CN115018872B - 一种用于市政施工的吸尘设备智能控制方法 - Google Patents

一种用于市政施工的吸尘设备智能控制方法 Download PDF

Info

Publication number
CN115018872B
CN115018872B CN202210828753.6A CN202210828753A CN115018872B CN 115018872 B CN115018872 B CN 115018872B CN 202210828753 A CN202210828753 A CN 202210828753A CN 115018872 B CN115018872 B CN 115018872B
Authority
CN
China
Prior art keywords
dust
pixel point
frame image
pixel
corrected
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210828753.6A
Other languages
English (en)
Other versions
CN115018872A (zh
Inventor
蒋建军
蒋建华
蒋易成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Shunlian Engineering Construction Co ltd
Original Assignee
Jiangsu Shunlian Engineering Construction Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangsu Shunlian Engineering Construction Co ltd filed Critical Jiangsu Shunlian Engineering Construction Co ltd
Priority to CN202210828753.6A priority Critical patent/CN115018872B/zh
Publication of CN115018872A publication Critical patent/CN115018872A/zh
Application granted granted Critical
Publication of CN115018872B publication Critical patent/CN115018872B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • E—FIXED CONSTRUCTIONS
    • E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
    • E01H—STREET CLEANING; CLEANING OF PERMANENT WAYS; CLEANING BEACHES; DISPERSING OR PREVENTING FOG IN GENERAL CLEANING STREET OR RAILWAY FURNITURE OR TUNNEL WALLS
    • E01H1/00—Removing undesirable matter from roads or like surfaces, with or without moistening of the surface
    • E01H1/08—Pneumatically dislodging or taking-up undesirable matter or small objects; Drying by heat only or by streams of gas; Cleaning by projecting abrasive particles
    • E01H1/0827—Dislodging by suction; Mechanical dislodging-cleaning apparatus with independent or dependent exhaust, e.g. dislodging-sweeping machines with independent suction nozzles ; Mechanical loosening devices working under vacuum
    • E01H1/0836—Apparatus dislodging all of the dirt by suction ; Suction nozzles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/06—Investigating concentration of particle suspensions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/06—Investigating concentration of particle suspensions
    • G01N15/075—Investigating concentration of particle suspensions by optical means
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
    • Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
    • Y02A50/2351—Atmospheric particulate matter [PM], e.g. carbon smoke microparticles, smog, aerosol particles, dust

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Dispersion Chemistry (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Architecture (AREA)
  • Civil Engineering (AREA)
  • Structural Engineering (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及装置智能控制领域，具体涉及一种用于市政施工的吸尘设备智能控制方法，根据每一帧图像中扬尘浓度传感器的浓度数据得到每个像素点的扬尘浓度，根据扬尘浓度和像素点与临界边缘像素点最近的距离得到像素点为扬尘像素点的概率，对概率值进行阈值分割，将图像中的像素点分为扬尘像素点和非扬尘像素点，根据风速和风向及每个像素点之间的距离计算待修正扬尘像素点的移动距离，根据移动距离对扬尘像素点中的待修正扬尘像素点的扬尘浓度进行修正，获取修正后浓度大于浓度阈值的扬尘像素点的分布范围，根据扬尘像素点的分布范围热度矩阵和喷雾机工作区域热度矩阵对市政施工场地的喷雾机进行智能控制，方法智能、节约资源。

