(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210886935.9 (22)申请日 2022.07.26 (71)申请人 五邑大学 地址 529000 广东省江门市蓬江区东成村 22号 (72)发明人 翟懿奎　梁雅淇　江子义　廖锦锐　 周文略　蒋润锦　张俊亮　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 专利代理师 冯健良 (51)Int.Cl. G06T 7/00(2017.01) G06N 3/00(2006.01) G06T 5/50(2006.01) G06T 7/136(2017.01)G06V 10/44(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) (54)发明名称 基于DDRNets的路面裂痕检测方法、 无人机、 计算机可读介质 (57)摘要 本申请实施例公开了一种基于DDRNets的路 面裂痕检测方法、 无人机、 计算机可读介质， 方法 包括： 确定巡检区域， 并获取所述所述巡检地区 的障碍物信息； 根据所述障碍物信息和预设的概 率路线图PRM算法构建巡检环境地图； 根据所述 巡检环境地图和预设的蚁群算法进行路径规划， 得到所述无人机的目标巡检 路径； 根据所述目标 巡检路径进行巡检并拍摄待检测图像； 将所述待 检测图像输入至 预先训练好的DDRNets模型进行 图像分割处理， 得到分割图像； 根据所述分割图 像确定路面裂痕检测结果。 本申请实施例能够结 合无人机以及DDRNets对巡检区域进行路面裂痕 的检测， 相比传统的人工巡检方法， 本申请实施 例的技术方案能够有效提高路面裂痕检测的效 率。 权利要求书2页 说明书9页 附图5页 CN 115294040 A 2022.11.04 CN 115294040 A 1.一种基于D DRNets的路面裂痕检测方法， 应用于无 人机， 其特 征在于， 所述方法包括： 确定巡检区域， 并获取 所述所述巡检地区的障碍物信息； 根据所述障碍物信息和预设的概 率路线图PRM算法构建巡检环境 地图； 根据所述巡检环境地图和预设的蚁群算法进行路径规划， 得到所述无人机的目标巡检 路径； 根据所述目标巡检路径进行巡检并拍摄待检测图像； 将所述待检测图像输入至预先训练好的DDRNets模型进行图像分割 处理， 得到分割图 像； 根据所述分割图像确定路面裂痕检测结果。 2.根据权利要求1所述的基于DDRNets的路面裂痕检测方法， 其特征在于， 所述巡检环 境地图包括多个巡检节点， 各个所述巡检节点应有信息素值， 所述多个巡检节点中包括起 始节点； 所述根据所述巡检环境地图和预设的蚁群算法进行路径规划， 得到所述无人机的 目标巡检路径， 包括： 将所述蚁群算法的蚁群初始化在所述 起始节点； 根据预设的节点移动规则计算各个所述巡检节点的启发信息； 根据所述启发信息计算所述巡检节点的转移概 率； 从候选巡检节点中确定目标巡检节点， 所述候选巡检节点为除了所述起始节点以外的 所述巡检节点； 根据所述转移概率将所述蚁群从所述起始节点开始遍历所述目标巡检节点， 并更新各 个所述目标巡检节点的所述信息素值； 根据更新后的信息素值确定中间巡检路径； 对所述中间巡检路径进行迭代， 完成预设的迭代次数后得到所述目标巡检路径。 3.根据权利要求2所述的基于DDRNets的路面裂痕检测方法， 其特征在于， 所述从候选 巡检节点中确定目标巡检节点， 包括： 确定各个所述 候选巡检节点之间的连通关系信息； 获取所述无人机当前的航行信息； 根据所述连通关系信息和所述航行信息从所述候选巡检节点中确定所述目标巡检节 点。 4.根据权利要求1所述的基于DDRNets的路面裂痕检测方法， 其特征在于， 所述DDRNets 模型包括高分辨率分支网络、 低分辨率分支网络和深度聚合金字塔池化模块DAPP M； 所述将 所述待检测图像输入至预先训练好的DDRNets模型进行图像分割处理， 得到分割图像， 包 括： 生成与所述待检测图像对应的高分辨 率特征图和低分辨 率特征图； 将所述高分辨率特征图输入至所述高分辨率分支网络进行特征提取， 得到第一特征 图； 将所述低分辨率特征图输入至所述低分辨率分支网络进行特征提取， 得到第二特征 图； 将所述第二特 征图输入至所述DAP PM进行池化处 理， 得到第三特 征图； 将所述第一特 征图和所述第三特 征图进行融合处 理， 得到目标 特征图；权　利　要　求　书 1/2 页 2 CN 115294040 A 2将所述目标 特征图进行图像分割处 理， 得到所述分割图像。 5.根据权利要求1所述的基于DDRNets的路面裂痕检测方法， 其特征在于， 所述根据所 述分割图像确定路面裂痕检测结果， 包括： 根据所述分割图像和预设的裂痕判定规则得到所述分割图像的裂痕程度评分值； 当所述裂痕程度评分值大于或等于预设的评分阈值， 确定所述路面裂痕检测结果为检 测不通过； 当所述裂痕程度评分值小于所述评分阈值， 确定所述路面裂痕检测结果 为检测通过。 6.根据权利要求5所述的基于DDRNets的路面裂痕检测方法， 其特征在于， 所述无人机 与客户端通信连接， 所述方法还 包括： 在所述裂痕程度评分值大于或等于预设的评分阈值的情况下， 确定所述分割图像对应 的目标位置信息； 将所述目标位置信 息和所述路面裂痕检测结果发送至所述客户端， 以使所述客户端在 预设应用程序的界面上展示所述目标位置信息和所述路面裂痕检测结果。 7.根据权利要求1所述的基于DDRNets的路面裂痕检测方法， 其特征在于， 在所述将所 述待检测图像输入至预先训练好的DDRNets模型进行图像分割处理， 得到 分割图像之前， 所 述方法还 包括： 根据预设的预处 理规则对所述待检测图像进行图像预处 理。 8.一种无 人机， 其特 征在于， 包括： 障碍物信息获取模块， 所述障碍物信息获取模块用于确定巡检区域， 并获取所述所述 巡检地区的障碍物信息； 巡检环境地图构建模块， 所述巡检环境地图构建模块用于根据 所述障碍物信 息和预设 的概率路线图PRM算法构建巡检环境 地图； 目标巡检路径确定模块， 所述目标巡检路径确定模块用于根据 所述巡检环境地图和预 设的蚁群算法进行路径规划， 得到所述无 人机的目标巡检路径； 待检测图像获取模块， 所述待检测图像获取模块用于根据 所述目标巡检路径进行巡检 并拍摄待检测图像； 分割图像获取模块， 所述分割图像获取模块用于将所述待检测图像输入至预先训练好 的DDRNets模型进行图像分割处 理， 得到分割图像； 路面裂痕检测结果确定模块， 所述路面裂痕检测结果确定模块用于根据 所述分割图像 确定路面裂痕检测结果。 9.一种无人机， 包括： 存储器、 处理器及存储在存储器上并可在处理器上运行的计算机 程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所 述的基于D DRNets的路面裂痕检测方法。 10.一种计算机可读存储介质， 存储有计算机可执行指令， 所述计算机可执行指令用于 执行如权利要求1至7中任意 一项所述的基于D DRNets的路面裂痕检测方法。权　利　要　求　书 2/2 页 3 CN 115294040 A 3