清扫车清扫刷角度自适应调整方法技术

本发明专利技术涉及图像处理技术领域，具体涉及清扫车清扫刷角度自适应调整方法，获取多帧路面图像分为多个图像区域，获取图像区域的像素点的Lab色差，根据Lab色差获取局部颜色异常程度及整体颜色异常程度，根据局部颜色异常程度和整体颜色异常程度获取关注度，根据关注度确定初始种子点，根据初始种子点对路面图像进行超像素分割并选取小尺寸超像素，根据小尺寸超像素与其后一帧图像内对应位置的目标超像素获取小尺寸超像素的异常率，根据异常率对超像素进行重新分配得到最终超像素图像，根据最终超像素图像获取路面特征类别及置信度，根据路面特征类别及置信度控制清扫刷进行调整，本发明专利技术方法能对路面特征类别准确识别，进而实现对清扫刷的控制。扫刷的控制。扫刷的控制。

【技术实现步骤摘要】
清扫车清扫刷角度自适应调整方法


[0001]本专利技术涉及图像处理
，具体涉及一种清扫车清扫刷角度自适应调整方法。

技术介绍

[0002]现有的清扫车均是通过车架底部的清扫刷对垃圾进行清扫，大部分清扫车的清扫刷角度与高度固定，在面对复杂路况时，清扫刷可能会存在与地面接触不良或与障碍物碰撞的情况，此时会导致垃圾漏扫或清扫刷磨损，小部分清扫车的清扫刷角度与高度可调节，但需要操作人员根据经验判断路面状况，手动对清扫刷角度与高度进行调整。
[0003]然而路面情况比较复杂，不仅仅包括路面本身及垃圾这些路面特征，当路面出现坑洼、障碍物特征时，由于手动调整依赖于驾驶员的观察能力与反应速度，出现坑洼特征时可能会导致垃圾漏扫、出现障碍物特征时可能会导致清扫刷磨损。
[0004]因此，需要提供一种清扫车清扫刷角度自适应调整方法，予以解决上述问题。

技术实现思路

[0005]专利技术提供一种清扫车清扫刷角度自适应调整方法，以解决现有的问题。
[0006]本专利技术的一种清扫车清扫刷角度自适应调整方法采用如下技术方案：该方法包括：获取多帧路面图像并将路面图像分割为多个相同尺寸的图像区域；获取每个图像区域内每个像素点与其他像素点的Lab色差，根据Lab色差获取每个像素点的在其邻域内的局部颜色异常程度、每个像素点的在图像区域内的整体颜色异常程度；根据整体颜色异常程度和局部颜色异常程度计算每个像素点的关注度，根据关注度确定每个图像区域内的初始种子点；根据初始种子点对路面图像进行超像素分割得到多个超像素，根据每个超像素的尺寸及预设的尺寸阈值获取多个超像素中的小尺寸超像素；获取小尺寸超像素在后一帧路面图像对应的目标超像素，根据获取图像区域内像素点的整体颜色异常程度的步骤获取小尺寸超像素、目标超像素在其8邻域内对应的最终颜色异常程度，获取小尺寸超像素与目标超像素的目标Lab色差，根据两个最终颜色异常程度、小尺寸超像素及目标超像素内像素点个数、目标Lab色差计算小尺寸超像素的异常率；根据异常率与预设的异常率阈值对小尺寸超像素进行重新分配得到最终超像素图像；根据每一帧路面图像对应的最终超像素图像获取每个超像素对应的路面特征类别及置信度，根据相邻两帧路面图像对应的最终超像素图像中相对应的超像素的路面特征类别及置信度控制清扫刷进行调整。
[0007]进一步的，根据Lab色差获取每个像素点的在其邻域内的局部颜色异常程度、每个
像素点的在图像区域内的整体颜色异常程度的步骤包括：获取每个像素点的邻域内像素点的个数、图像区域内像素点的总数；根据每个像素点的邻域内像素点的个数及该像素点与其邻域内其他像素点的Lab色差获取局部颜色异常程度；根据图像区域内像素点的总数及该像素点与图像区域内其他像素点的Lab色差获取整体颜色异常程度。
[0008]进一步的，获取每个像素点的邻域内像素点的个数的步骤包括：在Lab图像上建立坐标系；获取每个图像区域的中心点纵坐标；去除所有中心点中纵坐标重复的纵坐标，并对去重后的纵坐标排序得到每个图像区域的中心点纵坐标对应的序号；根据序号利用下式（1）获取对应图像区域内每个像素点的邻域内像素点的个数：
ꢀꢀꢀꢀ
（1）其中，表示第个区域内某个像素点的邻域内像素点的个数，表示第个区域中心点的纵坐标对应的序号；表示第个区域内像素点的总数。
[0009]进一步的，获取每个图像区域内每个像素点与其他像素点的Lab色差的步骤包括：获取图像区域内每个像素点的亮度值；获取图像区域内每个像素点对应的通道值；根据图像区域内每个像素点的亮度值及每个像素点对应的通道值计算像素点与其他像素点的Lab色差。
[0010]进一步的，根据关注度确定每个图像区域内的初始种子点的步骤包括：根据每个图像区域内每个像素点的关注度建立关注度图；获取关注度图中每个峰值对应的像素点；将每个峰值对应的像素点作为该图像区域的初始种子点。
[0011]进一步的，根据初始种子点对路面图像进行超像素分割得到多个超像素的步骤包括：计算每个像素点到每个初始种子点的距离；获取最小距离对应的初始种子点为该像素点的聚类中心，并得到一个聚类，每个聚类即为一个超像素；计算每个超像素内所有像素点的坐标重心，将坐标重心作为该超像素的新种子点，根据新种子点获取新的聚类，直至聚类中心不再发生变动，则这时的聚类即为分割后的超像素。
[0012]进一步的，根据异常率与预设的异常率阈值对小尺寸超像素进行重新分配得到最终超像素图像的步骤包括：当异常率小于预设的异常率阈值时，将该小尺寸超像素重新分配给邻近的超像素；
当异常率大于预设的异常率阈值时，将该小尺寸超像素保留，不进行分配；根据分配合后的小尺寸超像素和保留的小尺寸超像素得到最终超像素图像。
[0013]进一步的，获取小尺寸超像素与目标超像素的目标Lab色差的步骤包括：分别获取小尺寸超像素、目标超像素内所有像素点的通道值的均值、所有像素点的亮度值的均值；将小尺寸超像素、目标超像素对应的通道值的均值作为小尺寸超像素、目标超像素的通道值；将小尺寸超像素、目标超像素对应的亮度值的均值作为小尺寸超像素、目标超像素的亮度值；根据小尺寸超像素、目标超像素对应的通道值、亮度值计算小尺寸超像素与目标超像素的目标Lab色差。
[0014]进一步的，根据每一帧路面图像对应的最终超像素图像获取每个超像素对应的路面特征类别及置信度的步骤包括：构建神经网络；对神经网络进行训练，每一帧路面图像作为神经网络的输入，每一帧路面图像对应的最终超像素图像中的超像素的路面特征类别及路面特征类别的置信度作为神经网络的输出，得到训练好的神经网络；将相邻两帧路面图像分别输入训练好的神经网络，得到相邻两帧路面图像对应的超像素的路面特征类别、每个路面特征类别的置信度。
[0015]进一步的，根据相邻两帧路面图像对应的最终超像素图像中相对应的超像素的路面特征类别及置信度控制清扫刷进行调整的步骤包括：若相邻两帧路面图像的最终超像素图像中相对应的两个超像素的路面特征类别一致，则该路面特征类别即为该超像素的最终路面特征类别；若相邻两帧路面图像的最终超像素图像中相对应的两个超像素的路面特征类别不一致，则选择两个路面特征类别中置信度大的超像素对应的路面特征类别作为该超像素的最终路面特征类别；当最终路面特征类别为垃圾路面特征类别时，则根据垃圾的位置，调整清扫刷的高度、角度；当最终路面特征类别为坑洼路面特征类别时，则根据坑洼的位置，降低清扫刷的高度；当最终路面特征类别为障碍物路面特征类别时，则根据障碍物的位置，升高清扫刷的高度。
[0016]本专利技术的有益效果是：本专利技术的一种清扫车清扫刷角度自适应调整方法，通过获取像素点的关注度获取初始种子点，根据初始种子点进行超像素分割，然后在结合不同帧路面图像对应路面特征对超像素分割后的超像素进行重新分配，以便能够将路面图像上的路面特征与路面图像其他特征分类，进而实现对路面特征类别准确识别，从而精确实现对清扫刷的清扫角度及高度调整。
附图说明
[0017]为了更清楚地说明本发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种清扫车清扫刷角度自适应调整方法，其特征在于，该方法包括：获取多帧路面图像并将路面图像分割为多个相同尺寸的图像区域；获取每个图像区域内每个像素点与其他像素点的Lab色差，根据Lab色差获取每个像素点的在其邻域内的局部颜色异常程度、每个像素点的在图像区域内的整体颜色异常程度；根据整体颜色异常程度和局部颜色异常程度计算每个像素点的关注度，根据关注度确定每个图像区域内的初始种子点；根据初始种子点对路面图像进行超像素分割得到多个超像素，根据每个超像素的尺寸及预设的尺寸阈值获取多个超像素中的小尺寸超像素；获取小尺寸超像素在后一帧路面图像对应的目标超像素，根据获取图像区域内像素点的整体颜色异常程度的步骤获取小尺寸超像素、目标超像素在其8邻域内对应的最终颜色异常程度，获取小尺寸超像素与目标超像素的目标Lab色差，根据两个最终颜色异常程度、小尺寸超像素及目标超像素内像素点个数、目标Lab色差计算小尺寸超像素的异常率；根据异常率与预设的异常率阈值对小尺寸超像素进行重新分配得到最终超像素图像；根据每一帧路面图像对应的最终超像素图像获取每个超像素对应的路面特征类别及置信度，根据相邻两帧路面图像对应的最终超像素图像中相对应的超像素的路面特征类别及置信度控制清扫刷进行调整。2.根据权利要求1所述的一种清扫车清扫刷角度自适应调整方法，其特征在于，根据Lab色差获取每个像素点的在其邻域内的局部颜色异常程度、每个像素点的在图像区域内的整体颜色异常程度的步骤包括：获取每个像素点的邻域内像素点的个数、图像区域内像素点的总数；根据每个像素点的邻域内像素点的个数及该像素点与其邻域内其他像素点的Lab色差获取局部颜色异常程度；根据图像区域内像素点的总数及该像素点与图像区域内其他像素点的Lab色差获取整体颜色异常程度。3.根据权利要求2所述的一种清扫车清扫刷角度自适应调整方法，其特征在于，获取每个像素点的邻域内像素点的个数的步骤包括：在Lab图像上建立坐标系；获取每个图像区域的中心点纵坐标；去除所有中心点中纵坐标重复的纵坐标，并对去重后的纵坐标排序得到每个图像区域的中心点纵坐标对应的序号；根据序号利用下式（1）获取对应图像区域内每个像素点的邻域内像素点的个数：
ꢀꢀꢀꢀꢀ
（1）其中，表示第个区域内某个像素点的邻域内像素点的个数，表示第个区域中心点的纵坐标对应的序号；表示第个区域内像素点的总数。4.根据权利要求1所述的一种清扫车清扫刷角度自适应调整方法，其特征在于，获取每个图像区域内每个像素点与其他像素点的Lab色差的步骤包括：
获取图像区域内每个像素点的亮度值；获取图像区域内每个像素点对应的通道值；根据图像区域内每个像素点的亮度值及每个像素点对应的通道值计算像素点与其他像素点的Lab色差。5.根据权利要求1所述的一种清扫车清扫刷角度自适应调整方法，其特征在于，根据关注度确定每个图像区域内的初始种子点的步骤包括：根据每个图像区域内每个像素点的关注度建立关注度图；获取关注度图中每个峰...

【专利技术属性】
技术研发人员：焦兴健，孟庆辰，崔红光，宋宁宁，张宝生，田国政，祝玉鲁，
申请(专利权)人：山东施卫普环保科技有限公司，
类型：发明
国别省市：