【技术实现步骤摘要】
基于机器视觉的水泥混凝土路面病害识别方法
[0001]本专利技术涉及路面病害识别
，特别涉及基于机器视觉的水泥混凝土路面病害识别方法
。
技术介绍
[0002]水泥混凝土路面是典型的铺面形式，坑洼与裂缝是最为典型且广泛出现的水泥混凝土路面病害，而这些病害的出现，大大降低了路面的完整性，并且对路面承载力有较大的影响，同时严重威胁行车安全
。
目前，对水泥混凝土路面病害的传统检测或感知技术主要包括：人工巡检
、
快速检测车以及各类预埋式的传感器
。
大部分地区仍然依赖于人工巡检，但是人工巡检效率低且误差大
。
随着图像处理技术
、
激光扫描技术等技术的快速发展，用于路面的快速检测系统发展迅速，快速检测系统的应用显著提高了单次检测速度，但现有技术识别精度较低，无法达到对路面精细化管理与养护的要求
。
[0003]运营路面病害的检测与处理已成为路面管理与养护的关键难题，对服役路面进行定期
、
全面地健康检测，...
【技术保护点】
【技术特征摘要】
1.
基于机器视觉的水泥混凝土路面病害识别方法，其特征在于，包括：获取水泥混凝土路面的深度图像数据，并对深度图像数据进行去噪处理；对去噪处理后的深度图像数据进行逐像素的病害识别，并根据病害识别结果对去噪处理后的深度图像数据进行调整；通过融合模型对调整后的数据进行识别，生成水泥混凝土路面病害的识别结果，其中所述融合模型包括图卷积层和卷积层的融合结构
。2.
根据权利要求1所述的基于机器视觉的水泥混凝土路面病害识别方法，其特征在于：水泥混凝土路面病害包括裂缝
、
坑洼
、
车辙
。3.
根据权利要求1所述的基于机器视觉的水泥混凝土路面病害识别方法，其特征在于：通过深度相机对水泥混凝土路面进行拍摄，获取深度图像数据，并设置定位设备，获取深度图像数据对应的位置信息
。4.
根据权利要求1所述的基于机器视觉的水泥混凝土路面病害识别方法，其特征在于：通过聚类方法对深度图像数据进行去噪处理，其中所述聚类方法采用
k
‑
means
聚类方法
。5.
根据权利要求1所述的基于机器视觉的水泥混凝土路面病害识别方法，其特征在于：对深度图像数据进行去噪处理之后还包括：对深度图像数据进行图像增强处理，其中图像增强处理包括直方图修正方法
。6.
根据权利要求1所述的基于机器视觉的水泥混凝土路面病害识别方法，其特征在于：通过全卷积神经网络对去噪处理后的深度图像数据进行病害识别，其中全卷积神经网络的输入为去噪处理后的深度图像数据，输出为每个像素对...
【专利技术属性】
技术研发人员：骆俊晖，莫鹏，畅振超，盘柱，陈德强，刘红燕，唐浩，
申请(专利权)人：广西北投交通养护科技集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。