System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及行车路面检测,尤其涉及一种物流运输车夜间道路路面智能检测方法及装置。
技术介绍
1、现阶段网上购物已经融入了人们的日常生活,这也产生了越来越大的快递需求量,而公路运输在快递运输中占据着重要位置。由于公路出现裂缝或其他损坏,特别是未来得及维护时,运输车辆存在一定的安全隐患。随着夜间公路运输不断增加,夜间路面检测的研究与开发变得尤为重要。然而,夜间路面检测面临的挑战远比白天复杂,主要因为夜间光照条件差,路面的可见度低,这极大地增加了检测的难度。
2、所以提供一种物流运输车夜间道路路面智能检测方法及装置,解决上述问题。
技术实现思路
1、本专利技术的主要目的在于解决现有技术中,由于公路出现裂缝或其他损坏,特别是未来得及维护时,运输车辆存在一定的安全隐患。随着夜间公路运输不断增加,夜间路面检测的研究与开发变得尤为重要。然而,夜间路面检测面临的挑战远比白天复杂,主要因为夜间光照条件差,路面的可见度低,这极大地增加了检测的难度等问题。
2、本专利技术第一方面提供了一种物流运输车夜间道路路面智能检测方法,所述物流运输车夜间道路路面智能检测方法包括:
3、收集车辆前置摄像头监控的夜间图像样本,进行夜间图像样本标注生成第一图像样本;
4、利用harris角点检测和最近邻匹配算法对第一图像样本进行自动方向校正,生成第三图像样本;
5、配置yolov9的数据文件;
6、搭建模型训练环境,将经过标注和自动方向校正的第三图
7、对模型进行调整优化,导出并部署经过优化的模型;
8、获取测试集,使用测试集对模型进行评估。
9、可选的,所述收集车辆前置摄像头监控的夜间图像样本,进行夜间图像样本标注生成第一图像样本包括:
10、收集车辆前置摄像头监控的夜间图像样本;
11、将夜间图像样本导入labe1img软件中;
12、选择标记框的标签和颜色,并调整标记框的大小和位置;
13、完成标注,保存并导出第一图像样本。
14、可选的,所述利用harris角点检测和最近邻匹配算法对第一图像样本进行自动方向校正包括:
15、判断经过标注的第一图像样本是否为灰度图像,若否,则转化为灰度图像生成第二图像样本;
16、使用边缘检测算子计算第二图像样本的水平和垂直梯度;
17、应用harris角点检测算法,计算每个像素点的harris响应值,设定阈值,筛选出响应值高于阈值的像素点作为潜在的角点,应用非极大值抑制算法去除相邻像素中的非最大响应值,确定角点位置;
18、在检测到的角点周围提取特征描述子;
19、将第二图像样本的角点特征和参考图像的角点特征使用最近邻匹配算法进行匹配;
20、利用匹配到的角点对,通过ransac(随机抽样一致)算法估计一个变换矩阵;
21、使用变换矩阵,对第二图像样本进行旋转和平移;
22、通过插值算法对旋转和平移产生的空白区域进行填充生成第三样本图像。
23、可选的,所述修改yolov9的配置文件包括:修改yolov9配置的批次大小信息、学习率信息和迭代次数信息。
24、可选的,所述对模型进行调整优化包括:
25、根据训练曲线,利用余弦退火策略调整学习率或分阶段调整学习率;
26、通过旋转、翻转、缩放、裁剪色彩抖动对模型数据进行增强;
27、完成训练后对模型进行剪枝,移除或量化不重要的权重,将浮点运算转换为整数运算;
28、在基础模型上,针对特定应用场景或目标,使用更小的学习率在自定义数据集上进行微调;
29、将不同训练阶段或不同超参数设置下的模型预测结果进行加权融合;
30、使用未参与训练的验证集或测试集评估模型性能。
31、可选的,还包括:通过可视化工具查看模型在测试集上的预测结果与实际标注的对比。
32、本专利技术第二方面提供了一种物流运输车夜间道路路面智能检测装置,包括:
33、夜间图像样本标注模块,用于收集车辆前置摄像头监控的夜间图像样本,进行夜间图像样本标注生成第一图像样本;
34、自动方向校正模块,用于利用harris角点检测和最近邻匹配算法对第一图像样本进行自动方向校正,生成第三图像样本;
35、数据文件配置模块,用于配置yolov9的数据文件;
36、模型训练建立模块,用于搭建模型训练环境,将经过标注和自动方向校正的第三图像样本作为数据集,修改yolov9的配置文件,使用提供的训练脚本启动训练过程,在训练过程中,定期监控训练和验证集的损失函数和map(mean average precision),完成模型建立;
37、模型调整优化模块,用于对模型进行调整优化,导出并部署经过优化的模型;
38、测试集模型评估模块,用于获取测试集,使用测试集对模型进行评估。
39、本专利技术第三方面提供了一种电子设备,所述电子设备包括存储器和至少一个处理器,所述存储器中存储有指令;
40、所述至少一个处理器调用所述存储器中的所述指令,以使得所述电子设备执行如上所述的物流运输车夜间道路路面智能检测方法的各个步骤。
41、本专利技术第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,所述指令被处理器执行时实现如上所述的物流运输车夜间道路路面智能检测方法的各个步骤。
42、本专利技术的技术方案中,提供了一种物流运输车夜间道路路面智能检测算法,该算法能够消除由于不同摄影设备和拍摄条件引入的差异,从而让模型更加聚焦于夜间道路路面检测任务本身;提高模型的学习效果;方便部署。
本文档来自技高网...【技术保护点】
1.一种物流运输车夜间道路路面智能检测方法,其特征在于,所述物流运输车夜间道路路面智能检测方法包括:
2.根据权利要求1所述的物流运输车夜间道路路面智能检测方法,其特征在于,所述收集车辆前置摄像头监控的夜间图像样本,进行夜间图像样本标注生成第一图像样本包括:
3.根据权利要求2所述的物流运输车夜间道路路面智能检测方法,其特征在于,所述利用Harris角点检测和最近邻匹配算法对第一图像样本进行自动方向校正包括:
4.根据权利要求1所述的物流运输车夜间道路路面智能检测方法,其特征在于,所述修改YOLOv9的配置文件包括:修改YOLOv9配置的批次大小信息、学习率信息和迭代次数信息。
5.根据权利要求1所述的物流运输车夜间道路路面智能检测方法,其特征在于,所述对模型进行调整优化包括:
6.根据权利要求1所述的物流运输车夜间道路路面智能检测方法,其特征在于,还包括:通过可视化工具查看模型在测试集上的预测结果与实际标注的对比。
7.一种物流运输车夜间道路路面智能检测装置,其特征在于,包括:
8.一种电子设备
9.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现如权利要求1-6中任一项的物流运输车夜间道路路面智能检测方法的各个步骤。
...【技术特征摘要】
1.一种物流运输车夜间道路路面智能检测方法,其特征在于,所述物流运输车夜间道路路面智能检测方法包括:
2.根据权利要求1所述的物流运输车夜间道路路面智能检测方法,其特征在于,所述收集车辆前置摄像头监控的夜间图像样本,进行夜间图像样本标注生成第一图像样本包括:
3.根据权利要求2所述的物流运输车夜间道路路面智能检测方法,其特征在于,所述利用harris角点检测和最近邻匹配算法对第一图像样本进行自动方向校正包括:
4.根据权利要求1所述的物流运输车夜间道路路面智能检测方法,其特征在于,所述修改yolov9的配置文件包括:修改yolov9配置的批次大小信息、学习率信息和迭代次数信息。
【专利技术属性】
技术研发人员:徐梦佳,李斯,杨周龙,王蕴博,
申请(专利权)人:上海东普信息科技有限公司,
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。