CN106087679A - 一种沥青路面病害识别与自动绘图***及其方法 - Google Patents
一种沥青路面病害识别与自动绘图***及其方法 Download PDFInfo
- Publication number
- CN106087679A CN106087679A CN201610675648.8A CN201610675648A CN106087679A CN 106087679 A CN106087679 A CN 106087679A CN 201610675648 A CN201610675648 A CN 201610675648A CN 106087679 A CN106087679 A CN 106087679A
- Authority
- CN
- China
- Prior art keywords
- pavement
- disease
- road surface
- road
- length
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01C—CONSTRUCTION OF, OR SURFACES FOR, ROADS, SPORTS GROUNDS, OR THE LIKE; MACHINES OR AUXILIARY TOOLS FOR CONSTRUCTION OR REPAIR
- E01C23/00—Auxiliary devices or arrangements for constructing, repairing, reconditioning, or taking-up road or like surfaces
- E01C23/01—Devices or auxiliary means for setting-out or checking the configuration of new surfacing, e.g. templates, screed or reference line supports; Applications of apparatus for measuring, indicating, or recording the surface configuration of existing surfacing, e.g. profilographs
Landscapes
- Engineering & Computer Science (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Road Repair (AREA)
Abstract
本发明公开了一种沥青路面病害识别与自动绘图***及其方法。通过道路综合检测车采集沥青路面技术状况原始数据;通过路面工程转换模块将路面技术状况原始数据转化为标准化的工程对象;通过路面病害识别模块对路面病害进行人工识别;通过报表生成模块自动生成路面病害明细表;通过路面病害平面分布CAD图纸自动生成模块从路面病害明细表中提取信息,自动绘制和生成路面病害平面分布CAD图纸。本发明摆脱了以往人工进行路面病害调查和记录,再根据记录信息人工绘制CAD图纸的方法,极大的提高了沥青路面病害识别、分布展示的效率及准确性,生成的路面病害平面分布CAD图纸可直接用于指导沥青路面养护设计及施工,工程应用前景广阔。
Description
技术领域
本发明涉及道路检测与数据应用领域,尤其涉及一种沥青路面病害识别与自动绘图***及其方法。
背景技术
随着公路路况自动化快速检测技术的发展,道路综合检测车在我国各省份的公路行业主管部门、营运单位均有了广泛的运用。道路综合检测车所检测的路面平整度IRI、车辙RDI、破损PCI等三大技术状况指标,在国家及各省份干线公路路况普查、道路路面使用性能评价等方面发挥了重要的作用。从数据形式看,路面平整度、车辙原始数据为结构化的数字数据,路面破损原始数据为非结构化的图片数据,而作为检测结果的路面技术状况检测指标IRI、RDI和PCI均为结构化的数字数据。目前,路面技术状况检测指标主要用于路网级的路况性能评价,对道路管理者来说,能够为养护科学决策的制定提供一定的技术参考,但对于道路养护设计、施工者来说,由于数字形式的路面破损指标PCI无法展示路面病害在道路中的实际分布情况,大多数养护设计单位在设计路面养护方案之前,还需人工再进行路面病害详细调查,最后将人工汇总的调查结果再人工绘制成路面病害平面分布CAD图纸。实际上,路面破损指标PCI的得出,本身已是在道路综合检测车采集的路面图片基础上进行病害识别的结果,只是由于技术手段的制约,病害识别的痕迹未能得以保存,识别结果未能有效得得以利用。可见,这种路网评价时利用道路综合检测车检测一次路况,而在养护设计时再人工调查一次路面病害的做法,一方面,是对道路综合检测车路况检测数据的极大浪费;另一方面,人工路面病害调查的准确性及安全性均不及道路综合检测车,且存在重复性劳动,“机器换人”不够彻底。
