CN114170301B - 异常市政设施的定位方法、装置及其应用 - Google Patents
异常市政设施的定位方法、装置及其应用 Download PDFInfo
- Publication number
- CN114170301B CN114170301B CN202210119974.6A CN202210119974A CN114170301B CN 114170301 B CN114170301 B CN 114170301B CN 202210119974 A CN202210119974 A CN 202210119974A CN 114170301 B CN114170301 B CN 114170301B
- Authority
- CN
- China
- Prior art keywords
- abnormal
- municipal
- facility
- street view
- municipal facility
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本申请提供了一种异常市政设施的定位方法,包括:获取同一时刻的路面视频图像和对应的街景视频图像;根据路面视频图像获取至少一异常市政设施的实时图像及每一异常市政设施的异常状态和设施种类;获取与街景视频图像最相似的街景样本图像的街景位置信息作为异常街景位置;根据每一异常市政设施的异常状态获取至少一疑似异常市政设施的原始图像和位置信息;根据每一异常市政设施的异常状态获取对应的定位信息。该方法通过采集同一时刻的路面视频图像和街景视频图像,对路面视频图像进行检测发现异常市政设施,根据街景视频图像进行初步定位,并根据异常市政设施的异常状态和/或实时图像快速而精准地进行定位。
Description
技术领域
本申请涉及城市管理和图像识别技术领域,特别是涉及一种异常市政设施的定位方法、装置及其应用。
背景技术
随着城市进程化的脚步较快,以及信息化技术的快速发展,社会公众对市政设施的依赖越来越高,同时也对市政设施的管理提出越来越高的要求。
市政设施是指由政府、法人、或公民出资建造的公共设施,一般指规划区内的各种建筑物、构筑物、设备等。城市道路(含桥梁)、城市轨道交通、供水、排水、燃气、热力、园林绿化、环境卫生、道路照明、工业垃圾医疗垃圾、生活垃圾处理设备、场地等设施及附属设施。
但由于市政施舍通常放置于公共场合,容易出现损坏或丢失的情况,现有市政设施的情况主要还是通过人工在城市管理作业车上进行视觉判断,耗费大量时间和人力,并且容易忽略很多较为隐蔽的市政设施,不能及时发现市政施舍的损坏或丢失情况以上传准确的位置信息到维护人员,以至于维护人员无法及时进行维护,给公众的生活造成一定的不便。
发明内容
本申请提供了一种异常市政设施的定位方法、装置及其应用,通过采集同一时刻的路面视频图像和街景视频图像,对路面视频图像进行检测发现异常市政设施并进行快速而精准的定位。
第一方面,本申请实施例提供了一种异常市政设施的定位方法,包括以下步骤:
获取同一时刻的路面视频图像和对应的街景视频图像;
根据所述路面视频图像获取至少一异常市政设施的实时图像及每一所述异常市政设施的异常状态和设施种类;
获取与所述街景视频图像最相似的街景样本图像的街景位置信息作为异常街景位置;
根据每一所述异常市政设施的异常状态获取至少一疑似异常市政设施的原始图像和位置信息,其中所述疑似异常市政设施为与任一所述异常市政设施的设施种类相同的市政设施,且所述疑似异常市政设施与所述异常街景位置相同和/或邻近;
根据每一所述异常市政设施的异常状态获取对应的定位信息,若所述异常状态显示为丢失,所述定位信息为与所述异常街景位置最接近的所述疑似异常市政设施的位置信息,否则所述定位信息为与所述异常市政设施的实时图像最相似的原始图像对应的疑似异常市政设施的位置信息。
在一些申请实施例中,在“获取同一时刻的路面视频图像和对应的街景视频图像”前,包括:构建市政设施信息库和街景样本库,其中所述市政设施信息库包括每一市政设施的设施种类、位置信息和原始图像,所述街景样本库包括至少一街景样本图像且每一所述街景样本图像标注有街景位置信息。
在一些申请实施例中,每一所述市政设施的位置信息包括原始位置信息和实时位置信息;在“构建市政设施信息库”之前,包括:为每一所述市政设施绑定唯一电子身份标签,所述唯一电子身份标签用于更新每一所述市政设施的实时位置信息。
在一些申请实施例中,“根据每一所述异常市政设施的异常状态获取至少一疑似异常市政设施的原始图像和位置信息”包括:若所述异常市政设施的异常状态显示为丢失,从所述市政设施信息库中获取至少一疑似异常市政设施的原始图像和原始位置信息,其中所述疑似异常市政设施为相同设施种类的市政设施且原始位置信息与所述异常街景位置相同和/或邻近;否则从所述市政设施信息库中获取至少一疑似异常市政设施的原始图像和实时位置信息,其中所述疑似异常市政设施为相同设施种类的市政设施且实时位置信息与所述异常街景位置相同和/或邻近。
在一些申请实施例中,“获取所述街景样本库中与所述街景视频图像最相似的街景样本图像的街景位置信息作为异常街景位置”包括:采用第一图像匹配模型计算所述街景视频图像与每一所述街景样本图像的第一相似度,获取所述第一相似度最高的街景样本图像的街景位置信息作为异常街景位置。
