基于点云与图像的沥青路面构造深度预测模型

作     者：英红 朱嘉丽 覃云涛 刘曦民 

作者机构：桂林电子科技大学建筑与交通工程学院 

出 版 物：《太原理工大学学报》 (Journal of Taiyuan University of Technology)

年 卷 期：2025年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0814[工学-土木工程] 0811[工学-控制科学与工程] 082301[工学-道路与铁道工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 0823[工学-交通运输工程] 

基　　金：国家自然科学基金资助项目(51668012) 国家自然科学基金资助项目(51968011) 

主　　题：道路工程 沥青路面 平均构造深度 三维点云技术 灰度共生矩阵 机器学习 

摘      要：针对实现输入数字图像纹理参数即可获得沥青路面平均构造深度的目标，首先，使用智能手机和自制暗箱采集沥青路面数字图像，从预处理后的数字图像中提取像素参数及灰度共生矩阵特征参数共11个特征。结合Pearson相关系数、随机森林（RF）和轻量的梯度提升机（LightGBM）的特征重要性融合结果，筛选出6个最佳特征参数作为预测模型的输入数据集。其次，采用三维激光扫描仪采集相对应的沥青路面三维点云数据，提出一种模拟铺沙面的平均构造深度计算方法。本文采用广义回归神经网络（GRNN）、RF和LightGBM三种机器学习方法构建沥青路面平均构造深度预测模型，同时利用网格搜索算法优化超参数，选取R2、MAE、RMSE量化评价不同模型的预测性能。结果表明，GRNN、RF和LightGBM三种预测模型对路面平均构造深度的预测效果均较好，R2均达到0.85，其中LightGBM模型的综合评价最优，R2为0.9436，比其他模型分别高3.2111%、9.3048%。