[发明专利]基于神经网络与CIM的道路绿化带修剪任务自动生成方法

说明书

本发明提供了一种基于神经网络与CIM的道路绿化带修剪任务自动生成方法，该方法包括：利用道路摄像头对绿化带进行RGB图像的采集，将RGB图像送入语义分割网络，输出语义分割图，将语义分割图作为遮罩对RGB图像进行裁剪操作后得到绿化带图像，对绿化带图像进行后处理，得到纹理特征图，将纹理特征图送入纹理分类网络，经过处理后，输出绿化带的纹理杂乱等级，将纹理分类网络的输出结果存储到CIM中，并根据输出的杂乱等级生成相应的绿化带修剪任务。本发明可对道路绿化带的杂乱情况进行客观准确的判断，并自动生成绿化带修剪任务及时提醒相关部门管理人员对绿化带进行修剪。

技术领域

本发明涉及人工智能、智慧城市领域，尤其是一种基于神经网络与CIM的道路绿化带修剪任务自动生成方法。

背景技术

城市绿化带在自然生长时如果缺乏及时修剪，往往会出现枝冠郁闭与枝条密生现象，不仅影响市容，还会影响人们的通行。目前绿化带的修剪时期需要人工去判断，而利用人工观察，一方面观察人员的劳动强度大，另一方面由于人手紧、成本高以及人的认知程度等因素会导致信息不准和疏漏等现象发生。

发明内容

为了解决上述问题，本发明提出一种基于神经网络与CIM的道路绿化带修剪任务自动生成方法，该方法包括：

步骤一，利用道路上的多个摄像头对绿化带进行RGB图像的采集，并对采集到的RGB图像进行图像拼接得到绿化带全景图，将绿化带全景图投影到预先搭建好的道路区域的CIM中；

步骤二，将采集到的RGB图像送入语义分割网络，输出语义分割图；

步骤三，将语义分割图作为遮罩对RGB图像进行裁剪操作后得到绿化带图像，对绿化带图像进行后处理，得到纹理特征图；

步骤四，将纹理特征图送入纹理分类网络，经过处理后，输出绿化带的纹理杂乱等级；

步骤五，将纹理分类网络的输出结果存储到CIM中，并根据输出的杂乱等级生成相应的绿化带修剪任务。

多个摄像头中相邻两个摄像头的拍摄范围要有重合部分，且所有摄像头的分辨率、刷新率的设置要相同。

在进行图像拼接前要先对采集到的RGB图像进行投影变换操作，将RGB图像投影到同一平面内。

图像拼接的步骤包括图像配准、图像变形、图像融合；其中，图像融合的方法包括羽化法、金字塔融合法、梯度融合法。

语义分割网络包括语义分割编码器和语义分割解码器，语义分割编码器对RGB图像进行特征提取，输出语义特征图，语义分割解码器对语义特征图进行上采样得到语义分割图，语义分割图用于区分绿化带与其他无关元素的语义。

裁剪操作具体为：将遮罩与RGB图像进行乘法操作。

后处理方法可以使用基于灰度共生矩阵的纹理特征提取方法或基于Gabor滤波的纹理特征提取方法或基于自回归模型的纹理特征提取方法。

纹理分类网络包括纹理编码器和全连接层，纹理编码器对纹理特征图进行下采样提取特征，经过拍平操作后送入全连接层进行分类，输出相应的纹理杂乱等级；具体地，纹理杂乱等级包括纹理整齐、纹理一般杂乱、纹理杂乱无序三个等级。

根据输出的杂乱等级生成相应的绿化带修剪任务具体为：当输出的纹理杂乱等级为纹理一般杂乱或纹理杂乱无序时，在CIM中相应绿化带的位置生成一个绿化带修剪任务。

本发明的有益效果在于：

1.本发明利用神经网络技术得到绿化带的杂乱程度，鲁棒性更强，能实现对道路绿化带的生长情况进行客观准确的判断，可自动生成绿化带修剪任务及时提醒相关部门管理人员对绿化带进行修剪，从而减少植物的枝条，保证绿化植物内部的透风，减少害虫的滋生。