2023年MathorCup大数据竞赛赛道A：基于计算机视觉的坑洼道路检测和识别 论文4

本专栏提供相关国内外论文文献参考,每题大约十几篇,持续更新

用于道路成像和坑洼检测的计算机视觉：系统和算法的最新回顾

计算机视觉算法已普遍用于3D道路 二十多年的成像和坑洼检测。尽管如此，还是有一个 缺乏关于最先进（SoTA）计算机视觉的系统调查文章 为解决这些问题而开发的技术，尤其是深度学习模型 问题。本文首先介绍用于2-D的传感系统 和三维道路数据采集，包括摄像头、激光扫描仪和 Microsoft Kinect。之后，它彻底而全面地审查了SoTA 计算机视觉算法，包括 （1） 经典的 2D 图像处理，（2） 3-D 点云建模和分割，以及 （3） 机器学习/深度学习， 专为道路坑洼检测而开发。本文还讨论了现有的 基于计算机视觉的道路坑洼面临的挑战及未来发展趋势 检测方法：基于经典的2D图像处理和3D点云 基于建模和细分的方法已经成为历史;和 卷积神经网络 （CNN） 展示了引人注目的道路坑洼 检测结果并有望打破未来的瓶颈 多模态语义分割的自/无监督学习研究进展. 我们认为，这项调查可以作为制定 下一代路况评估系统。