CN115631356B - 道路设施缺失识别方法、装置、存储介质及电子装置 - Google Patents
道路设施缺失识别方法、装置、存储介质及电子装置 Download PDFInfo
- Publication number
- CN115631356B CN115631356B CN202211496211.XA CN202211496211A CN115631356B CN 115631356 B CN115631356 B CN 115631356B CN 202211496211 A CN202211496211 A CN 202211496211A CN 115631356 B CN115631356 B CN 115631356B
- Authority
- CN
- China
- Prior art keywords
- facility
- road
- information
- condition
- shadow
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供了一种道路设施缺失识别方法、装置、存储介质及电子装置,涉及道路设施巡检技术的技术领域。其方法包括:获取目标道路的初始图像信息;通过预先训练的对象识别模型,确定目标区域的设施阴影信息;在所述设施阴影信息满足第一位置条件的情况下,将所述设施阴影信息与预设的设施基准信息进行第一匹配处理,以得到第一匹配结果;在所述第一匹配结果不满足第一匹配条件的情况下,确定所述道路设施存在缺失。通过本发明,解决了道路设施缺失识别精度低的问题,进而达到了提高道路设施缺失的效果。
Description
技术领域
本发明实施例涉及道路设施巡检领域,具体而言,涉及一种道路设施缺失识别方法、装置、存储介质及电子装置。
背景技术
近年来,为响应花园式城市建设的目的,我国城市道路建设也逐渐通过花箱等对城市道路进行装饰,以增加道路绿化,提升城市美感。
在台风等恶劣天气的影响下,道路的花箱容易出现丢失等问题,或受交通事故的影响,花箱会出现破损、移位等现象,特别是移位现象,严重时还会对道路交通造成堵塞、引发二次撞击、对车辆造成刮伤等事故。
现有技术只对道路的坑包等情况进行自动检测,尚无对道路花箱进行有效检测的方案,因而只能通过人工巡检的方式进行排查,这种方式即耗费了人力,也降低了排查效率。
发明内容
本发明实施例提供了一种道路设施缺失识别方法、装置、存储介质及电子装置,以至少解决相关技术中道路花箱缺失的问题。
根据本发明的一个实施例,提供了一种道路设施缺失识别方法,包括:
获取目标道路的初始图像信息;
通过预先训练的对象识别模型,确定目标区域的设施阴影信息,其中,所述目标道路包括所述目标区域,所述设施阴影信息包括所述目标道路的道路设施的阴影信息;
在所述设施阴影信息满足第一位置条件的情况下,将所述设施阴影信息与预设的设施基准信息进行第一匹配处理,以得到第一匹配结果;
在所述第一匹配结果不满足第一匹配条件的情况下,确定所述道路设施存在缺失。
在一个示例性实施例中,在所述通过预先训练的对象识别模型,确定目标区域的设施阴影信息之后,所述方法还包括:
在所述设施阴影信息满足第二位置条件的情况下,将所述设施阴影信息与所述设施基准信息进行第二匹配处理,以得到第二匹配结果;
在所述第二匹配结果满足第一匹配条件的情况下,确定所述道路设施存在缺失。
在一个示例性实施例中,在所述通过预先训练的对象识别模型,确定目标区域的设施阴影信息之前,所述方法还包括:
获取所述目标道路的天气信息和/或时间信息,以确定目标时间段的光照角度;
基于所述光照角度,确定目标时间段的所述第一位置条件和/或所述第二位置条件。
在一个示例性实施例中,在所述获取所述目标道路的天气信息和/或时间信息,以确定目标时间段的光照角度之后,所述方法还包括:
在所述天气信息和/或时间信息满足第一天气条件的情况下,基于所述初始图像信息,获取所述目标道路的道路积水信息;
基于所述道路积水信息,确定所述目标道路的第二设施阴影信息;
对所述第二设施阴影信息与所述设施阴影信息进行第三匹配处理,以得到第三匹配结果;
在所述第三匹配结果不满足所述第一匹配条件的情况下,确定所述道路设施存在缺失。
在一个示例性实施例中,所述方法还包括:
通过所述对象识别模型,确定所述目标道路的道路基准线以及所述道路设施的设施基准线;
对所述道路基准线以及所述设施基准线进行空间夹角计算,以得到基准夹角;
在所述基准夹角大于第一阈值且小于第二阈值的情况下,确定所述道路设施存在异位。
根据本发明的另一个实施例,提供了一种道路设施缺失识别装置,包括:
图像采集模块,用于获取目标道路的初始图像信息;
信息确定模块,用于通过预先训练的对象识别模型,确定目标区域的设施阴影信息,其中,所述目标道路包括所述目标区域,所述设施阴影信息包括所述目标道路的道路设施的阴影信息;
第一匹配模块,用于在所述设施阴影信息满足第一位置条件的情况下,将所述设施阴影信息与预设的设施基准信息进行第一匹配处理,以得到第一匹配结果;
第一结果判断模块,用于在所述第一匹配结果不满足第一匹配条件的情况下,确定所述道路设施存在缺失。
在一个示例性实施例中,还包括:
第二匹配模块,用于在所述通过预先训练的对象识别模型,确定目标区域的设施阴影信息之后,在所述设施阴影信息满足第二位置条件的情况下,将所述设施阴影信息与所述设施基准信息进行第二匹配处理,以得到第二匹配结果;
第二结果判断模块,用于在所述第二匹配结果满足第一匹配条件的情况下,确定所述道路设施存在缺失。
在一个示例性实施例中,还包括:
天气信息采集模块,用于在所述通过预先训练的对象识别模型,确定目标区域的设施阴影信息之前,获取所述目标道路的天气信息和/或时间信息,以确定目标时间段的光照角度;
条件生成模块,用于基于所述光照角度,确定目标时间段的所述第一位置条件和/或所述第二位置条件。
根据本发明的又一个实施例,还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例,还提供了一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明,由于通过设施阴影与设施基准进行比对,实现了花箱识别的自动化,也减少了对花箱属性进行识别的算力需求,提高了花箱识别效率,因此,可以解决花箱识别精度低问题,达到提高花箱识别精度和效率的效果。
附图说明
图1是本发明实施例的一种道路设施缺失识别方法的移动终端的硬件结构框图;
图2根据本发明实施例的一种道路设施缺失识别方法的流程图;
图3是根据本发明具体实施例的原理示意图一;
图4是根据本发明具体实施例的原理示意图二;
图5是根据本发明实施例的一种道路设施缺失识别装置的结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明的实施例。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例,图1是本发明实施例的一种道路设施缺失识别方法的移动终端的硬件结构框图。如图1所示,移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,其中,上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述移动终端的结构造成限定。例如,移动终端还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中的一种道路设施缺失识别方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种道路设施缺失识别方法,图2是根据本发明实施例的一种道路设施缺失识别方法的流程图,如图2所示,该流程包括如下步骤:
步骤S202,获取目标道路的初始图像信息;
在本实施例中,获取目标道路的初始图像信息是为了对通过图像识别的方式对目标道路的花箱等设施进行识别,实现设施识别的自动化。
其中,目标道路包括(但不限于)需要进行设施监控的道路,可以是根据行政规划人工设置的,也可以是根据信息采集设备的设备参数确定的信息可采集范围确定的,还可以是通过GIS技术进行空间划分得到的;获取初始图像信息的方式可以(但不限于)是通过可见光摄像头或激光雷达对一定区域内进行图像或信息采集的得到的,或者通过无人机搭载机载摄像头的方式对目标道路进行图像采集得到的,对应的,初始图像信息还包括目标道路的坐标信息,目标道路的确定均可以(但不限于)通过yolo3、yolo5等经过训练的神经网络模型进行识别别来是现实。
步骤S204,通过预先训练的对象识别模型,确定目标区域的设施阴影信息,其中,所述目标道路包括所述目标区域,所述设施阴影信息包括所述目标道路的道路设施的阴影信息;
