[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

说明书

本发明公开一种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。方法包括：获取观测点的全景图；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。采用本发明的方法或系统能够快速批量化处理大量观测点的日照时数，操作高效且准确度高。

技术领域

本发明涉及日照时数测量领域，特别是涉及一种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。

背景技术

对日照时数的测量目前主要包括以下气象基站测量法、手工实测法和软件模拟法三类测量方法。

(1)气象基站测量法。由于气象基站分布不均，搜集的日照时数的采样数目不足，难以满足街道空间的日照时数量化要求。

(2)手工实测法。使用自制的鱼眼照片、日照测量仪、日照传感器等来测量日照时数。但这类工作需要大量手工处理、耗时较长，很难批量化测量。

(3)软件模拟法。目前开发出的用软件来模拟日照时数测量方法主要分两类。一类通过三维模型来模拟气象变化，从而测量出日照时数，但这类模拟软件存在耗时较长、质量较高的三维模型数据获取困难等问题。更致命的缺陷在于，简化的城市几何模型难以模拟真实的树木冠层的日照遮挡情况，模拟精度的误差极大。另一类则通过遥感地图来模拟日照时数，同样模拟精度不够，满足不了街道空间的日照时数量化要求。

发明内容

本发明的目的是提供一种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，能够快速批量化处理大量观测点的日照时数，操作高效且准确度高。

为实现上述目的，本发明提供了如下方案：

一种基于机器学习的街道空间日照时数批量化测量方法，包括：

获取观测点的全景图；

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。

可选的，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。

可选的，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。

可选的，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。

可选的，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；