CN115205819A - 一种基于机器视觉的市政路面环卫清扫智能分析调控系统 - Google Patents

一种基于机器视觉的市政路面环卫清扫智能分析调控系统 Download PDF

Info

Publication number
CN115205819A
CN115205819A CN202210786293.5A CN202210786293A CN115205819A CN 115205819 A CN115205819 A CN 115205819A CN 202210786293 A CN202210786293 A CN 202210786293A CN 115205819 A CN115205819 A CN 115205819A
Authority
CN
China
Prior art keywords
target
road
sanitation sweeper
sanitation
road surface
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.)
Withdrawn
Application number
CN202210786293.5A
Other languages
English (en)
Inventor
朱红华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Decepticon Transportation Facilities Co ltd
Original Assignee
Chengdu Decepticon Transportation Facilities Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Decepticon Transportation Facilities Co ltd filed Critical Chengdu Decepticon Transportation Facilities Co ltd
Priority to CN202210786293.5A priority Critical patent/CN115205819A/zh
Publication of CN115205819A publication Critical patent/CN115205819A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • E—FIXED CONSTRUCTIONS
    • E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
    • E01C—CONSTRUCTION OF, OR SURFACES FOR, ROADS, SPORTS GROUNDS, OR THE LIKE; MACHINES OR AUXILIARY TOOLS FOR CONSTRUCTION OR REPAIR
    • E01C23/00—Auxiliary devices or arrangements for constructing, repairing, reconditioning, or taking-up road or like surfaces
    • E01C23/01—Devices or auxiliary means for setting-out or checking the configuration of new surfacing, e.g. templates, screed or reference line supports; Applications of apparatus for measuring, indicating, or recording the surface configuration of existing surfacing, e.g. profilographs
    • E—FIXED CONSTRUCTIONS
    • E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
    • E01H—STREET CLEANING; CLEANING OF PERMANENT WAYS; CLEANING BEACHES; DISPERSING OR PREVENTING FOG IN GENERAL CLEANING STREET OR RAILWAY FURNITURE OR TUNNEL WALLS
    • E01H1/00—Removing undesirable matter from roads or like surfaces, with or without moistening of the surface
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C3/00—Measuring distances in line of sight; Optical rangefinders
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/30—Administration of product recycling or disposal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Multimedia (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • Architecture (AREA)
  • Structural Engineering (AREA)
  • Civil Engineering (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Remote Sensing (AREA)
  • Electromagnetism (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开提供的一种基于机器视觉的市政路面环卫清扫智能分析调控系统。该基于机器视觉的市政路面环卫清扫智能分析调控系统包括环卫清扫车路线信息获取模块，交通信息采集与分析模块，垃圾信息采集与分析模块，路面信息采集与分析模块，数据库和预警终端；本发明通过获取交通信息、垃圾信息和路面信息，并分别对交通信息、垃圾信息和路面信息进行分析，接收各环卫清扫车对应的评估系数，进而对环卫清扫车的清扫状态进行分析，有效的解决了当前技术仅对路面清扫过于局限的问题，直接地反应了路面断裂凹陷等一系列问题，同时通过环卫清扫车对路面进行清扫监测，大大减少了人员的清洁成本和人员数量，节省了大量的人力和物力。

Description

一种基于机器视觉的市政路面环卫清扫智能分析调控系统
技术领域
本发明属于市政路面环卫清扫分析技术领域，涉及到一种基于机器视觉的市政路面环卫清扫智能分析调控系统。
技术背景
随着近代工业和城市化的不断发展，城市垃圾数量不断增加，垃圾围城已成为严重的环境灾害之一，为了保障城市的自然环境和提高社会生产的可利用率，由此凸显了对于路面环卫清扫的重要性。
目前对于路面环卫清扫主要针对环卫清扫车的清扫状况进行分析，进而对路面环境进行治理，很显然，当前对环卫清扫车分析还存在以下几点不足：
1、当前环卫清扫车仅对路面进行清扫，对于路面断裂凹陷等问题无法得知，进而无法及时去修理调整，并且当道路出现异常状况时继续使用，造成道路的使用安全性不高，降低了道路的使用效率，使得道路的使用成本上升；
2、当前的环卫清扫车只是通过对垃圾清扫，统一运输到垃圾清理站进行垃圾分拣，造成垃圾分拣任务量重，不能在很短时间内完成垃圾分拣工作，进而导致垃圾清理站工作环境恶劣，容易生成有害病菌，不利于生态发展；
3、当前的环卫清扫车在进行路面清扫时，需要人工的参与，即需要环卫工人控制清扫车进行清扫，这种方式需要耗费大量的人力，同时智能化和自动化程度不高，并且通过人工控制的方式，无法提高环卫清扫车对应清扫的效率和清扫效果，容易导致清扫不彻底或者漏扫的现象，灵活性不强，从而无法保障环卫清扫车对应清扫工作开展成效。
发明内容
鉴于此，为解决上述背景技术中所提出的问题，现提出一种基于物联网的港口污水治理工程建设智能在线分析评价系统。
本发明的目的可以通过以下技术方案实现：
本发明提供了一种基于机器视觉的市政路面环卫清扫智能分析调控系统，其特征在于，该系统包括：
环卫清扫车路线信息获取模块，用于获取目标环卫清扫车对应的清扫路径，从中定位出各路口对应的位置和行进方向，进而各环卫清扫车对应的清扫路径按照各路口位置划分为各清扫区域，依次标记为1,2,...j,...m，同时获取各环卫清扫车在各清扫区域路口对应的行进方向；
交通信息采集与分析模块，用于当目标环卫清扫车在各清扫区域中行驶时，根据目标环卫清扫车装置的前驱摄像头，对其当前所在清扫区域对应的道路红绿灯进行图像采集，同时通过红外传感器对其前车的间距进行检测，由此分析得到目标环卫清扫车在当前所在清扫区域中路口对应的行车状态以及目标环卫清扫车对应的行车速度；
垃圾信息采集与分析模块，用于当目标环卫清扫车在各清扫区域中进行清扫时，对其当前清扫区域内的道路垃圾进行图像采集，并从中提取出道路垃圾类型数目、各类型道路垃圾对应的体积，由此确认目标环卫清扫车当前清扫区域内道路垃圾对应的清扫规则；
路面信息采集与分析模块，用于当目标环卫清扫车在各清扫区域中行驶时，对其当前所在清扫区域内对应的路面进行图像采集，根据环卫清扫车搭载的摄像头对路面信息采集，分析得出目标环卫清扫车当前所在清扫区域对应的道路标线清晰度、路面完整度和井盖完整度，进而由此统计得到目标环卫清扫车当前所在清扫区域内对应的道路状态评估系数，并确认目标环卫清扫车当前所在清扫区域内对应的道路状态；
数据库，用于存储各类型垃圾对应的单位重量、环卫清扫车对应的单次清扫垃圾体积、环卫清扫单位清扫垃圾重量对应的清扫速度和各类别垃圾对应的图像；
预警终端，用于当目标环卫清扫车在某清扫区域内的道路状态为预警状态时，提取该清扫区域对应的位置，并进行预警。
需要进一步说明的是，所述目标环卫清扫车在当前所在清扫区域中路口对应的行车状态的具体分析过程如下：
通过获取目标环卫清扫车对应的行进方向和当前所在清扫区域对应的道路红绿灯信息，进而获取道路绿灯当前对应的指示行进方向；
根据目标环卫清扫车对应的行进方向，将其与当前所在清扫区域中路口道路绿灯当前对应的指示行进方向进行对比，若方向一致，则发送继续前行指令至目标环卫清扫车，反之则发送暂停前行指令至目标环卫清扫车。
需要进一步说明的是，所述目标环卫清扫车在当前所在清扫区域对应的行车速度的具体分析过程如下：
U1、根据目标环卫清扫车在当前所在清扫区域中与前车的间距，利用计算公式
Figure BDA0003728593120000041
计算得出目标环卫清扫车在当前所在清扫区域对应的行车间距危险系数δ，其中，A表示为目标环卫清扫车在当前所在清扫区域中与前车的间距，A′表示为设定的环卫清扫车对应的标准行车间距；
U2、将目标环卫清扫车对应的行车间距危险系数与设定的标准危险系数进行对比，若目标环卫清扫车对应的行车间距危险系数大于或者等于设定的标准危险系数，则判断目标环卫清扫车对应的行车间距为危险间距，反之则判断为安全间距；
U3、当判断目标环卫清扫车对应的行车间距为危险间距为危险距离时，发送减速指令，保持行车安全间距。
需要进一步说明的是，所述确认目标环卫清扫车当前清扫区域内道路垃圾对应的清扫规则，其具体确认过程包括以下步骤：
A1、根据目标环卫清扫车当前清扫区域内对应各类型道路垃圾的体积，利用计算公式
Figure BDA0003728593120000042
计算得出目标环卫清扫车当前清扫区域内对应的清扫次数E，其中，i表示目标环卫清扫车当前清扫区域内对应各类型道路垃圾对应的编号，i＝1,2,......n，Vi表示为目标环卫清扫车当前清扫区域内对应第i类型道路垃圾的体积，V′表示为环卫清扫车对应的单次清扫垃圾体积；
A2、根据目标环卫清扫车当前清扫区域内对应的各道路垃圾类型，将其与数据库中存储的各类型垃圾对应的单位重量进行匹配对比，得到目标环卫清扫车当前清扫区域内各类型道路垃圾对应的单位重量，利用计算公式
Figure BDA0003728593120000051
计算得出目标环卫清扫车在当前清扫区域内清扫速度σ，其中，Ri表示为第i类型垃圾对应的单位重量，h表示为环卫清扫单位清扫垃圾重量对应的清扫速度，将清扫速度和清扫次数作为目标环卫清扫车当前清扫区域内道路垃圾对应的清扫规则。
需要进一步说明的是，所述垃圾信息采集与分析模块还包括对垃圾的分拣处理，其具体分析过程包括以下步骤：
根据环卫清扫车装置的内部识别系统，当环卫清扫车清扫垃圾进入车厢内，通过目标环卫清扫车内部搭载的分拣装置，将各类型垃圾分拣至各类型垃对应的回收箱中，进行分类放置。
需要进一步说明的是，所述垃圾信息采集与分析模块还包括对于垃圾的分拣处理，其具体分析过程包括以下步骤：
根据环卫清扫车装置的内部识别系统，当环卫清扫车清扫垃圾进入车厢内，利用环卫清扫车装置的内部识别系统，与存储的垃圾类别图像进行对比，从而得出各环卫清扫车车厢内垃圾类别，再根据不同垃圾类别进行不同垃圾回收箱分拣处理。
需要进一步说明的是，所述目标环卫清扫车当前所在清扫区域对应的道路标线清晰度，具体分析过程如下：
C1、从目标环卫清扫车当前所在清扫区域内对应采集的路面图像中提取道路标线对应的轮廓，由此将道路标线按照预设顺序划分为各标线区域，并对各标线区域进行色度提取，进而通过均值计算得出各标线区域中对应平均色度，同时从各标线区域中提取最大色度值和最小色度值，由此通过计算公式计算得出目标环卫清扫车当前所在清扫区域内道路各标线区域对应的色度均匀度，并记为Y；
C2、根据目标环卫清扫车当前所在清扫区域内路面中道路标线对应的轮廓，得到道路标线对应的轮廓面积，通过计算公式计算得出目标环卫清扫车当前所在清扫区域内道路各标线区域对应的轮廓完整度，并记为G；
C3、根据目标环卫清扫车当前所在清扫区域内路面中道路标线对应的色度均匀度、轮廓完整度，通过计算公式
Figure BDA0003728593120000061
计算得出目标环卫清扫车当前所在清扫区域内路面中对应的道路标线清晰度ω，其中，a1和a2分别表示为目标环卫清扫车当前所在清扫区域内路面中道路标线的色度均匀度和轮廓完整度对应的权重因子，且a1+a2＝1。
需要进一步说明的是，所述目标环卫清扫车当前所在清扫区域对应路面完整度，具体分析过程如下：
D1、从目标环卫清扫车当前所在清扫区域内对应采集的的路面图像中提取路面对应的裂缝数目、各裂缝对应的尺寸信息以及凹陷区域数目和各凹陷区域对应的凹陷体积；
D2、利用计算公式
Figure BDA0003728593120000062
计算得出目标环卫清扫车当前所在清扫区域内裂缝缺陷程度评估系数
Figure BDA0003728593120000063
其中l表示为目标环卫清扫车当前所在清扫区域内路面的裂缝长度，l′表示为设定的路面许可的裂缝长度，m表示为目标环卫清扫车当前所在清扫区域内路面的裂缝数目，m′表示为设定的路面许可的裂缝数目，b1和b2分别表示为路面的裂缝长度和裂缝数目对应的平衡影响因子，且b1+b2＝1；
D3、利用计算公式
Figure BDA0003728593120000071
计算得出目标环卫清扫车当前所在清扫区域内凹陷缺陷程度评估系数λ，其中s表示为目标环卫清扫车当前所在清扫区域内路面的凹陷数目，s′表示为设定的路面许可的凹陷数目，t表示为目标环卫清扫车当前所在清扫区域内路面的凹陷体积，t′表示为设定的路面许可的凹陷体积，t1和t2分别表示为路面的凹陷深度和凹陷体积对应的平衡影响因子，且t1+t2＝1；
D4、根据该清扫区域内裂缝缺陷程度评估系数和凹陷缺陷程度评估系数，利用计算公式
Figure BDA0003728593120000072
计算得出目标环卫清扫车当前所在清扫区域内路面完整度ψ，其中，d1和d2分别表示为路面断裂评估系数和路面凹陷评估系数对应的分配权重因子，且d1+d2＝1。
需要进一步说明的是，所述所述目标环卫清扫车当前所在清扫区域对应井盖完整度，具体分析过程如下：
E1、从目标环卫清扫车当前所在清扫区域内对应采集的的路面图像中提取路面对应的井盖遮盖面积和井盖破损区域面积；
E2、利用计算公式
Figure BDA0003728593120000073
计算得出目标环卫清扫车当前所在清扫区域内井盖完整度ζ，其中，M表示为目标环卫清扫车当前所在清扫区域内路面的井盖遮盖面积，M′表示为设定的路面井盖对应的标准遮盖面积，P表示为目标环卫清扫车当前所在清扫区域内路面的井盖破损区域面积，P′表示为设定的路面许可井盖破损区域面积，s1和s2分别表示为井盖遮盖面积和井盖破损区域面积对应的权值因子。
需要进一步说明的是，所述所述目标环卫清扫车当前所在清扫区域内对应的道路状态评估系数，具体分析过程如下：
根据目标环卫清扫车当前所在清扫区域对应的道路标线清晰度、路面完整度和井盖完整度，利用计算公式
Figure BDA0003728593120000081
计算得到目标环卫清扫车当前所在清扫区域内对应的道路状态评估系数ξ，其中，e1,e2,e3分别表示为该清扫区域内的交通线清晰度、路面完整度和井盖完整度对应的权重因子，且e1+e2+e3＝1。
需要进一步说明的是，所述确认目标环卫清扫车当前所在清扫区域内对应的道路状态，具体确认过程为：
将目标环卫清扫车当前所在清扫区域内对应的道路状态评估系数与设定的道路状态预警评估系数进行对比，若目标环卫清扫车当前所在清扫区域内对应的道路状态评估系数大于或者等于道路状态预警评估系数，则判断该清扫区域内对应的道路状态为预警状态，反之则判断该清扫区域内对应的道路状态为安全状态。
如上所述，本发明提供的一种基于机器视觉的市政路面环卫清扫智能分析调控系统，至少具有以下有益效果：
(1)本发明提供的一种基于机器视觉的市政路面环卫清扫智能分析调控系统，通过获取交通信息、垃圾信息和路面信息，并分别对交通信息、垃圾信息和路面信息进行分析，接收各环卫清扫车对应的评估系数，进而对环卫清扫车的清扫状态进行分析并发送道路状态预警指令，一方面有效的解决了当前技术仅对路面清扫过于局限的问题，同时还能直接地反应了路面断裂凹陷等一系列问题，便于及时安排人员维修，大幅度提升了路面的整洁性和安全性，一方面，通过环卫清扫车装置的设备对路面异常情况监测并发送预警指令，实现了路面的智能监测，智能化和自动化水平高，另一方面，通过环卫清扫车对路面进行清扫监测，大大减少了人员的清洁成本和人员数量，降低环卫工人劳动强度，节省了大量的人力和物力。
(2)本发明通过自动环卫清扫车搭载的高清摄像头对路面进行图像信息采集并分析，一方面，在一定程度上保障了路面的使用寿命，避免了路面损坏程度的加重，节约了路面的使用成本，并且还大大的提高了路面监测的便利性，另一方面，有利于对城市的市容市貌进行及时修整，有利于美化城市环境，提升城市品位。
(3)本发明通过设置自动环卫清扫车，并对其当前所在清扫区域对应的道路红绿灯进行图像采集，同时通过红外传感器对其前车的间距进行检测，由此对在自动环卫清扫车在道路中的行驶状态和行车速度进行分析，保障了环卫清扫车对应的行车规范性和行车安全性，同时还避免了对道路上各行驶车辆的干扰度。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的系统模块连接示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，一种基于机器视觉的市政路面环卫清扫智能分析调控系统，包括环卫清扫车路线信息获取模块，交通信息采集与分析模块，垃圾信息采集与分析模块，路面信息采集与分析模块，数据库和预警终端。
所述环卫清扫车路线信息获取模块，用于获取目标环卫清扫车对应的清扫路径，从中定位出各路口对应的位置和行进方向，进而各环卫清扫车对应的清扫路径按照各路口位置划分为各清扫区域，依次标记为1,2,...j,...m，同时获取各环卫清扫车在各清扫区域路口对应的行进方向。
所述交通信息采集与分析模块，用于当目标环卫清扫车在各清扫区域中行驶时，根据目标环卫清扫车装置的前驱摄像头，对其当前所在清扫区域对应的道路红绿灯进行图像采集，同时通过红外传感器对其前车的间距进行检测，由此分析得到目标环卫清扫车在当前所在清扫区域中路口对应的行车状态以及目标环卫清扫车对应的行车速度。
上述提到的目标环卫清扫车在当前所在清扫区域中路口对应的行车状态的具体分析过程如下：
通过获取目标环卫清扫车对应的行进方向和当前所在清扫区域对应的道路红绿灯信息，进而获取道路绿灯当前对应的指示行进方向；
根据目标环卫清扫车对应的行进方向，将其与当前所在清扫区域中路口道路绿灯当前对应的指示行进方向进行对比，若方向一致，则发送继续前行指令至目标环卫清扫车，反之则发送暂停前行指令至目标环卫清扫车；
在一个具体实施例中，若目标环卫清扫车的行进方向为左拐，且道路绿灯当前对应的指示行进方向为左转方向，则发送继续前行指令至目标环卫清扫车，反之则发送暂停前行指令至目标环卫清扫车；
若各环卫清扫车的行进方向为前行，且道路绿灯当前对应的指示行进方向为直行方向，则发送继续前行指令，反之则发送暂停前行指令；
若各环卫清扫车的行进方向为右拐，且道路绿灯当前对应的指示行进方向为右转方向，则发送继续前行指令，反之则发送暂停前行指令。
本发明通过设置自动环卫清扫车，并对其当前所在清扫区域对应的道路红绿灯进行图像采集，同时通过红外传感器对其前车的间距进行检测，由此对在自动环卫清扫车在道路中的行驶状态和行车速度进行分析，保障了环卫清扫车对应的行车规范性和行车安全性，同时还避免了对道路上各行驶车辆的干扰度。
上述提到的目标环卫清扫车在当前所在清扫区域对应的行车速度的具体分析过程如下：
U1、根据目标环卫清扫车在当前所在清扫区域中与前车的间距，利用计算公式
Figure BDA0003728593120000121
计算得出目标环卫清扫车在当前所在清扫区域对应的行车间距危险系数δ，其中，A表示为目标环卫清扫车在当前所在清扫区域中与前车的间距，A′表示为设定的环卫清扫车对应的标准行车间距；
U2、将目标环卫清扫车对应的行车间距危险系数与设定的标准危险系数进行对比，若目标环卫清扫车对应的行车间距危险系数大于或者等于设定的标准危险系数，则判断目标环卫清扫车对应的行车间距为危险间距，反之则判断为安全间距；
U3、当判断目标环卫清扫车对应的行车间距为危险间距为危险距离时，发送减速指令，保持行车安全间距。
所述垃圾信息采集与分析模块，用于当目标环卫清扫车在各清扫区域中进行清扫时，对其当前清扫区域内的道路垃圾进行图像采集，并从中提取出道路垃圾类型数目、各类型道路垃圾对应的体积，由此确认目标环卫清扫车当前清扫区域内道路垃圾对应的清扫规则。
上述提到的确认目标环卫清扫车当前清扫区域内道路垃圾对应的清扫规则，其具体确认过程包括以下步骤：
A1、根据目标环卫清扫车当前清扫区域内对应各类型道路垃圾的体积，利用计算公式
Figure BDA0003728593120000122
计算得出目标环卫清扫车当前清扫区域内对应的清扫次数E，其中，i表示目标环卫清扫车当前清扫区域内对应各类型道路垃圾对应的编号，i＝1,2,......n，Vi表示为目标环卫清扫车当前清扫区域内对应第i类型道路垃圾的体积，V′表示为环卫清扫车对应的单次清扫垃圾体积；
A2、根据目标环卫清扫车当前清扫区域内对应的各道路垃圾类型，将其与数据库中存储的各类型垃圾对应的单位重量进行匹配对比，得到目标环卫清扫车当前清扫区域内各类型道路垃圾对应的单位重量，利用计算公式
Figure BDA0003728593120000131
计算得出目标环卫清扫车在当前清扫区域内清扫速度σ，其中，Ri表示为第i类型垃圾对应的单位重量，h表示为环卫清扫单位清扫垃圾重量对应的清扫速度，将清扫速度和清扫次数作为目标环卫清扫车当前清扫区域内道路垃圾对应的清扫规则。
上述提到的垃圾信息采集与分析模块还包括对垃圾的分拣处理，其具体分析过程包括以下步骤：
根据环卫清扫车装置的内部识别系统，当环卫清扫车清扫垃圾进入车厢内，通过目标环卫清扫车内部搭载的分拣装置，将各类型垃圾分拣至各类型垃对应的回收箱中，进行分类放置。
所述路面信息采集与分析模块，用于当目标环卫清扫车在各清扫区域中行驶时，对其当前所在清扫区域内对应的路面进行图像采集，根据环卫清扫车搭载的摄像头对路面信息采集，分析得出目标环卫清扫车当前所在清扫区域对应的道路标线清晰度、路面完整度和井盖完整度，进而由此统计得到目标环卫清扫车当前所在清扫区域内对应的道路状态评估系数，并确认目标环卫清扫车当前所在清扫区域内对应的道路状态。
上述提到的目标环卫清扫车当前所在清扫区域对应的道路标线清晰度，具体分析过程如下：
C1、从目标环卫清扫车当前所在清扫区域内对应采集的路面图像中提取道路标线对应的轮廓，由此将道路标线按照预设顺序划分为各标线区域，并对各标线区域进行色度提取，进而通过均值计算得出道路标线平均色度，同时从各标线区域中提取道路标线对应的最大色度值和最小色度值，由此通过计算公式计算得出目标环卫清扫车当前所在清扫区域内道路标线对应的色度均匀度，并记为Y；
其中，
Figure BDA0003728593120000141
Ymax表示为目标环卫清扫车当前所在清扫区域内道路标线对应的最大色度值，Ymin表示为目标环卫清扫车当前所在清扫区域内道路标线对应的最小色度值，
Figure BDA0003728593120000144
表示为目标环卫清扫车当前所在清扫区域内道路标线的平均色度；
C2、根据目标环卫清扫车当前所在清扫区域内路面中道路标线对应的轮廓，得到道路标线对应的轮廓面积，通过计算公式计算得出目标环卫清扫车当前所在清扫区域内道路标线对应的轮廓完整度，并记为G；
其中，
Figure BDA0003728593120000142
L表示为目标环卫清扫车当前所在清扫区域内道路标线的轮廓面积，L′表示为设定的目标环卫清扫车当前所在清扫区域内道路标线对应的标准轮廓面积；
C3、根据目标环卫清扫车当前所在清扫区域内路面中道路标线对应的色度均匀度、轮廓完整度，通过计算公式
Figure BDA0003728593120000143
计算得出目标环卫清扫车当前所在清扫区域内路面中对应的道路标线清晰度ω，其中，a1和a2分别表示为目标环卫清扫车当前所在清扫区域内路面中道路标线的色度均匀度和轮廓完整度对应的权重因子，且a1+a2＝1。
上述提到的目标环卫清扫车当前所在清扫区域对应路面完整度，具体分析过程如下：
D1、从目标环卫清扫车当前所在清扫区域内对应采集的的路面图像中提取路面对应的裂缝数目、各裂缝对应的尺寸信息以及凹陷区域数目和各凹陷区域对应的凹陷体积；
D2、利用计算公式
Figure BDA0003728593120000151
计算得出目标环卫清扫车当前所在清扫区域内裂缝缺陷程度评估系数
Figure BDA0003728593120000152
其中l表示为目标环卫清扫车当前所在清扫区域内路面的裂缝长度，l′表示为设定的路面许可的裂缝长度，m表示为目标环卫清扫车当前所在清扫区域内路面的裂缝数目，m′表示为设定的路面许可的裂缝数目，b1和b2分别表示为路面的裂缝长度和裂缝数目对应的平衡影响因子，且b1+b2＝1；
D3、利用计算公式
Figure BDA0003728593120000153
计算得出目标环卫清扫车当前所在清扫区域内凹陷缺陷程度评估系数λ，其中s表示为目标环卫清扫车当前所在清扫区域内路面的凹陷数目，s′表示为设定的路面许可的凹陷数目，t表示为目标环卫清扫车当前所在清扫区域内路面的凹陷体积，t′表示为设定的路面许可的凹陷体积，t1和t2分别表示为路面的凹陷深度和凹陷体积对应的平衡影响因子，且t1+t2＝1；
D4、根据该清扫区域内裂缝缺陷程度评估系数和凹陷缺陷程度评估系数，利用计算公式
Figure BDA0003728593120000161
计算得出目标环卫清扫车当前所在清扫区域内路面完整度ψ，其中，d1和d2分别表示为路面断裂评估系数和路面凹陷评估系数对应的分配权重因子，且d1+d2＝1。
上述提到的目标环卫清扫车当前所在清扫区域对应井盖完整度，具体分析过程如下：
E1、从目标环卫清扫车当前所在清扫区域内对应采集的的路面图像中提取路面对应的井盖遮盖面积和井盖破损区域面积；
E2、利用计算公式
Figure BDA0003728593120000162
计算得出目标环卫清扫车当前所在清扫区域内井盖完整度ζ，其中，M表示为目标环卫清扫车当前所在清扫区域内路面的井盖遮盖面积，M′表示为设定的路面井盖对应的标准遮盖面积，P表示为目标环卫清扫车当前所在清扫区域内路面的井盖破损区域面积，P′表示为设定的路面许可井盖破损区域面积，s1和s2分别表示为井盖遮盖面积和井盖破损区域面积对应的权值因子。
上述提到的目标环卫清扫车当前所在清扫区域内对应的道路状态评估系数，具体分析过程如下：
根据目标环卫清扫车当前所在清扫区域对应的道路标线清晰度、路面完整度和井盖完整度，利用计算公式
Figure BDA0003728593120000163
计算得到目标环卫清扫车当前所在清扫区域内对应的道路状态评估系数ξ，其中，e1,e2,e3分别表示为该清扫区域内的交通线清晰度、路面完整度和井盖完整度对应的权重因子，且e1+e2+e3＝1。
上述提到的确认目标环卫清扫车当前所在清扫区域内对应的道路状态，具体确认过程为：
将目标环卫清扫车当前所在清扫区域内对应的道路状态评估系数与设定的道路状态预警评估系数进行对比，若目标环卫清扫车当前所在清扫区域内对应的道路状态评估系数大于或者等于道路状态预警评估系数，则判断该清扫区域内对应的道路状态为预警状态，反之则判断该清扫区域内对应的道路状态为安全状态。
本发明通过自动环卫清扫车搭载的高清摄像头对路面进行图像信息采集并分析，一方面，在一定程度上保障了路面的使用寿命，避免了路面损坏程度的加重，节约了路面的使用成本，并且还大大的提高了路面监测的便利性，另一方面，有利于对城市的市容市貌进行及时修整，有利于美化城市环境，提升城市品位。
所述数据库，用于存储各类型垃圾对应的单位重量、环卫清扫车对应的单次清扫垃圾体积、环卫清扫单位清扫垃圾重量对应的清扫速度和各类别垃圾对应的图像。
所述预警终端，用于当目标环卫清扫车在某清扫区域内的道路状态为预警状态时，提取该清扫区域对应的位置，并进行预警。
本发明提供的一种基于机器视觉的市政路面环卫清扫智能分析调控系统，通过获取交通信息、垃圾信息和路面信息，并分别对交通信息、垃圾信息和路面信息进行分析，接收各环卫清扫车对应的评估系数，进而对环卫清扫车的清扫状态进行分析并发送道路状态预警指令，一方面有效的解决了当前技术仅对路面清扫过于局限的问题，同时还能直接地反应了路面断裂凹陷等一系列问题，便于及时安排人员维修，大幅度提升了路面的整洁性和安全性，一方面，通过环卫清扫车装置的设备对路面异常情况监测并发送预警指令，实现了路面的智能监测，智能化和自动化水平高，另一方面，通过环卫清扫车对路面进行清扫监测，大大减少了人员的清洁成本和人员数量，降低环卫工人劳动强度，节省了大量的人力和物力。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (10)

1.一种基于机器视觉的市政路面环卫清扫智能分析调控系统，其特征在于：
环卫清扫车路线信息获取模块，用于获取目标环卫清扫车对应的清扫路径，从中定位出各路口对应的位置和行进方向，进而各环卫清扫车对应的清扫路径按照各路口位置划分为各清扫区域，依次标记为1,2,...j,...m，同时获取各环卫清扫车在各清扫区域路口对应的行进方向；
交通信息采集与分析模块，用于当目标环卫清扫车在各清扫区域中行驶时，根据目标环卫清扫车装置的前驱摄像头，对其当前所在清扫区域对应的道路红绿灯进行图像采集，同时通过红外传感器对其前车的间距进行检测，由此分析得到目标环卫清扫车在当前所在清扫区域中路口对应的行车状态以及目标环卫清扫车对应的行车速度；
垃圾信息采集与分析模块，用于当目标环卫清扫车在各清扫区域中进行清扫时，对其当前清扫区域内的道路垃圾进行图像采集，并从中提取出道路垃圾类型数目、各类型道路垃圾对应的体积，由此确认目标环卫清扫车当前清扫区域内道路垃圾对应的清扫规则；
路面信息采集与分析模块，用于当目标环卫清扫车在各清扫区域中行驶时，对其当前所在清扫区域内对应的路面进行图像采集，根据环卫清扫车搭载的摄像头对路面信息采集，分析得出目标环卫清扫车当前所在清扫区域对应的道路标线清晰度、路面完整度和井盖完整度，进而由此统计得到目标环卫清扫车当前所在清扫区域内对应的道路状态评估系数，并确认目标环卫清扫车当前所在清扫区域内对应的道路状态；
数据库，用于存储各类型垃圾对应的单位重量、环卫清扫车对应的单次清扫垃圾体积、环卫清扫单位清扫垃圾重量对应的清扫速度和各类别垃圾对应的图像；
预警终端，用于当目标环卫清扫车在某清扫区域内的道路状态为预警状态时，提取该清扫区域对应的位置，并进行预警。
2.根据权利要求1所述的一种基于机器视觉的市政路面环卫清扫智能分析调控系统，其特征在于：所述目标环卫清扫车在当前所在清扫区域中路口对应的行车状态的具体分析过程如下：
通过获取目标环卫清扫车对应的行进方向和当前所在清扫区域对应的道路红绿灯信息，进而获取道路绿灯当前对应的指示行进方向；
根据目标环卫清扫车对应的行进方向，将其与当前所在清扫区域中路口道路绿灯当前对应的指示行进方向进行对比，若方向一致，则发送继续前行指令至目标环卫清扫车，反之则发送暂停前行指令至目标环卫清扫车。
3.根据权利要求1所述的一种基于机器视觉的市政路面环卫清扫智能分析调控系统，其特征在于：所述目标环卫清扫车在当前所在清扫区域对应的行车速度的具体分析过程如下：
U1、根据目标环卫清扫车在当前所在清扫区域中与前车的间距，利用计算公式
Figure FDA0003728593110000021
计算得出目标环卫清扫车在当前所在清扫区域对应的行车间距危险系数δ，其中，A表示为目标环卫清扫车在当前所在清扫区域中与前车的间距，A′表示为设定的环卫清扫车对应的标准行车间距；
U2、将目标环卫清扫车对应的行车间距危险系数与设定的标准危险系数进行对比，若目标环卫清扫车对应的行车间距危险系数大于或者等于设定的标准危险系数，则判断目标环卫清扫车对应的行车间距为危险间距，反之则判断为安全间距；
U3、当判断目标环卫清扫车对应的行车间距为危险间距为危险距离时，发送减速指令，保持行车安全间距。
4.根据权利要求1所述的一种基于机器视觉的市政路面环卫清扫智能分析调控系统，其特征在于：所述确认目标环卫清扫车当前清扫区域内道路垃圾对应的清扫规则，其具体确认过程包括以下步骤：
A1、根据目标环卫清扫车当前清扫区域内对应各类型道路垃圾的体积，利用计算公式
Figure FDA0003728593110000031
计算得出目标环卫清扫车当前清扫区域内对应的清扫次数E，其中，i表示目标环卫清扫车当前清扫区域内对应各类型道路垃圾对应的编号，i＝1,2,......n，Vi表示为目标环卫清扫车当前清扫区域内对应第i类型道路垃圾的体积，V′表示为环卫清扫车对应的单次清扫垃圾体积；
A2、根据目标环卫清扫车当前清扫区域内对应的各道路垃圾类型，将其与数据库中存储的各类型垃圾对应的单位重量进行匹配对比，得到目标环卫清扫车当前清扫区域内各类型道路垃圾对应的单位重量，利用计算公式
Figure FDA0003728593110000032
计算得出目标环卫清扫车在当前清扫区域内清扫速度σ，其中，Ri表示为第i类型垃圾对应的单位重量，h表示为环卫清扫单位清扫垃圾重量对应的清扫速度，将清扫速度和清扫次数作为目标环卫清扫车当前清扫区域内道路垃圾对应的清扫规则。
5.根据权利要求1所述的一种基于机器视觉的市政路面环卫清扫智能分析调控系统，其特征在于：所述垃圾信息采集与分析模块还包括对垃圾的分拣处理，其具体分析过程包括以下步骤：
根据环卫清扫车装置的内部识别系统，当环卫清扫车清扫垃圾进入车厢内，通过目标环卫清扫车内部搭载的分拣装置，将各类型垃圾分拣至各类型垃对应的回收箱中，进行分类放置。
6.根据权利要求1所述的一种基于机器视觉的市政路面环卫清扫智能分析调控系统，其特征在于：所述目标环卫清扫车当前所在清扫区域对应的道路标线清晰度，具体分析过程如下：
C1、从目标环卫清扫车当前所在清扫区域内对应采集的路面图像中提取道路标线对应的轮廓，由此将道路标线按照预设顺序划分为各标线区域，并对各标线区域进行色度提取，进而通过均值计算得出各标线区域中对应平均色度，同时从各标线区域中提取最大色度值和最小色度值，由此通过计算公式计算得出目标环卫清扫车当前所在清扫区域内道路各标线区域对应的色度均匀度，并记为Y；
C2、根据目标环卫清扫车当前所在清扫区域内路面中道路标线对应的轮廓，得到道路标线对应的轮廓面积，通过计算公式计算得出目标环卫清扫车当前所在清扫区域内道路各标线区域对应的轮廓完整度，并记为G；
C3、根据目标环卫清扫车当前所在清扫区域内路面中道路标线对应的色度均匀度、轮廓完整度，通过计算公式
Figure FDA0003728593110000041
计算得出目标环卫清扫车当前所在清扫区域内路面中对应的道路标线清晰度ω，其中，a1和a2分别表示为目标环卫清扫车当前所在清扫区域内路面中道路标线的色度均匀度和轮廓完整度对应的权重因子，且a1+a2＝1。
7.根据权利要求1所述的一种基于机器视觉的市政路面环卫清扫智能分析调控系统，其特征在于：所述目标环卫清扫车当前所在清扫区域对应路面完整度，具体分析过程如下：
D1、从目标环卫清扫车当前所在清扫区域内对应采集的的路面图像中提取路面对应的裂缝数目、各裂缝对应的尺寸信息以及凹陷区域数目和各凹陷区域对应的凹陷体积；
D2、利用计算公式
Figure FDA0003728593110000051
计算得出目标环卫清扫车当前所在清扫区域内裂缝缺陷程度评估系数
Figure FDA0003728593110000052
其中l表示为目标环卫清扫车当前所在清扫区域内路面的裂缝长度，l′表示为设定的路面许可的裂缝长度，m表示为目标环卫清扫车当前所在清扫区域内路面的裂缝数目，m′表示为设定的路面许可的裂缝数目，b1和b2分别表示为路面的裂缝长度和裂缝数目对应的平衡影响因子，且b1+b2＝1；
D3、利用计算公式
Figure FDA0003728593110000053
计算得出目标环卫清扫车当前所在清扫区域内凹陷缺陷程度评估系数λ，其中s表示为目标环卫清扫车当前所在清扫区域内路面的凹陷数目，s′表示为设定的路面许可的凹陷数目，t表示为目标环卫清扫车当前所在清扫区域内路面的凹陷体积，t′表示为设定的路面许可的凹陷体积，t1和t2分别表示为路面的凹陷深度和凹陷体积对应的平衡影响因子，且t1+t2＝1；
D4、根据该清扫区域内裂缝缺陷程度评估系数和凹陷缺陷程度评估系数，利用计算公式
Figure FDA0003728593110000061
计算得出目标环卫清扫车当前所在清扫区域内路面完整度ψ，其中，d1和d2分别表示为路面断裂评估系数和路面凹陷评估系数对应的分配权重因子，且d1+d2＝1。
8.根据权利要求1所述的一种基于机器视觉的市政路面环卫清扫智能分析调控系统，其特征在于：所述目标环卫清扫车当前所在清扫区域对应井盖完整度，具体分析过程如下：
E1、从目标环卫清扫车当前所在清扫区域内对应采集的的路面图像中提取路面对应的井盖遮盖面积和井盖破损区域面积；
E2、利用计算公式
Figure FDA0003728593110000062
计算得出目标环卫清扫车当前所在清扫区域内井盖完整度ζ，其中，M表示为目标环卫清扫车当前所在清扫区域内路面的井盖遮盖面积，M′表示为设定的路面井盖对应的标准遮盖面积，P表示为目标环卫清扫车当前所在清扫区域内路面的井盖破损区域面积，P′表示为设定的路面许可井盖破损区域面积，s1和s2分别表示为井盖遮盖面积和井盖破损区域面积对应的权值因子。
9.根据权利要求1所述的一种基于机器视觉的市政路面环卫清扫智能分析调控系统，其特征在于：所述目标环卫清扫车当前所在清扫区域内对应的道路状态评估系数，具体分析过程如下：
根据目标环卫清扫车当前所在清扫区域对应的道路标线清晰度、路面完整度和井盖完整度，利用计算公式
Figure FDA0003728593110000071
计算得到目标环卫清扫车当前所在清扫区域内对应的道路状态评估系数ξ，其中，e1,e2,e3分别表示为该清扫区域内的交通线清晰度、路面完整度和井盖完整度对应的权重因子，且e1+e2+e3＝1。
10.根据权利要求9所述的一种基于机器视觉的市政路面环卫清扫智能分析调控系统，其特征在于：所述确认目标环卫清扫车当前所在清扫区域内对应的道路状态，具体确认过程为：
将目标环卫清扫车当前所在清扫区域内对应的道路状态评估系数与设定的道路状态预警评估系数进行对比，若目标环卫清扫车当前所在清扫区域内对应的道路状态评估系数大于或者等于道路状态预警评估系数，则判断该清扫区域内对应的道路状态为预警状态，反之则判断该清扫区域内对应的道路状态为安全状态。
CN202210786293.5A 2022-07-04 2022-07-04 一种基于机器视觉的市政路面环卫清扫智能分析调控系统 Withdrawn CN115205819A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210786293.5A CN115205819A (zh) 2022-07-04 2022-07-04 一种基于机器视觉的市政路面环卫清扫智能分析调控系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210786293.5A CN115205819A (zh) 2022-07-04 2022-07-04 一种基于机器视觉的市政路面环卫清扫智能分析调控系统

Publications (1)

Publication Number Publication Date
CN115205819A true CN115205819A (zh) 2022-10-18

Family

ID=83578425

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210786293.5A Withdrawn CN115205819A (zh) 2022-07-04 2022-07-04 一种基于机器视觉的市政路面环卫清扫智能分析调控系统

Country Status (1)

Country Link
CN (1) CN115205819A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116884226A (zh) * 2023-09-07 2023-10-13 山东金宇信息科技集团有限公司 一种用于道路维护的生态监控预警方法、设备及介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116884226A (zh) * 2023-09-07 2023-10-13 山东金宇信息科技集团有限公司 一种用于道路维护的生态监控预警方法、设备及介质
CN116884226B (zh) * 2023-09-07 2023-11-21 山东金宇信息科技集团有限公司 一种用于道路维护的生态监控预警方法、设备及介质

Similar Documents

Publication Publication Date Title
CN113781808B (zh) 网联式自动驾驶车辆在红绿灯路口的通行方法及系统
CN109797691A (zh) 无人清扫车及其行车方法
JP2917661B2 (ja) 交通流計測処理方法及び装置
CN115205819A (zh) 一种基于机器视觉的市政路面环卫清扫智能分析调控系统
AU2022349296A1 (en) Road surface technical condition detection method and device based on three-dimensional contour
CN103116988B (zh) 基于tof相机的车流量及车型检测方法
CN111739308B (zh) 面向车路协同的道路异常移动物联监控系统及方法
CN111553902A (zh) 一种基于大数据的公路路面安全监测系统
CN109489584A (zh) 一种基于3d技术的隧道限界检测系统及隧道限界识别方法
CN116168356B (zh) 一种基于计算机视觉的车辆损伤判别方法
CN103076189A (zh) 基于激光双目视觉的车辆行驶跑偏在线自动检测系统
CN105241679A (zh) 一种动车组隐蔽故障检测方法
CN115375234A (zh) 基于gnss的运输车辆运行轨迹规划方法
CN113177605A (zh) 一种基于视频监控的废钢车厢等级判定方法
CN114812664A (zh) 一种用于轨道车辆的故障在线自检方法
CN112508911A (zh) 基于巡检机器人的轨交接触网悬挂支撑部件裂纹检测系统及其检测方法
CN109934161B (zh) 基于卷积神经网络的车辆识别与检测方法及系统
CN116255997A (zh) 基于视觉导航单元的实时车道检测动态校验系统
CN104732768B (zh) 信号灯所在路口通行数据采集方法
CN117333727A (zh) 一种基于可视化图像处理技术的输送带磨损区域识别分析系统
CN116631187B (zh) 一种案件现场勘查信息智能采集分析系统
CN117114654A (zh) 一种配置化的车辆保养实现方法、存储介质及装置
CN109229012A (zh) 一种基于多路况智能识别的汽车远近光灯自动切换方法
CN107588842A (zh) 一种基于激光扫描的货车驱动轴识别系统
CN112801975A (zh) 一种基于双目视觉的轨道道砟检验系统及其工作方法

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20221018