Отправить статью по E-mail ДЕТЕКТИРОВАНИЕ ЛОКАЛЬНЫХ НАРУШЕНИЙ РОВНОСТИ ПОКРЫТИЯ АВТОДОРОГ НА ОСНОВЕ ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЯ ДАННЫХ УЛЬТРАЗВУКОВОГО ПРОФИЛИРОВАНИЯ
- Авторы: Столбова А.А.1, Прохоров С.А.1, Головнин О.К.2
-
Учреждения:
- Самарский национальный исследовательский университет имени С.П. Королева,
- Самарский национальный исследовательский университет имени С.П. Королева
- Выпуск: Том 7, № 1 (2021): 10.03.2021
- Страницы: 34-38
- Раздел: Статьи
- Дата публикации: 10.03.2021
- URL: https://dynvibro.ru/dynvibro/article/view/9407
- DOI: https://doi.org/10.18287/2409-4579-2021-7-1-34-38
- ID: 9407
Цитировать
Полный текст
Аннотация
В статье представлен подход к обнаружению поверхностных дефектов покрытия улиц и автодорог на основе вейвлет-анализа данных, полученных с помощью ультразвукового профилометра. Подход позволяет определить локальное расположение дефектов покрытия относительно ширины полосы автодороги. Приведены результаты применения подхода с использованием комплексного вейвлета Морле и первой производной функции Гаусса. Применение подхода снижает влияние помех, возникающих в процессе ультразвуковой диагностики покрытия улиц и автодорог.
Ключевые слова
Об авторах
А. А. Столбова
Самарский национальный исследовательский университет имени С.П. Королева,
Автор, ответственный за переписку.
Email: golovnin@ssau.ru
Россия, Московское шоссе, д. 34,
г. Самара, 443086
С. А. Прохоров
Самарский национальный исследовательский университет имени С.П. Королева,
Email: golovnin@ssau.ru
Россия, Московское шоссе, д. 34,
г. Самара, 443086
О. К. Головнин
Самарский национальный исследовательский университет имени С.П. Королева
Email: golovnin@ssau.ru
Россия, Московское шоссе, д. 34,
г. Самара, 443086
Список литературы
- [1] Sattar S., Li S., Chapman M. Road surface monitoring using smartphone sensors: A review //Sensors. 2018. Т. 18. №. 11. С. 3845.
- [2] Alqudah Y. A., Sababha B. H. On the analysis of road surface conditions using embedded smartphone sensors //2017 8th International Conference on Information and Communication Systems (ICICS). IEEE, 2017. С. 177-181.
- [3] Koh J. J. et al. Autonomous road potholes detection on video //Computational Science and Technology. Springer, Singapore, 2019. С. 137-143.
- [4] Anaissi A. et al. Smart pothole detection system using vehicle-mounted sensors and machine learning //Journal of Civil Structural Health Monitoring. 2019. Т. 9. №. 1. С. 91-102.
- [5] Kanaeva I. A., Ivanova J. A. Road pavement crack detection using deep learning with synthetic data // IOP Conference Series: Materials Science and Engineering. IOP Publishing, 2021. Т. 1019. №. 1. С. 012036.
- [6] Varona B., Monteserin A., Teyseyre A. A deep learning approach to automatic road surface monitoring and pothole detection //Personal and Ubiquitous Computing. 2019. С. 1-16.
- [7] Nguyen T. H. et al. Machine learning algorithms application to road defects classification //Intelligent Decision Technologies. 2018. Т. 12. №. 1. С. 59-66.
- [8] Wang P. et al. Asphalt pavement pothole detection and segmentation based on wavelet energy field //Mathematical Problems in Engineering. 2017. Т. 2017.
- [9] Головнин О.К., Прохоров С.А., Столбова А.А. Обработка временных рядов измерительной информации на основе интеллектуального анализа вейвлет-спектров в системах диагностики состояния покрытия автомобильных дорог при обнаружении поверхностных дефектов / Известия высших учебных заведений. Поволжский регион. Технические науки. 2020. № 4. С. 47-64.
- [10] Головнин О.К., Столбова А.А. Вейвлет-анализ как инструмент исследования характеристик дорожного движения для интеллектуальных транспортных систем в условиях недостающих данных // Труды СПИИРАН. 2019. № 2 (18). C. 326-353.
Дополнительные файлы
