【技术实现步骤摘要】
本专利技术涉及智能交通，道路智能巡查、检测，特别是涉及一种巡查场景的定位方法及系统。
技术介绍
1、随着基建的高峰过去，城市高架、城市快速路、高速公路、隧道等道路基础设施面临着巨大的管养压力。在服役一定年限后，路面、桥梁结构等设施会在气温、雨水、荷载等多重因素的作用下，会出现各类缺陷病害，轻微的病害会影响设施的美观，而严重的病害不仅影响美观，甚至还会影响慢行交通的安全。
2、要延长道路基础设施的使用性能，最重要的就是要提高发现基础设施上的病害、事件的发现能力，并对病害的定位、尺寸、类型等信息进行准确的描述。其中，定位数据，是病害的一个重要信息，养护班组获取定位数据后，可以根据定位找到对应的病害、事件进行维修。此外，定位数据还可帮助进一步的分析应用：利用定位数据可以对病害、事件在空间上的分布进行分析，例如分析病害、事件在不同空间上的聚集密度及分布规律；也可以对同一位置上的病害、事件进行时间、类别上的解析，对同一位置多次上报的病害进行空间去重，或分析该处位置是否出现“频修频补”的状态。
3、目前道路设施的日常巡查，主要是由巡查员在徒步或驾车的过程中，通过目测进行巡查，当巡查中发现病害、事件时，巡查员通过手机app对病害、事件进行图像采集，并利用手机的定位功能对该点的定位数据进行记录、上报。而随着科技进步，也有部分巡查开始使用专业的巡查设备采集图像，使用人工智能算法识别病害、事件，并使用高精度定位传感器获取准确的位置信息，减小定位数据的误差，提高定位精度。
4、目前的日常巡查采集的定位数据通常是二维
技术实现思路
1、本专利技术的目的是提供一种巡查场景的定位方法及系统，使用边云结合的系统架构，利用人工智能图像分析算法，实现巡查设备的场景准确、快速定位，同时利用向量数据库，对道路场景进行特征建档，提升图像场景分类的准确性，有助于后续的进一步数据匹配和分析。
2、为实现上述目的，本专利技术提供了如下方案：
3、一种巡查场景的定位方法，包括：
4、实时采集巡查场景的图像数据和定位数据；
5、对所述图像数据进行语义分割和特征提取，获取场景分类结果和特征向量；
6、基于所述图像数据、场景分类结果、特征向量进行病害识别，若识别出病害，则基于所述定位数据、特征向量在预设的场景向量数据库中进行混合搜索，获取所述巡查场景的混合搜索结果；
7、将所述混合搜索结果更新到所述场景向量数据库，完成所述巡查场景的病害定位。
8、可选地，对所述图像数据进行语义分割和特征提取，获取场景分类结果和特征向量包括：
9、将原始图像输入语义分割神经网络模型m1中，输出语义分割图像；
10、将所述语义分割图像与所述原始图像进行组合拼接，获取组合图像；
11、将所述组合图像输入神经网络模型m2中，获取所述场景分类结果和特征向量。
12、可选地，所述语义分割神经网络模型m1采用图像编码神经网络，包括编码器和解码器，所述编码器用于将所述原始图像提取为高维特征编码向量，所述解码器用于将所述高维特征编码向量解码为与所述原始图像尺寸相同的语义分割图像。
13、可选地，所述神经网络模型m2采用卷积神经网络，包括主干网络部分和头部网络部分，所述主干网络部分采用多层卷积和池化层对所述组合图像进行处理，获取高维特征图，再采用全局平均池化层对所述高维特征图进行处理，获取所述特征向量；所述头部网络部分采用包含残差块的多层神经网络对所述特征向量进行处理，获取所述场景分类结果。
14、可选地，进行所述混合搜索包括：
15、根据所述定位数据中的经纬度和方位角，在所述场景向量数据库中进行初步筛选，获取记录数据集合；
16、计算所述特征向量和记录数据集合的余弦相似度，并基于所述余弦相似度在所述记录数据集合中进行再次筛选，获取混合搜索结果集合。
17、可选地，将所述混合搜索结果更新到所述场景向量数据库包括：
18、若所述混合搜索结果集合为空集，则通过人工对所述图像数据、场景分类结果、特征向量、定位数据进行审核后，添加至所述场景向量数据库；
19、若所述混合搜索结果集合不为空集，且所述混合搜索结果集合中的个体id和场景类别都相同，则将所述图像数据、场景分类结果、特征向量、定位数据更新至所述场景向量数据库；
20、若所述混合搜索结果集合不为空集，且所述混合搜索结果集合中的个体id存在不同，则将所述混合搜索结果集合中的特征向量进行算数平均，获取新特征向量并重新在所述场景向量数据库中进行混合搜索，获取新混合搜索结果集合并进行投票，获取修正后的个体id和场景类别并更新至所述场景向量数据库。
21、可选地，将所述混合搜索结果更新到所述场景向量数据库后，还包括通过人工对所述场景向量数据库进行定期清洗审核。
22、为进一步实现上述目的，本专利技术还提供了一种巡查场景的定位系统，包括：边缘端设备和云端设备，其中，所述边缘端设备用于实时采集巡查场景的图像数据和定位数据，并对图像数据进行特征提取，获取场景分类结果和特征向量；所述云端设备用于对所述图像数据、定位数据、场景分类结果和特征向量进行处理，获取本文档来自技高网...
【技术保护点】
1.一种巡查场景的定位方法，其特征在于，包括：
2.根据权利要求1所述的巡查场景的定位方法，其特征在于，对所述图像数据进行语义分割和特征提取，获取场景分类结果和特征向量包括：
3.根据权利要求2所述的巡查场景的定位方法，其特征在于，所述语义分割神经网络模型M1采用图像编码神经网络，包括编码器和解码器，所述编码器用于将所述原始图像提取为高维特征编码向量，所述解码器用于将所述高维特征编码向量解码为与所述原始图像尺寸相同的语义分割图像。
4.根据权利要求2所述的巡查场景的定位方法，其特征在于，所述神经网络模型M2采用卷积神经网络，包括主干网络部分和头部网络部分，所述主干网络部分采用多层卷积和池化层对所述组合图像进行处理，获取高维特征图，再采用全局平均池化层对所述高维特征图进行处理，获取所述特征向量；所述头部网络部分采用包含残差块的多层神经网络对所述特征向量进行处理，获取所述场景分类结果。
5.根据权利要求1所述的巡查场景的定位方法，其特征在于，进行所述混合搜索包括：
6.根据权利要求5所述的巡查场景的定位方法，其特征在于，将所
7.根据权利要求1-6任一项所述的巡查场景的定位方法，其特征在于，将所述混合搜索结果更新到所述场景向量数据库后，还包括通过人工对所述场景向量数据库进行定期清洗审核。
8.一种巡查场景的定位系统，其特征在于，包括：边缘端设备和云端设备，其中，所述边缘端设备用于实时采集巡查场景的图像数据和定位数据，并对图像数据进行特征提取，获取场景分类结果和特征向量；所述云端设备用于对所述图像数据、定位数据、场景分类结果和特征向量进行处理，获取所述巡查场景的病害结果和病害定位。
9.根据权利要求8所述的巡查场景的定位系统，其特征在于，所述边缘端设备包括工控机、高清相机和导航定位接收机，所述高清相机和导航定位接收机连接到所述工控机上，所述工控机提供数据传输、图像特征提取以及供电功能。
10.根据权利要求8所述的巡查场景的定位系统，其特征在于，所述云端设备包括病害识别模块、混合搜索模块、派单模块，所述病害识别模块用于基于所述图像数据、场景分类结果、特征向量进行病害识别；所述混合搜索模块用于当识别出病害时，基于所述定位数据、特征向量在预设的场景向量数据库中进行混合搜索，获取所述巡查场景的混合搜索结果；所述派单模块用于将所述混合搜索结果更新到所述场景向量数据库并结合病害识别结果发送给相应养护人员。
...【技术特征摘要】
1.一种巡查场景的定位方法，其特征在于，包括：
2.根据权利要求1所述的巡查场景的定位方法，其特征在于，对所述图像数据进行语义分割和特征提取，获取场景分类结果和特征向量包括：
3.根据权利要求2所述的巡查场景的定位方法，其特征在于，所述语义分割神经网络模型m1采用图像编码神经网络，包括编码器和解码器，所述编码器用于将所述原始图像提取为高维特征编码向量，所述解码器用于将所述高维特征编码向量解码为与所述原始图像尺寸相同的语义分割图像。
4.根据权利要求2所述的巡查场景的定位方法，其特征在于，所述神经网络模型m2采用卷积神经网络，包括主干网络部分和头部网络部分，所述主干网络部分采用多层卷积和池化层对所述组合图像进行处理，获取高维特征图，再采用全局平均池化层对所述高维特征图进行处理，获取所述特征向量；所述头部网络部分采用包含残差块的多层神经网络对所述特征向量进行处理，获取所述场景分类结果。
5.根据权利要求1所述的巡查场景的定位方法，其特征在于，进行所述混合搜索包括：
6.根据权利要求5所述的巡查场景的定位方法，其特征在于，将所述混合搜索结果更新到所述场景向量数据库包括：
7.根据权利要求1-6任一项所述的巡...
【专利技术属性】
技术研发人员：张晓明，严京旗，钟盛，陈勇勇，黄前华，
申请(专利权)人：上海同陆云交通科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。