路面裂缝病害智能识别技术发展综述

■ 文/供图｜中交基础设施养护集团有限公司 邢鹏 董雨明 中交路桥检测养护有限公司 杨沐艺

路面病害智能识别诊断是支撑路面养护科学决策与设计的科学方法。路面裂缝作为主要的病害形式，直接影响公路使用寿命。近年来，在我国公路通车里程不断攀升、路况水平稳步提高的同时，裂缝病害智能识别技术也在不断发展。日常养护、预防养护及修复养护等不同养护阶段中的养护目标不同，对智能识别的精度、范围等要求也不尽相同。本文依据不同养护需求归纳了目前路面裂缝识别领域的技术发展现状，总结当前数据采集手段及载体的特征，以便为公路运维管养对策选择提供思路。

随着经济建设的快速稳步发展，我国公路交通基础设施也日趋完善。截至2022年底，我国公路总里程已达到535万公里，10年间增长了112万公里，其中高速公路通车里程达到17.7万公里，相较2012年增长了8万多公里，运营里程稳居世界第一的位置。2023年1月至11月，我国交通固定资产投资3.6万亿元，其中公路水路2.8万亿元（预计全年超过3万亿元），新改（扩）建高速公路超过7000公里。随着公路通车里程的不断增长，公路网络进一步完善，路面的养护管理渐渐成为我国交通基础设施领域的重要任务。

公路发展规划中的重点任务，是以提高路况水平为导向，提升公路养护效能。路面病害是反映路况水平的重要指标，直接影响公路的使用寿命和行车安全。因此，迫切需要先进技术和科学方法来支持路况水平基础数据的完善和管理决策的科学化。

传统的路面病害人工检测方法存在耗时费力、测量结果具有离散性、影响正常交通等不足，难以适应目前的公路养护发展需要。同时，数字影像、激光成像、雷达探测等技术的成熟发展，也促进了自动检测领域数据快速采集、存储等技术的发展。因而在公路养护领域前沿技术产学研用联动过程中，逐渐出现了一批关于路面病害智能识别的研究和探索，例如基于卷积神经网络的路表病害识别、针对路面裂缝病害信息的快速识别方法，以及路面隐形病害的识别方法等。

路面裂缝是评价路面质量最重要的参数之一，能反映路面性能变化的情况。在养护管理的过程中，不同工况对裂缝病害识别技术有不同的要求。路面病害检测技术的最大挑战是如何高频高效地获取路面破损的精确微观信息，建立持续的病害监测及结果数据系统，以便分析病害成因，选定高效的养护时机和策略。

日常养护注重裂缝病害的快速巡查，支撑预防养护与修复养护工程设计工作的定期检测或专项检测，则更注重裂缝类型、形态、尺寸的精准数据统计。同时，基于全寿命周期理念的普及，以及我国半刚性基层反射裂缝频发的现状，针对路面上面层隐形裂缝的检测分析需求也十分重要。

日常养护中的裂缝智能巡查技术

在日常养护中，路面巡查是重要一环。传统的人工巡查存在主观性强、耗时耗力和安全性差等问题。裂缝病害信息是路面养护管理人员对养护工下达养护任务的信息基础。日常巡查场景下，对于路面裂缝病害的检测需求主要体现为低成本、高频次、快响应。

日常养护巡查技术是在传统二维图像采集分析技术基础上发展而来的。目前，裂缝病害巡查技术大多数仍延续采用二维图像分析技术。在20世纪80年代，美国和日本等一些发达国家开始开发路面裂缝自动化检测系统。最初的开发基于模拟胶片拍摄和录像技术，但由于图片数据难以转换为数字形式存储和操作，这种方法存在一定的局限性。后期，利用图像分析技术的路面裂缝检测方法，经历了35毫米模拟摄影、模拟摄像技术和数字摄像技术的发展阶段。出于成本控制的考虑，日常养护病害巡查通常采用二维图像采集技术采集单车道或多车道的数据信息，并将其作为数据分析的基础。

近年来，随着计算机硬件设备和图像识别技术的不断发展，路面病害检测引入了数字图像处理技术，通过车载摄像机采集有关路面病害的图像，再对采集到的图像进行增强去噪、分割、特征提取等处理，实现自动化检测。

伴随智能巡查技术的推广应用，将轻量化路面自动检测系统应用于日常巡查的研究和实践逐渐成为热点。2008年，北京市巡查人员通过使用便携式PDA设备定位、拍摄和上报病害，实现了数字化巡查。2014年，山东省高速公路管理养护单位采用车载巡查记录仪采集路面、路基图像，并使用人工获取其中的病害数据。近年来，基于深度学习的目标检测技术不断发展，上海、浙江等多个地区尝试了轻量化智能巡查系统，通过算法自动化处理路面图像。轻量化发展一方面得益于云端存储与计算技术的发展，另一方面针对巡查的特定需求，策略上通过损失一定精度降低深度学习或分析模型计算规模，从而提升智能识别处理速度。

