一种基于融合分析技术的路面分类方法及系统技术方案

本发明专利技术涉及路面分析技术领域，具体公开了一种基于融合分析技术的路面分类方法及系统，所述方法包括实时获取定位设备的定位信息，根据定位信息确定信息采集频率；基于所述信息采集频率获取路面图片和震动数据；对所述路面图像和震动数据进行分析，得到两组判断结果；比对两组判断结果，得到最终结果

【技术实现步骤摘要】
一种基于融合分析技术的路面分类方法及系统


[0001]本专利技术涉及路面分析
，具体是一种基于融合分析技术的路面分类方法及系统
。

技术介绍

[0002]在道路状况评估和道路资产登记等工作都需要基于道路铺面类型信息
(
即：水泥路面
、
沥青路面
、
砂石路面等
)
进行，目前通常依赖于人工判定路面类型信息并进行记录，这种方法费时费力，且可能存在主观性和局限性；界内也有一些自动化的手段，比如使用卷积神经网络，对拍摄的路面图片分类，这种方法效率比人工录入更高，但图片质量和模型性能等对结果的准确性影响较大
。
因此，需要一种更高效
、
准确和自动化的方法来评估道路的状况
。
近年来，传感器技术和神经网络得到了快速发展
。
振动传感器通过安装在车辆上，可以收集到与道路状况相关的振动数据，这些数据可以提供关于道路质量
、
平整度等信息
。
卷积神经网络能够自动学习并具有良好的泛化能力，可以实现对图片的自动分析和分类
。
[0003]现有方案中存在的问题主要包括，第一
、
主观性和不一致性：传统的人工判定，其结果可能受到人员主观判断和素质的影响，导致评估结果的不一致和不准确
。
第二
、
效率低下：人工只能对有限数量的道路进行状况评估，如果要对对整个道路网络进行全面覆盖，需要大量的时间和人力投入
。
第三
、
特征提取的局限性：仅仅依靠单一数据源进行路面自动分类可能会导致特征提取的局限性
。
需要综合多种数据源来获取更全面
、
准确的特征信息
。

技术实现思路

[0004]本专利技术的目的在于提供一种基于融合分析技术的路面分类方法及系统，以解决上述
技术介绍
中提出的问题
。
[0005]为实现上述目的，本专利技术提供如下技术方案：
[0006]一种基于融合分析技术的路面分类方法，所述方法包括：
[0007]实时获取定位设备的定位信息，根据定位信息确定信息采集频率；
[0008]基于所述信息采集频率获取路面图片和震动数据；
[0009]对所述路面图像和震动数据进行分析，得到两组判断结果；
[0010]比对两组判断结果，得到最终结果
。
[0011]作为本专利技术进一步的方案：所述实时获取定位设备的定位信息，根据定位信息确定信息采集频率的步骤包括：
[0012]实时接收天线的反馈的位置数据，根据所述位置数据计算车辆速度；
[0013]将所述车辆速度与预设的速度阈值进行比对，根据比对结果确定图像采集频率
。
[0014]作为本专利技术进一步的方案：所述实时获取定位设备的定位信息，根据定位信息确定信息采集频率的步骤包括：
[0015]建立与编码器的连接通道，实时接收编码器反馈的车轮转动距离；
[0016]接收管理方设定的距离条件，当车轮转动距离满足所述距离条件时，生成图像采
集指令，向车载相机发送
。
[0017]作为本专利技术进一步的方案：所述对所述路面图像和震动数据进行分析，得到两组判断结果的步骤包括：
[0018]根据预设的传感器实时获取三个相互垂直方向上的加速度；其中，三个相互垂直方向包括
x
向
、y
向和
z
向；
[0019]保留
z
向加速度，计算
z
向加速度的均方根；
[0020]对所述均方根进行识别聚类，确定各位置的路面类型，作为第一判断结果；
[0021]读取车载相机采集到的路面图像，将所述路面图像输入训练好的神经网络识别模型，确定各位置的路面类型，作为第二判断结果
。
[0022]作为本专利技术进一步的方案：所述比对两组判断结果，得到最终结果的步骤包括：
[0023]比对第一判断结果和第二判断结果，当第一判断结果和第二判断结果相同时，选取其中一个判断结果作为最终结果；
[0024]当第一判断结果和第二判断结果不同时，查询神经网络识别模型的置信度；
[0025]当所述置信度达到
90
％时，选取第二判断结果作为最终结果；当所述置信度小于
90
％时，选取第一判断结果作为最终结果
。
[0026]本专利技术技术方案还提供了一种基于融合分析技术的路面分类系统，所述系统包括：
[0027]采集频率确定模块，用于实时获取定位设备的定位信息，根据定位信息确定信息采集频率；
[0028]数据获取模块，用于基于所述信息采集频率获取路面图片和震动数据；
[0029]数据分析模块，用于对所述路面图像和震动数据进行分析，得到两组判断结果；
[0030]结果比对模块，用于比对两组判断结果，得到最终结果
。
[0031]作为本专利技术进一步的方案：所述采集频率确定模块包括：
[0032]车速计算单元，用于实时接收天线的反馈的位置数据，根据所述位置数据计算车辆速度；
[0033]车速比对单元，用于将所述车辆速度与预设的速度阈值进行比对，根据比对结果确定图像采集频率
。
[0034]作为本专利技术进一步的方案：所述采集频率确定模块包括：
[0035]距离接收单元，用于建立与编码器的连接通道，实时接收编码器反馈的车轮转动距离；
[0036]距离比对单元，用于接收管理方设定的距离条件，当车轮转动距离满足所述距离条件时，生成图像采集指令，向车载相机发送
。
[0037]作为本专利技术进一步的方案：所述数据分析模块包括：
[0038]加速度获取单元，用于根据预设的传感器实时获取三个相互垂直方向上的加速度；其中，三个相互垂直方向包括
x
向
、y
向和
z
向；
[0039]保留
z
向加速度，计算
z
向加速度的均方根；
[0040]识别聚类单元，用于对所述均方根进行识别聚类，确定各位置的路面类型，作为第一判断结果；
[0041]模型应用单元，用于读取车载相机采集到的路面图像，将所述路面图像输入训练
好的神经网络识别模型，确定各位置的路面类型，作为第二判断结果
。
[0042]作为本专利技术进一步的方案：所述结果比对模块包括：
[0043]第一判定单元，用于比对第一判断结果和第二判断结果，当第一判断结果和第二判断结果相同时，选取其中一个判断结果作为最终结果；
[0044]置信度查询单元，用于当第一判断结果和第二判断结果不同时，查询神经网络识别模型的置信度；
[0045]第二判定单元，用于当所述置信度达到本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于融合分析技术的路面分类方法，其特征在于，所述方法包括：实时获取定位设备的定位信息，根据定位信息确定信息采集频率；基于所述信息采集频率获取路面图片和震动数据；对所述路面图像和震动数据进行分析，得到两组判断结果；比对两组判断结果，得到最终结果
。2.
根据权利要求1所述的基于融合分析技术的路面分类方法，其特征在于，所述实时获取定位设备的定位信息，根据定位信息确定信息采集频率的步骤包括：实时接收天线的反馈的位置数据，根据所述位置数据计算车辆速度；将所述车辆速度与预设的速度阈值进行比对，根据比对结果确定图像采集频率
。3.
根据权利要求1所述的基于融合分析技术的路面分类方法，其特征在于，所述实时获取定位设备的定位信息，根据定位信息确定信息采集频率的步骤包括：建立与编码器的连接通道，实时接收编码器反馈的车轮转动距离；接收管理方设定的距离条件，当车轮转动距离满足所述距离条件时，生成图像采集指令，向车载相机发送
。4.
根据权利要求2或3所述的基于融合分析技术的路面分类方法，其特征在于，所述对所述路面图像和震动数据进行分析，得到两组判断结果的步骤包括：根据预设的传感器实时获取三个相互垂直方向上的加速度；其中，三个相互垂直方向包括
x
向
、y
向和
z
向；保留
z
向加速度，计算
z
向加速度的均方根；对所述均方根进行识别聚类，确定各位置的路面类型，作为第一判断结果；读取车载相机采集到的路面图像，将所述路面图像输入训练好的神经网络识别模型，确定各位置的路面类型，作为第二判断结果
。5.
根据权利要求4所述的基于融合分析技术的路面分类方法，其特征在于，所述比对两组判断结果，得到最终结果的步骤包括：比对第一判断结果和第二判断结果，当第一判断结果和第二判断结果相同时，选取其中一个判断结果作为最终结果；当第一判断结果和第二判断结果不同时，查询神经网络识别模型的置信度；当所述置信度达到
90
％时，选取第二判断结果作为最终结果；当所述置信度小于
90
％时，选取第一判断结果作为最终结果
。6.
一种基于融合分析技术的路面分类系统，其特征在于...

【专利技术属性】
技术研发人员：杨康，严京旗，李孟轲，杜佳奇，钟盛，
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：