基于深度学习的路面破损检测研究

发布时间：2021-07-31 15:46

　　随着国家公路网的不断建成,公路养护的需求与日俱增,正成为我国公路安全和民生发展的重要保障。路面破损状况检测是公路养护的一项重要工作,及时发现和维护受损路面不但可以极大地节约公路养护成本,而且还可以降低道路交通事故的可能性和严重性。目前使用激光、雷达等相关传感器技术的路面破损检测已经相对成熟,但设备价格高昂且其维护成本不菲,难以规模化应用。采用摄像头采集的路面破损检测方法具有成本低、灵活性高和安装方便等优点,但由于路面破损的形态各异,尺寸大小不一,而且图像特征易受阴影和光照影响,精确检测路面破损程度仍然存在着巨大的挑战。近几年随着人工智能在视觉领域的出色表现,基于深度学习的路面破损检测技术也取得了前所未有的发展,但现有的视觉路面自动化检测算法仍存在精度低、计算资源要求高等问题。本文就针对存在的一些问题,展开了广泛而深入的研究,论文的主要工作和贡献包括以下几个方面:1.路面图像往往由安装在车内的高分辨率图像传感器采用场景透视的方式采集,由于拍摄相机视角的原因,坑槽在路面图像中的尺寸相对较小,现有的卷积神经网络在检测时较难均衡速度和性能之间的关系,本文提出了一种基于位置感知的卷积神经网络,使... 

【文章来源】：浙江工业大学浙江省

【文章页数】：105 页

【学位级别】：博士

【部分图文】：

014-2018年中国公路总里程统计图[1]

多功能道路检测车——PathRunnerFigure1-2.PathRunner:Multi-functionpavementdatacollectionvehicle

自动道路分析系统——ARAN9000Figure1-3.ARAN9000:Automaticpavementdistressanalyzer

【参考文献】：
期刊论文
[1]公路路面快速检测技术发展综述[J]. 张德津,李清泉.  测绘地理信息. 2015(01)
[2]公路路面自动检测系统发展综述[J]. 刘宛予,谢凯,浦昭邦.  中外公路. 2007(02)



本文编号：3313743