CN113160303A - 一种基于道路影像的路面病害影响面积计算方法 - Google Patents

一种基于道路影像的路面病害影响面积计算方法 Download PDF

Info

Publication number
CN113160303A
CN113160303A CN202110483216.8A CN202110483216A CN113160303A CN 113160303 A CN113160303 A CN 113160303A CN 202110483216 A CN202110483216 A CN 202110483216A CN 113160303 A CN113160303 A CN 113160303A
Authority
CN
China
Prior art keywords
area
perspective transformation
image
coordinates
measuring tool
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
Application number
CN202110483216.8A
Other languages
English (en)
Inventor
亓月刚
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.)
Nanjing Wiscom Vision Technology Co ltd
Original Assignee
Nanjing Wiscom Vision 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 Nanjing Wiscom Vision Technology Co ltd filed Critical Nanjing Wiscom Vision Technology Co ltd
Priority to CN202110483216.8A priority Critical patent/CN113160303A/zh
Publication of CN113160303A publication Critical patent/CN113160303A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/62Analysis of geometric attributes of area, perimeter, diameter or volume
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10004Still image; Photographic image

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于道路影像的路面病害影响面积计算方法,包括:采集基准测量影像照片及有路面病害的矩形标注区域信息;获取基准测量影像照片的图像尺寸,建立坐标系,基于目标检测算法获取定制校准量具顶点的相对位置坐标;根据所述相对位置坐标,以及推算得到透视变换后的定制校准量具顶点的新位置坐标,利用透视变换公式求取透视变换矩阵参数;基于矩形标注区域顶点的相对位置坐标及透视变换矩阵参数,利用透视变换公式计算得到矩形标注区域顶点透视变换后的坐标;利用海伦公式计算坐标围成的形状区域面积,通过等比例计算,得到矩形区域实际面积,完成影响面积的计算。本发明可以简化实际业务场景中工作人员的操作难度,提高工作效率。

Description

一种基于道路影像的路面病害影响面积计算方法
技术领域
本发明涉及人工智能的技术领域,尤其涉及一种基于道路影像的路面病害影响面积计算方法。
背景技术
随着信息技术及人工智能技术的高速发展,针对公路路面常见病害的检测工作也实现了依赖于图像识别算法识别模型,对采集的影像照片自动识别,针对从道路影像中识别出的路面病害,一般通过矩形框区域面积来量化其影响面积。目前,各类病害的矩形标注区域投影到地面实际面积计算方面,已有的计算方法在实际应用操作中的实施较为复杂,普通人员难以上手,如何简化实际业务场景中工作人员的操作难度,提高工作效率,是亟待解决的一个问题。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题,提出了本发明。
因此,本发明解决的技术问题是:现有技术无法方便快捷的得到透视变换所需要的相关参数,存在实际操作困难、计算量大等问题。
为解决上述技术问题,本发明提供如下技术方案:采集基准测量影像照片及有路面病害的矩形标注区域信息;利用信息查询工具获取所述基准测量影像照片的图像尺寸,并建立坐标系,基于目标检测算法获取定制校准量具顶点在所述基准测量影像照片坐标系中的相对位置坐标;根据所述定制校准量具顶点的相对位置坐标,以及推算得到透视变换后的所述定制校准量具顶点的新位置坐标,利用透视变换公式求取透视变换矩阵参数;基于矩形标注区域顶点在影像中的相对位置坐标及所述透视变换矩阵参数,利用所述透视变换公式计算得到所述矩形标注区域顶点透视变换后的坐标;利用海伦公式计算所述坐标围成的形状区域面积,并通过等比例计算,得到矩形区域实际面积,完成影响面积的计算。
作为本发明所述的基于道路影像的路面病害影响面积计算方法的一种优选方案,其中:所述基准测量影像照片包括,利用相机拍摄一张摆放定制校准量具的照片即为所述基准测量影像照片,所述定制校准量具完全位于所述相机画面中。
作为本发明所述的基于道路影像的路面病害影响面积计算方法的一种优选方案,其中:所述基准测量影像照片的拍摄包括,固定所述相机搭载支架位置、相机拍摄角度、相机焦距进行拍摄。
作为本发明所述的基于道路影像的路面病害影响面积计算方法的一种优选方案,其中:所述新位置坐标的推算包括,设坐标原点在所述定制校准量具的左上角,X轴与所述定制标准量具的宽度方向重合,转换后的照片中,每个像素代表实际环境中1毫米的长度,基于所述定制校准量具大小为已知的,则可推算出正摄视角下所述定制校准量具的4个顶点坐标。
作为本发明所述的基于道路影像的路面病害影响面积计算方法的一种优选方案,其中:所述透视变换公式包括,
Figure BDA0003049231760000021
X=m11*x+m12*y+m13
Y=m21*x+m22*y+m23
Z=m31*x+m32*y+m33
Figure BDA0003049231760000022
Figure BDA0003049231760000023
其中,(x,y)为原始坐标,(m11,m12,m13;m21,m22,m23,m31,m32,m33)为透视变换矩阵,(x’,y’)为变换后坐标,X,Y,Z为计算过程中的临时中间变量。
作为本发明所述的基于道路影像的路面病害影响面积计算方法的一种优选方案,其中:包括,经过所述透视变换后的影像照片中,所述矩形标注区域形状为梯形。
作为本发明所述的基于道路影像的路面病害影响面积计算方法的一种优选方案,其中:所述梯形面积的计算包括,利用所述海伦公式计算所述梯形任意3个点围成的三角形面积;所述海伦公式为:
Figure BDA0003049231760000031
其中,a、b、c表示所述三角形三边长度;将所述三角形面积乘2得到所述梯形的面积。
作为本发明所述的基于道路影像的路面病害影响面积计算方法的一种优选方案,其中:利用两点间距离公式求取所述三角形三边长度,包括,所述两点间距离公式:
Figure BDA0003049231760000032
其中,(x1,y1)、(x2,y2)分别表示A、B点坐标。
作为本发明所述的基于道路影像的路面病害影响面积计算方法的一种优选方案,其中:包括,基于所述定制校准量具的实际面积是已知的,可计算得到实际面积与透视变换后的坐标围成的面积之间的比例关系。
本发明的有益效果:可以简化实际业务场景中工作人员的操作难度,提高工作效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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它的附图。其中:
图1为本发明一个实施例提供的一种基于道路影像的路面病害影响面积计算方法的基本流程示意图;
图2为本发明一个实施例提供的一种基于道路影像的路面病害影响面积计算方法的基本流程示意图;
图3为本发明一个实施例提供的一种基于道路影像的路面病害影响面积计算方法的基本流程示意图;
图4为本发明一个实施例提供的一种基于道路影像的路面病害影响面积计算方法的基本流程示意图;
图5为本发明一个实施例提供的一种基于道路影像的路面病害影响面积计算方法的透视变换后的影像照片及其坐标系示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通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,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
对于路面常见病害检测中路面影像照片的拍摄,由于相机与地面之间有一倾斜角,而不是直接垂直向下的正投影,为了便于计算相机拍摄的影像照片实际投影面积及影像照片中矩形标注区域的实际面积,通常使用透视变换的方法实现计算,但在实际使用中,由于搭载相机的车辆类型、搭载支架安装位置、相机安装角度等原因,无法方便快捷的得到透视变换所需要的相关参数,存在实际操作困难,计算量大等问题,本发明提出一种基于道路影像的矩形标注区域面积计算方法,能够方便快捷的得到透视变换所需要的相关参数,从而实现简便、快速地计算路面病害的实际影响面积。
参照图1~5,为本发明的一个实施例,提供了一种基于道路影像的路面病害影响面积计算方法,包括:
S1:采集基准测量影像照片及有路面病害的矩形标注区域信息;需要说明的是,基准测量影像照片包括:
利用相机拍摄一张摆放定制校准量具的照片即为基准测量影像照片,定制校准量具完全位于相机画面中。
基准测量影像照片的拍摄包括:
固定相机搭载支架位置、相机拍摄角度、相机焦距进行拍摄。
具体的,如图2所示,影像照片拍摄时,固定相机搭载支架位置、相机拍摄角度、相机设置如相机焦距等参数,如图3所示,将定制校准量具,摆放在水平地面上,量具完全位于相机画面中,位置、角度可以随意,但必须被相机画面完全覆盖,如图4所示,拍摄一张摆放好定制校准量具的基准测量影像照片,并保存,收回定制校准量具,保持相机所有设置不变,继续道路实景照片的采集。
S2:利用信息查询工具获取基准测量影像照片的图像尺寸,并建立坐标系,基于目标检测算法获取定制校准量具顶点在基准测量影像照片坐标系中的相对位置坐标;需要说明的是,
通过Exif(可交换图像文件格式,Exchangeable image file format,简称Exif)信息查询工具,获取基准测量影像照片信息,得到影像照片图像尺寸X和图像尺寸Y,即影像照片左上角坐标为A(0,0),右下角坐标为B(X,Y),通过目标检测算法,确定基准测量影像照片中,拍摄的定制校准量具4个顶点在基准测量影像照片坐标系中的相对位置坐标A(x1,y1)、B(x2,y2)、C(x3,y3)、D(x4,y4),如图4所示。
S3:根据定制校准量具顶点的相对位置坐标,以及推算得到透视变换后的定制校准量具顶点的新位置坐标,利用透视变换公式求取透视变换矩阵参数;需要说明的是,
新位置坐标的推算包括,
设坐标原点在定制校准量具的左上角,X轴与定制标准量具的宽度方向重合,转换后的照片中,每个像素代表实际环境中1毫米的长度,基于定制校准量具大小为已知的,则可推算出正摄视角下定制校准量具的4个顶点坐标。
具体的,推算得到定制校准量具4个顶点在透视变换(PerspectiveTransformation)后的新坐标位置。进一步的,为了便于计算面积,透视变换后的基准测量影像照片为垂直向下拍摄视角,设坐标原点在标准量具的左上角,X轴与标准量具的宽度方向重合,转换后的照片中,每个像素代表实际环境中1毫米的长度,由于定制校准量具大小是已知的,则可推算出正摄视角下定制校准量具的4个顶点坐标。例如,设定制校准量具4个顶点在透视变换后的基准测量影像照片中的坐标分别为A’(x1’,y1’)、B’(x2’,y2’)、C’(x3’,y3’)、D’(x4’,y4’),如图5所示,定义在实际路面情况下定制校准量具为边长为100cm的正方形,通过正方形判定定理可知,y1’=y2’,y4’=y3’,x1’=x4’,x2’=x3’,设x1’=0,y1’=0,新图片中,横向及纵向每个像素点代表实际路面中1mm的距离,则在透视变换后的基准测量影像照片中定制校准量具4个顶点分别为A’(0,0)、B’(1000,0)、C’(1000,1000)、D’(0,1000)。
进一步的,基于定制校准量具的实际面积是已知的,可计算得到实际面积与透视变换后的坐标围成的面积之间的比例关系。
S4:基于矩形标注区域顶点在影像中的相对位置坐标及透视变换矩阵参数,利用透视变换公式计算得到矩形标注区域顶点透视变换后的坐标;需要说明的是,
在道路影像照片坐标系中,定义定制校准量具的4个顶点坐标A(x1,y1)、B(x2,y2)、C(x3,y3)、D(x4,y4)及实际影像投影坐标系中定制校准量具的4个顶点坐标A’(x1’,y1’)、B’(x2’,y2’)、C’(x3’,y3’)、D’(x4’,y4’),通过透视变换公式计算,得到3*3的透视变换矩阵,透视变换公式包括:
Figure BDA0003049231760000061
X=m11*x+m12*y+m13
Y=m21*x+m22*y+m23
Z=m31*x+m32*y+m33
Figure BDA0003049231760000071
Figure BDA0003049231760000072
其中,(x,y)为原始坐标,(m11,m12,m13;m21,m22,m23,m31,m32,m33)为透视变换矩阵,(x’,y’)为变换后坐标,X,Y,Z为计算过程中的临时中间变量。
进一步的,已知影像照片中任意矩形标注区域在影像照片中的相对坐标,即a(xa,ya),b(xb,yb),c(xc,yc),d(xd,yd),通过得到的3*3的透视变换矩阵参数,带入透视变换公式中,可得到矩形标注区域在实际影像投影坐标系中的坐标a(xa’,ya’),b(xb’,yb’),c(xc’,yc’),d(xd’,yd’)。
S5:利用海伦公式计算坐标围成的形状区域面积,并通过等比例计算,得到矩形区域实际面积,完成影响面积的计算;需要说明的是,
由于拍摄路面照片时为倾斜向下拍摄,而非垂直向下拍摄,所以在透视变换后的影像照片中,矩形标注区域形状为梯形,梯形面积是其任意3个顶点围成的三角形面积的两倍。利用两点间距离公式求取三角形三边长度,包括:
两点间距离公式:
Figure BDA0003049231760000073
其中,(x1,y1)、(x2,y2)分别表示A、B点坐标。
基于得到的三边长度,计算梯形面积包括:
利用海伦公式计算梯形任意3个点围成的三角形面积;
其中,海伦公式为:
Figure BDA0003049231760000074
其中,a、b、c表示三角形三边长度;
将三角形面积乘2得到梯形的面积,再通过等比例计算,得到矩形标注区域的实际面积。
本发明在同一批次的路面影像照片拍摄时,同步拍摄摆放定制校准量具的基准测量影像照片,然后通过目标检测算法、透视变换公式对基准影像照片进行识别、测算,得到本批次路面影像照片的投影相关参数,最后基于参数计算同一批次中,其它影像照片中标注区域的实际面积,基于本发明方法可以减少计算量,提高工作效率及测量精度。
实施例2
为对本方法中采用的技术效果加以验证说明,本实施例采用传统技术方案与本发明方法进行对比测试,以科学论证的手段对比试验结果,以验证本方法所具有的真实效果。
传统的技术方案:操作比较复杂,如需要工作人员现场进行实地测量,操作复杂,工作效率及测量精度受人工因素影响较大,至少需要2个工作人员同时操作并辅以其它定位装置,实用性及落地性不能满足实际工作的需要。本方法相对传统方法操作简单,只需要一名普通工作人员稍加培训即可上手;除基准测量影像照片的拍摄需要一名工作人员操作外,其它工作全部由计算机自行处理,减少了人为因素的影响,减少的误差,提升了测量计算的精度。本实施例中采用传统人式测试方法和本方法分别对仿真车辆实际拍摄路面影像照片并测算照片中标注矩形框的面积进行实时测量对比。
测试环境:将车辆运行在普通道路路面模拟正常行驶并模拟常规倾斜拍摄路面影像照片,相机采用同一安装位置、相机拍摄角度、相机焦距的情况下进行,分别利用传统方法的人工测量方式和本发明方法对比测试并获得测试结果数据。采用本方法与人工测量(估算)、人工测量(实测)方法在同等测试条件下,进行测试实验,结果如下表所示:
表1:实验结果对比表。
Figure BDA0003049231760000081
Figure BDA0003049231760000091
其中,人工测量(估算)是指检测人员在路边非机动车行驶车道上,通过远距离目视等方法,发现道路路面病害并对其影响面积进行估算;人工测量(实测)是指检测人员在道路机动车行驶车道上,通过近距离目视发现路面病害并实地测量其影响面积,为了保证检测人员安全,需要对检测道路进行封路,会对正常道路交通有一定影响;现有技术方案基本上是通过估算来测量,从上表可以看出,本发明方法相较于人工测量(估算)法具有更高的测量精度,且耗费更少人力、物力,测量时间更短,效率高;本发明方法相较于人工测量(实测)法在保证测量精度的同时,测量时间更短,效率更高。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。

Claims (9)

1.一种基于道路影像的路面病害影响面积计算方法,其特性在于,包括:
采集基准测量影像照片及有路面病害的矩形标注区域信息;
利用信息查询工具获取所述基准测量影像照片的图像尺寸,并建立坐标系,基于目标检测算法获取定制校准量具顶点在所述基准测量影像照片坐标系中的相对位置坐标;
根据所述定制校准量具顶点的相对位置坐标,以及推算得到透视变换后的所述定制校准量具顶点的新位置坐标,利用透视变换公式求取透视变换矩阵参数;
基于矩形标注区域顶点在影像中的相对位置坐标及所述透视变换矩阵参数,利用所述透视变换公式计算得到所述矩形标注区域顶点透视变换后的坐标;
利用海伦公式计算所述坐标围成的形状区域面积,并通过等比例计算,得到矩形区域实际面积,完成影响面积的计算。
2.如权利要求1所述的基于道路影像的路面病害影响面积计算方法,其特征在于:所述基准测量影像照片包括,
利用相机拍摄一张摆放定制校准量具的照片即为所述基准测量影像照片,所述定制校准量具完全位于所述相机画面中。
3.如权利要求1或2所述的基于道路影像的路面病害影响面积计算方法,其特征在于:所述基准测量影像照片的拍摄包括,
固定所述相机搭载支架位置、相机拍摄角度、相机焦距进行拍摄。
4.如权利要求3所述的基于道路影像的路面病害影响面积计算方法,其特征在于:所述新位置坐标的推算包括,
设坐标原点在所述定制校准量具的左上角,X轴与所述定制标准量具的宽度方向重合,转换后的照片中,每个像素代表实际环境中1毫米的长度,基于所述定制校准量具大小为已知的,则可推算出正摄视角下所述定制校准量具的4个顶点坐标。
5.如权利要求4所述的基于道路影像的路面病害影响面积计算方法,其特征在于:所述透视变换公式包括,
Figure FDA0003049231750000011
X=m11*x+m12*y+m13
Y=m21*x+m22*y+m23
Z=m31*x+m32*y+m33
Figure FDA0003049231750000021
Figure FDA0003049231750000022
其中,(x,y)为原始坐标,(m11,m12,m13;m21,m22,m23,m31,m32,m33)为透视变换矩阵,(x’,y’)为变换后坐标,X,Y,Z为计算过程中的临时中间变量。
6.如权利要求1或5所述的基于道路影像的路面病害影响面积计算方法,其特征在于:包括,经过所述透视变换后的影像照片中,所述矩形标注区域形状为梯形。
7.如权利要求6所述的基于道路影像的路面病害影响面积计算方法,其特征在于:所述梯形面积的计算包括,
利用所述海伦公式计算所述梯形任意3个点围成的三角形面积;
所述海伦公式为:
Figure FDA0003049231750000023
其中,a、b、c表示所述三角形三边长度;
将所述三角形面积乘2得到所述梯形的面积。
8.如权利要求7所述的基于道路影像的路面病害影响面积计算方法,其特征在于:利用两点间距离公式求取所述三角形三边长度,包括,
所述两点间距离公式:
Figure FDA0003049231750000024
其中,(x1,y1)、(x2,y2)分别表示A、B点坐标。
9.如权利要求8所述的基于道路影像的路面病害影响面积计算方法,其特征在于:包括,基于所述定制校准量具的实际面积是已知的,可计算得到实际面积与透视变换后的坐标围成的面积之间的比例关系。
CN202110483216.8A 2021-04-30 2021-04-30 一种基于道路影像的路面病害影响面积计算方法 Pending CN113160303A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110483216.8A CN113160303A (zh) 2021-04-30 2021-04-30 一种基于道路影像的路面病害影响面积计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110483216.8A CN113160303A (zh) 2021-04-30 2021-04-30 一种基于道路影像的路面病害影响面积计算方法

Publications (1)

Publication Number Publication Date
CN113160303A true CN113160303A (zh) 2021-07-23

Family

ID=76872954

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110483216.8A Pending CN113160303A (zh) 2021-04-30 2021-04-30 一种基于道路影像的路面病害影响面积计算方法

Country Status (1)

Country Link
CN (1) CN113160303A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113435420A (zh) * 2021-08-26 2021-09-24 深圳市城市交通规划设计研究中心股份有限公司 一种路面病害尺寸检测方法、装置和存储介质
CN113658144A (zh) * 2021-08-20 2021-11-16 中国公路工程咨询集团有限公司 路面病害几何信息的确定方法、装置、设备及介质
CN114018932A (zh) * 2021-11-02 2022-02-08 西安电子科技大学 基于矩形标定物的路面病害指标测量方法
CN114663449A (zh) * 2022-05-25 2022-06-24 深圳思谋信息科技有限公司 道路病害面积计算方法、装置、计算机设备和存储介质
WO2024113511A1 (zh) * 2022-12-02 2024-06-06 中公高科养护科技股份有限公司 一种多车道病害分布图的绘制方法、介质及系统
CN118429932A (zh) * 2024-05-11 2024-08-02 江苏全栈智能科技有限公司 基于车内视角的道路隐患面积预测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106677037A (zh) * 2016-11-21 2017-05-17 同济大学 基于机器视觉的便携式沥青路面病害检测方法及装置
CN109978958A (zh) * 2019-03-27 2019-07-05 哈尔滨拓博科技有限公司 一种互动投影系统标定误差补偿方法
CN110443879A (zh) * 2019-07-24 2019-11-12 华中科技大学 一种基于神经网络的透视误差补偿方法
CN111553236A (zh) * 2020-04-23 2020-08-18 福建农林大学 基于道路前景图像的路面病害目标检测与实例分割方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106677037A (zh) * 2016-11-21 2017-05-17 同济大学 基于机器视觉的便携式沥青路面病害检测方法及装置
CN109978958A (zh) * 2019-03-27 2019-07-05 哈尔滨拓博科技有限公司 一种互动投影系统标定误差补偿方法
CN110443879A (zh) * 2019-07-24 2019-11-12 华中科技大学 一种基于神经网络的透视误差补偿方法
CN111553236A (zh) * 2020-04-23 2020-08-18 福建农林大学 基于道路前景图像的路面病害目标检测与实例分割方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113658144A (zh) * 2021-08-20 2021-11-16 中国公路工程咨询集团有限公司 路面病害几何信息的确定方法、装置、设备及介质
CN113435420A (zh) * 2021-08-26 2021-09-24 深圳市城市交通规划设计研究中心股份有限公司 一种路面病害尺寸检测方法、装置和存储介质
CN113435420B (zh) * 2021-08-26 2022-02-01 深圳市城市交通规划设计研究中心股份有限公司 一种路面病害尺寸检测方法、装置和存储介质
CN114018932A (zh) * 2021-11-02 2022-02-08 西安电子科技大学 基于矩形标定物的路面病害指标测量方法
CN114663449A (zh) * 2022-05-25 2022-06-24 深圳思谋信息科技有限公司 道路病害面积计算方法、装置、计算机设备和存储介质
WO2024113511A1 (zh) * 2022-12-02 2024-06-06 中公高科养护科技股份有限公司 一种多车道病害分布图的绘制方法、介质及系统
CN118429932A (zh) * 2024-05-11 2024-08-02 江苏全栈智能科技有限公司 基于车内视角的道路隐患面积预测方法

Similar Documents

Publication Publication Date Title
CN113160303A (zh) 一种基于道路影像的路面病害影响面积计算方法
CN111473739B (zh) 一种基于视频监控的隧道塌方区围岩变形实时监测方法
CN103530880B (zh) 基于投影高斯网格图案的摄像机标定方法
CN106677037B (zh) 基于机器视觉的便携式沥青路面病害检测方法及装置
CN111996883B (zh) 一种检测公路路面宽度的方法
Osman et al. 3D accident reconstruction using low-cost imaging technique
CN103322911A (zh) 一种基于图像的特色建筑立面图测绘方法
CN104021588A (zh) 一种实时恢复车辆三维真实模型的系统及方法
CN112254670B (zh) 一种基于光扫描和智能视觉融合的3d信息采集设备
CN111524195B (zh) 一种掘进机截割头定位中的相机标定方法
CN104463969B (zh) 一种对航空倾斜拍摄的地理照片的模型的建立方法
JP5079547B2 (ja) カメラキャリブレーション装置およびカメラキャリブレーション方法
WO2022078440A1 (zh) 一种包含运动物体的空间占用率采集判断设备及方法
CN116778094B (zh) 一种基于优选视角拍摄的建筑物变形监测方法及装置
CN108257182A (zh) 一种立体摄像头模组的标定方法及装置
CN113658279B (zh) 相机内参和外参估算方法、装置、计算机设备及存储介质
CN112082486B (zh) 一种手持式智能3d信息采集设备
CN112254676B (zh) 一种便携式智能3d信息采集设备
CN116645404B (zh) 一种照片gps位置信息提取匹配方法以及提取匹配装置
CN112348868A (zh) 一种通过检测和标定恢复单目slam尺度的方法及系统
Terpstra et al. An Evaluation of Two Methodologies for Lens Distortion Removal when EXIF Data is Unavailable
CN109740458B (zh) 一种基于视频处理的体貌特征测量方法及系统
CN110956668A (zh) 一种基于聚焦测度的聚焦堆栈成像系统预置位标定方法
JP4208980B2 (ja) 写真撮影管理方法
CN112254669B (zh) 一种多偏置角度的智能视觉3d信息采集设备

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