一种用于道路平整度检测的智能识别方法及系统技术方案

本发明专利技术涉及图像数据处理技术领域，公开了一种用于道路平整度检测的智能识别方法，包括如下步骤：S100，获取行驶在目标道路上的检测车辆的检测信息；S200，根据所述检测信息绘制生成对应的检测图片；S300，根据预设分段合并规则对所述检测图片进行处理后得到标准图片；S400，将所述标准图像发送识别模块进行平整度测算；快速的对道路的平整度进行评估测算，提升效率，大幅减少运算量和复杂度。大幅减少运算量和复杂度。大幅减少运算量和复杂度。

【技术实现步骤摘要】
一种用于道路平整度检测的智能识别方法及系统


[0001]本专利技术涉及图像数据处理
，具体涉及一种用于道路平整度检测的智能识别方法。

技术介绍

[0002]作为公路养护管理系统的核心部分，路面质量的检测评估是非常重要的。平整度较差的路面不仅会影响道路的行车安全，降低行车舒适性，增加行车的运行费用，还可能加速路面破坏，缩短养护周期。
[0003]道路铺设完成后，因地形沉降、变形、雨水冲刷、车辆行驶、重物碾压等原因，容易导致道路路边的变形，形成凹坑或凸起等引起道路形变，继而影响到路面行驶的安全，特别是机场跑道、赛车跑道、实验道路等道路，对道路的平整度要求极高；因此就需要长期对道路的平整度进行检测。
[0004]目前，对道路平整度检测的方式会采用传统的3M尺检测方法，通过长达3米的尺子放置于道路上，查看该尺子与道路表面贴合的情况，以判断路面的平整度。
[0005]然而，该种方式只能判断3米以内的区域路面平整问题，对于3米之外的区域无法进行检测，而且没有参考的依据导致整个测量结果不标准，误差较大，不能作为后续参考的依据；而且需要大量的人力物力，效率也无法得到保证。

