Systems and methods for road defect level prediction. A depth map is obtained (120) from an image dataset received from input peripherals by employing a vision transformer model. A plurality of semantic maps is obtained (130) from the image dataset by employing a semantic segmentation model to give pixel-wise segmentation results of road scenes to detect road pixels. Regions of interest (ROI) are detected (140) by utilizing the road pixels. Road defect levels are predicted (160) by fitting the ROI and the depth map into a road surface model to generate road points classified into road defect levels. The predicted road defect levels are visualized (170) on a road map.
L'invention concerne des systèmes et des procédés de prédiction de niveau de défaut de route. Une carte de profondeur est obtenue (120) à partir d'un ensemble de données d'image reçu en provenance de périphériques d'entrée au moyen d'un modèle de transformateur de vision. Une pluralité de cartes sémantiques est obtenue (130) à partir de l'ensemble de données d'image en utilisant un modèle de segmentation sémantique pour donner des résultats de segmentation par pixel de scènes de route pour détecter des pixels de route. Des régions d'intérêt (ROI) sont détectées (140) en utilisant les pixels de route. Des niveaux de défaut de route sont prédits (160) par ajustement des ROI et de la carte de profondeur dans un modèle de surface de route pour générer des points de route classés en niveaux de défaut de route. Les niveaux de défaut de route prédits sont visualisés (170) sur une carte routière.
ROAD DEFECT LEVEL PREDICTION
PRÉDICTION DE NIVEAU DE DÉFAUT DE ROUTE
2024-10-24
Patent
Electronic Resource
English
GHG Emission Prediction at Road Link-level
DataCite | 2024
|Traffic Noise Impact Prediction Based on Road Service Level
Transportation Research Record | 2022
|Prediction of Road Congestion Level Based on Bayes Algorithm
Trans Tech Publications | 2014
|