一种基于无人机图像的排水口堵塞检测方法及系统与流程

本发明涉及图像检测，具体涉及一种基于无人机图像的排水口堵塞检测方法及系统。

背景技术：

1、目前，基于无人机航拍图像的排水口检测方法主要包括两类：一类是基于传统图像处理的方法，采用灰度阈值分割、边缘检测、形态学操作等手段识别排水口区域；另一类是基于深度学习目标检测的方法，利用卷积神经网络对排水口进行定位识别。这两类方法在一定程度上实现了对排水口的自动检测，初步替代了人工登高巡检。

2、然而，上述现有方法仍存在以下技术问题：首先，现有方法仅依赖二维图像信息，无法感知场景中的三维深度关系，当排水口被墙体、管道等前方构筑物遮挡时，极易将遮挡区域误判为堵塞区域，无法有效区分“被遮挡”与“真实堵塞”两种截然不同的状态；其次，现有方法未充分利用排水口本身固有的圆形几何先验特征，在拍摄角度倾斜、图像畸变或排水口边缘部分缺失时，检测定位精度显著下降；再次，现有方法缺乏对光照变化的适应机制，在强光直射、阴天弱光、局部阴影等复杂光照条件下检测稳定性不足；此外，现有方法在进行堵塞判定时缺乏有效的空间一致性约束，仅凭二维纹理或颜色特征进行阈值分割，容易受背景纹理干扰而产生误判。

技术实现思路

1、为了解决相关技术中的问题，本发明提供了一种基于无人机图像的排水口堵塞检测方法及系统。

2、为了达到上述目的，本发明采用的技术方案包括：

3、根据本发明的第一方面，提供了一种基于无人机图像的排水口堵塞检测方法，包括如下步骤：

4、获取无人机航拍的包含排水口的原始图像；

5、对所述原始图像进行目标检测，识别并定位图像中的排水口，输出每个排水口对应的检测框；

6、对所述原始图像进行图像增强预处理，得到增强图像；

7、将所述增强图像输入预训练的单目深度估计模型，生成与所述增强图像空间分辨率对齐的深度图；

8、以所述检测框为感兴趣区域，在所述感兴趣区域内对排水口进行圆形结构拟合，得到拟合圆形轮廓；

9、基于所述检测框与所述拟合圆形轮廓的交集区域在所述深度图中的深度值计算深度参考基准，以所述深度参考基准为依据遍历所述拟合圆形轮廓内的每一像素，将深度值与所述深度参考基准的差异在预设阈值内的像素保留为有效像素，将差异超出所述预设阈值的像素作为遮挡物剔除，并根据有效像素占所述拟合圆形轮廓总像素的比例判定排水口是否处于遮挡状态；

10、当判定排水口未处于遮挡状态时，对所述有效像素所在的区域进行二值化处理，统计堵塞物像素数量；

11、根据所述堵塞物像素数量占所述拟合圆形轮廓总像素的比例判定排水口的堵塞状态；

12、输出包含排水口位置、拟合圆形轮廓参数、遮挡状态和堵塞状态的检测结果。

13、可选地，对所述原始图像进行图像增强预处理具体包括：

14、将所述原始图像转换至lab颜色空间，分离出亮度通道和色度通道；

15、对所述亮度通道采用限制对比度自适应直方图均衡化算法进行增强处理，保留所述色度通道不变；

16、将增强处理后的亮度通道与原始色度通道合并，得到所述增强图像。

17、可选地，在所述感兴趣区域内对排水口进行圆形结构拟合，具体包括：

18、在所述感兴趣区域内应用霍夫圆变换算法，基于梯度方向投票机制在三维参数空间中进行圆形参数搜索；

19、设定圆形半径的最小值和最大值，其中，和分别为所述检测框的宽度和高度；

20、选取所述三维参数空间中累加器峰值对应的圆形参数作为拟合结果；

21、当霍夫圆变换检测失败时，以所述检测框的中心为圆心、所述检测框短边的50%为半径进行近似圆拟合。

22、可选地，基于所述检测框与所述拟合圆形轮廓的交集区域在所述深度图中的深度值计算深度参考基准，具体包括：

23、分别生成所述拟合圆形轮廓的二值掩码和所述检测框的二值掩码；

24、将所述拟合圆形轮廓的二值掩码与所述检测框的二值掩码进行逐像素交集运算，得到交集掩码；

25、提取所述交集掩码所对应的像素在所述深度图中的深度值，计算所提取的所有深度值的算术平均值，作为所述深度参考基准，具体通过以下方式计算：，其中，求和符号表示对所述交集掩码内的所有像素求和，表示像素在所述深度图中的深度值，表示所述交集掩码的总像素数。

26、可选地，以所述深度参考基准为依据遍历所述拟合圆形轮廓内的每一像素，将深度值与所述深度参考基准的差异在预设阈值内的像素保留为有效像素，将差异超出所述预设阈值的像素作为遮挡物剔除，具体包括：

