道路缺陷检测方法、装置、电子设备和存储介质制造方法及图纸

本公开提供了道路缺陷检测方法、装置、电子设备和存储介质，涉及人工智能领域，尤其涉及具体涉及计算机视觉和深度学习技术，具体可用于智慧城市和智能交通场景下。具体实现方案为：通过目标缺陷分割模型的第一编码器对待检测图像进行特征提取，确定远距离图像特征；通过所述目标缺陷分割模型的第二编码器对待检测图像进行特征提取，确定近距离图像特征；通过所述目标缺陷分割模型中融合层对所述远距离图像特征和所述近距离图像特征进行融合，确定融合特征；通过所述目标缺陷分割模型中解码器对所述融合特征进行处理，得到道路缺陷分割结果。本公开实施例可以提高路面缺陷的识别准确率。确率。确率。

【技术实现步骤摘要】
道路缺陷检测方法、装置、电子设备和存储介质


[0001]本公开涉及人工智能领域，尤其涉及具体涉及计算机视觉和深度学习技术，具体可用于智慧城市和智能交通场景下，具体涉及一种道路缺陷检测方法、装置、电子设备和存储介质。

技术介绍

[0002]随着公路建设数量的不断增加，公路所需养护比例也随之增加，而养护检测任务繁重，大量中低等级公路和城市乡镇道路的养护工作仍缺乏合理的数据支持。因此，低成本、快速化和高质量的路面检测数据成为了数据驱动的新型养护模式的重要前提。
[0003]目前，路面养护相关部门采用的智能化巡检方式，主要依靠在车辆上安装激光、雷达和视觉等设备，定期通过人工驾驶相应路段进行路面状态巡检及时上报公路管理部门，公路管理部门针对需要养护的路面进行处理。

