道路檢測行業需融入高新技術和思想

　　道路檢測過程中需要運用先進的技術，只有技術上科學、合理，才能夠促進檢測工作的順利開展。目前，由於我國經濟的增長以及科學技術的進步，對道路的建設提出了更高的要求。在這個過程中，道路的檢測技術有待提高，以促進道路建設的質量。通過對道路檢測行業分析了解到，道路檢測行業需融入高新技術和思想。

　　經濟與科技的並速發展使得交通基礎設施成為了制約發展的一個因素，帶來了一系列的交通問題，為人們的生命安全埋下了隱患。基於此，一些已開發國家開始研發職能系統，如歐洲提出PROMETHEUS和DRIVE項目、美國WHS項目、日本啟動VICS和ARTS項目等。智能交通集合了自主控制、視覺感知技術、智能決策和多傳感技術等，但是交通系統的投資大、周期長、需要的輔助設備多，一些問題還亟待完善，加入了我國高新技術計劃的行列。

　　1 視覺道路檢測發展現狀

　　現代科技的發展和網絡的普及，智能機械等方面都有很大的成就，在許多領域都得到了廣泛應用，比如軍事、製造、科研等方面。現在由於處理器和存儲器成本的降低和CCD攝像頭價格的低廉，為計算機的實時圖像處理提供了可能性，具有適應性強和柔韌性好等特點，視覺導航在職能汽車上的應用具有廣闊前景。國內外的許多單位都堆智能汽車的視覺導航技術進行深入研究，取得很大進步。更多最新道路檢測行業資訊及發展趨勢分析內容請諮詢中國報告大廳網站撰寫的《2015-2020年中國道路檢測產業運行態勢及投資戰略研究報告》。

　　目前取得成果較大的有美國軍方研製的DEMOIII智能車輛和美國CMU（Camegie Mellon Universitv）機器人研究中心研究開發的適用於規則道路結構的NavLab系列、德國聯邦國防大學UBM（theUniversittder Bundeswehr Munchen）與德國奔馳汽車公司研製的VaMORs和VaMORs-P兩種車、義大利的University of Parma研製的ARGO工程、法國帕斯卡大學與法國的D.R.A.S雪鐵龍（Cittoen）技術中心合作，聯合研製了Peugeot系統等，我國在此領域起步晚，主要有清華大學智能技術與系統國家重點實驗室「移動機器人（THMR）課題組」研製的清華智能車THMR-V、國防科技大學自動化研究所研製的新一代地面無人駕駛車輛CITAVT-IV等。

　　2 基於視覺的道路識別方法

　　視覺是人類認識世界、觀察世界的重要感官。對於駕駛員來說，90%的駕駛信息來自視覺。目前智能汽車採用的環境感知手段以視覺為最主要，成為了當前主流因素，擁有極其廣闊的前景。實用性是目前即使七絕的最主要難點，單個計算機的運算速度已經不能滿足視覺的實時性特點，人們還在繼續通過算法的改進和新型算法的研究類減少計算量，提高視覺系統的實時性。職能汽車的視覺系統是由硬體部分和軟體部分組成。硬體部分包括CCD攝像機、圖像採集卡、工控機和車輛組成。

　　2.1 基於道路特徵識別方法

　　道路特徵識別有道路區域特徵和道路邊緣特徵兩種。區域特徵主要分析道路與非道路的區別之處來作為特徵，比如在彩色圖像中，很多文獻都有相應的檢測算法，可是複雜的環境和道路因素如光照、天氣和玩到等情況會影響道路區域色彩的不一致；在灰色圖像中，灰度閾值可以劃分道路和非道路區域。最簡單的區域特徵是紋理信息，非道路區域的紋理信息較為複雜，而道路區域紋理比較單一。邊緣特徵是基於道路邊緣的梯度來跟蹤整個路面常見方法有sobel算子、log算子、prewitt算子、roberts算子、canny算子等。複雜到了路的邊緣信息干擾因素較多，給邊緣檢測方法帶來了很大的難度。

　　2.1 基於道路模型識別方法

　　道路模型大致分為直線模型、曲線模型、近區域和遠區域模型。直線模型是在近區域範圍內假設路邊是兩條平行線的最簡單模型。曲線模型有迴旋曲線和拋物線模型。道路模型的構建可以有助於道路區域的重建，道路模型的準確度和複雜度將直接影響監測的實時性和準確性。根據導航的實時性要求，複雜道路模型的構建需要計算量上的代價很大，而實時進行的道路檢測，導航系統當前行駛區域主要由靠近區域決定，對於消失點附近的道路檢測是可以忽略過去。

　　3 特徵融合的道路檢測

　　3.1 車道線參數提取

　　Hough變換是眾多直線提取法中最常用的一種，具有抗噪性能好和算法穩定等優點，可以將曲線上的各虛線和小抖動經過變換後可以在參數空間有清晰的峰值，將空間圖像內檢測直線的問題轉換到參數空間內檢測點的問題，簡化了運算。

　　3.2 車道線檢測方法

　　道路檢測的算法主要有三種：基於彩色圖像分割法、基於灰度圖像的車道線檢測跟蹤算法、神經網絡法。彩色圖像分割法是利用彩色圖像的RGB空間原理，適合非標準車道的標記線，但是這種分割路面和費路面的標準還在摸索階段，不成熟，但是圖像色彩的HSG可以有效分類道路和非道路；車道線檢測最主流的方法是灰度退昂的車道線檢測與跟蹤算法，可以充分利用車道線提供的灰度信息，但是在複雜環境下不能準確識別車道信息；神經網絡法是典型的車道線檢測法，可以對半結構化道路和非結構化道路進行跟蹤，但是在智能車的輔助作用下不能很好的體現，等級較高的道路上效果不理想。

　　4 小結

　　基於視覺的道路檢測最終要的就是視覺導航，緊密與領域連結起來，前景非常更廣闊的。雖然我國目前在道路檢測上已經取得了一些進展，但是由於諸多限制因素的存在，如研究水平、時間問題以及實際的工程應用存在差距，道路檢測依舊是一個需要不斷補充完善的領域，需要更多的高新技術和思想融入其中，讓智能視覺導航從理論和模型上走向實際使用。

更多道路檢測行業研究分析，詳見中國報告大廳《道路檢測行業報告匯總》。這裡匯聚海量專業資料，深度剖析各行業發展態勢與趨勢，為您的決策提供堅實依據。

更多詳細的行業數據盡在【資料庫】，涵蓋了宏觀數據、產量數據、進出口數據、價格數據及上市公司財務數據等各類型數據內容。