Bilder från Svärdsjö användes vid experiment och implementering av examensar- betet. Dessa bilder var insamlade från en begränsad vägsträcka vid ett tillfälle och beskrev de förhållanden som gällde för just den vägen vid det tillfället. Det kan därför inte förväntas att bildbehandlingsrutinerna kommer att fungera tillfredsstäl- lande på data som har samlats in från andra vägar, eftersom dessa t.ex. kan vara nyasfalterade eller lagade med ny beläggning. Exempel på andra begränsningar är att stensättningar i vägpartier troligtvis kommer att uppfattas som kraftig kracke- lering. För att få en uppfattning om hur användbar och robust analysen är utförs validering där filmat material från en annan väg behandlas, vilket beskrivs senare i detta avsnitt.
6.3.1
Mått på noggrannhet hos sprickdetekteringen, Svärd-
sjö
Den datamängd som har använts vid implementering av sprickdetekteringen testa- des för att få en uppfattning om hur väl sprickdetekteringen fungerar i bästa fall. Man kan inte förvänta sig att sprickdetekteringen kommer att fungera bättre på andra datamängder än de som använts vid implementering.
Sprickkartor jämfördes med originalbilder och ett mått på sprickdetekteringens resultat beräknades.
6.3.2
Körning1 kamera3
Datamängden körning1 kamera3 innehåller en vägyta på 50 × 1.3 m och asfalten lider av mycket kraftiga längsgående belastningssprickor. Inventering av körning1 kamera3 tar 5 minuter och 6 sekunder. Detta ger en hastighet på 0.16588 me- ter/sekund, 0.59718 km/h, eller en tidåtgång på 6.0283 sekunder per meter. Allt detta skriver sprickdetekteringsalgoritmen ut i Matlabs kommandofönster när be- arbetningen är färdig.
Resultat
6.3 Validering 53
• 125 av övriga 4685 rutor borde ha detekterats eftersom de innehåller sprickor.
• 0 av de 823 detekterade rutor är felaktiga
Summering: 125 av 5508 rutor i sprickkartan är felaktiga, 2.3 %. 823 av 823+125 har detekterats korrekt, 86.8 %.
23 av de 33 sprickorna hittades, 69.7 %. Inga extra sprickor detekterades.
6.3.3
Körning2 kamera2
Datamängden körning2 kamera2 innehåller en vägyta på 23 × 1.3 m och vägytan har en smal diagonal spricka i mitten av vägsträckan och två korta sprickor, den ena i anslutning till den diagonala.
Resultat
• 10 av 2436 rutor signalerar sprickor.
• 9 av övriga 2426 rutor borde ha detekterats eftersom de innehåller sprickor. • 3 av de 10 detekterade rutor är felaktiga
Summering: 9+3 av 2436 rutor i sprickkartan är felaktiga, 0.5 %. 10-3 av 10-3+9 har detekterats korrekt, 43.8 %.
2 av de 3 sprickorna hittades, 66.7 %. 2 extra sprickor detekterades felaktigt.
6.3.4
Körning2 kamera3
Datamängden körning2 kamera3 innehåller vägytan bredvid den i körning2 kame- ra2. Den diagonala sprickan fortsätter in i den här datamängden också. För övrigt finns ett område med kraftiga längsgående belastningssprickor.
Resultat
• 65 av 2436 rutor signalerar sprickor.
• 4 av övriga 2371 rutor borde ha detekterats eftersom de innehåller sprickor. • 5 av de 65 detekterade rutor är felaktiga
Summering: 4+5 av 2436 rutor i sprickkartan är felaktiga, 0.4 %. 65-4 av 65-4+5 har detekterats korrekt, 92.4 %.
3 av de 3 sprickorna hittades, 100 %. 3 extra sprickor detekterades felaktigt.
54 Experiment och resultat Körning 1 2 3 4 Körning1 kamera3 33 10 0 10 Körning2 kamera2 3 1 3 4 Körning2 kamera3 3 3 3 6 Körning3 kamera3 1 0 2 2
Tabell 6.2. Resultat på spricknivå. 1: Antal verkliga sprickor. 2: Missade sprickor. 3: Fals-
ka sprickor. 4: Antal felaktigt detekterade sprickor.
Körning 5 6 7 8 9
Körning1 kamera3 940 125 0 125 2.3 %
Körning2 kamera2 16 9 3 12 0.5 %
Körning2 kamera3 66 4 5 9 0.4 %
Körning3 kamera3 21 4 2 6 0.2 %
Tabell 6.3. Resultat på rutnätsnivå. 5: Antal verkliga sprickor på rutnätsnivå. 6: Missade
rutor. 7: Falska rutor. 8: Antal felaktiga rutor. 9: Andel felaktiga rutor.
