论文分享

A deep learning approach to automatic road surface monitoring and pothole detection

主讲人

林泽龙(浙江大学-在校学生-软件学院-硕士生-软件工程-2019)

自动监测

自动监测是指由计算机控制的仪器设备取代人工操作,对环境污染定点定时进行连续的监测活动。监测人员根据监测目的和项目的需要,对计算机设置程序,由自动监测仪器执行从环境采样、预处理、测定、数据分析和整理直至打印出最终报告的全过程。可节约人力、物力和时间,能较正确和及时地反映环境质量状况和动态变化,为预测预报环境质量提供依据。

文章摘要

路面异常不仅会影响道路质量，还会影响驾驶员的安全性，车辆的机械结构以及油耗。已经提出了几种自动监测路面状况的方法，以评估路面的粗糙度并检测坑洼。其中一些方法通过使用内置的智能手机加速计来感测路面，从而采用了拥挤感的观点。尽管人群感知角度具有无处不在和成本低廉的优点，但它对于由人工结构，驾驶员动作和路面特性产生的误报具有一定的敏感性，这些误报不能被视为道路异常。因此，我们提出了一种深度学习方法，该方法允许我们（a）自动识别不同种类的路面，并且（b）在基于人群感知的应用环境中自动将坑洼与减速带或驾驶员动作产生的不稳定因素区分开来。特别是，我们分析并应用了不同的深度学习模型：卷积神经网络，LSTM网络和储层计算模型。实验是在真实世界的信息下进行的，结果显示出在解决这两个问题上的准确性。

活动视频

[道路监测](https://b23.tv/xnwkZ3)