[发明专利]基于图像金字塔的厂区车辆智能清洁方法、装置及设备

说明书

本发明涉及人工智能技术领域，具体涉及一种基于图像金字塔的厂区车辆智能清洁方法、装置及设备。该方法包括：获取车辆初始图像中的脏污像素点；将当前尺度的窗口及其相邻的多个窗口划为一个区域，以窗口之间脏污像素点数量的最大差异量将区域划分为第一分布相似区域和第一分布差异区域；对第一分布相似区域划分区域脏污类型；自适应调节窗口的当前尺度，以使第一分布差异区域调整为第二分布相似区域；获取所有分布相似区域内脏污像素点的占比，以区域脏污类型和脏污像素点的占比得到脏污程度，根据脏污程度调节清洗强度。利用本发明，良好解决了因脏污程度不同而造成盲目清洗的问题，在有效提高了清洗质量的同时尽可能的减少了资源浪费。

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于图像金字塔的厂区车辆智能清洁方法、装置及设备。

背景技术

对于在工厂以及建筑工地中运输沙石、泥土的泥头车而言，其车辆上不同区域的脏污程度差异较大，现阶段检测车辆脏污程度的常用方法有光反射法、图像减除方法以及DNN网络分割等。其中，光反射法受到外界光照的影响较大，且需要配置光源设备和接收设备，成本较高；图像减除方法需要获得与待检测车辆型号一致的干净车辆图像，对车辆的型号和方案的实施限制均较大；而DNN网络分割可能会因为阈值的设定将脏污程度很接近的两个区域划分为不同的脏污等级。

因此在自动洗车时常常因为脏污程度判断的不准确从而造成盲目清洗，不仅造成了资源浪费而且也无法保证清洗质量。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于图像金字塔的厂区车辆智能清洁方法、装置及设备，所采用的技术方案具体如下：

第一方面，本发明一个实施例提供了一种基于图像金字塔的厂区车辆智能清洁方法，该方法包括以下具体步骤：

获取初始图像，所述初始图像包括车辆；将所述初始图像的像素点分类获取车辆像素点和脏污像素点；采用当前尺度的窗口在所述初始图像中进行滑动，将所述窗口及其相邻的多个窗口划为一个区域，获取所述区域内窗口之间所述脏污像素点数量的最大差异量，根据所述最大差异量将所述区域划分为第一分布相似区域和第一分布差异区域；对每个所述第一分布相似区域进行分类得到区域脏污类型；自适应调节所述窗口的当前尺度，对所述第一分布差异区域进行滑动得到相应的第二分布相似区域，并获取相应的区域脏污类型；获取每个所述第一分布相似区域和所述第二分布相似区域内脏污像素点的占比，将所述区域脏污类型作为所述脏污像素点的占比的权重得到脏污程度，根据所述脏污程度调节清洗强度。

优选的，所述获取所述区域内窗口之间所述脏污像素点数量的最大差异量的步骤，包括：计算所述区域内所有所述窗口之间像素点的差值，对每个所述差值取绝对值，将所述绝对值最大的差值作为所述最大差异量。

优选的，所述根据所述最大差异量将所述区域划分为分布相似区域和分布差异区域的步骤，包括：将每两个窗口之间所述脏污像素点的最大差异量与脏污差异量阈值进行比较，将所述最大差异量小于所述阈值的区域划分为分布相似区域。

优选的，所述对每个所述第一分布相似区域进行分类得到区域脏污类型的步骤，包括：根据所述第一分布相似区域中每个窗口的脏污类型的占比确定区域脏污类型；所述窗口的脏污类型是根据窗口内所述脏污像素点的占比确定的类型。

优选的，所述自适应调节所述窗口的当前尺度的步骤，包括：调节所述窗口的尺度，以对所述第一分布差异区域进行滑窗后划分为第二分布相似区域的尺度作为第一尺度；在所述第二分布相似区域的区域脏污类型为脏污聚集区域时，以相邻区域与所述脏污聚集区域的区域类型不一致的第一尺度作为当前尺度。

优选的，所述脏污程度与所述每个区域类型内脏污像素点的占比成正相关关系。

优选的，所述窗口的脏污类型是根据窗口内所述脏污像素点的占比确定的类型的步骤，还包括：计算当前尺度下窗口内的脏污像素点所占比例，将所述脏污像素点占比与设定的阈值进行比较，以比较结果对窗口的脏污类型进行划分。