Жизненный цикл автомобильной дороги

Отраслевое назначение

Использование программных продуктов КРЕДО для проектирования объектов дорожно-транспортного строительства позволяет специалистам выстроить эффективную комплексную производственно-технологическую цепочку: от подготовки исходных данных для проектирования до передачи проектных решений на строительную площадку, в том числе и для 3D-систем автоматического управления дорожно-строительными машинами.

• Проектный комплекс КРЕДО предназначен для автоматизированного проектирования любых транспортных сооружений: как площадных, так и линейных. Обладает наилучшими функциональными возможностями для проектирования автомобильных дорог всех технических категорий в условиях нового строительства, реконструкции и ремонта.
• Работа с любыми видами исходных данных: космоснимки и данные лазерного сканирования, включая возможности прямой работы на облаке, т.е. без преобразования данных облака в поверхность с точками.
• Автоматизация проектирования пересечений и примыканий, как в одном, так и в разных уровнях, транспортные развязки любых конфигураций
• Методы, разработанные в системе ДОРОГИ, позволяют работать над проектами повышенной сложности: от быстрого эскизного проектирования новых магистралей до детального ремонта существующих дорог с созданием полноценной 3D- модели проекта дороги, прилегающей к ней территории с объектами сервиса и коммуникациями
• Решение самых разнообразных задач проектирования генплана любых площадных объектов, начиная с отрисовки простейших зданий и сооружений, заканчивая проектированием сложных промышленных и городских территорий, с проработкой вариантов по горизонтальной и вертикальной планировкам, расчетом объемов работ даже с учетом осадки.

Примеры исходных данных: Цифровая Модель Местности – 3D-модель

КРЕДО 3D СКАН. Технология автоматического поиска, распознавания и
классификации дорожных знаков

КРЕДО 3D СКАН. Технология автоматического поиска, распознавания и классификации дорожных знаков

По облаку точек и фоторяду реализована возможность автоматического поиска, распознавания и классификации дорожных знаков. Для обучения каскадного детектора и нейронной сети было использовано порядка 60 тысяч фотографий дорожных знаков, сделанных в различных регионах Российской Федерации в разных погодных условиях.
Технология.

• На фотографиях каскадным детектором находятся объекты, которые похожи на дорожные знаки.
• Затем эти области классифицируются нейронной сетью на предмет того какой это конкретно дорожный знак по ГОСТУ.
• Далее с этой фотографии идет поиск места, где в облаке точек есть плоскость похожая на дорожный знак (учитывается,

что нейронная сеть также может ошибиться).

• Запускается механизм валидации результатов, т.е. пользователю показывается по очереди найденные объекты: соответствующая фотография с найденным знаком,

класс, с которым распознала программа этот знак, место в облаке точек, где он локализован.

• Можно согласится с тем, что предлагает программа, отказаться, можно отредактировать положение знака в облаке,

если например, идет пересечение нескольких плоскостей в одном месте и знак был посажен не на истинное место.
Знаки можно распознать и найти: на столбиках, на фонарных столбах, на светофорах, в городе на растяжках. Т.к. поиск идет по фотографиям, то тип знака не важен, программа распознает все объекты. Для создания ЦММ знаки на растяжках не важны, но задумка была реализации этой возможности для целей паспортизации.