CN112505142A - 检测道路结构损伤的方法、自主移动式设备及存储介质 - Google Patents
检测道路结构损伤的方法、自主移动式设备及存储介质 Download PDFInfo
- Publication number
- CN112505142A CN112505142A CN202011162547.3A CN202011162547A CN112505142A CN 112505142 A CN112505142 A CN 112505142A CN 202011162547 A CN202011162547 A CN 202011162547A CN 112505142 A CN112505142 A CN 112505142A
- Authority
- CN
- China
- Prior art keywords
- road
- damage
- end point
- autonomous mobile
- driving
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000001514 detection method Methods 0.000 claims abstract description 69
- 238000001931 thermography Methods 0.000 claims description 30
- 238000010801 machine learning Methods 0.000 claims description 13
- 230000006835 compression Effects 0.000 claims description 11
- 238000007906 compression Methods 0.000 claims description 11
- 238000002592 echocardiography Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 5
- 230000007547 defect Effects 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000003902 lesion Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000006698 induction Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/045—Analysing solids by imparting shocks to the workpiece and detecting the vibrations or the acoustic waves caused by the shocks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B17/00—Measuring arrangements characterised by the use of infrasonic, sonic or ultrasonic vibrations
- G01B17/02—Measuring arrangements characterised by the use of infrasonic, sonic or ultrasonic vibrations for measuring thickness
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4481—Neural networks
Abstract
本申请涉及一种检测道路结构损伤的方法、自主移动式设备及存储介质,其中该方法包括:获取检测道路信息,其包括道路第一端点和道路第二端点;在道路第一端点,识别第一侧车道线,沿着第一侧车道线向道路第二端点行驶,并记录行驶轨迹,直到到达道路第二端点,得到巡线轨迹;按照巡线轨迹和检测重叠度,在道路第二端点与道路第一端点之间行驶,直到已检测宽度大于或等于检测道路的宽度;在该行驶的过程中,检测道路结构损伤,并识别道路结构损伤类型;在检测到第一道路结构损伤时,在路面上标记损伤起始标记;在检测到第一道路损伤结束时,在路面上标记损伤结束标记,并在路面上标记道路损伤结构类型。通过本申请实现了自动化检测和标记。
Description
技术领域
本申请涉及道路结构损伤检测技术领域,尤其涉及一种检测道路结构损伤的方法、自主移动式设备及存储介质。
背景技术
道路是人类生活中重要组成部分,道路结构检测是为了能够及时发现道路表面、内部出现的损伤,避免路面的塌陷、断裂,甚至会危及生命财产安全。道路结构检测技术已经成为人们关注的热点,然而人工检测具有精度低、工作效率低、劳动强度大和运维成本高等缺陷。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题,本申请提供了一种检测道路结构损伤的方法、自主移动式设备及存储介质。
