申请/专利权人:同济大学
申请日:2019-11-21
公开(公告)日:2024-04-12
公开(公告)号:CN113780312B
主分类号:G06V10/14
分类号:G06V10/14;G06V10/764;G06V20/70;G06V10/75;G06V10/82;G06V10/46
优先权:
专利状态码:有效-授权
法律状态:2024.04.12#授权;2021.12.28#实质审查的生效;2021.12.10#公开
摘要:本发明公开了一种高速公路路面状况检测系统,涉及交通监控技术领域,包括控制器以及与控制器连接的多个设置于高速公路路边的路侧视觉监控基站,路侧视觉监控基站包括可见光摄像机和红外摄像机;可见光摄像机与红外摄像机的视角保持平行;可见光摄像机用于实时采集所述高速公路路面的第一图像和第二图像,并上传至所述控制器;红外摄像机用于在夜视模式下实时感知高速公路路面,并将采集到的高速公路路面的第三图像上传至控制器;控制器包括路面异常检测模块、多元路段图像拼接模块和多源图像数据融合模块。与现有技术相比,本发明具有抗干扰能力强、提高路面养护与管理的时效性等优点。
主权项:1.一种高速公路路面状况检测系统,包括控制器以及与所述控制器连接的多个设置于高速公路路边的路侧视觉监控基站,所述路侧视觉监控基站包括可见光摄像机,其特征在于,所述路侧视觉监控基站还包括红外摄像机;所述可见光摄像机与所述红外摄像机的视角保持平行;所述可见光摄像机用于实时采集所述高速公路路面的第一图像和第二图像,并上传至所述控制器;所述第一图像为所述可见光摄像机在常态模式下以远焦模式采集的所述高速公路路面的局部路面图像;所述第二图像为所述可见光摄像机在检测到路面异常状况时将云台调整到短焦模式后,采集到的异常路面区域纹理图像;所述红外摄像机用于在夜视模式下实时感知所述高速公路路面,并将采集到的所述高速公路路面的第三图像上传至所述控制器;所述控制器包括:路面异常检测模块,与所述可见光摄像机连接,用于采用语义分类网络对所述第二图像的语义特征进行训练分类,确定路面异常状况的分类结果;所述路面异常检测模块,具体包括:通过局域网访问本地存储平台,获取当前时段已保存的所述第二图像;通过labelme标注数据工具对所述第二图像进行语义标注,生成每张所述第二图像对应的json标注文件,再通过labelme标注数据集到COCO数据集转化工具得到COCO数据集格式的总的json文件;在本地视频处理平台上搭建MaskRCNN网络;将所述COCO数据集格式的总的json文件按照MaskRCNN网络训练接口进行分类,分别建立标注、训练、验证数据集文件夹;修改网络模型,链接到本地视频处理平台对应的训练与验证数据集,同时修改训练分类数据为所要分类的类别数量,以及训练使用的GPU数量;在本地视频处理平台上执行网络运行指令,启动网络开始数据训练,通过修改迭代次数调整网络模型,使训练结果平均检测率达到理想值,以得到路面异常状况检测模型;多元路段图像拼接模块,与所述可见光摄像机连接,用于通过SIFT特征提取方法对所述第一图像提取特征向量,并对所述特征向量的相似度进行匹配,以及使用RANSAC算法优化匹配结果,消除误匹配的特征点,实现不同路段间的图像匹配、拼接;多源图像数据融合模块,用于分析不同路段的图像重叠部分的差异性,并基于动态加权平均的融合算法,实现多元路段图像在光照和图像形态变化间的过渡融合,以建立所述高速公路路面的全局图像。
全文数据:
权利要求:
百度查询: 同济大学 一种高速公路路面状况检测系统
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。