用于矿山无人驾驶矿车协同控制的路况数据压缩方法技术

本发明专利技术涉及图像通信技术领域，具体涉及用于矿山无人驾驶矿车协同控制的路况数据压缩方法，包括：采集路况图像，构建缓冲地图，根据缓冲地图获取字典区，在字典区中利用不同的匹配顺序匹配待编码像素串，获取编码对象，利用字典区中的匹配结果、编码对象以及匹配顺序对编码对象进行编码，得到编码结果，根据已编码的像素点，对字典区进行更新。将所有编码对象的编码结果构成压缩数据，实现路况数据的压缩。本发明专利技术对路况图像平坦的非纹理区域进行压缩的同时确保纹理区域也尽可能压缩，压缩率高。高。高。

【技术实现步骤摘要】
用于矿山无人驾驶矿车协同控制的路况数据压缩方法


[0001]本专利技术涉及图像通信
，具体涉及用于矿山无人驾驶矿车协同控制的路况数据压缩方法。

技术介绍

[0002]各类矿产是国民经济发展的命脉之一，矿山智能化是采矿行业的一个发展方向。无人驾驶矿车为矿山智能化的基础，可提高采矿效率的同时减少矿区工作人员的安全隐患。
[0003]单辆无人驾驶矿车的感知距离为200米左右，且被动受周围车辆运动影响。而多辆无人驾驶矿车协同控制可大幅度提升无人驾驶矿车的感知距离，使得多辆无人驾驶矿车配合工作，提高工作效率。
[0004]在多辆无人驾驶矿车协同控制中，无人驾驶矿车需将采集的路况数据发送至云端，云端根据所有无人驾驶矿车的路况数据进行路况的全体系监控，并控制无人驾驶矿车运行。无人驾驶矿车采集的路况数据的数据量非常大，为协同控制的实时性，需对路况数据进行压缩传输，以提高路况数据的传输效率。
[0005]现有数据压缩算法如LZ77压缩算法为一维的压缩算法，对于路况图像数据，LZ77压缩算法会将图像中像素点展开成一维的序列进行压缩，但路况图像中包含了纹理规律，纹理可能在各个方向具有相似性，将路况图像展开成一维的序列则会破坏纹理规律，从而使得压缩率较低。

