基于深度学习的交通标志牌缺损检测方法技术

本发明专利技术公开了基于深度学习的交通标志牌缺损检测方法，包括以下步骤：S1:对交通标志检测数据集进行预处理；S2:将预处理后的数据集进行有监督训练；S3:根据GPS所获得的定位信息，获得视频采集车的坐标位置；S4:识别交通标志牌并通过深度学习神经网络，获得其与视频采集车的相对位置；S5:将视频采集车的坐标位置和交通标志牌与视频采集车的相对位置叠加，获得交通路牌的绝对位置；S6:使用视觉SLAM构建地图；S7:将交通路牌的绝对位置信息作为视觉SLAM的路标加入到视觉SLAM地图中；S8:根据对比特征点相似度结合预设阈值，判断交通标志是否发生缺损。本发明专利技术通过及时发现交通标志牌缺失问题，及时修理，可以避免雨水、大风与交通事故引起安全设施问题，提升道路安全性。提升道路安全性。提升道路安全性。

【技术实现步骤摘要】
基于深度学习的交通标志牌缺损检测方法


[0001]本专利技术涉及道路巡检
，尤其涉及基于深度学习的交通标志牌缺损检测方法。

技术介绍

[0002]目前道路交通标志牌缺损检测方式主要分为日常巡检和定期检测两种。
[0003]日常巡检：以人工巡检为主，通过目视发现、手动测量填表、后期人工统计汇总方式实施。存在如下缺点：（1）检测效果和精度严重依赖于巡检人员的责任心和经验能力，无法得到有效保证。
[0004]（2）人工检测效率低下、影响路面交通、存在安全风险。
[0005]（3）无法进行道路的全面检测（周期长、作业量大），容易造成病害漏检。
[0006]定期检测：以搭载了复杂仪器设备的专业检测车辆为主，通过定速行驶采集路面数据、检测分析路面状况。作为目前强制定期检测，被广泛采用，但是存在如下缺点：（1）需要专业检测车辆、专业检测团队实施。无法满足养护单位自由、灵活的需要。
[0007]（2）成本高、检测周期长，无法用于日常经常性检测。
[0008]日常巡检目前行业内主要是通过人工实施，普遍采用的手本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度学习的交通标志牌缺损检测方法，其特征在于，包括以下步骤：S1:对交通标志检测数据集进行预处理；S2:将预处理后的数据集进行有监督训练；S3:根据GPS所获得的定位信息，获得视频采集车的坐标位置；S4:识别交通标志牌并通过深度学习神经网络，获得其与视频采集车的相对位置；S5:将视频采集车的坐标位置和交通标志牌与视频采集车的相对位置叠加，获得交通路牌的绝对位置；S6:使用视觉SLAM构建地图；S7:将交通路牌的绝对位置信息作为视觉SLAM的路标加入到视觉SLAM地图中；S8:根据对比特征点相似度结合预设阈值，判断交通标志是否发生缺损。2.根据权利要求1所述的基于深度学习的交通标志牌缺损检测方法，其特征在于，步骤S1所述的交通标志检测数据集包括CCTSDB数据集和tt100k_2021数据集；步骤S2所述的有监督训练采用金字塔结构进行编码与解码。3.根据权利要求1所述的基于深度学习的交通标志牌缺损检测方法，其特征在于，步骤S4所述的识别交通标志牌还包括使用不同尺度的卷积神经网络层用于提取对应尺度下的图像特征的步骤，依次进行5次卷积之后，再依次进行5次反卷积，获得小型生成对抗网络，以增强识别准确度。4.根据权利要求3所述的基于深度学习的交通标志牌缺损检测方法，其特征在于，步骤S4所述的深度学习神经网络还包括训练估计环境深度能力的步骤，包含以下子步骤：将t时刻的视频图像帧输入到深度估计网络并得到深度图像；将t
‑
1和t+1时刻的两幅图像都输入到位姿估计网络从而估计出摄像头在...

【专利技术属性】
技术研发人员：刘峰，卢家莉，霍仕峰，
申请(专利权)人：广州市道路研究院有限公司，
类型：发明
国别省市：