[发明专利]基于边缘检测算法的室内地图构建的方法、计算机存储介质和终端

权利要求书

1.基于边缘检测算法的室内地图构建的方法，其特征在于，包括以下步骤：

步骤一：通过将室内空间看做二维图像，根据一定的间隔将室内空间划分为固定大小的网格，作为图像的像素点；

步骤二：获取近一段时间内该室内环境下的定位热点信息，将室内空间的定位热点信息转换为室内空间的图像像素值，用于去除随机噪声；

步骤三：使用边缘检测算法，识别室内空间的边缘信息，去除孤立噪声点；

步骤四：确定室内地图，

所述步骤二中，将室内空间的定位热点信息转换为室内空间的图像像素值具体是：获取近一段时间内该室内环境下的定位结果，计算落在每一个网格的定位信息的数量值，并将该数量值转换为图像像素值，

所述图像像素值在[0,255]范围内，计算公式如下：其中，x_max是该段时间内数据的最大值，x_min是该段时间内数据的最小值，X是假设该段时间内数据中的任一值，y是归一化映射后的值。

2.如权利要求1所述的基于边缘检测算法的室内地图构建的方法，其特征在于：所述步骤二中，通过室内定位技术，获取近一段时间内该室内环境下的定位热点信息。

3.如权利要求1所述的基于边缘检测算法的室内地图构建的方法，其特征在于：所述步骤二中，去除随机噪音具体是：使用基于模糊数学的方法自动去除背景噪声的干扰，使用中值滤波和高斯平滑滤波，去除随机噪声。

4.如权利要求3所述的基于边缘检测算法的室内地图构建的方法，其特征在于：所述使用基于模糊数学的方法自动去除背景噪声的干扰具体是：将图像分为背景区域和目标区域，根据模糊数学中的隶属度最大原则自动提取目标区域。

5.如权利要求3所述的基于边缘检测算法的室内地图构建的方法，其特征在于：所述步骤三中，使用边缘检测算法，识别室内空间的边缘信息具体是：利用Canny边缘检测算法进行边缘跟踪，获得连续边缘，梯度幅值图像中像素值大于最佳高阈值的极值点为边缘点，搜索每个边缘点周围八邻域中标记为极值点的像素点，把像素值大于低阈值的点标记为边缘点，最后，对每一个边缘点取一个以该边缘点为中心的3×3区域，求出这个区域中边缘点总个数m，若m＝1，则该边缘点为孤立噪声点被去除，得到最终的边缘图像，以获得边缘位置，确定室内地图。

6.如权利要求5所述的基于边缘检测算法的室内地图构建的方法，其特征在于：所述最佳高阈值的获取方法是：基于最大熵的自动阈值选取，首先对上述滤波后的每个像素点求宽度方向和高度方向的梯度，得到梯度幅值图像，利用非极大值抑制方法，对梯度图像中的网格进行标注后的图像，根据梯度幅值图像和标注后的图像计算最大熵，得到最佳阈值。

7.如权利要求1所述的基于边缘检测算法的室内地图构建的方法，其特征在于：所述步骤一之前，先执行定位结果保存步骤：采集数据，使用室内定位算法对代表新的定位热点信息的未知标签进行定位，将定位结果保存到MySQL数据库，对定位热点信息进行更新。

8.如权利要求7所述的基于边缘检测算法的室内地图构建的方法，其特征在于：执行所述定位结果保存步骤之前，先根据环境特点确定室内定位部署方案，使用通信模块部署室内定位环境。

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，所述计算机程序被执行时实现如权利要求1至8中任一项所述的基于边缘检测算法的室内地图构建的方法。

10.一种终端，包括处理器和存储器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现如权利要求1至8中任一所述的基于边缘检测算法的室内地图构建的方法。