基于深度学习的三维路面裂缝类病害检测方法
2021-02-22陈圣迪
东南大学学报(自然科学版) 2021年1期
郎 洪 温 添 陆 键 丁 朔 陈圣迪
(1 同济大学道路与交通工程教育部重点实验室,上海 201804)(2 上海海事大学交通运输学院,上海 201306)
路面裂缝是评价路面质量最重要的参数之一,是大部分病害的早期表现形式,直接影响公路使用寿命和行车安全.随着路面自动化检测技术的进步和发展,在大面积公路养护作业中,借助数字图像处理方式对路面裂缝快速识别和分类,将显著提高人工式或半自动式的病害检测效率.因此,路面裂缝自动检测已成为路面工程研究领域和道路养护管理部门的关注焦点[1].
我国道路检测普遍使用二维图像摄像测量技术,从采集的路面原始数据而言,检测系统大多能够获得路面高清灰度数据,但该技术对路面油污、阴影及光照不均等干扰因素较为敏感且难以给出精确的路面裂缝高程信息,一直制约着路面病害智能化管理水平.近年来,基于三维激光的扫描技术因其可测量出路表面的高程变化,较大程度上减少上述干扰因素的影响等优点越来越受到国内外学者的关注[2].其中,应用在路面检测中的三维数据获取方法有三维结构光扫描技术[3]、激光扫描仪技术[4]、双目视觉立体成像技术[5]、对焦测距[6]、散焦测距[7]、干涉测量法[8]等,但因三维激光扫描技术具有更强的环境适应性和更高的识别精度,激光扫描技术研究占主导地位[9].现有基于三维路面数据的裂缝检测方法通常是先找到高程较低的像素点,然后通……
登录APP查看全文