详情

原文传递一种道路状况综合评价方法、电子设备及存储介质

专利名称：	一种道路状况综合评价方法、电子设备及存储介质
摘要：	一种道路状况综合评价方法、电子设备及存储介质，属于道路评价技术领域。为解决综合考虑道路表面状况与道路内部状况进行道路状况评价。本发明采集路面病害图像，对采集的路面病害图像利用UNet深度学习网络结构进行路面病害的识别及路面病害尺寸数据的提取，基于提取的路面病害尺寸数据计算路面损坏状况指数；采集探地雷达脱空病害图像，进行脱空病害图像融合，构建道路内部脱空病害识别卷积神经网络模型，将融合时域信息、频域信息的脱空病害图像利用得到的道路内部脱空病害识别卷积神经网络模型进行病害识别，计算道路内部脱空区域参数；构建道路状况综合评价指标；进行道路状况综合评价。本发明指标更加综合、指导做出更加合理的决策方案。
专利类型：	发明专利
国家地区组织代码：	广东;44
申请人：	深圳市城市交通规划设计研究中心股份有限公司
发明人：	贾磊;孟安鑫;吴国华;安茹;吴成龙
专利状态：	有效
申请日期：	2023-10-17T00:00:00+0800
发布日期：	2023-11-17T00:00:00+0800
申请号：	CN202311336756.9
公开号：	CN117079145A
代理机构：	哈尔滨市伟晨专利代理事务所(普通合伙)
代理人：	李晓敏
分类号：	G06V20/10;G06V10/80;G06V10/422;G06V10/52;G06V10/774;G06V10/776;G06V10/82;G06T7/00;G06T7/62;G06N3/0464;G06N3/0455;G06N3/048;G06N3/084;G01S7/41;G01V3/12;G01V3/38;G;G06;G06V;G06T;G06N;G06V20;G06V10;G06T7;G06N3;G06V20/10;G06V10/80;G06V10/422;G06V10/52;G06V10/774;G06V10/776;G06V10/82;G06T7/00;G06T7/62;G06N3/0464
申请人地址：	518131 广东省深圳市龙华区民治街道龙塘社区星河传奇花园三期商厦1栋C座1210
主权项：	1.一种道路状况综合评价方法，其特征在于，包括如下步骤： S1、采集路面病害图像，对采集的路面病害图像利用UNet深度学习网络结构进行路面病害的识别及路面病害尺寸数据的提取，然后基于提取的路面病害尺寸数据计算路面损坏状况指数； S2、采集探地雷达脱空病害图像，进行脱空病害图像融合，构建道路内部脱空病害识别卷积神经网络模型，然后将融合时域信息、频域信息的脱空病害图像利用得到的道路内部脱空病害识别卷积神经网络模型进行病害识别，并计算道路内部脱空区域参数； S3、基于步骤S1得到的路面损坏状况指数、步骤S2得到的道路内部脱空区域参数，构建道路状况综合评价指标； S4、基于步骤S1-步骤S3的方法计算全部道路的道路状况综合评价指标，进行道路状况综合评价。 2.根据权利要求1所述的一种道路状况综合评价方法，其特征在于，步骤S1的具体实现方法包括如下步骤： S1.1、采用车载相机拍摄的方式，拍摄道路图像，选取20000张路面病害图像，构建路面病害图像数据集；路面病害包括龟裂、块状裂缝、纵向裂缝、横向裂缝、沉陷、车辙、波浪拥包、坑槽、松散、泛油、修补； S1.2、采用标注软件labelimg对路面病害图像数据集的图像进行标记，将路面病害图像数据集划分为训练集、验证集、测试集，其中，训练集12000张图像、验证集4000张图像、测试集4000张图像； S1.3、构建UNet深度学习网络结构： S1.3.1、设置UNet深度学习网络结构由编码器和解码器组成，编码器包括4个下采样模块，每个下采样模块包括两个3×3的卷积层、1个ReLU激活函数、1个2×2的池化层；解码器包括4个上采样模块，每个上采样模块包括1个上采样的卷积层、特征拼接concat、2个3×3的卷积层、1个ReLU激活函数，图像先通过编码器，后通过解码器，图像尺寸为572×572； S1.3.2、将步骤S1.2标记后的数据集输入到S1.3.1建立的UNet深度学习网络结构中，通过误差反向传播方法，计算神经网络单元的权重和偏置，完成UNet深度学习网络结构的训练，得到UNet深度学习网络结构M； S1.3.3、构建权重矩阵，计算全部神经元对应的权重，权重矩阵D的计算表达式为：；其中，m为第mi个神经网络层，O为神经网络的总层数，j为当前层的第j个神经元，k为下一层的第k个神经元，E为神经元之间的权重值；计算得到全部神经元的权重值，并按照从大到小的顺序进行排列，设置神经元保留率为F，删除率为1-F，得到新的Unet深度学习网络模型； S1.3.4、将步骤S1.2标记后的数据集输入到步骤S1.3.3得到的新的Unet深度学习网络模型，通过误差反向传播算法，计算神经网络单元的权重和偏置，直至新的Unet深度学习网络模型的压缩率为M的50%，完成新的Unet深度学习网络模型的训练； S1.3.5、采用步骤S1.3.4的新的Unet深度学习网络模型，进行路面病害的识别及路面病害区域数据提取，路面病害区域数据包括：路面病害在图像中的位置、路面病害的轮廓、路面病害的实体区域； S1.4、采用张正友标定方法，确定图像像素数据与路面病害实际尺寸的换算关系： S1.4.1、制作黑白棋盘格，用相机对黑白棋盘格进行不同角度的拍摄，拍摄图像为30张； S1.4.2、对步骤S1.4.1拍摄的图像中的标定板角点进行检测，得到标定板角点的像素坐标值，根据已知的棋盘格大小和世界坐标系原点，计算得到标定板角点的物理坐标值； S1.4.3、求解步骤S1.4.1拍摄的每张图像对应的相机内参矩阵和外参矩阵：首先建立相机成像模型为：；其中，Z为尺度因子，(u，v)为图像中任意一点在像素坐标系下的像素坐标，(U,V,W)为图像中任意一点在世界坐标系下的世界坐标，AA为内参矩阵，BB为外参矩阵；建立多组像素坐标与世界坐标的关系，求得内参矩阵AA和外参矩阵AA，建立路面病害的道路图像像素数据与路面病害实际尺寸的换算关系； S1.5、基于步骤S1.1-S1.4得到路面病害类型和尺寸信息后，计算路面损坏状况指数PCI，计算表达式为：；；其中，为路面损坏率，/>为第ni类路面损坏的面积；/>为调查的路面面积，/>为第ni类路面损坏的权重，/>为线性调节系数，/>为指数调节系数，/>为损坏类型总数。 3.根据权利要求1或2所述的一种道路状况综合评价方法，其特征在于，步骤S2的具体实现方法包括如下步骤： S2.1、采集探地雷达脱空病害图像，进行脱空病害图像融合： S2.1.1、将探地雷达采集到的脱空病害图像通过小波变换的方式，提取到脱空病害图像的频率信息，计算表达式为：；其中，为原始脱空病害图像，/>为小波基函数，/>为小波变换后的频域脱空病害图像，m和n分别为脱空病害图像的宽度和高度，N为脱空病害图像的大小，N=m×n；g和h为脱空病害图像的尺度和平移参数；然后进行信息融合，得到包含时域信息和频域信息的图像， S2.1.2、融合原始脱空病害图像和小波变换后的频域脱空病害图像/>，计算表达式为：；其中，为原始脱空病害图像所占权重，/>为小波变换后的频域脱空病害图像所占权重，/>为融合时域信息、频域信息的脱空病害图像； S2.2、构建道路内部脱空病害识别卷积神经网络模型； S2.2.1、基于融合时域信息、频域信息的脱空病害图像建立道路内部病害数据集：采用LabelImg软件，使用矩形框标记融合时域信息、频域信息的脱空病害图像中的病害并标注病害类别，保存标注文件的命名与融合时域信息、频域信息的脱空病害图像的命名一致，得到道路内部病害数据集； S2.2.2、将步骤S2.2.1得到的道路内部病害数据集按照6:2:2的比例，随机分为训练集、验证集、测试集； S2.2.3、将步骤S2.2.2得到的训练集、验证集、测试集，输入到卷积神经网络中进行训练、验证和测试，输出卷积神经网络模型的模型参数，包括网络层数、各层神经元节点数量、学习率、权重、偏置、激活函数、损失函数、卷积核，得到道路内部脱空病害识别卷积神经网络模型； S2.3、采集道路内部图像，利用得到的道路内部脱空病害识别卷积神经网络模型进行病害识别，并计算道路内部脱空区域参数； S2.3.1、采用探地雷达采集道路内部图像，将采集的道路内部图像利用步骤S2.2得到的道路内部脱空病害识别卷积神经网络模型进行病害识别，得到病害道路内部图像； S2.3.2、采用钻机钻探步骤S2.3.1得到病害道路内部图像的病害道路，得到道路脱空区域； S2.3.3、将内窥镜深入道路脱空区域，通过内窥镜显示器确定道路脱空区域的顶板位置和底板位置，测量顶板位置和底板位置的距离，为道路脱空区域高度； S2.3.4、然后向步骤S2.3.2得到的道路脱空区域中注水，直至注满水，并记录注水的体积为道路脱空区域体积； S2.3.5、计算道路脱空区域面积，计算表达式为：。 4.根据权利要求3所述的一种道路状况综合评价方法，其特征在于，步骤S3的具体实现方法包括如下步骤： S3.1、构建道路状况综合评价指标NPCI，计算表达式为：；其中，为道路内部空洞相对于路面病害的重要程度，VR为道路内部脱空损坏率，/>为道路内部脱空损坏率的调整系数；的计算表达式为：；其中，为道路内部空洞相对于路面病害的权重值； S3.2、道路内部空洞相对于路面病害的权重值通过专家打分的方式获取，选取N名专家进行的打分，将打分结果按照从大到小的顺序排序，删除前六分之一和后六分之一的数值，剩余打分结果取平均值为道路内部空洞相对于路面病害的权重值；道路内部脱空损坏率的计算表达式为：；其中，VV为路面调查体积，为路面脱空区域的数量；道路内部脱空损坏率的调整系数通过专家打分的方式获取，选取N名专家进行的打分，将打分结果按照从大到小的顺序排序，删除前六分之一和后六分之一的数值，剩余打分结果取平均值为道路内部脱空损坏率的调整系数； S3.3、最终得到道路状况综合评价指标的计算表达式为：。 5.根据权利要求4所述的一种道路状况综合评价方法，其特征在于，步骤S4将全部道路对应的道路状况综合评价指标进行从大到小的顺序排序，排名最后的为路面病害和道路内部病害综合严重程度最大的道路。 6.电子设备，其特征在于，包括存储器和处理器，存储器存储有计算机程序，所述的处理器执行所述计算机程序时实现权利要求1-5任一项所述的一种道路状况综合评价方法的步骤。 7.计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-5任一项所述的一种道路状况综合评价方法。
所属类别：	发明专利