CN113657691B - 信息显示方法、装置、电子设备和计算机可读介质 - Google Patents
信息显示方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN113657691B CN113657691B CN202111212914.0A CN202111212914A CN113657691B CN 113657691 B CN113657691 B CN 113657691B CN 202111212914 A CN202111212914 A CN 202111212914A CN 113657691 B CN113657691 B CN 113657691B
- Authority
- CN
- China
- Prior art keywords
- feature
- information
- feature map
- point
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000011960 computer-aided design Methods 0.000 claims abstract description 103
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000005260 corrosion Methods 0.000 claims abstract description 13
- 230000007797 corrosion Effects 0.000 claims abstract description 13
- 238000010586 diagram Methods 0.000 claims description 23
- 238000000605 extraction Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 18
- 230000008569 process Effects 0.000 description 15
- 230000003628 erosive effect Effects 0.000 description 12
- 238000013461 design Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000010339 dilation Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 238000002898 library design Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 235000013311 vegetables Nutrition 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
- G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- General Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Finance (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Game Theory and Decision Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开的实施例公开了信息显示方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括:获取表征目标物品存储库中各个物品和各个物品存放区域的存储结构的计算机辅助设计图;对计算机辅助设计图进行图像腐蚀膨胀处理,得到处理后图像;对处理后图像进行图像特征提取,得到目标特征图;生成计算机辅助设计图中各个图元的类别信息、各个图元的位置信息、目标特征图中各个特征点的背景信息;对计算机辅助设计图中的各个图元进行标记,得到标记后的计算机辅助设计图;生成各个规划路线信息;将各个规划路线信息进行显示。该实施方式可以通过显示各个规划路线信息来快捷、高效地实现无人装货车自动装货。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及信息显示方法、装置、电子设备和计算机可读介质。
背景技术
目前,物品存储库中各个物品的存放和各个区域的划分都可以通过相关存储库设计图来体现。除此之外,无人装货车的自动装货为当前各个物品存储库所使用的主流装货技术。对于无人装货车的行驶路线生成,通常采用的方式为:首先,通过点云检测装置实时生成与物品存储库相关的实时点云集。然后,通过实时点云集与存储库设计图相结合,生成无人装货车的行驶路线。
然而,当采用上述方式来生成行驶路线,经常会存在如下技术问题:
第一,使用点云检测装置生成实时点云集的过程较为复杂,且对物品存放区域不能有很好的确定,以导致无人装货车不能有效地从对应区域运送货物。除此之外,需要定时利用点云检测装置来收集实时点云集,收集实时点云集的过程较为复杂,由此浪费了大量的点云收集资源。
第二,提取相关存储库设计图的特征信息往往不能考虑多层次的特征信息,导致后续生成的无人装货车的行驶路线不够精准。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了信息显示方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种信息显示方法,包括:获取表征目标物品存储库中各个物品和各个物品存放区域的存储结构的计算机辅助设计图;对上述计算机辅助设计图进行图像腐蚀膨胀处理,得到处理后图像;对上述处理后图像进行图像特征提取,得到目标特征图;根据上述目标特征图,生成上述计算机辅助设计图中各个图元的类别信息、上述各个图元的位置信息、上述目标特征图中各个特征点的背景信息,其中,上述各个特征点中特征点的背景信息是与特征点相对应的上述计算机辅助设计图上的像素点是否为背景点的信息;根据上述各个图元的类别信息、上述各个图元的位置信息、上述各个特征点的背景信息,对上述计算机辅助设计图中的各个图元进行标记,得到标记后的计算机辅助设计图;根据上述标记后的计算机辅助设计图,生成各个规划路线信息;将上述各个规划路线信息进行显示,以供目标用户从上述各个规划路线信息中选择目标规划路线信息来实现无人装货车自动装货。
第二方面,本公开的一些实施例提供了一种信息显示装置,包括:获取单元,被配置成获取表征目标物品存储库中各个物品和各个物品存放区域的存储结构的计算机辅助设计图;图像腐蚀膨胀处理单元,被配置成对上述计算机辅助设计图进行图像腐蚀膨胀处理,得到处理后图像;特征提取单元,被配置成对上述处理后图像进行图像特征提取,得到目标特征图;第一生成单元,被配置成根据上述目标特征图,生成上述计算机辅助设计图中各个图元的类别信息、上述各个图元的位置信息、上述目标特征图中各个特征点的背景信息,其中,上述各个特征点中特征点的背景信息是与特征点相对应的上述计算机辅助设计图上的像素点是否为背景点的信息;标记单元,被配置成:根据上述各个图元的类别信息、上述各个图元的位置信息、上述各个特征点的背景信息,对上述计算机辅助设计图中的各个图元进行标记,得到标记后的计算机辅助设计图;第二生成单元,被配置成根据上述标记后的计算机辅助设计图,生成各个规划路线信息;显示单元,被配置成将上述各个规划路线信息进行显示,以供目标用户从上述各个规划路线信息中选择目标规划路线信息来实现无人装货车自动装货。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开的上述各个实施例中具有如下有益效果:本公开的一些实施例的信息显示方法可以通过显示各个规划路线信息来快捷、高效地实现无人装货车自动装货。具体来说,造成生成的各个规划路线信息不够精确的原因在于:使用点云检测装置生成实时点云集的过程较为复杂,且对物品存放区域不能有很好的确定,以导致无人装货车不能有效地从对应区域运送货物,以使得后续生成的各个规划路线信息不够精准。基于此,本公开的一些实施例的信息显示方法可以首先获取表征目标物品存储库中各个物品和各个物品存放区域的存储结构的计算机辅助设计图,作为生成各个规划路线信息的数据基础。在这里,通过计算机辅助设计图可以全面、有效地展示出上述目标物品存储库的结构信息。然后,对上述计算机辅助设计图进行图像腐蚀膨胀处理,得到处理后图像。在这里,对计算机辅助设计图进行图像腐蚀膨胀处理可以增强设计图汇总每个图元的特征所在像素的占比,以使得后续可以更为精准的标记出计算机辅助设计图中各个物品的信息和各个物品存放区域的信息。接着,对上述处理后图像进行图像特征提取,得到目标特征图,以用于后续各个图元的类别信息、上述各个图元的位置信息、上述目标特征图中各个特征点的背景信息的生成。接着,根据上述目标特征图,生成上述计算机辅助设计图中各个图元的类别信息、上述各个图元的位置信息、上述目标特征图中各个特征点的背景信息。在这里,通过生成的各个图元的类别信息、上述各个图元的位置信息、上述目标特征图中各个特征点的背景信息,使得后续可以更为精准的对计算机辅助设计图进行标记。进而,根据上述各个图元的类别信息、上述各个图元的位置信息、上述各个特征点的背景信息,对上述计算机辅助设计图中的各个图元进行标记,得到标记后的计算机辅助设计图。其中,上述各个特征点中特征点的背景信息是与特征点相对应的上述计算机辅助设计图上的像素点是否为背景点的信息。在这里,得到的标记后的计算机辅助设计图用于展现各个物品的物品信息和各个物品存放区域的信息。例如,各个物品的位置信息和大小信息,各个物品存放区域的位置信息和大小信息。接着,根据上述标记后的计算机辅助设计图,可以准确地生成各个规划路线信息,以用于后续实现无人装货车自动装货。最后,将上述各个规划路线信息进行显示,以供目标用户从上述各个规划路线信息中选择目标规划路线信息来实现无人装货车自动装货。通过显示各个规划路线信息,大大便利了无人装货车的自动装货,使得无人装货车依据预定路线实现无人装货,侧面提高了装货效率。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1是根据本公开的一些实施例的信息显示方法的一个应用场景的示意图;
图2是根据本公开的信息显示方法的一些实施例的流程图;
图3是根据本公开的信息显示方法的一些实施例中的图像腐蚀膨胀处理的示意图;
图4是根据本公开的信息显示方法的另一些实施例的流程图;
图5是根据本公开的信息显示装置的一些实施例的结构示意图;
图6是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是根据本公开一些实施例的信息显示方法的一个应用场景的示意图。
在图1的应用场景中,电子设备101可以获取表征目标物品存储库中各个物品和各个物品存放区域的存储结构的计算机辅助设计图102。然后,电子设备101可以对上述计算机辅助设计图102进行图像腐蚀膨胀处理,得到处理后图像103。接着,电子设备101可以对上述处理后图像103进行图像特征提取,得到目标特征图104。再接着,根据上述目标特征图104,生成上述计算机辅助设计图102中各个图元的类别信息105、上述各个图元的位置信息106、上述目标特征图104中各个特征点的背景信息107。其中,上述各个特征点中特征点的背景信息是与特征点相对应的上述计算机辅助设计图102上的像素点是否为背景点的信息。然后,电子设备101可以根据上述各个图元的类别信息105、上述各个图元的位置信息106、上述各个特征点的背景信息107,对上述计算机辅助设计图102中的各个图元进行标记,得到标记后的计算机辅助设计图108。再然后,电子设备101可以根据上述标记后的计算机辅助设计图,108生成各个规划路线信息109。最后,电子设备101可以将上述各个规划路线信息109进行显示,以供目标用户从上述各个规划路线信息109中选择目标规划路线信息来实现无人装货车自动装货。
需要说明的是,上述电子设备101可以是硬件,也可以是软件。当电子设备为硬件时,可以实现成多个服务器或终端设备组成的分布式集群,也可以实现成单个服务器或单个终端设备。当电子设备体现为软件时,可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的电子设备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电子设备。
