CN110675010A - 普查系统与普查方法 - Google Patents

Abstract

本发明提出一种普查方法以及使用此方法的普查系统。普查方法包括以下步骤：取得普查区域内的街景影像、街景影像的拍摄位置以及拍摄方向；对街景影像进行影像辨识，以识别街景影像中的普查对象、已知物以及普查对象的形态特征；根据已知物的已知尺寸，计算普查对象的长度特征以及普查对象的环境特征；以及根据已知物的已知尺寸、拍摄位置以及拍摄方向，计算普查对象的所在位置。

Description

普查系统与普查方法

【技术领域】

本发明是有关于一种普查方法，且特别是有关于一种自动化的普查系统与普查方法。

【背景技术】

当公共设施(例如，路灯等)需要进行更新或发生故障需要修理时，通常是由工程处来根据地址循线计算所需更新的设施数量，或寻找需要维修的设施。这样的方式相当不便，尤其例如当地址位于偏乡时，可能会耗费相当多的时间。因此，将公共设施进行普查并列管有其必要性。

然而，在有对公共设施进行普查的需求时，习知的处理方式通常也是由普查人员在特定区域来对公共设施进行量测、记录以及统计等，同样费时费力且相当的不便。

【发明内容】

有鉴于此，本发明提供一种普查系统与普查方法，能够节省普查的时间与人力。

本发明一实施例的普查系统包括影像捕获设备以及处理器。影像捕获设备用以在普查区域内的拍摄位置，以拍摄方向捕获街景影像。处理器耦接于影像捕获设备，用以：对街景影像进行影像辨识，以识别街景影像中的普查对象、已知物以及普查对象的形态特征；根据已知物的已知尺寸计算普查对象的长度特征与普查对象的环境特征的至少其中之一；以及根据已知物的已知尺寸、拍摄位置以及拍摄方向计算普查对象的所在位置。

本发明一实施例的普查系统包括网络模块以及处理器。网络模块用以取得普查区域内的街景影像，其中街景影像包括拍摄位置以及拍摄方向。处理器耦接于网络模块，用以：对街景影像进行影像辨识，以识别街景影像中的普查对象、已知物以及普查对象的形态特征；根据已知物的已知尺寸，计算普查对象的长度特征以及普查对象的环境特征；以及根据已知物的已知尺寸、拍摄位置以及拍摄方向，计算普查对象的所在位置。

本发明一实施例的普查方法包括以下步骤：取得普查区域内的街景影像、街景影像的拍摄位置以及拍摄方向；对街景影像进行影像辨识，以识别街景影像中的普查对象、已知物以及普查对象的形态特征；根据已知物的已知尺寸，计算普查对象的长度特征以及普查对象的环境特征；以及根据已知物的已知尺寸、拍摄位置以及拍摄方向，计算普查对象的所在位置。

基于上述，本发明实施例所提出的普查系统与普查方法，利用影像辨识来从普查区域内的街景影像中识别出普查对象以及至少一个已知物，便能够将已知物的已知尺寸作为比例尺来计算出街景影像中所有的长度。据此，只要能够取得普查区域内的多张街景影像，便能够自动地对普查区域内的普查对象进行普查，大幅降低时间与人力成本。

为让本发明的上述特征和优点能更明显易懂，下文特举实施例，并配合所附图式作详细说明如下。

【附图说明】

图1绘示本发明一实施例的普查方法的流程图。

图2绘示本发明一实施例的街景影像的示意图。

图3绘示本发明一实施例的对街景影像进行影像辨识的示意图。

图4绘示本发明一实施例的普查系统的概要方块图。

图5绘示本发明一实施例的普查系统的概要方块图。

【具体实施方式】

在本发明实施例中，利用影像辨识的方法来从普查区域内的街景图中找出普查对象以及已知尺寸的已知物。如此一来，便能够透过街景图中已知物的已知尺寸来计算出街景图里包括普查对象的所有对象的长度。此外，若能够得知街景图的拍摄地点与拍摄方向，则普查对象的所在位置也能够被计算出来。

值得一提的是，在本文的实施例中，普查对象是以路灯作为示例来进行说明，但本发明并不限于此。在其它实施例中，普查对象也可以是行道树、变电箱、电线杆、号志灯或号志牌等。

图1绘示本发明一实施例的普查方法的流程图。请参照图1，在步骤S110中，取得普查区域内的街景影像、街景影像的拍摄位置以及拍摄方向。具体来说，普查区域可例如是用户依需求所订的地理区域，也可例如是任何行政区(例如，直辖市、县、乡、镇、区、村、里、邻等)，本发明并不在此限。此外，拍摄位置例如是二维坐标(例如，经纬度)或三维坐标(例如，经纬度与高度)，而拍摄方向则例如是拍摄街景影像时镜头的朝向。

图2绘示本发明一实施例的街景影像的示意图。请参照图2，街景影像IMG例如是在普查区域中的拍摄位置，朝向拍摄方向所拍摄，其中包括道路、建筑物、行道树、路灯以及汽车等。

在一些实施例中，街景影像IMG例如是由影像捕获设备来于实地普查区域内取得，而拍摄位置以及拍摄方向则可以利用其它装置来辅助取得。举例来说，影像捕获设备例如是装设在汽车(例如，无人车等)上的行车纪录器，而拍摄位置以及拍摄方向例如是从行车纪录器所内建的定位系统(例如，全球定位系统等)、汽车的导航系统、智能型手机等具有定位能力的行动装置等装置来取得(拍摄方向的取得亦可使用磁力计的辅助)，本发明并不在此限。

在一些实施例中，街景影像IMG例如是地理信息系统(Geographic InformationSystem，GIS)街景图，而拍摄位置以及拍摄方向则是GIS街景图的附加信息。举例来说，普查区域内的街景影像IMG例如是透过网络连接至Google、Bing或百度等所取得的GIS街景图，但本发明并不限于此。

在步骤S120中，对街景影像进行影像辨识，以识别街景影像中的普查对象、已知物以及普查对象的形态特征。具体来说，已知物例如是已知尺寸的对象；普查对象的形态特征例如是可被影像辨识所辨识出，且可经由分析外观来得知的普查对象本身的特征。

在一些实施例中，多个对象及其尺寸例如是记录于数据库中。换言之，数据库中所存在的对象都可以作为已知物。举例来说，数据库可包括先前所建置过，或已经过普查的各项资料，例如各厂牌各型号的汽车规格、各种类型的变电箱的尺寸以及各种类型的路灯等等。举另一例来说，数据库亦可包括经由政府机关所普查的资料，例如行道树高度、路灯数据等。因此，只要在街景影像中识别出数据库中存在的对象，便能够得知其实际尺寸。在一些实施例中，已知物的已知尺寸例如可以从网络上取得。举例来说，当从街景影像辨识出特定厂牌特定型号的汽车后，此汽车的所有规格与尺寸也就能够在该厂牌的网站中取得。换言之，本发明并不在此限制已知物及其已知尺寸的取得方式。所属领域具备通常知识者当可依其需求来实作之。

在一些实施例中，普查对象为路灯。路灯的形态特征例如包括路灯外观、灯型(例如，单灯或双灯等)、设置方式(例如，立杆式或壁挂式等)、设置位置(例如，中央分隔岛或道路两旁等)以及灯具仰角的其中之一或其组合。然而，本发明并不限于此，应用本发明者可依其需求来增加或减少其所要分析的形态特征。

在一些实施例中，为了提升准确度，影像辨识例如是透过人工智能模型来进行。举例来说，使用者例如是预先输入多张具有标记的影像至人工智能模型来对其进行训练，然后利用经训练的人工智能模型来对街景影像进行影像辨识。其中，用户所输入的影像中例如包括数据库中所记录的对象，而影像的标记则例如包括数据库中对应对象的各项相关数据(例如，外型、尺寸、型号等)。所属领域具备通常知识者应当理解人工智能模型的训练及使用方式，故在此不作限制也不再赘述。

图3绘示本发明一实施例的对街景影像进行影像辨识的示意图。请参照图3，在对街景影像IMG进行影像辨识后，例如从中识别出普查对象OB1、OB2以及已知物KO，其中普查对象OB1、OB2例如为路灯，而已知物KO例如是特定厂牌特定型号的汽车。特别是，除了识别出普查对象OB1、OB2以及已知物KO以外，影像辨识还能够从街景影像IMG中识别出普查对象OB1、OB2的形态特征与环境特征等。

在步骤S130中，根据已知物的已知尺寸，计算普查对象的长度特征与环境特征的至少其中之一。具体来说，普查对象的长度特征例如是长、宽、高等与尺寸相关的特征；而普查对象的环境特征例如是需经影像辨识结合尺寸所得到的普查对象的周遭环境的特征。

在一些实施例中，普查对象为路灯。路灯的长度特征例如包括路灯的高度；而路灯的环境特征例如包括两两灯杆间距以及其所处的道路宽度的其中之一或其组合等。然而，本发明并不限于此，应用本发明者可依其需求来增加或减少其所要分析的长度特征或环境特征。

请参照图3，街景影像IMG中的已知物KO为特定厂牌特定型号的汽车，而该汽车的车身长、宽、高皆为已知尺寸。据此，只要根据透视原理或三角测量法等方式，便能够以已知物KO的已知尺寸作为比例尺，计算出街景影像IMG中所有的长度。举例来说，已知物KO的已知尺寸可以用来计算普查对象OB1、OB2的高度、普查对象OB1、OB2所处的道路宽度以及普查对象OB1与普查对象OB2之间的距离等等。值得一提的是，只要能够取得已知物的已知尺寸作为比例尺，本发明并不在此限制利用比例尺计算出街景影像中的所有长度的具体方式。

在步骤S140中，根据已知物的已知尺寸、街景影像的拍摄位置以及拍摄方向，计算普查对象的所在位置。具体来说，只要知道街景影像的拍摄位置以及拍摄方向，藉由类似于步骤S130中所介绍的方式将已知物的已知尺寸作为比例尺，便能够从街景影像中计算出其中的普查对象的所在位置。街景影像的拍摄位置以及拍摄方向的取得方式已于前述段落中介绍，在此不再赘述。

在一些实施例中，普查对象为路灯，且已知物也是路灯。举例来说，数据库中例如记录有多种型号的路灯以及各型号路灯的尺寸。在步骤S120中街景影像中的路灯的型号可以被辨识出来，因此在步骤S140中，街景影像中的路灯便能够作为比例尺，来根据拍摄位置与拍摄方向来计算出街景影像中各个路灯的所在位置。

在一些实施例中，普查对象为路灯，而已知物则例如是路灯以外的对象。请参照图3，街景影像IMG的拍摄位置例如是设定于街景影像底边的中心点C点。如前段落所述，只要将已知物KO的已知尺寸作为比例尺，街景影像IMG中所有的长度便能够计算出来。因此，根据已知的拍摄位置(例如，二维或三维坐标)，只要再搭配街景影像IMG的拍摄方向，便能够计算出普查对象OB1以及OB2的所在位置(例如，二维或三维坐标)。

值得一提的是，不同的影像捕获设备与装置设定可能使街景影像具有不同的视野范围。因此，根据拍摄街景影像时所使用的装置及其设定，街景影像底边的中心点C也可例如是定义为拍摄位置的前方特定距离(例如，1公尺)处，本发明并不在此限。

藉由图1实施例所介绍的普查方法，只要能够取得欲进行普查的普查区域内的多张街景影像，便能够自动地对普查区域内的普查对象及其各项特征进行统计、整理并加以列管，使用方便且省时省力。以下将举实施例介绍上述普查方法的硬设备。

图4绘示本发明一实施例的普查系统的概要方块图。请参照图4，电子系统100a可以实作为普查系统，执行图1实施例所介绍的普查方法。

处理器110是主要负责执行普查方法(例如，步骤S110至S140)的硬件。在一些实施例中，处理器110例如是双核心、四核心或八核心等各类型的中央处理器(centralprocessing unit,CPU)、系统芯片(system-on-chip,SOC)、应用处理器(applicationprocessor)、媒体处理器(media processor)、微处理器(microprocessor)、数字信号处理器(digital signal processor)或其它具有足够运算能力的装置，本发明不限于此。

影像捕获设备120有线或无线地耦接于处理器110，由影像捕获设备经影像捕获的方法取出影像串流作为处理器的输入来源。影像捕获设备120可用以在普查区域内的拍摄位置，以拍摄方向来拍摄街景影像，而处理器110可透过影像捕获设备120来取得普查区域内的街景影像。在一些实施例中，影像捕获设备110例如是电荷耦合组件(Charge CoupledDevice,CCD)或互补金氧半导体(Complementary Metal-Oxide Semiconductor,CMOS)影像显示器等，本发明并不限于此。

在一些实施例中，电子系统100a中的处理器110与影像捕获设备120可例如是设置在同一个装置(例如，智能型手机)中。在一些实施例中，电子系统100a中的处理器110与影像捕获设备120可例如是分别以两个独立的装置来实作。举例来说，处理器110可例如是以服务器、个人计算机、平板电脑、智能型手机或类似的装置来实作，而影像捕获设备120可例如是以摄影机、数字相机、智能型手机或类似的装置来实作，本发明并不限于此。

图5绘示本发明一实施例的普查系统的概要方块图。请参照图5，电子系统100b可以实作为普查系统，执行图1实施例所介绍的普查方法。电子系统100b与图4实施例中的电子系统100a的差异在于，电子系统100b透过网络来取得普查区域内的街景影像。

处理器110是主要负责执行普查方法(例如，步骤S110至S140)的硬件。在一些实施例中，处理器110例如是双核心、四核心或八核心等各类型的中央处理器(centralprocessing unit,CPU)、系统芯片(system-on-chip,SOC)、应用处理器(applicationprocessor)、媒体处理器(media processor)、微处理器(microprocessor)、数字信号处理器(digital signal processor)或其它具有足够运算能力的装置，本发明不限于此。

网络模块130耦接于处理器110，用以有线或无线地连接至网络，以从网络上取得普查区域内GIS街景图以作为街景影像(可以为图片、影像或是图片整合转为影像串流的内容)。处理器110可透过网络模块130取得街景影像。在一些实施例中，网络模块130例如是包括网络电缆的有线网络接口，或是3G、4G、WiFi、LoRa、SIGFOX、NB-IoT等无线网络接口，本发明并不在此限。

在一些实施例中，电子系统100b可例如是以以服务器、个人计算机、平板电脑、智能型手机或类似的装置来实作，本发明并不限于此。

综上所述，本发明实施例所提出的普查系统与普查方法，利用影像辨识来从普查区域内的街景影像中识别出普查对象以及至少一个已知物，便能够将已知物的已知尺寸作为比例尺来计算出街景影像中所有的长度。据此，只要能够取得普查区域内的多张街景影像，便能够自动地对普查区域内的普查对象进行普查，大幅降低时间与人力成本。

虽然本发明已以实施例揭露如上，然其并非用以限定本发明，任何所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作些许的更动与润饰，故本发明的保护范围当视后附的申请专利范围所界定者为准。

Claims (15)

1.一种普查系统，其特征在于，包括：

影像捕获设备，用以在普查区域内的拍摄位置，以拍摄方向捕获街景影像；以及

处理器，耦接于该影像捕获设备，用以：

对该街景影像进行影像辨识，以识别该街景影像中的普查对象、已知物以及该普查对象的形态特征；

根据该已知物的已知尺寸计算该普查对象的长度特征与该普查对象的环境特征的至少其中之一；以及

根据该已知物的该已知尺寸、该拍摄位置以及该拍摄方向计算该普查对象的所在位置。

2.如权利要求1所述的普查系统，其特征在于，该普查对象为路灯，该形态特征包括灯型、设置方式、设置位置以及灯具仰角的其中之一或其组合，该长度特征包括路灯尺寸，并且该环境特征包括灯杆间距以及道路宽度的其中之一或其组合。

3.如权利要求1所述的普查系统，其特征在于，该处理器透过人工智能模型对该街景影像进行该影像辨识。

4.如权利要求1所述的普查系统，其特征在于，该影像捕获设备为行车纪录器。

5.一种普查系统，包括：

网络模块，用以取得普查区域内的街景影像，其特征在于，该街景影像包括拍摄位置以及拍摄方向；以及

处理器，耦接于该网络模块，用以：

对该街景影像进行影像辨识，以识别该街景影像中的普查对象、已知物以及该普查对象的形态特征；

根据该已知物的已知尺寸，计算该普查对象的长度特征以及该普查对象的环境特征；以及

根据该已知物的该已知尺寸、该拍摄位置以及该拍摄方向，计算该普查对象的所在位置。

6.如权利要求5所述的普查系统，其特征在于，该普查对象为路灯，该形态特征包括灯型、设置方式、设置位置以及灯具仰角的其中之一或其组合，该长度特征包括路灯尺寸，并且该环境特征包括灯杆间距以及道路宽度的其中之一或其组合。

7.如权利要求5所述的普查系统，其特征在于，该处理器透过人工智能模型对该街景影像进行该影像辨识。

8.如权利要求5所述的普查系统，其特征在于，该街景影像为地理信息系统街景图。

9.一种普查方法，其特征在于，包括：

取得普查区域内的街景影像、该街景影像的拍摄位置以及拍摄方向；

对该街景影像进行影像辨识，以识别该街景影像中的普查对象、已知物以及该普查对象的形态特征；

根据该已知物的已知尺寸，计算该普查对象的长度特征以及该普查对象的环境特征；以及

根据该已知物的该已知尺寸、该拍摄位置以及该拍摄方向，计算该普查对象的所在位置。

10.如权利要求9所述的普查方法，其特征在于，取得该普查区域内的该街景影像、该街景影像的该拍摄位置以及该拍摄方向的步骤包括：

利用影像捕获设备在该普查区域内的该拍摄位置，以该拍摄方向捕获该街景影像。

11.如权利要求10所述的普查方法，其特征在于，该影像捕获设备为行车纪录器。

12.如权利要求9所述的普查方法，其特征在于，取得该普查区域内的该街景影像、该街景影像的该拍摄位置以及该拍摄方向的步骤包括：

利用网络模块取得该普查区域内的该街景影像，其中该街景影像包括该拍摄位置以及该拍摄方向。

13.如权利要求12所述的普查方法，其特征在于，该街景影像为地理信息系统街景图。

14.如权利要求9所述的普查方法，其特征在于，该普查对象为路灯，该形态特征包括灯型、设置方式、设置位置以及灯具仰角的其中之一或其组合，该长度特征包括路灯尺寸，并且该环境特征包括灯杆间距以及道路宽度的其中之一或其组合。

15.如权利要求9所述的普查方法，其特征在于，对该街景影像进行该影像辨识的步骤包括：

透过人工智能模型对该街景影像进行该影像辨识。

Images