隨著經(jīng)濟(jì)的快速發(fā)展和人們生活水平的提高,公路客貨運(yùn)量大大增加,而道路一旦出現(xiàn)各種病害,將降低其使用安全性,并影響道路交通安全,因此需要實(shí)時(shí)檢測(cè)路面病害。傳統(tǒng)的道路破損檢測(cè)大多都是手動(dòng)執(zhí)行的,然而隨著道路網(wǎng)絡(luò)和交通流量的不斷增加,這種耗時(shí)的方法不再實(shí)用,此外手動(dòng)檢測(cè)也受到?jīng)Q策主觀性的嚴(yán)重影響。相比之下,經(jīng)過嚴(yán)格設(shè)計(jì)和驗(yàn)證的半自動(dòng)化和自動(dòng)化路面檢測(cè)系統(tǒng)能夠準(zhǔn)確、快速的檢測(cè)路面病害并消除主觀性影響。然而,由于照明條件、道路紋理和其他環(huán)境條件復(fù)雜多變,半自動(dòng)化和自動(dòng)化檢測(cè)算法在準(zhǔn)確性和實(shí)時(shí)性方面尚未取得很大成功,路面破損檢測(cè)仍然是一個(gè)非常有挑戰(zhàn)的任務(wù)。本文針對(duì)實(shí)際路面破損檢測(cè)的準(zhǔn)確性和實(shí)時(shí)性要求,對(duì)基于深度學(xué)習(xí)的路面破損檢測(cè)算法進(jìn)行深入研究。本文主要的工作如下:(1)目前路面破損檢測(cè)大多都是針對(duì)裂縫類或松散類(坑槽)研究,從實(shí)際應(yīng)用來看,由于沒有覆蓋所有的破損類型,道路管理者很難將這些研究直接應(yīng)用于實(shí)際。因此本文在大量收集和采集數(shù)據(jù)的基礎(chǔ)上增加現(xiàn)有路面破損檢測(cè)的識(shí)別類型,使用Faster R-CNN算法對(duì)8類常見路面破損進(jìn)行檢測(cè)識(shí)別。(2)針對(duì)路面破損檢測(cè)任務(wù),對(duì)Faster R-CNN算法的...

【文章頁數(shù)】：73 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2-6路面破損圖像

21本文采用的實(shí)驗(yàn)數(shù)據(jù)如表2-1所示。其中包含7240個(gè)道路損壞圖片，12386個(gè)破損標(biāo)記。數(shù)據(jù)集包含八種道路損壞類型以及每個(gè)類別在圖片中的邊界框。數(shù)據(jù)集的7240張圖片包含各種天氣和照明條件，每個(gè)圖片的分辨率為600×600像素。此外，在評(píng)估損壞類型時(shí)，使用了專業(yè)道路管理員的專....

圖2-7不同破損類型的總數(shù)量

22圖2-7和圖2-8展示了路面破損檢測(cè)實(shí)驗(yàn)中使用數(shù)據(jù)的統(tǒng)計(jì)結(jié)果�？梢杂^察到，這是一個(gè)具有挑戰(zhàn)性的目標(biāo)破損檢測(cè)問題，首先可以使用的實(shí)例圖片數(shù)量（7240）相對(duì)較少，且破損總標(biāo)記數(shù)僅為12386，同時(shí)還存在明顯的類別不均衡問題，比如D40（車轍、顛簸、坑洞、分離）圖片數(shù)據(jù)較少，這種....

圖2-8每幅圖中的破損數(shù)量占比

22圖2-7和圖2-8展示了路面破損檢測(cè)實(shí)驗(yàn)中使用數(shù)據(jù)的統(tǒng)計(jì)結(jié)果�？梢杂^察到，這是一個(gè)具有挑戰(zhàn)性的目標(biāo)破損檢測(cè)問題，首先可以使用的實(shí)例圖片數(shù)量（7240）相對(duì)較少，且破損總標(biāo)記數(shù)僅為12386，同時(shí)還存在明顯的類別不均衡問題，比如D40（車轍、顛簸、坑洞、分離）圖片數(shù)據(jù)較少，這種....

圖2-9破損檢測(cè)mAP（%）和Time（ms）隨K值變化曲線

28表2-3圖片平均檢測(cè)時(shí)間（ms）和平均精度mAP（%）隨K值變化KTimemAPD00D01D10D11D20D40D43D4410006753.5753.971.525.333.271.121.877.674.220009753.6754.071.825.133.671.4....

本文編號(hào)：3913485