机场道面表面健康状态智能检测技术

机场道面作为整个机场的重要基础设施，是关系飞机能否安全起降的关键环节，机场道面的服务质量水平也是各国机场在建设时期和运营时期特别关注的问题。本书针对机场道面的外来物、表面病害、抗滑性能、积水积冰积雪等与道面服务质量水平相关的关键因素，介绍了机场道面外来物检测技术、基于图像处理技术的机场道面裂缝快速检测技术、基于道面三维纹理的机场道面抗滑性能评价技术、机场道面雨雪冰状态检测与预警技术，为机场道面健康状态数字化检测与智能化管养提供技术支撑，从机场道面检测层面支撑交通强国的发展战略。

目录
第1章 绪论 1
1.1 机场外来物 2
1.2 机场道面表面病害 3
1.3 机场道面抗滑性能 5
1.4 机场道面积水积冰积雪 6
参考文献 7
第2章 机场道面外来物检测技术研究综述 9
2.1 机场道面外来物检测概述 9
2.2 机场道面外来物检测方法 10
2.2.1 基于雷达-光电混合技术的外来物检测方法 10
2.2.2 基于光电技术的传统图像处理外来物检测方法 10
2.2.3 基于深度学习的外来物检测方法 11
2.3 机场道面外来物检测研究趋势 12
参考文献 13
第3章 机场道面外来物实时检测技术 14
3.1 基于视频方法的外来物检测技术 14
3.1.1 外来物实验数据采集 16
3.1.2 机场外来物图像识别技术 17
3.2 基于线结构光的外来物检测技术 23
3.2.1 测量原理 23
3.2.2 测量方法 24
3.2.3 三维测量系统的自动标定 25
3.2.4 断面标准轮廓提取技术 26
3.2.5 异物特征知识库建立与完善 27
3.2.6 基于机场道面轮廓的异物检测技术 27
3.2.7 基于线结构光的机场道面异物检测结果及分析 29
3.3 徐州观音国际机场现场验证 31
3.3.1 机场外来物防范工作调研 31
3.3.2 现场数据采集前期准备 34
3.3.3 数据采集 36
3.3.4 图像分析与检测 37
3.3.5 道面异物尺寸与位置计算 39
3.3.6 道面异物危险等级及预警 40
参考文献 41
第4章 机场道面多尺度表面病害检测技术研究综述 43
4.1 机场道面表面病害检测概述 43
4.2 基于目标检测模型的路面病害区域级识别 45
4.2.1 Faster R-CNN 45
4.2.2 YOLO v3模型 51
4.2.3 YOLO v4模型 56
4.3 基于语义分割模型的路面病害像素级识别 63
4.3.1 U-Net模型 63
4.3.2 SegNet模型 66
4.3.3 PSPNet模型 68
4.4 机场道面表面病害检测技术研究趋势 68
参考文献 69
第5章 机场道面裂缝快速检测与高清辨识技术 70
5.1 道面病害图像增强方法 71
5.1.1 基于几何变换的数据增强方法 71
5.1.2 基于生成对抗网络的数据增强方法 73
5.1.3 生成模型和判别模型 74
5.1.4 激活函数特性分析 75
5.2 基于深度卷积生成对抗网络的道面裂缝图像生成 78
5.2.1 DCGAN模型结构设计 78
5.2.2 损失函数的选择 81
5.2.3 生成对抗网络模型评价指标 83
5.2.4 网络模型试验环境搭建 84
5.2.5 训练结果分析 85
5.3 道面病害分割模型 87
5.3.1 模型构建与改进 88
5.3.2 数据集构建 89
5.3.3 参数设置 89
5.3.4 评价指标 91
5.3.5 裂缝图像语义分割训练 92
5.3.6 解码结构对图像语义分割的影响 93
5.4 基于Faster R-CNN的裂缝目标检测和特征提取 98
5.4.1 Faster R-CNN结构 99
5.4.2 目标检测数据集的制作 100
5.4.3 评价指标 102
5.4.4 试验分析 102
5.5 道面状况评价 104
5.5.1 道面裂缝检测结果的几何特征提取 104
5.5.2 线性裂缝的长宽计算 105
5.5.3 网状裂缝的面积和块度计算 107
5.5.4 实测分析 108
5.5.5 机场道面表观损坏状况评价 110
5.5.6 刚性道面状况指数及计算 110
参考文献 112
第6章 基于InSAR 的道面不均匀沉降监测 113
6.1 机场道面不均匀沉降概述 113
6.2 卫星沉降监测技术国内外研究现状 114
6.3 InSAR技术原理 115
6.3.1 PS-InSAR技术原理 115
6.3.2 SBAS-InSAR技术原理 117
6.4 现场数据采集方法 118
6.4.1 研究区域概况 118
6.4.2 数据采集 118
6.5 数据处理方法 120
6.5.1 数据裁剪 120
6.5.2 连接图生成 120
6.5.3 地理编码 120
6.5.4 检测精度分析 121
参考文献 121
第7章 机场道面抗滑性能检测与评价研究综述 123
7.1 飞机轮胎-机场道面摩擦机制 123
7.2 机场道面摩擦特性检测方法 126
7.3 机场道面摩擦特性评价方法 127
7.4 基于三维机器视觉检测技术的抗滑性能检测技术 130
7.4.1 近景摄影测量技术 131
7.4.2 三维激光扫描技术 132
7.5 表面纹理特性与表面抗滑性能的关系 134
参考文献 135
第8章 基于道面三维纹理的机场道面抗滑性能评价技术 137
8.1 道面三维纹理采集与模型重构 137
8.1.1 近景摄影测量技术 137
8.1.2 道面三维纹理采集 143
8.1.3 道面三维纹理模型重构 144
8.2 道面三维纹理指标计算 147
8.2.1 道面三维纹理指标的选取 147
8.2.2 道面纹理构造特征指标计算 150
8.2.3 道面表面纹理构造评价指标的准确性验证 152
8.3 飞机轮胎/道面接触动摩擦系数计算方法 154
8.3.1 基于Persson 摩擦模型的动摩擦系数求解 154
8.3.2 动摩擦系数计算有效性验证 159
8.4 机场道面抗滑性能快速检测工况研究 161
8.4.1 快速检测设备平台 161
8.4.2 基于改进的维纳滤波降噪的快速检测图像处理方法 163
8.4.3 徐州观音国际机场现场验证 167
参考文献 175
第9章 机场道面雨雪冰状态检测与预警研究综述 176
9.1 道面状态检测方法研究现状 177
9.2 道面雨雪冰状态识别研究现状 177
9.3 道面雨雪冰厚度检测研究现状 182
9.4 道面雨雪冰状态预警研究现状 183
9.5 国内外研究现状评述 184
参考文献 185
第10章 机场道面雨雪冰状态检测与预警技术研究 186
10.1 多工况道面状态图像采集与处理 186
10.1.1 图像数据获取 186
10.1.2 检测车采集数据 186
10.1.3 人工图像采集 188
10.1.4 公开数据集 189
10.2 数据标注及预处理 191
10.2.1 图像数据标注 191
10.2.2 图像预处理 191
10.3 基于目标检测模型的道面状态识别 193
10.3.1 YOLO v5 193
10.3.2 YOLO v8 194
10.3.3 MobileNet v3 197
10.3.4 识别评价指标 198
10.4 道面状态识别结果分析 198
10.4.1 训练过程 198
10.4.2 典型结果 200
10.5 基于深度学习的道面雨雪冰状态像素级分割 203
10.5.1 语义分割任务 203
10.5.2 改进的E-YOLO 模型 205
10.5.3 数据集构建及标注 207
10.5.4 道面雨雪冰分割结果分析 209
10.6 基于多目视觉的道面雨雪冰厚度精细化检测 214
10.6.1 多目视觉数据获取 214
10.6.2 三维点云数据生成 216
10.6.3 表面积雪厚度计算 220
10.6.4 机场道面工程验证 224
10.7 机场道面雨雪冰状态评价与预警 232
10.7.1 道面状态影响因素分析 233
10.7.2 道面雨雪冰状态评价指标 236
10.7.3 道面雨雪冰状态识别与预警系统 240
参考文献 242