本發明涉及道路病害識別，具體(ti)涉及一種(zhong)基于多維數據的道路勘探評(ping)估(gu)方法、系統及存(cun)儲介質。

背景技術：

1、道(dao)路(lu)勘探的(de)目的(de)是評估(gu)道(dao)路(lu)的(de)結構完整性、地質情(qing)況等，以確保道(dao)路(lu)的(de)安全和耐久性。

2、傳(chuan)統方(fang)法(fa)通常依賴(lai)于(yu)視覺(jue)檢查和(he)(he)手(shou)動測量(liang)(liang)，無法(fa)全面獲取道路的(de)(de)地(di)(di)下(xia)結構信(xin)(xin)息(xi)，地(di)(di)下(xia)空洞和(he)(he)裂縫等問題可能(neng)隱藏(zang)在地(di)(di)表下(xia)，難(nan)以通過目視檢查發現(xian)，并且(qie)(qie)傳(chuan)統方(fang)法(fa)下(xia)，路面病害的(de)(de)識別依賴(lai)于(yu)人工(gong)觀察，容(rong)易受到主觀因素和(he)(he)操作者技(ji)能(neng)水平(ping)的(de)(de)影響，導致識別和(he)(he)評估的(de)(de)一致性(xing)和(he)(he)準確性(xing)不足，而且(qie)(qie)傳(chuan)統方(fang)法(fa)下(xia)，處(chu)理大量(liang)(liang)數據和(he)(he)生成綜合地(di)(di)圖的(de)(de)效率低下(xia)，常常依賴(lai)于(yu)手(shou)工(gong)繪(hui)制和(he)(he)記錄(lu)，耗時且(qie)(qie)容(rong)易出現(xian)錯誤，并且(qie)(qie)傳(chuan)統方(fang)法(fa)生成的(de)(de)報告和(he)(he)記錄(lu)可能(neng)缺乏(fa)清晰的(de)(de)信(xin)(xin)息(xi)表達(da)和(he)(he)視覺(jue)化，難(nan)以為(wei)決策者提供直觀的(de)(de)理解和(he)(he)快速(su)的(de)(de)決策支持。

技術實現思路

1、本發明目的是(shi)針對背景技術中(zhong)存在的問題(ti)，提出一(yi)種基于多維數據的道路勘探評估方法、系統及(ji)存儲介質。

2、本發明的技術方(fang)案：一(yi)種基于多維數據的道路勘探(tan)評估方(fang)法，包括：

3、基于探地(di)雷(lei)達設備獲取(qu)目標(biao)道路(lu)的多個地(di)下位(wei)置的地(di)下雷(lei)達圖(tu)(tu)譜，對所述地(di)下雷(lei)達圖(tu)(tu)譜進行(xing)預(yu)處理(li)操作(zuo)，以得到標(biao)準(zhun)地(di)下雷(lei)達圖(tu)(tu)譜，基于目標(biao)道路(lu)的多個地(di)下位(wei)置的標(biao)準(zhun)地(di)下雷(lei)達圖(tu)(tu)譜構建(jian)訓(xun)練集；

4、通過(guo)已訓(xun)(xun)練(lian)(lian)(lian)好的(de)數(shu)據增(zeng)廣(guang)(guang)模型(xing)(xing)對(dui)所(suo)述訓(xun)(xun)練(lian)(lian)(lian)集(ji)(ji)進行(xing)數(shu)據增(zeng)廣(guang)(guang)，以得(de)到增(zeng)廣(guang)(guang)訓(xun)(xun)練(lian)(lian)(lian)集(ji)(ji)，構建脫空檢測(ce)模型(xing)(xing)，基于所(suo)述增(zeng)廣(guang)(guang)訓(xun)(xun)練(lian)(lian)(lian)集(ji)(ji)對(dui)所(suo)述脫空檢測(ce)模型(xing)(xing)進行(xing)訓(xun)(xun)練(lian)(lian)(lian)，以得(de)到已訓(xun)(xun)練(lian)(lian)(lian)好的(de)脫空檢測(ce)模型(xing)(xing)；

