课题组在TOP期刊Automation in Construction发表基于机器视觉的构造深度预估最新研究

课题组在TOP期刊Automationin Construction发表了由翁梓航、林雨超、刘成龙、吴荻非、杜豫川撰写的研究论文《Pavement texture depthestimation using image-based multiscale features》。路面构造深度是衡量路面性能的基本参数之一，传统的检测方法耗时低效；基于图像的预估方法因其轻便快捷的特点越来越受到关注。本研究提出了一种基于图像多尺度特征的路面构造深度预估方法。一方面采用数字图像技术，实现路面粒料分割，并根据级配筛分原理，得到不同粒径大小的分布（maximum particle sizedistribution，MPSD）；另一方面，基于二维小波变换计算多尺度的相对能量分布（relative energydistribution，RED）。在多种工况和不同道路等级下采集了250个图像样本，每个样本都对应地采集了高精三维数据计算，并以其计算得到的电子平均构造深度为真值(electronic mean texturedepth，eMTD)。本研究以MPSD和RED为输入特征，采用多元非线性的回归模型来预测路面构造深度，解决了多特征共线性问题。本研究对比了其他文献中提到的多种输入参数，发现以MPSD和RED共同作为输入的效果最好。在多种非线性回归模型中，随机森林的预测效果最佳，其交叉验证的R方值达到0.8192。本研究提出的方法有效提升了基于机器视觉的路面构造深度预估准确度，可以支撑路面表观性能快速感知和质量评估。

论文链接：https://doi.org/10.1016/j.autcon.2022.104404