-
题名小波域内基于块的路面破损检测算法
被引量：1
- 1
-
-
作者
张雷
马建
宋宏勋
-
机构
长安大学汽车学院
长安大学光电技术研究所
-
出处
《郑州大学学报（工学版）》
CAS
北大核心
2009年第3期48-51,共4页
-
基金
西部交通科技项目(200431881213)
-
文摘
提出了一种小波域内基于块的路面破损检测算法.路面图像经过去噪、增强等预处理后,通过hear小波变换,在最高层中对近似分量进行自适应阈值分割得到路面破损的初始区域.在其他各层中,从高层到低层依次只针对路面破损区域进一步分块分割处理,得到路面破损的准确检测.仿真实验表明,提出的算法可以很好地克服噪声影响,对不同的路面破损类型,都具有很好的路面破损分割效果.
-
关键词
路面破损检测
小波变换
分块处理
图像分割
-
Keywords
pavement distress detection
wavelet transform
tile processing
image segmentation
-
分类号
TP274.4
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名路面破损智能检测与分析算法研究进展
- 2
-
-
作者
董是
芮晓芳
左琛
汪海年
-
机构
长安大学运输工程学院
长安大学道路基础设施数字化教育部工程研究中心
长安大学公路学院
-
出处
《东南大学学报(自然科学版)》
北大核心
2025年第4期1131-1153,共23页
-
基金
国家重点研发计划资助项目(231111520200)
国家自然科学基金面上资助项目(52478435)
国家自然科学基金资助项目(52108395).
-
文摘
分析了路面破损智能检测研究的最新进展及发展趋势,对路面破损检测技术、搭载设备及智能分析算法进行了总结归纳。基于不同的能量形式,现行路面破损智能检测技术主要分为力学、光学、声学、热学和电磁学五大类别;依托激光扫描和超声波等先进技术的检测方法已取得重要进展,不同技术手段的优化组合与协同应用成为该领域的核心研究方向。从设备搭载方式来看,目前路面检测主要依托专业检测车、商用车、无人机以及卫星遥感等平台,并搭载多种类型的数据采集设备;检测设备的发展呈现出多元化、轻量化和高度集成化的特点,这一趋势已成为推动该领域技术创新与进步的重要驱动力。在破损智能分析算法方面,随着深度学习架构的持续演进,从经典CNN架构、Multi‐modal架构、Backbone‐neck‐head架构、Encoder‐decoder架构到Vision transformer架构,相关算法在路面破损检测中的创新研究取得了系统性突破,为智能检测算法的未来发展方向提供了重要参考。
-
关键词
道路工程
路面破损检测
搭载设备
智能分析算法
深度学习
-
Keywords
road engineering
pavement damage detection
loaded device
intelligent analysis algorithms
deep learning
-
分类号
U418.6
[交通运输工程—道路与铁道工程]
-
-
题名基于图象子块分布特性的路面破损图象特征提取
被引量：6
- 3
-
-
作者
黄卫
肖旺新
路小波
封晓强
刘志刚
-
机构
东南大学
嘉应学院
-
出处
《土木工程学报》
EI
CSCD
北大核心
2005年第10期54-60,共7页
-
文摘
由于路面破损形式的多种多样,造成路面破损分类[1]成为一大难题,这极大的限制了路面破损自动检测的普及和发展,使得路面破损自动检测即使在发达国家也普及得不够理想。本文在前文提出的破损密度因子的基础上,进一步设计了出方向密度因子,得到一种基于图象子块分布特性的路面破损识别算法。通过仿真,验证了其对常见的5种路面破损类型进行分类的可行性。为了进一步验证我们提出的识别算法,论文选择了另外一种路面破损分类算法,即PROXIMITY算法进行神经网络仿真对比。神经网络的训练样本是两组,测试样本也是两组,进行了四次仿真对比。四次仿真结果都显示方向密度因子算法优于PROXIMITY算法。
-
关键词
模式识别
路面破损自动检测
特征提取
方向密度因子
-
Keywords
pattern recognition
automatic pavement crack detection
feature extraction
DIRECTIONAL DENSITY FACCTOR
-
分类号
O416
[理学—理论物理]
U418
[交通运输工程—道路与铁道工程]
-
-
题名基于分裂合并算法的道路标线分割方法研究
被引量：6
- 4
-
-
作者
王健
王润民
惠飞
赵祥模
杜枫
-
机构
长安大学信息工程学院
长安大学现代工程训练中心
中国机械工业集团有限公司综合管理部
-
出处
《计算机应用研究》
CSCD
北大核心
2014年第12期3880-3884,共5页
-
基金
国家自然科学基金资助项目(51278058
60902075)
+1 种基金
国家物联网重大示范工程科研项目(2012-364-812-105)
中央高校基本科研业务费专项资金资助项目(2013G5240009)
-
文摘
针对现有的道路标线分割方法在阴影、光照、裂缝等干扰下存在分割精度不足的问题,提出了基于分裂合并算法的道路标线分割方法。该方法通过分析道路标线图像的灰度、边缘、纹理特征,首先采用Bresenham算法进行道路标线有无判定,并根据道路标线边缘实现路面检测图像标线区域和非标线区域的分裂,然后采用基于重心连线灰度值的区域合并和基于灰度与直线边缘特征的区域合并两种方法进行道路标线区域合并,最终完成道路标线的准确分割。实验表明,该方法分割精度较高,具有良好的抗噪性能,能够很好地满足道路检测车采集图像实时处理的需求。
-
关键词
路面破损检测
道路标线
图像分割
BRESENHAM算法
重心连线
边缘特征
灰度特征
-
Keywords
pavement damage detection
road marking
image segmentation
Bresenham algorithm
center of gravity lines
edge feature
gray feature
-
分类号
TP751.1
[自动化与计算机技术—检测技术与自动化装置]
-
