高精度三维路面纹理超分辨率重构及测评方法
来源：中国血液净化杂志2024年第12期北京时间：
作者：战友, 林修全, 邱延峻, 艾长发, 张傲南
单位：1. 西南交通大学 土木工程学院，四川 成都 610031","2. 道路工程四川省重点实验室，四川 成都 610031
摘要：<p>路面抗滑性能受路面宏观纹理和微观纹理共同影响，为了实现车载激光扫描设备快速收集高分辨率三维路面纹理，以及路面抗滑性能的连续非接触式微观尺度测评，构建了基于自监督深度学习的超分辨率网络模型，循环递归地将不同低分辨率的路面纹理沿行车方向重构至0.1 mm精度。将527幅0.1 mm分辨率的SMA-13沥青路面纹理用于网络训练与测试，利用最邻近法分别以1/2、1/4、1/8、1/16的下采样因子模拟不同车速下的低分辨率纹理。将分辨率相差2倍的同种纹理对作为网络模型的输入，并按8∶2比例随机划分训练集和测试集，训练集通过小尺寸分割进行数据增强。在最优权重下，模型能够循环递归地将不同低分辨率的路面纹理重构至0.1 mm·像素<sup>－1</sup>分辨率。利用峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）、结构相似度（Structural Similarity，SSIM）和平均构造深度相对误差评估超分辨率纹理的重构质量，并以双三次插值法作为对照。结合双三次插值法与所提出的超分辨率网络，研究非预设下采样因子模型对低分辨率路面纹理的重构性能。最后，基于OOA-LightGBM算法，提取高分辨率纹理以及超分辨率重构纹理的特征参数，构建抗滑性能预测模型，研究基于超分辨率重构纹理预测抗滑性能的可能性。结果表明：所提出的超分辨率网络有助于车载激光扫描设备在128 km·h<sup>－1</sup>的行驶速度内采集PSNR大于30 dB、SSIM大于0.95、平均构造深度相对误差绝对值小于1%的0.1 mm高精度路面三维纹理；在16、32、64 km·h<sup>－1</sup>的恒定行驶速度下收集的路面三维纹理，其抗滑性能预测的平均决定系数<i>R</i><sup>2</sup>为0.808。</p>
关键词：路面工程,路面纹理,深度学习,超分辨率网络,平均构造深度,抗滑性能
