检索结果-南通市图书馆

检索条件"主题词=里程桩指示牌"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于深度学习的高速公路里程桩指示牌识别与巡检定位方法研究

基于深度学习的高速公路里程桩指示牌识别与巡检定位方法研究

引用

作者：吴镇涛福建农林大学

学位级别：硕士

里程桩指示牌作为高速公路上的定位标志,是巡检人员进行道路检测的重要参照对象,通过使用里程桩指示牌,可以明确目标物的具体位置。对于繁琐的巡检工作,实现道路巡检数据的里程信息匹配能够为巡检人员提供现场实况与位置信息,巡检人员... 详细信息

里程桩指示牌作为高速公路上的定位标志,是巡检人员进行道路检测的重要参照对象,通过使用里程桩指示牌,可以明确目标物的具体位置。对于繁琐的巡检工作,实现道路巡检数据的里程信息匹配能够为巡检人员提供现场实况与位置信息,巡检人员在发现问题后可以及时到达现场进行处理,从而保障高速公路养护工作高效化进行。本文提出一种基于深度学习的巡检数据定位方法,实现高速公路里程桩指示牌的检测和巡检沿线采集点的里程信息匹配,有效获取与巡检数据相匹配的位置信息。研究内容包括:以在途的检测车为载体架设道路巡检设备,在高速公路上不断采集沿线图像数据和多源数据,作为实验数据使用;选取高速公路前景图像构建目标检测数据集和文字数据集,并且采用图像预处理方法对数据集进行扩充;本文选定高速公路中的里程桩指示牌作为采集点里程定位的研究对象,首先基于优化后的YOLOv5目标检测算法,快速提取高速公路前景图像中里程桩指示牌的边界框坐标信息;接着研究使用Paddle OCR文字识别算法和双目测距算法获取里程桩指示牌的文字信息和深度信息;然后通过卫星定位信息获取巡检相邻采集点间的采集间隔;最后融合文字信息、景深信息和采集间隔信息,通过道路里程定位算法计算获取不同情形下的采集点里程信息,算法包括编号检测、上下行判断、里程信息补充、采集间隔校正和里程信息修正。研究对优化后的YOLOv5m目标检测算法和Paddle OCR(DB+CRNN)文字识别算法进行指标评估,测试结果表明,里程桩指示牌的的检测准确率达到90%以上,文字识别准确率达到89%。最后选取福州市内的高速路段对道路里程定位算法进行实验验证,使用人工定点测量进行里程偏差计算,实验结果表明,测算偏差最大值为6.33m,最小值为1.40m,平均值为3.86m,满足巡检人员可观测的范围,能够达到道路检测的要求。

关键词：道路巡检里程桩指示牌深度学习目标识别里程定位

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：