System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 地图美化方法、存储介质以及电子设备技术_技高网

地图美化方法、存储介质以及电子设备技术

技术编号:40598988 阅读:3 留言:0更新日期:2024-03-12 22:02
本发明专利技术公开了一种地图美化方法、存储介质以及电子设备,地图美化方法包括:获取目标区域的目标地图,并对目标地图进行编码,得到第一特征;利用目标区域的先验信息,对第一特征进行优化处理,得到第二特征;利用预先训练好的生成模型,根据第二特征生成第三特征;对第三特征进行解码,得到美化后的目标地图。由此,通过先验信息对编码后的目标地图进行优化,再通过训练好的生成模型根据优化后的特征进行特征生成,可提高地图美化的效果以及适用性、稳定性。

【技术实现步骤摘要】

本专利技术涉及建图,尤其涉及一种地图美化方法、存储介质以及电子设备


技术介绍

1、随着自动化技术和人工智能技术的不断发展,需要用到建图技术的产品越来越多,如:洗地机、扫地机等清洁设备。这些产品在使用时需要对使用的地区(室内、室外等)进行地图构建,然后基于这个地图进行相应的下游算法构建、用户展示等。但是,在传统技术中,由于清洁设备在建图过程中不可避免地存在传感器误差,使得创建的地图不够美化,存在许多噪声和局部的错误,容易影响下游算法的效果以及用户的使用体验。

2、为此,相关技术中提出基于一些二维图像的简单特征,对地图进行美化规则的编写、滤波等后处理操作对地图进行优化。然而,该技术只能针对少数比较明确、简单的噪声/错误进行优化,且这些基于规则的算法一般只适用于少部分简单的场景,一旦场景变得复杂,不但特征难以提取、规则难以编写,而且效果更难以保证。


技术实现思路

1、本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此,本专利技术的目的在于提出一种地图美化方法、存储介质以及电子设备,以实现提高地图美化的效果以及适用性、稳定性。

2、为达到上述目的,本专利技术第一方面实施例提出一种地图美化方法,包括:获取目标区域的目标地图,并对目标地图进行编码,得到第一特征;利用目标区域的先验信息,对第一特征进行优化处理,得到第二特征;利用预先训练好的生成模型,根据第二特征生成第三特征;对第三特征进行解码,得到美化后的目标地图。

3、根据本专利技术实施例的地图美化方法,首先获取目标区域的目标地图,并对所述目标地图进行编码,得到第一特征;然后利用所述目标区域的先验信息,对所述第一特征进行优化处理,得到第二特征;接着利用预先训练好的生成模型,根据所述第二特征生成第三特征;最后对所述第三特征进行解码,得到美化后的目标地图。由此,可提高地图美化的效果以及适用性、稳定性。

4、另外,本专利技术实施例的地图美化方法还可以具有如下附加的技术特征:

5、根据本专利技术的一个实施例,所述目标区域的先验信息包括所述目标区域的先验类别,所述利用所述目标区域的先验信息,对所述第一特征进行优化处理,得到第二特征,包括:根据所述先验类别生成类别向量,其中,所述类别向量的维数与所述先验类别的个数相同;对所述类别向量进行特征提取,得到第四特征;将所述第四特征与所述第一特征进行融合处理,得到所述第二特征。

6、根据本专利技术的一个实施例,所述将所述第四特征与所述第一特征进行融合处理,包括:将所述第四特征与所述第一特征进行点乘、相加或者拼接处理。

7、根据本专利技术的一个实施例,所述先验类别包括所述目标区域所处场景的场景类别、所述目标区域中的障碍物情况,其中,所述场景类别包括室内场景、室外场景、大型场景,所述障碍物情况包括障碍物多少情况。

8、根据本专利技术的一个实施例,所述第一特征是利用预先训练好的图像编码器对所述地图进行编码得到的,所述美化后的目标地图是利用预先训练好的图像解码器对所述第三特征进行解码得到;其中,所述图像编码器和所述图像解码器是通过预设的训练数据集联合训练得到的。

9、根据本专利技术的一个实施例,所述预设的训练数据集包括多个地图样本和各所述地图样本的标注信息,所述标注信息是通过如下方式得到的:对所述地图样本进行聚类处理,并基于聚类结果对所述地图样本进行杂点过滤,以及对过滤后的地图样本中的目标物体进行人工语义标注;和/或对所述地图样本进行三维语义重建,得到语义重建信息,并从所述语义重建信息中筛选出目标物体语义。

10、根据本专利技术的一个实施例,所述图像编码器采用深度残差网络resnet模型、视觉转换vit模型或对比语言图像预训练clip模型,所述生成模型采用扩散diffusion模型、变分自编码器vae模型或对抗生成网络gan模型,所述图像解码器采用u-net网络模型。

11、根据本专利技术的一个实施例,所述目标地图是对所述目标区域进行建图得到的鸟瞰图,所述鸟瞰图包括所述目标区域的轮廓,以及所述目标区域中的障碍物边界、感兴趣物体语义。

12、为达到上述目的,本专利技术第二方面实施例提出了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现上述第一方面实施例所述的地图美化方法。

13、本专利技术实施例的计算机可读存储介质,在其上存储的与上述地图美化方法对应的计算机程序被处理器执行时,可实现对目标地图的美化,且美化效果好,并适用性、稳定性好。

14、为达到上述目的,本专利技术第三方面实施例提出了一种电子设备,包括存储器、处理器和存储在所述存储器上的计算机程序,所述计算机程序被所述处理器执行时,实现上述第一方面实施例所述的地图美化方法。

15、本专利技术实施例的电子设备,在其存储器上存储的与上述地图美化方法对应的计算机程序被处理器执行时,可实现对目标地图的美化,且美化效果好,并适用性、稳定性好。

16、本专利技术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,或通过本专利技术的实践了解到。

本文档来自技高网...

【技术保护点】

1.一种地图美化方法,其特征在于,包括:

2.根据权利要求1所述的地图美化方法,其特征在于,所述目标区域的先验信息包括所述目标区域的先验类别,所述利用所述目标区域的先验信息,对所述第一特征进行优化处理,得到第二特征,包括:

3.根据权利要求2所述的地图美化方法,其特征在于,所述将所述第四特征与所述第一特征进行融合处理,包括:

4.根据权利要求2或3所述的地图美化方法,其特征在于,所述先验类别包括所述目标区域所处场景的场景类别、所述目标区域中的障碍物情况,其中,所述场景类别包括室内场景、室外场景、大型场景,所述障碍物情况包括障碍物多少情况。

5.根据权利要求1所述的地图美化方法,其特征在于,所述第一特征是利用预先训练好的图像编码器对所述地图进行编码得到的,所述美化后的目标地图是利用预先训练好的图像解码器对所述第三特征进行解码得到;

6.根据权利要求5所述的地图美化方法,其特征在于,所述预设的训练数据集包括多个地图样本和各所述地图样本的标注信息,所述标注信息是通过如下方式得到的:

7.根据权利要求5所述的地图美化方法,其特征在于,所述图像编码器采用深度残差网络ResNet模型、视觉转换ViT模型或对比语言图像预训练CLIP模型,所述生成模型采用扩散diffusion模型、变分自编码器VAE模型或对抗生成网络GAN模型,所述图像解码器采用U-net网络模型。

8.根据权利要求1所述的地图美化方法,其特征在于,所述目标地图是对所述目标区域进行建图得到的鸟瞰图,所述鸟瞰图包括所述目标区域的轮廓,以及所述目标区域中的障碍物边界、感兴趣物体语义。

9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现根据权利要求1-8中任一项所述的地图美化方法。

10.一种电子设备,包括存储器、处理器和存储在所述存储器上的计算机程序,其特征在于,所述计算机程序被所述处理器执行时,实现根据权利要求1-8中任一项所述的地图美化方法。

...

【技术特征摘要】

1.一种地图美化方法,其特征在于,包括:

2.根据权利要求1所述的地图美化方法,其特征在于,所述目标区域的先验信息包括所述目标区域的先验类别,所述利用所述目标区域的先验信息,对所述第一特征进行优化处理,得到第二特征,包括:

3.根据权利要求2所述的地图美化方法,其特征在于,所述将所述第四特征与所述第一特征进行融合处理,包括:

4.根据权利要求2或3所述的地图美化方法,其特征在于,所述先验类别包括所述目标区域所处场景的场景类别、所述目标区域中的障碍物情况,其中,所述场景类别包括室内场景、室外场景、大型场景,所述障碍物情况包括障碍物多少情况。

5.根据权利要求1所述的地图美化方法,其特征在于,所述第一特征是利用预先训练好的图像编码器对所述地图进行编码得到的,所述美化后的目标地图是利用预先训练好的图像解码器对所述第三特征进行解码得到;

6.根据权利要求5所述的地图美化方法,其特征在于,所述预设的训练数据集包括多个地图样本和...

【专利技术属性】
技术研发人员:赖嘉骏程大龙吴嘉嘉胡金水刘聪
申请(专利权)人:科大讯飞股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1