Enhancing Pothole Detection and Characterization: Integrated Segmentation and Depth Estimation in Road Anomaly Systems

要約

道路の異常検出は、道路のメンテナンスとドライバーと車両の両方の安全性を高める上で重要な役割を果たします。
道路異常検出のための最近の機械学習アプローチは、手動分析と異常カウントの退屈で時間のかかるプロセスを克服しました。
しかし、彼らはしばしば道路のpot穴の完全な特性評価を提供するのに不足しています。
このホワイトペーパーでは、ダッシュボードに取り付けられたカメラからキャプチャされたデジタル画像を使用して、pot穴の自動特性評価のために事前に訓練されたYolov8-SEGモデルを採用することにより、転送学習を活用します。
私たちの仕事には、アルコバル市の多様な道路環境とサウジアラビアのKFUPMキャンパスから収集された、画像とそれらの対応する深度マップの両方で構成される新しいデータセットの作成が含まれます。
私たちのアプローチは、pot穴を正確にローカライズしてその領域を計算するために、ポットホール検出とセグメンテーションを実行します。
その後、セグメント化された画像をその深度マップとマージして、pot穴に関する詳細な深さ情報を抽出します。
セグメンテーションと深度データのこの統合は、以前の深い学習ベースの道路異常検出システムと比較して、より包括的な特性評価を提供します。
全体として、この方法は、道路の危険の検出と特性評価を改善することにより、自動運転車のナビゲーションを大幅に強化する可能性があるだけでなく、道路維持当局が道路の損傷により効果的に対応するのを支援します。

要約(オリジナル)

Road anomaly detection plays a crucial role in road maintenance and in enhancing the safety of both drivers and vehicles. Recent machine learning approaches for road anomaly detection have overcome the tedious and time-consuming process of manual analysis and anomaly counting; however, they often fall short in providing a complete characterization of road potholes. In this paper, we leverage transfer learning by adopting a pre-trained YOLOv8-seg model for the automatic characterization of potholes using digital images captured from a dashboard-mounted camera. Our work includes the creation of a novel dataset, comprising both images and their corresponding depth maps, collected from diverse road environments in Al-Khobar city and the KFUPM campus in Saudi Arabia. Our approach performs pothole detection and segmentation to precisely localize potholes and calculate their area. Subsequently, the segmented image is merged with its depth map to extract detailed depth information about the potholes. This integration of segmentation and depth data offers a more comprehensive characterization compared to previous deep learning-based road anomaly detection systems. Overall, this method not only has the potential to significantly enhance autonomous vehicle navigation by improving the detection and characterization of road hazards but also assists road maintenance authorities in responding more effectively to road damage.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google