本發(fā)明涉及城市建設(shè)領(lǐng)域，具體涉及一種城市道路路面日常巡檢裝置。

背景技術(shù)：

城市道路路面平整對(duì)車輛的安全行駛至關(guān)重要，相關(guān)技術(shù)中的城市道路路面日常巡檢一般采用人工巡檢方式，依靠肉眼發(fā)現(xiàn)軌道異常并予以修復(fù)，效率和精度都比較低，不能適應(yīng)城市道路路面日常巡檢的實(shí)際應(yīng)用要求。

技術(shù)實(shí)現(xiàn)要素：

為解決上述問題，本發(fā)明旨在提供一種城市道路路面日常巡檢裝置。

本發(fā)明的目的采用以下技術(shù)方案來實(shí)現(xiàn)：

一種城市道路路面日常巡檢裝置，包括移動(dòng)子系統(tǒng)以及設(shè)置在移動(dòng)子系統(tǒng)上的圖像存儲(chǔ)分析子系統(tǒng)、GPS定位裝置、報(bào)警器；所述圖像存儲(chǔ)分析子系統(tǒng)用于對(duì)采集的圖像進(jìn)行處理，并對(duì)圖像進(jìn)行存儲(chǔ)和實(shí)時(shí)分析，完成對(duì)路面異常的檢測(cè)；所述GPS定位裝置在圖像存儲(chǔ)分析子系統(tǒng)檢測(cè)出路面異常時(shí)對(duì)發(fā)生異常的路面位置進(jìn)行定位；所述報(bào)警器用于在圖像存儲(chǔ)分析子系統(tǒng)檢測(cè)出路面異常時(shí)進(jìn)行報(bào)警，并將報(bào)警信息發(fā)送至預(yù)設(shè)的移動(dòng)終端。

本發(fā)明的有益效果為：可在日常城市道路巡檢任務(wù)中完成對(duì)路面的自動(dòng)檢測(cè)，簡(jiǎn)化巡檢任務(wù)，提高了巡檢效率和檢測(cè)精度。

附圖說明

利用附圖對(duì)本發(fā)明作進(jìn)一步說明，但附圖中的實(shí)施例不構(gòu)成對(duì)本發(fā)明的任何限制，對(duì)于本領(lǐng)域的普通技術(shù)人員，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)以下附圖獲得其它的附圖。

圖1是本發(fā)明的結(jié)構(gòu)連接示意圖；

圖2是本發(fā)明圖像采集處理裝置的結(jié)構(gòu)連接示意圖。

附圖標(biāo)記：

移動(dòng)子系統(tǒng)1、圖像存儲(chǔ)分析子系統(tǒng)2、GPS定位裝置3、報(bào)警器4、圖像存儲(chǔ)器5、圖像采集處理裝置6、圖像采集模塊11、圖像預(yù)處理模塊12、圖像融合模塊13、圖像評(píng)價(jià)模塊14。

具體實(shí)施方式

結(jié)合以下實(shí)施例對(duì)本發(fā)明作進(jìn)一步描述。

參見圖1、圖2，本實(shí)施例的一種城市道路路面日常巡檢裝置，包括移動(dòng)子系統(tǒng)1以及設(shè)置在移動(dòng)子系統(tǒng)1上的圖像存儲(chǔ)分析子系統(tǒng)2、GPS定位裝置3、報(bào)警器4；所述圖像存儲(chǔ)分析子系統(tǒng)2用于對(duì)采集的圖像進(jìn)行處理，并對(duì)圖像進(jìn)行存儲(chǔ)和實(shí)時(shí)分析，完成對(duì)路面異常的檢測(cè)；所述GPS定位裝置3在圖像存儲(chǔ)分析子系統(tǒng)2檢測(cè)出路面異常時(shí)對(duì)發(fā)生異常的路面位置進(jìn)行定位；所述報(bào)警器4用于在圖像存儲(chǔ)分析子系統(tǒng)2檢測(cè)出路面異常時(shí)進(jìn)行報(bào)警，并將報(bào)警信息發(fā)送至預(yù)設(shè)的移動(dòng)終端。

優(yōu)選的，所述報(bào)警信息包括發(fā)生異常的路面圖像、發(fā)生異常的路面位置。

優(yōu)選的，所述圖像存儲(chǔ)分析子系統(tǒng)2包括圖像存儲(chǔ)器5，所述報(bào)警器4與圖像存儲(chǔ)器5、GPS定位裝置3皆連接。

本發(fā)明上述實(shí)施例可在日常城市道路巡檢任務(wù)中完成對(duì)路面的自動(dòng)檢測(cè)，簡(jiǎn)化巡檢任務(wù)，提高了巡檢效率和檢測(cè)精度。

優(yōu)選的，所述圖像存儲(chǔ)分析子系統(tǒng)2包括圖像采集處理裝置6，所述圖像采集處理裝置6包括圖像采集模塊11、圖像預(yù)處理模塊12、圖像融合模塊13和圖像評(píng)價(jià)模塊14；所述圖像采集模塊11用于采集關(guān)于路面的源可見光圖像和源紅外圖像；所述圖像預(yù)處理模塊12對(duì)聚焦不同的源可見光圖像和源紅外圖像進(jìn)行圖像配準(zhǔn)；所述圖像融合模塊13用于對(duì)配準(zhǔn)后的圖像進(jìn)行融合處理；所述圖像評(píng)價(jià)模塊14用于對(duì)融合后的圖像進(jìn)行評(píng)價(jià)，選擇評(píng)價(jià)合格的圖像作為最終的圖像。

本優(yōu)選實(shí)施例設(shè)計(jì)了圖像采集處理裝置6的模塊架構(gòu)，從而在日常城市道路巡檢任務(wù)中完成對(duì)路面圖像的處理。

優(yōu)選的，所述圖像收集模塊11在采集時(shí)淘汰低質(zhì)量的圖像，其建立圖像質(zhì)量評(píng)價(jià)函數(shù)采用了主觀評(píng)價(jià)和客觀評(píng)價(jià)相結(jié)合的方式：

式中，δ₁、δ₂、δ₃為各種評(píng)價(jià)因素所占比重，δ₁<δ₂<δ₃且δ₁+δ₂+δ₃＝1，F(xiàn)_i為第i次通過主觀評(píng)價(jià)而給予圖像的分?jǐn)?shù)，Z_i為第i次通過客觀評(píng)價(jià)而給予圖像的分?jǐn)?shù)，χ表示圖像的峰值信噪比，N為進(jìn)行主觀評(píng)價(jià)的次數(shù)，M為進(jìn)行客觀評(píng)價(jià)的次數(shù)。

本優(yōu)選實(shí)施例引入圖像質(zhì)量評(píng)價(jià)函數(shù)，能夠剔除質(zhì)量差的圖像，提高路面圖像的后期處理效率。

優(yōu)選的，所述預(yù)處理模塊12包括線段特征子模塊、投影變換子模塊、度量子模塊和遺傳計(jì)算子模塊；所述線段特征子模塊以源紅外圖像作為參考圖像，源可見光圖像作為待配準(zhǔn)圖像，檢測(cè)源可見光圖像的線段特征作為配準(zhǔn)的依據(jù)；所述投影變換子模塊：采用投影變換對(duì)源可見光圖像中的線段特征實(shí)施變換，變換參數(shù)構(gòu)成的矢量為所述度量子模塊：采用基于方向一致性的度量準(zhǔn)則構(gòu)建度量函數(shù)，度量源紅外圖像線段特征和變換后的源可見光圖像線段特征的相似性，如果滿足預(yù)設(shè)要求，則返回參數(shù)若不滿足要求，則轉(zhuǎn)入?yún)?shù)更新模塊；所述遺傳計(jì)算子模塊采用遺傳算法對(duì)進(jìn)行更新。本優(yōu)選實(shí)施例在融合前對(duì)圖像進(jìn)行配準(zhǔn)，極大的提高了融合效率。

優(yōu)選的，所述融合模塊13包括：

(1)HSV變換子模塊：用于對(duì)預(yù)處理后的源可見光圖像進(jìn)行HSV變換并提取色調(diào)分量H、飽和度分量S和明度分量V；

(2)分量獲取子模塊：用于將預(yù)處理后的源紅外圖像和明度分量V分別作二代Curvelet變換，以得到各自在(x,y)位置的低頻分量和高頻分量，在此設(shè)源紅外圖像對(duì)應(yīng)的低頻分量為D_y(x,y)、高頻分量為M_y(x,y)；明度分量V對(duì)應(yīng)的低頻分量為D_V(x,y)，高頻分量為M_V(x,y)；

(3)融合子模塊，包括低頻分量融合單元和高頻分量融合單元：

A、低頻分量融合單元，用于對(duì)所述低頻分量D_y(x,y)、D_V(x,y)進(jìn)行融合，融合后的低頻分量D_yV(x,y)為：

a、若D_y(x,y)＝0或D_V(x,y)＝0時(shí)：

D_yV(x,y)＝D_y(x,y)+D_V(x,y)；

b、若D_y(x,y)≠0或D_V(x,y)≠0時(shí)：

B、高頻分量融合單元，用于對(duì)高頻分量M_y(x,y)、M_V(x,y)進(jìn)行融合，引入匹配測(cè)度因子：

其中，F(xiàn)＝1,...ψ，F(xiàn)表示二代Curvelet變換的分解級(jí)數(shù)，ψ為二代Curvelet變換的最大分解級(jí)；F＝1,...ψ-1時(shí)，為計(jì)算的源可見光圖像的像素點(diǎn)信息質(zhì)量均值，為源紅外圖像的像素點(diǎn)信息質(zhì)量均值；F＝ψ時(shí)，為源可見光圖像中高頻子帶與低頻子帶的方向?qū)Ρ榷?，為源紅外圖像中高頻子帶與低頻子帶的方向?qū)Ρ榷?；表示源可見?/p>

圖像在最高分辨率λ下、α方向上、3×3窗口內(nèi)的區(qū)域信號(hào)強(qiáng)度；表示源紅外圖像在最高分辨率λ下、α方向上、3×3窗口內(nèi)的區(qū)域信號(hào)強(qiáng)度；

若P_j(x,y)≤T，則融合后的高頻分量M_yV(x,y)的選取公式為：

若P_j(x,y)>T，則融合后的高頻分量M_yV(x,y)的選取公式為：

a、時(shí)：

b、時(shí)：

其中，T為設(shè)定的閾值；

(4)二代Curvelet逆變換子模塊，用于對(duì)融合后的低頻分量D_yV(x,y)和融合后的高頻分量M_yV(x,y)進(jìn)行二代Curvelet逆變換，以獲得新的明度分量V_Ω；

(5)HSV逆變換子模塊，用于對(duì)H、S、V_Ω三個(gè)分量做HSV逆變換，最終得到融合圖像Ω。

發(fā)明人采用本實(shí)施例進(jìn)行了一系列測(cè)試，以下是進(jìn)行測(cè)試得到的實(shí)驗(yàn)數(shù)據(jù)：

本優(yōu)選實(shí)施例結(jié)合低頻分量融合單元和高頻分量融合單元，對(duì)高頻分量和低頻分量采用不同的融合公式進(jìn)行融合，更具有針對(duì)性，能夠較好地描述路面圖像中的目標(biāo)特征信息；引入加權(quán)因子來計(jì)算融合后的高頻分量，能夠較好地保留源圖像中的有用信息；引入匹配測(cè)度因子來計(jì)算融合后的高頻分量，充分提取了源紅外圖像的熱目標(biāo)特征信息與源可見光圖像豐富的背景特征信息，融合圖像細(xì)節(jié)清晰、邊緣平滑，具有更佳的融合性能和視覺效果。

優(yōu)選的，所述圖像評(píng)價(jià)模塊14包括：

(1)第一評(píng)價(jià)單元：采用第一評(píng)估因子P₁對(duì)融合效果進(jìn)行評(píng)估：

P₁＝(R₁-I₀)(R₁-V₀)

其中，R₁為融合后圖像的辨識(shí)率，I₀為融合前源紅外圖像的辨識(shí)率，V₀為融合前源可見光圖像的辨識(shí)率；當(dāng)P₁>0，判定融合效果合格；

(2)第二評(píng)價(jià)單元：采用第二評(píng)估因子P₂對(duì)融合速度進(jìn)行評(píng)估：

P₂＝(T₁-I₁)(T₁-V₁)

其中，T₁為融合后圖像的辨識(shí)時(shí)間，I₁為融合前源紅外圖像的辨識(shí)時(shí)間，V₁為融合前源可見光圖像的辨識(shí)時(shí)間；

若P₂<0，則融合速度合格。

本優(yōu)選實(shí)施例能夠切實(shí)提高路面圖像處理的實(shí)用性。

結(jié)合上述實(shí)施例，對(duì)巡檢時(shí)采集的路面圖像的融合效果相對(duì)提高了30％，融合速度相對(duì)提高了10％。

最后應(yīng)當(dāng)說明的是，以上實(shí)施例僅用以說明本發(fā)明的技術(shù)方案，而非對(duì)本發(fā)明保護(hù)范圍的限制，盡管參照較佳實(shí)施例對(duì)本發(fā)明作了詳細(xì)地說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對(duì)本發(fā)明的技術(shù)方案進(jìn)行修改或者等同替換，而不脫離本發(fā)明技術(shù)方案的實(shí)質(zhì)和范圍。