機(jī)場(chǎng)道面表面健康狀態(tài)智能檢測(cè)技術(shù)

目錄
第1章 緒論 1
1.1 機(jī)場(chǎng)外來(lái)物 2
1.2 機(jī)場(chǎng)道面表面病害 3
1.3 機(jī)場(chǎng)道面抗滑性能 5
1.4 機(jī)場(chǎng)道面積水積冰積雪 6
參考文獻(xiàn) 7
第2章 機(jī)場(chǎng)道面外來(lái)物檢測(cè)技術(shù)研究綜述 9
2.1 機(jī)場(chǎng)道面外來(lái)物檢測(cè)概述 9
2.2 機(jī)場(chǎng)道面外來(lái)物檢測(cè)方法 10
2.2.1 基于雷達(dá)-光電混合技術(shù)的外來(lái)物檢測(cè)方法 10
2.2.2 基于光電技術(shù)的傳統(tǒng)圖像處理外來(lái)物檢測(cè)方法 10
2.2.3 基于深度學(xué)習(xí)的外來(lái)物檢測(cè)方法 11
2.3 機(jī)場(chǎng)道面外來(lái)物檢測(cè)研究趨勢(shì) 12
參考文獻(xiàn) 13
第3章 機(jī)場(chǎng)道面外來(lái)物實(shí)時(shí)檢測(cè)技術(shù) 14
3.1 基于視頻方法的外來(lái)物檢測(cè)技術(shù) 14
3.1.1 外來(lái)物實(shí)驗(yàn)數(shù)據(jù)采集 16
3.1.2 機(jī)場(chǎng)外來(lái)物圖像識(shí)別技術(shù) 17
3.2 基于線(xiàn)結(jié)構(gòu)光的外來(lái)物檢測(cè)技術(shù) 23
3.2.1 測(cè)量原理 23
3.2.2 測(cè)量方法 24
3.2.3 三維測(cè)量系統(tǒng)的自動(dòng)標(biāo)定 25
3.2.4 斷面標(biāo)準(zhǔn)輪廓提取技術(shù) 26
3.2.5 異物特征知識(shí)庫(kù)建立與完善 27
3.2.6 基于機(jī)場(chǎng)道面輪廓的異物檢測(cè)技術(shù) 27
3.2.7 基于線(xiàn)結(jié)構(gòu)光的機(jī)場(chǎng)道面異物檢測(cè)結(jié)果及分析 29
3.3 徐州觀(guān)音國(guó)際機(jī)場(chǎng)現(xiàn)場(chǎng)驗(yàn)證 31
3.3.1 機(jī)場(chǎng)外來(lái)物防范工作調(diào)研 31
3.3.2 現(xiàn)場(chǎng)數(shù)據(jù)采集前期準(zhǔn)備 34
3.3.3 數(shù)據(jù)采集 36
3.3.4 圖像分析與檢測(cè) 37
3.3.5 道面異物尺寸與位置計(jì)算 39
3.3.6 道面異物危險(xiǎn)等級(jí)及預(yù)警 40
參考文獻(xiàn) 41
第4章 機(jī)場(chǎng)道面多尺度表面病害檢測(cè)技術(shù)研究綜述 43
4.1 機(jī)場(chǎng)道面表面病害檢測(cè)概述 43
4.2 基于目標(biāo)檢測(cè)模型的路面病害區(qū)域級(jí)識(shí)別 45
4.2.1 Faster R-CNN 45
4.2.2 YOLO v3模型 51
4.2.3 YOLO v4模型 56
4.3 基于語(yǔ)義分割模型的路面病害像素級(jí)識(shí)別 63
4.3.1 U-Net模型 63
4.3.2 SegNet模型 66
4.3.3 PSPNet模型 68
4.4 機(jī)場(chǎng)道面表面病害檢測(cè)技術(shù)研究趨勢(shì) 68
參考文獻(xiàn) 69
第5章 機(jī)場(chǎng)道面裂縫快速檢測(cè)與高清辨識(shí)技術(shù) 70
5.1 道面病害圖像增強(qiáng)方法 71
5.1.1 基于幾何變換的數(shù)據(jù)增強(qiáng)方法 71
5.1.2 基于生成對(duì)抗網(wǎng)絡(luò)的數(shù)據(jù)增強(qiáng)方法 73
5.1.3 生成模型和判別模型 74
5.1.4 激活函數(shù)特性分析 75
5.2 基于深度卷積生成對(duì)抗網(wǎng)絡(luò)的道面裂縫圖像生成 78
5.2.1 DCGAN模型結(jié)構(gòu)設(shè)計(jì) 78
5.2.2 損失函數(shù)的選擇 81
5.2.3 生成對(duì)抗網(wǎng)絡(luò)模型評(píng)價(jià)指標(biāo) 83
5.2.4 網(wǎng)絡(luò)模型試驗(yàn)環(huán)境搭建 84
5.2.5 訓(xùn)練結(jié)果分析 85
5.3 道面病害分割模型 87
5.3.1 模型構(gòu)建與改進(jìn) 88
5.3.2 數(shù)據(jù)集構(gòu)建 89
5.3.3 參數(shù)設(shè)置 89
5.3.4 評(píng)價(jià)指標(biāo) 91
5.3.5 裂縫圖像語(yǔ)義分割訓(xùn)練 92
5.3.6 解碼結(jié)構(gòu)對(duì)圖像語(yǔ)義分割的影響 93
5.4 基于Faster R-CNN的裂縫目標(biāo)檢測(cè)和特征提取 98
5.4.1 Faster R-CNN結(jié)構(gòu) 99
5.4.2 目標(biāo)檢測(cè)數(shù)據(jù)集的制作 100
5.4.3 評(píng)價(jià)指標(biāo) 102
5.4.4 試驗(yàn)分析 102
5.5 道面狀況評(píng)價(jià) 104
5.5.1 道面裂縫檢測(cè)結(jié)果的幾何特征提取 104
5.5.2 線(xiàn)性裂縫的長(zhǎng)寬計(jì)算 105
5.5.3 網(wǎng)狀裂縫的面積和塊度計(jì)算 107
5.5.4 實(shí)測(cè)分析 108
5.5.5 機(jī)場(chǎng)道面表觀(guān)損壞狀況評(píng)價(jià) 110
5.5.6 剛性道面狀況指數(shù)及計(jì)算 110
參考文獻(xiàn) 112
第6章 基于InSAR 的道面不均勻沉降監(jiān)測(cè) 113
6.1 機(jī)場(chǎng)道面不均勻沉降概述 113
6.2 衛(wèi)星沉降監(jiān)測(cè)技術(shù)國(guó)內(nèi)外研究現(xiàn)狀 114
6.3 InSAR技術(shù)原理 115
6.3.1 PS-InSAR技術(shù)原理 115
6.3.2 SBAS-InSAR技術(shù)原理 117
6.4 現(xiàn)場(chǎng)數(shù)據(jù)采集方法 118
6.4.1 研究區(qū)域概況 118
6.4.2 數(shù)據(jù)采集 118
6.5 數(shù)據(jù)處理方法 120
6.5.1 數(shù)據(jù)裁剪 120
6.5.2 連接圖生成 120
6.5.3 地理編碼 120
6.5.4 檢測(cè)精度分析 121
參考文獻(xiàn) 121
第7章 機(jī)場(chǎng)道面抗滑性能檢測(cè)與評(píng)價(jià)研究綜述 123
7.1 飛機(jī)輪胎-機(jī)場(chǎng)道面摩擦機(jī)制 123
7.2 機(jī)場(chǎng)道面摩擦特性檢測(cè)方法 126
7.3 機(jī)場(chǎng)道面摩擦特性評(píng)價(jià)方法 127
7.4 基于三維機(jī)器視覺(jué)檢測(cè)技術(shù)的抗滑性能檢測(cè)技術(shù) 130
7.4.1 近景攝影測(cè)量技術(shù) 131
7.4.2 三維激光掃描技術(shù) 132
7.5 表面紋理特性與表面抗滑性能的關(guān)系 134
參考文獻(xiàn) 135
第8章 基于道面三維紋理的機(jī)場(chǎng)道面抗滑性能評(píng)價(jià)技術(shù) 137
8.1 道面三維紋理采集與模型重構(gòu) 137
8.1.1 近景攝影測(cè)量技術(shù) 137
8.1.2 道面三維紋理采集 143
8.1.3 道面三維紋理模型重構(gòu) 144
