扫操作时，获取清扫设备通过顶视图像采集器采集的包括目标对象的有序的多帧图像；
分析有序的多帧图像中的相邻帧，获取目标对象的目标特征点的特征点运动信息；
基于特征点运动信息和获取的顶视图像采集器的采集器运动信息，确定目标对象具有的标识信息；
在清扫设备的清扫轨迹上，基于标识信息对目标对象所在的区域进行标定。
在本申请其他实施例中，处理器1202用于执行存储器1201中存储的标定目标对象的程序，以实现以下步骤：
调用窗口函数对有序的多帧图像中的每帧图像进行处理，筛选出每帧图像中的多个目标特征点；获取有序的多帧图像中第i帧图像中的第k目标特征点所处的第一位置，其中，i为大于等于1，且小于多帧图像的总帧数的正整数，k为大于等于1，且小于第i帧图像中目标特征点的总数的正整数；若有序的多帧图像中第i+1帧图像中存在第k目标特征点，获取第i+1帧图像中第k目标特征点所处的第二位置；基于第一位置和第二位置，确定第k目标特征点的特征点运动信息。
在本申请其他实施例中，处理器1202用于执行存储器1201中存储的标定目标对象的程序，以实现以下步骤：
调用窗口函数对每帧图像进行处理，得到每帧图像中的多个参考特征点；基于窗口函数对应的窗口局部梯度幅值和梯度方向的变化率，确定每一参考特征点的度量值；确定每帧图像包含的N个区域中第n区域中，度量值满足度量值筛选条件的一个参考特征点为第n区域中的目标特征点，其中，n为大于等于1，且小于等于N的正整数，N为每帧图像包含区域的总数。
在本申请其他实施例中，处理器1202用于执行存储器1201中存储的标定目标对象的程序，以实现以下步骤：
获取第i帧图像的第t时间戳和第i+1帧图像的第t+1时间戳；确定第k目标特征点从第一位置到第二位置的位置偏移量；基于第t+1时间戳与第t时间戳之间的时间间隔，以及位置偏移量，确定第k目标特征点的特征点移动速度，其中，特征点运动信息包括第i帧图像中的所有目标特征点的特征点移动速度。
在本申请其他实施例中，处理器1202用于执行存储器1201中存储的标定目标对象的程序，以实现以下步骤：
从第i帧图像对应的所有目标特征点的特征点移动速度中，筛选出特征点移动速度小于速度阈值的部分目标特征点的特征点移动速度；计算部分目标特征点的特征点移动速度的均值，得到平均移动速度；基于平均移动速度和采集器移动速度，确定目标对象具有的标识信息，其中，采集器运动信息包括采集器移动速度。
在本申请其他实施例中，处理器1202用于执行存储器1201中存储的标定目标对象的程序，以实现以下步骤：
计算平均移动速度和采集器移动速度的比值；确定与比值匹配的标识信息，为目标对象具有的标识信息。
在本申请其他实施例中，处理器1202用于执行存储器1201中存储的标定目标对象的程序，以实现以下步骤：
获取有序的多帧图像中第p帧图像中的第g目标特征点所处的第三位置，其中，p为大于等于1，且小于多帧图像的总帧数的正整数，p与i不同，g为大于等于1，且小于第p帧图像中目标特征点的总数的正整数；若有序的多帧图像中第p+1帧图像中存在第g目标特征点，获取第p+1帧图像中第g目标特征点所处的第四位置；基于第一位置、第二位置、第三位置和第四位置，确定第k目标特征点的特征点运动信息。
本申请的实施例提供一种计算机可读存储介质，该计算机可读存储介质存储有一个或者多个程序，该一个或者多个程序可被一个或者多个处理器执行以实现如下步骤：
当清扫设备执行清扫操作时，获取清扫设备通过顶视图像采集器采集的包括目标对象的有序的多帧图像；
分析有序的多帧图像中的相邻帧，获取目标对象的目标特征点的特征点运动信息；
基于特征点运动信息和获取的顶视图像采集器的采集器运动信息，确定目标对象具有的标识信息；
在清扫设备的清扫轨迹上，基于标识信息对目标对象所在的区域进行标定。
在本申请的其他实施例中，该一个或者多个程序可被一个或者多个处理器执行，以实现以下步骤：
调用窗口函数对有序的多帧图像中的每帧图像进行处理，筛选出每帧图像中的多个目标特征点；获取有序的多帧图像中第i帧图像中的第k目标特征点所处的第一位置，其中，i为大于等于1，且小于多帧图像的总帧数的正整数，k为大于等于1，且小于第i帧图像中目标特征点的总数的正整数；若有序的多帧图像中第i+1帧图像中存在第k目标特征点，获取第i+1帧图像中第k目标特征点所处的第二位置；基于第一位置和第二位置，确定第k目标特征点的特征点运动信息。
在本申请的其他实施例中，该一个或者多个程序可被一个或者多个处理器执行，以实现以下步骤：
调用窗口函数对每帧图像进行处理，得到每帧图像中的多个参考特征点；基于窗口函数对应的窗口局部梯度幅值和梯度方向的变化率，确定每一参考特征点的度量值；确定每帧图像包含的N个区域中第n区域中，度量值满足度量值筛选条件的一个参考特征点为第n区域中的目标特征点，其中，n为大于等于1，且小于等于N的正整数，N为每帧图像包含区域的总数。
在本申请的其他实施例中，该一个或者多个程序可被一个或者多个处理器执行，以实现以下步骤：
获取第i帧图像的第t时间戳和第i+1帧图像的第t+1时间戳；确定第k目标特征点从第一位置到第二位置的位置偏移量；基于第t+1时间戳与第t时间戳之间的时间间隔，以及位置偏移量，确定第k目标特征点的特征点移动速度，其中，特征点运动信息包括第i帧图像中的所有目标特征点的特征点移动速度。
在本申请的其他实施例中，该一个或者多个程序可被一个或者多个处理器执行，以实现以下步骤：
从第i帧图像对应的所有目标特征点的特征点移动速度中，筛选出特征点移动速度小于速度阈值的部分目标特征点的特征点移动速度；计算部分目标特征点的特征点移动速度的均值，得到平均移动速度；基于平均移动速度和采集器移动速度，确定目标对象具有的标识信息，其中，采集器运动信息包括采集器移动速度。
在本申请的其他实施例中，该一个或者多个程序可被一个或者多个处理器执行，以实现以下步骤：
计算平均移动速度和采集器移动速度的比值；确定与比值匹配的标识信息，为目标对象具有的标识信息。
在本申请的其他实施例中，该一个或者多个程序可被一个或者多个处理器执行，以实现以下步骤：
获取有序的多帧图像中第p帧图像中的第g目标特征点所处的第三位置，其中，p为大于等于1，且小于多帧图像的总帧数的正整数，p与i不同，g为大于等于1，且小于第p帧图像中目标特征点的总数的正整数；若有序的多帧图像中第p+1帧图像中存在第g目标特征点，获取第p+1帧图像中第g目标特征点所处的第四位置；基于第一位置、第二位置、第三位置和第四位置，确定第k目标特征点的特征点运动信息。
这里需要指出的是：以上存储介质和设备实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本申请存储介质和设备实施例中未披露的技术细节，请参照本申请方法实施例的描述而理解。
上述计算机存储介质/存储器可以是只读存储器(Read Only Memory，ROM)、可编程只读存储器(Programmable Read-Only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，EPROM)、电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)、磁性随机存取存储器(Ferromagnetic Random Access Memory，FRAM)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(Compact Disc Read-Only Memory，CD-ROM)等存储器；也可以是包括上述存储器之一或任意组合的各种终端，如移动电话、计算机、平板设备、个人数字助理等。
应理解，说明书通篇中提到的“一个实施例”或“一实施例”或“本申请实施例”或“前述实施例”或“一些实施例”或“一些实施方式”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”或“本申请实施例”或“前述实施例”或“一些实施例”或“一些实施方式”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，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，如：多个单元或组件可以结合，或可以集成到另一个***，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，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全部单元来实现本实施例方案的目的。
另外，在本申请各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，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，也可以采用硬件加软件功能单元的形式实现。
本申请所提供的几个方法实施例中所揭露的方法，在不冲突的情况下可以任意组合，得到新的方法实施例。
本申请所提供的几个产品实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的产品实施例。
本申请所提供的几个方法或设备实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的方法实施例或设备实施例。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、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介质。
或者，本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对相关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、服务器、或者网络设备等)执行本申请各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
值得注意的是，本申请实施例中的附图只是为了说明各个器件在终端设备上的示意位置，并不代表在终端设备中的真实位置，各器件或各个区域的真实位置可根据实际情况(例如，终端设备的结构)作出相应改变或偏移，并且，图中的终端设备中不同部分的比例并不代表真实的比例。
以上所述，仅为本申请的实施方式，但本申请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申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种标定目标对象的方法，其特征在于，所述方法包括：
当清扫设备执行清扫操作时，获取所述清扫设备通过顶视图像采集器采集的包括目标对象的有序的多帧图像；
分析所述有序的多帧图像中的相邻帧，获取所述目标对象的目标特征点的特征点运动信息；
基于所述特征点运动信息和获取的所述顶视图像采集器的采集器运动信息，确定所述目标对象具有的标识信息；
在所述清扫设备的清扫轨迹上，基于所述标识信息对所述目标对象所在的区域进行标定。
2.根据权利要求1所述的方法，其特征在于，所述分析所述有序的多帧图像中的相邻帧，获取所述目标对象的目标特征点的特征点运动信息，包括：
调用窗口函数对所述有序的多帧图像中的每帧图像进行处理，筛选出所述每帧图像中的多个目标特征点；