继续参考图2,示出了根据本公开的信息显示方法的一些实施例的流程200。该信息显示方法,包括以下步骤:
步骤201,获取表征目标物品存储库中各个物品和各个物品存放区域的存储结构的计算机辅助设计图。
在一些实施例中,上述信息显示方法的执行主体(例如图1所示的电子设备)可以通过有线连接方式或者无线连接方式来获取表征目标物品存储库中各个物品和各个物品存放区域的存储结构的计算机辅助设计图。其中,上述目标物品存储库可以是预先确定的物品存储库。上述各个物品可以是目标物品存储库所存储的物品。上述物品存放区域可以是在上述目标物品存储库中预先划分的,预先设置的区域。上述计算机辅助设计图可以是CAD(CAD-Computer Aided Design,计算机辅助设计)图。
作为示例,上述目标物品存储库可以是快递物品的存储库。上述各个物品可以包括:手机,电脑,杯子,被子,桌子,卫生纸,冷冻鱼,蔬菜。上述各个物品存放区域包括:电子物品存放区域,日常生活用品存放区域,食物存放区域。其中,食物存放区域可以包括:冷冻区,蔬菜区,水果区。
步骤202,对上述计算机辅助设计图进行图像腐蚀膨胀处理,得到处理后图像。
在一些实施例中,上述执行主体可以对上述计算机辅助设计图进行图像腐蚀膨胀处理,得到处理后图像。
作为示例,上述执行主体可以首先对对上述计算机辅助设计图进行图像腐蚀处理,得到腐蚀处理后图像。其中,腐蚀处理后的图像去除了噪声,但是会压缩原始图像。接着,上述执行主体可以对上述腐蚀处理后图像进行图像膨胀处理,得到上述处理后图像。其中,对腐蚀处理后的图像进行膨胀处理,可以去除噪声,并保存原有大小。
在这里,通过对计算机辅助设计图进行图像腐蚀膨胀处理,可以使得各个物品和各个物品存放区域在计算机设计图上的更为明显,使得后续对计算机辅助设计图标记更为高效、精准。
作为示例,如图3所示,图像301是原始图像。图像302是对原始图像进行腐蚀后的图像。图像303是对腐蚀后的图像进行膨胀后的图像。
步骤203,对上述处理后图像进行图像特征提取,得到目标特征图。
在一些实施例中,上述执行主体可以对上述处理后图像进行图像特征提取,得到目标特征图。其中,提取的图像的特征信息可以包括但不限于以下至少一项:图像的轮廓信息,图像的像素大小信息,图像中对应物品的位置信息,图像中对应物品的大小信息。
作为示例,上述执行主体可以通过利用OpenCV(计算机视觉和机器学习软件库)来提取处理后图像的图像特征,得到表征提取后的特征信息的目标特征图。
在一些实施例的一些可选的实现方式中,上述执行主体可以将上述处理后图像输入至预先训练的特征提取网络,得到上述目标特征图。其中,上述特征提取网络可以是用于提取图像特征的网络。例如,上述特征提取网络可以是以下之一:多层卷积神经网络(Convolutional Neural Networks, CNN),残差网络(Residual Network, ResNet)。
可选地,上述对上述处理后图像进行图像特征提取,得到目标特征图,可以包括以下步骤:
第一步,上述执行主体可以将上述处理后图像输入至第一卷积层,得到第一特征图。
第二步,上述执行主体可以将上述第一特征图输入至第二卷积层,得到第二特征图。其中,上述第一特征图的特征维度大于上述第二特征图的特征维度。
第三步,上述执行主体可以将上述第二特征图输入至第三卷积层,得到第三特征图。其中,上述第二特征图的特征维度大于上述第三特征图的特征维度。
第四步,上述执行主体可以将上述第三特征图输入至第四卷积层,得到第四特征图。其中,上述第三特征图的特征维度大于上述第四特征图的特征维度;
第五步,上述执行主体可以将上述第四特征图输入至第五卷积层,得到第五特征图,其中,上述第四特征图的特征维度大于上述第五特征图的特征维度。
第六步,上述执行主体可以对上述第五特征图进行上采样,得到第六特征图,其中,上述第六特征图与上述第四特征图的特征维度相同。
第七步,上述执行主体可以将上述第六特征图与上述第四特征图进行特征点数值对应相加,得到第七特征图。
在这里,通过第六特征图与第四特征图的特征点数值相加,可以将第六特征图与第四特征图所展现的特征信息进行融合,得到的第七特征图包括了第六特征图中的部分特征信息和第四特征图的部分特征信息。
第八步,上述执行主体可以对上述第七特征图进行上采样,得到第八特征图。其中,上述第八特征图与上述第三特征图的特征维度相同。
第九步,上述执行主体可以将上述第八特征图与上述第三特征图进行特征点数值对应相加,得到第九特征图。
第十步,上述执行主体可以对上述第九特征图进行上采样,得到第十特征图,其中,上述第十特征图与上述第二特征图的特征维度相同。
第十一步,上述执行主体可以将上述第十特征图与上述第二特征图进行特征点数值相加,得到第十一特征图。
第十二步,上述执行主体可以对上述第十一特征图进行上采样,得到第十二特征图,其中,上述第十二特征图与上述第一特征图的特征维度相同。
第十三步,上述执行主体可以将上述第十二特征图与上述第一特征图进行特征点数值相加,得到第十三特征图。
第十四步,上述执行主体可以根据上述第十三特征图、上述第十一特征图、上述第九特征图、上述第七特征图,生成上述目标特征图。
作为本公开的实施例的一个发明点,解决了背景技术提及的技术问题二“提取相关存储库设计图的特征信息往往不能考虑多层次的特征信息,导致后续生成的无人装货车的行驶路线不够精准”。导致不能提取相关存储库设计图的特征信息往往不能考虑多层次的特征信息的原因往往如下:现有技术往往采用简单的卷积神经网络来生成相关存储库设计图的特征信息,不能从多方面,多层次的提取图像的特征信息。如果解决了上述因素,就能达到提高后续生成的无人装货车的行驶路线的精准性。为了达到这一效果,本公开从多方面考虑多层次的特征图信息。例如,通过第八特征图与第三特征图的特征点数值相加,可以将第八特征图与第三特征图所展现的特征信息进行融合,得到的第九特征图包括了第八特征图中的部分特征信息和第三特征图的部分特征信息。通过第十特征图与第二特征图的特征点数值相加,可以将第十特征图与第二特征图所展现的特征信息进行融合,得到的第十一特征图包括了第十特征图中的部分特征信息和第二特征图的部分特征信息。通过第十二特征图与第一特征图的特征点数值相加,可以将第十二特征图与第一特征图所展现的特征信息进行融合,得到的第十三特征图包括了第十二特征图中的部分特征信息和第一特征图的部分特征信息。通过此种图像特征提取方式来生成目标特征图,多方面多维度的考量了处理后图像的图像信息,使得后续生成各个图元的类别信息、上述各个图元的位置信息、上述目标特征图中各个特征点的背景信息更为精准。
