本发明涉及道路工程，尤其是涉及一种井盖高差测量和问题井盖分析的巡查方法和系统。
背景技术：
1、井盖是城市道路上常见的附属设施,设置在竖井上，直接承受车轮荷载的反复冲击作用，而且长期暴露在大自然中,所处的环境比较恶劣，井盖容易发生盖面破损或因沉降与路面产生高差，影响行车的舒适性，而车轮碾压过有高差的井盖，会产生冲击荷载，让高差处产生应力集中，容易让井盖周围出现破损甚至是明显的缺损，影响行车安全。
2、目前问题井盖的检测，基本依赖于年度的专项检测，由人工徒步观测，执行效率低，且无法及时发现问题井盖，巡查机动车道井盖时，巡查人员容易受到周围车辆的影响，安全性较低。
3、现有的技术中，在一般的日常巡查中，巡查方式主要依靠人工观测，巡查人员乘坐巡查车辆对道路井盖进行一一排查，巡查时车速较快，巡查人员无法观测清楚井盖状态，也不方便确认井盖权属，因此，测量速度慢，效率低，为了保障测量人员的安全，测量作业时可能需要封闭或半封闭交通，影响道路通行，且徒步测量的频次低，无法及时发现问题井盖。此外，由于徒步测量依赖较多的人工，测量的成本较高，无法实现大范围、高频次的检测。在偏远地区以及很多低等级道路，道路井盖的检测常常被忽略，在环境及冲击荷载的作用下，井盖容易产生损坏。
技术实现思路
1、针对现有技术存在的不足，本发明的目的是提供一种井盖高差测量和问题井盖分析的巡查方法和系统，其使用一种快速的检测手段，高频次地对井盖进行快速筛查，及时发现、处置问题井盖，可以实现问题井盖数量明显减少，降低养护费用，提高道路的行车舒适性、安全性。
2、本发明的上述发明目的是通过以下技术方案得以实现的：
3、一种井盖高差测量和问题井盖分析的巡查系统，包括安装在车辆上的车载广角相机和中央工控机；
4、所述车载广角相机通过所述中央工控机供电，或通过车载供电，所述车载广角相机安装于车外用于采集路面图像，图像采集频率能够随着车速调整，或者受所述中央工控机触发的采集信号控制；
5、所述中央工控机安装于车内，通过车载供电，所述中央工控机内安装有移动互联网模块、定位模块以及采集软件，所述中央工控机给所述车载广角相机发送指令采集图像。
6、作为本发明的进一步的技术方案：所述中央工控机内包含有gpu处理单元，神经网络程序能够借助所述gpu处理单元实现预测加速。
7、作为本发明的进一步的技术方案：所述图像采集频率的调整有两种形式：
8、一是所述采集软件通过所述定位模块，获取车辆的实时车速，并根据车速的大小动态调整图像采集的频次；
9、二是所述中央工控机连接安装在车轮上的旋转编码器，车辆前进过程中每前进一定距离，所述旋转编码器给所述车载广角相机发送指令采集图像。
10、作为本发明的进一步的技术方案：还包括设置在所述中央工控机内的神经网络算法模块，所述神经网络算法模块中设置有目标检测神经网络，所述目标检测神经网络能对井盖、裂缝、网状裂缝、坑槽进行有效的识别，识别精度>90％。
11、作为本发明的进一步的技术方案：所述神经网络算法模块中设置有特征提取网络，所述特征提取网络能对图片进行有效的embedding(即将图片数据经过卷积神经网络处理成特征向量)，同时在云端已经建立好一个百万级别的特征向量库。
12、作为本发明的进一步的技术方案：所述特征向量库包含了图片的特征向量以及每个图片对应的多个标签，所述标签包括：井盖的权属、井盖是否为防沉降井盖、井盖是否有破损。
13、作为本发明的进一步的技术方案：所述神经网络算法模块中设置有实例分割神经网络，所述实例分割神经网络能对图像上井盖区域、路框差区域(道路与井框的高差)、盖框差区域(井盖与井框的高差)进行有效的分割，分割后可以获得各个标签的mask掩码图，分割精度90％。
14、作为本发明的进一步的技术方案：所述神经网络算法模块中设置有车道线检测神经网络，所述车道线检测神经网络能对道路上的标线、隔离护栏和路缘进行有效的检测，检测精度>90％。
15、本发明还公开了一种井盖高差测量和问题井盖分析的巡查方法，其特征在于，包括以下步骤：
16、步骤1、安装设备，用棋盘格对车载广角相机进行外参标定；
17、步骤2、系统启动后，车辆在前进的过程中，车载广角相机采集图像，中央工控机中的深度卷积神经网络分析采集的图像，识别图中的井盖和道路病害，判断井盖周围是否出现破损，车道线检测模型会对采集的图像进行识别，并记录车道信息；
18、步骤3、对识别到的井盖进行实例分隔，将分割出的盖框差和路框差区域进行骨架提取，计算骨架法向量，确定高差的像素宽度坐标点；
19、步骤4、利用车道信息计算出图像中的灭点，根据灭点y轴坐标和俯仰角的关系可以计算出当前车载广角相机的俯仰角，结合标定时的航向角、滚转角便可以计算出当前的旋转矩阵，再结合标定时的平移矩阵，将一组预设的世界坐标点位投影到俯视坐标系，利用预设的坐标和计算后的俯视坐标做透视变换关系计算得到此时图像的透视变换关系，利用新的透视变换矩阵对每组像素宽度点做透视变换，透视后计算每组点分别与相机的距离，便可以得到井盖的高差；
20、步骤5、系统将该井盖相关的信息记录到本地，并上传至云端系统。
21、作为本发明的进一步的技术方案：在所述步骤3中，对于分隔出的井盖区域进行仿射变换或者透视变换生成规范化的井盖图片，用特征提取网络提取特征向量，然后在特征库中进行查询，确定井盖是否防沉降、是否破损、井盖权属标签。
22、综上所述，本发明包括以下至少一种有益技术效果：
23、本发明公开了一种井盖高差测量和问题井盖分析的巡查方法和系统，通过利用图像分析，可以实现快速、准确、实时感知病害井盖。在日常巡查中，巡查车辆只需要启动系统，在较高车速行驶的条件下，即可对所路过的井盖进行评估和测量。
24、在执行效率上，相较于现有的日常巡查及徒步检测方法，本专利提到的方法和系统，井盖病害的评估效果更客观，在日常巡查中即可快速完成井盖病害评估，可及时发现并计算出井盖的高差、破损问题，帮助养护单位尽早发现有问题的井盖。依托高频次的巡查及高精度定位，可对问题井盖进行长期的跟踪，评估井盖维修后是否再次发生问题，方便维修人员评估井盖维修措施是否合理。此外，本专利提到的系统无需人员进行专项操作，巡查员只需专注于驾驶即可，相较于人工徒步巡查，规避了巡查人员的安全风险。
25、在经济效益上，本专利提到的方法和系统主要依赖于智能化算法和轻量化传感设备，大大提高巡查频次的同时，在现有日常巡查的基础上投入设备费用，即可对问题井盖进行评估，可免去专项检测的相关费用。
26、社会效益上，本专利提到的方法和系统可让维修人员快速、及时定位可能要出现问题井盖，提高行车安全；同时维修人员可尽早发现可能有问题的井盖，在井盖出现明显的问题之前就对井盖进行修复，避免围封交通式维修，保障道路的通行能力。
1.一种井盖高差测量和问题井盖分析的巡查系统，其特征在于，包括安装在车辆上的车载广角相机和中央工控机；
2.根据权利要求1所述的一种井盖高差测量和问题井盖分析的巡查系统，其特征在于，所述中央工控机内包含有gpu处理单元，神经网络程序能够借助所述gpu处理单元实现预测加速。
3.根据权利要求1所述的一种井盖高差测量和问题井盖分析的巡查系统，其特征在于，所述图像采集频率的调整有两种形式：
4.根据权利要求1所述的一种井盖高差测量和问题井盖分析的巡查系统，其特征在于，还包括设置在所述中央工控机内的神经网络算法模块，所述神经网络算法模块中设置有目标检测神经网络，所述目标检测神经网络能对井盖、裂缝、网状裂缝、坑槽进行有效的识别，识别精度>90％。
5.根据权利要求4所述的一种井盖高差测量和问题井盖分析的巡查系统，其特征在于，所述神经网络算法模块中设置有特征提取网络，所述特征提取网络能对图片进行有效的embedding(即将图片数据经过卷积神经网络处理成特征向量)，同时在云端已经建立好一个百万级别的特征向量库。
6.根据权利要求5所述的一种井盖高差测量和问题井盖分析的巡查系统，其特征在于，所述特征向量库包含了图片的特征向量以及每个图片对应的多个标签，所述标签包括：井盖的权属、井盖是否为防沉降井盖、井盖是否有破损。
7.根据权利要求4所述的一种井盖高差测量和问题井盖分析的巡查系统，其特征在于，所述神经网络算法模块中设置有实例分割神经网络，所述实例分割神经网络能对图像上井盖区域、路框差区域(道路与井框的高差)、盖框差区域(井盖与井框的高差)进行有效的分割，分割后可以获得各个标签的mask掩码图，分割精度90％。
8.根据权利要求1所述的一种井盖高差测量和问题井盖分析的巡查系统，其特征在于，所述神经网络算法模块中设置有车道线检测神经网络，所述车道线检测神经网络能对道路上的标线、隔离护栏和路缘进行有效的检测，检测精度>90％。
9.一种井盖高差测量和问题井盖分析的巡查方法，其特征在于，包括以下步骤：
10.根据权利要求1所述的一种井盖高差测量和问题井盖分析的巡查方法，其特征在于，在所述步骤3中，对于分隔出的井盖区域进行仿射变换或者透视变换生成规范化的井盖图片，用特征提取网络提取特征向量，然后在特征库中进行查询，确定井盖是否防沉降、是否破损、井盖权属标签。
