CN116189102A - 在光伏板方阵中前向行驶的纠偏方法及纠偏装置 - Google Patents

在光伏板方阵中前向行驶的纠偏方法及纠偏装置 Download PDF

Info

Publication number
CN116189102A
CN116189102A CN202310490546.9A CN202310490546A CN116189102A CN 116189102 A CN116189102 A CN 116189102A CN 202310490546 A CN202310490546 A CN 202310490546A CN 116189102 A CN116189102 A CN 116189102A
Authority
CN
China
Prior art keywords
photovoltaic panel
image
area
cleaning robot
panel matrix
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
Application number
CN202310490546.9A
Other languages
English (en)
Inventor
李永军
邱明
华心新
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Snegrid Electric Technology Co ltd
Original Assignee
Snegrid Electric Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Snegrid Electric Technology Co ltd filed Critical Snegrid Electric Technology Co ltd
Priority to CN202310490546.9A priority Critical patent/CN116189102A/zh
Publication of CN116189102A publication Critical patent/CN116189102A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Cleaning In General (AREA)

Abstract

本公开是关于一种在光伏板方阵中前向行驶的纠偏方法、在光伏板方阵中前向行驶的纠偏装置、存储介质及电子设备。该在光伏板方阵中前向行驶的纠偏方法包括获取清扫机器人前向行驶时前进区域的区域图像；基于图像处理模型内包含的识别标签，对区域图像进行图像识别，确定出区域图像内光伏板方阵的区域像素点及道路区域的区域像素点；基于道路区域的区域像素点的中间像素点到光伏板方阵的区域像素点的距离，调整清扫机器人的前进方向。通过道路区域的区域像素点的中间像素点到光伏板方阵的区域像素点的距离变化可确定清扫机器人在行进过程中产生的左偏或右偏的情况，从而可及时调整清扫机器人的前进方向，减少清扫机器人过度偏离的情况。

Description

在光伏板方阵中前向行驶的纠偏方法及纠偏装置
技术领域
本公开涉及图像处理技术领域，尤其涉及一种在光伏板方阵中前向行驶的纠偏方法、在光伏板方阵中前向行驶的纠偏装置、存储介质及电子设备。
背景技术
随着能源行业变革，新能源越来越重要。其中，光伏产业作为太阳能利用的支柱产业应用越来越广泛。光伏板长时间应用后需要光伏板清扫机器人进行清扫。但在行走过程中光伏板清扫机器人会出现偏斜。如果纠正不及时会造成行走道路严重偏离正确路线甚至道路错误的情况出现。
发明内容
有鉴于此，本公开实施例期望提供一种在光伏板方阵中前向行驶的纠偏方法、在光伏板方阵中前向行驶的纠偏装置、存储介质及电子设备。
本公开的技术方案是这样实现的：
第一方面，本公开提供一种在光伏板方阵中前向行驶的纠偏方法。
本公开实施例提供的在光伏板方阵中前向行驶的纠偏方法，包括：
获取清扫机器人前向行驶时前进区域的区域图像；
基于图像处理模型内包含的识别标签，对所述区域图像进行图像识别，确定出所述区域图像内光伏板方阵的区域像素点及道路区域的区域像素点；
基于所述道路区域的区域像素点的中间像素点到所述光伏板方阵的区域像素点的距离，调整所述清扫机器人的前进方向。
在一些实施例中，所述获取清扫机器人前向行驶时前进区域的区域图像前，所述方法包括：
获取包含有光伏板方阵的光伏板图像；
对所述光伏板图像中的光伏板及所述光伏板之间的区域进行标签化区分；
基于标签化的所述光伏板图像，对所述图像处理模型进行模型训练，使训练后图像处理模型具有标签识别能力。
在一些实施例中，所述对所述光伏板图像中的光伏板及所述光伏板之间的区域进行标签化区分，包括：
将所述光伏板图像中光伏板所在像素区域标记为光伏板区域，及所述光伏板之间的像素区域标记为道路区域；
所述基于标签化的所述光伏板图像，对所述图像处理模型进行模型训练，包括：
基于标记有所述光伏板区域和标记有道路区域的光伏板图像，对所述图像处理模型进行模型训练。
在一些实施例中，所述基于所述道路区域的区域像素点的中间像素点到所述光伏板方阵的区域像素点的距离，调整所述清扫机器人的前进方向，包括：
获取所述区域图像的横向尺寸；
基于所述区域图像的横向尺寸，确定所述清扫机器人前进时的偏向波动距离范围；
若所述清扫机器人在所述区域图像中的位置像素点到所述光伏板方阵的区域像素点的距离小于所述偏向波动距离范围中的最小值，则调整所述清扫机器人向背离所述光伏板方阵的方向前进；
若所述清扫机器人在所述区域图像中的位置像素点到所述光伏板方阵的区域像素点的距离大于所述偏向波动距离范围中的最大值，则调整所述清扫机器人向朝向所述光伏板方阵的方向前进。
在一些实施例中，所述识别标签包括光伏板区域标签和道路区域标签；
所述基于图像处理模型内包含的识别标签，对所述区域图像进行标签识别，包括：
基于所述光伏板区域标签，确定出所述区域图像内光伏板方阵的区域像素点；
基于所述道路区域标签，确定出所述区域图像内道路区域的区域像素点。
在一些实施例中，所述基于所述区域图像的横向尺寸，确定所述清扫机器人前进时的偏向波动距离范围，包括：
确定所述偏向波动距离范围的波动阈值；
将所述区域图像的横向尺寸的一半与所述波动阈值的差作为所述偏向波动距离范围的最小值；
将所述区域图像的横向尺寸的一半与所述波动阈值的和作为所述偏向波动距离范围的最大值；其中，所述波动阈值大于0且小于所述道路区域的横向尺寸的一半。
第二方面，本公开提供一种在光伏板方阵中前向行驶的纠偏装置，包括：
区域图像获取模块，用于获取清扫机器人前向行驶时前进区域的区域图像；
图像识别模块，用于基于图像处理模型内包含的识别标签，对所述区域图像进行图像识别，确定出所述区域图像内光伏板方阵的区域像素点及道路区域的区域像素点；
方向调整模块，用于基于所述道路区域的区域像素点的中间像素点到所述光伏板方阵的区域像素点的距离，调整所述清扫机器人的前进方向。
在一些实施例中，包括：模型训练模块；
所述获取清扫机器人前向行驶时前进区域的区域图像前，所述模型训练模块用于
获取包含有光伏板方阵的光伏板图像；
对所述光伏板图像中的光伏板及所述光伏板之间的区域进行标签化区分；
基于标签化的所述光伏板图像，对所述图像处理模型进行模型训练，使训练后图像处理模型具有标签识别能力。
第三方面，本公开提供一种计算机可读存储介质，其上存储有在光伏板方阵中前向行驶的纠偏程序，该在光伏板方阵中前向行驶的纠偏程序被处理器执行时，实现上述第一方面所述的在光伏板方阵中前向行驶的纠偏方法。
第四方面，本公开提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的在光伏板方阵中前向行驶的纠偏程序，所述处理器执行所述在光伏板方阵中前向行驶的纠偏程序时，实现上述第一方面所述的在光伏板方阵中前向行驶的纠偏方法。
根据本公开实施例的在光伏板方阵中前向行驶的纠偏方法包括获取清扫机器人前向行驶时前进区域的区域图像；基于图像处理模型内包含的识别标签，对所述区域图像进行图像识别，确定出所述区域图像内光伏板方阵的区域像素点及道路区域的区域像素点；基于所述道路区域的区域像素点的中间像素点到所述光伏板方阵的区域像素点的距离，调整所述清扫机器人的前进方向。本申请中通过道路区域的区域像素点的中间像素点到所述光伏板方阵的区域像素点的距离变化可确定清扫机器人在行进过程中产生的左偏或右偏的情况。如果行进过程中产生严重的偏离了前进方向，则可及时调整清扫机器人的前进方向，从而减少清扫机器人过度偏离的情况。
本公开附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
附图说明
图1是根据一示例性实施例示出的在光伏板方阵中前向行驶的纠偏方法流程图一；
图2是根据一示例性实施例示出的在光伏板方阵中前向行驶的纠偏方法中区域图像示意图；
图3是根据一示例性实施例示出的在光伏板方阵中前向行驶的纠偏方法流程图二；
图4是根据一示例性实施例示出的在光伏板方阵中前向行驶的纠偏方法流程图三；
图5是根据一示例性实施例示出的在光伏板方阵中前向行驶的纠偏装置结构示意图。
具体实施方式
下面详细描述本公开的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本公开，而不能理解为对本公开的限制。
随着能源行业变革，新能源越来越重要。其中，光伏产业作为太阳能利用的支柱产业应用越来越广泛。光伏板长时间应用后需要光伏板清扫机器人进行清扫。但在行走过程中光伏板清扫机器人会出现偏斜。如果纠正不及时会造成行走道路严重偏离正确路线甚至道路错误的情况出现。
针对上述情况，本公开提供一种在光伏板方阵中前向行驶的纠偏方法。图1是根据一示例性实施例示出的在光伏板方阵中前向行驶的纠偏方法流程图一。如图1所示，该在光伏板方阵中前向行驶的纠偏方法包括：
步骤10、获取清扫机器人前向行驶时前进区域的区域图像；
步骤11、基于图像处理模型内包含的识别标签，对所述区域图像进行图像识别，确定出所述区域图像内光伏板方阵的区域像素点及道路区域的区域像素点；
步骤12、基于所述道路区域的区域像素点的中间像素点到所述光伏板方阵的区域像素点的距离，调整所述清扫机器人的前进方向。
在本示例性实施例中，在光伏板方阵中前向行驶的纠偏方法可应用于清扫机器人在光伏板方阵中前进时进行纠偏。图像处理模型可以包括目标检测yolov5分割模型。通过目标检测yolov5分割模型对光伏板及光伏板之间的道路进行分割，计算道路分割中心点与光伏板检测框的距离，进行机器人前向行驶纠偏。
在本示例性实施例中，所述识别标签包括光伏板区域标签和道路区域标签；
所述基于图像处理模型内包含的识别标签，对所述区域图像进行标签识别，包括：基于所述光伏板区域标签，确定出所述区域图像内光伏板方阵的区域像素点；基于所述道路区域标签，确定出所述区域图像内道路区域的区域像素点。其中，道路区域确定为光伏板方阵之间的区域。
在本示例性实施例中，清扫机器人前进时可实时拍摄前向行驶时前进区域的区域图像。区域图像可以为矩形图像。区域图像中包含有前方的光伏板方阵及光伏板之间的空区。
根据本公开实施例的在光伏板方阵中前向行驶的纠偏方法包括获取清扫机器人前向行驶时前进区域的区域图像；基于图像处理模型内包含的识别标签，对所述区域图像进行图像识别，确定出所述区域图像内光伏板方阵的区域像素点及道路区域的区域像素点；基于所述道路区域的区域像素点的中间像素点到所述光伏板方阵的区域像素点的距离，调整所述清扫机器人的前进方向。本申请中通过道路区域的区域像素点的中间像素点到所述光伏板方阵的区域像素点的距离变化可确定清扫机器人在行进过程中产生的左偏或右偏的情况。如果行进过程中产生严重的偏离了前进方向，则可及时调整清扫机器人的前进方向，从而减少清扫机器人过度偏离的情况。
在一些实施例中，所述获取清扫机器人前向行驶时前进区域的区域图像前，所述方法包括：
获取包含有光伏板方阵的光伏板图像；
对所述光伏板图像中的光伏板及所述光伏板之间的区域进行标签化区分；
基于标签化的所述光伏板图像，对所述图像处理模型进行模型训练，使训练后图像处理模型具有标签识别能力。
在本示例性实施例中，获取包含有光伏板方阵的光伏板图像，对所述光伏板图像中的光伏板及所述光伏板之间的区域进行标签化区分。将所述光伏板图像中光伏板所在像素区域标记为光伏板区域，及所述光伏板之间的像素区域标记为道路区域，以此来得到用于图像处理模型进行模型训练的数据集。
在一些实施例中，所述对所述光伏板图像中的光伏板及所述光伏板之间的区域进行标签化区分，包括：
将所述光伏板图像中光伏板所在像素区域标记为光伏板区域，及所述光伏板之间的像素区域标记为道路区域；
所述基于标签化的所述光伏板图像，对所述图像处理模型进行模型训练，包括：
