本發(fā)明涉及道路病害識(shí)別，具體涉及一種基于多維數(shù)據(jù)的道路勘探評(píng)估方法、系統(tǒng)及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、道路勘探的目的是評(píng)估道路的結(jié)構(gòu)完整性、地質(zhì)情況等，以確保道路的安全和耐久性。

2、傳統(tǒng)方法通常依賴于視覺(jué)檢查和手動(dòng)測(cè)量，無(wú)法全面獲取道路的地下結(jié)構(gòu)信息，地下空洞和裂縫等問(wèn)題可能隱藏在地表下，難以通過(guò)目視檢查發(fā)現(xiàn)，并且傳統(tǒng)方法下，路面病害的識(shí)別依賴于人工觀察，容易受到主觀因素和操作者技能水平的影響，導(dǎo)致識(shí)別和評(píng)估的一致性和準(zhǔn)確性不足，而且傳統(tǒng)方法下，處理大量數(shù)據(jù)和生成綜合地圖的效率低下，常常依賴于手工繪制和記錄，耗時(shí)且容易出現(xiàn)錯(cuò)誤，并且傳統(tǒng)方法生成的報(bào)告和記錄可能缺乏清晰的信息表達(dá)和視覺(jué)化，難以為決策者提供直觀的理解和快速的決策支持。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明目的是針對(duì)背景技術(shù)中存在的問(wèn)題，提出一種基于多維數(shù)據(jù)的道路勘探評(píng)估方法、系統(tǒng)及存儲(chǔ)介質(zhì)。

2、本發(fā)明的技術(shù)方案：一種基于多維數(shù)據(jù)的道路勘探評(píng)估方法，包括：

3、基于探地雷達(dá)設(shè)備獲取目標(biāo)道路的多個(gè)地下位置的地下雷達(dá)圖譜，對(duì)所述地下雷達(dá)圖譜進(jìn)行預(yù)處理操作，以得到標(biāo)準(zhǔn)地下雷達(dá)圖譜，基于目標(biāo)道路的多個(gè)地下位置的標(biāo)準(zhǔn)地下雷達(dá)圖譜構(gòu)建訓(xùn)練集；

4、通過(guò)已訓(xùn)練好的數(shù)據(jù)增廣模型對(duì)所述訓(xùn)練集進(jìn)行數(shù)據(jù)增廣，以得到增廣訓(xùn)練集，構(gòu)建脫空檢測(cè)模型，基于所述增廣訓(xùn)練集對(duì)所述脫空檢測(cè)模型進(jìn)行訓(xùn)練，以得到已訓(xùn)練好的脫空檢測(cè)模型；

5、通過(guò)所述已訓(xùn)練好的脫空檢測(cè)模型對(duì)所述目標(biāo)道路的多個(gè)地下位置進(jìn)行脫空檢測(cè)，以得到所述目標(biāo)道路的多個(gè)地下位置的脫空結(jié)果；

6、基于圖像采集設(shè)備獲取目標(biāo)道路的多個(gè)位置的路面圖像，對(duì)所述路面圖像進(jìn)行預(yù)處理操作，以得到標(biāo)準(zhǔn)路面圖像，并對(duì)所述標(biāo)準(zhǔn)路面圖像進(jìn)行特征提取，以得到圖像特征集，通過(guò)已訓(xùn)練好的基于支持向量機(jī)的路面病害檢測(cè)模型對(duì)所述圖像特征集進(jìn)行路面病害檢測(cè)，以得到所述目標(biāo)道路的多個(gè)位置的路面病害結(jié)果；

7、將所述目標(biāo)道路的多個(gè)地下位置的脫空結(jié)果和多個(gè)位置的路面病害結(jié)果進(jìn)行整合，以得到數(shù)據(jù)屬性列表，所述數(shù)據(jù)屬性列表包括地下雷達(dá)圖譜序號(hào)、路面圖像序號(hào)、經(jīng)度和緯度信息、脫空結(jié)果和路面病害結(jié)果；

8、獲取所述目標(biāo)道路的道路地圖，通過(guò)gis技術(shù)將所述目標(biāo)道路的多個(gè)地下位置的地下雷達(dá)圖譜和多個(gè)位置的路面圖像導(dǎo)入所述道路地圖，以得到道路關(guān)聯(lián)地圖，并將所述數(shù)據(jù)屬性列表與所述道路關(guān)聯(lián)地圖進(jìn)行關(guān)聯(lián)，以得到道路評(píng)估地圖。

9、優(yōu)選的，對(duì)所述地下雷達(dá)圖譜進(jìn)行預(yù)處理操作，以得到標(biāo)準(zhǔn)地下雷達(dá)圖譜，包括：

10、對(duì)所述地下雷達(dá)圖譜進(jìn)行靜校正，所述靜校正公式如下：

11、；

12、其中，表示靜校正后的地下雷達(dá)圖譜，表示在時(shí)刻地下雷達(dá)圖譜中的幅值，表示向左平移的時(shí)間，表示地下雷達(dá)圖譜中最大幅值位置處的時(shí)間；

13、對(duì)所述地下雷達(dá)圖譜進(jìn)行直流漂移，所述直流漂移公式如下：

14、；

15、其中，表示直流漂移后的地下雷達(dá)圖譜，表示直流漂移前的地下雷達(dá)圖譜，表示地下雷達(dá)圖譜中采樣點(diǎn)的總數(shù)；

16、對(duì)所述地下雷達(dá)圖譜進(jìn)行帶通濾波，所述帶通濾波公式如下：

17、；

18、其中，表示帶通濾波后的地下雷達(dá)圖譜，表示地下雷達(dá)圖譜的頻域特征，表示帶通濾波器。

19、優(yōu)選的，所述數(shù)據(jù)增廣模型采用改進(jìn)的consingan網(wǎng)絡(luò)，所述consingan網(wǎng)絡(luò)包括生成器和判別器，所述生成器用于從所述訓(xùn)練集中學(xué)習(xí)真實(shí)樣本分布，并基于所述真實(shí)樣本分布生成假樣本，所述判別器用于對(duì)所述假樣本進(jìn)行判斷，并通過(guò)特征學(xué)習(xí)模塊和損失函數(shù)改進(jìn)所述consingan網(wǎng)絡(luò)的所述生成器，所述特征學(xué)習(xí)模塊包括第一子模塊、第二子模塊和第三子模塊，所述第一子模塊用于采用最大池化方式進(jìn)行特征學(xué)習(xí)，以得到第一特征圖，所述第二子模塊用于采用平均池化方式進(jìn)行特征學(xué)習(xí)，以得到第二特征圖，將所述第一特征圖與輸入特征圖進(jìn)行點(diǎn)乘運(yùn)算，以得到第三特征圖，將所述第二特征圖與輸入特征圖進(jìn)行點(diǎn)乘運(yùn)算，以得到第四特征圖，將所述第三特征圖和所述第四特征圖進(jìn)行特征融合操作，以得到融合特征圖，所述第三子模塊用于通過(guò)卷積層降低所述融合特征圖的通道數(shù)目，并通過(guò)sigmoid函數(shù)對(duì)降低通道數(shù)目后的所述融合特征圖進(jìn)行非線性激活，以得到輸出特征圖，將所述輸出特征圖和所述輸入特征圖進(jìn)行點(diǎn)乘運(yùn)算，以得到最終的特征圖。

20、優(yōu)選的，所述特征融合操作公式如下：

21、；

22、其中，表示融合特征圖，表示第三特征圖，表示第四特征圖。

23、優(yōu)選的，所述損失函數(shù)如下：

24、；

25、其中，表示對(duì)抗損失，和分別表示訓(xùn)練階段n時(shí)的生成器和判別器，表示人為設(shè)置的權(quán)重，表示重建損失。

26、優(yōu)選的，所述重建損失公式如下：

27、；

28、其中，表示訓(xùn)練階段n-1時(shí)重建后輸出的特征圖，表示上采樣操作，表示固定的輸入特征圖，表示訓(xùn)練階段n時(shí)的特征圖。

29、優(yōu)選的，所述脫空檢測(cè)模型采用改進(jìn)的yolov7-tiny模型，并通過(guò)加強(qiáng)注意力模塊對(duì)所述yolov7-tiny模型進(jìn)行改進(jìn)，所述加強(qiáng)注意力模塊包括通道注意力模塊和空間注意力模塊，所述通道注意力模塊用于對(duì)所述目標(biāo)道路的多個(gè)地下位置的標(biāo)準(zhǔn)地下雷達(dá)圖譜的第一圖譜特征，所述空間注意力模塊用于對(duì)所述目標(biāo)道路的多個(gè)地下位置的標(biāo)準(zhǔn)地下雷達(dá)圖譜的第二圖譜特征，將所述第一圖譜特征和所述第二圖譜特征逐元素相加，以得到目標(biāo)特征注意圖譜特征。

30、優(yōu)選的，所述通道注意力模塊表達(dá)式如下：

31、；

32、其中，表示第一圖譜特征，表示共享多層感知機(jī)，表示全局平均池化，表示最大池化，表示目標(biāo)道路的多個(gè)地下位置的標(biāo)準(zhǔn)地下雷達(dá)圖譜。

33、優(yōu)選的，所述空間注意力模塊表達(dá)式如下：

34、；

35、其中，表示第二圖譜特征，表示7×7大小的卷積操作。

36、優(yōu)選的，所述目標(biāo)特征注意圖譜特征表達(dá)式如下：

37、；

38、其中，表示目標(biāo)特征注意圖譜特征，表示逐元素相乘，表示逐元素相加。

39、優(yōu)選的，對(duì)所述標(biāo)準(zhǔn)路面圖像進(jìn)行特征提取，以得到圖像特征集，包括：

40、對(duì)所述標(biāo)準(zhǔn)路面圖像的紋理特征進(jìn)行提取，所述紋理特征提取公式如下：

41、；

42、其中，表示紋理特征結(jié)果，表示標(biāo)準(zhǔn)路面圖像幅度方向，表示相隔距離，表示標(biāo)準(zhǔn)路面圖像中a區(qū)域的鄰域，表示概率求解結(jié)果；

43、對(duì)所述標(biāo)準(zhǔn)路面圖像的顏色特征進(jìn)行提取，所述顏色特征提取公式如下：

44、；

45、其中，表示顏色特征，和分別表示標(biāo)準(zhǔn)路面圖像不同區(qū)域內(nèi)的亮度方差；

46、對(duì)所述標(biāo)準(zhǔn)路面圖像的距離特征進(jìn)行提取，所述距離特征提取公式如下：

47、；

48、其中，表示標(biāo)準(zhǔn)路面圖像序列最小化映射到一條直線上連續(xù)函數(shù)距離，表示連續(xù)函數(shù)，和表示標(biāo)準(zhǔn)路面圖像不同區(qū)域內(nèi)的映射點(diǎn)，表示鄰近矩陣

49、將所述標(biāo)準(zhǔn)路面圖像的紋理特征、顏色特征和距離特征進(jìn)行組合，以得到圖像特征集。

50、優(yōu)選的，將所述數(shù)據(jù)屬性列表與所述道路關(guān)聯(lián)地圖進(jìn)行關(guān)聯(lián)，以得到道路評(píng)估地圖，包括：

51、定義顯示圖層，所述顯示圖層用于顯示所述目標(biāo)道路的多個(gè)地下位置的脫空結(jié)果和多個(gè)位置的路面病害結(jié)果；

52、將所述數(shù)據(jù)屬性列表中的所述經(jīng)度和緯度信息作為關(guān)鍵字段，與所述道路關(guān)聯(lián)地圖上的相應(yīng)點(diǎn)標(biāo)記進(jìn)行關(guān)聯(lián)，從而在所述道路關(guān)聯(lián)地圖上生成所述顯示圖層；

53、設(shè)定所述道路關(guān)聯(lián)地圖不同的顏色和形狀，用于區(qū)分所述脫空結(jié)果和所述路面病害結(jié)果。

54、本發(fā)明的技術(shù)方案：一種基于多維數(shù)據(jù)的道路勘探評(píng)估系統(tǒng)，其適用于上述的一種基于多維數(shù)據(jù)的道路勘探評(píng)估方法，包括：

55、數(shù)據(jù)處理模塊，所述數(shù)據(jù)處理模塊用于獲取目標(biāo)道路的多個(gè)地下位置的地下雷達(dá)圖譜，并進(jìn)行預(yù)處理操作，以生成標(biāo)準(zhǔn)地下雷達(dá)圖譜，并基于標(biāo)準(zhǔn)地下雷達(dá)圖譜構(gòu)建訓(xùn)練集，用于訓(xùn)練脫空檢測(cè)模型；

56、數(shù)據(jù)訓(xùn)練模塊，所述數(shù)據(jù)增廣模塊用于通過(guò)數(shù)據(jù)增廣模型對(duì)訓(xùn)練集進(jìn)行增廣，以得到增廣訓(xùn)練集，并使用增廣訓(xùn)練集來(lái)訓(xùn)練脫空檢測(cè)模型，以得到已訓(xùn)練好的脫空檢測(cè)模型；

57、圖像處理模塊，所述圖像處理模塊用于獲取目標(biāo)道路的多個(gè)位置的路面圖像，并對(duì)這些圖像進(jìn)行預(yù)處理操作，以得到標(biāo)準(zhǔn)路面圖像，并從標(biāo)準(zhǔn)路面圖像中提取特征，形成圖像特征集；

58、病害檢測(cè)模塊，所述病害檢測(cè)模塊用于基于支持向量機(jī)對(duì)圖像特征集進(jìn)行路面病害檢測(cè)；

59、地圖生成模塊，所述地圖生成模塊將脫空檢測(cè)結(jié)果和路面病害檢測(cè)結(jié)果整合為數(shù)據(jù)屬性列，并使用gis技術(shù)將地下雷達(dá)圖譜、路面圖像和數(shù)據(jù)屬性列表導(dǎo)入到道路地圖中，以生成道路評(píng)估地圖。

60、本發(fā)明的技術(shù)方案：一種基于多維數(shù)據(jù)的道路勘探評(píng)估存儲(chǔ)介質(zhì)，其適用于所述的一種基于多維數(shù)據(jù)的道路勘探評(píng)估方法，包括：至少一個(gè)處理器和存儲(chǔ)器；

61、所述存儲(chǔ)器用于存儲(chǔ)計(jì)算機(jī)執(zhí)行指令；

62、所述至少一個(gè)處理器用于執(zhí)行所述存儲(chǔ)器存儲(chǔ)的計(jì)算機(jī)執(zhí)行指令，以實(shí)現(xiàn)上述的一種基于多維數(shù)據(jù)的道路勘探評(píng)估方法。

63、與現(xiàn)有技術(shù)相比，本發(fā)明的上述技術(shù)方案具有如下有益的技術(shù)效果：

64、本發(fā)明通過(guò)結(jié)合地下雷達(dá)圖譜和路面圖像，能夠全面獲取道路不同層次的信息，包括地下結(jié)構(gòu)和路面狀態(tài)，且對(duì)地下雷達(dá)圖譜和路面圖像進(jìn)行預(yù)處理和標(biāo)準(zhǔn)化操作，有助于提高數(shù)據(jù)質(zhì)量和可比性，使得后續(xù)分析和模型訓(xùn)練更加有效和準(zhǔn)確，并且利用已訓(xùn)練好的數(shù)據(jù)增廣模型對(duì)訓(xùn)練集進(jìn)行增廣，然后構(gòu)建脫空檢測(cè)模型和路面病害檢測(cè)模型，從而能夠提高模型的泛化能力和適應(yīng)性，確保模型在各種實(shí)際場(chǎng)景中的有效性。

65、本發(fā)明通過(guò)脫空檢測(cè)和路面病害檢測(cè)，綜合評(píng)估道路的地下結(jié)構(gòu)健康和路面的使用狀況，能夠提供全面的道路健康狀態(tài)分析，通過(guò)結(jié)合gis技術(shù)，將地下雷達(dá)圖譜、路面圖像和相關(guān)屬性導(dǎo)入道路地圖，生成道路評(píng)估地圖，從而可以提供直觀且易于理解的地圖視覺(jué)化，幫助決策者快速分析和理解道路的整體情況，而且基于詳細(xì)的道路評(píng)估地圖，能夠精確規(guī)劃和優(yōu)化道路維護(hù)和修復(fù)計(jì)劃，有效利用資源，延長(zhǎng)道路使用壽命，且通過(guò)持續(xù)的監(jiān)測(cè)和維護(hù)，可以改善道路使用體驗(yàn)，減少駕駛風(fēng)險(xiǎn)和車(chē)輛損壞，提升交通流暢性和效率。