5、通過所述已訓練好的(de)脫空檢測(ce)模型對所述目標道路的(de)多個地(di)下(xia)位(wei)置(zhi)進行脫空檢測(ce)，以(yi)得到(dao)所述目標道路的(de)多個地(di)下(xia)位(wei)置(zhi)的(de)脫空結(jie)果；

6、基于(yu)圖(tu)(tu)(tu)像(xiang)采集設備獲取(qu)目標道(dao)(dao)路(lu)的(de)(de)(de)多個位置的(de)(de)(de)路(lu)面圖(tu)(tu)(tu)像(xiang)，對(dui)所(suo)述路(lu)面圖(tu)(tu)(tu)像(xiang)進行(xing)預(yu)處理操作，以(yi)(yi)得到(dao)標準路(lu)面圖(tu)(tu)(tu)像(xiang)，并(bing)對(dui)所(suo)述標準路(lu)面圖(tu)(tu)(tu)像(xiang)進行(xing)特征(zheng)(zheng)提取(qu)，以(yi)(yi)得到(dao)圖(tu)(tu)(tu)像(xiang)特征(zheng)(zheng)集，通過已訓(xun)練(lian)好的(de)(de)(de)基于(yu)支持向量機(ji)的(de)(de)(de)路(lu)面病(bing)害(hai)檢測(ce)(ce)模型(xing)對(dui)所(suo)述圖(tu)(tu)(tu)像(xiang)特征(zheng)(zheng)集進行(xing)路(lu)面病(bing)害(hai)檢測(ce)(ce)，以(yi)(yi)得到(dao)所(suo)述目標道(dao)(dao)路(lu)的(de)(de)(de)多個位置的(de)(de)(de)路(lu)面病(bing)害(hai)結果；

7、將所述目標道(dao)路(lu)的(de)(de)多個地下位置(zhi)的(de)(de)脫空(kong)結果和多個位置(zhi)的(de)(de)路(lu)面(mian)病害結果進(jin)行(xing)整合，以得到數據(ju)屬性列(lie)表，所述數據(ju)屬性列(lie)表包括地下雷達圖(tu)譜序號、路(lu)面(mian)圖(tu)像序號、經度和緯(wei)度信息、脫空(kong)結果和路(lu)面(mian)病害結果；

8、獲取(qu)所(suo)述目標(biao)道路(lu)(lu)的道路(lu)(lu)地(di)圖，通過(guo)gis技術將所(suo)述目標(biao)道路(lu)(lu)的多個地(di)下(xia)位置(zhi)(zhi)的地(di)下(xia)雷達圖譜和多個位置(zhi)(zhi)的路(lu)(lu)面圖像(xiang)導(dao)入所(suo)述道路(lu)(lu)地(di)圖，以(yi)得(de)到道路(lu)(lu)關(guan)聯地(di)圖，并將所(suo)述數據屬性列表與所(suo)述道路(lu)(lu)關(guan)聯地(di)圖進行關(guan)聯，以(yi)得(de)到道路(lu)(lu)評估地(di)圖。

9、優選的，對(dui)所(suo)述地下(xia)雷達(da)圖(tu)(tu)譜(pu)進行預處理(li)操作，以得到標準地下(xia)雷達(da)圖(tu)(tu)譜(pu)，包括：

10、對所述地下雷達圖譜進行靜校正(zheng)，所述靜校正(zheng)公式如下：

11、；

12、其中(zhong)(zhong)，表(biao)示(shi)(shi)(shi)靜校正后(hou)的(de)(de)地下(xia)雷(lei)達(da)(da)圖(tu)譜，表(biao)示(shi)(shi)(shi)在(zai)時刻地下(xia)雷(lei)達(da)(da)圖(tu)譜中(zhong)(zhong)的(de)(de)幅(fu)(fu)值，表(biao)示(shi)(shi)(shi)向左平移的(de)(de)時間，表(biao)示(shi)(shi)(shi)地下(xia)雷(lei)達(da)(da)圖(tu)譜中(zhong)(zhong)最大幅(fu)(fu)值位置處的(de)(de)時間；

