[发明专利]基于机器学习的街道空间日照时数批量化测量方法及系统

权利要求书

1.一种基于机器学习的街道空间日照时数批量化测量方法，其特征在于，包括：

获取观测点的全景图，观测点的全景图的来源是网络上由百度提供的街景地图；

对所述全景图采用图像语义分割技术进行分类识别，得到多个分类识别后的全景图；

将各所述分类识别后的全景图进行转换处理，得到多个鱼眼图像；

获取多个设定日期的太阳路径轨迹；

将各所述鱼眼图像与对应的所述太阳路径轨迹进行叠加，得到日照时数；

所述对所述全景图采用图像语义分割技术进行分类识别，得到多个分类识别后的全景图，具体包括：

对所述全景图采用图像语义分割技术中的卷积神经网络模型进行分类识别，得到多个分类识别后的全景图，基于TensorFlow模型通过Deeplab V3+调用城市景观数据集(Cityscapes Dataset)实现对图像的语义分割；

所述将各所述分类识别后的全景图进行转换处理，得到多个鱼眼图像，具体包括：

将各所述分类识别后的全景图采用投影转换方法进行初步转换，得到多个初步鱼眼图像；

将各所述初步鱼眼图像进行方向校正，得到多个等距方位角鱼眼图像，所述等距方位角鱼眼图像中包含天空、建筑和树木三个要素；各所述初步鱼眼图像是上南下北的，沿着过中心点的东西轴为对称轴做镜像处理，得到最终的等距方位角鱼眼图像；

所述将各所述鱼眼图像与对应的所述太阳路径轨迹进行叠加，得到日照时数，具体包括：

将各所述太阳路径轨迹投影到对应的所述鱼眼图像中，得到多个投影后的太阳轨迹；

将各所述投影后的太阳轨迹进行栅格化处理，得到多个太阳路径轨迹像素；

获取太阳路径轨迹像素的数量总和；

根据各所述太阳路径轨迹像素，确定包含天空要素的太阳路径轨迹像素的数量；

根据所述包含天空要素的太阳路径轨迹像素的数量和所述太阳路径轨迹像素的数量总和，确定日照时数。

2.根据权利要求1所述的基于机器学习的街道空间日照时数批量化测量方法，其特征在于，所述获取观测点的全景图，具体包括：

通过网络街景地图获取各观测点的经纬度位置信息；

根据各所述观测点的经纬度位置信息确定所有观测点的全景图。

3.一种基于机器学习的街道空间日照时数批量化测量系统，其特征在于，包括：

第一获取模块，用于获取观测点的全景图，观测点的全景图的来源是网络上由百度提供的街景地图；

分类识别模块，用于对所述全景图采用图像语义分割技术进行分类识别，得到多个分类识别后的全景图；

转换处理模块，用于将各所述分类识别后的全景图进行转换处理，得到多个鱼眼图像；

第二获取模块，用于获取多个设定日期的太阳路径轨迹；

日照时数确定模块，用于将各所述鱼眼图像与对应的所述太阳路径轨迹进行叠加，得到日照时数；

所述分类识别模块具体包括：

分类识别单元，用于对所述全景图采用图像语义分割技术中的卷积神经网络模型进行分类识别，得到多个分类识别后的全景图，基于TensorFlow模型通过Deeplab V3+调用城市景观数据集(Cityscapes Dataset)实现对图像的语义分割；

所述转换处理模块具体包括：

投影转换单元，用于将各所述分类识别后的全景图采用投影转换方法进行初步转换，得到多个初步鱼眼图像；

方向校正单元，用于将各所述初步鱼眼图像进行方向校正，得到多个等距方位角鱼眼图像，所述等距方位角鱼眼图像中包含天空、建筑和树木三个要素；

所述日照时数确定模块具体包括：

投影单元，用于将各所述太阳路径轨迹投影到对应的所述鱼眼图像中，得到多个投影后的太阳轨迹；

栅格化处理单元，用于将各所述投影后的太阳轨迹进行栅格化处理，得到多个太阳路径轨迹像素；

数量总和获取单元，用于获取太阳路径轨迹像素的数量总和；

数量确定单元，用于根据各所述太阳路径轨迹像素，确定包含天空要素的太阳路径轨迹像素的数量；

日照时数确定单元，用于根据所述包含天空要素的太阳路径轨迹像素的数量和所述太阳路径轨迹像素的数量总和，确定日照时数。

4.根据权利要求3所述的基于机器学习的街道空间日照时数批量化测量系统，其特征在于，所述第一获取模块具体包括：

经纬度位置信息获取单元，用于通过网络街景地图获取各观测点的经纬度位置信息；

全景图确定单元，用于根据各所述观测点的经纬度位置信息确定所有观测点的全景图。