JP6790210B1 - 道路損傷判定装置、道路損傷判定方法及び道路損傷判定プログラム - Google Patents
道路損傷判定装置、道路損傷判定方法及び道路損傷判定プログラム Download PDFInfo
- Publication number
- JP6790210B1 JP6790210B1 JP2019182892A JP2019182892A JP6790210B1 JP 6790210 B1 JP6790210 B1 JP 6790210B1 JP 2019182892 A JP2019182892 A JP 2019182892A JP 2019182892 A JP2019182892 A JP 2019182892A JP 6790210 B1 JP6790210 B1 JP 6790210B1
- Authority
- JP
- Japan
- Prior art keywords
- road
- image
- damage
- unit
- determination device
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 62
- 238000001514 detection method Methods 0.000 claims description 78
- 230000008439 repair process Effects 0.000 claims description 36
- 230000002776 aggregation Effects 0.000 claims description 13
- 238000004220 aggregation Methods 0.000 claims description 13
- 238000010586 diagram Methods 0.000 abstract description 4
- 238000013528 artificial neural network Methods 0.000 description 39
- 238000012545 processing Methods 0.000 description 34
- 230000008569 process Effects 0.000 description 18
- 238000010276 construction Methods 0.000 description 13
- 230000004048 modification Effects 0.000 description 12
- 238000012986 modification Methods 0.000 description 12
- 238000003860 storage Methods 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 10
- 230000004927 fusion Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 230000007547 defect Effects 0.000 description 6
- 238000007689 inspection Methods 0.000 description 6
- 238000007781 pre-processing Methods 0.000 description 6
- 206010039203 Road traffic accident Diseases 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 4
- 238000004381 surface treatment Methods 0.000 description 4
- 239000010426 asphalt Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 239000000839 emulsion Substances 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000005336 cracking Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000003973 paint Substances 0.000 description 2
- 230000002250 progressing effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000270666 Testudines Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Landscapes
- Road Repair (AREA)
- Image Analysis (AREA)
Abstract
Description
図1は、本実施の形態における道路損傷判定装置の構成を示す。道路損傷判定装置100 は、画質調整部152、検出部113、結果選別部114、検出枠融合部115、集計部116、分割部151、判定部153、枠描画部117、および、表示部118を備える。
道路損傷判定装置 100 は、記憶媒体 101 に記憶された画像を入力として、以下に述べる動作を行う。
本実施の形態では、枠描画部 117 は、ひび割れの検出結果に関して枠を描画した画像601と、局部損傷の検出結果に関して枠を描画した画像801とを別々の2枚の画像として生成したが、単一の画像にこれら2種類の枠を重ねて描画した1枚の画像を生成してもよい。あるいは、道路損傷判定装置100は、ひび割れ率および局部損傷の検出結果の両方を、単一の表に出力してもよい。また、表示部 118 は、ひび割れ率および局部損傷の検出結果の両方について、損傷地点を単一の地図上に表示してもよい。これらの工夫によって、ひび割れ率および局部損傷の検出結果の両方を併用して活用することが容易となり、さらなる効果が得られる。
本実施の形態では、道路損傷判定装置100の表示部 118 は、ひび割れ率および局部損傷の検出結果を画面に表示した。これに加えて、道路損傷判定装置100は、検出したひび割れおよび局部損傷の補修方法を選定し、前記選定結果を補修方法提案として画面に表示してもよい。すなわち、道路損傷判定装置100は、損傷レベルおよびひび割れ率の少なくとも1つを用いて、道路の補修方法および補修時期を選定する選定部を備えていてもよい。また、選定部は、損傷レベルおよびひび割れ率の少なくとも1つを用いて、道路の補修方法または補修時期を選定してもよい。
本実施の形態では、判定部153は、画像判定ニューラルネットワーク 161とそれに与えるパラメータとの組み合わせによって構成した。本発明の範囲はこれに限るものではなく、同様の判定機能を提供する別の手法の画像ニューラルネットワークであってもよい。例えば、一般的に、物体検出ニューラルネットワークはその内部に機能部として画像判定ニューラルネットワークを組み込んでおり、従って物体検出ニューラルネットワークの機能を縮退して動作させれば画像判定ニューラルネットワークと同等の機能を提供することもできると考えられるから、判定部153を、物体検出ニューラルネットワークとそれに与えるパラメータとの組み合わせによって構成してもよい。
本実施の形態では、入力画像として、路面性状測定車に搭載したラインカメラで道路の舗装面を上から撮影した画像を扱うこととした。すでに述べたように、本発明の範囲はこれに限るものではなく、入力画像は、走行する車から道路の前方を撮影した静止画ないし動画、もしくは走行する車から道路の後方を撮影した静止画ないし動画であってもよい。この場合、入力画像は上から見た画像ではなく、遠近法に基づく画像となり遠方になるほど小さく見えるという特性を持つ。
本実施の形態では、単一の道路損傷判定装置 100 によって構成するものとしたが、本発明の範囲はこれに限るものではなく、複数の装置から構成してもよい。特に、検出部113によるひび割れの検出と、判定部153による局部損傷の検出とを、複数の装置あるいはプログラムの組み合わせによって行ってもよく、また、画質調整部 152の処理結果を記憶媒体またはネットワークを通じて授受してもよい。検出部113によるひび割れの検出と、判定部153による局部損傷の検出とは、いずれを先に実行してもよく、また、両方を同時に実行してもよい。検出部113によるひび割れの検出と、判定部153による局部損傷の検出とには、単一の画質調整部 152の処理結果を入力するのではなく、異なる処理ロジックないし処理パラメータによる画質調整の結果を入力してもよい。
本実施の形態では、道路損傷判定装置 100は画質調整部152によって画質を調整した後、ひび割れ率をステップS13からステップS16によって算出し、さらに、それとは独立して、損傷レベルをステップS18からステップS19で判定した。本発明の範囲はこれに限るものではなく、道路損傷判定装置 100は、ひび割れの検出結果を用いて損傷レベルの判定結果を補正してもよいし、また、損傷レベルの判定結果を用いてひび割れの検出結果を補正し、あるいは、ひび割れ率の算出結果を補正してもよい。
111 :静止画取得部
112 :画像前処理部
113 :検出部
114 :結果選別部
115 :検出枠融合部
116 :集計部
117 :枠描画部
118 :表示部
151 :分割部
152 :画質調整部
153 :判定部
Claims (8)
- 道路損傷判定装置であって、
道路を撮影した道路画像を複数の部分画像に分割する分割部と、
各部分画像の道路の損傷レベルを、学習済みモデルを用いて判定する判定部と、を有し、
前記損傷レベルは、ひび割れの交点を示す結節点の数に基づいて設定され、
前記学習済みモデルは、損傷レベルと、当該損傷レベルに設定された範囲の結節点の数を有する画像とを含む教師データを用いて学習されること
を特徴とする道路損傷判定装置。 - 請求項1に記載の道路損傷判定装置であって、
前記道路画像から、道路のひび割れまたは穴を含む画素領域を検出する検出部と、
前記画素領域の面積の合計を用いて、区間ごとの道路のひび割れ率を算出する集計部と、を有すること
を特徴とする道路損傷判定装置。 - 請求項2に記載の道路損傷判定装置であって、
前記画素領域の中から、走行車線領域に存在する画素領域を選択する選別部を有し、
前記集計部は、選択した前記画素領域の面積の合計を用いて、前記ひび割れ率を算出すること
を特徴とする道路損傷判定装置。 - 請求項1ないし3のいずれかに記載の道路損傷判定装置であって、
前記道路画像の明るさおよびコントラストの少なくとも1つを調整する画質調整部を有し、
前記画質調整部は、日陰により、前記道路画像の中で進行方向に連続する暗い領域を検出し、前記暗い領域の明るさおよびコントラストの少なくとも1つを、他の領域の明るさまたはコントラストと同じになるように調整すること、
を特徴とする道路損傷判定装置。 - 請求項2または3に記載の道路損傷判定装置であって、
前記損傷レベルが所定のレベル以上の部分画像もしくは前記画素領域を示す枠、または、前記損傷レベルが所定のレベル以上の部分画像および前記画素領域を示す枠を、前記道路画像に描画する描画部を有すること
を特徴とする道路損傷判定装置。 - 請求項2ないし4のいずれかに記載の道路損傷判定装置であって、
前記損傷レベルおよび前記ひび割れ率の少なくとも1つを用いて、前記道路の補修方法および補修時期を選定する選定部を有すること
を特徴とする道路損傷判定装置。 - 道路損傷判定装置が行う道路損傷判定方法であって、
道路を撮影した道路画像を複数の部分画像に分割する分割ステップと、
各部分画像の道路の損傷レベルを、学習済みモデルを用いて判定する判定ステップと、を行い、
前記損傷レベルは、ひび割れの交点を示す結節点の数に基づいて設定され、
前記学習済みモデルは、損傷レベルと、当該損傷レベルに設定された範囲の結節点の数を有する画像とを含む教師データを用いて学習されること
を特徴とする道路損傷判定方法。 - 請求項1ないし6のいずれかに記載の道路損傷判定装置として、コンピュータを機能させること、を特徴とする道路損傷判定プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019182892A JP6790210B1 (ja) | 2019-10-03 | 2019-10-03 | 道路損傷判定装置、道路損傷判定方法及び道路損傷判定プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019182892A JP6790210B1 (ja) | 2019-10-03 | 2019-10-03 | 道路損傷判定装置、道路損傷判定方法及び道路損傷判定プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6790210B1 true JP6790210B1 (ja) | 2020-11-25 |
JP2021060656A JP2021060656A (ja) | 2021-04-15 |
Family
ID=73455231
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019182892A Active JP6790210B1 (ja) | 2019-10-03 | 2019-10-03 | 道路損傷判定装置、道路損傷判定方法及び道路損傷判定プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6790210B1 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113537016A (zh) * | 2021-07-06 | 2021-10-22 | 南昌市微轲联信息技术有限公司 | 一种道路巡查中道路损伤自动检测预警的方法 |
CN113791078A (zh) * | 2021-09-02 | 2021-12-14 | 中国农业机械化科学研究院 | 一种玉米种子内部裂纹批量检测方法及装置 |
FR3120375A1 (fr) * | 2021-03-08 | 2022-09-09 | Secmair | Unité, procédé et programme d’ordinateur de réparation d’une chaussée |
CN115984221A (zh) * | 2023-01-03 | 2023-04-18 | 广州新粤交通技术有限公司 | 一种道路标线修复识别方法、装置、设备及其存储介质 |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7076932B1 (ja) | 2021-03-02 | 2022-05-30 | 中日本高速道路株式会社 | 舗装健全度評価方法 |
JP7082227B1 (ja) * | 2021-03-15 | 2022-06-07 | 株式会社パスコ | 路面性状調査システム、路面性状調査装置、及び路面性状調査方法 |
JP2022156790A (ja) | 2021-03-31 | 2022-10-14 | 株式会社リコー | 電解質組成物、エレクトロクロミック素子、エレクトロクロミック表示装置、及びエレクトロクロミック調光装置 |
KR102586175B1 (ko) * | 2021-06-09 | 2023-10-06 | 대구가톨릭대학교산학협력단 | 딥러닝 기반 항공 영상 내 포트홀 탐지 결과 시각화 장치 및 그 방법 |
KR102396169B1 (ko) * | 2021-09-07 | 2022-05-11 | 주식회사 로드텍 | 머신러닝 및 영상처리기법을 이용한 도로 포장 상태 판별 장치 및 방법 |
WO2023135749A1 (ja) * | 2022-01-14 | 2023-07-20 | 日本電気株式会社 | 劣化推定システム、劣化推定方法、及び、記録媒体 |
WO2024079903A1 (ja) * | 2022-10-14 | 2024-04-18 | 日本電気株式会社 | 重要度判定システム、重要度判定装置、および重要度判定方法 |
WO2024089834A1 (ja) * | 2022-10-27 | 2024-05-02 | 日本電気株式会社 | 画像生成システム、画像生成方法及びプログラムを記録する記録媒体 |
CN118182513A (zh) * | 2022-12-12 | 2024-06-14 | 宝马股份公司 | 车辆以及用于车辆的自动驾驶控制方法和系统 |
JP7440855B1 (ja) | 2023-01-26 | 2024-02-29 | ナカシャ クリエイテブ株式会社 | 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 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6265634B2 (ja) * | 2013-06-25 | 2018-01-24 | 川田テクノシステム株式会社 | 路面補修支援装置、路面補修支援プログラム、及び路面補修支援方法 |
JP6294529B1 (ja) * | 2017-03-16 | 2018-03-14 | 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 |
JP2019139316A (ja) * | 2018-02-06 | 2019-08-22 | 国立大学法人 東京大学 | 識別システム、識別装置、識別方法及び識別プログラム |
-
2019
- 2019-10-03 JP JP2019182892A patent/JP6790210B1/ja active Active
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3120375A1 (fr) * | 2021-03-08 | 2022-09-09 | Secmair | Unité, procédé et programme d’ordinateur de réparation d’une chaussée |
CN113537016A (zh) * | 2021-07-06 | 2021-10-22 | 南昌市微轲联信息技术有限公司 | 一种道路巡查中道路损伤自动检测预警的方法 |
CN113537016B (zh) * | 2021-07-06 | 2023-01-06 | 南昌市微轲联信息技术有限公司 | 一种道路巡查中道路损伤自动检测预警的方法 |
CN113791078A (zh) * | 2021-09-02 | 2021-12-14 | 中国农业机械化科学研究院 | 一种玉米种子内部裂纹批量检测方法及装置 |
CN113791078B (zh) * | 2021-09-02 | 2023-06-13 | 中国农业机械化科学研究院 | 一种玉米种子内部裂纹批量检测方法及装置 |
CN115984221A (zh) * | 2023-01-03 | 2023-04-18 | 广州新粤交通技术有限公司 | 一种道路标线修复识别方法、装置、设备及其存储介质 |
CN115984221B (zh) * | 2023-01-03 | 2023-08-04 | 广州新粤交通技术有限公司 | 一种道路标线修复识别方法、装置、设备及其存储介质 |
Also Published As
Publication number | Publication date |
---|---|
JP2021060656A (ja) | 2021-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6790210B1 (ja) | 道路損傷判定装置、道路損傷判定方法及び道路損傷判定プログラム | |
EP3327198B1 (en) | Crack analyzer, crack analysis method, and crack analysis program | |
JP6902652B1 (ja) | 道路不具合検出装置、道路不具合検出方法及び道路不具合検出プログラム | |
JP6779698B2 (ja) | 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 | |
JP6678267B1 (ja) | 道路不具合検出装置、道路不具合検出方法及び道路不具合検出プログラム | |
WO2021199915A1 (ja) | 劣化表示システム、劣化表示方法と記録媒体 | |
JP2019045922A (ja) | 変状箇所検出装置、変状箇所検出プログラムおよび変状箇所検出方法 | |
JP2020160840A (ja) | 路面標示不具合検出装置、路面標示不具合検出方法及び路面標示不具合検出プログラム | |
Olsen et al. | Lidar for maintenance of pavement reflective markings and retroreflective signs | |
Kargah-Ostadi et al. | Evaluation framework for automated pavement distress identification and quantification applications | |
JP2019144608A (ja) | 解析装置、ひび割れ検出処理装置、および解析プログラム | |
CN113312987B (zh) | 一种基于无人机航拍路面裂缝图像的识别方法 | |
JP6894361B2 (ja) | コンクリート表面上のひび割れ方向特定方法、ひび割れ方向特定装置、ひび割れ方向特定システム及びプログラム | |
CN117422699A (zh) | 公路检测方法、装置、计算机设备及存储介质 | |
CN115366899B (zh) | 一种基于北斗的远程车载路径识别系统 | |
CN116091456A (zh) | 一种行车道路能见度检测方法 | |
JP6892197B1 (ja) | 劣化表示システム、劣化表示方法、及び、プログラム | |
Tsai et al. | A remote sensing and GIS-enabled asset management system (RS-GAMS). | |
JP6745112B2 (ja) | 路面性状の評価方法、及び路面性状の評価装置 | |
Offrell et al. | In situ photographic survey of crack propagation in flexible pavements | |
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 | |
Hafiz et al. | Semi-automated method to determine pavement condition index on airfields | |
CN115795626B (zh) | 数字道路模型分析方法、装置、计算设备以及存储介质 | |
CN113673596B (zh) | 一种基于历遍源目标的遥感影像目标检测样本生成方法 | |
Wang et al. | Exploration of using GDOT's existing videolog images and pavement surface imaging data to support statewide maintenance practices |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191003 |
|
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: 20201027 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201104 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6790210 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |