自动化之旅：基于图像的路面纹理提取与评估
计算机视觉与模式识别
2025-01-07 v1 机器学习
摘要
平均纹理深度（MTD）对于评估沥青路面的抗滑性和确保道路安全至关重要。本研究专注于开发一个基于路面图像自动提取纹理特征和评估MTD的系统。本文的贡献有三方面：首先，提出了一种经济的方法来获取三维（3D）路面纹理数据；其次，增强了3D图像处理技术，并制定了代表纹理各个方面的特征；第三，建立了将这些特征与MTD值联系起来的多元预测模型。验证结果表明，梯度提升树（GBT）模型实现了显著的预测稳定性和准确性（R2 = 0.9858），现场测试表明所提出的方法优于其他技术，相对误差低于10%。该方法为从图像输入到MTD预测输出的路面质量评估提供了全面的端到端解决方案。
引用
@article{arxiv.2501.02414,
title = {Journey into Automation: Image-Derived Pavement Texture Extraction and Evaluation},
author = {Bingjie Lu and Han-Cheng Dan and Yichen Zhang and Zhetao Huang},
journal= {arXiv preprint arXiv:2501.02414},
year = {2025}
}