2023年MathorCup大数据竞赛：基于计算机视觉的坑洼道路检测和识别 思路论文

国外相关论文,持续更新

基于视差变换和路面建模的坑洼检测

坑洼检测是道路维护最重要的任务之一。 计算机视觉方法通常基于 2D 道路图像分析 或 3D 路面建模。但是，始终使用这两个类别 独立地。此外，坑洼检测精度还远未达到 满意。因此，在本文中，我们提出了一种鲁棒的坑洼检测 既准确又计算高效的算法。一个密集的 首先变换视差图以更好地区分受损和 未损坏的路区。为了实现更大的视差转换效率， 利用黄金分割搜索和动态规划来估计 转换参数。然后使用Otsu的阈值方法提取 变换后的视差地图中潜在的未损坏道路区域。这 提取区域中的视差由二次曲面建模，使用 最小二乘拟合。为了提高视差图建模的鲁棒性， 曲面法线也集成到曲面建模过程中。 此外，利用随机样本共识来减少造成的影响 由异常值。通过比较实际和建模之间的差异 视差图，可以准确检测坑洼。最后，重点 从重建的3D道路中提取检测到的坑洼云 表面。实验结果表明，成功检测准确 所提出的系统约为98.7%，整体像素级精度为 约99.6%。