[发明专利]路面洁净度的检测方法及装置

权利要求书

1.一种路面洁净度的检测方法，应用于环卫车，其特征在于，所述方法包括：

获取所述环卫车所处路面的第一图像；

将所述第一图像输入到预设深度学习模型，获取对应所述第一图像的路面洁净度。

2.根据权利要求1所述的方法，其特征在于，所述获取所述环卫车所处路面的第一图像，包括：

获取第一原始图像，所述第一原始图像为设置于所述环卫车上的图像采集装置拍摄获取；

对所述第一原始图像进行灰度化处理，获得所述第一原始图像的灰度图；

基于Canny算法对所述灰度图进行边缘检测，获取所述灰度图的边缘图；

获取所述第一原始图像中满足预设干扰条件的各个像素点，查找所述边缘图中对应所述各个像素点的位置，将所述位置处的邻接预设点的像素赋值为零；

基于Hough变换检测所述边缘图中的直线图；

根据所述环卫车在运行时与车道线的倾斜关系，对所述直线图进行筛选，以确定所述直线图中的车道路面图，将所述车道路面图作为所述第一图像。

3.根据权利要求2所述的方法，其特征在于，所述根据所述环卫车在运行时与车道线的倾斜关系，对所述直线图进行筛选，以确定所述直线图中的车道路面图，将所述车道路面图作为所述第一图像之后，还包括：

对所述车道路面图进行预处理，获取所述车道路面图中位于所述车道线夹角外的像素点；

将位于所述车道线夹角外的像素点赋值为零，以简化所述车道路面图，将所述车道路面图作为所述第一图像。

4.根据权利要求1所述的方法，其特征在于，所述将所述第一图像输入到预设深度学习模型，获取对应所述第一图像的路面洁净度之后，还包括：

判断所述路面洁净度是否低于预设路面洁净度；

在为是时，发送预警提示并上传所述路面洁净度低于所述预设路面洁净度的所述第一图像给服务器。

5.根据权利要求1所述的方法，其特征在于，所述将所述第一图像输入到预设深度学习模型，获取对应所述第一图像的路面洁净度之前，所述方法还包括：

获取所述环卫车所处路面的多个第二图像；

基于卷积神经网络算法对预先创建的深度学习模型进行训练，获得对应所述路面洁净度的深度学习模型；

将所述深度学习模型优化并存储作为所述预设深度学习模型。

6.一种路面洁净度的检测装置，应用于环卫车，其特征在于，所述装置包括：

第一图像获取模块，用于获取所述环卫车所处路面的第一图像；

洁净度获取模块，用于将所述第一图像输入到预设深度学习模型，获取对应所述第一图像的路面洁净度。

7.根据权利要求6所述的装置，其特征在于，所述第一图像获取模块，包括：

第一原始图像获取子模块，用于获取第一原始图像，所述第一原始图像为设置于所述环卫车上的图像采集装置拍摄获取；

灰度处理子模块，用于对所述第一原始图像进行灰度化处理，获得所述第一原始图像的灰度图；

边缘检测子模块，用于基于Canny算法对所述灰度图进行边缘检测，获取所述灰度图的边缘图；

邻接像素点赋值子模块，用于获取所述第一原始图像中满足预设干扰条件的各个像素点，查找所述边缘图中对应所述各个像素点的位置，将所述位置处的邻接预设点的像素赋值为零；

直线图检测子模块，用于基于Hough变换检测所述边缘图中的直线图；

车道线筛选子模块，用于根据所述环卫车在运行时与车道线的倾斜关系，对所述直线图进行筛选，以确定所述直线图中的车道路面图，将所述车道路面图作为所述第一图像。

8.根据权利要求7所述的装置，其特征在于，所述第一图像获取模块，还包括：

像素点获取子模块，用于对所述车道路面图进行预处理，获取所述车道路面图中位于所述车道线夹角外的像素点；

第一图像获取子模块，用于将位于所述车道线夹角外的像素点赋值为零，以简化所述车道路面图，将所述车道路面图作为所述第一图像。

9.根据权利要求6所述的装置，其特征在于，所述装置，还包括：

洁净度判断模块，用于判断所述路面洁净度是否低于预设路面洁净度；

预警提示模块，用于在为是时，发送预警提示并上传所述路面洁净度低于所述预设路面洁净度的所述第一图像给服务器。

10.根据权利要求6所述的装置，其特征在于，所述装置，还包括：

第二图像获取模块，用于获取所述环卫车所处路面的多个第二图像；

训练模块，用于基于卷积神经网络算法对预先创建的深度学习模型进行训练，获得对应所述路面洁净度的深度学习模型；

模型优化模块，用于将所述深度学习模型优化并存储作为所述预设深度学习模型。