基于卫星图片的路灯状态判定方法、装置、设备和介质

技术领域

本发明涉及图像处理技术领域，特别是涉及一种基于卫星图片的路灯状态判定方法、装置、设备和介质。

背景技术

城市路灯运维管理中对于亮灯率有一定管理要求。目前的方案主要依靠人工巡检，部分地区虽然开始采用物联网方式，但这些方式存在建设和安装、运维成本高，且故障发现不及时。对于次发达地区或边远地区的路灯运维管理，运维成本更高，采用物联网方式时还会受到网络信号条件制约。

发明内容

鉴于以上所述现有技术的缺点，本申请的目的在于提供一种基于卫星图片的路灯状态判定方法、装置、设备和介质，以解决现有技术中至少一个问题。

为实现上述目的及其他相关目的，本申请提供一种基于卫星图片的路灯状态判定方法，获取指定区域的包含有道路信息的所述高精度地图和包含有夜间灯光实景的所述夜间卫星实景图，并通过叠合以得道路灯光图；其中，所述道路信息包括：道路名称、道路等级、及道路轮廓；依据所述道路信息采集所述道路灯光图中可见光范围内的路灯区域图像，并提取出各路灯对应的路灯区域照明图像；将各所述路灯区域照明图像中的光斑特征与预设的路灯区域照明对比图像中的光斑特征进行比对，以供判定各路灯的工作状态。

于本申请的一实施例中，所述依据道路信息采集所述道路灯光图中可见光范围内的路灯区域图像，包括：依据所述道路信息中的道路轮廓确定所述道路灯光图中各道路区域；对各道路区域进行框选或对非道路区域进行虚化或遮挡，以供采集所述道路灯光图中可见光范围内的路灯区域图像。

于本申请的一实施例中，所述预设的路灯区域照明对比图像包括以下任意一种或多种组合：当前路灯对应的夜间正常工作且有非路灯光源干扰情况下的第一路灯区域照明对比图像；当前路灯对应的夜间正常工作且无非路灯光源干扰情况下的第二路灯区域照明对比图像；当前路灯对应的夜间未工作且有非路灯光源干扰情况下的第三路灯区域照明对比图像；当前路灯对应的夜间未工作且无非路灯光源干扰情况下的第四路灯区域照明对比图像；与当前道路相邻或相近的道路上各路灯对应的第五路灯区域照明对比图像。

于本申请的一实施例中，所述将各所述路灯区域照明图像中的光斑特征与预设的路灯区域照明对比图像中的光斑特征进行比对，以供判定各路灯的工作状态，包括：若当前道路对应的所述路灯区域照明图像中的光斑特征介于第一路灯区域照明对比图像与第一路灯区域照明对比图像的光斑特征之间，则判定当前路灯为工作状态；若当前道路对应的所述路灯区域照明图像中的光斑特征介于第三路灯区域照明对比图像与第四路灯区域照明对比图像的光斑特征之间，则判定当前路灯为未工作状态；若当前道路对应的所述路灯区域照明图像中的光斑特征介于第二路灯区域照明对比图像与第三路灯区域照明对比图像的光斑特征之间，则判定当前路灯为光源部分损坏；若当前道路对应的所述路灯区域照明图像中的光斑特征与第五路灯区域照明对比图像相近，则依据第五路灯区域照明对比图像对应的路灯的工作状态判定当前路灯的工作状态。

于本申请的一实施例中，所述还包括：依据所述第二路灯区域照明对比图像或第五路灯区域照明对比图像，对当前路灯对应的所述路灯区域照明图像进行过滤处理，以去除非路灯光源的干扰或不同天气条件下的干扰；或者，将所述第一路灯区域照明对比图像与第三路灯区域照明对比图像进行比对，或将所述第二路灯区域照明对比图像与第四路灯区域照明对比图像进行比对，可提取路灯光源的参考光斑特征；或者，将所述第一路灯区域照明对比图像与第二路灯区域照明对比图像进行比对，或将所述第三路灯区域照明对比图像与第四路灯区域照明对比图像进行比对，可提取非路灯光源或干扰光源的参考光斑特征。

