CN116109643B - 市场布局数据采集方法、设备及计算机可读存储介质 - Google Patents
市场布局数据采集方法、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN116109643B CN116109643B CN202310392244.8A CN202310392244A CN116109643B CN 116109643 B CN116109643 B CN 116109643B CN 202310392244 A CN202310392244 A CN 202310392244A CN 116109643 B CN116109643 B CN 116109643B
- Authority
- CN
- China
- Prior art keywords
- market
- length
- image
- edge detection
- target
- 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
Classifications
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/30184—Infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种市场布局数据采集方法、设备及计算机可读存储介质,该方法包括:采集目标市场建筑的俯视平面图像,并基于所述俯视平面图像生成所述目标市场建筑中各门市的布局图;采集所述目标市场建筑的侧视平面图像,其中,所述侧视平面图像中包括有各所述门市的文字名称;根据所述门市在所述俯视平面图像中的第一位置以及所述文字名称在所述侧视平面图像中的第二位置,为所述布局图中的各所述门市配置文字名称;基于配置的所述文字名称为所述布局图中的各所述门市导入文字名称的商户数据。本申请,实现了市场布局数据的自动化采集,减少了人工成本,提高了采集效率。
Description
技术领域
本申请涉及数据采集领域,尤其涉及一种市场布局数据采集方法、设备及计算机可读存储介质。
背景技术
目前,城市发展迅速,随之也提出了市场数字化的需求,市面上也出现了各种各样的市场管理软件,但这些管理软件的数字化信息来源采集目前还大多依赖人工调研采访来收集信息,再通过电脑进行录入,费时费力。
因此,亟需一种方案来完成这些市场数字化信息的自动化采集。
上述内容仅用于辅助理解本申请的技术方案,并不代表承认上述内容是现有技术。
发明内容
本申请的主要目的在于提供一种市场布局数据采集方法、装置、设备及计算机可读存储介质,旨在解决目前市场数字化信息来源依赖人工调研采访存在有人工成本高的技术问题。
为实现上述目的,本申请提供一种市场布局数据采集方法,所述市场布局数据采集方法包括以下步骤:
采集目标市场建筑的俯视平面图像,并基于所述俯视平面图像生成所述目标市场建筑中各门市的布局图;
采集所述目标市场建筑的侧视平面图像,其中,所述侧视平面图像中包括有各所述门市的文字名称;
根据所述门市在所述俯视平面图像中的第一位置以及所述文字名称在所述侧视平面图像中的第二位置,为所述布局图中的各所述门市配置文字名称;
基于配置的所述文字名称为所述布局图中的各所述门市导入文字名称的商户数据。
进一步的,所述基于所述俯视平面图像生成所述目标市场建筑中各门市的布局图的步骤包括:
对所述俯视平面图像进行二值化处理得到二值化图像;
基于所述二值化图像进行边缘检测得到第一边缘检测图像;
基于所述第一边缘检测图像的特征元素对所述第一边缘检测图像进行划分得到各目标区域;
将各目标区域在所述边缘检测图像中的分布图像作为各所述门市的布局图。
进一步的,所述特征元素包括类似元素和边长元素,所述基于所述第一边缘检测图像的特征元素对所述第一边缘检测图像进行划分得到各目标区域的步骤包括:
基于所述第一边缘检测图像中各所述类似元素垂直于所述边长元素方向对所述第一边缘检测图像中所述边长元素进行分割得到各目标区域长,所述边长元素为根据所述第一边缘检测图像中行像素点或列像素点中具有预设像素值的像素点的数量确定,所述类似元素为第一边缘检测图像中具有相同形状特征的元素;
从所述目标区域长的端点且垂直于所述目标区域长的延伸方向上延伸预设距离得到目标区域宽,其中,所述延伸方向为所述类似元素位于所述边长元素一侧的方向,所述预设距离的长度为所述第一边缘检测图像中预设元素端点与所述边长元素之间的距离,所述预设元素端点为与所述边长元素连接的元素中与所述边长元素距离最远的点;
将各所述目标区域长和相邻的目标区域宽所围成的区域作为所述目标区域。
进一步的,所述采集所述目标市场建筑的侧视平面图像的步骤包括:
基于所述目标市场建筑的预设侧面采集距离和采集设备的采集转角范围生成所述采集设备的采集单元,其中,所述采集设备用于采集所述侧视平面图像;
基于所述目标市场建筑的侧面待采集区域和所述采集单元生成所述采集设备的采集路线;
在所述采集路线的各采集节点上对所述目标市场建筑进行图像采集得到各节点图像;
基于各所述采集节点之间相对位置将各所述节点图像拼接得到所述侧视平面图像。
进一步的,在所述采集所述目标市场建筑的侧视平面图像的步骤之后,所述方法包括:
对所述侧视平面图像进行文字识别得到所述文字名称和所述文字名称所处的文字范围,其中,所述文字范围为基于所述文字名称的颜色或者所述文字名称所处区域的颜色确定;
将所述文字范围的几何中心位置在所述侧视平面图像中的位置作为对应文字名称在所述侧视平面图像中的所述第二位置。
进一步的,所述根据所述门市在所述俯视平面图像中的第一位置以及所述文字名称在所述侧视平面图像中的第二位置,为所述布局图中的各所述门市配置文字名称的步骤包括:
