基于无人机的路面病害检测方法、装置及终端设备制造方法及图纸

本申请适用于路面病害技术领域，提供了基于无人机的路面病害检测方法、装置及终端设备，该方法包括：采用无人机获取目标路段的原始路面信息，原始路面信息包括路径区间编号和原始路面图像；对同一路径区间编号的原始路面图像进行采样拼接，获得多个目标路面图像，每个目标路面图像对应一个路径区间编号；将多个目标路面图像输入预先训练好的路面病害分析模型，获取目标路面图像的多个路面病害检测结果；根据多个路面病害检测结果以及所对应的路径区间编号，输出目标路段的路面病害报告。本申请摒弃人工检测，采用无人机获取路面信息，通过路面病害分析模型分析路面病害检测结果，提高了路面病害检测效率、降低了检测成本并保证了检测精度的可靠。证了检测精度的可靠。证了检测精度的可靠。

【技术实现步骤摘要】
基于无人机的路面病害检测方法、装置及终端设备


[0001]本申请属于路面病害
，尤其涉及基于无人机的路面病害检测方法、装置及终端设备。

技术介绍

[0002]无论是水泥还是沥青路面，在通车使用一段时间之后，都会陆续出现各种损坏、变形及其它缺陷，这些统称为路面病害。为确保路面平整，保障车辆平稳安全的行驶，需要对路面进行定期检测以发现路面存在的病害，并及时进行维护和处理。
[0003]传统的人工检测方法主要依靠经验丰富的工作人员在路面低速行驶，肉眼观察路面状况，记录路面病害情况。现有的人工检测方法存在的问题有：检测过程需要封路，检测时间长，效率低下；依赖于大量的人工成本以及传统的检测设备，成本较高；同时，检测结果可靠性依赖于工作人员的综合素质，波动较大。
[0004]因此，亟需一种可以提高检测效率、降低检测成本及保证检测精度可靠的路面病害检测方法。

技术实现思路

[0005]为克服相关技术中存在的问题，本申请实施例提供了基于无人机的路面病害检测方法、装置及终端设备，摒弃了人工检测，采用无人机获取路面信息，通过路面病害分析模型分析路面病害检测结果，提高了路面病害检测效率、降低了检测成本并保证了检测精度的可靠。
[0006]本申请是通过如下技术方案实现的：
[0007]第一方面，本申请实施例提供了一种基于无人机的路面病害检测方法，包括：采用无人机获取目标路段的原始路面信息，原始路面信息包括路径区间编号和原始路面图像，路径区间编号为将无人机航拍的飞行路径划分为多个路径区间，并按照航拍时间点对多个路径区间进行排序后的编号；对同一路径区间编号的原始路面图像进行采样拼接，获得多个目标路面图像，每个目标路面图像对应一个路径区间编号；将多个目标路面图像输入预先训练好的路面病害分析模型，获取目标路面图像的多个路面病害检测结果；根据多个路面病害检测结果以及所对应的路径区间编号，输出目标路段的路面病害报告。
[0008]在第一方面的一种可能的实现方式中，采用无人机获取目标路段的原始路面信息，包括：基于无人机的预设飞行速度及可持续飞行时间，确定无人机的最大飞行距离，将小于或等于最大飞行距离一半的长度作为无人机的飞行距离；获取目标路段的路段信息，路段信息包括路段起点、路段终点、路段长度以及路段曲线信息；基于飞行距离和路段信息，确定无人机在目标路段的飞行路径；通过地面站设定无人机的飞行参数，飞行参数包括预设飞行速度和飞行路径；向无人机发送飞行参数，以及接收无人机响应飞行参数所采集到的原始路面信息。
[0009]在第一方面的一种可能的实现方式中，对同一路径区间编号的原始路面图像进行
采样拼接，获得目标路面图像，包括：获取同一路径区间编号的原始路面图像，按照预设采样规则抽取原始路面图像中的图像，获得多个第一路面图像，预设抽取规则为基于无人机上自带相机的相机帧率和无人机的预设飞行速度，按照预设间隔从原始路面图像中抽取多个第一路面图像的规则；预处理多个第一路面图像生成多个第二路面图像，多个第二路面图像为灰度图；基于区域相关性的方法对多个第二路面图像进行相似度比对，获取相邻两张第二路面图像的重叠区域；融合相邻两张第二路面图像的重叠区域，生成目标路面图像。
[0010]在第一方面的一种可能的实现方式中，预处理多个第一路面图像，生成多个第二路面图像包括：对多个路面图像进行灰度化处理，获得多个第一路面图像的灰度图像；对灰度图像进行分段线性变换，获得多个第二路面图像，分段线性变换的表达式为：
[0011][0012]式中，T(x,y)表示第二路面图像中像素点(x,y)的灰度值，f(x,y)表示灰度图像中像素点(x,y)的灰度值，a、b、f表示灰度图像的灰度值，c、d、g表示第二路面图像的灰度值。
[0013]在第一方面的一种可能的实现方式中，基于区域相关性的方法对多个第二路面图像进行相似度比对，获取相邻两张第二路面图像的重叠区域，包括：将多个第二路面图像中相邻两张第二路面图像，以一个像素为步长分别进行相似度计算，获得两个二维相似度矩阵，相似度计算的表达式为：
[0014][0015]式中，P(x,y)表示相似度值，T(x,y)表示第二路面图像中像素点(x,y)的灰度值，T(x+x
′
,y+y
′
)表示第二路面图像中像素点(x+x
′
,y+y
′
)的灰度值；比对两个二维相似度矩阵，两个二维相似度矩阵中相似度值相同的像素区域即为相邻两张第二路面图像的重叠区域。
[0016]在第一方面的一种可能的实现方式中，融合相邻两张第二路面图像的重叠区域，生成目标路面图像包括：基于融合公式，融合相邻两张第二路面图像的重叠区域，融合公式的表达式为：
[0017][0018]式中，I
R
(x,y)和I
T
(x,y)分别表示相邻两张第二路面图像，I(x,y)表示目标路面图像在像素点(x,y)的像素值，w
R
(x,y)和w
T
(x,y)分别表示相邻两张第二路面图像在像素点(x,y)所分配的权值，w
R
∈(0,1)，w
T
∈(0,1)，且w
R
+w
T
＝1。
[0019]在第一方面的一种可能的实现方式中，构建路面病害分析模型，包括：获取路面病
害图片样本的数据集，将数据集按预设比例分为训练集和测试集；搭建神经网络模型，神经网络模型包括遗忘门、输入门和输出门，遗忘门对上一个节点输入进行选择性忘记，输入门用于判断上一个节点信息的重要性并进行选择性记忆，输出门决定输出路面病害信息；采用训练集训练神经网络模型，生成优化的神经网络模型；采用测试集测试优化的神经网络模型，获得优化的神经网络模型的识别准确率，若识别准确率大于或等于预设识别准确率，则基于神经网络模型的路面病害分析模型训练完成。
[0020]第二方面，本申请实施例提供了一种基于无人机的路面病害检测装置，包括：信息获取模块，用于采用无人机获取目标路段的原始路面信息，原始路面信息包括路径区间编号和原始路面图像，路径区间编号为将无人机航拍的飞行路径划分为多个路径区间，并按照航拍时间点对多个路径区间进行排序后的编号；图像处理模块，用于对同一路径区间编号的原始路面图像进行采样拼接，获得多个目标路面图像，每个目标路面图像对应一个路径区间编号；图像分析模块，用于将多个目标路面图像输入预先训练好的路面病害分析模型，获取目标路面图像的多个路面病害检测结果；报告输出模块，用于根据多个路面病害检测结果以及所对应的路径区间编号，输出目标路段的路面病害报告。
[0021]第三方面，本申请实施例提供了一种终端设备，包括存储器和处理器，存储器中存储有可在处理器上运行的计算机程序，处理器执行计算机程序时实现如第一方面任一项所述的基于无人机的路面病害检测方法。
[0022]第四方面，本申请实施例提供了一种计算机可读存储介质，计算机可读本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无人机的路面病害检测方法，其特征在于，包括：采用无人机获取目标路段的原始路面信息，所述原始路面信息包括路径区间编号和原始路面图像，所述路径区间编号为将无人机航拍的飞行路径划分为多个路径区间，并按照航拍时间点对所述多个路径区间进行排序后的编号；对同一所述路径区间编号的所述原始路面图像进行采样拼接，获得多个目标路面图像，每个所述目标路面图像对应一个所述路径区间编号；将所述多个目标路面图像输入预先训练好的路面病害分析模型，获取所述目标路面图像的多个路面病害检测结果；根据所述多个路面病害检测结果以及所对应的所述路径区间编号，输出所述目标路段的路面病害报告。2.如权利要求1所述的基于无人机的路面病害检测方法，其特征在于，所述采用无人机获取目标路段的原始路面信息，包括：基于无人机的预设飞行速度及可持续飞行时间，确定无人机的最大飞行距离，将小于或等于所述最大飞行距离一半的长度作为无人机的飞行距离；获取所述目标路段的路段信息，所述路段信息包括路段起点、路段终点、路段长度以及路段曲线信息；基于所述飞行距离和所述路段信息，确定无人机在所述目标路段的所述飞行路径；通过地面站设定无人机的飞行参数，所述飞行参数包括所述预设飞行速度和所述飞行路径；向无人机发送所述飞行参数，以及接收无人机响应所述飞行参数所采集到的所述原始路面信息。3.如权利要求1所述的基于无人机的路面病害检测方法，其特征在于，所述对同一所述路径区间编号的所述原始路面图像进行采样拼接，获得目标路面图像，包括：获取同一所述路径区间编号的所述原始路面图像，按照预设采样规则抽取所述原始路面图像中的图像，获得多个第一路面图像，所述预设抽取规则为基于无人机上自带相机的相机帧率和无人机的预设飞行速度，按照预设间隔从所述原始路面图像中抽取所述多个第一路面图像的规则；预处理所述多个第一路面图像生成多个第二路面图像，所述多个第二路面图像为灰度图；基于区域相关性的方法对所述多个第二路面图像中相邻两张第二路面图像进行相似度比对，获取所述相邻两张第二路面图像的重叠区域；多次融合所述重叠区域，生成目标路面图像。4.如权利要求3所述的基于无人机的路面病害检测方法，其特征在于，所述预处理所述多个第一路面图像，生成多个第二路面图像包括：对所述多个第一路面图像进行灰度化处理，获得所述多个第一路面图像的灰度图像；对每个所述灰度图像进行分段线性变换，获得所述对应第二路面图像，所述分段线性变换的表达式为：
式中，T(x,y)表示第二路面图像中像素点(x,y)的灰度值，f(x,t)表示灰度图像中像素点(x,y)的灰度值，a、b、f表示灰度图像的灰度值，c、d、g表示第二路面图像的灰度值。5.如权利要求3所述的基于无人机的路面病害检测方法，其特征在于，所述基于区域相关性的方法对所述多个第二路面图像中相邻两张第二路面图像进行相似度比对，获取所述相邻两张第二路面图像的重叠区域，包括：将所述多个第二路面图像中所述相邻两张第二路面图像，以一个像素为步长分别进行相似度计算，获得两个二维相似度矩阵，所述相似度计算的表达式为：式中，P(x,y)表示相似度值，T...

【专利技术属性】
技术研发人员：刘洁，石鑫，张希庆，訾爱民，吴琼，孙琳，李潇煜，史文朝，刘聪聪，董永芊，
申请(专利权)人：河北交通职业技术学院，
类型：发明
国别省市：