[发明专利]一种暴露垃圾的识别定位方法、装置及系统

说明书

本发明涉及智能环卫技术领域，具体公开了一种暴露垃圾的识别定位方法，其特征在于，包括：通过相机获取目标图像，目标图像中包括暴露垃圾；根据目标检测算法对目标图像中的暴露垃圾进行识别；通过激光雷达获取空间位置信息；确定相机坐标系与激光雷达坐标系之间的位置关系；根据相机坐标系与激光雷达坐标系之间的位置关系以及目标图像中识别出的暴露垃圾计算激光雷达坐标系下的暴露垃圾的面积；对暴露垃圾的分布位置进行准确定位，并将准确定位后的暴露垃圾的位置映射到地图上。本发明还公开了一种暴露垃圾的识别定位装置及系统。本发明提供的暴露垃圾的识别定位方法能够有效获取到暴露垃圾的位置，可以解决大量人力成本问题。

技术领域

本发明涉及智能环卫技术领域，尤其涉及一种暴露垃圾的识别定位方法、 暴露垃圾的识别定位装置及包括该暴露垃圾的识别定位装置的暴露垃圾的识别 定位系统。

背景技术

城市环境卫生是城市管理的重要组成部分，也是城市发展程度、居民良好 生活水平有力的体现。随着国内绿色城市概念的提出，环境卫生工作得到普遍 重视和加强，特别是暴露垃圾治理，更是重中之重。城市暴露垃圾主要分布在 道路和小区内，其中道路垃圾主要分布在机动车道、非机动车道、人行道、绿 化带等地段，小区垃圾则主要分布在垃圾桶旁侧和厢房。这些区域都直接和居 民住行相关联，暴露垃圾的识别监测显得至关重要。目前环卫领域对暴露垃圾 的识别打分主要通过人员拍摄图像线下实行记分制度，一般是由环卫工人和环 卫评估人员共同完成。由于缺乏汽车等移动端的采集工具，相关人员只能使用 手机等摄像终端人为对暴露垃圾图像进行拍摄，然后将数据运送回环卫公司， 并通过专门人员对垃圾污染程度分析打分。这种方式实时性较差，人力工作负 担重，除了拍摄成本，还需要具有专业培养的人员进行评判打分，海量的图片 数据使得这项工作的人力成本巨大，最重要的是客观性无法得到保证。人在拍 摄时的选择性和主观性以及评判时的主观差异或者疲劳引起的评判标准都不尽 相同。环卫领域亟需一套能够部署到移动端进行实时垃圾识别、自动打分并且 规则清晰能够有效指导后续垃圾清理调度的系统。

基于深度学习方式的目标检测是计算机视觉中最重要的技术之一，被广泛 应用于物体识别检测领域。传统计算机视觉技术主要通过HOG、LBP以及SIFT 等算法提取物体特征，并使用随机森林、AdaBoost以及SVM等机器学习方法对 提取的特征进行分类。这类方法需要较为精细地通过手工定义特征，适合于一 些规则的物体和背景较为整洁的场景，对于特征不明显以及复杂背景下的识别 则无能无力。暴露垃圾背景比较复杂，主要包括杂乱的道路环境，而且没有固 定的形态特征，传统方法无法实现针对暴露垃圾这种背景复杂且无固定形态特 征的检测。深度学习方式具有强大的特征拟合能力，多层非线性网络几乎可以完成任何监督学习下的特征拟合。近年来，基于深度学习的目标检测方法取得 了非常大的发展，能够准确有效地定位识别复杂特征下的物体。目标检测领域 先后涌现了RCNN，FastRCNN，Faster RCNN等two-stage网络，以及面向实 时的YOLO系列等one-stage网络。之前的R-CNN系列基于anchor方式，虽然 有较高的检测准确率，但运行速度较慢。YOLO系列率先引进端到端的目标检 测结构，从v1到v3不断进行改进，在速度和准确率上得到了很大的提升。目 前，也有相关研究人员对使用深度学习策略进行垃圾目标检测的研究工作进行 探索研究。Rad M-S利用OverFeat的思想，通过安装在车上的摄像头识别瓶子、 树叶、烟头和其他垃圾，这对小目标识别更有利。该模型取代了AlexNet，转而 使用GoogleNet提供了更多的特征提取功能。然而，这种方法只适用于摄像机和 地面保持平行的情况。真实的场景往往不是那么简单，我们应该考虑周围复杂 的环境。然而，在复杂场景中，这种方法不太适合垃圾识别。

因此，如何提供一种能够对暴露垃圾进行识别定位的方法成为本领域技术 人员亟待解决的技术问题。

发明内容

本发明提供了一种暴露垃圾的识别定位方法、暴露垃圾的识别定位装置及 包括该暴露垃圾的识别定位装置的暴露垃圾的识别定位系统，解决相关技术中 存在的缺乏对暴露垃圾进行识别定位的问题。