本申请公开了一种道路垃圾识别方法、装置、设备和存储介质，方法包括：获取自动驾驶清扫车在低光照环境下的道路中实时采集的视频数据，得到低光照视频数据，低光照视频数据包含道路垃圾；将低光照视频数据按图像帧输入到预置低光增强模型中对各图像帧进行图像增强，得到光照增强视频数据；对光照增强视频数据进行道路垃圾识别，得到道路垃圾识别结果，改善了现有的自动驾驶清扫车在低光照环境中垃圾识别准确率较低，导致自动驾驶清扫车在低光照环境中的清扫准确率和完成率较低的技术问题。环境中的清扫准确率和完成率较低的技术问题。环境中的清扫准确率和完成率较低的技术问题。
【技术实现步骤摘要】
一种道路垃圾识别方法、装置、设备和存储介质
[0001]本申请涉及目标识别
，尤其涉及一种道路垃圾识别方法、装置、设备和存储介质。
技术介绍
[0002]路面垃圾清扫是环卫车辆一项繁琐、耗时、耗能的道路清洁任务，传统的环卫车辆主要依靠人工驾驶员观察路面，判断路面的垃圾种类和面积，并控制清扫的力度和清扫的区域，这种方式存在环卫车辆路面清扫效率低下的问题。为了改善该问题，现有技术研发了自动驾驶清扫车，通过自动驾驶清扫车自动识别路面垃圾并进行垃圾清扫。但是，现有的自动驾驶清扫车在隧道等低光照环境中，存在垃圾识别困难的问题，导致自动驾驶清扫车在低光照环境中的清扫准确率和完成率较低。
技术实现思路
[0003]本申请提供了一种道路垃圾识别方法、装置、设备和存储介质，用于改善现有的自动驾驶清扫车在低光照环境中垃圾识别准确率较低，导致自动驾驶清扫车在低光照环境中的清扫准确率和完成率较低的技术问题。
[0004]有鉴于此，本申请第一方面提供了一种道路垃圾识别方法，包括：
[0005]获取自动驾驶清扫车在低光照环境下的道路中实时采集的视频数据，得到低光照视频数据，所述低光照视频数据包含道路垃圾；
[0006]将所述低光照视频数据按图像帧输入到预置低光增强模型中对各图像帧进行图像增强，得到光照增强视频数据；
[0007]对所述光照增强视频数据进行道路垃圾识别，得到道路垃圾识别结果。
[0008]可选的，所述预置低光增强模型的训练过程为：
[0009]构建训练集，所述训练集包括低光、中光和高光三种光照强度的图像；
[0010]通过增强模型对所述训练集中的中光图像进行图像增强，得到高光生成图像，并通过退化模型对所述高光生成图像进行图像退化，得到第一中光生成图像；
[0011]通过所述退化模型对所述训练集中的中光图像进行图像退化，得到低光生成图像，并通过所述增强模型对所述低光生成图像进行图像增强，得到第二中光生成图像；
[0012]根据所述中光图像、所述第一中光生成图像和所述第二中光生成图像计算损失值，并根据所述低光图像、所述高光图像判别所述低光生成图像、所述高光生成图像的真假，得到判别结果；
[0013]通过所述损失值和所述判别结果优化所述增强模型和所述退化模型的网络参数，得到训练好的增强模型和退化模型，将训练好的增强模型作为预置低光增强模型。
[0014]可选的，所述根据所述中光图像、所述第一中光生成图像和所述第二中光生成图像计算损失值，包括：
[0015]对所述中光图像、所述第一中光生成图像、所述第二中光生成图像两两进行循环
一致性损失计算和感知损失计算，得到所述中光图像、所述第一中光生成图像、所述第二中光生成图像两两之间的循环一致性损失值和感知损失值。
[0016]可选的，对所述中光图像、所述第一中光生成图像、所述第二中光生成图像两两进行感知损失计算，得到所述中光图像、所述第一中光生成图像、所述第二中光生成图像两两之间的感知损失值，包括：
[0017]将所述中光图像、所述第一中光生成图像、所述第二中光生成图像分别输入到预置卷积神经网络模型中进行特征提取，对应得到第一特征图、第二特征图、第三特征图；
[0018]对所述第一特征图、所述第二特征图、所述第三特征图两两进行欧式距离计算，并根据特征图的大小对计算得到的欧式距离求平均，得到所述中光图像、所述第一中光生成图像、所述第二中光生成图像两两之间的感知损失值。
[0019]可选的，所述根据所述低光图像、所述高光图像判别所述低光生成图像、所述高光生成图像的真假，得到判别结果，包括：
[0020]通过低光图像判别器根据所述低光图像判别所述低光生成图像是否为真实的低光图像，得到低光图像判别结果；
[0021]通过高光图像判别器根据所述高光图像判别所述高光生成图像是否为真实的高光图像，得到高光图像判别结果。
[0022]可选的，通过所述判别结果优化所述增强模型和所述退化模型的网络参数，包括：
[0023]通过所述低光图像判别结果优化所述退化模型的网络参数，使得所述退化模型生成更加真实的低光图像；
[0024]通过所述高光图像判别结果优化所述增强模型的网络参数，使得所述增强模型生成更加真实的高光图像。
[0025]可选的，所述构建训练集，包括：
[0026]通过自动驾驶清扫车采集多个同一地点在不同时间段的视频数据；
[0027]根据所述视频数据中各图像帧对应的光照强度对图像帧进行划分，得到低光图像、中光图像和高光图像。
[0028]可选的，所述根据所述视频数据中各图像帧对应的光照强度对图像帧进行划分，得到低光图像、中光图像和高光图像，包括：
[0029]将所述视频数据中光照强度小于第一光照强度阈值的图像帧划分为低光图像；
[0030]将所述视频数据中光照强度等于或大于所述第一光照强度阈值，且小于第二光照强度阈值的图像帧划分为中光图像，其中，所述第一光照强度阈值小于所述第二光照强度阈值；
[0031]将所述视频数据中光照强度大于或等于所述第二光照强度阈值的图像帧划分为高光图像。
[0032]本申请第二方面提供了一种道路垃圾识别装置，包括：
[0033]获取单元，用于获取自动驾驶清扫车在低光照环境下的道路中实时采集的视频数据，得到低光照视频数据，所述低光照视频数据包含道路垃圾；
[0034]图像增强单元，用于将所述低光照视频数据按图像帧输入到预置低光增强模型中对各图像帧进行图像增强，得到光照增强视频数据；
[0035]垃圾识别单元，用于对所述光照增强视频数据进行道路垃圾识别，得到道路垃圾
识别结果。
[0036]本申请第三方面提供了一种道路垃圾识别设备，所述设备包括处理器以及存储器；
[0037]所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
[0038]所述处理器用于根据所述程序代码中的指令执行第一方面任一种所述的道路垃圾识别方法。
[0039]本申请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用于存储程序代码，所述程序代码被处理器执行时实现第一方面任一种所述的道路垃圾识别方法。
[0040]从以上技术方案可以看出，本申请具有以下优点：
[0041]本申请提供了一种道路垃圾识别方法，包括：获取自动驾驶清扫车在低光照环境下的道路中实时采集的视频数据，得到低光照视频数据，低光照视频数据包含道路垃圾；将低光照视频数据按图像帧输入到预置低光增强模型中对各图像帧进行图像增强，得到光照增强视频数据；对光照增强视频数据进行道路垃圾识别，得到道路垃圾识别结果。
[0042]本申请中，在获取到自动驾驶清扫车在低光照环境下的道路中实时采集的低光照视频数据后，通过预置低光增强模型对低光照视频数据中的各图像帧进行图像增强，以获取高光照的视频数据，通过增强后的光照增强视频数据进行道路本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种道路垃圾识别方法，其特征在于，包括：获取自动驾驶清扫车在低光照环境下的道路中实时采集的视频数据，得到低光照视频数据，所述低光照视频数据包含道路垃圾；将所述低光照视频数据按图像帧输入到预置低光增强模型中对各图像帧进行图像增强，得到光照增强视频数据；对所述光照增强视频数据进行道路垃圾识别，得到道路垃圾识别结果。2.根据权利要求1所述的道路垃圾识别方法，其特征在于，所述预置低光增强模型的训练过程为：构建训练集，所述训练集包括低光、中光和高光三种光照强度的图像；通过增强模型对所述训练集中的中光图像进行图像增强，得到高光生成图像，并通过退化模型对所述高光生成图像进行图像退化，得到第一中光生成图像；通过所述退化模型对所述训练集中的中光图像进行图像退化，得到低光生成图像，并通过所述增强模型对所述低光生成图像进行图像增强，得到第二中光生成图像；根据所述中光图像、所述第一中光生成图像和所述第二中光生成图像计算损失值，并根据所述低光图像、所述高光图像判别所述低光生成图像、所述高光生成图像的真假，得到判别结果；通过所述损失值和所述判别结果优化所述增强模型和所述退化模型的网络参数，得到训练好的增强模型和退化模型，将训练好的增强模型作为预置低光增强模型。3.根据权利要求2所述的道路垃圾识别方法，其特征在于，所述根据所述中光图像、所述第一中光生成图像和所述第二中光生成图像计算损失值，包括：对所述中光图像、所述第一中光生成图像、所述第二中光生成图像两两进行循环一致性损失计算和感知损失计算，得到所述中光图像、所述第一中光生成图像、所述第二中光生成图像两两之间的循环一致性损失值和感知损失值。4.根据权利要求3所述的道路垃圾识别方法，其特征在于，对所述中光图像、所述第一中光生成图像、所述第二中光生成图像两两进行感知损失计算，得到所述中光图像、所述第一中光生成图像、所述第二中光生成图像两两之间的感知损失值，包括：将所述中光图像、所述第一中光生成图像、所述第二中光生成图像分别输入到预置卷积神经网络模型中进行特征提取，对应得到第一特征图、第二特征图、第三特征图；对所述第一特征图、所述第二特征图、所述第三特征图两两进行欧式距离计算，并根据特征图的大小对计算得到的欧式距离求平均，得到所述中光图像、所述第一中光生成图像、所述第二中光生成图像两两之间的感知损失值。5.根据权利要求2所述的道路垃圾识别方法，其特征在于，所述根据所述低光图像、所述高光图像判别所述低光...
【专利技术属性】
技术研发人员：康志清，吴荣华，霍达，杨庆雄，
申请(专利权)人：广州文远知行科技有限公司，
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。