【技术实现步骤摘要】
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变形类病害成因分析方法和系统。
技术介绍
1、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，而大体量的道路设施也给路面病害检测、路面管养带来极大的挑战。
2、近年来随着深度学习在计算机视觉领域的推广应用，新型的道路轻量化检测系统也部分替代了传统检测方法，目前针对车辙、拥包、沉陷等变形类病害的识别虽然有一定进展，有部分研究通过道路线激光结合深度学习的方法能够初步实现道路上变形类病害的识别和发现，但由于道路路面上存在各种可能导致变形的物体及病害，大量被识别到的病害为误识别病害。
3、其中一种方法为采用深度学习目标检测算法对误识别病害进行识别并剔除，但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误识别病害的剔除方法成本较高。
4、现有的道路变形类病害检测的方法主要依靠路面多功能检测车、3d激光点云、基于深度学习的线结构光识别等方法。
5、通过路面多功能检测车来测量路面的车辙，需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。
6、3d激光点云的方法利用激光雷达获取路面的3d激光点云数据，进而对车辙沉陷及拥
7、基于深度学习的线结构光识别方法，主要是采用线激光发射装置投射线激光在地面上，并利用安装的相机对线激光进行实时采集及分析。该方法通过对线激光的曲线变形进行分析，但会将大量的变形误识别为变形类病害，如井盖路框差、路面异物、路面整体变形、交通标线、斑马线凸起等。
8、针对该问题，可通过基于深度学习目标检测算法进行道路特定目标物的识别，然后结合变形类病害的位置，可对误识别病害进行剔除。但该方法训练过程比较耗时，对硬件的算力资源要求较高。
技术实现思路
1、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变形类病害成因分析方法和系统，其无需进行模型训练，即可利用建立起来的误识别特征库，对误识别病害进行快速匹配，可以更加精准的分析变形类病害的形成原因。
2、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：
3、一种基于特征匹配的道路变形类病害成因分析方法，包括以下步骤：
4、步骤1、通过线结构光获取道路三维变形坐标；
5、步骤2、建立病害特征库；
6、步骤3、检测出待检测图片中的道路病害信息；
7、步骤4、对不同的病害成因进行分类处理。
8、作为本专利技术的进一步的技术方案：所述步骤1具体包括以下步骤：
9、s101：首先，采用线激光发射装置投射线激光在地面上，并利用安装的相机对线激光进行实时采集；
10、s102：在采集前，利用激光线标定方法，对图片进行标定，获取图片像素与道路病害深度与宽度的转换系数；
11、s103：利用深度学习方法对激光线坐标进行拟合，从而预测得到道路横断面i处的一组断面坐标[[xi1,yi1],[xi2,yi2],...]；
12、s104：利用上述的标定转换关系，将图片的像素坐标差值转化为实际的道路车辙拥包沉陷变形类病害的深度及宽度；
13、s105：将病害的采集信息、病害的图像坐标、病害的尺寸信息识别结果，保存到数据库；
14、在步骤s101中，其中的线激光发射装置为高功率激光发射器，其功率为150mw，棱镜为鲍威尔棱镜，且棱镜角度在90-120°。
15、作为本专利技术的进一步的技术方案：在步骤102中，激光线标定方法是指选取较为平整的地面进行标定，标定物选择矩形截面型材、木材物体，对不同厚度的标定物，分别计算在图像中对应像素差值，并将像素差值与实际标定物厚度进行等效转化，得到病害深度转换系数；
16、对图片横向宽度进行标定，实际宽度值与图片横向像素值进行等效转换，得到病害宽度转换系数。
17、作为本专利技术的进一步的技术方案：在所述步骤2中，所述病害特征库具体分为两类：
18、类别1：一类是病害类，成因包括车辙、拥包、沉陷、井盖、路面修补、路面破损、坑槽，该类别属于变形类病害，需进行保留；
19、类别2：另一类是非病害类，成因包括伸缩缝、路面异物、交通标线、路缘石、减速带、护栏、汽车等干扰、水泥路面、路面整体变形，该类别属于误识别，需进行剔除；
20、在所述步骤4中，对于类别1中的病害写入数据库，对于类别2中的非病害类成因进行过滤舍弃。
21、作为本专利技术的进一步的技术方案：所述步骤2具体包括以下步骤：
22、s201:在数据集图像中标注道路病害，收集图像，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；
23、s202：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；
24、s203:获取特征提取神经网络n1，采用在已有大数据集上取得优秀成绩的开源网络，或是使用道路病害数据p1训练的特征提取的神经网络；
25、s204：获取病害特征库v1和病害特征和病害图片名称的映射表b2。
26、作为本专利技术的进一步的技术方案：在步骤s202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；
27、缩放方式：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；
28、size(h,w)通过统计实验得到，统计方式：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size(h,w)的h、w比，而后采用同样的方式统计得到size(h,w)的w，此时可以计算得到size(h,w)，公式如下：
29、scale＝median(scale1，scale2，...，scalen)
30、w＝median(boxw1，boxw2，...，boxwn)本文档来自技高网...
【技术保护点】
1.一种基于特征匹配的道路变形类病害成因分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于特征匹配的道路变形类病害成因分析方法，其特征在于，所述步骤1具体包括以下步骤：
3.根据权利要求2所述的一种基于特征匹配的道路变形类病害成因分析方法，其特征在于，在步骤102中，激光线标定方法是指选取较为平整的地面进行标定，标定物选择矩形截面型材、木材物体，对不同厚度的标定物，分别计算在图像中对应像素差值，并将像素差值与实际标定物厚度进行等效转化，得到病害深度转换系数；
4.根据权利要求1所述的一种基于特征匹配的道路变形类病害成因分析方法，其特征在于，在所述步骤2中，所述病害特征库具体分为两类：
5.根据权利要求1所述的一种基于特征匹配的道路变形类病害成因分析方法，其特征在于，所述步骤2具体包括以下步骤：
6.根据权利要求5所述的一种基于特征匹配的道路变形类病害成因分析方法，其特征在于，在步骤S202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
7.根据权利要求5所述的一种基于特征匹配的道路变形类病害成因分析方法，其特征在于，在步骤S204中，将道路病害图片库P1的图片(p1,p2,...,pn)输入特征提取神经网络N1，每张图片得到n维的特征向量v，将特征向量v进行归一化处理：
8.根据权利要求1所述的一种基于特征匹配的道路变形类病害成因分析方法，其特征在于，所述步骤3具体包括以下步骤：
9.根据权利要求8所述的一种基于特征匹配的道路变形类病害成因分析方法，其特征在于，在步骤S301中，获取方法如下：
10.一种基于特征匹配的道路变形类病害成因分析系统，其特征在于，包括安装在检测车辆上的中央工控机以及分别与所述中央工控机连接的激光发射器、车载工业相机，所述中央工控机与云端服务器通信连接；
...【技术特征摘要】
1.一种基于特征匹配的道路变形类病害成因分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于特征匹配的道路变形类病害成因分析方法，其特征在于，所述步骤1具体包括以下步骤：
3.根据权利要求2所述的一种基于特征匹配的道路变形类病害成因分析方法，其特征在于，在步骤102中，激光线标定方法是指选取较为平整的地面进行标定，标定物选择矩形截面型材、木材物体，对不同厚度的标定物，分别计算在图像中对应像素差值，并将像素差值与实际标定物厚度进行等效转化，得到病害深度转换系数；
4.根据权利要求1所述的一种基于特征匹配的道路变形类病害成因分析方法，其特征在于，在所述步骤2中，所述病害特征库具体分为两类：
5.根据权利要求1所述的一种基于特征匹配的道路变形类病害成因分析方法，其特征在于，所述步骤2具体包括以下步骤：
6.根据权利要求5所述的一种基于特征匹配的道路变形类病害成因分析方法，其特征在于，在步骤s202中，获取的方式为：根据病害位置信息bo...
【专利技术属性】
技术研发人员：张晓明，杨强，严京旗，曹广威，
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：
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。