支撑路面破损指标计算的裂缝病害智能识别技术

在支撑预防养护与修复养护工程设计工作的定期检测或专项检测中，路面裂缝病害作为主要病害形式，是路面破损指数（PCI）的重要计算依据，而PCI又是路网级养护科学决策和项目级路面养护设计方案制定的重要依托。在计算PCI过程中，基于路面综合破损率（DR）的计算需求，需要精准的裂缝病害尺寸信息。因此，定期检测与专项检测路面裂缝病害识别技术的关键需求是数据精准性。目前，相关裂缝病害智能识别技术包含传统二维图像连续拍摄、三维激光雷达扫描的采集技术，以及二维图像叠合三维立体图像和三维激光信号重建的分析方法。

路面裂缝自动检测设备最早起源于20世纪60年代，由日本基于道路工程勘察的目的最早开始研发。法国LCPC道路管理部门开发的GERPHO系统最早实现投入使用，采用35毫米移动式摄影机连续采集路面破损图像信息。虽然GERPHO系统实现了路面数据采集的自动化，相较人工检测，显著提高了路面数据采集速度，但是早期采集图像利用胶卷记录信息，成本较高。后续伴随硬件技术发展，90年代前后陆续涌现出众多自动检测设备，诸如日本Komatsu系统、瑞典PAVUE系统、加拿大ARAN(Automatic Road Analyzer)系统、澳大利亚RoadCrack系统、美国数字式高速公路多功能检测车（Digital Highway Data Vehicle,DHDV）。

组图：路面病害区域的范围识别

2000年以后，我国路面裂缝病害自动检测技术快速发展并逐渐成熟。初期通过引入国外基于面阵或线阵相机的二维图像采集与分析技术进行应用开发探索。2002年，北京市引进国外技术，通过改进高速线扫描相机和LED人工照明装置系统，实现了路面图像的实时采集和存储。同年，南京理工大学唐振民等成功研制了JG-1型路面智能检测车。2003年，南京理工大学通过研产合作，升级开发了N-1型路面状况智能检测车，并在此基础上提出了一种基于线性结构光的道路二维成像方法。2006年，原交通部研究院牵头研制出了一套以线扫仪为基础的道路状况快捷测试系统——CiCS，在车辆正常行驶速度下，实现了快速准确的道路病害检测，并在此基础上，提出了一种基于线性阵列摄像机的新型探测方法，实现了两米至3.6米的横向宽度范围内检测，精度可达1毫米。配套分析系统CiAS（Cracking image Analysis System）可对CiCS拍摄到的道路病害进行自动识别与处理，定位裂缝部位，并提取裂缝特征参数。武汉大学在路面检测系统（SmartV）的基础上通过产学联动升级开发ZOYON-RTM型智能道路检测车，采用高分辨率线阵扫描相机和红外激光照明技术，在同步控制器的触发控制下高速连续拍摄路面。目前国内上述两款采集系统应用较为广泛。

近年来，随着激光扫描技术、立体视觉和三维激光扫描技术的发展，以及路面裂缝智能识别技术超三维分析识别的发展，已可避免二维图像因光照不均及路面污染导致的裂缝信息较弱的情况。

1995年，瑞士联邦理工学院研究实现了一种名为路面裂缝识别全息系统（CREHOS）的技术，用于路面裂缝的识别。同时，加拿大开发了一种名为LaserVISION的路表三维激光可视化系统。2008年，洛朗（Laurent）等人在之前三维路面病害检测系统（LCDS）的基础上，发展了一种名为LCMS的激光裂缝测量系统。此外，美国加利福尼亚公路管理部门采用激光雷达测试技术来检测路面的三维信息，通过信号反射时间与车辆行驶方向纵向位移关系，建立路面的三维模型。2004年，立体视觉技术在路面病害检测中得到应用，通过将两个不同角度的同一图像叠加，使图像具备空间立体感，但立体视觉在路面检测中的应用未达到期望的检测精度和速度，这主要源于立体视觉检测系统在检测过程中的车体振动、光线条件，在后期图像处理过程中的精度标定、图像同名点匹配，以及复杂的三维信息重建算法等问题的影响。检测车辆静止时，三维路面重建精度在两毫米至5毫米，但车辆运动条件下采集路面图像重建三维路面的误差大于5毫米，无法满足当前对路面检测系统的检测要求。

基于探地雷达的路面隐形裂缝病害识别技术

基于我国公路建设历史进程中，半刚性基层易导致反射裂缝的现状，隐形裂缝病害的检测识别逐渐受到关注。未呈现在路面上面层的隐形裂缝病害是促使路面技术状况产生快速衰变的隐患，能通过影响路面功能、结构健康状况的精准分析与预测，进而造成周期性养护科学决策规划的偏离。因此，路面隐形裂缝病害的智能识别的核心目标是空间信息的准确性。

