CN119516503A 基于数据融合和边缘计算的道路巡检方法及系统 （武汉地大华睿地学技术有限公司）

发区佛祖岭一路19号武汉中地大科技基于数据融合和边缘计算的道路巡检方法本申请公开了一种基于数据融合和边缘计更新后的道路仿真模型和行驶状态模型进行模云图信息和实时环境图像信息确定病害特征种精确的检测出路面病害种类和路面病害精确位2根据预设的道路巡检方案控制所述巡检无人车按照预设的巡检路线执行道路巡检任将实时更新后的所述道路仿真模型和所述行驶状态模型实时进行模控制所述巡检无人车在进入所述弱信号路段后利用所述图像采集模块对所述弱信号利用图像识别技术对所述实时环境图像信息和所述实时点云图信息实时进行图像识真模型和所述行驶状态模型进行实时更新包括进入所述弱信号路段前，利用所述激光雷达模块对所述弱信号路段持续进行环境扫利用所述边缘计算模块根据进入所述弱信号路段前获取的所述实时点云图信息初步获取所述巡检无人车的实时行驶信息，并利用所述道路巡检无人车基于所述实时行驶信息和所述卫星定位信息初步构建行进入所述弱信号路段后，基于进入所述弱信号路段后获取的所述实时基于进入所述弱信号路段后获取的所述实时行驶信息对所述行驶状态模型进行实时弱信号路段前获取的所述实时点云图信息初步构3述实时行驶信息对所述行驶状态模型进行实时更新包括基于递归神经网络构建所述道路巡检无人车的位将进入所述弱信号路段前的所述实时行驶信息和所述卫星定位信息作为训练集对所进入所述弱信号路段后，将所述进入所述弱信号路段后获取的所述得到所述弱信号路段的路段病害位置信息包将所采集的所述实时环境图像信息和所述实时点云图信利用图像识别算法从所述实时环境图像信息中提取出包含路段病害特征的感兴趣区将所述感兴趣区域从所述实时环境图像信息中映射至同一时间节点的所述实时点云将所述病害点云图信息与所述病害图像信息进行边缘特征对结合所述病害特征种类和所述道路行驶模型得到所述弱信号路段的路段病害位置信基于自适应多特征融合法对去噪后的所述病害点云图信息进行病害对提取出的所述病害边缘点聚类后进行拟合，得到所述病害点云图对所述点云图边缘特征与所述图像边缘特征进行边缘匹配，根据边缘若所述点云图边缘特征与所述图像边缘特征相同，则判定所述若所述点云图边缘特征与所述图像边缘特征不相同，则判定所述弱信4将所述点云密度小于预设点云密度阈值的点去除，得到初步去噪后驶模型得到所述弱信号路段的路段病害位置信息包若所述弱信号路段的所述病害点云图信息为立体病害信息利用欧几里得距离公式计算所述立体病害点与所述病害巡检点在所述道路行驶模型基于所述道路行驶模型获取所述巡检无人车在所述弱信号路段结合所述空间距离和所述无人车位置信息，得到所述若所述弱信号路段的所述病害图像信息为平面病害信息，根据所述设备参数对所述位置信息进行修正，得到所述平面病害信处理器，被配置成从所述存储器调用所述指令以及在执行所述指令时5[0007]根据预设的道路巡检方案控制所述巡检无人车按照预设的巡检路线执行道路巡[0010]控制所述巡检无人车在进入所述弱信号路段后利用所述图像采集模块所述弱信[0011]利用图像识别技术对所述实时环境图像信息和所述实时点云图信息实时进行图像识别，结合图像识别结果和所述道路行驶模型得到所述弱信号路段的路段病害位置信6模块基于所述实时点云图信息和所述实时行驶信息初步构建道路仿真模型和行驶状态模[0014]利用所述边缘计算模块根据进入所述弱信号路段前获取的所述实时点云图信息[0018]基于进入所述弱信号路段后获取的所述实时行驶信息对所述行驶状态模型进行[0026]将进入所述弱信号路段前的所述实时行驶信息和所述卫星定位信息作为训练集[0032]利用图像识别算法从所述实时环境图像信息中提取出包含路段病害特征的感兴[0033]将所述感兴趣区域从所述实时环境图像信息中映射至同一时间节点的所述实时7[0035]结合所述病害特征种类和所述道路行驶模型得到所述弱信号路段的路段病害位据边缘特征对比结果得到所述弱信号路段的病害特征[0050]将所述平面距离大于预设点云距离的点剔除，得到去噪后的所述病害点云图信[0054]利用欧几里得距离公式计算所述立体病害点与所述病害巡检点在所述道路行驶[0055]基于所述道路行驶模型获取所述巡检无人车在所述弱信号路段的无人车位置信8据第一方面中任一项所述的基于数据融合和边缘计[0064]本发明具体采用如下技术方案：从预设的巡检路线中获取预先标注的弱信号路并根据图像识别结果分别提取实时点云图信息和实时环境信息中的病害点云图信息和病弱信号路段高效准确的检测出路面病害种类和路面病[0066]图1为本申请实施例提供的一种基于数据融合和边缘计算的道路巡检方法的流程[0067]图2为本申请实施例提供的根据边缘特征对比结果得到弱信号路段的病害特征种9[0071]图1示意性示出了根据本申请实施例的一种基于数据融合和边缘计算的道路巡检会根据弱信号路段的实时点云图信息和巡检无人车的实时行驶信息推算出巡检无人车在(处理器每秒钟可进行的操作次数)高算力支持，能够实时高速处理其他模块获取的数据。点云图信息和实时行驶信息对初步构建的道路仿真模型和行驶状态模型进行间以及路段病害位置信息通过4G/5G网络上传至云端存储，为后续的养护管理提供数据支据分类结果在养护平台进行自动派单，道路养护人员能够通过移动端程序实现工单接收，完成道路养护任务后拍摄当前路段路况，通过移动端程序进行上传当前路段的路段信息，[0087]利用边缘计算模块根据进入弱信号路段前获取的实时点云图信息初步构建道路信号路段后需要根据进入弱信号路段后采集的实时行驶信息对行驶状态模型进行实时更[0102]将进入弱信号路段前的实时行驶信息和卫星定位信息作为训练集对位置预测模[0110]利用图像识别算法从实时环境图像信息中提取出包含路段病害特征的感兴趣区[0111]将感兴趣区域从实时环境图像信息中映射至同一时间节同，说明病害点云图信息和病害图像信息中的路段病害的病害特征种类为信息难以通过激光雷达扫描识别出来，因此平面病害信息在点云图中难以提取出边缘特[0119]S202、基于自适应多特征融合法对去噪后的病害点云图信息进行病害边缘点提[0128]对病害图像信息进行灰度化处理，使病害图像信息中的度病害图像信息的边缘点，将所有边缘点进行整合得到灰度病害图像信息的图像边缘特[0132]将点云密度小于预设点云密度阈值的点去除，得到初步去噪后的病害点云图信[0140]利用欧几里得距离公式计算立体病害点与病害巡检点在道路行驶模型中的空间算立体病害点与病害巡检点之间的空间距离，欧几里得距离公式计算公式为其中(x1,y1,z1)为病害巡检点在空用其他通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列[0155]本申请实施例还提供一种机器可读存储介质，该机器可读存储介质上存储有指和/或方框以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指[0158]这些计算机程序指令也可存储在能引导计算机或其他