CN111274939B - 基于单目摄像头的道路路面坑洼破损自动提取方法 - Google Patents

基于单目摄像头的道路路面坑洼破损自动提取方法 Download PDF

Info

Publication number
CN111274939B
CN111274939B CN202010059840.0A CN202010059840A CN111274939B CN 111274939 B CN111274939 B CN 111274939B CN 202010059840 A CN202010059840 A CN 202010059840A CN 111274939 B CN111274939 B CN 111274939B
Authority
CN
China
Prior art keywords
pothole
road surface
section
cross
pavement
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010059840.0A
Other languages
English (en)
Other versions
CN111274939A (zh
Inventor
丁朋辉
吴海乐
李晶
刘建
郭晓明
蔡磊磊
陈扬
冯亮
王恩泉
桂敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Transport Telecommunications And Information Center
Jiaoxin Beidou Technology Co ltd
Original Assignee
China Transport Telecommunications And Information Center
Jiaoxin Beidou Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Transport Telecommunications And Information Center, Jiaoxin Beidou Technology Co ltd filed Critical China Transport Telecommunications And Information Center
Priority to CN202010059840.0A priority Critical patent/CN111274939B/zh
Publication of CN111274939A publication Critical patent/CN111274939A/zh
Application granted granted Critical
Publication of CN111274939B publication Critical patent/CN111274939B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/22—Measuring arrangements characterised by the use of optical techniques for measuring depth
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformation in the plane of the image
    • G06T3/40—Scaling the whole image or part thereof
    • G06T3/4038—Scaling the whole image or part thereof for image mosaicing, i.e. plane images composed of plane sub-images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8874—Taking dimensions of defect into account
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y02A30/60—Planning or developing urban green infrastructure

Abstract

本发明公开了一种基于单目摄像头的道路路面坑洼破损自动提取方法，根据图像中像素灰度值确定路面坑洼的高低起伏程度，从而获得坑洼位置；针对坑洼位置处每一行像素所代表的路面横断面，以像素在行中的位置为x，以像素灰度值为y，拟合出路面横断面曲线；将路面横断面曲线分为左、中、右三部分，分别求取这三个部分的最高点B、A、C，直线AB、AC与路面横断面曲线在y轴上的最大差值即为该路面横断面坑洼的深度数据；针对同一坑洼位置的所有路面横断面求取深度数据，最大深度即为坑洼深度。该方法还提供了路面横断面计算方法、路面裂缝去噪方法和坑洼错位下的图像拼接法。本发明自动提取路面坑洼破损信息，减少人工干预，提高识别效率和准确度。

Description

基于单目摄像头的道路路面坑洼破损自动提取方法
技术领域
本发明涉及道路养护技术领域，尤其涉及一种基于单目摄像头的道路路面坑洼破损自动提取方法。
背景技术
近年来，我国高等级公路建设飞速发展。高速公路建成后工作重要的内容是养护与管理。由于国民经济飞速发展带来的交通流量迅猛增长，重载车辆增多，特别是普遍存在的严重超载现象，导致在近年来修筑的高速公路早期损坏的频繁出现，这就是客观上给我国高速公路的养护工作增加了压力。
随着越来越多的新建公路投入使用，如何对已建道路资产进行快速数字化采集管理，如何对道路路面进行实时的检测、养护管理，成了道路管理者需要面临的一大问题。而路面破损状况的检测和评价是进行养护管理的重要前提。
目前，在道路资产管理和道路日常巡检工作中都采用目视方法，即通过人工干预在影像中提取路面坑洼破损位置信息。人工识别方案不能识别坑洼深度，而且识别效率较低。这在道路养护领域是不具备推广条件的。
发明内容
有鉴于此，本发明提供了一种基于单目摄像头的道路路面坑洼破损自动提取方法，能够减少人工干预，提高识别效率和准确度。
为了解决上述技术问题，本发明是这样实现的：
一种基于单目摄像头的道路路面坑洼破损自动提取方法，包括：
步骤一、对单目摄像头提取的图像进行拼接；
步骤二、根据图像中像素灰度值大小确定路面坑洼的高低起伏程度，从而获得坑洼位置；针对坑洼位置处每一行像素所代表的路面横断面，以像素在行中的位置为x，以像素灰度值为y，拟合出路面横断面曲线；将路面横断面曲线分为左、中、右三部分，分别求取这三个部分的最高点B、A、C，列出直线AB和AC的直线函数；直线AB、AC与路面横断面曲线在y轴上的最大差值即为该路面横断面坑洼的深度数据；针对同一坑洼位置的所有路面横断面求取深度数据，最大深度即为坑洼深度。
优选地，该方法进一步包括：针对每个路面横断面，采用曲线积分的方法计算坑洼横截面积：
Figure SMS_1
其中，IAB(x)为直线AB的函数，IAC(x)为直线AC的函数，R(x)为路面横断面的曲线函数，其中xA，xB，xC是直线AB、AC中端点A、B、C的x坐标。
优选地，所述步骤一为：
步骤11：对单目摄像头提取的两幅相邻图像进行拼接；拼接图像尺寸高H像素，宽W像素，拼接处位于W/2处；采用N×N的滤波窗口在拼接处滑动，获得每个位置(i,j)处滤波窗口中的灰度均值A(i,j)；针对拼接图像，如果任意两行i1和i2满足如下条件，则认为图像在i1行、i2行发生坑洼且错位；
Figure SMS_2
其中，ω和δ均为设定的像素灰度阈值，M为设定的整数，M>N；
步骤21：计算i1和i2的差值，对相邻图像中的一幅向上或者向下平移所述差值的距离，完成图像位置的校正。
优选地，N＝5；M＝6。
优选地，所述步骤一和步骤二之间进一步对路面裂缝进行过滤去噪：
建立平面坐标系xy；
在横坐标[x-t,x+t]内，若存在并且/>
Figure SMS_4
Figure SMS_5
则表示区间[x-t,x+t]中包含破损信息；其中，/>
Figure SMS_6
为设定的像素灰度阈值，t为设定的宽度范围；
计算[y(x-t)+y(x+t)]/2并赋值给y(x)，实现路面裂缝的过滤去噪。
优选地，改变
Figure SMS_7
和t的值，多次执行路面裂缝过滤去噪的操作。
有益效果：
(1)本发明提供了一种道路路面坑洼破损自动提取方法，通过灰度图的信息分析实现坑洼深度提取，从而减少人工干预，提高识别效率和准确度。
(2)利用灰度图的信息分析进一步实现路面横断面面积的求取，利用该面积可以获得更丰富的坑洼信息，例如可以获得体积。
(3)本发明利用拼接处的坑洼图像特点进行图像拼接的校正，能够提升校正的准确程度。
(4)本发明进行图像处理时，还基于路面灰度信息对路面裂缝进行过滤去噪，从而提升后续坑洼信息提取的准确度。
附图说明
图1为本发明基于单目摄像头的道路路面坑洼破损自动提取方法的流程图。
图2为本发明坑洼深度计算的原理图。
具体实施方式
下面结合附图并举实施例，对本发明进行详细描述。
本发明提供了一种基于单目摄像头的道路路面坑洼破损自动提取方法，方案采用单目摄像头获取路面的图像，从图像中的灰度信息提取路面坑洼有关的数据，如图1所示，该方法包括如下步骤：
步骤一、对单目摄像头提取的图像进行拼接。
首先需要相邻多幅图像的位置进行校正，使图像正确连接。假设相邻两幅图像拼接后所获的拼接图像的尺寸高H＝2048像素，宽W＝4096像素，拼接处是在W/2＝2048像素处，精度是每像素1mm。图像校正时，对于坑洼在拼接处的情况，可以采用本步骤的方法。具体来说，拼接处是在W/2＝2048像素处，坑洼也是在第2048个像素处，那么对2048像素附近灰度值进行特征分析，以5×5个像素的正方形滤波窗口在图像上滑动，获得图像上每个位置(i,j)处滤波窗口的灰度均值，记为A(i,j)。将滤波窗口滑动到2048像素两侧的数据上进行测量，判断分布在2048像素两侧的数据A(i,j)差异是否满足判定特征，具体为公式(1)，从而确定接缝处是否存在坑洼。本发明取两侧宽度为M＝6，则分别在2048两侧的数据为A(i,2042)和A(i,2054)，i的取值范围为5～2043；判断在该取值范围内是否存在满足图像条件的i1和i2行：
Figure SMS_8
其中ω、δ为设定的像素灰度阈值。如果满足条件(1)则认为图像在i1行和i2行发生坑洼，并且这两行处的坑洼灰度值相近，表明它们属于同一破损。需要利用i1和i2的差值对相邻图像的位置进行校正。只要知道到i1和i2的差值，对相邻两幅路面图像中的一幅图像向上或者向下平移差值的距离，就能完成图像位置的校正。
步骤二、对路面裂缝进行过滤去噪。
以图像行中元素的序号为x坐标，x坐标以路面从左向右为从小到大，图像像素值表征的高程为y坐标，建立平面坐标系；在路面横断面一定宽度范围内，即在横坐标[x-t,x+t]内，若存在
Figure SMS_9
并且/>