第一方面,本申请提供了一种检测道路结构损伤的方法,包括:获取检测道路信息,其中,该检测道路信息包括道路第一端点和道路第二端点;在道路第一端点,识别第一侧车道线,并沿着第一侧车道线向道路第二端点行驶,并记录行驶轨迹,直到到达道路第二端点,得到巡线轨迹;按照上述巡线轨迹和检测重叠度,在道路第二端点与道路第一端点之间行驶,直到已检测宽度大于或等于检测道路的宽度,以遍历检测道路的路面;在上述行驶的过程中,检测道路结构损伤,并识别道路结构损伤类型;在检测到第一道路结构损伤时,在路面上标记损伤起始标记;在检测到第一道路损伤结束时,在路面上标记损伤结束标记,并在路面上标记道路损伤结构类型。
在某些实施例中,在上述行驶的过程中,检测道路结构损伤,并识别道路结构损伤类型,包括:在上述行驶的过程中,通过红外相机采集路面的温度信息,根据采集的温度信息生成热成像图;通过冲击器在路面产生压缩波,通过接收传感器接收路面反射回来的冲击回波,根据上述冲击回波生成频谱图;使用机器学习模型根据热成像图和频谱图,确定道路结构是否存在损伤,以及确定道路结构损伤类型,其中,该机器学习模型是以标记有道路结构损伤类型的热成像图和频谱图训练得到的。
在某些实施例中,上述方法还包括:按照上述巡线轨迹和检测重叠度,在道路第二端点与所述道路第一端点之间行驶的过程中,如果识别到道路中线且已检测宽度大于或等于检测道路的宽度的一半,沿着道路中线行驶,并更新巡线轨迹。
在某些实施中,识别第一侧车道线,并沿着第一侧车道线向道路第二端点行驶,包括:通过光电传感器识别第一侧车道线,根据光电传感器的传感器信号确定自主移动式设备与第一侧车道线之间的偏移量,根据该偏移量确定第一转角;确定自主移动式设备与第一侧车道线之间的斜率,根据该斜率确定第二转角;根据第一转角与第二转角的加权平均值控制自主移动式设备的转向,以使自主移动式设备沿着第一侧车道线向道路第二端点行驶。
在某些实施例中,上述方法还包括:在上述行驶的过程中,监测自主移动式设备的剩余能量,以及确定自主移动式设备与能量补给点之间的距离;在剩余能量与行驶上述距离所需能量之间的差值小于或等于预设值时,将自主移动式设备导航至能量补给点。
第二方面,本申请提供了一种自主移动式设备,包括:光电传感器;红外相机;冲击器和接收传感器;标记装置;存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序;计算机程序被处理器执行时实现检测道路结构损伤的方法的步骤,该方法包括:获取检测道路信息,其中,检测道路信息包括道路第一端点和道路第二端点;在道路第一端点,通过光电传感器识别第一侧车道线,并沿着第一侧车道线向所述道路第二端点行驶,并记录行驶轨迹,直到到达道路第二端点,得到巡线轨迹;按照所述巡线轨迹和检测重叠度,在道路第二端点与道路第一端点之间行驶,直到已检测宽度大于或等于检测道路的宽度,以遍历检测道路的路面;在上述行驶的过程中,通过红外相机采集路面的温度信息,根据采集的温度信息生成热成像图;通过冲击器在路面产生压缩波,通过接收传感器接收路面反射回来的冲击回波,根据冲击回波生成频谱图;使用机器学习模型根据热成像图和频谱图,确定道路结构是否存在损伤,以及确定道路结构损伤类型,其中,机器学习模型是以标记有道路结构损伤类型的热成像图和频谱图训练得到的;在检测到第一道路结构损伤时,通过标记装置在路面上标记损伤起始标记;在检测到第一道路损伤结束时,通过标记装置在路面上标记损伤结束标记,并在路面上标记道路损伤结构类型。
在某些实施例中,上述方法还包括:按照巡线轨迹和检测重叠度,在道路第二端点与道路第一端点之间行驶的过程中,如果识别到道路中线且已检测宽度大于或等于检测道路的宽度的一半,沿着道路中线行驶,并更新上述巡线轨迹。
在某些实施例中,识别第一侧车道线,并沿着第一侧车道线向道路第二端点行驶,包括:通过光电传感器识别第一侧车道线,根据光电传感器的传感器信号确定自主移动式设备与第一侧车道线之间的偏移量,根据偏移量确定第一转角;确定所述自主移动式设备与第一侧车道线之间的斜率,根据该斜率确定第二转角;根据第一转角与第二转角的加权平均值控制自主移动式设备的转向,以使自主移动式设备沿着第一侧车道线向道路第二端点行驶。
在某些实施例中,上述方法还包括:在上述行驶的过程中,监测自主移动式设备的剩余能量,以及确定自主移动式设备与能量补给点之间的距离;在剩余能量与行驶上述距离所需能量之间的差值小于或等于预设值时,将自主移动式设备导航至能量补给点。
第三方面,本申请提供了一种计算机可读存储介质,该计算机可读存储介质上存储有检测道路结构损伤的程序,该检测道路结构损伤的程序被处理器执行时实现上述任一检测道路结构损伤的方法的步骤。
本申请实施例提供的上述技术方案与现有技术相比具有如下优点:本申请实施例提供的该技术方案,实现了对道路结构损伤的自动检测,检测精度更高、效率更高,并且检测过程中实时标记并记录损伤位置和类型。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供自主移动式设备一种实施方式的硬件示意图;
图2为本申请实施例提供的自主移动式设备一种实施方式的结构示意图;
图3为本申请实施例提供的检测道路结构损伤的方法一种实施方式的流程图;
图4为本申请实施例提供的在行驶的过程中检测道路结构损伤类型的方法一种实施方式的流程图;以及
图5为本申请实施例提供的类型标记一种实施方式的示意图。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在后续的描述中,使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本申请的说明,其本身没有特定的意义。因此,“模块”、“部件”或“单元”可以混合地使用。
