基于探地雷达的路面检测技术

基于探地雷达的路面检测技术

李星燊

（重庆交通大学 土木工程学院，重庆 400047)

摘要：道路是任何国家的主要交通系统，因此必须保持良好的物理状态，以提供安全和无缝的人流和货物运输。然而，由于施工错误、老化、环境条件、交通负荷变化和维护不善，道路路面受到各种缺陷的影响。因此，建议定期检查，以确保可维护性和最小化维护成本。探地雷达(GPR)是一种广泛应用于路面地下状况检测的无损检测技术。此外，近年来，探地雷达使用受到了更多的关注，因为它提供了对道路网络的更全面和可靠的评估。因此GPR已与补充性无损检测集成，以扩展其功能并检测路面和地下病害和特征。在本文中，非破坏性方法通常与GPR结合使用以监视刚性路面的简要描述。本文简要介绍了常用的结合探地雷达对刚性路面进行无损监测的方法。

关  键  词：探地雷达;无损检测;无损检测组合;

0  引言

探地雷达技术在沥青路面研究中具有许多优势。无损检测是其中一项重要特点，不需要对路面进行破坏，有效减少对交通运输的干扰。该技术还能在大范围内迅速扫描，极大提高了检测效率并扩大了覆盖面积。探地雷达技术为路面维护和管理提供了高效、准确的检测手段，有助于提升道路安全性和交通运输的效率。本文对探地雷达与其他几种无损检测技术(如可见光和热成像、光探测和测距)的结合进行了评述，本文讨论了通常发生的不同道路路面损伤，从表面损伤到内部破坏和路基功能障碍[1]。

1  路面类型及常见的问题

任何路面层的破坏和失稳都会导致路面系统中不同类型的结构损伤，包括表面的和内部的。路面表面和内部问题都是指在路面结构中可能存在的损害、老化或其他质量问题。路面表面问题包括可见的损伤或磨损，如裂缝、坑洞、剥落等，而路面内部问题主要涉及路面结构的损伤、磨损或材料老化等情况，如沉降、空洞、泛油等。这些问题可能会导致路面的不平整、减少承载能力和增加车辆运行的噪音和振动。为确保交通安全和车辆运行的顺畅，重要的是及时进行路面评估和无损检测，及早发现这些问题，并采取维修和维护措施来保障路面的安全和可靠性。

2  路面评估中常用的无损检测

2.1  干涉合成孔径雷达

干涉合成孔径雷达（InSAR）是一种非破坏性技术，自1990年代以来一直在发展。InSAR是一种使用主动遥感技术（SAR）的非接触式测试。InSAR在视线（LOS）上发射光谱波（微波）并收集其回波，通过相位差获得二维高分辨率图像错误！未定义书签。。该设备可以安装在卫星或无人机上。

2.2  光谱成像

光谱成像包括整个电磁波谱的多个波段，因为它同时捕获红外、可见光谱、紫外线和X 射线范围。光谱成像包括多光谱（MSI）和高光谱（HSI）成像。多光谱相机通常捕获2到20个波段，而高光谱相机相机捕获数百或数千个波段，假设连续频谱或分析对象的光谱特征并创建波长的命名超立方体从350到2500纳米[2]。高光谱成像具有更大的功能和更好的分辨率比多光谱成像。然而，它增加了更多的复杂性，因为它适用于平行信息、像素对齐或更大的数据集。MSI和HSI均已用于路面评估。用于的设备监控路面可以安装在车辆、无人机或卫星上。对于路面表面的破损，光谱成像可以检测到:坑洞，裂缝，污染物及渗水。通过表面的裂缝和坑洼，路面的内部材料变得清晰可见。已经证明，内层(以金属氧化物为特征)与表层(以碳氢化合物为特征)产生不同的反射行为。因此，化学成分的差异使得识别这些类型缺陷的发生成为可能[3]。

2.3  光探测与测距

光探测与测距(LiDAR)是一项用于基础设施状况评估的新兴技术。它是一种主动遥感技术，用于以点云的形式获得表面和物体的精确3D表示。移动激光雷达系统(MLS)，也被称为移动激光扫描系统，在道路调查中越来越受欢迎，因为它们以正常行驶速度和经济有效的方式以高精度收集密集的3D点云。MLS数据的点密度可以达到每平方米几千个点，点间距为厘米级。

2.4  探地雷达

探地雷达在基础设施状况评估中的主要优势在于，它可以在使用空气耦合天线时以行驶速度采集数据，并可靠地表示数据。此外，GPR系统的图像分辨率可以达到厘米级，具体取决于系统的带宽。这种分辨率尺度与基础设施评估所需的制图尺度非常吻合。500 MHz雷达图显示钢筋沉降(红色矩形)和早期天坑(红色椭圆)，1GHz雷达图显示表面裂缝(白色椭圆)和嵌入裂缝(白色矩形)[4]。

3  结语

1、新型传感器技术和数据处理算法的发展将增强探地雷达的分辨率和探测深度，使其能够更准确地探测地下物体的位置、形状和深度，并探测到更深层的地下结构。

2、将探地雷达与其他地下勘测技术集成，如地电、地磁等，可以获得更全面、多维度的地下信息，提高勘测结果的准确性和可靠性。

参考文献(References)：

[1]王子彬, 蔡迎春, 郭成超. 路面雷达在沥青路面密度和压实度检测中的试验研究[J]. 公路工程, 2006, 31(4): 96-98.

Wang Zibin, Cai Yingchun, Guo Chengchao. Experimental study on pavement radar in detection of asphalt pavement density and compaction[J]. Highway Engineering, 2006, 31(4): 96-98.

[2]Abdellatif, M.; Peel, H.; Cohn, A.G.; Fuentes, R. Hyperspectral imaging for autonomous inspection of road pavement defects.In Proceedings of the 36th International Symposium on Automation and Robotics in Construction, ISARC 2019, Banff, AL, Canada,21–24 May 2019; International Association for Automation and Robotics in Construction: Bratislava, Slovakia; pp. 384–392.

[3]Prego, F.J.; Nieto, L.; Solla, M.; Puente, I. A mobile android tool for simplified GPR data processing in construction applications.Autom. Constr. 2018, 89, 170–182.

[4]Guan, H.; Li, J.; Cao, S.; Yu, Y. Use of mobile LiDAR in road information inventory: A review. Int. J. Image Data Fusion 2016,7, 219–242.