基于人工智能算法的路面三維檢測技術與前沿應用

文 同濟大學交通運輸工程學院 郎洪 圖 新疆維吾爾自治區交通運輸廳

瀝青路面和水泥混凝土路面損壞機理復雜，形態多樣，準確高效的路面損壞檢測是必要且必須的。

瀝青路面和水泥混凝土路面損壞機理復雜，形態多樣，準確高效的路面損壞檢測是必要且必須的。基于人工智能算法的路面三維檢測技術利用三維激光成像，獲得高分辨率的路面三維圖像，能實現快速全自動的路面損壞檢測分析。同時，利用路面大數據預測也可以評估預防資產狀態，指導工程建設和經營決策，設計更科學全面的解決方案。

路面損壞檢測技術背景

近年來，我國公路交通已進入網絡化運行階段，公路事業發展重點轉向養護與管理。截至2020年，我國公路養護總里程為514.4萬公里，占公路總里程的99%。

同時，公路的養護與管理也面臨著新的形式與挑戰。公路交通流量特別是重載交通量的持續快速增長，公路將面臨集中大修和改造的壓力，養護任務較為艱巨。為進一步加強和規范公路的養護與管理，提高養護質量和效益，交通運輸部于2021年1月印發了《公路養護工程管理辦法》。

5G基建、城際鐵路、新能源充電樁、大數據中心、人工智能、工業互聯網……新基建浪潮已然到來，交通強國建設和數字化改革進入到了白熱化階段。“5G+工業互聯網+智能化”賦能制造業發展，以人工智能為核心的新基建將成為經濟發展新燃料。公路的養護與管理模式正向精細化、信息化、自動化和智能化發展。

目前，路面損壞造成了種種問題——路面老化加速，使用壽命縮短；路面抗滑能力下降，不適應公路設計的行車時速，產生安全隱患，可能導致車輛失控；行車舒適感大幅降低，汽車磨損增大。

如何開展長期的交通基礎設施巡查和監測，自動化采集設施服役性能數據，智能分析病害，科學評估設施技術狀況并制定經濟合理的養護方案是養護管理中亟需解決的問題。

路面損壞檢測技術

路面損壞檢測技術經歷了從人工檢測到二維檢測再到三維檢測的演變。人工檢測包括步行人眼觀察法和坐車錄像屏幕測讀法，存在安全性差、效率低和影響正常交通等缺點，不適用于大規模路面檢測；基于二維檢測的線陣掃描技術和面陣掃描技術，容易受到路面油污、陰影及材料等因素的干擾，需要大量人工干預；基于三維檢測的三維結構光掃描技術、雙目視覺立體成像技術和三維激光掃描儀技術正不斷成熟，擁有效率高，可靠性和魯棒性強的特點。

三維結構光掃描技術

光條投射到被測路面，由于破損與路面表面存在高度差，光條在病害處會發生形變，3D相機捕獲感興趣區域，對變形光條圖像，獲得被測路面輪廓，從而提取破損信息。

激光（雷達）掃描儀技術

三維激光掃描儀采用非接觸式主動測量方式，利用脈沖測距法計算點的三維坐標，以點云的形式獲得復雜物體表面的三維高程數據。

雙目視覺立體成像技術

基于視覺原理并利用成像設備從不同位置獲取被測物體的兩幅圖像，通過計算圖像對應點間的位置偏差，來獲取物體三維幾何信息的方法。

二維檢測技術與三維檢測技術的性能對比

路面損壞三維檢測涉及三維圖像路面檢測技術，即采用三維激光成像技術，獲得路面高分辨率三維圖像，實現快速、全自動路面破損檢測和分析。目前主要的技術難題是1毫米激光高速掃描、海量數據存儲及處理及各類病害的特征提取等。

路面損壞三維檢測系統是應用線激光三維成像原理自動檢測和評定路面損壞類型和嚴重程度的設備，可自動計算裂縫率（CR）、路面破損率（DR）和路面損壞狀況指數（PCI），主要由線激光發生器、高速高分辨率三維相機、縱向距離傳感器、計算機處理系統等部分組成。

路面裂縫本質上是一個三維結構，因此就判斷成因和確定位置來說，三維成像是特征損失最小的方法。三維路面成像技術主要涉及三維結構光掃描技術、激光（雷達）掃描儀技術和雙目視覺立體成像技術。

三維結構光掃描技術支持行駛速度在低速和高速情況下采集和處理路面狀況；激光掃描儀技術支持在低速時跟蹤捕獲路面狀態信息；雙目視覺立體成像技術對算法的要求極高，室外檢測精度仍待驗證和提高。目前，路面三維圖像檢測技術中，市場上普遍采用的是三維結構光掃描技術。

我國三維路面破損檢測系統主要有車載式路面破損三維檢測系統、道路三維快速巡檢裝備（RFIS）、三維路面損壞檢測系統（T系列）、路面狀況激光三維智能檢測車、ZOYON-RTM智能道路檢測系統、道路綜合檢測系統ACTS、三維智能路面檢測系統等。

根據車載式路面損壞三維檢測系統的技術性能和應用場景的需要，設備可分為Ⅰ級和Ⅱ級，I級系統和II級系統主要的差異在于檢測性能和相應的系統硬件及軟件的配置。

路面損壞人工智能檢測技術

人工智能（Artificial Intelligence）是研究、開發用于模擬、延伸和擴展人智能的理論、方法、技術及應用系統的一門新技術科學。人工智能領域的研究包括機器人、語言識別、圖像識別、自然語言處理及專家系統等。

發展至今，深度學習、遷移學習、聯邦學習、自然語言理解和生成、知識圖譜、強化學習、對抗學習等成為人工智能的熱門研究分支。

自2013年開始，人工智能領域有關深度學習的研究呈井噴式發展，一躍成為當前的研究熱點之一。近年來，人工神經網絡、圖像分割和圖像處理成為路面病害檢測領域的三大研究熱點。隨著計算機運算性能和算力的提升，人工神經網絡憑借在圖像處理方面的技術優越性，在路面檢測研究中的應用日趨廣泛。

基于統計學習的路面檢測技術

神經網絡

大量的人工神經元聯結進行計算，在路面病害信息的基礎上自適應的改變內部結構，對病害進行檢測。

AdaBoost分類器

在每一輪中加入一個新的弱分類器，直到達到某個預定的足夠小的錯誤率。通過這樣的方式，AdaBoost方法能聚焦于那些更富信息的病害上。

高斯混合模型

使用EM算法在病害數據集上訓練高斯混合模型，把參數保持恒定，為每個可能的病害計算新圖像的概率。

基于深度學習的路面檢測技術

卷積神經網絡

由多個卷積層和頂端的全連接層組成，人工神經元響應一部分覆蓋范圍內的周圍單元，同時包括關聯權重和池化層。能夠利用輸入數據的二維和三維結構，需要考量的參數更少，檢測病害更準確。

全卷積網絡

減少了卷積網絡中的全連接層，使其可以適應不同病害的不同尺寸，例如不同大小的裂縫。

多層特征網絡

以特征金字塔的方式把上下文信息集成到低級特征中以進行病害檢測，平衡不同圖像對破損造成的影響。

路面養護決策技術

氧化和光照作用造成的瀝青老化，行車、空隙、損壞造成的路面滲水等都會導致路面使用性能衰退。為科學合理地養護和管理公路，實現全生命周期的養護規劃與決策，我國在21世紀初開始引入路面預防性養護理念和技術。

路面預防性養護是指在不增加路面結構承載力的前提下，對結構完好的路面或附屬設施有計劃地采取某種具有費用效益的措施，以達到保養路面系統、延緩損壞、保持或改進路面功能狀況的目的。

傳統被動養護或者反應性養護存在不能緩解養護任務加重的壓力，不能適應適應路面交通荷載重型化，不能縮小養護資金投入與需求的差距，對降低交通干擾和滿足用戶要求不足等問題。

效益費用法可作為預防性養護最佳時機的確定方法，通常選取效益費用比最大的時間作為最佳養護時機。效益的確定方式有單個指標確定和多個指標確定兩種方式，使用的指標分為減小型效益指標（PCI、PSSI、RQI等）和增加型效益指標（IRI等）。使用多個指標確定方式時，需要考慮各個路面狀況指標的權重。

路面狀況指標可用于路面狀況的評價和路面預防性養護效益的計算。基于人工智能和三維檢測技術的路面巡檢及定檢技術的發展不僅大幅度地提升檢測效率，還可獲取路面病害的長度、寬度及深度等幾何參數。我國和國外現行標準的很多指標是基于病害的二維特征評價路面狀況，例如路面損壞狀況指數（PCI）。建立融合深度信息的體系依然十分困難，但環境、路面、地下全息感知融合的發展必將成為大勢所趨。

基于目前二維破損檢測技術僅可提供破損面積、長度和寬度的信息，缺乏破損深度信息，無法客觀評價破損的“惡性程度”，三維破損檢測技術可在某種程度上提供破損“深度信息”，有助于評價破損的“惡性程度”，可為養護決策提供新的思維“維度”。

三維檢測技術通過5G、高精度北斗定位、距離測量裝置、激光傳感器、三維相機等技術裝置的組合應用，三維結構光掃描技術、數字圖像處理技術、人工智能技術的交叉應用，具備了解決傳統和二維路面檢測技術缺陷的可行性，既保證了安全，又大大提高了工作效率。

基于人工智能和三維檢測技術建立適用于瀝青路面和水泥混凝土路面等不同道路路面，不同檢測需求（定期檢測、快速巡檢等），不同道路類型（高速公路、國省干線、農村公路、城市道路等）的路面數字化檢測系統是未來科學研究和技術發展的主要方向。

未來，開發一套系統化的路面病害檢測和養護決策的計算機輔助系統，能夠覆蓋路面外業病害信息采集、內業數據整理、路面狀況分析與評價、路面養護決策、路面狀況預測的全部過程，可以大大提高養護設計的效率，明顯改善養護決策的科學性，更好地為養護工作服務。