阅读说明：本技术 基于视觉识别的室内地图基础数据生成方法 (Indoor map basic data generation method based on visual identification ) 是由 邵勤 孔维君 于 2019-10-11 设计创作，主要内容包括：基于视觉识别的室内地图基础数据生成方法,包括如下步骤：管理员通过管理端上传室内地图至服务器,并对室内地图进行数据归一化处理；AI服务器调用AI识别算法识别上传的室内地图中的道路和室内部件,对识别出的道路进行Mask掩模数据的生成；业务服务器将Mask掩模数据转换为点阵数据并储存；用户终端加载室内地图,加载道路Mask掩模数据,加载点位数据,加载室内部件数据；用户选择导航目的地；用户终端调用服务器中的应用层,应用层根据当前点位数据、目的地点位数据和道路数据通过Floyd路径算法计算最短路径；用户终端根据最短路径生成有向引导线,并将有向引导线与室内地图合并显示,完成室内地图数据的生成。(The indoor map basic data generation method based on visual identification comprises the following steps: the method comprises the following steps that a manager uploads an indoor map to a server through a management end, and data normalization processing is carried out on the indoor map; the AI server calls an AI recognition algorithm to recognize roads and indoor components in the uploaded indoor map, and Mask data is generated on the recognized roads; the business server converts Mask data into dot matrix data and stores the dot matrix data; loading an indoor map, road Mask data, point bit data and indoor component data by the user terminal; the user selects a navigation destination; the user terminal calls an application layer in the server, and the application layer calculates the shortest path through a Floyd path algorithm according to the current point bit data, the destination point bit data and the road data; and the user terminal generates a directional guide line according to the shortest path, and combines and displays the directional guide line and the indoor map to complete the generation of indoor map data.)

基于视觉识别的室内地图基础数据生成方法

技术领域

本发明属于视觉算法领域，具体涉及一种基于视觉识别的室内地图基础数据生成方法。

背景技术

传统工作中需要人工标注的室内地图道路基础点位数据的繁杂工作，传统工作有两种方式标注，第一种方式用户需要上传图片至应用服务，然后开始标注道路数据，人工标注完基础道路数据后，需要将基础数据进行联通，联通的方法是将数据权值进行计算和标注，通过数据权值大小来确定室内主通道，这个过程需要丰富的经验否则将会出现道路通路异常不连接或者穿墙等问题，基础道路标注需要非常细致而密集，如果标注稀疏将出现无法定点导航等问题。第二种方式在导航的点对点上进行人工线路规划，这种方式仅实现了有限的固定导航的路线，不能实现任意两点间的导航，人工工作量随着点对点数量的增加而成倍增加。

发明内容

本专利的目的是提供一种基于视觉识别的室内地图基础数据生成方法，用于室内地图上自动识别道路、室内隔间，并生成路径规划算法所需的基础点位数据，通过最短路径算法将用户点位和目的地点位进行连接并自动生成路线导览合并至原导览图上用于用户路线引导。

基于视觉识别的室内地图基础数据生成方法，包括如下步骤：

步骤1，管理员通过管理端上传室内地图至服务器，并对室内地图进行数据归一化处理；

步骤2，所述服务器包括AI服务器、业务服务器和应用层，AI服务器调用AI识别算法识别上传的室内地图中的道路和室内部件，室内部件包括墙、隔间等，对识别出的道路进行Mask掩模数据的生成，室内部件生成中间部件，在道路掩膜生成过程中形成非通路的闭环区域，这些区域在掩膜中交叉删除，从而让道路掩膜仅包含道路通路精确避开室内部件所在的区域；业务服务器将Mask掩模数据转换为点阵数据并储存；

步骤4，用户终端加载室内地图，加载道路Mask掩模数据，加载点位数据，加载墙、隔间等室内部件数据；

步骤5，用户选择导航目的地；

步骤6，用户终端调用服务器中的应用层，应用层根据当前点位数据、目的地点位数据和道路数据通过Floyd路径算法计算最短路径；

步骤7，用户终端根据最短路径生成有向引导线，并将有向引导线与室内地图合并显示，完成室内地图数据的生成。

进一步地，用户终端和服务器之间的交互采用C/S客户端-服务器架构；架构中服务器后台共用AI服务器和业务服务器，用户终端由Android形成界面显示与用户交互。

进一步地，服务器与作为用户终端的Android端通讯协议选用物联网IoT轻量级协议MQTT。

进一步地，管理端采用B/S浏览器-服务器架构，架构中服务器后台共用AI服务器和业务服务器，管理端通过浏览器提供界面并实现操作。

进一步地，管理端使用Http和Https协议提供基于Web浏览器的管理操作界面。

进一步地，步骤2中，AI服务器返回识别道路的Mask掩模数据格式为Json，协议为http。

进一步地，所述AI识别算法架构于AI服务器，对于地图中物件进行AI识别，业务云服务器中架构OpenCV，进行AI识别算法后的数据提取，Floyd路径算法架构于应用层，进行基于识别出的道路数据的路径规划。

