一种道路路面质量检测方法及装置

1.本发明涉及无人驾驶的道路路面质量检测技术领域。尤其涉及一种道路路面质量检测方法及装置。


背景技术：

2.现阶段道路养护大多采用人工检测。然而道路的养护维修所采用的施工技术不够先进，先进的机械设备配置不齐全影响了道路施工的作业效率,而有的道路养护维修单位虽然具有科技含量高的作业设备，但是相关技术作业人员的知识水平有限，不能有效发挥出机械设备应有的效能。由于施工作业效率不高、所采用的道路维修机械陈旧、作业技术人员的业务水平不足等因素，使得道路的养护施工技术水平不高。因此，人工道路养护技术水平不高、耗时费力是道路养护过程中的难点。
3.部分发达地区虽然已经研发出道路多功能检测车，但是其仍需人工驾驶并且人工校对检测结果，并且体积庞大，造价昂贵，使用不灵活，无法大面积投入使用，使用效率仍然较低，依然无法满足社会亟待解决的道路路面质量检测需求。


技术实现要素：

4.由于现有方法存在上述问题，本技术提出一种道路路面质量检测方法及装置。
5.第一方面，本技术提出一种道路路面质量检测方法，包括：
6.获取检测区域的道路路面图像；
7.将所述道路路面图像输入道路路面图像识别模型，获得所述检测区域的道路路面所属破损类型及其概率λ；
8.获取无人车在所述检测区域的倾斜角度和竖直加速度；
9.根据所述道路路面所属破损类型的概率λ、所述倾斜角度θ、所述竖直加速度α以及其各自的权重，确定道路路面质量。
10.在一种可能的实现中，所述获取无人车在所述检测区域的倾斜角度和竖直加速度，包括：
11.通过集成有陀螺仪的摄像头获取所述无人车在所述检测区域的倾斜角度；
12.通过惯导传感器获取所述无人车在所述检测区域的竖直加速度。
13.在一种可能的实现中，所述道路路面图像识别模型通过以下步骤获得：
14.获取道路破损数据集，所述道路破损数据集包括裂缝类数据和/或坑洼类数据；
15.将所述裂缝类数据和所述坑洼类数据输入第一模型，所述第一模型为引入se注意力机制的yolov5模型；
16.提取所述裂缝类数据的特征和/或所述坑洼类数据的特征；
17.确定所述裂缝类数据的特征和/或所述坑洼类数据的特征与预设特征的相似度，获得所述检测区域的道路路面所属破损类型及其概率λ；
18.将所述概率λ与预设概率进行比对，调整第一模型的参数；
19.重复上述步骤，直至满足迭代终止条件，获得所述道路路面图像识别模型。
20.在一种可能的实现中，所述根据所述道路路面所属破损类型的概率λ、所述倾斜角度θ、所述竖直加速度α以及其各自的权重，确定道路路面质量，包括：
21.若所述道路路面所属破损类型为裂缝类，则所述概率λ每增加0.1，第一数值增加1,所述第一数值∈[0,第一预设数值]；并且
[0022]
所述倾斜角度θ∈[0
°
,第一预设倾斜角度]时，每增加1
°
，第二数值增加1，所述第二数值∈[0,第二预设数值]，或者所述倾斜角度θ＞第一预设倾斜角度时，所述第二数值为所述第二预设数值；并且
[0023]
所述竖直加速度α∈[0,第一预设竖直加速度]时，每增加1m/s2，第三数值增加1，所述第三数值∈[0,第三预设数值]，或者所述竖直加速度α＞第一预设竖直加速度时，所述第三数值为第三预设数值；
[0024]
根据所述第一数值、所述第二数值、所述第三数值及其对应的所述概率λ、所述倾斜角度θ、所述竖直加速度α各自的权重，确定道路路面质量。
[0025]
在一种可能的实现中，所述根据所述道路路面所属破损类型的概率λ、所述倾斜角度θ、所述竖直加速度α以及其各自的权重，确定道路路面质量，包括：
[0026]
若所述道路路面所属破损类型为坑洼类，则所述概率λ每增加0.1，第四数值增加1,所述第四数值∈[0,第一预设数值]；并且
[0027]
所述倾斜角度θ∈[0
°
,第二预设倾斜角度]时，每增加2
°
，第五数值增加1，所述第五数值∈[0,第二预设数值]，或者所述倾斜角度θ＞第二预设倾斜角度时，所述第五数值为所述第二预设数值；并且
[0028]
所述竖直加速度α∈[0,第二预设竖直加速度]时，每增加2m/s2，第六数值增加1，所述第六数值∈[0,第三预设数值]，或者所述竖直加速度α＞第二预设竖直加速度时，所述第六数值为第三预设数值；
[0029]
根据所述第四数值、所述第五数值、所述第六数值及其对应的所述概率λ、所述倾斜角度θ、所述竖直加速度α各自的权重，确定道路路面质量。
[0030]
第二方面，本技术提出一种道路路面质量检测装置，包括：
[0031]
收发单元用于获取检测区域的道路路面图像；
[0032]
处理单元用于将所述道路路面图像输入道路路面图像识别模型，获得所述检测区域的道路路面所属破损类型及其概率λ；