Description

一种用于市政施工的吸尘设备智能控制方法
技术领域
本申请涉及装置智能控制领域，具体涉及一种用于市政施工的吸尘设备智能控制方法。
背景技术
在市政施工场地是施工扬尘是城市大气污染的主要颗粒物来源之一，会造成城市环境污染问题，因此在市政施工场地往往会安装吸尘设备进行除尘。喷雾机是吸尘设备的一种，在工人施工过程中，喷雾机基本是一直在运行的，这会造成大量的电资源和水资源的浪费，因此亟待需要一种用于市政施工的吸尘设备智能控制方法。
传统的市政施工的吸尘设备是固定的，没有考虑扬尘的分布特性，且仅进行对吸尘设备的开关，并没有实现吸尘设备的精准智能控制，因此，本案通过根据风速风向传感器数据、扬尘浓度数据和现场视频监控图像数据对扬尘分布范围进行分析计算，并根据历史先验数据通过模拟器模拟得到喷雾机在不同风速风向、不同喷雾角度以及不同功率下的喷雾机工作范围，根据扬尘的分布范围和喷雾机工作区域获取到需要进行喷雾的喷雾机，调用该喷雾机喷雾除尘，实现喷雾机的智能调控。
发明内容
本发明提供一种用于市政施工的吸尘设备智能控制方法，解决市政施工场地施工扬尘不够智能、浪费资源的问题，采用如下技术方案：
获取完整覆盖市政施工场地的当前帧图像；
利用当前帧图像中扬尘浓度传感器的扬尘浓度得到当前帧图像中每个像素点的扬尘浓度；
对当前帧图像中的像素点进行边缘检测，得到当前帧图像中的临界边缘像素点；
根据当前帧图像中每个像素点的扬尘浓度和该像素点与临界边缘像素点中最近边缘像素点之间的欧式距离得到每个像素点为扬尘像素点的概率；
对当前帧图像中每个像素点为扬尘像素点的概率值进行阈值分割，将当前帧图像中的像素点分为确定扬尘像素点、待修正扬尘像素点和非扬尘像素点；
根据风速和风向得到每个待修正扬尘像素点的实际移动距离确定出该待修正扬尘像素点在下一帧图像中的移动距离，利用该移动距离对每个待修正扬尘像素点的扬尘浓度进行修正；
当下一帧图像中的确定扬尘像素点和已修正的扬尘像素点的扬尘浓度大于浓度阈值时，获取确定扬尘像素点和已修正的扬尘像素点的分布范围，调用该分布范围对应的喷雾机对该范围进行吸尘。
所述每一帧图像中每个像素点的扬尘浓度的获取方法如下：
获取当前帧图像中与该像素点距离最近的扬尘浓度传感器；
若该像素点灰度值小于等于扬尘浓度传感器处像素点灰度值，则该像素点的扬尘浓度为：
Figure 57481DEST_PATH_IMAGE001
式中，
Figure 553185DEST_PATH_IMAGE002
为第
Figure 613544DEST_PATH_IMAGE003
帧图像中第
Figure 25940DEST_PATH_IMAGE004
个像素点的扬尘浓度，
Figure 146343DEST_PATH_IMAGE005
为第
Figure 660501DEST_PATH_IMAGE003
帧图像中第
Figure 511170DEST_PATH_IMAGE004
个像素点的位置，
Figure 528804DEST_PATH_IMAGE006
为第
Figure 85688DEST_PATH_IMAGE003
帧图像的第
Figure 821562DEST_PATH_IMAGE007
个扬尘浓度传感器检测的扬尘浓度，第
Figure 472992DEST_PATH_IMAGE007
个扬尘浓度传感器为与第
Figure 345133DEST_PATH_IMAGE004
个像素点距离最近的扬尘浓度传感器，
Figure 72918DEST_PATH_IMAGE008
为第
Figure 279777DEST_PATH_IMAGE003
帧图像的第
Figure 485631DEST_PATH_IMAGE007
个扬尘浓度传感器的位置，
Figure 477858DEST_PATH_IMAGE009
为第
Figure 110964DEST_PATH_IMAGE003
帧图像的第
Figure 805120DEST_PATH_IMAGE007
个扬尘浓度传感器的位置和第
Figure 549085DEST_PATH_IMAGE004
个像素点位置之间的欧式距离；
若该像素点灰度值大于扬尘浓度传感器处像素点灰度值，则该像素点的扬尘浓度为：
Figure 926976DEST_PATH_IMAGE010
式中，
Figure 735180DEST_PATH_IMAGE011
为修正参数，计算方法为：
Figure 932944DEST_PATH_IMAGE012
公式中，
Figure 480600DEST_PATH_IMAGE013
为第
Figure 181839DEST_PATH_IMAGE004
个像素点的灰度值，
Figure 406016DEST_PATH_IMAGE014
为扬尘浓度传感器处像素点的灰度值，
Figure 825496DEST_PATH_IMAGE015
为双曲正切函数，
Figure 176843DEST_PATH_IMAGE016
为超参数。
所述每个像素点为扬尘像素点的概率的计算方法为：
Figure 247436DEST_PATH_IMAGE017
式中，
Figure 658826DEST_PATH_IMAGE018
为第
Figure 565602DEST_PATH_IMAGE003
帧图像的第
Figure 455061DEST_PATH_IMAGE019
个像素点为扬尘像素点的概率，
Figure 380160DEST_PATH_IMAGE020
为第
Figure 696872DEST_PATH_IMAGE003
帧图像的第
Figure 90944DEST_PATH_IMAGE019
个像素点的扬尘浓度，
Figure 784094DEST_PATH_IMAGE021
为第
Figure 566630DEST_PATH_IMAGE003
帧图像的第
Figure 585401DEST_PATH_IMAGE019
个像素点距离临界边缘像素点最近的欧式距离，
Figure 201190DEST_PATH_IMAGE015
为双曲正切函数，
Figure 681719DEST_PATH_IMAGE022
和
Figure 332143DEST_PATH_IMAGE023
分别为扬尘浓度和距离权重。
所述将当前帧图像中的像素点分为确定扬尘像素点、待修正扬尘像素点和非扬尘像素点的具体方法为：
设置概率阈值
Figure 256237DEST_PATH_IMAGE024
和
Figure 359322DEST_PATH_IMAGE025
，
Figure 377963DEST_PATH_IMAGE026
；
若像素点概率值大于概率阈值
Figure 882893DEST_PATH_IMAGE024
，该扬尘像素点为确定扬尘像素点；
若像素点概率值小于概率阈值
Figure 977888DEST_PATH_IMAGE024
且大于概率阈值
Figure 83116DEST_PATH_IMAGE025
，该扬尘像素点为待修正扬尘像素点；
若像素点概率值小于概率阈值
Figure 656180DEST_PATH_IMAGE025
的像素点为非扬尘像素点。
所述对每个待修正扬尘像素点的扬尘浓度进行修正的方法为：
根据风速和风向及每个像素点之间的距离计算每个待修正扬尘像素点的实际移动距离在当前帧图像到下一帧图像中对应的移动距离
Figure 15617DEST_PATH_IMAGE027
，
Figure 281514DEST_PATH_IMAGE028
为移动方向；
根据每个待修正扬尘像素点在当前帧图像到下一帧图像中的移动距离
Figure 339950DEST_PATH_IMAGE027
对每个待修正扬尘像素点的扬尘浓度进行修正，方法如下：
获取待修正扬尘像素点
Figure 982284DEST_PATH_IMAGE029
的位置
Figure 461806DEST_PATH_IMAGE030
，扬尘浓度传感器的位置
Figure 147872DEST_PATH_IMAGE031
，
Figure 712845DEST_PATH_IMAGE029
为第i帧图像中第
Figure 362132DEST_PATH_IMAGE032
个待修正扬尘像素点，
Figure 961741DEST_PATH_IMAGE008
为第
Figure 818707DEST_PATH_IMAGE003
帧图像的第
Figure 870977DEST_PATH_IMAGE007
个扬尘浓度传感器；
根据待修正扬尘像素点
Figure 323955DEST_PATH_IMAGE029
在当前帧图像到下一帧中的移动距离和方向对
Figure 27338DEST_PATH_IMAGE029
的位置进行修正：
若
Figure 805938DEST_PATH_IMAGE033
，
Figure 345504DEST_PATH_IMAGE034
；
若
Figure 867752DEST_PATH_IMAGE035
，
Figure 428571DEST_PATH_IMAGE036
；
若
Figure 378072DEST_PATH_IMAGE037
，
Figure 873776DEST_PATH_IMAGE038
；
若
Figure 199715DEST_PATH_IMAGE039
，
Figure 612110DEST_PATH_IMAGE040
；
Figure 466934DEST_PATH_IMAGE041
为待修正扬尘像素点
Figure 981092DEST_PATH_IMAGE029
在帧图像中修正后的位置，
Figure 110722DEST_PATH_IMAGE042
为
Figure 377624DEST_PATH_IMAGE027
在
Figure 668928DEST_PATH_IMAGE043
方向上的修正值，
Figure 404803DEST_PATH_IMAGE044
为
Figure 72545DEST_PATH_IMAGE027
在
Figure 459532DEST_PATH_IMAGE045
方向上的修正值；
对待修正扬尘像素点
Figure 921738DEST_PATH_IMAGE029
的扬尘浓度进行修正，公式如下：
Figure 879330DEST_PATH_IMAGE046
式中，
Figure 597100DEST_PATH_IMAGE047
第i帧图像中第
Figure 589327DEST_PATH_IMAGE032
个待修正扬尘像素点修正后的扬尘浓度，
Figure 222433DEST_PATH_IMAGE006
为第
Figure 932900DEST_PATH_IMAGE003
帧图像的第
Figure 191712DEST_PATH_IMAGE007
个扬尘浓度传感器检测的扬尘浓度，
Figure 772866DEST_PATH_IMAGE008
为第
Figure 842454DEST_PATH_IMAGE003
帧图像的第
Figure 758326DEST_PATH_IMAGE007
个扬尘浓度传感器的位置
Figure 571561DEST_PATH_IMAGE031
，
Figure 538380DEST_PATH_IMAGE048
为扬尘浓度传感器
Figure 513289DEST_PATH_IMAGE008
的位置
Figure 447616DEST_PATH_IMAGE031
与
Figure 798963DEST_PATH_IMAGE041
之间的欧式距离。
所述每个待修正扬尘像素点的实际移动距离在当前帧图像到下一帧图像中对应的移动距离
Figure 620289DEST_PATH_IMAGE027
的获取方法为：
计算待修正扬尘像素点的实际移动距离C：
Figure 766099DEST_PATH_IMAGE049
式中，
Figure 659493DEST_PATH_IMAGE050
为风速，
Figure 814531DEST_PATH_IMAGE051
为每帧图像的采集时间；
获取待修正扬尘像素点的八个角度方向中最接近风向的角度，将其作为待修正扬尘像素点在图像中的移动方向，八个角度方向分别为：
Figure 959205DEST_PATH_IMAGE052
；
若待修正扬尘像素点在图像中的移动方向
Figure 790763DEST_PATH_IMAGE028
为
Figure 184835DEST_PATH_IMAGE053
，
Figure 877985DEST_PATH_IMAGE054
，
Figure 673903DEST_PATH_IMAGE055
，
Figure 410783DEST_PATH_IMAGE056
其中之一，则待修正扬尘像素点在帧图像中的移动距离为：
Figure 26573DEST_PATH_IMAGE057
式中，
Figure 523413DEST_PATH_IMAGE027
为待修正扬尘像素点在帧图像中的移动距离，
Figure 423105DEST_PATH_IMAGE058
为帧图像中每个像素点之间的距离；
若待修正扬尘像素点在图像中的移动方向为
Figure 81619DEST_PATH_IMAGE059
，
Figure 450284DEST_PATH_IMAGE060
，
Figure 485236DEST_PATH_IMAGE061
，
Figure 970925DEST_PATH_IMAGE062
其中之一，则待修正扬尘像素点在帧图像中的移动距离为：
Figure 65920DEST_PATH_IMAGE063
其中，
Figure 656301DEST_PATH_IMAGE058
的计算方法为：
Figure 744212DEST_PATH_IMAGE064
式中，
Figure 369228DEST_PATH_IMAGE065
为相机焦距，
Figure 369545DEST_PATH_IMAGE066
为相机传感器尺寸，
Figure 712802DEST_PATH_IMAGE067
为相机有效像素，
Figure 338824DEST_PATH_IMAGE068
为相机的布置高度。
所述
Figure 818347DEST_PATH_IMAGE027
在
Figure 989565DEST_PATH_IMAGE043
方向上的修正值和
Figure 554539DEST_PATH_IMAGE027
在
Figure 984252DEST_PATH_IMAGE045
方向上的修正值的获取方法为：
Figure 583861DEST_PATH_IMAGE027
在
Figure 925980DEST_PATH_IMAGE043
方向上的修正值
Figure 964868DEST_PATH_IMAGE042
的获取方法为：
当
Figure 949005DEST_PATH_IMAGE027
中的
Figure 403120DEST_PATH_IMAGE028
为
Figure 181720DEST_PATH_IMAGE053
或
Figure 704974DEST_PATH_IMAGE055
时，
Figure 227222DEST_PATH_IMAGE069
；
当
Figure 535844DEST_PATH_IMAGE027
中的
Figure 485345DEST_PATH_IMAGE028
为
Figure 761475DEST_PATH_IMAGE059
或
Figure 556255DEST_PATH_IMAGE060
或
Figure 250542DEST_PATH_IMAGE061
或
Figure 105365DEST_PATH_IMAGE062
时，
Figure 603212DEST_PATH_IMAGE070
；
当
Figure 201683DEST_PATH_IMAGE027
中的
Figure 484897DEST_PATH_IMAGE028
为
Figure 858477DEST_PATH_IMAGE054
或
Figure 594351DEST_PATH_IMAGE056
时，
Figure 996514DEST_PATH_IMAGE071
；
Figure 134234DEST_PATH_IMAGE027
在y方向上的修正值
Figure 845707DEST_PATH_IMAGE044
的获取方法为：
当
Figure 803299DEST_PATH_IMAGE027
中的
Figure 274731DEST_PATH_IMAGE028
为
Figure 516226DEST_PATH_IMAGE054
或
Figure 149332DEST_PATH_IMAGE056
时，
Figure 859799DEST_PATH_IMAGE072
；
当
Figure 869344DEST_PATH_IMAGE027
中的
Figure 699765DEST_PATH_IMAGE028
为
Figure 769353DEST_PATH_IMAGE059
或
Figure 701536DEST_PATH_IMAGE060
或
Figure 514772DEST_PATH_IMAGE061
或
Figure 468209DEST_PATH_IMAGE062
时，
Figure 708697DEST_PATH_IMAGE073
；
当
Figure 862598DEST_PATH_IMAGE027
中的
Figure 463212DEST_PATH_IMAGE028
为
Figure 284538DEST_PATH_IMAGE053
或
Figure 695928DEST_PATH_IMAGE055
时，
Figure 602704DEST_PATH_IMAGE074
。
所述所有确定扬尘像素点和已修正的扬尘像素点的分布范围的获取方法为：
获取所有确定扬尘像素点和已修正的扬尘像素点，以二值图的形式生成扬尘像素点的分布范围热度矩阵，扬尘像素点的矩阵值为1，并将矩阵值为1的像素点标记为
Figure 7009DEST_PATH_IMAGE075
，其他像素点矩阵值为0。
所述调用该分布范围对应的喷雾机对该范围进行吸尘的具体步骤如下：
根据历史先验数据获取每个喷雾机在不同的风速数据、风向数据、喷雾机的功率，喷雾机角度下对应的工作区域，生成工作区域热度矩阵，喷雾机的工作区域内的像素点的矩阵值为1，并将矩阵值为1的像素点标记为
Figure 417262DEST_PATH_IMAGE076
，其余为0；
将扬尘像素点分布范围热度矩阵和喷雾机工作区域热度矩阵中每个位置对应的矩阵值进行相加得到控制矩阵；
对于控制矩阵中矩阵值0对应的像素点，既不是扬尘像素点，也不是喷雾机工作区域内的像素点，不需要对喷雾机进行控制；
对于控制矩阵中矩阵值为1的像素点：
若该像素点标记为
Figure 999553DEST_PATH_IMAGE075
，该像素点为扬尘像素点但该像素点位于喷雾机喷不到的位置，可安装移动的地面式吸尘机对该位置进行处理；若该像素点标记为
Figure 377314DEST_PATH_IMAGE076
，该像素点在喷雾机的工作区域内，不需要进一步处理；
对于控制矩阵中矩阵值2对应的像素点，该像素点既是扬尘像素点同时也在喷雾机的工作区域内，则获取矩阵值2对应的像素点的坐标，判断坐标归属的喷雾机工作区域，获取该工作区域对应的喷雾机，即该喷雾机为需要进行吸尘的喷雾机；
调用该工作区域对应的喷雾并按照对应的风速数据、风向数据、喷雾机的功率，喷雾机角度进行喷雾吸尘。
本发明的有益效果是：基于装置智能控制，根据每一帧图像中的扬尘浓度传感器浓度数据得到每一帧图像中每个像素点的扬尘浓度，根据每个像素点的扬尘浓度和该像素点与临界边缘像素点中最近边缘像素点之间的欧式距离得到每个像素点为扬尘像素点的概率，对概率值进行阈值分割，将每一帧图像中的像素点分为扬尘像素点、待修正扬尘像素点和非扬尘像素点，根据风速和风向及每个像素点之间的距离计算每个待修正扬尘像素点在帧图像中的移动距离，对该像素点的扬尘浓度进行修正，获取扬尘像素点分布范围，利用历史数据获取市政施工场地中每个喷雾机的工作区域，得到所有喷雾机的工作区域，根据扬尘像素点的分布范围矩阵和喷雾机工作区域矩阵对市政施工场地的喷雾机进行智能控制，方法智能、节约资源。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明的一种用于市政施工的吸尘设备智能控制方法流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的一种用于市政施工的吸尘设备智能控制方法的实施例，如图1所示，包括：
步骤一：获取完整覆盖市政施工场地的当前帧图像；
该步骤的目的是布置数据采集装置，采集市政施工场地的传感器数据，以及施工场地的现场图像数据。
本实施例的应用场景为，在市政施工现场往往会一直打开喷雾机进行吸尘，在工人施工过程中，喷雾机基本是一直在运行的，而喷雾机往往会耗费大量的电力资源和水力资源，因此需要对施工过程中喷雾机的角度与功率根据施工现场扬尘情况进行智能控制。
本实施例中需要在喷雾机轨道上布置采集相机（高度记录为
Figure 70463DEST_PATH_IMAGE068
），并在地面设置多个扬尘浓度传感器以及一个风速风向传感器。其中采集相机采用工业CCD相机，扬尘浓度传感器和风速风向传感器采用专业检测设备，具体型号可根据实施者具体实施情况而定，相机个数以及扬尘浓度传感器个数需要综合考虑施工现场面积的大小，特别说明的是，对于布置的工业CCD相机，需要在室内进行标定，相机参数机焦距为
Figure 600802DEST_PATH_IMAGE077
，相机传感器尺寸
Figure 88415DEST_PATH_IMAGE058
，有效像素
Figure 216121DEST_PATH_IMAGE067
。
本步骤对布置的视频监控数据进行预处理，通过图像拼接，合成一张完整的覆盖所有施工场地的视频监控数据图像，将第
Figure 447382DEST_PATH_IMAGE003
帧合成后的完整视频监控数据图像为施工场地的俯视图，由于视频监控数据为1秒30帧，而风速风向传感器的采集频率
Figure 97806DEST_PATH_IMAGE078
为1分钟采集1次，扬尘浓度传感器的采集频率
Figure 271168DEST_PATH_IMAGE079
为一分钟采集一次，因此本案将视频监控数据中1秒内30帧图像中的风速大小与风向都为相对应的1分钟的风速风向数据，以及相对应的1分钟的扬尘浓度数据。因此，得到了每一帧通过拼接后的完整的视频监控数据图
Figure 108674DEST_PATH_IMAGE080
，以及与之对应的风速数据
Figure 878047DEST_PATH_IMAGE050
，风向数据
Figure 897824DEST_PATH_IMAGE081
