一种标签识别的方法、装置、电子设备、存储介质及标签与流程

1.本发明实施例涉及计算机技术，尤其涉及一种标签识别的方法、装置、电子设备、存储介质及标签。


背景技术：

2.标签可以用来对机器人进行定位，标签由若干标签点组成，标签点由反光材料制成。不同标签的标签点排列方式不同，标签点的排列方式形成了标签的唯一标识符。标签通常被预先水平部署在工作环境的天花板上，来指导机器人等装置进行定位。
3.在基于标签进行定位时，可以通过反光现象提取到标签点的光斑，由于光照条件等的变化，标签点的光斑并不能在成像区域很好地反映出来，如果在标签附近存在噪点，则光斑提取的准确性将下降，进而降低标签识别的精度。


技术实现要素：

4.本发明实施例提供一种标签识别的方法、装置、电子设备、存储介质及标签，以提高标签识别的精度。
5.第一方面，本发明实施例提供了一种标签识别的方法，标签由具有红外反光特性的标签点包围框和至少一个具有红外反光特性的标签点组成，所述标签点包围框是围绕所有标签点的多边形，所述标签点包围框是一边开口的半封闭框，该方法包括：获取标签图像，从所述标签图像中识别标签点包围框；在所述标签点包围框的范围内识别所述标签点，确定所述标签点的排列方式；根据所述标签点的排列方式以及预设的排列方式与标签位置信息的关联关系，确定所述标签的位置信息。
6.第二方面，本发明实施例还提供了一种标签识别的装置，标签由具有红外反光特性的标签点包围框和至少一个具有红外反光特性的标签点组成，所述标签点包围框是围绕所有标签点的多边形，所述标签点包围框是一边开口的半封闭框，该装置包括：标签点包围框确定模块，用于获取标签图像，从所述标签图像中识别标签点包围框；标签点排列方式确定模块，用于在所述标签点包围框的范围内识别所述标签点，确定所述标签点的排列方式；标签识别模块，用于根据所述标签点的排列方式以及预设的排列方式与标签位置信息的关联关系，确定所述标签的位置信息。
7.第三方面，本发明实施例还提供了一种标签，所述标签由具有红外反光特性的标签点包围框和至少一个标签点组成，所述标签用于机器人在执行本发明任意实施例所述的标签识别的方法时实现机器人的定位。
8.第四方面，本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明任意
实施例所述的标签识别的方法。
9.第五方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本发明任意实施例所述的标签识别的方法。
10.本发明实施例中的标签由标签点包围框和多个标签点组成，标签点包围框是围绕所有标签点的半封闭框。在获取到机器人工作环境的标签图像后，先识别到标签点包围框，在标签点包围框的范围内识别标签点，避免将标签点包围框外的光斑误认为是标签点，提高标签点的识别精度。确定标签点包围框中各个标签点的排列方式，一种排列方式关联对应有一个标签位置，根据标签点排列方式，可以快速对机器人进行定位。解决了现有技术中，将环境光斑识别为标签点的问题，且可以通过预设的关联关系及时进行标签定位，提高标签识别的精度和效率，进而提高机器人的工作精度和效率。
附图说明
11.图1是本发明实施例中的一种标签识别的方法的流程示意图；图2是本发明实施例中的标签示意图；图3是本发明实施例中的一种标签识别的方法的流程示意图；图4是本发明实施例中的一种标签识别的方法的流程示意图；图5是本发明实施例中的一种标签识别的方法的流程示意图；图6是本发明实施例中的一种标签识别的装置的结构框图；图7是本发明实施例中的一种标签识别的设备的结构示意图。
具体实施方式
12.下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
13.图1为本发明实施例所提供的一种标签识别的方法的流程示意图，本实施例可适用于在机器人工作环境中基于标签进行识别的情况，该方法可以由一种标签识别的装置来执行。如图1所示，该方法具体包括如下步骤：步骤110、获取标签图像，从标签图像中识别标签点包围框。
14.其中，可以在机器人工作环境中获取标签图像，机器人的工作环境可以是餐厅或商场等环境，在机器人工作环境中可以预先设置一个或多个标签，用于对机器人进行定位。标签可以由标签点包围框和至少一个标签点组成，标签点包围框是围绕所有标签点的多边形，例如，标签点包围框可以是正方形或长方形等。标签点包围框可以是全封闭框，也可以是半封闭框，本实施例中，标签点包围框是一边开口的半封闭框。标签可以是由具有红外反光特性的标签点包围框和至少一个具有红外反光特性的标签点组成，工作人员可以将标签点在标签点包围框内进行排列，不同标签的标签点排列方式可以不同。图2为本发明实施例中的标签示意图。图2中标签点包围框为一边开口的正方形，标签点包围框内存在八个标签点，标签中标签点的数量和排列方式为工作人员预先确定。
15.机器人在工作环境中移动时，可以实时或定时地获取工作环境的图像，图像中可
以存在预先设置在工作环境中的标签，因此，可以获取含有标签的标签图像。
16.本实施例中，可选的，获取标签图像，包括：通过安装于机器人身上的图像采集设备，在机器人工作环境内采集标签图像。
17.具体的，机器人身上可以安装有图像采集设备，例如，标签由红外反光材料制成，则图像采集设备可以是红外摄像头。标签可以由工作人员预先粘贴在工作环境的天花板上，图像采集设备可以安装于机器人的顶部。机器人在移动时，可以通过机器人顶部的图像采集设备采集到天花板的图像，从而得到标签图像。
18.标签还可以贴在窗上或墙壁上等位置，图像采集设备安装在机器人身上可以拍摄到标签的部位。在设置好标签后，工作人员可以推动机器人在预设的工作环境内行走，机器人在移动的过程中，机器人身上安装的图像采集设备可以实时采集环境中的图像，图像采集设备所采集到的图像就是预设环境中的标签图像。可以预先设置图像采集设备的采集范围，例如，预设采集范围可以是以机器人为中心，以预设距离为半径的范围。
19.这样设置的有益效果在于，可以通过机器人主动获取标签图像，便于在机器人工作过程中随时对机器人进行定位，减少工作人员的定位操作，提高标签识别效率和机器人的工作效率。
20.在得到标签图像后，从标签图像中识别出标签点包围框。标签点包围框可以是采用反光材料制成，例如，可以是红外反光材料。根据反光现象，可以识别到标签点包围框。
21.步骤120、在标签点包围框的范围内识别标签点，确定标签点的排列方式。
22.其中，在确定标签图像中的标签点包围框后，根据预设的标签点形状，在标签点包围框的范围内识别出多个标签点，确定多个标签点的排列方式。标签点可以是圆形的反光材料，则可以识别到标签点包围框内的圆形光斑，确定圆形光斑的排列方式，即为标签点的排列方式。例如，识别到一个标签的标签点包围框内的光斑排列为“z”字形，则可以确定该标签的标签点排列方式为排列成“z”字形。每个标签对应有唯一的标签点排列方式，根据标签点排列方式，可以确定该排列方式所对应的标签编码和标签位置等标签信息。
23.步骤130、根据标签点的排列方式以及预设的排列方式与标签位置信息的关联关系，确定标签的位置信息。
24.其中，每一个标签对应有唯一的标签点排列方式和唯一的标签位置信息，标签点排列方式和标签位置信息一一对应。标签位置信息可以是标签在机器人工作环境中粘贴的位置坐标。预先设置标签点排列方式和标签位置信息的对应关系，可以将标签点排列方式的图形与标签位置信息进行关联存储。在确定标签点排列方式后，可以根据预设的关联关系，查找对应的标签位置信息，从而实现标签的定位。
25.标签点的排列方式和标签位置信息的关联关系是工作人员在粘贴标签之前或粘贴标签时确定的，工作人员需要按照预设的标签位置信息对标签进行粘贴，便于机器人在识别到标签点排列方式后，可以及时确定标签位置信息，从而根据标签位置信息实现机器人基于标签的定位。例如，预先存储“z”字形对应的标签位置信息是餐厅门口处的位置坐标，“l”字形对应的标签位置信息是一号桌左侧的位置坐标，若识别到标签点排列方式为“l”字形，则可以根据标签位置信息确定机器人当前处于一号桌左侧的位置处，完成基于标签的定位。
26.本实施例的技术方案，标签由标签点包围框和多个标签点组成，标签点包围框是
