应用于病害识别的多维度探地雷达检测方法、装置、设备与流程

1.本技术的实施例涉及数据处理领域，尤其涉及应用于病害识别的多维度探地雷达检测方法、装置、设备和计算机可读存储设备。


背景技术：

2.由于机动车数量迅速增长，导致道路路面损坏速度也在加快，路面病害检测的工作量变得越来越繁重。
3.目前，通常所采用的路面病害检测方法为，人工目视解译法和雷达频段叠加法。
4.人工目视解析：将三维探地雷达现场检测产生的海量数据传回室内，通过人工进行处理和判读，主观性强，判读效率低下；
5.雷达频段叠加：检测效率低，同时若采用两个异步测距装置进行距离触发，会造成两种频段雷达回波数据的位置错位，导致检测数据不准确。


技术实现要素：

6.根据本技术的实施例，提供了一种应用于病害识别的多维度探地雷达检测方案。
7.在本技术的第一方面，提供了一种应用于病害识别的多维度探地雷达检测方法。该方法包括：
8.获取道路的雷达探测图像；
9.对所述雷达探测图像进行预处理，得到优化的雷达探测图像；
10.将所述优化的雷达探测图像输入至目标检测模型，得到道路的目标类型以及对应的相关参数；
11.基于所述道路的目标类型以及对应的相关参数，生成三维的可视化道路病害图像，完成道路病害的检测。
12.进一步地，所述对所述雷达探测图像进行预处理，得到优化的雷达探测图像包括：
13.对所述雷达探测图像，进行零点校正、背景消除、自动增益控制和/或滤波处理，得到优化的雷达探测图像。
14.进一步地，所述目标检测模型通过如下方式进行训练：
15.生成训练样本集合，其中，训练样本包括带有标注信息的雷达探测图像；所述标注信息包括道路的目标类型以及对应的相关参数；
16.利用所述训练样本集合中的样本对故障检测模型进行训练，以所述带有标注信息的雷达探测图像作为输入，以道路的目标类型以及对应的相关参数作为输出，当输出的数据与标注的数据的统一率满足预设阈值时，完成对目标检测模型的训练。
17.进一步地，还包括：
18.通过网络特征增强技术、网络侧枝级联技术和/或网络瓶颈连接技术，对所述目标检测模型进行优化。
19.进一步地，所述基于所述道路的目标类型以及对应的相关参数，生成三维的可视
化道路病害图像包括：
20.基于所述道路的目标类型以及对应的相关参数，通过雷达波成像方法，以及雷达图谱原理，将所述道路的目标类型以及对应的相关参数的二维雷达数据转化为三维的可视化道路病害图像。
21.进一步地，所述通过雷达波成像方法，以及雷达图谱原理，将所述道路的目标类型以及对应的相关参数的二维雷达数据转化为三维的可视化道路病害图像包括：
22.其中，通过雷达波成像方法，将所述道路的目标类型以及对应的相关参数的二维雷达数据转化为三维的可视化道路病害图像包括：
23.通过雷达波成像方法，对所述二维雷达数据进行分析，确定雷达波形图的有效范围；
24.基于所述雷达波形图的有效范围，确定雷达波振幅，生成三维的雷达波形图；
25.通过雷达图谱原理，将所述道路的目标类型以及对应的相关参数的二维雷达数据转化为三维的可视化道路病害图像包括：
26.对所述二维雷达数据进行滤波和特征提取，得到优化的二维雷达数据；
27.通过预设方法，对所述优化的二维雷达数据进行聚类分析，得到类别信息；
28.对所述类别信息进行颜色映射，得到三维的雷达图谱；
29.将所述雷达波形图和所述雷达图谱相结合，得到三维的可视化道路病害图像。
30.进一步地，所述基于所述道路的目标类型以及对应的相关参数，生成三维的可视化道路病害图像，完成道路病害的检测包括：
31.基于所述三维的可视化道路病害图像，和通过道路图像采集设备获取的路面图像信息，完成道路病害的检测。
32.在本技术的第二方面，提供了一种应用于病害识别的多维度探地雷达检测装置。该装置包括：
33.获取模块，用于获取道路的雷达探测图像；
34.处理模块，用于对所述雷达探测图像进行预处理，得到优化的雷达探测图像；
35.训练模块，用于将所述优化的雷达探测图像输入至目标检测模型，得到道路的目标类型以及对应的相关参数；
36.检测模块，用于基于所述道路的目标类型以及对应的相关参数，生成三维的可视化道路病害图像，完成道路病害的检测。
37.在本技术的第三方面，提供了一种电子设备。该电子设备包括：存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如以上所述的方法。
38.在本技术的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如根据本技术的第一方面的方法。
39.本技术实施例提供的应用于病害识别的多维度探地雷达检测方法，通过获取道路的雷达探测图像；
40.对所述雷达探测图像进行预处理，得到优化的雷达探测图像；将所述优化的雷达探测图像输入至目标检测模型，得到道路的目标类型以及对应的相关参数；基于所述道路的目标类型以及对应的相关参数，生成三维的可视化道路病害图像，完成道路病害的检测，实现了道路检测高效化、智能化。
41.应当理解，发明内容部分中所描述的内容并非旨在限定本技术的实施例的关键或重要特征，亦非用于限制本技术的范围。本技术的其它特征将通过以下的描述变得容易理解。
附图说明
42.结合附图并参考以下详细说明，本技术各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：
43.图1示出了根据本技术的实施例的应用于病害识别的多维度探地雷达检测方法的流程图；
44.图2示出了根据本技术的实施例的零点校正示意图；
45.图3示出了根据本技术的实施例的滤波示意图；
46.图4示出了根据本技术的实施例的背景消除示意图；
47.图5示出了根据本技术的实施例的自动增益示意图；
48.图6示出了根据本技术的实施例的特征提取示意图；
49.图7示出了根据本技术的实施例的任务回归网络头的示意图；
50.图8示出了根据本技术的实施例的网络侧枝级联的示意图；
51.图9示出了根据本技术的实施例的应用于病害识别的多维度探地雷达检测装置的方框图；
52.图10示出了适于用来实现本技术实施例的终端设备或服务器的结构示意图。
具体实施方式
53.为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本公开保护的范围。
54.另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
55.图1示出了根据本公开实施例的应用于病害识别的多维度探地雷达检测方法的流程图。所述方法包括：
56.s110，获取道路的雷达探测图像。
57.在一些实施例中，采用同一部雷达控制系统进行多频段天线数据采集，获取道路的雷达探测图像，通常所述雷达探测图像中包括雷达探测数据。
58.s120，对所述雷达探测图像进行预处理，得到优化的雷达探测图像。
59.在实际应用中，地下介质相当于一个复杂的滤波器，基于本身的不均匀的特性，能够对电磁波进行不同程度的吸收和反射，使得雷达脉冲回到接收天线时波幅减小、波形变化。同时，不同程度的各类干扰和随机噪声，也歪曲了实测数据。
60.因此，在本公开中，需要对获取的雷达探测图像进行预处理，以改善数据质量，为最终的地址解释提供清晰可辨的雷达探测图像。
61.在一些实施例中，可通过零点校正、去零漂、滤波和/或背景消除等方法，对所述雷达探测图像进行优化(预处理)：
62.其中，零点校正用于，通过零点校正可将数据起始位置调整为接收地面直达波时刻，以便更精确的判定目标体的深度。参考图2，图2为零点校正图。
63.滤波用于，同时进行频谱分析和带通滤波，去除信号在频域内的无效噪声，参考图3。
64.背景消除用于，消除雷达的直达波和水平波，以便更好的凸显出探测的目标信息，参考图4。
65.自动增益控制用于，将雷达探测到的图像信号的每一个波形恢复到同一水平，即，将能量强的波形给予能量小的波形增益，能量弱的地方给予能量强的地方增益。以保持在整个剖面上，深部与浅部信号保持在一定水平，便于后期的更好的显示和解释，参考图5。
66.通过上述处理后，得到优化的雷达探测图像，即得到清晰可辨的雷达图像。
67.s130，将所述优化的雷达探测图像输入至目标检测模型，得到道路的目标类型以及对应的相关参数。
68.在一些实施例中，目标检测模型通过如下方式进行训练：
69.生成训练样本集合，其中，训练样本包括带有标注信息的雷达探测图像；所述标注信息包括道路的目标类型以及对应的相关参数；
70.利用所述训练样本集合中的样本对目标检测模型进行训练，以所述带有标注信息的雷达探测图像作为输入，以道路的目标类型以及对应的相关参数作为输出，当输出的数据与标注的数据的统一率满足预设阈值时，完成对目标检测模型的训练。
71.其中，所述道路的目标类型包括管线、井室、空洞、脱空和/或疏松等；所述对应的相关参数，通常表示目标在图谱(雷达图谱)中的坐标参数。
72.在一些实施例中，所述目标检测模型的架构包括特征提取主干网络(body)和任务回归网络头(head)。
73.其中，所述特征提取主干网络用于，利用输入的原始信号(带有标注信息的雷达探测图像)，通过一系列的卷积/非线性/池化/全连接等操作，提取数据的高维语义特征。
74.参考图6，通过卷积、非线性、池化、全连接等方式实现数据的深层信息挖掘，有效提取各类地质目标具有“高识别力”的特征信息。所述“高识别力”的特征信息为各类目标类型所特有的信息，可通过大数据分析、人工标注等方式确定。
75.所述任务回归网络头用于，基于上述主干网路提取的特征，进行探地雷达感兴趣目标(“管线”、“空洞”等)的检测识别。所述任务回归网络头包括各个地质目标的类别判定以及位置定位，参考图7。
76.即，雷达回波数据通过上述特征提取主干网络挖掘各个地质目标的“深度语义”信息，将其作为任务回归网络头的输入，获取各类目标的类别及位置信息，从而达到检测识别的目的。
77.在一些实施例中，为了进一步提高目标检测模型的性能，通过如下方式对该模型进行优化：
78.1)网络特征增强技术
79.针对目标信噪比较低，特征较弱的情景。在本公开中对网络的特征表述能力进行
增强设计，以提升目标的检出率，而网络框架随着深度的增加，语义表述能力逐渐提升的同时带来了目标位置特征的弱化，为解决此矛盾，将金字塔特征引入深度网络框架，通过低维特征与高维特征的金字塔连接，有效的将高精度位置信息与高精度语义信息进行融合，从而提升目标的检出率。
80.2)网络侧枝级联技术
81.如图8所示，将网络进行了拓宽设计，用以提高算法的实时性，将单一串行网络通过侧枝级联改为局部并行连接，自动分配线程，增加算法和策略选择方法，从而通过并行运算提高算法的运算速度。
82.3)网络瓶颈连接技术
83.用于精简网络模型，减少模型参数的数量，以及减少仅对关键数据的计算来加速深度学习算法运行。利用卷积神经网络方法，将高维卷积核运算转移至低通道特征层，再通过低维卷积核将特征映射至高通道特征层。通过此方法不仅可以降低模型参数量，还能够进一步加深了网络结构，在提升运算速度的同时，有效提高网络的特征表述能力。
84.s140，基于所述道路的目标类型以及对应的相关参数，生成三维的可视化道路病害图像，完成道路病害的检测。
85.在一些实施例中，数据可视化包括雷达波形图可视化和雷达图谱可视化。
86.其中，雷达波形图可视化包括：
87.基于所述道路的目标类型以及对应的相关参数(二维数据)，通过雷达波成像原理技术方法可视化雷达波形图，通过波形图分析雷达波振幅，确定有效数据范围；
88.雷达图谱可视化包括：
89.通过雷达图谱原理，将所述道路的目标类型以及对应的相关参数通过雷达可视化算法生成雷达图谱并可视化。
90.进一步地，雷达图谱可视化包括雷达切面可视化和剖面可视化。雷达图谱可视化用于实现切面数据与剖面数据联动显示。其实现思路为，对二维数据进行滤波和特征提取，然后运用预设方法对特征数据集进行聚类分析，最后对类别信息进行颜色映射以得到雷达数据的可视化图像。同时，将二维雷达数据与三维雷达数据进行同步剖面显示。
91.具体地：
92.通过如下公式对二维数据进行滤波和特征提取，得到数据集合d：
[0093][0094]
其中，window表示滑动窗口；
[0095]
n表示窗口中像素的总个数。
[0096]
提取数据集d中每个元素的特征向量pi，1≤i≤row(d)column(d)，即：
[0097][0098]
其中，d(t)＝x(t) iy(t),
[0099]
基于每个元素的特征向量，构建对应的元素特征向量的集合p，在特征集p中，任意
指定k个初始聚类中心cj，1≤j≤k，设定迭代次数t＝0；
[0100]
计算依据min(disti)划分，得到初始k个簇即即
[0101]
更新每个簇的聚类中心：
[0102][0103]
其中，nj为簇cj中向量的总个数。
[0104]
若如下公式收敛或达到指定迭代次数，则输出类别矩阵；反之，重新回到计算的步骤：
[0105][0106]
对输出的类别矩阵进行颜色映射，得到雷达数据的可视化图像。
[0107]
由于雷达在地下的传播过程中，会随着时间的推移产生振幅衰减，通过上述方法能够很好地移除、吸收衰减对成像效果的影响，使得最终的成像更接近预期效果。
[0108]
进一步地，将所述雷达波形图和所述雷达图谱相结合，得到三维的可视化道路图像；通过预设的异常检测标准，对所述三维的可视化道路图像进行标注，得到三维的可视化道路病害图像。
[0109]
基于所述三维的可视化道路病害图像，和通过道路图像采集设备获取的路面图像信息，完成道路病害的检测。
[0110]
所述预设的异常检测标准，可以是通过大数据分析等方式获取的标准，也可以是已制定的标准，例如，《tcmea 2-2018道路塌陷隐患雷达检测技术规范》中，关于异常体方面数据解译的相关规定。
[0111]
根据本公开的实施例，实现了以下技术效果：
[0112]
基于深度学习方法，可快速识别道路病害异常，提高了道路病害的识别速度、和准确率，实现了道路监测自动化、智能化。
[0113]
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本技术并不受所描述的动作顺序的限制，因为依据本技术，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本技术所必须的。
[0114]
以上是关于方法实施例的介绍，以下通过装置实施例，对本技术所述方案进行进一步说明。
[0115]
图9示出了根据本技术的实施例的应用于病害识别的多维度探地雷达检测装置900的方框图，如图9所示，装置900包括：
[0116]
获取模块910，用于获取道路的雷达探测图像；
[0117]
处理模块920，用于对所述雷达探测图像进行预处理，得到优化的雷达探测图像；
[0118]
训练模块930，用于将所述优化的雷达探测图像输入至目标检测模型，得到道路的目标类型以及对应的相关参数；
[0119]
检测模块940，用于基于所述道路的目标类型以及对应的相关参数，生成三维的可视化道路病害图像，完成道路病害的检测。
[0120]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，所述描述的模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0121]
图10示出了适于用来实现本技术实施例的终端设备或服务器的结构示意图。
[0122]
如图10所示，终端设备或服务器1000包括中央处理单元(cpu)1001，其可以根据存储在只读存储器(rom)1002中的程序或者从存储部分1008加载到随机访问存储器(ram)1003中的程序而执行各种适当的动作和处理。在ram 1003中，还存储有系统1000操作所需的各种程序和数据。cpu 1001、rom 1002以及ram 1003通过总线1004彼此相连。输入/输出(i/o)接口1005也连接至总线1004。
[0123]
以下部件连接至i/o接口1005：包括键盘、鼠标等的输入部分1006；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分1007；包括硬盘等的存储部分1008；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分1009。通信部分1009经由诸如因特网的网络执行通信处理。驱动器1010也根据需要连接至i/o接口1005。可拆卸介质1011，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1010上，以便于从其上读出的计算机程序根据需要被安装入存储部分1008。
[0124]
特别地，根据本技术的实施例，上文方法流程步骤可以被实现为计算机软件程序。例如，本技术的实施例包括一种计算机程序产品，其包括承载在机器可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分1009从网络上被下载和安装，和/或从可拆卸介质1011被安装。在该计算机程序被中央处理单元(cpu)1001执行时，执行本技术的系统中限定的上述功能。
[0125]
需要说明的是，本技术所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本技术中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本技术中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述
的任意合适的组合。
[0126]
附图中的流程图和框图，图示了按照本技术各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，前述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0127]
描述于本技术实施例中所涉及到的单元或模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中。其中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
[0128]
作为另一方面，本技术还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中的。上述计算机可读存储介质存储有一个或者多个程序，当上述前述程序被一个或者一个以上的处理器用来执行描述于本技术的方法。
[0129]
以上描述仅为本技术的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本技术中所涉及的申请范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离前述申请构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本技术中申请的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。