这项贡献介绍了由安特卫普大学（UANTWERP），佛兰德大学技术研究所（VITO）和比利时公路研究中心（BRRC）执行的Flanders流动性研究所（VIM）发起的“ Sensovo”项目的结果。 ，并得到其他几个政党的支持。道路使用者和道路经理都可以通过配备有低成本传感器的车队从大量，连续，自动化的道路表面遇险（坑洼，破裂，沉降等）中受益。道路用户可以立即获得有关道路状况的立即信息，而道路经理除了通过专门的监控设备从年度检查获得的数据外，还可以对道路网络的一般性能获得全年的见解。
该项目的目标是使用车队收集的数据调查道路表面遇险检测的可能性。考虑了两种情况：一大批普通汽车和卡车，传输了收集的相关传感器数据，这些传感器数据已经在此类车辆中可用；一辆配备了一个或多个飞行摄像机（TOF）的车辆。使用Can-logger收集了有关CAN-BU的数据，该can-logger使用GPRS将其数据发送到中央服务器，并在该中心服务器进行处理以进行道路表面遇险检测，或者使用使用蓝牙将其数据发送到智能手机的OBD扫描工具将其数据发送到智能手机这已经将数据处理到检测事件中，仅将这些转发到中央服务器。通过Uantwerp和Vito测试了表演。 Uantwerp对所有四个车轮和垂直加速度的速度开发的简单计算通常可以表明道路遇险。 CAN数据库或智能手机可以提供活动的GPS位置。配备该技术的几辆汽车将其观察结果发送到了中央数据库。 Uantwerp对几个TOF摄像机进行了测试。
用品牌台面和Fotonic的Tof-Cameras以40km/h和40帧/s收集道路数据。 Uantwerp开发了几种用于识别图像流程的道路遇险识别的图像处理算法。已经证明可以检测到道路表面的几种类型的“不平衡”（包括坑洼）。将一些TOF摄像机观测值添加到中央数据库中。 BRRC使用ArcGIS软件开发并实施了一种用于处理和解释中央数据库中收集的事件的算法，模拟了两者都向道路用户发送警报，并为网络中的每个道路部分提供每天的“质量分数”，以向道路经理提供。 。为此，该网络是根据Flanders地理信息机构（FGIA/AGIV）提供的地理图定义的。一旦考虑到时间的观察频率，就会将“足够”的观察结果视为真实，并将报告。当不再观察到缺陷时，被认为是修复的。每天计算每个道路部分的“分数”，这是从当天存在的一系列缺陷开始。全球其他最新研究项目的Sensovo项目为车队探测道路表面困扰提供了概念验证。 自动将多个图像收缩用于立体摄像头系统，包括多个2D摄像机，包括：从每个多个二维摄像机中接收焦距；通过使用从多个二维相机中获得的焦距来计算立体摄像头系统的焦距；使用立体摄像头系统的计算焦距确定感兴趣的中心；从多个二-D摄像机中接收多个图像，其中每个多个图像都是由使用焦距的每个多个2-D摄像机产生的；并裁剪多个图像以调整多个二维摄像机的视图方向，以汇聚在感兴趣的中心。
