改进YOLOv5的路面坑洞检测算法

路面坑洞的检测和识别对于自动驾驶和公路养护至关重要。为了解决在不同光照条件下以及坑洞积水所导致的路面坑洞识别难题,并将其应用于一些资源受限的现场环境中,本文提出了一种改进YOLOv5的路面坑洞检测算法。该算法利用PConv改进了C3模块来实现更快的检测速度,并通过采用动态检测头的不同感知模块来适应路面坑洞的不同特征。同时,将模型的损失函数CIoU改进为SIoU,提高模型的精度和收敛能力。实验的结果表明,改进后的YOLOv5算法在路面坑洞检测中平均精度值提高了5.19%,模型体积也减小了13%。

道路路面坑洞修复施工管理研究

由于道路路面受到内部材料、结构及外部交通环境等因素影响,使用性能会随着服务年限增长而下降。而当紧急修补坑洞完,修补效果有限,往往数天后即可能再次发生坑洞,不论是密级配沥青混凝土的本身内部或外在环境因素都可能是坑洞产生的原因。因此,结合某国道段路面坑洞为例,提出以改性沥青取代传统沥青、水泥取代石粉措施防制剂、多孔隙沥青混凝土和炉渣多孔隙沥青混凝土的坑洞修复材料提升策略,并针对施工管养提出大胆创新的措施。结果表明,本次路面坑洞修复施工质量效果明显,可以有效降低坑洞发生的频率。

基于路面坑洞检测的智能汽车主动避障控制

为实时、有效地获取路面坑洞的损毁情况,提高智能汽车的行驶安全性,提出了一种新的无接触式坑洞检测及主动避障控制算法.采用多传感器融合技术提取路面坑洞特征,通过视觉图像对路面坑洞的轮廓进行提取并计算路面坑洞面积,应用单点测距激光雷达对路面坑洞的深度进行了测量.利用Adams软件搭建整车模型和路面坑洞模型,确立满足人体舒适性要求的安全过坑极限车速,并应用模糊控制理论设计了适用于坑洞路面工况的主动避障算法,通过Simulink/Carsim联合仿真验证了该算法的有效性.结果表明:该算法能满足系统设计要求,可以控制车辆安全、舒适地通过路面坑洞,在兼顾舒适性的同时可以有效降低车辆在坑洞路面危险工况下的事故率.

克服阴影和车道线影响的路面坑洞识别研究

坑洞是非常严重的路面损坏,实现对路面坑洞的自动识别,对于自动驾驶车辆的安全性有重要意义。为解决现有路面坑洞识别方法易受阴影、车道线影响的问题,提出了一种可克服阴影和车道线影响的路面坑洞识别方法。该方法采用纹理和灰度信息相融合的灰度补偿算法去除图像中的阴影、车道线后,根据纹理特性利用小波变换对图像进行分解与融合,得到路面缺陷区域,然后利用积分投影得到路面缺陷区域的形状特征,再经支持向量机分类,得到含有坑洞的路面图像。实验结果表明,在有阴影、车道线影响的情况下,方法坑洞识别准确率更高。

基于改进YOLOv3-tiny的路面坑洞检测

路面的坑洞破损严重影响着驾驶舒适性与安全性,因此路面坑洞的检测与修补是一项重要的路面维护任务。本文基于改进YOLOv3-tiny目标检测神经网络模型,实现了路面坑洞的有效检测。其中,改进的模型用一些稠密块替换原模型中的大部分卷积层,使模型的深度大幅增加,而模型的参数和运行时所需的GPU内存显著降低。使用建立的路面坑洞破损数据集训练模型,以mAP作为评价模型的指标。同原YOLOv3-tiny和YOLOv4-tiny模型相比,检测速度相当,并且取得了最高mAP值。

道路路面坑洞修复施工管理研究

在面对道路路面由于内部材料老化、结构劣化以及外部交通负荷等因素影响而导致使用性能下降,进而频繁出现坑洞的问题时,紧急修补往往只能提供临时解决方案,坑洞可能在短时间内再次出现。针对这一挑战,本研究以某国道路段为例,探讨了通过采用改性沥青替代传统沥青,使用水泥取代石粉作为防止剂,以及引入多孔隙沥青混凝土和炉渣多孔隙沥青混凝土作为坑洞修复材料的策略。此外,本文还提出了一系列创新性施工管理措施,旨在优化道路修复工作的执行效率和质量。研究结果显示,采用这些创新材料和管理策略能显著提高道路修复工程的施工质量,有效减少坑洞再次发生的频率。本研究不仅为解决道路坑洞频繁出现的问题提供了有效的技术手段,也为道路维护和管理提供了新的思路,具有重要的实践价值和理论意义。

新材料AC—K5在高速公路桥梁伸缩缝快速维修中的应用

路面坑洞修复剂(AC—K5)是一种针对道路病害的水泥基修复材料。介绍了路面坑洞修复剂(AC—K5)在山丹至临泽高速公路快速维修桥梁伸缩缝的应用过程。工程实践表明,利用路面坑洞修复剂(AC—K5)进行桥梁伸缩缝快速维修,施工方便,养生期短,修复效果良好,其作为高速公路桥梁伸缩缝的接缝料是切实可行的。