利用卫星图像进行路面状况评估的深度学习方法
发布时间:2024-06-14 浏览次数:
报告简介:
土木基础设施覆盖了广泛的区域,需要频繁进行检查以维持其公共服务能力。传统的人工调查或基于车辆的自动化调查方法用来评估基础设施状况通常劳动密集且耗时。鉴于此,探索更具成本效益的监测和维护基础设施的方法显得尤为重要。最近在遥感卫星系统和图像处理算法方面的进展为此提供了新的可能性。多种卫星传感平台和传感器已被用于监测基础设施状况并识别伤损。由于地面采样距离(GSD)的显著提升,高分辨率卫星图像的GSD现已达到15厘米至50厘米之间,能够捕捉到更为详细的图像信息。基于这些技术进步,本报告将探讨如何利用卫星图像进行路面状况的评估。
报告人简介:
高璐博士毕业于清华大学(土木工程学士)和德克萨斯大学奥斯汀分校(交通工程硕士、博士)。主要从事交通基础设施资产管理、人工智能和计算机视觉方面的研究工作,在智能检测、养护规划、全周期分析和寿命预测方面取得了一系列突出研究成果。近年来先后主持多个美国公路与铁路基础设施资产管理研究项目,科研经费累计一千两百多万美元,在国际权威会议、期刊发表论文100多篇。现为美国土木工程协会基础设施系统委员会委员、国际华人基础设施建设协会副会长、世界道路联盟理事、世界交通大会(World Transport Convention)基础设施资产管理学科主席。