近日，韩森教授团队在土木工程领域顶级期刊《Computer-Aided Civil and Infrastructure Engineering》发表论文“Asphalt pavement macrotexture reconstruction from monocular image based on deep convolutional neural network”。该研究通过激光纹理仪和智能手机构建了宏观纹理RGB-D数据集，建立了基于ResNet-101残差神经网络的宏观纹理三维重构模型，实现了通过单张沥青路面表面纹理的RGB图片重构其三维形貌，模型架构如图1所示。

（a）模型整体架构

（b）子模型1架构

（c）子模型2架构

图1 ResNet-101残差神经网络的宏观纹理三维重构模型架构

该模型重构的表面纹理与激光纹理仪扫描得到的纹理对比如图2所示。重构表面纹理可以准确反映路面真实宏观纹理的三维特征，可用于表面纹理评价指标的计算。该模型在一定程度上可以代替激光纹理仪对路面表面纹理点云数据进行获取，从而实现降低试验成本，提高试验效率。

图2 重构宏观纹理定性评价

《Computer-Aided Civil and Infrastructure Engineering》是土木与计算机交叉学科著名期刊。根据2020年Web of Science统计数据，该期刊IF=11.775，在137种“工程，土木”类期刊中排名第一，年均发文量仅100篇左右。

论文信息:

Title: Asphalt pavement macrotexture reconstruction from monocular image based on deep convolutional neural network

Author: Shihao Dong, Sen Han, Chi Wu, Ouming Xu & Haiyu Kong

Source: http://doi.org/10.1111/mice.12878

Published online: 17 June 2022