因此,如何对道路综合检测车采集得来的路面最真实数据进行深入挖掘,利用技术的手段充分展示路面病害的人工识别痕迹,直接将识别出的路面病害用于路面病害平面分布CAD图纸生成,可完全避免养护设计前的路面病害重复调查工作,最大化利用了路面自动化快速检测数据的价值,是本发明的背景和初衷。
发明内容
基于此,有必要提供一种沥青路面病害识别与自动绘图***及其方法。
一种沥青路面病害识别与自动绘图***,包括路面工程转换模块、路面病害识别模块、报表生成模块和路面病害平面分布CAD图纸自动生成模块;
路面工程转换模块用于将路面技术状况数据转化为可识别的工程对象,路面病害识别模块用于人工识别路面图片中的病害信息,报表生成模块用于将人工病害识别结果生成excel表,路面病害CAD自动生成模块用于根据excel表自动绘制和生成路面病害平面分布CAD图纸。
所述***还包括道路综合检测车,道路综合检测车用于采集路面技术状况数据,包括结构化的路面平整度、车辙数据和非结构化的沥青路面图片。
所述的包括道路综合检测车包括所述的道路综合检测车包括载车、路面平整度电激光传感器、路面车辙线激光传感器、路面病害面阵相机、道路景观高清摄像头、轴编码器、传感器工控机、GPS装置和车载发电机,两个路面平整度电激光传感器安装于载车后保险杠下横梁内,左右轮迹带位置各一个,垂直于路面;两组路面车辙线激光传感器安装于载车中后部垂直梁内,左右轮迹带位置各两个,分别用于线激光的发射和接收,分别与路面成45度角和60度角;两个路面病害面阵相机安装于载车后顶部支架末端,垂直于路面;两个景观高清摄像头安装于载车驾驶室顶部,与路面平行;一个轴编码器安装于载车右后轮钢圈外部,与路面垂直;四个工控机安装于载车中后排坐位处的支架内;一个GPS装置安装于载车顶部中间位置;一个车载发电机安装于载车后排坐位处,工控机支架后方。
一种沥青路面病害识别与自动绘图方法:
1)通过道路综合检测车,对待绘图沥青路面所有车道进行路况数据采集,得到涵盖所有车道的路面真实技术状况原始数据,所述的路面真实技术状况原始数据包括距离信息、结构化的路面平整度和车辙数据、非结构化的路面图片数据;
2)通过路面工程转换模块将路面技术状况原始数据转换成可识别的标准工程对象,转换过程为:以路面技术状况原始数据中包含的距离信息为统一标准,以SQL数据库为载体,分别将路面平整度、车辙数据导入SQL数据库中,将路面图片以里程长度为单位,每10公里生成一个标准文件夹,该文件夹中全部为路面病害识别模块可识别的标准像素的路面图片;
3)路面病害识别模块对工程对象中非结构化的路面病害图片逐一进行拉框识别,以确定路面病害的尺寸(面积或长度)、起止点坐标、类型及严重程度;对病害拉框识别的尺寸(面积或长度)进行计算和保存,计算方法为:裂缝类病害计算拉框对角线的长度作为裂缝的长度,修补类病害计算拉框长度和宽度,得出病害面积;
5)通过报表自动生成模块,将车道信息、距离(桩号)信息、路面平整度数据、车辙数据、路面病害的尺寸、起止点坐标、病害类型数据自动生成excel格式的路面病害明细表;
6)路面病害平面分布CAD图纸自动生成模块将路面病害明细表中的信息还原至路面平面结构图中,还原方法为:首先定义不同类型路面病害对应的名称和标注样式,以路面车道宽度(3.75m)为路面平面结构图宽度,以车道路面的长度为横坐标,结合病害明细表中存在的病害距离(桩号)信息、尺寸和起止点坐标,以定义好的病害类型名称和标注样式将路面病害显示在标准的路面平面结构图中,以1公里为单元,生成一张路面病害平面分布CAD图纸。
7)路面病害平面分布CAD图纸自动生成模块将路面病害明细表中的信息自动统计成以1公里为单元的路面病害明细统计表,表中详细显示了该公里单元内路面各类病害的数量、面积及合计的数量、面积,更加直观的对路面病害平面分布内容进行补充和验证。
所述的步骤3)具体方法为:依据《公路技术状况评定标准》JTG H20-2007,对路面图片中发现的路面病害尺寸、范围通过拉框的方式进行确定,对病害类型、严重程度进行标识,对拉框的面积或长度进行计算,计算方法为:裂缝类病害计算拉框对角线的长度作为裂缝的长度,修补类病害计算拉框长度和宽度,得出病害面积;并对拉框痕迹、面积或长度进行保存。
所述的步骤5)中的路面病害明细表记录和保存了每一处识别到的路面病害所处位置、类型、尺寸、起止点坐标、严重程度,对于裂缝类病害,所述的尺寸为裂缝的长度;对于修补类病害,所述的尺寸为病害面积。
所述路面病害平面分布CAD图纸内容包括:路面病害类型名称及标注样式、路面病害平面分布、病害情况明细统计表,以及工程名称、路段方向、起终点桩号、车道标线、车道长度和绘制单位信息等附属信息,。图纸采用标准CAD工程图纸样式,可以通用的CAD软件或CAD阅读器读取打开,图纸生成前,可根据需要设置图纸中显示的路段长度或车道数量。
