基于视频图像的路面性能参数采集方法研究的开题报告.docx

基于视频图像的路面性能参数采集方法研究的开题报告
一、选题的背景和意义
随着都市化进程的不断加快，道路建设成为促进城市发展的重要环节。而道路的建设涉及到诸多的参数，其中路面的性能参数对于道路的质量和使用寿命有着重要的影响。目前，路面性能参数采集主要采用手持仪器、车载仪器等方法进行测量，但这些方法都存在着测量效率低、成本昂贵、测量设备对道路交通影响大等问题。基于视频图像的路面性能参数采集方法因其非接触、高效、低成本等优势成为一种新的可行性方案。该研究旨在通过视频图像技术采集路面性能参数，为道路建设提供有效的技术支撑。
二、研究的内容和方法
本研究将采用视频图像技术获取道路交通的图像信息，并通过建立线性方程模型、深度学习模型等不同的算法模型，分析图像信息与路面性能参数之间的关系。具体的方法如下：
1.采集道路交通的视频图像；
2.提取视频图像中的路面信息，包括路面材质、路面质量等性能参数；
3.建立线性方程模型，通过对图像像素的分析，建立图像信息与路面性能参数的对应关系；
4.尝试使用深度学习模型，通过训练神经网络，实现图像信息与路面性能参数的自动化识别和分析。
三、预期成果和意义
本研究的预期成果如下：
1.成功建立基于视频图像的路面性能参数采集方法，并得出可靠的结果；
2.实现了对路面质量、路面材质等性能参数的快速、低成本、非接触式采集；
3.为道路建设提供了可靠的技术支撑，为提升道路的质量和使用寿命提供了新的方法和思路。
四、研究的难点和挑战
1.视频图像处理技术的难度：视频图像处理技术的应用需要考虑到众多因素，如灯光、阴影等对图像质量的影响，为此需要针对视频图像的各种复杂情况进行深入的学习和实践。
2.数据集的采集：由于不同路面性能参数的垂直度和曲率等参数不同，采集数据量大且采集过程多样，为建立可靠的数据集增加难度。
3.算法模型的建立：为建立可靠准确的算法模型，需要综合考虑多个因素，如路面性能参数种类、网络结构等。
五、进度安排
1.前期调研，收集相关文献资料并对其进行分析和总结，提出初步的研究思路，计划完成时间：一个月。
2.视频图像数据采集和预处理，包括视频数据的采集、降噪、去除虚假信息等，计划完成时间：两个月；
3.算法模型的建立和验证，计划完成时间：三个月。
4.论文撰写和总结，计划完成时间：一个月。
六、参考文献
1.Clark,R.&Greensitt,J.(2004).DevelopmentofaSideway-forceCoefficientRoutineInvestigationMachine(SCRIM)fornetwork-levelRoadSafetyAudits.TransportationResearchRecord,1584,pp.86-94.
2.Coop,M.R.&Dini,D.(2005).Measuringthefrictionandwearofrailwaysystems.PhilosophicalTransactionsoftheRoyalSocietyA:Mathematical,PhysicalandEngineeringSciences,363(1837),pp.283-298.
3.Huang,Y.,Li,M.,Liu,S.,Wu,J.&Hu,J.(2019).GOLFT:globaloptimallanefittingandtrackingofcomplexurbanroadsbasedontensorvoting.ImageandVisionComputing,83,pp.46-54.
4.Meneguzzi,F.R.,etal.(2012).Aroadsurfacedistressdetectionsystemforreal-timeanalysisofasphaltpavementconditions.ExpertSystemswithApplications,39(17),pp.13007-13011.