[发明专利]路面洁净度的检测方法及装置

说明书

技术领域

本发明涉及环境监测领域，具体而言，涉及一种路面洁净度的检测方法及装置。

背景技术

目前环卫行业，针对道路的洁净度或环卫专用作业车作业效率(如扫净率)的检查或考核，通常是人工对考核路段进行巡查、测量和现场拍照来完成；如果考核的道路数量大，自然需要的考核人员就多，所以监管部门通常采用抽样的方式，这样不可避免就会产生管理上的“死角”。

同时，采用这种人工巡查、测量的方式，需要大量的人力、物力资源，耗时费力；及时性较差，不能获得道路洁净度的实时反馈；人工巡查的结果不便于数字化和可视化管理；因为“人”的因素，不同路段评判数据的一致性误差较大。

发明内容

有鉴于此，本发明实施例的目的在于提供一种路面洁净度的检测方法及装置，以缓解通过人工巡查、测量耗时费力，不便管理且误差较大的问题。

第一方面，本发明实施例提供了一种路面洁净度的检测方法，应用于环卫车，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。

在本发明较佳的实施例中，上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。

在本发明较佳的实施例中，上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。

在本发明较佳的实施例中，上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。

在本发明较佳的实施例中，上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。

第二方面，本发明实施例提供了一种路面洁净度的检测装置，应用于环卫车，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。

在本发明较佳的实施例中，上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。

在本发明较佳的实施例中，上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。