城市道路智能巡检系统介绍.pdfVIP

城市道路智能巡检系统介绍

摘要：本文介绍一种高效率的道路智能巡检系统，在不影响道路交通的情况下，及时、高效进行城

市道路巡视、检查，通过软件自动设别道路病害、以及道路交通安全设施的现状，将道路病害在管理平台上

采用图像、图表的形式在屏幕上展示，并形成道路管养方案，为城市道路安全运行、管理、养护决策提供快

速、及时、准确的资料。

关键词：道路智能巡检系统；车载巡查采集软件；道路智能巡查巡检车；管理平台；病害采集及处理；

1前言

城市道路，犹如人体的血管，需要保持畅通、健康，因此，需要对城市道路

进行体检，即对城市道路进行日常性巡查、以及有针对性地进行专项现状道路路

况调查。传统的日常性巡查主要采用人工目测方式，对道路、桥梁外观病害检查，

以及照明设施、交通安全设施及交通标志进行外观和完整性检查。传统型检查受

工作环境、路面交通限制，耗费大量人力，效率低，很难做到快速、及时进行道

路现状检测、并实时反映道路路况。本文介绍采一种道路智能巡检系统，用车载

巡查系统（道路智能巡查车）配合专用计算机软件，对道路交通安全设施、交通

标志、路况进行快速巡查，根据检查到的实时路况及时通知道路管养部门，及时

采取相应的解决措施；必要时，对相应路段实施路面结构强度检测、路面平整度

检测、路面结构层及厚度检测、城市道路排水设施专项检测，为道路维修、养护

提供依据。

2道路智能巡检系统

道路智能巡检系统主要由车载巡查采集软件、道路巡查巡检车和管理平台组

成。

2.1车载巡查采集软件

包括道路病害设别、交通标志标牌、交安设施隐患进行识别，以及病害采集

和传输。利用深度学习之图像自动识别技术，自动对道路病害、标志标牌、交安

设施隐患进行识别，利用逆透视变换图像视角矫正技术和相机像素标定技术，对

病害尺寸进行量化分析，可以精确地获得路面损坏面积和清晰的病

害框选图像。

2.2.1病害、交安设施隐患自动识别软件

识别模型训练：基于卷积神经网络和病害图像数据集训练道路病害检测模型，

并按照行业技术规范对道路病害进行量化分析。

（1）模型网络结构图

1）由足量的道路图像样本预训练用于区分沥青路面、城市道路的分类卷积

神经网络(CNN)，对抽取的道路图像进行分类识别，确定道路的类别属性。

2）由足量的沥青路面病害图像、城市道路问题图像分别训练用于检测两种

道路病害的目标检测网络，对分类好的道路图像进行目标检测，确定道路病害类

别及其在图像中的位置。

3）截取道路图像对应的病害区域作为子图，输入至预先训练的图像分类神

经网络，计算出所述子图属于轻、中、重三等级的概率，识别出各道路病害的病

害等级。

4）将以上各个分类模型、目标检测模型进行级联，形成复杂场景下的道路

病害问题检测识别系统。

（2）识别模型优化流程

系统针对定制模型的深度学习提供了优化途径，通过有监督学习训练，达到

不断提升识别率和识别内容范畴的效果。

1）病害库管理：软件平台对所有的病害类型进行管理，称之为图像病害库，

这些图像都有非常精确的标注和类型说明，对于新的病害类型，需要前期进行图

像样本积累收集和打标的过程；

2）复核校验：对于已上线的病害识别内容，系统会进行抽查和人工复核，

对于错误识别的图片打上错误标签，对于漏检的图片打上漏检标签，错误和漏检

的图片会放入病害库，用于模型的再训练；

3）模型优化：模型优化的过程就是再次训练的过程，通过不断纠正和补缺

模型之前的错误，从而达到优化的效果，实现识出率和准确率均能达到90%甚至

99%的水准。

（3）图像增强技术

采用限制自适应直方图均衡化（CLAHE）算法对图像进行预处理，突出待检

测图像的病害区域，提升后续病害检测的正确率。

2.2道路智能巡查巡检车

2.2.1病害采集及处理

道路智能巡查巡检车，装备了专业级工业相机和GNSS高精确定位设备，对

道路安全和基础设施进行高清影像抓拍和高精度定位，进行道路影像采集；前置

相机抓拍正前方影像，用于分析标志标牌、沿线交安设施；后置相机用于抓拍路

面影像，利用超高速快门即便在100公里/小时的车速状况下，也能拍清楚路面

裂缝，并且保存每一帧图像对应的位置坐标。利用人工智能技术，自动对路面病

害和基础设施安全隐患进行识别，利用逆透视变换图像视角矫正技术和相机像素

标定技术，对其进行量化分析，可以精确的计算路面