在一些申请实施例中,“否则所述定位信息为与所述异常市政设施的实时图像最相似的原始图像对应的疑似异常市政设施的位置信息”包括:采用第二图像匹配模型计算每一所述异常市政设施的实时图像与每一所述疑似异常市政设施的原始图像的第二相似度,所述定位信息为所述第二相似度最大的疑似异常市政设施的实时位置信息。
在一些申请实施例中,“根据所述路面视频图像获取至少一异常市政设施的实时图像及每一所述异常市政设施的异常状态和设施种类”包括:将所述路面视频图像输入异常市政设施检测模型,获取至少一异常市政设施的包围框、每一所述包围框中异常市政设施的异常状态和设施种类,根据每一所述异常市政设施的包围框从所述路面视频图像中截取对应的实时图像。
第二方面,本申请实施例提供了一种异常市政设施的定位装置,包括以下模块:
获取模块,用于获取同一时刻的路面视频图像和对应的街景视频图像;
检测模块,用于根据所述路面视频图像获取至少一异常市政设施的实时图像及每一所述异常市政设施的异常状态和设施种类;
街景匹配模块,用于获取与所述街景视频图像最相似的街景样本图像的街景位置信息作为异常街景位置;
设施匹配模块,用于根据每一所述异常市政设施的异常状态获取至少一疑似异常市政设施的原始图像和位置信息,其中所述疑似异常市政设施为与任一所述异常市政设施的设施种类相同的市政设施,且所述疑似异常市政设施与所述异常街景位置相同和/或邻近;
定位模块,用于根据每一所述异常市政设施的异常状态获取对应的定位信息,若所述异常状态显示为丢失,所述定位信息为与所述异常街景位置最接近的所述疑似异常市政设施的位置信息,否则所述定位信息为与所述异常市政设施的实时图像最相似的原始图像对应的疑似异常市政设施的位置信息。
第三方面,本申请实施例提供了一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以如上任意申请实施例所述的异常市政设施的定位方法。
第四方面,本申请实施例提供了一种可读存储介质,所述可读存储介质中存储有计算机程序,所述计算机程序包括用于控制过程以执行过程的程序代码,所述过程包括根据如上任意申请实施例所述的异常市政设施的定位方法。
本申请的主要贡献和创新点如下:
本申请通过与路面视频图像同一时刻对应的街景视频图像初步确定异常街景位置,根据异常街景位置在一定范围内筛查出疑似异常市政设施,并根据异常市政设施的异常状态采用不同的方法进行精准定位。
在本申请的一些申请实施例中,提前构建了包括市政设施的位置信息和原始图像的市政设施信息库和包括大量街景样本图像的街景样本库,为快速检测和定位提供数据支撑。
特别的是,针对异常状态显示为丢失的异常市政设施,通过对比异常街景位置与每一疑似异常市政设施在市政设施信息库中的位置信息,将与异常街景位置最近的疑似异常市政设施的位置信息作为该异常市政设施的定位信息,否则对比异常市政设施的实时图像与每一疑似异常市政设施在市政设施信息库中的原始图像,将与异常市政设施的实时图像最相似的疑似异常市政设施的位置信息作为该异常市政设施的定位信息。
值得一提的是,在本申请的一些申请实施例中,为每一市政设施绑定唯一电子身份标签,并在市政设施信息库中保存每一市政设施的原始位置信息和实时位置信息,该唯一电子身份标签可通过射频识别技术更新每一市政设施的实时位置信息,针对不同异常状态的异常市政设施提供更加准确的定位信息。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的异常市政设施的定位方法流程示意图;
图2是根据本申请实施例的异常市政设施的定位装置结构框图;
图3是根据本申请实施例的电子装置的硬件结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书一个或多个实施例相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本说明书一个或多个实施例的一些方面相一致的装置和方法的例子。
需要说明的是:在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中,其方法所包括的步骤可以比本说明书所描述的更多或更少。此外,本说明书中所描述的单个步骤,在其他实施例中可能被分解为多个步骤进行描述;而本说明书中所描述的多个步骤,在其他实施例中也可能被合并为单个步骤进行描述。
实施例一
本实施例提供了一种异常市政设施的定位方法,用于获取检测到的异常市政设施进行快速且精准的定位信息。
该方法包主要分为五个步骤:
步骤S1:获取同一时刻的路面视频图像和对应的街景视频图像;
步骤S2:根据所述路面视频图像获取至少一异常市政设施的实时图像及每一所述异常市政设施的异常状态和设施种类;
步骤S3:获取与所述街景视频图像最相似的街景样本图像的街景位置信息作为异常街景位置;
步骤S4:根据每一所述异常市政设施的异常状态获取至少一疑似异常市政设施的原始图像和位置信息,其中所述疑似异常市政设施为与任一所述异常市政设施的设施种类相同的市政设施,且所述疑似异常市政设施与所述异常街景位置相同和/或邻近;
