一种基于YOLO模型的道路坑洞测量方法及装置制造方法及图纸

本发明专利技术提供的一种基于YOLO模型的道路坑洞测量方法及装置，涉及道路检测技术领域。本发明专利技术通过获取无人机采集的包含路面坑洞的原始图像数据与无人机图像采集参数，并对所述原始图像数据进行预处理；将预处理后的图像数据输入预训练的YOLO图像分割模型，得到模型分割结果；根据所述无人机图像采集参数计算地面采样距离GSD，进而计算出坑洞地表面积；将模型分割结果中二值掩膜的每个像素点二维坐标与所述原始图像数据的三维点云坐标进行匹配，并网格化处理所述坑洞地表面积对应的区域，计算出坑洞体积，得到道路坑洞测量结果。本发明专利技术结合改进的图像分割模型与三维点云数据融合技术，实现了对道路坑洞的精确检测与量化评估。

【技术实现步骤摘要】

本专利技术涉及道路检测，具体而言，涉及一种基于yolo模型的道路坑洞测量方法及装置。

技术介绍

1、随着城市化进程的加速，道路建设规模不断扩大，路面养护需求也随之快速增长。长期使用及环境因素，如雨水侵蚀和车辆载荷，会导致道路表面出现坑洞、裂缝等病害，严重影响行车安全和道路使用寿命。传统的道路检测方法主要依赖人工巡检，这种方式效率低、成本高，且难以实现全面覆盖，无法满足现代道路养护的需求。因此，智能化、自动化的道路坑洞检测技术成为研究热点，其核心目标是通过计算机视觉、深度学习等技术手段，快速、精准地识别路面缺陷，为养护决策提供数据支持，从而降低维护成本并提升道路管理水平。

2、现有技术中已经提出了一些基于计算机视觉和深度学习的道路坑洞检测方案。例如，专利cn119477860提出了一种基于dce-pothole-yolov10算法的方法，通过引入动态对比度增强模块（dce）优化低光照条件下的坑洞检测性能，并采用多尺度特征融合策略提升小目标坑洞的识别能力。专利cn119810551则设计了一种基于yolov6和fpga的道路坑洞检测系统，利用轻量化本文档来自技高网...

【技术保护点】

1.一种基于YOLO模型的道路坑洞测量方法，其特征在于，包括：

2.根据权利要求1所述的一种基于YOLO模型的道路坑洞测量方法，其特征在于,所述无人机图像采集参数包括无人机飞行高度、图像传感器尺寸、镜头焦距与图像分辨率；

3.根据权利要求1所述的一种基于YOLO模型的道路坑洞测量方法，其特征在于,所述预训练的YOLO图像分割模型为YOLOv11-Seg图像分割模型，采用轻量化的CSPDarknet53-Tiny作为主干网络，引入加权双向特征金字塔网络结构BiFPN，并在分割头部分集成OCR模块；

4.根据权利要求3所述的一种基于YOLO模型的道路坑洞测...

【技术特征摘要】

1.一种基于yolo模型的道路坑洞测量方法，其特征在于，包括：

2.根据权利要求1所述的一种基于yolo模型的道路坑洞测量方法，其特征在于,所述无人机图像采集参数包括无人机飞行高度、图像传感器尺寸、镜头焦距与图像分辨率；

3.根据权利要求1所述的一种基于yolo模型的道路坑洞测量方法，其特征在于,所述预训练的yolo图像分割模型为yolov11-seg图像分割模型，采用轻量化的cspdarknet53-tiny作为主干网络，引入加权双向特征金字塔网络结构bifpn，并在分割头部分集成ocr模块；

4.根据权利要求3所述的一种基于yolo模型的道路坑洞测量方法，其特征在于,通过特征权重学习为不同尺度的特征图分配动态权重，公式为：

5.根据权利要求3所述的一种基于y...

【专利技术属性】
技术研发人员：彭府，黄进兴，王文荣，
申请(专利权)人：厦门四信通信科技有限公司，
类型：发明
国别省市：