车载探地雷达地下目标实时探测法

• 作者: 吴唯同 孙文鹿 宗泽亮 杨必胜 米晓新 陈驰 黄荣刚
• 来源期刊: 测绘学报
• 学科: 地球科学
• 关键词: 探地雷达 地下目标探测 卷积神经网络 深度学习 城市空间安全
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 摄影测量学与遥感
• 页码范围: 874-882
• 页数: 9页
• 分类号: P227
• 字数: 5099字
• 语种: 中文

摘要

中国的城镇化加快了地下空间大规模开发与利用的进程.摸清地下空间目标的分布状况,保障城市可持续发展和地下空间资源的永久利用,是维护未来城市安全中的重要任务.探地雷达(GPR)凭借其数据采集速度快、成像分辨率高、无损检测等优点在地下空间资源调查中得以广泛应用.但仍存在GPR数据地下目标识别不准确、自动化程度低等缺陷,自动检测GPR数据中的地下目标或目标缺陷仍然是一个亟待解决的难题.为此,本文分析并确定了GPR影像中可进行识别的城市道路地下空间的7类典型目标(如雨水井、电缆等).并根据其反射信号特征,标记了GSSI SIR30设备以400 MHz波段采集的GPR数据中的典型地下目标,构建了GPR地下目标样本库,共包含7类总数为3033个.通过迁移学习的方法,精调预训练后的Darknet53网络参数,通过端到端的YOLOV3检测方法完成地下目标的自动识别与定位.最后,利用深圳福田区彩田路GSSI SIR30装备以400 MHz波段采集的GPR数据进行试验验证.试验结果表明,本文提出的基于深度学习的地下目标探测方法对城市典型地下目标的检测精度和召回率达到85％ 以上,检测速度达到了16帧/s,能够有效探测GPR数据中的城市地下目标.