Figure SMS_10
Figure SMS_11
则表示区间[x-t,x+t]中包含路面裂缝；其中，/>
Figure SMS_12
为设定的像素灰度阈值，t为设定的宽度范围；计算[y(x-t)+y(x+t)]/2并赋值给y(x)，实现路面裂缝的过滤去噪。
像素阈值
Figure SMS_13
和宽度范围t的选择则大大影响着算法的效果。通过多次改变像素阈值和宽度范围的大小能获取最优算法。单次过滤算法不能完全消除裂缝信息，需要针对不同的裂缝宽度和深度对曲线进行多次去噪过滤。因此需要设计多层滤波算法，思路是按照宽度范围t由高到低，灰度阈值/>
Figure SMS_14
也由高到低顺序进行。
步骤三、坑洼深度计算
图像中每一个像素灰度值大小表示路面坑洼的高低起伏程度。对整幅图像灰度信息分析，分析时逐行，逐行元素的分析，当相邻两位置灰度值差异超过阈值时，确定图像发生变化，对图像中该行像素进行灰度值的提取，从第一列到最后一列得到灰度值，以像素在行中的位置为x，以像素灰度值为y，进行高阶多项式拟合，即可得到该行所对应的路面横断面曲线。每一行都能够获得一个路面横断面曲线R。
如图2所示，将路面横断面曲线分为左、中、右三部分，分别求取这三个部分的最高点B、A、C，列出直线AB和AC的直线函数；如图2所示，直线AB、AC与路面横断面曲线在y轴上的最大差值即为该路面横断面坑洼的深度数据。
采用上述方法，针对同一坑洼位置的所有路面横断面求取深度数据，最大深度即为坑洼深度。
步骤四、路面横断面面积计算。
本发明采用曲线积分的方法计算路面横断面，计算公式如下：
Figure SMS_15
其中，其中xA，xB，xC是直线AB、AC中端点A、B、C的x坐标，IAB(x)为直线AB的函数，IAC(x)为直线AC的函数，R(x)为路面横断面的曲线函数，该曲线函数为步骤三采用多项式拟合获得的路面横断面曲线。
获取路面横断面面积后，可以根据该面积获得更丰富的坑洼信息，例如可以获得坑洼体积。
步骤五、坑洼破损的三维位置提取。
本发明采用北斗/GNSS传感器与IMU MEMS传感器的位置姿态数据与拍摄图像进行数据融合，使得每个像素具备三维空间位置信息。其中，北斗/GNSS传感器是指具有北斗的GNSS传感器。在单目摄像头拍照时，上述传感器的集成系统会同步记录相关数据，所述相关数据包括拍照位置、拍照时间和单目摄像头姿态数据；利用所述相关数据，通过像素坐标系、像平面坐标系、相机坐标系和2000国家大地坐标系，利用一系列摄影测量坐标转换的方法将探测出的坑洼破损处像平面坐标系的坐标转化为2000国家大地坐标系，获得基于北斗的2000国家大地坐标系坑洼破损三维位置。
综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于单目摄像头的道路路面坑洼破损自动提取方法，其特征在于，包括：
步骤一、对单目摄像头提取的图像进行拼接；所述步骤一为：
步骤11：对单目摄像头提取的两幅相邻图像进行拼接；拼接图像尺寸高H像素，宽W像素，拼接处位于W/2处；采用N×N的滤波窗口在拼接处滑动，获得每个位置(i,j)处滤波窗口中的灰度均值A(i,j)；针对拼接图像，如果任意两行i1和i2满足如下条件，则认为图像在i1行、i2行发生坑洼且错位；
Figure QLYQS_1
其中，ω和δ均为设定的像素灰度阈值，M为设定的整数，M>N；
步骤21：计算i1和i2的差值，对相邻图像中的一幅向上或者向下平移所述差值的距离，完成图像位置的校正；
步骤二、根据图像中像素灰度值大小确定路面坑洼的高低起伏程度，从而获得坑洼位置；针对坑洼位置处每一行像素所代表的路面横断面，以像素在行中的位置为x，以像素灰度值为y，拟合出路面横断面曲线；将路面横断面曲线分为左、中、右三部分，分别求取这三个部分的最高点B、A、C，列出直线AB和AC的直线函数；直线AB、AC与路面横断面曲线在y轴上的最大差值即为该路面横断面坑洼的深度数据；针对同一坑洼位置的所有路面横断面求取深度数据，最大深度即为坑洼深度。
2.如权利要求1所述的方法，其特征在于，该方法进一步包括：针对每个路面横断面，采用曲线积分的方法计算坑洼横截面积：
Figure QLYQS_2
其中，IAB(x)为直线AB的函数，IAC(x)为直线AC的函数，R(x)为路面横断面的曲线函数，其中xA，xB，xC是直线AB、AC中端点A、B、C的x坐标。
3.如权利要求1所述的方法，其特征在于，N＝5；M＝6。
4.如权利要求1所述的方法，其特征在于，所述步骤一和步骤二之间进一步对路面裂缝进行过滤去噪：
建立平面坐标系xy；
在横坐标[x-t,x+t]内，若存在
Figure QLYQS_3
并且/>
Figure QLYQS_4
Figure QLYQS_5
则表示区间[x-t,x+t]中包含破损信息；其中，/>
Figure QLYQS_6
为设定的像素灰度阈值，t为设定的宽度范围；
计算[y(x-t)+y(x+t)]/2并赋值给y(x)，实现路面裂缝的过滤去噪。
5.如权利要求4所述的方法，其特征在于，改变
Figure QLYQS_7
和t的值，多次执行路面裂缝过滤去噪的操作。
CN202010059840.0A 2020-01-19 2020-01-19 基于单目摄像头的道路路面坑洼破损自动提取方法 Active CN111274939B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010059840.0A CN111274939B (zh) 2020-01-19 2020-01-19 基于单目摄像头的道路路面坑洼破损自动提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010059840.0A CN111274939B (zh) 2020-01-19 2020-01-19 基于单目摄像头的道路路面坑洼破损自动提取方法

Publications (2)

Publication Number Publication Date
CN111274939A CN111274939A (zh) 2020-06-12
CN111274939B true CN111274939B (zh) 2023-07-14

Family

ID=71000722

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010059840.0A Active CN111274939B (zh) 2020-01-19 2020-01-19 基于单目摄像头的道路路面坑洼破损自动提取方法

Country Status (1)

Country Link
CN (1) CN111274939B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112325791A (zh) * 2020-10-26 2021-02-05 中国建筑第八工程局有限公司 基于摄影测量技术的路面构造深度测试装置及其测试方法
CN112381009B (zh) * 2020-11-18 2023-01-17 安徽国钜工程机械科技有限公司 一种线阵相机采集隧道图像和图像拼接方法
CN113807306A (zh) * 2021-09-28 2021-12-17 江苏泰扬金属制品有限公司 利用云端服务的信息解析系统
CN115002344B (zh) * 2022-05-11 2024-04-19 昆山丘钛微电子科技股份有限公司 误差曲面拟合方法、装置、设备及介质
CN116189133B (zh) * 2023-04-26 2023-07-28 宜宾闪马智通科技有限公司 道路巡检判定方法及装置
CN116311173B (zh) * 2023-05-22 2023-11-10 南京邮电大学 一种多传感器融合的无人车路面坑洼检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108235774A (zh) * 2018-01-10 2018-06-29 深圳前海达闼云端智能科技有限公司 信息处理方法、装置、云处理设备以及计算机程序产品
CN108765419A (zh) * 2018-06-20 2018-11-06 天津大学 结构光视觉焊缝图像信息自适应提取方法
CN109035218A (zh) * 2018-07-09 2018-12-18 武汉武大卓越科技有限责任公司 路面修补区域检测方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104005325B (zh) * 2014-06-17 2016-01-20 武汉武大卓越科技有限责任公司 基于深度和灰度图像的路面裂缝检测装置和方法
WO2016207749A1 (en) * 2015-06-23 2016-12-29 Mobile Telephone Networks (Proprietary) Limited A device and method of detecting potholes
CN110458080B (zh) * 2019-08-05 2020-12-15 西藏宁算科技集团有限公司 一种汽车行驶中前方坑洞的预判方法及系统
GB2605621A (en) * 2021-04-07 2022-10-12 Robok Ltd Monocular depth estimation

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108235774A (zh) * 2018-01-10 2018-06-29 深圳前海达闼云端智能科技有限公司 信息处理方法、装置、云处理设备以及计算机程序产品
CN108765419A (zh) * 2018-06-20 2018-11-06 天津大学 结构光视觉焊缝图像信息自适应提取方法
CN109035218A (zh) * 2018-07-09 2018-12-18 武汉武大卓越科技有限责任公司 路面修补区域检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于K值分析的路面坑槽面积自动测量;秦忠义;山西建筑;第43卷(第18期);139-140 *

Also Published As

Publication number Publication date
CN111274939A (zh) 2020-06-12

Similar Documents

Publication Publication Date Title
CN111274939B (zh) 基于单目摄像头的道路路面坑洼破损自动提取方法
CN108038883B (zh) 一种应用于公路路面视频图像的裂缝检测及识别方法
CN110084095B (zh) 车道线检测方法、车道线检测装置和计算机存储介质
CN104504388B (zh) 一种路面裂缝识别和特征提取算法及系统
CN108230344B (zh) 一种隧道渗漏水病害自动识别方法
CN108197583B (zh) 基于图割优化和影像结构特征的建筑物变化检测方法
CN104539937B (zh) 一种摄像头模组污点检测的方法和装置
CN103886594B (zh) 路面线激光车辙检测与识别方法及处理系统
CN110390256B (zh) 一种沥青路面裂缝提取方法
JP2008082870A (ja) 画像処理プログラム及びこれを用いた路面状態計測システム
CN110619258B (zh) 一种基于高分辨率遥感影像的道路轨迹核查方法
CN103903268A (zh) 基于多种低层显著特征的路面裂缝检测方法
CN109540925B (zh) 基于差影法与局部方差测量算子的复杂瓷砖表面缺陷检测方法
CN108596165A (zh) 基于无人机低空航拍图像的道路交通标线检测方法及系统
CN108053412B (zh) 融合多定量评价指标的遥感影像最优分割结果确定方法
CN109166125A (zh) 一种基于多边缘融合机制的三维深度图像分割算法
CN114677601A (zh) 一种基于无人机巡检的结合深度学习的大坝裂缝检测方法
CN114596551A (zh) 一种车载前视图像裂缝检测的方法
US20040057601A1 (en) Method for image processing
CN111354047B (zh) 一种基于计算机视觉的摄像模组定位方法及系统
CN114066808A (zh) 一种基于深度学习的路面缺陷检测方法及系统
CN110717900A (zh) 基于改进Canny边缘检测算法的受电弓磨耗检测方法
CN111476723B (zh) 一种Landsat-7扫描线纠正器失效的遥感图像丢失像素恢复方法
CN110969071A (zh) 一种基于可行驶区域的障碍物检测方法、装置及系统
CN113793384A (zh) 一种基于图像处理的石油钻杆变径定位方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 101318 room 1115, 6 Anfu street, Houshayu Town, Shunyi District, Beijing

Applicant after: Jiaoxin Beidou Technology Co.,Ltd.

Applicant after: CHINA TRANSPORT TELECOMMUNICATIONS AND INFORMATION CENTER

Address before: 100120 6th floor, Rongbao building, 26 gulouwai street, Dongcheng District, Beijing

Applicant before: BEIJING CCCC INVESTMENT INNOVATION INVESTMENT DEVELOPMENT CO.,LTD.

Applicant before: CHINA TRANSPORT TELECOMMUNICATIONS AND INFORMATION CENTER

GR01 Patent grant
GR01 Patent grant