项目理念 |使用无人机成像进行路面故障检测
项目名称：使用无人机成像的路面遇险检测
简介：街道路面建设和维修包括印度大都市的很大一部分
支出预算。调查和监测保养是防止路面损坏的关键和重要措施，例如两个孔、堵塞的排水管等，可以降低与维修费用相关的成本。然而，一流的街道评估策略仍然利用专家进行物理上的问题估计。这些技术通常过于昂贵、乏味、工作集中并且需要专门的能力。与此同时，在任务乏味且引入不友好条件的危险性很高的地方，逐渐派出无人机而不是人类管理员。自动化道路检查可以带来显着的效率提升，可以帮助组织以有利的方式对早期侵蚀迹象做出反应。在这项工作中，我们可以建立一个框架，派出自动无人机来检查一个区域，分析路面状况并记录需要修复的区域的图像和方向。该框架为地面检查和工具引入了另一种选择，这些工具同时利用检测和识别算法来识别坑洼。它扩展了其他正在进行的算法安排，这些算法利用图像处理来收集和翻译有关路面健康的信息。
目标：该任务的结果将通过一个网络平台进行可视化，不仅可以指导城市社区巩固成本高昂的信息积累过程，还可以限制在区分问题领域和优先排序方面的人为错误。因此，市政当局可以在季风来临之前采取必要的措施，情况恶化的季节。
使用的工具：
- 硬件：
- 该坑洞检测工具需要无人机搭配高清摄像头，通过云台安装，实现三轴稳定。该云台将修正飞行过程中产生的任何振动，并保持相机水平以获得更高质量的视频帐户。此设置将允许 0*-90* 的相机点范围，即 900 位置与此仪器所需的朝下相关。将安装一个存储单元，该存储单元稍后将在无人机停靠在车站时将捕获的数据传输到云端。
软件：
- Python
- OpenCV（开源计算机视觉库）
- 亚马逊网络服务（用于数据分析）
- 使用 ReCurrent 神经网络（Pandas 等）进行图像处理
- 还将执行数据分析，这将有助于未来的规划和
分析。
实施：数据采集的无人机可以根据不同的城市区域使用。一个区域将包括一定数量的站点，无人机可以在这些站点停留或也可以称为恢复点，以便在出现任何技术问题或建议的飞行轨迹发生变化时，无人机可以返回这些站点，并且可以由无人机进行检查。维修团队。这些充电站也可以用作自动充电点。由于安装了沉重的硬件，大型飞行不实用。无人机的设计方式将使其具有一个对接点，该对接点将连接到车站的充电桩以进行充电。由于无人机将使用其相机捕获高清图像，因此在无人机上传输数据的系统将非常耗电。因此，这些站点或恢复点将配备高速互联网连接，将记录的数据传输到云端，以便将捕获的数据用于进一步分析。
概念框架：当我们为无人机制作一个自治任务时，它会在路径的开始方向起飞，经过每个街道片段，到达整个区域的每个部分，到达一个连续的航点坐标。随着任务的进行，坑洼识别算法将执行以分解视频馈送并搜索可想象的路面故障。在识别出此类区域时，会在无人机安装的计算机上生成一个注册表，将与遇险相关的方向、时间戳和图片保存起来。
未来增强：该框架的未来增量将是一种算法调整方法，用于连接图像分割以实现特定的最终目标，以提高系统的准确性。使该框架在真实情况下运行所需的另一个重要组成部分是避障。产品框架还可以通过提供额外的传感器进行升级，例如激光雷达，它可以提供深度信息，因为这些信息可以显着帮助确定遇险严重性和实施自动优先级策略。使用这种框架的优势在任何情况下都不受路面状况调查的限制，因为该仪器可以作为一个通用的系统填充到不同的应用中，例如交通监测和测量空气质量指数。
小组成员：
- Suryakant Tibrewal (IIT-ISM, Dhanbad)
- Prakhar Agarwal (BITS Pilani, 果阿)
- Jain Soham Dungerchand (BITS Pilani, Pilani)
- Kamini Kumari (IIT-ISM, Dhanbad)
注意：这个项目想法是为 ProGeek Cup 2.0- GeeksforGeeks 的项目竞赛贡献的。