[发明专利]基于人工智能的智慧城市公路养护方法及系统

权利要求书

1.基于人工智能的智慧城市公路养护方法，其特征在于，该方法包括以下步骤：

采集城市公路图像，对所述城市公路图像进行分割处理，获取公路灰度图像、车辆灰度图像以及坑槽区域灰度图像；所述坑槽区域灰度图像包括多个目标坑槽；

检测所述公路灰度图像的车道线；以所述车辆灰度图像中车辆轮胎与地面的交点作为关键点，以所述车道线作为投影线，将所述关键点投影到所述投影线上获取投影点，以预设感兴趣区域内的投影点作为有效投影点组成绕行轨迹；获取相邻的所述有效投影点之间的投影距离，选取车辆行驶进入坑槽区域的投影距离组成投影距离突变序列，计算所述投影距离突变序列中的相邻投影距离的距离差值；将所有所述距离差值之和，以及所述投影距离突变序列中的有效投影点的数量组成的特征向量输入分类器中，获取每辆车对于所述目标坑槽的绕行程度；

获取每辆车的所述绕行轨迹在所述目标坑槽中的颠簸轨迹，计算所述颠簸轨迹中，各个所述有效关键点和轨迹起始点的连线与平整路面形成的颠簸夹角，根据相邻有效关键点对应的所述颠簸夹角的差值获取第一颠簸指标；以所述颠簸轨迹与所述平整路面形成的颠簸区域的面积作为第二颠簸指标，根据所述第一颠簸指标和所述第二颠簸指标获取每辆车在所述目标坑槽的颠簸程度；

计算所述坑槽区域灰度图像中的所述目标坑槽区域的面积；根据所述目标坑槽区域的面积、每辆车对于目标坑槽的绕行程度以及每辆车在所述目标坑槽的颠簸程度获取所述目标坑槽的缺陷程度；

按照所有所述目标坑槽的缺陷程度的大小对公路养护紧急程度进行排序。

2.根据权利要求1所述的方法，其特征在于，所述对所述城市公路图像进行分割处理的方法为：

对所述城市公路图像进行灰度化处理获取灰度图像，对所述灰度图像进行语义分割，得到公路灰度图像、车辆灰度图像以及坑槽区域灰度图像。

3.根据权利要求1所述的方法，其特征在于，所述预设感兴趣区域的获取方法为：

获取所述目标坑槽的最小外接矩形，根据所述最小外接矩形的宽和高的预设倍数获取所述预设感兴趣区域。

4.根据权利要求1所述的方法，其特征在于，所述第一颠簸指标的获取方法为：

计算所有相邻的所述颠簸夹角的差值的方差，以所述方差作为所述第一颠簸指标。

5.根据权利要求1所述的方法，其特征在于，所述目标坑槽区域的面积的计算方法为：

统计所述坑槽区域灰度图像中所述目标坑槽区域的像素点数量，以所述像素点数量作为所述目标坑槽区域的面积。

6.根据权利要求1所述的方法，其特征在于，所述目标坑槽的缺陷程度的获取步骤包括：

获取预设时间段内所述城市公路图像中的所有车辆，计算每辆车对于所述目标坑槽的所述绕行程度和所述颠簸程度，得到每辆车反映的所述目标坑槽的初步缺陷程度；

对所有所述初步缺陷程度进行均值聚类，获得所述缺陷程度。

7.基于人工智能的智慧城市公路养护系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1~6任意一项所述方法的步骤。