技术实现思路

[0004]本公开提供了一种道路缺陷检测方法、装置、电子设备和存储介质。
[0005]根据本公开的一方面，提供了一种道路缺陷检测方法，包括：
[0006]通过目标缺陷分割模型的第一编码器对待检测图像进行特征提取，确定远距离图像特征；
[0007]通过所述目标缺陷分割模型的第二编码器对待检测图像进行特征提取，确定近距离图像特征；
[0008]通过所述目标缺陷分割模型中融合层对所述远距离图像特征和所述近距离图像特征进行融合，确定融合特征；
[0009]通过所述目标缺陷分割模型中解码器对所述融合特征进行处理，得到道路缺陷分割结果。
[0010]根据本公开的另一方面，提供了一种道路缺陷检测装置，包括：
[0011]远距离图像特征确定模块，用于通过目标缺陷分割模型的第一编码器对待检测图像进行特征提取，确定远距离图像特征；
[0012]近距离图像特征确定模块，用于通过所述目标缺陷分割模型的第二编码器对待检测图像进行特征提取，确定近距离图像特征；
[0013]特征融合模块，用于通过所述目标缺陷分割模型中融合层对所述远距离图像特征和所述近距离图像特征进行融合，确定融合特征；
[0014]道路缺陷分割结果确定模块，用于通过所述目标缺陷分割模型中解码器对所述融合特征进行处理，得到道路缺陷分割结果。
[0015]根据本公开的另一方面，提供了一种电子设备，包括：
[0016]至少一个处理器；以及
[0017]与所述至少一个处理器通信连接的存储器；其中，
[0018]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开任一实施例所述的道路缺陷检测方法。
[0019]根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行本公开任一实施例所述的道路缺陷检测方法。
[0020]根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现本公开任一实施例所述的道路缺陷检测方法。
[0021]本公开实施例可以提高路面缺陷的识别准确率。
[0022]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0023]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0024]图1是根据本公开实施例的一种道路缺陷检测方法的示意图；
[0025]图2是根据本公开实施例的一种道路缺陷检测方法的示意图；
[0026]图3是根据本公开实施例的一种第二缺陷分割模型的示意图；
[0027]图4是根据本公开实施例的一种第一缺陷分割模型的示意图；
[0028]图5是根据本公开实施例的一种目标缺陷分割模型的示意图；
[0029]图6是可以实现本公开实施例的道路缺陷检测方法的场景图
[0030]图7是根据本公开实施例的一种道路缺陷检测装置的示意图；
[0031]图8是用来实现本公开实施例的道路缺陷检测方法的电子设备的框图。
具体实施方式
[0032]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0033]图1是根据本公开实施例公开的一种道路缺陷检测方法的流程图，本实施例可以适用于在对检测道路是否存在缺陷设的情况。本实施例方法可以由道路缺陷检测装置来执行，该装置可采用软件和/或硬件的方式实现，并具体配置于具有一定数据运算能力的电子设备中，该电子设备可以是客户端设备或服务器，客户端设备例如手机、平板电脑、车载终端和台式电脑等。
[0034]S101，通过目标缺陷分割模型的第一编码器对待检测图像进行特征提取，确定远距离图像特征。
[0035]目标缺陷分割模型用于在待检测图像中检测道路缺陷。目标缺陷分割模型包括两个编码器、融合层和一个解码器。第一编码器用于从待检测图像中提取出远距离图像特征。第一编码器是指通过以远距离视角拍摄道路形成的图像样本作为训练样本进行训练得到的编码器。
[0036]S102，通过所述目标缺陷分割模型的第二编码器对待检测图像进行特征提取，确定近距离图像特征。
[0037]第二编码器用于从待检测图像进行特征提取出近距离图像特征。第二编码器是指通过以近距离视角拍摄道路形成的图像样本作为训练样本进行训练得到的编码器。
[0038]其中，以远距离视角拍摄的存在缺陷的道路图像中缺陷区域所占比值，小于，以近距离视角拍摄的存在缺陷的道路图像中缺陷区域所占比值。相对于第一编码器，第二编码器更加关注道路缺陷，从而，相对于远距离图像特征，近距离图像特征包括更多更丰富的道路缺陷信息。
[0039]S103，通过所述目标缺陷分割模型中融合层对所述远距离图像特征和所述近距离图像特征进行融合，确定融合特征。
[0040]融合层用于进行特征融合。融合层可以通过计算加权和，或基于注意力结构处理等方法融合特征。融合特征用于检测道路缺陷分割结果。融合特征可以是指包括远距离图像特征和近距离图像特征的综合信息的特征。融合特征具有两种编码器提取到的特征，丰富提取的图像特征的内容，提高图像特征的代表性，从而提高缺陷分割结果的准确性。
[0041]S104，通过所述目标缺陷分割模型中解码器对所述融合特征进行处理，得到道路缺陷分割结果。
[0042]解码器用于对特征进行处理，得到道路缺陷分割结果。解码器通过对融合有两种编码器提取到的特征进行处理得到道路缺陷分割结果，可以根据更加丰富的特征信息，分割道路缺陷，提高分割准确性。其中，道路缺陷可以是道路存在的裂缝、道路存在的坑洞或道路存在的细小障碍物等。
[0043]现有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种道路缺陷检测方法，包括：通过目标缺陷分割模型的第一编码器对待检测图像进行特征提取，确定远距离图像特征；通过所述目标缺陷分割模型的第二编码器对待检测图像进行特征提取，确定近距离图像特征；通过所述目标缺陷分割模型中融合层对所述远距离图像特征和所述近距离图像特征进行融合，确定融合特征；通过所述目标缺陷分割模型中解码器对所述融合特征进行处理，得到道路缺陷分割结果。2.根据权利要求1所述的方法，还包括：获取预先训练的所述第二编码器，并确定第一训练样本；采用所述第一训练样本，对基于注意力机制的分割模型进行训练，得到第一缺陷分割模型，所述分割模型包括编码器和解码器，所述基于注意力机制的分割模型包括编码器、融合层和解码器；在所述第一缺陷分割模型中添加所述第二编码器，形成目标缺陷分割模型。3.根据权利要求2所述的方法，其中，所述获取预先训练的所述第二编码器，包括：采用第二训练样本，对分割模型进行训练，得到第二缺陷分割模型，所述第二训练样本包括以近距离视角采集的道路图像；获取所述第二缺陷分割模型中的编码器，确定为所述第二编码器。4.根据权利要求3所述的方法，其中，所述确定第一训练样本，包括：采用所述第二编码器，对以远距离视角采集的道路图像进行处理，得到道路图像特征；根据所述道路图像特征和所述以远距离视角采集的道路图像，确定第一训练样本。5.根据权利要求1所述的方法，其中，所述通过所述目标缺陷分割模型中融合层对所述远距离图像特征和所述近距离图像特征进行融合，包括：通过所述融合层对所述远距离图像特征进行处理，得到中间图像特征；通过所述融合层将所述中间图像特征和所述近距离图像特征进行融合。6.根据权利要求5所述的方法，其中，所述通过所述融合层对所述远距离图像特征进行处理，得到中间图像特征，包括：通过所述融合层中包括的两个全连接层对所述远距离图像特征进行处理，得到两个中间图像特征，所述两个全连接层不同。7.根据权利要求1所述的方法，其中，所述待检测图像包括车载相机拍摄的道路裂缝图像。8.一种道路缺陷检测装置，包括：远距离图像特征确定模块，用于通过目标缺陷分割模型的第一编码器对待检测图像进行特征提取，确定远距离图像特征；近距离图像特征确定模块，用于通过所述目标缺陷分割模型的第二编码器对待检测图像进行特征提取，确定近距离图像特征；特征融合模块，用于通过所述目标缺陷分割模型中融合层对所述远距离图像特征和所述近距离图像特征进行融合，确定融合特征；
道路缺陷分割结果确定模块，用于通过所述目标缺陷分割模型中解码器对所述融合...

【专利技术属性】
技术研发人员：于越，孙昊，谭啸，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：