CN113917451A - 一种高速公路沥青路面状况的检测方法、装置以及系统 - Google Patents

一种高速公路沥青路面状况的检测方法、装置以及系统 Download PDF

Info

Publication number
CN113917451A
CN113917451A CN202111031798.2A CN202111031798A CN113917451A CN 113917451 A CN113917451 A CN 113917451A CN 202111031798 A CN202111031798 A CN 202111031798A CN 113917451 A CN113917451 A CN 113917451A
Authority
CN
China
Prior art keywords
condition
expressway
asphalt pavement
pavement
detection system
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111031798.2A
Other languages
English (en)
Inventor
崔培强
郑松松
廖胤翔
屈庆余
王宏医
田孝武
梁叶云
欧阳奕波
李振珂
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Gezhouba Group Transportation Investment Co ltd
Original Assignee
Gezhouba Group Transportation Investment Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Gezhouba Group Transportation Investment Co ltd filed Critical Gezhouba Group Transportation Investment Co ltd
Priority to CN202111031798.2A priority Critical patent/CN113917451A/zh
Publication of CN113917451A publication Critical patent/CN113917451A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • E—FIXED CONSTRUCTIONS
    • E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
    • E01C—CONSTRUCTION OF, OR SURFACES FOR, ROADS, SPORTS GROUNDS, OR THE LIKE; MACHINES OR AUXILIARY TOOLS FOR CONSTRUCTION OR REPAIR
    • E01C23/00—Auxiliary devices or arrangements for constructing, repairing, reconditioning, or taking-up road or like surfaces
    • E01C23/01—Devices or auxiliary means for setting-out or checking the configuration of new surfacing, e.g. templates, screed or reference line supports; Applications of apparatus for measuring, indicating, or recording the surface configuration of existing surfacing, e.g. profilographs
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Abstract

本申请提供了一种高速公路沥青路面状况的检测方法、装置以及系统，用于提高对于高速公路沥青路面状况的检测精度。方法包括：检测系统通过地质雷达的发射天线向待检测的高速公路沥青路面发射第一电磁波，并通过地质雷达的接收天线接收高速公路沥青路面反射回来的第二电磁波；检测系统在第一电磁波以及第二电磁波反应的空间特征的基础上，生成内部结构模型；检测系统通过内部结构模型确定高速公路沥青路面的内部病害状况；检测系统通过机器视觉模块采集高速公路沥青路面的表面图像；检测系统在表面图像的基础上，通过图像识别处理，确定高速公路沥青路面的表面病害状况；检测系统融合内部病害状况以及表面病害状况，确定高速公路沥青路面状况。

Description

一种高速公路沥青路面状况的检测方法、装置以及系统
技术领域
本申请涉及道路领域，具体涉及一种高速公路沥青路面状况的检测方法、装置以及系统。
背景技术
截至2020年，我国高速公路通车总里程达15万公里，我国高等级公路大多数为沥青路面，沥青路面由于具有良好的性能以及易于养护的特点，越来越广泛应用于我国道路的建设中。随着我国大规模交通基础设施建设的逐渐平稳，现阶段高速公路的检测以及维修养护也成为一个庞大的系统工程，根据交通部发布的《公路技术状况评定标准》(JTG5210-2018)，高速公路沥青路面的各项指标(路面损坏、平整度、车辙、跳车等)每年都要检测一次，公路的检测评定也是高速公路运营中的一项总要工作，对高速公路的状况进行快速全方面检测，从而获得相关精确、完整的检测指标，是高速公路开展养护和运营管理的前提。
目前道路技术状况检测较为普遍常规手段，是采取综合检测车进行检测，针对路面破损，检测技术主要采用的是机器视觉检测手段，即通过路面二维图像的自动采集和路面图片的机器识别，实现路面破损的自动检测，采用车载式数字摄像系统连续高速采集路表的图像，然后在室内通过后处理软件自动处理与人工判读相结合，来识别、分类及统计路表破损。
而在现有的相关技术的研究过程中，本申请发明人发现，由于现阶段相关后处理软件在图像的自动识别方面存在误判、漏判及难以判定等现象，必须由人工来辅助处理，在这种情况下，工作人员所面临的图像数量是庞大的，需要辅助大量的人工干预及处理，也就是说，现有的路面破损检测方案，存在准确度相对较低的问题。
发明内容
本申请提供了一种高速公路沥青路面状况的检测方法、装置以及系统，用于提高对于高速公路沥青路面状况的检测精度。
第一方面，本申请提供了一种高速公路沥青路面状况的检测方法，方法包括：
检测系统通过地质雷达的发射天线向待检测的高速公路沥青路面发射第一电磁波，并通过地质雷达的接收天线接收高速公路沥青路面反射回来的第二电磁波；
检测系统在第一电磁波以及第二电磁波反应的空间特征的基础上，生成高速公路沥青路面的内部结构模型；
检测系统通过内部结构模型确定高速公路沥青路面的内部病害状况；
检测系统通过机器视觉模块采集高速公路沥青路面的表面图像；
检测系统在表面图像的基础上，通过图像识别处理，确定高速公路沥青路面的表面病害状况；
检测系统融合内部病害状况以及表面病害状况，确定高速公路沥青路面状况。
结合本申请第一方面，在本申请第一方面第一种可能的实现方式中，检测系统通过内部结构模型确定高速公路沥青路面的内部病害状况，包括：
检测系统通过内部结构模型，分析得到高速公路沥青路面的内部裂缝，并确定内部裂缝的面积A1；
检测系统通过内部结构模型，分析得到高速公路沥青路面的破损病害面积 A2、松散病害面积A3以及脱空病害面积A4；
检测系统通过第一公式计算表征内部病害状况的道路内部健康状况指标 S，第一公式为：
Figure RE-GDA0003361897530000021
其中，A为高速公路沥青路面的总面积。
结合本申请第一方面第一种可能的实现方式，在本申请第一方面第二种可能的实现方式中，地质雷达具体为三维地质雷达，破损病害面积A2、松散病害面积A3以及脱空病害面积A4是基于三维地质雷达采集到的水平断面信息得到的。
结合本申请第一方面或者第一方面任意可能的实现方式，在本申请第一方面第三种可能的实现方式中，检测系统在表面图像的基础上，通过图像识别处理，确定高速公路沥青路面的表面病害状况，包括：
检测系统在表面图像的基础上，通过图像识别处理，建立路面重构模型；
检测系统根据路面重构模型确定高速公路沥青路面的表面病害，表面病害包括裂缝、松散、拥抱、坑槽、车辙以及沉陷；
检测系统根据表面病害的参数，计算路面损坏状况指数PCI、路面行驶质量指数RQI、路面车辙深度指数RDI、路面跳车指数PBI、路面磨耗指数PWI、路面抗滑性能指数SRI；
检测系统根据路面损坏状况指数PCI、路面行驶质量指数RQI、路面车辙深度指数RDI、路面跳车指数PBI、路面磨耗指数PWI、路面抗滑性能指数SRI，计算表征表面病害状况的路面技术状况指标PQI。
结合本申请第一方面第三种可能的实现方式，在本申请第一方面第四种可能的实现方式中，检测系统融合内部病害状况以及表面病害状况，确定高速公路沥青路面状况，包括：
检测系统根据第二公式计算表征高速公路沥青路面状况的路面技术状况综合评定得分R，第二公式为：
R＝0.3*S+0.7*PQI。
结合本申请第一方面，在本申请第一方面第五种可能的实现方式中，检测系统通过机器视觉模块采集高速公路沥青路面的表面图像，包括：
检测系统通过机器视觉模块的三维视场路况检测技术，采集高速公路沥青路面的、三维图像形式的表面图像。
结合本申请第一方面，在本申请第一方面第六种可能的实现方式中，地质雷达以及机器视觉模块配置于检测车，检测车用于行驶至高速公路沥青路面，采集第二电磁波以及表面图像。
第二方面，本申请提供了一种高速公路沥青路面状况的检测装置，装置包括：
采集单元，用于通过地质雷达的发射天线向待检测的高速公路沥青路面发射第一电磁波，并通过地质雷达的接收天线接收高速公路沥青路面反射回来的第二电磁波；
生成单元，用于在第一电磁波以及第二电磁波反应的空间特征的基础上，生成高速公路沥青路面的内部结构模型；
确定单元，用于通过内部结构模型确定高速公路沥青路面的内部病害状况；
采集单元，还用于通过机器视觉模块采集高速公路沥青路面的表面图像；
确定单元，还用于在表面图像的基础上，通过图像识别处理，确定高速公路沥青路面的表面病害状况；
确定单元，还用于融合内部病害状况以及表面病害状况，确定高速公路沥青路面状况。
结合本申请第二方面，在本申请第二方面第一种可能的实现方式中，确定单元，具体用于：
通过内部结构模型，分析得到高速公路沥青路面的内部裂缝，并确定内部裂缝的面积A1；
通过内部结构模型，分析得到高速公路沥青路面的破损病害面积A2、松散病害面积A3以及脱空病害面积A4；
通过第一公式计算表征内部病害状况的道路内部健康状况指标S，第一公式为：
Figure RE-GDA0003361897530000041
其中，A为高速公路沥青路面的总面积。
结合本申请第二方面第一种可能的实现方式，在本申请第二方面第二种可能的实现方式中，地质雷达具体为三维地质雷达，破损病害面积A2、松散病害面积A3以及脱空病害面积A4是基于三维地质雷达采集到的水平断面信息得到的。
结合本申请第二方面或者第二方面任意可能的实现方式，在本申请第二方面第三种可能的实现方式中，确定单元，具体用于：
在表面图像的基础上，通过图像识别处理，建立路面重构模型；
根据路面重构模型确定高速公路沥青路面的表面病害，表面病害包括裂缝、松散、拥抱、坑槽、车辙以及沉陷；
根据表面病害的参数，计算路面损坏状况指数PCI、路面行驶质量指数 RQI、路面车辙深度指数RDI、路面跳车指数PBI、路面磨耗指数PWI、路面抗滑性能指数SRI；
根据路面损坏状况指数PCI、路面行驶质量指数RQI、路面车辙深度指数 RDI、路面跳车指数PBI、路面磨耗指数PWI、路面抗滑性能指数SRI，计算表征表面病害状况的路面技术状况指标PQI。
结合本申请第二方面第三种可能的实现方式，在本申请第二方面第四种可能的实现方式中，确定单元，具体用于：
根据第二公式计算表征高速公路沥青路面状况的路面技术状况综合评定得分R，第二公式为：
R＝0.3*S+0.7*PQI。
结合本申请第二方面，在本申请第二方面第五种可能的实现方式中，采集单元，具体用于：
通过机器视觉模块的三维视场路况检测技术，采集高速公路沥青路面的、三维图像形式的表面图像。
结合本申请第二方面，在本申请第二方面第六种可能的实现方式中，地质雷达以及机器视觉模块配置于检测车，检测车用于行驶至高速公路沥青路面，采集第二电磁波以及表面图像。
第三方面，本申请提供了一种高速公路沥青路面状况的检测系统，包括处理器和存储器，存储器中存储有计算机程序，处理器调用存储器中的计算机程序时执行本申请第一方面或者本申请第一方面任一种可能的实现方式提供的方法。
第四方面，本申请提供了一种计算机可读存储介质，计算机可读存储介质存储有多条指令，指令适于处理器进行加载，以执行本申请第一方面或者本申请第一方面任一种可能的实现方式提供的方法。
从以上内容可得出，本申请具有以下的有益效果：
针对于高速公路沥青路面状况的检测，本申请一方面通过地质雷达的电磁波扫描，构建高速公路沥青路面的内部结构模型，并根据该内部结构模型确定高速公路沥青路面的内部病害状况；另一方面通过采集的高速公路沥青路面的表面图像，确定高速公路沥青路面的表面病害状况，融合内部病害状况以及表面病害状况两者，从表至内，更为系统、完整地确定了高速公路沥青路面状况，显著提高了对于高速公路沥青路面状况的检测精度，并且由于检测精度的提高，在实际应用中的实时检测过程中，还可提高整体路段的检测效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请高速公路沥青路面状况的检测方法的一种流程示意图；
图2为本申请确定高速公路沥青路面的内部病害状况的一种流程示意图；
图3为本申请内部病害状况的一种检测结果示意图；
图4为本申请内部病害状况的又一种检测结果示意图；
图5为本申请内部病害状况的又一种检测结果示意图；
图6为本申请内部病害状况的又一种检测结果示意图；
图7为本申请表面病害状况的一种检测结果示意图；
图8为本申请表面病害状况的又一种检测结果示意图；
图9为本申请表面病害状况的又一种检测结果示意图；
图10为本申请高速公路沥青路面状况的检测装置的一种结构示意图；
图11为本申请处理设备的一种结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。在本申请中出现的对步骤进行的命名或者编号，并不意味着必须按照命名或者编号所指示的时间/逻辑先后顺序执行方法流程中的步骤，已经命名或者编号的流程步骤可以根据要实现的技术目的变更执行次序，只要能达到相同或者相类似的技术效果即可。
本申请中所出现的模块的划分，是一种逻辑上的划分，实际应用中实现时可以有另外的划分方式，例如多个模块可以结合成或集成在另一个系统中，或一些特征可以忽略，或不执行，另外，所显示的或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，模块之间的间接耦合或通信连接可以是电性或其他类似的形式，本申请中均不作限定。并且，作为分离部件说明的模块或子模块可以是也可以不是物理上的分离，可以是也可以不是物理模块，或者可以分布到多个电路模块中，可以根据实际的需要选择其中的部分或全部模块来实现本申请方案的目的。
在介绍本申请提供的高速公路沥青路面状况的检测方法之前，首先介绍本申请所涉及的背景内容。
本申请提供的高速公路沥青路面状况的检测方法、装置以及计算机可读存储介质，可应用于高速公路沥青路面状况的检测系统，用于提高对于高速公路沥青路面状况的检测精度。
本申请提及的高速公路沥青路面状况的检测方法，其执行主体可以为高速公路沥青路面状况的检测装置，或者集成了该高速公路沥青路面状况的检测装置的检测系统。检测系统具体可以由服务器、物理主机或者用户设备(User Equipment，UE)等设备所组成。
其中，高速公路沥青路面状况的检测装置可以采用硬件或者软件的方式实现，UE具体可以为智能手机、平板电脑、笔记本电脑、台式电脑或者个人数字助理(PersonalDigital Assistant，PDA)等终端设备，高速公路沥青路面状况的检测系统可以通过设备集群的方式设置。
举例而言，在实际应用中，高速公路沥青路面状况的检测系统可包括检测中心的工作站，其还可包括检测中心以外的地质雷达、机器视觉模块，通过地址雷达、机器视觉模块在现场采集到高速公路沥青路面的相关数据后，传回后方的工作站，由工作站执行相应的数据处理，确定高速公路沥青路面状况。
又例如，高速公路沥青路面状况的检测系统也可以是移动式的，其数据处理主要可由高速公路沥青路面现场的设备执行，例如笔记本，通过外接地质雷达、机器视觉模块，采集到高速公路沥青路面的相关数据后，则可在现场确定高速公路沥青路面状况。
显然，高速公路沥青路面状况的检测系统，其系统形式，可随具体的应用场景而定，本申请具体在此不做限定，并且，系统中，可直接包含本申请所涉及的地质雷达、机器视觉模块，也可是采用外接的方式，来通过地质雷达、机器视觉模块采集相关的数据。
下面，开始介绍本申请提供的高速公路沥青路面状况的检测方法。
首先，参阅图1，图1示出了本申请高速公路沥青路面状况的检测方法的一种流程示意图，本申请提供的高速公路沥青路面状况的检测方法，具体可包括如下步骤S101至步骤S106：
步骤S101，检测系统通过地质雷达的发射天线向待检测的高速公路沥青路面发射第一电磁波，并通过地质雷达的接收天线接收高速公路沥青路面反射回来的第二电磁波；
可以理解，地质雷达在对待检测的高速公路沥青路面发射电磁波并接收其反射回来的电磁波，完成一次的电磁波扫描。
在该地质雷达的电磁波扫描下，可探测当前高速公路沥青路面的表面下方的空间位置和分布，其本质可以理解为高速公路沥青路面的表面及其下方的电磁波的反射特性，对高速公路沥青路面的表面下方的构造和缺陷(或其他不均匀体)进行探测。
步骤S102，检测系统在第一电磁波以及第二电磁波反应的空间特征的基础上，生成高速公路沥青路面的内部结构模型；
而在进行了电磁波扫描后，则可结合发射出的电磁波，以及接收到的、反射回来的电磁波两者所反映的空间特征，构建高速公路沥青路面的内部结构模型。
容易理解，该内部结构模型，用于表征高速公路沥青路面的表面下方的结构，即高速公路沥青路面的内部结构。
步骤S103，检测系统通过内部结构模型确定高速公路沥青路面的内部病害状况；
由于高速公路沥青路面的内部结构模型清楚地表示了高速公路沥青路面的内部结构，因此，可根据道路状况所规范的病害分类以及灾害程度的判断方案，确定出高速公路沥青路面的内部病害状况。
举例而言，内部灾害的类型可以有层间脱空、裂缝、破损等类型。
此时，通过步骤S101至步骤S103，完成了当前高速公路沥青路面的内部灾害的状况确定。
步骤S104，检测系统通过机器视觉模块采集高速公路沥青路面的表面图像；
可以理解，前面步骤针对的是高速公路沥青路面的内部结构，此时可继续针对高速公路沥青路面的表面结构，确定其表面灾害状况。
有现有技术对应的，可以通过配置的机器视觉模块，采集高速公路沥青路面的表面图像。
步骤S105，检测系统在表面图像的基础上，通过图像识别处理，确定高速公路沥青路面的表面病害状况；
可以理解，在基于高速公路沥青路面，通过图像识别处理，确定高速公路沥青路面的表面病害状况的过程中，可以采取现有技术中的处理手段，当然，在实际应用中，也可在现有技术中的处理手段的基础上，引入新的处理手段，甚至，还可采取全新的处理手段，以进一步提高对于高速公路沥青路面的表面病害状况的检测精度。
步骤S106，检测系统融合内部病害状况以及表面病害状况，确定高速公路沥青路面状况。
此时，在通过前面两方面，分别确定路高速公路沥青路面的内部结构的内部病害状况以及表面结构的表面病害状况后，则可融合两者，确定高速公路沥青路面完整结构的病害状况。
可以理解，在该融合处理中，不仅可以是两个层面的病害状况的叠加，在进一步的细微处理中，还可以进行两者的比对，根据比对结果，不仅可去除可能存在的识别误差，更可能对某些特定病害状况做出进一步的、更为精确的状况判断，例如病害状况在表面以及内部的细节判断、病害状况的发展预测等，以此可更为系统化地、科学化地确定高速公路沥青路面的病害状况。
确定了高速公路沥青路面的病害状况，则可进行输出或者其他预设的响应处理。
从图1所示实施例可看出，针对于高速公路沥青路面状况的检测，本申请一方面通过地质雷达的电磁波扫描，构建高速公路沥青路面的内部结构模型，并根据该内部结构模型确定高速公路沥青路面的内部病害状况；另一方面通过采集的高速公路沥青路面的表面图像，确定高速公路沥青路面的表面病害状况，融合内部病害状况以及表面病害状况两者，从表入内，由内至外，更为系统、完整地确定了高速公路沥青路面状况，显著提高了对于高速公路沥青路面状况的检测精度，并且由于检测精度的提高，在实际应用中的实时检测过程中，还可提高整体路段的检测效率。
此外，在进一步的实际应用中，本申请还可提出一些适于实用的实现方式，以进一步提高本申请的实用价值。
例如，在一种示例性的实现方式中，本申请对于高速公路沥青路面的内部结构的病害状况的确定处理中，可配置一些具体的参数确定方案，来更为科学地、严谨地量化高速公路沥青路面的内部结构的病害严重程度。
参阅图2示出的本申请确定高速公路沥青路面的内部病害状况的一种流程示意图，高速公路沥青路面的内部病害状况的确定处理，可包括如下步骤S201 至步骤S203：
步骤S201，检测系统通过内部结构模型，分析得到高速公路沥青路面的内部裂缝，并确定内部裂缝的面积A1；
可以理解，在构建高速公路沥青路面的内部结构模型后，则可从该模型所反映的内部结构中，根据本申请为道路状况可能存在的裂缝所配置的裂缝特征，遍历得到可匹配的空间结构，即确定内部结构所存在的裂缝。
此时，可记录内部裂缝的面积A1，作为后续计算处理的数据支持，其中，该A1具体可以通过内部裂缝的总长L计算得到，A1＝L*0.2。
步骤S202，检测系统通过内部结构模型，分析得到高速公路沥青路面的破损病害面积A2、松散病害面积A3以及脱空病害面积A4；
另一方面，除了内部裂缝，基于高速公路沥青路面的内部结构模型，还可根据裂缝以外的病害的特征，遍历得到可匹配的空间结构，确定内部结构所存在的其他病害。
举例而言，在本申请中，可将破损病害、松散病害以及脱空病害作为裂缝以外的病害检测对象，并可记录其分别对应的面积A2、A3、A4。
步骤S203，检测系统通过第一公式计算表征内部病害状况的道路内部健康状况指标S，第一公式为：
Figure RE-GDA0003361897530000111
其中，A为高速公路沥青路面的总面积。
在本申请中，具体引入了一道路内部健康状况指标S，来指示高速公路沥青路面的内部结构的病害严重程度。
显然，该道路内部健康状况指标S越低，意味着高速公路沥青路面的内部结构的病害严重程度越高，越需要及时的道路维护处理。
此外，为进一步提高对于高速公路沥青路面的内部结构的病害状况的检测精度，本申请还可将传统地质雷达配置为三维地质雷达。
可以理解，三维地质雷达，是在二维地质雷达基础之上研制出来的基于电磁波探测技术的三维采集及成像技术。三维地质雷达在单位空间内，排布了极多的发射天线，向被测物体内同时发射多束电磁波，从而形成一堵电磁波墙，对被测物进行有效的照射，并将回波反射记录下来，同时三维地质雷达通过相对运动的方式，可完成对大面积高速公路沥青路面的完全扫描，并最终形成连续的、全空间的三维成像。
和传统地质雷达相比，三维地质雷达的探测范围更深、探测结果的分辨率更高，同时还具备实时采样技术，探测速度比传统地质雷达快了几百倍，可以进行高密度、快速无缝扫描，可采集到高密度、无缝拼接的海量雷达数据，三维地质雷达可以直观的展示高速公路沥青路面内部的三维图像，并以任意深度的水平切片展示探测成果，还原路面内部的真实情况，探测结果直观准确，打破了二维地质雷达只能以剖面图、雷达波形图展示检测结果的局限性，提高了判图准确率，便于内部病害的识别、判断。
举例而言，在引入三维地质雷达的情况下，上面道路内部健康状况指标S 的计算过程中，破损病害面积A2、松散病害面积A3以及脱空病害面积A4就可以具体基于三维地质雷达采集到的水平断面信息得到的，该信息，可融合于高速公路沥青路面的内部结构模型中，并提供数据处理使用。
此外，对于高速公路沥青路面的表面结构的病害状况检测，作为一种适于实用的实现方式，其检测处理具体可以包括：
检测系统在表面图像的基础上，通过图像识别处理，建立路面重构模型；
检测系统根据路面重构模型确定高速公路沥青路面的表面病害，表面病害包括裂缝、松散、拥抱、坑槽、车辙以及沉陷；
检测系统根据表面病害的参数，计算路面损坏状况指数PCI、路面行驶质量指数RQI、路面车辙深度指数RDI、路面跳车指数PBI、路面磨耗指数PWI、路面抗滑性能指数SRI；
检测系统根据路面损坏状况指数PCI、路面行驶质量指数RQI、路面车辙深度指数RDI、路面跳车指数PBI、路面磨耗指数PWI、路面抗滑性能指数SRI，计算表征表面病害状况的路面技术状况指标PQI。
可以理解，在得到初始的表面图像后，则可将其表示的图像信息，转化为三维结构特征的路面重构模型，此时在模型的基础上可深入挖掘道路病害的三维特征，并将其直观化、可视化的展示。
接着，在模型表征的具体表面结构的基础上，还可根据道路状况可能的病害的特征，遍历得到可匹配的空间结构，确定表面结构存在的病害，例如裂缝、松散、拥抱、坑槽、车辙以及沉陷等类型的病害。
而在确定了高速公路沥青路面的表面结构存在的病害后，则可通过相应指标，具体量化其病害严重程度。
可以理解，在道路状况的规范要求中，则可根据《公路技术状况评定标准》 (JTG5210-2018)中的相关公式，计算得出路面损坏状况指数(Pavement Surface ConditionIndex，PCI)、路面行驶质量指数(Pavement Riding Quality Index，RQI)、路面车辙深度指数(Pavement Rutting Depth Index，RDI)、路面跳车指数(Pavement Bumping Index，PBI)、路面磨耗指数(Pavement Surface Wearing Index，PWI)，完成道路表面的技术状况的评定，此外，还可采用 JGMC-2路面横向力系数检测车进行数据采集，然后对数据进行统计与分析，得到路面抗滑性能指数(Pavement Skidding Resistance Index，SRI)，最后，结合这些指标，计算出路面技术状况指标(Pavement Maintenance Quality Index， PQI)，完成本次表面结构的病害状况的指标量化。
可以理解，此处所涉及的指标及其计算公式，为现有的规范内容，因此本申请在此不做具体说明，仅说明相关的数据来源的获取内容。
此外，与上述的三维地质雷达类似的，对于机器视觉模块采集的表面图像，本申请还可将传统的机器视觉模块配置为具有三维检测技术的机器视觉模块，则检测系统可通过机器视觉模块的三维视场路况检测技术，采集高速公路沥青路面的、三维图像形式的表面图像。
机器视觉模块，具体可包括三维采集设备、GPS定位、高清相机等组件，其三维检测技术，可自动完成路面全纵横断面损坏、路面平整度、路面车辙、路面跳车、路面磨耗等路况数据的连续采集，做到一台设备整合多项指标，大幅度降低成本。
若同时配置了三维地质雷达以及具有三维检测技术的机器视觉模块后，此时，则可通过三维数据分析和大数据智能识别技术，生成全信息三维道路病害地图场景，将路面整体、局部及细节信息直观呈现，便于从三维视角全面掌控路面病害状况，相对于传统的道路综合检测方案来说，其针对病害的识别率更高，检测结果更加准确，效率更高。
此外，在确定最终的高速公路沥青路面的病害状况时，还可引入评分机制，以评分的量化方式，反应病害严重程度。
此时，则可为内部病害状况以及表面病害状况两者，分配对应的权重，以调整其对于最终评分的影响程度，对应的，高速公路沥青路面状况的确定处理，可包括：
检测系统根据第二公式计算表征高速公路沥青路面状况的路面技术状况综合评定得分R，第二公式为：
R＝0.3*S+0.7*PQI。
可以理解，现有技术中一般是通过路面技术状况指标PQI反应高速公路沥青路面的病害状况，其是从道路的表面结构出发的，而本申请的路面技术状况综合评定得分R，则融合了路面表面技术状况指标PQI以及内部结构的各类隐性病害，其评价结果相对于规范中的PQI指标，能更加全面客观的反映高速公路路面的健康状况，方便道路管理单位全方面的掌握路面的健康状况，实现有针对性的开展道路养护。
此外，上述内容提及的是数据处理层面，而在实际操作中，对于初始数据的现场采集，本申请还可限定为，地质雷达以及机器视觉模块配置于检测车，检测车用于行驶至高速公路沥青路面，采集上述涉及的第二电磁波以及表面图像，可以理解，相比于单独的设备及其单独的工作，在配置于一检测车后，则可更好的展开现场的数据采集工作，甚至，对于高速公路沥青路面状况的检测系统而言，其系统的主体设备，可以直接配置在该检测车上，甚至可以直接为该检测车，从而具有更佳的实用性。
下面，则借助一实例，对上面的相关方案内容进行示例性说明。
对于检测路段的内部结构的病害检测
1.针对检测路段，开展三维地质雷达无损检测，然后对数据进行处理分析，并去除信号低频干扰与高噪声，得到道路内部结构的检测三维图像，通过对图像进行分析判断，识别道路内部的层间脱空、松散、破损、裂缝等病害，可依次参考图3、4、5、6分别示出的本申请内部病害状况的检测结果示意图，并计算检测路段的内部结构的各类病害的面积。
2.针对检测分析结果进行图像处理，其中还可结合人工统计，依据检测得出的道路结构内部的各类隐性病害，用上述提及的第一公式，计算出检测路段的内部健康状况指标S＝85.2。
针对检测路段的表面结构的病害检测
3.采用具有三维检测技术的机器视觉模块(例如多功能三维视场路况检测车)针对检测路段进行数据的采集，利用采集的高精度的路面三维检测数据建立路段表面结构的三维重构模型，其各类病害的模型可参考图7、8、9分别示出的本申请表面病害状况的检测结果示意图，其中还可辅助人工判断，最终得到路面裂缝、松散、拥抱、坑槽、车辙、沉陷等各类病害的具体数量及范围。
4.依据现行的《公路技术状况评定标准》(JTG 5210-2018)，计算出检测路段的路面的技术状况指标PQI＝91.5。
融合内部病害检测以及表面病害检测
5.结合得到的道路内部健康状况指标S、路面的技术状况指标PQI，依据公上述提及的第二公式，计算出检测路段的技术状况综合评定得分R＝89.6。
以上是本申请提供高速公路沥青路面状况的检测方法的介绍，为便于更好的实施本申请提供的高速公路沥青路面状况的检测方法，本申请还从功能模块角度提供了一种高速公路沥青路面状况的检测装置。
参阅图10，图10为本申请高速公路沥青路面状况的检测装置的一种结构示意图，在本申请中，高速公路沥青路面状况的检测装置1000具体可包括如下结构：
采集单元1001，用于通过地质雷达的发射天线向待检测的高速公路沥青路面发射第一电磁波，并通过地质雷达的接收天线接收高速公路沥青路面反射回来的第二电磁波；
生成单元1002，用于在第一电磁波以及第二电磁波反应的空间特征的基础上，生成高速公路沥青路面的内部结构模型；
确定单元1003，用于通过内部结构模型确定高速公路沥青路面的内部病害状况；
采集单元1001，还用于通过机器视觉模块采集高速公路沥青路面的表面图像；
确定单元1003，还用于在表面图像的基础上，通过图像识别处理，确定高速公路沥青路面的表面病害状况；
确定单元1003，还用于融合内部病害状况以及表面病害状况，确定高速公路沥青路面状况。
在一种示例性的实现方式中，确定单元1003，具体用于：
通过内部结构模型，分析得到高速公路沥青路面的内部裂缝，并确定内部裂缝的面积A1；
通过内部结构模型，分析得到高速公路沥青路面的破损病害面积A2、松散病害面积A3以及脱空病害面积A4；
通过第一公式计算表征内部病害状况的道路内部健康状况指标S，第一公式为：
Figure RE-GDA0003361897530000161
其中，A为高速公路沥青路面的总面积。
在又一种示例性的实现方式中，地质雷达具体为三维地质雷达，破损病害面积A2、松散病害面积A3以及脱空病害面积A4是基于三维地质雷达采集到的水平断面信息得到的。
在又一种示例性的实现方式中，确定单元1003，具体用于：
在表面图像的基础上，通过图像识别处理，建立路面重构模型；
根据路面重构模型确定高速公路沥青路面的表面病害，表面病害包括裂缝、松散、拥抱、坑槽、车辙以及沉陷；
根据表面病害的参数，计算路面损坏状况指数PCI、路面行驶质量指数 RQI、路面车辙深度指数RDI、路面跳车指数PBI、路面磨耗指数PWI、路面抗滑性能指数SRI；
根据路面损坏状况指数PCI、路面行驶质量指数RQI、路面车辙深度指数 RDI、路面跳车指数PBI、路面磨耗指数PWI、路面抗滑性能指数SRI，计算表征表面病害状况的路面技术状况指标PQI。
在又一种示例性的实现方式中，确定单元1003，具体用于：
根据第二公式计算表征高速公路沥青路面状况的路面技术状况综合评定得分R，第二公式为：
R＝0.3*S+0.7*PQI。
在又一种示例性的实现方式中，采集单元1001，具体用于：
通过机器视觉模块的三维视场路况检测技术，采集高速公路沥青路面的、三维图像形式的表面图像。
在又一种示例性的实现方式中，地质雷达以及机器视觉模块配置于检测车，检测车用于行驶至高速公路沥青路面，采集第二电磁波以及表面图像。
本申请还从硬件结构角度提供了一种高速公路沥青路面状况的检测系统，该检测系统是由处理设备组成的，或者直接为一处理设备，参阅图11，图11 示出了本申请处理设备的一种结构示意图，具体的，本申请处理设备可包括处理器1101、存储器1102以及输入输出设备1103，处理器1101用于执行存储器 1102中存储的计算机程序时实现如图1对应实施例中方法的各步骤；或者，处理器1101用于执行存储器1102中存储的计算机程序时实现如图10对应实施例中各单元的功能，存储器1102用于存储处理器1101执行上述图1对应实施例中方法所需的计算机程序。
示例性的，计算机程序可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器1102中，并由处理器1101执行，以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在计算机装置中的执行过程。
处理设备可包括，但不仅限于处理器1101、存储器1102、输入输出设备 1103。本领域技术人员可以理解，示意仅仅是处理设备的示例，并不构成对处理设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如处理设备还可以包括网络接入设备、总线等，处理器1101、存储器1102、输入输出设备1103等通过总线相连。
处理器1101可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列 (Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，处理器是处理设备的控制中心，利用各种接口和线路连接整个设备的各个部分。
存储器1102可用于存储计算机程序和/或模块，处理器1101通过运行或执行存储在存储器1102内的计算机程序和/或模块，以及调用存储在存储器1102 内的数据，实现计算机装置的各种功能。存储器1102可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据处理设备的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(SecureDigital， SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
处理器1101用于执行存储器1102中存储的计算机程序时，具体可实现以下功能：
通过地质雷达的发射天线向待检测的高速公路沥青路面发射第一电磁波，并通过地质雷达的接收天线接收高速公路沥青路面反射回来的第二电磁波；
在第一电磁波以及第二电磁波反应的空间特征的基础上，生成高速公路沥青路面的内部结构模型；
通过内部结构模型确定高速公路沥青路面的内部病害状况；
通过机器视觉模块采集高速公路沥青路面的表面图像；
在表面图像的基础上，通过图像识别处理，确定高速公路沥青路面的表面病害状况；
融合内部病害状况以及表面病害状况，确定高速公路沥青路面状况。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的高速公路沥青路面状况的检测装置、系统及其相应单元的具体工作过程，可以参考如图1对应实施例中高速公路沥青路面状况的检测方法的说明，具体在此不再赘述。
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
为此，本申请提供一种计算机可读存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本申请如图1对应实施例中高速公路沥青路面状况的检测方法的步骤，具体操作可参考如图1对应实施例中高速公路沥青路面状况的检测方法的说明，在此不再赘述。
其中，该计算机可读存储介质可以包括：只读存储器(Read Only Memory， ROM)、随机存取记忆体(Random Access Memory，RAM)、磁盘或光盘等。
由于该计算机可读存储介质中所存储的指令，可以执行本申请如图1对应实施例中高速公路沥青路面状况的检测方法的步骤，因此，可以实现本申请如图1对应实施例中高速公路沥青路面状况的检测方法所能实现的有益效果，详见前面的说明，在此不再赘述。
以上对本申请提供的高速公路沥青路面状况的检测方法、装置、系统以及计算机可读存储介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种高速公路沥青路面状况的检测方法，其特征在于，所述方法包括：
检测系统通过地质雷达的发射天线向待检测的高速公路沥青路面发射第一电磁波，并通过所述地质雷达的接收天线接收所述高速公路沥青路面反射回来的第二电磁波；
所述检测系统在所述第一电磁波以及所述第二电磁波反应的空间特征的基础上，生成所述高速公路沥青路面的内部结构模型；
所述检测系统通过所述内部结构模型确定所述高速公路沥青路面的内部病害状况；
所述检测系统通过机器视觉模块采集所述高速公路沥青路面的表面图像；
所述检测系统在所述表面图像的基础上，通过图像识别处理，确定所述高速公路沥青路面的表面病害状况；
所述检测系统融合所述内部病害状况以及所述表面病害状况，确定高速公路沥青路面状况。
2.根据权利要求1所述的方法，其特征在于，所述检测系统通过所述内部结构模型确定所述高速公路沥青路面的内部病害状况，包括：
所述检测系统通过所述内部结构模型，分析得到所述高速公路沥青路面的内部裂缝，并确定所述内部裂缝的面积A1；
所述检测系统通过所述内部结构模型，分析得到所述高速公路沥青路面的破损病害面积A2、松散病害面积A3以及脱空病害面积A4；
所述检测系统通过第一公式计算表征所述内部病害状况的道路内部健康状况指标S，所述第一公式为：
Figure FDA0003245526930000011
其中，A为所述高速公路沥青路面的总面积。
3.根据权利要求2所述的方法，其特征在于，所述地质雷达具体为三维地质雷达，所述破损病害面积A2、松散病害面积A3以及脱空病害面积A4是基于所述三维地质雷达采集到的水平断面信息得到的。
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述检测系统在所述表面图像的基础上，通过图像识别处理，确定所述高速公路沥青路面的表面病害状况，包括：
所述检测系统在所述表面图像的基础上，通过图像识别处理，建立路面重构模型；
所述检测系统根据所述路面重构模型确定所述高速公路沥青路面的表面病害，所述表面病害包括裂缝、松散、拥抱、坑槽、车辙以及沉陷；
所述检测系统根据所述表面病害的参数，计算路面损坏状况指数PCI、路面行驶质量指数RQI、路面车辙深度指数RDI、路面跳车指数PBI、路面磨耗指数PWI、路面抗滑性能指数SRI；
所述检测系统根据路面损坏状况指数PCI、路面行驶质量指数RQI、路面车辙深度指数RDI、路面跳车指数PBI、路面磨耗指数PWI、路面抗滑性能指数SRI，计算表征所述表面病害状况的路面技术状况指标PQI。
5.根据权利要求4所述的方法，其特征在于，所述检测系统融合所述内部病害状况以及所述表面病害状况，确定高速公路沥青路面状况，包括：
所述检测系统根据第二公式计算表征所述高速公路沥青路面状况的路面技术状况综合评定得分R，所述第二公式为：
R＝0.3*S+0.7*PQI。
6.根据权利要求1所述的方法，其特征在于，所述检测系统通过机器视觉模块采集所述高速公路沥青路面的表面图像，包括：
所述检测系统通过所述机器视觉模块的三维视场路况检测技术，采集所述高速公路沥青路面的、三维图像形式的所述表面图像。
7.根据权利要求1所述的方法，其特征在于，所述地质雷达以及所述机器视觉模块配置于检测车，所述检测车用于行驶至所述高速公路沥青路面，采集所述第二电磁波以及所述表面图像。
8.一种高速公路沥青路面状况的检测装置，其特征在于，所述装置包括：
采集单元，用于通过地质雷达的发射天线向待检测的高速公路沥青路面发射第一电磁波，并通过所述地质雷达的接收天线接收所述高速公路沥青路面反射回来的第二电磁波；
生成单元，用于在所述第一电磁波以及所述第二电磁波反应的空间特征的基础上，生成所述高速公路沥青路面的内部结构模型；
确定单元，用于通过所述内部结构模型确定所述高速公路沥青路面的内部病害状况；
采集单元，还用于通过机器视觉模块采集所述高速公路沥青路面的表面图像；
确定单元，还用于在所述表面图像的基础上，通过图像识别处理，确定所述高速公路沥青路面的表面病害状况；
确定单元，还用于融合所述内部病害状况以及所述表面病害状况，确定高速公路沥青路面状况。
9.一种高速公路沥青路面状况的检测系统，其特征在于，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器调用所述存储器中的计算机程序时执行如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1至7任一项所述的方法。
CN202111031798.2A 2021-09-03 2021-09-03 一种高速公路沥青路面状况的检测方法、装置以及系统 Pending CN113917451A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111031798.2A CN113917451A (zh) 2021-09-03 2021-09-03 一种高速公路沥青路面状况的检测方法、装置以及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111031798.2A CN113917451A (zh) 2021-09-03 2021-09-03 一种高速公路沥青路面状况的检测方法、装置以及系统

Publications (1)

Publication Number Publication Date
CN113917451A true CN113917451A (zh) 2022-01-11

Family

ID=79233903

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111031798.2A Pending CN113917451A (zh) 2021-09-03 2021-09-03 一种高速公路沥青路面状况的检测方法、装置以及系统

Country Status (1)

Country Link
CN (1) CN113917451A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115937289A (zh) * 2022-11-24 2023-04-07 深圳市城市交通规划设计研究中心股份有限公司 一种基于路面车辙病害三维重构的车辙深度计算方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115937289A (zh) * 2022-11-24 2023-04-07 深圳市城市交通规划设计研究中心股份有限公司 一种基于路面车辙病害三维重构的车辙深度计算方法
CN115937289B (zh) * 2022-11-24 2023-10-20 深圳市城市交通规划设计研究中心股份有限公司 一种基于路面车辙病害三维重构的车辙深度计算方法

Similar Documents

Publication Publication Date Title
Peraka et al. Pavement asset management systems and technologies: A review
Li et al. Integrated processing of image and GPR data for automated pothole detection
Tong et al. Innovative method for recognizing subgrade defects based on a convolutional neural network
Radopoulou et al. Patch detection for pavement assessment
Tran et al. One stage detector (RetinaNet)-based crack detection for asphalt pavements considering pavement distresses and surface objects
Koch et al. Pothole detection in asphalt pavement images
Edmondson et al. Improved non-contact 3D field and processing techniques to achieve macrotexture characterisation of pavements
CN113256562B (zh) 基于雷达图像和人工智能的道路地下隐患检测方法和系统
CN101571997A (zh) 多源交通信息融合处理方法及其装置
Li et al. Deep learning-based pavement subsurface distress detection via ground penetrating radar data
Fontul et al. Railway track condition assessment at network level by frequency domain analysis of GPR data
Benmhahe et al. Automated pavement distress detection, classification and measurement: A review
Wang et al. Framework and implementation of a continuous network-wide health monitoring system for roadways
JP2021026353A (ja) 路面性状調査システム、路面性状調査方法、及び路面性状調査プログラム
Mettas et al. Monitoring asphalt pavement damages using remote sensing techniques
CN113917451A (zh) 一种高速公路沥青路面状况的检测方法、装置以及系统
Ravi et al. Highway and airport runway pavement inspection using mobile lidar
Matlack et al. Measuring surface texture of in-service asphalt pavement: Evaluation of two proposed hand-portable methods
Guerrieri et al. Flexible and stone pavements distress detection and measurement by deep learning and low-cost detection devices
Gui et al. Object-based crack detection and attribute extraction from laser-scanning 3D profile data
Syed et al. Pothole detection under diverse conditions using object detection models
Zhang et al. Extracting pavement surface distress conditions based on high spatial resolution multispectral digital aerial photography
Radopoulou et al. Patch distress detection in asphalt pavement images
McNeil et al. Evaluation of errors in automated pavement-distress data acquisition
Rajab et al. Application of image processing to measure road distresses

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination