[發明專利]一種基于機器視覺的輕量化道路路面檢測方法及系統

在審

• 申請號: 202011566151.5
• 申請日: 2020-12-25
• 公開（公告）號: CN112598066A
• 公開（公告）日: 2021-04-02
• 發明（設計）人: 胡增;鐘生;彭鵬
• 申請（專利權）人: 中用科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T7/00;G06T7/73;G06N20/10;G06N3/04;G06N3/08
• 代理公司: 合肥天明專利事務所(普通合伙) 34115
• 代理人: 高微微

本發明公開了一種基于機器視覺的輕量化道路路面檢測方法及系統，獲取待識別的道路路面圖像，所述道路路面圖像包括路面損壞狀態；對道路路面圖像中的路面損壞位置進行目標框標記，得到道路路面圖像中路面損壞的目標區域；將道路路面圖像輸入到已訓練完成的深度學習模型中，所述深度學習模型包括SVM分類器和回歸器；根據SVM分類器對路面損壞的局部圖像進行圖像處理，得到道路路面的損壞類型；根據回歸器對預測框進行修正，并根據目標區域對錨框進行邊界回歸處理，得到路面損壞位置；采用本輕量化道路路面檢測免去了人工識別的麻煩，提高了識別的效率，能夠適應不同的道路檢測。

技術領域

本發明涉及道路路面檢測技術領域，尤其涉及一種基于機器視覺的輕量化道路路面檢測方法及系統。

背景技術

隨著城市的快速發展，汽車越來越多，從而帶來交通量日益增大，這會造成城市道路的壓力越來越重。由于年久失修、市政管線增設因帶來的反復開挖等等原因，部分道路出現不同程度的損壞，這會給車輛的正常行駛帶來一定的安全隱患。現有的道路檢測方法是采用路面檢測車拍攝路面照片，然后人工分析照片，抽取路面的破損數據。

但是，上述的方法存在下述的問題：

1、通過人工去分析照片，需要用肉眼去識別出路面照片上1毫米以上細小的裂縫，工作強度大，識別的周期長；

人工識別大量的道路照片容易產生判斷失誤，無法得到正確的檢測結果，不利于后續工作的開展。

發明內容

基于背景技術存在的技術問題，本發明提出了一種基于機器視覺的輕量化道路路面檢測方法及系統，免去了人工識別的麻煩，提高了識別的效率，能夠適應不同的道路檢測。

本發明提出的一種基于機器視覺的輕量化道路路面檢測方法，包括：

獲取待識別的道路路面圖像，所述道路路面圖像包括路面損壞狀態；

對道路路面圖像中的路面損壞位置進行目標框標記，得到道路路面圖像中路面損壞的目標區域；

將道路路面圖像輸入到已訓練完成的深度學習模型中，所述深度學習模型包括SVM分類器和回歸器；

根據SVM分類器對路面損壞的局部圖像進行圖像處理，得到道路路面的損壞類型；

根據回歸器對預測框進行修正，并根據目標區域對錨框進行邊界回歸處理，得到路面損壞位置。

進一步地，在對道路路面圖像中的路面損壞位置進行目標框標記，得到道路路面圖像中路面損壞的目標區域之后，對道路路面圖像進行預處理，具體預處理包括：

對道路路面圖像進行數據增強處理，得到增強后的道路路面圖像；

對增強后道路路面圖像數據設定初始錨框，計算路面損壞位置所處的錨框值，該錨框值對應的錨框位置作為預測框；

對增強后道路路面圖像進行自適應縮放，得到同一標準的道路路面圖像。

進一步地，在將道路路面圖像輸入到已訓練完成的深度學習模型中，包括：

對所述道路路面圖像進行切片處理，得到特征向量圖；

對所述特征向量圖進行多次卷積處理，提取道路路面圖像的特征值；

將道路路面圖像的特征值送入SVM分類器中，以輸出道路路面的損壞類型。

進一步地，在根據回歸器對錨框進行修正，并根據目標區域對錨框進行邊界回歸處理，得到路面損壞位置中，其中，對錨框進行邊界回歸處理，具體包括：

利用平移變換和尺度變換對道路路面圖像進行映射，得到預測框對應的預測值；

根據預測值和目標框對應的真實值之間差距最小原則，得到損失函數；