-
公开(公告)号：CN111553236A
公开(公告)日：2020-08-18
申请号：CN202010324404.1
申请日：2020-04-23
Applicant: 福建农林大学
Abstract: 本发明涉及一种基于道路前景图像的路面病害目标检测与实例分割方法。通过双目相机采集道路前景图像并获取图像景深信息；然后通过K-means聚类算法分析最佳的锚框(Anchors)尺寸，并调整模型参数以使得Mask-RCNN模型精准稳定的对路面病害进行目标识别；制定目标重叠过滤策略，将重复检测的目标进行过滤；最后，根据预测框的四个顶点进行坐标系转换，并结合深度图像信息获取病害的真实面积，从而自动生成路面病害明细表。本发明可以实现路面病害在原图中的定位及轮廓实例分割，通过两个分支(mask branch)并行识别，将最终得到的结果融合到一张图像中，大大提高了识别的准确率；为道路养护部门的检测作业，安全性评价及养护决策提供一定的辅助支撑。
-
Patent Agency Ranking
公开(公告)号：CN110569730A
公开(公告)日：2019-12-13
申请号：CN201910723374.9
申请日：2019-08-06
Applicant: 福建农林大学 , 福建省锐道工程技术咨询有限公司
Abstract: 本发明涉及一种基于U-net神经网络模型的路面裂缝自动识别方法，以车载激光道路检测设备采集的路面裂缝2D激光图像为基础通过弹性变形技术进行数据库扩充；然后调整U-net模型结构，参数微调以让该模型实现对路面裂缝精准地自动识别；将制作好的数据集输入到网络中，反复地训练模型自动学习裂缝像素特征的能力；最后训练出一个比较稳定的自动识别模型，进而提高裂缝识别精度和速度。本发明可以实现快速、高效的路面裂缝自动识别，减少公路检测作业的人力资源消耗，避免出现肉眼识别的主观性误差，提高识别的准确度。
-
公开(公告)号：CN111288890A
公开(公告)日：2020-06-16
申请号：CN202010086065.8
申请日：2020-02-13
Applicant: 福建农林大学
Abstract: 本发明涉及一种基于双目摄影测量技术的道路标志尺寸及高度自动测量方法。利用车载双目摄影设备采集道路前景图像，通过摄影测量技术自动生成景深信息；利用Mask_RCNN模型对分类识别道路前景图像中的标注标牌，并获取标志在图像上的坐标信息；根据相机焦距和图像景深信息将图像坐标系转换为相机坐标系；利用标志在图像上的坐标信息计算标志的实际大小尺寸，再结合相机高度与标志在图像上的纵坐标，计算标志的实际离地高度；通过相机俯仰角、翻滚角、航向角对测量结果进行校正。本发明可以实现标志牌尺寸与高度的自动测量，为道路基础设施的统计维护，以及无人驾驶技术提供一定的技术基础。
-
公开(公告)号：CN111553236B
公开(公告)日：2022-06-07
申请号：CN202010324404.1
申请日：2020-04-23
Applicant: 福建农林大学
Abstract: 本发明涉及一种基于道路前景图像的路面病害目标检测与实例分割方法。通过双目相机采集道路前景图像并获取图像景深信息；然后通过K‑means聚类算法分析最佳的锚框(Anchors)尺寸，并调整模型参数以使得Mask‑RCNN模型精准稳定的对路面病害进行目标识别；制定目标重叠过滤策略，将重复检测的目标进行过滤；最后，根据预测框的四个顶点进行坐标系转换，并结合深度图像信息获取病害的真实面积，从而自动生成路面病害明细表。本发明可以实现路面病害在原图中的定位及轮廓实例分割，通过两个分支(mask branch)并行识别，将最终得到的结果融合到一张图像中，大大提高了识别的准确率；为道路养护部门的检测作业，安全性评价及养护决策提供一定的辅助支撑。
-
公开(公告)号：CN111488854A
公开(公告)日：2020-08-04
申请号：CN202010329229.5
申请日：2020-04-23
Applicant: 福建农林大学
Abstract: 本发明涉及一种道路交通标志自动识别与分类方法，包括以下步骤：步骤S1：采用车载图像采集设备采集道路图像；步骤S2：从采集到的道路图像中筛选出具有交通标志的图像并进行标注，构建Mask_RCNN模型训练所需的数据集；步骤S3：将步骤S2得到的数据集输入Mask_RCNN模型进行训练，得到训练后的权重；步骤S4：将所有采集到的道路图像用步骤S3训练好的权重进行道路标志的识别与分类；步骤S5：对生成结果进行检查，对识别效果不好的图像进行二次标注并重新训练权重；步骤S6：输出识别结果。该方法有利于提高道路交通标志的识别和分类效果。
-
公开(公告)号：CN110569730B
公开(公告)日：2022-11-15
申请号：CN201910723374.9
申请日：2019-08-06
Applicant: 福建农林大学 , 福建省锐道工程技术咨询有限公司
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于U‑net神经网络模型的路面裂缝自动识别方法，以车载激光道路检测设备采集的路面裂缝2D激光图像为基础通过弹性变形技术进行数据库扩充；然后调整U‑net模型结构，参数微调以让该模型实现对路面裂缝精准地自动识别；将制作好的数据集输入到网络中，反复地训练模型自动学习裂缝像素特征的能力；最后训练出一个比较稳定的自动识别模型，进而提高裂缝识别精度和速度。本发明可以实现快速、高效的路面裂缝自动识别，减少公路检测作业的人力资源消耗，避免出现肉眼识别的主观性误差，提高识别的准确度。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