基于标记有所述光伏板区域和标记有道路区域的光伏板图像，对所述图像处理模型进行模型训练。
在本示例性实施例中，训练模型时，可将标注好的数据集，输入yolov5开源模型中。设置单次训练迭代次数epochs=300个，当损失函数loss小于0.0005时，保存模型。通过设置训练条件（单次训练迭代次数及损失函数）输入训练的数据集到图像处理模型（例如yolov5模型）中进行模型训练，得到后续用于具有标签识别能力的图像处理模型。
在一些实施例中，所述基于所述道路区域的区域像素点的中间像素点到所述光伏板方阵的区域像素点的距离，调整所述清扫机器人的前进方向，包括：
获取所述区域图像的横向尺寸；
基于所述区域图像的横向尺寸，确定所述清扫机器人前进时的偏向波动距离范围；
若所述清扫机器人在所述区域图像中的位置像素点到所述光伏板方阵的区域像素点的距离小于所述偏向波动距离范围中的最小值，则调整所述清扫机器人向背离所述光伏板方阵的方向前进；
若所述清扫机器人在所述区域图像中的位置像素点到所述光伏板方阵的区域像素点的距离大于所述偏向波动距离范围中的最大值，则调整所述清扫机器人向朝向所述光伏板方阵的方向前进。
在本示例性实施例中，基于所述区域图像的横向尺寸，确定所述清扫机器人前进时的偏向波动距离范围。如果清扫机器人在所述区域图像中的位置像素点到所述光伏板方阵的区域像素点的距离在偏向波动距离范围内，说明清扫机器人在前进时出现左偏或右偏的距离是可以接受的，并没有出现严重方向性偏离，其主要方向还是向前行驶。当清扫机器人在所述区域图像中的位置像素点到所述光伏板方阵的区域像素点的距离不在偏向波动距离范围内，说明此时清扫机器人出现了严重的偏离前进方向问题，此时需要调整所述清扫机器人的前进方向。
其中，清扫机器人在行进时是在光伏板之间的区域进行行进。当清扫机器人在区域图像中的位置像素点到光伏板方阵的区域像素点的距离小于偏向波动距离范围中的最小值，说明清扫机器人过度接近光伏板方阵，此时调整清扫机器人向背离光伏板方阵的方向前进；
当清扫机器人在区域图像中的位置像素点到光伏板方阵的区域像素点的距离大于偏向波动距离范围中的最大值，说明清扫机器人过度远离光伏板方阵，则调整清扫机器人向朝向光伏板方阵的方向前进。
在一些实施例中，所述基于所述区域图像的横向尺寸，确定所述清扫机器人前进时的偏向波动距离范围，包括：
确定所述偏向波动距离范围的波动阈值；
将所述区域图像的横向尺寸的一半与所述波动阈值的差作为所述偏向波动距离范围的最小值；
将所述区域图像的横向尺寸的一半与所述波动阈值的和作为所述偏向波动距离范围的最大值；其中，所述波动阈值大于0且小于所述道路区域的横向尺寸的一半。
在本示例性实施例中，偏向波动距离范围的波动阈值可根据区域图像的横向尺寸大小及需要进行自行设定，本申请可设置为100个像素点。
例如，机器人前向行驶时，diff值在偏向波动距离范围[d1,d2]内波动
（d1参考值：d1=img_w/2-100，d2参考值：d2=img_w/2+100，img_w是摄像头获取图像的宽度）。diff值为清扫机器人在区域图像中的位置像素点到光伏板方阵的区域像素点的距离。
图2是根据一示例性实施例示出的在光伏板方阵中前向行驶的纠偏方法中区域图像示意图。如图2所示，图像处理模型可识别出区域图像中的光伏板方阵和道路区域。其中，diff值为清扫机器人在区域图像中的位置像素点到光伏板方阵的区域像素点的距离。
图3是根据一示例性实施例示出的在光伏板方阵中前向行驶的纠偏方法流程图二。如图3所示，纠偏方法流程包括：
步骤30、获取区域图像；
步骤31、对区域图像中的光伏板与道路进行图像分割；
步骤32、获取光伏板检测框坐标和道路中心点坐标；
步骤33、计算清扫机器人在区域图像中的位置像素点到光伏板方阵的区域像素点的距离diff值；
步骤34、根据diff值前向行驶纠偏。
图4是根据一示例性实施例示出的在光伏板方阵中前向行驶的纠偏方法流程图三。如图4所示，纠偏方法流程包括：
步骤40、采集现场道路图像；
步骤41、基于道路图像制作训练数据集；
步骤42、通过训练数据集训练图像处理模型；
步骤43、输入待分析的道路图像至图像处理模型；
步骤44、通过图像处理模型对道路图像进行图像处理，获得光伏板方阵与道路分别对应的像素点；
步骤45、计算清扫机器人在区域图像中的位置像素点到光伏板方阵的区域像素点的距离diff值；
步骤46、检测道路中心与光伏板的距离diff值是否在[d1，d2]范围内；
步骤47、机器人前向行驶纠偏。
本申请的在光伏板方阵中前向行驶的纠偏方法，对现有开源模型进行加工改造，技术实现更加简单高效，降低光伏板发电企业机器人的使用成本，达到增能降本，快速实现机器人在光伏方阵当中前向行驶纠偏问题，有效地节约人力，物力。
本公开提供一种在光伏板方阵中前向行驶的纠偏装置。图5是根据一示例性实施例示出的在光伏板方阵中前向行驶的纠偏装置结构示意图。如图5所示，在光伏板方阵中前向行驶的纠偏装置包括：
区域图像获取模块50，用于获取清扫机器人前向行驶时前进区域的区域图像；
图像识别模块51，用于基于图像处理模型内包含的识别标签，对所述区域图像进行图像识别，确定出所述区域图像内光伏板方阵的区域像素点及道路区域的区域像素点；
方向调整模块52，用于基于所述道路区域的区域像素点的中间像素点到所述光伏板方阵的区域像素点的距离，调整所述清扫机器人的前进方向。
在本示例性实施例中，在光伏板方阵中前向行驶的纠偏装置可应用于清扫机器人在光伏板方阵中前进时进行纠偏。图像处理模型可以包括目标检测yolov5分割模型。通过目标检测yolov5分割模型对光伏板及光伏板之间的道路进行分割，计算道路分割中心点与光伏板检测框的距离，进行机器人前向行驶纠偏。
在本示例性实施例中，所述识别标签包括光伏板区域标签和道路区域标签；
所述基于图像处理模型内包含的识别标签，对所述区域图像进行标签识别，包括：基于所述光伏板区域标签，确定出所述区域图像内光伏板方阵的区域像素点；基于所述道路区域标签，确定出所述区域图像内道路区域的区域像素点。其中，道路区域确定为光伏板方阵之间的区域。
在本示例性实施例中，清扫机器人前进时可实时拍摄前向行驶时前进区域的区域图像。区域图像可以为矩形图像。区域图像中包含有前方的光伏板方阵及光伏板之间的空区。
根据本公开实施例的在光伏板方阵中前向行驶的纠偏装置包括获取清扫机器人前向行驶时前进区域的区域图像；基于图像处理模型内包含的识别标签，对所述区域图像进行图像识别，确定出所述区域图像内光伏板方阵的区域像素点及道路区域的区域像素点；基于所述道路区域的区域像素点的中间像素点到所述光伏板方阵的区域像素点的距离，调整所述清扫机器人的前进方向。本申请中通过道路区域的区域像素点的中间像素点到所述光伏板方阵的区域像素点的距离变化可确定清扫机器人在行进过程中产生的左偏或右偏的情况。如果行进过程中产生严重的偏离了前进方向，则可及时调整清扫机器人的前进方向，从而减少清扫机器人过度偏离的情况。
在一些实施例中，包括：模型训练模块；
所述获取清扫机器人前向行驶时前进区域的区域图像前，所述模型训练模块用于
获取包含有光伏板方阵的光伏板图像；
对所述光伏板图像中的光伏板及所述光伏板之间的区域进行标签化区分；
基于标签化的所述光伏板图像，对所述图像处理模型进行模型训练，使训练后图像处理模型具有标签识别能力。
在本示例性实施例中，获取包含有光伏板方阵的光伏板图像，对所述光伏板图像中的光伏板及所述光伏板之间的区域进行标签化区分。将所述光伏板图像中光伏板所在像素区域标记为光伏板区域，及所述光伏板之间的像素区域标记为道路区域，以此来得到用于图像处理模型进行模型训练的数据集。
在一些实施例中，所述模型训练模块用于
将所述光伏板图像中光伏板所在像素区域标记为光伏板区域，及所述光伏板之间的像素区域标记为道路区域；
基于标记有所述光伏板区域和标记有道路区域的光伏板图像，对所述图像处理模型进行模型训练。
在本示例性实施例中，训练模型时，可利用标注好的数据集，输入yolov5开源模型中。设置单次训练迭代次数epochs=300个，当损失函数loss小于0.0005时，保存模型。通过设置训练条件（单次训练迭代次数及损失函数）输入训练的数据集到图像处理模型（例如yolov5模型）中进行模型训练，得到后续用于具有标签识别能力的图像处理模型。
在一些实施例中，所述方向调整模块，用于
获取所述区域图像的横向尺寸；
基于所述区域图像的横向尺寸，确定所述清扫机器人前进时的偏向波动距离范围；
若所述清扫机器人在所述区域图像中的位置像素点到所述光伏板方阵的区域像素点的距离小于所述偏向波动距离范围中的最小值，则调整所述清扫机器人向背离所述光伏板方阵的方向前进；
若所述清扫机器人在所述区域图像中的位置像素点到所述光伏板方阵的区域像素点的距离大于所述偏向波动距离范围中的最大值，则调整所述清扫机器人向朝向所述光伏板方阵的方向前进。
在本示例性实施例中，基于所述区域图像的横向尺寸，确定所述清扫机器人前进时的偏向波动距离范围。如果清扫机器人在所述区域图像中的位置像素点到所述光伏板方阵的区域像素点的距离在偏向波动距离范围内，说明清扫机器人在前进时出现左偏或右偏的距离是可以接受的，并没有出现严重方向性偏离，其主要方向还是向前行驶。当清扫机器人在所述区域图像中的位置像素点到所述光伏板方阵的区域像素点的距离不在偏向波动距离范围内，说明此时清扫机器人出现了严重的偏离前进方向问题，此时需要调整所述清扫机器人的前进方向。
其中，清扫机器人在行进时是在光伏板之间的区域进行行进。当清扫机器人在区域图像中的位置像素点到光伏板方阵的区域像素点的距离小于偏向波动距离范围中的最小值，说明清扫机器人过度接近光伏板方阵，此时调整清扫机器人向背离光伏板方阵的方向前进；
当清扫机器人在区域图像中的位置像素点到光伏板方阵的区域像素点的距离大于偏向波动距离范围中的最大值，说明清扫机器人过度远离光伏板方阵，则调整清扫机器人向朝向光伏板方阵的方向前进。
在一些实施例中，所述识别标签包括光伏板区域标签和道路区域标签；
所述图像识别模块，用于基于所述光伏板区域标签，确定出所述区域图像内光伏板方阵的区域像素点；基于所述道路区域标签，确定出所述区域图像内道路区域的区域像素点。
在一些实施例中，所述方向调整模块，用于
确定所述偏向波动距离范围的波动阈值；
将所述区域图像的横向尺寸的一半与所述波动阈值的差作为所述偏向波动距离范围的最小值；
将所述区域图像的横向尺寸的一半与所述波动阈值的和作为所述偏向波动距离范围的最大值；其中，所述波动阈值大于0且小于所述道路区域的横向尺寸的一半。
在本示例性实施例中，偏向波动距离范围的波动阈值可根据区域图像的横向尺寸大小及需要进行自行设定，本申请可设置为100个像素点。
例如，机器人前向行驶时，diff值在偏向波动距离范围[d1,d2]内波动
（d1参考值：d1=img_w/2-100，d2参考值：d2=img_w/2+100，img_w是摄像头获取图像的宽度）。diff值为清扫机器人在区域图像中的位置像素点到光伏板方阵的区域像素点的距离。
本公开提供一种计算机可读存储介质，其上存储有在光伏板方阵中前向行驶的纠偏程序，该在光伏板方阵中前向行驶的纠偏程序被处理器执行时，实现上述各实施例所述的在光伏板方阵中前向行驶的纠偏方法。
本公开提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的在光伏板方阵中前向行驶的纠偏程序，所述处理器执行所述在光伏板方阵中前向行驶的纠偏程序时，实现上述各实施例所述的在光伏板方阵中前向行驶的纠偏方法。
需要说明的是，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行***、装置或设备（如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***）使用，或结合这些指令执行***、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置），便携式计算机盘盒（磁装置），随机存取存储器（RAM），只读存储器（ROM），可擦除可编辑只读存储器（EPROM或闪速存储器），光纤装置，以及便携式光盘只读存储器（CDROM）。另外，计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序，然后将其存储在计算机存储器中。
应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
在本公开的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本公开和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本公开的限制。
此外，本公开实施例中所使用的“第一”、“第二”等术语，仅用于描述目的，而不可以理解为指示或者暗示相对重要性，或者隐含指明本实施例中所指示的技术特征数量。由此，本公开实施例中限定有“第一”、“第二”等术语的特征，可以明确或者隐含地表示该实施例中包括至少一个该特征。在本公开的描述中，词语“多个”的含义是至少两个或者两个及以上，例如两个、三个、四个等，除非实施例中另有明确具体的限定。
在本公开中，除非实施例中另有明确的相关规定或者限定，否则实施例中出现的术语“安装”、“相连”、“连接”和“固定”等应做广义理解，例如，连接可以是固定连接，也可以是可拆卸连接，或成一体，可以理解的，也可以是机械连接、电连接等；当然，还可以是直接相连，或者通过中间媒介进行间接连接，或者可以是两个元件内部的连通，或者两个元件的相互作用关系。对于本领域的普通技术人员而言，能够根据具体的实施情况理解上述术语在本公开中的具体含义。
在本公开中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
尽管上面已经示出和描述了本公开的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本公开的限制，本领域的普通技术人员在本公开的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种在光伏板方阵中前向行驶的纠偏方法，其特征在于，包括：
获取清扫机器人前向行驶时前进区域的区域图像；
基于图像处理模型内包含的识别标签，对所述区域图像进行图像识别，确定出所述区域图像内光伏板方阵的区域像素点及道路区域的区域像素点；