获取所述有序的多帧图像中第i帧图像中的第k目标特征点所处的第一位置，其中，所述i为大于等于1，且小于所述多帧图像的总帧数的正整数，所述k为大于等于1，且小于所述第i帧图像中目标特征点的总数的正整数；
若所述有序的多帧图像中第i+1帧图像中存在所述第k目标特征点，获取所述第i+1帧图像中所述第k目标特征点所处的第二位置；
基于所述第一位置和所述第二位置，确定所述第k目标特征点的所述特征点运动信息。
3.根据权利要求2所述的方法，其特征在于，所述调用窗口函数对所述有序的多帧图像中的每帧图像进行处理，筛选出所述每帧图像中的多个目标特征点，包括：
调用所述窗口函数对所述每帧图像进行处理，得到所述每帧图像中的多个参考特征点；
基于所述窗口函数对应的窗口局部梯度幅值和梯度方向的变化率，确定每一所述参考特征点的度量值；
确定所述每帧图像包含的N个区域中第n区域中，度量值满足度量值筛选条件的一个所述参考特征点为所述第n区域中的所述目标特征点，其中，所述n为大于等于1，且小于等于所述N的正整数，N为所述每帧图像包含区域的总数。
4.根据权利要求2所述的方法，其特征在于，所述基于所述第一位置和所述第二位置，确定所述第k目标特征点的所述特征点运动信息，包括：
获取所述第i帧图像的第t时间戳和所述第i+1帧图像的第t+1时间戳；
确定所述第k目标特征点从所述第一位置到所述第二位置的位置偏移量；
基于所述第t+1时间戳与所述第t时间戳之间的时间间隔，以及所述位置偏移量，确定所述第k目标特征点的特征点移动速度，其中，所述特征点运动信息包括所述第i帧图像中的所有目标特征点的特征点移动速度。
5.根据权利要求4所述的方法，其特征在于，所述基于所述特征点运动信息和获取的所述顶视图像采集器的采集器运动信息，确定所述目标对象具有的标识信息，所述包括：
从所述第i帧图像对应的所述所有目标特征点的特征点移动速度中，筛选出特征点移动速度小于速度阈值的部分目标特征点的特征点移动速度；
计算所述部分目标特征点的特征点移动速度的均值，得到平均移动速度；
基于所述平均移动速度和采集器移动速度，确定所述目标对象具有的标识信息，其中，所述采集器运动信息包括所述采集器移动速度。
6.根据权利要求5所述的方法，其特征在于，所述基于所述平均移动速度和采集器移动速度，确定所述目标对象具有的标识信息，包括：
计算所述平均移动速度和所述采集器移动速度的比值；
确定与所述比值匹配的标识信息，为所述目标对象具有的标识信息。
7.根据权利要求2所述的方法，其特征在于，所述基于所述第一位置和所述第二位置，确定所述第k目标特征点的所述特征点运动信息，包括：
获取所述有序的多帧图像中第p帧图像中的第g目标特征点所处的第三位置，其中，所述p为大于等于1，且小于所述多帧图像的总帧数的正整数，所述p与所述i不同，所述g为大于等于1，且小于所述第p帧图像中目标特征点的总数的正整数；
若所述有序的多帧图像中第p+1帧图像中存在所述第g目标特征点，获取所述第p+1帧图像中所述第g目标特征点所处的第四位置；
基于所述第一位置、所述第二位置、所述第三位置和所述第四位置，确定所述第k目标特征点的所述特征点运动信息。
8.一种标定目标对象的装置，其特征在于，所述标定目标对象的装置包括：
获取模块，用于当清扫设备执行清扫操作时，获取所述清扫设备通过顶视图像采集器采集的包括目标对象的有序的多帧图像；
处理模块，用于分析所述有序的多帧图像中的相邻帧，获取所述目标对象的目标特征点的特征点运动信息；
所述处理模块，还用于基于所述特征点运动信息和获取的所述顶视图像采集器的采集器运动信息，确定所述目标对象具有的标识信息；
所述处理模块，还用于在所述清扫设备的清扫轨迹上，基于所述标识信息对所述目标对象所在的区域进行标定。
9.一种清扫设备，其特征在于，所述清扫设备包括：
存储器，用于存储可执行指令；
处理器，用于执行所述存储器中存储的可执行指令，以实现如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质，该计算机可读存储介质存储有一个或者多个程序，该一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110801537.8A CN113657164B (zh) | 2021-07-15 | 标定目标对象的方法、装置、清扫设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110801537.8A CN113657164B (zh) | 2021-07-15 | 标定目标对象的方法、装置、清扫设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113657164A true CN113657164A (zh) | 2021-11-16 |
| CN113657164B CN113657164B (zh) | 2024-07-02 |
Family
ID=
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115994911A (zh) * | 2023-03-24 | 2023-04-21 | 山东上水环境科技集团有限公司 | 一种基于多模态视觉信息融合的游泳馆目标检测方法 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170106274A (ko) * | 2017-09-11 | 2017-09-20 | 엘지전자 주식회사 | 로봇 청소기 및 이의 제어 방법 |
| CN107610108A (zh) * | 2017-09-04 | 2018-01-19 | 腾讯科技（深圳）有限公司 | 图像处理方法和装置 |
| CN108108748A (zh) * | 2017-12-08 | 2018-06-01 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
| US20190146517A1 (en) * | 2017-11-15 | 2019-05-16 | Samsung Electronics Co., Ltd. | Moving apparatus for cleaning and control method thereof |
| CN110645986A (zh) * | 2019-09-27 | 2020-01-03 | Oppo广东移动通信有限公司 | 定位方法及装置、终端、存储介质 |
| US20200160539A1 (en) * | 2018-11-16 | 2020-05-21 | National Applied Research Laboratories | Moving object detection system and method |
| US20200159246A1 (en) * | 2018-11-19 | 2020-05-21 | Ankobot (Shenzhen) Smart Technologies Co., Ltd. | Methods and systems for mapping, localization, navigation and control and mobile robot |
| CN111374607A (zh) * | 2018-12-29 | 2020-07-07 | 尚科宁家(中国)科技有限公司 | 一种基于扫地机器人的目标识别方法及装置、设备、介质 |
| WO2020259360A1 (zh) * | 2019-06-28 | 2020-12-30 | Oppo广东移动通信有限公司 | 定位方法及装置、终端、存储介质 |
| US20210103299A1 (en) * | 2017-12-29 | 2021-04-08 | SZ DJI Technology Co., Ltd. | Obstacle avoidance method and device and movable platform |
| CN112783147A (zh) * | 2019-11-11 | 2021-05-11 | 科沃斯机器人股份有限公司 | 一种轨迹规划方法、装置、机器人及存储介质 |
| CN112799400A (zh) * | 2020-12-28 | 2021-05-14 | 深兰人工智能(深圳)有限公司 | 清扫轨迹规划方法及装置 |
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107610108A (zh) * | 2017-09-04 | 2018-01-19 | 腾讯科技（深圳）有限公司 | 图像处理方法和装置 |
| KR20170106274A (ko) * | 2017-09-11 | 2017-09-20 | 엘지전자 주식회사 | 로봇 청소기 및 이의 제어 방법 |
| US20190146517A1 (en) * | 2017-11-15 | 2019-05-16 | Samsung Electronics Co., Ltd. | Moving apparatus for cleaning and control method thereof |
| CN108108748A (zh) * | 2017-12-08 | 2018-06-01 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
| US20210103299A1 (en) * | 2017-12-29 | 2021-04-08 | SZ DJI Technology Co., Ltd. | Obstacle avoidance method and device and movable platform |
| US20200160539A1 (en) * | 2018-11-16 | 2020-05-21 | National Applied Research Laboratories | Moving object detection system and method |
| US20200159246A1 (en) * | 2018-11-19 | 2020-05-21 | Ankobot (Shenzhen) Smart Technologies Co., Ltd. | Methods and systems for mapping, localization, navigation and control and mobile robot |
| CN111374607A (zh) * | 2018-12-29 | 2020-07-07 | 尚科宁家(中国)科技有限公司 | 一种基于扫地机器人的目标识别方法及装置、设备、介质 |
| WO2020259360A1 (zh) * | 2019-06-28 | 2020-12-30 | Oppo广东移动通信有限公司 | 定位方法及装置、终端、存储介质 |
| CN110645986A (zh) * | 2019-09-27 | 2020-01-03 | Oppo广东移动通信有限公司 | 定位方法及装置、终端、存储介质 |
| CN112783147A (zh) * | 2019-11-11 | 2021-05-11 | 科沃斯机器人股份有限公司 | 一种轨迹规划方法、装置、机器人及存储介质 |
| CN112799400A (zh) * | 2020-12-28 | 2021-05-14 | 深兰人工智能(深圳)有限公司 | 清扫轨迹规划方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| RICHARD BORMANN ET AL.: "New Brooms Sweep Clean-an Autonomous Robotic Clean Assistant for Professional Office Cleaning", 《2015 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION (ICRA)》, pages 4470 - 4477 * |
| 邓斌: "人工智能算法赋能视觉导航清洁机器人的研究", 《信息技术与信息化》, pages 238 - 240 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115994911A (zh) * | 2023-03-24 | 2023-04-21 | 山东上水环境科技集团有限公司 | 一种基于多模态视觉信息融合的游泳馆目标检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5487298B2 (ja) | ３次元画像生成 | |
| CN109076198B (zh) | 基于视频的对象跟踪遮挡检测***、方法和设备 | |
| US6529613B1 (en) | Motion tracking using image-texture templates | |
| US6741725B2 (en) | Motion tracking using image-texture templates | |
| Golightly et al. | Corner detection and matching for visual tracking during power line inspection | |
| KR101643672B1 (ko) | 광류 추적 방법 및 장치 | |
| US8498472B2 (en) | Image-based localization feature point registration apparatus, method and computer-readable medium | |
| EP1355274A2 (en) | 3D reconstruction of multiple views with altering search path and occlusion modeling | |
| EP1355273A2 (en) | Method and system for 3D smoothing within the bound of error regions of matching curves | |
| CN109977466B (zh) | 一种三维扫描视点规划方法、装置及计算机可读存储介质 | |
| CN111784728B (zh) | 轨迹处理方法、装置、设备及存储介质 | |
| US10096114B1 (en) | Determining multiple camera positions from multiple videos | |
| Kaczmarek | Stereo vision with Equal Baseline Multiple Camera Set (EBMCS) for obtaining depth maps of plants | |
| EP3593322B1 (en) | Method of detecting moving objects from a temporal sequence of images | |
| CN114529566B (zh) | 图像处理方法、装置、设备及存储介质 | |
| CN110505398A (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
| CN111899279A (zh) | 一种目标对象的运动速度检测方法及装置 | |
| CN110315538B (zh) | 一种在电子地图上显示障碍物的方法、装置及机器人 | |
| CN113657164B (zh) | 标定目标对象的方法、装置、清扫设备和存储介质 | |
| CN113657164A (zh) | 标定目标对象的方法、装置、清扫设备和存储介质 | |
| CN105451009B (zh) | 一种信息处理方法及电子设备 | |
| CN109284707A (zh) | 动目标检测方法及装置 | |
| Hemmat et al. | Improved ICP-based pose estimation by distance-aware 3D mapping | |
| GB2537831A (en) | Method of generating a 3D representation of an environment and related apparatus | |
| CN111684489B (zh) | 一种图像处理方法和装置 |
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 | ||
| GR01 | Patent grant |