Přejít k hlavnímu obsahu

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Road to Repair (R2R): An Afrocentric Sensor-Based Solution to Enhanced Road Maintenance
Autoři: Jordan Darryn Anton | Paine Stephen | Mishra Amit Kumar | Pidanič Jan
Rok: 2023
Druh publikace: článek v odborném periodiku
Název zdroje: IEEE ACCESS
Název nakladatele: IEEE (Institute of Electrical and Electronics Engineers)
Místo vydání: New York
Strana od-do: 6010-6017
Tituly:
Jazyk Název Abstrakt Klíčová slova
cze Cesta k nápravě (R2R): Afrocentrické řešení pro lepší údržbu silnic založené na senzorech Výmoly jsou jedním z nejdůležitějších problémů afrických silnic. Představují velkou hrozbu pro mobilitu a časem způsobují zrychlenou degradaci základní silniční infrastruktury i rozsáhlé škody na vozidlech. K řešení potřeby lepší správy infrastruktury je zapotřebí pokročilé řešení pro sběr dat. Tento článek představuje jedno takové řešení založené na systému detekce, klasifikace a záznamu výmolů (PDCL), který je aktivně vyvíjen společností Sensorit (Pty) Ltd ve spolupráci se skupinou pro radarový dálkový průzkum (RRSG) Univerzity Kapského Města (UCT). Tento systém představuje první krok v modulárním přístupu společnosti Sensorit k výrobě plně autonomních vozidel pro africké trhy. V tomto článku je uveden přehled systému PDCL a první výsledky. Je zkoumána účinnost jedinečné kombinace aktivního infračerveného stereovidění a radarových snímačů s frekvenční modulací kontinuálních vln (FMCW) v systému. Za různých experimentálních podmínek nebyly mapy vzdálenosti a dopplera (RDM) vytvořené radarem schopny poskytnout smysluplnou detekci výmolů. Naproti tomu bylo prokázáno, že zpracované hloubkové mapy vytvořené systémem stereovidění úspěšně detekují i mělké výmoly. Senzory; Radar; Silniční provoz; Kvantování (signál); Analýza barev obrazu; Stereo vidění; Servery; Strojové učení; radar; FMCW radar; údržba silnic
eng Road to Repair (R2R): An Afrocentric Sensor-Based Solution to Enhanced Road Maintenance Potholes are one of the most important issues in African road-networks. They pose a major threat to mobility and, with time, cause accelerated degradation of the underlying road infrastructure as well as extensive vehicle damage. To address the need for improved infrastructure management, an advanced data gathering solution is required. This paper presents one such solution. The pothole detection, classification and logging (PDCL) system is under active development by Sensorit (Pty) Ltd in collaboration with the University of Cape Town (UCT) Radar Remote Sensing Group (RRSG). This system represents the initial step in Sensorit's modular approach to producing fully autonomous vehicles for African markets. In this paper, an overview of the PDCL system is presented and early results are shown. The efficacy of the system's unique combination of active infrared stereo vision and mmWave frequency-modulated continuous-wave (FMCW) radar sensors is explored. Under various experimental conditions, range-Doppler maps (RDMs) produced by the radar were unable to provide meaningful pothole detections. In contrast, processed depth maps produced by the stereo vision system are demonstrated to successfully detect even shallow potholes. Sensors; Radar; Road traffic; Quantization (signal); Image color analysis; Stereo vision; Servers; Machine learning; radar; FMCW radar; road maintainance