[发明专利]基于图像识别的除雪方法、装置、设备及存储介质在审

专利信息
申请号: 202210423884.6 申请日: 2022-04-21
公开(公告)号: CN114782909A 公开(公告)日: 2022-07-22
发明(设计)人: 由帅 申请(专利权)人: 珠海市魅族科技有限公司
主分类号: G06V20/56 分类号: G06V20/56;G06K9/62;G06N3/04;G06N3/08;G06V10/774;G06V10/82
代理公司: 北京市京大律师事务所 11321 代理人: 胡安
地址: 519000 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 图像 识别 方法 装置 设备 存储 介质
【说明书】:

发明涉及智能控制领域,公开了一种基于图像识别的除雪方法、装置、设备及存储介质。所述基于图像识别的除雪方法包括:调用预置的车载摄像头,采集前挡风玻璃的第一图像;基于预置的积雪识别网络模型,识别所述第一图像中是否存在积雪;若确定所述第一图像中存在积雪,则调用预置的雨刮器清理所述前挡风玻璃;调用所述车载摄像头,采集所述前挡风玻璃的第二图像;基于所述积雪识别网络模型,识别所述第二图像中是否存在积雪;若确定所述第二图像中存在积雪,则对所述前挡风玻璃进行融雪。本发明基于图像识别,判断车辆前挡风玻璃是否存在积雪,从而清理积雪,效率更高。

技术领域

本发明涉及智能控制领域,尤其涉及一种基于图像识别的除雪方法、装置、设备及存储介质。

背景技术

冬季的雨雪天,车窗玻璃(尤其是前挡风玻璃)易结霜积雪,结冰和积雪需要热车很久才能去除,若清理不干净,会严重影响到视线,影响到行车安全。

现有对车辆前挡风玻璃的除雪方法通常由人为判断前挡风玻璃是否存在积雪,从而进行人工清理或者车载空调配合雨刮器进行融雪,即在车主未抵达车辆附近时无法判断前挡风玻璃上是否存在积雪,且在确定存在积雪时车主还需花费时间进行现场清理积雪,效率低下。

发明内容

本发明的主要目的在于解决现有基于图像识别的除雪方法效率低下的问题。

本发明第一方面提供了一种基于图像识别的除雪方法,包括:

调用预置的车载摄像头,采集前挡风玻璃的第一图像;

基于预置的积雪识别网络模型,识别所述第一图像中是否存在积雪;

若确定所述第一图像中存在积雪,则调用预置的雨刮器清理所述前挡风玻璃;

调用所述车载摄像头,采集所述前挡风玻璃的第二图像;

基于所述积雪识别网络模型,识别所述第二图像中是否存在积雪;

若确定所述第二图像中存在积雪,则对所述前挡风玻璃进行融雪。

可选的,在本发明第一方面的第一种实现方式中,所述调用预置的车载摄像头,采集前挡风玻璃的第一图像之前,还包括:

获取所在地当日的气象数据;

基于预置的数据格式化规则将所述气象数据格式化为气象特征矩阵;

将所述气象特征矩阵与预置的降雪概率矩阵做点积运算,得到所在地当日降雪的置信得分,若所在地当日降雪的置信得分大于预置的阈值,则激活所述车载摄像头。

可选的,在本发明第一方面的第二种实现方式中,所述获取所在地当日的气象数据包括:

可选的,基于预置的车载天气控件获取所在地当日的气象数据。

可选的,所述气象数据包括温度数据、湿度数据、风速数据、风力数据、太阳辐射强度数据。

可选的,基于预置的温湿度传感器采集温度数据和湿度数据,其中,所述温湿度传感器预置于所述车辆的车身外侧且与所述车载终端电连接。

可选的,在本发明第一方面的第三种实现方式中,所述基于预置的积雪识别网络模型,识别所述第一图像中是否存在积雪之前,还包括:

对预置的多个初始积雪图像分别执行图像预处理和图像标注,得到并基于多个目标积雪图像构建积雪图像训练数据集;

基于所述积雪图像训练数据集,对预置的卷积神经网络模型执行用于识别含积雪图像和不含积雪图像的二分类训练任务,得到所述积雪识别网络模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于珠海市魅族科技有限公司,未经珠海市魅族科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210423884.6/2.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top