步骤204,根据上述目标特征图,生成上述计算机辅助设计图中各个图元的类别信息、上述各个图元的位置信息、上述目标特征图中各个特征点的背景信息。
在一些实施例中,上述执行主体可以根据上述目标特征图,通过各种方式来生成上述计算机辅助设计图中各个图元的类别信息、上述各个图元的位置信息、上述目标特征图中各个特征点的背景信息。其中,图元是计算机辅助设计图中基本的图像元素。图元的类别信息可以是图元对应物品的物品类别。图元的位置信息可以是图元对应物品在上述计算机辅助设计图中的位置信息。特征点的背景信息可以表征特征点在计算机辅助设计图上对应的像素是否为背景点的信息。
步骤205,根据上述各个图元的类别信息、上述各个图元的位置信息、上述各个特征点的背景信息,对上述计算机辅助设计图中的各个图元进行标记,得到标记后的计算机辅助设计图。
在一些实施例中,上述执行主体可以根据上述各个图元的类别信息、上述各个图元的位置信息、上述各个特征点的背景信息,通过标记号的形式来对上述计算机辅助设计图中的各个图元进行标记,得到标记后的计算机辅助设计图。其中,上述标记信号可以是矩形框的形式或者圆形框的形式。在这里的,对于标记型号的形状和颜色不再限定。其中,标记后的计算机辅助设计图中的标记信号可以表征各个物品的信息和/或各个物品存放区域的信息。上述各个特征点中特征点的背景信息是与特征点相对应的上述计算机辅助设计图上的像素点是否为背景点的信息。
步骤206,根据上述标记后的计算机辅助设计图,生成各个规划路线信息。
在一些实施例中,上述执行主体可以根据上述标记后的计算机辅助设计图,生成各个规划路线信息。其中,规划路线信息可以是无人装货车进行自动装货的路线信息。
在一些实施例的一些可选的实现方式中,上述执行主体可以根据上述标记后的计算机辅助设计图,利用目标路径规划算法,生成上述各个规划路线信息。其中,上述目标路径规划算法可以是用于确定规划路线信息的算法。上述目标路径规划算法可以是但不限于以下一项:可视图法,Dijkstra算法,快速搜索随机树(Rapidly Exploring Random Tree,RRT)算法,BUG算法。
步骤207,将上述各个规划路线信息进行显示,以供目标用户从上述各个规划路线信息中选择目标规划路线信息来实现无人装货车自动装货。
在一些实施例中,上述执行主体可以将上述各个规划路线信息在目标页面上进行显示,以供目标用户从上述各个规划路线信息中选择目标规划路线信息来实现无人装货车自动装货。
本公开的上述各个实施例中具有如下有益效果:本公开的一些实施例的信息显示方法可以通过显示各个规划路线信息来快捷、高效地实现无人装货车自动装货。具体来说,造成生成的各个规划路线信息不够精确的原因在于:使用点云检测装置生成实时点云集的过程较为复杂,且对物品存放区域不能有很好的确定,以导致无人装货车不能有效地从对应区域运送货物,以使得后续生成的各个规划路线信息不够精准。基于此,本公开的一些实施例的信息显示方法可以首先获取表征目标物品存储库中各个物品和各个物品存放区域的存储结构的计算机辅助设计图,作为生成各个规划路线信息的数据基础。在这里,通过计算机辅助设计图可以全面、有效地展示出上述目标物品存储库的结构信息。然后,对上述计算机辅助设计图进行图像腐蚀膨胀处理,得到处理后图像。在这里,对计算机辅助设计图进行图像腐蚀膨胀处理可以增强设计图汇总每个图元的特征所在像素的占比,以使得后续可以更为精准的标记出计算机辅助设计图中各个物品的信息和各个物品存放区域的信息。接着,对上述处理后图像进行图像特征提取,得到目标特征图,以用于后续各个图元的类别信息、上述各个图元的位置信息、上述目标特征图中各个特征点的背景信息的生成。接着,根据上述目标特征图,生成上述计算机辅助设计图中各个图元的类别信息、上述各个图元的位置信息、上述目标特征图中各个特征点的背景信息。在这里,通过生成的各个图元的类别信息、上述各个图元的位置信息、上述目标特征图中各个特征点的背景信息,使得后续可以更为精准的对计算机辅助设计图进行标记。进而,根据上述各个图元的类别信息、上述各个图元的位置信息、上述各个特征点的背景信息,对上述计算机辅助设计图中的各个图元进行标记,得到标记后的计算机辅助设计图。其中,上述各个特征点中特征点的背景信息是与特征点相对应的上述计算机辅助设计图上的像素点是否为背景点的信息。在这里,得到的标记后的计算机辅助设计图用于展现各个物品的物品信息和各个物品存放区域的信息。例如,各个物品的位置信息和大小信息,各个物品存放区域的位置信息和大小信息。接着,根据上述标记后的计算机辅助设计图,可以准确地生成各个规划路线信息,以用于后续实现无人装货车自动装货。最后,将上述各个规划路线信息进行显示,以供目标用户从上述各个规划路线信息中选择目标规划路线信息来实现无人装货车自动装货。通过显示各个规划路线信息,大大便利了无人装货车的自动装货,使得无人装货车依据预定路线实现无人装货,侧面提高了装货效率。
进一步参考图4,示出了根据本公开的信息显示方法的另一些实施例的流程400。该信息显示方法,包括以下步骤:
步骤401,获取表征目标物品存储库中各个物品和各个物品存放区域的存储结构的计算机辅助设计图。
步骤402,对上述计算机辅助设计图进行图像腐蚀膨胀处理,得到处理后图像。
步骤403,对上述处理后图像进行图像特征提取,得到目标特征图。
步骤404,将上述目标特征图输入至第一卷积网络,得到上述计算机辅助设计图中各个图元的类别信息。
在一些实施例中,执行主体(例如图1所示的电子设备)可以将上述目标特征图输入至第一卷积网络,得到上述计算机辅助设计图中各个图元的类别信息。第一卷积网络可以包括:多层卷积层,激活函数层。
步骤405,将上述目标特征图输入至第二卷积网络,得到上述各个图元的位置信息。
在一些实施例中,上述执行主体可以将上述目标特征图输入至第二卷积网络,得到上述各个图元的位置信息。第二卷积网络可以包括:多层卷积层,激活函数层。
步骤406,根据上述目标特征图,生成表征上述目标特征图中各个特征点对应像素点所属类别的概率信息和上述各个特征点对应像素点为边界点的置信度信息。
在一些实施例中,上述执行主体可以根据上述目标特征图,生成表征上述目标特征图中各个特征点对应像素点所属类别的概率信息和上述各个特征点对应像素点为边界点的置信度信息。
作为示例,上述执行主体可以将目标特征图输入至第三卷积网络,以生成表征上述目标特征图中各个特征点对应像素点所属类别的概率信息。
作为又一个示例,上述执行主体可以将目标特征图输入至第四卷积网络,以生成上述各个特征点对应像素点为边界点的置信度信息。
步骤407,根据上述各个特征点对应像素点所属类别的概率信息和上述各个特征点对应像素点为边界点的置信度信息,利用目标函数,生成与上述各个特征点相对应的第一数值图。
在一些实施例中,上述执行主体可以根据上述各个特征点对应像素点所属类别的概率信息和上述各个特征点对应像素点为边界点的置信度信息,利用目标函数,生成与上述各个特征点相对应的第一数值图。其中,上述目标函数中的参数是预先训练得到的。
其中,上述目标函数可以是:
其中,可以表征目标特征图中第i行的特征点。可以表征目标特征图中第j列的特征点。可以表征第i行,第j列的特征点。可以是目标特征图中第i行,第j列的特征点对应像素点为边界点的置信度信息。可以是目标特征图中第i行,第j列的特征点对应像素点所属类别的概率信息。可以是目标函数的参数。可以是第五数值图中第i行,第j列的数值大小。
作为示例,上述执行主体可以将第五数值图确定为上述第一数值图。
在一些实施例的一些可选的实现方式中,上述根据上述各个特征点对应像素点所属类别的概率信息和上述各个特征点对应像素点为边界点的置信度信息,利用目标函数,生成与上述各个特征点相对应的第一数值图,可以包括以下步骤:
第一步,上述执行主体可以通过上述各个特征点对应像素点所属类别的概率信息与第二阈值的比较,生成第二数值图。其中,上述第二阈值是针对像素点所属类别的概率信息,预先设置的数值。
作为示例,上述执行主体可以特征图中对应概率信息小于第二阈值的特征点的数值设置为0,对应概率信息大于等于第二阈值的特征点的数值设置为1,由此,生成第二数值图。
第二步,上述执行主体可以通过上述各个特征点对应像素点为边界点的置信度信息与第三阈值的比较,生成第三数值图。其中,上述第三阈值是针对特征点对应像素点为边界点的置信度信息,预先设置的数值。
作为示例,上述执行主体可以特征图中对应置信度信息大于等于第三阈值的特征点的数值设置为0,对应置信度信息小于第三阈值的特征点的数值设置为1,由此,生成第三数值图。
第三步,上述执行主体可以通过预先设置的与或规则,将上述第二数值图与上述第三数值图进行合并,得到第四数值图。
作为示例,上述执行主体可以将第三数值图和第四数值图中对应数值都为0的相同位置的数值设为0。将第三数值图或第四数值图中存在至少一个为1的相同位置的数值设为1,可以生成第四数值图。
需要说明的是,这样处理的目的在于,可以明确的确定出上述各个特征点中满足目标特征的特征点。其中,上述目标特征可以是特征点所关联的像素点在计算机辅助设计图中不是边界点,是物品或者物品区域对应的像素点的特征。
第四步,上述执行主体可以根据上述各个特征点对应像素点所属类别的概率信息和上述各个特征点对应像素点为边界点的置信度信息,利用目标函数,生成第五数值图。
第五步,上述执行主体可以根据上述第四数值图和上述第五数值图,生成与上述第一数值图。
作为示例,上述执行主体可以首先确定第四数值图中所有数值为0的点集。然后,上述执行主体可以将第五数值图中与上述点集具有相同位置的各个点的数值设置为0。最后,将第五数值图中的其余点的数值可以设置为第四数值图中对应点的数值,以生成第一数值图。
步骤408,根据预先设置的目标阈值和上述数值图,生成二值化图。
在一些实施例中,上述执行主体可以根据预先设置的目标阈值和上述数值图,生成二值化图。其中,上述目标阈值可以预先设置的。
作为示例,响应于确定数值图中的数值小于目标阈值,则上述执行主体可以将该数值更改为0。响应于确定数值图中的数值大于或等于目标阈值,则上述执行主体可以将该数值更改为1。由此,上述执行主体可以生成二值化图。
步骤409,根据上述二值化图,生成上述目标特征图中各个特征点的背景信息。
在一些实施例中,上述执行主体可以根据上述二值化图,通过各种方式来生成上述目标特征图中各个特征点的背景信息。
在一些实施例的一些可选的实现方式中,上述根据上述二值化图,生成上述目标特征图中各个特征点的背景信息,可以包括以下步骤:
对于上述各个特征点中的每个特征点,通过以下生成步骤生成上述特征点的背景信息:
第一子步骤,上述执行主体可以确定上述特征点在对应上述二值化图上的数值。
第二子步骤,响应于确定上述数值大于等于上述第一阈值,上述执行主体可以生成上述特征点对应像素点为背景点的背景信息。
第三子步骤,响应于确定上述数值小于上述第一阈值,上述执行主体可以生成上述特征点对应像素点不是背景点的背景信息。
步骤410,根据上述标记后的计算机辅助设计图,生成各个规划路线信息。
步骤411,将上述各个规划路线信息进行显示,以供目标用户从上述各个规划路线信息中选择目标规划路线信息来实现无人装货车自动装货。
在一些实施例中,步骤401-403、410-411的具体实现及其所带来的技术效果,可以参考图2对应的实施例中的步骤201-207,在此不再赘述。
从图4中可以看出,与图2对应的一些实施例的描述相比,图4对应的一些实施例中的信息显示方法的流程400更加突出了生成上述目标特征图中各个特征点的背景信息的具体步骤。由此,这些实施例描述的方案利用目标函数,上述各个特征点对应像素点所属类别的概率信息和各个特征点对应像素点为边界点的置信度信息,通过考量各方面因素,大大提高了后续根据第一数值图生成各个特征点的背景信息的准确率。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种信息显示装置的一些实施例,这些装置实施例与图2所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,一种信息显示装置500包括:获取单元501、图像腐蚀膨胀处理单元502、特征提取单元503、第一生成单元504、标记单元505、第二生成单元506和显示单元507。其中,获取单元,被配置成获取表征目标物品存储库中各个物品和各个物品存放区域的存储结构的计算机辅助设计图;单元502,被配置成对上述计算机辅助设计图进行图像腐蚀膨胀处理,得到处理后图像;特征提取单元503,被配置成对上述处理后图像进行图像特征提取,得到目标特征图;第一生成单元504,被配置成根据上述目标特征图,生成上述计算机辅助设计图中各个图元的类别信息、上述各个图元的位置信息、上述目标特征图中各个特征点的背景信息,其中,上述各个特征点中特征点的背景信息是与特征点相对应的上述计算机辅助设计图上的像素点是否为背景点的信息;标记单元505,被配置成:根据上述各个图元的类别信息、上述各个图元的位置信息、上述各个特征点的背景信息,对上述计算机辅助设计图中的各个图元进行标记,得到标记后的计算机辅助设计图;第二生成单元506,被配置成根据上述标记后的计算机辅助设计图,生成各个规划路线信息;显示单元507,被配置成将上述各个规划路线信息进行显示,以供目标用户从上述各个规划路线信息中选择目标规划路线信息来实现无人装货车自动装货。
可以理解的是,该装置500中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置500及其中包含的单元,在此不再赘述。
下面参考图6,其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的电子设备)600的结构示意图。图6示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,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,本公开的一些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。在这样的一些实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例上述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***、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。在本公开的一些实施例中,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***、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读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,该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。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该电子设备执行时,使得该电子设备:获取表征目标物品存储库中各个物品和各个物品存放区域的存储结构的计算机辅助设计图;对上述计算机辅助设计图进行图像腐蚀膨胀处理,得到处理后图像;对上述处理后图像进行图像特征提取,得到目标特征图;根据上述目标特征图,生成上述计算机辅助设计图中各个图元的类别信息、上述各个图元的位置信息、上述目标特征图中各个特征点的背景信息,其中,上述各个特征点中特征点的背景信息是与特征点相对应的上述计算机辅助设计图上的像素点是否为背景点的信息;根据上述各个图元的类别信息、上述各个图元的位置信息、上述各个特征点的背景信息,对上述计算机辅助设计图中的各个图元进行标记,得到标记后的计算机辅助设计图;根据上述标记后的计算机辅助设计图,生成各个规划路线信息;将上述各个规划路线信息进行显示,以供目标用户从上述各个规划路线信息中选择目标规划路线信息来实现无人装货车自动装货。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、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,该模块、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,框图和/或流程图中的每个方框、以及框图和/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***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、图像腐蚀膨胀处理单元、特征提取单元、第一生成单元、标记单元、第二生成单元和显示单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取表征目标物品存储库中各个物品和各个物品存放区域的存储结构的计算机辅助设计图的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (8)
1.一种信息显示方法,包括:
获取表征目标物品存储库中各个物品和各个物品存放区域的存储结构的计算机辅助设计图;
对所述计算机辅助设计图进行图像腐蚀膨胀处理,得到处理后图像;
对所述处理后图像进行图像特征提取,得到目标特征图;
将所述目标特征图输入至第一卷积网络,得到所述计算机辅助设计图中各个图元的类别信息;
将所述目标特征图输入至第二卷积网络,得到所述各个图元的位置信息;
根据所述目标特征图,生成表征所述目标特征图中各个特征点对应像素点所属类别的概率信息和所述各个特征点对应像素点为边界点的置信度信息;
根据所述各个特征点对应像素点所属类别的概率信息和所述各个特征点对应像素点为边界点的置信度信息,利用目标函数,生成与所述各个特征点相对应的第一数值图,其中,所述目标函数中的参数是预先训练得到的;
根据预先设置的第一阈值和所述第一数值图,生成二值化图;
