基于人工智能算法的路面三维检测技术与前沿应用

文 同济大学交通运输工程学院 郎洪 图 新疆维吾尔自治区交通运输厅

沥青路面和水泥混凝土路面损坏机理复杂，形态多样，准确高效的路面损坏检测是必要且必须的。

沥青路面和水泥混凝土路面损坏机理复杂，形态多样，准确高效的路面损坏检测是必要且必须的。基于人工智能算法的路面三维检测技术利用三维激光成像，获得高分辨率的路面三维图像，能实现快速全自动的路面损坏检测分析。同时，利用路面大数据预测也可以评估预防资产状态，指导工程建设和经营决策，设计更科学全面的解决方案。

路面损坏检测技术背景

近年来，我国公路交通已进入网络化运行阶段，公路事业发展重点转向养护与管理。截至2020年，我国公路养护总里程为514.4万公里，占公路总里程的99%。

同时，公路的养护与管理也面临着新的形式与挑战。公路交通流量特别是重载交通量的持续快速增长，公路将面临集中大修和改造的压力，养护任务较为艰巨。为进一步加强和规范公路的养护与管理，提高养护质量和效益，交通运输部于2021年1月印发了《公路养护工程管理办法》。

5G基建、城际铁路、新能源充电桩、大数据中心、人工智能、工业互联网……新基建浪潮已然到来，交通强国建设和数字化改革进入到了白热化阶段。“5G+工业互联网+智能化”赋能制造业发展，以人工智能为核心的新基建将成为经济发展新燃料。公路的养护与管理模式正向精细化、信息化、自动化和智能化发展。

目前，路面损坏造成了种种问题——路面老化加速，使用寿命缩短；路面抗滑能力下降，不适应公路设计的行车时速，产生安全隐患，可能导致车辆失控；行车舒适感大幅降低，汽车磨损增大。

如何开展长期的交通基础设施巡查和监测，自动化采集设施服役性能数据，智能分析病害，科学评估设施技术状况并制定经济合理的养护方案是养护管理中亟需解决的问题。

路面损坏检测技术

路面损坏检测技术经历了从人工检测到二维检测再到三维检测的演变。人工检测包括步行人眼观察法和坐车录像屏幕测读法，存在安全性差、效率低和影响正常交通等缺点，不适用于大规模路面检测；基于二维检测的线阵扫描技术和面阵扫描技术，容易受到路面油污、阴影及材料等因素的干扰，需要大量人工干预；基于三维检测的三维结构光扫描技术、双目视觉立体成像技术和三维激光扫描仪技术正不断成熟，拥有效率高，可靠性和鲁棒性强的特点。

三维结构光扫描技术

光条投射到被测路面，由于破损与路面表面存在高度差，光条在病害处会发生形变，3D相机捕获感兴趣区域，对变形光条图像，获得被测路面轮廓，从而提取破损信息。

激光（雷达）扫描仪技术

三维激光扫描仪采用非接触式主动测量方式，利用脉冲测距法计算点的三维坐标，以点云的形式获得复杂物体表面的三维高程数据。

双目视觉立体成像技术

基于视觉原理并利用成像设备从不同位置获取被测物体的两幅图像，通过计算图像对应点间的位置偏差，来获取物体三维几何信息的方法。

二维检测技术与三维检测技术的性能对比

路面损坏三维检测涉及三维图像路面检测技术，即采用三维激光成像技术，获得路面高分辨率三维图像，实现快速、全自动路面破损检测和分析。目前主要的技术难题是1毫米激光高速扫描、海量数据存储及处理及各类病害的特征提取等。

路面损坏三维检测系统是应用线激光三维成像原理自动检测和评定路面损坏类型和严重程度的设备，可自动计算裂缝率（CR）、路面破损率（DR）和路面损坏状况指数（PCI），主要由线激光发生器、高速高分辨率三维相机、纵向距离传感器、计算机处理系统等部分组成。

路面裂缝本质上是一个三维结构，因此就判断成因和确定位置来说，三维成像是特征损失最小的方法。三维路面成像技术主要涉及三维结构光扫描技术、激光（雷达）扫描仪技术和双目视觉立体成像技术。

三维结构光扫描技术支持行驶速度在低速和高速情况下采集和处理路面状况；激光扫描仪技术支持在低速时跟踪捕获路面状态信息；双目视觉立体成像技术对算法的要求极高，室外检测精度仍待验证和提高。目前，路面三维图像检测技术中，市场上普遍采用的是三维结构光扫描技术。

我国三维路面破损检测系统主要有车载式路面破损三维检测系统、道路三维快速巡检装备（RFIS）、三维路面损坏检测系统（T系列）、路面状况激光三维智能检测车、ZOYON-RTM智能道路检测系统、道路综合检测系统ACTS、三维智能路面检测系统等。

根据车载式路面损坏三维检测系统的技术性能和应用场景的需要，设备可分为Ⅰ级和Ⅱ级，I级系统和II级系统主要的差异在于检测性能和相应的系统硬件及软件的配置。

路面损坏人工智能检测技术

人工智能（Artificial Intelligence）是研究、开发用于模拟、延伸和扩展人智能的理论、方法、技术及应用系统的一门新技术科学。人工智能领域的研究包括机器人、语言识别、图像识别、自然语言处理及专家系统等。

发展至今，深度学习、迁移学习、联邦学习、自然语言理解和生成、知识图谱、强化学习、对抗学习等成为人工智能的热门研究分支。

自2013年开始，人工智能领域有关深度学习的研究呈井喷式发展，一跃成为当前的研究热点之一。近年来，人工神经网络、图像分割和图像处理成为路面病害检测领域的三大研究热点。随着计算机运算性能和算力的提升，人工神经网络凭借在图像处理方面的技术优越性，在路面检测研究中的应用日趋广泛。

基于统计学习的路面检测技术

神经网络

大量的人工神经元联结进行计算，在路面病害信息的基础上自适应的改变内部结构，对病害进行检测。

AdaBoost分类器

在每一轮中加入一个新的弱分类器，直到达到某个预定的足够小的错误率。通过这样的方式，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算法在病害数据集上训练高斯混合模型，把参数保持恒定，为每个可能的病害计算新图像的概率。

基于深度学习的路面检测技术

卷积神经网络

由多个卷积层和顶端的全连接层组成，人工神经元响应一部分覆盖范围内的周围单元，同时包括关联权重和池化层。能够利用输入数据的二维和三维结构，需要考量的参数更少，检测病害更准确。

全卷积网络

减少了卷积网络中的全连接层，使其可以适应不同病害的不同尺寸，例如不同大小的裂缝。

多层特征网络

以特征金字塔的方式把上下文信息集成到低级特征中以进行病害检测，平衡不同图像对破损造成的影响。

路面养护决策技术

氧化和光照作用造成的沥青老化，行车、空隙、损坏造成的路面渗水等都会导致路面使用性能衰退。为科学合理地养护和管理公路，实现全生命周期的养护规划与决策，我国在21世纪初开始引入路面预防性养护理念和技术。

路面预防性养护是指在不增加路面结构承载力的前提下，对结构完好的路面或附属设施有计划地采取某种具有费用效益的措施，以达到保养路面系统、延缓损坏、保持或改进路面功能状况的目的。

传统被动养护或者反应性养护存在不能缓解养护任务加重的压力，不能适应适应路面交通荷载重型化，不能缩小养护资金投入与需求的差距，对降低交通干扰和满足用户要求不足等问题。

效益费用法可作为预防性养护最佳时机的确定方法，通常选取效益费用比最大的时间作为最佳养护时机。效益的确定方式有单个指标确定和多个指标确定两种方式，使用的指标分为减小型效益指标（PCI、PSSI、RQI等）和增加型效益指标（IRI等）。使用多个指标确定方式时，需要考虑各个路面状况指标的权重。

路面状况指标可用于路面状况的评价和路面预防性养护效益的计算。基于人工智能和三维检测技术的路面巡检及定检技术的发展不仅大幅度地提升检测效率，还可获取路面病害的长度、宽度及深度等几何参数。我国和国外现行标准的很多指标是基于病害的二维特征评价路面状况，例如路面损坏状况指数（PCI）。建立融合深度信息的体系依然十分困难，但环境、路面、地下全息感知融合的发展必将成为大势所趋。

基于目前二维破损检测技术仅可提供破损面积、长度和宽度的信息，缺乏破损深度信息，无法客观评价破损的“恶性程度”，三维破损检测技术可在某种程度上提供破损“深度信息”，有助于评价破损的“恶性程度”，可为养护决策提供新的思维“维度”。

三维检测技术通过5G、高精度北斗定位、距离测量装置、激光传感器、三维相机等技术装置的组合应用，三维结构光扫描技术、数字图像处理技术、人工智能技术的交叉应用，具备了解决传统和二维路面检测技术缺陷的可行性，既保证了安全，又大大提高了工作效率。

基于人工智能和三维检测技术建立适用于沥青路面和水泥混凝土路面等不同道路路面，不同检测需求（定期检测、快速巡检等），不同道路类型（高速公路、国省干线、农村公路、城市道路等）的路面数字化检测系统是未来科学研究和技术发展的主要方向。

未来，开发一套系统化的路面病害检测和养护决策的计算机辅助系统，能够覆盖路面外业病害信息采集、内业数据整理、路面状况分析与评价、路面养护决策、路面状况预测的全部过程，可以大大提高养护设计的效率，明显改善养护决策的科学性，更好地为养护工作服务。