CN106758715B - 一种基于图像识别结果的路面小修工程量的测算方法 - Google Patents
一种基于图像识别结果的路面小修工程量的测算方法 Download PDFInfo
- Publication number
- CN106758715B CN106758715B CN201710050204.XA CN201710050204A CN106758715B CN 106758715 B CN106758715 B CN 106758715B CN 201710050204 A CN201710050204 A CN 201710050204A CN 106758715 B CN106758715 B CN 106758715B
- Authority
- CN
- China
- Prior art keywords
- crack
- road surface
- pavement
- image
- project amount
- 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.)
- Active
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)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了提供一种基于图像识别结果的路面小修工程量的测算方法,包括:通过图像采集和识别设备,根据破损参数识别并分别运算单张路面图像中,裂缝类路面各种类型的破损数量;确定检测路段起、终点桩号范围,运算检测路段范围内所有路面图像中裂缝类路面破损的数量总和;通过所述计算的检测路段裂缝类路面破损数量总和,与全幅换算系数K进行运算,运算检测路段全幅宽度内裂缝类各种类型的路面破损数量总和;通过所述计算的检测路段全幅宽度内,裂缝类路面各种类型的破损数量总和,运算与之匹配的路面小修工程量。相对于现有技术,测量工程量准确度有较大的提高,在后期的人力、物料、工作量和工期进度等方面,分配准确,避免浪费。
Description
技术领域
本发明属于道路养护技术领域,特别是指一种基于图像识别结果的路面小修工程量的测算方法。
背景技术
路面小修工程是指对路面出现的横向或纵向裂缝、块裂、龟裂等路面破损进行养护处理的工程措施,通常将路面维修过程中没有纳入大修、中修的路面破损维修,列入小修工程。通过准确测算路面小修工程量,可以合理预算和分配路面小修工程费用,为日常养护管理提供有效的决策参考。
路面小修工程量的测算通常是采用人工现场调查测量方法,统计检测路段全幅宽度内路面破损的数量。由于公路里程较长,采用人工步行调查效率低下,且路面破损类型较多,调查人员的主观判断差距较大,导致调查测量结果主观性较大,因此传统方法存在准确性差和效率低的问题。
发明内容
有鉴于此,本发明在于提供一种基于图像识别结果的路面小修工程量的测算方法,以解决上述基于人工调查测量方法存在的准确性差和效率低的问题。
为解决上述问题,本发明提供一种基于图像识别结果的路面小修工程量的测算方法,包括:
通过图像采集和识别设备,根据破损参数识别并分别运算单张路面图像中,裂缝类路面各种类型的破损数量;
确定检测路段起、终点桩号范围,运算检测路段范围内所有路面图像中裂缝类路面破损的数量总和;
通过所述计算的检测路段裂缝类路面破损数量总和,与全幅换算系数K进行运算,运算检测路段全幅宽度内裂缝类各种类型的路面破损数量总和;
通过所述计算的检测路段全幅宽度内,裂缝类路面各种类型的破损数量总和,运算与之匹配的路面小修工程量。
优选地,所述裂缝类路面破损类型为:条状裂缝和块状裂缝。
优选地,识别单张路面图像中裂缝类路面各种类型的破损的过程包括:
将路面图像划分为0.1m×0.1m的网格,通过自动识别技术,将包含破损的路面网格标识出来;
对于任意独立的裂缝或裂缝组合,其标识网格形状的任意部位无法覆盖0.3m×0.3m的方形面积,识别为条状裂缝;
对于任意独立的裂缝或裂缝组合,其标识网格形状的任意部位覆盖至少一个0.3m×0.3m的方形面积,识别为块状裂缝。
优选地,全幅换算系数K通过以下公式的运算获得:
K=α×β;
其中,α为检测宽度换算系数,w1为半幅路面宽度,w0为路面图像的检测宽度,β为检测方向换算系数,检测上下行两个行车方向为1,检测单个行车方向为2。
优选地,运算匹配的路面小修工程量包括:
将条状裂缝的长度总和确定为灌缝工程量;将块状裂缝的面积总和确定为挖补工程量。
本发明相对于现有技术中,任意设定识别标准的技术方案,具有识别准确的效果。确定的识别标准,引入识别精度和作业面积这两个参数,从而得到后期的测量结果相对于现有技术,准确度有较大的提高,得到的小修工程量,在后期的人力、物料、工作量和工期进度等方面,分配准确,避免浪费。
附图说明
图1为实施例的流程图;
图2为实施例中拍摄的图像以及识别后的图像;
图3为实施例中双向双车道公路、单向检测的示意图;
图4为实施例中双向双车道公路、双向检测的示意图;
图5为实施例中双向多双车道公路、单向检测的示意图;
图6为实施例中双向多双车道公路、双向检测的示意图。
具体实施方式
为清楚说明本发明中的方案,下面给出优选的实施例并结合附图详细说明。
参见图1,图1为本发明实施例一的流程图,包括以下步骤:
步骤S11:通过图像采集和识别设备,根据破损参数识别并分别运算单张路面图像中,裂缝类路面各种类型的多个破损数量Si;
其中裂缝类路面破损类型包括条状裂缝和块状裂缝;
i=1时,S1等于条状裂缝的长度,i=2时,S2等于块状裂缝的面积;
识别单张路面图像中裂缝类路面破损的过程包括:
将路面图像划分为0.1m×0.1m的网格,通过自动识别技术,将包含破损的路面网格标识出来。
对于任意独立的裂缝或裂缝组合,其标识网格形状的任意部位无法覆盖0.3m×0.3m的方形面积,识别为条状裂缝;
对于任意独立的裂缝或裂缝组合,其标识网格形状的任意部位可以覆盖至少一个0.3m×0.3m的方形面积,识别为块状裂缝;
典型的条状裂缝和块状裂缝示例参见图2;图中左侧为路面图像,图中右侧为识别后的图像,其中,右侧的网格为网格形状标识;
图2对应的路面图像中裂缝类路面破损数量Si见表1;表1为右侧图像中识别后的S1和S2;
表1
路面图像 | 条状裂缝长度S<sub>1</sub>(m) | 块状裂缝面积S<sub>2</sub>(m<sup>2</sup>) |
条状裂缝示例一 | 2.3 | 0 |
条状裂缝示例二 | 6.8 | 0 |
块状裂缝示例一 | 0 | 0.09 |
块状裂缝示例二 | 5.0 | 0.24 |
区分条状裂缝和块状裂缝的目的是选择相适应的小修工程措施,通常条状裂缝采用灌缝措施,块状裂缝采用挖补措施,其识别标准决定了小修工程量测算的准确率。
传统的方法通过人工现场测量,为了统计方便,在路面破损达到一定规模时才计入块状裂缝,通常将需要修补的裂缝随意设定面积,例如,采用0.5m×0.5m标识居多,这样简单的统计裂缝对应的工作量,极不准确,易造成需要进行挖补的小型块状裂缝计入了灌缝措施工程量。
本发明采用的0.3m×0.3m识别标准,根据基于图像识别结果的精度和块状裂缝挖补工艺的机械作业最小面积确定。例如,图像识别精度为0.1m×0.1m的单元格——行业标准的要求,基于路面切割机的适宜切割面积,面积太小不便操作。
表2给出了不同识别标准下典型示例(图2)的识别结果,结果表明,缩小此识别标准,将造成部分条状裂缝误识别为块状裂缝,且面积过小挖补作业不便实施;扩大此识别标准,将使部分块状裂缝识别为条状裂缝,造成小修工程量测算的不准确。
表2
通过上表可以看出,选择0.3m×0.3m后,识别结果正确的最高。采用0.3m×0.3m作为识别标准,相对于现有技术中,任意设定识别标准的技术方案,具有识别准确的效果。确定的识别标准,引入识别精度和作业面积这两个参数,从而得到后期的测量结果相对于现有技术,准确度有较大的提高,得到的小修工程量,在后期的人力、物料、工作量和工期进度等方面,分配准确,避免浪费。
步骤S12:确定检测路段起、终点桩号范围,运算检测路段范围内所有路面图像中裂缝类路面破损的数量总和;
通过输入的检测路段起终点桩号范围[a,b],运算检测路段范围内所有路面图像中裂缝类路面破损的数量总和
对于实例G101起终点桩号范围[110+000,121+065],运算裂缝类路面破损数量总和STi见表3;
表3
步骤S13:通过所述计算的检测路段裂缝类路面破损数量总和,与全幅换算系数K进行运算,运算检测路段全幅宽度内裂缝类各种类型的路面破损数量总和;
通过检测路段裂缝类路面破损数量总和STi,与全幅换算系数K进行运算,运算检测路段全幅宽度内裂缝类路面破损数量总和SWi=K·STi;
全幅换算系数K通过以下公式的运算获得:
K=α·β;
其中,α为检测宽度换算系数,w1为半幅路面宽度,w0为路面图像的检测宽度,β为检测方向换算系数;
图3给出全幅换算系数K的计算实例一:
双向双车道公路,单向检测,α=w1/w0,β=2;
图4给出全幅换算系数K的计算实例二:
双向双车道公路,双向检测,α=w1/w0,β=1;
图5给出全幅换算系数K的计算实例三:
双向多车道公路,单向检测,α=w1/w0,β=2;
图6给出全幅换算系数K的计算实例四:
双向多车道公路,双向检测,α=w1/w0,β=1;
步骤S14:
通过所述计算的检测路段全幅宽度内,裂缝类路面各种类型的破损数量总和,运算与之匹配的路面小修工程量。
通过检测路段全幅宽度内裂缝类路面破损数量总和SWi,运算与之匹配的路面小修工程量,即SMi=SWi。
路面小修工程量包括灌缝工程量和挖补工程量,匹配方法为:
灌缝工程量SM1等于条状裂缝的长度总和SW1,即SM1=SW1;
挖补工程量SM2等于块状裂缝的面积总和SW2,即SM2=SW2;
通过本发明的方法,可实现准确的测算出破损路面的所对应的各种类型的公路破损量,从而可以准确的确定出对应的小修工程量,便于分配相应的物料。
对于本发明各个实施例中所阐述的方案,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种基于图像识别结果的路面小修工程量的测算方法,其特征在于,包括:
通过图像采集和识别设备,根据破损参数识别并分别运算单张路面图像中,裂缝类路面各种类型的破损数量;
确定检测路段起、终点桩号范围,运算检测路段范围内所有路面图像中裂缝类路面破损的数量总和;
通过所述计算的检测路段裂缝类路面破损数量总和,与全幅换算系数K进行运算,运算检测路段全幅宽度内裂缝类各种类型的路面破损数量总和;
通过所述计算的检测路段全幅宽度内,裂缝类路面各种类型的破损数量总和,运算与之匹配的路面小修工程量,所述裂缝类路面破损类型为:条状裂缝和块状裂缝,识别单张路面图像中裂缝类路面各种类型的破损的过程包括:
将路面图像划分为0.1m×0.1m的网格,通过自动识别技术,将包含破损的路面网格标识出来;
对于任意独立的裂缝或裂缝组合,其标识网格形状的任意部位无法覆盖0.3m×0.3m的方形面积,识别为条状裂缝;
对于任意独立的裂缝或裂缝组合,其标识网格形状的任意部位覆盖至少一个0.3m×0.3m的方形面积,识别为块状裂缝。
2.根据权利要求1所述的方法,其特征在于,全幅换算系数K通过以下公式的运算获得:
K=α×β;
其中,α为检测宽度换算系数,w1为半幅路面宽度,w0为路面图像的检测宽度,β为检测方向换算系数,检测上下行两个行车方向为1,检测单个行车方向为2。
3.根据权利要求1所述的方法,其特征在于,运算匹配的路面小修工程量包括:
将条状裂缝的长度总和确定为灌缝工程量;将块状裂缝的面积总和确定为挖补工程量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710050204.XA CN106758715B (zh) | 2017-01-23 | 2017-01-23 | 一种基于图像识别结果的路面小修工程量的测算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710050204.XA CN106758715B (zh) | 2017-01-23 | 2017-01-23 | 一种基于图像识别结果的路面小修工程量的测算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106758715A CN106758715A (zh) | 2017-05-31 |
CN106758715B true CN106758715B (zh) | 2019-01-11 |
Family
ID=58941595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710050204.XA Active CN106758715B (zh) | 2017-01-23 | 2017-01-23 | 一种基于图像识别结果的路面小修工程量的测算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106758715B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111882571A (zh) * | 2020-07-08 | 2020-11-03 | 谢超奇 | 道路修补定量定位数据发送平台及方法 |
CN113780196B (zh) * | 2021-09-15 | 2022-05-31 | 江阴市浩华新型复合材料有限公司 | 异常数据实时上报*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6028948A (en) * | 1997-12-29 | 2000-02-22 | Lockheed Martin Corporation | Surface anomaly-detection and analysis method |
CN1563891A (zh) * | 2004-04-20 | 2005-01-12 | 长安大学 | 一种识别路面裂缝的***和方法 |
CN101929125A (zh) * | 2009-08-21 | 2010-12-29 | 中公高科(北京)养护科技有限公司 | 一种路面车辙检测方法 |
CN104463458A (zh) * | 2014-12-04 | 2015-03-25 | 广东能达高等级公路维护有限公司 | 高速公路日常养护信息化管理*** |
CN106087677A (zh) * | 2016-06-02 | 2016-11-09 | 上海华城工程建设管理有限公司 | 沥青路面裂缝类型自动识别方法 |
-
2017
- 2017-01-23 CN CN201710050204.XA patent/CN106758715B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6028948A (en) * | 1997-12-29 | 2000-02-22 | Lockheed Martin Corporation | Surface anomaly-detection and analysis method |
CN1563891A (zh) * | 2004-04-20 | 2005-01-12 | 长安大学 | 一种识别路面裂缝的***和方法 |
CN101929125A (zh) * | 2009-08-21 | 2010-12-29 | 中公高科(北京)养护科技有限公司 | 一种路面车辙检测方法 |
CN104463458A (zh) * | 2014-12-04 | 2015-03-25 | 广东能达高等级公路维护有限公司 | 高速公路日常养护信息化管理*** |
CN106087677A (zh) * | 2016-06-02 | 2016-11-09 | 上海华城工程建设管理有限公司 | 沥青路面裂缝类型自动识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106758715A (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104459779B (zh) | 一种异常地震道的自动识别的方法和装置 | |
CN104330023B (zh) | 混凝土表面初始开裂信息的采集***与识别方法 | |
CN106758715B (zh) | 一种基于图像识别结果的路面小修工程量的测算方法 | |
CN102012356B (zh) | 一种沥青混凝土路面集料级配的快速检测方法 | |
Selezneva et al. | Characterization of transverse cracking spatial variability: use of long-term pavement performance data for continuously reinforced concrete pavement design | |
CN104483330A (zh) | 混凝土表面裂缝实时监测***与开裂风险的动态评估方法 | |
CN109839439B (zh) | 路桥路面裂缝检测***及其检测方法 | |
CN105911256B (zh) | 量化围岩等级的测试方法 | |
CN103675920A (zh) | 道路基层隐含裂缝深度和水平位置的无损检测方法 | |
CN102305795A (zh) | 一种混凝土表面微小裂缝的定位方法 | |
CN116894610B (zh) | 一种基于混凝土激光整平机的路面整平质量分析管理*** | |
CN116990310B (zh) | 一种基于数据分析的墙体混凝土裂缝监测预警*** | |
CN103969128A (zh) | 一种检测试样弯曲力学性能的方法 | |
Kargah-Ostadi et al. | Evaluation framework for automated pavement distress identification and quantification applications | |
CN114109072B (zh) | 一种用于地下结构表面裂缝的综合定量检测及修复工艺 | |
CN101923651B (zh) | 基于路面图像的破损数据自动识别准确率的校验方法 | |
CN205926342U (zh) | 一种探伤钢材测长分选装置 | |
CN104866975A (zh) | 一种多晶硅锭的质量判定方法 | |
Wang et al. | Automated joint faulting measurement using 3D pavement texture data at 1 mm resolution | |
McRobbie et al. | Developing new methods for the automatic measurement of raveling a traffic-speed | |
Serigos et al. | Evaluation of rut-depth accuracy and precision using different automated measurement systems | |
CN105987834A (zh) | 煤样检测用一体化采制方法及一体化采制*** | |
Simpson et al. | Improving FHWA's Ability to Assess Highway Infrastructure Health: Development of Next Generation Pavement Performance Measures | |
Wright et al. | New methods for network level automated assessment of surface condition in the UK | |
CN106932160A (zh) | 古建筑受荷分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |