一种基于强化学习的三维探地雷达深层空洞检测方法技术

本发明专利技术公开了一种基于强化学习的三维探地雷达深层空洞检测方法。结合三维探地雷达道路深层空洞反射信号弱，现有识别算法多关注于道路浅层空洞的缺陷。本发明专利技术首先设计了一种三维卷积判别器，使用深层空洞和正常土壤对三维卷积判别器进行预训练，获得空洞区域和正常土壤的区分方式。再通过三维步进搜索，对深层三维雷达数据进行遍历。选择空洞相似性最高的三个区域，迭代使用设计的一系列三维目标区域回归动作，使得空洞区域在判别器中的深层空洞相似性最大，从而达到深层空洞智能识别的目的。突破了现有算法没有针对三维探地雷达深层空洞识别的弊端，提高了深层空洞识别算法的准确率。率。率。

【技术实现步骤摘要】
一种基于强化学习的三维探地雷达深层空洞检测方法


[0001]本专利技术涉及三维探地雷达信号处理
，更具体的说是一种基于强化学习的三维探地雷达深层空洞智能检测方法。

技术介绍

[0002]城市道路是城市发展的重要市政基础设施，道路塌陷已成为城市道路基础设施的主要灾害。探地雷达作为一种快速、高效的无损探测方式，在城市道路地下病害探测中得到了广泛应用，常用的阵列探地雷达由于雷达通道数量较少，难以充分反映所探测的地下空间信息，三维探地雷达通过排列多组平行排列的天线，一次探测即可获得地下三维空间数据体，其探测宽度、探测精度、获取信息角度均高于传统的阵列探地雷达。
[0003]三维探地雷达相较于二维探地雷达数据量的大幅上升，加大了对数据处理的效率要求，完全依赖人工处理已经难以满足实际的工程需求。同时道路深层空洞由于绕射波、多次波特征明显少于浅层空洞，电磁波能量衰减较大。目前，尚无针对三维探地雷达深层空洞的检测方法。

技术实现思路

[0004]有鉴于此，本专利技术提供了一种基于强化学习的三维探地雷达深层空洞检测方法。通过使用深层正常土壤和深层空洞的三维探地雷达数据，对深层空洞和正常土壤的分类器进行预训练，得到输入数据属于深层空洞或土壤的概率。在通过使用初始化步长和尺寸的搜索框，步进搜索待检测的深层三维探地雷达数据。挑选出深层空洞概率最大的3个区域，以此3个区域为基准，迭代使用三维区域调整动作，并根据当前区域属于空洞的概率变化决定是否保留当前动作。直到当前区域属于深层空洞的概率保持稳定，选择概率最大的区域作为深层空洞的检测结果，进行输出。
[0005]为实现上述目的，本专利技术采用如下技术方案：
[0006]S1：深层空洞和正常土壤分类器的预训练，具体步骤如下：
[0007]S11：将包含深层空洞的三维探地雷达数据尺寸调整为64*64*64，类别标签为“空洞”；
[0008]S12：将深层正常土壤的三维探地雷达数据尺寸调整为64*64*64，类别标签为“正常土壤”；
[0009]S13：使用S11和S12中的数据，对深层空洞分类器进行预训练，使得分类器能够正确输出当时输入数据属于深层空洞或正常土壤的概率。深层空洞分类器和土壤判别器的特征提取部分由三维卷积和三维转置卷积共同完成，属于空洞或土壤的概率由Softmax公式给出，Softmax的公式如下：
[0010][0011]其中z
i
为第i类的输出值，C为类别数量(本专利技术中数量为2)，最终输出值为0到1之间的概率分布；S2：三维步进搜索与三维空洞区域回归，具体步骤如下：
[0012]S21：使用三维步进方式，遍历待检测的深层三维探地雷达数据。三维搜索窗体在x，y，z三个方向的尺寸分别为x_w，y_w，z_w，在x，y，z三个方向上窗口的移动步长分别为x_s，y_s，z_s，待搜索的深层三维雷达数据体尺寸为x_L，y_L，z_L。则三维步进搜索产生的待检测区域数量D_N满足：
[0013][0014]S22：将S21中产生的D_N个待检测区域输入S1中预训练完成的深层空洞和正常土壤分类器，得到D_N个区域属于深层空洞的概率，并从中挑选出深层空洞概率最大的3个区域；
[0015]S23：以S22中的3个区域为基准，在x，y，z三个方向上顺序迭代调整当前数据区域的范围，调整步长在x，y，z三个方向上分别为x_a，y_a，z_a。调整数据范围后，数据的尺寸D_S为：
[0016]D_S＝(x_w
±
x_a,y_w
±
y_a,z_w
±
z_a)
[0017]重新将数据输入S1中的深层空洞和正常土壤分类器中，如果当前区域属于空洞的概率提升了，则保留当前数据范围调整的动作。反之则撤销当前数据范围的调整，继续进行下一个方向上的数据范围调整。
[0018]S24：直到当前区域属于深层空洞的概率保持稳定，概率保持稳定的条件是动作调整后，该区域属于空洞的概率连续下降五次。停止迭代的条件如下：
[0019]p_C≤p_C1≤p_C2≤p_C3≤p_C4≤p_C5[0020]其中，p_C为属于空洞的概率，p_C1至p_C5为前五次该区域属于空洞的概率。比较S23中选择的3个区域当前属于空洞的概率，选择概率最大的区域作为深层空洞的检测结果，进行输出。
附图说明
[0021]为了更清楚地说明本专利技术实施例或现有技术中地技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0022]图1附图为本专利技术提供的一种三维探地雷达深层空洞检测方法的流程图。
[0023]图2附图为深层空洞和正常土壤判别器的结构示意图。
[0024]图3附图为本专利技术中设计的三维区域调整动作示意图。
[0025]具体实现方式
[0026]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0027]参见附图1，本专利技术实例公开了一种基于强化学习的三维探地雷达深层空洞检测
方法，包括：
[0028]S1：深层空洞和正常土壤分类器的预训练，具体步骤如下：
[0029]S11：将包含深层空洞的三维探地雷达数据尺寸调整为64*64*64，类别标签为“空洞”；
[0030]S12：将深层正常土壤的三维探地雷达数据尺寸调整为64*64*64，类别标签为“正常土壤”；
[0031]S13：使用S11和S12中的数据，对深层空洞分类器进行预训练，使得分类器能够正确输出当时输入数据属于深层空洞或正常土壤的概率。深层空洞分类器和土壤判别器的特征提取部分由三维卷积和三维转置卷积共同完成，属于空洞或土壤的概率由Softmax公式给出，Softmax的公式如下：
[0032][0033]其中z
i
为第i类的输出值，C为类别数量(本专利技术中数量为2)，最终输出值为0到1之间的概率分布；
[0034]S2：三维步进搜索与三维空洞区域回归，具体步骤如下：
[0035]S21：使用三维步进方式，遍历待检测的深层三维探地雷达数据。三维搜索窗体在x，y，z三个方向的尺寸分别为x_w，y_w，z_w，在x，y，z三个方向上窗口的移动步长分别为x_s，y_s，z_s，待搜索的深层三维雷达数据体尺寸为x_L，y_L，z_L。则三维步进搜索产生的待检测区域数量D_N满足：
[0036][0037]S22：将S21中产生的D_N个待检测区域输入S1中预训练完成的深层空洞和正常土壤分类器，得到D_N个区域属于深层空洞的概率，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于强化学习的三维探地雷达深层空洞检测方法，其特征在于，包括：S1：深层空洞和正常土壤分类器的预训练，具体步骤如下：S11：将包含深层空洞的三维探地雷达数据尺寸调整为64*64*64，类别标签为“空洞”；S12：将深层正常土壤的三维探地雷达数据尺寸调整为64*64*64，类别标签为“正常土壤”；S13：使用S11和S12中的数据，对深层空洞分类器进行预训练，使得分类器能够正确输出当时输入数据属于深层空洞或正常土壤的概率。深层空洞分类器和土壤判别器的特征提取部分由三维卷积和三维转置卷积共同完成，属于空洞或土壤的概率由Softmax公式给出，Softmax的公式如下：其中z
i
为第i类的输出值，C为类别数量(本发明中数量为2)，最终输出值为0到1之间的概率分布；S2：三维步进搜索与三维空洞区域回归，具体步骤如下：S21：使用三维步进方式，遍历待检测的深层三维探地雷达数据。三维搜索窗体在x，y，z三个方向的尺寸分别为x_w，y_w，z_w，在x，y，z三个方向上窗口的移动步长分别为x_s，y_s，z_s，待搜索的深层三维雷达数据体尺寸为x_L，y_L，z_L。则三维步进搜索产生的待检测区域数量D_N满足：S...

【专利技术属性】
技术研发人员：杨峰，李梵若，乔旭，彭苏萍，
申请(专利权)人：中国矿业大学北京，
类型：发明
国别省市：