本发明属于路面内部病害识别，具体涉及一种基于雷达的路面内部病害三维尺寸构建方法及系统。
背景技术：
1、三维探地雷达作为一种新的路面内部病害检测手段，主要由多个收发天线构成，由于三维探地雷达能够实现路面的快速、高精度、无损的全覆盖式检测，并具有同步采集三维探地雷达剖面图像、切片图像、图像坐标、标记等多种信息的优点，逐渐受到了人们的广泛关注。但目前基于三维探地雷达的路面内部病害分析，多以人为经验为主，存在一定程度的主观性，且仅能粗略的对路面内部病害进行定性评价，无法实现路面内部病害三维尺寸的定量精准识别，无法准确预估路面内部健康状况。
技术实现思路
1、本发明旨在解决现有技术的不足，提出一种基于雷达的路面内部病害三维尺寸构建方法及系统，以初步实现对于路面内部病害三维尺寸的识别，辅助路面内部健康状况的准确评价。
2、为实现上述目的，本发明提供了如下方案：一种基于雷达的路面内部病害三维尺寸构建方法，包括以下步骤：
3、s1、采用三维探地雷达对沥青路面内部病害进行无损检测，得到检测数据，并对所述检测数据进行预处理，得到处理数据；所述处理数据包括：波形数据、剖面图图谱数据以及切片图图谱数据；
4、s2、对所述处理数据进行人工筛选、标记，得到结构层间粘结不良病害和结构层内松散病害，对所述结构层间粘结不良病害和所述结构层内松散病害进行划分，得到训练集和测试集；
5、s3、构建识别模型，采用所述训练集对所述识别模型进行训练，并采用所述测试集对所述识别模型进行测试，得到优化后的识别模型，采用优化后的识别模型对待检测数据进行识别，得到路面内部病害三维尺寸。
6、进一步优选地，所述预处理的方法包括：零偏处理、零点调节、增益调节以及切片处理；
7、零偏处理用于消除由三维探地雷达造成的直流分量影响；
8、零点调节用于使通道特征在深度方向对齐；
9、增益调节用于根据电磁波衰减特征进行三维探地雷达数据的增益调节；
10、切片处理包括将增益调节后的波形数据按照gps信号进行组合，生成深度切片。
11、进一步优选地，所述识别模型包括：yolo深度学习网络与波形数据处理模型；
12、所述yolo深度学习网络用于对所述剖面图图谱数据和所述切片图图谱数据进行内容部病害类型以及尺寸的识别；
13、所述波形数据处理模型用于对所述波形数据进行统计学特征计算，所述统计学特征包括：能量幅值及相位、同相轴特性、频域谱特征、电磁波衰减特性值。
14、进一步优选地，得到路面内部病害三维尺寸的方法包括：
15、步骤一、基于所述识别模型得到道路内部病害各通道的标记框位置以及通道号；
16、步骤二、计算标记框内的整体能量平均值，并在标记框内依次计算各点数及通道范围内的能量值；并比较所述整体能量平均值与所述各点数及通道范围内的能量值的大小，提取出大于所述整体能量平均值的点位位置，得到各通道处的病害道数和点数范围；
17、步骤三、采用线性插值的方法，将各通道处的病害道数和点数范围进行合并，得到路面内部病害三维尺寸。
18、进一步优选地，所述整体能量平均值的计算方法包括：
19、
20、式中，表示整体能量平均值；m、n分别表示标记框所占的道数和点数数量；i、j分别表示道数值和点数值；σij为各点位处的相位值；
21、所述各点数及通道范围内的能量值的计算方法包括：
22、
23、式中，eij表示各点数及通道范围内的能量值。
24、本发明还提供一种基于雷达的路面内部病害三维尺寸构建系统，所述系统用于实现所述的方法，包括：采集模块、标记模块以及识别模块；
25、所述采集模块采用三维探地雷达对沥青路面内部病害进行无损检测，得到检测数据，并对所述检测数据进行预处理，得到处理数据；所述处理数据包括：波形数据、剖面图图谱数据以及切片图图谱数据；
26、所述标记模块用于对所述处理数据进行人工筛选、标记，得到结构层间粘结不良病害和结构层内松散病害，对所述结构层间粘结不良病害和所述结构层内松散病害进行划分，得到训练集和测试集；
27、所述识别模块用于构建识别模型，采用所述训练集对所述识别模型进行训练，并采用所述测试集对所述识别模型进行测试，得到优化后的识别模型，采用优化后的识别模型对待检测数据进行识别，得到路面内部病害三维尺寸。
28、进一步优选地，所述采集模块包括：采集单元以及预处理单元；
29、所述采集单元用于采用三维探地雷达对沥青路面内部病害进行无损检测，得到检测数据；
30、所述预处理单元用于对所述检测数据进行预处理，得到处理数据；
31、所述预处理的方法包括：零偏处理、零点调节、增益调节以及切片处理；
32、零偏处理用于消除由三维探地雷达造成的直流分量影响；
33、零点调节用于使通道特征在深度方向对齐；
34、增益调节用于根据电磁波衰减特征进行三维探地雷达数据的增益调节；
35、切片处理包括将增益调节后的波形数据按照gps信号进行组合，生成深度切片。
36、进一步优选地，所述识别模型包括：yolo深度学习网络与波形数据处理模型；
37、所述yolo深度学习网络用于对所述剖面图图谱数据和所述切片图图谱数据进行内容部病害类型以及尺寸的识别；
38、所述波形数据处理模型用于对所述波形数据进行统计学特征计算，所述统计学特征包括：能量幅值及相位、同相轴特性、频域谱特征、电磁波衰减特性值。
39、进一步优选地，所述识别模块包括：构建单元和识别单元；
40、所述构建单元用于构建识别模型，采用所述训练集对所述识别模型进行训练，并采用所述测试集对所述识别模型进行测试，得到优化后的识别模型；
41、所述识别单元用于采用优化后的识别模型对待检测数据进行识别，得到路面内部病害三维尺寸。
42、进一步优选地，所述识别单元包括：第一识别子单元、计算子单元以及合并子单元；
43、所述第一识别子单元用于基于所述识别模型得到道路内部病害各通道的标记框位置以及通道号；
44、所述计算子单元用于计算标记框内的整体能量平均值，并在标记框内依次计算各点数及通道范围内的能量值；并比较所述整体能量平均值与所述各点数及通道范围内的能量值的大小，提取出大于所述整体能量平均值的点位位置，得到各通道处的病害道数和点数范围；
45、所述合并子单元用于采用线性插值的方法，将各通道处的病害道数和点数范围进行合并，得到路面内部病害三维尺寸。
46、与现有技术相比，本发明的有益效果为：
47、本发明基于三维探地雷达检测数据，采用yolo深度学习及波形数据相结合的方式实现对单通道路面内部病害的精确识别。将自动识别得到的病害标记框内各单道电磁波位置处的点数范围进行统计，并将各通道统计结果合并，得到路面内部病害的三维尺寸。在此基础上，将深度学习模型对雷达数据切片图识别结果与得到的三维尺寸数据进行比较，对病害的道数单位、点数范围及通道范围进行优化。采用本发明的方法能够初步实现路面内部病害三维尺寸的构建，辅助路面内部健康状况的定量准确评价。
1.一种基于雷达的路面内部病害三维尺寸构建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种基于雷达的路面内部病害三维尺寸构建方法，其特征在于，所述预处理的方法包括：零偏处理、零点调节、增益调节以及切片处理；
3.根据权利要求1所述一种基于雷达的路面内部病害三维尺寸构建方法，其特征在于，所述识别模型包括：yolo深度学习网络与波形数据处理模型；
4.根据权利要求3所述一种基于雷达的路面内部病害三维尺寸构建方法，其特征在于，得到路面内部病害三维尺寸的方法包括：
5.根据权利要求4所述一种基于雷达的路面内部病害三维尺寸构建方法，其特征在于，所述整体能量平均值的计算方法包括：
6.一种基于雷达的路面内部病害三维尺寸构建系统，所述系统用于实现权利要求1-5任一项所述的方法，其特征在于，包括：采集模块、标记模块以及识别模块；
7.根据权利要求6所述一种基于雷达的路面内部病害三维尺寸构建系统，其特征在于，所述采集模块包括：采集单元以及预处理单元；
8.根据权利要求6所述一种基于雷达的路面内部病害三维尺寸构建系统，其特征在于，所述识别模型包括：yolo深度学习网络与波形数据处理模型；
9.根据权利要求8所述一种基于雷达的路面内部病害三维尺寸构建系统，其特征在于，所述识别模块包括：构建单元和识别单元；
10.根据权利要求9所述一种基于雷达的路面内部病害三维尺寸构建系统，其特征在于，所述识别单元包括：第一识别子单元、计算子单元以及合并子单元；
