Verteilte Straßenzustandserfassung

Verteilte Erfassung und Bewertung visueller Substanzmerkmale kommunaler Straßen

In den vergangenen Jahren hat sich der Straßenzustand der kommunalen Infrastruktur, rapide verschlechtert. Um ein effizientes Erhaltungsmanagement betreiben zu können, ist eine flächendeckende und wirtschaftliche Straßenzustandserfassung und -bewertung unabdingbar. Der Einsatz existierender Messfahrzeuge ist hier aufgrund deren Abmessungen, der umfangreichen Netzlänge kommunaler Straßen und der daraus resultierenden enormen Datenmenge nicht zweckmäßig.

Gegenstand des Forschungsvorhabens ist die Entwicklung und Verifikation eines Konzepts zur verteilten Erfassung und Bewertung visueller Zustandsmerkmale kommunaler Asphaltstraßen. Ein mobiles Netzwerk aus gewöhnlichen Fahrzeugen, ausgestattet mit Rückfahrkamera, GPS-Empfänger und Internetzugang, erfasst dabei flächendeckend georeferenzierte Fahrbahnvideos, die in einem zweistufigen Prozess verarbeitet werden. Im Rahmen der Grobanalyse werden in Echtzeit potentielle Schäden lokalisiert. Auf dieser Basis findet anschließend eine verteilte Feinanalyse zur Klassifikation und Bewertung konkreter Substanzmerkmale statt. Im beantragten Vorhaben werden erstmals Methoden entwickelt, welche die Ergebnisse der verteilten Grob- und Feinanalyse statistisch abgesichert zusammenführen, um Aussagen über die Zuverlässigkeit der Klassifikation zu machen. Parallel zur Zusammenführung werden neuartige Konzepte zum Online-Lernen von Schadensklassifikatoren entwickelt, um dynamisch anpassbare Schwellwerte zu bestimmen und diese im Verlauf der fortschreitenden Zustandserfassung sukzessive zu aktualisieren.

Doycheva, Kristina; Koch, Christian; Koenig, Markus (2018). Computer Vision and Deep Learning for Real-Time Pavement Distress Detection. Advances in Informatics and Computing in Civil and Construction Engineering.

Doycheva, Kristina; Koch, Christian; Koenig, Markus (2017). GPU-enabled pavement distress image classification in real time. Journal of Computing in Civil Engineering 31(3).

Doycheva, Kristina; Koch, Christian; Koenig, Markus. (2016). Implementing Textural Features on GPUs for Improved Real-time Pavement Distress Detection. Journal of Real-time Image Processing. 

Georgieva, Kristina; Koch, Christian; Koenig, Markus (2015). Wavelet transform on Multi-GPU for real-time pavement distress detection. In: Proc. of the 2015 ASCE International Workshop on Computing in Civil Engineering. Austin. USA.