道路路面损坏三维智能检测技术研究
价格 双方协商
地区: 山东省 青岛市 黄岛区
需求方: 青岛***公司
行业领域
新一代信息技术
需求背景
依托车载移动测量系统,可以实现道路路产、路面病害数据采集及快速处理;实现对道路交通资产设施业务以及道路养护管理全阶段、全组织、全专业的支持。基于道路激光点云数据和全景影像数据,获取道路资产、路权、路面病害数据,构建道路管理大数据库。进一步建设路网三维智能化管理系统,为道路信息大数据管理、路政业务实施管理提供新模式,将服务于“智能交通”,提升道路管理水平,一本通过两种方式实现:
(1)道路数据处理与专题数据库建立 依据公路数据采集和应用管理需求,以三维激光点云与全景影像为数据源,结合GIS管理平台,搭建实现“道路数据处理与数据库建立,满足路面病害数据、路产数据快速采集入库和数据管理以及道路施工基础数据的生产和输出。
(2)Web端路网三维智能化管理 道路管理人员可通过Web端管理平台对道路周边违章建筑、障碍物、危险源等关注点进行标注,便于日常管理。基于Web前端页面,综合交通信息,以图表等多种形式呈现数据统计结果,更直观、便捷、准确的获取道路及附属设施的相关统计信息,为管理决策提供强大的数据支持。
需解决的主要技术难题
利用车载激光扫描点云数据进行的处理主要集中点云数据分类和建筑物的立面信息提取。对路面点云自动提取的研究主要集中在利用扫描线数据或者利用路面的部分空间特征进行路面提取,未充分利用移动测量系统所获取的数据和路面的空间形态特征,尚未形成成熟的路面点云自动提取方法
已有算法存在处理过程自动化水平不高、参数繁多等问题,仍需要大量的人工参与,且三维激光扫描技术依然在不断发展,以其独特优势和广泛的应用前景,数据处理与分类算法的需求也越来越急迫。在山区地形,因为地面存在的地物种类繁多,地形起伏较大,在这种复杂环境下的数据处理难度也随之变大。
需要多平台点云数据进行匹配融合,以获得目标地物的多维、多时空点云数据。为了充分利用多源数据中的信息,需要匹配多源点云数据的坐标系并根据同名特征(点、线、面)完成点云的拼接,在体测量模式中,对同一表面的两次测量可能不存在公共点,因此需要研究基于模型或者基于特征的坐标转换方法;平面是一种广泛存在于自然界的规则模型,若能从点云数据中拟合出多个平面,并利用公共平面进行坐标转换,则能避免现有技术中,需要从海量的点云数据中寻找公共点
期望实现的主要技术目标
(1)基于全景数据的道路病害深度学习检测算法开发
深度调研道路路面病害的类别以及分类指标,筛选已有的全景图片, 建立全景道路路面病害数据集。扩充数据集,并利用扩充的数据集训练 卷积神经网络模型,获得针对全景数据的道路病害深度学习检测算法, 实现全景图片中裂缝、坑槽、抛洒物、网纹、剥落等病害的检测。各病害类别总体检测的准确率不低于85%。
(2)基于点云数据的路面损坏深度学习识别算法开发
深度调研路面损坏的类别及分类指标,筛选已有点云数据,建立路 面点云数据病害数据集,实现目标样本的快速标注与扩充。在二维投影 面上对点云进行弱监督学习识别,开发一种深度学习神经网络分类器,
实现路面坑槽、沉陷、拥包等识别分类。各病害类别总体检测的精准率不低于85%。
需求解析
解析单位:“科创中国”科技创新全链条服务生态系统专业科技服务团(北京八月瓜科技有限公司) 解析时间:2022-11-21
张晖
中国电子技术标准化研究院
主任
综合评价
解析单位:“科创中国”科技创新全链条服务生态系统专业科技服务团(北京八月瓜科技有限公司) 解析时间:2022-11-21
张晖
中国电子技术标准化研究院
主任
综合评价
处理进度