CN113963285A - 一种基于5g的道路养护方法及设备 - Google Patents

一种基于5g的道路养护方法及设备 Download PDF

Info

Publication number
CN113963285A
CN113963285A CN202111057466.1A CN202111057466A CN113963285A CN 113963285 A CN113963285 A CN 113963285A CN 202111057466 A CN202111057466 A CN 202111057466A CN 113963285 A CN113963285 A CN 113963285A
Authority
CN
China
Prior art keywords
image
road
maintenance
recognized
disease
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
Application number
CN202111057466.1A
Other languages
English (en)
Other versions
CN113963285B (zh
Inventor
李玉宝
于悦
孙庆文
张加华
王文静
张震宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jinan Jinyu Highway Industry Development Co ltd
Original Assignee
Jinan Jinyu Highway Industry Development Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jinan Jinyu Highway Industry Development Co ltd filed Critical Jinan Jinyu Highway Industry Development Co ltd
Priority to CN202111057466.1A priority Critical patent/CN113963285B/zh
Publication of CN113963285A publication Critical patent/CN113963285A/zh
Application granted granted Critical
Publication of CN113963285B publication Critical patent/CN113963285B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/241Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/26Government or public services

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请提供了一种基于5G的道路养护方法及设备,通过确定道路图像所对应的溯源信息。其中,道路图像为提取用户终端通过5G网络发送的图像数据得到的。溯源信息包括道路图像的拍摄所处位置、道路图像的拍摄时间。将道路图像进行拼接处理,得到道路图像相应的待识别图像。根据溯源信息,确定待识别图像是否存在匹配的对比图像。其中,对比图像为道路路段的图像。在待识别图像存在匹配的对比图像的情况下,将待识别图像输入预设的第一图像识别模型进行识别,以确定待识别图像中的道路病害标签。基于道路病害标签、溯源信息以及对比图像,生成道路养护信息。将道路养护信息,通过5G网络发送至相应的养护管理终端。

Description

一种基于5G的道路养护方法及设备
技术领域
本申请涉及道路养护技术领域,尤其涉及一种基于5G的道路养护方法及设备。
背景技术
我国的道路交通正处于高速发展时期,道路交通的发展不仅促进了区域之间的互联互通,而且也为国家经济的发展提供了有效支持。但是,道路随着气温环境、风化、车辆碾压等各方面的原因,都会遭到不同程度的破坏。若不能及时发现道路的病害,并进行道路养护,会导致道路的损坏程度进一步恶化,减少道路的使用寿命。
未及时养护的道路,在后续的养护过程中,不仅会增加养护成本,同时也会影响交通正常通行情况和安全问题。目前,道路养护还主要靠人力养护,养护人员驾驶养护车辆在各道路进行巡逻检查,不仅耗费时间、精力,还会妨碍正常交通秩序。
发明内容
本申请实施例提供了一种基于5G的道路养护方法及设备,用于在道路养护工作中,节省人力,保障道路交通安全。
一方面,本申请提供了一种基于5G的道路养护方法,该方法包括:
确定道路图像所对应的溯源信息。其中,道路图像为提取用户终端通过5G网络发送的图像数据得到的。溯源信息包括道路图像的拍摄所处位置、道路图像的拍摄时间。将道路图像进行拼接处理,得到道路图像相应的待识别图像。根据溯源信息,确定待识别图像是否存在匹配的对比图像。其中,对比图像为道路路段的图像。在待识别图像存在匹配的对比图像的情况下,将待识别图像输入预设的第一图像识别模型进行识别,以确定待识别图像中的道路病害标签。其中,道路病害标签至少包括以下一项或多项:裂缝、网裂、坑槽、车辙、沉陷。基于道路病害标签、溯源信息以及对比图像,生成道路养护信息。其中,道路养护信息包括养护时间、施工方式。将道路养护信息,通过5G网络发送至相应的养护管理终端。
在本申请的一种实现方式中,根据溯源信息,确定以拍摄所处位置为中心,以预设距离为半径的一个待定区域。确定待定区域内的若干候选路段。获取各候选路段的历史道路图像。以及将待识别图像输入第二图像识别模型,以得到待识别图像的背景特征。计算待识别图像的背景特征与历史道路图像的特征的特征比对值。将特征比对值大于第一预设阈值的历史道路图像,作为对比图像。
在本申请的一种实现方式中,根据道路病害标签,确定道路病害标签所对应的待养护道路的养护作业时间。根据拍摄所处位置、拍摄时间以及对比图像,确定待养护道路,在拍摄所处位置的道路路段的通行频率曲线。确定通行频率曲线中通行频率小于第二预设阈值的时间段,作为待定养护时间。将待定养护时间与养护作业时间进行匹配,以得到养护时间。根据养护时间以及道路病害标签所对应的施工方式,生成道路养护信息。
在本申请的一种实现方式中,确定道路图像中各图像的拍摄时间。根据各图像的拍摄时间,对道路图像依次排序,以生成待拼接图像序列。选定待拼接图像序列中的初始拼接图像。根据初始拼接图像以及预设规则,确定待拼接图像序列中,与初始拼接图像对应的待拼接图像,作为第一拼接图像。识别初始拼接图像与第一拼接图像重叠区域,以根据重叠区域所对应的像素值以及预设的权重公式,将初始拼接图像与第一拼接图像进行图像融合。其中,权重公式用于表示重叠区域内的像素点与重叠区域边界的关系。将图像融合后的初始拼接图像与第一拼接图像,作为初始拼接图像,并确定下一个第一拼接图像,直至确定第一拼接图像的次数大于或等于第三预设阈值,以得到道路图像的拼接图像。将拼接图像作为待识别图像。
在本申请的一种实现方式中,通过输入层,将待识别图像输入第一图像识别模型的特征提取模块,以得到待识别图像所对应的特征图像。将特征图像输入第一图像识别模型的区域推荐网络模块,以确定特征图像的候选区域。其中,候选区域包括道路病害区域、非道路病害区域。将候选区域输入第一图像识别模型的感兴趣区域模块进行回归处理,以输出待识别图像的道路病害区域。根据道路病害区域,确定待识别图像中的道路病害标签。
在本申请的一种实现方式中,将待识别图像的道路病害区域与训练第一图像识别模型的若干样本图像进行对比,确定道路病害区域所对应的道路病害标签。或者,将待识别图像的道路病害区域,通过5G网络发送至若干用户终端,以根据若干用户终端的第一反馈信息,确定道路病害区域所对应的道路病害标签。
在本申请的一种实现方式中,根据道路病害标签,生成并发送道路病害标签所对应的病害级别以及病害级别参照图至用户终端。根据用户终端选择的病害级别和/或病害级别参照图,生成道路病害标签的道路养护优先级。按照道路养护优先级,依次发送道路病害标签至相应的养护管理终端,以使养护管理终端对应的道路养护人员依次对道路病害进行养护工作。
在本申请的一种实现方式中,在待识别图像不存在匹配的对比图像的情况下,通过5G网络,向待识别图像相应的用户终端发送提示信息,以基于用户终端的第二反馈信息,确定待识别图像所对应的道路路段,并将待识别图像作为对比图像。其中,提示信息至少包括以下一项或多项:图片、文字、声音。
在本申请的一种实现方式中,在确定待识别图像中的道路病害标签之后,生成道路病害标签所对应的贡献度。根据贡献度,更新用户终端的贡献度,并向用户终端发送更新后的贡献度的兑换物品。
另一方面,本申请提供了一种基于5G的道路养护设备,该设备包括:
至少一个处理器;以及,与至少一个处理器通信连接的存储器。其中,存储器存储有能够被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够:
确定道路图像所对应的溯源信息。其中,道路图像为提取用户终端通过5G网络发送的图像数据得到的。溯源信息包括道路图像的拍摄所处位置、道路图像的拍摄时间。将道路图像进行拼接处理,得到道路图像相应的待识别图像。根据溯源信息,确定待识别图像是否存在匹配的对比图像。其中,对比图像为道路路段的图像。在待识别图像存在匹配的对比图像的情况下,将待识别图像输入预设的第一图像识别模型进行识别,以确定待识别图像中的道路病害标签。其中,道路病害标签至少包括以下一项或多项:裂缝、网裂、坑槽、车辙、沉陷。基于道路病害标签、溯源信息以及对比图像,生成道路养护信息。其中,道路养护信息包括养护时间、施工方式。将道路养护信息,通过5G网络发送至相应的养护管理终端。
本申请通过5G网络,可以及时获取到道路养护工作中的道路病害,快速的网络通信技术可以使得道路养护反应及时,避免道路病害未及时发现,对交通安全等造成重大影响。本申请借用社会化的力量确定道路中的道路病害,减轻了道路养护工作中的人力负担、节省了人力资源。利用社会化力量,辅助道路养护工作的进展,可提高道路养护工作效率,提高道路病害去除速度,加快道路的修复进程。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例中基于5G的道路养护方法的一种流程示意图;
图2为本申请实施例中基于5G的道路养护方法的另一种流程示意图;
图3为本申请实施例中基于5G的道路养护方法的另一种流程示意图;
图4为本申请实施例中基于5G的道路养护方法中的通行频率曲线的示意图;
图5为本申请实施例中基于5G的道路养护设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
道路养护就是对道路的保养和维护。维护道路及道路上的构筑物和设施,尽可能保持道路使用性能,及时恢复破损部分,保证行车安全、舒适、畅通,节约运输费用和时间;采取正确的技术措施,提高工程质量,延长道路的使用年限,推迟重建时间。
目前,道路养护工作主要依靠道路养护工作者通过肉眼或机器,对各路段道路进行巡逻检查,检查道路中是否存在需要去除的道路病害。这种形式的检查不能够及时反应道路的突发病害,而且浪费道路养护工作者大量的有效工作时间,对道路养护部门来说,也浪费人力成本的投入。
基于此,本申请实施例提供了一种基于5G的道路养护方法及设备,用来减少道路养护的人力投入成本,提高道路养护的效率。
以下结合附图,详细说明本申请的各个实施例。
图1为本申请实施例提供的基于5G的道路养护方法的一种流程图。如图1所示,本申请实施例提供的基于5G的道路养护方法,可以包括步骤101-106:
步骤101、服务器确定道路图像所对应的溯源信息。
其中,道路图像为提取用户终端通过5G网络发送的图像数据得到的。溯源信息包括道路图像的拍摄所处位置、道路图像的拍摄时间。
在本申请实施例中,根据用户对用户终端的操作,通过5G网络,用户终端可以发送采集到的包含有图像数据的信息至服务器,服务器可以将接收到的用户终端发送的包含有图像数据的信息进行解析,得到图像数据。包含有图像数据的信息包括但不限于:视频、图片、照片。
若用户终端发送至服务器的信息为视频,服务器可以对视频进行处理,如提取视频中各帧数据,或者间隔预设的时间,截取视频中的视频帧,得到该视频的图像数据。
5G网络是第五代移动通信网络,其峰值理论传输速度可达20Gbp步骤,相较于21世纪的4G网络的传输速度,5G网络传输速度为4G网络的十倍不止。于用户而言,传输速度对用户使用的影响不是非常大。但对于设备之间的传输、设备的运行处理数据来说,传输速度的影响是十分巨大的。
本申请通过5G网络,提高用户终端与服务器之间的数据传输速度,可实现及时、快速地发送接收道路图像,为后续确定道路病害以及对道路进行养护,提供了极大的帮助。
在用户终端向服务器发送图像数据过程中,用户终端可以自动或主动提供图像数据的拍摄时间以及拍摄所处位置,该拍摄所处位置为用户终端所处的位置,而非用户终端采集的图像中被拍摄物体的位置,二者的位置存在差异。服务器将图像数据的拍摄时间以及拍摄所处位置,作为溯源信息,供后续道路养护方法的使用。
用户终端可以是手机、电脑、ipad等终端设备,本申请对此不作具体限定。
需要说明的是,服务器作为基于5G的道路养护方法的执行主体,仅为示例性存在,执行主体不仅限于服务器,本申请对此不作具体限定。
步骤102、服务器将道路图像进行拼接处理,得到道路图像相应的待识别图像。
在本申请实施例中,道路图像可能包含多张图像,例如用户终端发送的是视频,服务器从视频中可得到多个视频帧的图像,作为道路图像。再例如用户终端发送的是多个不同角度拍摄的图像,服务器将这些图像作为道路图像。
在本申请中道路图像中的多张图像可以是包含有拍摄的共同区域的图像,例如视频帧的图像,由于视频为连贯图像,各帧图像之间存在共同区域(重叠区域)。本申请可以将多张图像进行拼接处理,以得到视野范围更大的待识别图像。
由于镜头拍摄范围有限,用户终端可能会拍摄视频或多张图像,来完整体现道路病害的图像。因此,本申请通过将多张图像进行拼接处理,可以得到一完整的、视角范围大的且包含道路病害的待识别图像。若不进行拼接处理,由于单张图像所包含的信息(道路病害图像)有限,可能导致服务器后续所识别的道路病害存在片面性。若服务器依次识别单张图像所包含信息,加大了服务器的计算量,且服务器对每张图像的识别结果之间可能存在不连贯结果。通过拼接处理,可以节省服务器的计算量,且提高服务器识别道路图像的准确度。
在本申请实施例中,服务器可以通过执行以下方法,将道路图像进行拼接,如图2所示,具体包括以下步骤:
步骤201、服务器确定道路图像中各图像的拍摄时间。
服务器可以根据道路图像的溯源信息,确定道路图像中的各图像拍摄时间。以道路图像获取自视频为例,根据视频的拍摄时间,视频的时间长度,可以依次对各图像进行时间上的排序,进而得到各图像的拍摄时间。如视频拍摄时间为A时刻,时间长度为B时间,服务器从视频中按照预设时间间隔t,得到x张图像,按照图像获取的时间,x张图像中的第i张图像的拍摄时间为:
Figure BDA0003255145140000071
其中,视频拍摄时间为开始拍摄时间。
本领域技术人员可知的是,视频拍摄时间A也可以是视频拍摄的终止时间,在视频拍摄时间为视频拍摄的终止时间时,计算图像的拍摄时间,只需要简单调整上述公式,即可得到各图像的拍摄时间。
步骤202、服务器根据各图像的拍摄时间,对道路图像依次排序,以生成待拼接图像序列。
根据步骤201得到的各图像的拍摄时间,将各图像进行依次排序,得到待拼接图像序列。
步骤203、服务器选定待拼接图像序列中的初始拼接图像。
在本申请实施例中,待拼接图像序列中的初始拼接图像为在待拼接图像序列中,中间位置的图像。例如,待拼接图像序列为[a,b,c,d,e],服务器选定c作为初始拼接图像。在中间位置的图像存在两张,如[a,b,c,d,e,f]时,服务器可以任选一张作为初始拼接图像。
步骤204、服务器根据初始拼接图像以及预设规则,确定待拼接图像序列中,与初始拼接图像对应的待拼接图像,作为第一拼接图像。
服务器在得到初始拼接图像之后,按照预设规则,该预设规则为确定初始拼接图像任意一侧的多个待拼接图像,例如[a,b,c,d,e]的待拼接图像序列,c为初始拼接图像后,确定d、e,或者确定a、b;在确定的多个待拼接图像为d、e时,确定与初始拼接图像c相邻的d,为第一拼接图像。同理,在确定的多个待拼接图像为a、b的情况下,将b作为第一拼接图像。
步骤205、服务器识别初始拼接图像与第一拼接图像重叠区域,以根据重叠区域所对应的像素值以及预设的权重公式,将初始拼接图像与第一拼接图像进行图像融合。
其中,权重公式用于表示重叠区域内的像素点与重叠区域边界的关系。
服务器可以识别初始拼接图像与第一拼接图像的重叠区域,重叠区域可以通过图像配准技术进行确定。在确定重叠区域后,根据重叠区域内的像素值根据预设的权重公式:
Figure BDA0003255145140000081
其中,
Figure BDA0003255145140000082
为权重,dmax为重叠区域边界的最大值,dmin为重叠区域边界的最小值,d为像素点在重叠区域的位置。以平面坐标系为例,重叠区域的边界最小值为3,重叠区域的边界最大值为6,像素点所处位置为4的位置。
根据上述权重公式,确定重叠区域内每个像素点的权重,然后,根据以下公式确定拼接后的重叠区域内各像素点的像素值:
Figure BDA0003255145140000091
其中,Q(x,y)为图像融合后的重叠区域内(x,y)位置的像素点的像素值,Q1(x,y)为图像融合前的初始拼接图像(x,y)位置的像素点的像素值,Q2(x,y)为图像融合前的第一拼接图像(x,y)位置的像素点的像素值,R1为属于初始拼接图像的区域,R2为属于初始拼接图像与第一拼接图像的重叠区域,R3为属于第一拼接图像的区域。
服务器通过上述公式,将初始拼接图像与第一拼接图像进行图像融合之后,可以实现从初始拼接图像逐渐过渡到第一拼接图像的效果,拼接效果好。
步骤206、服务器将图像融合后的初始拼接图像与第一拼接图像,作为初始拼接图像,并确定下一个第一拼接图像,直至确定第一拼接图像的次数大于或等于第三预设阈值,以得到道路图像的拼接图像。
服务器完成初始拼接图像与第一拼接图像的图像融合后,服务器将完成融合的初始拼接图像与第一拼接图像,更新为新的初始拼接图像,并再次确定第一拼接图像。在再次确定第一拼接图像过程中,服务器可以根据上一次确定第一拼接图像的规则,确定新的第一拼接图像。
例如步骤204中上一次选了待拼接图像d,这次可以将e作为第一拼接图像。在本申请中,服务器可以先将初始拼接图像一侧的待拼接图像与初始拼接图像完成拼接,再将另一侧的待拼接图像与初始拼接图像进行拼接。通过初始拼接图像两个依次拼接,可以提高重叠率,如上述待拼接图像b、d之间存在重叠区域,在d一侧的待拼接图像已完成拼接时,可以提高b与初始拼接图像之间的重叠区域,加大重叠率。
直至确定第一拼接图像的次数大于或等于第三预设阈值,该第三预设阈值可以设置为道路图像的数量减1,以满足将所有道路图像进行了图像拼接,或者是根据实际的拼接使用情况,将第三预设阈值设置为一优选的阈值,本申请在此不做具体限定。
步骤207、服务器将拼接图像作为待识别图像。
在本申请确定待识别图像的过程中,通过上述技术方案,可以减少图像拼接过程中,拼接图像之间存在拼接的误差。通过将中间图像作为初始拼接图像,减少了图像拼接时所考虑的各图像之间的距离问题,并可以降低服务器在拼接图像过程中的计算复杂度;通过将初始拼接图像两侧的图像分别依次拼接,可以提高拼接时的重叠率,实现更好的图像拼接效果。
步骤103、服务器根据溯源信息,确定待识别图像是否存在匹配的对比图像。
其中,对比图像为道路路段的图像。
服务器得到待识别图像之后,可以根据拼接该待识别图像的道路图像的溯源信息,进行确定待识别图像是否存在匹配的对比图像。在本申请中,可以通过执行以下方法,确定待识别图像是否存在匹配的对比图像,具体如下:
首先,服务器根据溯源信息,确定以拍摄所处位置为中心,以预设距离为半径的一个待定区域。
服务器根据溯源信息,确定待识别图像所对应的各道路图像的拍摄所处位置,并以拍摄所处位置为中心,以预设距离为半径,确定一个待定区域。该待定区域内包含有多条或单条道路。
在待识别图像所对应的各道路图像来自于不同的用户终端是,可以根据各道路图像对应的拍摄所处位置,确定多个拍摄所处位置的几何中心。并以该几何中心为待定区域的圆心。
然后,服务器确定待定区域内的若干候选路段。
服务器在待定区域内,确定所包含的道路路段,如待定区域包含有多条横向、总线的道路路段,服务器将其作为候选路段。
次之,服务器获取各候选路段的历史道路图像。
服务器可以获取预先存储的历史道路图像,或者通过互联网获取历史道路图像,本申请对历史道路图像的获取方式不作具体限定。
在本申请实施例中,历史道路图像的拍摄时间与拼接待识别图像的道路图像的拍摄时间相近,本领域技术人员可知的是,历史道路图像的拍摄时间与拼接待识别图像的道路图像的拍摄时间越接近,数据准确度会更高。
再次之,服务器将待识别图像输入第二图像识别模型,以得到待识别图像的背景特征。
在本申请实施例中,服务器可以在确定对比图像之前,预先训练第二图像识别模型,该第二图像识别模型以各道路图像为样本数据,进行训练,并输出各道路图像的图像背景特征。
服务器将待识别图像输入第二图像识别模型之后,第二图像识别模型对待识别图像进行处理,可以输入待识别图像的背景特征。
又次之,服务器计算待识别图像的背景特征与历史道路图像的特征的特征比对值。
服务器可以生成待识别图像的背景特征的特征向量,以及各历史道路图像的特征的特征向量,服务器可以计算二者的相似度,进而作为特征比对值。
最后,服务器将特征比对值大于第一预设阈值的历史道路图像,作为对比图像。
服务器可以将计算得到的若干特征比对值与第一预设阈值做比较,确定大于第一预设阈值的特征比对值所对应的历史道路图像,作为对比图像。若服务器确定有两个或两个以上的特征比对值满足大于第一预设阈值的条件时,服务器可以进一步确定多个特征比对值中,数值最大的特征比对值所对应的历史道路图像,作为对比图像。
在本申请实施例中,本申请通过确定对比图像,可以更为精确、高效地待识别图像所对应的路段,无需道路养护人员进一步确认待识别图像属于哪一路段位置。上述方案进一步提高了道路养护的效率,节省了人力资源的消耗。
步骤104、服务器在待识别图像存在匹配的对比图像的情况下,将待识别图像输入预设的第一图像识别模型进行识别,以确定待识别图像中的道路病害标签。
其中,道路病害标签至少包括以下一项或多项:裂缝、网裂、坑槽、车辙、沉陷。
本申请实施例可以通过第一图像识别模型,识别待识别图像的道路病害标签。具体步骤如下:
首先,服务器通过输入层,将待识别图像输入第一图像识别模型的特征提取模块,以得到待识别图像所对应的特征图像。
服务器通过第一图像识别模型,可以将待识别图像中包含有道路病害的图像,如:裂缝、网裂、坑槽、车辙、沉陷的图像,进行提取,本申请的特征提取模块可以采用VGG模型,也可以采用残差网络的模型。在本申请实施例中道路病害标签随着道路演变可能存在更多的可识别的病害标签。
然后,服务器将特征图像输入第一图像识别模型的区域推荐网络模块,以确定特征图像的候选区域。
其中,候选区域包括道路病害区域、非道路病害区域。
本申请通过区域推荐网络(Region Proposal Network,RPN)进行处理特征图像,RPN将特征提取后的特征图像作为输入,对每个特征图像中的每个点进行处理,进而得到候选区域。候选区域可以包括道路病害区域、非道路病害区域。
其次,服务器将候选区域输入第一图像识别模型的感兴趣区域模块进行回归处理,以输出待识别图像的道路病害区域。
服务器使用感兴趣区域模型,将得到的候选区域进行池化处理,然后对池化处理后的候选区域进行分类和各候选区域边界位置的精确回归,实现待识别图像的道路病害区域的确定。
最后,服务器根据道路病害区域,确定待识别图像中的道路病害标签。
服务器先将待识别图像的道路病害区域与训练第一图像识别模型的若干样本图像进行对比,确定道路病害区域所对应的道路病害标签。或者,
服务器将待识别图像的道路病害区域,通过5G网络发送至若干用户终端,以根据若干用户终端的第一反馈信息,确定道路病害区域所对应的道路病害标签。
在实际使用过程中,确定道路病害区域所对应的道路病害标签的方式有很多种,本申请提供上述两种参考方式,在可以实现确定道路病害区域所对应的道路病害标签的前提下,本申请对其他实施方式不作具体限定。
此外,服务器可以将待识别图像的道路病害区域,通过5G网络发送至若干用户终端,使用户确认所识别的道路病害区域是否正确,以及所确定的道路病害标签是否准确。基于用户对用户终端的操作,将用户自行确定道路病害区域以及道路病害标签输入第一图像识别模型,进行第一图像识别模型的再训练。并将用户终端发送的道路病害标签作为待识别图像的道路病害标签。
本申请通过上述方案,可以精确地识别到待识别图像中所包括的道路病害的图像,为后续道路养护提供可信的数据支持。此外本申请第一图像识别模型为神经网络模型,可以采用R-CNN也可以采用其他的神经网络模型。第二图像识别模型也是神经网络模型,其可以与第一图像识别模型相同,也可以不同,二者所选用的模型不直接对本方案构成影响。
上述方案为在待识别图像存在匹配的对比图像的情况下,进行道路病害标签的确定,在待识别图像不存在匹配的对比图像的情况下,本申请可以通过以下方法,确定道路病害标签。
具体地,服务器在待识别图像不存在匹配的对比图像的情况下,首先,通过5G网络,向待识别图像相应的用户终端发送提示信息,以基于用户终端的第二反馈信息,确定待识别图像所对应的道路路段,并将所述待识别图像作为对比图像。
其中,提示信息至少包括以下一项或多项:图片、文字、声音。
服务器可以向发送该待识别图像的用户终端发送提示信息,如:图像所对应的道路路段,用户可以对用户终端进行操作,回应服务器发送的提示信息。第二反馈信息可以是文字、图片、声音,如文字:A路段B车道等。
然后,将确定道路路段的待识别图像输入第一图像识别模型,以确定待识别图像的道路病害标签。
在确定用户终端发送的待识别图像的道路路段之后,可以给予用户终端相应的奖励,激励用户进行拍摄包含道路病害的道路图像。具体如下:
服务器在确定待识别图像中的道路病害标签之后,生成道路病害标签所对应的贡献度。
服务器根据贡献度,更新采集终端的贡献度,并向采集终端发送更新后的贡献度的兑换物品。
在本申请中,服务器可以记录用户终端的贡献度,如用户终端发送了道路病害标签为A的待识别图像至服务器,服务器确认之后,可以将记录的用户终端的贡献度进行更新。更新的方式可以是增加,如用户终端a当前贡献度为90,在服务器确认以道路病害标签为A的待识别图像后,将当前贡献度更新为95。
在本申请的另一个实施例中,服务器确定用户终端发送了不包含道路病害的道路图像,并超过一定次数,服务器可以以减少的方式,更新用户终端的贡献度。
在本申请实施例中,确定待识别图像所对应的道路病害标签之后,还可以做进一步确定道路病害的严重程度,及时对病害做出相应的反应。
具体地,首先,服务器根据道路病害标签,生成并发送道路病害标签所对应的病害级别以及病害级别参照图至用户终端。
然后,服务器根据用户终端选择的病害级别和/或病害级别参照图,生成道路病害标签的道路养护优先级。
最后,服务器按照道路养护优先级,依次发送道路病害标签至相应的养护管理终端,以使养护管理终端对应的道路养护人员依次对道路病害进行养护工作。
通过道路病害的病害级别,生成道路养护优先级,可以帮助道路养护人员选择严重程度较高的道路病害进行处理,减少严重道路病害对交通安全的影响,避免发生严重的交通安全问题。同时,也提高了道路养护人员的工作效率。通过用户终端对道路病害级别的确认,可以节省道路养护程序,无需道路养护人员亲自现场确认等程序,一定程度上节省了人力浪费。
步骤105、服务器基于道路病害标签、溯源信息以及对比图像,生成道路养护信息。
其中,道路养护信息包括养护时间、施工方式。
本申请通过执行以下方法,生成道路养护信息,如图3所示,具体包括以下步骤:
步骤301、服务器根据道路病害标签,确定道路病害标签所对应的待养护道路的养护作业时间。
在确定道路病害标签之后,服务器可以根据道路病害标签,通过5G网络或者预先存储的作业时间对照表,确定道路养护人员处理道路病害标签所对应的道路病害,所需要的养护作业时间。
步骤302、服务器根据拍摄所处位置、拍摄时间以及对比图像,确定待养护道路,在拍摄所处位置的道路路段的通行频率曲线。
根据拍摄所处位置以及对比图像,可以确定拍摄所处位置的道路路段如路段i。在根据道路图像的拍摄时间,可以通过路段i的历史行车的记录数据,确定在拍摄时间之后,预测路段i的通行频率曲线,如图4所示,y为通行效率,x为时间。
步骤303、服务器确定通行频率曲线中通行频率小于第二预设阈值的时间段,作为待定养护时间。
根据通行频率曲线,服务器可以确定待定养护时间,如图4中,虚线为第二预设阈值所对应的通行频率。图4中,通行频率曲线在该虚线与x轴之间的部分所对应的时间,即为待定养护时间。
步骤304、服务器将待定养护时间与养护作业时间进行匹配,以得到养护时间。
服务器可以匹配待定养护时间与养护作业时间,如养护作业时间为t1,待定养护时间中有多个不同时长的时间段。例如待定养护时间中有t2、t3、t4,三个时间段,其中,t2<t1、t3>t1、t4<t1,则服务器可以将t3作为养护时间。
步骤305、服务器根据养护时间以及道路病害标签所对应的施工方式,生成道路养护信息。
服务器可以根据道路病害标签,通过5G网络获取相应的施工方式,根据养护时间和获取到的施工方式,生成道路养护信息。
步骤106、服务器将道路养护信息,通过5G网络发送至相应的养护管理终端。
养护管理终端可以对应于道路养护部门,还可以道路养护部门的巡逻人员的手持终端等。养护管理终端的具体类型,本申请在此,不作具体限定。
本申请通过5G网络,接收用户终端发送的图像数据,确定道路图像,并确定道路图像的拍摄所处位置和拍摄时间。将道路图像进行拼接处理,得到待识别图像,进而确定待识别图像所对应的道路病害标签。根据道路病害标签,生成并发送道路养护信息至养护管理终端。让用户参与道路养护工作中,可以节省道路养护部门的工作量,减少人力成本。利用5G网络进行数据接收和发送,可以使得道路养护工作中的信息提供更加及时,避免因道路养护信息不够及时,导致发生严重的交通安全事故。
此外,通过第一图像识别模型对道路病害的识别,可以避免人为判断病害时所带有的片面因素,可以保证识别道路病害的准确度。准确识别道路病害,可以一定程度上加快道路养护工作效率。
图5为本申请实施例提供的一种基于5G的道路养护设备500的结构示意图,该设备包括:
至少一个处理器501。以及,与至少一个处理器501通信连接的存储器502。其中,存储器502存储有能够被至少一个处理器501执行的指令,指令被至少一个处理器501执行,以使至少一个处理器501能够:
确定道路图像所对应的溯源信息。其中,道路图像为提取用户终端通过5G网络发送的图像数据得到的。溯源信息包括道路图像的拍摄所处位置、道路图像的拍摄时间。将道路图像进行拼接处理,得到道路图像相应的待识别图像。根据溯源信息,确定待识别图像是否存在匹配的对比图像。其中,对比图像为道路路段的图像。在待识别图像存在匹配的对比图像的情况下,将待识别图像输入预设的第一图像识别模型进行识别,以确定待识别图像中的道路病害标签。其中,道路病害标签至少包括以下一项或多项:裂缝、网裂、坑槽、车辙、沉陷。基于道路病害标签、溯源信息以及对比图像,生成道路养护信息。其中,道路养护信息包括养护时间、施工方式。将道路养护信息,通过5G网络发送至相应的养护管理终端。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于设备实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本申请实施例提供的设备与方法是一一对应的,因此,设备也具有与其对应的方法类似的有益技术效果,由于上面已经对方法的有益技术效果进行了详细说明,因此,这里不再赘述设备的有益技术效果。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种基于5G的道路养护方法,其特征在于,所述方法包括:
确定道路图像所对应的溯源信息;其中,所述道路图像为提取用户终端通过5G网络发送的图像数据得到的;所述溯源信息包括所述道路图像的拍摄所处位置、所述道路图像的拍摄时间;
将所述道路图像进行拼接处理,得到所述道路图像相应的待识别图像;
根据所述溯源信息,确定所述待识别图像是否存在匹配的对比图像;其中,所述对比图像为道路路段的图像;
在所述待识别图像存在匹配的所述对比图像的情况下,将所述待识别图像输入预设的第一图像识别模型进行识别,以确定所述待识别图像中的道路病害标签;其中,所述道路病害标签至少包括以下一项或多项:裂缝、网裂、坑槽、车辙、沉陷;
基于所述道路病害标签、所述溯源信息以及所述对比图像,生成道路养护信息;其中,所述道路养护信息包括养护时间、施工方式;
将所述道路养护信息,通过所述5G网络发送至相应的养护管理终端。
2.根据权利要求1所述方法,其特征在于,确定所述待识别图像是否存在匹配的对比图像,具体包括:
根据所述溯源信息,确定以拍摄所处位置为中心,以预设距离为半径的一个待定区域;
确定所述待定区域内的若干候选路段;
获取各所述候选路段的历史道路图像;以及
将所述待识别图像输入第二图像识别模型,以得到所述待识别图像的背景特征;
计算所述待识别图像的所述背景特征与所述历史道路图像的特征的特征比对值;
将所述特征比对值大于第一预设阈值的所述历史道路图像,作为所述对比图像。
3.根据权利要求1所述方法,其特征在于,基于所述道路病害标签、所述溯源信息以及所述对比图像,生成道路养护信息,具体包括:
根据所述道路病害标签,确定所述道路病害标签所对应的待养护道路的养护作业时间;
根据所述拍摄所处位置、所述拍摄时间以及所述对比图像,确定所述待养护道路,在所述拍摄所处位置的道路路段的通行频率曲线;
确定所述通行频率曲线中通行频率小于第二预设阈值的时间段,作为待定养护时间;
将所述待定养护时间与所述养护作业时间进行匹配,以得到养护时间;
根据所述养护时间以及所述道路病害标签所对应的施工方式,生成道路养护信息。
4.根据权利要求1所述方法,其特征在于,将所述道路图像进行拼接处理,得到所述道路图像相应的待识别图像,具体包括:
确定所述道路图像中各图像的所述拍摄时间;
根据各图像的所述拍摄时间,对所述道路图像依次排序,以生成待拼接图像序列;
选定所述待拼接图像序列中的初始拼接图像;
根据所述初始拼接图像以及预设规则,确定所述待拼接图像序列中,与所述初始拼接图像对应的待拼接图像,作为第一拼接图像;
识别所述初始拼接图像与所述第一拼接图像重叠区域,以根据所述重叠区域所对应的像素值以及预设的权重公式,将所述初始拼接图像与所述第一拼接图像进行图像融合;其中,所述权重公式用于表示所述重叠区域内的像素点与所述重叠区域边界的关系;
将图像融合后的所述初始拼接图像与所述第一拼接图像,作为所述初始拼接图像,并确定下一个所述第一拼接图像,直至确定所述第一拼接图像的次数大于或等于第三预设阈值,以得到所述道路图像的拼接图像;
将所述拼接图像作为所述待识别图像。
5.根据权利要求1所述方法,其特征在于,将所述待识别图像输入预设的第一图像识别模型进行识别,以确定所述待识别图像中的道路病害标签,具体包括:
通过输入层,将所述待识别图像输入所述第一图像识别模型的特征提取模块,以得到所述待识别图像所对应的特征图像;
将所述特征图像输入所述第一图像识别模型的区域推荐网络模块,以确定所述特征图像的候选区域;其中,所述候选区域包括道路病害区域、非道路病害区域;
将所述候选区域输入所述第一图像识别模型的感兴趣区域模块进行回归处理,以输出所述待识别图像的所述道路病害区域;
根据所述道路病害区域,确定所述待识别图像中的道路病害标签。
6.根据权利要求5所述方法,其特征在于,根据所述道路病害区域,确定所述待识别图像中的道路病害标签,具体包括:
将所述待识别图像的所述道路病害区域与训练所述第一图像识别模型的若干样本图像进行对比,确定所述道路病害区域所对应的道路病害标签;或者,
将所述待识别图像的所述道路病害区域,通过所述5G网络发送至若干用户终端,以根据若干所述用户终端的第一反馈信息,确定所述道路病害区域所对应的道路病害标签。
7.根据权利要求6所述方法,其特征在于,在确定所述待识别图像中的道路病害标签之后,所述方法还包括:
根据所述道路病害标签,生成并发送所述道路病害标签所对应的病害级别以及病害级别参照图至所述用户终端;
根据所述用户终端选择的所述病害级别和/或所述病害级别参照图,生成所述道路病害标签的道路养护优先级;
按照所述道路养护优先级,依次发送所述道路病害标签至相应的所述养护管理终端,以使所述养护管理终端对应的道路养护人员依次对道路病害进行养护工作。
8.根据权利要求1所述方法,其特征在于,所述方法还包括:
在所述待识别图像不存在匹配的所述对比图像的情况下,通过所述5G网络,向所述待识别图像相应的所述用户终端发送提示信息,以基于所述用户终端的第二反馈信息,确定所述待识别图像所对应的道路路段,并将所述待识别图像作为对比图像;其中,所述提示信息至少包括以下一项或多项:图片、文字、声音。
9.根据权利要求8所述方法,其特征在于,所述方法还包括:
在确定所述待识别图像中的道路病害标签之后,生成所述道路病害标签所对应的贡献度;
根据所述贡献度,更新所述用户终端的贡献度,并向所述用户终端发送所述更新后的贡献度的兑换物品。
10.一种基于5G的道路养护设备,其特征在于,所述设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有能够被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
确定道路图像所对应的溯源信息;其中,所述道路图像为提取用户终端通过5G网络发送的图像数据得到的;所述溯源信息包括所述道路图像的拍摄所处位置、所述道路图像的拍摄时间;
将所述道路图像进行拼接处理,得到所述道路图像相应的待识别图像;
根据所述溯源信息,确定所述待识别图像是否存在匹配的对比图像;其中,所述对比图像为道路路段的图像;
在所述待识别图像存在匹配的所述对比图像的情况下,将所述待识别图像输入预设的第一图像识别模型进行识别,以确定所述待识别图像中的道路病害标签;其中,所述道路病害标签至少包括以下一项或多项:裂缝、网裂、坑槽、车辙、沉陷;
基于所述道路病害标签、所述溯源信息以及所述对比图像,生成道路养护信息;其中,所述道路养护信息包括养护时间、施工方式;
将所述道路养护信息,通过所述5G网络发送至相应的养护管理终端。
CN202111057466.1A 2021-09-09 2021-09-09 一种基于5g的道路养护方法及设备 Active CN113963285B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111057466.1A CN113963285B (zh) 2021-09-09 2021-09-09 一种基于5g的道路养护方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111057466.1A CN113963285B (zh) 2021-09-09 2021-09-09 一种基于5g的道路养护方法及设备

Publications (2)

Publication Number Publication Date
CN113963285A true CN113963285A (zh) 2022-01-21
CN113963285B CN113963285B (zh) 2022-06-10

Family

ID=79461237

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111057466.1A Active CN113963285B (zh) 2021-09-09 2021-09-09 一种基于5g的道路养护方法及设备

Country Status (1)

Country Link
CN (1) CN113963285B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114841919A (zh) * 2022-03-22 2022-08-02 中国路桥工程有限责任公司 交通基础设施智能养护方法
CN114971418A (zh) * 2022-07-14 2022-08-30 唐山陆达公路养护有限公司 基于道路养护的数据的智能管理***
CN115984273A (zh) * 2023-03-20 2023-04-18 深圳思谋信息科技有限公司 道路病害检测方法、装置、计算机设备及可读存储介质
CN117273477A (zh) * 2023-08-16 2023-12-22 湖北交投智能检测股份有限公司 沥青公路路面养护决策方法、装置、设备和存储介质
CN117575878A (zh) * 2023-11-16 2024-02-20 杭州众诚咨询监理有限公司 交通设施资产数据智能管理方法、装置、电子设备和介质

Citations (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002297611A (ja) * 2001-03-29 2002-10-11 Toshiba Corp 地図情報取得方法および位置情報取得方法および地図情報取得装置およびクライアント装置および地図情報蓄積装置およびプログラム
US20080268876A1 (en) * 2007-04-24 2008-10-30 Natasha Gelfand Method, Device, Mobile Terminal, and Computer Program Product for a Point of Interest Based Scheme for Improving Mobile Visual Searching Functionalities
JP2017102672A (ja) * 2015-12-01 2017-06-08 株式会社日立ソリューションズ 地理位置情報特定システム及び地理位置情報特定方法
CN107085761A (zh) * 2017-03-09 2017-08-22 深圳高速工程信息有限公司 道路养护方法、装置和***
CN107153928A (zh) * 2017-06-28 2017-09-12 江苏智通交通科技有限公司 可视化的公路养护决策***
CN108037723A (zh) * 2018-01-24 2018-05-15 武汉浩宇天辰科技有限公司 一种公路养护信息化管理***
CN108734306A (zh) * 2018-04-03 2018-11-02 四川隧唐科技股份有限公司 一种数据处理方法、装置、道路维护***及存储介质
CN108898085A (zh) * 2018-06-20 2018-11-27 安徽大学 一种基于手机视频的道路病害智能检测方法
JP2019028922A (ja) * 2017-08-03 2019-02-21 パナソニックIpマネジメント株式会社 情報蓄積システム、情報配信システム、運転支援システム及び情報蓄積方法
US20190107400A1 (en) * 2017-08-03 2019-04-11 aiPod, Inc. Localization of Autonomous Vehicles via Ground Image Recognition
CN109685124A (zh) * 2018-12-14 2019-04-26 斑马网络技术有限公司 基于神经网络的道路病害识别方法及装置
CN109716108A (zh) * 2016-12-30 2019-05-03 同济大学 一种基于双目图像分析的沥青路面病害检测***
US20200074413A1 (en) * 2018-08-28 2020-03-05 Kabushiki Kaisha Toshiba Road maintenance management system, road maintenance management method, and a non-transitory recording medium
CN110894704A (zh) * 2019-11-15 2020-03-20 东南大学 一种基于无人机的公路路面病害的定位方法
CN111047585A (zh) * 2019-12-25 2020-04-21 苏州奥易克斯汽车电子有限公司 一种路面裂缝检测方法
CN111062871A (zh) * 2019-12-17 2020-04-24 腾讯科技(深圳)有限公司 一种图像处理方法、装置、计算机设备及可读存储介质
CN111126802A (zh) * 2019-12-10 2020-05-08 福建省高速公路集团有限公司 基于人工智能的高速公路检查评价方法及***
CN111435088A (zh) * 2019-01-15 2020-07-21 北京嘀嘀无限科技发展有限公司 一种道路匹配方法、装置、电子设备及存储介质
CN112307989A (zh) * 2020-11-03 2021-02-02 广州海格通信集团股份有限公司 路面物体识别方法、装置、计算机设备和存储介质
WO2021017212A1 (zh) * 2019-07-26 2021-02-04 魔门塔(苏州)科技有限公司 一种多场景高精度车辆定位方法、装置及车载终端
CN112465166A (zh) * 2020-11-24 2021-03-09 天津市公路工程总公司 一种公路小修养护管理***和方法
US20210097311A1 (en) * 2019-09-27 2021-04-01 Dish Network L.L.C. Wireless vehicular systems and methods for detecting roadway conditions
WO2021076573A1 (en) * 2019-10-15 2021-04-22 Roadbotics, Inc. Systems and methods for assessing infrastructure
CN112800913A (zh) * 2021-01-20 2021-05-14 同济大学 一种基于多源特征融合的路面损伤数据时空分析方法
CN112861706A (zh) * 2021-02-04 2021-05-28 北京百度网讯科技有限公司 一种道路状态的监测方法、装置、设备以及存储介质
CN113033840A (zh) * 2021-03-29 2021-06-25 唐山市曹妃甸区陆月柒峰科技有限责任公司 一种公路养护的判断方法和装置
CN113256969A (zh) * 2021-04-30 2021-08-13 济南金宇公路产业发展有限公司 一种高速公路的交通事故预警方法、设备及介质
CN113283285A (zh) * 2021-03-19 2021-08-20 南京四维向量科技有限公司 一种基于图像识别技术精确地址定位的方法

Patent Citations (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002297611A (ja) * 2001-03-29 2002-10-11 Toshiba Corp 地図情報取得方法および位置情報取得方法および地図情報取得装置およびクライアント装置および地図情報蓄積装置およびプログラム
US20080268876A1 (en) * 2007-04-24 2008-10-30 Natasha Gelfand Method, Device, Mobile Terminal, and Computer Program Product for a Point of Interest Based Scheme for Improving Mobile Visual Searching Functionalities
JP2017102672A (ja) * 2015-12-01 2017-06-08 株式会社日立ソリューションズ 地理位置情報特定システム及び地理位置情報特定方法
CN109716108A (zh) * 2016-12-30 2019-05-03 同济大学 一种基于双目图像分析的沥青路面病害检测***
CN107085761A (zh) * 2017-03-09 2017-08-22 深圳高速工程信息有限公司 道路养护方法、装置和***
CN107153928A (zh) * 2017-06-28 2017-09-12 江苏智通交通科技有限公司 可视化的公路养护决策***
US20190107400A1 (en) * 2017-08-03 2019-04-11 aiPod, Inc. Localization of Autonomous Vehicles via Ground Image Recognition
JP2019028922A (ja) * 2017-08-03 2019-02-21 パナソニックIpマネジメント株式会社 情報蓄積システム、情報配信システム、運転支援システム及び情報蓄積方法
CN108037723A (zh) * 2018-01-24 2018-05-15 武汉浩宇天辰科技有限公司 一种公路养护信息化管理***
CN108734306A (zh) * 2018-04-03 2018-11-02 四川隧唐科技股份有限公司 一种数据处理方法、装置、道路维护***及存储介质
CN108898085A (zh) * 2018-06-20 2018-11-27 安徽大学 一种基于手机视频的道路病害智能检测方法
US20200074413A1 (en) * 2018-08-28 2020-03-05 Kabushiki Kaisha Toshiba Road maintenance management system, road maintenance management method, and a non-transitory recording medium
CN109685124A (zh) * 2018-12-14 2019-04-26 斑马网络技术有限公司 基于神经网络的道路病害识别方法及装置
CN111435088A (zh) * 2019-01-15 2020-07-21 北京嘀嘀无限科技发展有限公司 一种道路匹配方法、装置、电子设备及存储介质
WO2021017212A1 (zh) * 2019-07-26 2021-02-04 魔门塔(苏州)科技有限公司 一种多场景高精度车辆定位方法、装置及车载终端
US20210097311A1 (en) * 2019-09-27 2021-04-01 Dish Network L.L.C. Wireless vehicular systems and methods for detecting roadway conditions
WO2021076573A1 (en) * 2019-10-15 2021-04-22 Roadbotics, Inc. Systems and methods for assessing infrastructure
CN110894704A (zh) * 2019-11-15 2020-03-20 东南大学 一种基于无人机的公路路面病害的定位方法
CN111126802A (zh) * 2019-12-10 2020-05-08 福建省高速公路集团有限公司 基于人工智能的高速公路检查评价方法及***
CN111062871A (zh) * 2019-12-17 2020-04-24 腾讯科技(深圳)有限公司 一种图像处理方法、装置、计算机设备及可读存储介质
CN111047585A (zh) * 2019-12-25 2020-04-21 苏州奥易克斯汽车电子有限公司 一种路面裂缝检测方法
CN112307989A (zh) * 2020-11-03 2021-02-02 广州海格通信集团股份有限公司 路面物体识别方法、装置、计算机设备和存储介质
CN112465166A (zh) * 2020-11-24 2021-03-09 天津市公路工程总公司 一种公路小修养护管理***和方法
CN112800913A (zh) * 2021-01-20 2021-05-14 同济大学 一种基于多源特征融合的路面损伤数据时空分析方法
CN112861706A (zh) * 2021-02-04 2021-05-28 北京百度网讯科技有限公司 一种道路状态的监测方法、装置、设备以及存储介质
CN113283285A (zh) * 2021-03-19 2021-08-20 南京四维向量科技有限公司 一种基于图像识别技术精确地址定位的方法
CN113033840A (zh) * 2021-03-29 2021-06-25 唐山市曹妃甸区陆月柒峰科技有限责任公司 一种公路养护的判断方法和装置
CN113256969A (zh) * 2021-04-30 2021-08-13 济南金宇公路产业发展有限公司 一种高速公路的交通事故预警方法、设备及介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CE ZHANG 等: "road maintenance Pavement Distress neural network", 《INTERNATIONAL JOURNAL OF TRANSPORTATION SCIENCE AND TECHNOLOGY》 *
姚琳怡: "基于强化学习的高速公路项目级养护决策研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
陈曼妮: "高速公路路面养护管理信息***设计与应用", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114841919A (zh) * 2022-03-22 2022-08-02 中国路桥工程有限责任公司 交通基础设施智能养护方法
CN114971418A (zh) * 2022-07-14 2022-08-30 唐山陆达公路养护有限公司 基于道路养护的数据的智能管理***
CN115984273A (zh) * 2023-03-20 2023-04-18 深圳思谋信息科技有限公司 道路病害检测方法、装置、计算机设备及可读存储介质
CN117273477A (zh) * 2023-08-16 2023-12-22 湖北交投智能检测股份有限公司 沥青公路路面养护决策方法、装置、设备和存储介质
CN117575878A (zh) * 2023-11-16 2024-02-20 杭州众诚咨询监理有限公司 交通设施资产数据智能管理方法、装置、电子设备和介质
CN117575878B (zh) * 2023-11-16 2024-04-26 杭州众诚咨询监理有限公司 交通设施资产数据智能管理方法、装置、电子设备和介质

Also Published As

Publication number Publication date
CN113963285B (zh) 2022-06-10

Similar Documents

Publication Publication Date Title
CN113963285B (zh) 一种基于5g的道路养护方法及设备
US11887064B2 (en) Deep learning-based system and method for automatically determining degree of damage to each area of vehicle
CN110197203B (zh) 基于宽度学习神经网络的桥梁路面裂缝分类识别方法
JP6904614B2 (ja) 対象物検出装置、予測モデル作成装置、対象物検出方法及びプログラム
KR20200013148A (ko) 콘크리트 구조물 결함 분석 서비스 제공 방법, 시스템 및 컴퓨터 프로그램
CN110991466A (zh) 一种基于新型视觉传感设备的高速公路路面状况检测***
CN106683073B (zh) 一种车牌的检测方法及摄像机和服务器
WO2021190269A1 (zh) 车辆定损方法、车辆定损装置及应用其的电子设备
CN110942050A (zh) 一种基于图像处理的自动售卖机商品识别***
CN111462140B (zh) 一种基于区块拼接的实时图像实例分割方法
Hascoet et al. Fasterrcnn monitoring of road damages: Competition and deployment
CN114926766A (zh) 识别方法及装置、设备、计算机可读存储介质
JP2020038132A (ja) コンクリート表面上のひび割れ特定方法、ひび割れ特定装置、ひび割れ特定システム及びプログラム
CN110738576B (zh) 为受损车辆生成定损文件的方法及装置
Katsamenis et al. A few-shot attention recurrent residual U-Net for crack segmentation
CN115272222A (zh) 道路检测信息的处理方法、装置、设备及存储介质
CN117078677B (zh) 一种用于始极片的缺陷检测方法及***
CN110766010A (zh) 一种信息识别方法、模型训练方法和相关装置
CN103824074A (zh) 一种基于背景减除和纹理特征的人群密度估计方法及***
CN116503417A (zh) 一种超长焊缝与典型缺陷自动识别、定位及尺寸计算方法
CN111311601A (zh) 一种拼接图像的分割方法及装置
CN110660000A (zh) 数据预测方法、装置、设备及计算机可读存储介质
CN115049600A (zh) 一种小样本管道缺陷智能识别***及方法
JP2019211921A (ja) 物体認識システムおよび物体認識方法
CN113421319A (zh) 一种图像处理方法、装置以及计算机设备

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 250101 no.1188 Tianchen street, high tech Zone, Jinan City, Shandong Province

Applicant after: Shandong Jinyu Information Technology Group Co.,Ltd.

Address before: 250101 no.1188 Tianchen street, high tech Zone, Jinan City, Shandong Province

Applicant before: JINAN JINYU HIGHWAY INDUSTRY DEVELOPMENT Co.,Ltd.

GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A road maintenance method and equipment based on 5G

Effective date of registration: 20230113

Granted publication date: 20220610

Pledgee: Ji'nan rural commercial bank Limited by Share Ltd. high tech branch

Pledgor: Shandong Jinyu Information Technology Group Co.,Ltd.

Registration number: Y2023980030827

PC01 Cancellation of the registration of the contract for pledge of patent right
PC01 Cancellation of the registration of the contract for pledge of patent right

Date of cancellation: 20231222

Granted publication date: 20220610

Pledgee: Ji'nan rural commercial bank Limited by Share Ltd. high tech branch

Pledgor: Shandong Jinyu Information Technology Group Co.,Ltd.

Registration number: Y2023980030827