围绕所有标签点的半封闭框。在获取到机器人工作环境的标签图像后，先识别到标签点包围框，在标签点包围框的范围内识别标签点，避免将标签点包围框外的光斑误认为是标签点，提高标签点的识别精度。确定标签点包围框中各个标签点的排列方式，一种排列方式关联对应有一个标签位置，根据标签点排列方式，可以快速对机器人进行定位。解决了现有技术中，将环境光斑识别为标签点的问题，且可以通过预设的关联关系及时进行标签定位，提高标签识别的精度和效率，进而提高机器人的工作精度和效率。
27.图3为本发明实施例所提供的一种标签识别的方法的流程示意图，本实施例为在上述实施例基础上的可选实施例，该方法可以由一种标签识别装置来执行。
28.本实施例中，从标签图像中识别标签点包围框，可细化为：根据预设的包围框识别算法，从标签图像中识别预设的标签点包围框形状的线条，得到标签图像中的标签点包围框。
29.如图3所示，该方法具体包括如下步骤：步骤310、获取标签图像。
30.步骤320、根据预设的包围框识别算法，从标签图像中识别预设的标签点包围框形状的线条，得到标签图像中的标签点包围框。
31.其中，预先设置图像识别算法作为包围框识别算法，根据包围框识别算法，从标签图像中识别标签点包围框。预先设置标签点包围框的形状，从标签图像中识别预设的标签点包围框形状的线条，作为标签点包围框。例如，标签点包围框为五边形，对标签图像进行特征提取，识别出五边形的图案，将识别出的五边形确定为标签点包围框。或者，标签点包围框为圆形，标签点也是圆形，在识别出多个圆形后，比较各个圆形的大小，将最大的圆形作为标签点包围框。
32.包围框识别算法可以包括图像滤波算法、边缘检测算法和特征检测算法等。本实施例中，在确定标签图像中的标签点包围框时，可以根据预设的图像滤波算法对标签图像进行滤波，得到灰度化图像。再采用边缘检测算法对灰度化图像进行边缘提取，得到中间图像。再采用特征检测算法从中间图像中识别组成标签点包围框形状的线条，得到标签图像中的标签点包围框。
33.具体的，在得到标签图像后，采用预设的图像滤波算法对标签图像进行滤波，例如，预设的图像滤波算法是高斯滤波算法，滤波的目的是减少图像噪点对标签识别造成的影响。在进行滤波后，可以得到灰度值分明的图像，即灰度化图像，也可以对滤波后的图像进行二值化处理，得到灰度化图像。
34.边缘检测算法可以是log（laplacian of gaussian，高斯拉普拉斯算子）特征提取算法、sobel（索贝尔）边缘检测算法或canny（坎尼）边缘检测算法等。采用预设的边缘检测算法，基于梯度算子对灰度化图像进行边缘提取，显示出灰度化图像中的边缘线条，例如，可以是直线和曲线等，显示出边缘的图像即为中间图像。由于标签上的标签点包围框和标签点为反光材料，因此，在对灰度化图像进行边缘提取时，可以看到反光材料形成的白色光斑。将标签点包围框和所有标签点的光斑边界都提取出来，从而在中间图像中看到标签点包围框和标签点的几何形状。例如，标签点包围框为四边形，标签点为圆形。
35.在进行边缘提取后，对中间图像上的各个线条进行识别，确定其中的标签点包围框。所识别的线条可以是曲线，也可以是直线。采用特征检测算法对中间图像进行标签点包
围框的寻找，即识别组成标签点包围框形状的线段。例如，标签点包围框为五边形，则可以查找组成五边形的线段。预设的特征检测算法可以是hough（霍夫变换），hough是一种检测边界形状的方法，它通过将图像坐标空间变换到参数空间，来实现直线与曲线的拟合。本实施例中，标签点包围框为多边形，具体的可以是四边形。因此，标签点包围框为直线，可以通过霍夫变换对中间图像进行直线寻找，进行直线拟合，识别组成多边形的直线段。若标签点包围框为圆形，则可以进行圆拟合，识别组成圆形的曲线。通过霍夫变换，将标签点包围框与标签点进行区分，便于得到标签点包围框，有利于在标签点包围框的范围内识别标签点，提高标签识别精度。且本实施例中使用直线提取和圆形提取的方式进行标签点包围框和标签点的识别，也就是使用边缘梯度信息进行标签识别，与标签内部像素分布关系不大，因此受光照影响较小，进一步提高标签识别精度。
36.步骤330、在标签点包围框的范围内识别所述标签点，确定标签点的排列方式。
