典型文献
基于深度学习的沥青路面坑槽量化方法
文献摘要：
由于超载、过度使用和缺乏维护等原因,道路表面容易损坏出现坑槽.提出了一种使用廉价的深度摄像头的基于深度学习的沥青路面坑槽量化方法.首先,根据检测到的道路坑槽的位置和深度信息,使用RANSAC算法识别并分割道路表面.然后,创建了带标签数据库,利用Faster R-CNN进行训练、验证和测试.该方法可以不受传感器与检测目标之间距离的影响,实现路面平面的拟合,并依靠RGB-D传感器的输出来识别和量化多个道路坑槽体积.最终结果表明,模型AP值可达90.79％,且对于单个坑槽测量体积,平均精度误差值低于10％.
文献关键词：
道路坑槽;体积量化;Faster R-CNN;深度传感器
中图分类号：
[1]
交通运输（U）
/
公路运输（U4）
/
道路工程（U41）
/
路基、路面工程（U416）
/
路面工程（U416.2）
/
路面：按使用材料分（U416.21）
/
沥青路面（U416.217）
作者姓名：
余俊;吴海军;王武斌;张宗堂
作者机构：
成都工业职业技术学院 现代轨道交通应用技术研究中心,四川 成都 610000;湖南省交通科学研究院有限公司,湖南 长沙 410015;西南交通大学 陆地交通地质灾害防治技术国家工程实验室,四川 成都 610000;湖南科技大学 岩土工程稳定控制与健康监测湖南省重点实验室,湖南 湘潭 411201
文献出处：
引用格式：
[1]余俊;吴海军;王武斌;张宗堂-.基于深度学习的沥青路面坑槽量化方法)[J].公路工程,2022(04):95-102
A类：
体积量化
B类：
沥青路面,路面坑槽,量化方法,超载,面容,易损,廉价,深度摄像头,道路坑槽,深度信息,RANSAC,算法识别,标签数据,Faster,RGB,槽体,AP,精度误差,误差值,深度传感器
AB值：
0.33473
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
