發(fā)布時(shí)間：2021-04-17 18:59

　　隨著我國公路由建設(shè)時(shí)代到養(yǎng)護(hù)時(shí)代的轉(zhuǎn)變,伴隨而來的是對(duì)大范圍內(nèi)路面進(jìn)行科學(xué)、智能、精細(xì)的養(yǎng)護(hù)管理。養(yǎng)護(hù)精細(xì)化程度不高,管理信息化、智能化水平偏低是當(dāng)前我國公路養(yǎng)護(hù)管理工作中存在的突出問題,路面病害智能化檢測及損壞狀況精確化評(píng)定是該領(lǐng)域的主要技術(shù)瓶頸。路面病害檢測是道路智能養(yǎng)護(hù)決策中的重要組成部分,裂縫作為路面病害的主導(dǎo)類型,實(shí)現(xiàn)快速、準(zhǔn)確的自動(dòng)路面病害檢測系統(tǒng)對(duì)于維護(hù)和監(jiān)測目前存在廣泛而復(fù)雜的運(yùn)輸網(wǎng)絡(luò)系統(tǒng)至關(guān)重要。在傳統(tǒng)的路面病害檢測任務(wù)中,采用人工方法的結(jié)果完全取決于檢測者的知識(shí)和經(jīng)驗(yàn),這種方式效率低、勞動(dòng)量大,在定量分析中缺乏客觀性。因此,實(shí)現(xiàn)路面裂縫的自動(dòng)提取在公路路面質(zhì)量檢測領(lǐng)域具有非常重要的理論意義與實(shí)用價(jià)值,是當(dāng)前研究的熱點(diǎn)。但由于裂縫具有不均勻性強(qiáng)、拓?fù)鋸?fù)雜性高以及與裂縫紋理相似噪聲大等特點(diǎn),導(dǎo)致完成裂縫自動(dòng)提取和分類面臨非常大的困難。針對(duì)現(xiàn)有自動(dòng)裂縫檢測算法在大規(guī)模應(yīng)用特別是廣地域、多路況等復(fù)雜環(huán)境下算法穩(wěn)定性方面存在的嚴(yán)重不足,本文基于深度學(xué)習(xí)理論,通過學(xué)習(xí)裂縫表示的高級(jí)特征實(shí)現(xiàn)裂縫像素級(jí)自動(dòng)提取與分類,實(shí)現(xiàn)了路面病害的智能化自動(dòng)檢測,滿足智能養(yǎng)護(hù)、精細(xì)養(yǎng)護(hù)的需求。本... 

【文章來源】：遼寧工程技術(shù)大學(xué)遼寧省

【文章頁數(shù)】：132 頁

【學(xué)位級(jí)別】：博士

【部分圖文】：

裂縫檢測的挑戰(zhàn)

遼寧工程技術(shù)大學(xué)博士學(xué)位論文7圖1.4小型路面病害采集車Figure1.4Mini-vehicleforcollectingpavementdiseases圖1.5路面病害人工標(biāo)記程序Figure1.5Manualmarkingprocedureforpavementdiseases通過對(duì)國內(nèi)外的路面病害檢測系統(tǒng)的分析可知，目前已研究的病害自動(dòng)檢測系統(tǒng)首先通過自動(dòng)化設(shè)備完成對(duì)路面病害數(shù)據(jù)進(jìn)行外業(yè)采集，這種采集方式相比傳統(tǒng)的人工采集模式更快速、更安全。進(jìn)而通過內(nèi)業(yè)手工或半自動(dòng)的方式對(duì)采集后的路面圖像進(jìn)行分析，最終得到路面病害的評(píng)價(jià)分析結(jié)果。盡管表面路面圖像是通過攝影設(shè)備自動(dòng)收集的，但是操作人員總是需要對(duì)路面表面的損壞進(jìn)行分類（現(xiàn)在基于人工的視覺分析），在大面積路面病

遼寧工程技術(shù)大學(xué)博士學(xué)位論文7圖1.4小型路面病害采集車Figure1.4Mini-vehicleforcollectingpavementdiseases圖1.5路面病害人工標(biāo)記程序Figure1.5Manualmarkingprocedureforpavementdiseases通過對(duì)國內(nèi)外的路面病害檢測系統(tǒng)的分析可知，目前已研究的病害自動(dòng)檢測系統(tǒng)首先通過自動(dòng)化設(shè)備完成對(duì)路面病害數(shù)據(jù)進(jìn)行外業(yè)采集，這種采集方式相比傳統(tǒng)的人工采集模式更快速、更安全。進(jìn)而通過內(nèi)業(yè)手工或半自動(dòng)的方式對(duì)采集后的路面圖像進(jìn)行分析，最終得到路面病害的評(píng)價(jià)分析結(jié)果。盡管表面路面圖像是通過攝影設(shè)備自動(dòng)收集的，但是操作人員總是需要對(duì)路面表面的損壞進(jìn)行分類（現(xiàn)在基于人工的視覺分析），在大面積路面病

【參考文獻(xiàn)】：
期刊論文
[1]瀝青路面病害的成因及處置方案[J]. 朱洪濤,李田雨.  交通世界. 2018(31)
[2]基于深度學(xué)習(xí)的自動(dòng)駕駛技術(shù)綜述[J]. 張新鈺,高洪波,趙建輝,周沫.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(04)
[3]瀝青路面裂縫自動(dòng)檢測算法[J]. 陶明霞,錢廣,馬仁安.  吉首大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(02)
[4]深度學(xué)習(xí)在神經(jīng)影像中的應(yīng)用研究[J]. 田苗,林嵐,張柏雯,吳水才.  中國醫(yī)療設(shè)備. 2016(12)
[5]面向線陣列CCD道路影像的裂縫識(shí)別[J]. 賈迪,宋偉東,戴激光,朱紅.  中國圖象圖形學(xué)報(bào). 2016(12)
[6]基于空間聚集特征的瀝青路面裂縫檢測方法[J]. 張德津,李清泉,陳穎,曹民,何莉.  自動(dòng)化學(xué)報(bào). 2016(03)
[7]Network level pavement evaluation with 1 mm 3D survey system[J]. Kelvin C.P.Wang,Qiang Joshua Li,Guangwei Yang,You Zhan,Yanjun Qiu.  Journal of Traffic and Transportation Engineering（English Edition）. 2015(06)
[8]基于幾何特征分析的路面裂縫分類算法研究[J]. 張采芳,田巖,李江.  紅外與激光工程. 2015(04)
[9]用Mean Shift實(shí)現(xiàn)路面裂縫損傷自動(dòng)識(shí)別與特征測量[J]. 曹建農(nóng),張昆,元晨,許素素.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2014(09)
[10]基于數(shù)字圖像處理的路面裂縫自動(dòng)分類算法[J]. 彭博,蔣陽升,蒲云.  中國公路學(xué)報(bào). 2014(09)



本文編號(hào)：3143971