将所述第二位置的文字名称配置给与所述第二位置存在对应关系的所述第一位置的门市,其中,所述对应关系为所述第二位置垂直投射到所述目标市场建筑的长度边长上时处于所述第一位置的门市垂直投射到所述长度边长的范围内。
进一步的,所述长度边长包括第一长度边长和第二长度边长,在所述将所述第二位置的文字名称配置给与所述第二位置存在对应关系的所述第一位置的门市的步骤之前,所述包括:
根据所述第一边缘检测图像确定所述目标市场建筑的第一长度边长;
对所述侧视平面图像进行边缘检测得到第二边缘检测图像;
根据所述第二边缘检测图像确定所述目标市场建筑的第二长度边长;
根据所述第一长度边长和所述第二长度边长之间的比例对所述侧视平面图像和/或所述俯视平面图像进行等比例放大或等比例缩小调整,以使所述第一长度边长和所述第二长度边长对齐且长度相等,其中,所述第一长度边长为根据所述第一边缘检测图像确定的边长元素,所述第二长度边长为根据所述第二边缘检测图像确定的边长元素。
进一步的,在所述为所述布局图中的各所述门市配置文字名称的步骤之后,所述方法包括:
对配置文字名称的门市进行筛选;
若存在相邻门市的文字名称相同,则将所述相邻门市合并;
若存在有单个门市配置有多个文字名称,则依据所述单个门市配置的文字名称的数量将所述单个门市拆分为多个门市。
此外,为实现上述目的,本申请还提供一种市场布局数据采集设备,所述市场布局数据采集设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的市场布局数据采集程序,所述市场布局数据采集程序被所述处理器执行时实现上述的市场布局数据采集方法的步骤。
此外,为实现上述目的,本申请还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有市场布局数据采集程序,所述市场布局数据采集程序被处理器执行时实现如上述的市场布局数据采集方法的步骤。
本申请实施例提出的一种市场布局数据采集方法、设备及计算机可读存储介质。本申请通过采集目标市场建筑的俯视平面图像,并基于所述俯视平面图像生成所述目标市场建筑中各门市的布局图;采集所述目标市场建筑的侧视平面图像,其中,所述侧视平面图像中包括有各所述门市的文字名称;根据所述门市在所述俯视平面图像中的第一位置以及所述文字名称在所述侧视平面图像中的第二位置,为所述布局图中的各所述门市配置文字名称;基于配置的所述文字名称为所述布局图中的各所述门市导入文字名称的商户数据。即基于目标市场建筑的俯视平面图像生成市场门市布局图,再基于侧视平面图像生成各门市的文字名称,将文字名称依据其在侧视平面图像位置以及门市在俯视平面图像位置配置给布局图中的各门市。最后再基于布局图中门市的文字名称将文字名称对应的商户数据导入至布局图中的门市,从而实现了市场布局数据的自动化采集,减少了人工成本,提高了采集效率。
附图说明
图1是本申请实施例方案涉及的硬件运行环境的设备结构示意图;
图2为本申请市场布局数据采集方法的第一实施例的流程示意图;
图3为本申请市场布局数据采集方法的第二实施例的流程示意图;
图4为本申请市场布局数据采集方法中目标市场建筑俯视平面图像示意图;
图5为本申请市场布局数据采集方法中第一边缘检测图像示意图;
图6为本申请市场布局数据采集方法中第一边缘检测图像中特征元素示意图;
图7为本申请市场布局数据采集方法中对边长元素进行分割的示意图;
图8为本申请市场布局数据采集方法中门市文字名称配置示意图;
图9为本申请市场布局数据采集方法中的布局示意图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
如图1所示,图1是本申请实施例方案涉及的硬件运行环境的设备结构示意图。
本申请实施例设备可以是无人机,也可以是智能手机、PC、平板电脑、便携计算机等电子终端设备。
如图1所示,该设备可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地,设备还可以包括摄像头、RF(Radio Frequency,射频)电路,传感器、音频电路、WiFi模块等等。其中,传感器比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示屏的亮度,接近传感器可在移动终端移动到耳边时,关闭显示屏和/或背光。作为运动传感器的一种,重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别移动终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;当然,移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
本领域技术人员可以理解,图1中示出的设备结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作***、网络通信模块、用户接口模块以及市场布局数据采集程序。
在图1所示的设备中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的市场布局数据采集程序,并执行以下操作:
采集目标市场建筑的俯视平面图像,并基于所述俯视平面图像生成所述目标市场建筑中各门市的布局图;
采集所述目标市场建筑的侧视平面图像,其中,所述侧视平面图像中包括有各所述门市的文字名称;
根据所述门市在所述俯视平面图像中的第一位置以及所述文字名称在所述侧视平面图像中的第二位置,为所述布局图中的各所述门市配置文字名称;
基于配置的所述文字名称为所述布局图中的各所述门市导入文字名称的商户数据。