13、對所(suo)述地下(xia)雷達(da)圖譜(pu)進行直(zhi)流漂移(yi)，所(suo)述直(zhi)流漂移(yi)公(gong)式如下(xia)：

14、；

15、其中，表示直(zhi)(zhi)流(liu)漂(piao)移后的(de)地下雷(lei)達圖譜(pu)，表示直(zhi)(zhi)流(liu)漂(piao)移前的(de)地下雷(lei)達圖譜(pu)，表示地下雷(lei)達圖譜(pu)中采樣點的(de)總數；

16、對(dui)所述地(di)下雷達圖譜進行帶通濾(lv)波(bo)，所述帶通濾(lv)波(bo)公式如下：

17、；

18、其(qi)中，表(biao)示帶通濾波后的地(di)下雷達(da)圖譜，表(biao)示地(di)下雷達(da)圖譜的頻域特征，表(biao)示帶通濾波器。

19、優選的，所(suo)(suo)(suo)(suo)(suo)述(shu)(shu)(shu)(shu)數(shu)據增廣模(mo)型采(cai)用(yong)(yong)改(gai)進(jin)(jin)的consingan網絡(luo)，所(suo)(suo)(suo)(suo)(suo)述(shu)(shu)(shu)(shu)consingan網絡(luo)包括(kuo)生(sheng)成(cheng)(cheng)器(qi)(qi)(qi)和判別器(qi)(qi)(qi)，所(suo)(suo)(suo)(suo)(suo)述(shu)(shu)(shu)(shu)生(sheng)成(cheng)(cheng)器(qi)(qi)(qi)用(yong)(yong)于從所(suo)(suo)(suo)(suo)(suo)述(shu)(shu)(shu)(shu)訓練集(ji)中學習真實(shi)樣本(ben)分(fen)布，并基于所(suo)(suo)(suo)(suo)(suo)述(shu)(shu)(shu)(shu)真實(shi)樣本(ben)分(fen)布生(sheng)成(cheng)(cheng)假樣本(ben)，所(suo)(suo)(suo)(suo)(suo)述(shu)(shu)(shu)(shu)判別器(qi)(qi)(qi)用(yong)(yong)于對所(suo)(suo)(suo)(suo)(suo)述(shu)(shu)(shu)(shu)假樣本(ben)進(jin)(jin)行(xing)(xing)判斷，并通(tong)過(guo)特(te)(te)(te)(te)征(zheng)(zheng)(zheng)學習模(mo)塊(kuai)(kuai)和損(sun)失函數(shu)改(gai)進(jin)(jin)所(suo)(suo)(suo)(suo)(suo)述(shu)(shu)(shu)(shu)consingan網絡(luo)的所(suo)(suo)(suo)(suo)(suo)述(shu)(shu)(shu)(shu)生(sheng)成(cheng)(cheng)器(qi)(qi)(qi)，所(suo)(suo)(suo)(suo)(suo)述(shu)(shu)(shu)(shu)特(te)(te)(te)(te)征(zheng)(zheng)(zheng)學習模(mo)塊(kuai)(kuai)包括(kuo)第(di)(di)一子(zi)(zi)模(mo)塊(kuai)(kuai)、第(di)(di)二(er)(er)(er)(er)子(zi)(zi)模(mo)塊(kuai)(kuai)和第(di)(di)三(san)子(zi)(zi)模(mo)塊(kuai)(kuai)，所(suo)(suo)(suo)(suo)(suo)述(shu)(shu)(shu)(shu)第(di)(di)一子(zi)(zi)模(mo)塊(kuai)(kuai)用(yong)(yong)于采(cai)用(yong)(yong)最(zui)大池化(hua)方式進(jin)(jin)行(xing)(xing)特(te)(te)(te)(te)征(zheng)(zheng)(zheng)學習，以(yi)得(de)(de)到(dao)(dao)(dao)(dao)第(di)(di)一特(te)(te)(te)(te)征(zheng)(zheng)(zheng)圖(tu)(tu)(tu)(tu)(tu)，所(suo)(suo)(suo)(suo)(suo)述(shu)(shu)(shu)(shu)第(di)(di)二(er)(er)(er)(er)子(zi)(zi)模(mo)塊(kuai)(kuai)用(yong)(yong)于采(cai)用(yong)(yong)平均池化(hua)方式進(jin)(jin)行(xing)(xing)特(te)(te)(te)(te)征(zheng)(zheng)(zheng)學習，以(yi)得(de)(de)到(dao)(dao)(dao)(dao)第(di)(di)二(er)(er)(er)(er)特(te)(te)(te)