[发明专利]基于人工智能及CIM的市政洒水车任务生成方法

权利要求书

1.一种基于人工智能及CIM的市政洒水车任务生成方法，其特征在于，该方法包括：

无人机搭载RGB相机和热成像相机，采用固定速度沿固定路线对目标区域进行道路连续覆盖式的航拍图像采集；

构建不同路面温度情况下的道路热成像图像训练集，特征标注为道路温度等级，训练道路温度检测编码器、第一全连接网络；

将无人机实时采集的道路热成像送入训练好的道路温度检测编码器中提取特征；

将提取的特征经第一全连接网络加权分类，得到当前路段温度检测分级结果；

设定温度等级阈值，对超过温度等级阈值的路段，根据无人机飞行路线、速度分析得到当前路段的位置信息，生成该路段的洒水任务；

根据洒水任务路段与洒水车的距离，生成洒水任务的地理位置优先级，温度检测分级结果作为洒水任务的洒水优先级，根据洒水优先级、地理位置优先级生成洒水任务优先级；

根据洒车任务优先级，采用贪婪算法，依次选择洒水任务优先级最高的洒水任务对应的洒水路段作为下一洒水区域；

对无人机RGB摄像头采集的各子区域路段图像进行投影变换、图像拼接，将拼接图像投影到城市信息模型的地面平面，实现实时成像，并将温度检测分级结果上传到城市信息模型，集成到实时成像结果中，通过WebGIS技术对城市信息模型的多种信息进行可视化。

2.如权利要求1所述的方法，其特征在于，对无人机RGB摄像头采集的各子区域路段图像进行投影变换具体为：

根据相机像平面与城市信息模型地面二维平面之间角点的对应点对，通过SVD算法得到两个平面之间投影变换的单应性矩阵，通过单应性矩阵将像平面的点投影到复合全景平面上。

3.如权利要求1所述的方法，其特征在于，所述图像拼接具体为：对投影变换后的待拼接子区域图像进行预处理；提取待拼接子区域图像的特征点，进行特征点的匹配；根据匹配点对进行单应性矩阵的估计，采用RANSAC方法估算单应性矩阵，将待拼接图像转换到同一坐标下；对复合全景平面上的各子区域投影变换后的图像，计算输入图像的变形图像的坐标范围，得到输出图像的大小，计算源图像原点与输出全景图原点的偏移量，然后将每个输入源图像的像素映射到输出平面上；进行图像融合，得到图像拼接结果，集成到城市信息模型中。

4.如权利要求1所述的方法，其特征在于，构建不同路面温度情况下的道路热成像图像训练集，特征标注为道路温度等级，训练道路温度检测编码器、第一全连接层包括：

选择不同路面温度情况下各路段的热成像图像作为训练数据集，随机选择其中的80％作为训练集，剩下的20％作为验证集；

对数据集进行标注，特征标签为道路温度等级，分为一级到五级，级别数值的大小代表路面温度的高低；

对网络采用交叉熵损失函数，随机梯度下降法进行训练。

5.如权利要求1所述的方法，其特征在于，图像融合采用羽化法，使用加权平均颜色值融合重叠的像素。

6.如权利要求1所述的方法，其特征在于，根据洒水任务路段与洒水车的距离，生成洒水任务的地理位置优先级，温度检测分级结果作为洒水任务的洒水优先级，根据洒水优先级、地理位置优先级生成洒水任务优先级具体为：

计算每个洒水任务路段与洒水车之间的行驶距离，生成每个洒水任务的地理位置优先级，距离越近，优先级越高；

温度检测分级结果作为洒水任务的洒水优先级，设置地理位置优先级、洒水优先级的权重系数，优先级分别与其对应的权重系数相乘，对相乘结果做加运算，得到洒水任务优先级。