技术实现思路

[0006]本专利技术提供用于矿山无人驾驶矿车协同控制的路况数据压缩方法，以解决现有的问题。
[0007]本专利技术的用于矿山无人驾驶矿车协同控制的路况数据压缩方法采用如下技术方案：
[0008]本专利技术一个实施例提供了用于矿山无人驾驶矿车协同控制的路况数据压缩方法，该方法包括以下步骤：
[0009]S1：采集路况图像；构建缓冲地图；将路况图像的缓冲地图拼接在路况图像上方；将路况图像中第一个像素点作为待编码像素串，将缓冲地图前预设列数个列作为字典区；
[0010]S2：将待编码像素串在路况图像中的下一个像素点作为后缀，若不存在后缀时，执行S5，若存在后缀时，执行S3；
[0011]S3：将后缀拼接在待编码像素串末尾，得到中间序列，对中间序列进行匹配操作；
[0012]S4：当中间序列在字典区存在匹配结果时，将中间序列作为新的待编码像素串，重复S2、S3，直到得到的中间序列在字典区中不存在匹配结果时停止迭代，执行S5；当中间序列在字典区不存在匹配结果时，执行S5；
[0013]S5：将待编码像素串作为编码对象，对编码对象进行编码，得到编码结果；
[0014]S6：获取新的待编码像素串，若存在新的待编码像素串时，对字典区进行更新；
[0015]S7：当得到新的待编码像素串时，重复S2至S6，直到不存在新的待编码像素串时停止迭代；将所有编码对象的编码结果构成的序列作为压缩数据；
[0016]S8：将压缩数据传输至云端，云端对压缩数据进行解压，得到路况图像，根据路况图像控制无人驾驶矿车运行。
[0017]优选的，所述构建缓冲地图，包括的具体步骤如下：
[0018]将路况图像的上一帧路况图像中后m个行像素点构成的区域作为缓冲地图，其中m为预设行数。
[0019]优选的，所述对中间序列进行匹配操作，包括的具体步骤如下：
[0020]将中间序列中第一个像素点的灰度值作为起始元素，获取字典区中与起始元素相同的元素的位置，作为起始位置，分别以每个起始位置为开始，利用每个匹配顺序在字典区中对中间序列进行匹配。
[0021]优选的，所述匹配顺序的获取方法为：
[0022]将蛇形扫描、回形扫描、Hilbert扫描、扫描方向、扫描方向、扫描方向、扫描方向、扫描方向、扫描方向、扫描方向、扫描方向分别作为一个匹配顺序，将每个匹配顺序依次编号为1、2、3、
…
、11。
[0023]优选的，所述对编码对象进行编码，得到编码结果，包括的具体步骤如下：
[0024]若编码对象的长度小于等于2，则将编码对象中每个像素点的灰度值作为编码对象的编码结果；若编码对象的长度大于2时，获取编码对象在字典区中的匹配结果，将匹配结果中第一个像素点在字典区中的序号a、编码对象的长度b、匹配顺序的编号c构成编码对象的编码结果(a,b,c)。
[0025]优选的，所述获取新的待编码像素串，包括的具体步骤如下：
[0026]将编码对象中最后一个像素点在路况图像中下一个像素点作为新的待编码像素串，当编码对象中最后一个像素点在路况图像中不存在下一个像素点时，不存在新的待编码像素串。
[0027]优选的，所述对字典区进行更新，包括的具体步骤如下：
[0028]将编码对象添加到字典区中；
[0029]若字典区的形状为标准矩形，当字典区的行数大于m时，将字典区中距离新的待编码像素串最远的多个行从字典区中剔除，使得字典区的行数为m；当字典区的列数大于n时，将字典区中距离新的待编码像素串最远多个列从字典区中剔除，使得字典区的列数为n；
[0030]若字典区的形状不为标准矩阵，当字典区的列数大于n时，若字典区在新的待编码像素串的右侧，将编码对象中最后一个像素点作为窗口左下角第一个元素，构建大小的窗口，将窗口在缓冲地图与路况图像拼接的图像中覆盖的区域作为新的字典区；若字典区在新的待编码像素串的左侧，将编码对象中最后一个像素点作为窗口右下角第一个元素，构建大小的窗口，将窗口在缓冲地图与路况图像拼接的图像中覆盖的区域作为新的字典区；
[0031]若字典区的形状不为标准矩阵，当字典区的列数等于n，且行数大于m+1时，将字典区中距离新的待编码像素串最远的多个行从字典区中剔除，使得字典区的行数为m+1；
[0032]其中m为预设行数，n为预设列数。
[0033]本专利技术的技术方案的有益效果是：现有的LZ77压缩算法不能对较为靠前的数据实现压缩，本专利技术利用前一帧的路况图像中部分内容作为后一帧路况图像的缓冲地图，根据缓冲地图获取字典区，使得路况图像中较为靠前的像素点也能实现压缩，相较于现有的LZ77压缩算法提高了压缩效率；LZ77压缩算法为一维的压缩算法，若使用LZ77压缩算法对图像进行编码，则会将图像中像素点展开成一维的序列，破坏了图像的纹理规律，从而使得压缩率较低，本专利技术结合缓冲地图以及路况图像中已编码的像素点构建二维的字典区，利用不同的匹配顺序在二维的字典区中对待编码像素串进行匹配，使得路况图像中平坦区域压缩的同时确保了纹理区域也尽可能压缩，相较于传统的LZ77压缩算法，极大的提高了压缩效率。
附图说明
[0034]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本专利技术的一些实施例，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。
[0035]图1为本专利技术的用于矿山无人驾驶矿车协同控制的路况数据压缩方法的步骤流程图；
[0036]图2缓冲地图与路况图像的拼接示意图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.用于矿山无人驾驶矿车协同控制的路况数据压缩方法，其特征在于，该方法包括以下步骤：S1：采集路况图像；构建缓冲地图；将路况图像的缓冲地图拼接在路况图像上方；将路况图像中第一个像素点作为待编码像素串，将缓冲地图前预设列数个列作为字典区；S2：将待编码像素串在路况图像中的下一个像素点作为后缀，若不存在后缀时，执行S5，若存在后缀时，执行S3；S3：将后缀拼接在待编码像素串末尾，得到中间序列，对中间序列进行匹配操作；S4：当中间序列在字典区存在匹配结果时，将中间序列作为新的待编码像素串，重复S2、S3，直到得到的中间序列在字典区中不存在匹配结果时停止迭代，执行S5；当中间序列在字典区不存在匹配结果时，执行S5；S5：将待编码像素串作为编码对象，对编码对象进行编码，得到编码结果；S6：获取新的待编码像素串，若存在新的待编码像素串时，对字典区进行更新；S7：当得到新的待编码像素串时，重复S2至S6，直到不存在新的待编码像素串时停止迭代；将所有编码对象的编码结果构成的序列作为压缩数据；S8：将压缩数据传输至云端，云端对压缩数据进行解压，得到路况图像，根据路况图像控制无人驾驶矿车运行；所述构建缓冲地图，包括的具体步骤如下：将路况图像的上一帧路况图像中后m个行像素点构成的区域作为缓冲地图，其中m为预设行数。2.根据权利要求1所述的用于矿山无人驾驶矿车协同控制的路况数据压缩方法，其特征在于，所述对中间序列进行匹配操作，包括的具体步骤如下：将中间序列中第一个像素点的灰度值作为起始元素，获取字典区中与起始元素相同的元素的位置，作为起始位置，分别以每个起始位置为开始，利用每个匹配顺序在字典区中对中间序列进行匹配。3.根据权利要求2所述的用于矿山无人驾驶矿车协同控制的路况数据压缩方法，其特征在于，所述匹配顺序的获取方法为：将蛇形扫描、回形扫描、Hilbert扫描、扫描方向、扫描方向、扫描方向、扫描方向、扫描方向、扫描方向、扫描方向、扫描方向分别作为一个匹配顺序，将每个匹配顺序依次编号为1、2、3、<...

【专利技术属性】
技术研发人员：杨扬，胡心怡，
申请(专利权)人：上海伯镭智能科技有限公司，
类型：发明
国别省市：