，扬尘浓度数据
Figure 992819DEST_PATH_IMAGE082
（说明：由于扬尘浓度传感器为多个，因此
Figure 583200DEST_PATH_IMAGE082
为一个集合）。
步骤二：利用当前帧图像中扬尘浓度传感器的扬尘浓度得到当前帧图像中每个像素点的扬尘浓度；
该步骤的目的是，基于布置的分布在施工场地中的扬尘浓度传感器的扬尘浓度传感器数据为参考，依据不同像素点与其之间的距离计算每个像素点的扬尘浓度。
其中，每一帧图像中每个像素点的扬尘浓度的获取方法如下：
（1）获取帧图像中与该像素点距离最近的扬尘浓度传感器；
（2）若该像素点灰度值小于等于扬尘浓度传感器处的像素点灰度值，则该像素点的扬尘浓度为：
Figure 421843DEST_PATH_IMAGE083
式中，
Figure 30548DEST_PATH_IMAGE002
为第
Figure 296444DEST_PATH_IMAGE003
帧图像中第
Figure 374122DEST_PATH_IMAGE004
个像素点的扬尘浓度，
Figure 737494DEST_PATH_IMAGE002
为第
Figure 217017DEST_PATH_IMAGE003
帧图像中第
Figure 653815DEST_PATH_IMAGE004
个像素点的位置，
Figure 218788DEST_PATH_IMAGE006
为第
Figure 648502DEST_PATH_IMAGE003
帧图像的第
Figure 982531DEST_PATH_IMAGE007
个扬尘浓度传感器检测的扬尘浓度，第
Figure 324651DEST_PATH_IMAGE007
个扬尘浓度传感器为与第
Figure 376920DEST_PATH_IMAGE004
个像素点距离最近的扬尘浓度传感器，
Figure 610324DEST_PATH_IMAGE008
为第
Figure 267702DEST_PATH_IMAGE003
帧图像的第
Figure 46302DEST_PATH_IMAGE007
个扬尘浓度传感器的位置，
Figure 569556DEST_PATH_IMAGE009
为第
Figure 91804DEST_PATH_IMAGE003
帧图像的第
Figure 400426DEST_PATH_IMAGE007
个扬尘浓度传感器的位置和第
Figure 330686DEST_PATH_IMAGE004
个像素点位置之间的欧式距离，与布设的扬尘浓度传感器越近，该地点的扬尘浓度与布设的扬尘浓度传感器检测浓度越相似；
若该像素点灰度值大于扬尘浓度传感器处的像素点灰度值，则该像素点的扬尘浓度为：
Figure 357548DEST_PATH_IMAGE084
式中，
Figure 417908DEST_PATH_IMAGE011
为修正参数，计算方法为：
Figure 564724DEST_PATH_IMAGE085
公式中，
Figure 950706DEST_PATH_IMAGE013
为第
Figure 199285DEST_PATH_IMAGE004
个像素点的灰度值，
Figure 689434DEST_PATH_IMAGE014
为扬尘浓度传感器处像素点的灰度值，
Figure 94352DEST_PATH_IMAGE015
为双曲正切函数，作用为归一化操作，
Figure 385656DEST_PATH_IMAGE016
为超参数，因为公式：
Figure 121531DEST_PATH_IMAGE001
是通过其他像素点与传感器的位置距离来根据传感器浓度估算其他像素点的浓度，该公式利用了插值原理，即两个物体离得越近，他们的性质就越相似，在本实施例中，即像素点离传感器越近，则他们的浓度越相似，但是仅仅根据距离计算的扬尘浓度的会引起误差。
本实施例通过引入浓度修正参数
Figure 523694DEST_PATH_IMAGE086
，当像素点的灰度值大于扬尘传感器所在像素点的灰度值时，可能为像素点的浓度大于扬尘传感器的浓度，因此需要对公式计算得到的扬尘浓度值进行修正。由于扬尘的颜色为灰白色，因此该点表现为图像中的灰度值较大，其中灰度值越大，扬尘浓度大的概率越大，则计算得到的修正系数
Figure 910681DEST_PATH_IMAGE086
越大。
Figure 372887DEST_PATH_IMAGE015
为双曲正切函数，
Figure 596058DEST_PATH_IMAGE016
表示超参数，用于调整整体的值（由于
Figure 67490DEST_PATH_IMAGE015
函数计算得到的值在0-1附近，因此需要进行调整），
Figure 63913DEST_PATH_IMAGE016
的值可根据具体实施情况进行设置，
Figure 274184DEST_PATH_IMAGE087
,本实施例中给出经验参考值，
Figure 971269DEST_PATH_IMAGE088
。
特别说明：对于待计算扬尘浓度地点的扬尘浓度进行计算时，选择与该像素点最近的扬尘浓度传感器进行计算，若该像素点与多个扬尘浓度传感器距离相同，则该像素点的扬尘浓度多个
Figure 715234DEST_PATH_IMAGE002
的均值。
步骤三：对当前帧图像中的像素点进行边缘检测，得到当前帧图像中的临界边缘像素点；根据当前帧图像中每个像素点的扬尘浓度和该像素点与临界边缘像素点中最近边缘像素点之间的欧式距离得到每个像素点为扬尘像素点的概率；对当前帧图像中每个像素点为扬尘像素点的概率值进行阈值分割，将当前帧图像中的像素点分为确定扬尘像素点、待修正扬尘像素点和非扬尘像素点；
该步骤的目的是，对帧图像中的像素点灰度值进行分析，获取灰度值变化剧烈的像素点，并计算每个像素点为扬尘像素点的概率，根据概率将像素点进行分类。
其中，每一帧图像中的临界边缘像素点的获取方法为：
由于扬尘所在区域中图像的像素点的灰度值明显与它非扬尘区域的像素点不同，且在不同扬尘区域中扬尘浓度不同的像素点的灰度值存在差异，但差异不大，即属于相近的灰度值。因此对每帧图像进行临界点分析，检测出视频监控数据图像中灰度值变化剧烈的点，并生成临界点边缘，至此，生成了每帧视频监控数据图
Figure 827546DEST_PATH_IMAGE080
的临界点边缘图，其中临界点分析方法可采用Canny边缘检测等方法进行。
其中，每个像素点为扬尘像素点的概率的计算方法为：
Figure 615243DEST_PATH_IMAGE089
式中，
Figure 62273DEST_PATH_IMAGE018
为第
Figure 609929DEST_PATH_IMAGE003
帧图像的第
Figure 576748DEST_PATH_IMAGE019
个像素点为扬尘像素点的概率，
Figure 63575DEST_PATH_IMAGE020
为第
Figure 483055DEST_PATH_IMAGE003
帧图像的第
Figure 303243DEST_PATH_IMAGE019
个像素点的扬尘浓度，
Figure 373836DEST_PATH_IMAGE021
为第
Figure 519647DEST_PATH_IMAGE003
帧图像的第
Figure 692002DEST_PATH_IMAGE019
个像素点距离临界边缘像素点最近的欧式距离，
Figure 581461DEST_PATH_IMAGE015
为双曲正切函数，
Figure 772139DEST_PATH_IMAGE022
和
Figure 88851DEST_PATH_IMAGE023
分别为扬尘浓度和距离权重，本实施例中认为扬尘浓度相较于距离更加重要。
需要说明的是，存在扬尘的范围区域为满足扬尘浓度阈值的区域，且满足灰度值变化剧烈的区域，即扬尘浓度越大的点，越靠近灰度值变化剧烈边缘的点，则该点是扬尘的概率越大。
其中，将扬尘像素点分为确定扬尘像素点和待修正扬尘像素点的方法为：
设置概率阈值
Figure 482924DEST_PATH_IMAGE024
和
Figure 159761DEST_PATH_IMAGE025
，
Figure 690100DEST_PATH_IMAGE026
；
若像素点概率值大于概率阈值
Figure 616861DEST_PATH_IMAGE024
，该扬尘像素点为确定扬尘像素点；
若像素点概率值小于概率阈值
Figure 498229DEST_PATH_IMAGE024
且大于概率阈值
Figure 729491DEST_PATH_IMAGE025
，该扬尘像素点为待修正扬尘像素点；
若像素点概率值小于概率阈值
Figure 894762DEST_PATH_IMAGE025
的像素点为非扬尘像素点。
本实施例中
Figure 553276DEST_PATH_IMAGE090
，
Figure 921940DEST_PATH_IMAGE091
。
步骤四：根据风速和风向得到每个待修正扬尘像素点的实际移动距离确定出该待修正扬尘像素点在下一帧图像中的移动距离，利用该移动距离对每个待修正扬尘像素点的扬尘浓度进行修正；
该步骤的目的是，考虑到风速和风向对像素点的影响，当前帧图像中像素点可能会由于风速和风向在下一帧图像中发生移动，移动后与扬尘浓度传感器距离发生变化，因此需要根据每一帧图像的风速和风向及每个像素点之间的距离计算每个待修正扬尘像素点的实际移动距离在帧图像中的移动距离，根据每个待修正扬尘像素点在帧图像中的移动距离对该像素点的扬尘浓度进行修正。
其中，在当前帧图像的下一帧图像中对待修正扬尘像素点的扬尘浓度进行修正的方法为：
（1）根据风速和风向及每个像素点之间的距离计算每个待修正扬尘像素点的实际移动距离在当前帧图像到下一帧图像中对应的移动距离
Figure 956892DEST_PATH_IMAGE027
，
Figure 973740DEST_PATH_IMAGE028
为移动方向，具体方法为：
a.计算待修正扬尘像素点的实际移动距离C：
Figure 537577DEST_PATH_IMAGE049
式中，
Figure 393537DEST_PATH_IMAGE050
为风速，
Figure 232180DEST_PATH_IMAGE051
为每帧图像的采集时间；
b.获取待修正扬尘像素点的八个角度方向中最接近风向的角度，将其作为待修正扬尘像素点在图像中的移动方向，八个角度方向分别为：
Figure 840885DEST_PATH_IMAGE052
；
c.若待修正扬尘像素点在图像中的移动方向
Figure 483612DEST_PATH_IMAGE028
为
Figure 561290DEST_PATH_IMAGE053
，
Figure 187312DEST_PATH_IMAGE054
，
Figure 666835DEST_PATH_IMAGE055
，
Figure 572474DEST_PATH_IMAGE056
其中之一，则待修正扬尘像素点在帧图像中的移动距离为：
Figure 386715DEST_PATH_IMAGE057
式中，
Figure 567161DEST_PATH_IMAGE027
为待修正扬尘像素点在帧图像中的移动距离，
Figure 901190DEST_PATH_IMAGE058
为帧图像中每个像素点之间的距离；
若待修正扬尘像素点在图像中的移动方向为