所述的路面病害平面分布CAD图纸自动生成模块可选择显示路面行车方向(上行或下行)和车道数量(单车道或双车道或多车道),并可进行打印。
本发明与现有技术相比所具有的有益效果是:
1、直接利用道路综合检测车采集的路面图片进行数据分析,无需在养护设计前再进行重复性的路面病害人工调查。
2、可将国内所有型号道路综合检测车采集的数据生成标准的工程对象后进行数据分析。
3、人工逐一识别路面所有车道中的病害,病害尺寸自动计算,病害识别全方位覆盖,效率及准确性高,安全性好。
4、路面病害识别痕迹可以永久保存,便于路面破损指标PCI的溯源。
5、利用路面病害的识别结果,可自动生成excel格式的路面病害明细表。
6、可自动绘制生成路面病害平面分布CAD图纸,摒弃了人工利用CAD软件进行绘图的传统方式,绘图效率及准确性高极大提高。
7、将沥青路面自动化路况检测的数据延伸运用至养护设计、施工阶段,充分挖掘利用了路况检测数据的价值,真正实现了“机器换人”。
附图说明
图1为沥青路面病害识别与自动绘图***示意图;
图2为沥青路面病害人工拉框识别痕迹;
图3为自动生成的沥青路面病害平面分布CAD工程图纸(单车道显示);
图4为图3所示路面病害平面分布CAD工程图纸的路面病害明细统计表;
图5为自动生成的沥青路面病害平面分布CAD工程图纸(双车道显示);
图6为检测车结构示意图。
具体实施方式
下面结合附图和实施例对本申请做进一步的说明。
如图1所示,本发明的一种沥青路面病害识别与自动绘图***,包括路面工程转换模块、路面病害识别模块、报表生成模块和路面病害CAD自动生成模块;
路面工程转换模块用于将路面技术状况数据转化为可识别的工程对象,路面病害识别模块用于人工识别路面图片中的病害信息,报表生成模块用于将人工病害识别结果生成excel表,路面病害平面分布CAD图纸自动生成模块用于根据excel表自动绘制和生成路面病害平面分布CAD图纸。
所述的路面技术状况数据,包括结构化的路面平整度、车辙数据和非结构化的沥青路面图片(JPG格式),可以是数据库中已经采集的数据、新采集的数据或购买的数据。优选的,本发明的***还包括道路综合检测车,道路综合检测车用于采集路面技术状况数据。
如图6所示,所述的道路综合检测车包括载车、路面平整度电激光传感器5、路面车辙线激光传感器6、路面病害面阵相机7、道路景观高清摄像头8、轴编码器、传感器工控机、GPS装置和车载发电机,两个路面平整度电激光传感器5安装于载车后保险杠下横梁内,左右轮迹带位置各一个,垂直于路面;两组路面车辙线激光传感器6安装于载车中后部垂直梁内,左右轮迹带位置各两个,分别用于线激光的发射和接收,分别与路面成45度角和60度角;两个路面病害面阵相机7安装于载车后顶部支架末端,垂直于路面;两个景观高清摄像头8安装于载车驾驶室顶部,与路面平行;一个轴编码器安装于载车右后轮钢圈外部,与路面垂直;四个工控机安装于载车中后排坐位处的支架内;一个GPS装置安装于载车顶部中间位置;一个车载发电机安装于载车后排坐位处,工控机支架后方。
如图1所示,本发明公开了一种沥青路面病害识别与自动绘图方法:
1)通过道路综合检测车,对待绘图沥青路面所有车道进行路况数据采集,得到涵盖所有车道的路面真实技术状况原始数据,所述的路面真实技术状况原始数据包括距离信息、结构化的路面平整度和车辙数据、非结构化的路面图片数据;
2)通过路面工程转换模块将路面技术状况原始数据转换成可识别的标准工程对象,转换过程为:以路面技术状况原始数据中包含的距离信息为统一标准,以SQL数据库为载体,分别将路面平整度、车辙数据导入SQL数据库中,将路面图片以里程长度为单位,每10公里生成一个标准文件夹,该文件夹中全部为路面病害识别模块可识别的标准像素的路面图片;
3)路面病害识别模块对工程对象中非结构化的路面病害图片逐一进行拉框识别,以确定路面病害的尺寸(面积或长度)、起止点坐标、类型及严重程度;对病害拉框识别的尺寸(面积或长度)进行计算和保存,计算方法为:裂缝类病害计算拉框对角线的长度作为裂缝的长度,修补类病害计算拉框长度和宽度,得出病害面积;
4)通过报表自动生成模块,将车道信息、距离信息、路面平整度数据、车辙数据、路面病害的尺寸、起止点坐标和类型数据自动生成excel格式的路面病害明细表;
5)路面病害平面分布CAD图纸自动生成模块将路面病害明细表中的路面病害信息还原至路面平面结构图中,还原方法为:首先定义不同类型路面病害对应的名称和标注样式,以路面车道宽度(3.75m)为路面平面结构图宽度,以车道路面的长度为横坐标,结合病害明细表中存在的病害距离信息,尺寸和起止点坐标,以定义好的病害类型名称和标注样式将路面病害显示在路面平面结构图中,以1公里为单元,生成一张路面病害平面分布CAD图纸。该图纸可直接作为沥青路面养护设计和施工的参考依据。
