[发明专利]一种基于深度学习的路面病害三维重建方法

说明书

本发明为一种基于深度学习的路面病害三维重建方法，该重建方法使用无人机对路面进行倾斜摄影，获取多个不同方向的图像，由大量的、不同种类的、不同角度采集的路面病害图构建成标准化路面病害数据库，并且通过深度学习的方法实现路面病害的三维重建，并对重建后的病害进行形态特征提取。通过和CAD模型的不断对照修正，得到病害的三维模型，并且可精准提取病害形态特征，精度可达1.4mm。

技术领域

本发明涉及人工智能和路面病害三维重建领域，具体是基于深度学习的路面病害三维重建方法。

背景技术

截止至2019年底，我国公路总里程501.3万公里，位居世界第一位。公路建成投入使用后，受车辆荷载、气候等因素的影响，一段时间后会出现许多的路面病害如裂缝、车辙、沉陷、坑槽、波浪拥包、松散等，如不及时处理会影响道路的正常使用年限。所以对路面病害的三维重现对路面养护、修复决策尤为重要。

目前应用于路面三维重建的方法主要依靠检测车辆搭载激光、电磁波和声波、相机等设备对路面进行信息采集。针对采集到的信息进行三维重建。常用的三维重建方法是立体视觉法，主要包括直接利用测距器获取程距信息、通过一幅图像推测三维信息和利用不同视点上的两幅或多幅图像恢复三维信息等三种方式。通过模拟人类视觉系统，基于视差原理获取图像对应点之间的位置偏差，恢复出三维信息。

检测车采集会影响道路的正常使用，不同的路况和车况会影响路面信息采集的质量。同时，检测车采集的灵活性不足，容易受限于交通管制和高速公路的封闭性通行，且每次只能采集一个车道，采集效率较低。并且立体视觉法需要假设空间的平面是正平面，而实际情况却与此相差甚远。除此之外，匹配还存在歧义性：对于一幅图像上的某些特征点，另外的图像可能存在若干个与之相似的特征点。同时还需要相机运动参数的确定等。

实现路面病害科学精准高效的三维重建需要实现：1、路面信息采集突破地面束缚，更加灵活高效2、建立路面病害信息数据库3、使用更加精准的三维重建方法。

发明内容

针对现有技术的不足，本发明拟解决的技术问题是避免在路面病害信息采集时发生的路上交通堵塞与断交，搭建路面病害数据库，同时使用深度学习对路面病害进行三维重建并进行病害特征提取。

本发明解决所述技术问题的技术方案是，一种基于深度学习的路面病害三维重建方法，其特征在于，该方法包括以下内容：

构建标准化路面病害图像数据库：获取不同拍摄角度的含有病害的多路面图像，对不同拍摄角度的含有病害的多路面图像进行分割并提取存在路面病害的区域形成不同角度的路面病害图像，使用K-means聚类算法对所有的路面病害图像进行分类，将分好类的每一类病害图像分别添加标签并保存，标签中记录病害种类及所对应的拍摄角度，获得标准化路面病害图像数据库。

构建CAD模型：对每类路面病害进行实地测量，采集该类病害的尺寸数据，利用CAD进行建模，获得不同种类路面病害的CAD模型；

神经网络建模：以标准化路面病害图像数据库中不同拍摄视角的分好类的病害图像进行训练建模，用3D结构生成器预测像素的三维坐标，结合不同拍摄角度的图像3D姿态进行坐标运算实现点云融合，生成预测三维模型；利用伪渲染器对预测三维模型随机生成k个不同视点的预测三维模型投影深度图；

再利用对应类路面病害的CAD模型生成与预测三维模型视点及数量相同的CAD模型投影深度图；将预测三维模型投影深度图与CAD模型投影深度图进行误差计算，通过3D几何推理将误差均分到k个不同视点，对预测三维模型进行优化，获得不同种类的病害三维模型；

参数提取：对病害三维模型添加外接长方体，提取病害三维模型的形态参数；再根据拍摄图像与实际病害之间的尺寸换算关系，得到真实病害形态参数。