[发明专利]道路勘测方法及系统

说明书

本发明实施例提供一种道路勘测方法及系统，方法包括：对道路的勘测视频进行分帧，获取多个视频帧；其中，每个所述视频帧中包括车载图像采集前端采集每个视频帧时的位置信息；基于预先训练好的物体检测模型对每个所述视频帧进行识别，将识别出的包含预设勘测对象的视频帧作为目标帧，将所有所述目标帧拼接成视频流；基于图像文字识别方法从所述视频流的每个目标帧中识别出所述位置信息，将所述位置信息作为所述目标帧中预设勘测对象的位置信息。本发明实施例提高了勘查效率和勘测准确性。

技术领域

本发明属于图像处理技术领域，尤其涉及一种道路勘测方法及系统。

背景技术

随着传输线路建设越来越规范化、合理化，干线线路都是沿高速或省道以管道形式铺设。路边常常设有井盖、道路标识等系统。高速路运行一段时间后，常常需要对道路两侧的标识、井盖等物体进行勘测，保证其状态良好。

传统的勘测方式有人工巡路，查勘人员需要精确测量出每一个管井的经纬度信息，然后做记录，以便指导施工。查勘人员需要在道路上频繁的停留作业，才能人工确定管井位置，不仅有安全风险而且需要耗费人力较多，效率较低。

还有的实现方式是通过拍摄视频，然后进行视频观察，记录信息。在现有的一些识别处理方式中，常常需要人工读取视频中的有效信息，并人工进行整理、记录。为了达到较优的效果，现有的视频记录需要人员频繁在高速公路中近距离观察拍摄，具有较高的安全风险，且拍摄过程和信息读取过程费时费力，错误率高。

发明内容

为克服上述现有的道路勘测方法费时费力，安全性差，且容易出错的问题或者至少部分地解决上述问题，本发明实施例提供一种道路勘测方法及系统。

根据本发明实施例的第一方面，提供一种道路勘测方法，包括：

对道路的勘测视频进行分帧，获取多个视频帧；其中，每个所述视频帧中包括车载图像采集前端采集每个视频帧时的位置信息；

基于预先训练好的物体检测模型对每个所述视频帧进行识别，将识别出的包含预设勘测对象的视频帧作为目标帧，将所有所述目标帧拼接成视频流；

基于图像文字识别方法从所述视频流的每个目标帧中识别出所述位置信息，将所述位置信息作为所述目标帧中预设勘测对象的位置信息。

具体地，所述物体检测模型为YoloV3模型；

相应地，基于预先训练好的物体检测模型对每个所述视频帧进行识别，将识别出的包含预设勘测对象的视频帧作为目标帧的步骤包括：

对于任一所述视频帧，基于YoloV3模型对该视频帧进行识别；其中，所述YoloV3模型中的卷积神经网络参数为预先训练好的；

若对该视频帧进行识别的预测分数大于预设阈值，则确定该视频帧中包含的预设勘测对象，将该帧作为目标帧。

具体地，所述图像文字识别方法为OCR方法；

相应地，基于图像文字识别方法从所述视频流的每个目标帧中识别出所述位置信息的步骤包括：

基于OCR方法从每个所述目标帧中识别出文字区域；

基于tessract-ocr识别库从所述文字区域中识别出所述位置信息的文本。

具体地，所述预设勘测对象包括道路标识牌和井盖。

具体地，基于图像文字识别方法从所述视频流的每个目标帧中识别出所述位置信息，将所述位置信息作为所述目标帧中预设勘测对象的位置信息的步骤之后还包括：

根据相邻两个所述道路标识牌的位置信息，计算相邻两个所述道路标识牌之间的距离；