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】
本专利技术涉及滤波图像增强,具体涉及一种智能铣刨机优化控制方法及系统。
技术介绍
1、铣刨机是道路养护设备的一种,用于去除道路表面的损坏层,以便进行修复和重新铺设道路。在通过铣刨机进行道路养护时,合理的行进速度能够在保证施工质量的同时提高施工效率;但是道路上不同的区域受到的路面损伤不同,也即路面质量不同,导致不同的路面需要不同的施工时间去保证施工质量;因此为了保证施工质量和施工效率,铣刨机需要在路面质量指数不同的路面上调整不同的行进速度;也即铣刨机需要根据前进路面的质量选择行进速度。
2、考虑到通过图像能够直接清楚的反映前进路面的具体情况,因此通常在铣刨机行进过程中采集路面图像;并将路面图像输入到训练好的深度学习模型中,输出所需要的路面质量,并根据路面质量进行铣刨机行进速度的控制。但是由于铣刨机工作环境和采集设备的影响,铣刨机在行进过程中所采集到的图像会受到噪声干扰,因此为了保证通过深度学习模型输出得到的路面质量的准确性,需要对采集到的路面图像进行去噪预处理。现有技术通常采用非局部均值滤波方法对采集到的路面灰度图像进行滤波处理;但是非局部均值滤波方法对图像的滤波效果受到主观选取的先验参数的影响较大,也即会受到搜索窗口长度和邻域窗口长度的影响;而路面质量状况较为复杂,非局部均值滤波方法中单一先验参数的选取无法保证对路面图像中不同区域的去噪效果,导致得到的路面去噪图像的去噪效果较差,也即现有技术通过非局部均值滤波方法对铣刨机行进过程中前进路面的路面灰度图像的去噪效果较差,使得基于去噪后的路面去噪图像对铣刨机的行进速度进行
技术实现思路
1、为了解决现有技术通过非局部均值滤波方法对铣刨机行进过程中前进路面的路面灰度图像的去噪效果较差,使得基于去噪后的路面去噪图像对铣刨机的行进速度进行优化调整的效果较差的技术问题,本专利技术的目的在于提供一种智能铣刨机优化控制方法及系统,所采用的技术方案具体如下:
2、本专利技术提出了一种智能铣刨机优化控制方法,所述方法包括:
3、获取铣刨机行进过程中每块前进路面的路面灰度图像和对应的点云数据矩阵;所述点云数据矩阵中每个点云数据点对应路面灰度图像中的每个像素点;
4、根据点云数据矩阵中的点云数据点的空间位置分布情况,将所述路面灰度图像划分为至少两个局部图像块;根据每个局部图像块中的灰度梯度分布情况,得到每个局部图像块的纹理特征明显程度;根据点云数据点的路面高程值分布集中情况和所述纹理特征明显程度,得到路面灰度图像的噪声干扰程度;
5、根据各个局部图像块的面积和纹理特征明显程度,得到路面灰度图像的搜索窗口长度;根据所述搜索窗口长度、所述噪声干扰程度以及每个像素点所处局部图像块的纹理特征明显程度,得到每个像素点的邻域窗口长度;
6、在每个像素点所处的搜索窗口中,基于非局部均值滤波方法,结合所述噪声干扰程度根据每个像素点的邻域窗口与滑动遍历得到的各个邻域窗口之间,在灰度分布情况、纹理特征明显程度和路面高程值分布情况上的相似程度,得到每个像素点的最终滤波灰度值;
7、根据所述路面灰度图像中各个像素点的最终滤波灰度值,得到路面去噪图像;根据所述路面去噪图像对铣刨机的行进速度进行优化调整。
8、进一步地,所述局部图像块的获取方法包括:
9、在所述路面灰度图像中,根据点云数据矩阵中的所有点云数据点的像素坐标通过k-means聚类算法进行聚类分析,得到至少两个点云数据点聚类簇;将每个点云数据点聚类簇在所述路面灰度图像中对应的图像区域,作为一个局部图像块。
10、进一步地,所述纹理特征明显程度的获取方法包括:
11、在每个局部图像块中,将每个像素点与所处的局部图像块的质心之间的距离,作为每个像素点的参考距离;
12、将每个像素点的灰度梯度值的归一化值与所述参考距离之间的乘积,作为每个像素点的局部纹理特征值;
13、将每个局部图像块中所有像素点的局部纹理特征值的均值的归一化值,作为每个局部图像块的纹理特征明显程度。
14、进一步地,所述噪声干扰程度的获取方法包括:
15、将每个局部图像块中所有点云数据点的路面高程值的方差的归一化值,作为每个局部图像块的路面损伤程度;根据所述路面损伤程度的负相关映射值与所述纹理特征明显程度的乘积,作为每个局部图像块的纹理特征参数;将所有局部图像块的纹理特征参数的均值,作为路面灰度图像的噪声干扰程度。
16、进一步地,所述搜索窗口长度的获取方法包括:
17、将每个局部图像块的面积的算术平方根与所述纹理特征明显程度的乘积,作为每个局部图像块的参考窗口长度;将所有局部图像块的参考窗口长度的均值向上取奇数整,得到路面灰度图像的搜索窗口长度。
18、进一步地,所述邻域窗口长度的获取方法包括:
19、将所述搜索窗口长度、所述噪声干扰程度与每个像素点所处局部图像块的纹理特征明显程度的乘积向上取奇数整,得到每个像素点的邻域窗口长度。
20、进一步地,所述最终滤波灰度值的获取方法包括:
21、依次将每个像素点作为目标像素点;将目标像素点的搜索窗口作为目标搜索窗口;将以目标像素点为中心的邻域窗口,作为目标邻域窗口;
22、以与目标邻域窗口形状大小相同的滑动窗口遍历所述目标搜索窗口,得到至少两个对比邻域窗口;将每个对比邻域窗口的中心位置对应的像素点,作为对比像素点;将目标邻域窗口中的所有像素点以从左到右从上到下的顺序排列,得到目标邻域窗口的像素点参考序列;将每个对比邻域窗口中的所有像素点以从左到右从上到下的顺序排列,得到每个对比邻域窗口对应的像素点参考序列;
23、以所述噪声干扰程度为权重,根据每个对比邻域窗口与目标邻域窗口之间的像素点参考序列,在灰度分布情况、纹理特征明显程度和路面高程值分布情况上的相似度,构建窗口相似度计算模型;根据窗口相似度计算模型得到每个对比邻域窗口的窗口相似度;
24、将每个对比邻域窗口的窗口相似度与所有对比邻域窗口的窗口相似度的累加值之间的比值,作为每个对比邻域窗口的滤波权重;将所述滤波权重与每个对比邻域窗口的对比像素点的灰度值之间的乘积,作为每个对比邻域窗口的参考加权灰度值;将所有对比邻域窗口的参考加权灰度值的累加值,作为目标像素点的最终滤波灰度值。
25、进一步地,所述根据所述路面去噪图像对铣刨机的行进速度进行优化调整的方法包括:
26、将路面去噪图像输入到训练好的卷积神经网络中,输出铣刨机行进过程中每块前进路面的路面质量指数;根据路面质量指数调整铣刨机的行进速度。
27、进一步地,所述窗口相似度计算模型包括:
28、
29、其中,为目标邻域窗口对应的第个对比邻域窗口的窗口相似度;为路面灰度图像的噪声干扰程度;为目标邻域窗口和第个对比邻域窗口对应的像素点参考序列中的像素点数量;为目标邻域窗口的像素点参考序列中所有像本文档来自技高网...
【技术保护点】
1.一种智能铣刨机优化控制方法,其特征在于,所述方法包括:
2.根据权利要求1所述的一种智能铣刨机优化控制方法,其特征在于,所述局部图像块的获取方法包括:
3.根据权利要求1所述的一种智能铣刨机优化控制方法,其特征在于,所述纹理特征明显程度的获取方法包括:
4.根据权利要求1所述的一种智能铣刨机优化控制方法,其特征在于,所述噪声干扰程度的获取方法包括:
5.根据权利要求1所述的一种智能铣刨机优化控制方法,其特征在于,所述搜索窗口长度的获取方法包括:
6.根据权利要求1所述的一种智能铣刨机优化控制方法,其特征在于,所述邻域窗口长度的获取方法包括:
7.根据权利要求1所述的一种智能铣刨机优化控制方法,其特征在于,所述最终滤波灰度值的获取方法包括:
8.根据权利要求1所述的一种智能铣刨机优化控制方法,其特征在于,所述根据所述路面去噪图像对铣刨机的行进速度进行优化调整的方法包括:
9.根据权利要求7所述的一种智能铣刨机优化控制方法,其特征在于,所述窗口相似度计算模型包括:
10.一
...【技术特征摘要】
1.一种智能铣刨机优化控制方法,其特征在于,所述方法包括:
2.根据权利要求1所述的一种智能铣刨机优化控制方法,其特征在于,所述局部图像块的获取方法包括:
3.根据权利要求1所述的一种智能铣刨机优化控制方法,其特征在于,所述纹理特征明显程度的获取方法包括:
4.根据权利要求1所述的一种智能铣刨机优化控制方法,其特征在于,所述噪声干扰程度的获取方法包括:
5.根据权利要求1所述的一种智能铣刨机优化控制方法,其特征在于,所述搜索窗口长度的获取方法包括:
6.根据权利要求1所述的一种智能铣刨机优化控制方法,其特征在于,所述邻域窗口长...
【专利技术属性】
技术研发人员:李军科,张腾,宋博,马水跃,库富强,
申请(专利权)人:陕西中环机械有限责任公司,
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。