Combining smart-tyre data and computer vision for monitoring road defects

The objective of this thesis is to develop a sensor fusion methodology for the detection and classification of road surface anomalies. The proposed approach combines computer vi sion techniques with artificial intelligence-based classification, using accelerometric signals collected from a tyre-mounted accelerometer. The fusion of data from different sensors al lows for a comprehensive understanding of the tyre’s interaction with the road, improving the accuracy of anomaly detection. The accelerometer, installed directly on the wheel, captures the dynamic response of the tyre to various road conditions, while computer vi sion aids in complementing this data with visual road information. Through this fusion, the developed system is able to classify different types of road damages contributing to enhanced road safety and vehicle performance.

L’obiettivo di questa tesi è sviluppare una metodologia di fusione sensoriale per il rileva mento e la classificazione delle anomalie superficiali della strada. L’approccio proposto combina tecniche di visione artificiale con classificazione basata su intelligenza artificiale, utilizzando segnali accelerometrici raccolti da un accelerometro montato sul pneumatico. La fusione dei dati provenienti da diversi sensori consente una comprensione approfondita dell’interazione del pneumatico con la superficie stradale, migliorando l’accuratezza del rilevamento delle anomalie. L’accelerometro, installato direttamente sulla ruota, cattura la risposta dinamica del pneumatico alle varie condizioni stradali, mentre la visione arti ficiale integra queste informazioni con dati visivi della strada. Attraverso questa fusione, il sistema sviluppato è in grado di classificare diversi tipi di danni stradali, contribuendo a migliorare la sicurezza stradale e le prestazioni del veicolo.