Протяженность дорог общего пользования в Москве превышает 6 тысяч километров и каждый год увеличивается не менее, чем на 100 километров. С постоянным ростом протяженности дорожной сети увеличиваются затраты и сложность своевременного обнаружения и устранения дефектов дорожного покрытия. Такие дефекты являются причиной повышения аварийности на дорогах. Их профилактика (раннее обнаружение) позволяет значительно снизить затраты на ремонт покрытия и предотвратить аварийные ситуации.
Разработка алгоритма, способного обнаруживать дефекты дорожного покрытия, используя неразмеченные данные с лидара.
Как можно за 48 часов, с помощью облака точек и без разметки создать модель, которая будет определять дефекты? Было принято решение использовать механизм кластеризации.
Этапы:
- Конвертация данных: Преобразование данных из формата ROS2 в CSV.
- Предобработка данных: Исправление аномалий и дефектов в данных.
- Объединение данных: Слияние нескольких кадров для улучшения разрешения с использованием специализированных алгоритмов.
- Отбор данных: Выделение точек, представляющих собой дорожное покрытие.
- Зона детекции: Определение области вокруг беспилотного транспортного средства с максимальной плотностью точек.
- Кластеризация: Использование DBSCAN для идентификации дефектов, опираясь на отклонения в 4 и более сигм.
- ROS2 для обработки исходных данных.
- Open3D для кластеризации и обработки облака точек.
- Python в качестве основного языка программирования.
- DBSCAN как метод кластеризации.
Данные оказались очень "сырыми". А именно:
-
Недостаточное разрешение: Из-за низкой плотности точек лидара пришлось комбинировать данные из нескольких кадров, используя алгоритм ICP.
-
Ошибки в координатах: Наблюдались аномалии в координатах оси Z, что потребовало применения алгоритма RANSAC для коррекции.
Изначальные данные.
Был разработан эффективный алгоритм, который может детектировать дефекты дорожного покрытия, используя данные с лидара и GPS. Единственным недостатком осталось отсутствие веб-интерфейса для визуализации результатов на карте.