【路面破损检测研究的国内外文献综述3400字】

利用智能手机采集路面图像数据，进而对农村公路路面破损完成监测，整个过程可被分为路面破损检测和路面损坏状况指数PCI两个部分，因此本文的研究现状主要对路面破损检测和路面损坏状况指数做了归纳总结。路面破损检测方法从上个世纪80年代开始就受到了世界的广泛关注，许多专家和学者对如何快速准确地检测路面破损进行了大量研究。在传统的路面破损检测方法中，主要是利用破损的形状、颜色、纹理、边缘等特征和机器学习的方法对路面破损完成检测。近年来，随着深度学习技术的不断发展，尤其是卷积神经网络(以下简称CNN)在大规模公共数据集上表现出了较高的检测精度，许多学者开始利用深度学习技术完成路面破损检测。(1)传统图像处理方法在路面破损中，裂缝是一种最为常见的破损形式，同时也是其他多种路面破等提出了一种基于FoSA-F*种子生长的裂纹线自动检测方法，对F*算法进行了两个方面的扩展。它利用一种种子生长策略来消除应该预先设置起点和终点的要求。将全局搜索空间缩小到感兴趣的局部空间，提高了搜索效率。实证研究证明了FoSA-F*的正确性、完整性和有效性。Mancini¹6等人测试了不同特征提取方法对路面裂缝定位的效果，为路面病害监测建立空间数据库。通过在移动地图系统(MMS)中装配的线扫描摄像机获取了几幅图像，该系统允许GPS-INS系统直接跟踪图像的位置。接着，利用基于不同方法的几种算法(边缘检测和模糊集理论)对数字图像进行自动处理。Premachandra[17提出了一种基于图像分析的非光滑路面路面裂缝自动检测方法。在新方案中，首先通过分析路面的颜色方差，提取包含裂缝的路面区域作为裂缝图像。然后通过引入判别分析方法对这些区域进行裂纹提取。根据不同路面图像的实验结果表明，该方法比传统方法具有更好的性能。CrackTree¹81利用了一种基于颜色模型的阴影消除方法去除阴影部分并增强了裂缝对比度，再结合邻近性、连续性等线索，通过张亮投票的方式生成一个裂缝概率图和最小生成树，最后得到裂缝曲线。Nayyeri[191等人提出了一种利用价路径搜索的方法来识别路面裂缝。在坑槽检测方法中，常见的有基于阈值分割、轮廓检测以及频域分析等手段，通过人为定义坑槽的特征来检测坑槽。檀柏红等人[221采用区域生长边缘跟踪的方法检测坑槽，并通过标盘确定出了坑槽的实际面积大小。王朋辉等人[23通过边缘检测算法和SVM训练的方法分割坑槽边缘，达到了较高的识别准确率。MoghadasNejad等人27开发了一种路面病害自动检测系统，对比小波、脊波和割方法，将多类破损检测看作是超像素分割任务，使用支持向量机SVM对超像全卷积神经网络FCN来检测混凝土路面的裂缝，结果表明该方法能够很好地识Zhang等人34提出了一种裂缝识别模型CrackNet,能够实现像素级别的分割。许多学者也提出了基于深度学习的坑槽检测方法。滑动窗□方法35通过在个图像块是否存在坑槽。有学者将坑槽检测看作是一种目标检测任务[36,直接将整张图像作为输入，利用YOLO目标检测网络输出检测框的位置，可以实现的方法就是把原始输入图像分割成多个等尺度的图像块38,再输入到卷积神经要求。HiroyaMaeda³9等人首先利用智能手机在日本7个市的低等级农村公路上采集了近17万张的路面图片，其中约9000张图片包含路面破损，破损根据日本当地标准被分为8类，建立了相应的数据集，再利用深度学习模型SSD对路面破损进行识别与分类，取得了较高的检测精度。A.A.Angulo团队[401采用了RetinaNet⁴1深度学习模型对HiroyaMaed1.2路面损坏状况指数研究现状路面技术状况评定宜应采用路面技术状况指数PQI和相应的各个分项指标表示，包括路面损坏状况指数PCI、路面行驶状况指数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以及路面结构强度指数PSSI。其中，路面损坏用路面损坏状况指数PCI评价，PCI值在0~100之间，值越大，说明破损程度越轻，国内外许多学者对此指标展开研究。种路面状况评估方法PCR作为埃及道路和运输管理局路面管理系统的主要组成等人[41利用美国联邦航空管理局(FAA)的PAVEAIR数据库，对路面状况指数进行研究。MariuszWesotowski等人[5基于目前最主流的PCI指标评估方法，损进行了有效评估，评估结果有效指导了当地养护工作的进行。Mohammed参考文献[1]杨素霞.高速公路路面质量检测技术应用与分析[J].福建交通科技，2019(6):[2]张晓卓.公路工程路面质量通病的成因及施工加固技术[J].福建交通科技，2020(7):56-57.[3]刘楼军.高速公路路面病害成因及养护措施[J].四川建材，2020(11):159-160.[4]霍立军.公路路基路面质量通病与控制对策[J].交通世界，2017(24):38-39.[6]JTGH10-2009,《公路养护技术规范》[S].[7]张德津，李清泉.公路路面快速检测技术发展综述[J].测绘地理信息，2015(1).[8]魏海斌，武少威，张启帆，等.基于图像处理的沥青路面裂缝识别算法研究[9]王世芳，车艳丽，李楠，等.一种基于多尺度脊边缘的沥青路面裂缝检测方法[12]GunjanChugh,DivyaBansSmartphoneSensors:ASurvey[C].InElectricalEngineering,2014(6):595-602.[14]倪彤元，周若虚，杨杨等.基于智能手机APP的图像法检测混凝土表面裂缝研究[J].公路工程，2021(2):163-170.[15]Li,Q.,Zou,Q.,Zhang,D.,&Mao,Q.FoSA:F*seedgrowingapproachforcrack-linedetectionfrompavementimages.ImageandVisionCo29:861-872.[16]Mancini,A.,Malinverni,E.S.,Frontoni,E.,&Zingaretti,P.RoadpavementcrackautomaticdetectionbyMMSimages.In201321stMediterraneanConfControlandAutomation,MED2013-Confe[17]Premachandra,C.,Premachandra,H