[0033]
所述收发单元用于获取无人车在所述检测区域的倾斜角度和竖直加速度；
[0034]
所述处理单元用于根据所述道路路面所属破损类型的概率λ、所述倾斜角度θ、所述竖直加速度α以及其各自的权重，确定道路路面质量。
[0035]
在一种可能的实现中，所述处理单元具体用于：
[0036]
若所述道路路面所属破损类型为裂缝类，则所述概率λ每增加0.1，第一数值增加1,所述第一数值∈[0,第一预设数值]；并且
[0037]
所述倾斜角度θ∈[0
°
,第一预设倾斜角度]时，每增加1
°
，第二数值增加1，所述第二数值∈[0,第二预设数值]，或者所述倾斜角度θ＞第一预设倾斜角度时，所述第二数值为所述第二预设数值；并且
[0038]
所述竖直加速度α∈[0,第一预设竖直加速度]时，每增加1m/s2，第三数值增加1，
所述第三数值∈[0,第三预设数值]，或者所述竖直加速度α＞第一预设竖直加速度时，所述第三数值为第三预设数值；
[0039]
根据所述第一数值、所述第二数值、所述第三数值及其对应的所述概率λ、所述倾斜角度θ、所述竖直加速度α各自的权重，确定道路路面质量。
[0040]
在一种可能的实现中，所述处理单元具体用于：
[0041]
若所述道路路面所属破损类型为坑洼类，则所述概率λ每增加0.1，第四数值增加1,所述第四数值∈[0,第一预设数值]；并且
[0042]
所述倾斜角度θ∈[0
°
,第二预设倾斜角度]时，每增加2
°
，第五数值增加1，所述第五数值∈[0,第二预设数值]，或者所述倾斜角度θ＞第二预设倾斜角度时，所述第五数值为所述第二预设数值；并且
[0043]
所述竖直加速度α∈[0,第二预设竖直加速度]时，每增加2m/s2，第六数值增加1，所述第六数值∈[0,第三预设数值]，或者所述竖直加速度α＞第二预设竖直加速度时，所述第六数值为第三预设数值；
[0044]
根据所述第四数值、所述第五数值、所述第六数值及其对应的所述概率λ、所述倾斜角度θ、所述竖直加速度α各自的权重，确定道路路面质量。
[0045]
第三方面，本技术还提出一种道路路面质量检测装置，包括至少一个处理器，所述处理器用于执行存储器中存储的程序，当所述程序被执行时，使得所述装置执行如第一方面及各种可能的实现中的各个步骤。
[0046]
第四方面，本技术还提出一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面及各种可能的实现中的各个步骤。
[0047]
由上述技术方案可知，本技术通过无人车上载有的摄像头和传感器识别检测区域的道路路面图像、无人车在上述检测区域的倾斜角度和竖直加速度。通过将道路路面图像输入道路路面图像识别模型，获得检测区域的道路路面所属破损类型及其概率λ。根据道路路面所属破损类型的概率λ、倾斜角度θ、竖直加速度α以及其各自的权重，确定道路路面质量。上述方法提高了道路路面质量检测的精度和效率。
附图说明
[0048]
为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些图获得其他的附图。
[0049]
图1为本技术实施例提供的一种道路路面质量检测方法的流程示意图；
[0050]
图2为本技术实施例提供的一种道路路面质量检测装置的结构示意图。
具体实施方式
[0051]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
[0052]
需要说明的是，本技术中术语“和/或”，仅仅是一种描述关联对象的关联关系，表
示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。本技术实施例的说明书和权利要求书中的术语“第一”、“第二”和“第三”等是用于区别不同的对象，而不是用于描述对象的特定顺序。例如，第一预设数值、第二预设数值和第三预设数值等是用于区别不同的预设数值，而不是用于描述目标对象的特定顺序。在本技术实施例中，“示例性的”、“举例来说”或者“例如”等词用于表示作例子、例证或说明。本技术实施例中被描述为“示例性的”、“举例来说”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。在本技术实施例的描述中，除非另有说明，“多个”的含义是指两个或两个以上。
[0053]
在一种可能的实现中，人工驾驶多功能道路路面质量检测车，并且人工校对检测结果，效率低，依然无法满足社会亟待解决的道路路面质量检测需求。
[0054]
为解决上述技术问题，本技术实施例提出了一种道路路面质量检测方法。其流程示意图如图1所示，该流程示意图具体包括：s101-s104；
[0055]
s101，获取检测区域的道路路面图像。
[0056]
在本技术实施例中，无人车上装有摄像头，通过摄像头获取检测区域的道路路面图像。
[0057]
s102，将道路路面图像输入道路路面图像识别模型，获得检测区域的道路路面所属破损类型及其概率λ。
[0058]
在本技术实施例中，将道路路面图像输入道路路面图像识别模型，获得检测区域的道路路面所属破损类型及其概率λ。
[0059]
在一个例子中，将道路路面图像输入道路路面图像识别模型中。道路路面图像识别模型提取道路路面图像的特征。道路路面图像识别模型确定道路路面图像的特征与第一预设特征的相似度，即检测区域的道路路面所属破损类型的概率λ。将最大相似度对应的第一预设特征对应的破损类型确定为检测区域的道路路面所属破损类型。道路路面图像识别模型输出前述检测区域的道路路面所属破损类型及其概率λ。
[0060]
在一种可能的实现中，通过以下步骤获得道路路面图像识别模型：
[0061]
步骤1，获取道路破损数据集，所述道路破损数据集包括裂缝类数据和/或坑洼类数据；
[0062]
步骤2，将裂缝类数据和坑洼类数据输入第一模型，所述第一模型为引入se注意力机制的yolov5模型；
[0063]
步骤3，提取裂缝类数据的特征和/或坑洼类数据的特征；
[0064]
步骤4，确定裂缝类数据的特征和/或坑洼类数据的特征与预设特征的相似度，获得检测区域的道路路面所属破损类型及其概率λ；
[0065]
步骤5，将概率λ与预设概率进行比对，调整第一模型的参数；
[0066]
步骤6，重复上述步骤，直至满足迭代终止条件，获得道路路面图像识别模型。
[0067]
s103，获取无人车在所述检测区域的倾斜角度和竖直加速度。
[0068]
在本技术实施例中，通过集成有陀螺仪的摄像头获取无人车在检测区域的倾斜角度；通过惯导传感器获取无人车在检测区域的竖直加速度。
[0069]
s104，根据道路路面所属破损类型的概率λ、倾斜角度θ、竖直加速度α以及其各自
的权重，确定道路路面质量。
[0070]
在本技术实施例中，根据道路路面所属破损类型的概率λ、倾斜角度θ、竖直加速度α以及其各自的权重，确定道路路面质量。前述道路路面质量包括路面平整、路面不平整和路面极不平整。
[0071]
在一个例子中，若所述道路路面所属破损类型为裂缝类，则所述概率λ每增加0.1，第一数值增加1,所述第一数值∈[0,第一预设数值]；并且
[0072]
所述倾斜角度θ∈[0
°
,第一预设倾斜角度]时，每增加1
°
，第二数值增加1，所述第二数值∈[0,第二预设数值]，或者所述倾斜角度θ＞第一预设倾斜角度时，所述第二数值为所述第二预设数值；并且
[0073]
所述竖直加速度α∈[0,第一预设竖直加速度]时，每增加1m/s2，第三数值增加1，所述第三数值∈[0,第三预设数值]，或者所述竖直加速度α＞第一预设竖直加速度时，所述第三数值为第三预设数值；
[0074]
根据所述第一数值、所述第二数值、所述第三数值及其对应的所述概率λ、所述倾斜角度θ、所述竖直加速度α各自的权重，确定第七数值。
[0075]
根据第七数值与第一预设标准，确定道路路面质量。所述第一预设标准为当0＜第七数值＜1.8时，道路路面质量为路面平整，当1.8＜第七数值＜6.1时，道路路面质量为路面不平整，当第七数值＞6.1时，道路路面质量为路面极不平整。
[0076]
在又一个例子中，若所述道路路面所属破损类型为坑洼类，则所述概率λ每增加0.1，第四数值增加1,所述第四数值∈[0,第一预设数值]；并且
[0077]
所述倾斜角度θ∈[0
°
,第二预设倾斜角度]时，每增加2
°
，第五数值增加1，所述第五数值∈[0,第二预设数值]，或者所述倾斜角度θ＞第二预设倾斜角度时，所述第五数值为所述第二预设数值；并且
[0078]
所述竖直加速度α∈[0,第二预设竖直加速度]时，每增加2m/s2，第六数值增加1，所述第六数值∈[0,第三预设数值]，或者所述竖直加速度α＞第二预设竖直加速度时，所述第六数值为第三预设数值；
[0079]
根据所述第四数值、所述第五数值、所述第六数值及其对应的所述概率λ、所述倾斜角度θ、所述竖直加速度α各自的权重，确定第八数值。
[0080]
根据第八数值与第二预设标准，确定道路路面质量。所述第二预设标准为当0＜第八数值＜2.3时，道路路面质量为路面平整，当2.3＜第八数值＜6.4时，道路路面质量为路面不平整，当第八数值＞6.4时，道路路面质量为路面极不平整。
[0081]
示例性的，若所述道路路面所属破损类型为裂缝类，则所述概率λ每增加0.1，第一数值增加1,所述第一数值∈[0,10]，概率λ权重为60％。在本技术实施例中，概率λ为70％，则第一数值为7；并且所述倾斜角度θ∈[0
°
,10
°
]时，每增加1
°
，第二数值增加1，所述第二数值∈[0,10]，或者所述倾斜角度θ＞10
°
时，所述第二数值仍为10，倾斜角度θ的权重为10％。在本技术实施例中，倾斜角度θ为3
°
，则第二数值为3；并且所述竖直加速度α∈[0,10m/s2]时，每增加1m/s2，第三数值增加1，所述第三数值∈[0,10]，或者所述竖直加速度α＞10m/s2时，所述第三数值仍为10，竖直加速度α的权重为30％。在本技术实施例中，竖直加速度α为2m/s2，则第三数值为2。根据第一数值为7、第二数值为3、第三数值为2及其对应的权重，即60％、10％和30％，确定第七数值＝7*60％+3*10％+2*30％＝5.1。由第一预设标准可知，道
路路面质量为不平整。
[0082]
由以上方案可知，本技术实施例通过无人车上载有的摄像头和传感器识别检测区域的道路路面图像、无人车在上述检测区域的倾斜角度和竖直加速度。通过将道路路面图像输入道路路面图像识别模型，获得检测区域的道路路面所属破损类型及其概率λ。根据道路路面所属破损类型的概率λ、倾斜角度θ、竖直加速度α以及其各自的权重，确定道路路面质量。上述方法提高了道路路面质量检测的精度和效率。
[0083]
图2为本技术实施例提供的一种道路路面质量检测装置的结构示意图，该结构示意图包括：收发单元201和处理单元202；
[0084]
收发单元201用于获取检测区域的道路路面图像；
[0085]
处理单元202用于将所述道路路面图像输入道路路面图像识别模型，获得所述检测区域的道路路面所属破损类型及其概率；
[0086]
所述收发单元201用于获取无人车在所述检测区域的倾斜角度和竖直加速度；
[0087]
所述处理单元202用于根据所述道路路面所属破损类型的概率λ、所述倾斜角度θ、所述竖直加速度α以及其各自的权重，确定道路路面质量。
[0088]
在一种可能的实现中，所述处理单元202具体用于：
[0089]
若所述道路路面所属破损类型为裂缝类，则所述概率λ每增加0.1，第一数值增加1,所述第一数值∈[0,第一预设数值]；并且
[0090]
所述倾斜角度θ∈[0
°
,第一预设倾斜角度]时，每增加1
°
，第二数值增加1，所述第二数值∈[0,第二预设数值]，或者所述倾斜角度θ＞第一预设倾斜角度时，所述第二数值为所述第二预设数值；并且
[0091]
所述竖直加速度α∈[0,第一预设竖直加速度]时，每增加1m/s2，第三数值增加1，所述第三数值∈[0,第三预设数值]，或者所述竖直加速度α＞第一预设竖直加速度时，所述第三数值为第三预设数值；
[0092]
根据所述第一数值、所述第二数值、所述第三数值及其对应的所述概率λ、所述倾斜角度θ、所述竖直加速度α各自的权重，确定道路路面质量。
[0093]
在一种可能的实现中，所述处理单元202具体用于：
[0094]
若所述道路路面所属破损类型为坑洼类，则所述概率λ每增加0.1，第四数值增加1,所述第四数值∈[0,第一预设数值]；并且
[0095]
所述倾斜角度θ∈[0
°
,第二预设倾斜角度]时，每增加2
°
，第五数值增加1，所述第五数值∈[0,第二预设数值]，或者所述倾斜角度θ＞第二预设倾斜角度时，所述第五数值为所述第二预设数值；并且
[0096]
所述竖直加速度α∈[0,第二预设竖直加速度]时，每增加2m/s2，第六数值增加1，所述第六数值∈[0,第三预设数值]，或者所述竖直加速度α＞第二预设竖直加速度时，所述第六数值为第三预设数值；
[0097]
根据所述第四数值、所述第五数值、所述第六数值及其对应的所述概率λ、所述倾斜角度θ、所述竖直加速度α各自的权重，确定道路路面质量。
[0098]
本技术实施例还提供一种道路路面质量检测装置，包括至少一个处理器，所述处理器用于执行存储器中存储的程序，当所述程序被执行时，使得所述装置执行前述一种道路路面质量检测方法。
[0099]
本技术实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现前述一种道路路面质量检测方法。
[0100]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0101]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0102]
应说明的是：以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。