路面裂縫病害智能識別技術發展綜述

■ 文/供圖｜中交基礎設施養護集團有限公司 邢鵬 董雨明 中交路橋檢測養護有限公司 楊沐藝

路面病害智能識別診斷是支撐路面養護科學決策與設計的科學方法。路面裂縫作為主要的病害形式，直接影響公路使用壽命。近年來，在我國公路通車里程不斷攀升、路況水平穩步提高的同時，裂縫病害智能識別技術也在不斷發展。日常養護、預防養護及修復養護等不同養護階段中的養護目標不同，對智能識別的精度、范圍等要求也不盡相同。本文依據不同養護需求歸納了目前路面裂縫識別領域的技術發展現狀，總結當前數據采集手段及載體的特征，以便為公路運維管養對策選擇提供思路。

隨著經濟建設的快速穩步發展，我國公路交通基礎設施也日趨完善。截至2022年底，我國公路總里程已達到535萬公里，10年間增長了112萬公里，其中高速公路通車里程達到17.7萬公里，相較2012年增長了8萬多公里，運營里程穩居世界第一的位置。2023年1月至11月，我國交通固定資產投資3.6萬億元，其中公路水路2.8萬億元（預計全年超過3萬億元），新改（擴）建高速公路超過7000公里。隨著公路通車里程的不斷增長，公路網絡進一步完善，路面的養護管理漸漸成為我國交通基礎設施領域的重要任務。

公路發展規劃中的重點任務，是以提高路況水平為導向，提升公路養護效能。路面病害是反映路況水平的重要指標，直接影響公路的使用壽命和行車安全。因此，迫切需要先進技術和科學方法來支持路況水平基礎數據的完善和管理決策的科學化。

傳統的路面病害人工檢測方法存在耗時費力、測量結果具有離散性、影響正常交通等不足，難以適應目前的公路養護發展需要。同時，數字影像、激光成像、雷達探測等技術的成熟發展，也促進了自動檢測領域數據快速采集、存儲等技術的發展。因而在公路養護領域前沿技術產學研用聯動過程中，逐漸出現了一批關于路面病害智能識別的研究和探索，例如基于卷積神經網絡的路表病害識別、針對路面裂縫病害信息的快速識別方法，以及路面隱形病害的識別方法等。

路面裂縫是評價路面質量最重要的參數之一，能反映路面性能變化的情況。在養護管理的過程中，不同工況對裂縫病害識別技術有不同的要求。路面病害檢測技術的最大挑戰是如何高頻高效地獲取路面破損的精確微觀信息，建立持續的病害監測及結果數據系統，以便分析病害成因，選定高效的養護時機和策略。

日常養護注重裂縫病害的快速巡查，支撐預防養護與修復養護工程設計工作的定期檢測或專項檢測，則更注重裂縫類型、形態、尺寸的精準數據統計。同時，基于全壽命周期理念的普及，以及我國半剛性基層反射裂縫頻發的現狀，針對路面上面層隱形裂縫的檢測分析需求也十分重要。

日常養護中的裂縫智能巡查技術

在日常養護中，路面巡查是重要一環。傳統的人工巡查存在主觀性強、耗時耗力和安全性差等問題。裂縫病害信息是路面養護管理人員對養護工下達養護任務的信息基礎。日常巡查場景下，對于路面裂縫病害的檢測需求主要體現為低成本、高頻次、快響應。

日常養護巡查技術是在傳統二維圖像采集分析技術基礎上發展而來的。目前，裂縫病害巡查技術大多數仍延續采用二維圖像分析技術。在20世紀80年代，美國和日本等一些發達國家開始開發路面裂縫自動化檢測系統。最初的開發基于模擬膠片拍攝和錄像技術，但由于圖片數據難以轉換為數字形式存儲和操作，這種方法存在一定的局限性。后期，利用圖像分析技術的路面裂縫檢測方法，經歷了35毫米模擬攝影、模擬攝像技術和數字攝像技術的發展階段。出于成本控制的考慮，日常養護病害巡查通常采用二維圖像采集技術采集單車道或多車道的數據信息，并將其作為數據分析的基礎。

