يصف هذا البحث الطرق التي تم تقديمها لتقييمها ضمن مسار SHREC 2022 المعني باكتشاف الثقوب والشقوق في الأسطح الطرقية. تم مقارنة إجمالي 7 محاولات مختلفة لتقسيم.semantic segmentation للسطح الطرقي، تشمل 6 طرق من المشاركين بالإضافة إلى طريقة أساسية (baseline). تعتمد جميع الطرق على تقنيات التعلم العميق، وتُختبر أداؤها باستخدام بيئة واحدة موحدة (أي: مذكرة Jupyter واحدة). وقد تم توفير مجموعة تدريبية مكوّنة من 3836 زوجًا من الصور والخرائط التصنيفية (image/mask pairs)، بالإضافة إلى 797 مقطع فيديو بألوان RGB-D تم جمعها باستخدام أحدث كاميرات العمق. ثم تُقيّم الطرق على 496 زوجًا من الصور والخرائط في مجموعة التحقق، وعلى 504 أزواج في مجموعة الاختبار، وأخيرًا على 8 مقاطع فيديو. وتُبنى تحليل النتائج على مقاييس كمية لتقييم تقسيم الصور، بالإضافة إلى تحليل نوعي للمقاطع المرئية. تُظهر المشاركة والنتائج أن هذا السياق يُعدّ مثيرًا للاهتمام، كما يُبرز أن استخدام بيانات RGB-D لا يزال يشكل تحديًا في هذا السياق.