Zurück Vor

Detailergebnis zu DOK-Nr. 77825

Vertieftes Gefaltetes Neuronales Netzwerk zur Risserkennung an Straßen unter Verwendung von kostengünstigem Global Shutter RGB-D Sensor und ARM-basiertem Single Board Computer (Orig. engl.: Deep convolutional neural networks for pavement crack detection using an inexpensive global shutter RGB-D sensor and ARM-based single-board computer)

Autoren	P. Asadi H. Mehrabi M. Ahmadi A. Asadi
Sachgebiete	12.0 Allgemeines, Management 11.1 Berechnung, Bemessung, Lebensdauer

Transportation Research Record: Journal of the Transportation Research Board Vol. 2675, H. 9, 2021, S. 885-897, 10 B, 4 T, 50 Q. - Online-Ressource: verfügbar unter: http://journals.sagepub.com/home/trr

Eingangs des Berichts weisen die Autoren auf Statistiken hin, nach denen U.S. Highways und untergeordnete Straßen infolge Alterung, Umwelteinflüssen und Überlastung durch Verkehr in einem schlechten Zustand sind. Dabei stellen Risse eine der häufigsten Schadensursachen dar. Im Rahmen von Pavement Management Systemen ist deshalb die automatisierte Erkennung und Auswertung von Rissbildern von großer Bedeutung. In den im Bericht in diesem Kontext angestrengten Untersuchungen wird ein kostengünstiges Verfahren entwickelt. Dieses besteht aus einem an einem Fahrzeug montierten Global Shutter RGB-D Sensor. Dieser stellt eine Verschlusstechnik für Kameras dar, die sich besonders gut für bewegte Objekte eignet. Mit diesem Verfahren werden alle Zeilen eines Bildes gleichzeitig belichtet. Die Auswertung erfolgt mit einem ARB basierten Computer, einer Architektur des Mikroprozessor-Designs. Das entwickelte Modell kann mit hoher Geschwindigkeit und Genauigkeit eine Risserkennung gewährleisten.