[發(fā)明專利]基于雷達(dá)圖像和人工智能的道路地下隱患檢測(cè)方法和系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110438520.0
• 申請(qǐng)日: 2021-04-22
• 公開（公告）號(hào): CN113256562B
• 公開（公告）日: 2021-12-14
• 發(fā)明（設(shè)計(jì)）人: 蔣曉鈞;項(xiàng)芒;狄毅;秦竟波;嚴(yán)晶
• 申請(qǐng)（專利權(quán)）人: 深圳安德空間技術(shù)有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市錕劍恒富知識(shí)產(chǎn)權(quán)代理有限公司 44769
• 代理人: 溫玉珍

本發(fā)明提供一種基于雷達(dá)圖像和人工智能的道路地下隱患檢測(cè)方法和系統(tǒng)，所述道路地下隱患檢測(cè)方法包括：步驟S1，從三維探地雷達(dá)數(shù)據(jù)庫(kù)中篩選含有地下隱患目標(biāo)的B?SCAN樣本圖片；步驟S2，對(duì)樣本圖片的每個(gè)目標(biāo)進(jìn)行目標(biāo)檢測(cè)標(biāo)注，并進(jìn)行數(shù)據(jù)增強(qiáng)處理后形成地下隱患目標(biāo)檢測(cè)數(shù)據(jù)集；步驟S3，分別訓(xùn)練兩個(gè)R?CNN目標(biāo)檢測(cè)神經(jīng)網(wǎng)絡(luò)，得到兩個(gè)具備空洞、脫空、管線和沙井對(duì)象檢測(cè)能力的目標(biāo)檢測(cè)模型；步驟S4，讀取三維探地雷達(dá)采集的各通道待檢測(cè)B?SCAN圖片，用兩個(gè)目標(biāo)檢測(cè)模型進(jìn)行多GPU的并行目標(biāo)檢測(cè)，生成兩組推理結(jié)果；步驟S5，通過(guò)模型集成將兩組推理結(jié)果進(jìn)行融合和輸出。本發(fā)明抗干擾性強(qiáng)、目標(biāo)信息豐富且準(zhǔn)確性高。

技術(shù)領(lǐng)域

本發(fā)明涉及一種隱患檢測(cè)方法，尤其涉及一種基于雷達(dá)圖像和人工智能的道路地下隱患檢測(cè)方法，還涉及采用了該基于雷達(dá)圖像和人工智能的道路地下隱患檢測(cè)方法的道路地下隱患檢測(cè)系統(tǒng)。

背景技術(shù)

由空洞或脫空等城市道路地下隱患引發(fā)的危害巨大的道路坍塌安全事故，輕則傷及車輛和財(cái)物，重則造成人員傷亡，且呈逐年上升趨勢(shì)據(jù)。由于地下隱患具備隱蔽和突發(fā)的特點(diǎn)，當(dāng)前各主管業(yè)務(wù)部門處于疲于應(yīng)付事后搶險(xiǎn)的被動(dòng)局面，因此急需新型快速無(wú)損大面積普查技術(shù)來(lái)變被動(dòng)為主動(dòng)，從事后搶險(xiǎn)轉(zhuǎn)變?yōu)槭虑邦A(yù)防。實(shí)踐證明，探地雷達(dá)(GroundPenetrating radar, GPR)具有定位準(zhǔn)確、速度快、使用靈活和探測(cè)精度高等特點(diǎn)，被廣泛用于地下隱患探測(cè)。

三維探地雷達(dá)具有空間采樣率高、成像準(zhǔn)確、分辨能力強(qiáng)和解譯技術(shù)手段豐富等優(yōu)勢(shì)，在地下空間探測(cè)領(lǐng)域取得了良好的應(yīng)用效果。但也存在數(shù)據(jù)量急劇增大，人工解譯工作量大，解譯標(biāo)準(zhǔn)不一，解譯質(zhì)量不一等問題，特別是缺乏能滿足工程應(yīng)用要求的地下隱患輔助自動(dòng)識(shí)別工具。

現(xiàn)有技術(shù)中也有基于模式識(shí)別的傳統(tǒng)方法，以Hough(霍夫)變換為代表的傳統(tǒng)模式識(shí)別方法在管線自動(dòng)識(shí)別和提取等一些特定領(lǐng)域取得了一定進(jìn)展，但高昂的算法設(shè)計(jì)成本和難以適應(yīng)復(fù)雜的地下空間地質(zhì)環(huán)境造成了使用范圍和效果受限，難以擴(kuò)展到地下隱患探測(cè)領(lǐng)域。而隨著機(jī)器學(xué)習(xí)算法不斷涌現(xiàn)，在 GPR圖像解譯方面通過(guò)神經(jīng)網(wǎng)絡(luò)對(duì)噪聲信號(hào)進(jìn)行分類、使用Viola-Jones(VJ)算法提取目標(biāo)區(qū)域等也取得了一定的進(jìn)步，但大多數(shù)應(yīng)用特征需要由人工識(shí)別和提取，分類結(jié)果取決于提取的特征的質(zhì)量，隨著數(shù)據(jù)量的增加，難以進(jìn)一步改進(jìn)。

另外，也存在基于深度學(xué)習(xí)中卷積神經(jīng)網(wǎng)絡(luò)的圖像類方法，這種圖像分類是一種用于對(duì)圖像中特定對(duì)象的類別進(jìn)行分類或預(yù)測(cè)的技術(shù)，該技術(shù)的主要目的是準(zhǔn)確識(shí)別圖像中的主要特征。通過(guò)對(duì)由B-SCAN和C-SCAN組合而成的圖像進(jìn)行分類后輸出整體置信度來(lái)確定是否含有異常體，比傳統(tǒng)的模式識(shí)別和機(jī)器學(xué)習(xí)方法在準(zhǔn)確性指標(biāo)上有了很大提升，作為一種工程可行的人工智能技術(shù)取得了一定的應(yīng)用效果，但在實(shí)際使用中發(fā)現(xiàn)也存在不足之處，包括：

使用范圍受限，只適合在高速公路等地質(zhì)情況較好的路段使用，對(duì)于危害和需求最大的市政道路、老舊小區(qū)周邊和重點(diǎn)區(qū)域等典型場(chǎng)景，由于道路地下遍布沙井、管線、管廊、碎石、層分界面等異常體和各類橋梁涵洞、道路周邊燈桿、電線、龍門架、機(jī)動(dòng)車護(hù)欄等路面干擾物體，一個(gè)分段內(nèi)常常存在多種多個(gè)異常體互相干擾，導(dǎo)致虛警過(guò)多、召回率過(guò)低而無(wú)法使用。

無(wú)目標(biāo)信息，檢出的地下隱患通常需要根據(jù)大小、深度和類別等進(jìn)行進(jìn)一步處理（實(shí)地勘察、二維雷達(dá)復(fù)檢和開井蓋直至鉆孔驗(yàn)證等），而基于圖像分類的方法無(wú)法給出目標(biāo)位置、深度以及大小等相關(guān)信息，需要解譯人員人工進(jìn)行分析，在大量的重復(fù)工作中，不但可能錯(cuò)標(biāo)漏標(biāo)，而且由于一張組合圖對(duì)應(yīng)的是一個(gè)較大的立方體（例如10m x 1.8m x 2m大小的），會(huì)再加上定位誤差，常常會(huì)錯(cuò)過(guò)真正的目標(biāo)。

難以繼續(xù)改進(jìn)：出現(xiàn)的問題是由于受到圖像分類原理限制的，繼續(xù)改進(jìn)收效甚微，必須根據(jù)實(shí)際情況從技術(shù)路線上進(jìn)行創(chuàng)新才能滿足工程實(shí)踐的需求。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是需要提供一種抗干擾性強(qiáng)、目標(biāo)信息豐富、準(zhǔn)確性高的道路地下隱患自動(dòng)檢測(cè)方法，還能夠進(jìn)一步實(shí)現(xiàn)可持續(xù)改進(jìn)，在此基礎(chǔ)上，還進(jìn)一步提供采用了該道路地下隱患自動(dòng)檢測(cè)方法的系統(tǒng)。