- 综合排序
- 最热优先
- 最新优先
- 来自专栏公路路面检测
51camera公路路面病害巡检系统 精准把脉路面健康
公路交通作为综合交通运输体系的核心组成部分，更是经济发展的大动脉，公路路面检测可以有效保障行车安全，提升运输效率。而传统人工检测容易出现误检、漏检。 51camera公路路面病害巡检系统采用2D+3D融合技术，实现全要素路况（形态+深度）智能检测，为公路养护提供数据支撑和高效决策，保障公路处于安全状态，延长公路使用寿命。 51camera公路路面病害巡检系统是一套融合高速成像、激光测量与智能分析技术的机器视觉解决方案，专为实现路面病害的高精度检测与三维量化分析而设计。 对公路路面进行精准、高效的检测与养护，本质上就是在守护这条国家发展的“生命线”， 51camera公路路面病害巡检系统已实际应用在华东某高速公路段，经现场验证，实现了高效、高精度、安全、标准化、可追溯的智能化检测 ，开启了路面病害立体检测新时代。
17610编辑于 2026-03-05 - 来自专栏深度学习和计算机视觉
基于OpenCV的路面质量检测
本期我们将展示一种对路面类型和质量进行分类的方法及其步骤。为了测试这种方法，我们使用了我们制作的RTK数据集。 路面分类 该数据集[1]包含用低成本相机拍摄的图像，以及新兴国家常见的场景，其中包含未铺砌的道路和坑洼。路面类型是有关人或自动驾驶车辆应如何驾驶的重要信息。 在这种方法中，我们对表面类型分类任务使用特定的模型，我们将其定义为以下类别：沥青，已铺设（用于所有其他类型的路面）和未铺设。对于表面质量，我们使用其他三种不同的模型，每种类型的表面都使用一种。 lang=zh-CN 02.路面类型分类 我们使用了Python，TensorFlow和OpenCV。 让我们逐步分析一下… 首先，我们需要建立表面类型分类模型。为此，您将需要准备数据以训练模型。 03.路面质量分类 现在让我们包括质量分类。我们仅使用用于训练表面类型分类模型的相同CNN架构，并分别在每个表面类别上应用每个质量类别。因此，除了现有模型外，我们还培训了3种新模型。
81740编辑于 2022-04-06 - 来自专栏AI算法与图像处理
基于OpenCV的路面质量检测
本期我们将展示一种对路面类型和质量进行分类的方法及其步骤。为了测试这种方法，我们使用了我们制作的RTK数据集。 ? 路面分类 该数据集[1]包含用低成本相机拍摄的图像，以及新兴国家常见的场景，其中包含未铺砌的道路和坑洼。路面类型是有关人或自动驾驶车辆应如何驾驶的重要信息。 在这种方法中，我们对表面类型分类任务使用特定的模型，我们将其定义为以下类别：沥青，已铺设（用于所有其他类型的路面）和未铺设。对于表面质量，我们使用其他三种不同的模型，每种类型的表面都使用一种。 lang=zh-CN 02.路面类型分类 我们使用了Python，TensorFlow和OpenCV。 让我们逐步分析一下… 首先，我们需要建立表面类型分类模型。为此，您将需要准备数据以训练模型。 03.路面质量分类 现在让我们包括质量分类。我们仅使用用于训练表面类型分类模型的相同CNN架构，并分别在每个表面类别上应用每个质量类别。因此，除了现有模型外，我们还培训了3种新模型。
1.4K30发布于 2020-11-05 - 来自专栏全栈程序员必看
fastRcNN算法路面病害检测_R语言经典算法
Fast R-CNN算法是作者Ross Girshick对R-CNN算法的一种改进。R-CNN虽然取得了不错的成绩，但是其缺点也很明显。Fast R-CNN同样使用VGG-16网络结构，与R-CNN相比训练时间快9倍，测试时间快213倍，准确率从62%提升至66%(再Pascal voc数据集上)。Fast R-CNN主要是解决R-CNN存在的问题：
37510编辑于 2022-10-04 - 来自专栏OpenCV与AI深度学习
