CN119478642A 基于多源数据分析的沥青路面离析智能检测方法 (四川能投建工集团有限公司)_第1页
CN119478642A 基于多源数据分析的沥青路面离析智能检测方法 (四川能投建工集团有限公司)_第2页
CN119478642A 基于多源数据分析的沥青路面离析智能检测方法 (四川能投建工集团有限公司)_第3页
CN119478642A 基于多源数据分析的沥青路面离析智能检测方法 (四川能投建工集团有限公司)_第4页
CN119478642A 基于多源数据分析的沥青路面离析智能检测方法 (四川能投建工集团有限公司)_第5页
已阅读5页,还剩38页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

街段258号西部国际金融中心1栋17楼基于多源数据分析的沥青路面离析智能检本发明提出基于多源数据分析的沥青路面离析智能检测方法,涉及道路工程检测技术领2S4、对级配离析分布结果和温度离析分布结果进在每个点p(i1)的局部邻域内,进行最小二乘平面拟合并计算该邻域内点云的协方差矩阵c(n),令和Amn(i1)分别代表该矩阵的最大与最小特征值,则定义该点p(i)的各向异性因子:3:计算局部区域a的点云质量综合因子Q(a):输入层,接收预处理后的光学数据和激光点云数据,并将光学数据和激4第一分支检测模型对光学数据与激光点云数据进行如下处理以生成级接收预处理后的光学数据,将其按照激光点云数据的局部在多层感知机模块中,对点云显著特征进行初步映射,图神经在多模态融合层,将光学处理通道与点云处理通道的输出向量将重组后的向量输入Softmax分类器中,计算各局部区域属于不同级配离析等级的概多尺度注意力模块,在获取的特征上设置若干个不同第二分支检测模型对热成像数据进行如下处理以获得温5将综合热特征向量送入输出层,利用若干全连接层将特征映射到温度离析;其中,、为大于0的超曲线参将的空间分布绘制成离析热力图,10.如权利要求9所述的基于多源数据分析的沥青路面离析智能检测方法,其特征在通过对不同路段的级配离析指标Ig(a)和温度离析指标Ie(a)的统计分析,确定n的初6[0002]沥青路面离析是一种常见的路面病害,主要表现为级配离析和温度离析两种形用双分支神经网络模型分别检测级配离析和温度离析,并通过联合分析生成综合离析指7在每个点p(1)的局部邻域内,进行最小二乘平面拟合并计算该邻域内点云的协点p(iz)的各向异性因子:常,当LAF(i1)>Tanis时,则判定点p(i1)为疑似噪声点,Tanis为预设阈值;对噪声剔除后的点云数据,采用滑动窗口的方式,将点8其中,C(a,r)表示在局部区域a上,以r为搜索半径所包含的点的累积计数;当:其中,1a(a)l表示局部区域a的点的数量,为的梯度值,为调整系数;CR(a)值越大说明局部区域a内表面凹凸不平较多;计算局部区域a的点云质量综合因子Q(a):多模态融合层,将光学处理通道与点云处理通道输出的特征进行多层非线性融接收预处理后的光学数据,将其按照激光点云数据的局部区域划分进行统一处9将重组后的向量输入Softmax分类器中,计算各局部区域属于不同级配离析等级输入层,接收预处理后的热成像数据,并将热成像数[0012]优选的,第二分支检测模型对热成像数据进行如下处理以获得温度离析分布结读取经预处理后的热成像数据,对其进行维度校正,并划将l的空间分布绘制成离析热力通过对不同路段的级配离析指标Ig(a)和温度离析指标本发明的第一分支检测模型针对光学数据和激光点云数据,利用多级卷积网络、在每个点p(1)的局部邻域内,进行最小二乘平面拟合并计算该邻域内点云的协常,当LAF(i1)>Tanis时,则判定点p(i1)为疑似噪声点,Tanis为预设阈值;[0039]本实施例利用局部各向异性因子和密度流向量校验,剔对噪声剔除后的点云数据,采用滑动窗口的方式,将点其中,C(a,r)表示在局部区域a上,以r为搜索半径所包含的点的累积计数;当引入增强了算法对点云复杂几何特性的描述能力。:其中,1a(a)l表示局部区域a的点的数量,为的梯度值,为调整系数;CR(a)值越大说明局部区域a内表面凹凸不平较多;曲率残差因子能够量化局部区域的表[0044]在每个局部区域a(a)内,对点云数据进行多尺度分析:定义不同的搜索半径r=fr1,rz…rn},其值从最小至最大分别对应局部区域到全局区域的不同尺度。对每一。描述点云分布的复杂程度,反映了是否存在局部的点云稀疏或异常。在多个尺度上计算D(a,r),形成分形维度的序列{D(a,r1),D(a,rz)…,D(a,rn),用于评估点云在不同尺度下的稀疏程度和不均匀分布。在每个尺度r下,计算局部区域a(a)内的点云密度p(a,r):检测提供依据。始热成像数据中像素点的温度值;Tmin、Tmax:热成像数据中的最低温度值和最高温度值;多模态融合层,将光学处理通道与点云处理通道输出的特征进行多层非线性融[0054]第一分支检测模型对光学数据与激光点云数据进行如下处理以生成级配离析分接收预处理后的光学数据,将其按照激光点云数据的局部区域划分进行统一处将重组后的向量输入Softmax分类器中,计算各局部区域属于不同级配离析等级输入层,接收预处理后的热成像数据,并将热成像数读取经预处理后的热成像数据,对其进行维度校正,并划[0067]损失函数采用加权交叉熵损失函数LWCE。使用RMSprop优化器,初始学习率为布结果进行相同的标准化操作,得到各局部区域的温度离析指标,为局部区域a的温度离析概率,ptmin、ptmax为温度离析概率的最小值、最大值;通过对不同路段的级配离析指标Ig(a)和温度离析指标将的空间分布绘制成离析热力配离析程度。温度离析指标Ie(a):表示局部区域的温度离析程度。局部综合离析指数析分析中的权重。[0080]根据局部综合离析指

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论