(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211165084.5 (22)申请日 2022.09.23 (71)申请人 东南大学 地址 211102 江苏省南京市江宁区东 南大 学路2号 (72)发明人 呼延菊　杨汉铎　佘旭晖　程杭林　 马涛　张伟光　 (74)专利代理 机构 南京经纬专利商标代理有限 公司 32200 专利代理师 朱小兵 (51)Int.Cl. G06V 10/26(2022.01) G06V 20/56(2022.01) G06V 10/25(2022.01) G06V 10/34(2022.01)G06V 10/764(2022.01) G06V 10/82(2022.01) G06T 7/30(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种智能化路面病害识别检测方法及系统 (57)摘要 本发明公开了一种智能化路面病害识别检 测方法及系统， 该方法采用运动相机、 GPS&北斗 定位模块作为采集设备， 采用改进的卡尔曼滤波 算法、 Crack ‑QuickSort算法以及改进的Crack ‑ wnet算法进行定位数据和图像数据的预处理与 处理操作， 能够精确解算出道路病害的位置、 长 度、 宽度和面积信息， 结合上述信息进而求取得 到路面表面破损状态指数PCI。 该系统包括车辆 位置获取模块， 道路图像检测模块， 道路图像特 征提取模块， 路面病害报表输出模块。 本发明的 优点在于实现了高精度路面病害检测， 构建了整 体性路面病害检测系统， 此外， 采用前景相机进 行病害识别的方法使得路面检测设备与成本降 低， 增加了整个 检测过程中的智能化 程度。 权利要求书2页 说明书6页 附图2页 CN 115457277 A 2022.12.09 CN 115457277 A 1.一种智能化路面病害识别检测方法， 其特 征在于， 包括如下步骤： S1、 获取车辆位置： 以当前 车辆位置与速度信息计算得到车辆最优位置信息； S2、 检测道路图像： 基于当前车辆最优位置信 息的道路图像数据， 得到对应的道路图像 的感兴趣区域； S3、 提取道路图像特征： 基于道路图像的感兴趣区域， 得到其对应的路面病害图像的特 征； S4、 输出路面病害监测报表： 以车辆位置与速度信 息、 对应的路面病害图像的特征为输 入， 输出道路病害检测报表。 2.根据权利要求1所述的一种智能化路面病害识别检测方法， 其特征在于， 步骤S1中， 基于当前车辆位置与速度信息， 对车辆的速度进行平滑滤波处理， 修正车辆位置信息的误 差， 得到车辆最优位置信息 。 3.根据权利要求2所述的一种智能化路面病害识别检测方法， 其特征在于， 步骤S2中， 基于当前车辆位置信息的道路图像数据， 利用加速度传感器获取车辆竖直方向加速度数 据， 修正图像位置 。 4.根据权利要求3所述的一种智能化路面病害识别检测方法， 其特征在于， 步骤S2中， 采用改进的Crack ‑QuickSort模型来进行道路图像的感兴趣区域提取， 所述改进的Crack ‑ QuickSor t模型由目标检测模块和目标追踪模块构成； 其中： 在改进的Crack ‑QuickSort模型特征提取层增加四个串联的CrackInception块 并去除 三个全卷积层， CrackInception块包括三个并联的Inception ‑v3结构， 用于道路图像的感 兴趣区域提取； 在所述目标追踪模块中， 记录追踪id相同的检测框， 添加基于 关键角点检测 的纵向裂缝检测框图像配准算法， 对道路纵向裂缝进行图像匹配， 获取单条纵向裂缝的完 整检测信息， 其中的关键角点检测采用SIFT角点检测算法。 5.根据权利要求4所述的一种智能化路面病害识别检测方法， 其特征在于， 步骤S3中， 利用改进的Crack ‑wnet算法提取路面病害图像的特征， 具体是： 在 U‑Net神经网络编码层与 解码层之间添加超特征提取层， 所述超特征提取层为并联的一个Dense ‑block和一个W ‑ block， Den se‑block由两个串联的2048单元的全连接层组成， W ‑block中每个节点由三层卷 积层组成， 卷积采用尺寸为3 ×3的空洞卷积， 三层卷积层的卷积核膨胀率分别为1， 2， 3， 用 于加强路面病害图像的深度特 征提取能力。 6.一种智能化路面病害识别检测系统， 其特 征在于， 包括： 车辆位置获取模块， 基于车辆上的定位系统， 以当前车辆位置与速度信息为输入， 车辆 最优位置信息为输出； 道路图像检测模块， 基于车辆上的拍摄装置， 以当前车辆位置信息的道路图像数据为 输入， 其对应的道路图像的感兴趣区域 为输出； 道路图像特征提取模块， 以道路图像的感兴趣区域为输入、 其对应的路面病害图像的 特征为输出； 路面病害报表输出模块， 用于输出病害检测报表， 以车辆位置与速度信息、 对应的路面 病害图像的特 征为输入， 病害检测报表为输出。 7.根据权利要求6所述的一种智能化路面病 害识别检测系统， 其特征在于， 车辆位置获 取模块被配置以下动作： 将车辆位置信息输入到车辆位置获取模块， ， 对车辆的速度进行平权　利　要　求　书 1/2 页 2 CN 115457277 A 2滑滤波处 理， 修正位置信息的误差， 获得最优车辆位置信息 。 8.根据权利要求7所述的一种智能化路面病 害识别检测系统， 其特征在于， 道路图像检 测模块被配置以下动作： 将当前车辆位置信息的道路图像数据输入至道路图像检测模块， 同时利用加速度传感器获取 车辆竖直方向加速度数据， 修 正图像位置 。 9.根据权利要求8所述的一种智能化路面病 害识别检测系统， 其特征在于， 道路图像检 测模块包括目标检测 模块和目标追踪模块构成 的改进的Cr ack‑QuickSort模型； 在改进的 Crack‑QuickSort模型特征提取层增加四个串联的CrackInception块并去除三个全卷积 层， CrackInception块包括三个并联的Inception ‑v3结构， 用于道路图像的感兴趣区域提 取； 在所述目标追踪模块中， 记录追踪id相同的检测框， 添加基于关键角点检测的纵向裂 缝检测框图像配准算法， 对道路纵向裂缝进行图像匹配， 获取单条纵向裂缝 的完整检测信 息， 其中的关键角点检测采用SIFT角点检测算法。 10.根据权利要求9所述的一种智能化路面病害识别检测系统， 其特征在于， 道路图像 特征提取模块利用改进的Crack ‑wnet算法， 在U ‑Net神经网络编码层与解码层之间添加超 特征提取层， 所述超特征提取层为并联的一个Den se‑block和一个W ‑block， Dense ‑block由 两个串联的2048单元的全连接层组成， W ‑block中每个节 点由三层卷积层组成， 卷积采用尺 寸为3×3的空洞卷积， 三层卷积层的卷积核膨胀率分别为1， 2， 3， 用于加强路面病害图像的 深度特征提取能力。权　利　要　求　书 2/2 页 3 CN 115457277 A 3