37.步骤340、根据标签点的排列方式以及预设的排列方式与标签位置信息的关联关系，确定标签的位置信息。
38.本发明实施例中的标签由标签点包围框和多个标签点组成，标签点包围框是围绕所有标签点的半封闭框。在获取到机器人工作环境的标签图像后，先根据预设的包围框识别算法识别到标签点包围框。可以依据预设的标签点包围框形状进行识别，提高标签点包围框的识别精度。在标签点包围框的范围内识别标签点，避免将标签点包围框外的光斑误认为是标签点，提高标签点的识别精度。确定标签点包围框中各个标签点的排列方式，一种排列方式关联对应有一个标签位置，根据标签点排列方式，可以快速对机器人进行定位。解决了现有技术中，将环境光斑识别为标签点的问题，且可以通过预设的关联关系及时进行标签定位，提高标签识别的精度和效率，进而提高机器人的工作精度和效率。
39.图4为本发明实施例所提供的一种标签识别的方法的流程示意图，本实施例为在上述实施例基础上的可选实施例，该方法可以由一种标签识别装置来执行。
40.本实施例中，在标签点包围框的范围内识别标签点，确定标签点的排列方式，可细化为：根据预设的标签点识别算法，识别标签点包围框中的标签点形状图案；其中，标签点形状为预先设置；将标签点包围框中标签点形状图案的排列方式，确定为标签的标签点排列方式。
41.如图4所示，该方法具体包括如下步骤：步骤410、获取机器人工作环境中的标签图像，从标签图像中识别标签点包围框。
42.步骤420、根据预设的标签点识别算法，得到标签点包围框中的标签点形状图案。
43.其中，预先设置标签点识别算法，标签点识别算法可以是图像滤波算法、边缘检测算法和特征检测算法等图像识别算法。在确定标签点包围框后，从标签图像中确定标签点包围框范围内的图像，为局部标签图像。根据预设的标签点识别算法，在局部标签图像中识别预设标签点形状的图案。例如，预设标签形状为圆形，则可以在局部标签图像中识别出圆形的光斑，作为标签点。
44.具体的，可以通过图像滤波算法和边缘检测算法对局部标签图像进行滤波和边缘检测，滤波的作用是减少图像噪点，获得灰度值分明的图像，再对灰度值分明的图像进行边缘检测，检测到标签点形状的图案边缘，例如，可以检测圆形标签点的边。由于标签点是反光材料，因此，标签点在局部标签图像以光斑的形式进行显示，经过图像滤波后，标签点的
光斑可以呈现白色。通过对图像进行边缘提取，可以将局部标签图像中所有光斑的边界都提取出来，并显示光斑的几何形状。判断光斑的几何形状是否为预设的标签点形状，若是，则确定光斑为标签点；若否，则确定该光斑不是标签点。通过图像滤波，减少噪点对标签点识别的影响，提高标签点识别精度。通过边缘提取，能够得到光斑的几何图形，提高对标签点查看的清晰度，避免将不是标签点的光斑作为标签点进行记录，进一步提高标签点的识别精度。
45.步骤430、将标签点包围框中标签点形状图案的排列方式，确定为标签的标签点排列方式。
46.其中，确定各个标签点形状的图案在标签点包围框中的位置，根据标签点形状的图案所在位置，确定标签点形状图案的排列方式，标签点形状图案的排列方式即为标签点排列方式。例如，标签点形状为圆形，圆形图案在标签点包围框中的位置可以是圆心的位置，确定各个圆形图案的圆心坐标位置，得到圆形图案的排列方式，进而得到标签点的排列方式。
47.标签点在标签点包围框中以预设的行列数进行排列，例如，一个标签中标签点行数最多为四行，列数最多为四列。即，每一行预设有四个中心点位置用于放置标签点。预设每两个中心点位置之间的距离，在识别标签点时，根据识别到的标签点之间的距离，可以确定标签点在标签点包围框中的位置。例如，预设每两个中心点位置之间的距离为5厘米，识别到一行标签中有两个标签点，该两个标签点之间的距离为10厘米，则可以确地这两个标签点之间存在一个空闲的中心点。也可以将这两个标签点在标签点包围框中的坐标位置与预设的中心点位置进行比较，确定这两个标签点的排列方式。
48.本实施例中，可选的，将标签点包围框中标签点形状图案的排列方式，确定为标签的标签点排列方式，包括：根据识别到的标签点包围框，确定标签点包围框中缺失的边，作为目标边；根据目标边，确定标签中标签点的行排列顺序；根据行排列顺序和标签点形状图案的排列方式，得到标签的标签点排列方式。
49.具体的，同一个标签在不同的查看方向下，标签点的排列方式可能存在不同。因此，在确定标签点排列方式时，可以确定标签的正确查看方向。标签点包围框可以是一边开口的半封闭框，将靠近开口一边的行作为第一行，从而得到标签的正确查看方向。
50.预设标签点包围框的形状，在识别标签点包围框时，确定标签点包围框中缺失的边，将缺失的边作为目标边。例如，图2中标签点包围框上面的边缺失，因此，上面的边为目标边。根据目标边确定标签中标签点的行排列顺序，将最靠近目标边的行作为第一行，从第一行开始，依次向下为第二行、第三行和第四行。根据正确的行排列顺序，将标签图像中的标签方向摆正，确定摆正后标签点形状图案的排列方式，得到该标签的标签点排列方式。这样设置的有益效果在于，标签点包围框缺失某条边，缺失的边相邻的光斑行即为第一行，且缺失某条边不影响算法对标签点包围框的识别。标签点包围框隐含顺序关系，不需额外增加标识符，提高标签点排列顺序的识别精度，进而提高定位精度。
51.步骤440、根据标签点的排列方式以及预设的排列方式与标签位置信息的关联关系，确定标签的位置信息。
52.本发明实施例中的标签由标签点包围框和多个标签点组成，标签点包围框是围绕所有标签点的半封闭框。在获取到机器人工作环境的标签图像后，先识别到标签点包围框，
在标签点包围框的范围内识别标签点，避免将标签点包围框外的光斑误认为是标签点，提高标签点的识别精度。识别出标签点形状的图案，根据标签点形状的图案的排列方式，确定标签的标签点排列方式，提高标签点排列方式的确定精度。一种排列方式关联对应有一个标签位置，根据标签点排列方式，可以快速对机器人进行定位。解决了现有技术中，将环境光斑识别为标签点的问题，且可以通过预设的关联关系及时进行标签定位，提高标签识别的精度和效率，进而提高机器人的工作精度和效率。
53.图5为本发明实施例所提供的一种标签识别的方法的流程示意图，本实施例为在上述实施例基础上的可选实施例，该方法可以由一种标签识别装置来执行。
54.本实施例中，根据标签点的排列方式以及预设的排列方式与标签位置信息的关联关系，确定标签的位置信息，可细化为：根据预设的标签点排列方式表达算法，得到标签点排列方式的字符表达；根据标签点排列方式的字符表达，基于预设的字符与标签位置信息的关联关系，确定标签的位置信息。
55.如图5所示，该方法具体包括如下步骤：步骤510、获取标签图像，从标签图像中识别标签点包围框。
56.步骤520、在标签点包围框的范围内识别标签点，确定标签点的排列方式。
57.步骤530、根据预设的标签点排列方式表达算法，得到标签点排列方式的字符表达。
58.其中，预先设置标签点排列方式表达算法，标签点排列方式算法可以用于将标签点排列方式以字符的形式进行表达，字符可以是数字或符号等。在得到标签点排列方式后，根据标签点排列方式表达算法，得到标签点排列方式的字符表达。例如，可以将各个标签点的位置坐标转换为字符串的形式进行表达，或者将各个标签点的位置坐标依次排列，得到一串位置坐标的数字作为字符表达。
59.本实施例中，可选的，根据预设的标签点排列方式表达算法，得到标签点排列方式的字符表达，包括：根据标签点的排列方式和预设的标签点排列方式表达算法，确定每一行标签点的字符表达； 根据行排列顺序，对每一行标签点的字符表达进行排序，得到标签点排列方式的字符表达。
60.具体的，可以在得到标签点包围框中所有标签点的排列方式后，将所有标签点的排列方式转换为标签的字符表达，也可以先将每一行标签点的排列方式转换为字符表达，再将各行的字符表达进行组合，得到标签的字符表达。本实施例中，根据预设的标签点排列方式表达算法，确定每一行标签点的字符表达。再根据行排列顺序，对每一行标签点的字符表达进行排序组合，得到标签中所有标签点排列方式的字符表达。对每一行标签点的字符表达的组合可以是，将各行字符表达按照行排列顺序连接在一起。例如，标签点包围框中有四行标签点，每一行标签点的字符表达按照行排列顺序分别是01、02、03和04，则标签点排列方式的整体字符表达可以是01020304。这样设置的有益效果在于，先确定各个行的字符表达，再确定整个标签的字符表达，实现将标签点的排列方式转换为唯一的字符表达，增加字符表达的多样性，并使标签点的排列方式易于存储，有利于快速找到标签位置，提高标签的定位精度和效率。
61.本实施例中，可选的，根据标签点的排列方式和预设的标签点排列方式表达算法，确定每一行标签点的字符表达，包括：根据每一行标签点的排列方式和预设的标签点表示
算法，确定每一行标签点的二进制表达；将每一行标签点的二进制表达进行十进制转换，得到每一行标签点的字符表达。
62.具体的，预设的标签点排列方式表达算法可以是将标签点的排列方式转换为二进制和十进制。转换规则可以是，将标签点包围框中每个预设中心点位置的标签点占位情况用二进制的0或1表示。如果中心点位置处有标签点光斑，则该中心点位置为1，否则为0。即，每一行标签点排列方式可以用01序列进行二进制表达，例如，图2中第一行标签点排列方式的二进制表达为1111，第二行标签点排列方式的二进制表达为1000，第三行标签点排列方式的二进制表达为0110，第四行标签点排列方式的二进制表达为0001。
63.在得到每一行的二进制表达后，将每一行的二进制表达转换为十进制，得到十进制表达，所得到的十进制表达即为每一行标签点的字符表达。每一行的二进制表达根据二进制原理对应有唯一的十进制整数，例如，第一行标签点的二进制表达为1111，十进制表达为15；第二行标签点的二进制表达为1000，十进制表达为8；第三行标签点的二进制表达为0110，十进制表达为6；第四行标签点的二进制表达为0001，十进制表达为1。
64.将每一行的字符表达按照行排列顺序进行组合，得到新的字符序列，作为整个标签的标签点排列方式的字符表达。每一行的字符表达均占用新字符序列的两个位置，若不满两位数，则在对应的十进制字符表达前面添加0。按行排列顺序得到新字符序列，例如，图2中为4
×
4的标签点排列，从最上面一行开始，每一行对应的十进制字符表达分别为15、8、6和1。在8、6和1前面分别添加0，得到整个标签的标签点排列方式对应的八位数新字符序列为15080601。
65.这样设置的有益效果在于，通过二进制和十进制的转换，降低字符表达的确定难度，减少计算量，提高字符表达的确定效率和精度。且最终十进制的字符表达在存储时，高效可靠易存储，有利于根据字符表达查找对应的标签位置，提高定位精度和效率。
66.步骤540、根据标签点排列方式的字符表达，基于预设的字符与标签位置信息的关联关系，确定标签的位置信息。
67.其中，工作人员预先确定每个标签在工作环境中的粘贴位置坐标，即标签位置信息，并预先确定各个标签的字符表达，将各个标签的字符表达和标签位置信息进行关联存储。在识别到标签并确定标签的字符表达后，根据预先存储的关联关系，确定对应的标签位置信息，实现机器人的定位。例如，机器人在工作过程中，识别到标签，确定识别到的标签的位置，则将该标签的位置作为机器人的位置，从而对机器人进行定位。
68.本发明实施例中的标签由标签点包围框和多个标签点组成，标签点包围框是围绕所有标签点的半封闭框。在获取到机器人工作环境的标签图像后，先识别到标签点包围框，在标签点包围框的范围内识别标签点，避免将标签点包围框外的光斑误认为是标签点，提高标签点的识别精度。确定标签点包围框中各个标签点的排列方式，将排列方式转换为字符表达，一种字符表达对应有一个标签位置，根据字符表达，可以快速对机器人进行定位。解决了现有技术中，将环境光斑识别为标签点的问题，且定位时使用字符表达比使用排列方式的图形更加高效可靠易存储。通过字符表达和预设的关联关系可以及时进行标签定位，提高标签识别的精度和效率，进而提高机器人的工作精度和效率。
69.图6为本发明实施例所提供的一种标签识别的装置的结构框图，可执行本发明任意实施例所提供的一种标签识别的方法，具备执行方法相应的功能模块和有益效果。如图6
所示，该装置具体包括：标签点包围框确定模块601，用于获取标签图像，从所述标签图像中识别标签点包围框；标签点排列方式确定模块602，用于在所述标签点包围框的范围内识别所述标签点，确定所述标签点的排列方式；标签识别模块603，用于根据所述标签点的排列方式以及预设的排列方式与标签位置信息的关联关系，确定所述标签的位置信息。
70.可选的，标签点包围框确定模块601，包括：标签点包围框识别单元，用于根据预设的包围框识别算法，从所述标签图像中识别预设的标签点包围框形状的线条，得到所述标签图像中的标签点包围框。
71.可选的，标签点在标签点包围框中根据预设行列数进行排列；相应地，标签点排列方式确定模块602，包括：标签点形状图案确定单元，用于根据预设的标签点识别算法，识别所述标签点包围框中的标签点形状图案；其中，标签点形状为预先设置；排列方式确定单元，用于将所述标签点包围框中标签点形状图案的排列方式，确定为所述标签的标签点排列方式。
72.可选的，排列方式确定单元，具体用于：根据识别到的所述标签点包围框，确定所述标签点包围框中缺失的边，作为目标边；根据所述目标边，确定所述标签中标签点的行排列顺序；根据所述行排列顺序和标签点形状图案的排列方式，得到所述标签的标签点排列方式。
73.可选的，标签识别模块603，包括：字符表达确定单元，用于根据预设的标签点排列方式表达算法，得到所述标签点排列方式的字符表达；标签位置确定单元，用于根据所述标签点排列方式的字符表达，基于预设的字符与标签位置信息的关联关系，确定所述标签的位置信息。
74.可选的，字符表达确定单元，包括：每一行字符表达确定子单元，用于根据标签点的排列方式和预设的标签点排列方式表达算法，确定每一行标签点的字符表达；标签字符表达确定子单元，用于根据所述行排列顺序，对所述每一行标签点的字符表达进行排序，得到所述标签点排列方式的字符表达。
75.可选的，每一行字符表达确定子单元，具体用于：根据每一行标签点的排列方式和预设的标签点表示算法，确定每一行标签点的二进制表达；将所述每一行标签点的二进制表达进行十进制转换，得到所述每一行标签点的字符表达。
76.可选的，标签点包围框确定模块601，还包括：标签图像获取单元，用于通过安装于机器人身上的图像采集设备，在机器人工作
环境内采集标签图像。
77.本发明实施例中的标签由标签点包围框和多个标签点组成，标签点包围框是围绕所有标签点的半封闭框。在获取到机器人工作环境的标签图像后，先识别到标签点包围框，在标签点包围框的范围内识别标签点，避免将标签点包围框外的光斑误认为是标签点，提高标签点的识别精度。确定标签点包围框中各个标签点的排列方式，一种排列方式关联对应有一个标签位置，根据标签点排列方式，可以快速对机器人进行定位。解决了现有技术中，将环境光斑识别为标签点的问题，且可以通过预设的关联关系及时进行标签定位，提高标签识别的精度和效率，进而提高机器人的工作精度和效率。
78.本发明实施例提供一种标签，该标签由具有红外反光特性的标签点包围框和至少一个具有红外反光特性的标签点组成，标签点包围框是围绕所有标签点的多边形，标签点包围框是一边开口的半封闭框。该标签可以设置于机器人工作环境中，在机器人执行本发明任意实施例的标签识别的方法时实现机器人的定位。
79.图7是本发明实施例提供的一种标签识别的设备的结构示意图。标签识别的设备是一种电子设备，图7示出了适于用来实现本发明实施方式的示例性电子设备700的框图。图7显示的电子设备700仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
80.如图7所示，电子设备700以通用计算设备的形式表现。电子设备700的组件可以包括但不限于：一个或者多个处理器或者处理单元701，系统存储器702，连接不同系统组件（包括系统存储器702和处理单元701）的总线703。
81.总线703表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构（isa）总线，微通道体系结构（mac）总线，增强型isa总线、视频电子标准协会（vesa）局域总线以及外围组件互连（pci）总线。
82.电子设备700典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备700访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
83.系统存储器702可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器（ram）704和/或高速缓存存储器705。电子设备700可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统706可以用于读写不可移动的、非易失性磁介质（图7未显示，通常称为“硬盘驱动器”）。尽管图7中未示出，可以提供用于对可移动非易失性磁盘（例如“软盘”）读写的磁盘驱动器，以及对可移动非易失性光盘（例如cd-rom, dvd-rom或者其它光介质）读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线703相连。存储器702可以包括至少一个程序产品，该程序产品具有一组（例如至少一个）程序模块，这些程序模块被配置以执行本发明各实施例的功能。
84.具有一组（至少一个）程序模块707的程序/实用工具708，可以存储在例如存储器702中，这样的程序模块707包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块707通常执行本发明所描述的实施例中的功能和/或方法。
85.电子设备700也可以与一个或多个外部设备709（例如键盘、指向设备、显示器710
等）通信，还可与一个或者多个使得用户能与该电子设备700交互的设备通信，和/或与使得该电子设备700能与一个或多个其它计算设备进行通信的任何设备（例如网卡，调制解调器等等）通信。这种通信可以通过输入/输出（i/o）接口711进行。并且，电子设备700还可以通过网络适配器712与一个或者多个网络（例如局域网（lan），广域网（wan）和/或公共网络，例如因特网）通信。如图7所示，网络适配器712通过总线703与电子设备700的其它模块通信。应当明白，尽管图7中未示出，可以结合电子设备700使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
86.处理单元701通过运行存储在系统存储器702中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的一种标签识别的方法，包括：获取标签图像，从所述标签图像中识别标签点包围框；在所述标签点包围框的范围内识别所述标签点，确定所述标签点的排列方式；根据所述标签点的排列方式以及预设的排列方式与标签位置信息的关联关系，确定所述标签的位置信息。
87.本发明实施例还提供一种包含计算机可执行指令的存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所提供的一种标签识别的方法，包括：获取标签图像，从所述标签图像中识别标签点包围框；在所述标签点包围框的范围内识别所述标签点，确定所述标签点的排列方式；根据所述标签点的排列方式以及预设的排列方式与标签位置信息的关联关系，确定所述标签的位置信息。
88.本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器（ram）、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
89.计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
90.计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、rf等等，或者上述的任意合适的组合。
91.可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以
完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
92.注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。