在本实施例中,识别阴影相较于识别具体的对象难度较小,所需的算力也较小,因而可以提高设施识别的效率,并降低识别所需的设备成本。
其中,对象识别模型可以但不限于是CNN、RCNN、Fast-RCNN等用于识别特定对象的模型,而对象识别模型的训练过程可以包括(但不限于)通过对初始图像信息中阳光照射在RGB三个通道上的强度比例进行计算,再进行阴影区域和非阴影区域的分割计算的过程;目标区域包括(但不限于)目标道路两侧1-2m区域、道路中轴区域等,道路设施包括(但不限于)道路花箱、树木、路灯、防护栏、隔音屏等道路设施,在一些特殊情况下,还可以对道路上的车辆、行人、楼房、抛洒物等特殊事物也进行识别,对应的,阴影信息包括(但不限于)道路设施的阴影的坐标信息、面积信息等信息。
步骤S206,在所述设施阴影信息满足第一位置条件的情况下,将所述设施阴影信息与预设的设施基准信息进行第一匹配处理,以得到第一匹配结果;
在本实施例中,如图3所示,在道路设施位置正常,且可以捕捉到阴影的情况下(即采集设备向光),道路设施与道路上的阴影应当是一一对应的,因此如果出现阴影丢失的情况,则可以认为是对应得道路设施出现丢失。
其中,第一位置条件可以(但不限于)是设施阴影与道路设施同时可以被采集的位置,例如,如图3所示,道路设施以及道路设施的阴影信息可以同时被采集,此时设施阴影信息满足第一位置条件;设施基准信息包括(但不限于)道路设施的坐标、尺寸、颜色、类型等信息。
第一匹配处理可以(但不限于)将设施基准信息中的道路设施的坐标进行光照位置计算,再将计算结果与阴影信息中包括的阴影坐标相匹配,也可以是直接将设施基准信息中的道路设施的坐标与阴影坐标进行匹配,再判断阴影坐标是否在道路设施的坐标变化范围内等。
步骤S208,在所述第一匹配结果不满足第一匹配条件的情况下,确定所述道路设施存在缺失。
在本实施例中,第一匹配条件可以(但不限于)是道路设施的坐标与阴影信息一一对应,即光照位置计算可以匹配到对应的阴影坐标,或道路设施的坐标可以匹配到对应的阴影坐标,而当道路设施的坐标未匹配到对应的阴影信息时,则说明有对应的道路设施缺失。
通过上述步骤,由于阴影的识别及变化计算相较于设施本身的识别所需的算力小,模型训练也较为简单,同时也避免因设施近似造成的识别错误,因而可以减少设备布置成本和设施巡检成本,解决了道路设施(如道路花箱)的识别成本高,识别精度低的问题,提高了道路设施识别效率和精度,降低了巡检成本。
其中,上述步骤的执行主体可以为基站、终端等,但不限于此。
在一个可选的实施例中,在所述通过预先训练的对象识别模型,确定目标区域的设施阴影信息之后,所述方法还包括:
步骤S2010,在所述设施阴影信息满足第二位置条件的情况下,将所述设施阴影信息与所述设施基准信息进行第二匹配处理,以得到第二匹配结果;
步骤S2012,在所述第二匹配结果满足第一匹配条件的情况下,确定所述道路设施存在缺失。
在本实施例中,在可以采集到道路设施但是采集不到阴影的情况下(即采集设备背光)的情况下,阴影通常被道路设施所遮挡,此时如果可以采集到阴影信息,则说明道路设施存在缺失。
在本实施例中,第二位置条件可以(但不限于)是设施阴影与道路设施不能被同时采集的位置,对应的,第二匹配条件即为道路设施的坐标不能匹配到对应得道路阴影信息,如果可以匹配到,阴影没有被遮挡,从而说明道路设备存在缺失。
在一个可选的实施例中,在所述通过预先训练的对象识别模型,确定目标区域的设施阴影信息之前,所述方法还包括:
步骤S20402,获取所述目标道路的天气信息和/或时间信息,以确定目标时间段的光照角度;
步骤S20404,基于所述光照角度,确定目标时间段的所述第一位置条件和/或所述第二位置条件。
在本实施例中,由于阴影会随太阳光照角度的变化而变化,或者在夜间被周围路灯光照所限定,因而判断目标道路所处的天气信息或时间信息才能对道路设施的阴影变化范围进行确定。
其中,目标时间段包括(但不限于)采集到初始图像信息的时间段,天气信息包括(但不限于)天气状况(晴天、阴雨天、雪天等)、温湿度、风速、风向等信息,天气信息的采集可以(但不限于)通过互联网爬虫采集相关气象部门的公布信息或直接与气象部门的相关***进行联网获得,还可以是通过其它方式获得;时间信息可以通过实时获取标准时间获得,也可以是通过计时模块获得。
在一个可选的实施例中,在所述获取所述目标道路的天气信息和/或时间信息,以确定目标时间段的光照角度之后,所述方法还包括:
