一种处理激光图像的方法、装置、电子设备和计算机存储介质与流程

1.本发明涉及激光图像处理技术领域，尤其涉及一种处理激光图像的方法、装置、电子设备和计算机存储介质。


背景技术：

2.机器人应用过程中，不可避免的要将机器人所使用的地图显示给客户；机器人使用的地图，由于要保留很多细节，这些细节用户来观看的话的显得杂乱无章并且手工修图要花费大量时间。


技术实现要素：

3.本发明的目的之一在于，自动处理激光图片。
4.为实现上述目的，本发明提供了一种处理激光图像的方法，包括如下步骤：
5.对图像进行虚化处理并获取待处理目标物体的主要线条或/和轮廓；
6.确定所述待处理目标物体的主要线条或/和轮廓中待修饰对象的目标特征，其中，所述目标特征的数量为一个或多个；
7.获取所述待修饰对象的修饰参数，其中，所述修饰参数包括：每个所述目标特征所对应的待修饰区域的尺寸参数；
8.根据线条的长短设置阈值，对所述主要线条或/和轮廓进一步划分主次，落入所述阈值内线条将会划分到主线条范围内，没落入所述阈值内线条将会划分到次线条范围内；
9.消除虚化并去取掉所述地图中会存在浅灰色部分或/和将离散的黑色墙体去除；
10.基于所述修饰参数确定各个所述目标特征点的待修饰区域，并对所述待处理主线条范围内中每个所述待修饰区域所包含的像素点进行并将主线条加粗，得到激光展示图
11.进一步地，确定所述待处理目标物体待修饰对象的目标特征点包括：
12.对所述待处理人目标物体的目标图像区域进行划分，得到多个划分区域，其中，所述目标图像区域为所述待处理目标物体中所述待修饰对象所在的区域；
13.在所述待处理目标物体中确定每个划分区域所包含的目标特征。
14.优先地，每目标特征对应一个索引序号，所述索引序号用于表征其对应的人脸特征点在所述待处理目标特征中的位置；
15.对所述待处理目标特征中的目标图像区域进行划分，得到多个划分区域包括：
16.按照所述人脸特征点所对应的索引序号对所述目标图像区域进行划分，得到所述多个划分区域。
17.优先地，按照所述目标特征所对应的索引序号对所述目标图像区域进行划分，得到所述多个划分区域包括：
18.在所述人脸特征点所对应的索引序号中确定目标索引序号，其中，所述目标索引序号的数量为多个，且所述目标索引序号用于确定所述多个划分区域；
19.确定每个所述目标索引序号所对应的目标特征；
20.将所述待处理目标特征中，位于所述目标索引序号所对应的人脸特征点预设范围内的区域作为所述目标索引序号所对应的划分区域。
21.优先地，在所述待处理目标特征中确定每个划分区域所包含的目标特征点包括：
22.确定划分区域ai所对应的索引序号，得到目标索引序号序列，其中，i依次取1至i，i为所述多个划分区域的数量；
23.在所述目标特征所对应的各个索引序号中确定与所述目标索引序号序列相同的目标特征作为所述划分区域ai所包含的目标特征点。
24.进一步地，激光图像中的目标物体，由很多黑色像素点构成，通过霍夫变换canny算法或findcontours算法提取激光图像中的直线段或圆弧形状特征；
25.将较长的线段或圆弧(长度大于20个像素)作为主要线条(主要墙体)；遍历所述激光原始激光图像判断，所有相邻或相交的主要线条之间的夹角，如果夹角大于45度并小于135度，则将这两条线段的交点，作为轮廓特征(墙角)。
26.进一步地，由于浅灰色部分的像素值在128～150之间，因此将所有像素值在128～150之间像素，改为背景色127获得。
27.进一步地，然后去除离散点，通过对仅对图像中某一特定范围内的像素值(如黑色部分的像素值0～127)，进行图像膨胀和腐蚀，可去除黑色离散点，分别以第一预设的半径，进行膨胀，再以第二预设的半径进行腐蚀，这样地图中的较小的黑色目标物体或原来越小，而大的连续的目标物体不会改变；通过多次，膨胀，腐蚀再膨胀再腐蚀的迭代过程，直至地图中不存在单各像素的离散点为止。
28.进一步地，还包括：获取原始激光图；将所述原始激光图转化为灰度图：
29.需要进一步地将坐标值按照实际使用比例t填充至灰度图中，在填充时，按照比例t缩放到的坐标位置填充为255，其余位置为0，这样就可以得到实际可用的处理激光图像的方法。
30.进一步地，还包括：通过摄像头采集周边环境信息，形成与原建筑同比例的图片；
31.提取对应所述特征点颜色将所述颜色和所述三维效果点云图进行融合形成具有颜色的所述三维效果点云图。
32.一种图像的处理装置，包括：
33.获取并确定单元，用于获取待处理处理激光图像的方法，并确定所述待处理人目标物体的主要线条或/和轮廓的目标特征点，其中，所述目标特征点的数量为一个或多个；
34.获取单元，用于获取所述待修饰对象的修饰参数，其中，所述修饰参数包括：每个目标特征点所对应的待修饰区域的尺寸参数；
