CN113009910A - 一种人行道检测机器人系统及人行道检测方法 - Google Patents
一种人行道检测机器人系统及人行道检测方法 Download PDFInfo
- Publication number
- CN113009910A CN113009910A CN202110180095.XA CN202110180095A CN113009910A CN 113009910 A CN113009910 A CN 113009910A CN 202110180095 A CN202110180095 A CN 202110180095A CN 113009910 A CN113009910 A CN 113009910A
- Authority
- CN
- China
- Prior art keywords
- data
- detection
- radar
- road
- sidewalk
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 80
- 230000000149 penetrating effect Effects 0.000 claims abstract description 27
- 201000010099 disease Diseases 0.000 claims description 58
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 58
- 238000000034 method Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 230000033001 locomotion Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 238000007689 inspection Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 5
- 238000011068 loading method Methods 0.000 claims description 3
- 239000011449 brick Substances 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000011897 real-time detection Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000011800 void material Substances 0.000 description 2
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
- G05D1/0251—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting 3D information from a plurality of images taken from different locations, e.g. stereo vision
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Abstract
本发明公开一种人行道检测机器人系统及人行道检测方法,所述系统具体包括:足式机器人、定位模块、工业相机、激光雷达、探地雷达、语音模块、边缘计算机;定位模块、工业相机、激光雷达、探地雷达,语音模块、边缘计算机固定在足式机器人上;所述边缘计算机与定位模块、高清工业相机、激光雷达、探地雷达、语音模块连接;本发明提供的技术方案实现了智能化、便捷化的人行道高效自动检测,对检测环境要求低,且检测范围广泛,替代传统人工,提升了数据结构化程度和检测效率。
Description
技术领域
本发明涉及道路智能巡检领域,特别涉及一种人行道巡检机器人。
背景技术
目前,城市道路检测以机动车道检测为主,人行道检测存在大量缺口。且机动车道检测自动化程度较高,有专业检测设备,人行道由于其特殊性,目前仅能用人工方法进行,人工检测数据存在交互存在流程复杂、阻隔明显等问题,浪费了大量的人力物力投入。因此,利用自动化程度高且覆盖面广的专业检测设备实现人行道的周期性检测,并对道路质量检测数据进行统一部署管理是提高道路服务水平,是保证人行安全的必要举措。
道路巡检机器人以轮式机器人为主,无法适应人行道铺砖多,且台阶多的情况。如果用履带式机器人,虽然对于不平整人行道的通过性可以增加,但由于机器人自重大,可能造成铺砖损坏。
现有技术存在轮式机器人无法适用于实际情况,周期性检测自动化程度不高,花费时间长,检测数据不统一等问题。
发明内容
本发明为解决上述现有技术中存在问题,提供一种人行道检测机器人系统及人行道检测方法,实现智能化、便捷化的人行道高效自动检测,替代传统人工,提升数据结构化程度和检测效率。一种人行道检测机器人系统,具体包括:
足式机器人、定位模块、工业相机、激光雷达、探地雷达、语音模块、边缘计算机;
所述定位模块、高清工业相机、激光雷达、探地雷达,语音模块、边缘计算机固定在所述足式机器人上;
所述边缘计算机与定位模块、高清工业相机、激光雷达、探地雷达、语音模块连接;
所述足式机器人,用于装载定位模块、高清工业相机、激光雷达、探地雷达,语音模块,边缘计算机进行移动;
所述定位模块,用于对人行道病害进行定位;
所述工业相机,用于对人行道环境进行相机图像数据采集;
所述激光雷达,用于对人行道环境进行雷达图像数据采集;
所述探地雷达,用于对人行道进行路面数据采集;
所述语音模块,用于进行语音提醒;
所述边缘计算机,用于根据道路病害数据和定位信息,生成道路病害点云数据,对道路病害点云数据通过图像识别、点云数据处理相关算法进行处理得到道路病害分布。
优选的,所述定位模块为实时差分定位设备。
优选的,所述激光雷达为三维激光雷达。
优选的,所述探地雷达为三维探地雷达。
优选的,所述边缘计算机,包括,处理器和硬件接口;
处理器,用于满足道路检测侧相关算法运行需求;
硬件接口,用来接收和传输数据信号。
优选的,所述处理器包括CPU和GPU。
一种人行道检测方法,具体步骤包括:
对待测区域进行相机图像数据、雷达图像数据和路面数据的实时采集,根据相机图像数据,得到人群密集度情况,根据雷达图像数据和人群密集度情况,对人行道检测机器人的运动路径进行避障规划,人行道检测机器人按照规划好的运动路径进行移动;
在人行道检测机器人移动过程中,根据相机图像数据,对占道经营进行检测,然后根据路面数据和相机图像数据,得到道路病害数据,同时对道路病害数据的位置进行定位,得到定位信息,根据道路病害数据和定位信息,得到道路病害分布。
优选的,基于道路病害点云数据,通过图像识别、点云数据处理相关算法,得到道路病害分布。
与现有技术相比,本发明提供的一种人行道检测机器人系统及人行道检测方法采用足式机器人作为载体,各传感器相配合的技术方案,对检测环境要求低,且检测范围广泛,单次自动测量即可满足人行道病害和占道经营检测,且检测结果精度较高。并且由于检测方式为机器人系统各模块自动运行,即自动检测,检测速度快,效率高,适合大范围的人行道检测,可以大大缩短检测周期,在同等检测覆盖范围下也有效缩短了检测频次,更节省人力成本。本发明所述装置采用了多种无线传感器网络技术,使得数据的采集传输更为可靠,利用高精度RTK设备可以采集配套的地理信息,并可以与电子地图结合,对城市内路网人行道进行较快速的数据采集和结果分析,使检测结果更加准确,同时本发明机器人采用足式机器人为载体,系统体积小,自重小,对于道路环境影响小,在道路上行走更加稳定,在复杂路况下也可以保证平稳测量,更加适用于实际道路的检测。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,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为本发明实施例提供的系统示意图;
图2为本发明实施例提供的方法流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为了解决在联邦机器学习环境下边缘端模型存在偏见问题导致模型预测结果存在不符合实际的偏见以及违反公平性的问题,本发明提供了如下方案:
如图1所述,本发明公开了一种人行道检测机器人系统,具体包括:
足式机器人、定位模块、工业相机、激光雷达、探地雷达、语音模块、边缘计算机;
所述定位模块、高清工业相机、激光雷达、探地雷达,语音模块、边缘计算机固定在所述足式机器人上;
所述边缘计算机与定位模块、高清工业相机、激光雷达、探地雷达、语音模块连接;
所述足式机器人,用于装载定位模块、高清工业相机、激光雷达、探地雷达,语音模块,边缘计算机进行移动;
所述定位模块,用于对人行道病害进行定位;
所述工业相机,用于对人行道环境进行相机图像数据采集;
所述激光雷达,用于对人行道环境进行雷达图像数据采集;
所述探地雷达,用于对人行道进行路面数据采集;
所述语音模块,用于进行语音提醒;
所述边缘计算机,用于根据道路病害数据和定位信息,生成道路病害点云数据,对道路病害点云数据通过图像识别、点云数据处理相关算法进行处理得到道路病害分布。
所述定位模块为高精度实时差分(real-time kinematic,RTK)定位设备。
所述激光雷达为三维激光雷达。
所述探地雷达为三维探地雷达。
所述边缘计算机,包括,处理器和硬件接口;
所述处理器包括CPU和GPU,用于满足道路检测相关算法运行需求,相关算法包括图像识别和点云数据处理;
硬件接口,用于接收和传输数据。
如图2所示,本发明还公开了一种人行道检测方法,具体步骤包括:
对待测区域进行相机图像数据、雷达图像数据和路面数据的实时采集,根据相机图像数据,得到人群密集度情况,根据雷达图像数据和人群密集度情况,对人行道检测机器人的运动路径进行避障规划,人行道检测机器人按照规划好的运动路径进行移动;
在人行道检测机器人移动过程中,根据相机图像数据,对占道经营进行检测,然后根据路面数据和相机图像数据,得到道路病害数据,同时对道路病害数据的位置进行定位,得到定位信息,根据道路病害数据和定位信息,得到道路病害分布。
该检测方法以足式机器人Laikago作为运动平台,通过高清工业相机装载视觉SLAM系统,通过视觉SLAM系统实时探测系统感知人群密集度情况,视觉SLAM系统通过基于特征提取的位置计算算法计算相机位姿,然后通过闭环检测,识别出历史检测过得街道图像数据以增加相机位姿之间的约束,减少不确定性,最后通过非线性优化对人群密度进行检测,通过上述方法,可以快速检测人群密集度情况,满足该方法的实时性。
通过3D激光雷达对实时环境进行模拟,对障碍物进行感知,以达到对道路环境周围进行检测,根据检测结果和人群密集度情况,通过模拟退火算法,实现运动路径合理规划和运动避障,人行道检测机器人按照规划好的运动路径进行移动,保证其移动的精确性同时通过语音提示提示人群避让,防止行人移动造成的误撞。
基于高清相机的视觉SLAM系统实时探测系统感知人群密集度情况,对人群进行检测,对占道经营识别进行判断,在机器人投放之前,需要采集占道经营的图片,对机器人进行训练,保证机器人的检测结果的可信度,满足实时检测的准确性,同时对占道经营进行提醒。
在人行道检测机器人移动过程中,基于高清相机的视觉SLAM系统实时探测系统对人行道路面形变病害进行检测。探地雷达主要对路面路基进行检测,采用频率50MHZ的设备对人行道砖块进行检测,实现人行道砖块脱空病害检测,探地雷达采集的路面数据结合高清工业相机采集数据,对道路病害进行检测,道路病害数据包括里面形变病害数据和砖块脱空病害数据,由视觉SLAM系统实时监测系统和探地雷达所采集的道路病害数据为点云数据,定位模块使用高精度RTK设备,采用实时差分技术,极大提高了定位效率和准确性,对所采集道路病害的位置进行精确定位,其可以给出厘米级定位信息,保留定位信息,将道路病害数据与定位信息输入边缘计算机进行处理,利用边缘计算机,本实施例采用边缘计算智能盒子,边缘计算智能盒子中搭载人工智能处理方法,包括图像识别和点云数据处理相关算法,通过上述方法处理,获得人行道路面病害分布,人行道路病害分布包括道路形变病害分布和道路路基病害分布。
所述图像识别,包括对图像进行预处理,图像分析进而识别图像中的道路病害,在图像识别过程中加入卷积神经网络模块,基于后端数据库中的数据,通过设定固定的时间间隔,每隔一定的时间对其进行训练,保证其检测的准确性,使用卷积神经网络,对道路病害进行标签分类,可按照道路病害中的砖类类别进行分类,也可按照其他病害类别进行分类,在分类之后注上标签,方便对道路病害的判断和修复;
所述点云数据处理,通过对点云进行滤波,可以采用高斯滤波,双边滤波其中一种;通过均匀采样,曲率采样对点云数据中的关键点进行提取;采用发现和曲率计算提取特征和特征描述;通过稳健点云匹配算法ICP,进行点云匹配;通过全局优化平面提取进行点云分割,采用基于点的分类对语义分类,通过ICP进行SLAM图进行优化,通过豪斯多夫距离计算进行目标识别;基于八叉树进行变化检测;通过泊松重建得到人行道路面病害分布。
边缘计算机还可以将道路病害分布统一上传到后端数据库,得到作为大数据分析和可视化展示的数据源。
在后端数据库设置查询功能,通过数据源,可以将人行道道路中的病害分布进行查询,方便施工队伍对道路进行准确的施工,同时市民可以在互联网上连接后端数据库,在数据库中查询道路病害的分布。本实施例中,后端数据库,还可以通过市民进行道路病害分布的上传,包括对道路病害的图像和位置的上传,补充后端数据库中的数据。
与现有技术相比,本发明提供的人行道巡检机器人采用足式机器人作为载体,各传感器相配合的技术方案,对检测环境要求低,且检测范围广泛,单次自动测量即可满足人行道病害和占道经营检测,且检测结果精度较高。并且由于检测方式为机器人系统各模块自动运行,即自动检测,检测速度快,效率高,适合大范围的人行道检测,可以大大缩短检测周期,在同等检测覆盖范围下也有效缩短了检测频次,更节省人力成本。本发明所述装置采用了多种无线传感器网络技术,使得数据的采集传输更为可靠,利用高精度RTK设备可以采集配套的地理信息,并可以与电子地图结合,对城市内路网人行道进行较快速的数据采集和结果分析,使检测结果更加准确,同时本发明机器人系统体积小,自重小,对于道路环境影响小,在道路上行走更加稳定,在复杂路况下也可以保证平稳测量,更加适用于实际道路的检测。以上海某街道为例,如表1所示,
表1
类型 | 时间 | 准确率 |
轮式机器人 | 13.5min | 83% |
足式机器人 | 10.1min | 90% |
由上表可知,本发明的技术方案相比轮式机器人将检测时间和准确率都有所提升。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (8)
1.一种人行道检测机器人系统,其特征在于,具体包括:
足式机器人、定位模块、工业相机、激光雷达、探地雷达、语音模块、边缘计算机;
所述定位模块、高清工业相机、激光雷达、探地雷达,语音模块、边缘计算机固定在所述足式机器人上;
所述边缘计算机与定位模块、高清工业相机、激光雷达、探地雷达、语音模块连接;
所述足式机器人,用于装载定位模块、高清工业相机、激光雷达、探地雷达,语音模块,边缘计算机进行移动;
所述定位模块,用于对人行道病害进行定位;
所述工业相机,用于对人行道环境进行相机图像数据采集;
所述激光雷达,用于对人行道环境进行雷达图像数据采集;
所述探地雷达,用于对人行道进行路面数据采集;
所述语音模块,用于对人群和占道经营进行语音提醒;
所述边缘计算机,用于根据道路病害数据和定位信息,生成道路病害点云数据,对道路病害点云数据通过图像识别、点云数据处理相关算法进行处理得到道路病害分布。
2.根据权利要求1所述一种人行道检测机器人系统,其特征在于:
所述定位模块为实时差分定位设备。
3.根据权利要求1所述一种人行道检测机器人系统,其特征在于:
所述激光雷达为三维激光雷达。
4.根据权利要求1所述一种人行道检测机器人系统,其特征在于:
所述探地雷达为三维探地雷达。
5.根据权利要求1所述一种人行道检测机器人系统,其特征在于:
所述边缘计算机,包括,处理器和硬件接口;
处理器,用于满足道路检测侧相关算法运行需求;
硬件接口,用来接收和传输数据信号。
6.根据权利要求5所述一种人行道检测机器人系统,其特征在于:
所述处理器包括CPU和GPU。
7.一种人行道检测方法,其特征在于:具体步骤包括:
对待测区域进行相机图像数据和雷达图像数据的实时采集,根据相机图像数据,得到人群密集度情况,根据雷达图像数据和人群密集度情况,对人行道检测机器人的运动路径进行避障规划,人行道检测机器人按照规划好的运动路径进行移动;
在人行道检测机器人移动过程中,实时获取路面数据,根据相机图像数据,对占道经营进行检测,然后根据路面数据和相机图像数据,得到道路病害数据,同时对道路病害数据的位置进行定位,得到定位信息,根据道路病害数据和定位信息,得到道路病害分布。
8.根据权利要求7所述一种人行道检测方法,其特征在于:
基于道路病害数据和定位信息,通过图像识别、点云数据处理相关算法,得到道路病害分布。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110180095.XA CN113009910A (zh) | 2021-02-09 | 2021-02-09 | 一种人行道检测机器人系统及人行道检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110180095.XA CN113009910A (zh) | 2021-02-09 | 2021-02-09 | 一种人行道检测机器人系统及人行道检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113009910A true CN113009910A (zh) | 2021-06-22 |
Family
ID=76384064
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110180095.XA Pending CN113009910A (zh) | 2021-02-09 | 2021-02-09 | 一种人行道检测机器人系统及人行道检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113009910A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116993735A (zh) * | 2023-09-27 | 2023-11-03 | 中交第二公路勘察设计研究院有限公司 | 基于雷达遥感的道路病害检测方法、装置及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108665466A (zh) * | 2018-05-21 | 2018-10-16 | 山东科技大学 | 一种道路激光点云中路面病害自动提取方法 |
CN108733053A (zh) * | 2018-04-23 | 2018-11-02 | 上海圭目机器人有限公司 | 一种基于机器人的智能道路检测方法 |
CN210741478U (zh) * | 2019-09-17 | 2020-06-12 | 韶关市涵润信息科技有限公司 | 建筑病害巡视装置 |
CN111836199A (zh) * | 2020-06-01 | 2020-10-27 | 同济大学 | 一种室内导航动态避障寻径方法 |
CN215449980U (zh) * | 2021-05-07 | 2022-01-07 | 上海厉鲨科技有限公司 | 道路病害巡检设备及智能车辆 |
-
2021
- 2021-02-09 CN CN202110180095.XA patent/CN113009910A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108733053A (zh) * | 2018-04-23 | 2018-11-02 | 上海圭目机器人有限公司 | 一种基于机器人的智能道路检测方法 |
CN108665466A (zh) * | 2018-05-21 | 2018-10-16 | 山东科技大学 | 一种道路激光点云中路面病害自动提取方法 |
CN210741478U (zh) * | 2019-09-17 | 2020-06-12 | 韶关市涵润信息科技有限公司 | 建筑病害巡视装置 |
CN111836199A (zh) * | 2020-06-01 | 2020-10-27 | 同济大学 | 一种室内导航动态避障寻径方法 |
CN215449980U (zh) * | 2021-05-07 | 2022-01-07 | 上海厉鲨科技有限公司 | 道路病害巡检设备及智能车辆 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116993735A (zh) * | 2023-09-27 | 2023-11-03 | 中交第二公路勘察设计研究院有限公司 | 基于雷达遥感的道路病害检测方法、装置及电子设备 |
CN116993735B (zh) * | 2023-09-27 | 2024-01-23 | 中交第二公路勘察设计研究院有限公司 | 基于雷达遥感的道路病害检测方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Peraka et al. | Pavement asset management systems and technologies: A review | |
US11681746B2 (en) | Structured prediction crosswalk generation | |
CN111551958B (zh) | 一种面向矿区无人驾驶的高精地图制作方法 | |
Yang et al. | Semi-automated extraction and delineation of 3D roads of street scene from mobile laser scanning point clouds | |
Yang et al. | 3D local feature BKD to extract road information from mobile laser scanning point clouds | |
CN105184852B (zh) | 一种基于激光点云的城市道路识别方法及装置 | |
Chen et al. | Gaussian-process-based real-time ground segmentation for autonomous land vehicles | |
Yu et al. | 3D reconstruction of road surfaces using an integrated multi-sensory approach | |
Chen et al. | Next generation map making: Geo-referenced ground-level LIDAR point clouds for automatic retro-reflective road feature extraction | |
CN114693615A (zh) | 一种基于域适应的深度学习混凝土桥梁裂缝实时检测方法 | |
CN112800913B (zh) | 一种基于多源特征融合的路面损伤数据时空分析方法 | |
CN111784657A (zh) | 一种基于数字图像的水泥路面病害自动识别的系统及方法 | |
Lei et al. | Automated pavement distress detection and deterioration analysis using street view map | |
CN106096525A (zh) | 一种复合型车道识别系统及方法 | |
CN103176185A (zh) | 用于检测道路障碍物的方法及系统 | |
CN112308913B (zh) | 一种基于视觉的车辆定位方法、装置及车载终端 | |
Li et al. | A novel evaluation method for pavement distress based on impact of ride comfort | |
CN112070756A (zh) | 一种基于无人机倾斜摄影的路面立体病害测量方法 | |
Wei et al. | Damage inspection for road markings based on images with hierarchical semantic segmentation strategy and dynamic homography estimation | |
Che et al. | Efficient segment-based ground filtering and adaptive road detection from mobile light detection and ranging (LiDAR) data | |
Guerrieri et al. | Flexible and stone pavements distress detection and measurement by deep learning and low-cost detection devices | |
Barrile et al. | Road safety: road degradation survey through images by UAV | |
Pradhan et al. | Laser scanning systems in highway and safety assessment | |
US20230196535A1 (en) | Systems and methods for creating and/or analyzing three-dimensional models of infrastructure assets | |
CN113009910A (zh) | 一种人行道检测机器人系统及人行道检测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210622 |
|
RJ01 | Rejection of invention patent application after publication |