8.2 道面三維紋理指標(biāo)計(jì)算 147
8.2.1 道面三維紋理指標(biāo)的選取 147
8.2.2 道面紋理構(gòu)造特征指標(biāo)計(jì)算 150
8.2.3 道面表面紋理構(gòu)造評(píng)價(jià)指標(biāo)的準(zhǔn)確性驗(yàn)證 152
8.3 飛機(jī)輪胎/道面接觸動(dòng)摩擦系數(shù)計(jì)算方法 154
8.3.1 基于Persson 摩擦模型的動(dòng)摩擦系數(shù)求解 154
8.3.2 動(dòng)摩擦系數(shù)計(jì)算有效性驗(yàn)證 159
8.4 機(jī)場(chǎng)道面抗滑性能快速檢測(cè)工況研究 161
8.4.1 快速檢測(cè)設(shè)備平臺(tái) 161
8.4.2 基于改進(jìn)的維納濾波降噪的快速檢測(cè)圖像處理方法 163
8.4.3 徐州觀(guān)音國(guó)際機(jī)場(chǎng)現(xiàn)場(chǎng)驗(yàn)證 167
參考文獻(xiàn) 175
第9章 機(jī)場(chǎng)道面雨雪冰狀態(tài)檢測(cè)與預(yù)警研究綜述 176
9.1 道面狀態(tài)檢測(cè)方法研究現(xiàn)狀 177
9.2 道面雨雪冰狀態(tài)識(shí)別研究現(xiàn)狀 177
9.3 道面雨雪冰厚度檢測(cè)研究現(xiàn)狀 182
9.4 道面雨雪冰狀態(tài)預(yù)警研究現(xiàn)狀 183
9.5 國(guó)內(nèi)外研究現(xiàn)狀評(píng)述 184
參考文獻(xiàn) 185
第10章 機(jī)場(chǎng)道面雨雪冰狀態(tài)檢測(cè)與預(yù)警技術(shù)研究 186
10.1 多工況道面狀態(tài)圖像采集與處理 186
10.1.1 圖像數(shù)據(jù)獲取 186
10.1.2 檢測(cè)車(chē)采集數(shù)據(jù) 186
10.1.3 人工圖像采集 188
10.1.4 公開(kāi)數(shù)據(jù)集 189
10.2 數(shù)據(jù)標(biāo)注及預(yù)處理 191
10.2.1 圖像數(shù)據(jù)標(biāo)注 191
10.2.2 圖像預(yù)處理 191
10.3 基于目標(biāo)檢測(cè)模型的道面狀態(tài)識(shí)別 193
10.3.1 YOLO v5 193
10.3.2 YOLO v8 194
10.3.3 MobileNet v3 197
10.3.4 識(shí)別評(píng)價(jià)指標(biāo) 198
10.4 道面狀態(tài)識(shí)別結(jié)果分析 198
10.4.1 訓(xùn)練過(guò)程 198
10.4.2 典型結(jié)果 200
10.5 基于深度學(xué)習(xí)的道面雨雪冰狀態(tài)像素級(jí)分割 203
10.5.1 語(yǔ)義分割任務(wù) 203
10.5.2 改進(jìn)的E-YOLO 模型 205
10.5.3 數(shù)據(jù)集構(gòu)建及標(biāo)注 207
10.5.4 道面雨雪冰分割結(jié)果分析 209
10.6 基于多目視覺(jué)的道面雨雪冰厚度精細(xì)化檢測(cè) 214
10.6.1 多目視覺(jué)數(shù)據(jù)獲取 214
10.6.2 三維點(diǎn)云數(shù)據(jù)生成 216
10.6.3 表面積雪厚度計(jì)算 220
10.6.4 機(jī)場(chǎng)道面工程驗(yàn)證 224
10.7 機(jī)場(chǎng)道面雨雪冰狀態(tài)評(píng)價(jià)與預(yù)警 232
10.7.1 道面狀態(tài)影響因素分析 233
10.7.2 道面雨雪冰狀態(tài)評(píng)價(jià)指標(biāo) 236
10.7.3 道面雨雪冰狀態(tài)識(shí)別與預(yù)警系統(tǒng) 240
參考文獻(xiàn) 242