[发明专利]一种路面缺陷损伤实时监测方法及系统

说明书

本发明公开了一种路面缺陷损伤实时监测方法，包括获取道路图像数据；对道路图像数据进行预处理，获取路面缺陷数据集；对收集到的路面缺陷数据集进行增强；搭建路面监测网络框架，生成路面缺陷监测模型；对路面缺陷监测模型进行训练，生成训练后的路面缺陷监测模型；在车辆行驶过程中进行拍摄，采用训练后的路面缺陷监测模型实时分析路面缺陷，并推送分析结果。本发明还公开了一种基于上述的路面缺陷损伤实时监测方法的系统。本发明通过加强低层特征的利用，全连接网络的优势，提高了算法的各项评价指标；本发明能够减少干扰物体对路面缺陷识别的影响，改善对路面裂缝的识别的效果，并对路面状态快速评价，有利于公路施工方案的设计。

技术领域

本发明属于路面缺陷监测领域，具体涉及一种路面缺陷损伤实时监测方法及系统。

背景技术

公路路面的质量好坏一直是公路施工方案中行业深入研究的重要问题。同时，道路经过长时间的损耗后，地质结构发生了变化，导致路面发生表质散落、开裂和坑槽等问题，首先，在构建路面裂缝检测模型前，需要对收集的路面裂缝数据集进行特征分类，通过把路面裂缝分类可以对构建模型和实验都具有很大的帮助。根据路面的损伤程度，几何特征，纹理，综合各方面因素，将路面缺陷主要分为纵向裂缝，横向裂缝，块状裂缝，坑槽，龟裂五种类别。如图1为各种路面裂缝的类别示意图。图1a表示纵向裂缝，图1b表示横向裂缝，图1c表示龟裂，图1d表示坑槽，图1e表示块状裂缝；纵向裂缝是指与车道线基本平行的路面裂缝；横向裂缝是指与车道线基本垂直的路面裂缝；坑槽是指路面的破损程度较重，破损面积较大并且有一定的深度；龟裂是指一系列相互相交的裂缝且分块程度较小的路面缺陷；块状裂缝是类似于龟裂，但其面积损伤面积较大。

但是，现有的这些图片的拍摄质量欠佳，一部分图片中除了有裂缝存在，还伴随着一些干扰物体出现比如路肩围栏、路面标识线、旁车和路面树叶等会对路面缺陷的识别产生干扰，如图2所示为除裂缝和树荫外的其他干扰因素示意图，图2a表示路肩围栏，图2b表示落叶，图2c表示旁车，图2d表示标识线。对于这种复杂的干扰路面，传统的图像检测算法检测效果就会大大降低，鲁棒性不强，很容易对图片中非裂缝产生误判。如图3a-3d为树荫对路面识别干扰示意图，由于拍摄的角度问题和阳光的照射而产生的阴影使得裂缝和周围的对比度没有太明显的差异，这也会对路面裂隙的检测造成干扰。

发明内容

本发明的目的之一在于提供一种路面缺陷损伤实时监测方法，该方法能够减少干扰物体对缺陷的干扰，并提高裂缝的识别的效果。本发明的目的之二在于提供一种基于所述的路面缺陷损伤实时监测方法的系统。

本发明提供的这种路面缺陷损伤实时监测方法，包括如下步骤：

S1. 获取道路图像数据；

S2. 对道路图像数据进行预处理，获取路面缺陷数据集；

S3. 对收集到的路面缺陷数据集进行增强；

S4. 搭建路面监测网络框架，生成路面缺陷监测模型；

S5. 对路面缺陷监测模型进行训练，生成训练后的路面缺陷监测模型；

S6. 在车辆行驶过程中进行拍摄，采用训练后的路面缺陷监测模型实时分析路面缺陷，并推送分析结果。

所述的步骤S2，包括对路面视频数据进行结构化，并对结构化之后的路面图片进行全局对比度归一化处理；全局对比度归一化处理包括：

设张量表示图片，r表示图片像素行数，c表示图片像素列数，计算整幅图片对比度I_contrast：