基于LiDAR三维数据的路面平整度横向分布差异特性评估方法

路面平整度是进行道路养护决策的重要依据,传统检测手段受限于其设备结构,仅能获取路面上单一轨迹的平整度数值,难以表征路面横向不同断面的平整度分布情况。针对这一问题,利用高精度激光雷达（Light Detection and Ranging, LiDAR）采集路面的三维点云数据,提取了路段横向典型位置测线的高程信息,结合方差分析与Kruskal-Wallis非参数检验等方法,分析不同横向测线平整度数值是否具有显著性差异,并基于上海市超过25km的实测道路数据总结了平整度横向分布的差异特性。结果显示：就单一路段而言,不同测线的国际平整度指数（International Roughness Index, IRI）具有明显差异,从分布上来看,仅在相邻纵断面间距超过2.5m时,平整度分布才具有显著差异,而其他情况下各测线的平整度分布无显著性差异;但从多路段平整度分布来看,路面平整度横向分布是否具有显著性差异与路段本身属性相关。路段平整度分布离散性越强的道路,其各测线平整度结果具有显著差异的概率就越大。由此可知,基于LiDAR的多测线路面平整度可以有效反映路段的平整度分布情况,避免单一测线造成的测量...     

探地雷达多特征融合的城市空洞自动识别方法

探地雷达发射的电磁波容易受外部环境干扰，城市中复杂的地下市政设施进一步增加了空洞的识别难度，目前利用时域振幅特征图不能全面反映空洞病害的结构和介电参数，自动识别时容易出现误判和漏判。为了能够充分利用探地雷达信号中的多维信息，提升城市空洞自动识别的精度和效率，考虑提取反射信号特定时刻的振幅、频率和相位特征，通过特征融合解译改善空洞的识别精度。首先使用希尔伯特变换将信号从时域转换为时频域，在时频域计算得到特定瞬间的振幅图(IA)、频率图(IF)和相位图(IP),建立包含原始特征图(OP)的4个单特征数据集；然后基于二维小波变换的方法分别将IA+IF、IA+IP、IF+IP、IA+IF+IP融合，其中图像的高频部分采用最大值融合规则，低频部分采用均值融合策略，建立4个特征融合数据集；最后使用YOLOv7算法在8个数据下进行训练，对比研究模型的性能。结果表明：在IA+IP和IA+IF+IP数据集下训练的模型，相比OP数据集下性能均有所提升，其中IA+IP数据下训练的模型表现出最佳的性能，相比OP数据集模型的精确率提升5.0%,召回率提升7.6%,F1值提升7.8%,AP＿0.5提升5.9%。该...