优选的,对非结构化的路面病害图片逐一进行拉框识别可依据《公路技术状况评定标准》JTG H20-2007,对路面图片中发现的路面病害尺寸、范围通过人工拉框的方式进行确定,对病害类型、严重程度进行标识,拉框面积或长度自动进行计算,本发明实施例中病害类型分为裂缝类病害和修补类病害,其中裂缝类病害有横向裂缝、纵向裂缝、龟裂、块状裂缝;修补类病害有裂缝修补和块状修补。
对拉框的面积或长度进行计算的方法为:裂缝类病害计算拉框对角线的长度作为病害的长度,修补类病害计算拉框长度和宽度,得出病害面积;并对拉框痕迹、、起止点坐标、面积或长度进行保存。
路面病害明细表记录和保存了每一处识别到的路面病害所处位置(桩号)、类型、尺寸、起止点坐标、严重程度,对于裂缝类病害,所述的尺寸为病害的长度;对于修补类病害,所述的尺寸为病害面积。
优选的,所述路面病害平面分布CAD图纸内容包括:路面病害类型名称及标注样式、路面病害平面分布、病害情况明细统计表,以及工程名称、路段方向、起终点桩号、车道标线、车道长度和绘制单位信息等附属信息。图纸采用标准CAD工程图纸样式,可以通用的CAD软件或CAD阅读器读取打开,图纸生成前,可根据需要设置图纸中显示的路段长度或车道数量。
优选的,所述的路面病害平面分布CAD图纸自动生成模块可选择显示路面行车方向(上行或下行)和车道数量(单车道或双车道或多车道),并可进行打印。
图2示出了沥青路面病害人工拉框识别的痕迹及识别结果。图中的路面病害类型为横向裂缝。
图3示出了单车道沥青路面病害平面分布CAD图纸的展示内容,
在图3的中间部位显示了单车道的道路病害状况分布图,以双排显示。
在图3的下部列出了各种道路路面病害类型对应的名称和标注样式。
图4的显示了图3所示CAD图纸的路面病害情况明细统计表,表中详细显示了该公里单元内路面各类病害的数量、面积及合计的数量、面积,更加直观的对路面病害平面分布内容进行补充和验证。
图3和图4所述的内容,以及工程名称、路段方向、起终点桩号、车道标线、车道长度和绘制单位信息等附属信息优选的可在同一张CAD图纸上显示。
同时,可根据需要,按路幅、方向(上行或下行)或车道进行标准CAD工程图纸生成,图5示出了双车道沥青路面病害平面分布CAD工程图纸。
Claims (8)
1.一种沥青路面病害识别与自动绘图***,其特征在于:
包括路面工程转换模块、路面病害识别模块、报表生成模块和路面病害平面分布CAD图纸自动生成模块;
路面工程转换模块用于将路面技术状况数据转化为可识别的工程对象,路面病害识别模块用于识别路面图片中的病害信息,报表生成模块用于将病害识别结果生成excel表,路面病害平面分布CAD图纸自动生成模块用于根据excel表自动绘制和生成路面病害平面分布CAD图纸。
2.根据权利要求1所述的一种沥青路面病害识别与自动绘图***,其特征在于所述***还包括道路综合检测车,道路综合检测车用于采集路面技术状况数据,包括结构化的路面平整度、车辙数据和非结构化的沥青路面图片。
3.根据权利要求1所述的一种沥青路面病害识别与自动绘图***,其特征在于所述的道路综合检测车包括载车、路面平整度电激光传感器(5)、路面车辙线激光传感器(6)、路面病害面阵相机(7)、道路景观高清摄像头(8)、轴编码器、传感器工控机、GPS装置和车载发电机,两个路面平整度电激光传感器(5)安装于载车后保险杠下横梁内,左右轮迹带位置各一个,垂直于路面;两组路面车辙线激光传感器(6)安装于载车中后部垂直梁内,左右轮迹带位置各两个,分别用于线激光的发射和接收,分别与路面成45度角和60度角;两个路面病害面阵相机(7)安装于载车后顶部支架末端,垂直于路面;两个景观高清摄像头(8)安装于载车驾驶室顶部,与路面平行;一个轴编码器安装于载车右后轮钢圈外部,与路面垂直;四个工控机安装于载车中后排坐位处的支架内;一个GPS装置安装于载车顶部中间位置;一个车载发电机安装于载车后排坐位处,工控机支架后方。
4.一种沥青路面病害识别与自动绘图方法,其特征在于:
1)通过道路综合检测车,对待绘图沥青路面所有车道进行路况数据采集,得到涵盖所有车道的路面真实技术状况原始数据,所述的路面真实技术状况原始数据包括距离信息、结构化的路面平整度和车辙数据、非结构化的路面图片数据;
2)通过路面工程转换模块将路面技术状况原始数据转换成可识别的标准工程对象,转换过程为:以路面技术状况原始数据中包含的距离信息为统一标准,以SQL数据库为载体,分别将路面平整度、车辙数据导入SQL数据库中,将路面图片以里程长度为单位,每10公里生成一个标准文件夹,该文件夹中全部为路面病害识别模块可识别的标准像素的路面图片;
3)路面病害识别模块对工程对象中非结构化的路面病害图片逐一进行拉框识别,以确定路面病害的尺寸、起止点坐标、类型及严重程度;对病害拉框识别的尺寸进行计算和保存,计算方法为:裂缝类病害计算拉框对角线的长度作为病害的长度,修补类病害计算拉框长度和宽度,得出病害面积;
5)报表生成模块将车道信息、距离信息、路面平整度数据、车辙数据、路面病害的尺寸、起止点坐标、病害类型数据生成excel格式的路面病害明细表;
6)路面病害平面分布CAD图纸自动生成模块将路面病害明细表中的信息还原至路面平面结构图中,还原方法为:首先定义不同类型路面病害对应的名称和标注样式,以路面车道宽度为路面平面结构图宽度,以车道路面的长度为横坐标,结合病害明细表中存在的病害距离信息、尺寸和起止点坐标,以定义好的病害类型名称和标注样式将路面病害显示在标准的路面平面结构图中,以1公里为单元,生成一张路面病害平面分布CAD图纸;
7)路面病害平面分布CAD图纸自动生成模块将路面病害明细表中的信息自动统计成以1公里为单元的路面病害明细统计表,表中显示该公里单元内路面各类病害的数量、面积及合计的数量、面积。
5.根据权利要求4所述的沥青路面病害识别与自动绘图方法,其特征在于所述的步骤3)具体方法为:依据《公路技术状况评定标准》JTG H20-2007,对路面图片中发现的路面病害尺寸、范围通过拉框的方式进行确定,对病害类型、严重程度进行标识,对拉框面积或长度进行计算,计算方法为:裂缝类病害计算拉框对角线的长度作为病害的长度,修补类病害计算拉框长度和宽度,得出病害面积;并对拉框痕迹、面积或长度进行保存。
6.根据权利要求4所述的沥青路面病害识别与自动绘图方法,其特征在于所述的步骤5)中的路面病害明细表记录和保存了每一处识别到的路面病害所处位置、类型、尺寸、起止点坐标、严重程度,对于裂缝类病害,所述的尺寸为裂缝的长度;对于修补类病害,所述的尺寸为病害面积。
7.根据权利要求4所述的沥青路面病害识别与自动绘图方法,其特征在于所述路面病害平面分布CAD图纸内容包括:路面病害类型名称及标注样式、路面病害平面分布、病害情况明细统计表,以及工程名称、路段方向、起终点桩号、车道标线、车道长度和绘制单位信息;图纸采用标准CAD工程图纸样式,可以通用的CAD软件或CAD阅读器读取打开,图纸生成前,可根据需要设置图纸中显示的路段长度或车道数量。
8.根据权利要求4所述的沥青路面病害识别与自动绘图方法,其特征在于所述的路面病害平面分布CAD图纸自动生成模块可选择显示路面行车方向和车道数量,并可进行打印。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610675648.8A CN106087679B (zh) | 2016-08-15 | 2016-08-15 | 一种沥青路面病害识别与自动绘图***及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610675648.8A CN106087679B (zh) | 2016-08-15 | 2016-08-15 | 一种沥青路面病害识别与自动绘图***及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106087679A true CN106087679A (zh) | 2016-11-09 |
CN106087679B CN106087679B (zh) | 2018-03-16 |
Family
ID=58070777
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610675648.8A Active CN106087679B (zh) | 2016-08-15 | 2016-08-15 | 一种沥青路面病害识别与自动绘图***及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106087679B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106844527A (zh) * | 2016-12-29 | 2017-06-13 | 武汉理工大学 | 一种基于互联网大数据的路面病害识别与管养决策方法及*** |
CN110161078A (zh) * | 2019-05-13 | 2019-08-23 | 安徽建筑大学 | 一种针对改性沥青路面的红外探伤的检测及评价方法 |
CN110633484A (zh) * | 2019-06-17 | 2019-12-31 | 重庆海特科技发展有限公司 | 桥梁病害示意图的生成方法和装置 |
CN111041954A (zh) * | 2019-12-26 | 2020-04-21 | 长安大学 | 一种沥青路面病害识别及修补装置 |