(te)征(zheng)(zheng)(zheng)圖(tu)(tu)(tu)(tu)(tu)，將(jiang)(jiang)所(suo)(suo)(suo)(suo)(suo)述(shu)(shu)(shu)(shu)第(di)(di)一特(te)(te)(te)(te)征(zheng)(zheng)(zheng)圖(tu)(tu)(tu)(tu)(tu)與輸(shu)(shu)入特(te)(te)(te)(te)征(zheng)(zheng)(zheng)圖(tu)(tu)(tu)(tu)(tu)進(jin)(jin)行(xing)(xing)點乘(cheng)(cheng)運算，以(yi)得(de)(de)到(dao)(dao)(dao)(dao)第(di)(di)三(san)特(te)(te)(te)(te)征(zheng)(zheng)(zheng)圖(tu)(tu)(tu)(tu)(tu)，將(jiang)(jiang)所(suo)(suo)(suo)(suo)(suo)述(shu)(shu)(shu)(shu)第(di)(di)二(er)(er)(er)(er)特(te)(te)(te)(te)征(zheng)(zheng)(zheng)圖(tu)(tu)(tu)(tu)(tu)與輸(shu)(shu)入特(te)(te)(te)(te)征(zheng)(zheng)(zheng)圖(tu)(tu)(tu)(tu)(tu)進(jin)(jin)行(xing)(xing)點乘(cheng)(cheng)運算，以(yi)得(de)(de)到(dao)(dao)(dao)(dao)第(di)(di)四特(te)(te)(te)(te)征(zheng)(zheng)(zheng)圖(tu)(tu)(tu)(tu)(tu)，將(jiang)(jiang)所(suo)(suo)(suo)(suo)(suo)述(shu)(shu)(shu)(shu)第(di)(di)三(san)特(te)(te)(te)(te)征(zheng)(zheng)(zheng)圖(tu)(tu)(tu)(tu)(tu)和所(suo)(suo)(suo)(suo)(suo)述(shu)(shu)(shu)(shu)第(di)(di)四特(te)(te)(te)(te)征(zheng)(zheng)(zheng)圖(tu)(tu)(tu)(tu)(tu)進(jin)(jin)行(xing)(xing)特(te)(te)(te)(te)征(zheng)(zheng)(zheng)融合操作，以(yi)得(de)(de)到(dao)(dao)(dao)(dao)融合特(te)(te)(te)(te)征(zheng)(zheng)(zheng)圖(tu)(tu)(tu)(tu)(tu)，所(suo)(suo)(suo)(suo)(suo)述(shu)(shu)(shu)(shu)第(di)(di)三(san)子(zi)(zi)模(mo)塊(kuai)(kuai)用(yong)(yong)于通(tong)過(guo)卷積(ji)層降低所(suo)(suo)(suo)(suo)(suo)述(shu)(shu)(shu)(shu)融合特(te)(te)(te)(te)征(zheng)(zheng)(zheng)圖(tu)(tu)(tu)(tu)(tu)的通(tong)道數(shu)目，并通(tong)過(guo)sigmoid函數(shu)對降低通(tong)道數(shu)目后的所(suo)(suo)(suo)(suo)(suo)述(shu)(shu)(shu)(shu)融合特(te)(te)(te)(te)征(zheng)(zheng)(zheng)圖(tu)(tu)(tu)(tu)(tu)進(jin)(jin)行(xing)(xing)非線性激活，以(yi)得(de)(de)到(dao)(dao)(dao)(dao)輸(shu)(shu)出特(te)(te)(te)(te)征(zheng)(zheng)(zheng)圖(tu)(tu)(tu)(tu)(tu)，將(jiang)(jiang)所(suo)(suo)(suo)(suo)(suo)述(shu)(shu)(shu)(shu)輸(shu)(shu)出特(te)(te)(te)(te)征(zheng)(zheng)(zheng)圖(tu)(tu)(tu)(tu)(tu)和所(suo)(suo)(suo)(suo)(suo)述(shu)(shu)(shu)(shu)輸(shu)(shu)入特(te)(te)(te)(te)征(zheng)(zheng)(zheng)圖(tu)(tu)(tu)(tu)(tu)進(jin)(jin)行(xing)(xing)點乘(cheng)(cheng)運算，以(yi)得(de)(de)到(dao)(dao)(dao)(dao)最(zui)終的特(te)(te)(te)(te)征(zheng)(zheng)(zheng)圖(tu)(tu)(tu)(tu)(tu)。

