基于混合密度因子的路面破损自动识别研究

路面破损分类成为限制路面破损自动检测的普及和发展的重要因素．本文在已提出的破损密度因子算法的基础上,进一步设计出了混合密度因子,得到一种基于图像子块分布特征的路面破损识别算法．通过仿真,验证了其对常见的5种路面破损类型进行分类的可行性,并选择了另外一种路面破损分类算法来进行神经网络仿真对比．神经网络的训练样本是两组,测试样本也是两组,进行了四次仿真对比．四次仿真结果都显示混合密度因子算法有很高的识别率．     

基于破损密度因子的路面破损识别新方法

结合图象处理、模式识别等先进技术开发路面破损自动检测系统已经成为本领域的研究热点．要提高识别率，适当的裂缝分类及其数量的统计方法显得十分重要．在系统总结分析前人的研究成果的基础上，本文提出一种路面破损裂缝的分类和数量统计的新方法——基于破损密度因子的路面破损评价和分类方法，文中对破损密度因子进行了定义，并且，用本文的方法与一些已存在的方法进行了比较分析。结果表明，本方法不仅简单，实用，而且在算法的平移不变、旋转不变、和反映路面实际破损程度方面都优于其它方法。     

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。      

城市沥青路面结构破损的综合性养护方法

为减少城市沥青路面的裂缝、车辙、坑槽等不同类型的结构性破损,构建综合性养护方法,依据结构破损的成因设计养护措施。通过均衡多方面路面性能,根据路面破损程度、综合性养护方法和路面评估指标间的关联性,与精表处技术和微表处技术2种方法对比,评选城市沥青路面结构破损的最优综合性养护方法,并进行仿真试验和路面试验。结果表明：综合性养护方法的效果较全面,破损状况指数为92.78,裂缝率为0.32%,车辙深3.7 mm,效果比其他2种方法好,能有效修复沥青路面破损,提升路面防滑性和耐用性。     

基于神经网络的沥青路面破损图像识别研究

提出了一种减少沥青路面破损图像识别计算量的图像分割方法.将路面图像等分为64×64像素的子块图像,并用灰度方差值描述子块图像特征.设计了基于BP神经网络的子块图像模式分类器,利用子块图像模式分类结果所组成的矩阵作为路面破损图像分割结果.并将路面破损图像子块分布特征作为路面破损图像的整体特征,在此基础上设计了基于全局优化算法的路面破损前馈神经网络分类器.最后进行了路面破损图像识别试验,识别率达到96.7%.     

沥青路面养护管理关键性技术

沥青路面破损的分析破损分类 路面修复必须对症下药．根据不同的病害，找出病害的原因．才能选择不同的修补工艺及配备相应的设备。沥青路面在外力作用下逐步损耗是必然现象．但早期的、不规则的损坏导致路面破损则是一种病害。根据造成破损的原因、病害的严重程度和几何形状的不同，各国对路面破损有不同的分类方法。     

沥青路面裂缝破损机理及填封技术研究

裂缝是沥青路面破损中最为常见的一种，而裂缝填封是沥青路面最普遍的一项日常养护维修工作。针对沥青路面裂缝破损形式进行分析，有利于在养护维修时对不问形式裂缝的识别，有利于裂缝填封修补工作的开展，并可根据不同形式、不同严重程度的裂缝采取相应不同的养护维修措施。     

基于形态学梯度分割的低对比度路面裂缝自动识别方法研究

针对目前路面裂缝的检测效率低、裂缝识别的主观性强、在低对比度下不易辨识等问题，提出了基于形态学梯度分割的低对比度路面裂缝自动识别方法，通过分析路面裂缝形成的原因研究了摄像头拍摄情况下的路面图像预处理方法及达到的效果，研究了形态学梯度检测中的Sobel算子方法在路面裂缝中的应用，通过实际采集的低对比度路面单裂缝与复杂背景下路面多裂缝图像进行算法测试，试验结果验证了提出方法的有效性。     

破损路面对城市道路路段通行能力的影响

为了准确评价路面破损条件下的道路通行能力,有必要探讨破损路面对道路通行能力的影响。选取路面车辙深度、裂缝率、坑槽宽度和修补率作为破损路面状况的评价指标,给出了基于灰色聚粪分析方法的破损路面状况评价方法。应用该方法对调查路段的破损路面状况进行等级划分,并基于不同破损路面状况等级路段调查的交通流参数,分析破损路面对饱和车头时距和平均行程车速的影响。引入破损路面修正系数的概念,得到不同破损路面状况等级对应的路段通行能力修正系数,并给出不同破损路面状况等级对应的城市道路路段通行能力推荐值。     

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。