10.3969/j.issn.1001-7372.2023.03.006
基于多目视觉深度神经网络的路面宏观纹理三维重建方法
为提升路面宏观纹理三维重建的精度与效率,实现路面抗滑与抗磨耗性能的精准评估,提出了一种基于多目视觉深度神经网络的路面宏观纹理三维重建方法.首先,采用多 目相机采集沥青路面多视角图像;其次,针对各个视角沥青路面图像,使用深度卷积神经网络提取与宏观纹理相关的高维特征向量,采用特征映射单元将特征向量映射为三维矩阵,使用多个反卷积层将三维矩阵转化为三维体素模型;最后,多目视觉组合模块采用贝叶斯规则融合不同视角的三维体素模型,该模型即为路面宏观纹理三维重建模型,可用于评估路面抗滑与抗磨耗性能.使用多 目相机采集16条沥青路面的多目视觉图像,并用三维扫描仪采集三维点云数据,构建数据集验证该方法的准确性与稳定性.试验结果表明:多 目视觉深度神经网络能准确地重建路面宏观纹理,50 DPI(Dots Per Inch)与70 DPI分辨下三维重建结果与三维点云数据的体积交并比分别为0.858、0.769,且交并比不受路面材料与背景噪音影响,具有高准确性与高稳定性;该方法的准确性与稳定性优于MVF-CNN、3D-FHNET、Stereo-vision等已有先进三维重建方法.路面宏观纹理三维重建结果可用于评估路面抗磨耗性能与抗滑性能,实测误差分别为6.82%、7.28%,精度满足路面性能检测需求.此外,基于路面三维宏观纹理的平均构造深度与动态抗滑系数的测试速度为60 km·h-1,具有高效性.路面宏观纹理三维模型未来可用于构建公路数字孪生体.
道路工程、路面宏观纹理、深度神经网络、多目视觉、目标三维重建
36
U416.2(道路工程)
国家重点研发计划;国家自然科学基金
2023-03-31(万方平台首次上网日期,不代表论文的发表时间)
共11页
70-80