技术实现思路

[0006]本专利技术的目的在于提供一种用于道路平整度检测的智能识别方法，解决以下技术问题：如何提供一种高效的道路平整度检测方法。
[0007]本专利技术的目的可以通过以下技术方案实现：一种用于道路平整度检测的智能识别方法，包括如下步骤：S100，获取行驶在目标道路上的检测车辆的检测信息；S200，根据所述检测信息绘制生成对应的检测图片；S300，根据预设分段合并规则对所述检测图片进行处理后得到标准图片；S400，将所述标准图片发送识别模块进行平整度测算；其中，所述检测信息包括所述检测车辆的水平面上的行驶速度和竖直面上的高度变化轨迹，所述检测图片包含所述检测车辆在竖直方向运动轨迹；所述识别模块为训练完成后的神经网络模型。
[0008]通过上述技术方案，本专利技术中检测车辆在目标道路上行驶，会生成包含对应行驶速度和竖直面上的高度变化轨迹的检测信息，检测车辆遇到不平整的地面必然会发生高度上的起伏波动，因此，根据检测信息生成的检测图片上能够表现出随行驶距离变化而变化的高度变化轨迹，从而可将对应的按照预设分段合并规则处理后的标准图片发送识别模块进行智能识别，从而快速的对道路的平整度进行评估测算，提升效率，大幅减少运算量和复
杂度。
[0009]作为本专利技术进一步的方案：所述步骤S200包括：以所述检测车辆在水平面上的行驶距离为横轴，以所述竖直面上的高度为竖轴建立直角坐标系；将所述直角坐标系设置在空白图片上，将所述检测信息录入所述直角坐标系生成所述检测图片；其中，所述检测图片的长度与所述横轴的检测车辆在水平面上的行驶距离相关。
[0010]通过上述技术方案，利用直角坐标系对检测图片上的高度变化轨迹进行规范化，有利于针对性的对检测图片进行区域化的识别判断，保证灵活性和精准度。
[0011]作为本专利技术进一步的方案：所述步骤S300包括：根据预设分段合并规则对所述检测图片进行分段后得到n个等长度的分段图片；根据预设分段合并规则将n个所述分段图片进行合并。
[0012]通过上述技术方案，分段图片合并后得到的标准图片相对于之前得到的检测图片具有呈n倍缩小的长度，从而减少识别模块的计算量，降低了复杂度。
[0013]作为本专利技术进一步的方案：所述预设分段合并规则包括：对所述检测图片进行分割时，在分割后的所述分段图片上建立新的原点，所述原点为所述分段图片的左边缘中点；对所述分段图片进行合并时，将所有代表新的原点、及其直角坐标系以及高度变化轨迹的像素点进行合并；除高度变化轨迹以外的所有像素点均定义为标准色像素点，组成高度变化轨迹的所有像素点为有色像素点；所述有色像素点每合并一次，根据预设数值改变所述有色像素点的像素亮度。
[0014]通过上述技术方案，建立新的原点可以方便后合并过程中的统一性，再通过对标准色像素点和有色像素点进行区分，能够提升图片的辨识度，合并的有色像素点的横坐标代表处于统一高度的路面位置，其像素亮度进行改变后，能够通过亮度值反映处于该高度的路面位置数量情况，有利于识别模块的准确识别。
[0015]作为本专利技术进一步的方案：所述预设分段合并规则包括：当合并位置的所述有色像素点位于第一位置区域时，所述预设数值设置为第一变化值；当合并位置的所述有色像素点位于第二位置区域时，所述预设数值设置为第二变化值；第一位置区域为与横轴法向间隔m个像素点内的区域，所述第二位置区域为除所述第一位置区域以外的区域；所述第一变化值为负，所述第二变化值为正。
[0016]通过上述技术方案，一般的新建路面，其平整度并不容易察觉，因此越靠近横轴的位置会存在越多的有色像素点重合的情况，正常区域的重合数量越多越好，而远离横轴位置的有色像素点重合的数量则越少越好，因此为了进一步的增加标准图片的辨识度，可将靠近横轴的区域设置为第一位置区域，处于第一位置区域的重合有色像素点数量较多，重合数量越多亮度越低，处于第二位置区域的重合有色像素点数量较少，重合数量越多亮度
越高，由此可以增加标准图片中有色像素点之间以及不同位置区域之间的亮度差，从而提升辨识度，间接有利于提升识别模块识别的精准度。
[0017]作为本专利技术进一步的方案：将亮度值低于预设消减阈值的有色像素点变更为无色像素点。
[0018]作为本专利技术进一步的方案：所述步骤S400包括：所述平整度测算的结果包括：平整、不平整、须部分修补。
[0019]作为本专利技术进一步的方案：还包括：若所述平整度测算的结果为平整，则所述目标道路的平整度合格；若所述平整度测算的结果为不平整，则所述目标道路的平整度不合格；若所述平整度测算的结果为须部分修补，则进入修补路段确认程序。
[0020]作为本专利技术进一步的方案：所述修补路段确认程序包括：获取亮度值高于预设修补阈值的有色像素点的横轴坐标；根据所述横轴坐标确定所述目标道路需要修补的位置。
[0021]一种用于道路平整度检测的智能识别系统，包括：采样模块，用于获取行驶在目标道路上的检测车辆的检测信息；绘制模块，与所述采样模块连接，用于根据所述检测信息绘制生成对应的检测图片；处理模块，与所述绘制模块连接，用于根据预设分段合并规则对所述检测图片进行处理后得到标准图片；识别模块，为训练完成后的神经网络模型；通信模块，与所述处理模块连接，用于将所述标准图片发送识别模块进行平整度测算。
[0022]本专利技术的有益效果：本专利技术中检测车辆在目标道路上行驶，会生成包含对应行驶速度和竖直面上的高度变化轨迹的检测信息，检测车辆遇到不平整的地面必然会发生高度上的起伏波动，因此，根据检测信息生成的检测图片上能够表现出随行驶距离变化而变化的高度变化轨迹，从而可将对应的按照预设分段合并规则处理后的标准图片发送识别模块进行智能识别，从而快速的对道路的平整度进行评估测算，大幅减少运算量和复杂度，提升效率。
附图说明本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于道路平整度检测的智能识别方法，其特征在于，包括如下步骤：S100，获取行驶在目标道路上的检测车辆的检测信息；S200，根据所述检测信息绘制生成对应的检测图片；S300，根据预设分段合并规则对所述检测图片进行处理后得到标准图片；S400，将所述标准图片发送识别模块进行平整度测算；其中，所述检测信息包括所述检测车辆的水平面上的行驶速度和竖直面上的高度变化轨迹，所述检测图片包含所述检测车辆在竖直方向运动轨迹；所述识别模块为训练完成后的神经网络模型。2.根据权利要求1所述的用于道路平整度检测的智能识别方法，其特征在于，所述步骤S200包括：以所述检测车辆在水平面上的行驶距离为横轴，以所述竖直面上的高度为竖轴建立直角坐标系；将所述直角坐标系设置在空白图片上，将所述检测信息录入所述直角坐标系生成所述检测图片；其中，所述检测图片的长度与所述横轴的检测车辆在水平面上的行驶距离相关。3.根据权利要求1所述的用于道路平整度检测的智能识别方法，其特征在于，所述步骤S300包括：根据预设分段合并规则对所述检测图片进行分段后得到n个等长度的分段图片；根据预设分段合并规则将n个所述分段图片进行合并。4.根据权利要求3所述的用于道路平整度检测的智能识别方法，其特征在于，所述预设分段合并规则包括：对所述检测图片进行分割时，在分割后的所述分段图片上建立新的原点，所述原点为所述分段图片的左边缘中点；对所述分段图片进行合并时，将所有代表新的原点、及其直角坐标系以及高度变化轨迹的像素点进行合并；除高度变化轨迹以外的所有像素点均定义为标准色像素点，组成高度变化轨迹的所有像素点为有色像素点；所述有色像素点每合并一次，根据预设数值改变所述有色像素点的像素亮度。5.根据权利要求4所述的用于道路平整度检...

【专利技术属性】
技术研发人员：孟平丛，周蓉，王丹，黄洋洋，光青元，杨飞跃，陈成杰，张业超，陈彬，许琼，崔林，
申请(专利权)人：安徽省路通公路工程检测有限公司，
类型：发明
国别省市：