一种基于特征匹配的道路病害检测方法技术

本发明专利技术涉及一种基于特征匹配的道路病害检测方法，包括以下步骤：S1、在云端服务器上建立道路病害特征库，在巡查车辆上安装相互连接的车载相机与中央工控机，车载相机用于采集路面的图像信息并上传至中央工控机，中央工控机用于将图像信息与GPS数据推送到云端服务器；S2、启动设备采集图像信息和GPS数据,实时推送至云端服务器，云端服务器接收到数据后，检测出待检测图片中的道路病害信息，完成道路病害的检测，并将结果写入数据库。其能快速检测出路面图像中的道路病害信息，没有耗时的训练过程，能够快速部署实施，能够实现实时检测路面状况，持续优化检测能力。持续优化检测能力。

【技术实现步骤摘要】
一种基于特征匹配的道路病害检测方法


[0001]本专利技术涉及道路工程
，尤其是涉及一种基于特征匹配的道路病害检测方法。

技术介绍

[0002]道路指公路、城市道路和虽在单位管辖范围但允许社会机动车通行的地方，包含农村公路，城市道路，高等级公路等；随着我国道路交通建设的飞速发展，我国已建成庞大的市政、高速、中低道路网络；庞大的路网极大的提高了群众出行的便捷性，提高了人民生活质量；另一方面，作为日常生活的重要部分，路网的健康状况影响着群众出行的舒适体验，给群众的生命财产安全来了直接的风险，也影响着城市的高效运行和发展；因此相关部门需要掌握道路的健康状态，定期对道路进行检测和养护。然后庞大的路网给路面病害检测、路面管养带来了繁重的工作量。
[0003]传统的路面检测方式为人工步巡，手动测量、记录发现的病害，存在速度慢、错漏多、无法大面积、高频次进行等问题。部分经济条件较好的管养单位则使用重型的检测设备，定期对路面健康进行定期检测，但也存在设备昂贵、维护成本高、需要对车辆进行特殊改装，设备数量有限，无法大面积、高频次使用，且该类型设备一般只用于道路的年度检测，无法指导日常的管养。
[0004]近几年机器视觉和人工智能技术的推广应用，传感器也从原来的重型传感设备转成轻量化设备，新型的道路轻量化检测系统也部分替代了人工、传统设备。道路轻量化检测系统利用图像传感器对路面进行快速扫描，并利用深度学习目标检测算法初步实现了路面病害的快速识别分析。但目前道路轻量化检测系统一般使用深度学习目标检测算法进行道路病害检测，该方法需要专业的算法工程师对大量的数据进行分析处理并训练，为了得到良好的深度学习目标检测模型，一般前期需要大量的时间进行训练，训练过程也需要很高的硬件资源。并且在增加新的道路病害类型和或者特殊少见的道路病害时，一般需要重新训练或是增强训练，导致基于深度学习目标检测算法的道路病害检测使用门槛高，上线慢，优化成本高，优化速度慢。
[0005]上述中的现有技术方案存在以下缺陷：在一般的日常巡查中，巡查方式主要依靠人工观测，巡查人员乘坐巡查车辆对道路进行观察，巡查时车速较快，巡查人员无法快速全面的观察道路病害。 因此，传统的道路病害检测，人工成本高，测量速度慢，效率低，无法实现大范围、高频次的检测。
[0006]目前也有使用基于深度学习目标检测算法进行道路病害检测，该方法门槛要求较高，需要算法工程师对数据有一定的理解，训练过程比较耗时，对硬件的算力资源要求比较高。针对增加新的道路病害类型和或者特殊少见的道路病害时，需要重新训练或持续训练，导致更新迭代的速度较慢。

技术实现思路

[0007]针对现有技术存在的不足，本专利技术的目的是提供一种基于特征匹配的道路病害检测方法，其能快速检测出路面图像中的道路病害信息，没有耗时的训练过程，能够快速部署实施，能够实现实时检测路面状况，持续优化检测能力。
[0008]本专利技术的上述专利技术目的是通过以下技术方案得以实现的：一种基于特征匹配的道路病害检测方法，包括以下步骤：S1、在云端服务器上建立道路病害特征库，在巡查车辆上安装相互连接的车载相机与中央工控机，车载相机用于采集路面的图像信息并上传至所述中央工控机，所述中央工控机用于将图像信息与GPS数据推送到所述云端服务器；S2、启动设备采集图像信息和GPS数据,实时推送至云端服务器，云端服务器接收到数据后，检测出待检测图片中的道路病害信息，完成道路病害的检测，并将结果写入数据库。
[0009]本专利技术在一较佳示例中可以进一步配置为：在步骤S1中，在云端服务器上建立道路病害特征库的方法包括以下步骤：S101：在原始图像中标注道路病害区域；S102：获取道路病害图片库P1、道路病害图片和道路病害类别的映射表B1；S103:获取特征提取神经网络N1；S104：获取道路病害特征库V1和道路病害特征和道路病害图片名称的映射表B2。。
[0010]本专利技术在一较佳示例中可以进一步配置为：在步骤S2中，检测出待检测图片中的道路病害信息的方法包括以下步骤：S201:将一张待检测的图片通过图像金字塔变化，得到一组不同尺寸的图片；S202:对S201得到每张图片，使用滑窗操作，得到k张待检测的小图片pp1；S203:将S202得到的所有的n张待检测小图片INPUT，输入特征提取神经网络N1,每张小图片INPUT得到一个特征向量，共得到n个待匹配特征向量tvn；S204:将每一个待匹配的特征向量和道路病害特征库V1中的所有特征计算相似度，使用余弦相似度，其计算公式为：；记录每个待匹配的特征向量tvn和道路病害特征库V1中最相似的特征v及相似度similarity；S205:过滤掉similarity小于阈值的待匹配特征向量tvn，对于保留下待匹配特征向量tvn，根据和其最相似的特征v,通过道路病害特征和道路病害图片名称的映射表B2、道路病害图片名称和道路病害类别的映射表B1，得到特征v在特征库中的图片名称和病害类别class_name，即为该待匹配特征向量tvn的病类别；根据该待匹配的特征向量对应的输入INPUT，查到该INPUT裁剪源的图片缩放比例scale_1、裁剪位置（top_x,top_y），计算出该区域在原始图片中的位置信息Box，公式为：Box=(top_x,top_y,top_x+W,top_y+H)*scale_1；S206:通过NMS（非极大值抑制）过滤掉重复的Box，即可得到该待检测图像上的病
害位置信息Box和病害类别class_name。
[0011]本专利技术在一较佳示例中可以进一步配置为：在步骤S101中，采集道路病害图像，进行人工标注，标出病害在图片中的位置box（h_top,w_top,h_bottom,w_bottom）和病害类别class_name。
[0012]本专利技术在一较佳示例中可以进一步配置为：在步骤S102中，获取的方式为：根据病害位置信息box，从原始图片中裁剪出病害区域，并缩放到固定的尺寸Size（H,W）得到道路病害图片p1并保存，将box的道路病害类别class_name和病害图片名称p1记录下来建立道路病害图片名称和道路病害类别的映射表B1。
[0013]本专利技术在一较佳示例中可以进一步配置为：所述缩放的方式为下列方式的其中之一：方式一：通过双线性插值的方式直接裁剪的得到的病害区域图片img1缩放到Size（H,W）得到p1；方式二：保持img1的长宽比例，将img1缩放到（min(H/img1.h，W/img1.w)*img1.h，min(H/img1.h，W/img1.w)*img1.w）得到img2，而后使用固定像素值img2补充成Size(H,W)；img1.w：通过box裁剪下来的图片区域宽，img1.h:通过box裁剪下来的图片区域高。
[0014]本专利技术在一较佳示例中可以进一步配置为：所述Size(H,W)通过统计实验得到，统计的方式为：统计所有人工标注道路病害框box的长h宽w比scale的分布情况，选取所有scale的中位数,得到Siz本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于特征匹配的道路病害检测方法，其特征在于：包括以下步骤：S1、在云端服务器上建立道路病害特征库，在巡查车辆上安装相互连接的车载相机与中央工控机，车载相机用于采集路面的图像信息并上传至所述中央工控机，所述中央工控机用于将图像信息与GPS数据推送到所述云端服务器；S2、启动设备采集图像信息和GPS数据,实时推送至云端服务器，云端服务器接收到数据后，检测出待检测图片中的道路病害信息，完成道路病害的检测，并将结果写入数据库。2.根据权利要求1所述的一种基于特征匹配的道路病害检测方法，其特征在于：在步骤S1中，在云端服务器上建立道路病害特征库的方法包括以下步骤：S101：在原始图像中标注道路病害区域；S102：获取道路病害图片库P1、道路病害图片和道路病害类别的映射表B1；S103:获取特征提取神经网络N1；S104：获取道路病害特征库V1和道路病害特征和道路病害图片名称的映射表B2。3.根据权利要求1所述的一种基于特征匹配的道路病害检测方法，其特征在于：在步骤S2中，检测出待检测图片中的道路病害信息的方法包括以下步骤：S201:将一张待检测的图片通过图像金字塔变化，得到一组不同尺寸的图片；S202:对S201得到每张图片，使用滑窗操作，得到k张待检测的小图片pp1；S203:将S202得到的所有的n张待检测小图片INPUT，输入特征提取神经网络N1,每张小图片INPUT得到一个特征向量，共得到n个待匹配特征向量tvn；S204:将每一个待匹配的特征向量和道路病害特征库V1中的所有特征计算相似度，使用余弦相似度，其计算公式为：；记录每个待匹配的特征向量tvn和道路病害特征库V1中最相似的特征v及相似度similarity；S205:过滤掉similarity小于阈值的待匹配特征向量tvn，对于保留下待匹配特征向量tvn，根据和其最相似的特征v,通过道路病害特征和道路病害图片名称的映射表B2、道路病害图片名称和道路病害类别的映射表B1，得到特征v在特征库中的图片名称和病害类别class_name，即为该待匹配特征向量tvn的病类别；根据该待匹配的特征向量对应的输入INPUT，查到该INPUT裁剪源的图片缩放比例scale_1、裁剪位置（top_x,top_y），计算出该区域在原始图片中的位置信息Box，公式为：Box=(top_x,top_y,top_x+W,top_y+H)*scale_1；S206:通过NMS（非极大值抑制）过滤掉重复的Box，即可得到该待检测图像上的病害位置信息Box和病害类别class_name。4. 根据权利要求2所述的一种基于特征匹配的道路病害检测方法，其特征在于：在步骤S101中，采集道路病害图像，进行人工标注，标出病害在图片中的位置box（h_top,w_top,h_bottom,w_bottom）和病害类别class_name。5.根据权利要求2所述的一种基于特征匹配的道路病害检测方法，其特征在于：在步骤S102中，获取的方式为：根据病害位置信息box，从原始图片中裁剪出病害区域，并缩放到固
...

【专利技术属性】
技术研发人员：张晓明，杨康，严京旗，钟盛，杜佳奇，
申请(专利权)人：上海同陆云交通科技有限公司，
类型：发明
国别省市：