技術文章 » 道路病害資料集調研【檢測資料集】

道路病害資料集調研【檢測資料集】

2023-12-04 15:00:42

RoadDamageDetector

地址：https://github.com/sekilab/RoadDamageDetector/

注意：CRDDC2022 資料集包含 GRDDC2020 資料集，Road Damage Dataset 2019 包含 Road Damage Dataset 2018 資料集，實際只需下載 RDD2022.zip 與 RoadDamageDataset_2019 (2.4GB) 即可。

資料類別：

其中，在 RDD2022_Japan 等資料集中存在 D50（井蓋） 類別。
其中，在 RDD2022_China_MotorBike 與 RDD2022_China_Drone 中存在 Repair（修補） 類別。

Crowdsensing-based Road Damage Detection Challenge (CRDDC'2022)

Global Road Damage Detection Challenge (GRDDC'2020)

Road Damage Dataset 2019

Road Damage Dataset 2018

【全球開放資料創新應用大賽】道路路面病害智慧分析

地址：https://www.sodic.com.cn/competitions/900013

賽題背景

本賽題是2021全球開放資料應用創新大賽演演算法賽道中的「道路路面病害智慧分析演演算法」賽題。

城市道路系統是城市功能正常運轉的重要保障，路政管理、道路養護等相關部門和單位，投入了大量人力、物力對城市道路系統進行日常巡檢與養護。目前，城市道路日常巡檢主要靠巡查員在路上巡視，針對發現的道路病害，通過填報紙質表格、PDA、智慧手機APP等方式進行上報。該方式存在較強的主觀性，不同巡檢員對同一病害的型別、危害程度的認知難以保持一致。此外，巡檢員每天巡查的道路長度一般在30-40km之間，效率較低。因此，使用技術手段對道路路面病害進行智慧分析，具有重要的現實意義。

賽題介紹

城市道路系統是城市功能正常運轉的重要保障，路政管理、道路養護等相關部門和單位，投入了大量人力、物力對城市道路系統進行日常巡檢與養護。目前，城市道路日常巡檢主要靠巡查員在路上巡視，針對發現的道路病害，通過填報紙質表格、PDA、智慧手機APP等方式進行上報。該方式存在較強的主觀性，不同巡檢員對同一病害的型別、危害程度的認知難以保持一致。此外，巡檢員每天巡查的道路長度一般在30-40km之間，效率較低。因此，使用技術手段對道路路面病害進行智慧分析，具有重要的現實意義。

資料簡介

本賽題提供車載攝像頭拍攝資料，共14000張道路病害影象樣本，其中訓練集提供標註標籤（病害類別及目標框位置），測試集不提供標註標籤。

資料說明/資料描述

影象資料為三通道JPG影象，尺寸為1600×1184，標籤COCO格式的json檔案，使用utf-8編碼。訓練集6000張圖片，測試集A榜2000張圖片，測試集B榜6000張圖片。

資料下載

請移步大賽官網賽題頁面，點選「賽題資料」：https://www.sodic.com.cn/competitions/900013/datasets

上述網站已崩，移步 道路路面病害資料集

資料類別

UAV-PDD 2023

地址：https://zenodo.org/records/8429208

  • 資料集中的影象（VOC格式）由無人機在30米的高度捕獲。收集的影象以PASCAL VOC格式註釋。資料集中包含2440張影象中的11158個範例。

  • 資料集中標記了六種型別的道路損壞：

  • UAV-PDD2023.zip (2.1GB)

CNNRDD

地址：https://www.mdpi.com/2076-3417/12/15/7594/htm

資料集描述

瀝青路面典型病害樣本資料集(China Road Damage Detection, CNRDD) 選取中國境內G303路段採集道路損壞資料。與其他路面相比，G303每天有大量的卡車/汽車通過。此外，該路段四季溫差大。這些問題導致採集到的單幅影象中道路損傷密度較高，對資料集進行道路損傷檢測更具挑戰性。該資料集包含4319張解析度為1600*1200的圖片，其中訓練集3022張，測試集1273張。本資料集中包括了4295張路面病害圖片，24張為不包含任何道路損壞的圖片。

根據公路技術條件評價標準，CNRDD提供了八種型別的損壞標籤，包括裂縫（Crack），縱向裂縫（Longitudinal Crack），橫向裂縫（Lateral Crack），沉陷（Subsidence），車轍（Rutting），鬆散（Looseness），坑槽（Pothole）和修補（Strengthening）。這些型別損壞的直觀範例如下圖所示。

如圖所示，（a）裂縫、（B）縱向裂縫和（c）橫向裂縫是日常道路上最常見的損壞型別。其中，裂紋呈現鱷魚皮狀，其初始形態為沿輪胎軌跡線沿著的多條平行縱向裂紋。隨著車輛的反覆碾壓，平行的縱向裂紋之間出現橫向和斜向裂紋，形成裂紋。(d)沉降是指地基沉降引起的路面區域性凹陷。(e)車轍是路面沿著車輪軌跡的縱向凹陷，通常由施工期間混合材料的壓實不足和不良成分引起。(f)鬆散主要來自瀝青老化。它的外觀多種多樣，如粗骨料和細骨料的損失，表面麻點，甚至表面剝落。(g)坑窪通常是由於鬆動、裂縫、沉陷等型別的損壞沒有及時修復造成的。 其分類特徵比較明顯。(h)修補不是真實的道路損壞。它代表已修復受損路面的區域。由於道路病害的多樣性，加固的形式也多種多樣。因此，在CNRDD資料集中未對修補程度進行分類。

資料標註說明

------------------------------- Label Meaning -------------------------------
damage_1 Crack
damage_3 Longitudinal Crack
damage_4 Lateral Crack
damage_5 Subsidence
damage_6 Rutting
damage_8 Pothole
damage_9 Looseness
damage_11 Strengthening
damage_-1 Uncertain

------------------------------- XML Meaning -------------------------------
<annotation> <!-- 表示標註資訊的開始  -->
	<filename> <!-- 表示與標註資訊相對應的影象檔案  -->
	<object> <!-- 目標標註，一個標註檔案中可以包含多個"<object>"標籤  -->
		<damage_*>1</damage_*> <!-- 當數值為1時，表示相應的道路損傷是這種型別，可能對應多個道路損傷型別  -->
		<bndbox> <!-- 表示框的座標資訊，已經進行了標準化 (類似於YOLOv5)  -->
			<xmin>x軸最小座標</xmin>
			<ymin>y軸最小座標</ymin>
			<xmax>x軸最大座標</xmax>
			<ymax>y軸最大座標</ymax>
		</bndbox>
	</object>
</annotation>

資料下載

瀝青路面典型病害樣本資料集

由於該資料集實際標註並不像介紹中那樣準確定義，存在大量歧義標註（一個目標對應多個類別，多存在於裂縫與修補），不建議與上述其他資料集合並使用。