[发明专利]道路异常监控系统内部的信息整合方法

权利要求书

1.一种道路异常监控系统内部的信息整合方法，其特征在于，所述方法包括：

通过无人机载多光谱相机进行视频影像的源数据收集；

通过道路路面传感器进行地理位置信息的源数据收集；

通过车载激光管及道路路面传感器进行道路状况源数据收集；

设置收集多方数据并且提供信息整合功能的综合云系统；

所述无人机载多光谱相机用以实现普通可见光与红外光视频内容的拍摄及传输；所述无人机载多光谱相机包括遥感设备，遥感设备包括主控模块、图像显示与传输模块；

所述主控模块用以完成对普通可见光与红外光相机的控制，包括视频对焦调整，变倍设置以及视频增益控制；

所述图像显示与传输模块用以实现两种视频信号的编解码，屏幕显示以及数据传输功能；具体过程为：首先通过主控模块调节无人机端的CCD相机，通过可见光和红外光两条通道获取对应的目标影像，并将影像转化为数字形式传输回云存储单元；

所述道路路面传感器指道路路中井盖内安装的GPS传感器；所述GPS传感器包括、定位模块、信息传输模块；

所述定位模块用以接收该井盖位置信息，包括时间、定位状态、经纬度数据信息；所述信息传输模块将固定格式的传感器收集数据报传输回云数据库；

所述车载激光管及道路路面传感器包括车载红外激光管模块、路面温度传感器、空气温度/湿度传感器；其中，红外激光管模块具有收集对路面发射特定波长光束获得反射回波信号的功能；车载系统的各个传感器将收集的回波信号、路面温度、空气温度/湿度数据发送回云数据库；

所述综合云系统包括云存储单元与云数据库；云存储单元用于存放基于无人机遥感多光谱摄像头传输回的视频图片；云数据库用于存储道路路中GPS传感器发送的地理位置信息数据，车载系统中多方传感器收集的红外回波、温度、湿度信息数据以及维修人员与用户反馈上报的信息；

对无人机载多光谱相机收集的数据进行整合，包括：对视频影像的拆解与分析，对无人机地理位置信息的坐标提取，更新云数据库与云存储单元；通过基于镜头边界结合直方图法和帧平均法对视频影像的关键帧进行提取；具体算法如下：首先对视频进行结构化处理：将视频的每一帧进行存储；通过直方图差异法计算镜头中帧与帧之间的差值，差值公式如下：

其中h(i)表示视频中一个帧的各个灰度的累计分布；m与n分别代表上一帧与下一帧；max()函数表示去两者中的较大值；k表示这一帧的所有灰度值；

并通过多次筛选进行自适应阈值的边界帧的判断，最终确定镜头边界；将视频内容通过镜头边界进行镜头分割；最后对各个镜头进行关键帧提取；后续对提取关键帧图片进行分析，包括：对各类图片分别进行热金属编码处理、数字图像处理以及道路病害图像特征修补分析得到病害类型信息，具体算法如下：对于结冰图像，首先将相关图像的灰度区域分为蓝色、绿色、黄色、红色四个部分，利用最大类间方差方法求取图像的二值化阈值，最后将热金属编码四个固定区域的灰度范围修改为四个自适应阈值即可；对于积水油污图像，首先将图片做灰度化处理，再用局部阈值分割的方法得到清晰的边框，最后根据像素的占比计算可得积水油污部分面积；对于道路病害图像，首先对图像进行去模糊处理，再采用窗对比度特征提取算法对图像进行特征提取得到结果；从无人机传输回地理位置信息中提取所需经纬度、经纬度半球的数据，同时将经纬度转换为度分秒格式，添加半球标识；随后将云数据库与云存储单元进行更新，存入处理后的图片与数值数据；

对道路路中井盖内安装的GPS传感器收集的数据进行整合，包括：对井盖地理位置信息的坐标提取，通过坐标信息获得病害地点道路名称，更新云数据库；对井盖地理位置信息的坐标提取与遥感系统类似，从已经存储在运输局库中的数据报中提取所需经纬度、经纬度半球的数据，同时将经纬度转换为度分秒格式，添加半球标识，具体算法如下：将初始接收数据：ddmm.mmmm定义为data，一般经纬度格式中的度数通过将data除以100并取整得到；一般经纬度格式中的分数通过对data减去度数与100的乘积的差值(记为m1)的取整得到；一般经纬度格式中的秒数通过对m1与分数的差值的取整得到；至此得到一般经纬度格式：d°m′s″；随后通过坐标偏移修正算法得到更新后的坐标信息，通过API接口获得具体道路名称；最后更新云数据库，存入处理后的图片与数值数据；

对车载红外激光管模块、路面温度传感器、空气温度/湿度传感器收集的数据进行整合，包括：路面温度计算；空气湿度计算；道路是否产生结冰积水判断；路面温度通过传感器接收的红外辐射能量，散射系数与第1、第2辐射常数，结合普朗克定律，将第1辐射常数除以散射系数的五次方与e的f(x)次方减去1的取逆的乘积，其中f(x)为第2辐射常数除以散射系数与温度的乘积；空气湿度与温度有关，通过相对湿度，绝对湿度与饱和湿度计算空气湿度；之后，通过路面温度与空气湿度计算出路面结冰积水的厚度；随后将更新后的数据存入云数据库中；

所述维修人员与用户反馈上报的信息包括两类：一类是维修人员对道路异常维修工作任务的进度汇报，另一类是用户行驶过程中发现道路异常状况并上报；通过基于频度和动态规划相结合的分词算法对两类信息进行分词，并提取其中道路路段、异常类型、维修进度；所述多方数据整合过程中包含数据冲突处理，通过开放定址法对冲突进行处理，包括四种冲突类型；第一种，基于结冰判断的视频影像提取关键帧分析与实际数值数据的判定结果冲突；第二种，基于积水判断的视频影像提取关键帧分析与车载激光管所获得的数据的判定结果冲突；第三种，基于道路病害类型判断的无人机所拍摄视频影像提取关键帧分析与与车载摄像头所获得视频图片关键帧分析的判定结果冲突；第四种，基于异常处理进度判断的反馈时间冲突；

所述多方数据整合过程中还包含数据、图片整合过程；其对应关系主要有以下几种：结冰图片与结冰的厚度、温度对应；积水图片与积水的深度、面积对应；道路病害的图片与道路名称对应；以上所有对应关系都包含位置坐标信息与道路名称的对应关系，具体算法如下：对于第一种对应关系：从云数据库中提取从于无人机拍摄的视频中提取的道路结冰图片，同时提取基于该图片计算出的结冰厚度与温度存放于对外数据库以便后续网页展示；对于第二种对应关系，与第一种类似：从云数据库中提取从于无人机拍摄的视频中提取的道路积水图片，同时提取基于该图片计算出的积水深度与面积存放于对外数据库以便后续网页展示；对于第三种对应关系：从云数据库中提取从于无人机拍摄的视频中提取的道路病害图片，由于无人机拍摄视频提供实时轨迹，通过提取的关键帧的位置得到该图片的地理位置信息，并存放于对外数据库以便后续网页展示。