根据所述二值化图,生成所述目标特征图中各个特征点的背景信息,其中,所述各个特征点中特征点的背景信息是与特征点相对应的所述计算机辅助设计图上的像素点是否为背景点的信息;根据所述各个图元的类别信息、所述各个图元的位置信息、所述各个特征点的背景信息,对所述计算机辅助设计图中的各个图元进行标记,得到标记后的计算机辅助设计图;
根据所述标记后的计算机辅助设计图,生成各个规划路线信息;
将所述各个规划路线信息进行显示,以供目标用户从所述各个规划路线信息中选择目标规划路线信息来实现无人装货车自动装货。
2.根据权利要求1所述的方法,其中,所述根据所述各个特征点对应像素点所属类别的概率信息和所述各个特征点对应像素点为边界点的置信度信息,利用目标函数,生成与所述各个特征点相对应的第一数值图,包括:
通过所述各个特征点对应像素点所属类别的概率信息与第二阈值的比较,生成第二数值图;
通过所述各个特征点对应像素点为边界点的置信度信息与第三阈值的比较,生成第三数值图;
通过预先设置的与或规则,将所述第二数值图与所述第三数值图进行合并,得到第四数值图;
根据所述各个特征点对应像素点所属类别的概率信息和所述各个特征点对应像素点为边界点的置信度信息,利用目标函数,生成第五数值图;
根据所述第四数值图和所述第五数值图,生成所述第一数值图。
3.根据权利要求2所述的方法,其中,所述根据所述二值化图,生成所述目标特征图中各个特征点的背景信息,包括:
对于所述各个特征点中的每个特征点,通过以下生成步骤生成所述特征点的背景信息:
确定所述特征点在对应所述二值化图上的数值;
响应于确定所述数值大于等于所述第一阈值,生成所述特征点对应像素点为背景点的背景信息;
响应于确定所述数值小于所述第一阈值,生成所述特征点对应像素点不是背景点的背景信息。
4.根据权利要求1所述的方法,其中,所述对所述处理后图像进行图像特征提取,得到目标特征图,包括:
将所述处理后图像输入至第一卷积层,得到第一特征图;
将所述第一特征图输入至第二卷积层,得到第二特征图,其中,所述第一特征图的特征维度大于所述第二特征图的特征维度;
将所述第二特征图输入至第三卷积层,得到第三特征图,其中,所述第二特征图的特征维度大于所述第三特征图的特征维度;
将所述第三特征图输入至第四卷积层,得到第四特征图,其中,所述第三特征图的特征维度大于所述第四特征图的特征维度;
将所述第四特征图输入至第五卷积层,得到第五特征图,其中,所述第四特征图的特征维度大于所述第五特征图的特征维度;
对所述第五特征图进行上采样,得到第六特征图,其中,所述第六特征图与所述第四特征图的特征维度相同;
将所述第六特征图与所述第四特征图进行特征点数值对应相加,得到第七特征图;
对所述第七特征图进行上采样,得到第八特征图,其中,所述第八特征图与所述第三特征图的特征维度相同;
将所述第八特征图与所述第三特征图进行特征点数值对应相加,得到第九特征图;
对所述第九特征图进行上采样,得到第十特征图,其中,所述第十特征图与所述第二特征图的特征维度相同;
将所述第十特征图与所述第二特征图进行特征点数值相加,得到第十一特征图;
对所述第十一特征图进行上采样,得到第十二特征图,其中,所述第十二特征图与所述第一特征图的特征维度相同;
将所述第十二特征图与所述第一特征图进行特征点数值相加,得到第十三特征图;
根据所述第十三特征图、所述第十一特征图、所述第九特征图、所述第七特征图,生成所述目标特征图。
5.根据权利要求1所述的方法,其中,所述根据所述标记后的计算机辅助设计图,生成各个规划路线信息,包括:
根据所述标记后的计算机辅助设计图,利用目标路径规划算法,生成所述各个规划路线信息。
6.一种信息显示装置,包括:
获取单元,被配置成获取表征目标物品存储库中各个物品和各个物品存放区域的存储结构的计算机辅助设计图;
图像腐蚀膨胀处理单元,被配置成对所述计算机辅助设计图进行图像腐蚀膨胀处理,得到处理后图像;
特征提取单元,被配置成对所述处理后图像进行图像特征提取,得到目标特征图;
第一输入单元,被配置成将所述目标特征图输入至第一卷积网络,得到所述计算机辅助设计图中各个图元的类别信息;
第二输入单元,被配制成将所述目标特征图输入至第二卷积网络,得到所述各个图元的位置信息;
第一生成单元,被配置成根据所述目标特征图,生成表征所述目标特征图中各个特征点对应像素点所属类别的概率信息和所述各个特征点对应像素点为边界点的置信度信息;
第二生成单元,被配置成根据所述各个特征点对应像素点所属类别的概率信息和所述各个特征点对应像素点为边界点的置信度信息,利用目标函数,生成与所述各个特征点相对应的第一数值图,其中,所述目标函数中的参数是预先训练得到的;
第三生成单元,被配置成根据预先设置的第一阈值和所述第一数值图,生成二值化图;
第四生成单元,被配置成根据所述二值化图,生成所述目标特征图中各个特征点的背景信息,其中,所述各个特征点中特征点的背景信息是与特征点相对应的所述计算机辅助设计图上的像素点是否为背景点的信息;
标记单元,被配置成:根据所述各个图元的类别信息、所述各个图元的位置信息、所述各个特征点的背景信息,对所述计算机辅助设计图中的各个图元进行标记,得到标记后的计算机辅助设计图;
第五生成单元,被配置成根据所述标记后的计算机辅助设计图,生成各个规划路线信息;
显示单元,被配置成将所述各个规划路线信息进行显示,以供目标用户从所述各个规划路线信息中选择目标规划路线信息来实现无人装货车自动装货。
7.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
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中任一所述的方法。
8.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111212914.0A CN113657691B (zh) | 2021-10-19 | 2021-10-19 | 信息显示方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111212914.0A CN113657691B (zh) | 2021-10-19 | 2021-10-19 | 信息显示方法、装置、电子设备和计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113657691A CN113657691A (zh) | 2021-11-16 |