组图：农村公路检测系统采集的路面裂缝病害图像

探地雷达技术应用于道路工程检测最早可追溯至20世纪80年代。此后，该技术发展迅速，在雷达硬件设备、地下目标成像／识别等方面取得了重大进展和突破。常规探地雷达隐性病害检测验证流程通过实时动态测量技术（Realtimkinematic,RTK）定位。为实现对地下介质分布和不可见目标体或地下界面的扫描，采用可发射、回收无线电波的电磁技术，确定路面上面层未能呈现的隐形裂缝病害的结构形态或位置。无线电波具有高分辨率和强抗干扰能力的特点。在检测时，利用发射天线，以宽频带脉冲形式发射高频电磁波，然后通过目标体的反射或透射，将反射信号传输至接收天线。测量过程中，采用固定间距沿测线同步移动的方式。高频电磁波在介质中传播时，介质的电性质和几何形态会导致路径、电磁场强度及波形发生变化。结合里程桩号和路表视频信息大致定位异常点；基于空间定位需求，采用三维或二维探地雷达网格化加密测线，从而精准定位异常点。

在实践中，可利用钻探、内窥镜辅助等方法验证异常点。相较二维雷达，三维雷达能以水平切片的形式展示探测成果，可实现任意方向的切片、动画视频或局部的三维立体展示，结果直观准确。根据路面内部病害特征信号的桩号、层位、面积、体积及宽度等推算病害相关信息，可得到横向裂缝位置及长度，纵向裂缝位置长度，贯穿裂缝位置及长度。病害位置包括病害所属段落及所处层位两个信息。

用于裂缝病害信息智能采集的装备及载体

针对不同养护目标的病害检测需求，结合后期数据处理技术的复杂性，当前在养护管理过程中选用的采集载体也不同。

专业路况检测车装载了GPS、对路正摄高速相机和点阵激光，在行业内普及应用程度最高，多用于国检或定检场景。但受限于每台数百万元的昂贵价格，以及宏观PQI等指标结果和两米每段的碎片化原始资料无法直接用于成因分析，后续仍需大量的人工实地考察及分析，因而无法应对高频、大规模的日常检测。

近几年试用的激光检测技术，基于GNSS/RTK与惯导相结合，以激光雷达为主，相机为辅，随移动测量及激光感知技术发展。一些院校研究机构及自动驾驶相关领域企业，通过改造原业务场景的激光采集车，将其转型成可用于路面状况检测的采集车，并通过Lidar扫描获得3D激光点云，利用点云分割、识别、点图融合等技术，感知路面破损特征及平整情况。但由于该方案需要用到激光、全景或工业相机等多种较贵的传感器，以及部分载车改造，总体造价比较昂贵，对高频大规模检测来说依然是挑战。

基于高分卫星影像和遥感技术的大规模路面状况检测方法具有精度高、图幅大、历史数据丰富的特征，适合做大规模宏观层面的路面状况检测及分析，但由于依赖高分辨率卫星影像，成本相对较高，每周的观测成本至少在每平方公里数百元左右。此外，受天气、大气、云层等外因影响，以及交通流量、遮挡、阴影等影响，还存在影像质量和可用数据不足以观测的问题。

Pathway多功能道路检测车

基于低空无人机移动观测的路面状况分析，采用的是GNSS/RTK与惯导、相机或激光组合机制。无人机低空观测，不论是激光或相机，均可实现一定精度、精细度的路面状况观测，采集机动灵活，但受限于飞行资质、限飞区域和限高约束，以及无人机自身的续航问题，实际应用时存在较多限制。且无人机设备本身造价较贵，方案实施难度较大。

基于路侧或路上摄像头静态观测路面状况的课题研究，多来自智慧交通项目的延伸，多数复用路上已有摄像头设备观测。虽然能节省部分硬件成本，但由于静态相机的观测范围和角度受限，会影响观测质量和后续处理，也存在较多观测盲区，且静态摄像头大多基于GPS观测数据，观测及处理后的位置精度天然弱于其他亚米级检测方案。

路面裂缝病害是影响路面技术状况水平与服役寿命的关键因素，对裂缝病害的快速诊断分析是路面保持良好功能、延长服役寿命的前提。因此对于路面裂缝病害智能识别发展，及其数据价值的有效挖掘与利用，将对科学规划决策、路面状况预测感知发挥重要作用。

伴随病害数据采集手段的快速化、便捷化，以及分析方法的精细化，路况水平基础数据连续性、完善性提升，数据更新与调取的及时性、便捷性提高，这不仅让公路养护科学决策与设计的数据基础更加坚实，而且也促进了长周期公路养护规划编制的科学发展，更有利于基于全寿命周期理论分析公路养护资源的投入与分配。

当前对于路面病害的检测识别为事后识别，即检测识别已经发生病害的路段，并采取处理措施。随着检测手段增多、数据的爆炸式增长和计算机算力的显著提升，未来可融合高精传感器在重点监测区域开展路面病害发生与扩展的预测，通过历史数据建立路面结构服役性能与荷载环境等随机因素的非线性演化联系，提前预测可能发生裂缝或其他病害的区域，建立基于大数据的路面病害预测感知系统，具有良好的研究价值和应用推广价值。