-
公开(公告)号：CN112629713A
公开(公告)日：2021-04-09
申请号：CN202011138704.7
申请日：2020-10-22
申请人： 北京工业大学 , 河北省交通规划设计院
摘要： 本发明公开了一种将传感器数据对应车型检测的方法，本方法在测量路段铺设压力传感器，并通过视频拍摄工具对传感器铺设路面及对应车道车辆进行录像获取各车辆视频，同时记录各车辆视频的起始实际时间点和结束实际时间点。将各车辆数据的视频起始时间点与视频的具体时间相加，得到车辆通过传感器的实际时间。视频中车辆对应时间和车型的记录；传感器压力信号数据存储为txt格式，通过计算机编程数据语言进行处理避免了由于人员上下车、巡检车辆减速带来的全安问题。处理的数据可以作为深度学习数据后续进行训练学习，更加智能、便捷。
-
公开(公告)号：CN112629713B
公开(公告)日：2022-09-30
申请号：CN202011138704.7
申请日：2020-10-22
申请人： 北京工业大学 , 河北省交通规划设计院
摘要： 本发明公开了一种将传感器数据对应车型检测的方法，本方法在测量路段铺设压力传感器，并通过视频拍摄工具对传感器铺设路面及对应车道车辆进行录像获取各车辆视频，同时记录各车辆视频的起始实际时间点和结束实际时间点。将各车辆数据的视频起始时间点与视频的具体时间相加，得到车辆通过传感器的实际时间。视频中车辆对应时间和车型的记录；传感器压力信号数据存储为txt格式，通过计算机编程数据语言进行处理避免了由于人员上下车、巡检车辆减速带来的全安问题。处理的数据可以作为深度学习数据后续进行训练学习，更加智能、便捷。
-
公开(公告)号：CN111145161B
公开(公告)日：2023-09-19
申请号：CN201911385006.4
申请日：2019-12-28
申请人： 北京工业大学
摘要： 本发明公开了一种路面裂缝数字图像处理和识别的方法，具体实施步骤为：路面裂缝图像预处理；基于匀光算法的图像增强；图像分割；图像后处理；裂缝类型判断和评估。本发明计算出裂缝长度为像素长度。若要获得图像中裂缝的真实长度，应知道一幅图像中裂缝的真实长度和计算出来的像素长度，根据二者比值就计算出其他图像中的裂缝长度，由此将计算出来的长度与实际长度进行对比，从而了解计算精度；根据判断裂缝类型的条件，对处理后的图像进行标记。将输出的标记与原始图像的标记进行对比，从而计算出识别精度。最终，采用本发明方法检测后的精度为87％。
-
公开(公告)号：CN113034411A
公开(公告)日：2021-06-25
申请号：CN202011512311.8
申请日：2020-12-19
申请人： 北京工业大学
摘要： 本发明公开了一种耦合传统方法和深度卷积对抗生成网络的道路病害图片增强方法，结合传统方法和深度卷积对抗生成网络对数据进行扩增，达到数据增强的效果。使用人工方法对原始破损路面进行采集、批量裁剪以及数据集制作。本发明基于对抗生成网络模型，用卷积神经网络来替代对抗生成网络中的多层感知机，经过生成器和判别器的互相博弈，不断迭代更新，使得生成器具有良好的生成路面病害图片能力，判别器具有良好的鉴别图片真假能力。本发明能够根据真实的路面病害照片生成新的高质量图片，达到扩充数据集的目的，为深度学习的路面病害识别提供了良好的条件，使训练出来的模型效果更好，模型的泛化能力更强。
-
公开(公告)号：CN111311538B
公开(公告)日：2023-06-06
申请号：CN201911384987.0
申请日：2019-12-28
申请人： 北京工业大学
IPC分类号： G06T7/00 , G06T7/10 , G06T3/40 , G06T3/60 , G06N3/0464
摘要： 本发明公开了一种基于卷积神经网络的多尺度轻量化道路路面检测方法，基于VGG和Xception的设计思路，设计了一种全新的CNN结构，MobileCrack，应用于路面裂缝的自动识别。主要结构为堆叠的Core Module和全局平均池化层。具体实施步骤为：使用人工方法对原始破损路面进行采集；批量裁剪、人工标定、数据增强、数据集制作、基于卷积神经网络模型建立即CNN构架——MobileCrack；训练与测试，将处理好的路面数据训练集输入到搭建的神经网络中进行训练，并且做准确度、灵敏度分析。本方法能够根据图像尺度变化调节网络结构，提升其对于多尺度图像的适应性和分类精度。且为MobileCrack的结构提供了相当的灵活度，能够自由地在准确度、运行时间和储存大小三者间进行权衡。
-
公开(公告)号：CN111126505A
公开(公告)日：2020-05-08
申请号：CN201911385351.8
申请日：2019-12-28
申请人： 北京工业大学
摘要： 本发明公开了一种基于深度学习的路面裂缝快速识别方法，首先调整现场照片的大小，其次，调整现场图片的曝光。原始的现场照片光照不均匀，必须对不均匀的曝光进行处理才能实现现场图像的遮挡效果。利用基于灰度分布的像素强度值的直方图来拟合灰度像素值的分布。用基于上一步的均值的阈值方法来实现二进制颜色可视化。如果像素值大于阈值，则将其设置为背景。采用基于连接构件的方法使裂缝形状增强。应用连接工具去噪。搜索图中所有连接的对象，并检查裂缝形状的面积。如果裂缝形状的面积小于阈值，则认为是噪声。如果裂缝形状的面积大于阈值，则视为裂缝。最后，调整CNN输入，并应用扩张和侵蚀重新连接裂缝。调整CNN超参数，确定最优CNN框架。
-
-
公开(公告)号：CN111311538A
公开(公告)日：2020-06-19
申请号：CN201911384987.0
申请日：2019-12-28
申请人： 北京工业大学
摘要： 本发明公开了一种基于卷积神经网络的多尺度轻量化道路路面检测方法，基于VGG和Xception的设计思路，设计了一种全新的CNN结构，MobileCrack，应用于路面裂缝的自动识别。主要结构为堆叠的Core Module和全局平均池化层。具体实施步骤为：使用人工方法对原始破损路面进行采集；批量裁剪、人工标定、数据增强、数据集制作、基于卷积神经网络模型建立即CNN构架——MobileCrack；训练与测试，将处理好的路面数据训练集输入到搭建的神经网络中进行训练，并且做准确度、灵敏度分析。本方法能够根据图像尺度变化调节网络结构，提升其对于多尺度图像的适应性和分类精度。且为MobileCrack的结构提供了相当的灵活度，能够自由地在准确度、运行时间和储存大小三者间进行权衡。
-
公开(公告)号：CN111310558A
公开(公告)日：2020-06-19
申请号：CN201911384980.9
申请日：2019-12-28
申请人： 北京工业大学
摘要： 本发明公开了一种基于深度学习和图像处理法的路面病害智能提取方法，该方法包括深度学习(DL)部分和图像处理技术(IPT)部分。图像处理技术方法包括路面裂缝图像预处理；基于匀光算法的图像增强；图像分割；图像后处理；裂缝类型判断和评估。本发明计算出裂缝长度为像素长度。因此，若要获得图像中裂缝的真实长度，应该知道一幅图像中裂缝的真实长度和计算出来的像素长度，根据二者比值就可以计算出其他图像中的裂缝长度，由此可以将计算出来的长度与实际长度进行对比，从而了解计算精度。本发明能够根据真实的现场照片提取路面裂缝骨架，可以用于智能路面结构健康监测。
-
公开(公告)号：CN111177294B
公开(公告)日：2021-04-27
申请号：CN201911369843.8
申请日：2019-12-26
申请人： 北京工业大学
IPC分类号： G06F16/29 , G06F16/215 , G06Q10/06 , G06Q50/26 , G08G1/01
摘要： 本发明公开了基于车辆轨迹数据求解交叉口中介中心性的方法，该方法的步骤包括数据预处理；车辆轨迹数据与道路空间数据匹配拟合；利用轨迹数据计算路网交叉口中介中心性；相较于传统交通检测器的数据，具有完整的出行线路，其车辆轨迹数据更能反映出道路使用者真实的出行需求与出行线路，结果更加合理准确，对于道路网运行质量评价，路径优化决策和网络规划提供支撑。从数据分析角度来讲，通过清洗、分析车辆轨迹数据，即可求解某交叉口的中介中心性；相较于其他交通数据，通过图论模型进行求解更能真实地反映车辆出行的特征。
-
-
-
-
-
-
-
-
-
搜索结果
17 条记录 (耗时 0.052 秒)
