基于深度学习和虚拟模型的路面全域伤损状态自动化感知

摘要

路面全域伤损的有效感知是全面、系统地实施维护决策的关键依据。提出一种基于深度学习和虚拟模型的路面全域伤损状态自动化感知方法。该方法首先基于无人机实测数据建模生成路面虚拟实体;然后使用深度语义分割网络从实测数据中精细化地检测路面伤损;最后,将输出的伤损特征检测结果与虚拟实体数据进行匹配和UV映射,获取各个伤损在虚拟空间中的定位信息并逐一部署,得到面向路面全域的伤损状态感知模型。结果表明:在现场实测统计长为236 m,宽为20 m的实际路面区域试验研究中,充分训练的U-Net网络的平均交并比(MIoU)达到0.86,显示出对无人机采集到的路面伤损区域极佳的分割精度。建立的路面伤损状态感知模型有效感知实际存在的伤损91处,与传统的二维检测结果相比,能够更加系统地对路面全域伤损进行全局表征,便于高效地推断伤损的特征和位置信息,实现精准、动态的路面服役状态评估。