[发明专利]基于人工智能及CIM的市政洒水车任务生成方法

说明书

本发明公开了一种基于人工智能及CIM的市政洒水车任务生成方法。该方法包括：通过无人机搭载的RGB相机和热成像相机采集各子区域道路图像，热成像通过编码器提取特征送入全连接网络输出温度分级的结果，RGB图像通过图像拼接和投影变换实现CIM实时成像，各子区域根据路面温度级别生成任务，基于城市信息模型与WebGIS技术，实现结果的可视化。利用本发明，根据道路情况自动生成洒水车任务，为洒水车工作提供了便利，而且能够节约能源。

技术领域

本发明涉及人工智能、智慧城市、CIM、计算机视觉技术领域，具体涉及一种基于人工智能及CIM的市政洒水车任务生成方法。

背景技术

自智慧城市这一概念提出，智慧城市经历了近十年时间的探索，目前已经初具成效，然而在城市相关的日常工作中，并没有得到较好的体现。在许多工作中，仍旧采用人力资源为主，技术资源为辅的方法，这种通过人的主观识别进行判断再工作的模式，导致工作者的工作量大且耗时很长。

现如今洒水车的工作方法是：设定好固定的路线，对其所负责范围区域的道路实施全覆盖式的洒水作业。这种方法存在的问题在于，未考虑道路的路面情况，对不需要洒水的路段作业，导致资源的浪费。一些方案根据温度传感器获得的环境温度调节洒水车出水量，虽然能一定程度上节约资源，但是洒水车仍然需要覆盖式洒水作业。

发明内容

本发明的目的在于针对上述现有技术存在的缺陷，提出一种基于人工智能及CIM的市政洒水车任务生成方法，根据道路情况自动生成洒水车任务，为洒水车工作提供了便利，而且能够节约能源。

一种基于人工智能及CIM的市政洒水车任务生成方法，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。

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。

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。