数学形态学在探地雷达钢筋识别中的应用研究

在基于探地雷达的桥梁结构状态检测中,目前大部分还是靠人工目视方法对探地雷达图像进行识别,检测效率低,为了提高探地雷达图像分析的自动化程度,利用探地雷达图像中钢筋区域的形状特征,采用数学形态学处理方法对探地雷达图像中钢筋所对应的区域进行提取,通过偏心率、面积凹凸比、圆形度等参数对钢筋区域的特征进行描述,利用支持向量机算法进行钢筋区域的识别。实验结果表明,该方法能够准确识别和定位探地雷达图像中的钢筋,其识别和定位的准确率高,为进一步实现基于探地雷达图像的桥梁结构状态识别奠定了基础。     

隧道衬砌空洞积水模型试验研究

文中通过模拟隧道衬砌空洞积水病害，使用探地雷达对其进行探测，得出雷达原始图像；利用软件分析原始图像得出积水高度，并与实际积水高度进行比较。通过试验得出利用探地雷达定量分析衬砌空洞积水高度是可行的结论。     

基于探地雷达的路基脱空病害图像自动识别

道路病害快速检测对于确保道路的安全和可靠运行至关重要。而探地雷达技术在道路病害检测中具有快速、无损和高分辨率等特征,因此被广泛应用。然而,以往的雷达图像处理和解译主要依赖人员的主观经验,易导致误判和漏判。为了解决这一问题,通过研究基于YOLO算法的图像识别方法,结合深度学习技术,开发一种智能化的道路病害识别系统,能够自动提取探地雷达图像中各类病害的特征,并实现高效、智能的识别,并通过钻孔验证,以确保识别结果的准确性,有效预防突发性道路塌陷的发生,提高道路的安全性和可靠性。     

一种针对于行人及车辆图片的自动彩色化模型

行人检测目前是智能汽车领域的一个研究热点,如何高效、准确地识别行人是技术关键。然而我们所提取到的图像往往为灰度图像,忽略了颜色特征,文章结合全局先验及局部图像特征,提出了一种新的方法来自动彩色化灰度图像。基于深度卷积神经网络,可以很好的融合局部特征。此外,不同于现有的大部分基于CNN的方法,本文的架构可以处理任何分辨率的图像。与目前一般水平相比,文章通过用户研究证实了自身方法的优越性。此外,证明文章的方法可以适用于许多不同类型的图像。     

基于探地雷达的路面隐性病害检测与识别研究

概述了探地雷达现场检测布置方式和关键参数的设置,并基于专业Reflexw数据处理软件,对原始数据滤波处理方法进行了详细探究,结合工程实例中积累的大量雷达检测图像,着重对沥青路面典型隐性病害特征进行分析,并通过现场取芯,验证了探地雷达识别的准确性。研究结果表明,使用探地雷达可有效实现对路面结构内部隐性病害的无损探测。     

隧道病害检测中探地雷达技术的应用

文章通过对探地雷达原理的分析,详细介绍了探地雷达在某隧道病害中的应用。经对检测结果的分析表明,雷达在隧道病害检测中具有分辨率高、图像直观、使用方便的优点。     

探地雷达在路基勘查中的应用

高速公路是国家发展的命脉,随着高速公路使用年限的增加,各种路基病害也日渐显现。传统的钻探取芯检测方法虽能达到检测的目的,但是检测不全面而且对道路破坏性大;探地雷达方法的引入,为路基的无损探测提供了有利保障,并且大大提高了探测效率。文中从探地雷达的原理出发,探讨了探地雷达识别路基病害的影响因素,通过对常见路基病害形成原因及其地球物理特征的详细分析,总结了路基病害的探地雷达图像特征。并通过某段高速公路的探测实例进行了应用研究,确定了路基病害的成因并圈定了其分布范围。     

小波分析在探地雷达隧道质量检测中的应用

首先介绍了常用图像法在探地雷达隧道检测中的应用,接着采用小波分析方法提取空洞位置的典型波形,计算出衬砌的厚度与空洞的大小,然后与实际取芯相对比,显示误差在允许的范围内。说明采用小波分析提取探地雷达回波信号具有可行性。     

基于CNN技术的灰度视频交通图像边缘检测

车辆或道路的边缘是灰度视频交通图像的重要特征，文章采用细胞神经网络技术，合理地选择了网络参数，并编制了基于Matlab 5．3平台的程序，将其用于检测灰度交通图像的边缘。经算例与传统的Sobel方法进行比较，证明采用该方法提取交通图像边缘是有效的，实用的，并通过分析推荐了网络参数。     

基于空气耦合式探地雷达探测的衬砌层位特征识别的正演模拟

采用探地雷达进行隧道衬砌检测时,需要准确提取衬砌的层位特征（含相应病害信息）。采用空气耦合式探地雷达对隧道衬砌质量进行检测,基于GprMax2D和Matlab为平台环境,对衬砌层位特征识别进行研究。主要研究及结论如下： 1）对多种实际工况的衬砌形式进行二维正演模拟分析,并对电磁波在多层介质中反射特征进行研究。研究表明,探地雷达反射回波的起始位非零,而电磁波在介质分界层处发生反射的时刻取决于电磁波所传播层面的厚度,当2层介质差别较大或2层介质之间有空气存在时,反射时刻位于波形的最大波峰或波谷所在位置,而与脉冲源的位置和第2层介质的介电常数无关。 2）根据隧道衬砌的分层特征,在实际隧道衬砌中,对探地雷达数据和实际干扰因素进行分析处理,对与理论反射时间误差太大的进行修正。研究成果对应隧道衬砌层位及病害性状识别均具有指导和借鉴意义。     

基于道路特征的车道线识别算法分析及平台搭建

基于当前智能驾驶背景下道路特征模型的车道线识别现状,对应用于智能汽车的图像预处理中的灰度化处理算法、滤波处理算法和感兴趣区域提取技术分别进行对比分析,研究不同的图像预处理方法在车道线识别算法的应用适用性。对车道线实时提取算法中的边缘检测技术原理、道路特征条件转化算法进行综合运用分析,搭建基于道路特征的车道线识别算法模型,经过在Visual Studio平台验证,算法模型满足智能驾驶汽车车道线识别要求。     

基于MATLAB的二维探地雷达三维成像技术研究

为了拓宽二维探地雷达检测功能,依据三维探地雷达数据采集原理,使用二维探地雷达多线程数据采集方法模拟了三维数据,并利用MATLAB的成像功能,建立了能够读取探地雷达三维数据的三维模型,导入三维数据后实现了三维成像及对其切片式显示等功能。通过内部病害图像显示测试发现,病害三维切片图像较为清晰,实现了使用二维探地雷达对高速公路路面进行三维检测的目标。     

路用探地雷达反褶积法应用研究

从路用探地雷达资料中提取路面各层的目标信号特征是路面检测的关键要素.但雷达接收信号往往受干扰因素影响,严重模糊目标信号特征.该文提出了先应用小波多尺度去噪方法进行降噪处理,然后采用反褶积和局部异常识别相结合的方法增强雷达目标信号.该方法在实际道路现场检测中的应用结果表明:处理后的雷达剖面分辨率和可异值分解性得到提高,目标信号特征明显加强.     

基于FDTD的探地雷达道路检测正演模拟

探地雷达是目前道路检测常用工具之一。由于地下介质情况复杂,为了提高探地雷达解释的精度,需对探地雷达检测结果进行数值处理。文中通过建立与道路实际情况相对应的地电模型,运用时域有限差分法(FDTD)进行正演模拟分析,模拟结果表明运用有限差分法能获得道路结构的理论雷达图像,通过对雷达图像的分析和识别,能为实测雷达数据的反演解释提供参考,提高数据解释的精度。     

基于模型试验的矿山法地铁隧道支护结构病害检测与识别

为提高矿山法地铁隧道支护结构病害检测与识别的准确性,采用基于时域有限差分的数值模拟方法,建立常见形状空洞、充水空洞、不同填充介质脱空以及钢格栅拱架、H型钢架下空洞模型,模拟探地雷达波在不同病害中的传播规律,并通过青岛地铁3号线探测实例验证。结果表明:空洞病害雷达反射波通常呈双曲线形状,反射信号强,但上三角形空洞图像与其他空洞图像有较大差异,表现为倾斜平行的同相轴特征;当空洞或脱空内部含水时,空洞或脱空下部出现明显反射波;钢结构雷达波反射强烈,会对钢结构下方病害探测产生干扰,在实际探测中,应将初期支护与二次衬砌分开探测。     