本申请涉及一种检测道路结构损伤的方法及用于检测道路结构损伤的自主移动式设备,实现道路结构缺陷检测的自动化,能够高精度的完成道路缺陷的检测,在桥梁、高速公路和各级公路中都可以得到广泛应用。
图1为本申请实施例提供自主移动式设备一种实施方式的硬件示意图,如图1所示,自主移动式设备100,包括:光电传感器101,同于检测道路信息;红外相机102;冲击器103,用于在路面产生压缩波;接收传感器104,用于接收路面反射回来的冲击回波;标记装置105,用于在路面产生标记;存储器106、处理器107及存储在存储器106上并可在处理器107上运行的计算机程序,该计算机程序被处理器执行时实现检测道路结构损伤的方法的步骤。
图2为本申请实施例提供的自主移动式设备一种实施方式的结构示意图,如图2所示,自主移动式设备包括:轮式步进电机1,用于驱动其在路面移动;电源2,位于后部,电源2与后壁连接;后壁为散热片3;顶中部设置5G传输天线4、卫星天线5与报警灯6。在自主移动式设备前侧内部中间安装行车记录仪7、红外相机8(对应于图1所示的红外相机102)和高清摄像机9,在红外相机8上两侧安装线扫描相机10。在自主移动式设备的两侧及后部分别安装五个感应雷达11,分布为自主移动式设备前端两侧各一个,自主移动式设备后端两侧各一个,自主移动式设备后部中央一个。自主移动式设备内部设置微型计算机12(包括图1所示的存储器106和处理器107)、GNSS接收机13、惯性导航装置14、震动传感器15和无线装置16。自主移动式设备下部前端以弹簧装置17为基座,下连接加速度传感器18与接收传感器19(对应于图1所示的接收传感器104),下连接三个冲击器20(对应于图1所示的冲击器103),位置标记装置21与类型标记装置22连接位于后部(对应于图1所示的标记装置105)。
参考图2所示,步进电机1,设置为提供前进动力;电源2,设置为提供运行能源;散热片3,设置为过热降温;5G网络传输天线;卫星天线5,为GNSS接收机提供信号;报警灯6,为紧急情况显示灯;行车记录仪7,设置为记录工作情况;红外相机8,设置为采集道路表面热成像信息;高清摄像机9,设置为采集扫描区域高清图像,辅助红外热成像分析;线扫描相机10,用于捕捉条带,选取扫描范围,辅助红外相机;感应雷达11,设置为感应障碍物距离,进行防撞处理;微型计算机12,用于数据处理、路线规划、危险预警、判断决策;GNSS接收机13,用于获取位置信息;惯性导航装置14,用于保持行进姿态;震动传感器15,用于感应车辆震动,剧烈震动触发报警;无线装置16,用于数据内部传输与外界传输;弹簧装置17,用于防止声检测装置与地面强烈撞击造成损坏;加速度传感器18,用于采集加速度数据;接收传感器19,用于采集数据;冲击器20,用于撞击地面产生波;位置标记装置21,用于标记损伤位置;类型标记装置22,用于标记损伤类型。
下面结合图1和图2对本申请实施例的检测道路结构损伤的方法进行说明。
图3为本申请实施例提供的检测道路结构损伤的方法一种实施方式的流程图,如图3所示,包括步骤S302至步骤S310。
步骤S302,获取检测道路信息,其中,检测道路信息包括道路第一端点和道路第二端点。
作为示例性说明,道路第一端点和道路第二端点分别为待检测道路的起点和终点,可选地为道路的起点和终点的定位坐标,但不限于此。在某些实施例中,可在地图上标记待检测道路,标记的信息包括待检测道路的起点和终点。
步骤S304,在道路第一端点,识别第一侧车道线,并沿着第一侧车道线向所述道路第二端点行驶,并记录行驶轨迹,直到到达道路第二端点,得到巡线轨迹;按照巡线轨迹和检测重叠度,在道路第二端点与道路第一端点之间行驶,直到已检测宽度大于或等于检测道路的宽度,以遍历检测道路的路面。
在步骤S304中,可通过光电传感器识别车道线,应当理解图像识别等其他方式也是可行的,本申请实施例对此不做赘述。
作为示例性说明,在步骤S304中,第一侧车道线为道路的右侧车道线,第二侧车道线为道路的左侧车道线。在道路的一端,通过光电传感器识别到第一侧车道线,然后沿着第一侧车道线向第二端点行驶,并记录行驶轨迹得到巡线轨迹,直到到达道路另一端。在到达道路另一端后,向道路中间移动一段距离,按照巡线轨迹向反方向行驶。
在本申请实施例中,设置检测重叠度,按照检测重叠度移动。例如,每次检测的宽度为d,重叠度为σ,则移动的距离为d*(1-σ)。在某些实施例中,σ介于10%到20%之间。在步骤S304中,在道路第一端点和第二端点之间来回行驶,直到已检测宽度大于或等于道路的宽度,从而完成按照检测重叠度对道路的检测。
步骤S306,在上述行驶的过程中,检测道路结构损伤,并识别道路结构损伤类型。
步骤S308,在检测到第一道路结构损伤时,通过标记装置在路面上标记损伤起始标记。
在上述步骤S308中,起始标记可为任何类型的可视标记,例如线条、文字等,本申请实施例对此不做限定。
步骤S310,在检测到第一道路损伤结束时,通过标记装置在路面上标记损伤结束标记,并在路面上标记道路损伤结构类型。
在上述步骤S310中,道路损伤结构类型可为任意可视标记,不同的道路损伤结构类型具有不同的标记,以区分道路损伤结构类型。
在某些实施例中,为了降低行驶过程中的累计误差,上述方法还包括:按照巡线轨迹和检测重叠度,在道路第二端点与道路第一端点之间行驶的过程中,如果识别到道路中线且已检测宽度大于或等于检测道路的宽度的一半,沿着道路中线行驶,并更新上述巡线轨迹。
