點(diǎn)擊藍(lán)字 關(guān)注我們
據(jù)外媒報(bào)道，韓國土木工程與建筑技術(shù)研究所(KICT)宣布開發(fā)出“基于人工智能的自動坑洼檢測系統(tǒng)”。該系統(tǒng)將安裝在車輛的擋風(fēng)玻璃上，以實(shí)時檢測路面上的坑洼。路面坑洼不僅會損壞汽車，甚至還可能引發(fā)危及生命的事故。
尤其在雨季，坑洼會引起嚴(yán)重的汽車駕駛安全問題。2020年8月，韓國首爾遭遇超級大暴雨，該市共收到7,000個坑洼報(bào)告。而從2016年至2018年，韓國全國報(bào)告的坑洼數(shù)量為657,993，損失賠償總額達(dá)46億韓元，道路維修費(fèi)用達(dá)1.7萬億韓元。如果車輛并未注意到坑洼并高速通過，該車輛很可能會脫離行駛車道，從而威脅到駕駛員的生命。
路面管理從快速檢測受損路段開始，涉及基于振動、激光掃描和圖像識別的檢測技術(shù)。特別是，隨著深度神經(jīng)網(wǎng)絡(luò)的檢測技術(shù)的發(fā)展，基于圖像識別的路面管理方法不斷受到關(guān)注。此外，基于圖像的技術(shù)還可用于個人設(shè)備，例如車輛或智能手機(jī)攝像頭，因此依賴人類視覺檢查的地方政府更容易采用該技術(shù)。
該系統(tǒng)由Seungki Ryu博士領(lǐng)導(dǎo)的KICT研究團(tuán)隊(duì)開發(fā)。該系統(tǒng)安裝于車輛擋風(fēng)玻璃上的視覺傳感器，可在駕駛時拍攝路面來實(shí)時檢測坑洼。該AI推理模型使用基于FCN(全卷積神經(jīng)網(wǎng)絡(luò))架構(gòu)的編碼器-解碼器網(wǎng)絡(luò)，可從語義上分割路面上的損壞。
基于圖像檢測的一個常見問題是，即使在同一位置，圖像的像素單元信息也會因外部環(huán)境的變化而有所不同。特別是路面亮度會隨時間變化，因此使用該AI推理模型識別路面損壞可能具有挑戰(zhàn)性。為了解決這個問題，研究團(tuán)隊(duì)開發(fā)出一種新的用于圖像預(yù)處理的CNN(卷積神經(jīng)網(wǎng)絡(luò))模型，并結(jié)合語義分割模型，可對不同亮度條件下拍攝的道路圖像顯示出穩(wěn)健的檢測性能。
該技術(shù)包括使用人工智能模型收集數(shù)據(jù)的移動應(yīng)用程序和基于地圖的云服務(wù)器平臺，可根據(jù)移動應(yīng)用程序傳輸?shù)臄?shù)據(jù)識別坑洼。目前，韓國部分地方政府，如光州廣域市(Gwangju Metropolitan City)、高陽市(Goyang-si)和金海市(Gimhae-si)正在試點(diǎn)這項(xiàng)技術(shù)。Ryu博士的研究團(tuán)隊(duì)旨在進(jìn)一步擴(kuò)展這項(xiàng)技術(shù)并將其推廣至其他地方政府。
Ryu博士表示：“在即將到來的自動駕駛汽車時代，保持道路設(shè)施處于良好狀態(tài)至關(guān)重要。這種基于人工智能的技術(shù)將更容易、有效地管理路面?！?
轉(zhuǎn)載車聯(lián)網(wǎng)相關(guān)文章
轉(zhuǎn)自車聯(lián)TIAA
