基于图像识别的公路路面破损自动检测研究进展

本文介绍了基于摄影和摄像技术路面破损自动检测系统组成，对路面破损图象压缩，路面破损识别研究现状在路面破损自动检测技术中的应用进行了综述，探讨了现有路面破损自动检测系统研究中存在的问题，并展望路面破损自动检测技术的发展。     

一种道路图像破损自动识别系统的设计

为了适应现代公路的高速发展,提高路面检测的工作效率和准确率,取代传统人工检测方法,本文基于CCD摄像机方法设计了一种道路图像破损自动识别系统。系统由图像采集单元、图像处理单元、GPS定位单元组成,其中,硬件设计中包括GPS定位单元、CCD摄像机采集单元、辅助照明单元、UPS电源等;软件设计中包括图像采集程序设计和图像处理程序设计。设计结果表明:通过GPS定位技术和CCD摄像技术能够快速、科学、准确地连续采集路面图片,系统软件能够实现对破损路面图片的自动识别与处理等一系列工作,可以应用到工程实际中。     

基于VB的路面破损数据采集与评价系统的开发

以可视化程序开发工具VB为基础，开发了一种路面破损数据采集与评价系统，该系统以CCD摄像机所采集的路面图像为工作对象，强调在数据采集过程中的人机互动。根据公路养护工作的实际需要，对系统的功能进行具体的设计，并阐述了图像显示、图像放大和恢复以及路面损坏范围确定和多边形面积计算等主要关键技术的VB实现过程。实际应用表明，该系统操作简单、运行稳定、数据采集精度高。     

路面裂缝无损检测图像采集系统设计

针对路面裂缝无损检测要求,设计了基于单片机、GPS和线阵摄像机的路面图像采集系统。解决了单片机对线阵摄像机外触发信号的控制问题,完成了对动态图像进行高速实时的拍摄控制的要求。同时设计了基于VC＋＋和MIL软件的图像采集软件系统。包括采集参数设置,路面动态图像实时显示,GPS信号的接收和数据库信息存储。系统实现了对路面裂缝图像的动态拍摄并将其保存在计算机硬盘里,为后续图像处理提供可靠数据。试验结果表明,系统能够有效地对路面图像信息进行实时采集,并对海量信息进行存储,获得了良好的动态图像抓拍效果。     

基于小波神经网络的路面破损识别

结合图象处理、模式识别等先进技术开发路面破损自动检测系统已经成为本领域的研究热点[1-5]。本主要研究了小波神经网络在路面破损识别中的应用，并与传统的BP神经网络作了对比。试验结果表明．在相同的训练样本情况下，小波神经网络的精度高于BP神经网络一为开发更为高效的路面破损自动检测系统提供新的思路。     

基于智能手机的农村公路路面破损检测方法

农村公路路面破损自动检测是科学养护的重要前提。针对利用智能手机进行路面破损检测存在较高的误检、漏检以及破损无法量化等问题,该文提出一种新的路面破损检测方法。该方法利用智能手机采集路面图像,首先在图像中选取一个感兴趣区域,进行加权最小二乘滤波、Canny边缘检测以及Hough变换直线检测以识别路面,消除环境对识别结果的影响,降低误检率,再对路面区域使用透视变换的方法得到正射图,降低漏检率,最后利用Mask-RCNN模型对破损进行识别。试验结果表明：与SSD检测模型相比,该方法对裂缝、坑洞、修补3种破损的平均误检率、漏检率分别降低15.4%、19.6%,此外,还能测量裂缝的长度、宽度以及坑洞、修补的面积参数,较好地满足了农村公路破损检测的实际需求。     

小波神经网络在基于图象处理的路面破损识别中的应用

由于路面破损形式的多种多样,造成路面破损分类成为一大难题,这极大的限制了路面破损自动检测的普及和发展,使得路面破损自动检测即使在发达国家普及得也不够理想。本文主要研究基于图象子块分布特性的路面破损识别算法,对比研究了小波神经网络和传统的BP神经网络在基于图象子块分布特性的路面破损识别。仿真结果显示,小波神经网络优于传统的BP神经网络。     

沥青路面破损图像测量方法研究

本文提出了一种路面破损图像测量方法,即将路面破损图像等分为64×64象素的子块,选取路面破损子块图像的灰度方差值描述子块图像特征,采用了神经网络分类器识别路面破损子块图像模式,并在路面破损子块模式识别的基础上,确定路面破损面积的测量方法。在测量裂缝宽度时,首先确定破损最严重的裂缝子块区域,然后对该子块进行中值滤波、二值化等图像处理,最后通过计数的方法确定裂缝的宽度。     

路面破损状况自动检测系统

介绍了路面破损检测自动化的原理，数字化图像的概念，现有系统的设计，硬件性能和特点，系统研究和开发的前景等方面的内容。     

一种路面损坏状况的数字图像识别方法

有效、及时地收集路面损坏数据是进行路面维修管理的基础.文章阐述了一种路面损坏状况的自动图像识别方法.该方法基于CCD摄像机采集到的图像,进行矢量化处理,可进行裂缝类型的区分与严重程度的辨别.