【技术实现步骤摘要】
本专利技术涉及一种基于三维探地雷达实现地下空洞检测的方法，尤其涉及一种用于三维探地雷达降低地下空洞检测虚警率的方法，并进一步涉及采用了该用于三维探地雷达降低地下空洞检测虚警率的方法的系统。
技术介绍
1、探地雷达(ground penetrating radar)又称地质雷达，是一种利用高频电磁波来确定浅表地层构造的无损地球物理探测技术。通过发射高频电磁波对地下介质进行探测，发现地下空洞等隐患，具有操作简单、探测精度高、无损伤和采集速度快等特点，是目前工程检测和勘察最为活跃的探测技术，在城市道路地下病害探测中的应用日趋广泛。
2、近年来，基于人工智能的雷达图像解译和识别技术飞速发展，处理速度远高于人工解译，但是仍然存在以下问题：当前使用的是三维探地雷达的各个通道的b-scan图像进行地下空洞智能检测，由于b-scan图像的空洞特征和管廊特征都呈现出相似的倒悬平顶双曲线特征，会造成基于目标检测的深度学习模型的误判，检出的空洞虚警率较高。图2所示的就是基于b-scan的地下空洞智能检测的误判实例。
技术实现思路
1、本专利技术所要解决的技术问题是需要提供一种用于三维探地雷达降低地下空洞检测虚警率的方法，旨在克服上述现有技术的缺点，对c-scans雷达图像进行目标分割，提取地下管廊的分布特征，用以排除对地下空洞的误判，降低地下空洞检测虚警率。在此基础上，还进一步提供采用了该用于三维探地雷达降低地下空洞检测虚警率的方法的系统。
2、对此，本专利技术提供一种用于三维探
3、步骤s1，构建基于c-scans雷达图像的地下管廊训练数据集；
4、步骤s2，基于编码器和解码器构建图像语义分割网络模型，以此图像语义分割网络模型作为深度卷积神经网络模型；
5、步骤s3，利用所述步骤s1的地下管廊训练数据集训练所述步骤s2的图像语义分割网络模型，得到地下管廊分割提取模型；
6、步骤s4，通过所述地下管廊分割提取模型，分割并提取c-scans雷达图像的地下管廊分布信息，输出二值化c-scans图像；
7、步骤s5，检出地下空洞的b-scan雷达图像，将所述b-scan雷达图像与提取自c-scans雷达图像的地下管廊分布信息进行位置匹配以排除误判的地下空洞。
8、本专利技术的进一步改进在于，所述步骤s1包括以下子步骤：
9、步骤s101，获取多个测区的地下管廊所在不同深度的c-scans雷达图像构成地下管廊特征数据集；
10、步骤s102，将所述地下管廊特征数据集进行时域最大化数据增强处理；
11、步骤s103，通过图像数据标注工具labelme对图像中的管廊进行多边形框选标注，并统一将其分类为地下管廊；
12、步骤s104，标注后的数据集按预设比例分为训练集、验证集和测试集，以此作为基于c-scans雷达图像的地下管廊训练数据集。
13、本专利技术的进一步改进在于，所述步骤s102包括以下子步骤：
14、步骤s1021，从c-scans雷达图像中分解出所有单通道的b-scan二维雷达数据矩阵，以b-scan二维雷达数据矩阵的行表示深度方向，以b-scan二维雷达数据矩阵的列表示数据采集方向；
15、步骤s1022，定义一个预设窗口大小的滑动时间窗口；
16、步骤s1023，通过所述滑动时间窗口对所述b-scan二维雷达数据矩阵的每一行进行遍历，在每个滑动时间窗口中，找出灰度最大值maxval和灰度最小值minval；
17、步骤s1024，计算灰度最大值maxval与灰度中值之间的差值，记为第一差值maxdist，计算灰度中值与灰度最小值minval之间的差值，记为第二差值mindist；
18、步骤s1025，判断所述第一差值maxdist和第二差值mindist之间的大小，若第一差值maxdist大于第二差值mindist，则将当前位置的值设置为第一差值maxval，否则，则将当前位置的值设置为第二差值minval。
19、本专利技术的进一步改进在于，所述步骤s2包括以下子步骤：
20、步骤s201，将训练集图像输入至基于imagenet数据集进行预训练的深度卷积神经网络resnet101，并将其输出结果输入至膨胀卷积残差块；
21、步骤s202，对所述膨胀卷积残差块的卷积层采样，并对采样获得的数据进行级联，再通过一个1x1的卷积层进行特征融合，输出第一特征图，完成编码器的构建；
22、步骤s203，以所述编码器的第一特征图输出作为解码器的第一输入，以所述编码器中经过预训练的深度卷积神经网络的输出作为解码器的第二输入；
23、步骤s204，将所述解码器的第一输入进行四倍上采样，将所述解码器的第二输入使用1x1的卷积进行通道降维；
24、步骤s205，将四倍上采样之后的第一输入与进行了通道降维后的第二输入进行级联，然后进行一次3x3的卷积，得到第二特征图；
25、步骤s206，对所述第二特征图进行四倍上采样，得到所述图像语义分割网络模型。
26、本专利技术的进一步改进在于，在所述步骤s3的训练过程中，通过公式对训练过程的学习率lr进行动态更新，其中， iter表示当前迭代次数， maxiter表示总迭代次数； power为预设迭代系数，默认设置为0 .9。
27、本专利技术的进一步改进在于，在所述步骤s3的训练过程中，对于每张图片，先通过公式计算针对像素的交并比分数，其中， i表示图片序号， tp i表示正确预测为地下管廊像素点的像素数量， fn i表示错误预测为非地下管廊像素的像素数量， fp i表示错误预测为地下管廊像素点的像素数量；然后，通过公式计算地下管廊分割提取模型的评估指标， n为图片的数量。
28、本专利技术的进一步改进在于，所述步骤s4中，将通过所述地下管廊分割提取模型之后，像素值为0的图像判定为地下管廊图像，将像素值为255的图像判定为非地下管廊图像，以输出二值化c-scans图像。
29、本专利技术的进一步改进在于，所述步骤s5包括以下子步骤：
30、步骤s501，获取基于b-scan图像的地下空洞智能检测结果文件；
31、步骤s502，在采集过程中记录的道号作为索引，查询道号与平面相对坐标信息的关联记录，得到空洞目标的平面坐标信息；
32、步骤s503，将所述空洞目标的平面坐标信本文档来自技高网...
【技术保护点】
1.一种用于三维探地雷达降低地下空洞检测虚警率的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的用于三维探地雷达降低地下空洞检测虚警率的方法，其特征在于，所述步骤S1包括以下子步骤：
3.根据权利要求2所述的用于三维探地雷达降低地下空洞检测虚警率的方法，其特征在于，所述步骤S102包括以下子步骤：
4.根据权利要求1至3任意一项所述的用于三维探地雷达降低地下空洞检测虚警率的方法，其特征在于，所述步骤S2包括以下子步骤：
5.根据权利要求1至3任意一项所述的用于三维探地雷达降低地下空洞检测虚警率的方法，其特征在于，在所述步骤S3的训练过程中，通过公式对训练过程的学习率lr进行动态更新，其中，iter表示当前迭代次数，maxiter表示总迭代次数；power为预设迭代系数，默认设置为0 .9。
6.根据权利要求1至3任意一项所述的用于三维探地雷达降低地下空洞检测虚警率的方法，其特征在于，在所述步骤S3的训练过程中，对于每张图片，先通过公式计算针对像素的交并比分数，其中，i表示图片序号，TPi表示正确预测为地下管廊像
7.根据权利要求1至3任意一项所述的用于三维探地雷达降低地下空洞检测虚警率的方法，其特征在于，所述步骤S4中，将通过所述地下管廊分割提取模型之后，像素值为0的图像判定为地下管廊图像，将像素值为255的图像判定为非地下管廊图像，以输出二值化C-scans图像。
8.根据权利要求1至3任意一项所述的用于三维探地雷达降低地下空洞检测虚警率的方法，其特征在于，所述步骤S5包括以下子步骤：
9.根据权利要求8所述的用于三维探地雷达降低地下空洞检测虚警率的方法，其特征在于，所述步骤S503中，进行重合度匹配的过程为：根据B-scan雷达图像的倒悬平顶双曲线矩形框所处位置，匹配所述二值化C-scans图像的相应位置，当双曲线矩形框的宽度范围内存在90%以上的像素值为0时，则认定该空洞属于误判的地下空洞。
10.一种用于三维探地雷达降低地下空洞检测虚警率的系统，其特征在于，采用了如权利要求1至9任意一项所述的用于三维探地雷达降低地下空洞检测虚警率的方法，并包括：
...【技术特征摘要】
1.一种用于三维探地雷达降低地下空洞检测虚警率的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的用于三维探地雷达降低地下空洞检测虚警率的方法，其特征在于，所述步骤s1包括以下子步骤：
3.根据权利要求2所述的用于三维探地雷达降低地下空洞检测虚警率的方法，其特征在于，所述步骤s102包括以下子步骤：
4.根据权利要求1至3任意一项所述的用于三维探地雷达降低地下空洞检测虚警率的方法，其特征在于，所述步骤s2包括以下子步骤：
5.根据权利要求1至3任意一项所述的用于三维探地雷达降低地下空洞检测虚警率的方法，其特征在于，在所述步骤s3的训练过程中，通过公式对训练过程的学习率lr进行动态更新，其中，iter表示当前迭代次数，maxiter表示总迭代次数；power为预设迭代系数，默认设置为0 .9。
6.根据权利要求1至3任意一项所述的用于三维探地雷达降低地下空洞检测虚警率的方法，其特征在于，在所述步骤s3的训练过程中，对于每张图片，先通过公式计算针对像素的交并比分数，其中，i表示图片序号，tpi表示正确预测为地下管廊像素点的像素数量，fni表示错误预测为非地下管...
【专利技术属性】
技术研发人员：项芒，狄毅，庄锦锋，唐剑，库捷峰，
申请(专利权)人：深圳安德空间技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。