27、遍历所述拟合圆形轮廓内的每一像素，计算其深度值与所述深度参考基准的绝对差值，即；

28、设定深度相似性阈值，基于以下判据生成有效像素掩码：

29、对于所述拟合圆形轮廓内的像素，当时，令，表示该像素为有效像素予以保留；当时，令，表示该像素作为遮挡物予以剔除。

30、可选地，根据有效像素占所述拟合圆形轮廓总像素的比例判定排水口是否处于遮挡状态，具体包括：

31、计算有效像素比，其中，表示所述拟合圆形轮廓的总像素数；

32、设定遮挡判定阈值，当时，判定排水口处于遮挡状态；

33、当时，判定排水口未处于遮挡状态，进入堵塞状态判定流程。

34、可选地，对所述有效像素所在的区域进行二值化处理，统计堵塞物像素数量，具体包括：

35、将所述原始图像转换至hsv色彩空间，提取明度通道；

36、以预设的明度阈值对所述明度通道进行二值化分割；

37、将二值化分割结果与所述有效像素掩码进行按位与操作，得到最终堵塞物二值掩码；

38、统计所述最终堵塞物二值掩码中表征堵塞物的像素数量。

39、可选地，根据所述堵塞物像素数量占所述拟合圆形轮廓总像素的比例判定排水口的堵塞状态，具体包括：

40、计算堵塞面积占比；

41、设定堵塞判定阈值，当时，判定排水口处于堵塞状态；

42、当时，判定排水口处于通畅状态。

43、可选地，所述单目深度估计模型采用midas模型中的dpt-hybrid架构，所述深度图通过双三次插值上采样至所述原始图像的分辨率；所述深度相似性阈值的取值范围为20至50，所述遮挡判定阈值的取值范围为30%至40%，所述堵塞判定阈值为40%至45%，所述明度阈值为35至50。

44、根据本发明的第二方面，提供了一种基于无人机图像的排水口堵塞检测系统，用于执行本发明第一方面中任一项技术方案所述的基于无人机图像的排水口堵塞检测方法，所述系统包括：

45、无人机航拍模块，用于搭载相机，按照规划路径采集目标区域图像；

46、无线图像传输模块，用于将所述无人机航拍模块采集的图像实时传输至边缘数据处理模块；

47、边缘数据处理模块，内置本发明第一方面中任一项技术方案所述的方法，用于对接收到的图像进行排水口堵塞检测；

48、检测结果输出模块，用于将所述边缘数据处理模块输出的检测结果以图像标记和/或文字报表形式进行可视化展示。

49、有益效果：

50、1、第一，本发明能够精准区分遮挡与堵塞，从根源上解决行业痛点。具体的，本发明突破传统方法仅依赖二维表观特征的局限，通过引入单目深度估计获取场景稠密深度图，赋予检测算法三维空间感知能力；并以检测框与拟合圆交集区域深度平均值为参考基准，通过深度一致性过滤机制将位于不同深度平面的遮挡物精准剔除。这样，就可以从三维空间关系出发，从根本上解决遮挡与堵塞的判别难题，大幅降低误判率。

51、第二，本发明充分利用圆形几何先验，能够有效地提升定位鲁棒性。具体的，本发明针对排水口固有的圆形结构特征，采用霍夫圆变换进行圆形轮廓拟合，以几何约束弥补目标检测框的定位偏差与局部边缘缺失。即便在拍摄角度倾斜、排水口部分被遮挡等不利条件下，仍能从可见边缘恢复完整圆形轮廓，能够有效地提升定位的稳定性与准确性。

52、第三，本发明的交集区域锚定策略能够确保深度基准纯净可靠。具体的，本发明以检测框与拟合圆的交集区域作为深度参考基准的计算来源，该区域受检测框与拟合圆双重约束，能够精准锚定排水口本体核心区域，有效排除圆形外缘的屋顶背景像素及检测框内非排水口干扰像素，从源头保证深度参考基准的纯净性与可靠性。

53、第四，本发明的分级判定逻辑能够有效地提升计算效率。具体的，本发明采用“先判断能否看到排水口，再看排水口是否被堵”的分级策略，在遮挡状态下直接输出结果，避免对严重遮挡样本进行无效的堵塞量化计算，能够有效地提升算法的运行效率与工程实用性。

54、第五，本发明的固定分母策略能够确保堵塞量化客观可比。具体的，本发明以拟合圆形总像素为固定分母计算堵塞面积占比，而非以深度过滤后的有效像素为分母，避免局部遮挡场景下分母减小导致堵塞占比虚高的系统性偏差，确保不同遮挡程度下堵塞评估结果的客观性和可比性。

55、第六，本发明的整体流程简洁高效，能够适配于边缘计算部署。具体的，本发明摒弃了连通域分析、纹理复杂度等依赖启发式阈值的中间步骤，核心判定参数精简为仅四个物理含义明确的阈值，算法流程简洁、结果可复现。整体方案计算复杂度低、内存占用小，无需高性能计算设备即可部署于无人机机载处理器或边缘计算终端，满足实时巡检需求。

56、2、本发明的其他有益效果或优势将在具体实施方式中进行详细描述。