当前大多数车祸是由司机判断失误引起的，例如超速、违反交通规则和开车时使用手机。然而，并非所有事故都完全归咎于驾驶员。恶劣的路况也可能导致事故，对驾驶员、乘客和行人造成伤害。因此，人工智能解决方案被应用于发现道路上的裂缝和其他需要修复的地方。本文将探讨人工智能如何改善道路状况，并介绍所需的数据标注过程。
恶劣路况存在的问题
除了给行驶带来颠簸感外，恶劣的路况还可能引发更多问题。道路可能恶化到不安全的程度，例如出现裂缝、坑洞、混凝土断裂、路面不平整、钢筋暴露等。一个巨大的坑洞可能会损坏轮胎，使车辆倾斜到另一条车道上并与其他车辆相撞。由于路面不平整，驾驶员可能失去对汽车的控制，导致碰撞或侧翻事故，给驾驶员、乘客和行人带来伤害。
利用AI改善道路状况
能源部和西密歇根大学的研究人员合作开发了一种车外驱动解决方案，将传感器嵌入到道路基础设施中。工程师们在反光凸起的路面标记上安装了低功耗传感器，这些标记通常用于帮助驾驶员识别车道。标记内的微芯片将道路形状信息传输给经过的车辆。研究表明，即使车辆的摄像头或激光雷达由于雾、雪、眩光或其他障碍物而不可靠，这些标记却仍然有效。
每个路标设备包含无线电收发器、天线、电池和微处理器。工程师们使用特定的通信技术，在每秒钟跳变50次的无线电频率范围内进行通信。即使车辆的视野被遮挡，该团队开发的算法可以通过在车道标记的GPS位置之间进行三角测量来重建图像。路面标记的微芯片内置算法，而汽车的软件则包含解码算法。
该技术提供更准确的道路环境信息，并将一些处理任务从汽车软件转移到基础设施上。研究结果显示，与领先的摄像头和基于激光雷达的自动驾驶技术相比，芯片路面标记可以将导航功耗降低90%。这提高了电动汽车的续航里程，并促进了电动汽车的更广泛应用。
数据标注需求
为了让传感器准确识别道路上的裂缝、坑洞和其他损坏，需要使用准确的数据进行训练。地面实况数据集可以准确表示损坏道路的边缘。整体裂缝定位对于提高严重程度分类的准确性至关重要。此外，激光雷达创建的三维点云是人工智能系统，该三维点云需要使用多段线标注等技术进行标注，这有助于系统检测城市和高速公路上道路上的车道。多边形标注对于物体定位和检测算法来说也是必要的，以发现各种类型的损伤。语义分割等项目通常需要更高级类型的数据标注，它将图像中的每个像素分类为一个类或对象。目标是生成图像的密集像素分割图，其中每个像素都被分配给特定的类或对象。
