Traffic Road Pothole Detection System to Improve Driving Safety

Abstract

Road potholes are a huge issue, especially in rural areas. They can cause a lot of damage to vehicles and result in death. Many people are not aware of the dangers of driving carelessly on the roads. They drive over potholes and other hazards on the road without realizing that they are causing damage to their vehicle and could be putting themselves in danger. Road Pothole Detection System is a great way for agencies to stay constantly aware of their area’s roads by providing timely information about any dangers that are present on them. In this study, different state-of-the-art approaches have been compared for potholes detection using deep learning-based techniques, vibration-based methods, 2D vision-based methods and 3D scene reconstruction-based methods. The success of these approaches depends on the quality of the extracted features, structure, and the accuracy.***

Les nids de poule sont un problème majeur, surtout dans les zones rurales. Ils peuvent causer des dommages importants aux véhicules et entraîner la mort. De nombreuses personnes ne sont pas conscientes des dangers d'une conduite imprudente sur les routes. Ils roulent sur les nids de poule et autres dangers de la route sans se rendre compte qu'ils endommagent leur véhicule et peuvent se mettre en danger. Le système de détection des nids-de-poule est un excellent moyen pour les agences de rester constamment au courant des routes de leur région en fournissant des informations opportunes sur les dangers qui y sont présents. Dans cette étude, différentes approches de pointe ont été comparées pour la détection des nids-de-poule à l'aide de techniques d'apprentissage profond, de méthodes basées sur les vibrations, de méthodes basées sur la vision 2D et de méthodes basées sur la reconstruction de scènes 3D. Le succès de ces approches dépend de la qualité des caractéristiques extraites, de la structure et de la précision.