山东高速工程检测有限公司 刘宪明 辛公锋

道路路面病害检测和提取算法已经得到了广泛的研究，但是传统的图片自动识别技术在面对复杂的道路场景上尚存在诸多的局限。近年来，随着深度学习在图像识别领域取得了较多突破，国内诸多学者开始尝试将这一先进的工具应用于道路路面病害识别。典型的道路路面病害识别包括图像预处理、病害特征提取、病害分类和结果输出等。本文首先针对图片预处理技术与手段，综述了国内在路面阴影处理、车道线移除、光照均衡、复杂背景、图像增强等重点问题上的研究进展；然后，针对深度学习在道路病害检测中的具体应用，综述了在数据集、模型选用、结果比较三个方面的研究进展；最后，提出了建设符合国内标准的道路病害数据集、二维图片处理过渡至三维图片处理、单项或成组病害识别转向全病害类别识别、病害识别转向病害成因识别及病害发展预测四个研究进展方向。

道路路面病害检测既是一项传统的道路运维管理基础性工作，又是一项以目标检测为典型任务的人工参与程度较高的工作。自上世纪80年代以来，各大公司和科研机构就已纷纷尝试用自动检测手段替代繁重和危险的人工作业，并取得了较为丰硕的成果。然而，道路病害类型多样、形态复杂。《公路技术状况评定标准（JTG 5210-2018）》中，仅沥青路面损坏类型就有11大类、21中类的病害需识别和评定。同时，除了各……