Filtern
Dokumenttyp
Volltext vorhanden
- nein (2) (entfernen)
Schlagworte
- Digitale Bildverarbeitung (2) (entfernen)
Institut
Road condition acquisition and assessment are the key to guarantee their permanent availability. In order to maintain a country's whole road network, millions of high-resolution images have to be analyzed annually. Currently, this requires cost and time excessive manual labor. We aim to automate this process to a high degree by applying deep neural networks. Such networks need a lot of data to be trained successfully, which are not publicly available at the moment. In this paper, we present the GAPs dataset, which is the first freely available pavement distress dataset of a size, large enough to train high-performing deep neural networks. It provides high quality images, recorded by a standardized process fulfilling German federal regulations, and detailed distress annotations. For the first time, this enables a fair comparison of research in this field. Furthermore, we present a first evaluation of the state of the art in pavement distress detection and an analysis of the effectiveness of state of the art regularization techniques on this dataset.
Die Straßenverkehrsinfrastruktur ist durch steigende Belastungen und zunehmende Durchschnittsalter mittlerweile vielfach am Rande der Leistungsfähigkeit angelangt. In Zukunft werden Baumaßnahmen in erheblichem Umfang durchzuführen sein. Damit diese Erhaltungsmaßnahmen technisch und wirtschaftlich optimal durchgeführt werden können, ist es notwendig, frühzeitig und umfassend über den aktuellen Zustand, vor allem der Brücken, informiert zu sein. Hierfür ist es notwendig, den Zustand dieser zu erfassen, neue innovative Techniken zur Unterstützung der Bauwerksprüfung nach DIN 1076 sollen hinsichtlich ihrer Eignung überprüft werden. Unbemannte Fluggeräte bzw. UAS (Unmanned Aerial System) bieten vielfältige Möglichkeiten zur Bilderfassung und können als unterstützendes technisches Hilfsmittel bei der Bauwerksprüfung zum Einsatz kommen. Im Rahmen eines Forschungsprojekts wurden drei Brücken mithilfe von UAS beflogen, wodurch Schäden identifiziert werden konnten. Insbesondere die Möglichkeit zur Befliegung schwer zugänglicher Stellen, Zeitersparnis während einer Prüfung und die automatisierte Schadenserkennung machen diese Technologie für die Brückenprüfung interessant. Durch die gezielte Anwendung der UASâ€Technologie kann eine Reduzierung der Nutzungseinschränkung des Bauwerks verbunden mit einer Qualitätssteigerung der Ergebnisse erreicht werden.