35.线宽加粗处理单元，用于基于所述修饰参数确定各个所述目标特征点的待修饰区域，并对所述待处理人脸图像中每个所述待修饰区域所包含的像素点进行加深，得到所述待处理激光的修饰图像。
36.一种电子设备，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计算机程序，所述处理器执行所述计算机程序时实现上述段落中任一项所述的处理激光图像的方法的步骤。
37.一种具有处理器可执行的非易失的程序代码的计算机可读介质，其特征在于，所述程序代码使所述处理器执行上上述段落中中任一项所述的处理激光图像的方法的步骤。
38.与现有技术相比，本发明具有如下技术效果：
39.本发明通过对图像进行虚化处理并获取待处理目标物体的主要线条或/和轮廓；确定所述待处理目标物体的主要线条或/和轮廓中待修饰对象的目标特征，其中，所述目标特征的数量为一个或多个；获取所述待修饰对象的修饰参数，其中，所述修饰参数包括：每个所述目标特征所对应的待修饰区域的尺寸参数；根据线条的长短设置阈值，对所述主要线条或/和轮廓进一步划分主次，落入所述阈值内线条将会划分到主线条范围内，没落入所述阈值内线条将会划分到次线条范围内；消除虚化并去取掉所述地图中会存在浅灰色部分或/和将离散的黑色墙体去除；基于所述修饰参数确定各个所述目标特征点的待修饰区域，并对所述待处理主线条范围内中每个所述待修饰区域所包含的像素点进行并将主线条加粗，得到激光展示图的方法。实现对激光图像自动美化，并将此地图显示给客户，此美化工具无需人工介入。
附图说明
40.为了更清楚地说明本公开具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本公开的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
41.图1为本发明实施例提供了一种处理激光图像的方法的流程图；
42.图2为本发明实施例提供了一种将原始图片虚化效果图；
43.图3为本发明实施例提供了一种提取出图片中主要目标物体的线条或轮廓的效果图；
44.图4为本发明实施例提供了一种根据线条的长短将线条进行主次区分的效果图；
45.图5为本发明实施例提供了一种并将主线条加粗并恢复至原图的效果图；
46.图6为本发明实施例提供了一种地图中会存在浅灰色部分的效果图；
47.图7为本发明实施例提供了一种离散的黑色墙体去除的效果图；
48.图8为本发明实施例提供了一种服务器的结构示意图。
具体实施方式
49.为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。这里将详细地对示例行实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或者相似的要素。以下示例性实施例中所述描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与所述附图权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
50.在一些实施例中，图1提供了一种处理激光图像的方法的流程图，包括如下步骤：
51.s1、对图像进行虚化处理并获取待处理目标物体的主要线条或/和轮廓；
52.s2、确定所述待处理目标物体的主要线条或/和轮廓中待修饰对象的目标特征，其中，所述目标特征的数量为一个或多个；
53.s3、获取所述待修饰对象的修饰参数，其中，所述修饰参数包括：每个所述目标特
征所对应的待修饰区域的尺寸参数；
54.s4、根据线条的长短设置阈值，对所述主要线条或/和轮廓进一步划分主次，落入所述阈值内线条将会划分到主线条范围内，没落入所述阈值内线条将会划分到次线条范围内；
55.s5、消除虚化并去取掉所述地图中会存在浅灰色部分或/和将离散的黑色墙体去除；
56.s6、基于所述修饰参数确定各个所述目标特征点的待修饰区域，并对所述待处理主线条范围内中每个所述待修饰区域所包含的像素点进行并将主线条加粗，得到激光展示图。
57.在本实施例中，确定所述待处理目标物体待修饰对象的目标特征点包括：
58.对所述待处理人目标物体的目标图像区域进行划分，得到多个划分区域，其中，所述目标图像区域为所述待处理目标物体中所述待修饰对象所在的区域；
59.在所述待处理目标物体中确定每个划分区域所包含的目标特征。
60.在本实施例中，每目标特征对应一个索引序号，所述索引序号用于表征其对应的人脸特征点在所述待处理目标特征中的位置；
61.对所述待处理目标特征中的目标图像区域进行划分，得到多个划分区域包括：
62.按照所述人脸特征点所对应的索引序号对所述目标图像区域进行划分，得到所述多个划分区域。
63.在本实施例中，按照所述目标特征所对应的索引序号对所述目标图像区域进行划分，得到所述多个划分区域包括：
64.在所述人脸特征点所对应的索引序号中确定目标索引序号，其中，所述目标索引序号的数量为多个，且所述目标索引序号用于确定所述多个划分区域；
65.确定每个所述目标索引序号所对应的目标特征；
66.将所述待处理目标特征中，位于所述目标索引序号所对应的人脸特征点预设范围内的区域作为所述目标索引序号所对应的划分区域。
67.在本实施例中，在所述待处理目标特征中确定每个划分区域所包含的目标特征点包括：
68.确定划分区域ai所对应的索引序号，得到目标索引序号序列，其中，i依次取1至i，i为所述多个划分区域的数量；
69.在所述目标特征所对应的各个索引序号中确定与所述目标索引序号序列相同的目标特征作为所述划分区域ai所包含的目标特征。
70.得到目标特征之后，图2提供了一种将原始图片虚化效果图，计算实际上也就是质心计算公式，计算出的质心为(x0,y0)，对背景图像进行虚化处理，这里我们计算出的质心为(x0,y0)；以(x0,y0)为中心，向外计算可变半径高斯模糊，即距离中心越远的地方高斯半径越大，反之越小，具体可以参考比例系数k；这一步得到的效果是有渐进模糊的背景虚化效果，同时，过渡区域也比较自然，就可以虚化背景图像。
71.基于所述虚化背景图像进一步地需要进一步处理，根据线条的长短，将线条进行主次区分，获得目标物体的主要线条或/和轮廓采用，用canny算法或findcontours算法检测图像中重要的、显著的线条、轮廓等，图3提供了一种提取出图片中主要目标物体的线条
或轮廓的效果图，图中可以看到激光图像的主要激光轮廓，和一些很乱的线条，还需要对图像进一步进行处理。
72.图4提供了一种根据线条的长短将线条进行主次区分的效果图，根据线条的长短设置阈值，对所述主要线条或/和轮廓进一步划分主次，落入所述阈值内线条将会划分到主线条范围内，没落入所述阈值内线条将会划分到次线条范围内，其中，示意性地，主要通过降低的图像的分别来实现上述步骤的，次线条范围内和主线条范围内的线条的分辨率都得到了降低，所述次线条范围内的线条这些细节处的线条再用算法进行提取的话将不会被提取。
73.在本实施例中，激光图像中的目标物体，由很多黑色像素点构成，通过霍夫变换canny算法或findcontours算法提取激光图像中的直线段或圆弧形状特征；
74.将较长的线段或圆弧(长度大于20个像素)作为主要线条(主要墙体)；遍历所述激光原始激光图像判断，所有相邻或相交的主要线条之间的夹角，如果夹角大于45度并小于135度，则将这两条线段的交点，作为轮廓特征(墙角)。
75.在本实施例中，由于浅灰色部分的像素值在128～150之间，因此将所有像素值在128～150之间像素，改为背景色127获得。
76.在本实施例中，然后去除离散点，通过对仅对图像中某一特定范围内的像素值(如黑色部分的像素值0～127)，进行图像膨胀和腐蚀，可去除黑色离散点，分别以某一特定的半径，进行膨胀，再以某一特定的半径进行腐蚀，这样地图中的较小的黑色目标物体或原来越小，而大的连续的目标物体不会改变；通过多次，膨胀，腐蚀再膨胀再腐蚀的迭代过程，直至地图中不存在单各像素的离散点为止。
77.图5提供了一种并将主线条加粗并恢复至原图的效果图，这一去掉虚化恢复的图片，对图4中主线条范围内的线条进行加粗处理，图5可以看出图像中的线条得到了明显的加粗，在激光图像中突显了主线条范围内的线条的线条，但在图中，仍然可以看到需要杂乱的细节之处被加粗了并且由于激光投射，或短时间照射，地图中会存在浅灰色部分，将浅灰色的部分去除，对于向客户展示图片的话，并不具有美观性，需要对激光图片进一步处理。
78.图6提供了一种地图中会存在浅灰色部分的效果图，这一去掉虚化恢复的图片，删掉了地图中会存在浅灰色部分。图7提供了一种离散的黑色墙体去除的效果图，删掉离散的周边黑的部分。
79.在本实施例中，还包括：获取原始激光图，其中获取激光数据的方法有多种，以下提供了三维激光雷达使用的三种情况，具体使用情况如下：如果机器人边扫描边行走，处理图片需要时间，为减少机器人处理图片的时间，需要在机器人移动之前采用人工手动进行采图处理，用户手持三维激光雷达在目标区域中行走，用户带动所述三维激光雷达向目标位置移动，三维激光雷达会实时地对地面进行检测并建图，用户的人数为多个，多个用户在不同的区域进行扫描，直到覆盖所有目标区域为止；或，将三维激光雷达安装在移动机器人上，让机器人自主移动和扫描，这样可以节约用户的工作时间；
80.或，如果机器人边扫描边行走，处理图片需要时间，为减少机器人处理图片的时间，需要在机器人移动之前采用人工手动进行采图处理，这种耗费了人力，如果在目标区域范围内设置多个激光扫描用户在目标区域进行定点设置，提供了一种目标区域设置设备的一种示意图，示意性地上述所述设备在目标区域设置三个站点，在分配方案上为：三个装备
为三角形，优先地三角形夹角为600，所述设备通过无线通讯设备和所述机器人建立联系，三维激光原始数据；
81.将所述原始激光图转化为灰度图：
82.需要进一步地将坐标值按照实际使用比例t填充至灰度图中，在填充时，按照比例t缩放到的坐标位置填充为255，其余位置为0，这样就可以得到实际可用的处理激光图像的方法。
83.在本实施例中，还包括：通过摄像头采集周边环境信息，形成与原建筑同比例的图片；
84.提取对应所述特征点颜色将所述颜色和所述三维效果点云图进行融合形成具有颜色的所述三维效果点云图。
85.一种图像的处理装置，包括：
86.获取并确定单元，用于获取待处理处理激光图像的方法，并确定所述待处理人目标物体的主要线条或/和轮廓的目标特征点，其中，所述目标特征点的数量为一个或多个；
87.获取单元，用于获取所述待修饰对象的修饰参数，其中，所述修饰参数包括：每个目标特征点所对应的待修饰区域的尺寸参数；
88.线宽加粗处理单元，用于基于所述修饰参数确定各个所述目标特征点的待修饰区域，并对所述待处理人脸图像中每个所述待修饰区域所包含的像素点进行加深，得到所述待处理激光的修饰图像。
89.一种电子设备，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计算机程序，所述处理器执行所述计算机程序时实现上述段落中任一项所述的处理激光图像的方法的步骤。
90.一种具有处理器可执行的非易失的程序代码的计算机可读介质，所述程序代码使所述处理器执行上上述段落中中任一项所述的处理激光图像的方法的步骤。
91.图8是本发明提供的一种服务器的结构示意图。如图8所示，该服务器600包括一个或多个处理器61以及存储器62。其中，图3中以一个处理器61为例。
92.处理器61和存储器62可以通过总线或者其他方式连接。存储器62作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本发明实施例中的处理激光图像的方法对应的程序指令/模块。处理器61通过运行存储在存储器62中的非易失性软件程序、指令以及模块，从而执行递送机器人的通知送达装置的各种功能应用以及数据处理，即实现上述方法实施例提供的处理激光图像的方法以及上述装置实施例的各个模块或单元的功能。
93.存储器62可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器62可选包括相对于处理器61远程设置的存储器，这些远程存储器可以通过网络连接至处理器61。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
94.所述程序指令/模块存储在所述存储器62中，当被所述一个或者多个处理器61执行时，执行上述任意方法实施例中的处理激光图像的方法。
95.本发明实施例还提供了一种非易失性计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行，例如图3中的一个处
理器61，可使得上述一个或多个处理器可执行上述任意方法实施例中的处理激光图像的方法。
96.本发明实施例还提供了一种计算机程序产品，所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被电子设备执行时，使所述电子设备执行任一项所述的处理激光图像的方法。
97.以上所描述的装置或设备实施例仅仅是示意性的，其中所述作为分离部件说明的单元模块可以是或者也可以不是物理上分开的，作为模块单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络模块单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
98.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各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述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，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。
99.最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明，它们没有在细节中提供；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。