基于所述道路区域的区域像素点的中间像素点到所述光伏板方阵的区域像素点的距离，调整所述清扫机器人的前进方向。
2.根据权利要求1所述的在光伏板方阵中前向行驶的纠偏方法，其特征在于，所述获取清扫机器人前向行驶时前进区域的区域图像前，所述方法包括：
获取包含有光伏板方阵的光伏板图像；
对所述光伏板图像中的光伏板及所述光伏板之间的区域进行标签化区分；
基于标签化的所述光伏板图像，对所述图像处理模型进行模型训练，使训练后图像处理模型具有标签识别能力。
3.根据权利要求2所述的在光伏板方阵中前向行驶的纠偏方法，其特征在于，所述对所述光伏板图像中的光伏板及所述光伏板之间的区域进行标签化区分，包括：
将所述光伏板图像中光伏板所在像素区域标记为光伏板区域，及所述光伏板之间的像素区域标记为道路区域；
所述基于标签化的所述光伏板图像，对所述图像处理模型进行模型训练，包括：
基于标记有所述光伏板区域和标记有道路区域的光伏板图像，对所述图像处理模型进行模型训练。
4.根据权利要求1所述的在光伏板方阵中前向行驶的纠偏方法，其特征在于，所述基于所述道路区域的区域像素点的中间像素点到所述光伏板方阵的区域像素点的距离，调整所述清扫机器人的前进方向，包括：
获取所述区域图像的横向尺寸；
基于所述区域图像的横向尺寸，确定所述清扫机器人前进时的偏向波动距离范围；
若所述清扫机器人在所述区域图像中的位置像素点到所述光伏板方阵的区域像素点的距离小于所述偏向波动距离范围中的最小值，则调整所述清扫机器人向背离所述光伏板方阵的方向前进；
若所述清扫机器人在所述区域图像中的位置像素点到所述光伏板方阵的区域像素点的距离大于所述偏向波动距离范围中的最大值，则调整所述清扫机器人向朝向所述光伏板方阵的方向前进。
5.根据权利要求1所述的在光伏板方阵中前向行驶的纠偏方法，其特征在于，所述识别标签包括光伏板区域标签和道路区域标签；
所述基于图像处理模型内包含的识别标签，对所述区域图像进行标签识别，包括：
基于所述光伏板区域标签，确定出所述区域图像内光伏板方阵的区域像素点；
基于所述道路区域标签，确定出所述区域图像内道路区域的区域像素点。
6.根据权利要求4所述的在光伏板方阵中前向行驶的纠偏方法，其特征在于，所述基于所述区域图像的横向尺寸，确定所述清扫机器人前进时的偏向波动距离范围，包括：
确定所述偏向波动距离范围的波动阈值；
将所述区域图像的横向尺寸的一半与所述波动阈值的差作为所述偏向波动距离范围的最小值；
将所述区域图像的横向尺寸的一半与所述波动阈值的和作为所述偏向波动距离范围的最大值；其中，所述波动阈值大于0且小于所述道路区域的横向尺寸的一半。
7.一种在光伏板方阵中前向行驶的纠偏装置，其特征在于，包括：
区域图像获取模块，用于获取清扫机器人前向行驶时前进区域的区域图像；
图像识别模块，用于基于图像处理模型内包含的识别标签，对所述区域图像进行图像识别，确定出所述区域图像内光伏板方阵的区域像素点及道路区域的区域像素点；
方向调整模块，用于基于所述道路区域的区域像素点的中间像素点到所述光伏板方阵的区域像素点的距离，调整所述清扫机器人的前进方向。
8.根据权利要求7所述的在光伏板方阵中前向行驶的纠偏装置，其特征在于，包括：模型训练模块；
所述获取清扫机器人前向行驶时前进区域的区域图像前，所述模型训练模块用于
获取包含有光伏板方阵的光伏板图像；
对所述光伏板图像中的光伏板及所述光伏板之间的区域进行标签化区分；
基于标签化的所述光伏板图像，对所述图像处理模型进行模型训练，使训练后图像处理模型具有标签识别能力。
9.一种计算机可读存储介质，其特征在于，其上存储有在光伏板方阵中前向行驶的纠偏程序，该在光伏板方阵中前向行驶的纠偏程序被处理器执行时，实现权利要求1-6中任一项所述的在光伏板方阵中前向行驶的纠偏方法。
10.一种电子设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的在光伏板方阵中前向行驶的纠偏程序，所述处理器执行所述在光伏板方阵中前向行驶的纠偏程序时，实现权利要求1-6中任一项所述的在光伏板方阵中前向行驶的纠偏方法。
CN202310490546.9A 2023-05-04 2023-05-04 在光伏板方阵中前向行驶的纠偏方法及纠偏装置 Pending CN116189102A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310490546.9A CN116189102A (zh) 2023-05-04 2023-05-04 在光伏板方阵中前向行驶的纠偏方法及纠偏装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310490546.9A CN116189102A (zh) 2023-05-04 2023-05-04 在光伏板方阵中前向行驶的纠偏方法及纠偏装置

Publications (1)

Publication Number Publication Date
CN116189102A true CN116189102A (zh) 2023-05-30

Family

ID=86444677

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310490546.9A Pending CN116189102A (zh) 2023-05-04 2023-05-04 在光伏板方阵中前向行驶的纠偏方法及纠偏装置

Country Status (1)

Country Link
CN (1) CN116189102A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109782772A (zh) * 2019-03-05 2019-05-21 浙江国自机器人技术有限公司 一种导航方法、***及清洗机器人
CN112923928A (zh) * 2021-01-29 2021-06-08 江苏提米智能科技有限公司 一种基于图像识别的光伏板导航方法、装置、电子设备及存储介质
CN114972225A (zh) * 2022-05-16 2022-08-30 上海可明科技有限公司 一种基于深度学习的两阶段光伏板缺陷检测方法
CN115603654A (zh) * 2022-11-02 2023-01-13 深圳市拓野智能股份有限公司（Cn） 一种基于履带机器人的光伏板清洁方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109782772A (zh) * 2019-03-05 2019-05-21 浙江国自机器人技术有限公司 一种导航方法、***及清洗机器人
CN112923928A (zh) * 2021-01-29 2021-06-08 江苏提米智能科技有限公司 一种基于图像识别的光伏板导航方法、装置、电子设备及存储介质
CN114972225A (zh) * 2022-05-16 2022-08-30 上海可明科技有限公司 一种基于深度学习的两阶段光伏板缺陷检测方法
CN115603654A (zh) * 2022-11-02 2023-01-13 深圳市拓野智能股份有限公司（Cn） 一种基于履带机器人的光伏板清洁方法

Similar Documents

Publication Publication Date Title
US10970566B2 (en) Lane line detection method and apparatus
CN109409202B (zh) 基于动态感兴趣区域的鲁棒性车道线检测方法
CN109740469B (zh) 车道线检测方法、装置、计算机设备和存储介质
CN103824066B (zh) 一种基于视频流的车牌识别方法
CN112417926B (zh) 车位识别方法、装置、计算机设备及可读存储介质
CN106650739B (zh) 一种车牌字符切割新方法
CN110246183B (zh) 车轮接地点检测方法、装置及存储介质
CN109190623B (zh) 一种识别投影仪品牌和型号的方法
CN108052904B (zh) 车道线的获取方法及装置
US11532166B2 (en) Obstacle positioning method, device and terminal
US20190163991A1 (en) Method and apparatus for detecting road lane
CN114394088B (zh) 泊车循迹轨迹生成方法、装置、电子设备及存储介质
CN105844625A (zh) 一种融合边缘和区域的活动轮廓图像分割方法
US11080544B1 (en) Method and device for calibrating pitch of camera on vehicle and method and device for continual learning of vanishing point estimation model to be used for calibrating the pitch
CN102750530B (zh) 一种字符识别方法及装置
CN113989604B (zh) 基于端到端深度学习的轮胎dot信息识别方法
JP2007220013A (ja) 車両用白線検出装置
CN105678304A (zh) 一种车标识别方法及装置
EP3631675B1 (en) Advanced driver assistance system and method
CN108256470A (zh) 一种车道偏移判断方法及汽车
CN115240165A (zh) 一种目标检测方法、计算机可读存储介质及驾驶设备
CN106611147A (zh) 车辆追踪方法和装置
CN116189102A (zh) 在光伏板方阵中前向行驶的纠偏方法及纠偏装置
CN112902981B (zh) 机器人导航方法和装置
Diego et al. Vision-based road detection via on-line video registration

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20230530

RJ01 Rejection of invention patent application after publication