基于道路前景图像的路面病害目标检测与实例分割方法

摘要

本发明涉及一种基于道路前景图像的路面病害目标检测与实例分割方法。通过双目相机采集道路前景图像并获取图像景深信息；然后通过K‑means聚类算法分析最佳的锚框(Anchors)尺寸，并调整模型参数以使得Mask‑RCNN模型精准稳定的对路面病害进行目标识别；制定目标重叠过滤策略，将重复检测的目标进行过滤；最后，根据预测框的四个顶点进行坐标系转换，并结合深度图像信息获取病害的真实面积，从而自动生成路面病害明细表。本发明可以实现路面病害在原图中的定位及轮廓实例分割，通过两个分支(mask branch)并行识别，将最终得到的结果融合到一张图像中，大大提高了识别的准确率；为道路养护部门的检测作业，安全性评价及养护决策提供一定的辅助支撑。