于本申请的一实施例中，所述方法还包括以下任意一种或多种：依据与所述道路信息中的道路等级对应的路灯照明范围，判定各路灯对应的路灯光斑直径范围是否正常，以辅助判定各路灯的工作状态；当判定出未工作或光源部分损坏的路灯时，依据该路灯位于道路中的位置，以确定该路灯的具体位置坐标或确定该路灯的编号，便于进一步维修维护；当判定出未工作或光源部分损坏的路灯时，依据该路灯位于道路中的位置，调取道路上该路灯附近的摄像头，以便进行二次确认；所述夜间卫星实景图还同步有当前区域的天气信息，据以确定各路灯所在区域的当前天气状况，以供修正各所述路灯区域照明图像中的光斑特征。

于本申请的一实施例中，所述方法还包括：通过多次采集包含有夜间灯光实景的所述夜间卫星实景图，以供判断各路灯在夜间的工作时长。

为实现上述目的及其他相关目的，本申请提供一种基于卫星图片的路灯状态判定装置，所述装置包括：获取模块，用于获取指定区域的包含有道路信息的所述高精度地图和包含有夜间灯光实景的所述夜间卫星实景图，并通过叠合以得道路灯光图；其中，所述道路信息包括：道路名称、道路等级、及道路轮廓；处理模块，用于依据所述道路信息采集所述道路灯光图中可见光范围内的路灯区域图像，并提取出各路灯对应的路灯区域照明图像；将各所述路灯区域照明图像中的光斑特征与预设的路灯区域照明对比图像中的光斑特征进行比对，以供判定各路灯的工作状态。

为实现上述目的及其他相关目的，本申请提供一种计算机设备，所述设备包括：存储器、及处理器；所述存储器用于存储计算机指令；所述处理器运行计算机指令实现如上所述的方法。

为实现上述目的及其他相关目的，本申请提供一种计算机可读存储介质，存储有计算机指令，所述计算机指令被运行时执行如上所述的方法。

综上所述，本申请的一种基于卫星图片的路灯状态判定方法、装置、设备和介质，通过获取指定区域的包含有道路信息的所述高精度地图和包含有夜间灯光实景的所述夜间卫星实景图，并通过叠合以得道路灯光图；其中，所述道路信息包括：道路名称、道路等级、及道路轮廓；依据所述道路信息采集所述道路灯光图中可见光范围内的路灯区域图像，并提取出各路灯对应的路灯区域照明图像；将各所述路灯区域照明图像中的光斑特征与预设的路灯区域照明对比图像中的光斑特征进行比对，以供判定各路灯的工作状态。

具有以下有益效果：

本申请针对城市路灯状态的检测无需人工，无需对现有路灯增加检测设备，相对于物联网方式判断路灯状态的方法，大大降低建设和安装、运维成本，且不受网络条件制；判定路灯工作状态具有较高的正确率，并且检测路灯故障后大大提高了维修效率。

附图说明

图1显示为本申请于一实施例中基于卫星图片的路灯状态判定方法的流程示意图。

图2A显示为本申请于一实施例中高精度地图的示意图。

图2B显示为本申请于一实施例中卫星实景图的示意图。

图3显示为本申请于一实施例中图像融合算法的流程示意图。

图4显示为本申请于一实施例中路灯光斑的场景示意图。

图5显示为本申请于一实施例中不同等级的光斑特征示意图。

图6显示为本申请于一实施例中基于卫星图片的路灯状态判定装置的模块示意图。

图7显示为本申请于一实施例中计算机设备的结构示意图。

具体实施方式

以下通过特定的具体实例说明本申请的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本申请的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

需要说明的是，以下实施例中所提供的图示仅以示意方式说明本申请的基本构想，虽然图式中仅显示与本申请中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，但其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

在通篇说明书中，当说某部分与另一部分“连接”时，这不仅包括“直接连接”的情形，也包括在其中间把其它元件置于其间而“间接连接”的情形。另外，当说某种部分“包括”某种构成要素时，只要没有特别相反的记载，则并非将其它构成要素，排除在外，而是意味着可以还包括其它构成要素。

其中提到的第一、第二及第三等术语是为了说明多样的部分、成分、区域、层及/或段而使用的，但并非限定于此。这些术语只用于把某部分、成分、区域、层或段区别于其它部分、成分、区域、层或段。因此，以下叙述的第一部分、成分、区域、层或段在不超出本申请范围的范围内，可以言及到第二部分、成分、区域、层或段。

