(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111618386.9 (22)申请日 2021.12.27 (71)申请人 中用科技有限公司 地址 230031 安徽省合肥市蜀山区宿松路 3963号智能装备 科技园E栋12层 (72)发明人 江大白　胡增　刘洋　 (74)专利代理 机构 合肥洪雷知识产权代理事务 所(普通合伙) 34164 专利代理师 郎海云 (51)Int.Cl. G06T 7/00(2017.01) G06T 5/00(2006.01) (54)发明名称 一种路面损 毁标线实时智能检测系统与方 法 (57)摘要 本发明公开了一种路面损 毁标线实时智能 检测系统与方法,包括路面图像采集模块、 图像 算法处理模块和图像对比判断模块； 将图像算法 处理模块和图像对比判断模块分别用计算机和 FPGA来进行控制操作， 将摄像头安置于计算机的 USB端口， 构成分布式处理系统； 首先通过计算机 驱动路面图像采集模块进行路面标线的图像采 集， 再利用图像算法处理模块将当前情况转化成 电信号， FPGA不断的对信号循环采样， 然后根据 图像对比判断模块判断出路面标线是否出现损 坏以及损坏的程度， 该发明以FPGA为控制核心， 集FPGA、 数字图像算法处理和数字电子电路技术 功能于一体， 利用灰度图像去噪算法克服了现有 问题中灰度图像噪声大影 响图像判断的问题， 有 效的提高了路面标线损坏的识别效率与准确度。 权利要求书3页 说明书8页 附图2页 CN 114782301 A 2022.07.22 CN 114782301 A 1.一种路面损毁标线实时智能检测系统， 其特征在于,该系统包括路面图像采集模块、 图像算法处理模块和图像对比判断模块； 将图像算法处理模块和图像对比判断模块分别用 计算机和FPGA来进行控制操作， 将摄像头安置于计算机的USB端口， 构成分布式处理系统； 首先通过计算机驱动路面图像采集模块进 行路面标线的图像采集， 再利用图像算法处理模 块将当前情况转化成电信号， FPGA不 断的对信号循环采样， 然后根据图像对比判断模块判 断出路面标线是否出现损坏以及损坏的程度。 2.如权利要求1所述的一种路面损毁标线实时智能检测系统， 其特征在于， 所述路面图 像采集模块， 利用数字摄像头对路面标线进行图像采集， 并将采集的信息传输给计算机进 行处理， 数字摄 像头直接拍摄路面影 像， 然后通过串、 并口或者USB接口传到计算机里； 所述图像算法处理模块， 图像对比算法是将两张连续的图片进行点对点的分析， 首先 将彩色图像转换为色相、 饱和度、 明亮度形式存储的灰度图像， 再由图像转换为数据形式进 行分析和计算， 利用两张图片相对应的点的差值与设定的参数进 行比较来判断两张图片是 否相同。 3.如权利要求1所述的一种路面损毁标线实时智能检测系统， 其特征在于， 所述图像对 比判断模块， 图像对比判断模块的硬件电路以FPGA  Kintex7为核心， 整个系统是利用图像 对比和FPGA的判断， 实现标线图像的数据采集， 利用RS485串行通讯接口实现计算机与FPGA 之间的数据通信， FPGA循环进行检测， 当检测到有信号时， 利用FPGA驱动蜂鸣器， 实现声报 警， 直到按下复位键时， 停止报警。 4.如权利要求1所述的一种路面损毁标线实时智能检测系统， 其特征在于， 所述图像对 比判断模块的软件由主程序和中 断服务程序两部分组成， 主程序主要完成对系统的初始 化 以及对系统进 行监视， 并判断是否有异常， 子程序主要进行报警服务子系统的控制， 达到报 警效果； 所述主程序流程中串行通信程序主要包括计算机发送程序和FPGA接收程序， 计算机发 送采用串口调试助手来完成， FPGA接收程序采用C语言编写； 首先FPGA初始化完成， 向数据 存储器写入图像处理信息， 接着再读出数据存储器的数据， 然后反 复进入中断， 在中 断服务 程序中判断中 断接收标志位， 当接收完成后进行报警查询， 如果出现则触发报警， 如果不出 现则返回继续 查询。 5.如权利要求1所述的一种路面损毁标线实时智能检测方法， 其特 征在于， 步骤S1： 将以红、 绿和蓝形式存储的路面标线图像转化成 以色相、 饱和度、 明亮度形式 存储的灰度图像； 步骤S2： 利用增强卷积去噪算法对灰度图像进行去噪处 理； 步骤S3： 对去噪后的图像进行对比度增强处 理； 步骤S4： 将增强处理后的路面标线图像与完好路面标线图像进行对比， 当对比的完整 度小于90％， 判定路面标线损坏。 6.如权利要求1所述的一种路面损毁标线实时智能检测方法， 其特征在于， 所述步骤 S1， cr， cg， cb分别是路面标线中的红、 绿和蓝的值， cr， cg， cb的值是在0 ‑255之间的整数， Jmax 是cr， cg， cb中的最大值， Jmin是cr， cg， cb中的最小值， A、 B、 C为色相、 饱和度、 明亮度空间中的 通道值， 则有权　利　要　求　书 1/3 页 2 CN 114782301 A 2C通道提取得到的像素值为C∈[0， 1]， 灰度化后得到的像素值为d∈[0， 255]， 找到一组 权重e和g使e+g＝1， 优化后的像素 灰度值为： d′＝e×C×255+g×d。 7.如权利要求1所述的一种路面损毁标线实时智能检测方法， 其特征在于， 所述步骤 S2， 设n和q分别表 示灰度图像和噪声， n＝m+q表 示含有噪声的灰度图像， 利用增强卷积去噪 算法对给定的灰度图像n， 准确还出 无噪声图像m； 所述增强卷积去噪算法对于灰度图像n， 将其按照步长为v划分成多个大小为u ×u的图 像块 对于每个图像块 生成的高斯噪声 与 相加得到噪声图像块 其中， 对灰度图像块进行上述操作得到包含K个噪声图像块的 训练数据集 所述增强卷积去噪算法包括两条路径， 分别为去噪通道和提议通道， 两条路径网络结 构相同， 称为基网络， 去噪通道训练能输出去噪的去噪模型， 拟合 提议 通道是一个输入为 的编码器－解码器结构， 为隐藏层生 成辅助监督信息， 在增强卷积去 噪算法中， 首先单独训练提议通道， 然后将提议通道中每个隐藏层的输出编码视为监督信 息， 对提议通道和去噪通道相对应的隐藏层逐层计算辅助监 督损失， 用以进行 联合训练。 8.如权利要求1所述的一种路面损毁标线实时智能检测方法， 其特征在于， 所述基网络 h(·)包含P个隐藏层， P表示为隐含层的个数， 用 η＝{θ1， θ2，…， θs}和 ζ＝{φ1， φ2，…， φs} 分别表示去噪通道和提议通道的网络参数， 用 η1→y＝{θ1， θ2，…， θy}和ζ1→y＝{φ1， φ2，…， φy}分别表示第y层前的全部网络参数， 分别简记为 ηy和 ζy， 使用如下目标函数 单独训练提 议通道：权　利　要　求　书 2/3 页 3 CN 114782301 A 3