System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于数据增强与多尺度特征学习路面裂缝检测方法技术_技高网

一种基于数据增强与多尺度特征学习路面裂缝检测方法技术

技术编号:40821595 阅读:6 留言:0更新日期:2024-04-01 14:41
本发明专利技术公开了一种基于数据增强与多尺度特征学习路面裂缝检测方法,涉及三维计算机视觉技术领域,其包括以下步骤:S1、对原始路面点云数据进行数据增强;S2、构建基于多尺度特征学习的卷积神经网络CrackU<supgt;2</supgt;Net;S3、利用增强后的数据训练基于多尺度特征学习的卷积神经网络,从路面点云中检测路面裂缝点,本发明专利技术的评估方法能够提供大规模高效的路面裂缝检测,可以为用户提供调查区域任意路段的路面裂缝分布图,并能够全面分析路面裂缝的空间几何结构。

【技术实现步骤摘要】

本专利技术属于三维计算机视觉,具体是一种基于数据增强与多尺度特征学习路面裂缝检测方法


技术介绍

1、路面裂缝作为公路损坏的早期表现,是最常见的路面损坏之一,也是公路养护关注的重点,若早期出现的裂缝未得到及时修复,随着雨水沿裂缝渗入公路地基,路面开裂情况会迅速恶化,甚至发展为路面塌陷,从而严重威胁公路交通安全。

2、传统的路面裂缝检测方法主要依靠人工巡查和目视观察。然而,基于人工目视的路面裂缝检查技术存在以下缺点:(1)主观性强;(2)效率低;(3)不全面;(4)不精准,近年来,随着三维数据采集技术的发展,mls系统已被广泛用于生成包含准确可靠的三维坐标信息的路面数据,然而,基于深度学习的mls点云路面裂缝检测算法仍然存在一些困难与挑战:(1)三维点云路面数据空间结构不明显;(2)三维点云路面数据分布不均衡;(3)三维点云路面数据可训练样本少,在二维显著性检测领域,具有对称编码-解码结构的网络架构u-net应用广泛,并且已被证实在多种相关应用场景与任务中效果卓越。然而,虽然u-net架构在处理图像相关任务时实现简单且功能强大,但是对于结构不规则且数据量庞大的点云数据而言,简单的u-net网络架构难以取得令人满意的检测结果,故提出本方案予以解决早期路面裂缝检测。


技术实现思路

1、本专利技术旨在至少解决现有技术中存在的技术问题之一;为此,本专利技术提出了一种基于数据增强与多尺度特征学习路面裂缝检测方法,用于解决上述所提出的技术问题。

2、为实现上述目的,本专利技术通过以下方案予以解决:一种基于数据增强与多尺度特征学习路面裂缝检测方法,该方法具体包括以下步骤:

3、s1、对原始路面点云数据进行数据增强;

4、s2、构建基于多尺度特征学习的卷积神经网络cracku2net;

5、s3、利用增强后的数据训练基于多尺度特征学习的卷积神经网络,从路面点云中检测路面裂缝点。

6、作为本专利技术的进一步方案,s1的具体步骤如下:

7、s11、将原始三维地面激光点云按照道路行进方法进行切分,得到n块路面点云数据,记为c={c1,c2,…,cn};

8、s12、按照从左到右的顺序,对c中每一块点云进行划分,得到c的左子集和右子集对于任意i∈[1,n],满足

9、s13、按照从上到下的顺序,对c中每一块点云进行划分,得到c的上子集和下子集对于任意i∈[1,n],满足

10、s14、将左子集cl中的任意点云块与右子集cr中任意点云块按照从左到右的顺序进行拼接,得到拼接点云集合clr中元素个数为n2;

11、s15、将上子集ct中的任意点云块与下子集cb中任意点云块按照从左到右的顺序进行拼接,得到拼接点云集合ctb中元素个数为n2;

12、s16、对于clr中任意一块拼接点云计算的法向量计算的法向量根据法向量调整和的位姿,使得和之间的夹角最小,将调整后的和分别记为和

13、s17、对于ctb中任意一块拼接点云计算的法向量计算的法向量根据法向量调整和的位姿,使得和之间的夹角最小,将调整后的和分别记为和

14、s18、重复s14-s17,得到调整后的拼接点云集合和将增强后的数据集记为

15、s19、对中每块点云随机下采样进一步扩展样本量,采用固定点数的随机采样的方式,每次从点云块中选取固定数量的点作为一次输入。

16、作为本专利技术的进一步方案,步骤s11中具体的切割方法为:

17、采用移动激光扫描系统对实验区域道路进行扫描,同时按照道路行进方向,将实验区域道路分成n个样本,每个样本为固定规格,且一个样本设置为一个路面点云数据,得到点云数据集合c。

18、作为本专利技术的进一步方案,s2的具体操作步骤为:

19、cracku2net为两层嵌套的u-net(下采样-上采样)结构网络,其上层结构由9个多尺度特征学习单元组成,每个多尺度特征学习单元内都包含一个多尺度特征提取组件,每个学习单元的具体结构与其在cracku2net网络中所处层数相关。

20、作为本专利技术的进一步方案,9个多尺度特征学习单元具体为:

21、cracku2net包含五个编码器(en1,en2,en3,en4,en5)和四个解码器(de4,de3,de2,de1):

22、en1:左侧包含1个全连接层(32)、4个局部特征聚合与随机采样层(32-32-32-32)和1个多层感知机层(32),右侧则有4个上采样与多层感知机层(32-32-32-32)和2个全连接层(32-32);

23、en2:左侧包含1个全连接层(128)、3个局部特征聚合与随机采样层(64-64-64)和1个多层感知机(64),右侧则有3个上采样与多层感知机(64-64-64)和2个全连接层(64-128);

24、en3:左侧包含1个全连接层(256)、2个局部特征聚合与随机采样层(128-128)和1个多层感知机(128),右侧则有2个上采样与多层感知机(128-128)和2个全连接层(128-256);

25、en4:左侧包含1个全连接层(512)、1个局部特征聚合与随机采样层(256)和1个多层感知机(256),右侧则有1个上采样与多层感知机(256)和2个全连接层(256-512);

26、en5:仅包含一个全连接层(512)。

27、de4:左侧包含1个全连接层(256)、1个局部特征聚合与随机采样层(256)和1个多层感知机(256),右侧则有1个上采样与多层感知机(256)和2个全连接层(256-256);

28、de3:左侧包含1个全连接层(128)、2个局部特征聚合与随机采样层(128-128)和1个多层感知机(128),右侧则有2个上采样与多层感知机(128-128)和2个全连接层(128-128);

29、de2:左侧包含1个全连接层(32)、3个局部特征聚合与随机采样层(64-64-64)和1个多层感知机(64),右侧则有3个上采样与多层感知机(64-64-64)和2个全连接层(64-32);

30、de1:左侧包含1个全连接层(32)、4个局部特征聚合与随机采样层(32-32-32-32)和1个多层感知机(32),右侧则有4个上采样与多层感知机(32-32-32-32)和2个全连接层(32-2)。

31、作为本专利技术的进一步方案,s3具体的操作步骤为:

32、将s1所得增强后的数据作为训练集,训练基于多尺度特征学习的卷积神经网络cracku2net,从路面点云中检测路面裂缝点。

33、作为本专利技术的进一步方案,cracku2net模型为实时训练模型,每次从输入的每块路面点云中随机采样固定点作为一个模型输入。

34、与现有技术相比,本专利技术的有益效果是:

35、本专利技术提出了一种新型数据增强策略,通过对本文档来自技高网...

【技术保护点】

1.一种基于数据增强与多尺度特征学习路面裂缝检测方法,其特征在于,该方法具体包括以下步骤:

2.根据权利要求1所述的一种基于数据增强与多尺度特征学习路面裂缝检测方法,其特征在于,S1的具体步骤如下:

3.根据权利要求2所述的一种基于数据增强与多尺度特征学习路面裂缝检测方法,其特征在于,步骤S11中具体的切割方法为:

4.根据权利要求1所述的一种基于数据增强与多尺度特征学习路面裂缝检测方法,其特征在于,S2的具体操作步骤为:

5.根据权利要求4所述的一种基于数据增强与多尺度特征学习路面裂缝检测方法,其特征在于,9个多尺度特征学习单元具体为:

6.根据权利要求1所述的一种基于数据增强与多尺度特征学习路面裂缝检测方法,其特征在于,S3具体的操作步骤为:

7.根据权利要求6所述的一种基于数据增强与多尺度特征学习路面裂缝检测方法,其特征在于,CrackU2Net模型为实时训练模型,每次从输入的每块路面点云中随机采样固定点作为一个模型输入。

【技术特征摘要】

1.一种基于数据增强与多尺度特征学习路面裂缝检测方法,其特征在于,该方法具体包括以下步骤:

2.根据权利要求1所述的一种基于数据增强与多尺度特征学习路面裂缝检测方法,其特征在于,s1的具体步骤如下:

3.根据权利要求2所述的一种基于数据增强与多尺度特征学习路面裂缝检测方法,其特征在于,步骤s11中具体的切割方法为:

4.根据权利要求1所述的一种基于数据增强与多尺度特征学习路面裂缝检测方法,其特征在于,s2的具体操作步...

【专利技术属性】
技术研发人员:李军丰慧芳马凌飞陈一平苏俊良章瑞
申请(专利权)人:南京国础科学技术研究院有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1