Detailergebnis zu DOK-Nr. 62141
Kritische Bewertung von (Fahrbahn-) Oberbauschäden (mittels) Segmentierungsmethoden (Orig. engl.: Critical assessment of pavement distress segmentation methods)
| Autoren |
Y.-C. Tsai V. Kaul R.M. Mersereau |
|---|---|
| Sachgebiete |
14.2 Ebenheit, Befahrbarkeit |
Journal of Transportation Engineering 136 (2010) Nr. 1, S. 11-19, 3 B, 1 T, zahlr. Q
Bildsegmentierung stellt einen entscheidenden Schritt zur automatischen Erfassung und Klassifizierung von Fahrbahnschäden (z. B. nach Art und Stärke) mithilfe bildgebender Verfahren dar, wie sie bei der automatischen Rissversiegelung eine wichtige Anwendung findet. Obwohl viele Forscher Algorithmen für die Ermittlung und Erkennung von Fahrbahnschäden entwickelt haben, bleibt die Vollautomatisierung eine Herausforderung. In dem Beitrag wird erstmals eine Punktbewertungsmethode angewendet, um die Leistungsfähigkeit von sechs verschiedenen Segmentierungs-Algorithmen quantitativ und objektiv zu bewerten. Der Stand der aktuellen Forschung auf dem Gebiet der Ermittlung von Fahrbahnschäden wird zusammenfassend überprüft, um weiteren Forschungsbedarf zu identifizieren. Sechs Segmentierungsmethoden werden sodann getestet; dafür wurde ein unterschiedlicher Satz von echten Schadensaufnahmen verwendet, die unter verschiedenen Beleuchtungsbedingungen, Schatten und Risspositionen aufgenommen wurden, um die Leistungsfähigkeit der Methoden zu differenzieren. Diese Aufnahmen wurden auf dem Interstate Highway I-75/I-85 in der Nähe von Atlanta gemacht und vom Georgia Department of Transportation zur Verfügung gestellt. Die dynamische, auf Optimierung basierende Methode, die früher dazu verwendet wurde, um niedrige Signal-Geräusch-Abstände (Störabstände) digitaler Röntgenfotografie zu segmentieren, erwies sich dabei den anderen 5 Methoden als überlegen. Sie erweist sich im gegebenen Datensatz als robust gegenüber Bildveränderungen, erfordert aber eine hohe Rechenzeit. Über eine kritische Bewertung der Stärken und Grenzen der bestehenden Algorithmen werden wertvolle Einblicke und Hinweise für deren künftige Weiterentwicklung und damit zur weiteren Automatisierung der Bildverfahren für die Schadensermittlung und -klassifizierung gegeben.