[发明专利]一种分割区域的边界融合方法、装置、移动机器人

说明书

本申请公开了分割区域的边界融合方法，包括，将基于第一地图数据进行区域分割所得到的第一边界与基于第二地图数据进行区域分割所得到的第二边界进行匹配，所述第一地图数据与所述第二地图数据之间存在动态更新的差异；对于匹配成功的第一边界和第二边界，根据所述第一边界的第一边界置信度和所述第二边界的第二边界置信度，将所述第一边界的端点与所述第二边界对应端点的位置信息进行融合，得到端点融合后的位置信息，将端点融合后的位置信息所确定的边界，作为融合边界。本申请使得实时动态的区域划分结果具有连续的一致性和稳定性。

技术领域

本发明涉及机器视觉技术领域，特别地，涉及一种分割区域的边界融合方法。

背景技术

当前，针对移动机器人领域的地图划分主要可以分为两种方式，一种方式为基于地图的图形进行划分，另一种方式则是根据局部特征进行划分，所用地图一般为二维地图。其中，基于图形划分的方法一般用于划分二维栅格地图或是二维拓扑地图，针对三维点云构建的地图时，一般需要进行二维的投影，并采用某一个易于分割的平面作为基准。而对于基于特征划分的方法，更多的是通过训练，将单帧数据特征和代表场景结合，或是学习区域切换处的特征，从而区分不同场景区域。

传统的图形分割方法可用于二维地图的区域划分、二维图片的物体分割或三维场景下的物体分割。这些图形分割方法通常是根据单次采样的数据，来对其中的区域或者物体进行划分。作为一个例子，在二维地图的区域划分中，通常采用一张全局的二维栅格地图，在该地图上进行区域划分。

在移动机器人平台中，往往面对的是未知环境，即不具备全局地图；此时，采集到的信息，包括地图、图片，均为动态且实时更新。而对于这种情况，传统的图形分割方法对于动态实时更新的数据每次分割的结果都有较大的差异性，不具备连续状态的一致性，从而使得实时分割的结果随着状态的变化差异较大，这对于移动机器人策略选择产生了比较大的影响。

发明内容

本发明提供了一种分割区域的边界融合方法，以提高基于动态实时更新的数据所分割区域的一致性。

本发明提供的一种分割区域的边界融合方法，该方法包括，

将基于第一地图数据进行区域分割所得到的第一边界与基于第二地图数据进行区域分割所得到的第二边界进行匹配，所述第一地图数据与所述第二地图数据之间存在动态更新的差异；

对于匹配成功的第一边界和第二边界，

根据所述第一边界的第一边界置信度和所述第二边界的第二边界置信度，将所述第一边界的端点与所述第二边界对应端点的位置信息进行融合，得到端点融合后的位置信息，

将端点融合后的位置信息所确定的边界，作为融合边界。

较佳地，所述根据所述第一边界的第一边界置信度和所述第二边界的第二边界置信度，将所述第一边界的端点和所述第二边界对应端点的位置信息进行融合，得到端点融合后的位置信息，包括：

采用所述第一边界置信度和第二边界置信度，分别对第一边界的端点和第二边界对应端点的像素坐标进行加权融合，得到端点融合后的像素坐标；

所述边界置信度为边界上两端点置信度的平均值；其中，端点置信度为：在端点邻域范围内，该端点相邻的连续障碍物像素数量与该端点邻域范围内像素总数量之比值。

较佳地，所述采用所述第一置信度和第二置信度，分别对第一边界的端点和第二边界对应端点的像素坐标进行加权，得到端点融合后的像素坐标，包括：

将第一边界置信度，与，第一边界置信度和第二边界置信度之和的比值，作为第一融合权值，

将第二边界置信度，与，第一边界置信度和第二边界置信度之和的比值，作为第二融合权值，

将第一融合权值与第一边界上的第一端点的像素坐标相乘，得到第一结果，