基于深度学习的路面坑洞检测（详细教程）
导读 本文主要介绍如何使用 YOLOv4 目标检测模型和 Darknet 框架来创建一个路面坑洞检测系统。（公众号：OpenCV与AI深度学习） 背景介绍 高速行驶时，道路上的坑洼会变得非常危险。 但是，如果我们使用深度学习和目标检测来检测前方远处的坑洼呢？这样的系统一定会对我们有所帮助。这正是我们将在本文中所做的。 我们将使用YOLOv4 目标检测模型和 Darknet 框架来创建一个路面坑洞检测系统。 YOLOv4、YOLOv4-Tiny 和 YOLOv4-CSP 是存储库中一些众所周知且广泛使用的对象检测模型。 这有助于模型学习检测更小和更大图像中的对象。但与单分辨率训练相比，它也需要大量的 GPU 内存来训练相同的批量大小。
2K10编辑于 2022-09-26 - 来自专栏拓端tecdat
Python路面平整度检测车辆数据——速度修正
p=31268原文出处：拓端数据部落公众号分析师：Bohao Zhan目前主流的轻量化路面平整度检测技术方案为：使用车载加速度传感器采集车辆在路面上行驶时的竖向振动数据，并按照每100米计算竖向振动数据统计指标 目前该技术方案的难点在于，对于同一IRI值的路面，若驾驶同一车辆以不同的行驶速度驶过，测得的振动数据统计指标也会不同，即车辆行驶速度是影响检测结果的主要因素之一。 得到各小路段在不同天下车辆的检测数据，且每一天的车辆行驶速度均是不同的，也就得到了对于同一路段（即相同IRI值路面），不同车辆行驶速度下的振动数据统计指标。 从图中可看出不同IRI值路面，检测车辆速度与检测结果统计指标RMS均存在较强的线性关系，对于不同的IRI值路面，其表现出线性的斜率不同。 按照常理，对于不同IRI值路面，当测量速度为0时，此时车辆振动仅由车辆发动机提供，因此表现出的统计指标RMS应当为同一值。分析原因，认为由于外环道路等级为高速公路，故数据中低速样本较少所致。
68900编辑于 2023-01-12 - 来自专栏深度学习和计算机视觉
路面语义分割
检测坑洼，水坑，不同类型的地形等 本期是关于路面语义分割方法的。因此，这里的重点是路面模式，例如：车辆行驶在哪种路面上或道路上是否有损坏，还有道路标记和减速带等等。 0.1 简介 有时我们需要确定路面是青沥路面、鹅卵石路面亦或是未铺砌的路面？出于对驾驶员的安全以及车内人员的舒适性的考虑我们需要提前知道路面情况。 ) mask.show(figsize=(5,5), alpha=1) src_size = np.array(mask.shape[1:]) src_size,mask.data 第三步 —无权重检测 这是我们的第一个没有权重的模型，该模型在路面上可以正常使用，但并不普适。 ? 第四步-带有权重的模型 我们还要继续使用第一个模型。 对于处理路面变化的环境，对于高速公路分析和养护部门也很有用，以便使他们在评估道路质量和确定需要维护的地方的工作自动化。
45330发布于 2020-12-07 - 来自专栏企鹅号快讯
路面能发电，智慧交通不遥远
车辆在承载式光伏高速公路上行驶。 新华社记者 朱 峥摄 28日，我国首条承载式高速公路光伏路面试验段在济南正式通车，实现利用高速公路路面并网发电。 试验段的路面呈现出与其他高速公路不同的灰白色，半透明，颗粒感较强。 虽然“身板单薄”，但在光伏路面上行车丝毫不受影响。据了解，12月20日，山东省公路检测中心对光伏路面承重能力和抗滑性能等路用性能指标进行了专业检测，各项指标均满足国家相关规定，合格率达到100％。 光伏路面的普及，面临的主要障碍是建设成本。参与项目研发的山东光实能源有限公司总经理李武介绍，光伏路面建设成本比普通高速公路高出不少。 同济大学教授张宏超说，未来智能电动车辆离不开公路的电气化，光伏路面提供的能源，将使公路真正成为智慧交通的空间载体、能源和信息交互平台。
740100发布于 2018-01-15 - 来自专栏高速公路那点事儿
交通气象 | 某规划院关于精细化气象监测与预警系统的设计思路，有些不错的点子
路网环境实时监测 通过高速公路布设的路面气象监测设备，实现对路面温度、降水、降雪、风、温度、湿度、能见度、路面状况等要素高时间频率的监测； 通过分析高速视频监控资料，采用图像识别、机器学习的方法实现基于监控视频和图片识别道路大雾 （2）车载移动监测 通过车载道路传感器在多种典型天气条件下快速采集路面温度，状态（冰、霜、积雪、水膜等）及摩擦系数检测器，同时测量气温、露点温度，有效地辨识以及定位哪些路段易于结冰、积雪、湿滑，或极端高温 监测信息内容 气象信息监测的具体内容包括： 1）多要素气象信息监测 多要素气象监测信息包括：高速公路、桥梁的路面状况（可区分干燥、潮湿、冰雪）及风速、风向、大气温度、相对湿度、降水量、路面温度，同时共享接入省气象部门卫星云图 2）基于视频的能见度检测 通过高清视频摄像机视频信号，实现高速公路上基于视频的能见度检测，实现雾多发区域能见度发展趋势实时、无缝监测，作为气象监测站的有效补充。 路网环境指数等级划分标准如下表所示： 气象精细化预报预警 基于精准车载高速道路气象测量设备测量得到的高速公路气象背景信息，应用高分辨率数值天气预报模型、考虑路面物理性质的路面气象状况（温度、气象行驶条件
30310编辑于 2025-11-20 - 来自专栏贾志刚-OpenCV学堂
路面语义分割
检测坑洼，水坑，不同类型的地形等 本期是关于路面语义分割方法的。因此，这里的重点是路面模式，例如：车辆行驶在哪种路面上或道路上是否有损坏，还有道路标记和减速带等等。 0.1 简介 有时我们需要确定路面是青沥路面、鹅卵石路面亦或是未铺砌的路面？出于对驾驶员的安全以及车内人员的舒适性的考虑我们需要提前知道路面情况。 ) mask.show(figsize=(5,5), alpha=1) src_size = np.array(mask.shape[1:]) src_size,mask.data 第三步 —无权重检测 这是我们的第一个没有权重的模型，该模型在路面上可以正常使用，但并不普适。 ? 第四步-带有权重的模型 我们还要继续使用第一个模型。 对于处理路面变化的环境，对于高速公路分析和养护部门也很有用，以便使他们在评估道路质量和确定需要维护的地方的工作自动化。
1.3K20发布于 2020-12-08 - 来自专栏高速公路那点事儿
智慧感知 | 高速公路全息化智能感知系统的建设必须涵盖那些方面的数据采集？
交通运行状态感知子系统感知路面交通状况（畅通、拥堵、堵塞等），依靠交通量、车速的检测和计算获取，通过对主线断面交通量的获取，计算出一定区段内的交通状况。 异常事件检测功能：对高速公路上行驶的车辆、行人、动物、抛洒物体进行实时跟踪定位检测并及判断其运动状态和位置信息。 系统具有远距离大范围探测能力。 系统自身具有交通异常事件检测分析功能。 环境状态感知子系统 环境状态感知子系统由分布在高速公路沿线的全要素气象站和能见度检测仪联网组成，对高速公路沿线的能见度、路面状况（表面温度、干湿状况、结冰）等进行自动监测。 基于实时监测系统数据集，实现全路段能见度准确识别、低能见度、路面低温、路面干湿状态和湿滑条件、路面低温冰（霜、雪）情、路面高温、强风和横风、降水相态和强度等信息输出。 环境监测信息主要来源有： （1）公路交通气象站 高速公路沿线设置的气象观测站。
50710编辑于 2025-10-10 - 来自专栏OpenCV与AI深度学习
实战 | 使用YOLOv8图像分割实现路面坑洞检测（步骤 + 代码）
导 读 本文主要介绍使用YOLOv8图像分割实现路面坑洞检测（步骤 + 代码）。 背 景 如上图所示，现实生活中路面坑洞对车辆和驾驶员安全来说存在巨大隐患，本文将介绍如何使用YoloV8图像分割技术来检测路面坑洞，从而提示驾驶员注意避让，尽可能保证安全。
2.6K20编辑于 2024-03-02 - 来自专栏企鹅号快讯
“JINAN”：未来电动汽车边跑边充电
据悉，齐鲁交通发展集团将光伏公路小范围实铺点定于济南南绕城高速，使其成为全球首条承载光伏路面的高速公路。 除此之外，它表面粗糙，比普通高速公路路面更具摩擦力，不会形成镜面反射，更不会危及驾驶安全。 交通+新能源 公路变身“充电宝” 据介绍，光伏路面是未来电动汽车移动充电的载体，电动汽车的无线充电技术日臻完善，国家正在制定相关的技术标准和规范。 该负责人表示，充分利用高速公路路面资源，创新“高速公路+光伏”模式，实现了道路通行与发电功能的结合，开启未来“超级公路”跨界融合发展新业态。 而采用光伏智能道路，通过路面结冰检测系统，可实时感知道路结冰情况，从而自动开启电力加热系统，及时除去道路冰雪。
74170发布于 2018-01-19 - 来自专栏高速公路那点事儿
智慧养护 | 高速公路智慧巡检产品都可以检测那些对象？
“ 随着数字化转型的不断推进，高速公路的道路养护逐步数字化、智慧化，本文对智慧巡检产品的检测对象进行了梳理。” 随着高速公路大部分进入运营养护期，智慧巡检产品已经成为主流趋势。 我们知道海量交通出行极易造成道路病害频发，影响公路使用寿命及使用安全，无法落实预防性养护。 目前高速公路的养护覆盖不全面，养护措施不及时，被动养护缩短了道路寿命。 下面我们看看传统巡检的痛点。 基本的技术要求如下： 1.多车道路面及街景同步采集，高精度定位。 2.可识别类型达数十种，包括路面病害及常见交安设施： （1）沥青路面：坑槽、横向裂缝、纵向裂缝、龟裂、修 补等； （2）水泥路面：坑洞、裂缝、边角剥落、面板破碎、板角断裂等； （3）路产识别：电子情报板 4.检测效率达20-30张/秒。 我们来看看目前智慧巡检产品的检测对象都有哪些。
21810编辑于 2025-07-03 - 来自专栏高速公路那点事儿
焦点自谈 | 一个资深高速运营管理人员眼里的高速公路大数据分析能做什么？
“ 从一个资深的高速公路运营中层管理者的视角，对高速公路大数据分析进行需求归纳。数据分析这么多年还是没实现？” 本文内容根据一个高速公路的老大哥针对高速公路大数据分析的认知整理而成，他从事过收费、稽核、养护等岗位，最后以机电人员的身份退休的。 整个文章说直白点，就两点：分别是对内和对外。 ，分析气象、环境因素、路面载荷状况、车流量，制定出全寿命周期的路面、桥梁、隧道结构物养护周期计划。 1）利用收费数据超限超载车辆统计及轴载检测系统数值，分析对桥梁、路面造成的损害，为监测重点桥梁提供依据； 2）对冬季降雪数据收集分析，分析出合理数值，为储备融雪剂提供依据； 3、为机电运维管理提供决策 4、通过路面障碍物类别，找出分时段、季节性的不安全路面障碍物产生原因，通过各种载体发布提示信息，最大限度的减少障碍物的产生。 03-结语 以上就是一个资深高速公路运营者对高速公路大数据分析的认知。
31300编辑于 2025-07-03 - 来自专栏企鹅号快讯
世界首条光伏发电高速路亮相济南，未来电动汽车边跑边充电
晒晒阳光就能发电， 电动汽车边跑边充电， 下雪还能自动融化路面积雪， …… 风靡全球的“太阳能公路”在中国正式通车了！ 看点一 ：路面化身光伏电站将太阳能转化成电能 一百年前，电能的出现，结束了人类在黑暗中的探索，为社会进步打开全新大门。如今随着物联网的迅猛发展，光伏路面也迎来了蓬勃发展的新机遇。 这段“超级公路”的全称是承载式高速光伏路面，最上面一层是类似毛玻璃的半透明新型材料，摩擦系数高于传统沥青路面，保证轮胎不打滑的同时，还拥有较高的透光率，可以让阳光穿透它，使下面的太阳能电池把光能转换成电能 在冬季这段路面可通过路面结冰检测系统，实时感知道路结冰情况，从而自动开启电力加热系统，将光能转化为热能，及时除去道路冰雪，保障出行安全。 作为传统高速公路通行的增值服务，远期依靠光伏路面电力支持和内建信息网络，实现车路信息交互和能量交互，建立智能交通系统，实现汽车自动驾驶引导、车联网和整个社会范围内的车辆网络化调度。
84470发布于 2018-01-15 - 来自专栏HansBug's Lab
1592: Making the Grade 路面修整
1592: [Usaco2008 Feb]Making the Grade 路面修整 Time Limit: 10 Sec Memory Limit: 162 MB Submit: 428 Solved 按奶牛们的要求，修好后的路面高度应当单调上升或单调下降，也就是说，高度上升与高度下降的路段不能同时出现在修好的路中。
62670发布于 2018-04-11 - 来自专栏决策智能与机器学习
智能技术赋能道路智能化，促进光伏产业新发展 | 智能交通 | 解读行业
世界首条高速公路在中国济南建成，标志着道路智能化发展的开端，尽管进行大规模应用还有待时日，但是技术发展驱动道路智能化改造的趋势已不可阻挡。这条光伏路面全长160米，铺设面积660平米。 采用光伏智能道路，通过路面结冰检测系统，实时感知道路结冰情况，从而能够自动开启电力加热系统，及时除去道路冰雪，保障出行安全。 ? 在全球范围内，早在2006年美国的ScottBrushaw和Julie科学家夫妇，提出了太阳能公路的概念，认为能通过太阳能电池板，替代传统沥青，从而充分利用太阳光照。 法国对太阳能公路的态度无疑更加激进。 另外，经过测算，这种太阳能公路4米就能提供一户家庭除供暖外的其他所有用电需求，1公里这样的路段，则能满足5000人。
60440发布于 2020-08-04 - 来自专栏高速公路那点事儿
人工智能 | 《AI赋能下面向车路协同的智能道路》的学习，感知、定位与引导
点击上方 “高速公路那点事儿”，再点击右上角的“···”，选择设为星标 本文学习内容引用：朱兴一,赵仁杰,张启帆,等.AI赋能下面向车路协同的智能道路[J].中国公路学报,2025,38(11):268 采用的AI技术： 卷积神经网络：用于图像与视频数据的车辆、行人、障碍物检测与识别。 循环神经网络与LSTM：处理时序传感器数据，如交通流量预测、路面状态演变分析。 智能路面信息发布：通过太阳能发光路面、嵌入式LED显示屏、可变信息标志等设施，向驾驶人动态发布引导信息。 输出结果： 生成路段级动态引导指令，通过路面显示、车联网通信等方式下发至车辆，实现“车路协同式”交通引导。 文章系统阐述了智能道路在车路协同中的关键作用，并提出了以感知AI、定位AI、引导AI为核心的技术路径，当然针对高速公路也是可以引用研究的。
33810编辑于 2026-01-05 - 来自专栏高速公路那点事儿
低空经济 | DeepSeek总结的高速公路10个无人机创新场景，还可以
“ 低空经济赋能高速公路，谈谈无人机在高速公路领域的10个创新场景” 低空经济，这一领域概念正逐渐被大众所熟知，而且很多省份的交投公司成立了低空发展公司。 那什么是低空经济？ 高速公路面临的机遇与需求 在交通监控方面，无人机可快速查验交通拥堵路段的原因，反馈信息数据，为管理部门及时应急处理提供依据。 案例：四渡河大桥采用无人机检测系统后，效率提升20％，综合检测费用节省20％以上，检测作业人员安全风险大幅降低。 3. 新能源设施巡检 技术路径：针对高速公路光伏路面、充电桩等新基建，无人机搭载多光谱相机检测电池板热斑、电缆绝缘层老化，结合边缘计算模块实现缺陷自动标注，达到设施巡检的目的。 夜间/极端天气应急巡查 技术路径：配备红外夜视与抗风扰动控制系统的无人机，在雨雾、低温环境下自主执行夜间巡检，实时回传路面结冰、车辆滞留信息。
96610编辑于 2025-07-03
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号