本发明专利属于模式识别与智能系统类方向图像处理领域的一种利用图像识别、rtk技术和gis技术相结合新型图像处理与传输方法。
背景技术：
在高速公路运营管理工作中，以往受之前科技发展水平及软硬件技术和其它因素制约，高速公路日常巡查多采用的是人工目测巡查方式。巡查时由有关部门安排汽车上路。基于这样一类的事情,需要上路发现问题后回到单位，录入计算机系统进行处理,不仅浪费人力物力,而且极大地降低了效率。运用对图片的识别和整合的速度、对比等方面现有技术不成熟。图像识别是指图形刺激作用于感觉器官，图像距离的改变或图像在感觉器官上作用位置的改变，都会造成图像在视网膜上的大小和形状的改变。
技术实现要素：
本发明专利所要解决的技术问题在于针对上述现有技术的不足，提供一种公路巡查无人机图像传输与处理方法。
为解决上述和技术问题，本发明采用的技术方案是一种公路巡查无人机图像传输与处理方法，其特征在于该方法包括以下几个步骤：步骤一图将像处理成带有时间、飞行速度信息、有经纬度网格、有时间、有里程标注的图像；步骤二将图像处理后的数据与同一路段上云储存中的历史数据相对比；步骤三进行智能处理判别；步骤四数据下发到各相关部门进行维修处理；步骤五传至云存储保存记录。
与现有技术相比，本发明的有益效果在于，本发明专利提供一种利用图像识别、rtk技术和gis技术相结合新型图像处理与传输方法。此发明解决了人工目测巡查方式存在的人工成本高、巡查效率低等诸多问题。也解决了图像在感觉器官上作用位置的改变，会造成图像在视网膜上的大小和形状的改变的问题。
附图说明
图1是一种公路巡查无人机图像传输与处理方法的工作流程图。
图中，1、时间，2、带有里程坐标的图像，3、同一路段云储存历史图像，4、对比处理，5、ai处理器，6、人工判别，7、记忆并命名，8、派单维修，9、云储存几部分组成。
具体实施方式
无人机巡查系统将采集到有精确定位数据经地面接收系统传输到5、ai处理器，在精确定位数据传输到5、ai处理器进行分析加工再处理的同时，也要将无人机巡查在同一时间节点采集到的原始图像数据，以及无人机巡查时的飞行空速同时传输到5、ai处理器同时进行处理。
在图像处理方面，利用gis其独特的地理空间分析、快速的空间定位搜索和复杂的查询功能、强大的图形处理和表达能力、rtk技术，即两个地面测站同时定位，从而达到消除误差的目的，实时提供观测点的三维坐标，达到厘米级的高精度和图像识别技术。使gis技术和rtk技术与5、ai处理器相结合结，将具有同时间节点的数据进行汇总整理，从而形成带有里程坐标的和飞行速度信息、有经纬度网格图像。使形成的2、带有里程坐标的图像与3、同一路段云储存历史图像进行4、对比处理，整合后的图像数据再与无人机巡查时拍摄图片的1、时间上传到5、ai处理器。
ai处理器5首先将图像进行图像灰度化、图像滤波预处理，处理之后利用ai核心技能所配置的gpu-zv1.64处理进行识别判断，识别方法是在9云储存的云端数据库中调用出与无人机实时拍摄照片3同一路段的云储存历史图像，再由ai处理器5分析实现将高速公路中的障碍实物自主分离，分析路面及相关辅助设施的具体情况，得到巡查问题结果后对其问题进行分析，从数据库中找出相关问题与之对应，前期传输至人工判别模块对所出问题进行确认。识别判断的数据结果传输至平台进行6人工判别，有问题的数据进7派单维修，没问题的图像进行图像7记忆并命名存储9云存储，完善数据库使ai处理器5更加精准的分析出问题。