基于多尺度卷积特征的路面裂缝检测方法研究
发布时间：2021-04-17 18:59
随着我国公路由建设时代到养护时代的转变,伴随而来的是对大范围内路面进行科学、智能、精细的养护管理。养护精细化程度不高,管理信息化、智能化水平偏低是当前我国公路养护管理工作中存在的突出问题,路面病害智能化检测及损坏状况精确化评定是该领域的主要技术瓶颈。路面病害检测是道路智能养护决策中的重要组成部分,裂缝作为路面病害的主导类型,实现快速、准确的自动路面病害检测系统对于维护和监测目前存在广泛而复杂的运输网络系统至关重要。在传统的路面病害检测任务中,采用人工方法的结果完全取决于检测者的知识和经验,这种方式效率低、劳动量大,在定量分析中缺乏客观性。因此,实现路面裂缝的自动提取在公路路面质量检测领域具有非常重要的理论意义与实用价值,是当前研究的热点。但由于裂缝具有不均匀性强、拓扑复杂性高以及与裂缝纹理相似噪声大等特点,导致完成裂缝自动提取和分类面临非常大的困难。针对现有自动裂缝检测算法在大规模应用特别是广地域、多路况等复杂环境下算法稳定性方面存在的严重不足,本文基于深度学习理论,通过学习裂缝表示的高级特征实现裂缝像素级自动提取与分类,实现了路面病害的智能化自动检测,满足智能养护、精细养护的需求。本...
【文章来源】：辽宁工程技术大学辽宁省
【文章页数】：132 页
【学位级别】：博士
【部分图文】：
裂缝检测的挑战
辽宁工程技术大学博士学位论文7图1.4小型路面病害采集车Figure1.4Mini-vehicleforcollectingpavementdiseases图1.5路面病害人工标记程序Figure1.5Manualmarkingprocedureforpavementdiseases通过对国内外的路面病害检测系统的分析可知，目前已研究的病害自动检测系统首先通过自动化设备完成对路面病害数据进行外业采集，这种采集方式相比传统的人工采集模式更快速、更安全。进而通过内业手工或半自动的方式对采集后的路面图像进行分析，最终得到路面病害的评价分析结果。尽管表面路面图像是通过摄影设备自动收集的，但是操作人员总是需要对路面表面的损坏进行分类（现在基于人工的视觉分析），在大面积路面病
辽宁工程技术大学博士学位论文7图1.4小型路面病害采集车Figure1.4Mini-vehicleforcollectingpavementdiseases图1.5路面病害人工标记程序Figure1.5Manualmarkingprocedureforpavementdiseases通过对国内外的路面病害检测系统的分析可知，目前已研究的病害自动检测系统首先通过自动化设备完成对路面病害数据进行外业采集，这种采集方式相比传统的人工采集模式更快速、更安全。进而通过内业手工或半自动的方式对采集后的路面图像进行分析，最终得到路面病害的评价分析结果。尽管表面路面图像是通过摄影设备自动收集的，但是操作人员总是需要对路面表面的损坏进行分类（现在基于人工的视觉分析），在大面积路面病
【参考文献】：
期刊论文
[1]沥青路面病害的成因及处置方案[J]. 朱洪涛,李田雨. 交通世界. 2018(31)
[2]基于深度学习的自动驾驶技术综述[J]. 张新钰,高洪波,赵建辉,周沫. 清华大学学报(自然科学版). 2018(04)
[3]沥青路面裂缝自动检测算法[J]. 陶明霞,钱广,马仁安. 吉首大学学报(自然科学版). 2018(02)
[4]深度学习在神经影像中的应用研究[J]. 田苗,林岚,张柏雯,吴水才. 中国医疗设备. 2016(12)
[5]面向线阵列CCD道路影像的裂缝识别[J]. 贾迪,宋伟东,戴激光,朱红. 中国图象图形学报. 2016(12)
[6]基于空间聚集特征的沥青路面裂缝检测方法[J]. 张德津,李清泉,陈颖,曹民,何莉. 自动化学报. 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]基于几何特征分析的路面裂缝分类算法研究[J]. 张采芳,田岩,李江. 红外与激光工程. 2015(04)
[9]用Mean Shift实现路面裂缝损伤自动识别与特征测量[J]. 曹建农,张昆,元晨,许素素. 计算机辅助设计与图形学学报. 2014(09)
[10]基于数字图像处理的路面裂缝自动分类算法[J]. 彭博,蒋阳升,蒲云. 中国公路学报. 2014(09)
本文编号：3143971
【文章来源】：辽宁工程技术大学辽宁省
【文章页数】：132 页
【学位级别】：博士
【部分图文】：
裂缝检测的挑战
辽宁工程技术大学博士学位论文7图1.4小型路面病害采集车Figure1.4Mini-vehicleforcollectingpavementdiseases图1.5路面病害人工标记程序Figure1.5Manualmarkingprocedureforpavementdiseases通过对国内外的路面病害检测系统的分析可知，目前已研究的病害自动检测系统首先通过自动化设备完成对路面病害数据进行外业采集，这种采集方式相比传统的人工采集模式更快速、更安全。进而通过内业手工或半自动的方式对采集后的路面图像进行分析，最终得到路面病害的评价分析结果。尽管表面路面图像是通过摄影设备自动收集的，但是操作人员总是需要对路面表面的损坏进行分类（现在基于人工的视觉分析），在大面积路面病
辽宁工程技术大学博士学位论文7图1.4小型路面病害采集车Figure1.4Mini-vehicleforcollectingpavementdiseases图1.5路面病害人工标记程序Figure1.5Manualmarkingprocedureforpavementdiseases通过对国内外的路面病害检测系统的分析可知，目前已研究的病害自动检测系统首先通过自动化设备完成对路面病害数据进行外业采集，这种采集方式相比传统的人工采集模式更快速、更安全。进而通过内业手工或半自动的方式对采集后的路面图像进行分析，最终得到路面病害的评价分析结果。尽管表面路面图像是通过摄影设备自动收集的，但是操作人员总是需要对路面表面的损坏进行分类（现在基于人工的视觉分析），在大面积路面病
【参考文献】：
期刊论文
[1]沥青路面病害的成因及处置方案[J]. 朱洪涛,李田雨. 交通世界. 2018(31)
[2]基于深度学习的自动驾驶技术综述[J]. 张新钰,高洪波,赵建辉,周沫. 清华大学学报(自然科学版). 2018(04)
[3]沥青路面裂缝自动检测算法[J]. 陶明霞,钱广,马仁安. 吉首大学学报(自然科学版). 2018(02)
[4]深度学习在神经影像中的应用研究[J]. 田苗,林岚,张柏雯,吴水才. 中国医疗设备. 2016(12)
[5]面向线阵列CCD道路影像的裂缝识别[J]. 贾迪,宋伟东,戴激光,朱红. 中国图象图形学报. 2016(12)
[6]基于空间聚集特征的沥青路面裂缝检测方法[J]. 张德津,李清泉,陈颖,曹民,何莉. 自动化学报. 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]基于几何特征分析的路面裂缝分类算法研究[J]. 张采芳,田岩,李江. 红外与激光工程. 2015(04)
[9]用Mean Shift实现路面裂缝损伤自动识别与特征测量[J]. 曹建农,张昆,元晨,许素素. 计算机辅助设计与图形学学报. 2014(09)
[10]基于数字图像处理的路面裂缝自动分类算法[J]. 彭博,蒋阳升,蒲云. 中国公路学报. 2014(09)
本文编号：3143971
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3143971.html
最近更新
教材专著