20、優選(xuan)的，所述(shu)特(te)征融合操作(zuo)公式如下(xia)：

21、；

22、其中，表示融(rong)合特征圖，表示第三(san)特征圖，表示第四特征圖。

23、優選的，所(suo)述(shu)損失函數如下：

24、；

25、其中(zhong)，表(biao)(biao)示(shi)(shi)對抗損(sun)失(shi)，和(he)分別表(biao)(biao)示(shi)(shi)訓練(lian)階(jie)段n時(shi)的生(sheng)成器和(he)判別器，表(biao)(biao)示(shi)(shi)人為設置的權(quan)重，表(biao)(biao)示(shi)(shi)重建損(sun)失(shi)。

26、優選的，所述(shu)重建(jian)損(sun)失公式如下：

27、；

28、其中，表示訓練階段n-1時重(zhong)建后輸出的特(te)征(zheng)圖(tu)，表示上采樣(yang)操作，表示固(gu)定的輸入特(te)征(zheng)圖(tu)，表示訓練階段n時的特(te)征(zheng)圖(tu)。

29、優選(xuan)的(de)，所(suo)(suo)(suo)述(shu)脫空檢測模(mo)型(xing)采用改進的(de)yolov7-tiny模(mo)型(xing)，并通(tong)(tong)過加強(qiang)(qiang)注(zhu)意(yi)(yi)(yi)力模(mo)塊(kuai)對(dui)所(suo)(suo)(suo)述(shu)yolov7-tiny模(mo)型(xing)進行改進，所(suo)(suo)(suo)述(shu)加強(qiang)(qiang)注(zhu)意(yi)(yi)(yi)力模(mo)塊(kuai)包括(kuo)通(tong)(tong)道注(zhu)意(yi)(yi)(yi)力模(mo)塊(kuai)和(he)空間(jian)注(zhu)意(yi)(yi)(yi)力模(mo)塊(kuai)，所(suo)(suo)(suo)述(shu)通(tong)(tong)道注(zhu)意(yi)(yi)(yi)力模(mo)塊(kuai)用于對(dui)所(suo)(suo)(suo)述(shu)目(mu)標道路的(de)多個地下位置(zhi)的(de)標準地下雷(lei)達圖(tu)譜(pu)的(de)第(di)(di)一圖(tu)譜(pu)特(te)(te)征(zheng)(zheng)，所(suo)(suo)(suo)述(shu)空間(jian)注(zhu)意(yi)(yi)(yi)力模(mo)塊(kuai)用于對(dui)所(suo)(suo)(suo)述(shu)目(mu)標道路的(de)多個地下位置(zhi)的(de)標準地下雷(lei)達圖(tu)譜(pu)的(de)第(di)(di)二圖(tu)譜(pu)特(te)(te)征(zheng)(zheng)，將所(suo)(suo)(suo)述(shu)第(di)(di)一圖(tu)譜(pu)特(te)(te)征(zheng)(zheng)和(he)所(suo)(suo)(suo)述(shu)第(di)(di)二圖(tu)譜(pu)特(te)(te)征(zheng)(zheng)逐元(yuan)素相加，以(yi)得到目(mu)標特(te)(te)征(zheng)(zheng)注(zhu)意(yi)(yi)(yi)圖(tu)譜(pu)特(te)(te)征(zheng)(zheng)。

30、優選的，所述(shu)通道(dao)注意力模塊表(biao)達式如下：

31、；

32、其中，表示(shi)第一圖譜(pu)特征，表示(shi)共享多層感知機(ji)，表示(shi)全局平(ping)均池(chi)化，表示(shi)最大池(chi)化，表示(shi)目(mu)標道(dao)路的多個地(di)下(xia)位置的標準地(di)下(xia)雷達圖譜(pu)。

33、優選的，所(suo)述(shu)空(kong)間注意力模塊(kuai)表達式如下(xia)：

34、；

35、其中(zhong)，表(biao)示第二圖譜特征，表(biao)示7×7大小的卷積操作。

36、優選(xuan)的，所述目標特(te)征(zheng)注意圖譜特(te)征(zheng)表達式如下：

37、；

38、其(qi)中，表示目(mu)標特征(zheng)注意圖譜特征(zheng)，表示逐元素相乘，表示逐元素相加。

39、優選的，對(dui)所(suo)述標準路面圖像(xiang)進(jin)行(xing)特征(zheng)提取，以得到圖像(xiang)特征(zheng)集，包(bao)括：

40、對所述(shu)(shu)標準路面圖像的紋理(li)特征進行提(ti)取，所述(shu)(shu)紋理(li)特征提(ti)取公(gong)式如下(xia)：

41、；

42、其中，表(biao)示(shi)紋(wen)理特征結果，表(biao)示(shi)標準(zhun)路(lu)面圖像(xiang)(xiang)幅度方向，表(biao)示(shi)相(xiang)隔距(ju)離，表(biao)示(shi)標準(zhun)路(lu)面圖像(xiang)(xiang)中a區域的鄰域，表(biao)示(shi)概率求解(jie)結果；

43、對所(suo)述(shu)標準路面(mian)圖(tu)像(xiang)的顏(yan)色特征進行提取，所(suo)述(shu)顏(yan)色特征提取公(gong)式(shi)如下：

44、；

45、其中，表(biao)示顏色(se)特征，和分別表(biao)示標準路(lu)面圖像不同區域(yu)內(nei)的亮度(du)方差(cha)；

46、對所述標準(zhun)路面圖像的距離特征進行提取，所述距離特征提取公式(shi)如下(xia)：

47、；

48、其中，表(biao)示標(biao)準路面(mian)圖像(xiang)序列最小化(hua)映射到一條直(zhi)線上連(lian)續(xu)函(han)數(shu)距離，表(biao)示連(lian)續(xu)函(han)數(shu)，和表(biao)示標(biao)準路面(mian)圖像(xiang)不同區域內的映射點，表(biao)示鄰近矩陣

49、將所述標(biao)準路面圖像的紋理特(te)征(zheng)、顏色(se)特(te)征(zheng)和距離特(te)征(zheng)進行組合，以(yi)得(de)到圖像特(te)征(zheng)集(ji)。

50、優(you)選的，將(jiang)所(suo)述數據(ju)屬性列表與所(suo)述道路關聯地(di)圖(tu)進行關聯，以得到道路評估地(di)圖(tu)，包(bao)括(kuo)：

51、定義顯(xian)示圖層，所述(shu)顯(xian)示圖層用于顯(xian)示所述(shu)目標(biao)道路的多個地下位置的脫空結果和多個位置的路面病害結果；

52、將所(suo)述數據屬性列表中的所(suo)述經度(du)和緯度(du)信息作為關(guan)鍵字(zi)段，與所(suo)述道路關(guan)聯(lian)(lian)地圖(tu)上的相應點標記進行關(guan)聯(lian)(lian)，從(cong)而在(zai)所(suo)述道路關(guan)聯(lian)(lian)地圖(tu)上生成所(suo)述顯示(shi)圖(tu)層；

53、設定所(suo)述道路關聯地圖不(bu)同的顏色(se)和形狀，用于區(qu)分所(suo)述脫空結果和所(suo)述路面病害結果。

54、本發明的(de)(de)技(ji)術方案(an)：一種基(ji)于多(duo)維數據(ju)的(de)(de)道路(lu)勘探(tan)評估系統(tong)，其適用于上述的(de)(de)一種基(ji)于多(duo)維數據(ju)的(de)(de)道路(lu)勘探(tan)評估方法(fa)，包括：

55、數(shu)據處(chu)理(li)模塊(kuai)，所(suo)述數(shu)據處(chu)理(li)模塊(kuai)用(yong)于(yu)獲取目(mu)標道路的(de)多個(ge)地下位置的(de)地下雷達(da)圖(tu)譜(pu)，并(bing)進行預處(chu)理(li)操(cao)作，以生成標準地下雷達(da)圖(tu)譜(pu)，并(bing)基于(yu)標準地下雷達(da)圖(tu)譜(pu)構建(jian)訓練(lian)集，用(yong)于(yu)訓練(lian)脫(tuo)空檢測模型；

56、數(shu)據(ju)訓(xun)練(lian)(lian)模(mo)(mo)塊(kuai)(kuai)，所述數(shu)據(ju)增(zeng)廣模(mo)(mo)塊(kuai)(kuai)用(yong)于通過(guo)數(shu)據(ju)增(zeng)廣模(mo)(mo)型(xing)對訓(xun)練(lian)(lian)集(ji)進行增(zeng)廣，以得(de)(de)到增(zeng)廣訓(xun)練(lian)(lian)集(ji)，并使用(yong)增(zeng)廣訓(xun)練(lian)(lian)集(ji)來訓(xun)練(lian)(lian)脫空(kong)檢測模(mo)(mo)型(xing)，以得(de)(de)到已(yi)訓(xun)練(lian)(lian)好(hao)的(de)脫空(kong)檢測模(mo)(mo)型(xing)；

57、圖像(xiang)(xiang)(xiang)處理(li)模塊(kuai)，所述圖像(xiang)(xiang)(xiang)處理(li)模塊(kuai)用于(yu)獲取目標(biao)(biao)道路(lu)(lu)(lu)的(de)多(duo)個位(wei)置(zhi)的(de)路(lu)(lu)(lu)面圖像(xiang)(xiang)(xiang)，并對(dui)這(zhe)些圖像(xiang)(xiang)(xiang)進行預(yu)處理(li)操(cao)作，以得到(dao)標(biao)(biao)準路(lu)(lu)(lu)面圖像(xiang)(xiang)(xiang)，并從標(biao)(biao)準路(lu)(lu)(lu)面圖像(xiang)(xiang)(xiang)中提(ti)取特征，形成(cheng)圖像(xiang)(xiang)(xiang)特征集；

58、病(bing)害檢測模塊，所述病(bing)害檢測模塊用于基于支持(chi)向量機(ji)對圖(tu)像特征集進行路面病(bing)害檢測；

59、地圖生(sheng)成模塊，所(suo)述地圖生(sheng)成模塊將脫空檢測結果(guo)和路(lu)面病害(hai)檢測結果(guo)整(zheng)合為數據(ju)屬性列，并使(shi)用(yong)gis技術(shu)將地下雷(lei)達圖譜、路(lu)面圖像和數據(ju)屬性列表導入到(dao)道路(lu)地圖中，以生(sheng)成道路(lu)評估地圖。

60、本(ben)發明的技(ji)術方案：一(yi)種基于多維數據的道路(lu)勘(kan)探評估存儲介質，其適用于所述的一(yi)種基于多維數據的道路(lu)勘(kan)探評估方法，包括：至少一(yi)個處理器和存儲器；

61、所述(shu)存儲(chu)(chu)器(qi)用于(yu)存儲(chu)(chu)計算機執行(xing)指令；

62、所(suo)述至少一個處(chu)理器(qi)用于(yu)執行(xing)所(suo)述存儲器(qi)存儲的計算機執行(xing)指令，以實(shi)現上述的一種基于(yu)多維(wei)數(shu)據的道路勘探評估方法。

63、與現有技(ji)術(shu)相(xiang)比，本發明的上述技(ji)術(shu)方案具有如下有益的技(ji)術(shu)效(xiao)果：

64、本發明通(tong)過結(jie)(jie)合地(di)下(xia)雷達圖譜和路(lu)(lu)面圖像(xiang)，能夠全面獲取道路(lu)(lu)不同層次的信息，包括地(di)下(xia)結(jie)(jie)構和路(lu)(lu)面狀態，且對地(di)下(xia)雷達圖譜和路(lu)(lu)面圖像(xiang)進(jin)行預處理(li)和標(biao)準(zhun)化(hua)操作，有助于提高數(shu)據質(zhi)量和可比性(xing)，使得(de)后續分析和模(mo)型訓練更加(jia)有效和準(zhun)確(que)，并(bing)且利用(yong)已訓練好的數(shu)據增廣(guang)模(mo)型對訓練集進(jin)行增廣(guang)，然后構建(jian)脫空檢測模(mo)型和路(lu)(lu)面病害檢測模(mo)型，從(cong)而(er)能夠提高模(mo)型的泛(fan)化(hua)能力和適應性(xing)，確(que)保模(mo)型在各種(zhong)實際場景中的有效性(xing)。

65、本發明通過脫空檢(jian)測和(he)(he)(he)路(lu)(lu)(lu)面(mian)病害(hai)檢(jian)測，綜(zong)合評(ping)估道(dao)(dao)路(lu)(lu)(lu)的地(di)下(xia)結構(gou)健康和(he)(he)(he)路(lu)(lu)(lu)面(mian)的使用(yong)狀(zhuang)況，能(neng)夠提供全面(mian)的道(dao)(dao)路(lu)(lu)(lu)健康狀(zhuang)態分析(xi)，通過結合gis技術，將(jiang)地(di)下(xia)雷達(da)圖(tu)譜、路(lu)(lu)(lu)面(mian)圖(tu)像和(he)(he)(he)相關屬(shu)性(xing)(xing)導入道(dao)(dao)路(lu)(lu)(lu)地(di)圖(tu)，生成道(dao)(dao)路(lu)(lu)(lu)評(ping)估地(di)圖(tu)，從而可以提供直觀且(qie)易(yi)于(yu)理解的地(di)圖(tu)視覺化，幫助決策者快速分析(xi)和(he)(he)(he)理解道(dao)(dao)路(lu)(lu)(lu)的整體(ti)情況，而且(qie)基于(yu)詳細的道(dao)(dao)路(lu)(lu)(lu)評(ping)估地(di)圖(tu)，能(neng)夠精確規劃(hua)和(he)(he)(he)優化道(dao)(dao)路(lu)(lu)(lu)維(wei)護和(he)(he)(he)修復計劃(hua)，有效利用(yong)資(zi)源，延長道(dao)(dao)路(lu)(lu)(lu)使用(yong)壽命(ming)，且(qie)通過持續的監測和(he)(he)(he)維(wei)護，可以改善道(dao)(dao)路(lu)(lu)(lu)使用(yong)體(ti)驗，減少(shao)駕駛風險和(he)(he)(he)車輛損壞(huai)，提升交通流暢性(xing)(xing)和(he)(he)(he)效率。