申请/专利权人：河南交通发展研究院有限公司;河南省交通事业发展中心

申请日：2022-12-02

公开（公告）日：2024-03-22

公开（公告）号：CN115984174B

主分类号：G06T7/00

分类号：G06T7/00;G06T7/62;G06V10/25;G06N3/04;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2023.05.05#实质审查的生效;2023.04.18#公开

摘要：本发明涉及一种路面病害识别技术，具体为一种基于旋转等变检测器的路面病害识别方法，包括对获取的道路图像数据进行预处理；对图像样本路面病害采用旋转等变检测器进行训练以及路面病害识别的过程：对归一化处理后的道路图像数据，输入旋转等变主干网络，得到旋转等变特征图；进入区域推荐网络及区域变换网络，生成旋转等变推荐区域；进入旋转不变对齐网络，提取出旋转不变特征；旋转不变特征，进入全连接层，分别输出旋转边框的类别向量以及坐标；业务处理模块根据各个旋转边框的类别向量与坐标，进行病害影响面积的计算；若旋转边框类别为线状病害，则根据坐标计算对角线长度用于病害影响面积评估；若旋转边框类别为面状病害，则根据坐标直接计算影响面积。

主权项：1.一种基于旋转等变检测器的路面病害识别方法，其特征在于：包括如下步骤：1）对获取的道路图像数据进行预处理，过程包括：（1）对采集的所有图像样本根据里程编码信息对视频进行等距离截帧，得到用于训练、验证、测试的道路图像数据集；（2）对图像样本进行旋转边框OBB标注：采用labelme标注软件对图像样本进行标注，根据以下规则进行旋转边框OBB标注：先以最小外接矩形框进行标注，然后根据顺时针方向找到短边过渡到长边的角点，并定义处于靠左的角点为1号点，最后按顺时针方向排序其余3个点；（3）对样本进行随机排序，并按照8:1:1的比例将其划分为训练、验证、测试样本；（4）数据增强；2）对图像样本路面病害采用旋转等变检测器进行训练，道路图像数据输入ReDet模型，生成旋转不变特征，并基于该特征得到旋转边框的类别与坐标，最终换算得到病害的影响面积，过程包括：（1）以ReDet模型为原型，进行模型结构优化；（2）采用Adam优化器进行模型训练；（3）模型输出：先计算旋转边框交并比阈值设置为0.5时每种病害类别被模型正确识别的AP值，再对所有种类病害的AP进行求均值；模型校验时，以该AP值指标对多种参数下所训练的多个备选模型进行评估，选取最优模型作为最终版本；3）路面病害旋转等变检测器应用部署阶段；路面病害旋转等变检测器应用部署阶段，主要包含算法模型部署以及后台业务处理两大部分；其中算法模型部署基于torch及triton框架实现，配置GPU运算资源，搭建算法模型接口并部署算法服务；算法模型部署流程如下：通过torchscript工具包进行模型格式转换；配置模型输入输出尺寸及格式，及模型部署个数和计算资源占用；根据模型输入输出格式搭建模型接口；利用模型部署镜像文件部署模型实例并启动服务；所述算法模型主要功能：输入归一化后的图像进行前向推理，主干网络提取旋转等变特征，分支网络回归得到各个旋转的类别信息以及坐标信息；后台业务处理主要由flask、gunicorn框架实现，接收外部请求、解析并预处理图像、对接算法模型接口并运算、精处理模型分析结果、病害参数计算及展示效果处理、结果输出；结合opencv方法库，实现请求输入处理、对接算法模型接口、图像base64编码解析、图像尺寸变换、图像归一化处理、路面病害参数计算、结果渲染及输出；路面病害识别，过程如下：（1）道路图像数据进行归一化处理；（2）归一化处理后的道路图像数据，输入旋转等变主干网络backbone，得到旋转等变特征图；（3）旋转等变特征图，进入区域推荐网络RPN及区域变换网络RT，生成旋转等变推荐区域RRoIs；（4）旋转等变推荐区域，进入旋转不变对齐网络RiRoIAlign，提取出旋转不变特征；（5）旋转不变特征，进入全连接层FC，分别输出旋转边框的类别向量以及坐标；（6）业务处理模块根据各个旋转边框的类别向量与坐标，进行病害影响面积的计算；若旋转边框类别为线状病害，则根据坐标计算对角线长度用于病害影响面积评估；若旋转边框类别为面状病害，则根据坐标直接计算影响面积。

全文数据：

权利要求：

百度查询： 河南交通发展研究院有限公司;河南省交通事业发展中心 一种基于旋转等变检测器的路面病害识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD