本发明专利技术实施例提供一种道路病害识别方法，当扫描到路面积水时，获取路面积水的扫描图和红外热力图；通过训练好的图像生成模型对扫描图和红外热力图进行图像生成处理，得到没有路面积水的目标图像；基于目标图像对路面积水下的路面进行病害识别。通过路面积水的扫描图和红外热力图来生成没有路面积水的目标图像，利用目标图像来对路面积水对应的路面进行病害识别，由于积水和道路的比热容不同，道路和积水的散热方式也不同，不同路面和不同积水的红外热力图不同，红外热力图可以隐含有道路和积水关于热力的区别，因此，可以利用红外热力图的隐含信息和扫描图的纹理来生成没有积水的图像，进而提高道路病害识别的准确率。进而提高道路病害识别的准确率。进而提高道路病害识别的准确率。
【技术实现步骤摘要】
道路病害识别方法、装置、电子设备及存储介质
[0001]本专利技术涉及智慧交通
，尤其涉及一种道路病害识别方法、装置、电子设备及存储介质。
技术介绍
[0002]通过扫描车可以对道路进行病害扫描，不需要人工去发现道路上的病害，可以节省大量的人力资源。由于道路扫描是在户外环境完成，一些类型的道路病害会存在积水，积水下方的路面可能存在道路病害，也可能不存在道路病害，由于积水对路面形成遮挡，无法采集到积水下方的路面图像来进行病害识别。因此，在道路存在积水时，病害扫描的准确率较低。
技术实现思路
[0003]本专利技术实施例提供一种道路病害识别方法，旨在解决在道路存在积水时，病害扫描的准确率较低的问题。通过路面积水的扫描图和红外热力图来生成没有路面积水的目标图像，利用目标图像来对路面积水对应的路面进行病害识别，由于积水和道路的比热容不同，道路和积水的散热方式也不同，不同路面和不同积水的红外热力图不同，红外热力图可以隐含有道路和积水关于热力的区别，因此，可以利用红外热力图的隐含信息和扫描图的纹理来生成没有积水的图像，进而提高道路病害识别的准确率。
[0004]第一方面，本专利技术实施例提供一种道路病害识别方法，所述方法包括：
[0005]当扫描到路面积水时，获取所述路面积水的扫描图和红外热力图，所述扫描图与所述红外热力图具有相同的图像参数；
[0006]通过训练好的图像生成模型对所述扫描图和所述红外热力图进行图像生成处理，得到没有所述路面积水的目标图像；
[0007]基于所述目标图像对所述路面积水下的路面进行病害识别。
[0008]可选的，所述通过训练好的图像生成模型对所述扫描图和所述红外热力图进行图像生成处理，得到没有所述路面积水的目标图像，包括：
[0009]对所述扫描图和所述红外热力图进行对齐处理，得到对齐后的扫描图和红外热力图；
[0010]通过训练好的图像生成模型对所述对齐后的扫描图和红外热力图进行图像生成处理，得到没有所述路面积水的目标图像。
[0011]可选的，所述对所述扫描图和所述红外热力图进行对齐处理，得到对齐后的扫描图和红外热力图，包括：
[0012]对所述扫描图以及所述红外热力图分别进行图像分割处理，得到在所述扫描图中的第一积水区域，以及在所述红外热力图中的第二积水区域；
[0013]通过所述第一积水区域与所述第二积水区域对所述扫描图和所述红外热力图进行对齐处理，得到对齐后的扫描图和红外热力图。
[0014]可选的，所述图像生成模型包括卷积结构和反卷积结构，所述通过训练好的图像生成模型对所述对齐后的扫描图和红外热力图进行图像生成处理，得到没有所述路面积水的目标图像，包括：
[0015]将所述对齐后的扫描图和红外热力图进行通道融合，得到输入图像，输入图像包括扫描图通道和红外热力图通道；
[0016]通过所述卷积结构对所述输入图像进行特征提取，得到所述输入图像的特征向量；
[0017]通过所述反卷积结构对所述特征向量进行反卷积操作，得到没有所述路面积水的目标图像。
[0018]可选的，在所述通过训练好的图像生成模型对所述扫描图和所述红外热力图进行图像生成处理，得到没有所述路面积水的生成图像之前，所述方法还包括：
[0019]获取数据集，以及获取待训练模型，所述数据集包括不同病害类型对应的图像组，每个所述图像组对应一个病害的无积水图、有积水图、有积水红外热力图，所述待训练模型包括待训练生成器和待训练鉴别器；
[0020]将所述有积水图和所述有积水红外热力图输入到待训练生成器中进行图像生成处理，得到生成图像，将所述生成图像输入到待训练鉴别器中与所述无积水图进行鉴别，得到鉴别结果；
[0021]根据所述鉴别结果对所述待训练生成器和所述待训练鉴别器的进行参数调整，并迭代参数调整过程，迭代完成得到训练好的生成器，并将所述训练好的生成器确定为所述图像生成模型。
[0022]可选的，所述根据所述鉴别结果对所述待训练生成器和所述待训练鉴别器的进行参数调整，包括：
[0023]当所述鉴别结果为真时，确定所述待训练鉴别器的第一误差损失；
[0024]保持所述待训练生成器的参数不变，基于所述第一误差损失对所述待训练鉴别器的参数进行调整；
[0025]当所述鉴别结果为假时，确定所述待训练生成器的第二误差损失；
[0026]保持所述待训练鉴别器的参数不变，基于所述第二误差损失对的待训练生成器的参数进行调整。
[0027]可选的，所述基于所述目标图像对所述路面积水下的路面进行病害识别，包括：
[0028]对所述目标图像进行病害识别，得到病害识别结果，所述病害识别结果包括病害置信度；
[0029]若所述病害置信度大于或等于置信度阈值，则确定所述路面积水下的路面存在病害；
[0030]若的病害置信度小于置信度阈值，则确定所述路面积水下的路面不存在病害。
[0031]第二方面，本专利技术实施例还提供了一种道路病害识别装置，所述道路病害识别装置包括：
[0032]第一获取模块，用于当扫描到路面积水时，获取所述路面积水的扫描图和红外热力图，所述扫描图与所述红外热力图具有相同的图像参数；
[0033]第一处理模块，用于通过训练好的图像生成模型对所述扫描图和所述红外热力图
进行图像生成处理，得到没有所述路面积水的目标图像；
[0034]识别模块，用于基于所述目标图像对所述路面积水下的路面进行病害识别。
[0035]第三方面，本专利技术实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本专利技术实施例提供的道路病害识别方法中的步骤。
[0036]第四方面，本专利技术实施例提供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计算机程序，所述计算机程序被处理器执行时实现专利技术实施例提供的道路病害识别方法中的步骤。
[0037]本专利技术实施例中，当扫描到路面积水时，获取所述路面积水的扫描图和红外热力图，所述扫描图与所述红外热力图具有相同的图像参数；通过训练好的图像生成模型对所述扫描图和所述红外热力图进行图像生成处理，得到没有所述路面积水的目标图像；基于所述目标图像对所述路面积水下的路面进行病害识别。通过路面积水的扫描图和红外热力图来生成没有路面积水的目标图像，利用目标图像来对路面积水对应的路面进行病害识别，由于积水和道路的比热容不同，道路和积水的散热方式也不同，不同路面和不同积水的红外热力图不同，红外热力图可以隐含有道路和积水关于热力的区别，因此，可以利用红外热力图的隐含信息和扫描图的纹理来生成没有积水的图像，进而提高道路病害识别的准确率。
附图说明
[0038]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种道路病害识别方法，其特征在于，所述方法包括以下步骤：当扫描到路面积水时，获取所述路面积水的扫描图和红外热力图，所述扫描图与所述红外热力图具有相同的图像参数；通过训练好的图像生成模型对所述扫描图和所述红外热力图进行图像生成处理，得到没有所述路面积水的目标图像；基于所述目标图像对所述路面积水下的路面进行病害识别。2.如权利要求1所述的道路病害识别方法，其特征在于，所述通过训练好的图像生成模型对所述扫描图和所述红外热力图进行图像生成处理，得到没有所述路面积水的目标图像，包括：对所述扫描图和所述红外热力图进行对齐处理，得到对齐后的扫描图和红外热力图；通过训练好的图像生成模型对所述对齐后的扫描图和红外热力图进行图像生成处理，得到没有所述路面积水的目标图像。3.如权利要求2所述的道路病害识别方法，其特征在于，所述对所述扫描图和所述红外热力图进行对齐处理，得到对齐后的扫描图和红外热力图，包括：对所述扫描图以及所述红外热力图分别进行图像分割处理，得到在所述扫描图中的第一积水区域，以及在所述红外热力图中的第二积水区域；通过所述第一积水区域与所述第二积水区域对所述扫描图和所述红外热力图进行对齐处理，得到对齐后的扫描图和红外热力图。4.如权利要求3所述的道路病害识别方法，其特征在于，所述图像生成模型包括卷积结构和反卷积结构，所述通过训练好的图像生成模型对所述对齐后的扫描图和红外热力图进行图像生成处理，得到没有所述路面积水的目标图像，包括：将所述对齐后的扫描图和红外热力图进行通道融合，得到输入图像，输入图像包括扫描图通道和红外热力图通道；通过所述卷积结构对所述输入图像进行特征提取，得到所述输入图像的特征向量；通过所述反卷积结构对所述特征向量进行反卷积操作，得到没有所述路面积水的目标图像。5.如权利要求1所述的道路病害识别方法，其特征在于，在所述通过训练好的图像生成模型对所述扫描图和所述红外热力图进行图像生成处理，得到没有所述路面积水的生成图像之前，所述方法还包括：获取数据集，以及获取待训练模型，所述数据集包括不同病害类型对应的图像组，每个所述图像组对应一个病害的无积水图、有积水图、有积水红外热力图，所述待训练模型包括待训练生成器和待训练鉴...
【专利技术属性】
技术研发人员：程冰，陈宁，李海龙，
申请(专利权)人：深圳云天励飞技术股份有限公司，
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。