步骤S204022,在所述天气信息和/或时间信息满足第一天气条件的情况下,基于所述初始图像信息,获取所述目标道路的道路积水信息;
步骤S204042,基于所述道路积水信息,确定所述目标道路的第二设施阴影信息;
步骤S204026,对所述第二设施阴影信息与所述设施阴影信息进行第三匹配处理,以得到第三匹配结果;
步骤S204028,在所述第三匹配结果不满足所述第一匹配条件的情况下,确定所述道路设施存在缺失。
在本实施例中,如图4所示,在阴雨天的情况下,光照无法形成明显的阴影,此时可以通过采集道路积水,以及道路设施在积水生成的阴影来识别设施的缺失情况。
其中,第一天气条件可以(但不限于)可能产生道路积水的天气,如下雨天等,道路积水信息包括道路积水的坐标、面积等信息,道路积水信息的采集也可以通过对象识别模型对初始图像信息进行识别来获得;第三匹配处理可以(但不限于)但不限于是将道路积水的坐标、阴影信息的坐标以及道路设施的坐标进行联合匹配,也可以是其它形式的匹配,当未能将道路积水的坐标、阴影信息的坐标与道路设施的坐标相匹配时,则说明对应的道路设施存在缺失。
在一个可选的实施例中,所述方法还包括:
步骤S2002,通过所述对象识别模型,确定所述目标道路的道路基准线以及所述道路设施的设施基准线;
步骤S2004,对所述道路基准线以及所述设施基准线进行空间夹角计算,以得到基准夹角;
步骤S2006,在所述基准夹角大于第一阈值且小于第二阈值的情况下,确定所述道路设施存在异位。
在本实施例中,道路设施通常呈标准形状,且按照一定规则设置,如路灯为柱状,隔音板为矩形且沿道路延伸方向设置等,因而通过确定道路设施的中轴线即可确定其设施基准线,随后再通过确定其中轴线与道路的基准线智之间的夹角是否满足预设条件即可判断对应的道路设施是否存在异常,例如,路灯与道路的夹角通常为90°,若小于85°则可能存在倾倒的可能。
其中,道路基准线的确定可以(但不限于)是在确定道路的边界后,确定道路的中轴线,并将该中轴线作为道路基准线,也可以是以道路的边界线作为道路基准线,还可以是以目标道路中画设的实线或者虚线作为道路基准线,以及道路基准线。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
在本实施例中还提供了一种道路设施缺失识别装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图5是根据本发明实施例的一种道路设施缺失识别装置的结构框图,如图5所示,该装置包括:
图像采集模块52,用于获取目标道路的初始图像信息;
信息确定模块54,用于通过预先训练的对象识别模型,确定目标区域的设施阴影信息,其中,所述目标道路包括所述目标区域,所述设施阴影信息包括所述目标道路的道路设施的阴影信息;
第一匹配模块56,用于在所述设施阴影信息满足第一位置条件的情况下,将所述设施阴影信息与预设的设施基准信息进行第一匹配处理,以得到第一匹配结果;
第一结果判断模块58,用于在所述第一匹配结果不满足第一匹配条件的情况下,确定所述道路设施存在缺失。
在一个可选的实施例中,还包括:
第二匹配模块510,用于在所述通过预先训练的对象识别模型,确定目标区域的设施阴影信息之后,在所述设施阴影信息满足第二位置条件的情况下,将所述设施阴影信息与所述设施基准信息进行第二匹配处理,以得到第二匹配结果;
第二结果判断模块512,用于在所述第二匹配结果满足第一匹配条件的情况下,确定所述道路设施存在缺失。
在一个可选的实施例中,还包括:
天气信息采集模块5402,用于在所述通过预先训练的对象识别模型,确定目标区域的设施阴影信息之前,获取所述目标道路的天气信息和/或时间信息,以确定目标时间段的光照角度;
条件生成模块5404,用于基于所述光照角度,确定目标时间段的所述第一位置条件和/或所述第二位置条件。
在一个可选的实施例中,还包括:
积水确定模块54022,用于在所述获取所述目标道路的天气信息和/或时间信息,以确定目标时间段的光照角度之后,在所述天气信息和/或时间信息满足第一天气条件的情况下,基于所述初始图像信息,获取所述目标道路的道路积水信息;
第二阴影采集模块54044,用于基于所述道路积水信息,确定所述目标道路的第二设施阴影信息;
第三匹配模块54046,用于对所述第二设施阴影信息与所述设施阴影信息进行第三匹配处理,以得到第三匹配结果;
第三判断模块54048,用于在所述第三匹配结果不满足所述第一匹配条件的情况下,确定所述道路设施存在缺失。
在一个可选的实施例中,还包括:
基准确定模块5002,用于通过所述对象识别模型,确定所述目标道路的道路基准线以及所述道路设施的设施基准线;
夹角确定模块5004,用于对所述道路基准线以及所述设施基准线进行空间夹角计算,以得到基准夹角;
异位判断模块5006,用于在所述基准夹角大于第一阈值且小于第二阈值的情况下,确定所述道路设施存在异位。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
本发明的实施例还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
在一个示例性实施例中,上述计算机可读存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
在一个示例性实施例中,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例,本实施例在此不再赘述。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的原则之内,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 (10)
1.一种道路设施缺失识别方法,其特征在于,包括:
获取目标道路的初始图像信息;
通过预先训练的对象识别模型,确定目标区域的设施阴影信息,其中,所述目标道路包括所述目标区域,所述设施阴影信息包括所述目标道路的道路设施的阴影信息;
在所述设施阴影信息满足第一位置条件的情况下,将所述设施阴影信息与预设的设施基准信息进行第一匹配处理,以得到第一匹配结果,其中,所述设施基准信息包括道路设施的坐标、尺寸、颜色、类型;所述第一位置条件包括所述阴影信息的位置与所述目标道路的道路设施的位置同时被采集;所述第一匹配处理至少包括以下任意之一:将所述设施基准信息中包括的道路设施的坐标进行光照位置计算,再将光照位置计算结果与所述阴影信息中包括的阴影坐标相匹配;或将所述设施基准信息中包括的道路设施的坐标与所述阴影坐标进行匹配,再判断所述阴影坐标是否在设施基准信息包括的道路设施的坐标变化范围内;
在所述第一匹配结果不满足第一匹配条件的情况下,确定所述道路设施存在缺失,其中,所述第一匹配条件包括阴影信息与所述设施基准信息中包括的道路设施的坐标一一对应。
2.根据权利要求1所述的方法,其特征在于,在所述通过预先训练的对象识别模型,确定目标区域的设施阴影信息之后,所述方法还包括:
在所述设施阴影信息满足第二位置条件的情况下,将所述设施阴影信息与所述设施基准信息进行第二匹配处理,以得到第二匹配结果,其中,所述第二位置条件包括目标道路的设施阴影与道路设施不能被同时采集的位置;
在所述第二匹配结果满足第二匹配条件的情况下,确定所述道路设施存在缺失,其中,所述第二匹配条件包括道路设施的坐标不能匹配到对应的道路阴影信息。
3.根据权利要求2所述的方法,其特征在于,在所述通过预先训练的对象识别模型,确定目标区域的设施阴影信息之前,所述方法还包括:
获取所述目标道路的天气信息和/或时间信息,以确定目标时间段的光照角度;
基于所述光照角度,确定目标时间段的所述第一位置条件和/或所述第二位置条件。
4.根据权利要求3所述的方法,其特征在于,在所述获取所述目标道路的天气信息和/或时间信息,以确定目标时间段的光照角度之后,所述方法还包括:
在所述天气信息和/或时间信息满足第一天气条件的情况下,基于所述初始图像信息,获取所述目标道路的道路积水信息;
基于所述道路积水信息,确定所述目标道路的第二设施阴影信息;
对所述第二设施阴影信息与所述设施阴影信息进行第三匹配处理,以得到第三匹配结果,其中,所述第三匹配处理包括将所述第二设施阴影信息与所述道路积水信息中包括的道路积水的坐标、阴影信息的坐标以及道路设施的坐标进行联合匹配;
在所述第三匹配结果不满足所述第一匹配条件的情况下,确定所述道路设施存在缺失。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
通过所述对象识别模型,确定所述目标道路的道路基准线以及所述道路设施的设施基准线;
对所述道路基准线以及所述设施基准线进行空间夹角计算,以得到基准夹角;
在所述基准夹角大于第一阈值且小于第二阈值的情况下,确定所述道路设施存在异位。
6.一种道路设施缺失识别装置,其特征在于,包括:
图像采集模块,用于获取目标道路的初始图像信息;
信息确定模块,用于通过预先训练的对象识别模型,确定目标区域的设施阴影信息,其中,所述目标道路包括所述目标区域,所述设施阴影信息包括所述目标道路的道路设施的阴影信息;
第一匹配模块,用于在所述设施阴影信息满足第一位置条件的情况下,将所述设施阴影信息与预设的设施基准信息进行第一匹配处理,以得到第一匹配结果,其中,所述设施基准信息包括道路设施的坐标、尺寸、颜色、类型;所述第一位置条件包括所述阴影信息的位置与所述目标道路的道路设施的位置可以同时被采集;所述第一匹配处理至少包括以下任意之一:将所述设施基准信息中包括的道路设施的坐标进行光照位置计算,再将光照位置计算结果与所述阴影信息中包括的阴影坐标相匹配;或将所述设施基准信息中包括的道路设施的坐标与所述阴影坐标进行匹配,再判断所述阴影坐标是否在设施基准信息包括的道路设施的坐标变化范围内;
第一结果判断模块,用于在所述第一匹配结果不满足第一匹配条件的情况下,确定所述道路设施存在缺失,其中,所述第一匹配条件包括阴影信息与所述设施基准信息中包括的道路设施的坐标一一对应。
7.根据权利要求6所述的装置,其特征在于,还包括:
第二匹配模块,用于在所述通过预先训练的对象识别模型,确定目标区域的设施阴影信息之后,在所述设施阴影信息满足第二位置条件的情况下,将所述设施阴影信息与所述设施基准信息进行第二匹配处理,以得到第二匹配结果,其中,所述第二位置条件包括目标道路的设施阴影与道路设施不能被同时采集的位置;
第二结果判断模块,用于在所述第二匹配结果满足第二匹配条件的情况下,确定所述道路设施存在缺失,其中,所述第二匹配条件包括道路设施的坐标不能匹配到对应得道路阴影信息。
8.根据权利要求7所述的装置,其特征在于,还包括:
天气信息采集模块,用于在所述通过预先训练的对象识别模型,确定目标区域的设施阴影信息之前,获取所述目标道路的天气信息和/或时间信息,以确定目标时间段的光照角度;
条件生成模块,用于基于所述光照角度,确定目标时间段的所述第一位置条件和/或所述第二位置条件。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行所述权利要求1至5任一项中所述的方法。
10.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行所述权利要求1至5任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211496211.XA CN115631356B (zh) | 2022-11-28 | 2022-11-28 | 道路设施缺失识别方法、装置、存储介质及电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211496211.XA CN115631356B (zh) | 2022-11-28 | 2022-11-28 | 道路设施缺失识别方法、装置、存储介质及电子装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115631356A CN115631356A (zh) | 2023-01-20 |
CN115631356B true CN115631356B (zh) | 2023-08-08 |
Family
ID=84911016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211496211.XA Active CN115631356B (zh) | 2022-11-28 | 2022-11-28 | 道路设施缺失识别方法、装置、存储介质及电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115631356B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115830032B (zh) * | 2023-02-13 | 2023-05-26 | 杭州闪马智擎科技有限公司 | 基于旧有设施的道路伸缩缝病变识别方法及装置 |
CN116030065B (zh) * | 2023-03-31 | 2024-06-14 | 云南琰搜电子科技有限公司 | 一种基于图像识别的道路质量检测方法 |
CN116189133B (zh) * | 2023-04-26 | 2023-07-28 | 宜宾闪马智通科技有限公司 | 道路巡检判定方法及装置 |
CN116994215A (zh) * | 2023-09-26 | 2023-11-03 | 上海闪马智能科技有限公司 | 一种道路设施异常判定方法及装置 |
CN116994354B (zh) * | 2023-09-28 | 2024-01-23 | 上海闪马智能科技有限公司 | 道路电力设施巡检方法、装置、存储介质及电子装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107918753A (zh) * | 2016-10-10 | 2018-04-17 | 腾讯科技(深圳)有限公司 | 点云数据处理方法及装置 |
CN108960055A (zh) * | 2018-05-30 | 2018-12-07 | 广西大学 | 一种基于局部线段模式特征的车道线检测方法 |
WO2019207189A1 (es) * | 2018-04-25 | 2019-10-31 | Defensya Ingeniería Internacional, S.L. | Sistema y procedimiento para crear, modular y detectar sombras en sistemas con control basado en un sistema de visualización remota |
CN112034449A (zh) * | 2020-08-03 | 2020-12-04 | 河北德冠隆电子科技有限公司 | 基于物理空间属性实现对车辆行驶轨迹修正的***及方法 |
CN112129266A (zh) * | 2020-09-28 | 2020-12-25 | 北京嘀嘀无限科技发展有限公司 | 处理地图的方法、装置、设备和计算机可读存储介质 |
CN114170347A (zh) * | 2021-12-08 | 2022-03-11 | 武汉中海庭数据技术有限公司 | 一种道路外侧线属性点的自动生成方法及*** |
CN114494505A (zh) * | 2021-12-13 | 2022-05-13 | 武汉中海庭数据技术有限公司 | 一种道路外侧线构建方法、***、电子设备及存储介质 |
CN115331190A (zh) * | 2022-09-30 | 2022-11-11 | 北京闪马智建科技有限公司 | 一种基于雷视融合的道路隐患识别方法及装置 |
-
2022
- 2022-11-28 CN CN202211496211.XA patent/CN115631356B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107918753A (zh) * | 2016-10-10 | 2018-04-17 | 腾讯科技(深圳)有限公司 | 点云数据处理方法及装置 |
WO2019207189A1 (es) * | 2018-04-25 | 2019-10-31 | Defensya Ingeniería Internacional, S.L. | Sistema y procedimiento para crear, modular y detectar sombras en sistemas con control basado en un sistema de visualización remota |
CN108960055A (zh) * | 2018-05-30 | 2018-12-07 | 广西大学 | 一种基于局部线段模式特征的车道线检测方法 |
CN112034449A (zh) * | 2020-08-03 | 2020-12-04 | 河北德冠隆电子科技有限公司 | 基于物理空间属性实现对车辆行驶轨迹修正的***及方法 |
CN112129266A (zh) * | 2020-09-28 | 2020-12-25 | 北京嘀嘀无限科技发展有限公司 | 处理地图的方法、装置、设备和计算机可读存储介质 |
CN114170347A (zh) * | 2021-12-08 | 2022-03-11 | 武汉中海庭数据技术有限公司 | 一种道路外侧线属性点的自动生成方法及*** |
CN114494505A (zh) * | 2021-12-13 | 2022-05-13 | 武汉中海庭数据技术有限公司 | 一种道路外侧线构建方法、***、电子设备及存储介质 |
CN115331190A (zh) * | 2022-09-30 | 2022-11-11 | 北京闪马智建科技有限公司 | 一种基于雷视融合的道路隐患识别方法及装置 |
Non-Patent Citations (1)
Title |
---|
马雷 ; 于福莹 ; 李昊 ; .基于灰度图像的复杂环境下智能车辆道路边界识别.汽车工程.2010,(第04期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN115631356A (zh) | 2023-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115631356B (zh) | 道路设施缺失识别方法、装置、存储介质及电子装置 | |
CN109416413B (zh) | 太阳能预报 | |
Mu et al. | Traffic light detection and recognition for autonomous vehicles | |
US11270111B2 (en) | Automated management of potentially hazardous objects near power lines | |
CN115331190B (zh) | 一种基于雷视融合的道路隐患识别方法及装置 | |
CN102538717B (zh) | 叶面积指数自动观测***及其方法 | |
CN114413881B (zh) | 高精矢量地图的构建方法、装置及存储介质 | |
CN106845321A (zh) | 路面标记信息的处理方法和装置 | |
CN111458721B (zh) | 一种暴露垃圾的识别定位方法、装置及*** | |
CN112989985B (zh) | 一种融合夜间灯光数据与Landsat8 OLI影像的城市建成区提取方法 | |
Ahmad et al. | A novel method for vegetation encroachment monitoring of transmission lines using a single 2D camera | |
CN106845324A (zh) | 路牌信息的处理方法和装置 | |
CN105262983A (zh) | 基于灯联网的道路监控***与方法 | |
CN114722944A (zh) | 点云精度确定方法、电子设备及计算机存储介质 | |
CN114549998A (zh) | 一种基于卫星图像的屋顶光伏潜力抗干扰评估方法 | |
CN114037966A (zh) | 高精地图特征提取方法、装置、介质及电子设备 | |
CN112597926A (zh) | 基于fod影像对飞机目标的识别方法、设备、存储介质 | |
CN114898322A (zh) | 行车环境识别方法、装置、车辆及存储介质 | |
CN110597248B (zh) | 园区无人智慧巡检方法、装置、设备及存储介质 | |
CN111929672A (zh) | 移动轨迹的确定方法及装置、存储介质和电子装置 | |
CN111144467A (zh) | 一种场景因素获取的实现方法及*** | |
CN113269175B (zh) | 一种火情监测方法和装置 | |
CN113111876A (zh) | 一种用于交通违章取证的方法及*** | |
Bayerl et al. | Following Dirt Roads at Night Time: Sensors and Features for Lane Recognition and Tracking | |
CN115641334B (zh) | 道路防撞设施损伤识别方法及装置 |
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 |