进一步地,处理器1001可以调用存储器1005中存储的市场布局数据采集程序,还执行以下操作:
所述基于所述俯视平面图像生成所述目标市场建筑中各门市的布局图的步骤包括:
对所述俯视平面图像进行二值化处理得到二值化图像;
基于所述二值化图像进行边缘检测得到第一边缘检测图像;
基于所述第一边缘检测图像的特征元素对所述第一边缘检测图像进行划分得到各目标区域;
将各目标区域在所述边缘检测图像中的分布图像作为各所述门市的布局图。
进一步地,处理器1001可以调用存储器1005中存储的市场布局数据采集程序,还执行以下操作:
所述特征元素包括类似元素和边长元素,所述基于所述第一边缘检测图像的特征元素对所述第一边缘检测图像进行划分得到各目标区域的步骤包括:
基于所述第一边缘检测图像中各所述类似元素垂直于所述边长元素方向对所述第一边缘检测图像中所述边长元素进行分割得到各目标区域长,所述边长元素为根据所述第一边缘检测图像中行像素点或列像素点中具有预设像素值的像素点的数量确定,所述类似元素为第一边缘检测图像中具有相同形状特征的元素;
从所述目标区域长的端点且垂直于所述目标区域长的延伸方向上延伸预设距离得到目标区域宽,其中,所述延伸方向为所述类似元素位于所述边长元素一侧的方向,所述预设距离的长度为所述第一边缘检测图像中预设元素端点与所述边长元素之间的距离,所述预设元素端点为与所述边长元素连接的元素中与所述边长元素距离最远的点;
将各所述目标区域长和相邻的目标区域宽所围成的区域作为所述目标区域。
进一步地,处理器1001可以调用存储器1005中存储的市场布局数据采集程序,还执行以下操作:
所述采集所述目标市场建筑的侧视平面图像的步骤包括:
基于所述目标市场建筑的预设侧面采集距离和采集设备的采集转角范围生成所述采集设备的采集单元,其中,所述采集设备用于采集所述侧视平面图像;
基于所述目标市场建筑的侧面待采集区域和所述采集单元生成所述采集设备的采集路线;
在所述采集路线的各采集节点上对所述目标市场建筑进行图像采集得到各节点图像;
基于各所述采集节点之间相对位置将各所述节点图像拼接得到所述侧视平面图像。
进一步地,处理器1001可以调用存储器1005中存储的市场布局数据采集程序,还执行以下操作:
在所述采集所述目标市场建筑的侧视平面图像的步骤之后,所述方法包括:
对所述侧视平面图像进行文字识别得到所述文字名称和所述文字名称所处的文字范围,其中,所述文字范围为基于所述文字名称的颜色或者所述文字名称所处区域的颜色确定;
将所述文字范围的几何中心位置在所述侧视平面图像中的位置作为对应文字名称在所述侧视平面图像中的所述第二位置。
进一步地,处理器1001可以调用存储器1005中存储的市场布局数据采集程序,还执行以下操作:
所述根据所述门市在所述俯视平面图像中的第一位置以及所述文字名称在所述侧视平面图像中的第二位置,为所述布局图中的各所述门市配置文字名称的步骤包括:
将所述第二位置的文字名称配置给与所述第二位置存在对应关系的所述第一位置的门市,其中,所述对应关系为所述第二位置垂直投射到所述目标市场建筑的长度边长上时处于所述第一位置的门市垂直投射到所述长度边长的范围内。
进一步地,处理器1001可以调用存储器1005中存储的市场布局数据采集程序,还执行以下操作:
所述长度边长包括第一长度边长和第二长度边长,在所述将所述第二位置的文字名称配置给与所述第二位置存在对应关系的所述第一位置的门市的步骤之前,所述包括:
根据所述第一边缘检测图像确定所述目标市场建筑的第一长度边长;
对所述侧视平面图像进行边缘检测得到第二边缘检测图像;
根据所述第二边缘检测图像确定所述目标市场建筑的第二长度边长;
根据所述第一长度边长和所述第二长度边长之间的比例对所述侧视平面图像和/或所述俯视平面图像进行等比例放大或等比例缩小调整,以使所述第一长度边长和所述第二长度边长对齐且长度相等,其中,所述第一长度边长为根据所述第一边缘检测图像确定的边长元素,所述第二长度边长为根据所述第二边缘检测图像确定的边长元素。
进一步地,处理器1001可以调用存储器1005中存储的市场布局数据采集程序,还执行以下操作:
在所述为所述布局图中的各所述门市配置文字名称的步骤之后,所述方法包括:
对配置文字名称的门市进行筛选;
若存在相邻门市的文字名称相同,则将所述相邻门市合并;
若存在有单个门市配置有多个文字名称,则依据所述单个门市配置的文字名称的数量将所述单个门市拆分为多个门市。
参照图2,本申请市场布局数据采集方法的第一实施例,所述市场布局数据采集方法包括:
步骤S10,采集目标市场建筑的俯视平面图像,并基于所述俯视平面图像生成所述目标市场建筑中各门市的布局图;
需要说明的是,在本实施例中,主要是对市场布局的数据进行采集,市场中各门市的分布情况以及各门市的营商数据等,门市通常是指商户在需要进行数据采集的市场中参与商业活动的场所。对于一些商户或门市较为密集的营商市场,例如,小吃街、安置小区营商区等,若通过人工走访调查完成数据采集费事费力,会花费较高的人工成本。针对该情况本申请提出了一种市场布局数据采集方法,通过实现自动完成市场数据的采集,来减少人工成本。
示例性的,在本实施例中用于采集目标市场建筑的俯视平面图像的采集设备可以是无人机,通过无人机从高空拍摄目标市场建筑的俯视平面图像,例如可参照图4,图4为本申请中的目标市场建筑俯视平面图像示意图。需要说明的是,在实际应用中,俯视平面图像示意图中目标市场建筑的数量可以是一栋,也可以是多栋,对于每栋建筑相关数据的采集过程相似,故在后续步骤中将以一栋目标市场建筑为例进行说明。其中,门市可根据俯视平面图像中目标市场建筑的格局进行划分得到,得到的各门市在俯视平面图像中的分布即为各门市的布局图。
在一可行的实施方式中,所述基于所述俯视平面图像生成所述目标市场建筑中各门市的布局图的步骤包括:
步骤S110,对所述俯视平面图像进行二值化处理得到二值化图像;
步骤S120,基于所述二值化图像进行边缘检测得到第一边缘检测图像;
步骤S130,基于所述第一边缘检测图像的特征元素对所述第一边缘检测图像进行划分得到各目标区域;
步骤S140,将各目标区域在所述边缘检测图像中的分布图像作为各所述门市的布局图。
示例性的,为便于从俯视平面图像划分得到门市的布局图,对所述俯视平面图像进行二值化处理得到二值化图像,以去除俯视平面图像中的干扰特征。再基于二值化图像进行边缘检测得到第一边缘检测图像,如参照图5,为本申请中的第一边缘检测图像,图5中白色线条可表示俯视平面图形中物体的边缘(包括目标市场建筑)。再基于第一边缘检测图像中的特征元素对第一边缘检测图像进行划分得到各目标区域。特征元素可以是相似元素,即第一边缘检测图像中具有相同形状特征的元素或者长线段元素,长线段元素可以是第一边缘检测图像中长度大于预设长度的线段等。而具体的划分规则可以由技术人员根据实际情况进行设置。需要说明的是在本实施例中,第一边缘检测图像的元素可以是第一边缘检测图像中的任意一个独立图形或者独立线段,也可以是独立图形或者独立线中的一部分,其中,独立图形和独立线段未与其他独立图像或者其他独立线段接触。其中,一个目标区域即可作为一个门市,相应的目标区域在俯视平面图像中的分布图像即可作为门市的分布图。此外,上述对于图像的处理过程可通过opencv(Open source Computer VisionLibrary,开放源代码计算机视觉库)平台中的图像处理工具或调用平台中的相关函数进行处理(如调用cv.imread()读取图像,调用cv.canny()进行边缘检测等)。
在一可行的实施方式中,所述特征元素包括类似元素和边长元素,所述基于所述第一边缘检测图像的特征元素对所述第一边缘检测图像进行划分得到各目标区域的步骤包括:
步骤S131,基于所述第一边缘检测图像中各所述类似元素垂直于所述边长元素方向对所述第一边缘检测图像中所述边长元素进行分割得到各目标区域长,所述边长元素为根据所述第一边缘检测图像中行像素点或列像素点中具有预设像素值的像素点的数量确定,所述类似元素为所述第一边缘检测图像中具有相同形状特征的元素;
步骤S132,从所述目标区域长的端点且垂直于所述目标区域长的延伸方向上延伸预设距离得到目标区域宽,其中,所述延伸方向为所述类似元素位于所述边长元素一侧的方向,所述预设距离的长度为所述第一边缘检测图像中预设元素端点与所述边长元素之间的距离,所述预设元素端点为与所述边长元素连接的元素中与所述边长元素距离最远的点;
步骤S133,将各所述目标区域长和相邻的目标区域宽所围成的区域作为所述目标区域。
示例性的,特征元素可包括类似元素和边长元素,类似元素为第一边缘检测图像中具有相同形状特征的元素,目前比对相似图像方法较为成熟,故此处不再赘述。而边长元素则为根据第一边缘检测图像中行像素点或列像素点中具有预设像素值的像素点的数量确定的,例如,经过二值化处理后的图像其像素点的颜色即为白色或黑色,确定在第一边缘检测图像中一行像素点或者一列像素点中具有预设像素值的像素点的数量,上述预设像素值可设置为白色的RGB(red green blue,红黄蓝)值255,统计每行或者每列像素点像素值为225的数量,将数量最多的行或者列中为预设像素值的像素点所组成的线段作为边长元素。如参照图6,图6为本申请中第一边缘检测图像中特征元素示意图,图中包括有边长元素、相似元素1以及像素元素2。
再从确定的同一类类似元素出发垂直于边长元素并对边长元素进行分割可得到各目标区域长。需要说明的是,并非基于每种类型的类似元素出发对边长元素进行分割均可得到正确的各目标区域长,如参照图6,显然基于相似元素2出发进行分割远比相似元素1要合理。故在得到各目标区域长后,将最长的目标区域长与最短的目标区域长进行的比值与预设比值阈值进行比较,若小于所述预设比值阈值,则判定得到的各目标区域长正确。确定得到的目标区域长正确后,从各目标区域长的端点出发,向垂直于所述目标区域长的延伸方向上延伸预设距离得到目标区域宽,其中,延伸方向为类似元素位于边长元素一侧的方向,而预设距离的长度为第一边缘检测图像中预设元素端点与所述边长元素之间的距离,所述预设元素端点为与所述边长元素连接的元素中与所述边长元素距离最远的点。可以理解的是,对于一个矩形来说当确定了长和宽后即可确定该矩形,故对于任意一个目标区域长,其与相邻的目标区域宽所围成的区域即可作为目标区域。如参照图7,为本申请市场布局数据采集方法中对边长元素进行分割的示意图,包括相似元素2、目标区域长、目标区域长的端点以及目标区域宽。从相似元素2出发垂直于边长元素对边长元素进行分割得到各目标区域长,对于任意一个目标区域长包括有两个端点(即目标区域长的端点)。
步骤S20,采集所述目标市场建筑的侧视平面图像,其中,所述侧视平面图像中包括有各所述门市的文字名称;
示例性的,上述目标市场建筑的侧视平面图像可通过采集设备无人机进行采集,通常商户会将自家的招牌(包括有文字名称)与自家门市对应设置,且通常会设置在目标市场建筑侧面的一部分。故在本实施例中,对目标市场建筑的侧面进行图像采集得到侧视平面图像,使得侧视平面图像中可包括有各门市的文字名称。
在一可行的实施例方式中,所述采集所述目标市场建筑的侧视平面图像的步骤包括:
步骤S210,基于所述目标市场建筑的预设侧面采集距离和采集设备的采集转角范围生成所述采集设备的采集单元,其中,所述采集设备用于采集所述侧视平面图像;
步骤S220,基于所述目标市场建筑的侧面待采集区域和所述采集单元生成所述采集设备的采集路线;
步骤S230,在所述采集路线的各采集节点上对所述目标市场建筑进行图像采集得到各节点图像;
步骤S240,基于各所述采集节点之间相对位置将各所述节点图像拼接得到所述侧视平面图像。
示例性的,在实际应用中,目标市场通常会有多栋建筑,故对目标市场建筑的侧视平面图像进行采集时,可能会收到其他建筑限制,无法一次性采集到侧视平面图像。上述,采集设备可以是无人机,所以上述预设侧面采集距离可以是无人机与目标市场建筑侧面的最大垂直安全距离,具体可由技术人员设置。再基于无人机的采集转角范围和预设侧面采集距离生成采集单元,可以理解的是,无人机是通过无人机上配置的摄像头进行图像采集的,采集转角范围即为摄像头可活动的范围,故根据摄像头可活动的范围以及预设侧面采集距离即可确定在一个固定位置上无人机对上述目标市场建筑的侧面待采集区域可采集的最大区域即采集单元。侧面待采集区域可由技术人员设置,基于侧面待采集区域和采集单元规划采集路线,以使所述无人机在所述采集路线上的各采集点进图像采集时,可遍历这整个侧面待采集区域。需要说明的是目前路线规划算法较为成熟,此处将不再赘述。在采集路线中各采集节点上对所述目标市场建筑进行图像采集得到各节点图像。可以理解的是,节点图像对应的采集节点相当于该及节点图像在原侧面待采集区域中位置,故基于各采集节点之间相对位置将各所述节点图像拼接即可得到侧面待采集区域相应的侧视平面图像。
在一可行的实施方式中,在所述采集所述目标市场建筑的侧视平面图像的步骤之后,所述方法包括:
步骤S250,对所述侧视平面图像进行文字识别得到所述文字名称和所述文字名称所处的文字范围,其中,所述文字范围为基于所述文字名称的颜色或者所述文字名称所处区域的颜色确定;
步骤S260,将所述文字范围的几何中心位置在所述侧视平面图像中的位置作为对应文字名称在所述侧视平面图像中的所述第二位置。
示例性的,对采集到的侧视平面图像进行文字识别,同样的,目前文字识别算法那较为成熟,此处也不在赘述。通常对于一个门市招牌中的文字或者文字所处的区域通常会采用统一的颜色,故对于文字范围可通过文字名称的颜色来确定或者文字名称所处区域的颜色确定。相应的,再将文字范围的几何中心位置在侧视平面图像中的位置作为对应文字名称在侧视平面图像中的第二位置。第二位置可用于确定该文字名称所配置的门市。
步骤S30,根据所述门市在所述俯视平面图像中的第一位置以及所述文字名称在所述侧视平面图像中的第二位置,为所述布局图中的各所述门市配置文字名称;
在一可行的实施方式中,所述所述根据所述门市在所述俯视平面图像中的第一位置以及所述文字名称在所述侧视平面图像中的第二位置,为所述布局图中的各所述门市配置文字名称的步骤包括:
步骤S310,将所述第二位置的文字名称配置给与所述第二位置存在对应关系的所述第一位置的门市,其中,所述对应关系为所述第二位置垂直投射到所述目标市场建筑的长度边长上时处于所述第一位置的门市垂直投射到所述长度边长的范围内。
可以理解是,上述俯视平面图像和侧视平面图像是目标市场建筑不同角度的图像,故俯视平面图像和侧视平面图像中任意两个特征之间的相对位置关系可通过,两个特征相对目标市场建筑之间的位置关系来确定。而在实际的应用场景下,门市相应的招牌(文字名称)通常会设置在门市的上方,故门市与文字名称存在有对应关系。而对应关系为第二位置垂直投射到目标市场建筑的长度边长上时处于第一位置的门市垂直投射到该长度边长的范围内。例如,参照图8,为本申请市场布局数据采集方法中门市文字名称配置示意图,图中包括目标建筑的长度边长,门市1至4,以及一文字名称的第二位置,可以理解的是,图中一文字名称的第二位置向长度边长垂直投射时,落入到门市2向长度边长垂直投射的范围内,故相应的将该第二位置的文字名称配置给门市2。可以理解的是,虽然第一位置和第二位置是分别基于俯视平面图像和侧视平面图像,但是在文字名称配置过程第一位置和第二位置均是基于目标市场建筑的长度边长进行投射的,故第一位置和第二位置之间相对位置是可以确定的。
在一可行的实施方式中,所述长度边长包括第一长度边长和第二长度边长,在所述将所述第二位置的文字名称配置给与所述第二位置存在对应关系的所述第一位置的门市的步骤之前,所述包括:
步骤S320,根据所述第一边缘检测图像确定所述目标市场建筑的第一长度边长;
步骤S330,对所述侧视平面图像进行边缘检测得到第二边缘检测图像;
步骤S340,根据所述第二边缘检测图像确定所述目标市场建筑的第二长度边长;
步骤S350,根据所述第一长度边长和所述第二长度边长之间的比例对所述侧视平面图像和/或所述俯视平面图像进行等比例放大或等比例缩小调整,以使所述第一长度边长和所述第二长度边长对齐且长度相等,其中,所述第一长度边长为根据所述第一边缘检测图像确定的边长元素,所述第二长度边长为根据所述第二边缘检测图像确定的边长元素。
需要说明的是,由于侧视平面图像和俯视平面图像是无人机在目标市场建筑不同角度或者不同距离上采集的图像,故侧视平面图像和俯视平面图像中的目标市场建筑的大小可能不同,因此,在为门市配置文字名称之前,需对侧视平面图像和俯视平面图像的大小进行调整。
示例性的,根据第一边缘检测图像确定所述目标市场建筑的第一长度边长,第一长度边长可以是根据第一边缘检测图像确定的边长元素,同样的,也对侧视平面图像进行边缘检测得到第二边缘检测图像,第二长度边长为根据第二边缘检测图像确定的边长元素。具体的过程可参照上述内容,此处不再赘述。再根据第一长度边长和第二长度边长之间的比例对侧视平面图像和/或俯视平面图像进行等比例放大或等比例缩小调整,从而使得第一长度边长和第二长度边长的长度相等,从而便于为门市配置文字名称。
步骤S40,基于配置的所述文字名称为所述布局图中的各所述门市导入文字名称的商户数据。
示例性的,当在各门市中配置好文字名称后,再通过调用相关的查询接口(如官方的商铺名称查询通道)基于各门市的文字名称进行查询,将查询的结果再导入至布局图的门市中,查询结果可以是文字名称的商户数据。如参照图9,为本申请市场布局数据采集方法的布局示意图,图中可以是对多栋目标市场建筑的市场布局数据采集的结果,包括了不同位置的门市,门市中导入有相关商户数据,例如,法人代表和所属行业等。
在本实施例中,通过采集目标市场建筑的俯视平面图像,并基于所述俯视平面图像生成所述目标市场建筑中各门市的布局图;采集所述目标市场建筑的侧视平面图像,其中,所述侧视平面图像中包括有各所述门市的文字名称;根据所述门市在所述俯视平面图像中的第一位置以及所述文字名称在所述侧视平面图像中的第二位置,为所述布局图中的各所述门市配置文字名称;基于配置的所述文字名称为所述布局图中的各所述门市导入文字名称的商户数据。即本申请基于目标市场建筑的俯视平面图像生成市场门市布局图,再基于侧视平面图像生成各门市的文字名称,将文字名称依据其在侧视平面图像位置以及门市在俯视平面图像位置配置给布局图中的各门市。最后再基于布局图中门市的文字名称将文字名称对应的商户数据导入至布局图中的门市,从而实现了市场布局数据的自动化采集,减少了人工成本,提高了采集效率。
参照图3,基于本申请市场布局数据采集方法的第一实施例提出本申请市场布局数据采集方法的第二实施例。本实施例中与上述实施例相同部分可参考上文内容,此处不再赘述。在所述为所述布局图中的各所述门市配置文字名称的步骤之后,所述方法包括:
步骤S01,对配置文字名称的门市进行筛选;
步骤S02,若存在相邻门市的文字名称相同,则将所述相邻门市合并;
步骤S03,若存在有单个门市配置有多个文字名称,则依据所述单个门市配置的文字名称的数量将所述单个门市拆分为多个门市。
需要说明的是,在实际应用中,为所述布局图中的各所述门市配置文字名称的步骤之后,可能存在有部分门市的文字名称配合不合理。故需要对配置了文字名称的门市进行筛选。若存在有相邻门市的文字名称是相同的,则该相邻门市可认定属于同一家门市,故将该相邻门市合并。此外,若存在有单个门市配置有多个文字名称的情况,则依据该单个门市配置的文字名称的数量将单个门市拆分为多个门市,即每个文字名称都有一个门市与之对应。可以理解的是,在本实施例会对配置文字名称后的门市进行筛选,并将不同配置情况对门市布局进行,从而使得门市布局图更加符合实际情况。
此外,为实现上述目的,本申请还提供一种市场布局数据采集设备,所述市场布局数据采集设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的市场布局数据采集程序,所述市场布局数据采集程序被所述处理器执行时实现如上述的市场布局数据采集方法的步骤。
本申请市场布局数据采集设备的具体实施方式与上述市场布局数据采集方法各实施例基本相同,在此不再赘述。
此外,为实现上述目的,本申请还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有市场布局数据采集程序,所述市场布局数据采集程序被处理器执行时实现如上述的市场布局数据采集方法的步骤。
本申请计算机介质具体实施方式与上述市场布局数据采集方法各实施例基本相同,在此不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者***不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者***所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。
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。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请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,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (8)
1.一种市场布局数据采集方法,其特征在于,所述市场布局数据采集方法以下步骤:
采集目标市场建筑的俯视平面图像,并基于所述俯视平面图像生成所述目标市场建筑中各门市的布局图;
采集所述目标市场建筑的侧视平面图像,其中,所述侧视平面图像中包括有各所述门市的文字名称;
根据所述门市在所述俯视平面图像中的第一位置以及所述文字名称在所述侧视平面图像中的第二位置,为所述布局图中的各所述门市配置文字名称;
基于配置的所述文字名称为所述布局图中的各所述门市导入文字名称的商户数据;
其中,所述基于所述俯视平面图像生成所述目标市场建筑中各门市的布局图的步骤包括:
对所述俯视平面图像进行二值化处理得到二值化图像;
基于所述二值化图像进行边缘检测得到第一边缘检测图像;
基于所述第一边缘检测图像的特征元素对所述第一边缘检测图像进行划分得到各目标区域;
将各目标区域在所述边缘检测图像中的分布图像作为各所述门市的布局图;
其中,所述特征元素包括类似元素和边长元素,所述基于所述第一边缘检测图像的特征元素对所述第一边缘检测图像进行划分得到各目标区域的步骤包括:
基于所述第一边缘检测图像中各所述类似元素垂直于所述边长元素方向对所述第一边缘检测图像中所述边长元素进行分割得到各目标区域长,所述边长元素为根据所述第一边缘检测图像中行像素点或列像素点中具有预设像素值的像素点的数量确定,所述类似元素为第一边缘检测图像中具有相同形状特征的元素;
从所述目标区域长的端点且垂直于所述目标区域长的延伸方向上延伸预设距离得到目标区域宽,其中,所述延伸方向为所述类似元素位于所述边长元素一侧的方向,所述预设距离的长度为所述第一边缘检测图像中预设元素端点与所述边长元素之间的距离,所述预设元素端点为与所述边长元素连接的元素中与所述边长元素距离最远的点;
将各所述目标区域长和相邻的目标区域宽所围成的区域作为所述目标区域。
2.如权利要求1所述的市场布局数据采集方法,其特征在于,所述采集所述目标市场建筑的侧视平面图像的步骤包括:
基于所述目标市场建筑的预设侧面采集距离和采集设备的采集转角范围生成所述采集设备的采集单元,其中,所述采集设备用于采集所述侧视平面图像;
基于所述目标市场建筑的侧面待采集区域和所述采集单元生成所述采集设备的采集路线;
在所述采集路线的各采集节点上对所述目标市场建筑进行图像采集得到各节点图像;
基于各所述采集节点之间相对位置将各所述节点图像拼接得到所述侧视平面图像。
3.如权利要求2所述的市场布局数据采集方法,其特征在于,在所述采集所述目标市场建筑的侧视平面图像的步骤之后,所述方法包括:
对所述侧视平面图像进行文字识别得到所述文字名称和所述文字名称所处的文字范围,其中,所述文字范围为基于所述文字名称的颜色或者所述文字名称所处区域的颜色确定;
将所述文字范围的几何中心位置在所述侧视平面图像中的位置作为对应文字名称在所述侧视平面图像中的所述第二位置。
4.如权利要求3所述的市场布局数据采集方法,其特征在于,所述根据所述门市在所述俯视平面图像中的第一位置以及所述文字名称在所述侧视平面图像中的第二位置,为所述布局图中的各所述门市配置文字名称的步骤包括:
将所述第二位置的文字名称配置给与所述第二位置存在对应关系的所述第一位置的门市,其中,所述对应关系为所述第二位置垂直投射到所述目标市场建筑的长度边长上时处于所述第一位置的门市垂直投射到所述长度边长的范围内。
5.如权利要求4所述的市场布局数据采集方法,其特征在于,所述长度边长包括第一长度边长和第二长度边长,在所述将所述第二位置的文字名称配置给与所述第二位置存在对应关系的所述第一位置的门市的步骤之前,所述包括:
根据所述第一边缘检测图像确定所述目标市场建筑的第一长度边长;
对所述侧视平面图像进行边缘检测得到第二边缘检测图像;
根据所述第二边缘检测图像确定所述目标市场建筑的第二长度边长;
根据所述第一长度边长和所述第二长度边长之间的比例对所述侧视平面图像和/或所述俯视平面图像进行等比例放大或等比例缩小调整,以使所述第一长度边长和所述第二长度边长对齐且长度相等,其中,所述第一长度边长为根据所述第一边缘检测图像确定的边长元素,所述第二长度边长为根据所述第二边缘检测图像确定的边长元素。
6.如权利要求5所述的市场布局数据采集方法,其特征在于,在所述为所述布局图中的各所述门市配置文字名称的步骤之后,所述方法包括:
对配置文字名称的门市进行筛选;
若存在相邻门市的文字名称相同,则将所述相邻门市合并;
若存在有单个门市配置有多个文字名称,则依据所述单个门市配置的文字名称的数量将所述单个门市拆分为多个门市。
7.一种市场布局数据采集设备,其特征在于,所述市场布局数据采集设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的市场布局数据采集程序,所述市场布局数据采集程序被所述处理器执行时实现如权利要求1至6中任一项所述的市场布局数据采集方法的步骤。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有市场布局数据采集程序,所述市场布局数据采集程序被处理器执行时实现如权利要求1至6中任一项所述的市场布局数据采集方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310392244.8A CN116109643B (zh) | 2023-04-13 | 2023-04-13 | 市场布局数据采集方法、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310392244.8A CN116109643B (zh) | 2023-04-13 | 2023-04-13 | 市场布局数据采集方法、设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116109643A CN116109643A (zh) | 2023-05-12 |
CN116109643B true CN116109643B (zh) | 2023-08-04 |
Family
ID=86267629
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310392244.8A Active CN116109643B (zh) | 2023-04-13 | 2023-04-13 | 市场布局数据采集方法、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116109643B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022047701A1 (zh) * | 2020-09-03 | 2022-03-10 | 深圳市大疆创新科技有限公司 | 图像处理方法和装置 |
CN114925439A (zh) * | 2022-06-14 | 2022-08-19 | 北京有竹居网络技术有限公司 | 用于生成平面布局图的方法、装置、设备和存储介质 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101319471B1 (ko) * | 2008-08-29 | 2013-10-17 | 미쓰비시덴키 가부시키가이샤 | 부감 화상 생성장치, 부감 화상 생성방법 및 기록매체 |
KR101991496B1 (ko) * | 2014-02-04 | 2019-06-20 | 프라운호퍼 게젤샤프트 쭈르 푀르데룽 데어 안겐반텐 포르슝 에. 베. | 허프 프로세서 |
US10474991B2 (en) * | 2017-08-07 | 2019-11-12 | Standard Cognition, Corp. | Deep learning-based store realograms |
CN111652057A (zh) * | 2020-04-24 | 2020-09-11 | 平安科技(深圳)有限公司 | 地图构建方法、装置、计算机设备和存储介质 |
CN111737547A (zh) * | 2020-06-17 | 2020-10-02 | 北京三快在线科技有限公司 | 商户信息的获取***、方法、装置、设备及存储介质 |
CN112383745A (zh) * | 2020-10-26 | 2021-02-19 | 北京中铁建建筑科技有限公司 | 一种基于全景影像的大型集群化施工项目的数字化呈现方法 |
CN113379269B (zh) * | 2021-06-21 | 2023-08-18 | 华南理工大学 | 多因素空间聚类的城市商业功能区划方法、装置及介质 |
CN113838193A (zh) * | 2021-09-29 | 2021-12-24 | 北京市商汤科技开发有限公司 | 数据处理方法、装置、计算机设备及存储介质 |
-
2023
- 2023-04-13 CN CN202310392244.8A patent/CN116109643B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022047701A1 (zh) * | 2020-09-03 | 2022-03-10 | 深圳市大疆创新科技有限公司 | 图像处理方法和装置 |
CN114925439A (zh) * | 2022-06-14 | 2022-08-19 | 北京有竹居网络技术有限公司 | 用于生成平面布局图的方法、装置、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116109643A (zh) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230222831A1 (en) | Fingerprint processing device, fingerprint processing method, program, and fingerprint processing circuit | |
WO2019169772A1 (zh) | 图片处理方法、电子装置及存储介质 | |
CN112241714B (zh) | 图像中指定区域的识别方法、装置、可读介质和电子设备 | |
CN110490839B (zh) | 一种检测高速公路中损坏区域的方法、装置及计算机设备 | |
CN110414649B (zh) | Dm码的定位方法、装置、终端及存储介质 | |
CN111507324B (zh) | 卡片边框识别方法、装置、设备和计算机存储介质 | |
CN111553302B (zh) | 关键帧选取方法、装置、设备及计算机可读存储介质 | |
CN111080665B (zh) | 图像边框识别方法、装置、设备和计算机存储介质 | |
WO2020156553A1 (zh) | 二维码定位框识别方法、装置、电子设备及存储介质 | |
CN115661522A (zh) | 一种基于视觉语义矢量的车辆导引方法、***、设备和介质 | |
CN114463358A (zh) | 投屏显示方法、装置、电子设备及可读存储介质 | |
CN108108646B (zh) | 条码信息识别方法、终端和计算机可读存储介质 | |
CN116109643B (zh) | 市场布局数据采集方法、设备及计算机可读存储介质 | |
CN110555471B (zh) | 一种移动终端及目标物的搜寻方法 | |
CN104933430B (zh) | 一种用于移动终端的交互式图像处理方法及*** | |
CN116468914A (zh) | 页面对比方法、装置、存储介质及电子设备 | |
CN112241697B (zh) | 角点颜色判定方法、装置、终端设备及可读存储介质 | |
JP5278093B2 (ja) | 記事関連情報提供方法、装置、プログラム、記録媒体 | |
CN110837789B (zh) | 一种检测物体的方法、装置、电子设备及介质 | |
CN114792283A (zh) | 一种图像处理方法、装置、设备及计算机可读存储介质 | |
JP5314521B2 (ja) | 画像処理システム及び画像処理方法 | |
CN111178362A (zh) | 文本图像处理方法、装置、设备和存储介质 | |
CN111860136B (zh) | 包裹定位方法、装置、设备及计算机可读存储介质 | |
US11983877B2 (en) | Image processing device, image processing method, program, and portable terminal device | |
CN114820547B (zh) | 车道线检测方法、装置、计算机设备、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 |