CN110176000A - 道路质量检测方法及装置、存储介质、电子设备 - Google Patents
道路质量检测方法及装置、存储介质、电子设备 Download PDFInfo
- Publication number
- CN110176000A CN110176000A CN201910477425.4A CN201910477425A CN110176000A CN 110176000 A CN110176000 A CN 110176000A CN 201910477425 A CN201910477425 A CN 201910477425A CN 110176000 A CN110176000 A CN 110176000A
- Authority
- CN
- China
- Prior art keywords
- road
- detected
- original image
- quality detection
- testing result
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/168—Segmentation; Edge detection involving transform domain methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20061—Hough transform
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30132—Masonry; Concrete
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例是关于一种道路质量检测方法及装置、存储介质、电子设备,属于道路检测技术领域,该方法包括:获取基于对待检测道路进行扫描得到原始图像,并对所述原始图像进行处理得到待处理特征点;提取所述待处理特征点的预设部分得到目标特征点,并对所述目标特征点进行Hough变换得到识别结果;对所述识别结果进行IPM转换得到所述原始图像的检测结果,并根据所述检测结果判断所述待检测道路的质量。该方法解决了现有技术中需要由技术人员对道路的质量进行评估,使得道路的质量评估的及时性较差,并且由于主观的原因造成评估结果的准确性较差的问题。
Description
技术领域
本发明实施例涉及道路检测技术领域,具体而言,涉及一种道路质量检测方法、道路质量检测装置、计算机可读存储介质以及电子设备。
背景技术
随着汽车工业的迅速发展,汽车的数量越来越多,道路的质量也引起了越来越多人的重视,因此道路质量的检测也显得越来越重要。
在现有的道路质量检测方案中,大多数还是采用传统的人工检测方法,具体的为:由检测人员对道路进行实地测量和记录,再进行统计和分类,最后由技术人员对道路的质量进行评估并制定养护计划。但是,这种传统的检测方法存在如下缺陷:一方面,由于需要检测人员对道路进行实地测量和记录,因此需要耗费较多的人力以及物力,而且对交通有一定的影响,同时检测人员的人身安全也不能完全保证;另一方面,检测人员对道路的实地测量和记录的数据可能会由于人为的原因引起误差,导致数据的准确度较低,进而导致对道路的质量评估结果准确度较低;再一方面,由于需要检测人员对实地测量结果进行统计和分类,最后再由技术人员对道路的质量进行评估并制定养护计划,使得道路的质量评估的及时性较差,并且由于主观的原因造成评估结果的准确性较差。
因此,需要提供一种新的道路质量检测方法。
需要说明的是,在上述背景技术部分发明的信息仅用于加强对本发明的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明的目的在于提供一种道路质量检测方法、道路质量检测装置、计算机可读存储介质以及电子设备,进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的检测结果的准确度较低的问题。
根据本公开的一个方面,提供一种道路质量检测方法,包括:
获取基于对待检测道路进行扫描得到原始图像,并对所述原始图像进行处理得到待处理特征点;
提取所述待处理特征点的预设部分得到目标特征点,并对所述目标特征点进行Hough变换得到识别结果;
对所述识别结果进行IPM转换得到所述原始图像的检测结果,并根据所述检测结果判断所述待检测道路的质量。
在本公开的一种示例性实施例中,获取基于对待检测道路进行拍摄得到原始图像包括:
获取投影终端基于对待检测道路进行扫描得到的原始图像;其中,所述原始图像为与所述待检测道路对应的两条直线。
在本公开的一种示例性实施例中,对所述原始图像进行处理得到待处理特征点包括:
对所述原始图像进行灰度化处理,并对灰度化处理后的原始图像进行二值化处理得到所述待处理特征点。
在本公开的一种示例性实施例中,提取所述待处理特征点的预设部分得到目标特征点,并对所述目标特征点进行Hough变换得到识别结果包括:
提取所述待处理特征点的靠近所述待检测道路的路面近视野区域部分作为所述目标特征点;
对所述目标特征点进行Hough变换得到所述识别结果;其中,所述识别结果为所述目标特征点对应的两条直线段。
在本公开的一种示例性实施例中,对所述识别结果进行IPM转换得到所述原始图像的检测结果,并根据所述检测结果判断所述待检测道路的质量包括:
对所述目标特征点对应的两条直线段进行IPM转换,得到所述原始图像的检测结果;其中,所述检测结果为所述两条直线段之间的位置关系;
如果所述检测结果为所述两条直线段的关系为平行关系,则判断所述待检测道路的质量为良好;
如果所述检测结果为所述两条直线的关系为非平行关系,则计算所述两条直线段之间的夹角,并根据所述夹角的大小判断所述待检测道路的颠簸程度。
在本公开的一种示例性实施例中,根据所述夹角的大小判断所述待检测道路的颠簸程度之后,所述道路质量检测方法还包括:
如果所述颠簸程度大于预设阈值,则根据所述待检测道路的位置信息以及所述颠簸程度生成提示信息,并将所述提示信息发送至后台服务器。
在本公开的一种示例性实施例中,获取投影终端基于对待检测道路进行扫描得到的原始图像包括:
根据所述投影终端的安装高度以及预设投影位置,选择与所述待检测道路对应的预设虚拟平行线;
基于所述预设虚拟平行线以及所述投影终端与所述待检测道路之间的距离,获取所述投影终端基于对待检测道路进行扫描得到的原始图像。
根据本公开的一个方面,提供一种道路质量检测装置,包括:
处理模块,用于获取基于对待检测道路进行扫描得到原始图像,并对所述原始图像进行处理得到待处理特征点;
特征点提取模块,用于提取所述待处理特征点的预设部分得到目标特征点,并对所述目标特征点进行Hough变换得到识别结果;
道路质量判断模块,用于对所述识别结果进行IPM转换得到所述原始图像的检测结果,并根据所述检测结果判断所述待检测道路的质量。
根据本公开的一个方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一项所述的道路质量检测方法。
根据本公开的一个方面,提供一种电子设备,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的道路质量检测方法。
本发明实施例一种道路质量检测方法,通过获取基于对待检测道路进行扫描得到原始图像,并对原始图像进行处理得到待处理特征点;然后提取待处理特征点的预设部分得到目标特征点,并对目标特征点进行Hough变换得到识别结果;再对识别结果进行IPM转换得到原始图像的检测结果,并根据检测结果判断待检测道路的质量;一方面,通过对原始图像进行处理得到待处理特征点;然后提取待处理特征点的预设部分得到目标特征点,并对目标特征点进行Hough变换得到识别结果;再对识别结果进行IPM转换得到原始图像的检测结果,并根据检测结果判断待检测道路的质量,避免了现有技术中由于人为的原因引起误差,导致数据的准确度较低,进而导致对道路的质量评估结果准确度较低的问题,提高了对待检测道路的质量的判断的准确性;另一方面,解决了现有技术中需要通过检测人员对道路进行实地测量和记录,导致需要耗费较多的人力以及物力的问题,节省了人力以及物力资源,同时也提高了检测速度;再一方面,对识别结果进行IPM转换得到原始图像的检测结果,并根据检测结果判断待检测道路的质量,解决了现有技术中需要由技术人员对道路的质量进行评估,使得道路的质量评估的及时性较差,并且由于主观的原因造成评估结果的准确性较差的问题。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示意性示出根据本发明示例实施例的一种道路质量检测方法的流程图。
图2示意性示出根据本发明示例实施例的一种虚拟直线的投射方法示例图。
图3示意性示出根据本发明示例实施例的一种投影装置示例图。
图4示意性示出根据本发明示例实施例的一种投影模板示例图。
图5示意性示出根据本发明示例实施例的一种投影***示例图。
图6示意性示出根据本发明示例实施例的一种投影夹角示例图。
图7示意性示出根据本发明示例实施例的一种投影终端的安装位置示例图。
图8(a)示意性示出根据本发明示例实施例的经过IPM转换后的平坦路面的示例图。
图8(b)示意性示出根据本发明示例实施例的经过IPM转换后的上坡路面的示例图。
图8(c)示意性示出根据本发明示例实施例的经过IPM转换后的下坡路面的示例图。
图9示意性示出根据本发明示例实施例的一种道路质量检测装置的示例图。
图10示意性示出根据本发明示例实施例的一种用于实现上述道路质量检测方法的电子设备。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本发明将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本发明的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本发明的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知技术方案以避免喧宾夺主而使得本发明的各方面变得模糊。
此外,附图仅为本发明的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
本示例实施方式中首先提供了一种道路质量检测方法,该道路质量检测方法可以运行于服务器、服务器集群或云服务器等,也可以运行于设备终端;当然,本领域技术人员也可以根据需求在其他平台运行本发明的方法,本示例性实施例中对此不做特殊限定。参考图1所示,该道路质量检测方法可以包括以下步骤:
步骤S110.获取基于对待检测道路进行扫描得到原始图像,并对所述原始图像进行处理得到待处理特征点。
步骤S120.提取所述待处理特征点的预设部分得到目标特征点,并对所述目标特征点进行Hough变换得到识别结果。
步骤S130.对所述识别结果进行IPM转换得到所述原始图像的检测结果,并根据所述检测结果判断所述待检测道路的质量。
上述道路质量检测方法中,一方面,通过对原始图像进行处理得到待处理特征点;然后提取待处理特征点的预设部分得到目标特征点,并对目标特征点进行Hough变换得到识别结果;再对识别结果进行IPM转换得到原始图像的检测结果,并根据检测结果判断待检测道路的质量,避免了现有技术中由于人为的原因引起误差,导致数据的准确度较低,进而导致对道路的质量评估结果准确度较低的问题,提高了对待检测道路的质量的判断的准确性;另一方面,解决了现有技术中需要通过检测人员对道路进行实地测量和记录,导致需要耗费较多的人力以及物力的问题,节省了人力以及物力资源,同时也提高了检测速度;再一方面,对识别结果进行IPM转换得到原始图像的检测结果,并根据检测结果判断待检测道路的质量,解决了现有技术中需要由技术人员对道路的质量进行评估,使得道路的质量评估的及时性较差,并且由于主观的原因造成评估结果的准确性较差的问题。
下面,将结合附图对本示例实施方式中上述道路质量检测方法中的各步骤进行详细的解释以及说明。
在步骤S110中,获取基于对待检测道路进行扫描得到原始图像,并对所述原始图像进行处理得到待处理特征点。
在本示例实施方式中,首先,可以获取投影终端基于对待检测道路进行扫描得到的原始图像;其中,所述原始图像为与所述待检测道路对应的两条直线。具体的,可以根据所述投影终端的安装高度以及预设投影位置,选择与所述待检测道路对应的预设虚拟平行线;然后基于所述预设虚拟平行线以及所述投影终端与所述待检测道路之间的距离,获取所述投影终端基于对待检测道路进行扫描得到的原始图像,其中,该投影终端例如可以是红外结构光摄像机。详细而言:
首先,参考图2所示,可以通过红外结构光将预设的虚拟直线投射在待检测道路的前方路面上,以形成前方路面上的平行线;然后通过红外结构光摄像机进行拍摄,得到前方路面的两条直线;其中,红外结构光摄像机可以包括红外滤镜;进一步的,可以通过红外结构光摄像机的投影位置和安装高度以及与待检测道路之间的相对距离,计算并确定虚拟水平线的投射方式。所述投射方式主要是指终端内部光源、凸透镜和通光框等之间的排列方式,通过计算可获取内部构件之间的位置关系,从而确定将预设的平行线投射到水平路面上的角度、焦距、距离等等。并在确定投射方式的同时将预设平行线投射在水平路面上。
进一步的,在本示例实施方式中,当得到上述原始图像后,可以对该原始图像进行处理得到待处理特征点。具体的,对所述原始图像进行灰度化处理,并对灰度化处理后的原始图像进行二值化处理得到所述待处理特征点;然后再对该待处理特征点进行Canny边缘检测,得到待检测道路的待处理特征点。
在步骤S120中,提取所述待处理特征点的预设部分得到目标特征点,并对所述目标特征点进行Hough变换得到识别结果。
在本示例实施方式中,首先,提取所述待处理特征点的靠近所述待检测道路的路面近视野区域部分作为所述目标特征点;然后对所述目标特征点进行Hough变换得到所述识别结果;其中,所述识别结果为所述目标特征点对应的两条直线段。
在步骤S130中,对所述识别结果进行IPM转换得到所述原始图像的检测结果,并根据所述检测结果判断所述待检测道路的质量。
在本示例实施方式周,首先,对所述目标特征点对应的两条直线段进行IPM转换,得到所述原始图像的检测结果;其中,所述检测结果为所述两条直线段之间的位置关系;然后,如果所述检测结果为所述两条直线段的关系为平行关系,则判断所述待检测道路的质量为良好;最后,如果所述检测结果为所述两条直线的关系为非平行关系,则计算所述两条直线段之间的夹角,并根据所述夹角的大小判断所述待检测道路的颠簸程度。
进一步的,如果所述颠簸程度大于预设阈值,则根据所述待检测道路的位置信息以及所述颠簸程度生成提示信息,并将所述提示信息发送至后台服务器。通过该方法,可以及时的对需要休整的道路进行休整,并且可以通过导航对用户进行提醒,避免发生危险。
进一步的,通过如下实施例对本发明的实施方案进行进一步的解释以及说明。
通过投影位置和安装高度以及相对距离,终端可计算并确定虚拟水平线的投射方式。所述投射方式主要是指终端内部光源、凸透镜和通光框等之间的排列方式,通过计算可获取内部构件之间的位置关系,从而确定将预设的平行线投射到水平路面上的角度、焦距、距离等等。并在确定投射方式的同时将预设平行线投射在水平路面上。
具体的,参考图3所示,部件301是红外LED点光源,部件302是LED透镜,部件303是投影模板(具体的,可以参考图4所示),部件304是投影镜头,部件305是控制和通讯电路板,部件306是投影输出窗口。其工作过程是使用红外LED点光源照射LED透镜,将发散的红外光线整形成平行光线,平行光线照射到投影模板上,投影模板303通过投影镜头303投射出去,将投影模板303成像到地面空间。进一步的,图5是车道线投影***安装图示,其中,501是固定杆,502是投影灯,503是投影图案。
