公开(公告)号：CN115937518A

公开(公告)日：2023-04-07

申请号：CN202211534861.9

申请日：2022-11-29

Applicant: 长安大学

Inventor： 杨旭 ,  樊康 ,  李硕 ,  管进超 ,  刘文博 ,  丁玲

IPC: G06V10/26 ,  G06V10/75 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种基于多源图像融合的路面病害识别方法及系统，本发明提供的路面状况检测方法中，通过多源采集设备获取多源数据，对多源数据进行预处理生成多源图像，首先对第一源图像的第二元图像进行严格图像配准，然后采用像素级图像融合得到多源融合图像并形成多源异构数据库，最后以多源异构数据作为输入，结合路面状况选用最优数据采用双层算法对病害进行检测，最后输出病害信息并完成相关指标计算，完成路面状况的检测与分析。

公开(公告)号：CN116485767A

公开(公告)日：2023-07-25

申请号：CN202310466763.4

申请日：2023-04-26

Applicant: 长安大学

Inventor： 杨旭 ,  李硕 ,  樊康 ,  张建奇 ,  管进超 ,  丁玲

IPC: G06T7/00 ,  G06T7/10 ,  G06V10/764 ,  G06V10/82 ,  G06V10/20 ,  G06V10/40

Abstract: 本发明公开了一种基于图像分类与分割的路面裂缝图像检测方法及系统，通过将待检子图数据集输入至预训练好的图像分类神经网络模型，获得待检子图数据集中每张待检子图的类别概率，取概率高者的类别为当前子图标签，并按照标签将待检子图数据集划分成裂缝子图数据集以及非裂缝子图数据集，将裂缝子图数据集输入至预训练好的裂缝分割神经网络，遍历每张裂缝子图的每个像素并计算其类别概率，取概率高者类别为当前像素标签，可以检测大尺寸路面裂缝图像，解决了因计算机算力不足而无法对大尺寸路面裂缝图像进行裂缝检测的问题，同时减少分割模型对非裂缝区域进行的冗余分割操作，进而提高裂缝图像的处理效率。

公开(公告)号：CN115761736A

公开(公告)日：2023-03-07

申请号：CN202211518467.6

申请日：2022-11-29

Applicant: 长安大学

Inventor： 杨旭 ,  刘文博 ,  管进超 ,  李毅 ,  张建奇 ,  樊康 ,  汪海年 ,  丁玲

IPC: G06V20/70 ,  G06V10/774 ,  G06V10/82 ,  G06V10/26 ,  G06V10/40 ,  G06V10/80 ,  G06N3/0464 ,  G06V10/75 ,  G06N3/08

Abstract: 本发明公开了一种基于多维探地雷达图像的地下空洞智能检测方法与系统，针对性地选择不同的深度学习网络对B‑scan和C‑scan图像分别进行检测与分割，充分融合两者反应的不同病害信息，基于提出的病害筛选规则进行信息匹配可以从所有病害中排除管道及裂缝，提高空洞的自动检测精度。同时，相比于现存的技术，本方法在实现过程中可以输出空洞病害的三维信息，为道路养护维修工作提供指导，更加方便道路维养人员从全局角度对病害进行分析与养护规划。旨在结合B‑scan探地雷达图像和C‑scan探地雷达图像，排除与空洞雷达图像特征相同的其他异常情况，降低误检率，提高地下空洞的检测精度。此外，基于B‑scan探地雷达图像与C‑scan探地雷达图像，输出空洞病害的空间信息，为道路养护维修工作提供指导。