在某些实施例中,上述步骤S304中,识别第一侧车道线,并沿着第一侧车道线向道路第二端点行驶,包括:通过光电传感器识别第一侧车道线,根据光电传感器的传感器信号确定自主移动式设备与第一侧车道线之间的偏移量,根据偏移量确定第一转角;确定自主移动式设备与第一侧车道线之间的斜率,根据该斜率确定第二转角;根据第一转角与第二转角的加权平均值控制自主移动式设备的转向,以使自主移动式设备沿着第一侧车道线向道路第二端点行驶。
在某些实施例中,上述方法还包括:在上述行驶的过程中,监测自主移动式设备的剩余能量,以及确定自主移动式设备与能量补给点之间的距离;在剩余能量与行驶上述距离所需能量之间的差值小于或等于预设值时,将自主移动式设备导航至能量补给点。
下面结合图4对上述步骤S306中在行驶的过程中检测道路结构损伤类型的方法进行说明。
图4为本申请实施例提供的在行驶的过程中检测道路结构损伤类型的方法一种实施方式的流程图,如图4所示,该方法包括步骤S402至步骤S406。
步骤S402,在上述行驶的过程中,通过红外相机采集路面的温度信息,根据采集的温度信息生成热成像图。
在本申请实施例中,上述步骤S402,通过红外相机采集路面的温度信息,根据采集的温度信息生成热成像图。对于红外相机生成热成像图本申请实施例不做赘述,可参见相关技术的记载。
步骤S404,在上述行驶的过程中,通过冲击器在路面产生压缩波,通过接收传感器接收路面反射回来的冲击回波,根据冲击回波生成频谱图。
步骤S406,在上述行驶的过程中,使用机器学习模型根据热成像图和频谱图,确定道路结构是否存在损伤,以及确定道路结构损伤类型,其中,机器学习模型是以标记有道路结构损伤类型的热成像图和频谱图训练得到的。
在本申请实施例中,预先通过对热红外检测得到的热成像图和冲击回波检测得到的频谱图的学习,对损伤的类型和位置进行聚类,得到五种损伤类别:无损伤或表面不平整(裂纹、缺失)、浅层损伤或浅层损伤及表面不平整、深层损伤或深层损伤及表面不平整、浅层损伤及深层损伤,以及浅层损伤、深层损伤及表面不平整。对热成像图和频谱图进行数据标记,形成带有道路结构损伤类型的标记的训练图像集,通过该训练图像集训练机器学习模型,在本申请实施例中,以卷积神经网络(CNN)为例进行说明,为了实现对热成像图和频谱图进行分类(即道路结构损伤类型),卷积神经网络可包括LeNet-5、AlexNet、ZFNet、VGGNet、GoogLeNet、ResNet等。
在步骤S406中,以热成像图和频谱图作为机器学习模型的输入,通过机器学习模型输出对应的道路结构损伤类型。
下面对本申请实施例的一个示例进行说明。
关于检测道路覆盖的路径规划
在该示例中,首先由用户设定检测路径,输入起点-终点,将命令无线传输到自主移动式设备。将自主移动式设备投放到指定位置。
在该示例中,道路标志线分为两侧车道线和中线,将两侧车道线与中线作为三条基准线。通过光电传感器探测道路信息,模拟式光电传感器能提高路径探测精度,模拟式光电传感器的发光和接收都是锥角一定的圆锥形空间,其电压大小与传感器距离道路标志线的水平距离有定量关系。离标志线越近电压越低,离标志线越远,则电压越高。根据传感器电压-偏移距离特性关系,实现基于传感器电压大小确定传感器与标志线线的距离,进而获得检测车车身纵轴线相对标志线的位置,得到准确的路径信息。
在该示例中,待检路线长L,待检道路宽H,每一条检测轨迹Ni,轨迹长li,检测宽度d,重叠比例系数σ(σ值取10%到20%之间),已检测路径宽度D公式为:D=∑σ*d。检测过程中,遍历完成的条件为:D≥H;每一轨迹检测需满足:li∈L。
根据用户设定的起点,拟定出发点并到达出发点附近。自主移动式设备从左侧车道线已定起点出发,利用光电传感器识别左侧车道线,沿车道线进行巡线行驶,至达到终点附近结束第一轨迹的扫描任务。
在第一轨迹的扫描过程中,利用路径记忆算法对后续轨迹进行规划,检测车可以根据检测的第一轨迹记录步进电机输出功率、转速及转角等信息来判断区分直道、弯道及转弯的方向和半径信息。第n轨迹可以根据第一轨迹的信息进行学习,在计算机端生成后续轨迹地图。
在该示例中,光电传感器识别到中线且满足D≥H/2时,重新矫正姿态,沿中线进行巡线行驶,到达终点附近结束中线轨迹的扫描任务。通过中线的轨迹路径对轨迹地图进行两次校正,结合第一轨迹路径更新规划地图,使得规划地图更加准确。光电传感器识别到右侧车道线则重新调整位置,沿右侧车道线进行最后轨迹检测。到达已定终点附近,返回投放点。
利用光电传感器,可以得到自主移动式设备纵轴线距离道路车道线的偏移量,还可以得到车道线相对于检测车车身纵轴线的斜率,得知当前车身的姿态,进行转向控制。设定根据获取的光电传感器信号得到的转角为α1。根据传感器信号得到的纵轴线斜率信息得到转角为α2,最终的转向角度的确定公式为:α=k1*α1+k2*α2。采用这样的控制转向方法,可以对检测车姿态的加权控制,大大提高转弯稳定性,减少由于探测精度问题带来的累积误差。
关于行驶过程中的道路结构损伤检测
工作前,通过对热红外检测得到的热成像图和冲击回波检测得到的频谱图的学习,对损伤的类型和位置进行聚类,得到五种损伤类别:无损伤或表面不平整(裂纹、缺失)、浅层损伤或浅层损伤及表面不平整、深层损伤或深层损伤及表面不平整、浅层损伤及深层损伤、浅层损伤、深层损伤及表面不平整。
在行驶过程中,利用红外相机和高清摄像机对待测区域进行数据采集,采集路面图像及表面温度信息,将热成像图和道路图像传输到微型计算机进行处理分析。
红外热成像技术的测试结果是直观形象的,能够通过彩色或者黑白图像的方式很好的输出目标表面的温度信息,红外探测技术是非接触式测量,不会干扰目标的温度场,测量范围广,响应速度快。在利用红外热成像技术时,首先待测物体的温度要高于绝对零度,自发向外辐射能量,这种能量以红外线呈现,通过光学系统对目标物体的红外辐射进行会聚成像,经由红外探测器将目标物体的红外辐射转换为电子信号,然后将获取的电子信号转化成数字信号,每一个数字信号都对应着检测物体上的每个点的温度值,用颜色来表达这些数字信号的大小,最后就能够将这些数字信号组合成一幅红外热成像的伪彩色图像。用户可以通过观察伪彩色图像直观的获取目标物体上的温度分布信息。
在行驶过程中,利用冲击回波方法对路径进行声检测,利用冲击器对地面进行冲击使结构内部产生压缩波,利用多传感器获取压缩波传递情况,将采集的数据传输到微型计算机进行处理分析,生成频谱图。可选地,采用滚动传感器和螺线管冲击器,提高检测速度。
冲击回波方法测试为:利用冲击器在混凝土表面产生压缩波,然后用冲击器附近的接收传感器接收反射回来的压缩波。经过软件分析后来得到混凝土的厚度,内部的空隙、裂缝、剥离等缺陷。对于无损伤的平板和面,冲击回波试验中就会得到底面的反射波,这样在已知压缩波的波速时,就可以计算厚度了。
冲击回波信号经过A/D(模/数)转换并被采集和存储,A/D的采样频率根据测试的厚度和精度决定,采用频率采用100-500kHz。计算机对信号进行滤波、平滑、FFT处理,将回波信号的频率幅值谱呈现。厚度回波信号占主要成分,在频谱图中比较突出。然后确定回波的频率峰值f,深度计算结构的厚度或缺陷D为:
D=(b*cp)/2f
其中b是形状系数,对板/墙来说是0.96,对于梁和柱值更小,根据厚度和宽度的比值确定,Cp是压缩波波速。将冲击回波仪采集到的数据信息传送到微型计算机,通过软件进行三维成像分析,直观呈现损伤位置及类型信息。
在行驶过程中,将频谱图与热成像图进行结合,利用损伤模型进行分类,实时无线传输到标记装置,在某些实施中,记录并上传云端。
关于损伤位置及类型标记
将损伤位置及类型信息无线传输至标记装置进行标记,通过无线模块接收到微型计算机的指令,对损伤位置及类型进行标记并上传微型计算机记录已标记区块;检测区块无损伤,无需下达指令,标记装置不进行工作,继续完成一个区块的检测任务。
损伤类型及标记如下:
(1)检测区块有损伤,损伤类型为表面不平整(裂纹、缺失),无其他损伤,类型标记装置不进行标记;
(2)检测区块有损伤,损伤类型为浅层损伤(0-100mm),无其他损伤,类型标记装置进行标记,标记类型为标记1,参考图5所示;
(3)检测区块有损伤,损伤类型为深层损伤(100mm以上),无其他损伤,类型标记装置进行标记,标记类型为标记2,参考图5所示;
(4)检测区块有损伤,损伤类型无表面不平整,有浅层损伤,有深层损伤,类型标记装置进行标记,标记类型为标记3,参考图5所示;
(5)检测区块有损伤,损伤类型为表面不平整,有浅层损伤,有深层损伤,类型标记装置进行标记,标记类型为标记4,参考图5所示。
本实施例还提供一种计算机可读存储介质,如闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等,其上存储有计算机程序,程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于存储检测道路结构损伤的方法的程序代码,被处理器执行时实现检测道路结构损伤的方法。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本申请的保护之内。
Claims (10)
1.一种检测道路结构损伤的方法,其特征在于,包括:
获取检测道路信息,其中,所述检测道路信息包括道路第一端点和道路第二端点;
在所述道路第一端点,识别第一侧车道线,并沿着所述第一侧车道线向所述道路第二端点行驶,并记录行驶轨迹,直到到达所述道路第二端点,得到巡线轨迹;
按照所述巡线轨迹和检测重叠度,在所述道路第二端点与所述道路第一端点之间行驶,直到已检测宽度大于或等于检测道路的宽度,以遍历检测道路的路面;
在所述行驶的过程中,检测道路结构损伤,并识别道路结构损伤类型;
在检测到第一道路结构损伤时,在路面上标记损伤起始标记;在检测到所述第一道路损伤结束时,在路面上标记损伤结束标记,并在路面上标记道路损伤结构类型。
2.根据权利要求1所述的方法,其特征在于,在所述行驶的过程中,检测道路结构损伤,并识别道路结构损伤类型,包括:
在所述行驶的过程中,通过红外相机采集路面的温度信息,根据采集的温度信息生成热成像图;
通过冲击器在路面产生压缩波,通过接收传感器接收路面反射回来的冲击回波,根据所述冲击回波生成频谱图;
使用机器学习模型根据所述热成像图和所述频谱图,确定道路结构是否存在损伤,以及确定道路结构损伤类型,其中,所述机器学习模型是以标记有道路结构损伤类型的热成像图和频谱图训练得到的。
3.根据权利要求1或2所述的方法,其特征在于,还包括:按照所述巡线轨迹和检测重叠度,在所述道路第二端点与所述道路第一端点之间行驶的过程中,如果识别到道路中线且已检测宽度大于或等于检测道路的宽度的一半,沿着所述道路中线行驶,并更新所述巡线轨迹。
4.根据权利要求1或2所述的方法,其特征在于,识别第一侧车道线,并沿着所述第一侧车道线向所述道路第二端点行驶,包括:
通过光电传感器识别第一侧车道线,根据所述光电传感器的传感器信号确定自主移动式设备与所述第一侧车道线之间的偏移量,根据所述偏移量确定第一转角;确定所述自主移动式设备与所述第一侧车道线之间的斜率,根据所述斜率确定第二转角;根据所述第一转角与所述第二转角的加权平均值控制所述自主移动式设备的转向,以使所述自主移动式设备沿着所述第一侧车道线向所述道路第二端点行驶。
5.根据权利要求1或2所述的方法,其特征在于,还包括:
在所述行驶的过程中,监测自主移动式设备的剩余能量,以及确定自主移动式设备与能量补给点之间的距离;
在所述剩余能量与行驶所述距离所需能量之间的差值小于或等于预设值时,将所述自主移动式设备导航至所述能量补给点。
6.一种自主移动式设备,其特征在于,包括:
光电传感器;
红外相机;
冲击器和接收传感器;
标记装置;
存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序;
所述计算机程序被所述处理器执行时实现检测道路结构损伤的方法的步骤,所述方法包括:
获取检测道路信息,其中,所述检测道路信息包括道路第一端点和道路第二端点;
在所述道路第一端点,通过所述光电传感器识别第一侧车道线,并沿着所述第一侧车道线向所述道路第二端点行驶,并记录行驶轨迹,直到到达所述道路第二端点,得到巡线轨迹;
按照所述巡线轨迹和检测重叠度,在所述道路第二端点与所述道路第一端点之间行驶,直到已检测宽度大于或等于检测道路的宽度,以遍历检测道路的路面;
在所述行驶的过程中,通过所述红外相机采集路面的温度信息,根据采集的温度信息生成热成像图;通过所述冲击器在路面产生压缩波,通过所述接收传感器接收路面反射回来的冲击回波,根据所述冲击回波生成频谱图;使用机器学习模型根据所述热成像图和所述频谱图,确定道路结构是否存在损伤,以及确定道路结构损伤类型,其中,所述机器学习模型是以标记有道路结构损伤类型的热成像图和频谱图训练得到的;
在检测到第一道路结构损伤时,通过所述标记装置在路面上标记损伤起始标记;在检测到所述第一道路损伤结束时,通过所述标记装置在路面上标记损伤结束标记,并在路面上标记道路损伤结构类型。
7.根据权利要求6所述的自主移动式设备,其特征在于,所述方法还包括:按照所述巡线轨迹和检测重叠度,在所述道路第二端点与所述道路第一端点之间行驶的过程中,如果识别到道路中线且已检测宽度大于或等于检测道路的宽度的一半,沿着所述道路中线行驶,并更新所述巡线轨迹。
8.根据权利要求6所述的自主移动式设备,其特征在于,识别第一侧车道线,并沿着所述第一侧车道线向所述道路第二端点行驶,包括:
通过所述光电传感器识别第一侧车道线,根据所述光电传感器的传感器信号确定自主移动式设备与所述第一侧车道线之间的偏移量,根据所述偏移量确定第一转角;确定所述自主移动式设备与所述第一侧车道线之间的斜率,根据所述斜率确定第二转角;根据所述第一转角与所述第二转角的加权平均值控制所述自主移动式设备的转向,以使所述自主移动式设备沿着所述第一侧车道线向所述道路第二端点行驶。
9.根据权利要求6至8中任一项所述的自主移动式设备,其特征在于,所述方法还包括:在所述行驶的过程中,监测自主移动式设备的剩余能量,以及确定自主移动式设备与能量补给点之间的距离;在所述剩余能量与行驶所述距离所需能量之间的差值小于或等于预设值时,将所述自主移动式设备导航至所述能量补给点。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有检测道路结构损伤的程序,所述检测道路结构损伤的程序被处理器执行时实现如权利要求1至5中任一项所述的检测道路结构损伤的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011162547.3A CN112505142B (zh) | 2020-10-27 | 2020-10-27 | 检测道路结构损伤的方法、自主移动式设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011162547.3A CN112505142B (zh) | 2020-10-27 | 2020-10-27 | 检测道路结构损伤的方法、自主移动式设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112505142A true CN112505142A (zh) | 2021-03-16 |
CN112505142B CN112505142B (zh) | 2023-01-24 |
Family
ID=74955960
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011162547.3A Active CN112505142B (zh) | 2020-10-27 | 2020-10-27 | 检测道路结构损伤的方法、自主移动式设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112505142B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114061432A (zh) * | 2022-01-17 | 2022-02-18 | 中大检测(湖南)股份有限公司 | 一种地质雷达检测系统及方法 |
CN114511568A (zh) * | 2022-04-20 | 2022-05-17 | 西安博康硕达网络科技有限公司 | 基于无人机的高速公路桥梁检修方法 |
US20220371545A1 (en) * | 2021-05-18 | 2022-11-24 | Ford Global Technologies, Llc | Systems and methods for providing security to a vehicle |
CN116881768A (zh) * | 2023-06-21 | 2023-10-13 | 清华大学 | 数据处理方法、装置、计算机设备和存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS61112918A (ja) * | 1984-11-06 | 1986-05-30 | Komatsu Ltd | 車載用路面性状計測装置 |
US4958306A (en) * | 1988-01-06 | 1990-09-18 | Pacific Northwest Research & Development, Inc. | Pavement inspection apparatus |
CN102182137A (zh) * | 2011-02-25 | 2011-09-14 | 广州飒特电力红外技术有限公司 | 路面缺陷检测系统及方法 |
WO2015183001A1 (ko) * | 2014-05-28 | 2015-12-03 | 하상우 | 도로포장 손상 조사 및 분석 시스템, 그리고 도로포장 손상 조사 및 분석 방법 |
CN205529821U (zh) * | 2016-04-22 | 2016-08-31 | 孟宪杰 | 一种公路表面破损自动采集装置 |
WO2017202284A1 (zh) * | 2016-05-23 | 2017-11-30 | 桂仲成 | 道面自主检测智能装置、机器人系统及检测方法 |
US20180068495A1 (en) * | 2016-09-06 | 2018-03-08 | International Business Machines Corporation | Detection of road surface defects |
CN108765404A (zh) * | 2018-05-31 | 2018-11-06 | 南京行者易智能交通科技有限公司 | 一种基于深度学习图像分类的道路破损检测方法及装置 |
CN109801282A (zh) * | 2019-01-24 | 2019-05-24 | 湖北大学 | 路面状况检测方法、处理方法、装置及系统 |
CN109870456A (zh) * | 2019-02-01 | 2019-06-11 | 上海智能交通有限公司 | 一种路面健康状况快速检测系统及方法 |
-
2020
- 2020-10-27 CN CN202011162547.3A patent/CN112505142B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS61112918A (ja) * | 1984-11-06 | 1986-05-30 | Komatsu Ltd | 車載用路面性状計測装置 |
US4958306A (en) * | 1988-01-06 | 1990-09-18 | Pacific Northwest Research & Development, Inc. | Pavement inspection apparatus |
CN102182137A (zh) * | 2011-02-25 | 2011-09-14 | 广州飒特电力红外技术有限公司 | 路面缺陷检测系统及方法 |
US20120218411A1 (en) * | 2011-02-25 | 2012-08-30 | Guangzhou Sat Infrared Technology Co. Ltd | System and method for road surface defects detection |
WO2015183001A1 (ko) * | 2014-05-28 | 2015-12-03 | 하상우 | 도로포장 손상 조사 및 분석 시스템, 그리고 도로포장 손상 조사 및 분석 방법 |
CN205529821U (zh) * | 2016-04-22 | 2016-08-31 | 孟宪杰 | 一种公路表面破损自动采集装置 |
WO2017202284A1 (zh) * | 2016-05-23 | 2017-11-30 | 桂仲成 | 道面自主检测智能装置、机器人系统及检测方法 |
US20180068495A1 (en) * | 2016-09-06 | 2018-03-08 | International Business Machines Corporation | Detection of road surface defects |
CN108765404A (zh) * | 2018-05-31 | 2018-11-06 | 南京行者易智能交通科技有限公司 | 一种基于深度学习图像分类的道路破损检测方法及装置 |
CN109801282A (zh) * | 2019-01-24 | 2019-05-24 | 湖北大学 | 路面状况检测方法、处理方法、装置及系统 |
CN109870456A (zh) * | 2019-02-01 | 2019-06-11 | 上海智能交通有限公司 | 一种路面健康状况快速检测系统及方法 |
Non-Patent Citations (3)
Title |
---|
徐志刚: "《路面破损图像自动识别技术》", 30 September 2018, 西安电子科技大学出版社 * |
雍彬: "道路桥梁工程的试验检测技术研究", 《四川建材》 * |
马建等: "路面检测技术综述", 《交通运输工程学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220371545A1 (en) * | 2021-05-18 | 2022-11-24 | Ford Global Technologies, Llc | Systems and methods for providing security to a vehicle |
US11919479B2 (en) * | 2021-05-18 | 2024-03-05 | Ford Global Technologies, Llc | Systems and methods for providing security to a vehicle |
CN114061432A (zh) * | 2022-01-17 | 2022-02-18 | 中大检测(湖南)股份有限公司 | 一种地质雷达检测系统及方法 |
CN114511568A (zh) * | 2022-04-20 | 2022-05-17 | 西安博康硕达网络科技有限公司 | 基于无人机的高速公路桥梁检修方法 |
CN114511568B (zh) * | 2022-04-20 | 2022-07-22 | 西安博康硕达网络科技有限公司 | 基于无人机的高速公路桥梁检修方法 |
CN116881768A (zh) * | 2023-06-21 | 2023-10-13 | 清华大学 | 数据处理方法、装置、计算机设备和存储介质 |
CN116881768B (zh) * | 2023-06-21 | 2024-03-12 | 清华大学 | 数据处理方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112505142B (zh) | 2023-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112505142B (zh) | 检测道路结构损伤的方法、自主移动式设备及存储介质 | |
US11913807B2 (en) | Methods and systems for calibrating sensors using road map data | |
JP6931096B2 (ja) | オンボードセンサの外部パラメータを較正する方法及び装置、並びに関連する車両 | |
US10739459B2 (en) | LIDAR localization | |
US20060111841A1 (en) | Method and apparatus for obstacle avoidance with camera vision | |
US11321950B2 (en) | Apparatus and method for detecting lane information, and computer-readable recording medium storing computer program programmed to execute same method | |
CN107798699A (zh) | 用立体图像进行深度图估计 | |
US20150336575A1 (en) | Collision avoidance with static targets in narrow spaces | |
US20190346847A1 (en) | Autonomous driving system | |
CN105070098A (zh) | 一种基于车牌位置的车距检测方法 | |
CN110293965A (zh) | 泊车方法和控制装置、车载设备及计算机可读介质 | |
CN109375629A (zh) | 一种巡逻车及其导航避障方法 | |
JP4745159B2 (ja) | 移動ロボット | |
CN113253298A (zh) | 车辆激光雷达偏振 | |
CN110481420A (zh) | 车外报告装置 | |
CN109238221B (zh) | 一种车辆周围环境的检测方法及装置 | |
JP6263453B2 (ja) | 運動量推定装置及びプログラム | |
GB2567144B (en) | Apparatus and method for localising a vehicle | |
JP4745149B2 (ja) | 移動ロボット | |
JP2008009928A (ja) | 移動ロボット | |
CN108061905A (zh) | 一种路面状况探测方法及装置 | |
CN114212106B (zh) | 一种车辆的可行驶区域内安全概率的确定方法及装置 | |
CN116767224B (zh) | 确定可行驶区域的方法、装置、车辆、及存储介质 | |
US11846718B2 (en) | Location measuring system | |
US20240111057A1 (en) | Systems and methods for detecting water along driving routes and adjusting vehicle speed |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |