JP2020147961A - 道路維持管理システム、舗装種別判定装置、舗装劣化判定装置、修繕優先度判定装置、道路維持管理方法、舗装種別判定方法、舗装劣化判定方法、修繕優先度判定方法 - Google Patents
道路維持管理システム、舗装種別判定装置、舗装劣化判定装置、修繕優先度判定装置、道路維持管理方法、舗装種別判定方法、舗装劣化判定方法、修繕優先度判定方法 Download PDFInfo
- Publication number
- JP2020147961A JP2020147961A JP2019045206A JP2019045206A JP2020147961A JP 2020147961 A JP2020147961 A JP 2020147961A JP 2019045206 A JP2019045206 A JP 2019045206A JP 2019045206 A JP2019045206 A JP 2019045206A JP 2020147961 A JP2020147961 A JP 2020147961A
- Authority
- JP
- Japan
- Prior art keywords
- pavement
- deterioration
- road
- type
- determination
- 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
- 230000006866 deterioration Effects 0.000 title claims abstract description 147
- 230000008439 repair process Effects 0.000 title claims abstract description 57
- 238000012423 maintenance Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 title claims description 31
- 238000007726 management method Methods 0.000 title claims description 19
- 238000010191 image analysis Methods 0.000 claims description 8
- 238000000611 regression analysis Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims 1
- 238000000605 extraction Methods 0.000 claims 1
- 238000003384 imaging method Methods 0.000 abstract 3
- 239000010426 asphalt Substances 0.000 description 28
- 238000010586 diagram Methods 0.000 description 17
- 238000011156 evaluation Methods 0.000 description 10
- 238000013473 artificial intelligence Methods 0.000 description 8
- 238000007689 inspection Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 239000002344 surface layer Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000010410 layer Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Landscapes
- Road Repair (AREA)
- Image Analysis (AREA)
Abstract
Description
(第1の実施形態)
図1は、第1の実施形態に係る道路管理システムの概略構成を示すブロック図である。図1に示す道路維持管理システム1は、カメラで撮影された道路画像データ、撮影時のカメラ位置情報から道路の舗装種別を自動判定する舗装種別判定装置11と、道路画像データ、カメラ位置情報、舗装種別判定結果に基づいて道路の舗装種別毎に劣化の度合いを自動判定する舗装劣化判定装置12と、道路画像データ、カメラ位置情報、舗装種別判定結果、舗装劣化判定結果に基づいて修繕の優先度を判定する修繕優先度判定装置13とを備える。
道路の路面は均一ではなく、舗装の種別によって劣化の仕方や劣化の進み具合が異なる。それにも関わらず、同じ基準で劣化を判定しているため、現状の路面性状調査においても点検結果が実態と乖離するケースがある。このため、舗装種別を把握しておく必要がある。本来、舗装種別は各道路管理者にて工事履歴とともに台帳管理されているはずであるが、都道府県道の一部や市町村道の大部分においては台帳が満足に整備されていないのが実態である。そこで、市販ビデオカメラで撮影した映像をもとに、舗装種別を自動判定する手法を提案する。
図1に示すシステム1において、上記カメラ101で得られた道路画像データと測位装置102で収集されたカメラ位置情報は、舗装種別判定装置11に入力される。この舗装種別判定装置11は、図4に示すように、入力部111、入力情報記憶部112、画像処理部113、舗装種別判定部114、判定結果記憶部115、編集・補完処理部116、判定結果出力部117、表示制御部118、表示部119を備える。
上記入力情報記憶部112は道路画像データ、カメラ位置情報を記録する。
上記画像処理部113は、道路画像データを入力情報記憶部112に記録しつつ画像処理して道路画像の路面部分を抽出する。
舗装種別を自動判別するAIの教師データは、元画像(1920×1080画素)1枚から、複数の画像データ(768×768画素、1080×1080画素、96×96画素など)に加工して用いる。また、サイズの加工方法は、図5(a)に示すような両端の削除や図5(b)に示すような舗装部分の切り出しなど、自由に選択できるものとする。
学習モデルの生成に際して、教師データを全て用いる場合や、そのいずれかの教師データを選択して一つの学習モデルを生成するようにしてもよい。また、学習モデルを画像の特性毎に複数生成し、それらを組み合わせて一つの入力データの舗装種別を判別するようにしてもよい。
上記判定結果記憶部115は、被判定画像と共に舗装種別の判定結果を記録する。
上記表示制御部118は、指定された位置の道路画像データと舗装種別判定結果を処理結果記憶部115から読み出して表示画像に変換する。
図6は、図4に示す舗装種別判定装置11の処理の流れを示すフローチャートである。すなわち、この舗装種別判定装置11では、道路画像データ及びカメラ位置情報の入力を判断する(ステップS11)。入力があった場合には、道路画像データにカメラ位置情報を対応付けた後(ステップS12)、その道路画像データを入力情報記憶部112に記録する(ステップS13)。続いて、記録された道路画像データから道路の路面部分を抽出する(ステップS14)。抽出した路面部分は、AIによって舗装種別の教師データである路面画像と比較照合してポーラスアスファルト舗装/密粒度系アスファルト舗装/その他の舗装のいずれであるかを自動判定し(ステップS15)、その判定結果を被判定画像と共に判定結果記憶部115に記録する(ステップS16)。
図7は舗装種別の判定結果の例を示しており、図7(a)はポーラスアスファルト舗装、図6(b)は密粒度系アスファルト舗装、図6(c)はその他の舗装の判定結果を示している。
上記舗装種別判定装置11の種別判定結果ファイルは、道路画像データ及びカメラ位置情報と共に、舗装劣化判定装置12に送られる。
この舗装劣化判定装置12は、図7に示すように、入力部121、入力情報記憶部122、画像処理部123、舗装劣化判定部124、判定結果記憶部125、判定結果出力部126、表示制御部127、表示部128を備える。
上記入力情報記憶部122は、カメラ位置情報及び舗装種別判定結果が対応付けられた道路画像データを記録する。
上記舗装劣化判定部124は、舗装種別毎の判定部、すなわち排水性劣化判定部124A、密粒系劣化判定部124B、その他劣化判定部124Cを備える。それぞれの判定部124A,124B,124Cは、画像処理部123で得られた路面部分の道路画像データから舗装種別の舗装劣化の度合いを自動判定する。この舗装劣化判定処理も、AI技術を利用したニューラルネットワーク、または機械学習、画像処理などにより、予め教師データとして与えられる舗装種別毎の劣化画像に基づいて、入力道路画像が最も近いと認識される画像の舗装劣化の度合いを判定出力する。
上記判定結果出力部126は、判定結果記憶部125に記録された判定結果を順次または要求に応じて読み出し、例えばテキストファイルに変換して出力する。
上記表示部128は、表示制御部127で変換されたひび割れが示される道路画像及び舗装種別判定結果の表示画像を表示する。画面表示データは、要求に応じて外部出力される。
図11は、上記道路維持管理システムに用いられる修繕優先度判定装置13の具体的な構成を示すブロック図である。
この修繕優先度判定装置13は、図11に示すように、入力部131、入力情報記憶部132、区間毎データ登録部133、劣化予測式作成部134、優先度評価部135、修繕計画作成部136、処理結果記憶部137、処理結果出力部138、表示制御部139、表示部13Aを備える。
上記区間毎データ登録部133は、入力部131で対応付けられた入力情報を区間毎に区切って入力情報記憶部132に記録する。
上記優先度評価部135は、種別判定結果ファイル、劣化判定結果ファイル、区間登録データおよび劣化予測式による予測結果をもとに対策の優先度評価を行う。
上記処理結果記憶部137は、劣化予測式作成結果、優先度評価結果、修繕計画作成結果を記録する。
上記表示制御部は、要求に応じて、処理結果記憶部137に記録された処理結果を読み出し、画面表示可能なデータ形式に変換処理する。上記表示部13Aは、表示制御部139で生成された画像を表示する。
すなわち、この修繕優先度判定装置13では、道路画像データ、カメラ位置情報、種別判定結果ファイル、劣化判定結果ファイル、区間登録データの情報の入力を判断する(ステップS31)。
続いて、記録された種別判定結果ファイル、劣化判定結果ファイルおよび区間登録データをもとに、回帰分析を用いて劣化予測式を作成する(ステップS35)。
この表示例では、GIS(Geographic Information System:地図情報システム)を利用して、地図上の指定道路に一定区間毎の○印を表示し、○印の色を舗装種別の判定結果に基づいて赤(排水性)、黄(密粒系)、青(その他)などで色分けする。この例では、任意の○印を指定(クリック)すると、その地点の道路画像がポップアップして表示される様子を示している。詳細は図示しないが、合わせて劣化の度合い、修繕優先度が表示されると効果的である。
10…調査用車両、101…カメラ、102…測位装置、
11…舗装種別判定装置、111…入力部、112…入力情報記憶部、113…画像処理部、114…舗装種別判定部、115…判定結果記憶部、116…編集・補完処理部、117…判定結果出力部、118…表示制御部、119…表示部、
12…舗装劣化判定装置、121…入力部、122…入力情報記憶部、123…画像処理部、124…舗装劣化判定部、125…判定結果記憶部、126…判定結果出力部、127…表示制御部、128…表示部、
13…修繕優先度判定装置、131…入力部、132…入力情報記憶部、133…区間毎データ登録部、134…劣化予測式作成部、135…優先度評価部、136…修繕計画作成部、137…処理結果記憶部、138…処理結果出力部、139…表示制御部、13A…表示部。
Claims (16)
- 撮影した道路画像及び撮影した撮影位置情報を入力する入力部と、予め舗装種別毎に道路を撮影した複数の道路画像を教師データとして学習させた学習モデルにより、道路画像の舗装種別を判定する舗装種別判定部とを有する舗装種別判定装置と、
前記舗装種別判定装置で舗装種別が判定された道路画像から、舗装の劣化範囲を検出し、この劣化範囲の舗装劣化の状態を自動算出する画像解析部と、舗装種別毎に設けられ、前記画像解析部で検出した舗装種別の割合に基づいて前記舗装種別毎に舗装の劣化度を判定して複数段階に分類する舗装劣化判定部とを有する舗装劣化判定装置と
を具備する道路維持管理システム。 - 前記道路画像、前記撮影位置情報、前記舗装種別の判定結果、前記舗装劣化の判定結果の入力情報を対応つけて登録するデータ登録部と、前記舗装種別の判定結果、前記舗装劣化の判定結果および区間登録データをもとに、回帰分析を用いて劣化予測式を作成する劣化予測式作成部と、前記道路の区間単位で修繕の優先度を判定する優先度判定部とを有する修繕優先度判定装置を、さらに備える請求項1記載の道路維持管理システム。
- 撮影された道路画像を入力する入力部と、
前記入力部に入力された道路画像から路面部分を抽出する抽出部と、
予め舗装種別毎に道路を撮影した複数の道路画像それぞれの路面部分を教師データとして学習させた学習モデルにより、前記道路画像の舗装種別を判定する判定部と
を具備する舗装種別判定装置。 - 前記学習モデルは、前記教師データを天候または影の有無の何れかを含む属性単位に分類して学習させることで生成された複数の学習モデルであり、
前記判定部は、前記複数の学習モデルを用いて舗装種別を段階的に判定する
請求項3記載の舗装種別判定装置。 - 道路を舗装種別毎に撮影した複数の道路画像について、舗装の劣化範囲を検出し、この劣化範囲の状態を自動算出する画像解析部と、
前記舗装種別毎に設けられ、前記画像解析部で検出した舗装種別の割合に基づいて舗装種別毎の劣化度を判定し、複数段階に分類する判定部と
を具備する舗装劣化判定装置。 - 前記画像解析部は、前記舗装の劣化範囲として舗装のひび割れを検出し、所定の面積に占めるひび割れの面積の割合を示すひび割れ率を自動算出することで、劣化範囲の面積の割合を算出するものであり、
前記判定部は、前記ひび割れ率に基づいて前記舗装種別毎の劣化度を複数段階に分類する
請求項5記載の舗装劣化判定装置。 - 道路画像、撮影位置情報、舗装種別の判定結果、舗装劣化の判定結果の入力情報を対応つけて登録するデータ登録部と、
前記舗装種別の判定結果、前記舗装劣化の判定結果および区間登録データをもとに、回帰分析を用いて劣化予測式を作成する劣化予測式作成部と、
前記舗装種別の判定結果、前記舗装劣化の判定結果、前記区間登録データ及び前記劣化予測式による予測結果をもとに、道路の区間単位で修繕の優先度を判定する優先度判定部と
を具備する修繕優先度判定装置。 - 前記舗装種別の判定結果、前記舗装劣化の判定結果、前記区間登録データ、前記劣化予測式による予測結果および前記修繕の優先度の判定結果をもとに、修繕計画を作成する修繕計画作成部
をさらに備える請求項7記載の修繕優先度判定装置。 - 撮影した道路画像及び撮影した撮影位置情報を入力し、
予め舗装種別毎に道路を撮影した複数の道路画像を教師データとして学習させた学習モデルにより、入力された道路画像について道路の舗装種別を判定し、
舗装種別が判定された前記道路画像から舗装の劣化範囲を検出し、前記劣化範囲の劣化の状態を自動算出し、
前記道路画像、前記撮影位置情報及び前記舗装種別の判定結果に基づいて前記舗装種別毎に舗装劣化を判定する
道路維持管理方法。 - さらに、前記舗装種別の判定結果、前記舗装劣化の判定結果および区間登録データをもとに、回帰分析を用いて劣化予測式を作成し、前記舗装種別の判定結果、前記舗装劣化の判定結果、前記区間登録データ及び前記劣化予測式による予測結果をもとに、前記道路の区間単位で修繕の優先度を判定する請求項9記載の道路維持管理方法。
- 撮影された道路画像から路面部分を抽出し、
予め道路を舗装種別毎に撮影した複数の道路画像の路面を教師データとして学習させた学習モデルにより、入力された道路画像の舗装種別を判定する
舗装種別判定方法。 - 前記学習モデルは、前記教師データを天候または影の有無の何れかを含む属性単位に分類して学習させることで生成された複数の学習モデルであり、
この複数の学習モデルを用いて舗装種別を段階的に判定する
請求項11記載の舗装種別判定方法。 - 道路を舗装種別毎に撮影した複数の道路画像について画像解析を行って、舗装の劣化範囲を検出し、この劣化範囲の割合を自動算出し、
前記舗装種別毎に、検出した舗装種別の割合に基づいて舗装種別毎の舗装劣化の劣化度を判定し、複数段階に分類する、
舗装劣化判定方法。 - 前記画像解析は、前記舗装の劣化範囲として舗装のひび割れを検出し、所定の面積に占めるひび割れの面積の割合を示すひび割れ率を自動算出することで、劣化範囲の面積の割合を算出するものであり、
前記舗装劣化の判定は、前記ひび割れ率に基づいて前記舗装種別毎の劣化度を複数段階に分類する
請求項13記載の舗装劣化判定方法。 - 道路画像、撮影位置情報、舗装種別の判定結果、舗装劣化の判定結果の入力情報を対応つけて登録し、
前記舗装種別の判定結果、前記舗装劣化の判定結果および区間登録データをもとに、回帰分析を用いて劣化予測式を作成し、
前記舗装種別の判定結果、前記舗装劣化の判定結果、前記区間登録データおよび前記劣化予測式による予測結果をもとに、道路の区間単位で修繕の優先度を判定する
修繕優先度判定方法。 - さらに、
前記舗装種別の判定結果、前記舗装劣化の判定結果、前記区間登録データ、前記劣化予測式による予測結果および前記修繕の優先度の判定結果をもとに、修繕計画を作成する
請求項15記載の修繕優先度判定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019045206A JP7333511B2 (ja) | 2019-03-12 | 2019-03-12 | 道路維持管理システム、舗装種別判定装置、修繕優先度判定装置、道路維持管理方法、舗装種別判定方法、修繕優先度判定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019045206A JP7333511B2 (ja) | 2019-03-12 | 2019-03-12 | 道路維持管理システム、舗装種別判定装置、修繕優先度判定装置、道路維持管理方法、舗装種別判定方法、修繕優先度判定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020147961A true JP2020147961A (ja) | 2020-09-17 |
JP7333511B2 JP7333511B2 (ja) | 2023-08-25 |
Family
ID=72431870
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019045206A Active JP7333511B2 (ja) | 2019-03-12 | 2019-03-12 | 道路維持管理システム、舗装種別判定装置、修繕優先度判定装置、道路維持管理方法、舗装種別判定方法、修繕優先度判定方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7333511B2 (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7046279B1 (ja) * | 2020-10-30 | 2022-04-01 | 三菱電機株式会社 | ひび割れ検出装置、ひび割れ検出方法及びひび割れ検出プログラム |
WO2022107330A1 (ja) * | 2020-11-20 | 2022-05-27 | 日本電気株式会社 | 状態判定装置、状態判定システム、状態判定方法、及び、記録媒体 |
KR102412082B1 (ko) * | 2022-01-12 | 2022-06-22 | (주)한국포장기술 | Ict를 이용한 도로관리 플랫폼 |
WO2022168223A1 (ja) * | 2021-02-04 | 2022-08-11 | 日本電気株式会社 | 教師データ生成装置、状態判定装置、状態判定システム、教師データ生成方法、状態判定方法、及び、記録媒体 |
WO2023042238A1 (ja) * | 2021-09-14 | 2023-03-23 | 日本電気株式会社 | 画像生成システム、画像生成方法、及び、記録媒体 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09196647A (ja) * | 1996-01-23 | 1997-07-31 | Mitsubishi Heavy Ind Ltd | 路面性状測定装置の計測データ解析装置 |
JP2005115687A (ja) * | 2003-10-08 | 2005-04-28 | Hitachi Ltd | 道路保守支援システム |
JP2008187347A (ja) * | 2007-01-29 | 2008-08-14 | Toshiba Corp | 車載用ナビゲーション装置、路面標示識別プログラム及び路面標示識別方法 |
JP2008250687A (ja) * | 2007-03-30 | 2008-10-16 | Aisin Aw Co Ltd | 地物情報収集装置及び地物情報収集方法 |
JP2011179874A (ja) * | 2010-02-26 | 2011-09-15 | East Nippon Expressway Co Ltd | 舗装路面のクラックの抽出と損傷レベルの評価方法 |
JP2016089593A (ja) * | 2014-11-11 | 2016-05-23 | 株式会社東芝 | 道路維持管理システム、制御方法及びコンピュータプログラム |
WO2017094846A1 (ja) * | 2015-12-03 | 2017-06-08 | 日本電気株式会社 | 装置、方法及び記録媒体 |
JP2018021375A (ja) * | 2016-08-03 | 2018-02-08 | 株式会社東芝 | 舗装ひび割れ解析装置、舗装ひび割れ解析方法及び舗装ひび割れ解析プログラム |
JP2018031664A (ja) * | 2016-08-24 | 2018-03-01 | 株式会社東芝 | 情報処理装置、情報処理方法およびプログラム |
JP2018120409A (ja) * | 2017-01-25 | 2018-08-02 | 株式会社ユピテル | データ収集装置、道路状態評価支援装置、及びプログラム |
JP2018156317A (ja) * | 2017-03-16 | 2018-10-04 | 阪神高速技術株式会社 | ひび割れ検出処理装置、およびひび割れ検出処理プログラム |
JP2019036182A (ja) * | 2017-08-18 | 2019-03-07 | 国際航業株式会社 | 舗装管理支援システム |
-
2019
- 2019-03-12 JP JP2019045206A patent/JP7333511B2/ja active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09196647A (ja) * | 1996-01-23 | 1997-07-31 | Mitsubishi Heavy Ind Ltd | 路面性状測定装置の計測データ解析装置 |
JP2005115687A (ja) * | 2003-10-08 | 2005-04-28 | Hitachi Ltd | 道路保守支援システム |
JP2008187347A (ja) * | 2007-01-29 | 2008-08-14 | Toshiba Corp | 車載用ナビゲーション装置、路面標示識別プログラム及び路面標示識別方法 |
JP2008250687A (ja) * | 2007-03-30 | 2008-10-16 | Aisin Aw Co Ltd | 地物情報収集装置及び地物情報収集方法 |
JP2011179874A (ja) * | 2010-02-26 | 2011-09-15 | East Nippon Expressway Co Ltd | 舗装路面のクラックの抽出と損傷レベルの評価方法 |
JP2016089593A (ja) * | 2014-11-11 | 2016-05-23 | 株式会社東芝 | 道路維持管理システム、制御方法及びコンピュータプログラム |
WO2017094846A1 (ja) * | 2015-12-03 | 2017-06-08 | 日本電気株式会社 | 装置、方法及び記録媒体 |
JP2018021375A (ja) * | 2016-08-03 | 2018-02-08 | 株式会社東芝 | 舗装ひび割れ解析装置、舗装ひび割れ解析方法及び舗装ひび割れ解析プログラム |
JP2018031664A (ja) * | 2016-08-24 | 2018-03-01 | 株式会社東芝 | 情報処理装置、情報処理方法およびプログラム |
JP2018120409A (ja) * | 2017-01-25 | 2018-08-02 | 株式会社ユピテル | データ収集装置、道路状態評価支援装置、及びプログラム |
JP2018156317A (ja) * | 2017-03-16 | 2018-10-04 | 阪神高速技術株式会社 | ひび割れ検出処理装置、およびひび割れ検出処理プログラム |
JP2019036182A (ja) * | 2017-08-18 | 2019-03-07 | 国際航業株式会社 | 舗装管理支援システム |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7046279B1 (ja) * | 2020-10-30 | 2022-04-01 | 三菱電機株式会社 | ひび割れ検出装置、ひび割れ検出方法及びひび割れ検出プログラム |
WO2022091327A1 (ja) * | 2020-10-30 | 2022-05-05 | 三菱電機株式会社 | ひび割れ検出装置、ひび割れ検出方法及びひび割れ検出プログラム |
WO2022107330A1 (ja) * | 2020-11-20 | 2022-05-27 | 日本電気株式会社 | 状態判定装置、状態判定システム、状態判定方法、及び、記録媒体 |
WO2022168223A1 (ja) * | 2021-02-04 | 2022-08-11 | 日本電気株式会社 | 教師データ生成装置、状態判定装置、状態判定システム、教師データ生成方法、状態判定方法、及び、記録媒体 |
JP7468711B2 (ja) | 2021-02-04 | 2024-04-16 | 日本電気株式会社 | 教師データ生成装置、教師データ生成方法、及び、プログラム |
WO2023042238A1 (ja) * | 2021-09-14 | 2023-03-23 | 日本電気株式会社 | 画像生成システム、画像生成方法、及び、記録媒体 |
KR102412082B1 (ko) * | 2022-01-12 | 2022-06-22 | (주)한국포장기술 | Ict를 이용한 도로관리 플랫폼 |
Also Published As
Publication number | Publication date |
---|---|
JP7333511B2 (ja) | 2023-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7333511B2 (ja) | 道路維持管理システム、舗装種別判定装置、修繕優先度判定装置、道路維持管理方法、舗装種別判定方法、修繕優先度判定方法 | |
JP6713505B2 (ja) | 舗装情報収集点検システム、舗装情報収集点検方法、及びプログラム | |
CN107923132B (zh) | 裂纹解析装置、裂纹解析方法以及记录介质 | |
CN101275841A (zh) | 地物信息收集装置及地物信息收集方法 | |
KR102118802B1 (ko) | 무인 항공기를 이용한 하천 건천화 모니터링 방법 및 시스템 | |
US20210150692A1 (en) | System and method for early identification and monitoring of defects in transportation infrastructure | |
Saeed et al. | A review of intelligent methods for unpaved roads condition assessment | |
JP2021026353A (ja) | 路面性状調査システム、路面性状調査方法、及び路面性状調査プログラム | |
Fendi et al. | An approach to produce a gis database for Road Surface Monitoring | |
JPH063145A (ja) | トンネル切羽画像収録処理システム | |
KR101659433B1 (ko) | 하천오염 관리시스템 및 그 운용방법 | |
Uphues et al. | Coastal aeolian sediment transport in an active bed surface layer: Tracer study and conceptual model | |
US20240040247A1 (en) | Method for capturing image, method for processing image, image capturing system, and information processing system | |
US20230308777A1 (en) | Image capturing device, data acquisition unit, image capturing system, and image capturing method | |
JP2021148606A (ja) | 評価システム、状態検査システム、評価方法およびプログラム | |
Bernardo et al. | Techniques of geomatics and soft computing for the monitoring of infrastructures and the management of big data | |
Exner et al. | Monitoring Street Infrastructures with Artificial Intelligence | |
Brooks et al. | Integration of Unmanned Aerial Systems Data Collection Into Day-to-Day Usage for Transportation Infrastructure–A Phase III Project | |
JP7440855B1 (ja) | 点検支援システム、撮影位置同定システム、及び、プログラム | |
Abdullah et al. | A methodology for processing raw LiDAR data to support urban flood modelling framework: Case Study—Kuala Lumpur Malaysia | |
TWI813118B (zh) | 自動更新地標數據庫中的視覺地標圖像之系統與方法 | |
TWI597405B (zh) | System and method for monitoring slope with tree displacement | |
Buchari et al. | Prompt analysis of condition priority for road improvement planning | |
US20230298207A1 (en) | Information processing apparatus, information processing system, information processing method, and non-transitory computer-executable medium | |
US20230099282A1 (en) | Information processing apparatus, information processing system, information processing method, and non-transitory computer-executable medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20200917 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20200917 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201102 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20201102 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20211105 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20211105 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220224 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221118 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221122 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230113 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230404 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230531 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230704 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230802 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7333511 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |