基于无人机的高速公路路面病害感知系统设计文献综述

1. 文献综述（或调研报告）：

随着高速公路网的日益完善，高速公路的养护和维修就成了各国交通管理行业面临的难题。传统的人工检测方法已无法满足高速公路的现代化养护管理需求。因此，如何提高高速公路养护的效率，实现道路病害的实时检测就成了各国学者研究的热点问题。随着现代科学技术的不断发展，路面病害的检测、公路养护也经历了从人工——半自动化——自动化的发展历程。其中，利用数字图像处理技术完成道路路面的病害检测更是这个历程中不可或缺的重要部分。针对路面图像在处理过程中会出现的一系列问题及解决方法的研究可归结如下：

2003年我国学者高建贞首先开展了基于图像分析的道路病害研究，对于路面图像存在成像灰度不均问题提出了一种新的图像灰度校正算法。同时，对于道路裂缝病害的检测问题，提出了两种不同的方法，一种是利用图像增强方法对图像做整体灰度校正，然后利用道路病害在图像中的统计特性确定一个阈值做分割，再提取线性特征来识别；另一种是采取多级拟合方法，对图像分块提取出可能的裂缝点，经过一系列拟合之后拟合出完整的裂缝目标。该方法检测精度可达2毫米。

2004年6月滕井玉对南京理工大学已有的路面病害自动检测体系进行了改进，并对路面自动检测算法进行了进一步研究。将检测重点放在裂缝病害的检测上，提出了基于分级处理模型的路面病害自动检测方法。分级处理模型灵活高效，克服了传统的边缘检测方法的不足。

2004年高建贞、陆建峰、赵春霞等人开展了基于多级拟合机制的道路裂缝自动检测与识别方法。通过裂缝点筛选、直线拟合、曲线拟合、裂缝检验等几个步骤实现了道路图像的处理，对于灰度不均、光照问题、阴影问题对于图像的影响有较好的处理效果。

2010年陈丽丽开展了关于道路病害视频检索与识别系统设计的研究。研究重点为道路病害视频分割算法的实现和病害类型的识别。用基于颜色帧差的思想实现了镜头渐变检测,再利用纹理特征和构图理论相结合的方法提取出关键帧，完成了道路视频的分割，实现了对路面病害帧的准确定位。道路病害识别是利用改进的直方图凹度分析法对道路病害帧进行二值化处理,有效地滤除了噪声干扰。再对二值化图像投影,最后利用模板匹配的方式对路面病害进行识别。

2011年胡豆豆提出了针对路面典型裂缝的检测方法，如对高噪声沥青横纵裂缝使用马斯克匀光法和部分重叠直方图均衡化调整图像亮度不均，并引入张量投票技术提取裂缝。针对高噪声唧浆裂缝，首先使用改进的人工生命预处理方法进行图像增强，然后引入密度集的概念，考虑图像整体性质，判断有无裂缝。针对修补裂缝，选择了自适应的canny边缘检测算法。经过验证，该算法对于典型路面具有良好的检测效果。

2012年马常霞主要针对路面裂缝病害展开了研究，提出将分数阶微分分析、多尺度变换理论、中值滤波、形态学、形态成分分析等理论知识应用到对路面裂缝图像的增强、去噪、边缘检测和阴影分离中去。

2013年胡墦基于BP神经网络基本模型，利用路面状况的提取特征作为BP神经网络的输入值，设计了3层BP神经网络对路面病害图像进行分类识别，提出了基于图像分割、图像增强、以及BP神经网络模型的高速公路路面病害识别图像处理技术。周林在硬件系统上提出了基于机器视觉的裂缝检测方法，检测主要包括路面图像采集系统、GPS地理信息定位系统、计算机图像处理系统以及照明系统。通过对图像进行增强、边缘检测、分割等一系列处理后，选用BP神经网络模型对路面裂缝图像进行了准确分类，对纵向、横向、网状等各种裂纹的分类精度均在92%以上。同时，国外学者Oliveira H 和 Correia P也在2013年提出了一种不需要人工标样的柔性路面裂缝自动检测与表征的完整集成系统，以最大限度地减少传统人工测量对人的主观能动性。最终完成了基于葡萄牙遇险目录的裂纹检测和特征自动识别系统，其中基于两种高斯模型混合的裂纹检测方法在综合性能方面表现良好。