本技術(shù)涉及圖像處理，尤其是涉及一種農(nóng)村公路路面類型的spark分布式識別方法、裝置電子設備及存儲介質(zhì)。

背景技術(shù)：

1、現(xiàn)有技術(shù)中，對于農(nóng)村公路路面類型的識別，應用yarn的方式部署至少3個spark分布式節(jié)點，在每個分布式節(jié)點內(nèi)部署地理分析處理模塊算法和卷積神經(jīng)網(wǎng)絡模型算法，在此分布式架構(gòu)下應用容量的方式來調(diào)度各分布式節(jié)點的子任務。這個過程中，通常需要采用高精度的遙感影像數(shù)據(jù)，以此來提高農(nóng)村公路路面類型的識別精度，這樣會導致成本較高。另外，大部分農(nóng)村公路所在山區(qū)衛(wèi)星信號較弱，導致農(nóng)村公路線形與遙感影像偏差較大難以準確匹配相應的遙感影像數(shù)據(jù)，這種情況進一步影響路面類型的識別精度；此外，在農(nóng)村公路因被周邊植被、建筑物等遮擋時也無法準確識別農(nóng)村公路路面類型。

技術(shù)實現(xiàn)思路

1、本技術(shù)的目的在于提供一種農(nóng)村公路路面類型的spark分布式識別方法、裝置電子設備及存儲介質(zhì)，提高農(nóng)村公路路面類型的識別精度、匹配精度的同時降低成本。

2、第一方面，本技術(shù)提供一種農(nóng)村公路路面類型的spark分布式識別方法，方法應用于spark分布式計算系統(tǒng)，方法包括：獲取農(nóng)村公路電子地圖和對應的遙感影像數(shù)據(jù)；確定農(nóng)村公路電子地圖中的包含農(nóng)村公路的網(wǎng)格地圖集合，以及遙感影像數(shù)據(jù)中的包含農(nóng)村公路的網(wǎng)格圖像集合；應用空間緩沖分析算法，對網(wǎng)格地圖集合中的每個網(wǎng)格地圖進行分析計算，確定至少一個第一線形公路；針對每個第一線形公路，均執(zhí)行以下步驟：從網(wǎng)格圖像集合中，查找第一線形公路對應的目標網(wǎng)格圖像集合；計算目標網(wǎng)格圖像集合中的第二線形公路；確定第二線形公路上的每個線形點對應的rgb顏色特征值；根據(jù)每個線形點對應的rgb顏色特征值以及預先通過樣本訓練得到的多種路面類型分別對應的顏色特征值閾值區(qū)間，確定每個線形點對應的路面類型；將多個線形點分別對應的路面類型進行加權(quán)平均，得到第二線形公路的路面類型，并賦值于第一線形公路；基于所述農(nóng)村公路電子地圖中，每個網(wǎng)格地圖中第一線形公路上賦值的路面類型，確定指定公路的路面類型。

3、進一步地，上述確定農(nóng)村公路電子地圖中的包含農(nóng)村公路的網(wǎng)格地圖集合，以及遙感影像數(shù)據(jù)中的包含農(nóng)村公路的網(wǎng)格圖像集合的步驟，包括：按照第一預設網(wǎng)格大小，分別對農(nóng)村公路電子地圖和遙感影像數(shù)據(jù)進行相同的網(wǎng)格劃分；應用地理空間緩沖區(qū)分析方法，對農(nóng)村公路電子地圖進行分析，識別出包含有農(nóng)村公路的網(wǎng)格地圖集合；在遙感影像數(shù)據(jù)中，確定與網(wǎng)格地圖集合對應的多個網(wǎng)格圖像，針對每個網(wǎng)格圖像，檢索網(wǎng)格圖像對應的相鄰網(wǎng)格圖像；將多個網(wǎng)格圖像和對應的相鄰網(wǎng)格圖像構(gòu)成的集合，確定為遙感影像數(shù)據(jù)中的初始網(wǎng)格圖像集合；將初始網(wǎng)格圖像集合中的每個初始網(wǎng)格圖像，按照第二預設網(wǎng)格大小，進行網(wǎng)格劃分，得到遙感影像數(shù)據(jù)中的網(wǎng)格圖像集合；第二預設網(wǎng)格大小，小于第一預設網(wǎng)格大小。

4、進一步地，上述從網(wǎng)格圖像集合中，查找第一線形公路對應的目標網(wǎng)格圖像集合的步驟，包括：確定第一線形公路對應的公路面狀區(qū)域；求取公路面狀區(qū)域?qū)淖钚⊥饨泳匦?；從網(wǎng)格圖像集合中，查找最小外接矩形對應的網(wǎng)格圖像，得到目標網(wǎng)格圖像集合。

5、進一步地，上述計算目標網(wǎng)格圖像集合中的第二線形公路的步驟，包括：應用鏈碼算法對目標網(wǎng)格圖像集合中的網(wǎng)格圖像進行計算，確定公路面狀矢量數(shù)據(jù)；將公路面狀矢量數(shù)據(jù)進行面轉(zhuǎn)線處理，得到第二線形公路。

6、進一步地，上述應用鏈碼算法對目標網(wǎng)格圖像集合中的網(wǎng)格圖像進行計算，確定公路面狀矢量數(shù)據(jù)的步驟，包括：將目標網(wǎng)格圖像集合中的網(wǎng)格圖像轉(zhuǎn)換為灰度圖像；根據(jù)預設訓練得到的公路在遙感影像上的參數(shù)集，將灰度圖像進行圖像二值化處理，得到二值化圖像；其中，二值化圖像中白色像素表示公路；將二值化圖像進行柵格化處理以及矢量化處理，得到公路面狀矢量數(shù)據(jù)。

7、進一步地，上述確定第二線形公路上的每個線形點對應的rgb顏色特征值的步驟，包括：針對第二線形公路上的每個線形點，確定經(jīng)過線形點垂直于第二線形公路的線與公路面狀矢量數(shù)據(jù)的邊緣相交的點之間的連線；確定連線上每個像素點對應的rgb顏色值；對連線上所有像素點分別對應的rgb顏色值進行加權(quán)平均，得到線形點對應的rgb顏色特征值。

8、進一步地，上述根據(jù)每個線形點對應的rgb顏色特征值以及預先通過樣本訓練得到的多種路面類型分別對應的顏色特征值閾值區(qū)間，確定每個線形點對應的路面類型的步驟，包括：針對每個線形點對應的rgb顏色特征值，判斷rgb顏色特征值所屬的目標顏色特征值閾值區(qū)間；將目標顏色特征值閾值區(qū)間對應的路面類型，確定為線形點對應的路面類型。

9、第二方面，本技術(shù)還提供一種農(nóng)村公路路面類型的spark分布式識別裝置，裝置應用于spark分布式計算系統(tǒng)，裝置包括：數(shù)據(jù)獲取模塊，用于獲取農(nóng)村公路電子地圖和對應的遙感影像數(shù)據(jù)；集合確定模塊，用于確定農(nóng)村公路電子地圖中的包含農(nóng)村公路的網(wǎng)格地圖集合，以及遙感影像數(shù)據(jù)中的包含農(nóng)村公路的網(wǎng)格圖像集合；線形公路路面類型確定模塊，用于應用空間緩沖分析算法，對網(wǎng)格地圖集合中的每個網(wǎng)格地圖進行分析計算，確定至少一個第一線形公路；針對每個第一線形公路，均執(zhí)行以下步驟：從網(wǎng)格圖像集合中，查找第一線形公路對應的目標網(wǎng)格圖像集合；計算目標網(wǎng)格圖像集合中的第二線形公路；確定第二線形公路上的每個線形點對應的rgb顏色特征值；根據(jù)每個線形點對應的rgb顏色特征值以及預先通過樣本訓練得到的多種路面類型分別對應的顏色特征值閾值區(qū)間，確定每個線形點對應的路面類型；將多個線形點分別對應的路面類型進行加權(quán)平均，得到第二線形公路的路面類型，并賦值于第一線形公路；路面類型確定模塊，用于基于所述農(nóng)村公路電子地圖中，每個網(wǎng)格地圖中第一線形公路上賦值的路面類型，確定指定公路的路面類型。

10、第三方面，本技術(shù)還提供一種電子設備，包括處理器和存儲器，存儲器存儲有能夠被處理器執(zhí)行的計算機可執(zhí)行指令，處理器執(zhí)行計算機可執(zhí)行指令以實現(xiàn)上述第一方面所述的方法。

11、第四方面，本技術(shù)還提供一種計算機可讀存儲介質(zhì)，計算機可讀存儲介質(zhì)存儲有計算機可執(zhí)行指令，計算機可執(zhí)行指令在被處理器調(diào)用和執(zhí)行時，計算機可執(zhí)行指令促使處理器實現(xiàn)上述第一方面所述的方法。

12、本技術(shù)提供的一種農(nóng)村公路路面類型的spark分布式識別方法、裝置電子設備及存儲介質(zhì)中，方法應用于spark分布式計算系統(tǒng)，首先獲取農(nóng)村公路電子地圖和對應的遙感影像數(shù)據(jù)；然后確定農(nóng)村公路電子地圖中的包含農(nóng)村公路的網(wǎng)格地圖集合，以及遙感影像數(shù)據(jù)中的包含農(nóng)村公路的網(wǎng)格圖像集合；然后應用空間緩沖分析算法，對網(wǎng)格地圖集合中的每個網(wǎng)格地圖進行分析計算，確定至少一個第一線形公路；針對每個第一線形公路，均執(zhí)行以下步驟：從網(wǎng)格圖像集合中，查找第一線形公路對應的目標網(wǎng)格圖像集合；計算目標網(wǎng)格圖像集合中的第二線形公路；確定第二線形公路上的每個線形點對應的rgb顏色特征值；根據(jù)每個線形點對應的rgb顏色特征值以及預先通過樣本訓練得到的多種路面類型分別對應的顏色特征值閾值區(qū)間，確定每個線形點對應的路面類型；將多個線形點分別對應的路面類型進行加權(quán)平均，得到第二線形公路的路面類型，并賦值于第一線形公路；最后基于所述農(nóng)村公路電子地圖中，每個網(wǎng)格地圖中第一線形公路上賦值的路面類型，確定指定公路的路面類型。本技術(shù)中可以采用低精度的遙感影像數(shù)據(jù)、spark分布式計算過程，將遙感影像數(shù)據(jù)中確定出的路面類型精準地賦值于電子地圖中的對應公路上，在提高路面類型識別精度、匹配精度的同時，降低成本。