为了不妨碍车辆通行,并简化算法程序复杂度,车道线投影光斑应为等宽度,并符合城市或者工厂道路要求,为此本发明设计专用车道线投影模版,模板材质可以是玻璃或者玻璃夹菲林的方式。以下是投影***安装尺寸和根据安装尺寸设计的投影模板,计算方法可以如下所示:
平行线投影灯的投影镜头焦距选择50mm和100mm之间,用符号f表示,投影灯安装时光轴对准车道中心,平行线宽度DL为200mm,w是水平线之间的距离(包含水平线的宽度),H红外结构光摄像机的安装高度,d是镜头中心到最左侧车道线边界的距离。
如图6所示,中心投影灯光轴和水平面之间的夹角是:
右侧水平线的左边光线和水平线夹角:
右侧水平线的左边光线和光轴夹角:
βr1=θ-αr1;
右侧水平线的右边光线和水平线夹角:
右侧水平线的右边光线和光轴夹角:
βr2=θ-αr2;
投影模板开通光框1的左右边界到投影模板光心的距离:
dr1=f·tg(βr1);
dr2=f·tg(βr2);
左侧水平线的左边光线和水平线夹角:
左侧水平线的左边光线和光轴夹角:
βl2=αl2-θ;
左侧水平线的右边光线和水平线夹角:
左侧水平线的右边光线和光轴夹角:
βl1=αl1-θ;
投影模板开通光框2的左右边界到投影模板光心的距离:
dl1=f·tg(βl1);
dl2=f·tg(βl2);
进一步的,当选择水平线宽度是3.5米,安装高度4米,镜头中心到最左侧水平线边界的距离2米,镜头焦距为75mm时,d11=19.2mm,d12=22.3mm,dr1=13.0mm,dr2=14.3mm,按照这些数据可调整投影模板。采用投影光学计算出的模板可使得投影到地面车道两侧宽度近似一致,降低处理算法的复杂性。
进一步的,摄像机透视成像的原理就是将世界坐标系下的真实三维场景转换到图像坐标系下的二维场景中。由于视角的存在,距离摄像机越远的景物产生的畸变越大。逆透视映射(IPM)方法可以消除这种透视作用,得到场景的俯视图(bird’s eye view)。同时,保留了原图像的各种信息(颜色、亮度等)。IPM转换公式如下所示:
其中:
其中,r、c分别为图像平面中像素点所在的行和列;所拍摄图像(原始图像)的大小为n*m;h为摄像机架设高度;α为摄像机视角的1/2;θ为摄像机安装的俯角,具体可以参考图7所示。
更进一步的,由于IPM是建立在道路平坦的基础上的,即如果道路是水平的,则水平线经过IPM转换将变为水平线。道路颠簸时不符合IPM的假设条件,即须为水平路面,所以在IPM转换过程中存在形变,如图8(a)-图8(c)所示。其中,图8(a)为平坦道路,经IPM转换后,两直线为平行直线;图8(b)为颠簸过程的上坡过程,经转换后产生了形变,本应平行的两直线产生了夹角,且距离越远的路面越宽,路面呈现倒梯形;图8(c)颠簸过程的下坡直行道路,距离越远两直线路面越窄,路面呈现正梯形。通过判断两直线的夹角变换,就可判断路面的颠簸程度。进一步的,当夹角大于阈值θc,且持续时间大于tc时,判断当前路面为破损路面。
本发明所提供的路面颠簸检测,可安装在任何车辆,可有效的检测破损的路面,供道路养护部门参考,同时车辆能提前检测路面的颠簸,可以让车辆提前进行主动减震,保证车辆行驶的平稳。本发明采用的红外光源,可有效的避免对路上行人的影响(红外光为不可见光),而且红外光为直线的特征提取带来了方便,可保证道路质量检测算法的实时性和准确度。
本公开还提供了一种道路质量检测装置。参考图9所示,该道路质量检测装置可以包括处理模块910、特征点提取模块620以及道路质量判断模块930。其中:
处理模块910可以用于获取基于对待检测道路进行扫描得到原始图像,并对所述原始图像进行处理得到待处理特征点。
特征点提取模块920可以用于提取所述待处理特征点的预设部分得到目标特征点,并对所述目标特征点进行Hough变换得到识别结果。
道路质量判断模块930可以用于对所述识别结果进行IPM转换得到所述原始图像的检测结果,并根据所述检测结果判断所述待检测道路的质量。
在本公开的一种示例实施方式中,获取基于对待检测道路进行拍摄得到原始图像包括:
获取投影终端基于对待检测道路进行扫描得到的原始图像;其中,所述原始图像为与所述待检测道路对应的两条直线。
在本公开的一种示例实施方式中,对所述原始图像进行处理得到待处理特征点包括:
对所述原始图像进行灰度化处理,并对灰度化处理后的原始图像进行二值化处理得到所述待处理特征点。
在本公开的一种示例性实施例中,提取所述待处理特征点的预设部分得到目标特征点,并对所述目标特征点进行Hough变换得到识别结果包括:
提取所述待处理特征点的靠近所述待检测道路的路面近视野区域部分作为所述目标特征点;
对所述目标特征点进行Hough变换得到所述识别结果;其中,所述识别结果为所述目标特征点对应的两条直线段。
在本公开的一种示例实施方式中,对所述识别结果进行IPM转换得到所述原始图像的检测结果,并根据所述检测结果判断所述待检测道路的质量包括:
对所述目标特征点对应的两条直线段进行IPM转换,得到所述原始图像的检测结果;其中,所述检测结果为所述两条直线段之间的位置关系;
如果所述检测结果为所述两条直线段的关系为平行关系,则判断所述待检测道路的质量为良好;
如果所述检测结果为所述两条直线的关系为非平行关系,则计算所述两条直线段之间的夹角,并根据所述夹角的大小判断所述待检测道路的颠簸程度。
在本公开的一种示例实施方式中,所述道路质量检测装置还包括:
提示信息生成模块,用于如果所述颠簸程度大于预设阈值,则根据所述待检测道路的位置信息以及所述颠簸程度生成提示信息,并将所述提示信息发送至后台服务器。
在本公开的一种示例实施方式中,获取投影终端基于对待检测道路进行扫描得到的原始图像包括:
根据所述投影终端的安装高度以及预设投影位置,选择与所述待检测道路对应的预设虚拟平行线;
基于所述预设虚拟平行线以及所述投影终端与所述待检测道路之间的距离,获取所述投影终端基于对待检测道路进行扫描得到的原始图像。
上述道路质量检测装置中各模块的具体细节已经在对应的道路质量检测方法中进行了详细的描述,因此此处不再赘述。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,尽管在附图中以特定顺序描述了本发明中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本发明实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本发明实施方式的方法。
在本发明的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为***、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“***”。
下面参照图10来描述根据本发明的这种实施方式的电子设备1000。图10显示的电子设备1000仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图10所示,电子设备1000以通用计算设备的形式表现。电子设备1000的组件可以包括但不限于:上述至少一个处理单元1010、上述至少一个存储单元1020、连接不同***组件(包括存储单元1020和处理单元1010)的总线1030。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元1010执行,使得所述处理单元1010执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元1010可以执行如图1中所示的步骤S110:从源数据库中读取事务日志并将所述事务日志存储到多个第一环形队列中;S120:将各所述第一环形队列中的事务日志存储至第二环形队列中,并将所述第二环形队列中的事务日志发送至与目标数据库建立连接的线程;步骤S130:由所述线程将所述事务日志写入所述目标数据库并记录成功写入的事务日志所对应的日志编码。
存储单元1020可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)10201和/或高速缓存存储单元10202,还可以进一步包括只读存储单元(ROM)10203。
存储单元1020还可以包括具有一组(至少一个)程序模块10205的程序/实用工具10204,这样的程序模块10205包括但不限于:操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线1030可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备1000也可以与一个或多个外部设备1080(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备1000交互的设备通信,和/或与使得该电子设备1000能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1050进行。并且,电子设备1000还可以通过网络适配器1060与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器1060通过总线1030与电子设备1000的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备1000使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本发明实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本发明实施方式的方法。
在本发明的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
根据本发明的实施方式的用于实现上述方法的程序产品,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里发明的发明后,将容易想到本发明的其他实施例。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由权利要求指出。
Claims (10)
1.一种道路质量检测方法,其特征在于,包括:
获取基于对待检测道路进行扫描得到原始图像,并对所述原始图像进行处理得到待处理特征点;
提取所述待处理特征点的预设部分得到目标特征点,并对所述目标特征点进行Hough变换得到识别结果;
对所述识别结果进行IPM转换得到所述原始图像的检测结果,并根据所述检测结果判断所述待检测道路的质量。
2.根据权利要求1所述的道路质量检测方法,其特征在于,获取基于对待检测道路进行拍摄得到原始图像包括:
获取投影终端基于对待检测道路进行扫描得到的原始图像;其中,所述原始图像为与所述待检测道路对应的两条直线。
3.根据权利要求2所述的道路质量检测方法,其特征在于,对所述原始图像进行处理得到待处理特征点包括:
对所述原始图像进行灰度化处理,并对灰度化处理后的原始图像进行二值化处理得到所述待处理特征点。
4.根据权利要求3所述的道路质量检测方法,其特征在于,提取所述待处理特征点的预设部分得到目标特征点,并对所述目标特征点进行Hough变换得到识别结果包括:
提取所述待处理特征点的靠近所述待检测道路的路面近视野区域部分作为所述目标特征点;
对所述目标特征点进行Hough变换得到所述识别结果;其中,所述识别结果为所述目标特征点对应的两条直线段。
5.根据权利要求4所述的道路质量检测方法,其特征在于,对所述识别结果进行IPM转换得到所述原始图像的检测结果,并根据所述检测结果判断所述待检测道路的质量包括:
对所述目标特征点对应的两条直线段进行IPM转换,得到所述原始图像的检测结果;其中,所述检测结果为所述两条直线段之间的位置关系;
如果所述检测结果为所述两条直线段的关系为平行关系,则判断所述待检测道路的质量为良好;
如果所述检测结果为所述两条直线的关系为非平行关系,则计算所述两条直线段之间的夹角,并根据所述夹角的大小判断所述待检测道路的颠簸程度。
6.根据权利要求5所述的道路质量检测方法,其特征在于,根据所述夹角的大小判断所述待检测道路的颠簸程度之后,所述道路质量检测方法还包括:
如果所述颠簸程度大于预设阈值,则根据所述待检测道路的位置信息以及所述颠簸程度生成提示信息,并将所述提示信息发送至后台服务器。
7.根据权利要求2所述的道路质量检测方法,其特征在于,获取投影终端基于对待检测道路进行扫描得到的原始图像包括:
根据所述投影终端的安装高度以及预设投影位置,选择与所述待检测道路对应的预设虚拟平行线;
基于所述预设虚拟平行线以及所述投影终端与所述待检测道路之间的距离,获取所述投影终端基于对待检测道路进行扫描得到的原始图像。
8.一种道路质量检测装置,其特征在于,包括:
处理模块,用于获取基于对待检测道路进行扫描得到原始图像,并对所述原始图像进行处理得到待处理特征点;
特征点提取模块,用于提取所述待处理特征点的预设部分得到目标特征点,并对所述目标特征点进行Hough变换得到识别结果;
道路质量判断模块,用于对所述识别结果进行IPM转换得到所述原始图像的检测结果,并根据所述检测结果判断所述待检测道路的质量。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7任一项所述的道路质量检测方法。
10.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1-7任一项所述的道路质量检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910477425.4A CN110176000B (zh) | 2019-06-03 | 2019-06-03 | 道路质量检测方法及装置、存储介质、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910477425.4A CN110176000B (zh) | 2019-06-03 | 2019-06-03 | 道路质量检测方法及装置、存储介质、电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110176000A true CN110176000A (zh) | 2019-08-27 |
CN110176000B CN110176000B (zh) | 2022-04-05 |
Family
ID=67697746
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910477425.4A Active CN110176000B (zh) | 2019-06-03 | 2019-06-03 | 道路质量检测方法及装置、存储介质、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110176000B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111242223A (zh) * | 2020-01-15 | 2020-06-05 | 中国科学院地理科学与资源研究所 | 一种基于街景影像多特征融合的街道空间品质评价方法 |
CN113780835A (zh) * | 2021-09-15 | 2021-12-10 | 云途信息科技(杭州)有限公司 | 基于可变色网格的道路质量评价管理方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130195321A1 (en) * | 2010-09-22 | 2013-08-01 | Matteo Sacchi | Pantograph monitoring system and method |
CN103714339A (zh) * | 2013-12-30 | 2014-04-09 | 武汉大学 | 基于矢量数据的sar影像道路损毁信息提取方法 |
CN105261020A (zh) * | 2015-10-16 | 2016-01-20 | 桂林电子科技大学 | 一种快速车道线检测方法 |
US20160048733A1 (en) * | 2014-08-13 | 2016-02-18 | Korea University Research And Business Foundation | Method and apparatus for detecting lane of road |
CN105678285A (zh) * | 2016-02-18 | 2016-06-15 | 北京大学深圳研究生院 | 一种自适应的道路鸟瞰图变换方法和道路车道检测方法 |
US20170061220A1 (en) * | 2015-08-31 | 2017-03-02 | Intel Corporation | Road Marking Extraction from In-Vehicle Video |
CN106503636A (zh) * | 2016-10-12 | 2017-03-15 | 同济大学 | 一种基于视觉图像的道路视距检测方法及装置 |
CN106919915A (zh) * | 2017-02-22 | 2017-07-04 | 武汉极目智能技术有限公司 | 基于adas***的地图道路标记及道路质量采集装置及方法 |
CN107066992A (zh) * | 2017-05-11 | 2017-08-18 | 南宁市正祥科技有限公司 | 一种非平坦路面车道线检测方法 |
CN107945161A (zh) * | 2017-11-21 | 2018-04-20 | 重庆交通大学 | 基于纹理特征提取的道路表面缺陷检测方法 |
US20180129887A1 (en) * | 2016-11-07 | 2018-05-10 | Samsung Electronics Co., Ltd. | Method and apparatus for indicating lane |
CN108197590A (zh) * | 2018-01-22 | 2018-06-22 | 海信集团有限公司 | 一种路面检测方法、装置、终端及存储介质 |
CN108537142A (zh) * | 2018-03-21 | 2018-09-14 | 华南理工大学 | 一种基于多颜色空间的车道线检测方法 |
CN109740502A (zh) * | 2018-12-29 | 2019-05-10 | 斑马网络技术有限公司 | 道路质量检测方法及装置 |
-
2019
- 2019-06-03 CN CN201910477425.4A patent/CN110176000B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130195321A1 (en) * | 2010-09-22 | 2013-08-01 | Matteo Sacchi | Pantograph monitoring system and method |
CN103714339A (zh) * | 2013-12-30 | 2014-04-09 | 武汉大学 | 基于矢量数据的sar影像道路损毁信息提取方法 |
US20160048733A1 (en) * | 2014-08-13 | 2016-02-18 | Korea University Research And Business Foundation | Method and apparatus for detecting lane of road |
US20170061220A1 (en) * | 2015-08-31 | 2017-03-02 | Intel Corporation | Road Marking Extraction from In-Vehicle Video |
CN105261020A (zh) * | 2015-10-16 | 2016-01-20 | 桂林电子科技大学 | 一种快速车道线检测方法 |
CN105678285A (zh) * | 2016-02-18 | 2016-06-15 | 北京大学深圳研究生院 | 一种自适应的道路鸟瞰图变换方法和道路车道检测方法 |
CN106503636A (zh) * | 2016-10-12 | 2017-03-15 | 同济大学 | 一种基于视觉图像的道路视距检测方法及装置 |
US20180129887A1 (en) * | 2016-11-07 | 2018-05-10 | Samsung Electronics Co., Ltd. | Method and apparatus for indicating lane |
CN106919915A (zh) * | 2017-02-22 | 2017-07-04 | 武汉极目智能技术有限公司 | 基于adas***的地图道路标记及道路质量采集装置及方法 |
CN107066992A (zh) * | 2017-05-11 | 2017-08-18 | 南宁市正祥科技有限公司 | 一种非平坦路面车道线检测方法 |
CN107945161A (zh) * | 2017-11-21 | 2018-04-20 | 重庆交通大学 | 基于纹理特征提取的道路表面缺陷检测方法 |
CN108197590A (zh) * | 2018-01-22 | 2018-06-22 | 海信集团有限公司 | 一种路面检测方法、装置、终端及存储介质 |
CN108537142A (zh) * | 2018-03-21 | 2018-09-14 | 华南理工大学 | 一种基于多颜色空间的车道线检测方法 |
CN109740502A (zh) * | 2018-12-29 | 2019-05-10 | 斑马网络技术有限公司 | 道路质量检测方法及装置 |
Non-Patent Citations (1)
Title |
---|
徐进军: "《工业测量技术与数据处理》", 28 February 2014, 武汉大学出版社 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111242223A (zh) * | 2020-01-15 | 2020-06-05 | 中国科学院地理科学与资源研究所 | 一种基于街景影像多特征融合的街道空间品质评价方法 |
CN111242223B (zh) * | 2020-01-15 | 2020-11-13 | 中国科学院地理科学与资源研究所 | 一种基于街景影像多特征融合的街道空间品质评价方法 |
CN113780835A (zh) * | 2021-09-15 | 2021-12-10 | 云途信息科技(杭州)有限公司 | 基于可变色网格的道路质量评价管理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110176000B (zh) | 2022-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Roser et al. | Video-based raindrop detection for improved image registration | |
CN109583280A (zh) | 车道线识别方法、装置、设备及存储介质 | |
JP2020035447A (ja) | 物体識別方法、装置、機器、車両及び媒体 | |
CN106919908B (zh) | 障碍物识别方法及装置、计算机设备及可读介质 | |
JP6487283B2 (ja) | 点群データ処理装置、点群データ処理方法、プログラム、および記録媒体 | |
CN109141347A (zh) | 车载摄像机测距方法及装置、存储介质和电子设备 | |
CN106560835B (zh) | 一种路牌识别方法及装置 | |
Hinz | Detection and counting of cars in aerial images | |
JP2016166853A (ja) | 位置推定装置および位置推定方法 | |
JP2013037394A (ja) | 車両検出装置 | |
CN109635737A (zh) | 基于道路标记线视觉识别辅助车辆导航定位方法 | |
US10217240B2 (en) | Method and system to determine distance to an object in an image | |
CN110176000A (zh) | 道路质量检测方法及装置、存储介质、电子设备 | |
WO2020133488A1 (zh) | 车辆检测方法和设备 | |
CN109447003A (zh) | 车辆检测方法、装置、设备和介质 | |
CN112639822B (zh) | 一种数据处理方法及装置 | |
CN109345567A (zh) | 物体运动轨迹识别方法、装置、设备和存储介质 | |
EP4250245A1 (en) | System and method for determining a viewpoint of a traffic camera | |
JP2011065434A (ja) | 画像認識システム、方法、及び、プログラム | |
Garibotto et al. | Speed-vision: speed measurement by license plate reading and tracking | |
KR102448944B1 (ko) | 영상의 원근 왜곡을 보정하여 차량객체의 속도를 측정하는 속도측정방법 및 속도측정장치 | |
US10331977B2 (en) | Method for the three-dimensional detection of objects | |
US10007857B2 (en) | Method for the three-dimensional detection of objects | |
JP3475700B2 (ja) | 物体認識方法、物体認識装置、および車輌認識装置 | |
CN111678488B (zh) | 测距方法、装置、计算机可读存储介质及电子设备 |
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 |