再者，如同在本文中所使用的，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文中有相反的指示。应当进一步理解，术语“包含”、“包括”表明存在所述的特征、操作、元件、组件、项目、种类、和/或组，但不排除一个或多个其他特征、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的，或意味着任一个或任何组合。因此，“A、B或C”或者“A、B和/或C”意味着“以下任一个：A；B；C；A和B；A和C；B和C；A、B和C”。仅当元件、功能或操作的组合在某些方式下内在地互相排斥时，才会出现该定义的例外。

为解决上述问题，本申请提出了一种基于卫星图片的路灯状态判定方法、装置、设备和介质，主要采用夜间卫星图片比对方案，判断路灯工作状况，识别亮灯率，从而进行路灯运维管理。

如图1所示，展示为本申请一实施例中的基于卫星图片的路灯状态判定方法的流程示意图。如图所示，所述方法包括：

步骤S101：获取指定区域的包含有道路信息的所述高精度地图和包含有夜间灯光实景的所述夜间卫星实景图，并通过叠合以得道路灯光图。

高精地图是指高精度、精细化定义的地图，其精度需要达到分米级才能够区分各个车道，如今随着定位技术的发展，高精度的定位已经成为可能。而精细化定义，则是需要格式化存储交通场景中的各种交通要素，包括传统地图的定位标记数据、道路网数据、车道网络数据、车道线以和交通标志等数据，高精度地图所含有的道路交通信息元素更丰富和细致。如图2A所示，展示为于一实施例中的高精度地图的示意图。

举例来说，所述高精度地图可直接从高德地图、百度地图、谷歌地图等服务商获得。优选地，本申请所述高精度地图为二维平面地图即可，无需3D或全景地图，但不限制3D或全景地图。本申请最主要的是获取道路信息。

于本实施例中，所述高精度地图可为本申请提供道路信息，具体包括但不限于：道路名称、道路等级、及道路轮廓。举例来说，道路等级如：双向单车道、双向四车道、高架桥、高速道路等；道路轮廓主要可直观体现道路的走向及道路所占区域。

随着卫星技术的发展，服务于民用的卫星地图的应用也越来越多，且卫星实现的分辨率也越来越高，如图2B所示，展示为于一实施例中的卫星实景图的示意图。而本申请便利用实时采集夜间的卫星实景图以进一步获取夜间灯光实景，从而便于后续分析路灯的工作状态。

于本实施例中，由于所需观察的区域大小直接影响高精度地图的精度与夜间卫星实景图的分辨率，因此本申请需要预先指定一待判定的区域，例如，某工业区、某条街道、某个社区、某个商业区等区域有限的地方。

本申请分别实时获取高精度地图和卫星实景图的目的在于：利用高精度地图所包含的道路信息、以及卫星实景图所包含的夜间灯光实景，然后二者相辅相成进行融合或叠合，从而使得道路信息与道路灯光实景相匹配，便于获取可表示照明情况的路灯区域图像。例如，高精度地图和卫星实景图进行融合匹配，匹配精度达到0.5米级，从而可以识别路灯。

于一些实施例中，将尺寸比例或缩放比例相同的高精度地图和卫星实景图进行重叠重合，其中主要以道路为基准进行融合，可损失或降低非道路区域的融合效果，以保证道路区域融合的效果。

于本申请一实施例中，本申请可通过一种特定算法将两幅或多幅图像合成为一幅新图像。该技术基本的体系主要包括：图像预处理，图像融合算法，图像融合评价，融合结果。如图3所示，图像融合系统的层次划分为：像素层融合、特征层融合、决策层融合，目前绝大多数融合算法研究都集中在这一层次上。图像预处理技术主要包括两个方面的任务：图像去噪、图像配准；图像融合算法可以包括最初简单的融合算法(加权、最大值法)或者较为复杂多分辨率的算法(金字塔、小波法等)；图像融合的性能评价主要有两个大的方面：主观评价及客观评价，由于在实际中不存在理想图源，所以一般采用较易实现的评价标准，结合主观视觉给出最合理的评价如果评估结果不满意，则调整参数，重新进行图像融合，并再对图像融合的结果进行评估，直至满意，然后输出图像融合结果。

步骤S102：依据所述道路信息采集所述道路灯光图中可见光范围内的路灯区域图像，并提取出各路灯对应的路灯区域照明图像。

于本实施例中，所述依据道路信息采集所述道路灯光图中可见光范围内的路灯区域图像，包括：

A、依据所述道路信息中的道路轮廓确定所述道路灯光图中各道路区域；

B、对各道路区域进行框选或对非道路区域进行虚化或遮挡，以供采集所述道路灯光图中可见光范围内的路灯区域图像。

优选地，在叠合得到道路灯光图的过程中，可以对目标区域(即道路区域)进行针对性地提取，而对非目标区域(如建筑物、河流等)进行跳过、虚化或遮挡，一方面减少图像融合处理过程中的计算量或处理速度，另一方面，可聚焦于道路区域，便于采集所述道路灯光图中可见光范围内的路灯区域图像。

步骤S103：将各所述路灯区域照明图像中的光斑特征与预设的路灯区域照明对比图像中的光斑特征进行比对，以供判定各路灯的工作状态。

于本实施例中，所述预设的路灯区域照明对比图像包括以下任意一种或多种组合：

1)当前路灯对应的夜间正常工作且有非路灯光源干扰情况下的第一路灯区域照明对比图像。

举例来说，通常由夜间卫星实景图所体现的针对道路所采集的夜间灯光实景中，发光源并非仅来自路灯，还可包含月光、建筑物室内灯光或装饰灯光、广告牌灯光、车辆灯光等等，另外，不同天气状况下，道路上的灯光反射也会受到影响，如大雾、雾霾、雪天等天气条件影响下的干扰。

因此，道路上所呈现的灯光或光斑特征必然与单纯的路灯灯光不同。故本申请需要提供当前路灯对应的夜间正常工作且有非路灯光源干扰情况下的第一路灯区域照明对比图像，以作为比对参考。

需要说明的是，该各路灯区域照明对比图像是对应当前路灯不同夜间时段或不同天气情况采集的，下文的路灯区域照明对比图像同样也是对应当前路灯不同夜间时段采集的。

举例来说，夜间十二点之前，人流活动量比较大，因此，建筑物的灯光以及道路上车辆的灯光较多，可在这一时间段进行采集以得到第一路灯区域照明对比图像。

2)当前路灯对应的夜间正常工作且无非路灯光源干扰情况下的第二路灯区域照明对比图像。

举例来说，夜间十二点之后到天亮之前，人流活动量大大减少，较多建筑物闭灯，道路车辆稀少。因此，此时间段道路上的灯光大多仅为路灯的灯光，因此，可在这一时间段进行采集以得到第二路灯区域照明对比图像。

3)当前路灯对应的夜间未工作且有非路灯光源干扰情况下的第三路灯区域照明对比图像；

4)当前路灯对应的夜间未工作且无非路灯光源干扰情况下的第四路灯区域照明对比图像。

于本实施例中，前述两种路灯区域照明对比图像是对应路灯为正常工作下的情况，而路灯为未工作的情况也可帮助本申请比对光斑特征。

需要说明的是，路灯未工作的情况一方面可以是路灯损坏情况，另一方面还可以是人为关灯的情况。因此，在这两中条件下，本申请可以采集到第三路灯区域照明对比图像与第四路灯区域照明对比图像。

5)与当前道路相邻或相近的道路上各路灯对应的第五路灯区域照明对比图像。

举例来说，还可以人工选取当前道路周围道路上的路灯区域照明图像作为第五路灯区域照明对比图像，以便基于同一时间段、同一天气环境的条件下，对当前道路路灯光源的光斑特征进行判断。以便去除月光、车灯光、附近建筑物灯光干扰或避免大雾、雾霾、雨天、雪天等天气条件影响下的干扰。

于本申请中，所述将各所述路灯区域照明图像中的光斑特征与预设的路灯区域照明对比图像中的光斑特征进行比对，以供判定各路灯的工作状态，包括：

A、若当前道路对应的所述路灯区域照明图像中的光斑特征介于第一路灯区域照明对比图像与第一路灯区域照明对比图像的光斑特征之间，则判定当前路灯为工作状态；

B、若当前道路对应的所述路灯区域照明图像中的光斑特征介于第三路灯区域照明对比图像与第四路灯区域照明对比图像的光斑特征之间，则判定当前路灯为未工作状态；

C、若当前道路对应的所述路灯区域照明图像中的光斑特征介于第二路灯区域照明对比图像与第三路灯区域照明对比图像的光斑特征之间，则判定当前路灯为光源部分损坏；

D、若当前道路对应的所述路灯区域照明图像中的光斑特征与第五路灯区域照明对比图像相近，则依据第五路灯区域照明对比图像对应的路灯的工作状态判定当前路灯的工作状态。

如图4所示，展示为路灯光斑的场景示意图。举例来说，对于路灯光斑特征，可通过颜色、亮度等判断分为A、B、C三个等级，如图5所示，展示为不同等级的光斑特征示意图。路灯正常工作时的路灯光斑特征对应为A等级，系统可以判断路灯为正常工作。当路灯熄灭状态时(按工作要求时应开灯的或故障不亮)，路灯光斑特征对应为C等级，系统判断灭灯或不亮；路灯光斑特征为B等级，对应在A与C之间，主要对应非正常条件下变暗，可判定路灯部分损坏(如部分灯珠或LED损坏)。

具体来说，将当前路灯的光斑特征与路灯工作条件下、未工作条件下、以及附件路灯等的光斑特征进行比对，从而可以通过对比度判断当前路灯的光斑特征属于A、B、C中哪个等级，从而可以判断路灯是否正常工作。例如，当对比度大于一定值时，判定路灯正常工作，反之判定路灯无法工作。

优选地，在比较对比度时，当对比度在一定数值范围时(如路灯工作，但偏暗的状态)，可判定路灯处于部分损坏状态；进一步地，依靠原有登记的路灯参数，还可预判灯具损坏的部件。

于本实施例中，基于第一至第五路灯区域照明对比图像，还可以进行相关对比，以便为判定各路灯的工作状态的工作做辅助参考，以提高判定工作状态的正确率。具体所述还包括：

A、依据所述第二路灯区域照明对比图像或第五路灯区域照明对比图像对当前路灯对应的所述路灯区域照明图像进行过滤处理，以去除非路灯光源的干扰或不同天气条件下的干扰。

B、将所述第一路灯区域照明对比图像与第三路灯区域照明对比图像进行比对，或将所述第二路灯区域照明对比图像与第四路灯区域照明对比图像进行比对，可提取路灯光源的参考光斑特征；

C、将所述第一路灯区域照明对比图像与第二路灯区域照明对比图像进行比对，或将所述第三路灯区域照明对比图像与第四路灯区域照明对比图像进行比对，可提取非路灯光源或干扰光源的参考光斑特征。

于本实施例中，光斑的判断还需要剔除天气影响，例如雪天、雨天时，地面反射不一样，空气透光度也不一样；以及附件建筑灯光干扰，如建筑灯光、广告灯光，车辆灯光干扰，转角地区附近路灯的光斑干扰等；另外，使用同张照片上其他区域没有灯的地方进行比较，这样相当于用了蒙层的概念，可以有助减少区分或减少光斑的干扰，因为路灯区与黑灯区都受到了影响。

于本实施例中，所述方法还包括以下任意一种或多种：

1)依据与所述道路信息中的道路等级对应的路灯照明范围，判定各路灯对应的路灯光斑直径范围是否正常，以辅助判定各路灯的工作状态，以提高判定工作状态的准确率。

举例来说，通常光斑半径15米左右，具体依据道路等级与路灯照明范围判定。

2)当判定出未工作或光源部分损坏的路灯时，依据该路灯位于道路中的位置，以确定该路灯的具体位置坐标或确定该路灯的编号，便于进一步维修维护。

由于提前获知了道路信息，因此可以轻易知晓路灯位于道路上的那个位置，甚至通过路灯顺序与数量，还可直接知晓路灯的编号。当发现有故障或不亮的路灯时，可直接将路灯的详细位置或编号告知维修人员，从而大大提高了维修效率。

3)当判定出未工作或光源部分损坏的路灯时，依据该路灯位于道路中的位置，调取道路上该路灯附近的摄像头，以便进行二次确认，以提高判定工作状态的准确率。。

4)所述夜间卫星实景图还同步有当前区域的天气信息，据以确定各路灯所在区域的当前天气状况，以供修正各所述路灯区域照明图像中的光斑特征。

举例来说，通常天气预报也大多基于卫星图来获取，因此，在获取夜间卫星实景图的同时可较为容易的同步获取到当前区域的天气信息。基于当前的区域的天气信息可以确定各路灯所在区域的当前天气状况，如多云、晴朗、大雾、小雪、小雪等天气状况，而需知的是，天气状况的不同，或多或少都会影响夜间路灯对应的光斑特征。例如，多云、下雨、大雾等天气会使其光斑亮度弱于正常情况下的光斑亮度，因此，基于路灯所在区域的天气状况适配的修正出当前路灯合理的光斑特征，更有助于判断各路灯的工作状态，以减少判断的误差。

于本实施例中，所述方法还包括：通过多次采集包含有夜间灯光实景的所述夜间卫星实景图，以供判断各路灯在夜间的工作时长。需要说明的是，这一方法主要用于判定太阳能路灯的工作状况。

如图6所示，展示为本申请于一实施例中的基于卫星图片的路灯状态判定装置的模块示意图。如图所示，所述装置600包括：

获取模块601，用于获取指定区域的包含有道路信息的所述高精度地图和包含有夜间灯光实景的所述夜间卫星实景图，并通过叠合以得道路灯光图；其中，所述道路信息包括：道路名称、道路等级、及道路轮廓；

处理模块602，用于依据所述道路信息采集所述道路灯光图中可见光范围内的路灯区域图像，并提取出各路灯对应的路灯区域照明图像；将各所述路灯区域照明图像中的光斑特征与预设的路灯区域照明对比图像中的光斑特征进行比对，以供判定各路灯的工作状态。

需要说明的是，上述装置各模块/单元之间的信息交互、执行过程等内容，由于与本申请所述方法实施例基于同一构思，其带来的技术效果与本申请方法实施例相同，具体内容可参见本申请前述所示的方法实施例中的叙述，此处不再赘述。

还需要说明的是，应理解以上装置600的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些单元可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，处理模块602可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上处理模块602的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。

例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，简称ASIC)；或，一个或多个微处理器(digital signal processor，简称DSP)；或，一个或者多个现场可编程门阵列(Field Programmable Gate Array，简称FPGA)等；再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(Central Processing Unit，简称CPU)或其它可以调用程序代码的处理器；再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，简称SOC)的形式实现。

如图7所示，展示为本申请于一实施例中的计算机设备的结构示意图。如图所示，所述计算机设备700包括：存储器701、及处理器702；所述存储器701用于存储计算机指令；所述处理器702运行计算机指令实现如图1所述的方法。

在一些实施例中，所述计算机设备700中的所述存储器701的数量均可以是一或多个，所述处理器702的数量均可以是一或多个，而图7中均以一个为例。

于本申请一实施例中，所述计算机设备700中的处理器702会按照如图1所述的步骤，将一个或多个以应用程序的进程对应的指令加载到存储器701中，并由处理器702来运行存储在存储器701中的应用程序，从而实现如图1所述的方法。

所述存储器701可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。所述存储器701存储有操作系统和操作指令、可执行模块或者数据结构，或者它们的子集，或者它们的扩展集，其中，操作指令可包括各种操作指令，用于实现各种操作。操作系统可包括各种系统程序，用于实现各种基础业务以及处理基于硬件的任务。

所述处理器702可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

在一些具体的应用中，所述计算机设备700的各个组件通过总线系统耦合在一起，其中总线系统除包括数据总线之外，还可以包括电源总线、控制总线和状态信号总线等。但是为了清除说明起见，在图7中将各种总线都成为总线系统。

于本申请的一实施例中，本申请提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如图1所述的方法。

在任何可能的技术细节结合层面，本申请可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本申请的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是(但不限于)电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本申请操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、集成电路配置数据或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本申请的各个方面。

综上所述，本申请提供的一种基于卫星图片的路灯状态判定方法、装置、设备和介质，通过获取指定区域的包含有道路信息的所述高精度地图和包含有夜间灯光实景的所述夜间卫星实景图，并通过叠合以得道路灯光图；其中，所述道路信息包括：道路名称、道路等级、及道路轮廓；依据所述道路信息采集所述道路灯光图中可见光范围内的路灯区域图像，并提取出各路灯对应的路灯区域照明图像；将各所述路灯区域照明图像中的光斑特征与预设的路灯区域照明对比图像中的光斑特征进行比对，以供判定各路灯的工作状态。

本申请有效克服了现有技术中的种种缺点而具高度产业利用价值。

上述实施例仅例示性说明本申请的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中包含通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本申请的权利要求所涵盖。