摘要
本发明提供的一种基于YOLO模型的道路坑洞测量方法及装置,涉及道路检测技术领域。本发明通过获取无人机采集的包含路面坑洞的原始图像数据与无人机图像采集参数,并对所述原始图像数据进行预处理;将预处理后的图像数据输入预训练的YOLO图像分割模型,得到模型分割结果;根据所述无人机图像采集参数计算地面采样距离GSD,进而计算出坑洞地表面积;将模型分割结果中二值掩膜的每个像素点二维坐标与所述原始图像数据的三维点云坐标进行匹配,并网格化处理所述坑洞地表面积对应的区域,计算出坑洞体积,得到道路坑洞测量结果。本发明结合改进的图像分割模型与三维点云数据融合技术,实现了对道路坑洞的精确检测与量化评估。
技术关键词
道路坑洞
YOLO模型
原始图像数据
无人机图像采集
图像分割模型
测量方法
混合损失函数
特征权重学习
无人机飞行高度
强化特征
深度值
三维点云数据融合
坐标
网格
掩膜
像素点
双向特征金字塔
系统为您推荐了相关专利信息
跨模态融合特征
图像分割模型
感知特征
图像分割方法
特征融合网络
配电网巡检
多维图像数据
巡检管理方法
关联特征数据
追踪算法
原始图像数据
电厂设备
全局特征提取
智能巡检方法
Retinex算法
智能图像识别
分类系统
局部纹理特征
特征提取模块
原始图像数据