【技术实现步骤摘要】
本专利技术涉及激光雷达道路检测，具体涉及基于深度学习的道路质量无损化检测方法。
技术介绍
1、道路检测车是一种用于道路质量检测的专用汽车，以机动车为平台，将光电、it和3s技术集成一体。在车辆正常行驶状态下，能自动完成道路路面图像、路面形状、道路设施立体图像、平整度及道路几何参数等数据采集、分析、分类与存储。便于及时识别和发现道路的破损状况和病害原因，为市政道路科学养护提供真实、有效的数据支撑。
2、当前道路质量无损化检测技术的发展方向主要基于激光扫描技术，相较于传统的人工或机器视觉检测方法而言，检测精度更高。但在利用一些经典异常检测算法，例如孤立森林算法对激光点云数据进行分析和处理时总会存在计算量过大的问题，并且孤立森林随机选取的分裂值在密集的点云数据中可能无法得到准确的异常检测结果，因此有必要对于孤立森林在道路激光点云数据中的分裂值选取方法进行研究和改进。
技术实现思路
1、本专利技术提供基于深度学习的道路质量无损化检测方法，以解决现有孤立森林分裂值随机选取的策略存在计算量...
【技术保护点】
1.基于深度学习的道路质量无损化检测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述基于深度学习的道路质量无损化检测方法，其特征在于，所述根据点云数据所有点云测点的高程值得到验证因子，包括的具体步骤如下：
3.根据权利要求1所述基于深度学习的道路质量无损化检测方法，其特征在于，所述获取待测道路段点云数据的点云中线，包括的具体步骤如下：
4.根据权利要求3所述基于深度学习的道路质量无损化检测方法，其特征在于，所述根据点云中线获取待测道路段的对称性，包括的具体步骤如下：
5.根据权利要求1所述基于深度学习的道路...
【技术特征摘要】
1.基于深度学习的道路质量无损化检测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述基于深度学习的道路质量无损化检测方法，其特征在于，所述根据点云数据所有点云测点的高程值得到验证因子，包括的具体步骤如下：
3.根据权利要求1所述基于深度学习的道路质量无损化检测方法，其特征在于，所述获取待测道路段点云数据的点云中线，包括的具体步骤如下：
4.根据权利要求3所述基于深度学习的道路质量无损化检测方法，其特征在于，所述根据点云中线获取待测道路段的对称性，包括的具体步骤如下：
5.根据权利要求1所述基于深度学习的道路质量无损化检测方法，其特征在于，所述根据验证因子以及待测道路段的对称性得到主因素影响程度，包括的具体步骤如下：
6.根据权利要求1所述基于深度学习的道路质量无损化检测方法，其特征在于，所述根据点云数据所有点云测点的高程值获取...
【专利技术属性】
技术研发人员：王森堂，陈畹粟，刘科，杨宏星，范齐，朱朝阳，
申请(专利权)人：山东力加力钢结构有限公司，
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。