路面检测系统
背景
由于道路上行驶的各种车辆的磨损，道路每天都在继续恶化。路面质量的恶化不仅会影响驾驶员的驾驶舒适性，而且会影响经济性。
要把道路作为社会基础设施的一部分加以维护，就必须在适当的时候对其进行修复。
目前，道路状况检查是使用专门的车辆主要是做。然而，这是昂贵的，并且经常不允许进入住宅的道路。
解决方案
理光已经开发出一种可以用标准车辆而不是专用车辆来测量路面状况的摄像系统。这个系统可以在以前很难用专业车辆测量的住宅道路上进行测量。
也可以在工作流程从拍摄图像，以建立一个检查记录的自动化。
有了这个系统，我们的目标是透过更有效的保养，达到安全可靠的道路环境。bob娱乐平台
技术亮点
1.用立体摄像机捕捉图像
通过使用多台立体摄像机的成像系统，可以实现对三个因素的测量:裂纹率、车辙深度和平整度。立体摄像机通过左右对齐的两个摄像机的视差来检测物体的深度信息。
使用多个立体摄像机的摄像系统，可安装在标准车辆上
根据多台立体摄像机在宽度方向上拍摄的图像组合得到的结果，可以计算车辙深度。
进一步，结合同一多台立体摄像机在行进方向上拍摄的图像得到的结果，可以测量平整度。
图像组合不仅可以获得三维组合图像，还可以通过组合图像(亮度图像)中的特征点生成组合亮度图像。这也是可能的衡量率的裂缝使用这一组合亮度图像。
通过这种方法，仅使用从立体摄像机获得的信息，就可以实现对三个因素的测量:裂纹率、车辙深度和平整度(纵向不均匀度的数量)。
2.使用人工智能
最近，人工智能(AI)的研究和开发投入了大量的精力，使机器具有学习功能。机器学习是用于图像识别和分析的方法之一。
在机器学习，计算机接收某些输入，从它们获知，并且预测有用的输出。作为预备步骤，该系统需要具有一定的输入图像和相应的正确应答输出（正确回答标签）的学习组合。学习步骤之后是判断步骤，在系统接收到某些图像输入的预测和输出基于所了解到的正确答案。
通过机器学习得到的模型，将视觉检测过程替换为机器阅读，与传统方法相比，可以减少工时。
自动创建长度为50厘米的网格，由AI确定裂缝的数量
3.可视化的结果
根据获得的三组数据，系统计算出维修控制指标(MCI)，该指标是用于判断维修情况的综合指标。这支持了检查记录的创建。
该系统还可以通过绘制结果可视化地显示路面状况。
形象的可视化铺平状态
理光的愿景
这项新技术还可以应用于维护各种社会基础设施，如隧道和桥梁，除了路面。
在开发一个系统，监测社会基础设施，理光正在努力解决一系列社会问题，包括基础设施老化和劳动力短缺和电机效率。
