System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及道路隐患,尤其涉及基于车内视角的道路隐患面积预测方法。
技术介绍
1、道路隐患识别和面积计算是交通领域重要的技术之一,它可以帮助相关管理部门及时发现道路安全隐患,并采取相应的措施进行维护和修复。
2、现有路面隐患识别及面积计算方法一般有两种:人工测量和自动化测量;人工测量方式需要人力在现场勘探隐患,并根据不同种类的隐患用对应仪器测量其长度,最终手工计算出各隐患的面积,该方法及其耗时耗力。
3、自动化测量方式运用遥感技术、计算机视觉技术、激光扫描等技术,在巡检车上安装大量传感器和相机,车辆巡检时即对路面隐患进行识别和面积计算,该方法成本高昂,难以大规模推广。
4、道路隐患识别常用神经网络方法,公开号cn109685124a专利,采用mask rcnn深度卷积网络对道路隐患面积进行识别,虽然可以准确识别病害,该方法仅能将病害通过识别框标记出来,但无法准确预测病害的面积。
5、又如公开号为cn116485843a专利,采用yolov5准确识别道路隐患的类型,如龟裂、横向裂缝等病害,但不同病害在图像中的形状存在明显差异,仅能识别出病害但无法准确预测病害面积,无法对病害的维护和修复提供帮助。
技术实现思路
1、针对现有方法的不足,本专利技术解决现有方法仅能识别隐患,而无法准确预测隐患面积的问题。
2、本专利技术所采用的技术方案是:基于车内视角的道路隐患面积预测方法包括以下步骤:
3、步骤一、利用白色矩形图像
4、为本专利技术的一种优选实施方式,利用角点检测法的角点质量和最小角点间距对白色矩形图像的四个顶点坐标进行调整。
5、步骤二、利用透视变换法对白色矩形图像的坐标和角点四边形图像的坐标进行变换,得到变换矩阵;
6、作为本专利技术的一种优选实施方式,变换矩阵的公式为:
7、m=f((x0,y0),(xpix0,ypix0)) (1)
8、其中,f()为透视变换函数,(xpix0,ypix0)为白色区域图像的顶点像素坐标,(x0,y0)为白色区域图像的顶点实际坐标。
9、步骤三、根据隐患图像的识别框坐标利用变换矩阵计算识别框的实际坐标,引入权重因子根据识别框的实际坐标、识别框坐标计算不同隐患面积;
10、作为本专利技术的一种优选实施方式,隐患的类型包括:龟裂、坑槽、破碎板、横向裂缝和纵向裂缝。
11、作为本专利技术的一种优选实施方式,权重因子的公式为:
12、β=d/k (3)
13、其中,d为识别框中心点与画面顶部的垂直距离,k为图像清晰度。
14、作为本专利技术的一种优选实施方式,识别框中心点与画面顶部的垂直距离的公式为:
15、d=ypix2+|ypix3-ypix2|/2 (4)
16、其中,ypix2、ypix3分别为识别框的右上和右下纵坐标。
17、作为本专利技术的一种优选实施方式,当隐患类型为龟裂、坑槽、破碎板时,隐患面积的公式为:
18、s1=w*h*β (5)
19、其中,β为权重因子;w为隐患面积的宽,w=min(|x2-x1|,|x4-x3|);h为隐患面积的高h=min(|y3-y2|,|y4-y1|);(x1,y1)、(x2,y2)、(x3,y3)、(x4,y4)为识别框透视变换后的实际坐标。
20、作为本专利技术的一种优选实施方式,当隐患类型为横向裂缝时,隐患面积的公式为:
21、s2=w*γ (6)
22、其中,γ为修正系数,w为隐患面积的宽。
23、作为本专利技术的一种优选实施方式,当隐患类型为纵向裂缝时,隐患面积的公式为:
24、s3=h*γ*β (7)
25、其中,h为隐患面积的高,β为权重因子,γ为修正系数。
26、作为本专利技术的一种优选实施方式,基于车内视角的道路隐患面积预测系统,包括:存储器,用于存储可由处理器执行的指令;处理器,用于执行指令以实现基于车内视角的道路隐患面积预测方法。
27、本专利技术的有益效果:
28、1、本专利技术利用角点检测法和透视变换法对图像进行校准,得到变换矩阵,对摄像机进行一次校准,避免相机误差影响隐患面积的计算;
29、2、设计权重因子,并针对不同隐患类型设计不同的隐患面积预测方法,解决图像存在纵向拉伸时隐患面积计算误差问题,提高隐患面积预测的准确性。
本文档来自技高网...【技术保护点】
1.基于车内视角的道路隐患面积预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于车内视角的道路隐患面积预测方法,其特征在于,利用角点质量和最小角点间距对白色矩形图像的四个顶点坐标进行调整。
3.根据权利要求1所述的基于车内视角的道路隐患面积预测方法,其特征在于,变换矩阵的公式为:
4.根据权利要求1所述的基于车内视角的道路隐患面积预测方法,其特征在于,隐患类型包括:龟裂、坑槽、破碎板、横向裂缝和纵向裂缝。
5.根据权利要求4所述的基于车内视角的道路隐患面积预测方法,其特征在于,权重因子的公式为:
6.根据权利要求5所述的基于车内视角的道路隐患面积预测方法,其特征在于,识别框中心点与画面顶部的垂直距离的公式为:
7.根据权利要求6所述的基于车内视角的道路隐患面积预测方法,其特征在于,当隐患类型为龟裂、坑槽、破碎板时,隐患面积的公式为:
8.根据权利要求6所述的基于车内视角的道路隐患面积预测方法,其特征在于,当隐患类型为横向裂缝时,隐患面积的公式为:
9.根据权利要求6所述
10.基于车内视角的道路隐患面积预测系统,其特征在于,包括:存储器,用于存储可由处理器执行的指令;处理器,用于执行指令以实现如权利要求1-8任一项所述的基于车内视角的道路隐患面积预测方法。
...【技术特征摘要】
1.基于车内视角的道路隐患面积预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于车内视角的道路隐患面积预测方法,其特征在于,利用角点质量和最小角点间距对白色矩形图像的四个顶点坐标进行调整。
3.根据权利要求1所述的基于车内视角的道路隐患面积预测方法,其特征在于,变换矩阵的公式为:
4.根据权利要求1所述的基于车内视角的道路隐患面积预测方法,其特征在于,隐患类型包括:龟裂、坑槽、破碎板、横向裂缝和纵向裂缝。
5.根据权利要求4所述的基于车内视角的道路隐患面积预测方法,其特征在于,权重因子的公式为:
6.根据权利要求5所述的基于车内视角的道路隐患面积预测方法,其特征...
【专利技术属性】
技术研发人员:周潼,丁新勇,史建波,刘键,
申请(专利权)人:江苏全栈智能科技有限公司,
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。