CrosSafe: protótipo de solução para detetar e sinalizar defeitos em pavimentos rodoviários

Abstract

As passadeiras pedonais desempenham um papel fundamental na segurança rodoviária, mas com o tempo, muitas sofrem desgastes que dificultam a sua visualização. Este projeto apresenta uma solução, baseada na utilização de técnicas de visão computacional, para identificação e classificação do nível de desgaste de passadeiras pedonais. Esta solução pretende automatizar a recolhendo dos dados necessários para avaliação de intervenções de melhoria nestes equipamentos por parte das entidades competentes pela sua manutenção. Ao longo deste documento serão descritas as técnicas de visão computacional consideradas para atingir o objetivo proposto e os passos envolvidos na construção de um protótipo demonstrativo. O protótipo desenvolvido foi pensado para montagem num veículo, que se desloca pelas vias de trânsito, recolhendo os dados das passadeiras encontradas. Os dados são depois enviados para uma aplicação Web que os disponibiliza para análise. A validação deste protótipo foi realizada através de testes em ambiente real. Abstract: The functionality of pedestrian crossings is of paramount importance in road safety. However, over time, these crossings suffer from wear and tear that makes them difficult to visualize. This project presents a solution based on the use of computer vision techniques for identifying and classifying the level of wear on pedestrian crossings. The aim of this solution is to automate the collection of the data needed to assess improvements to this equipment by the organizations responsible for its maintenance. This project describes the computer vision techniques used to achieve the proposed objective and the steps involved in building a demonstration prototype. The prototype was designed to be mounted on a vehicle that moves along traffic routes, collecting data on the pedestrian crossings it encounters. The data is then sent to a web application that makes it available for analysis. This prototype was validated through real-life tests.