近年來，隨著計算機硬件設備和圖像識別技術的不斷發展，路面病害檢測引入了數字圖像處理技術，通過車載攝像機采集有關路面病害的圖像，再對采集到的圖像進行增強去噪、分割、特征提取等處理，實現自動化檢測。

伴隨智能巡查技術的推廣應用，將輕量化路面自動檢測系統應用于日常巡查的研究和實踐逐漸成為熱點。2008年，北京市巡查人員通過使用便攜式PDA設備定位、拍攝和上報病害，實現了數字化巡查。2014年，山東省高速公路管理養護單位采用車載巡查記錄儀采集路面、路基圖像，并使用人工獲取其中的病害數據。近年來，基于深度學習的目標檢測技術不斷發展，上海、浙江等多個地區嘗試了輕量化智能巡查系統，通過算法自動化處理路面圖像。輕量化發展一方面得益于云端存儲與計算技術的發展，另一方面針對巡查的特定需求，策略上通過損失一定精度降低深度學習或分析模型計算規模，從而提升智能識別處理速度。

支撐路面破損指標計算的裂縫病害智能識別技術

在支撐預防養護與修復養護工程設計工作的定期檢測或專項檢測中，路面裂縫病害作為主要病害形式，是路面破損指數（PCI）的重要計算依據，而PCI又是路網級養護科學決策和項目級路面養護設計方案制定的重要依托。在計算PCI過程中，基于路面綜合破損率（DR）的計算需求，需要精準的裂縫病害尺寸信息。因此，定期檢測與專項檢測路面裂縫病害識別技術的關鍵需求是數據精準性。目前，相關裂縫病害智能識別技術包含傳統二維圖像連續拍攝、三維激光雷達掃描的采集技術，以及二維圖像疊合三維立體圖像和三維激光信號重建的分析方法。

路面裂縫自動檢測設備最早起源于20世紀60年代，由日本基于道路工程勘察的目的最早開始研發。法國LCPC道路管理部門開發的GERPHO系統最早實現投入使用，采用35毫米移動式攝影機連續采集路面破損圖像信息。雖然GERPHO系統實現了路面數據采集的自動化，相較人工檢測，顯著提高了路面數據采集速度，但是早期采集圖像利用膠卷記錄信息，成本較高。后續伴隨硬件技術發展，90年代前后陸續涌現出眾多自動檢測設備，諸如日本Komatsu系統、瑞典PAVUE系統、加拿大ARAN(Automatic Road Analyzer)系統、澳大利亞RoadCrack系統、美國數字式高速公路多功能檢測車（Digital Highway Data Vehicle,DHDV）。

組圖：路面病害區域的范圍識別

2000年以后，我國路面裂縫病害自動檢測技術快速發展并逐漸成熟。初期通過引入國外基于面陣或線陣相機的二維圖像采集與分析技術進行應用開發探索。2002年，北京市引進國外技術，通過改進高速線掃描相機和LED人工照明裝置系統，實現了路面圖像的實時采集和存儲。同年，南京理工大學唐振民等成功研制了JG-1型路面智能檢測車。2003年，南京理工大學通過研產合作，升級開發了N-1型路面狀況智能檢測車，并在此基礎上提出了一種基于線性結構光的道路二維成像方法。2006年，原交通部研究院牽頭研制出了一套以線掃儀為基礎的道路狀況快捷測試系統——CiCS，在車輛正常行駛速度下，實現了快速準確的道路病害檢測，并在此基礎上，提出了一種基于線性陣列攝像機的新型探測方法，實現了兩米至3.6米的橫向寬度范圍內檢測，精度可達1毫米。配套分析系統CiAS（Cracking image Analysis System）可對CiCS拍攝到的道路病害進行自動識別與處理，定位裂縫部位，并提取裂縫特征參數。武漢大學在路面檢測系統（SmartV）的基礎上通過產學聯動升級開發ZOYON-RTM型智能道路檢測車，采用高分辨率線陣掃描相機和紅外激光照明技術，在同步控制器的觸發控制下高速連續拍攝路面。目前國內上述兩款采集系統應用較為廣泛。

近年來，隨著激光掃描技術、立體視覺和三維激光掃描技術的發展，以及路面裂縫智能識別技術超三維分析識別的發展，已可避免二維圖像因光照不均及路面污染導致的裂縫信息較弱的情況。

1995年，瑞士聯邦理工學院研究實現了一種名為路面裂縫識別全息系統（CREHOS）的技術，用于路面裂縫的識別。同時，加拿大開發了一種名為LaserVISION的路表三維激光可視化系統。2008年，洛朗（Laurent）等人在之前三維路面病害檢測系統（LCDS）的基礎上，發展了一種名為LCMS的激光裂縫測量系統。此外，美國加利福尼亞公路管理部門采用激光雷達測試技術來檢測路面的三維信息，通過信號反射時間與車輛行駛方向縱向位移關系，建立路面的三維模型。2004年，立體視覺技術在路面病害檢測中得到應用，通過將兩個不同角度的同一圖像疊加，使圖像具備空間立體感，但立體視覺在路面檢測中的應用未達到期望的檢測精度和速度，這主要源于立體視覺檢測系統在檢測過程中的車體振動、光線條件，在后期圖像處理過程中的精度標定、圖像同名點匹配，以及復雜的三維信息重建算法等問題的影響。檢測車輛靜止時，三維路面重建精度在兩毫米至5毫米，但車輛運動條件下采集路面圖像重建三維路面的誤差大于5毫米，無法滿足當前對路面檢測系統的檢測要求。

基于探地雷達的路面隱形裂縫病害識別技術

基于我國公路建設歷史進程中，半剛性基層易導致反射裂縫的現狀，隱形裂縫病害的檢測識別逐漸受到關注。未呈現在路面上面層的隱形裂縫病害是促使路面技術狀況產生快速衰變的隱患，能通過影響路面功能、結構健康狀況的精準分析與預測，進而造成周期性養護科學決策規劃的偏離。因此，路面隱形裂縫病害的智能識別的核心目標是空間信息的準確性。

組圖：農村公路檢測系統采集的路面裂縫病害圖像

探地雷達技術應用于道路工程檢測最早可追溯至20世紀80年代。此后，該技術發展迅速，在雷達硬件設備、地下目標成像／識別等方面取得了重大進展和突破。常規探地雷達隱性病害檢測驗證流程通過實時動態測量技術（Realtimkinematic,RTK）定位。為實現對地下介質分布和不可見目標體或地下界面的掃描，采用可發射、回收無線電波的電磁技術，確定路面上面層未能呈現的隱形裂縫病害的結構形態或位置。無線電波具有高分辨率和強抗干擾能力的特點。在檢測時，利用發射天線，以寬頻帶脈沖形式發射高頻電磁波，然后通過目標體的反射或透射，將反射信號傳輸至接收天線。測量過程中，采用固定間距沿測線同步移動的方式。高頻電磁波在介質中傳播時，介質的電性質和幾何形態會導致路徑、電磁場強度及波形發生變化。結合里程樁號和路表視頻信息大致定位異常點；基于空間定位需求，采用三維或二維探地雷達網格化加密測線，從而精準定位異常點。

在實踐中，可利用鉆探、內窺鏡輔助等方法驗證異常點。相較二維雷達，三維雷達能以水平切片的形式展示探測成果，可實現任意方向的切片、動畫視頻或局部的三維立體展示，結果直觀準確。根據路面內部病害特征信號的樁號、層位、面積、體積及寬度等推算病害相關信息，可得到橫向裂縫位置及長度，縱向裂縫位置長度，貫穿裂縫位置及長度。病害位置包括病害所屬段落及所處層位兩個信息。

用于裂縫病害信息智能采集的裝備及載體

針對不同養護目標的病害檢測需求，結合后期數據處理技術的復雜性，當前在養護管理過程中選用的采集載體也不同。

專業路況檢測車裝載了GPS、對路正攝高速相機和點陣激光，在行業內普及應用程度最高，多用于國檢或定檢場景。但受限于每臺數百萬元的昂貴價格，以及宏觀PQI等指標結果和兩米每段的碎片化原始資料無法直接用于成因分析，后續仍需大量的人工實地考察及分析，因而無法應對高頻、大規模的日常檢測。

近幾年試用的激光檢測技術，基于GNSS/RTK與慣導相結合，以激光雷達為主，相機為輔，隨移動測量及激光感知技術發展。一些院校研究機構及自動駕駛相關領域企業，通過改造原業務場景的激光采集車，將其轉型成可用于路面狀況檢測的采集車，并通過Lidar掃描獲得3D激光點云，利用點云分割、識別、點圖融合等技術，感知路面破損特征及平整情況。但由于該方案需要用到激光、全景或工業相機等多種較貴的傳感器，以及部分載車改造，總體造價比較昂貴，對高頻大規模檢測來說依然是挑戰。

基于高分衛星影像和遙感技術的大規模路面狀況檢測方法具有精度高、圖幅大、歷史數據豐富的特征，適合做大規模宏觀層面的路面狀況檢測及分析，但由于依賴高分辨率衛星影像，成本相對較高，每周的觀測成本至少在每平方公里數百元左右。此外，受天氣、大氣、云層等外因影響，以及交通流量、遮擋、陰影等影響，還存在影像質量和可用數據不足以觀測的問題。

Pathway多功能道路檢測車

基于低空無人機移動觀測的路面狀況分析，采用的是GNSS/RTK與慣導、相機或激光組合機制。無人機低空觀測，不論是激光或相機，均可實現一定精度、精細度的路面狀況觀測，采集機動靈活，但受限于飛行資質、限飛區域和限高約束，以及無人機自身的續航問題，實際應用時存在較多限制。且無人機設備本身造價較貴，方案實施難度較大。

基于路側或路上攝像頭靜態觀測路面狀況的課題研究，多來自智慧交通項目的延伸，多數復用路上已有攝像頭設備觀測。雖然能節省部分硬件成本，但由于靜態相機的觀測范圍和角度受限，會影響觀測質量和后續處理，也存在較多觀測盲區，且靜態攝像頭大多基于GPS觀測數據，觀測及處理后的位置精度天然弱于其他亞米級檢測方案。

路面裂縫病害是影響路面技術狀況水平與服役壽命的關鍵因素，對裂縫病害的快速診斷分析是路面保持良好功能、延長服役壽命的前提。因此對于路面裂縫病害智能識別發展，及其數據價值的有效挖掘與利用，將對科學規劃決策、路面狀況預測感知發揮重要作用。

伴隨病害數據采集手段的快速化、便捷化，以及分析方法的精細化，路況水平基礎數據連續性、完善性提升，數據更新與調取的及時性、便捷性提高，這不僅讓公路養護科學決策與設計的數據基礎更加堅實，而且也促進了長周期公路養護規劃編制的科學發展，更有利于基于全壽命周期理論分析公路養護資源的投入與分配。

當前對于路面病害的檢測識別為事后識別，即檢測識別已經發生病害的路段，并采取處理措施。隨著檢測手段增多、數據的爆炸式增長和計算機算力的顯著提升，未來可融合高精傳感器在重點監測區域開展路面病害發生與擴展的預測，通過歷史數據建立路面結構服役性能與荷載環境等隨機因素的非線性演化聯系，提前預測可能發生裂縫或其他病害的區域，建立基于大數據的路面病害預測感知系統，具有良好的研究價值和應用推廣價值。