[发明专利]基于加速度传感器和机器学习的路面坑洼检测方法

说明书

本发明提供了一种基于加速度传感器和机器学习的路面坑洼检测方法，它包括以下步骤：1、控制器模块采集加速度传感器收集到的加速度数据和GPS模块收集到的定位信息数据；2、使用嵌入式开发板将采集到的加速度传感器数据和GPS定位信息数据传送给树莓派；3、使用树莓派将收集到的道路信息数据存储到嵌入式数据库中并在有网络连接时将数据传输到服务器；4、服务器接收道路信息数据并计算坑洼检测阈值，使用阈值检测坑洼之后，将坑洼信息数据到传送到地图显示模块；5、地图显示模块在地图上标注坑洼。本发明提高了检测的准确性，还克服了人主观因素的影响，提高了检测的可靠性。

技术领域

本发明属于路面检测技术中的坑洼检测方法，具体涉及基于加速度传感器和机器学习的路面坑洼检测方法。

背景技术

传统坑洼检测技术（路面检测技术）一般是将高清摄像头采集到的图像进行分析，并判断路面上是否有坑挖。目前，使用图像处理的方式来检测坑洼由于使用的摄像头价格较高，而基于此的路面坑洼检测系统的成本较高难以规模化生产。

针对这个问题，最近的坑洼检测系统基于廉价的加速度传感器收集数据，并以阈值的方式检测坑洼。其基本方法是收集汽车行驶在道路上的垂直方向加速度数据并在低速和高速两种情况与阈值进行比较从而判断出是否汽车是否遇到了坑洼。由于车辆本身参数不同，在检测坑洼时用一个固定的阈值进行判断，其准确性较低。

除了直接使用传感器的方式来检测坑洼，有的坑洼检测系统还利用了社交软件来报告坑洼。Automatic road anomaly detection using smart mobile device[C]，Tai Y,Chan C, Hsu J Y.，conference on technologies and applications of artificialintelligence, Hsinchu, Taiwan. 2010.（基于智能手机的自动路面坑洼检测，Tai Y,Chan C, Hsu J Y，人工智能的技术前景与应用会议，台湾，2010）中记载了一种使用户在社交软件中反馈的坑洼信息以及GPS定位信息的坑洼检测系统。这种检测方法依赖于用户的交互，需要用户在发现坑洼后及时在社交软件上反映坑洼信息，这种的坑洼检测方法的检测延迟完全依赖于用户参与的积极性，有较大的不确定性。

发明内容

针对现有技术中存在的技术问题，本发明所要解决的技术问题就是提供一种基于加速度传感器和机器学习的路面坑洼检测方法，它在现有基于加速度传感器的路面检测技术的基础上，能提高检测的准确性，且不受人主观因素的影响，能提高检测的可靠性。

本发明所要解决的技术问题是通过这样的技术方案实现的，它包括以下步骤：

步骤1、控制器模块采集加速度传感器收集到的加速度数据和GPS模块收集到的定位信息数据；

步骤2、使用嵌入式开发板将采集到的加速度传感器数据和GPS定位信息数据传送给树莓派；

步骤3、使用树莓派将收集到的道路信息数据存储到嵌入式数据库中并在有网络连接时将数据传输到服务器；

步骤4、服务器接收道路信息数据并计算坑洼检测阈值，使用阈值检测坑洼之后，将坑洼信息数据到传送到地图显示模块；

步骤5、地图显示模块在地图上标注坑洼。

在步骤3中，树莓派不直接与传感器相连而是通过中间的嵌入式开发板进行传感器数据的采集与转发，这种设计模式可以降低整体系统的耦合性并且弥补了树莓派针脚不足的缺陷。

在步骤4中，服务器首先从收集到的道路信息数据集中分离出一部分作为训练集，之后服务器运行K-MEANS机器学习方法，将收集到的道路信息数据分为两类，并计算出其中坑洼数据类加速度特征的平均值，并将此作为坑洼检测阈值；利用该阈值，本发明从测试集中检测出坑洼数据并输出到坑洼信息文件中。

本发明的技术效果是：