CN111583362A (zh) * | 2020-04-30 | 2020-08-25 | 东南大学 | 一种沥青路面病害状况检测的可视化记录方法 |
CN113215940A (zh) * | 2021-04-30 | 2021-08-06 | 浙江数智交院科技股份有限公司 | 一种路面检测展示方法、服务器及*** |
CN114004950A (zh) * | 2021-10-29 | 2022-02-01 | 深圳大学 | 一种基于BIM与LiDAR技术的路面病害智能识别与管理方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101565925A (zh) * | 2009-05-13 | 2009-10-28 | 河南省高等级公路养护工程研究中心 | 路面病害调查处理方法 |
CN104164829A (zh) * | 2014-08-04 | 2014-11-26 | 武汉景行致远科技有限公司 | 基于移动终端的路面平整度检测方法和智能路面信息实时监测*** |
CN105320962A (zh) * | 2015-10-21 | 2016-02-10 | 东南大学 | 一种基于分类器集成的路面破损类型识别方法 |
CN105350437A (zh) * | 2015-11-22 | 2016-02-24 | 华北水利水电大学 | 一种沥青路面病害检测装置和方法 |
CN205188773U (zh) * | 2015-12-10 | 2016-04-27 | 王峰 | 一种公路表面破损自动采集装置 |
CN205399161U (zh) * | 2016-03-10 | 2016-07-27 | 浙江省交通集团检测科技有限公司 | 道路检测数据存储备份与技术状况分布展示*** |
CN105839505A (zh) * | 2016-03-18 | 2016-08-10 | 交通运输部科学研究院 | 一种三维可视化的路面破损信息的检测方法及检测装置 |
-
2016
- 2016-08-15 CN CN201610675648.8A patent/CN106087679B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101565925A (zh) * | 2009-05-13 | 2009-10-28 | 河南省高等级公路养护工程研究中心 | 路面病害调查处理方法 |
CN104164829A (zh) * | 2014-08-04 | 2014-11-26 | 武汉景行致远科技有限公司 | 基于移动终端的路面平整度检测方法和智能路面信息实时监测*** |
CN105320962A (zh) * | 2015-10-21 | 2016-02-10 | 东南大学 | 一种基于分类器集成的路面破损类型识别方法 |
CN105350437A (zh) * | 2015-11-22 | 2016-02-24 | 华北水利水电大学 | 一种沥青路面病害检测装置和方法 |
CN205188773U (zh) * | 2015-12-10 | 2016-04-27 | 王峰 | 一种公路表面破损自动采集装置 |
CN205399161U (zh) * | 2016-03-10 | 2016-07-27 | 浙江省交通集团检测科技有限公司 | 道路检测数据存储备份与技术状况分布展示*** |
CN105839505A (zh) * | 2016-03-18 | 2016-08-10 | 交通运输部科学研究院 | 一种三维可视化的路面破损信息的检测方法及检测装置 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106844527A (zh) * | 2016-12-29 | 2017-06-13 | 武汉理工大学 | 一种基于互联网大数据的路面病害识别与管养决策方法及*** |
CN106844527B (zh) * | 2016-12-29 | 2020-05-05 | 武汉理工大学 | 一种基于互联网大数据的路面病害识别与管养决策方法及*** |
CN110161078A (zh) * | 2019-05-13 | 2019-08-23 | 安徽建筑大学 | 一种针对改性沥青路面的红外探伤的检测及评价方法 |
CN110161078B (zh) * | 2019-05-13 | 2021-09-10 | 安徽建筑大学 | 一种针对改性沥青路面的红外探伤的检测及评价方法 |
CN110633484A (zh) * | 2019-06-17 | 2019-12-31 | 重庆海特科技发展有限公司 | 桥梁病害示意图的生成方法和装置 |
CN111041954A (zh) * | 2019-12-26 | 2020-04-21 | 长安大学 | 一种沥青路面病害识别及修补装置 |
CN111041954B (zh) * | 2019-12-26 | 2021-12-28 | 长安大学 | 一种沥青路面病害识别及修补装置 |
CN111583362A (zh) * | 2020-04-30 | 2020-08-25 | 东南大学 | 一种沥青路面病害状况检测的可视化记录方法 |
CN113215940A (zh) * | 2021-04-30 | 2021-08-06 | 浙江数智交院科技股份有限公司 | 一种路面检测展示方法、服务器及*** |
CN114004950A (zh) * | 2021-10-29 | 2022-02-01 | 深圳大学 | 一种基于BIM与LiDAR技术的路面病害智能识别与管理方法 |
CN114004950B (zh) * | 2021-10-29 | 2024-01-19 | 深圳大学 | 一种基于BIM与LiDAR技术的路面病害智能识别与管理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106087679B (zh) | 2018-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106087679B (zh) | 一种沥青路面病害识别与自动绘图***及其方法 | |
CN104914108B (zh) | 基于机器视觉的高速公路隧道检测车*** | |
CN103714363B (zh) | 一种机动车尾气烟度视频识别*** | |
CN106296814B (zh) | 公路养护检测与可视化交互方法和*** | |
CN103955923B (zh) | 一种快速的基于图像的路面病害检测方法 | |
CN103714343B (zh) | 线激光器照明条件下双线阵相机采集的路面图像拼接及匀化方法 | |
Lei et al. | Automated pavement distress detection and deterioration analysis using street view map | |
CN113780312A (zh) | 一种高速公路路面状况检测*** | |
CN109782364B (zh) | 基于机器视觉的交通标志牌缺失检测方法 | |
CN103778681A (zh) | 一种车载高速公路巡检***及数据获取和处理方法 | |
CN103854320A (zh) | 基于激光雷达的车型自动识别装置及其识别方法 | |
CN110222593A (zh) | 一种基于小规模神经网络的车辆实时检测方法 | |
CN110021167A (zh) | 一种高速公路云巡查***及数据处理方法 | |
CN116168356B (zh) | 一种基于计算机视觉的车辆损伤判别方法 | |
CN113903008A (zh) | 基于深度学习和轨迹跟踪的匝道出口车辆违法识别方法 | |
Li et al. | RoadID: a dedicated deep convolutional neural network for multipavement distress detection | |
CN207489268U (zh) | 一种高速公路双向连通服务区停车位检测*** | |
CN204314053U (zh) | 智能移动式照明测量与管理*** | |
Alshammari et al. | 3Pod: Federated Learning-based 3 Dimensional Pothole Detection for Smart Transportation | |
CN104331708B (zh) | 一种人行横道线自动检测分析方法及*** | |
CN116087198B (zh) | 一种公路路面状况数据采集设备及其自动化快速检测*** | |
CN105279488A (zh) | 一种公路视频巡检的里程标识牌自动识别方法 | |
CN201203419Y (zh) | 城市交叉路口车辆排队长度的单帧图像检测装置 | |
Tsai et al. | A remote sensing and GIS-enabled asset management system (RS-GAMS): phase 2. | |
Li et al. | Road Damage Evaluation via Stereo Camera and Deep Learning Neural Network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |