CN115479946A - 一种路面破损检测方法、系统、装置及存储介质 - Google Patents

一种路面破损检测方法、系统、装置及存储介质 Download PDF

Info

Publication number
CN115479946A
CN115479946A CN202211053595.8A CN202211053595A CN115479946A CN 115479946 A CN115479946 A CN 115479946A CN 202211053595 A CN202211053595 A CN 202211053595A CN 115479946 A CN115479946 A CN 115479946A
Authority
CN
China
Prior art keywords
road surface
damage
data
pavement
damaged
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
CN202211053595.8A
Other languages
English (en)
Inventor
李运攀
沈钊荣
陈衣盈
黎婉婉
徐莉莉
王刚
周妙程
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.)
Guangdong Nonferrous Industry Building Quality Inspection Station Co ltd
Original Assignee
Guangdong Nonferrous Industry Building Quality Inspection Station 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 Guangdong Nonferrous Industry Building Quality Inspection Station Co ltd filed Critical Guangdong Nonferrous Industry Building Quality Inspection Station Co ltd
Priority to CN202211053595.8A priority Critical patent/CN115479946A/zh
Publication of CN115479946A publication Critical patent/CN115479946A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种路面破损检测方法、系统、装置及存储介质。该方法通过无人机按照预设路线对待检测区域进行路面破损数据采集；对所述路面破损数据进行分类，确定所述路面破损数据的破损类型；确定所述路面破损数据的破损尺寸；根据所述破损类型和破损尺寸，得到破损路面的路面损坏指数；该方法一方面在无人机采集图片视频数据的基础上，结合坐标建模，从而能够自动生成无人机飞行的路线，以及实现破损路面的准确定位；另一方面，在破损图像自动识别分类的基础上，还进行了破损尺寸的计算，进一步地实现自动计算PCI值，最终实现自动生成报告。本发明可广泛应用于路面检测技术领域内。

Description

一种路面破损检测方法、系统、装置及存储介质
技术领域
本发明涉及路面检测技术领域，尤其是一种路面破损检测方法、系统、装置及存储介质。
背景技术
道路损伤检测作为道路维护工作的第一步也是至关重要的一环，受到了公路管理者的关注。路面破损的发生会导致驾驶舒适性和驾驶安全性的降低,缺乏及时的修复也会导致道路寿命的减少。
目前，相关的路面破损检测技术采用无人机进行图像采集以及路面破损识别，但是相关技术一方面需要人工对无人机进行操作，另一方面无法对采集到的路面数据进行系统化处理，导致用户无法直观地从路面数据中知悉路面的损坏情况。
发明内容
本发明的目的在于至少一定程度上解决现有技术中存在的技术问题之一。
为此，本发明实施例的一个目的在于提供一种路面破损检测方法、系统、装置和存储介质。
为了达到上述技术目的，本发明实施例所采取的技术方案包括：
一方面，本发明实施例提供了一种路面破损检测方法，包括以下步骤：
通过无人机按照预设路线对待检测区域进行路面破损数据采集；
对所述路面破损数据进行分类，确定所述路面破损数据的破损类型；
确定所述路面破损数据的破损尺寸；
根据所述破损类型和破损尺寸，得到破损路面的路面损坏指数，并生成路面损坏报告；
其中，所述无人机的预设路线通过以下步骤进行确定：
获取所述待检测区域的路面数据；
根据所述路面数据，建立所述待检测区域的坐标模型；
通过所述坐标模型生成所述无人机的预设路线。
进一步地，所述路面数据包括道路轮廓信息、路段车道信息以及路面材料类型。
进一步地，所述无人机包括摄像头，所述通过无人机按照预设路线对待检测区域进行路面破损数据采集这一步骤，包括：
通过所述摄像头对待检测区域进行路面破损数据采集。
进一步地，所述无人机包括摄像头，所述对所述路面破损数据进行分类，确定所述路面破损数据的破损类型这一步骤，包括：
对所述路面破损数据进行数据预处理；
将预处理后的路面破损数据输入至路面识别模型中，得到所述路面破损数据对应的破损类型。
进一步地，所述路面破损数据包括破损路面的坐标数据，所述确定所述路面破损数据的破损尺寸这一步骤，包括：
将所述破损路面的坐标数据输入至所述坐标模型中进行匹配，得到路面破损数据的破损尺寸。
进一步地，所述方法还包括以下步骤：
根据所述破损类型和所述坐标数据，对所述坐标模型进行标注。
进一步地，所述根据所述破损类型和破损尺寸，得到破损路面的路面损坏指数这一步骤，包括：
根据所述破损尺寸，确定所述破损路面的损坏密度；
根据所述损坏密度和所述破损类型，确定扣分值；
根据所述损坏密度和所述扣分值，确定破损路面的路面损坏指数。
另一方面，本发明实施例提出了一种路面破损检测系统，包括：
第一模块，用于通过无人机按照预设路线对待检测区域进行路面破损数据采集；
第二模块，用于对所述路面破损数据进行分类，确定所述路面破损数据的破损类型；
第三模块，用于确定所述路面破损数据的破损尺寸；
第四模块，用于根据所述破损类型和破损尺寸，得到破损路面的路面损坏指数，并生成路面损坏报告；
其中，所述无人机的预设路线通过以下步骤进行确定：
第五模块，用于获取所述待检测区域的路面数据；
第六模块，用于根据所述路面数据，建立所述待检测区域的坐标模型；
第七模块，用于通过所述坐标模型生成所述无人机的预设路线。
另一方面，本发明实施例提供了一种路面破损检测装置，包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行时，使得所述至少一个处理器实现所述的路面破损检测方法。
另一方面，本发明实施例提供了一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于实现所述的路面破损检测方法。
本发明公开了一种路面破损检测方法，具备如下有益效果：
本实施例通过无人机按照预设路线对待检测区域进行路面破损数据采集；对所述路面破损数据进行分类，确定所述路面破损数据的破损类型；确定所述路面破损数据的破损尺寸；根据所述破损类型和破损尺寸，得到破损路面的路面损坏指数；该方法一方面在无人机采集图片视频数据的基础上，结合坐标建模，从而能够自动生成无人机飞行的路线，以及实现破损路面的准确定位；另一方面，在破损图像自动识别分类的基础上，还进行了破损尺寸的计算，进一步地实现自动计算PCI值，最终实现自动生成报告。
附图说明
为了更清楚地说明本发明实施例或者现有技术中的技术方案，下面对本发明实施例或者现有技术中的相关技术方案附图作以下介绍，应当理解的是，下面介绍中的附图仅仅为了方便清晰表述本发明的技术方案中的部分实施例，对于本领域的技术人员来说，在无需付出创造性劳动的前提下，还可以根据这些附图获取到其他附图。
图1为本申请实施例中提供的一种路面破损检测方法的实施环境示意图；
图2为本发明实施例提供的一种路面破损检测方法的流程示意图；
图3为本发明实施例提供的一种路面破损检测系统的结构示意图；
图4为本发明实施例提供的一种路面破损检测装置的结构示意图。
具体实施方式
本部分将详细描述本发明的具体实施例，本发明之较佳实施例在附图中示出，附图的作用在于用图形补充说明书文字部分的描述，使人能够直观地、形象地理解本发明的每个技术特征和整体技术方案，但其不能理解为对本发明保护范围的限制。
在本发明实施例的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数，“至少一个”是指一个或者多个，“以下至少一项”及其类似表达，是指的这些项中的任意组合，包括单项或复数项的任意组合。如果有描述到“第一”、“第二”等只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
需要说明的是，本发明实施例中设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明实施例中的具体含义。例如，术语“连接”可以是机械连接，也可以是电连接或可以相互通讯；可以是直接相连，也可以通过中间媒介间接相连。
在本发明实施例的描述中，参考术语“一个实施例/实施方式”、“另一实施例/实施方式”或“某些实施例/实施方式”、“在上述实施例/实施方式”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本公开的至少两个实施例或实施方式中。在本公开中，对上述术语的示意性表述不一定指的是相同的示实施例或实施方式。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或实施方式中以合适的方式结合。
需要说明的是，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
道路损伤检测作为道路维护工作的第一步也是至关重要的一环，受到了公路管理者的关注。路面破损的发生会导致驾驶舒适性和驾驶安全性的降低,缺乏及时的修复也会导致道路寿命的减少。
目前，相关的路面破损检测技术采用无人机进行图像采集以及路面破损识别，但是相关技术一方面需要人工对无人机进行操作，另一方面无法对采集到的路面数据进行系统化处理，导致用户无法直观地从路面数据中知悉路面的损坏情况。
为此，本申请提出了一种路面破损检测方法、系统、装置及存储介质，通过无人机按照预设路线对待检测区域进行路面破损数据采集；对所述路面破损数据进行分类，确定所述路面破损数据的破损类型；确定所述路面破损数据的破损尺寸；根据所述破损类型和破损尺寸，得到破损路面的路面损坏指数；该方法一方面在无人机采集图片视频数据的基础上，结合坐标建模，从而能够自动生成无人机飞行的路线，以及实现破损路面的准确定位；另一方面，在破损图像自动识别分类的基础上，还进行了破损尺寸的计算，进一步地实现自动计算PCI值，最终实现自动生成报告。
图1是本申请实施例提供的一种智能交互模型的训练方法的实施环境示意图。参照图1，该实施环境的软硬件主体主要包括操作终端101和服务器102，操作终端101与服务器102通信连接。其中，该智能交互模型的训练方法可以单独配置于操作终端101执行，也可以单独配置于服务器102执行，或者基于操作终端101与服务器102二者之间的交互来执行，具体可以根据实际应用情况进行适当的选择，本实施例对此并不作具体限定。此外，操作终端101与服务器102可以为区块链中的节点，本实施例对此并不作具体限定。
具体地，本申请中的操作终端101可以包括但不限于智能手表、智能手机、电脑、个人数字助理(Personal Digital Assistant，PDA)、智能语音交互设备、智能家电或者车载终端中的任意一种或者多种。服务器102可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content DeliveryNetwork，内容分发网络)以及大数据和人工智能平台等基础云计算服务的云服务器。操作终端101与服务器102之间可以通过无线网络或有线网络建立通信连接，该无线网络或有线网络使用标准通信技术和/或协议，网络可以设置为因特网，也可以是其它任何网络，例如包括但不限于局域网(Local Area Network，LAN)、城域网(Metropolitan Area Network，MAN)、广域网(Wide Area Network，WAN)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何组合。
图2是本申请实施例提供的一种路面破损检测方法的流程图，该方法的执行主体可以是操作终端或者服务器中的至少一者，图2中以该路面破损检测方法配置于操作终端执行为例进行说明。参照图2，该路面破损检测方法包括但不限于步骤110至步骤140。
步骤110：通过无人机按照预设路线对待检测区域进行路面破损数据采集。
步骤120：对所述路面破损数据进行分类，确定所述路面破损数据的破损类型。
步骤130：确定所述路面破损数据的破损尺寸。
步骤140：根据所述破损类型和破损尺寸，得到破损路面的路面损坏指数。
其中，所述无人机的预设路线通过以下步骤进行确定：
步骤150：获取所述待检测区域的路面数据；
步骤160：根据所述路面数据，建立所述待检测区域的坐标模型；
步骤170：通过所述坐标模型生成所述无人机的预设路线。
本实施例通过无人机按照预设路线对待检测区域进行路面破损数据采集；对所述路面破损数据进行分类，确定所述路面破损数据的破损类型；确定所述路面破损数据的破损尺寸；根据所述破损类型和破损尺寸，得到破损路面的路面损坏指数；该方法一方面在无人机采集图片视频数据的基础上，结合坐标建模，从而能够自动生成无人机飞行的路线，以及实现破损路面的准确定位；另一方面，在破损图像自动识别分类的基础上，还进行了破损尺寸的计算，进一步地实现自动计算PCI值，最终实现自动生成报告。
进一步作为可选的实施方式，所述路面数据包括道路轮廓信息、路段车道信息以及路面材料类型。
在本实施例中，需要获取待检测区域的基本数据，以便构建待检测区域的坐标模型。具体地，需要采集待检测区域的起始位置、路段转弯处、曲线位置处的坐标角点等确定道路基本轮廓信息的几何坐标、路段车道信息、路面材料类型。本实施例中，对于待检测区域的基本数据获取渠道不做限制，该数据既可以是直接通过全站仪采集得到的，也可以是通过数据传输接口或者远程通信传输从其他电子设备及计算机系统获取得到的。
进一步作为可选的实施方式，所述无人机包括摄像头，所述通过无人机按照预设路线对待检测区域进行路面破损数据采集这一步骤，包括：
通过所述摄像头对待检测区域进行路面破损数据采集。
本实施例中，无人机搭载高清摄像头及超声波位移传感器，高清摄像头用于采集路面破损图像，超声波位移传感器用于获取和控制无人机飞行高度；具体地，无人机通过高清摄像头将实时图像发送到服务器，服务器对无人机传回的图像进行图像识别，当传回图像被判断为破损路面图像时，则将该破损路面图像进行保存。可以理解的是，还可以通过检测人员观察无人机视野反馈的图像在路面破损位置控制高清摄像头进行图像采集，拍下缺陷图片。
进一步作为可选的实施方式，所述无人机包括摄像头，所述对所述路面破损数据进行分类，确定所述路面破损数据的破损类型这一步骤，包括：
对所述路面破损数据进行数据预处理；
将预处理后的路面破损数据输入至路面识别模型中，得到所述路面破损数据对应的破损类型。
本实施例中，采集到的图片会进行图像预处理，包括对图片尺寸剪裁，灰度处理。接着将处理后的数据放入路面识别模型中，基于深度学习，用于对预处理图片进行破损识别分类，无需人工识别。对于路面识别模型的建立，可以进行随机采样，在随机采样得到训练数据集后，可以将训练数据集输入到初始化后的路面识别模型中进行训练。具体地，将训练数据集中的数据输入到初始化后的路面识别模型后，可以得到模型输出的识别结果，即路面识别结果，可以根据路面识别结果和前述的标签来评估识别模型预测的准确性，从而对模型的参数进行更新。对于路面识别模型来说，模型预测结果的准确性可以通过损失函数(Loss Function)来衡量，损失函数是定义在单个训练数据上的，用于衡量一个训练数据的预测误差，具体是通过单个训练数据的标签和模型对该训练数据的预测结果确定该训练数据的损失值。而实际训练时，一个训练数据集有很多训练数据，因此一般采用代价函数(Cost Function)来衡量训练数据集的整体误差，代价函数是定义在整个训练数据集上的，用于计算所有训练数据的预测误差的平均值，能够更好地衡量出模型的预测效果。对于一般的机器学习模型来说，基于前述的代价函数，再加上衡量模型复杂度的正则项即可作为训练的目标函数，基于该目标函数便能求出整个训练数据集的损失值。常用的损失函数种类有很多，例如0-1损失函数、平方损失函数、绝对损失函数、对数损失函数、交叉熵损失函数等均可以作为机器学习模型的损失函数，在此不再一一阐述。本申请实施例中，可以从中任选一种损失函数来确定训练的损失值。基于训练的损失值，采用反向传播算法对模型的参数进行更新，迭代几轮即可得到训练好的路面识别模型。具体地迭代轮数可以预先设定，或者在测试集达到精度要求时认为训练完成。
进一步作为可选的实施方式，所述路面破损数据包括破损路面的坐标数据，所述确定所述路面破损数据的破损尺寸这一步骤，包括：
将所述破损路面的坐标数据输入至所述坐标模型中进行匹配，得到路面破损数据的破损尺寸。
本实施例中，可以根据坐标数据和路面破损数据图像，自动计算出损坏的尺寸和面积，坐标数据为通过从无人机系统采集的图片中缺陷对应的几何坐标点，利用缺陷位置顶点坐标结合向量方法推算缺陷尺寸和面积；
进一步作为可选的实施方式，所述方法还包括以下步骤：
根据所述破损类型和所述坐标数据，对所述坐标模型进行标注。
具体地，可以将路面缺损位置、类型、对应标记在坐标模型中，生成路面缺损分布图，作为报告出具的一部分。本实施例可以通过将测量、计算得到的路面破损数据匹配到先前设置好的报告模板中，自动生成报告。
进一步作为可选的实施方式，所述根据所述破损类型和破损尺寸，得到破损路面的路面损坏指数这一步骤，包括：
根据所述破损尺寸，确定所述破损路面的损坏密度；
根据所述损坏密度和所述破损类型，确定扣分值；
根据所述损坏密度和所述扣分值，确定破损路面的路面损坏指数。
本实施例中，将所述的缺陷类型、损坏程度进行自动计算得出路面状况指数PCI值，单项扣分值根据损坏密度和缺陷类型，在城镇道路养护技术规范CJJ36-2016中的相关扣分表中查找得到，将所述表格上传入系统中，即可自动查找得出；总扣分值DP为各类扣分值之和乘以各损坏类型权重得出；路面状况指数PCI＝100-DP。损坏密度可根据以下公式进行计算：
Figure BDA0003824713790000081
其中，检测道路面积F1；损坏面积F1i，损坏密度ρ
参照图3，本发明实施例提出的一种路面破损检测系统，包括：
第一模块301，用于通过无人机按照预设路线对待检测区域进行路面破损数据采集；
第二模块302，用于对所述路面破损数据进行分类，确定所述路面破损数据的破损类型；
第三模块303，用于确定所述路面破损数据的破损尺寸；
第四模块304，用于根据所述破损类型和破损尺寸，得到破损路面的路面损坏指数；
其中，所述无人机的预设路线通过以下步骤进行确定：
第五模块305，用于获取所述待检测区域的路面数据；
第六模块306，用于根据所述路面数据，建立所述待检测区域的坐标模型；
第七模块307，用于通过所述坐标模型生成所述无人机的预设路线。
上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
参照图4，本发明实施例提供了一种路面破损检测装置，包括：
至少一个处理器401；
至少一个存储器402，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器401执行时，使得所述至少一个处理器401实现图2所示的路面破损检测方法。
上述方法实施例中的内容均适用于本装置实施例中，本装置实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
本发明实施例还提供了一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于实现图2所示路面破损检测方法。
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (10)

1.一种路面破损检测方法，其特征在于，包括以下步骤：
通过无人机按照预设路线对待检测区域进行路面破损数据采集；
对所述路面破损数据进行分类，确定所述路面破损数据的破损类型；
确定所述路面破损数据的破损尺寸；
根据所述破损类型和破损尺寸，得到破损路面的路面损坏指数，并生成路面损坏报告；其中，所述无人机的预设路线通过以下步骤进行确定：
获取所述待检测区域的路面数据；
根据所述路面数据，建立所述待检测区域的坐标模型；
通过所述坐标模型生成所述无人机的预设路线。
2.根据权利要求1所述的路面破损检测方法，其特征在于，所述路面数据包括道路轮廓信息、路段车道信息以及路面材料类型。
3.根据权利要求1所述的路面破损检测方法，其特征在于，所述无人机包括摄像头，所述通过无人机按照预设路线对待检测区域进行路面破损数据采集这一步骤，包括：
通过所述摄像头对待检测区域进行路面破损数据采集。
4.根据权利要求1所述的路面破损检测方法，其特征在于，所述无人机包括摄像头，所述对所述路面破损数据进行分类，确定所述路面破损数据的破损类型这一步骤，包括：
对所述路面破损数据进行数据预处理；
将预处理后的路面破损数据输入至路面识别模型中，得到所述路面破损数据对应的破损类型。
5.根据权利要求1所述的路面破损检测方法，其特征在于，所述路面破损数据包括破损路面的坐标数据，所述确定所述路面破损数据的破损尺寸这一步骤，包括：
将所述破损路面的坐标数据输入至所述坐标模型中进行匹配，得到路面破损数据的破损尺寸。
6.根据权利要求5所述的路面破损检测方法，其特征在于，所述方法还包括以下步骤：
根据所述破损类型和所述坐标数据，对所述坐标模型进行标注。
7.根据权利要求1-6任一项所述的路面破损检测方法，其特征在于，所述根据所述破损类型和破损尺寸，得到破损路面的路面损坏指数这一步骤，包括：
根据所述破损尺寸，确定所述破损路面的损坏密度；
根据所述损坏密度和所述破损类型，确定扣分值；
根据所述损坏密度和所述扣分值，确定破损路面的路面损坏指数。
8.一种路面破损检测系统，其特征在于，包括：
第一模块，用于通过无人机按照预设路线对待检测区域进行路面破损数据采集；
第二模块，用于对所述路面破损数据进行分类，确定所述路面破损数据的破损类型；
第三模块，用于确定所述路面破损数据的破损尺寸；
第四模块，用于根据所述破损类型和破损尺寸，得到破损路面的路面损坏指数，并生成路面损坏报告；
其中，所述无人机的预设路线通过以下步骤进行确定：
第五模块，用于获取所述待检测区域的路面数据；
第六模块，用于根据所述路面数据，建立所述待检测区域的坐标模型；
第七模块，用于通过所述坐标模型生成所述无人机的预设路线。
9.一种路面破损检测装置，其特征在于，包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-7中任一项所述的路面破损检测方法。
10.一种计算机可读存储介质，其中存储有处理器可执行的指令，其特征在于，所述处理器可执行的指令在由处理器执行时用于实现如权利要求1-7中任一项所述的路面破损检测方法。
CN202211053595.8A 2022-08-31 2022-08-31 一种路面破损检测方法、系统、装置及存储介质 Pending CN115479946A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211053595.8A CN115479946A (zh) 2022-08-31 2022-08-31 一种路面破损检测方法、系统、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211053595.8A CN115479946A (zh) 2022-08-31 2022-08-31 一种路面破损检测方法、系统、装置及存储介质

Publications (1)

Publication Number Publication Date
CN115479946A true CN115479946A (zh) 2022-12-16

Family

ID=84422999

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211053595.8A Pending CN115479946A (zh) 2022-08-31 2022-08-31 一种路面破损检测方法、系统、装置及存储介质

Country Status (1)

Country Link
CN (1) CN115479946A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115909787A (zh) * 2023-02-06 2023-04-04 山东科技大学 一种路面破损情况的预警方法、设备及介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115909787A (zh) * 2023-02-06 2023-04-04 山东科技大学 一种路面破损情况的预警方法、设备及介质

Similar Documents

Publication Publication Date Title
US10740606B2 (en) Method for assigning particular classes of interest within measurement data
CN109146892B (zh) 一种基于美学的图像裁剪方法及装置
US10592725B2 (en) Neural network systems
US11790632B2 (en) Method and apparatus for sample labeling, and method and apparatus for identifying damage classification
CN113674421B (zh) 3d目标检测方法、模型训练方法、相关装置及电子设备
WO2022105019A1 (zh) 一种车辆卡口设备抓拍质量评估方法、装置及可读介质
CN109598298B (zh) 图像物体识别方法和系统
CN114279433A (zh) 地图数据自动化生产方法、相关装置及计算机程序产品
CN115479946A (zh) 一种路面破损检测方法、系统、装置及存储介质
CN114550051A (zh) 一种车损检测方法、装置、计算机设备及存储介质
CN115311469A (zh) 图像标注方法、训练方法、图像处理方法以及电子设备
CN108052918A (zh) 一种笔迹比对系统及方法
CN114581419A (zh) 变压器绝缘套管缺陷检测方法、相关设备及可读存储介质
CN114882213A (zh) 一种基于图片识别的动物体重预测估算系统
CN111476144B (zh) 行人属性识别模型确定方法、装置及计算机可读存储介质
CN113192017A (zh) 包裹缺陷识别方法、装置、设备及存储介质
CN113378768A (zh) 垃圾桶状态识别方法、装置、设备以及存储介质
CN116563748A (zh) 一种高层施工建筑物高度测量方法及系统
CN111460909A (zh) 基于视觉的货位管理方法和装置
CN110660000A (zh) 数据预测方法、装置、设备及计算机可读存储介质
CN109754319B (zh) 信用分值确定系统、方法、终端及服务器
CN112861900B (zh) 影像系统及检测方法
CN113139945A (zh) 一种基于Attention+YOLOv3的空调外机图像智能检测方法、设备及介质
CN116311325B (zh) 一种基于人工智能模型的比例尺自动识别系统
CN117523428B (zh) 基于飞行器平台的地面目标检测方法和装置

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