基于三維激光的路面裂縫智能識別準(zhǔn)確性研究

孔海望， 吳迪， 孫楊勇， 張傲南

(1.廣東省建筑科學(xué)研究院集團(tuán)股份有限公司， 廣東 廣州 510500；2.廣東建科交通工程質(zhì)量檢測中心有限公司，廣東 廣州 510500)

裂縫是評價(jià)路面質(zhì)量的重要指標(biāo)之一，是多數(shù)路面病害的早期表現(xiàn)形式，直接影響道路使用壽命和行車安全，及時(shí)掌握路面裂縫發(fā)展情況并進(jìn)行科學(xué)管養(yǎng)，能有效避免裂縫進(jìn)一步發(fā)展。目前多數(shù)路面裂縫檢測采用二維路面檢測系統(tǒng)，通過快速連續(xù)掃描獲取二維灰度圖像進(jìn)行路面破損數(shù)據(jù)采集，掃描精度接近1 mm。二維圖像分析技術(shù)不僅能實(shí)現(xiàn)快速檢測，無需封閉交通，而且拍攝的照片能直觀反映路面的平面特征，是裂縫、坑槽等病害的有效調(diào)查手段。但該系統(tǒng)采用帶狀照明燈作為激發(fā)光源，較易受路面油污、標(biāo)線或輪胎痕跡、陰影、光照不均等因素干擾，也無法獲取變形類病害的形變信息。目前基于二維灰度圖像的智能識別技術(shù)還不能對現(xiàn)場隨機(jī)采集的數(shù)據(jù)進(jìn)行有效處理，大多仍釆用現(xiàn)場釆集、人工識別方式，效率低下。基于三維激光的路面裂縫智能識別技術(shù)利用三角位移和激光測距原理，可全斷面掃描路面各點(diǎn)的高程信息，利用特定算法和深度學(xué)習(xí)原理從掃描到的路面紋理中智能識別路面病害。理論上，通過二維圖像和三維數(shù)據(jù)相結(jié)合，可識別包括沉陷、擁包和坑槽等變形病害在內(nèi)的所有病害。

1 三維智能路面檢測系統(tǒng)

采用廣東省建筑科學(xué)研究院引進(jìn)美國WayLink公司技術(shù)并結(jié)合國內(nèi)實(shí)際需求研發(fā)的三維智能路面檢測系統(tǒng)識別路面裂縫。該系統(tǒng)包括道路表面成像系統(tǒng)、道路路權(quán)成像系統(tǒng)、路面平整度檢測系統(tǒng)和車轍深度檢測系統(tǒng)，硬件包括GPS接收機(jī)、距離測量儀、電源、加速度計(jì)和慣性測量單元。配置有高能量線激光成像系統(tǒng)和特制濾光片，具有三維數(shù)據(jù)收集與拼接及病害自動(dòng)化識別分析功能，可在最高100 km/h速度下采集縱橫向精度為1 mm、垂直向精度為0.5 mm的路面三維點(diǎn)云數(shù)據(jù)。橫向4 m范圍內(nèi)平均分布4 000個(gè)像素點(diǎn)，主要用于路面破損、車轍、平整度、構(gòu)造深度、路面磨耗、路面跳車等檢測。

為了提高裂縫識別準(zhǔn)確率，該系統(tǒng)采用基于遞歸神經(jīng)網(wǎng)絡(luò)的三維瀝青路面全自動(dòng)像素級裂紋檢測方法CrackNet-R。該方法采用一種新的遞歸單元——門控遞歸多層感知器(GRMLP)更新內(nèi)部存儲器，與廣泛使用的長短期存儲器(LSTM)和門控遞歸單元(GRU)不同，GRMLP通過在選通單元處進(jìn)行多層非線性變換，對輸入和隱藏狀態(tài)進(jìn)行更深入的抽象(見圖1)。CrackNet-R可實(shí)現(xiàn)序列生成和序列建模兩相序列處理，其中：序列生成是在研究中特別開發(fā)的，以找到最有可能形成裂紋模式的最佳局部路徑；序列建模預(yù)測輸入序列為裂紋模式的及時(shí)概率。在序列建模方面，GRMLP僅在每個(gè)門處使用一個(gè)以上的非線性層，略優(yōu)于LSTM和GRU。除序列處理外，還設(shè)置有一個(gè)輸出層，用于基于序列預(yù)測的及時(shí)概率產(chǎn)生像素概率，該輸出層可實(shí)現(xiàn)從序列級學(xué)習(xí)到像素級學(xué)習(xí)的過渡，這對像素級的精確性至關(guān)重要。

圖1 GRMLP原理示意圖

2 準(zhǔn)確性分析方法

目前，圖像識別領(lǐng)域暫無通用的對準(zhǔn)確率進(jìn)行定量描述的指標(biāo)。為此，引用信息檢索和統(tǒng)計(jì)學(xué)分類領(lǐng)域的準(zhǔn)確率、召回率和F1值指標(biāo)作為衡量裂縫識別準(zhǔn)確性的指標(biāo)。

對于裂縫識別算法，要求識別結(jié)果既準(zhǔn)確又全面，準(zhǔn)確率、召回率正是這樣一組評價(jià)指標(biāo)，其計(jì)算公式如下：

Pr=TP/(TP+FP)×100%

(1)

Re=TP/(TP+FN)×100%

(2)

式中：Pr為準(zhǔn)確率(Precision)；TP為正確檢測出來的目標(biāo)物數(shù)目(True Positive)；FP為不是目標(biāo)物卻檢測為目標(biāo)物的數(shù)目(False Positive)；Re為召回率(Recall)；FN為是目標(biāo)物卻沒有檢測出來的數(shù)目(False Negative)。

對于道路裂縫識別算法，令集合Γ1為識別算法的檢測結(jié)果，集合Γ2為實(shí)際正確識別出的結(jié)果，Γ3為算法正確識別出的裂縫像素集合，Γ3=Γ1∩Γ2，則有：

TP=Γ3的裂縫像素?cái)?shù)目

TP+FP=Γ1的裂縫像素?cái)?shù)目

TP+FN=Γ2的裂縫像素?cái)?shù)目

Pr和Re越接近于100%越好，但很多情況下二者是矛盾的：準(zhǔn)確率高，則很難檢測出所有裂縫，即召回率降低；召回率高，即檢測結(jié)果覆蓋全面，識別到的裂縫像素多，則準(zhǔn)確率降低。因此，需綜合考慮準(zhǔn)確率和召回率。常用的F1值是綜合評價(jià)指標(biāo)，它能總體評價(jià)識別算法的優(yōu)劣，其值越高，算法越優(yōu)。F1值的計(jì)算公式如下：

F1=2PrRe/(Pr+Re)×100%

(3)

在獲得識別算法檢測結(jié)果Γ1和手動(dòng)標(biāo)注的真實(shí)裂縫圖像Γ2之后，首先對它們的裂縫像素進(jìn)行統(tǒng)計(jì)，分別計(jì)算各自的裂縫像素?cái)?shù)目(TP+FP和TP+FN)；然后與Γ1和Γ2的裂縫像素進(jìn)行對比，若像素(x，y)在Γ1和Γ2中均為裂縫，則該像素記為Γ3的裂縫像素，得到TP；最后計(jì)算Pr和Re。

3 準(zhǔn)確率影響因素分析

基于三維激光的路面病害智能識別技術(shù)的準(zhǔn)確率受檢測車速、雨水、光照強(qiáng)度的影響，影響方式和程度目前無統(tǒng)一認(rèn)識。選取廣州市某工業(yè)區(qū)瀝青路面為試驗(yàn)路段(該道路建成于2010年，有較多不同嚴(yán)重程度的縱橫向裂縫和網(wǎng)裂)，設(shè)計(jì)3種工況，研究以上因素對裂縫識別準(zhǔn)確率的影響。三維系統(tǒng)測試前先進(jìn)行人工檢測，作為比對的真值。

3.1 車速的影響

數(shù)據(jù)采集速度受相機(jī)拍攝頻率和數(shù)據(jù)傳輸速度限制，在保證同等數(shù)據(jù)質(zhì)量的前提下，相機(jī)拍攝頻率越高、數(shù)據(jù)傳輸速度越快，最大采集速度越高。

在陰天路面干燥條件下，分別以20、40、60、80、100 km/h車速進(jìn)行檢測，每級車速重復(fù)檢測3次，取準(zhǔn)確率和召回率各自的平均值作為檢測值。檢測結(jié)果見表1、圖2、圖3。

表1 不同檢測車速下路面裂縫識別準(zhǔn)確率

圖2 路面裂縫識別準(zhǔn)確率隨檢測車速的變化

圖3 不同檢測速度下的自動(dòng)分析效果

從表1、圖2、圖3可看出：檢測車速越小，路面裂縫識別準(zhǔn)確率越高；車速在80 km/h以下時(shí)準(zhǔn)確率高于90%且較穩(wěn)定，能滿足規(guī)范要求；車速為100 km/h時(shí)準(zhǔn)確率為87.8%，基本能滿足日常巡查要求。實(shí)際道路檢測中，80 km/h采集速度能滿足準(zhǔn)確率和工效的要求。

3.2 雨水的影響

降雨過后會在道路表面形成一層水膜，激光在表面發(fā)生鏡面反射而形成噪點(diǎn)。因此，路面潮濕程度直接影響激光的反射效果，從而影響三維激光路面病害識別準(zhǔn)確率。雨后路面潮濕程度在車流作用下會隨時(shí)間逐漸降低，路面潮濕程度可通過基面濕度計(jì)測量。

為研究路面潮濕程度對裂縫識別準(zhǔn)確率的影響，分別在雨后30、60、90、120、180 min對同路段進(jìn)行裂縫檢測(車速60 km/h)，并記錄當(dāng)時(shí)的路面濕度，取5個(gè)區(qū)域同時(shí)段的平均值作為測試值。檢測結(jié)果見表2、圖4。

表2 不同路面濕度下路面裂縫識別準(zhǔn)確率

圖4 路面裂縫識別準(zhǔn)確率隨路面潮濕程度的變化

從表2、圖4可看出：大雨過后30 min內(nèi)，濕度在30%左右，路面水膜明顯，對激光采集系統(tǒng)造成強(qiáng)干擾，識別準(zhǔn)確率極低；隨著時(shí)間的推移，路面濕度降低，識別準(zhǔn)確率不斷提升，在120 min后路面濕度降至7.6%時(shí)準(zhǔn)確率達(dá)到92.0%。因降雨后路面干凈無污染，準(zhǔn)確率高于60 km/h車速測試工況下的準(zhǔn)確率。三維激光路面病害識別技術(shù)在路面濕度低于8%時(shí)基本能保證準(zhǔn)確率在90%以上；路面濕度高于8%時(shí)，濕度越大，識別準(zhǔn)確率越低，說明其對路面濕度極其敏感。

3.3 光照強(qiáng)度的影響

三維激光檢測系統(tǒng)采用光源為波長800 nm的激光，可有效降低自然光的干擾。但太陽光波譜是連續(xù)的，仍含有少量該波段的光線，且陽光越強(qiáng)烈，該波段光照強(qiáng)度越大。因此，光照強(qiáng)度對采集數(shù)據(jù)的質(zhì)量仍存在一定影響。

為研究光照強(qiáng)度對裂縫識別準(zhǔn)確率的影響，分別在晴天的12點(diǎn)(300 000 lx)、14點(diǎn)(100 000 lx)、16點(diǎn)(60 000 lx)、18點(diǎn)(10 000 lx)、20點(diǎn)(2 500 lx)進(jìn)行數(shù)據(jù)采集，檢測車速為60 km/h，地面干燥無雜物。檢測結(jié)果見表3、圖5。

表3 不同光照強(qiáng)度下路面裂縫識別準(zhǔn)確率

圖5 路面裂縫識別準(zhǔn)確率隨光照強(qiáng)度的變化

從表3、圖5可看出：照度在100 000 lx以上時(shí)，路面裂縫識別準(zhǔn)確率隨照度降低明顯增強(qiáng)，F(xiàn)1值敏感性次之，召回率基本不隨照度改變而改變；照度在100 000 lx以下時(shí)，準(zhǔn)確率、召回率和F1值均基本穩(wěn)定在90%以上。準(zhǔn)確率受光照強(qiáng)度影響較大主要是因?yàn)楣庹諒?qiáng)度越大，光噪點(diǎn)越多，誤判比例越高。而漏判基本不受影響。因此，為保證識別準(zhǔn)確率，應(yīng)盡量在照度不大于100 000 lx的條件下進(jìn)行數(shù)據(jù)采集。

4 結(jié)論

通過不同工況測試，得出三維激光路面裂縫識別系統(tǒng)病害識別準(zhǔn)確率受檢測車速、雨水、光照強(qiáng)度的影響規(guī)律如下：

(1) 一定范圍內(nèi)裂縫識別準(zhǔn)確率與車速成反相關(guān)關(guān)系。車速低于80 km/h時(shí)，準(zhǔn)確率高于90%且較穩(wěn)定，能滿足規(guī)范要求；車速為100 km/h時(shí)準(zhǔn)確率為87.8%，基本能滿足日常巡查的要求。實(shí)際道路檢測中，車速控制在80 km/h能滿足準(zhǔn)確率和工效的要求。

(2) 激光對路面濕度極為敏感，裂縫識別準(zhǔn)確率與路面濕度成反相關(guān)關(guān)系。濕度在30%左右時(shí)，路面水膜明顯，采集的數(shù)據(jù)噪點(diǎn)較多，識別準(zhǔn)確率極低；隨著濕度的降低，識別準(zhǔn)確率不斷提升，在路面濕度降至7.6%時(shí)準(zhǔn)確率達(dá)到92.0%。三維激光路面病害識別技術(shù)在路面濕度低于8%時(shí)基本能保證準(zhǔn)確率在90%以上。

(3) 裂縫識別準(zhǔn)確率隨照度降低明顯增強(qiáng)，F(xiàn)1值敏感性次之，召回率基本不隨照度改變而改變。準(zhǔn)確率受光照強(qiáng)度影響較大主要是因?yàn)檎斩仍酱?，光噪點(diǎn)越多，誤判比例越高。而漏判基本不受影響。為保證識別準(zhǔn)確率，應(yīng)盡量在照度不大于100 000 lx的條件下進(jìn)行數(shù)據(jù)采集。