路面检验系统

随着社会基础设施的老化，其维护和管理变得越来越重要。因此，预计它们在今后几年需要更频繁的检查。
道路是社会基础设施不可分割的一部分。为了确保它们的安全，需要对所有基本元素进行适当的检查——路面、隧道和路边斜坡。理光通过将其原始光学系统与人工智能数字技术相结合，实现了检测系统的自动化，提供了高成本、高效的检测解决方案。

背景

由于行驶在道路上的各种车辆所造成的磨损，道路每天都在继续恶化。路面质量的恶化不仅影响驾驶员的舒适度，而且影响经济效益。
维护道路作为社会基础设施的一部分，有必要在适当的时候进行修复。
目前，主要是使用专业车辆进行路况检查。然而，这是昂贵的，通常不允许进入住宅道路。

解决方案

理光开发了一种摄像系统，可以使用标准机动车而不是专业车辆来测量路面状况。该系统可以在住宅道路上进行测量，以前很难用专业车辆进行测量。
也可以将从捕获图像到创建检查记录的工作过程自动化。
有了这个系统，我们的目标是透过更有效的维修，达致安全可靠的道路环境。188金宝慱官网登录

技术亮点

1.用立体相机捕捉图像

利用多台立体摄像机的成像系统，实现了三个因素的测量:裂纹率、车辙深度和平整度(σ)。立体相机利用左右对齐的两个相机的视差来探测被摄物的深度信息．

使用可安装在标准车辆上的多个立体摄像头的摄像系统

结合多台立体摄像机拍摄的宽方向图像，可计算车辙深度。
结合同一台立体摄像机在行进方向上拍摄的图像，可以对平面度进行测量。
图像合并不仅可以获得三维组合图像，还可以将图像中的特征点(亮度图像)进行合并生成组合亮度图像。利用这种组合亮度图像也可以测量裂缝的速率。

这样，仅利用从立体摄像机获得的信息，就可以实现三个因素的测量:裂纹率、车辙深度和平整度(纵向不均匀度)。

2.使用人工智能

最近，人工智能(AI)的研究和开发投入了大量精力，使机器具有学习功能。机器学习是用于图像识别和分析的方法之一。

在机器学习中，计算机接收某些输入，从中学习，并预测有用的输出。作为初步步骤，系统需要学习某些输入图像和相应的正确答案输出(正确答案标签)的组合。在学习步骤之后是决策步骤，系统接收特定的图像输入，并根据学习到的信息预测并输出正确答案。

将视觉检查过程替换为基于机器学习得到的模型的机器读取，与传统方法相比，可以减少人工时间。

自动创建长度为50厘米的网格，由AI确定裂缝数量

3.可视化的结果

根据得到的三个数据集，计算出维修控制指数(Maintenance Control Index, MCI)，这是判断维修情况的综合指标。这支持创建一个检查记录。
该系统还通过绘制结果来可视化路面状况。

可视化的路面状态图像

理光的愿景

除了路面，这种新技术还可以应用于各种社会基础设施的维护，如隧道和桥梁。
在开发一个监测社会基础设施的系统的过程中，理光正努力解决一系列社会问题，包括基础设施老化、劳动力短缺和电机效率。

相关信息

• 隧道监控系统