6.3.5
Körning3 kamera3
Datamängden körning3 kamera3 innehåller en vägyta på 33 × 1.3 m. Vägmarke- ringar syns i högra kanten. Dessutom finns en kraftig tvärgående spricka. Sprick- detekteringen används för den här datamängden med inställningen filtrera vägmar- keringar, se avsnitt 5.4.2. Därför blir bearbetningen aningens mer tidskrävande. Inventeringen tog 0 timmar, 4 minuter och 5 sekunder. Hastigheten blir 0.13432 meter/sekund, 0.48355 km/h. Tidåtgång per meter blir 7.445 sekunder.
Resultat
• 19 av 3576 rutor signalerar sprickor.
• 4 av övriga 3557 rutor borde ha detekterats eftersom de innehåller sprickor. • 2 av de 19 detekterade rutor är felaktiga
Summering: 4+2 av 3576 rutor i sprickkartan är felaktiga, 0.2 %. 19-2 av 19-2+4 har detekterats korrekt, 89.5 %.
1 av totalt 1 spricka hittades, 100 % 2 extra sprickor detekterades felaktigt.
6.3.6
Sammanfattning
I tabell 6.2 och tabell 6.3 redovisas resultat från de fyra körningarna; dels på spricknivå, dels på rutnätsnivå.
6.3 Validering 55
Spricktyp run1 run2 run3
Totalt antal sprickor 3 0 0
Längsgående 0 0 0 Krackelering 0 0 0 Tvärgående 3 0 0 Diagonala 0 0 0 Nivå 1 2 0 0 Nivå 2 1 0 0 Nivå 3 0 0 0 Sprickindex 3.5000 0 0
Tabell 6.4. Resultat från validering, Björnlunda. Run1, run2 och run3 är de tre data-
mängderna som beskriver samma vägyta enligt avsnitt 6.3.9.
6.3.7
Mått på noggrannhet hos sprickdetekteringen, Björn-
lunda
Materialet från Björnlunda har spelats in genom att PAVUE har åkt längs en och samma vägsträcka upprepade gånger vid samma mättillfälle. Vid valideringen väljs ett avsnitt från vägen och filmat material från denna vägsträcka digitaliseras från tre olika inspelningar. Dessa tre inspelningstillfällen kallas run1, run2 och run3. Gemensamt för dessa tre datamängder är att de är inspelade under samma vä- derförhållanden och ljusförhållanden samt att de filmar samma vägyta. Resultatet av en sprickdetektering av de tre datamängderna borde således vara någorlunda likvärdiga.
6.3.8
Syfte med validering på ny datamängd
Syftet med validering på mätdata som inte har använts i implementeringsfasen är:
• att få en uppfattning om hur väl sprickdetekteringen fungerar
• att få en uppfattning om hur mycket sprickdetekteringsresultatet skiljer sig åt då samma vägyta analyseras via flera filminspelningar från olika tillfällen
• att få en uppfattning om hurvida sprickdetekteringen fungerar på andra vägar än just Svärdsjö.
Den vägsträcka som valdes innehöll tre ganska smala sprickor, i övrigt asfalt utan sprickor. Se figur 6.7 för bild av partiet med sprickorna.
6.3.9
Resultat av validering
Resultatet blev enligt tabell 6.4. Det var endast i en av de tre bilderna som någon spricka upptäcktes. I den första omgången detekterades tre sprickor, i figur 6.8 visas i vilka områden som dessa tre sprickor detekterades. Detta visar att smala
56 Experiment och resultat
sprickor inte kan detekteras tillförlitligt. Tester på bilder från Svärdsjö har tidigare visat att kraftiga sprickor inte var något problem.
De områden i bilderna där det inte fanns några sprickor har inte genererat några falska detekteringar av sprickor i run2 och run3. I run1 kan man se en sådan i figur 6.8.
6.3.10
Begränsningar påvisade av validering
Sprickdetekteringen fungerar som nämnts tidigare i detta kapitel troligtvis endast på asfalt som är lagom mycket sliten, dvs. inte nyasfalterad eftersom det är sådan asfalt som har använts för att kalibrera mätmetoderna i detta examensarbete. Väg- markeringar kan dock hanteras. En iakttagelse gjordes i samband med valideringen. Vissa områden från Björnlunda genererade en stor mängd falska sprickdetektering- ar. Dessa områden var inte föremål för valideringen som beskrivs i tabell 6.4. De visas i figur 6.9. Anledningen till de felaktiga sprickdetekteringarna är att asfalten är mycket skrovlig på dessa områden, den typen av asfalt har inte behandlats under implementeringsfasen och därför blir resultatet från sådan data inte tillförlitligt.