步骤S5:根据每一所述异常市政设施的异常状态获取对应的定位信息,若所述异常状态显示为丢失,所述定位信息为与所述异常街景位置最接近的所述疑似异常市政设施的位置信息,否则所述定位信息为与所述异常市政设施的实时图像最相似的原始图像对应的疑似异常市政设施的位置信息。
在步骤S1中,获取同一时刻的路面视频图像和对应的街景视频图像的目的是为了确保每一帧路面视频图像都和街景视频图像一一对应,以便于根据路面视频图像对应的街景视频图像进行初步定位。具体方法可以是在城市道路作业车上安装两个拍摄设备,同时采集路面视频图像和对应的街景视频图像,其中一个用于获取作业车运动时前方的路面你视频图像,另一个用于同时获取作业车运动时前方的街景视频图像。
在步骤S2中,对路面视频图像进行检测,从中获取异常市政设施的实时图像及异常市政设施的异常状态和设施种类。具体方法可以是将所述路面视频图像输入异常市政设施检测模型,获取至少一异常市政设施的包围框、每一所述包围框中异常市政设施的异常状态和设施种类,根据每一所述异常市政设施的包围框从所述路面视频图像中截取对应的实时图像。
其中,异常市政设施检测模型可以采用常规的目标检测网络对一种或者多种需要检测和识别的市政设施都进行了相应的训练,用于获取异常市政设施的包围框及每一异常市政设施的异常状态和设施种类。在一些实施例中,目标检测网络可以采用Yolov5s或者YoloX,这些模型是现有技术,本实施例中不过多赘述。
特别的是,对于可分离的异常状态设施,异常状态主要用于区分异常市政设施是否丢失。以包括井盖和井口的下水井为例,若检测到井口,表示该下水井的井盖已丢失,因此异常状态需要表示为丢失,若检测到井盖,但井盖存在一定程度的形变或破损,表示该下水井的井盖需要及时维护,因此异常状态需要对应表示为形变或者破损。
在步骤S3中,先查询到与所述街景视频图像最相似的街景样本图像,再获取最相似的街景样本图像的街景位置信息作为初步定位的异常街景位置。具体方法可以是采用第一图像匹配模型计算所述街景视频图像与每一所述街景样本图像的第一相似度,获取所述第一相似度最高的街景样本图像的街景位置信息作为异常街景位置。
其中,用于获取第一相似度的第一图像匹配模型是需要经过训练的。本实施例中,对于每一个地点都收集了大量不同时间不同角度相同地点的街景图像对第一图像匹配模型进行训练。
在一些实施例中,所述第一图像匹配模型为带有VLAD层的卷积神经网络模型NetVLAD,NetVLAD是本技术领域中常用来做场景对比识别的技术,本实施例中不过多赘述。
在步骤S4中,根据每一所述异常市政设施的异常状态获取至少一疑似异常市政设施的原始图像和位置信息,并确保疑似异常市政设施满足两个条件:设施种类相同且位置相同或者邻近。其中,疑似异常市政设施的原始图像是事先录入的;判断两者的位置是否邻近,可以提前设置邻近范围阈值,也就是说,偏离异常街景位置不超过邻近范围阈值的市政设施也可以作为疑似异常市政设施。
在步骤S5中,根据不同异常状态的异常市政设施选择不同的方法获取定位信息。若所述异常状态显示为丢失,所述定位信息为与所述异常街景位置最接近的所述疑似异常市政设施的位置信息,否则所述定位信息为与所述异常市政设施的实时图像最相似的原始图像对应的疑似异常市政设施的位置信息。
并且,根据获取到每个异常市政设施的定位信息,还可以根据其的设施类别和位置信息分析每种异常市政设施存在的质量问题或者异常原因。
其中,获取原始图像与所述异常市政设施的实时图像最相似的疑似异常市政设施的方法包括:采用第二图像匹配模型计算每一所述异常市政设施的实时图像与每一所述疑似异常市政设施的原始图像的第二相似度,所述定位信息为所述第二相似度最大的疑似异常市政设施的实时位置信息。
并且,用于获取第二相似度的第二图像匹配模型也是需要经过训练的,本实施例中,对于每一种市政设施都收集了大量的设施图像进行训练。在一些实施例中,第二图像匹配模型是与第一图像匹配模型相同,均采用带有VLAD层的卷积神经网络模型NetVLAD。
值得一提的是,本实施例针对不同异常状态的异常市政设施采用不同的方法获取对应的定位信息。
对于异常状态不是为丢失状态的异常市政设施,可以将异常市政设施的实时图像与疑似异常市政设施的原始图像进行匹配,将相似度最高的疑似异常市政设施的位置信息作为该异常市政设施的定位信息。
对于异常状态为丢失状态的异常市政设施,由于无法通过实时图像与原始图像进行匹配,只能直接将与所述异常街景位置最接近的疑似异常市政设施的位置信息作为该异常市政设施的定位信息。
另外,为快速定位到异常市政设施提供数据支撑,在一些实施例中,在“获取同一时刻的路面视频图像和对应的街景视频图像”前,包括:构建市政设施信息库和街景样本库,其中所述市政设施信息库包括每一市政设施的设施种类、位置信息和原始图像,所述街景样本库包括至少一街景样本图像且每一所述街景样本图像标注有街景位置信息。
因此,在初步确定异常街景位置时,将路面视频图像同一时刻的街景视频图像与街景样本库中每一街景样本图像进行匹配,获取相似度最高的街景样本图像的位置信息作为异常街景位置。并且,将异常街景位置与市政设施信息库中每一市政设施的设施种类和位置信息进行对比,筛查出疑似异常市政设施。在获取到一个或多个疑似异常市政设施后,根据异常市政设施的异常状态和每一疑似异常市政设施在市政设施信息库的信息,进一步确定每一异常市政设施的定位信息。
特别的是,为了更加精准地获取每一异常市政设施的定位信息,在“构建市政设施信息库”之前,包括:为每一所述市政设施绑定唯一电子身份标签,所述唯一电子身份标签用于更新每一所述市政设施的实时位置信息。该唯一电子身份标签可以通过射频识别技术上传市政设施的实时位置信息。相应的,在市政设施信息库中,每一所述市政设施的位置信息包括原始位置信息和实时位置信息;
值得一提的是,在一些实施例中,市政设施属于可分离的结构,因此,“根据每一所述异常市政设施的异常状态获取至少一疑似异常市政设施的原始图像和位置信息”包括:若所述异常市政设施的异常状态显示为丢失,从所述市政设施信息库中获取至少一疑似异常市政设施的原始图像和原始位置信息,其中所述疑似异常市政设施为相同设施种类的市政设施且原始位置信息与所述异常街景位置相同和/或邻近;否则从所述市政设施信息库中获取至少一疑似异常市政设施的原始图像和实时位置信息,其中所述疑似异常市政设施为相同设施种类的市政设施且实时位置信息与所述异常街景位置相同和/或邻近。
例如下水道井盖包括井盖和井口,井盖和井口可分离,那么下水道井盖的原始位置信息就是当井盖正常安置在对应的井口时采集的位置数据,原始图像就是现场采集的图像数据。
这种做的好处是,在异常市政设施处于丢失状态下,可以通过原始位置信息定位到需要立即进行维护的地点,或者在异常市政设施偏离原始位置的状态下,通过实时位置信息定位到该异常市政设施所处的地点,并回收对应的异常市政设施。
具体的,如果市政设施为下水井,那么下水井包括可分离的井盖和井口,在井盖上绑定唯一电子身份标签,录入的原始位置信息可以表示下水井的井口位置。当通过采集到的路面视频图像检测到下水井的异常状态显示为丢失时,表示只检测到了井口。对于检测到井口的情况,一定是要赶紧排出维修人员到现场进行检查和维护,防止有人意外落入,并且同时也可以尝试通过该井盖的实时位置信息回收井盖。
同样的,当通过采集到的路面视频图像检测到下水井的异常状态显示为非丢失状态的其他情况时,例如一定程度的形变或者破损,需要考虑两种情况,第一种情况是井盖放置于匹配的井口上,第二种情况是井盖并非放置于原有的井口上。
针对第二种情况,根据该下水井的原始位置信息是无法定位得到井盖的,只有通过获取井盖的实时位置信息才可以定位到井盖精确的位置,及时排出维修人员对井盖进行回收。
实施例二
基于相同的构思,本实施例还提供了一种异常市政设施的定位装置,用于实现实施例一中所描述的异常市政设施的定位方法。如图2所示,该装置主要包括以下模块:
获取模块,用于获取同一时刻的路面视频图像和对应的街景视频图像;
检测模块,用于根据所述路面视频图像获取至少一异常市政设施的实时图像及每一所述异常市政设施的异常状态和设施种类;
街景匹配模块,用于获取与所述街景视频图像最相似的街景样本图像的街景位置信息作为异常街景位置;
设施匹配模块,用于根据每一所述异常市政设施的异常状态获取至少一疑似异常市政设施的原始图像和位置信息,其中所述疑似异常市政设施为与任一所述异常市政设施的设施种类相同的市政设施,且所述疑似异常市政设施与所述异常街景位置相同和/或邻近;
定位模块,用于根据每一所述异常市政设施的异常状态获取对应的定位信息,若所述异常状态显示为丢失,所述定位信息为与所述异常街景位置最接近的所述疑似异常市政设施的位置信息,否则所述定位信息为与所述异常市政设施的实时图像最相似的原始图像对应的疑似异常市政设施的位置信息。
实施例三
本实施例还提供了一种电子装置,参考图3,包括存储器404和处理器402,该存储器404中存储有计算机程序,该处理器402被设置为运行计算机程序以执行上述实施例一中的任意一种异常市政设施的定位方法的步骤。
具体地,上述处理器402可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中,存储器404可以包括用于数据或指令的大容量存储器404。举例来说而非限制,存储器404可包括硬盘驱动器(Hard Disk Drive,简称为HDD)、软盘驱动器、固态驱动器(Solid State Drive,简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(UniversalSerial Bus,简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器404可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器404可在数据处理装置的内部或外部。在特定实施例中,存储器404是非易失性(Non-Volatile)存储器。在特定实施例中,存储器404包括只读存储器(Read-Only Memory,简称为ROM)和随机存取存储器(Random Access Memory,简称为RAM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory,简称为PROM)、可擦除PROM(ErasableProgrammable Read-Only Memory,简称为EPROM)、电可擦除PROM(Electrically ErasableProgrammable Read-Only Memory,简称为EEPROM)、电可改写ROM(ElectricallyAlterable Read-Only Memory,简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下,该RAM可以是静态随机存取存储器(Static Random-AccessMemory,简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory,简称为DRAM),其中,DRAM可以是快速页模式动态随机存取存储器404(Fast Page Mode DynamicRandom Access Memory,简称为FPMDRAM)、扩展数据输出动态随机存取存储器(ExtendedDate Out Dynamic Random Access Memory,简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory,简称SDRAM)等。
存储器404可以用来存储或者缓存需要处理和/或通信使用的各种数据文件,以及处理器402所执行的可能的计算机程序指令。
处理器402通过读取并执行存储器404中存储的计算机程序指令,以实现上述实施例中的任意一种异常市政设施的定位方法。
可选地,上述电子装置还可以包括传输设备406以及输入输出设备408,其中,该传输设备406和上述处理器402连接,该输入输出设备408和上述处理器402连接。
传输设备406可以用来经由一个网络接收或者发送数据。上述的网络具体实例可包括电子装置的通信供应商提供的有线或无线网络。在一个实例中,传输设备包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输设备406可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
输入输出设备408用于输入或输出信息。在本实施例中,输入的信息可以是当前数据表例如疫情流调文档、特征数据、模板表等,输出的信息可以是特征指纹、指纹模板、文本分类推荐信息、文件模板配置映射表、文件模板配置信息表等。
可选地,在本实施例中,上述处理器402可以被设置为通过计算机程序执行以下步骤:
获取同一时刻的路面视频图像和对应的街景视频图像;
根据所述路面视频图像获取至少一异常市政设施的实时图像及每一所述异常市政设施的异常状态和设施种类;
获取与所述街景视频图像最相似的街景样本图像的街景位置信息作为异常街景位置;
根据每一所述异常市政设施的异常状态获取至少一疑似异常市政设施的原始图像和位置信息,其中所述疑似异常市政设施为与任一所述异常市政设施的设施种类相同的市政设施,且所述疑似异常市政设施与所述异常街景位置相同和/或邻近;
根据每一所述异常市政设施的异常状态获取对应的定位信息,若所述异常状态显示为丢失,所述定位信息为与所述异常街景位置最接近的所述疑似异常市政设施的位置信息,否则所述定位信息为与所述异常市政设施的实时图像最相似的原始图像对应的疑似异常市政设施的位置信息。
需要说明的是,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
另外,结合上述实施例一中的任意一种异常市政设施的定位方法,本申请实施例可一种计算机程序产品来实现。该计算机程序产品该计算机程序产品包括软件代码部分,当所述计算机程序产品在计算机上被运行时,所述软件代码部分用于执行实现上述实施例一中的任意一种异常市政设施的定位方法。
并且,结合上述实施例一中的任意一种异常市政设施的定位方法,本申请实施例可提供一种可读存储介质来实现。该可读存储介质上存储有计算机程序;该计算机程序被处理器执行时实现上述实施例一中的任意一种异常市政设施的定位方法。
通常,各种实施例可以以硬件或专用电路、软件、逻辑或其任何组合来实现。本发明的一些方面可以以硬件来实现,而其他方面可以以可以由控制器、微处理器或其他计算设备执行的固件或软件来实现,但是本发明不限于此。尽管本发明的各个方面可以被示出和描述为框图、流程图或使用一些其他图形表示,但是应当理解,作为非限制性示例,本文中描述的这些框、装置、系统、技术或方法可以以硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其他计算设备或其某种组合来实现。
本发明的实施例可以由计算机软件来实现,该计算机软件由移动设备的数据处理器诸如在处理器实体中可执行,或者由硬件来实现,或者由软件和硬件的组合来实现。包括软件例程、小程序和/或宏的计算机软件或程序(也称为程序产品)可以存储在任何装置可读数据存储介质中,并且它们包括用于执行特定任务的程序指令。计算机程序产品可以包括当程序运行时被配置为执行实施例的一个或多个计算机可执行组件。一个或多个计算机可执行组件可以是至少一个软件代码或其一部分。另外,在这一点上,应当注意,如图中的逻辑流程的任何框可以表示程序步骤、或者互连的逻辑电路、框和功能、或者程序步骤和逻辑电路、框和功能的组合。软件可以存储在诸如存储器芯片或在处理器内实现的存储块等物理介质、诸如硬盘或软盘等磁性介质、以及诸如例如DVD及其数据变体、CD等光学介质上。物理介质是非瞬态介质。
本领域的技术人员应该明白,以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (9)
1.异常市政设施的定位方法,其特征在于,包括以下步骤:
获取同一时刻的路面视频图像和对应的街景视频图像;
根据所述路面视频图像获取至少一异常市政设施的实时图像及每一所述异常市政设施的异常状态和设施种类;
获取与所述街景视频图像最相似的街景样本图像的街景位置信息作为异常街景位置;
若所述异常市政设施的异常状态显示为丢失,从市政设施信息库中获取至少一疑似异常市政设施的原始图像和原始位置信息,其中所述疑似异常市政设施为相同设施种类的市政设施且原始位置信息与所述异常街景位置相同和/或邻近;否则从市政设施信息库中获取至少一疑似异常市政设施的原始图像和实时位置信息,其中所述疑似异常市政设施为相同设施种类的市政设施且实时位置信息与所述异常街景位置相同和/或邻近;
根据每一所述异常市政设施的异常状态获取对应的定位信息,若所述异常状态显示为丢失,所述定位信息为与所述异常街景位置最接近的所述疑似异常市政设施的位置信息,否则所述定位信息为与所述异常市政设施的实时图像最相似的原始图像对应的疑似异常市政设施的位置信息。
2.根据权利要求1所述的异常市政设施的定位方法,其特征在于,在“获取同一时刻的路面视频图像和对应的街景视频图像”前,包括:构建市政设施信息库和街景样本库,其中所述市政设施信息库包括每一市政设施的设施种类、位置信息和原始图像,所述街景样本库包括至少一街景样本图像且每一所述街景样本图像标注有街景位置信息。
3.根据权利要求2所述的异常市政设施的定位方法,其特征在于,每一所述市政设施的位置信息包括原始位置信息和实时位置信息;在“构建市政设施信息库”之前,包括:为每一所述市政设施绑定唯一电子身份标签,所述唯一电子身份标签用于更新每一所述市政设施的实时位置信息。
4.根据权利要求2所述的异常市政设施的定位方法,其特征在于,“获取所述街景样本库中与所述街景视频图像最相似的街景样本图像的街景位置信息作为异常街景位置”包括:采用第一图像匹配模型计算所述街景视频图像与每一所述街景样本图像的第一相似度,获取所述第一相似度最高的街景样本图像的街景位置信息作为异常街景位置。
5.根据权利要求3所述的异常市政设施的定位方法,其特征在于,“否则所述定位信息为与所述异常市政设施的实时图像最相似的原始图像对应的疑似异常市政设施的位置信息”包括:采用第二图像匹配模型计算每一所述异常市政设施的实时图像与每一所述疑似异常市政设施的原始图像的第二相似度,所述定位信息为所述第二相似度最大的疑似异常市政设施的实时位置信息。
6.根据权利要求3所述的异常市政设施的定位方法,其特征在于,“根据所述路面视频图像获取至少一异常市政设施的实时图像及每一所述异常市政设施的异常状态和设施种类”包括:将所述路面视频图像输入异常市政设施检测模型,获取至少一异常市政设施的包围框、每一所述包围框中异常市政设施的异常状态和设施种类,根据每一所述异常市政设施的包围框从所述路面视频图像中截取对应的实时图像。
7.异常市政设施的定位装置,其特征在于,包括以下模块:
获取模块,用于获取同一时刻的路面视频图像和对应的街景视频图像;
检测模块,用于根据所述路面视频图像获取至少一异常市政设施的实时图像及每一所述异常市政设施的异常状态和设施种类;
街景匹配模块,用于获取与所述街景视频图像最相似的街景样本图像的街景位置信息作为异常街景位置;
设施匹配模块,用于根据每一所述异常市政设施的异常状态获取至少一疑似异常市政设施的原始图像和位置信息,若所述异常市政设施的异常状态显示为丢失,从市政设施信息库中获取至少一疑似异常市政设施的原始图像和原始位置信息,其中所述疑似异常市政设施为相同设施种类的市政设施且原始位置信息与所述异常街景位置相同和/或邻近;否则从市政设施信息库中获取至少一疑似异常市政设施的原始图像和实时位置信息,其中所述疑似异常市政设施为相同设施种类的市政设施且实时位置信息与所述异常街景位置相同和/或邻近;
定位模块,用于根据每一所述异常市政设施的异常状态获取对应的定位信息,若所述异常状态显示为丢失,所述定位信息为与所述异常街景位置最接近的所述疑似异常市政设施的位置信息,否则所述定位信息为与所述异常市政设施的实时图像最相似的原始图像对应的疑似异常市政设施的位置信息。
8.一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至6任一所述的异常市政设施的定位方法。
9.一种可读存储介质,其特征在于,所述可读存储介质中存储有计算机程序,所述计算机程序包括用于控制过程以执行过程的程序代码,所述过程包括根据权利要求1至6任一项所述的异常市政设施的定位方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210119974.6A CN114170301B (zh) | 2022-02-09 | 2022-02-09 | 异常市政设施的定位方法、装置及其应用 |
PCT/CN2022/141315 WO2023151401A1 (zh) | 2022-02-09 | 2022-12-23 | 异常市政设施的定位方法、装置及其应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210119974.6A CN114170301B (zh) | 2022-02-09 | 2022-02-09 | 异常市政设施的定位方法、装置及其应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114170301A CN114170301A (zh) | 2022-03-11 |
CN114170301B true CN114170301B (zh) | 2022-05-17 |
Family
ID=80489636
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210119974.6A Active CN114170301B (zh) | 2022-02-09 | 2022-02-09 | 异常市政设施的定位方法、装置及其应用 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114170301B (zh) |
WO (1) | WO2023151401A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114170301B (zh) * | 2022-02-09 | 2022-05-17 | 城云科技(中国)有限公司 | 异常市政设施的定位方法、装置及其应用 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111832492A (zh) * | 2020-07-16 | 2020-10-27 | 平安科技(深圳)有限公司 | 静态交通异常的判别方法、装置、计算机设备及存储介质 |
CN113724259A (zh) * | 2021-11-03 | 2021-11-30 | 城云科技(中国)有限公司 | 井盖异常检测方法、装置及其应用 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102063652A (zh) * | 2010-12-01 | 2011-05-18 | 北京建筑工程学院 | 道路设施及养护监管方法 |
CN108205647A (zh) * | 2016-12-20 | 2018-06-26 | 乐视汽车(北京)有限公司 | 道路状况监测方法、装置及电子设备 |
JP6920776B2 (ja) * | 2017-06-22 | 2021-08-18 | 西日本高速道路株式会社 | 監視支援システム及び監視支援方法 |
CN110062198B (zh) * | 2018-01-18 | 2022-04-05 | 杭州海康威视数字技术股份有限公司 | 一种监控取证方法、装置、系统、电子设备及存储介质 |
CN109214280B (zh) * | 2018-07-27 | 2021-10-01 | 北京三快在线科技有限公司 | 基于街景的店铺识别方法、装置、电子设备及存储介质 |
CN109547925A (zh) * | 2018-12-07 | 2019-03-29 | 纳恩博(北京)科技有限公司 | 位置更新方法、位置及导航路线的显示方法、车辆和系统 |
JP7358762B2 (ja) * | 2019-04-02 | 2023-10-11 | トヨタ自動車株式会社 | 道路異常検知装置、道路異常検知方法および道路異常検知プログラム |
CN113515968A (zh) * | 2020-04-09 | 2021-10-19 | 华为技术有限公司 | 街道的异常事件检测方法、装置、设备及介质 |
CN111666971A (zh) * | 2020-04-27 | 2020-09-15 | 深圳壹账通智能科技有限公司 | 基于位置定位的事件识别方法、装置、设备及存储介质 |
CN113865587A (zh) * | 2020-06-30 | 2021-12-31 | 伊姆西Ip控股有限责任公司 | 用于监控现场设备的方法、电子设备和计算机程序产品 |
CN112702568B (zh) * | 2020-12-14 | 2023-11-24 | 广东荣文科技集团有限公司 | 异常检测方法及相关装置 |
CN112668478B (zh) * | 2020-12-29 | 2023-05-26 | 河南橡树智能科技有限公司 | 一种井盖监控方法、装置、电子设备和存储介质 |
CN113343779B (zh) * | 2021-05-14 | 2024-03-12 | 南方电网调峰调频发电有限公司 | 环境异常检测方法、装置、计算机设备和存储介质 |
CN113628164A (zh) * | 2021-07-12 | 2021-11-09 | 北京科技大学 | 一种基于深度学习与web端定位的路面裂缝检测方法 |
CN113887321A (zh) * | 2021-09-09 | 2022-01-04 | 鹏城实验室 | 一种生成车道级仿真路网的方法、设备及存储介质 |
CN114170301B (zh) * | 2022-02-09 | 2022-05-17 | 城云科技(中国)有限公司 | 异常市政设施的定位方法、装置及其应用 |
-
2022
- 2022-02-09 CN CN202210119974.6A patent/CN114170301B/zh active Active
- 2022-12-23 WO PCT/CN2022/141315 patent/WO2023151401A1/zh unknown
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111832492A (zh) * | 2020-07-16 | 2020-10-27 | 平安科技(深圳)有限公司 | 静态交通异常的判别方法、装置、计算机设备及存储介质 |
CN113724259A (zh) * | 2021-11-03 | 2021-11-30 | 城云科技(中国)有限公司 | 井盖异常检测方法、装置及其应用 |
Also Published As
Publication number | Publication date |
---|---|
CN114170301A (zh) | 2022-03-11 |
WO2023151401A1 (zh) | 2023-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10074272B2 (en) | Method, apparatus and computer program product for traffic lane and signal control identification and traffic flow management | |
CN114170301B (zh) | 异常市政设施的定位方法、装置及其应用 | |
CN103954277A (zh) | 检测兴趣点位置的方法及装置 | |
CN110990455B (zh) | 大数据识别房屋性质的方法与系统 | |
CN104123310A (zh) | 基于卫星图像的路网信息的处理方法及装置 | |
CN108847031A (zh) | 交通行为监控方法、装置、计算机设备和存储介质 | |
CN113505769B (zh) | 目标检测方法及应用其的车辆抛洒滴漏识别方法 | |
US10742898B2 (en) | Method and apparatus for verifying time and location of image data of camera for vehicle while anonymity of owner is guaranteed | |
GB2556328A (en) | Street asset mapping | |
CN117351241A (zh) | 隧道病害的智能检测评定方法、装置、终端及存储介质 | |
CN115171031B (zh) | 一种基于车辆参照物的路面积水检测方法、装置及应用 | |
CN111090655A (zh) | 基于监控数据的预警方法及装置、电子设备和存储介质 | |
CN114218383A (zh) | 重复事件的判定方法、装置及应用 | |
CN114580773A (zh) | 一种学区压力评估方法、装置及应用 | |
JP2005084930A (ja) | 空間データマイニング方法及び空間データマイニングシステム | |
CN115357771A (zh) | 基于大数据分析研判溯源渣土偷倒方法及其应用 | |
CN111680175B (zh) | 人脸数据库建库方法、计算机设备和计算机可读存储介质 | |
CN114331206A (zh) | 点位选址方法、装置、电子设备及可读存储介质 | |
CN114332766A (zh) | 基于行动规律的危险行为预警方法、装置及其应用 | |
Salleh et al. | Classification of industrial disposal illegal dumping site images by using spatial and spectral information together | |
CN113807445B (zh) | 案卷复核方法、装置及电子装置、可读存储介质 | |
CN113688958A (zh) | 适用于目标识别数据的过滤方法、装置及系统 | |
JP6097429B1 (ja) | 情報抽出装置、情報抽出方法、およびプログラム | |
CN111832334A (zh) | 人员数据库建立方法、装置、电子设备和可读存储介质 | |
KR102569366B1 (ko) | 인공지능을 이용한 사용자 참여형 인식 플랫폼에서 시설물 설치 가능 지점 판별 방법 및 그 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |