路面裂缝三维检测中虚假深度裂缝聚类检测关键技术研究

Most of the existing literature about three-dimensional detection technology of pavement cracks does not consider the phenomenon of false depth cracks caused by foreign body fillings, but in actual pavement, false depth cracks are widespread. So false depth cracks detection has a strong theoretical and practical significance. In order to improve the recognition rate of the pavement three-dimensional detection, a clustering detection technology of false depth cracks will be presented in this project. It can identify the false depth cracks from the three-dimensional data of the pavement and restore them to their father crack by clustering. In this project, a construction method of the representation model of the pavement three-dimensional cracks will be researched and a new, simple but effective stereoscopic representation model will be established as well to accomplish the space quantitative description of pavement cracks. This representation model takes the identification of false depth cracks as its goal and establishes a correlation analysis method between the three-dimensional depth characteristics and the two-dimensional plane characteristics of the pavement cracks. On this basis, it will establish a method of restoring false depth cracks to their father crack by clustering and re-extract the three-dimensional geometric features of the father crack. This project has a certain theoretical innovation and practical significance. Besides, the research results can provide basis for other technology and widen the application range of some technology. What’s more, it has a great application value in applying the three-dimensional crack detection to pavement damage condition evaluation.

现有文献中绝大部分路面裂缝三维检测技术没有考虑裂缝被灰尘等异物填充造成的虚假深度裂缝现象，而实际路面中，虚假深度裂缝是广泛存在的。因此研究虚假深度裂缝检测具有较强的理论和实际意义。本项目提出一种虚假深度裂缝聚类检测技术，可以从路面三维数据中聚类识别出存在的虚假深度裂缝，并聚类还原成所属父裂缝，提高路面裂缝三维检测的识别率。本项目将研究三维裂缝表征模型的构建方法，建立一种新的、相比传统方法简单但有效的立体表征模型来实现裂缝的空间定量描述；在该表征模型中，以识别虚假深度裂缝为目标，建立起裂缝三维深度特征以及二维平面特征之间的相关性分析方法；在此基础上，建立一种虚假深度裂缝聚类还原为所属父裂缝的方法，重新提取出父裂缝的三维几何特征。本项目具有一定的理论创新和实际意义，其研究成果可以为其它一些技术提供基础或者拓宽其它一些技术的应用范围，并且在裂缝三维检测用于路面破损状况评价方面具有较大的应用价值。

公路养护方案的制定依赖于路面病害的特征数据，而裂缝类病害是路面各类病害中最早期发生、最易发生的病害之一。因此，研究一种准确高效的裂缝病害检测技术十分必要，本项目对路面虚假深度裂缝检测进行了深入研究。. 本项目研究了三维采集设备采集到的、基于深度信息的裂缝三维数据，对其进行数据预处理、裂缝识别、深度信息提取处理、断裂子裂缝聚类还原以及裂缝类型的判定。分析了裂缝三维数据的构成特性，结合主轮廓特性提出了基于主轮廓线的曲线拟合滤波算法，去除裂缝三维数据中的干扰信息；针对滤波后的裂缝三维数据，研究了裂缝目标识别算法，提出水平、垂直两个方向的基于主轮廓线裂缝目标识别算法；依据识别处理后断裂子裂缝的偏转角度，进行曲线拟合提取裂缝像素处的原始路面基准值，从而对裂缝像素点进行深度信息的提取；对虚假深度裂缝及上述处理中裂缝细节信息丢失造成的裂缝断裂问题，采用诞生于数据挖掘、机器学习领域的聚类技术进行裂缝三维检测，使用附加深度椭圆模型立体表征裂缝基本单元，在分析研究模型参数相关性的基础上，提出聚类准则并进行聚类检测，从而将断裂的裂缝聚类还原为完整裂缝；之后进行裂缝特征的提取，并判定裂缝的所属类别。. 针对本项目提出的裂缝三维检测技术，进行了大量的试验研究，并采用定性、定量分析方法，分析试验结果。结果表明：本项目提出的裂缝三维检测技术，采用串行化的处理流程，能够对不同类型的裂缝进行准确、高效地检测，对虚假深度裂缝及细节信息丢失造成的裂缝断裂问题，能够准确还原出完整裂缝，对正确评价路面破损状况具有重要意义，对路面养护策略的制定提供了良好的基础。