CN113657691B true CN113657691B (zh) | 2022-03-01 |
Family
ID=78494621
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111212914.0A Active CN113657691B (zh) | 2021-10-19 | 2021-10-19 | 信息显示方法、装置、电子设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113657691B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110297483B (zh) * | 2018-03-21 | 2020-12-18 | 广州极飞科技有限公司 | 待作业区域边界获取方法、装置,作业航线规划方法 |
CN110160502B (zh) * | 2018-10-12 | 2022-04-01 | 腾讯科技(深圳)有限公司 | 地图要素提取方法、装置及服务器 |
CN113128743B (zh) * | 2020-01-15 | 2024-05-28 | 北京京东振世信息技术有限公司 | 一种拣货路径规划方法和装置 |
CN111259809B (zh) * | 2020-01-17 | 2021-08-17 | 五邑大学 | 基于DANet的无人机海岸线漂浮垃圾巡检*** |
CN113050643B (zh) * | 2021-03-19 | 2024-06-21 | 京东鲲鹏(江苏)科技有限公司 | 无人车路径规划方法、装置、电子设备和计算机可读介质 |
CN112967283B (zh) * | 2021-04-22 | 2023-08-18 | 上海西井科技股份有限公司 | 基于双目摄像头的目标识别方法、***、设备及存储介质 |
-
2021
- 2021-10-19 CN CN202111212914.0A patent/CN113657691B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113657691A (zh) | 2021-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109410218B (zh) | 用于生成车辆损伤信息的方法和装置 | |
CN110632608B (zh) | 一种基于激光点云的目标检测方法和装置 | |
CN111967467B (zh) | 图像目标检测方法、装置、电子设备和计算机可读介质 | |
CN109118456B (zh) | 图像处理方法和装置 | |
CN109344762B (zh) | 图像处理方法和装置 | |
US11620815B2 (en) | Method and device for detecting an object in an image | |
CN111783777B (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
CN112037223A (zh) | 图像缺陷检测方法、装置及电子设备 | |
CN112183627A (zh) | 生成预测密度图网络的方法和车辆年检标数量检测方法 | |
CN113657691B (zh) | 信息显示方法、装置、电子设备和计算机可读介质 | |
CN116030206A (zh) | 地图生成方法、训练方法、装置、电子设备以及存储介质 | |
CN110119721B (zh) | 用于处理信息的方法和装置 | |
CN111784709B (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
CN110633595A (zh) | 一种利用双线性插值的目标检测方法和装置 | |
CN114565794A (zh) | 一种轴承故障的分类方法、装置、设备及存储介质 | |
CN113642510A (zh) | 目标检测方法、装置、设备和计算机可读介质 | |
CN113744379A (zh) | 图像生成方法、装置和电子设备 | |
CN113610460A (zh) | 物品封装方法、装置、电子设备和计算机可读介质 | |
CN112528970A (zh) | 路牌检测方法、装置、设备和计算机可读介质 | |
CN109657523B (zh) | 一种可行驶区域检测方法和装置 | |
CN114078204A (zh) | 目标检测方法、装置、电子设备及存储介质 | |
CN114842448B (zh) | 三维车道线生成方法、装置、电子设备和计算机可读介质 | |
CN111950572A (zh) | 训练分类器的方法、装置、电子设备和计算机可读存储介质 | |
CN117036965B (zh) | 桥梁维修设备控制方法、电子设备和计算机可读介质 | |
CN116486230B (zh) | 基于半递归特征金字塔结构的图像检测方法及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231109 Address after: 518000 807, No. 121, Minsheng Avenue, Shangcun Community, Gongming Street, Guangming District, Shenzhen, Guangdong Patentee after: Shenzhen Runxing Intellectual Property Service Co.,Ltd. Address before: 100102 room 076, no.1-302, 3 / F, commercial building, No.9 Wangjing street, Chaoyang District, Beijing Patentee before: BEIJING MISSFRESH E-COMMERCE Co.,Ltd. |