进一步地，AI服务器选用Nvidia GPU GTX1060、算力6.0以上计算板，AI服务器中，对AI识别算法进行训练以保证其识别效果。

进一步地，所述AI识别算法选用两种VGG16和Unet；VGG16用于对图像中的物件进行分类，分类标准为二分类，即道路和室内部件，根据训练集中的道路和室内部件训练出分拣成功率大于95%的二分类分拣器；Unet用于对道路进行Mask掩模数据的生成。

本发明达到的有益效果为：本发明解决了传统室内地图路线生成系统中需要大量人工参与手动标注路径关键点的问题，让路径数据生成过程全自动化，用户只需要上传室内地图即可生成基础路径点位数据，路径算法根据基础数据即可导航任意两点间任意双向的引导路径，使用便利。用户仅需上传一张室内地图，系统自动计算出道路通路掩膜并生成导航用基础数据，用户不需要再投入人工标注细致的道路点位，也不需要人工规划导航线路，用户只要在地图上选择两点系统将自动计算通路路径并视线自动导航规划。极大的解放了人工标注的工作量，实现了室内导航数据生成的一键全自动。

附图说明

图1为本发明实施例中的硬件系统结构示意图。

图2为本发明实施例中的管理端的流程示意图。

图3为本发明实施例中的用户终端的交互流程示意图。

图4为本发明实施例中的本数据生成方法的可视化过程示意图。

具体实施方式

下面结合说明书附图对本发明的技术方案做进一步的详细说明。

基于视觉识别的室内地图基础数据生成方法，包括如下步骤：

步骤1，管理员通过管理端上传室内地图至服务器，并对室内地图进行数据归一化处理。

步骤2，所述服务器包括AI服务器、业务服务器和应用层，AI服务器调用AI识别算法识别上传的室内地图中的道路和室内部件，室内部件包括墙、隔间等，对识别出的道路进行Mask掩模数据的生成，室内部件生成中间部件，在道路掩膜生成过程中形成非通路的闭环区域，这些区域在掩膜中交叉删除，从而让道路掩膜仅包含道路通路精确避开室内部件所在的区域；AI服务器返回识别道路的Mask掩模数据格式为Json，协议为http；业务服务器将Mask掩模数据转换为点阵数据并储存。

步骤4，用户终端加载室内地图，加载道路Mask掩模数据，加载点位数据，加载墙、隔间等室内部件数据。

步骤5，用户选择导航目的地。

步骤6，用户终端调用服务器中的应用层，应用层根据当前点位数据、目的地点位数据和道路数据通过Floyd路径算法计算最短路径。

步骤7，用户终端根据最短路径生成有向引导线，并将有向引导线与室内地图合并显示，完成室内地图数据的生成。

参照图1，本发明硬件上采用服务器、防火墙、云服务、用户终端和管理端。管理端和用户终端均通过云服务与服务器连接。服务器中包括AI服务器、业务服务器和应用层，AI服务器和业务服务器之间连接，业务服务器再和应用层连接，在应用层和云服务之间设置防火墙。

用户终端和服务器之间的交互采用C/S客户端-服务器架构；架构中服务器后台共用AI服务器和业务服务器，用户终端由Android形成界面显示与用户交互。服务器与作为用户终端的Android端通讯协议选用物联网IoT轻量级协议MQTT。

管理端采用B/S浏览器-服务器架构，架构中服务器后台共用AI服务器和业务服务器，管理端通过浏览器提供界面并实现操作。管理端使用Http和Https协议提供基于Web浏览器的管理操作界面。

AI识别算法架构于AI服务器，对于地图中物件进行AI识别，业务云服务器中架构OpenCV，进行AI识别算法后的数据提取，Floyd路径算法架构于应用层，进行基于识别出的道路数据的路径规划。

AI服务器选用Nvidia GPU GTX1060、算力6.0以上计算板，AI服务器中，对AI识别算法进行训练以保证其识别效果。

AI识别算法选用两种VGG16和Unet；VGG16用于对图像中的物件进行分类，分类标准为二分类，即道路和室内部件，根据训练集中的道路和室内部件训练出分拣成功率大于95%的二分类分拣器；Unet用于对道路进行Mask掩模数据的生成。

本发明提出的地图数据生成方法，其可视化过程如图4所示，首先通过AI识别算法处理，再通过OpenCV合成数据并保存，最后通过Floyd路径算法计算最短路径，生成有向引导线并与室内地图合并显示，完成室内地图数据的生成。

以上所述仅为本发明的较佳实施方式，本发明的保护范围并不以上述实施方式为限，但凡本领域普通技术人员根据本发明所揭示内容所作的等效修饰或变化，皆应纳入权利要求书中记载的保护范围内。