CN114994054B - 路表纹理平均构造深度与平均断面深度关系的确定方法 - Google Patents

路表纹理平均构造深度与平均断面深度关系的确定方法 Download PDF

Info

Publication number
CN114994054B
CN114994054B CN202210581542.7A CN202210581542A CN114994054B CN 114994054 B CN114994054 B CN 114994054B CN 202210581542 A CN202210581542 A CN 202210581542A CN 114994054 B CN114994054 B CN 114994054B
Authority
CN
China
Prior art keywords
depth
average
mtd
mpd
surface texture
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.)
Active
Application number
CN202210581542.7A
Other languages
English (en)
Other versions
CN114994054A (zh
Inventor
肖神清
谭忆秋
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.)
Harbin Institute of Technology
Original Assignee
Harbin Institute of Technology
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 Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CN202210581542.7A priority Critical patent/CN114994054B/zh
Publication of CN114994054A publication Critical patent/CN114994054A/zh
Application granted granted Critical
Publication of CN114994054B publication Critical patent/CN114994054B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G01N2021/8893—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 providing a video image and a processed signal for helping visual decision

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Road Repair (AREA)

Abstract

路表纹理平均构造深度与平均断面深度关系的确定方法，涉及道路工程技术领域。本发明是为了解决目前获取平均构造深度和平均断面深度关系的方法还存在参数模型缺乏物理意义导致参数模型无法用于自动化测试评价指标标准设计的问题。本发明包括：获取沥青混合料断层灰度图像，并对断层灰度图像分割，获得沥青混合料表面纹理轮廓L1和L2；利用L1和L2围成的迂曲面积获取表面纹理迂曲部分的等效构造深度ε；获取不同类型和压实状况的混合料表面纹理迂曲部分的效深度，采用Weibull概率密度分布函数统计拟合不同等效平均深度区间概率，获得概率曲线峰值对应的纹理深度，获取平均构造深度和平均断面深度的关系。本发明用于提供路表纹理自动化测试评价指标设计范围。

Description

路表纹理平均构造深度与平均断面深度关系的确定方法
技术领域
本发明涉及道路工程技术领域，特别涉及路表纹理平均构造深度与平均断面深度关系的确定方法。
背景技术
路表纹理构造深度与路面抗滑功能关系密切，它是路面抗滑性能水平的一种间接体现。目前，《公路沥青路面设计规范》对路面交工验收时的抗滑性能评价指标横向摩擦力系数及路面平均构造深度(Mean Texture Depth,MTD)提出了相应的要求。其中，横向摩擦力系数为路面抗滑性能的直接评价指标，一般采用接触式的检测车，该方法费用较高且功能单一；路面纹理深度评价指标为抗滑性能间接评价指标，一般采用铺砂法测试，该方法为体积测试方法，效率较低，需要封闭交通，且对路面也有一定污染性。随着测试技术的发展，自动化快速测试逐渐成为热点，路面技术状况自动化测试应运而生。相比之下，采用激光视觉法测试路表纹理具有非接触式、自动化、效率高的特点，对交通影响较小，并且测试的纹理数据还可以用于磨损、噪声等功能的评价，具有“一测多用”的效用。路面技术状况测试规范中，采用平均断面深度(Mean Profile Depth,MPD)作为常用的评价指标，然而，目前在路面设计规范中缺乏平均断面深度的设计标准。尽管MTD和MPD均反映的是路表纹理的粗糙程度，但目前沥青路面设计规范中缺乏平均断面深度MPD的设计标准。因此，有必要探究两评价指标的关系，以实现路面纹理自动化检测技术替代传统的铺砂测试法的转型。
目前国内外学者对路面平均构造深度和平均断面深度开展了一定的研究。为了确定两评价指标关系模型(MTD＝a*MPD+b)中的系数a和b，一般采用的方法是：分别通过铺砂法和激光法测试得到上述两纹理深度评价指标，然后对两者测试结果线性拟合分析。然而，这样的分析方法导致得到的线性关系模型存在一定差异，模型参数仅具有统计数学意义，而缺乏相应的物理意义，从而导致目前的模型无法用于自动化测试评价指标标准设计。
发明内容
本发明目的是为了解决目前平均构造深度和平均断面深度关系模型参数缺乏物理意义，导致模型无法用于自动化测试评价指标标准设计的问题，而提出了路表纹理平均构造深度与平均断面深度关系的确定方法。
路表纹理平均构造深度与平均断面深度关系的确定方法具体过程为：
步骤一、获取待测沥青混合料的断层灰度图像，并对断层灰度图像进行阈值分割，获得沥青混合料的表面纹理轮廓L1和L2；
其中，L1是通过阈值分割提取的混合料表面纹理真实轮廓；L2是通过直射式虚拟扫描方法提取的表面纹理虚拟扫描轮廓；
步骤二、利用表面纹理轮廓L1和L2获取平均构造深度和平均断面深度的线性关系模型MTD＝MPD+ε；
其中，ε为表面纹理迂曲部分的等效构造深度，MTD是平均构造深度，MPD是平均断面深度；
步骤三、利用L1和L2获取步骤二获得的平均构造深度和平均断面深度的线性关系模型中的表面纹理等效构造深度ε；
步骤四、重复执行步骤一到三获取多张不同混合料类型以及不同压实状况下的待测混合料表面纹理迂曲部分的等效深度，采用Weibull概率密度分布函数统计拟合不同等效平均深度区间的概率，获得概率曲线峰值对应的纹理深度ε’，从而获取平均构造深度MTD和平均断面深度MPD的关系，如下：
MTD＝MPD+ε’。
本发明的有益效果为：
本发明统一了(激光)视觉法测试的路表纹理两评价指标等效的先决条件，确定了路表纹理体积测试法与视觉测试法评价指标之间的相关系数，统计分析了线性关系模型中截距的概率分布，并明晰了模型参数的物理意义，使模型能用于自动化测试评价指标标准设计。本发明为路面纹理自动化检测评价指标的标准设计提供了重要理论依据，据此可以实现自动化测试评价指标有效替代传统低效的人工测试评价指标。
附图说明
图1为混合料表面CT扫描图像；
图2为混合料表面二值化图像；
图3为表面纹理L1和L2虚拟扫描示意图；
图4为表面纹理L1和L2曲线对比图；
图5为MPD计算原理图；
图6为MTD计算原理图；
图7为L1和L2围成的迂曲部分示意图；
图8为迂曲部分等效深度的概率分布及Weibull函数拟合结果曲线图。
具体实施方式
具体实施方式一：本实施方式及路表纹理平均构造深度与平均断面深度关系的确定方法具体过程为：
步骤一、利用X-ray CT获取沥青混合料试件的断层灰度图像，并对断层灰度图像进行阈值分割，获得混合料表面纹理轮廓L1和L2：
步骤一一、利用X-ray CT获取沥青混合料试件的断层灰度图像，并将断层灰度图像转化为数字灰度矩阵，并获取数字灰度矩阵对应的图像灰度直方图，利用断层灰度图像中空隙对应的图像灰度直方图对应的灰度峰值对断层灰度图像进行阈值分割获得二值图像，所得二值图中黑色像素为空隙部分、白色像素为混合料其余部分；
所述阈值分割即为对图像进行二值化；
步骤一二、在步骤一一获得的二值图像中提取混合料表面的黑白像素区域的界限，得到混合料表面纹理真实轮廓L1；
步骤一三、采用直射式虚拟扫描方法提取步骤一一获得的二值图像中竖直方向首次出现白色像素的位置，然后在水平方向遍历获取表面纹理虚拟扫描轮廓L2。
步骤二、利用表面纹理轮廓L1和L2获取平均构造深度和平均断面深度的线性关系模型MTD＝MPD+ε，包括以下步骤：
步骤二一、获取表面纹理轮廓L2的平均构造深度MTDL和平均断面深度MPD：
Figure BDA0003664034980000031
Figure BDA0003664034980000032
其中，h0为纹理参考基准线高程；hi为L2上各离散点的高程；Δl为离散数据点之间的间距；n为离散点的数量，i是L2上的离散点标号，hmax1和hmax2分别为表面纹理前后两段等长区间内的高程峰值；H0为纹理的高程均值。
步骤二二、令h0等于前后两段峰值的均值
Figure BDA0003664034980000033
则上述两指标计算结果完全等效，得到如下关系：
MTDL＝MPD (3)
步骤二三、获取表面纹理真实轮廓L1与
Figure BDA0003664034980000034
围成区域的平均构造深度MTD：
Figure BDA0003664034980000035
式中，S为L1和
Figure BDA0003664034980000036
曲线围成迂曲部分的面积，L为沥青混合料试件的断层灰度图像的长度，单位为像素。
步骤二四、根据步骤二三获得的MTD和步骤二二获得的MTDL和MPD的关系获取新的MTD和MPD之间的关系：
MTD＝MTDL+ε＝MPD+ε (5)
其中，ε为表面纹理迂曲部分的等效构造深度。
步骤二五、将步骤二四获得的MTD和MPD之间的关系代入指标关系模型MTD＝a*MPD+b中，获得相关系数a＝1和截距b＝ε；
步骤二六、将步骤二五获得的相关系数a和截距b代入指标关系模型MTD＝a*MPD+b中，获得平均构造深度和平均断面深度的线性关系模型：MTD＝MPD+ε。
步骤三、利用表面纹理轮廓L1和L2获取步骤二获得的平均构造深度和平均断面深度的线性关系模型中的表面纹理迂曲部分的等效构造深度ε：
Figure BDA0003664034980000041
其中，E为用L1和L2围成迂曲部分的面积。
步骤四、重复执行步骤一到三获取多张不同混合料类型以及不同压实状况下的待测混合料表面纹理迂曲部分的等效深度，采用Weibull概率密度分布函数统计拟合不同等效平均深度区间的概率，获得概率曲线峰值对应的纹理深度ε’，从而获取平均构造深度MTD和平均断面深度MPD的关系，如下：
MTD＝MPD+ε’。
实施例：采用如下试验验证本发明的有益效果：
步骤一、借助X-ray CT获取沥青混合料试件的断层灰度图像，本实施例中试件长、宽、高尺寸分别为70mm*70mm*50mm，其中断层灰度图像如图1所示，图像分辨率为20像素/mm；将灰度图像转化为数字灰度矩阵，根据图像灰度直方图，选择空隙对应的灰度峰值对图像进行阈值分割，所得二值图中黑色像素为空隙部分、白色像素为混合料其余部分，如图2所示(图2为横截面图像，表面纹理为图中箭头指向的曲线)。
步骤二、从二值图像中提取混合料表面的黑白像素区域的界限，得到混合料表面纹理轮廓L1。在上述二值图中，通过直射式虚拟扫描方法，即提取竖直方向首次出现白色像素的位置，遍历水平方向获取表面纹理轮廓L2，如图3、图4所示。
步骤三、确定两评价指标的线性关系模型。具体包括：
步骤三一、根据平均构造深度和平均断面深度的计算原理，如图5、图6所示，根据具体实施方式中的公式计算纹理轮廓L2的平均构造深度MTDL和平均断面深度MPD：
平均构造深度为表面纹理与参考基准线所围成面积在评价长度上的平均深度；
平均断面深度为表面纹理前后两段等长纹理轮廓峰值的均值相对高程均值的深度；
步骤三二、令h0等于前后两段峰值的均值
Figure BDA0003664034980000051
则上述两指标计算结果完全等效，得到如下关系：
MTDL＝MPD
步骤三三、由于表面纹理轮廓L1包含了迂曲部分，采用如下计算公式计算L1的平均构造深度MTD，
Figure BDA0003664034980000052
式中，S为纹理轮廓与参考高程线围成的面积，L为评价的纹理长度即断面灰度图像的长度。
步骤三四、根据两种纹理轮廓区域，如图7所示，路表纹理L1与参考高程线围成的面积S可由L2与参考高程线围成的面积和迂曲部分面积叠加而成，因此，可得到路表纹理深度之间如下的数学几何关系：
MTD＝MTDL+ε＝MPD+ε
式中，确定了MTD和MPD关系模型的线性相关系数a＝1；ε为表面纹理迂曲部分的等效构造深度，其大小等于关系模型中的截距b。
步骤四、通过纹理L1和L2围成迂曲部分的面积，计算得到表面纹理迂曲部分的等效构造深度：
Figure BDA0003664034980000053
式中，E为两纹理曲线围成迂曲部分的面积。
步骤五、按照上述步骤一到四的所述方法，计算了多张不同混合料类型(AC-10/13/16、SMA-10/13/16、OGFC-10/13/16)以及不同压实状况下的混合料表面纹理迂曲部分的等效深度。统计拟合不同等效平均深度区间的概率，采用Weibull概率密度分布函数进行拟合，如图8所示，得到概率曲线峰值对应的纹理深度为0.16mm。因此，确定MTD和MPD两评价指标之间的关系为：
MTD＝MPD+0.16
步骤六、利用步骤五所确定关系，结合《公路沥青路面设计规范》(JTG D50-2017)中抗滑技术要求，即可通过MTD范围确定MPD的范围。如，设计规范要求年平均降雨量大于1000mm的高速公路交工验收时构造深度MTD大于0.55mm，对应地要求平均断面深度MPD大于0.39mm。

Claims (5)

1.路表纹理平均构造深度与平均断面深度关系的确定方法，其特征在于所述方法具体过程为：
步骤一、获取待测沥青混合料的断层灰度图像，并对断层灰度图像进行阈值分割，获得沥青混合料的表面纹理轮廓L1和L2；
其中，L1是通过阈值分割提取的混合料表面纹理真实轮廓；L2是通过直射式虚拟扫描方法提取的表面纹理虚拟扫描轮廓；
所述获取待测沥青混合料的断层灰度图像，并对断层灰度图像进行阈值分割，获得沥青混合料的表面纹理轮廓L1和L2，包括以下步骤：
步骤一一、利用X-ray CT获取沥青混合料试件的断层灰度图像，并将断层灰度图像转化为数字灰度矩阵，并获取数字灰度矩阵对应的图像灰度直方图，利用断层灰度图像中空隙对应图像灰度直方图的灰度峰值对断层灰度图像进行阈值分割获得二值图像，所得二值图中黑色像素为空隙部分、白色像素为混合料其余部分；
步骤一二、在步骤一一获得的二值图像中提取混合料表面的黑白像素区域的界限，得到混合料表面纹理真实轮廓L1；
步骤一三、采用直射式虚拟扫描方法提取步骤一一获得的二值图像中竖直方向首次出现白色像素的位置，然后在水平方向遍历获取表面纹理虚拟扫描轮廓L2；
步骤二、利用表面纹理轮廓L1和L2获取平均构造深度和平均断面深度的线性关系模型MTD＝MPD+ε；
其中，ε为表面纹理迂曲部分的等效构造深度，MTD是平均构造深度，MPD是平均断面深度；
所述利用表面纹理轮廓L1和L2获取平均构造深度和平均断面深度的线性关系模型MTD＝MPD+ε，包括以下步骤：
步骤二一、获取表面纹理轮廓L2的平均构造深度MTDL和平均断面深度MPD；
步骤二二、令
Figure FDA0004218990230000011
获取MTDL和MPD的关系，如下式：
MTDL＝MPD
其中，h0为纹理参考基准线高程，hmax1和hmax2分别为表面纹理前后两段等长区间内的高程峰值；
步骤二三、获取L1与
Figure FDA0004218990230000012
围成区域的平均构造深度MTD，如下式：
Figure FDA0004218990230000021
式中，S为L1和
Figure FDA0004218990230000022
曲线围成迂曲部分的面积，L为沥青混合料试件的断层灰度图像的长度；
步骤二四、根据步骤二三获得的MTD与步骤二二获得的MTDL和MPD的关系获取MTD和MPD之间的关系，如下式：
MTD＝MTDL+ε＝MPD+ε
其中，ε为表面纹理迂曲部分的等效构造深度；
步骤二五、将步骤二四获得的MTD和MPD之间的关系代入指标关系模型MTD＝a*MPD+b中，获得相关系数a和截距b；
步骤二六、将步骤二五获得的相关系数a和截距b代入指标关系模型MTD＝a*MPD+b中，获得平均构造深度和平均断面深度的线性关系模型：MTD＝MPD+ε；
步骤三、利用L1和L2获取步骤二获得的平均构造深度和平均断面深度的线性关系模型中的表面纹理等效构造深度ε；
步骤四、重复执行步骤一到三获取多张不同混合料类型以及不同压实状况下的待测混合料表面纹理迂曲部分的等效深度，采用Weibull概率密度分布函数统计拟合不同等效平均深度区间的概率，获得概率曲线峰值对应的纹理深度ε’，从而获取平均构造深度MTD和平均断面深度MPD的关系，如下：
MTD＝MPD+ε’。
2.根据权利要求1所述的路表纹理平均构造深度与平均断面深度关系的确定方法，其特征在于：
Figure FDA0004218990230000023
其中，hi为L2上各离散点的高程；n为离散点的数量，i是L2上的离散点标号，H0为纹理的高程均值。
3.根据权利要求2所述的路表纹理平均构造深度与平均断面深度关系的确定方法，其特征在于：
Figure FDA0004218990230000024
其中，Δl为L2上离散数据点之间的间距。
4.根据权利要求3所述的路表纹理平均构造深度与平均断面深度关系的确定方法，其特征在于：所述步骤二五中的将步骤二四获得的MTD和MPD之间的关系代入指标关系模型MTD＝a*MPD+b中，获得相关系数a和截距b如下：a＝1，b＝ε。
5.根据权利要求4所述的路表纹理平均构造深度与平均断面深度关系的确定方法，其特征在于：所述步骤三中的利用L1和L2获取步骤二获得的平均构造深度和平均断面深度的线性关系模型中的表面纹理迂曲部分的等效构造深度ε，如下式：
Figure FDA0004218990230000031
其中，E为用L1和L2围成迂曲部分的面积。
CN202210581542.7A 2022-05-26 2022-05-26 路表纹理平均构造深度与平均断面深度关系的确定方法 Active CN114994054B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210581542.7A CN114994054B (zh) 2022-05-26 2022-05-26 路表纹理平均构造深度与平均断面深度关系的确定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210581542.7A CN114994054B (zh) 2022-05-26 2022-05-26 路表纹理平均构造深度与平均断面深度关系的确定方法

Publications (2)

Publication Number Publication Date
CN114994054A CN114994054A (zh) 2022-09-02
CN114994054B true CN114994054B (zh) 2023-06-20

Family

ID=83028989

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210581542.7A Active CN114994054B (zh) 2022-05-26 2022-05-26 路表纹理平均构造深度与平均断面深度关系的确定方法

Country Status (1)

Country Link
CN (1) CN114994054B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117218089B (zh) * 2023-09-18 2024-04-19 中南大学 一种沥青路面构造深度检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104897676A (zh) * 2015-06-15 2015-09-09 东南大学 一种路表纹理的表征方法
CN112927366A (zh) * 2021-05-10 2021-06-08 中南大学 一种沥青路面构造深度测量方法
CN114441436A (zh) * 2021-12-20 2022-05-06 中国公路工程咨询集团有限公司 一种基于路面纹理评价抗滑性能的分析方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11645769B2 (en) * 2020-03-14 2023-05-09 Purdue Research Foundation Pavement macrotexture determination using multi-view smartphone images

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104897676A (zh) * 2015-06-15 2015-09-09 东南大学 一种路表纹理的表征方法
CN112927366A (zh) * 2021-05-10 2021-06-08 中南大学 一种沥青路面构造深度测量方法
CN114441436A (zh) * 2021-12-20 2022-05-06 中国公路工程咨询集团有限公司 一种基于路面纹理评价抗滑性能的分析方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
《路面抗滑性能检测与预估方法综述》;谭忆秋等;《交通运输工程学报》;第21卷(第4期);第32-47页 *
A study on the relationship between mean texture depth and mean profile depth of asphalt pavements;F.G. Praticò等;《Construction and Building Materials》;第101卷;第72-79页 *
Spatiotemporal evolution analysis of pavement texture depth on RIOH track using statistical and rescaled range approaches;Shenqing Xiao等;《Construction and Building Materials》;第338卷;第127560（1-9）页 *
基于沥青路面静动态抗滑特性分析的激光视觉有效构造深度测量算法;张海鸥;《中国优秀硕士学位论文全文数据库 信息科技辑》(第01期);全文 *

Also Published As

Publication number Publication date
CN114994054A (zh) 2022-09-02

Similar Documents

Publication Publication Date Title
Liu et al. Automatic pixel-level detection of vertical cracks in asphalt pavement based on GPR investigation and improved mask R-CNN
CN114994054B (zh) 路表纹理平均构造深度与平均断面深度关系的确定方法
CN117237368A (zh) 一种桥梁裂缝检测方法及系统
CN105445160A (zh) 一种沥青混合料的空隙特征及其提取方法
CN112964712A (zh) 一种快速检测沥青路面状态的方法
CN115100221A (zh) 一种玻璃缺陷分割方法
Zhang et al. Efficient system of cracking-detection algorithms with 1-mm 3D-surface models and performance measures
CN111767874B (zh) 一种基于深度学习的路面病害检测方法
CN107288016A (zh) 一种基于三维激光检测技术的沥青路面铣刨质量评价方法
CN103292749A (zh) 运用数字图像处理技术检测路表宏观构造分布状态的方法
CN115017979B (zh) 一种半刚性基层沥青路面的路面状况评价方法
CN105654495A (zh) 汽车刹车盘内部缺陷的检测方法
Chen et al. Improved image unevenness reduction and thresholding methods for effective asphalt X-ray CT image segmentation
CN116596911A (zh) 一种水下平面型结构体声呐图像裂缝量化方法
Ding et al. Line-structured light rut detection of asphalt pavement with pavement markings interference under strong light
CN117132508B (zh) 基于gis+bim技术的数字孪生数据驱动方法及系统
CN118241529A (zh) 一种智能道路平整度测试方法
CN113850914A (zh) 一种线激光三维扫描点云数据的矩阵换方法
CN117634684A (zh) 基于gis空间分析的城市轨道交通环境振动影响预测方法及系统
CN114034617B (zh) 一种沥青混合料三维空隙连通性的表征和评价方法
Safaei Pixel and region-based image processing algorithms for detection and classification of pavement cracks
CN113538383B (zh) 一种基于三维激光的同步碎石封层剥落识别方法
Hui et al. Identification and evaluation of spalling aggregate in chip seals in three dimensions
CN108535292B (zh) 一种高铁路基填料中细粒土掺量上限的确定方法
CN111583362A (zh) 一种沥青路面病害状况检测的可视化记录方法

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
GR01 Patent grant
GR01 Patent grant