[发明专利]一种道路的路面检测方法及装置

说明书

本发明提出了一种道路的路面检测方法及装置，其中，所述道路的路面检测方法包括：收集道路真实场景获得路面图像；筛选所述图像，以获得所述路面图像中含有病害的数据；对所述含有病害的数据进行增强处理，以获得处理后的数据；基于训练好的处理模型和所述处理后的数据，以统计所述路面的病害信息。

技术领域

本发明涉及检测技术领域，特别涉及一种道路的路面检测方法及装置。

背景技术

随着我国基础设施建设不断发展，我国已拥有世界上最大的公路网，与此带来的是繁重的道路养护、维护任务，准确识别道路病害可以大大降低发生交通事故的可能性。

传统道路病害识别主要依赖人工识别，存在一定肉眼识别容易受到个人主观性影响。人工识别主要依靠巡检人员，实地踏勘拍照记录病害位置，人工量测病害大小，一方面耗费大量人力物力、检测效率低，另一方面检测结果难以统一管理。

近年来，随着卷积神经网络的发展，深度学习在各个领域都发挥着自己的作用，本发明一种道路路面图像中多类型表观病害自动检测方法即使用深度学习的方法应用在道路场景，使道路病害巡检更加智能化、规范化。

为解决现用技术问题的上述缺陷或提供一种备选的道路的路面检测方法，有必要提出一种新的道路的路面检测方法及装置。

发明内容

有鉴于此，本发明提出了一种道路的路面检测方法及装置，以至少部分解决现有技术的问题或提出一种备选的道路的路面检测方法及装置。

为实现上述目的，本发明的第一方面提出了一种道路的路面检测方法，其中，所述道路的路面检测方法包括：

S1：收集道路真实场景获得路面图像，其中，所述图像的数据包含不同时间、不同天气条件、不同道路场景、不同交通状况下获得的图像；

S2：使用多标注框对所述图像进行标注，以获得所述路面图像中含有病害的数据；

S3：对所述含有病害的数据的图像进行增强处理进行增强处理，以获得处理后的数据，其中，所述增强处理包括对所述含有病害的数据的图像旋转预设角度、修正所述含有病害的数据的图像的亮度、调整所述含有病害的数据的图像的色彩空间和/或将多个所述含有病害的数据的图像构成的图像组进行预设变换，并将变换后的图像拼接成新的图像；

S4：基于训练好的处理模型和所述处理后的数据，以统计所述路面的病害信息。

如上所述的道路的路面检测方法，其中，所述道路的病害包括裂缝和表面病害。

如上所述的道路的路面检测方法，其中，对所述含有病害的数据的图像旋转预设角度包括：

其中：x，y为旋转前的图像坐标；x'、y’为旋转后的图像坐标；w为图像的宽度；h为图像的高度；

修正所述含有病害的数据的图像的亮度包括：

其中：V_in为归一化的亮度，取值范围为(0,1)，Gamma为设定的亮度的指数取值范围为(0.833,2.2)，V_out为输出亮度。

如上所述的道路的路面检测方法，其中，在步骤S2中，使用多标注框对所述图像进行标注包括：

S21：挑选图像构建含有道路病害的数据集；

S22：将所得道路真实图像进行标注；

S23：标注过程中使用多标注框进行标注，每个标注框长宽比不超过1:4。

如上所述的道路的路面检测方法，其中，所述将多个所述含有病害的数据的图像构成的图像组进行预设变换包括：