三维探地雷达道路隐性病害检测分析与数字化技术综述

道路服役数据信息是交通基础设施数字化建设与养护的关键，先进探测设备是获取道路服役数据信息的途径。近年来，三维探地雷达(3D Ground Penetrating Radar, 3D GPR)因其高效、无损等检测优势得到广泛应用，可为道路隐性病害数据获取提供重要支撑。基于此，对道路典型隐性病害类型与检测手段进行总结归纳。梳理了三维探地雷达技术原理、数据采集方法、数据处理及在道路工程检测中的应用；根据三维探地雷达图谱隐性病害特征与识别手段，重点分析人工智能技术在探地雷达图谱识别技术中的应用与发展。针对交通基础设施发展进程，展望基于探地雷达数据的数字孪生技术，主要介绍基于三维探地雷达数据的建模与模型仿真方法。该综述可为三维探地雷达道路隐性病害检测提供基础理论知识与实践方法借鉴，同时为基于三维探地雷达数据的数字化交通基础设施建设与道路养护决策提供参考。     

基于改进长短时记忆网络的驾驶行为检测方法研究

疲劳驾驶和不安全驾驶行为是引起交通事故的主要原因,随着智能交通技术的发展,利用深度学习算法进行驾驶行为检测已成为研究的热点之一。在卷积神经网络和长短时记忆神经网络的基础上,结合注意力机制改进网络结构,提出一种混合双流卷积神经网络算法,空间流通道采用卷积神经网络提取视频图像的空间特征值,以空间金字塔池化代替均值池化,统一了特征图的尺度变换,时间流通道采用SSD算法计算视频序列相邻两帧光流图像,用于人眼等脸部小目标的检测,再进行图像特征融合与分类,在LFW数据集和自建数据集中进行了实验,结果表明本方法的人脸识别和疲劳驾驶的检测准确率分别高于其他方法 1.36和2.58个百分点以上。     

基于BP神经网络的驾驶员昼夜动态空间距离判识规律

为研究昼夜动态环境中驾驶员对空间距离判识的规律,进行了实际道路试验。随机选取32名驾驶员分别在昼、夜环境中不同深度距离和速度下,判识红、绿色障碍物的空间距离,统计并检验驾驶员对红、绿色障碍物判识距离的差异,获得判识特征值;运用BP神经网络拟合距离判识结果,分析距离判识变化规律。结果表明:BP神经网络可以很好地拟合距离判识变化规律,精度优于现有模型;绝对距离和相对距离判识结果均随速度增加而减小,随深度距离增加而增大;夜间判识距离大于白天,驾驶员对相对距离判识准确性高。     

融合SAR分支深度学习的隧道病害识别与成像

随着交通事业的不断发展，大量隧道相继建设并陆续投入运营。在其运营过程中，隧道衬砌混凝土结构内部往往出现不可见的隐蔽病害，对工程安全带来了严重隐患。及时识别检测内部病害，预防安全事故的发生十分必要。探地雷达(Ground Penetrating Radar, GPR)是检测混凝土内部病害的主流无损检测技术，但探地雷达数据中的病害响应信号与实际结构内部病害形态并不存在直观的空间对应关系，从探地雷达数据中仅能估计病害的类型与大概位置，难以对其轮廓进行成像。针对上述问题，研究了基于探地雷达的隧道衬砌隐蔽病害智能识别技术，针对探地雷达数据特点，设计了融入合成孔径雷达(Synthetic Aperture Radar, SAR)成像处理分支的地下工程目标识别深度神经网络模型，通过在传统Unet网络中融入SAR成像分支，实现了对病害的准确成像，并成功对6种隧道衬砌常见的病害进行类型识别。采用仿真数据对该方法验证，结果表明本研究设计的融入SAR成像分支Unet网络的预测结果对6种病害的平均识别精度为96%,与传统Unet网络相比，精度提升了5%,由此证明本文构建的融入SAR成像分支的Unet网络有效提...     

反褶积滤波在探地雷达图像处理中的应用研究

探地雷达应用于路面检测已有数十年的历史。为了从检测数据中获取有效信息,雷达图像往往需要使用滤波算法进行处理。相比于其他滤波,反褶积较为复杂且不常用。现通过两个实例,对反褶积滤波的适用性进行研究。为了获取高质量的原始数据,分别使用了中心频率500 Mhz和1 GHz的地面耦合天线。结果表明:如果使用得当,反褶积滤波能够有效地去除雷达图像中的多次反射,同时也可以显著提高图像的分辨率;通过频域分析发现,反褶积滤波还会放大高频波段的噪声;比较两个案例发现,低频天线对反褶积滤波更为敏感。因此,一般建议对低频探地雷达数据进行反褶积滤波。对于用高频天线采集的数据,应根据检测的目标物,谨慎使用该滤波,因为反褶积的误用会导致关键信息的丢失,从而导致误判。