路面破损图像自动处理技术研究进展

总结了路面破损图像自动处理技术的重要研究成果, 分析了该领域关键技术的研究进展, 包括路面破损检测系统、图像处理算法和识别算法评估; 比较了不同路面破损检测系统与目标自动识别算法的检测精度和适用性, 给出了路面破损图像自动处理技术未来可能的主要研究方向。研究结果表明: 在路面破损检测系统方面, 从早期基于摄影技术的图像采集到目前的3D激光扫描技术, 路面图像采集技术更加便捷和高效, 但破损图像自动分析和目标自动识别算法仍然存在挑战; 在路面破损图像处理算法方面, 传统的路面裂缝目标分割算法已由过去的基于单一特征(灰度、边缘形状等) 的检测方法演化到多特征融合检测方法和图优化检测方法, 还出现了一些精细化的裂缝目标连接与恢复算法, 大幅提高了裂缝检测精度, 但需要的计算资源和人工先验知识库也随之不断增大; 在路面裂缝处理算法评估和比较方面, 主要利用人工分割来评价自动识别结果, 目前迫切需要建立一个面向全球开放的大型路面破损图像数据库, 以客观、有效地评估现有各种路面破损图像处理算法; 基于2D图像特征分析的路面破损图像自动识别算法很难在识别精确性、算法通用性和实时性方面同时取得最佳效果; 近年来, 大量学者开始尝试借助深度学习神经网络自动识别路面破损, 但该技术仍处于活跃的演进过程中; 在提高路面破损自动识别精度和效率方面, 3D激光扫描技术和基于人工智能的深度学习技术的发展将对未来路面破损图像自动识别技术的最终突破产生重大推进作用。      

基于行车记录仪的高速公路路面状况巡查及报警系统

为解决目前路面破损状态自动检测采用专用摄影检测车检测费用高、检测结果需要专业软件分析不易普及应用的问题,提出一种基于行车记录仪的路面破损状况识别方法。以行车记录仪采集的视频图片、GPS数据为基础,建立基于行车记录仪图片的高速公路路面状况巡查及报警系统,实现路面破损状况识别及报警。系统利用行车记录仪采集的图片,基于卷积神经网络的深度学习算法,实现路面的破损自动识别;利用行车记录仪GPS定位数据以及GIS电子地图,实现行车记录仪图片的GIS地图实时显示及报警。     

水泥路面损坏状况与平整度之间的相关性研究

水泥混凝土路面损坏状况与平整度之间具有良好的相关关系,在路面使用性能快速检测评价中,利用平整度指标可换算为路面损坏状况指标,简化了检测程序,提高了评价效率。研究结论可为水泥混凝土路面管理及养护单位开展路面使用状况快速检测评价工作提供参考。     

������Ȩ��·��״����������ʶ��ģ��

道路是城市的主要基础设施,正确、及时地对道路的路面状况作出评价,对保持交通畅通、确保交通安全、减少交通事故、充分发挥道路设施功能和效益等具有十分重要的现实意义。基于属性识别理论能对事物进行有效识别和比较分析的原理,建立了路面状况评价的属性识别模型,并运用熵值法确定指标权重,避免了定权的主观随意性,提高了评价模型的可信度。将该模型应用于路面状况的实例评价中,为路面状况评价提供了一种简单、适用的评价方法。     

路面损坏检测系统的分析比较

在介绍国内外路面损坏状况检测系统现状的基础上,介绍了BLT便携式路面损坏检测系统的工作原理.     

水泥路面图像刻槽去除方法研究

水泥路面刻槽往往会对水泥路面裂缝的识别产生噪声干扰。针对水泥路面刻槽图像的特点,结合傅里叶变换原理,利用MATLAB图像处理技术研究得到一种消除水泥路面图像刻槽的可行方法。首先应用形态学原理对水泥路面刻槽图像进行预处理,然后根据频谱图像进行分析,检测水泥路面刻槽位置并对频谱图像进行处理,最后通过反傅里叶变换得到去除刻槽后的水泥路面图像,并在此基础上识别水泥路面裂缝。结果表明,采用该方法可以较好地实现去除水泥路面图像刻槽的目的。     

微表处施工控制方法及其效果

引言 微表处技术作为路面．于20世纪80年代在我国开始研究应用,现已广泛应用于公路养护维修施工方面。首先．预防性养护技术作为一种观念．它改变了我国以往在交通道路完全损坏的情况下才进行凿补的现象．在路面没有完全损坏．只有轻微缺陷或病害迹象的路面即提前施工养护。较大地延长了道路的使用寿命,极大地改善了道路交通的使用状况．而且它快速成型．快速修复,减少占用道路交通的时间．提高了工作效率。     

路面三维检测技术浅析

三维数字路面系统不仅有利于高效直观地观察路面的各种病灶,准确地掌握路面三维数字信息,还可通过摄像机将采集的道路环境视频信息进行回放,从而可以观看公路周围真实环境。由此管理工作者可以全面了解道路信息,掌握路面实时使用状况,快速展现路面完整的三维数字信息,生动的将道路检测信息体现出来,运用于实际道路路面的质量评价和日常养护维修中。     

路面缺陷智能检测系统与方法综述

从路面缺陷检测系统组成和特点出发，首先简要回顾了路面缺陷检测系统与传统路面图像处理方法的发展过程。在此基础上，探讨了国内外典型路面缺陷检测系统的现状，包含重型道路状况智能检测系统、轻量化路面质量检测系统，并对检测系统的性能及部分参数进行了描述。然后，详细介绍了基于机器学习、深度学习理论的路面缺陷智能化检测方法的演变历程，重点分析了基于深度学习技术的路面缺陷智能化检测方法国内外的研究进展，主要包含基于区域卷积神经网络、单次多框检测器、YOLO目标检测、Transformer检测模型等路面缺陷智能检测方法。最后，从多模信息融合、双轻量化设备、稳健智能化算法等方面对路面缺陷智能化检测系统的发展趋势和应用前景进行了展望。     

路面检测技术综述

总结了路面检测重要研究成果,分析了路面损坏、平整度、车辙、抗滑性能(构造深度)和结构强度(弯沉)检测技术的发展现状,研究了路面检测技术的不足与发展方向。研究结果表明:国内外路面检测技术的发展经历了3个阶段,从早期传统的人工检测到20世纪末的半自动化检测,发展到目前的无损自动检测;无损自动检测的主要特点是快速与智能化,采用多源传感器协同工作,并且集成在多功能道路检测车上,能够同时检测路面损坏、平整度、车辙、抗滑性能和结构强度以及道路线形与沿线设施等;在路面损坏检测方面,采用数字图像检测技术,实现了路面裂缝的快速检测;在路面平整度检测方面,采用激光位移传感技术,实现了快速自动化检测;在路面车辙检测方面,采用激光和数字图像技术,实现了非接触智能化检测;在路面抗滑性能和结构强度检测方面,建立了铺砂法与贝克曼梁法检测结果的相关关系,实现了基于激光技术的路面构造深度与弯沉快速检测;为了减少外界因素对现有检测技术和检测设备的干扰,提高检测信号的信噪比,应该开发适合各种工况下的路面检测和数据处理方法,实现路面检测高效化与智能化。