本发明涉及图像检测领域，具体而言，涉及一种路面机械的导航方法、装置和路面机械。
背景技术：
1、摊铺机等路面机械在驾驶的过程中，施工现场较为复杂，在单一场景下的保持时间较长，辅助驾驶的图像处理时常会出现检测失败的情况，使得辅助驾驶的跟随效果较差，降低对路面机械的控制稳定性。
技术实现思路
1、本申请公开了一种路面机械的导航方法、一种路面机械的导航装置和一种路面机械，以解决或改善相关技术中摊铺机在辅助行驶过程中抗干扰能力较弱的问题。
2、为了解决上述问题，本发明第一方面提出了一种路面机械的导航方法，包括：通过图像传感器获取连续的场景图像，连续的场景图像包括多个单帧场景图像；根据深度学习网络模型，确定单帧场景图像中的标识物的第一像素点集；对第一像素点集进行筛选，形成第二像素点集；对第二像素点集进行直线性优化，形成第三像素点集；对第三像素点集进行直线拟合，生成直线参数；将直线参数与单帧场景图像结合，生成标识物的世界坐标信息；根据多个单帧场景图像中的世界坐标信息生成导航路径，控制路面机械以导航路径行驶。
3、根据本发明提供的方法，可提高机器视觉在复杂环境中的准确性和稳定性，特别是在自动化施工设备如摊铺机中的应用。具体地，通过获取连续的场景图像，确保有足够的数据进行动态分析和处理，提供连续的图像数据流，为动态环境中的稳定检测提供基础。
4、在一些实施例的基础上，可选地，根据深度学习网络模型，确定单帧场景图像中的标识物的第一像素点集，包括：将单帧场景图像输入深度学习网络模型；通过深度学习网络模型，识别单帧场景图像中的标识物，得到与标识物对应的第一像素点集。
5、在一些实施例的基础上，可选地，对第一像素点集进行筛选，形成第二像素点集的步骤包括：确定第一像素点集的筛选阈值；根据筛选阈值，对单帧场景图像中y轴方向上的像素点进行筛选，形成第二像素点集。
6、在一些实施例的基础上，可选地，对第一像素点集进行筛选，形成第二像素点集，包括：确定路面机械上的参照物的世界坐标，参照物与图像传感器的相对位置固定；根据图像传感器的外部参数将参照物的世界坐标转换为参照物的图像坐标；根据参照物的图像坐标以及标识物的图像坐标，确定感兴趣区域内的第一像素点集作为第二像素点集。
7、在一些实施例的基础上，可选地，对第二像素点集进行直线性优化，形成第三像素点集，包括：确定在单帧场景图像中第二像素点集处于x轴方向上的第一像素点；对相邻的第一像素点进行方差统计，得到相邻像素点方差；根据相邻像素点方差确定第二像素点集的直线性；根据第二像素点集的直线性对第二像素点集进行直线性优化，形成第三像素点集。
8、在一些实施例的基础上，可选地，根据相邻像素点方差确定第二像素点集的直线性，包括：设置第一方差阈值和第二方差阈值，第一方差阈值大于第二方差阈值；当相邻像素点方差大于或等于第一方差阈值时，对应的第二像素点集的直线性确定为不稳定；当相邻像素点方差小于或等于第二方差阈值时，对应的第二像素点集的直线性确定为稳定；当相邻像素点方差小于第一方差阈值且大于第二方差阈值时，对应的第二像素点集的直线性确定为相对稳定。
9、在一些实施例的基础上，可选地，根据第二像素点集的直线性对第二像素点集进行直线性优化，形成第三像素点集，包括：当第二像素点集的直线性为不稳定时，确定位于当前帧之前的第一数量帧的场景图像，根据第一数量帧的场景图像的直线参数均值修正当前帧的场景图像的第一像素点集，对当前帧的场景图像进行去噪处理，确定去噪后的场景图像中的感兴趣区域，根据深度学习网络模型和感兴趣区域，重新生成第一像素点集；当第二像素点集的直线性为稳定时，将第二像素点集进行滑动平均滤波处理，生成第三像素点集；当第二像素点集的直线性为相对稳定时，将当前帧的场景图像的第二像素点集与上一帧的场景图像的第二像素点集进行匹配；计算每个当前帧的场景图像的像素点与匹配的上一帧的场景图像的像素点的相对距离差值，根据相对距离差值确定当前帧的场景图像中直线性为不稳定对应的第二像素点；确定与第二像素点相邻且直线性为稳定的两个第三像素点，根据两个第三像素点的平均值确定均值像素点；根据均值像素点修正第二像素点，将修正后的第二像素点进行滑动平均滤波处理，生成第三像素点集。
10、在一些实施例的基础上，可选地，将直线参数与单帧场景图像结合，生成标识物的世界坐标信息，包括：获取图像传感器的外部参数；根据图像传感器的外部参数对第三像素点集进行逆透视变换，生成标识物的世界坐标信息；确定位于当前帧之前的第二数量帧的场景图像；根据位于当前帧之前的第二数量帧的场景图像，确定校准信息，校准信息为标识物的世界坐标信息在位于当前帧之前的第二数量帧的场景图像中的均值；根据当前帧的标识物的世界坐标信息与校准信息，确定相对距离差值；相对距离差值小于等于预设阈值时，将当前帧的标识物的世界坐标信息作为标识物的世界坐标信息；相对距离差值大于预设阈值时，根据位于当前帧之前的第三数量帧的场景图像的直线参数的平均值重新确定当前帧的场景图像的第一像素点集，对当前帧的场景图像去噪，确定去噪后的场景图像中的感兴趣区域，根据深度学习网络模型和感兴趣区域，重新生成第一像素点集，生成新的直线参数；将新的直线参数与单帧场景图像结合，生成标识物的世界坐标信息。
11、本发明第二方面提出了一种路面机械的导航装置，包括：图像获取模块，用于通过图像传感器获取连续的场景图像，连续的场景图像包括多个单帧场景图像；标识物检测模块，用于根据深度学习网络模型，确定单帧场景图像中的第一像素点集；直线参数生成模块，用于对第一像素点集进行筛选，形成第二像素点集；对第二像素点集进行直线性优化，形成第三像素点集；对第三像素点集进行直线拟合，生成直线参数；坐标生成模块，用于将直线参数与单帧场景图像结合，生成标识物的世界坐标信息；控制模块，用于根据多个单帧场景图像中的世界坐标信息生成导航路径，控制路面机械以导航路径行驶。
12、本发明第三方面提出了一种路面机械，包括机身结构，机身结构上设有图像传感器和参照物；上述路面机械的导航装置，设于机身结构。
13、根据本发明提供的路面机械，包括机身结构和导航装置，其中，机身结构上设置有图像传感器和参照物，图像传感器用于获取场景图像，参照物则用于实现自动截取感兴趣区域。
14、其中，由于路面机械包括上述路面机械的导航装置，故而具有上述路面机械的导航装置的技术效果，在此不再赘述。
1.一种路面机械的导航方法，其特征在于，用于具有图像传感器的路面机械，所述路面机械的导航方法包括：
2.根据权利要求1所述的路面机械的导航方法，其特征在于，所述根据深度学习网络模型，确定所述单帧场景图像中的标识物的第一像素点集，包括：
3.根据权利要求1所述的路面机械的导航方法，其特征在于，所述对所述第一像素点集进行筛选，形成第二像素点集，包括：
4.根据权利要求1所述的路面机械的导航方法，其特征在于，所述对所述第一像素点集进行筛选，形成第二像素点集，包括：
5.根据权利要求1所述的路面机械的导航方法，其特征在于，所述对所述第二像素点集进行直线性优化，形成第三像素点集，包括：
6.根据权利要求5所述的路面机械的导航方法，其特征在于，所述根据所述相邻像素点方差确定第二像素点集的直线性，包括：
7.根据权利要求5所述的路面机械的导航方法，其特征在于，所述根据所述第二像素点集的直线性对所述第二像素点集进行直线性优化，形成第三像素点集，包括：
8.根据权利要求1所述的路面机械的导航方法，其特征在于，所述将所述直线参数与所述单帧场景图像结合，生成所述标识物的世界坐标信息，包括：
9.一种路面机械的导航装置，其特征在于，包括：
10.一种路面机械，其特征在于，包括：