Figure 243310DEST_PATH_IMAGE059
，
Figure 544847DEST_PATH_IMAGE060
，
Figure 997825DEST_PATH_IMAGE061
，
Figure 451940DEST_PATH_IMAGE062
其中之一，则待修正扬尘像素点在帧图像中的移动距离为：
Figure 476878DEST_PATH_IMAGE063
其中，
Figure 16444DEST_PATH_IMAGE058
的计算方法为：
Figure 538692DEST_PATH_IMAGE092
式中，
Figure 722680DEST_PATH_IMAGE065
为相机焦距，
Figure 410798DEST_PATH_IMAGE066
为相机传感器尺寸，
Figure 906502DEST_PATH_IMAGE067
为相机有效像素，
Figure 232441DEST_PATH_IMAGE068
为相机的布置高度。
（2）根据每个待修正扬尘像素点在当前帧图像到下一帧图像中的移动距离
Figure 644837DEST_PATH_IMAGE027
对每个待修正扬尘像素点的扬尘浓度进行修正，方法如下：
a.获取帧图像中待修正扬尘像素点
Figure 499660DEST_PATH_IMAGE029
的位置
Figure 13818DEST_PATH_IMAGE030
，扬尘浓度传感器的位置
Figure 127136DEST_PATH_IMAGE031
，
Figure 144771DEST_PATH_IMAGE029
为第i帧图像中第
Figure 436075DEST_PATH_IMAGE032
个待修正扬尘像素点，
Figure 155638DEST_PATH_IMAGE008
为第
Figure 823380DEST_PATH_IMAGE003
帧图像的第
Figure 695521DEST_PATH_IMAGE007
个扬尘浓度传感器；
b.根据待修正扬尘像素点
Figure 423306DEST_PATH_IMAGE029
在当前帧图像到下一帧中的移动距离和方向对
Figure 633095DEST_PATH_IMAGE029
的位置进行修正：
若
Figure 838948DEST_PATH_IMAGE033
，
Figure 831175DEST_PATH_IMAGE034
；
若
Figure 729861DEST_PATH_IMAGE035
，
Figure 424016DEST_PATH_IMAGE036
；
若
Figure 167981DEST_PATH_IMAGE037
，
Figure 14714DEST_PATH_IMAGE038
；
若
Figure 67990DEST_PATH_IMAGE039
，
Figure 265753DEST_PATH_IMAGE040
；
Figure 813409DEST_PATH_IMAGE041
为待修正扬尘像素点
Figure 780228DEST_PATH_IMAGE029
在帧图像中修正后的位置，
Figure 269984DEST_PATH_IMAGE042
为
Figure 955043DEST_PATH_IMAGE027
在
Figure 306390DEST_PATH_IMAGE043
方向上的修正值，
Figure 127716DEST_PATH_IMAGE044
为
Figure 519864DEST_PATH_IMAGE027
在
Figure 426640DEST_PATH_IMAGE045
方向上的修正值；
Figure 50520DEST_PATH_IMAGE027
在
Figure 241198DEST_PATH_IMAGE043
方向上的修正值
Figure 557910DEST_PATH_IMAGE042
的获取方法为：
当
Figure 686403DEST_PATH_IMAGE027
中的
Figure 645132DEST_PATH_IMAGE028
为
Figure 690317DEST_PATH_IMAGE053
或
Figure 443510DEST_PATH_IMAGE055
时，
Figure 59299DEST_PATH_IMAGE069
；当
Figure 290560DEST_PATH_IMAGE027
中的
Figure 190252DEST_PATH_IMAGE028
为
Figure 114345DEST_PATH_IMAGE059
或
Figure 483010DEST_PATH_IMAGE060
或
Figure 517962DEST_PATH_IMAGE061
或
Figure 275090DEST_PATH_IMAGE062
时，
Figure 370085DEST_PATH_IMAGE070
；当
Figure 226045DEST_PATH_IMAGE027
中的
Figure 799109DEST_PATH_IMAGE028
为
Figure 673393DEST_PATH_IMAGE054
或
Figure 673710DEST_PATH_IMAGE056
时，
Figure 751388DEST_PATH_IMAGE071
；
Figure 642989DEST_PATH_IMAGE027
在
Figure 122512DEST_PATH_IMAGE045
方向上的修正值
Figure 559310DEST_PATH_IMAGE044
的获取方法为：
当
Figure 124283DEST_PATH_IMAGE027
中的
Figure 22838DEST_PATH_IMAGE028
为
Figure 622446DEST_PATH_IMAGE054
或
Figure 964566DEST_PATH_IMAGE056
时，
Figure 263174DEST_PATH_IMAGE072
；当
Figure 981731DEST_PATH_IMAGE027
中的
Figure 701425DEST_PATH_IMAGE028
为
Figure 214446DEST_PATH_IMAGE059
或
Figure 3280DEST_PATH_IMAGE060
或
Figure 525528DEST_PATH_IMAGE061
或
Figure 834149DEST_PATH_IMAGE062
时，
Figure 518072DEST_PATH_IMAGE073
；当
Figure 528622DEST_PATH_IMAGE027
中的
Figure 854561DEST_PATH_IMAGE028
为
Figure 752110DEST_PATH_IMAGE053
或
Figure 121780DEST_PATH_IMAGE055
时，
Figure 635938DEST_PATH_IMAGE074
。
c.对待修正扬尘像素点
Figure 499989DEST_PATH_IMAGE029
的扬尘浓度进行修正，公式如下：
Figure 517623DEST_PATH_IMAGE093
式中，
Figure 326704DEST_PATH_IMAGE047
第i帧图像中第
Figure 62579DEST_PATH_IMAGE032
个待修正扬尘像素点修正后的扬尘浓度，
Figure 199162DEST_PATH_IMAGE006
为第
Figure 336882DEST_PATH_IMAGE003
帧图像的第
Figure 313934DEST_PATH_IMAGE007
个扬尘浓度传感器检测的扬尘浓度，
Figure 271526DEST_PATH_IMAGE008
为第
Figure 742959DEST_PATH_IMAGE003
帧图像的第
Figure 735186DEST_PATH_IMAGE007
个扬尘浓度传感器的位置
Figure 617560DEST_PATH_IMAGE031
，
Figure 328027DEST_PATH_IMAGE048
为扬尘浓度传感器
Figure 71992DEST_PATH_IMAGE008
的位置
Figure 167993DEST_PATH_IMAGE031
与
Figure 237580DEST_PATH_IMAGE041
之间的欧式距离。
需要说明的是，由于扬尘浓度传感器数据为一分钟一个数据，生成的扬尘浓度分布场在一分钟内是唯一的，且扬尘浓度高的点在一分钟内变化（浓度变较低）的可能性很小，但是本实施例中综合考虑风速和风向的影响，引入风速和风向传感器数据进行扬尘范围分析。
步骤五：利用扬尘像素点的扬尘浓度和待修正扬尘像素点的修正后的扬尘浓度确定出大于浓度阈值的扬尘像素点和待修正扬尘像素点，获取扬尘浓度大于浓度阈值的像素点的分布范围；获取扬尘浓度大于浓度阈值的像素点的分布范围所属的喷雾机工作区域，调用该工作区域对应的喷雾机对该分布范围进行吸尘。
该步骤的目的是当浓度到达一定程度时，需要获取到此时的扬尘像素点构成的范围，同时获取喷雾机的工作区域，判断扬尘像素点的范围所属哪个喷雾机的工作区域，调用对应的喷雾机进行除尘。
其中，利用扬尘像素点的扬尘浓度和待修正扬尘像素点的修正后的扬尘浓度确定出大于浓度阈值的扬尘像素点和待修正扬尘像素点的方法为：
分别将扬尘像素点的扬尘浓度和待修正扬尘像素点的修正后的扬尘浓度与扬尘浓度阈值作对比，得到浓度大于浓度阈值的扬尘像素点和待修正扬尘像素点。
其中，扬尘浓度大于浓度阈值的像素点的分布范围的获取方法为：
获取所有扬尘像素点和已修正的扬尘像素点，以二值图的形式生成扬尘像素点的分布范围热度矩阵，扬尘像素点的矩阵值为1，并将矩阵值为1的像素点标记为
Figure 169764DEST_PATH_IMAGE075
，其他像素点矩阵值为0，则分布范围为矩阵值为1的区域，矩阵为：
Figure 982999DEST_PATH_IMAGE094
式中，
Figure 196156DEST_PATH_IMAGE075
为矩阵值为1的扬尘像素点的标记。
其中，调用该分布范围对应的喷雾机对该范围进行吸尘的具体步骤如下：
（1）获取历史先验数据，其中包括：包括：风速数据、风向数据、喷雾机的功率，喷雾机角度、喷雾机对应的不同的工作区域；
（2）输入至模拟器中进行训练模拟，输出不同风速数据、风向数据、喷雾机的功率，喷雾机角度下，对应的施工场地中每个喷雾机的工作区域；
（3）获取施工场地图像中每个喷雾机的工作区域生成工作区域热度矩阵，喷雾机的工作区域内的像素点的矩阵值为1，并将矩阵值为1的像素点标记为
Figure 171065DEST_PATH_IMAGE076
，其余为0，则工作区域为矩阵值为1的区域。
本步骤基于历史数据获取在不同风速风向、喷雾角度和功率下的所有喷雾机的工作范围，并生成喷雾机工作范围热度矩阵。
本实施例中通过确定各个喷雾机不同角度下的工作范围，生成对应的工作范围热度矩阵，并与扬尘的分布范围热度矩阵进行比较，确定哪些喷雾机机参与工作，以及对喷雾机的方向进行调整。
因为喷雾机的工作范围热度矩阵受到喷雾机功率、方向以及位置的影响。其中若风向与喷雾机的方向反向，则需要设置的喷雾机功率较大；若风向与喷雾机的方向同向，则需要设置的喷雾机功率较小。其中风速需与风向一同分析，即风向相反，风速较大，设置的喷雾机功率较大，风速较小，设置的喷雾机功率较小；若风向同向，风速越大，设置的喷雾机功率较小，风速越小，设置的喷雾机功率较大。
（4）将扬尘像素点分布范围热度矩阵和喷雾机工作区域热度矩阵中每个位置对应的矩阵值进行相加得到控制矩阵；
（5）根据控制矩阵进行智能控制：
对于控制矩阵中矩阵值0对应的像素点，既不是扬尘像素点，也不是喷雾机工作区域内的像素点，不需要对喷雾机进行控制；
对于控制矩阵中矩阵值为1的像素点：
若该像素点标记为
Figure 856124DEST_PATH_IMAGE075
，该像素点为扬尘像素点但该像素点位于喷雾机喷不到的位置，可安装移动的地面式吸尘机对该位置进行处理；若该像素点标记为
Figure 207471DEST_PATH_IMAGE076
，该像素点在喷雾机的工作区域内，不需要进一步处理；
对于控制矩阵中矩阵值2对应的像素点，该像素点既是扬尘像素点同时也在喷雾机的工作区域内，则获取矩阵值2对应的像素点的坐标，判断坐标归属的喷雾机工作区域，获取该工作区域对应的喷雾机，即该喷雾机为需要进行吸尘的喷雾机；
调用该工作区域对应的喷雾并按照对应的风速数据、风向数据、喷雾机的功率，喷雾机角度进行喷雾吸尘。
其中，控制矩阵是将两个矩阵值进行重合度计算，即热度矩阵中每个位置对应的矩阵值进行相加，得到新的矩阵（记为控制矩阵），控制矩阵的矩阵值为3种：0，1（
Figure 278064DEST_PATH_IMAGE075
或
Figure 158296DEST_PATH_IMAGE076
），2。
对于控制矩阵中矩阵值为0的点，表示既不是扬尘的分布范围，也不是喷雾机工作范围，该情况不需要对喷雾机进行控制；
对于控制矩阵中矩阵值为1（
Figure 65072DEST_PATH_IMAGE075
或
Figure 220110DEST_PATH_IMAGE076
）的点，表示两种可能，情况一：为只是扬尘分布范围，而不是喷雾机的工作范围；情况二：只是喷雾机工作范围，不是扬尘范围。对于这种情况，根据矩阵值的标记（
Figure 145209DEST_PATH_IMAGE075
或
Figure 461921DEST_PATH_IMAGE076
），对这两种情况进行判断。若标记为
Figure 855993DEST_PATH_IMAGE075
，则需要考虑是否需要对矩阵值对应的位置进行单独处理（即表示喷雾机喷不到的位置需要单独处理，比如安装可移动的地面式吸尘机对该位置进行处理）；若标记为
Figure 532831DEST_PATH_IMAGE076
，为喷雾机的工作范围，则不需要进一步控制处理。
对于控制矩阵中矩阵值为2的点，表示既是扬尘的分布范围，也是喷雾机的工作范围，为本实施例中主要的智能调控情况。获取矩阵值为2的像素点的坐标集合，结合风速
Figure 328749DEST_PATH_IMAGE050
和
Figure 81941DEST_PATH_IMAGE095
，根据上述步骤模拟出来的工作范围结果，对各个喷雾机工作范围的归属进行分析；
对所有矩阵值为2的像素点的归属哪个喷雾机的工作区域进行分析，得到需要喷雾吸尘的喷雾机，根据该喷雾机的工作区域对应的，且同时得到了对应的喷雾机功率以及喷雾机角度，控制该对喷雾机进行喷雾除尘实现喷雾机的智能调控。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种用于市政施工的吸尘设备智能控制方法，其特征在于，包括：
获取完整覆盖市政施工场地的当前帧图像；
利用当前帧图像中扬尘浓度传感器的扬尘浓度得到当前帧图像中每个像素点的扬尘浓度；
对当前帧图像中的像素点进行边缘检测，得到当前帧图像中的临界边缘像素点；
根据当前帧图像中每个像素点的扬尘浓度和该像素点与临界边缘像素点中最近边缘像素点之间的欧式距离得到每个像素点为扬尘像素点的概率；
对当前帧图像中每个像素点为扬尘像素点的概率值进行阈值分割，将当前帧图像中的像素点分为确定扬尘像素点、待修正扬尘像素点和非扬尘像素点；
根据风速和风向得到每个待修正扬尘像素点的实际移动距离确定出该待修正扬尘像素点在下一帧图像中的移动距离，利用该移动距离对每个待修正扬尘像素点的扬尘浓度进行修正；
利用扬尘像素点的扬尘浓度和待修正扬尘像素点的修正后的扬尘浓度确定出大于浓度阈值的扬尘像素点和待修正扬尘像素点，获取扬尘浓度大于浓度阈值的像素点的分布范围；
获取扬尘浓度大于浓度阈值的像素点的分布范围所属的喷雾机工作区域，调用该工作区域对应的喷雾机对该分布范围进行吸尘。
2.根据权利要求1所述的一种用于市政施工的吸尘设备智能控制方法，其特征在于，所述当前帧图像中每个像素点的扬尘浓度的获取方法如下：
获取当前帧图像中与该像素点距离最近的扬尘浓度传感器；
若该像素点灰度值小于等于扬尘浓度传感器处像素点灰度值，则该像素点的扬尘浓度为：
Figure 268036DEST_PATH_IMAGE002
式中，
Figure DEST_PATH_IMAGE003
为第
Figure 429896DEST_PATH_IMAGE004
帧图像中第
Figure DEST_PATH_IMAGE005
个像素点的扬尘浓度，
Figure 708431DEST_PATH_IMAGE006
为第
Figure 777887DEST_PATH_IMAGE004
帧图像中第
Figure 728042DEST_PATH_IMAGE005
个像素点的位置，
Figure DEST_PATH_IMAGE007
为第
Figure 608274DEST_PATH_IMAGE004
帧图像的第
Figure 842946DEST_PATH_IMAGE008
个扬尘浓度传感器检测的扬尘浓度，第
Figure 184934DEST_PATH_IMAGE008
个扬尘浓度传感器为与第
Figure 923083DEST_PATH_IMAGE005
个像素点距离最近的扬尘浓度传感器，
Figure DEST_PATH_IMAGE009
为第
Figure 101779DEST_PATH_IMAGE004
帧图像的第
Figure 558168DEST_PATH_IMAGE008
个扬尘浓度传感器的位置，
Figure 189001DEST_PATH_IMAGE010
为第
Figure 47236DEST_PATH_IMAGE004
帧图像的第
Figure 987379DEST_PATH_IMAGE008
个扬尘浓度传感器的位置和第
Figure 931064DEST_PATH_IMAGE005
个像素点位置之间的欧式距离；
若该像素点灰度值大于扬尘浓度传感器处像素点灰度值，则该像素点的扬尘浓度为：
Figure 365587DEST_PATH_IMAGE012
式中，
Figure DEST_PATH_IMAGE013
为修正参数，计算方法为：
Figure DEST_PATH_IMAGE015
公式中，
Figure 265279DEST_PATH_IMAGE016
为第
Figure 392635DEST_PATH_IMAGE005
个像素点的灰度值，
Figure DEST_PATH_IMAGE017
为扬尘浓度传感器处像素点的灰度值，
Figure 744988DEST_PATH_IMAGE018
为双曲正切函数，
Figure DEST_PATH_IMAGE019
为超参数。
3.根据权利要求2所述的一种用于市政施工的吸尘设备智能控制方法，其特征在于，所述每个像素点为扬尘像素点的概率的计算方法为：
Figure DEST_PATH_IMAGE021
式中，
Figure 167223DEST_PATH_IMAGE022
为第
Figure 468892DEST_PATH_IMAGE004
帧图像的第
Figure DEST_PATH_IMAGE023
个像素点为扬尘像素点的概率，
Figure 32728DEST_PATH_IMAGE024
为第
Figure 341219DEST_PATH_IMAGE004
帧图像的第
Figure 851966DEST_PATH_IMAGE023
个像素点的扬尘浓度，
Figure DEST_PATH_IMAGE025
为第
Figure 195091DEST_PATH_IMAGE004
帧图像的第
Figure 523304DEST_PATH_IMAGE023
个像素点距离临界边缘像素点最近的欧式距离，
Figure 538665DEST_PATH_IMAGE018
为双曲正切函数，
Figure 508895DEST_PATH_IMAGE026
和
Figure DEST_PATH_IMAGE027
分别为扬尘浓度和距离权重。
4.根据权利要求3所述的一种用于市政施工的吸尘设备智能控制方法，其特征在于，所述将当前帧图像中的像素点分为确定扬尘像素点、待修正扬尘像素点和非扬尘像素点的具体方法为：
设置概率阈值
Figure 706527DEST_PATH_IMAGE028
和
Figure DEST_PATH_IMAGE029
，
Figure 612166DEST_PATH_IMAGE030
；
若像素点概率值大于概率阈值
Figure 632599DEST_PATH_IMAGE028
，该扬尘像素点为确定扬尘像素点；
若像素点概率值小于概率阈值
Figure 485149DEST_PATH_IMAGE028
且大于概率阈值
Figure DEST_PATH_IMAGE031
，该扬尘像素点为待修正扬尘像素点；
若像素点概率值小于概率阈值
Figure 802866DEST_PATH_IMAGE029
的像素点为非扬尘像素点。
5.根据权利要求4所述的一种用于市政施工的吸尘设备智能控制方法，其特征在于，所述对每个待修正扬尘像素点的扬尘浓度进行修正的方法为：
根据风速和风向及每个像素点之间的距离计算每个待修正扬尘像素点的实际移动距离在当前帧图像到下一帧图像中对应的移动距离
Figure 738461DEST_PATH_IMAGE032
，
Figure DEST_PATH_IMAGE033
为移动方向；
根据每个待修正扬尘像素点在当前帧图像到下一帧图像中的移动距离
Figure 649786DEST_PATH_IMAGE032
对每个待修正扬尘像素点的扬尘浓度进行修正，方法如下：
获取待修正扬尘像素点
Figure 696239DEST_PATH_IMAGE034
的位置
Figure DEST_PATH_IMAGE035
，扬尘浓度传感器的位置
Figure 619196DEST_PATH_IMAGE036
，
Figure 378554DEST_PATH_IMAGE034
为第i帧图像中第
Figure DEST_PATH_IMAGE037
个待修正扬尘像素点，
Figure 901809DEST_PATH_IMAGE009
为第
Figure 627319DEST_PATH_IMAGE004
帧图像的第
Figure 998258DEST_PATH_IMAGE008
个扬尘浓度传感器；
根据待修正扬尘像素点
Figure 400289DEST_PATH_IMAGE034
在当前帧图像到下一帧中的移动距离和方向对
Figure 223888DEST_PATH_IMAGE034
的位置进行修正：
若
Figure 487511DEST_PATH_IMAGE038
，
Figure DEST_PATH_IMAGE039
；
若
Figure 634327DEST_PATH_IMAGE040
，
Figure DEST_PATH_IMAGE041
；
若
Figure 223571DEST_PATH_IMAGE042
，
Figure DEST_PATH_IMAGE043
；
若
Figure 458768DEST_PATH_IMAGE044
，
Figure DEST_PATH_IMAGE045
；
Figure 57240DEST_PATH_IMAGE046
为待修正扬尘像素点
Figure 261825DEST_PATH_IMAGE034
在帧图像中修正后的位置，
Figure DEST_PATH_IMAGE047
为
Figure 287550DEST_PATH_IMAGE032
在
Figure 475955DEST_PATH_IMAGE048
方向上的修正值，
Figure DEST_PATH_IMAGE049
为
Figure 346959DEST_PATH_IMAGE032
在
Figure 812575DEST_PATH_IMAGE050
方向上的修正值；
对待修正扬尘像素点
Figure 992890DEST_PATH_IMAGE034
的扬尘浓度进行修正，公式如下：
Figure 888164DEST_PATH_IMAGE052
式中，
Figure DEST_PATH_IMAGE053
第i帧图像中第
Figure 340356DEST_PATH_IMAGE037
个待修正扬尘像素点修正后的扬尘浓度，
Figure 238909DEST_PATH_IMAGE007
为第
Figure 934332DEST_PATH_IMAGE004
帧图像的第
Figure 582482DEST_PATH_IMAGE008
个扬尘浓度传感器检测的扬尘浓度，
Figure 247819DEST_PATH_IMAGE009
为第
Figure 422448DEST_PATH_IMAGE004
帧图像的第
Figure 678986DEST_PATH_IMAGE008
个扬尘浓度传感器的位置
Figure 673487DEST_PATH_IMAGE036
，
Figure 424405DEST_PATH_IMAGE054
为扬尘浓度传感器
Figure 453541DEST_PATH_IMAGE009
的位置
Figure 878051DEST_PATH_IMAGE036
与
Figure 405853DEST_PATH_IMAGE046
之间的欧式距离。
6.根据权利要求5所述的一种用于市政施工的吸尘设备智能控制方法，其特征在于，所述每个待修正扬尘像素点的实际移动距离在当前帧图像到下一帧图像中对应的移动距离
Figure 947080DEST_PATH_IMAGE032
的获取方法为：
计算待修正扬尘像素点的实际移动距离C：
Figure 96302DEST_PATH_IMAGE056
式中，
Figure DEST_PATH_IMAGE057
为风速，
Figure 101167DEST_PATH_IMAGE058
为每帧图像的采集时间；
获取待修正扬尘像素点的八个角度方向中最接近风向的角度，将其作为待修正扬尘像素点在图像中的移动方向，八个角度方向分别为：
Figure DEST_PATH_IMAGE059
；
若待修正扬尘像素点在图像中的移动方向
Figure 476785DEST_PATH_IMAGE033
为
Figure 959718DEST_PATH_IMAGE060
，
Figure DEST_PATH_IMAGE061
，
Figure 760184DEST_PATH_IMAGE062
，
Figure DEST_PATH_IMAGE063
其中之一，则待修正扬尘像素点在帧图像中的移动距离为：
Figure DEST_PATH_IMAGE065
式中，
Figure 732688DEST_PATH_IMAGE032
为待修正扬尘像素点在帧图像中的移动距离，
Figure 454657DEST_PATH_IMAGE066
为帧图像中每个像素点之间的距离；
若待修正扬尘像素点在图像中的移动方向为
Figure DEST_PATH_IMAGE067
，
Figure 27369DEST_PATH_IMAGE068
，
Figure DEST_PATH_IMAGE069
，
Figure 541395DEST_PATH_IMAGE070
其中之一，则待修正扬尘像素点在帧图像中的移动距离为：
Figure 356905DEST_PATH_IMAGE072
其中，
Figure 910377DEST_PATH_IMAGE066
的计算方法为：
Figure 735113DEST_PATH_IMAGE074
式中，
Figure DEST_PATH_IMAGE075
为相机焦距，
Figure 103647DEST_PATH_IMAGE076
为相机传感器尺寸，
Figure DEST_PATH_IMAGE077
为相机有效像素，
Figure 886795DEST_PATH_IMAGE078
为相机的布置高度。
7.根据权利要求5所述的一种用于市政施工的吸尘设备智能控制方法，其特征在于，所述
Figure 317776DEST_PATH_IMAGE032
在
Figure 290411DEST_PATH_IMAGE048
方向上的修正值和
Figure 857659DEST_PATH_IMAGE032
在
Figure 142534DEST_PATH_IMAGE050
方向上的修正值的获取方法为：
Figure 795233DEST_PATH_IMAGE032
在
Figure 571559DEST_PATH_IMAGE048
方向上的修正值
Figure 258892DEST_PATH_IMAGE047
的获取方法为：
当
Figure 977318DEST_PATH_IMAGE032
中的
Figure 117312DEST_PATH_IMAGE033
为
Figure 431750DEST_PATH_IMAGE060
或
Figure 973590DEST_PATH_IMAGE062
时，
Figure DEST_PATH_IMAGE079
；
当
Figure 269442DEST_PATH_IMAGE032
中的
Figure 896733DEST_PATH_IMAGE033
为
Figure 264129DEST_PATH_IMAGE067
或
Figure 191634DEST_PATH_IMAGE068
或
Figure 737016DEST_PATH_IMAGE069
或
Figure 586023DEST_PATH_IMAGE070
时，
Figure 754180DEST_PATH_IMAGE080
；
当
Figure 411558DEST_PATH_IMAGE032
中的
Figure 252475DEST_PATH_IMAGE033
为
Figure DEST_PATH_IMAGE081
或
Figure 510150DEST_PATH_IMAGE063
时，
Figure 970081DEST_PATH_IMAGE082
；
Figure 731233DEST_PATH_IMAGE032
在y方向上的修正值
Figure 743051DEST_PATH_IMAGE049
的获取方法为：
当
Figure 707596DEST_PATH_IMAGE032
中的
Figure 95852DEST_PATH_IMAGE033
为
Figure 711510DEST_PATH_IMAGE081
或
Figure 894230DEST_PATH_IMAGE063
时，
Figure DEST_PATH_IMAGE083
；
当
Figure 611650DEST_PATH_IMAGE032
中的
Figure 665581DEST_PATH_IMAGE033
为
Figure 11112DEST_PATH_IMAGE067
或
Figure 505678DEST_PATH_IMAGE068
或
Figure 38291DEST_PATH_IMAGE069
或
Figure 158562DEST_PATH_IMAGE070
时，
Figure 233966DEST_PATH_IMAGE084
；
当
Figure 758488DEST_PATH_IMAGE032
中的
Figure 168609DEST_PATH_IMAGE033
为
Figure 967938DEST_PATH_IMAGE060
或
Figure 897848DEST_PATH_IMAGE062
时，
Figure DEST_PATH_IMAGE085
。
8.根据权利要求7所述的一种用于市政施工的吸尘设备智能控制方法，其特征在于，所述扬尘浓度大于浓度阈值的像素点的分布范围的获取方法为：
获取所有确定扬尘像素点和已修正的扬尘像素点，以二值图的形式生成扬尘像素点的分布范围热度矩阵，扬尘像素点的矩阵值为1，并将矩阵值为1的像素点标记为
Figure 780222DEST_PATH_IMAGE086
，其他像素点矩阵值为0，则分布范围为矩阵值为1的区域。
9.根据权利要求8所述的一种用于市政施工的吸尘设备智能控制方法，其特征在于，所述获取扬尘浓度大于浓度阈值的像素点的分布范围所属的喷雾机工作区域的具体方法如下：
根据历史先验数据获取每个喷雾机在不同的风速数据、风向数据、喷雾机的功率，喷雾机角度下对应的工作区域，生成工作区域热度矩阵，喷雾机的工作区域内的像素点的矩阵值为1，并将矩阵值为1的像素点标记为
Figure DEST_PATH_IMAGE087
，其余为0，则工作区域为矩阵值为1的区域；
将扬尘像素点分布范围热度矩阵和喷雾机工作区域热度矩阵中每个位置对应的矩阵值进行相加得到控制矩阵；
对于控制矩阵中矩阵值0对应的像素点，既不是扬尘像素点，也不是喷雾机工作区域内的像素点，不需要对喷雾机进行控制；
对于控制矩阵中矩阵值为1的像素点：
若该像素点标记为
Figure 849546DEST_PATH_IMAGE086
，该像素点为扬尘像素点但该像素点位于喷雾机喷不到的位置，可安装移动的地面式吸尘机对该位置进行处理；若该像素点标记为
Figure 577199DEST_PATH_IMAGE087
，该像素点在喷雾机的工作区域内，不需要进一步处理；
对于控制矩阵中矩阵值2对应的像素点，该像素点既是扬尘像素点同时也在喷雾机的工作区域内，则获取矩阵值2对应的像素点的坐标，判断坐标归属的喷雾机工作区域，获取该工作区域对应的喷雾机，即该喷雾机为需要进行吸尘的喷雾机；
调用该工作区域对应的喷雾并按照对应的风速数据、风向数据、喷雾机的功率，喷雾机角度进行喷雾吸尘。
CN202210828753.6A 2022-07-15 2022-07-15 一种用于市政施工的吸尘设备智能控制方法 Active CN115018872B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210828753.6A CN115018872B (zh) 2022-07-15 2022-07-15 一种用于市政施工的吸尘设备智能控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210828753.6A CN115018872B (zh) 2022-07-15 2022-07-15 一种用于市政施工的吸尘设备智能控制方法

Publications (2)

Publication Number Publication Date
CN115018872A CN115018872A (zh) 2022-09-06
CN115018872B true CN115018872B (zh) 2022-11-08

Family

ID=83080399

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210828753.6A Active CN115018872B (zh) 2022-07-15 2022-07-15 一种用于市政施工的吸尘设备智能控制方法

Country Status (1)

Country Link
CN (1) CN115018872B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116591087A (zh) * 2023-04-28 2023-08-15 广东浩宇清洁环保设备有限公司 一种具有抑尘功能的驾驶式扫地吸尘装置
CN116663964B (zh) * 2023-04-28 2023-11-03 长电新能有限责任公司 一种基于清单项目特征值的工程单价快速计算方法及***

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4849144B2 (ja) * 2009-03-23 2012-01-11 コニカミノルタビジネステクノロジーズ株式会社 画像読取装置および筋状ノイズ補正方法
CN103514366B (zh) * 2013-09-13 2017-02-08 中南大学 一种城市空气质量浓度监测缺失数据的修复方法
CN114387273B (zh) * 2022-03-24 2022-05-31 莱芜职业技术学院 基于计算机图像识别的环境粉尘浓度检测方法及***

Also Published As

Publication number Publication date
CN115018872A (zh) 2022-09-06

Similar Documents

Publication Publication Date Title
CN115018872B (zh) 一种用于市政施工的吸尘设备智能控制方法
CN109325935B (zh) 一种基于无人机图像的输电线路检测方法
CN108961235A (zh) 一种基于YOLOv3网络和粒子滤波算法的缺陷绝缘子识别方法
CN110648364B (zh) 一种多维度空间固废视觉检测定位及识别方法与***
US20180122083A1 (en) Method and device for straight line detection and image processing
CN107798330A (zh) 一种焊缝图像特征信息提取方法
CN113284124B (zh) 一种基于无人机视觉的光伏面板缺陷检测方法
CN106290388A (zh) 一种绝缘子故障自动检测方法
CN106935683A (zh) 一种太阳能电池片高速视觉定位及矫正***及其方法
CN108229524A (zh) 一种基于遥感图像的烟囱和冷凝塔检测方法
CN112149543A (zh) 一种基于计算机视觉的建筑扬尘识别***与方法
CN113516108B (zh) 基于数据识别的工地抑尘数据匹配处理方法
CN100492396C (zh) 一种面向摄像整纬器的织物纹理图像识别方法
CN107292926A (zh) 基于多图像序列的巡检机器人运动轨迹直线度测量方法
CN111896540A (zh) 一种基于区块链的水质在线监测***
CN113420670B (zh) 基于高分遥感输变电线路迁改环水保监管方法
CN110716504B (zh) 一种基于多闭环串级控制的滚球***运动控制方法
CN115984806B (zh) 道路标线破损动态检测***
CN115792919B (zh) 一种气溶胶激光雷达水平扫描监测污染热点区域识别方法
CN112132823A (zh) 一种基于人工智能的光伏电池图像局部光照不均处理方法
CN115713654A (zh) 基于2d与3d激光图像的轨道扣件螺栓松动自动检测方法
CN112818836B (zh) 一种变电站场景的人员目标检测方法及***
CN113949142A (zh) 一种基于视觉识别的巡线机器人自主充电方法、***
CN113326793A (zh) 一种远距离行人位置识别方法、***及存储介质
CN112183467A (zh) 基于人工智能的光伏机器人沉陷卡死检测方法及***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant